矿产资源开发利用上线划定方法与应用研究

刘 超, 陈甲斌*, 胡 聪

1)中国自然资源经济研究院, 北京 101149； 2)西北有色地质矿业集团有限公司, 陕西西安 710055

近年来, 我国战略性矿产需求量总体延续增长趋势, 战略性矿产的安全、稳定、可持续供应成为资源领域关注的焦点问题之一(陈军元等, 2021； 陈其慎等, 2021； 董延涛等, 2021； 郭娟等, 2021； 焦森等, 2021)。《中共中央国务院关于加快推进生态文明建设的意见》提出严守资源环境生态红线, 树立底线思维, 设定并严守资源消耗上线、环境质量底线、生态保护红线, 合理设定资源消耗“天花板”(中共中央国务院, 2015)。国家发展改革委等(2016)印发的《关于加强资源环境生态红线管控的指导意见》(发改环资[2016]1162号)对能源、水资源、土地资源消耗的上线指明了方向。习近平(2017)在中共中央政治局第四十一次集体学习时强调, 加快构建生态功能保障基线、环境质量安全底线、自然资源利用上线三大红线, 全方位、全地域、全过程开展生态环境保护建设。党的十九届四中全会《决定》提出生态文明建设是关系中华民族永续发展的千年大计, 要求全面建立资源高效利用制度, 实行资源总量管理和全面节约制度(中共中央, 2019)。生态文明建设、自然资源利用上线划定等内容, 已经在中央层面被多次提及, 必须充分考虑生态约束下的自然资源利用上线。

矿产资源是发展之基、生产之要(国土资源部,2016), 是具有耗竭性的自然资源, 构建自然资源利用上线必须合理制定矿产资源利用上线, 尽可能减少对生态环境的负面影响。当前对矿产资源开发上线的研究较少, 且不深入, 但有一个共同现象就是都考虑生态因素对矿产资源开发利用上线的影响。罗必良和王玉蓉(1990)认为生态经济学所涉及的一个方面是在不高于生态系统最大承载力情况下高效的利用矿产资源, 换言之, 生态底线制约自然资源的利用量。余良晖等(2017)、余韵(2017)研究认为在划定矿产资源开发上线时应充分考虑资源、市场、和生态三方面因素, 同时引入“资源容量、市场容量、生态容量”概念, 强调矿产资源开发利用上线应该取三者中较小者。

矿产资源开发利用上线是基于矿产资源可持续利用和尽可能保护生态环境而划定的年度矿产资源开发最大规模。矿产资源的利用一方面促经济社会发展, 另一方面又对生态环境产生扰动。合理的矿产资源开发利用上线就是寻求资源安全供应与生态环境保护的最优平衡, 因此要确定矿产资源开发上线这个度。本文对矿产资源开发利用强度的基本理论(图 1)和评价模型进行研究, 评价过程引入开发利用强度指数概念, 并划分强度区间以及拟定开发利用强度指数上线。以战略性大宗矿产铁矿为例构建铁矿开发利用上线模型, 划定 2020—2035年我国铁矿开发利用上线。

图1 资源开发利用强度概念框架体系Fig.1 Conceptual framework of resource development and utilization intensity

1 矿产资源开发利用上线的影响因素

准确分析和识别矿产资源开发利用上线的影响因素, 对研究构建矿产资源上线具有重要意义,本文研究认为影响矿产资源利用上线的主要因素有以下五个方面：

1.1 资源禀赋与技术水平

矿产资源的资源禀赋和技术保障是实现资源开发利用的内在因素和外部条件, 它对开发利用强度指标具有正向作用。

(1)查明资源储量

查明资源储量：是一个专业的地质名词, 指截至某一时期, 经地质勘查工作发现和探明的不同级别的资源储量总剩余量。自然资源禀赋是一个国家或地区经济增长的一个重要因素(刘长生等, 2009)。矿产资源的查明资源储量越大, 其能够为经济社会发展提供能源或基础原材料的潜力就越大, 因此矿产资源上线是正影响。应该注意的是, 对优势、紧缺及全球资源竞争的焦点矿种应区分其开发利用上线。

(2)开采技术条件

矿区的自然条件称之为开采技术条件, 必须重点考虑, 适宜的开采技术条件较有利于经济、环保、高效的利用矿产资源。应对矿山开采的自然条件进行全面的分析和了解, 需要考虑的因素包括但不限于矿体赋存条件、岩体的物理力学性质、矿区地下水影响等。

(3)采矿回收率

采矿回收率不仅能体现矿山企业的开采技术水平, 也能反映开采环节对资源的利用程度。

可以通过矿山企业生产过程中的各项参数计算得来。回采率高, 表明矿产资源的开发利用越高效, 对开发利用上线是正影响因素。

(4)资源综合利用率

综合利用率指各精矿产品中主、共(伴)生有用组分的质量和与动用资源储量中有用组分质量的比值。资源的可持续利用需要节约集约利用资源, 做到最大限度的综合利用矿产资源, 尽可能的将已动用的资源应用尽用“吃干榨净”。益处有两方面：一是可以降低因资源禀赋不佳带来的资源供应压力,二是可以减少生产过程中的“三废”排放, 降低生态压力。资源综合利用率越高, 表明矿产资源的开发利用越高效, 对开发利用上线是正影响因素。需要指出的是, 由于综合利用率统计数据不尽全面和系统,故实际评价中可采用选矿回收率作为替代指标。

(5)科教实力

人才是产业技术保障的第一资源力, 也是创新驱动的第一资源力, 矿业的发展离不开矿业相关技术人才队伍, 人才的密集程度也同样反应了这个产业的发展水平。本文以高校输出的矿业人才作为指标, 矿业人才越多, 表示该产业的发展水平和潜力均较好。

(6)经济支持力

即经济支撑能力, 它是产业发展的软实力。经济支撑能力是实施矿业活动的重要因素, 是正影响因素。

1.2 市场因素

不同的矿产资源具有不同的市场表现, 如稀土、钨、石墨等部分优势矿产限于市场需求因素, 极易造成产能过剩局面, 而石油、天然气、铁、铜、铝等一些国民经济发展所需的大宗紧缺矿产限于资源禀赋而不得不大量进口。矿产资源市场因素指标是要能直观的反映了人们开发利用矿产资源的数据,矿产资源需求量、进口量、产量和能源消耗均是矿产资源开发结果的直接体现, 其中前三者是正影响因素, 能源消耗是负影响因素。

1.3 开发利用效益

矿产资源开发利用效益是指在矿产资源开发过程中产生的经