矿产资源供应基地评价与供应链调查理论技术方法

2021-04-15陈其慎张艳飞邢佳韵郑国栋

地球学报 2021年2期

陈其慎, 张艳飞, 邢佳韵, 龙涛, 郑国栋, 王琨, 向杰

中国地质科学院矿产资源研究所, 自然资源部成矿作用与资源评价重点实验室,自然资源部同位素地质重点实验室, 北京 100037

2020年以来, 受新冠肺炎疫情影响, 全球矿产资源供应遭遇危机, 矿产资源供应链作为一种成本、市场驱动型供应链, 受全球化及新一轮科技革命的影响, 以矿产品为载体, 形成了涵盖范围最广的全球市场化复杂网络(吴巧生, 2020)。矿产资源供应的任一关键节点出现问题, 都会对整个供应链条造成重大影响。美国、欧盟等自2013年以来, 愈发关注本国大量依赖进口的危机矿产的供应链的稳定性, 出台一系列目录、措施等促进危机矿产的稳定供应(U.S.National Science and Technology Council,2016； European Commission, 2017；陈其慎等 ,2017b；陈其慎等, 2017c； U.S.Geological Survey,2018； U.S.Department of Commerce, 2019；陈其慎,2020； Nassar et al, 2020；陈其慎, 2021)。目前, 国内资源产业经济领域专家学者的研究内容大多围绕资源需求分析、资源供应能力评价、资源安全保障等方面(王礼茂和郎一环, 2002；谷树忠等, 2002；沈镭等, 2004；谷树忠和姚予龙, 2006；陈其慎等, 2010；王安建等, 2010), 而立足于全球的矿产资源供应链的研究工作尚未全面铺开。

2012年以来, 本文作者所在的研究团队开始逐步将研究重心转向矿产资源供应链研究, 并强化全球矿产资源的风险评价和对策研究, 相继开展了大量矿业国家、矿山项目、矿业公司、铁路、港口、航线等方面的研究(陈其慎等, 2015a, b,2017a, 2019, 2020；张艳飞等, 2017；龙涛等, 2018；王琨等, 2021), 积累了海量多元异构的数据、信息和资料, 形成了全球矿产资源供应数据库, 创立了资源综合对外依存度、资源通道依存度等新概念(陈其慎等, 2015c), 绘制了全球矿产资源进口路线图, 提出了从全链条的角度评价石油等矿产资源的供应风险(陈其慎等, 2018)。在此基础上,系统提出了矿产资源供应链的内涵、研究思路和研究技术方法, 并开展了矿产资源供应链梳理和评价工作。

本文提出了贯通“所在国资源基地—铁路/管线—港口—航线—海峡—国内”供应全链条的调查与评价技术体系, 系统阐述了矿产资源供应基地、供应关键节点和供应链的定义、内涵和研究技术思路,提出了矿产资源供应基地厘定与综合评价方法, 供应链关键节点与供应链厘定技术体系, 以及供应链风险评价和预警等关键技术。

1 矿产资源供应基地与供应链内涵

矿产资源供应链是指资源从某一矿山生产、公路/铁路运输至港口, 海运到目标国港口和下游企业的产运供应全链条。矿山聚集区作为矿产资源供应基地, 是供应链的起点, 而沿途经过的铁路、港口、航线等都是矿产资源供应的关键节点。

其中, 矿产资源供应基地是指：在全球主要成矿区带(重要含油气盆地)中划定的, 具备一定资源储量和潜力, 已形成较大产能, 正在或未来 3～5年能够供应矿产资源, 对目标国矿产资源供应具有重要影响的矿山项目聚集区。

矿产资源供应关键节点是指矿产资源从供应基地通过铁路运输、公路运输、海运、管道运输等不同方式运输到目标国的过程中, 必须途经的铁路、公路、港口、海峡以及油气管线等环节。

2 矿产资源供应基地评价与供应链调查技术体系

全面收集和整理全球不同矿种矿业权数据、成矿区带、矿业公司等矿产资源相关信息, 运输铁路、运输航线、油气管线等运输通道相关信息, 全球地震、飓风、恐怖袭击等风险相关信息, 建立矿产资源供应基地与供应链数据库, 实现全球矿产资源相关海量、多元、异构数据的一体化管理。通过构建基于 GIS的矿产资源供应基地空间评价技术体系,开展矿产资源供应基地厘定与综合评价, 由传统的平面化转向空间化, 由数据半定量研究转向大数据化, 实现全球矿产资源供应基地空间划定与定量综合评价。建立供应链厘定技术体系, 从基地出发,梳理向目标国供应矿产资源的运输路线中途径的铁路、公路、管道、港口、海峡、航线等, 厘定供应链关键节点；将供应基地与节点连接构成完整的矿产资源供应链。构建供应链风险评价技术体系, 通过风险因素识别和风险评价模型, 定量测算矿产资源供应基地、供应节点和供应链的风险等级, 评估目标国供应链存在的风险隐患。设计构建供应链风险预警体系, 对风险隐患做出预警和对策预案。

3 矿产资源供应基地厘定与综合评价

3.1 厘定内涵与评价原则

矿产资源供应基地划定首先根据实际需要, 确定目标矿种。供应基地一般具备资源条件好、供应潜力较大的特点。矿产资源供应基地是一定矿山项目的聚集区域, 一般位于主要成矿区带(重要含油气盆地)范围内。部分供应基地虽然供应量不大, 但对目标国来讲, 能丰富资源来源, 分散风险, 或者具备较大地缘安全意义。部分供应基地当前尚未向目标国供应资源, 但是通过各种措施, 如推进基地内企业项目投产等, 具备在 3～5年内向目标国供应的能力, 也将其划定为潜在供应基地。

基于供应基地的概念和内涵, 确定以下评价原则：

短缺矿种原则：供应基地的选取通常是针对目标国短缺矿种, 或大量依赖进口的矿种；

可持续性原则：供应基地内在产矿山静态资源储量至少能够保障5～10年以上生产, 且至少含有1个以上大中型在产或拟建(在建)矿山；

供应出口原则：具备一定基础设施和通道条件,生产的矿产品已经或者能够出口到目标国, 出口量占目标国进口量比例不低于5%；

企业优先原则：有目标国企业持有大中型矿山项目的供应集中区域, 优先划为供应基地；

成矿规律原则：供应基地划定应基本符合矿产资源的成矿规律, 边界一般应划定在全球主要成矿区带(重要含油气盆地)范围内, 且不同矿种基地地理位置重合需要合并时, 要考虑矿种的成因类型和成矿元素组合；

不跨国原则：由于不同国家经济、政治、文化和矿业政策差异较大, 资源基地划分采取不跨国原则。

3.2 矿产资源供应基地边界厘定

根据矿产资源供应基地内涵和评价原则, 针对多矿种、多指标矿产资源数据的多样性和复杂性,厘定矿产资源供应基地的边界。

(1)厘定方法

首先, 供应基地评价基础数据整体与图层准备。系统收集了全球主要矿业国家矿业权数据、矿山项目数据、油气盆地、油气田分布数据等空间数据, 以及相关国家、矿业公司的生产和出口等数据信息作为数据基础。对产量、资源储量和出口量等属性数据, 采用空间主成分分析等方法进行空间处理, 转化为空间图层, 为下一步空间计算作准备。

其次, 划定供应基地备选区。分两步：一是分油气和固体矿产两大类, 采用空间智能计算的方法,分别进行单矿种备选基地划定；二是叠加的对单矿种基地, 综合考虑叠加面积大小和地质成矿规律,进行综合供应基地备选区划定。例如铁矿等固体矿产供应基地备选区的划定, 可利用矿山项目分布图层、项目产量核密度图层、项目资源储量核密度图层、向目标国供应量图层、三级成矿带图层和地理国界图层。油气备选区划定需综合考虑油气田分布、含油气盆地、剩余技术可采储量、产量、出口量以及国界等图层。

在GIS平台上, 综合利用空间叠加分析、相交分析、统计分析、属性提取、属性关联等空间分析工具, 对不同圈定条件进行空间特征分析和叠加计算。自动获取单矿种矿产资源供应备选区的边界,备选区范围拐点为范围内所有矿权边界外包络面的拐点(图1)。将单矿种备选区范围进行叠加分析, 计算不同资源供应基地的重叠面积, 针对重叠面积大于 50%的基地范围进行合并, 针对重叠面积小于等于 50%的基地范围进行分别圈定, 圈定时要综合考虑综合地质成矿规律因素。

图1 供应基地图层空间计算和边界提取Fig.1 Supply base layer space calculation and boundary extraction

(2)关键技术

核密度分析采用无参数估计法对未知概率密度函数进行估计, 使得估计得到的概率密度函数与实际的概率密度间的均方积分误差最小, 核密度值随中心辐射距离的增大逐渐变小, 考虑了中心点对周围位置服务影响的距离衰减作用。

核密度方法的计算方程可以表示为：

其中,f(s)为空间位置s处的核密度计算函数,h为距离衰减阈值,n为与位置s的距离小于或等于h的要素点数,k函数则表示空间权重函数。在研究过程中, 阈值h的设置主要与分析尺度、矿种、成矿带有关。较大的距离衰减值可以在全局尺度下使热点区域体现得更加明显, 而较小的距离衰减值可以使密度分布结果出现较多的高值区, 适合于揭示密度分布的局部特征。因此本次研究过程中偏向于选择较小的距离衰减值。

3.3 矿产资源供应基地综合评价

矿产资源供应基地综合评价主要评价矿产资源供应基地对目标国的重要性, 通过系统构建供应基地评价指标体系, 针对油气和固体矿产分别开展多矿种多要素空间数据建模, 采用主成分分析、偏最小二乘分析等综合计算模型, 开展矿产资源供应基地综合评价。根据评价结果, 对矿产资源供应基地进行编号、命名和分类。

3.3.1 综合评价指标构建

矿产资源供应基地综合评价指标的选取要综合考虑多矿种和单矿种的因素, 既考虑全面性, 也要考虑代表性, 同时考虑数据的可得性等。从供应基地的概念和内涵出发, 本文提出了矿产资源供应基地综合评价的指标体系, 包含资源禀赋、生产能力、全球关键性、向目标国供应能力、对目标国关键性、目标国公司权益资源量、目标国公司权益产量等7个指标。各指标定义和计算方法如下：

(1)资源禀赋。指基地内的资源数量, 考虑到基地内多矿种的情况, 用基地内所有矿产资源的资源价值的综合来表征。

(2)生产能力。指基地内矿产资源的生产能力和生产水平。考虑到基地内多矿种的情况, 用基地内所有矿产资源的生产总价值的综合来表征。

(3)全球关键性。用单矿种最大产量占比来表征,即基地内多种矿产中, 产量占全球比例最大的矿产的产量占比。

(4)向目标国供应能力。指基地内矿产资源对目标国的供应能力。考虑到基地内多矿种的情况, 用基地出口到目标国所有资源总价值来表征。

(5)对目标国关键性。指基地对目标国供应的关键性, 用基地内多种矿产中, 对目标国供应量占目标国进口总量比例最大的矿产的供应量占比。

(6)目标国公司权益资源量。指基地内目标国公司权益资源量价值占基地总资源量价值比例。

(7)目标国公司权益产量。指基地内目标国公司权益资源产量价值占基地总产量价值比例。

3.3.2 综合评价模型

一是空间主成分分析。该方法是从多指标分析入手, 运用统计学分析原理与方法提取少数几个彼此不相关的综合性指标而保持其原指标所提供的大量信息的一种统计方法。通过将原始空间坐标轴旋转, 将相关的多变量空间数据转化为少数几个不相关的综合指标, 实现用较少的综合指标最大限度地保留原来较多变量所反映的信息。

设有N个相关变量Xi(i=1, 2,...,N), 其线性组合成N个独立变量Yi(i=1, 2,...,N), 使独立变量Yi的方差之和等于原来N个相关变量Xi的方差之和,并按方差大小由小到大排列, 这样就可以把N个相关变量的作用看作主要由为首的几个独立变量Yi(i=1, 2,...,M) (M＜N)所决定, 于是N个相关变量Xi就缩减成为M个独立变量Yi, 即主成分。与层次分析法不同, 主成分分析法是对高维变量进行最佳综合与简化, 客观地确定各个指标的权重, 避免了人为打分而带来的主观随意性。

空间主成分分析(SPCA)则是在 GIS技术的支持下将每个空间变量对应一个矩阵后, 通过主成分分析, 将相关的空间变量对因变量的影响程度分配到相应的主成分因子上。

二是偏最小二乘模型(PLSR)。该方法既是一种回归分析模型, 又是一种特征抽取方法。偏最小二乘算法在建模时, 在X和Y中提取潜在成分, 使用潜在成分对数据进行建模, 使得潜在成分能最大限度的表示原始数据X和Y, 同时满足他们的协方差最大化。

其中,X0=X,Y0=Y(矩阵中列已标准化),Xh-1和Yh-1是变量X和Y的子集。

建模过程具体步骤如下：

设自变量X=[X1,X2, ···,Xp]n×p, 因变量Y=[Y1,Y2,···,Yq]n×q。分别在X与Y中提取出成分t1和u1, 其中t1是X1,X2, ···,Xp的线性组合,u1是Y1,Y2, ···,Yq的线性组合, 同时要求t1和u1既要尽可能大的携带它们各自数据集中的变异信息, 又要相关程度达到最大。

第一组成分t1和u1被提取后, 分别进行X对t1及Y对u1的回归计算。如果回归方程达到满意精度则算法终止, 否则将利用X被t1解释后的残余信息以及Y被t1解释后的残余信息进行第二轮成分提取,如此迭代计算, 直到达到一个较满意的精度为止。若最终对X共提取了m个成分t1,t2, ···,tm, 偏最小二乘建模将通过yk对t1,t2, ···,tm的回归(k=1, 2, ···,q), 表达为yk关于原变量X1,X2, ···,Xp的回归方程。

提取成分的个数由交叉验证的结果决定, 根据交叉有效性原则, 定义yi的预测误差平方和为PRESSh, 有：

yi的误差平方和为SSh, 有：

其中h为偏最小二乘建模过程中, 对X提取主成分的次数；h(-i)是在建模时删去i个样本点, 取t1,t2, …,th个成分回归建模, 然后在用此模型计算yi的拟合值；hi是使用全部样本点并取t1,t2, …,th个成分回归建模以后, 第i个样本点的拟合值。则交叉有效性原则为：

4 矿产资源供应关键节点与供应链厘定技术体系

4.1 矿产资源供应关键节点厘定

矿产资源供应关键节点的厘定建立在全面了解全球矿产资源的运输方式的基础上。全球矿产资源的运输方式包括：海运、铁路运输、公路运输、管道运输和航空运输。铁矿石、铜、铝、铅、锌等大宗固体矿产资源绝大部分通过海运运输, 少部分从陆路邻国通过铁路或公路运输；石油、天然气等能源矿产资源大部分为海运, 少部分通过油气管线运输；黄金、铂族、钻石等贵金属矿产和宝石矿产主要通过航空运输；国际上铀资源的运输方式主要有海运、航空、铁路、公路等多种方式, 海运是最重要的运输方式。

在充分了解矿产品运输方式的基础上, 分别针对固体矿产和油气开展矿产资源供应关键节点的厘定。固体矿产主要从关键铁路(公路)、关键港口、关键航线、海峡(运河)4个方面进行梳理。油气资源主要从关键港口、关键航线、海峡(运河)、油气管线4个方面进行梳理。

4.2 矿产资源供应链厘定

通常情况下, 矿产资源运输会根据矿产资源自身价值、矿产资源的重量和体积、运输过程中可利用的基础设施、运输成本(经济和时间)、运输通道的安全性等因素确定运输方式和运输路线。

对矿产资源供应链的厘定主要从供应基地出发, 作为整个供应链的起点, 考虑地理位置、基础设施、运输成本等因素, 采用空间追溯技术, 将该供应基地到目标国的主要供应节点连接起来, 形成矿产资源供应的完整链条。

5 矿产资源供应链风险评价与预警

5.1 供应链风险因素识别

影响矿产资源供应链的风险因素可以分为自然风险、地缘风险和投资环境风险三大类, 其中,自然风险主要包括地震、海啸、飓风、火山、泥石流及山体滑坡等自然灾害；地缘风险主要是指国与国之间, 特别是供应国与目标国之间的关系, 供应国国内政治稳定性等；投资环境风险主要包括营商环境风险、基础设施风险、政策风险和社区文化风险(如罢工、劳工关系等)。

供应链风险包括供应基地和供应通道两个部分, 供应基地的风险主要从自然风险、地缘风险、投资环境风险3个B级指标, 即地震风险、飓风风险、恐怖袭击风险、地缘政治风险、营商环境风险、基础设施风险、政策风险、社区文化风险8个C级指标进行定量评价。供应通道涉及重要海峡、油气管线、矿产品运输铁路、口岸、海上运输航线、重要港口 6个方面的关键节点, 主要从自然风险和地缘风险2个B级指标, 地震风险、飓风风险、恐怖袭击风险、海事风险、地缘政治风险5个C级指标进行评价, 根据节点的空间位置对评价指标进行相应的调整(表1)。

表1 供应通道关键节点评价指标Table 1 Key node evaluation index of supply channel

5.2 多层次综合评价模型

本文建立了多层次综合评价模型, 将供应链风险因素分为4个层次, 如图2所示。评价步骤主要包括：

图2 供应链风险多层次综合评价模型Fig.2 Multilevel comprehensive evaluation model of supply chain risk

首先, 建立风险因素集U, 记为U={U1,U1, ··,Un}；

其次, 确定风险因素的权重向量R, 记为

其中, 权重向量主要通过两两比较风险因素指标的重要程度来确定。

最后, 考虑多因素多层次下的权重分配, 按照矩阵相乘的算法来进行综合评价。

5.3 矿产资源供应链风险预警体系设计

矿产资源供应链风险预警体系建设是在供应链风险综合评价的基础上, 重点针对矿产资源供应链涉及的风险隐患, 建立全面的风险预警与预案对策机制。通过动态抓取实时新闻, 及时发现供应链风险因素, 智能判断事件的预警级别, 触发相应的对策预案。

针对网络中文本信息量巨大、数据分布分散、数据类型繁多等问题, 利用网络爬虫爬取新闻, 对爬取的新闻进行中文分词和特征提取。利用机器学习技术, 根据收集的新闻事件历史数据对预警模型进行训练, 通过不断积累数据信息, 训练机器学习模型参数, 实现对新闻事件影响级别的科学判断,根据预警级别提供对应的预案对策(图3)。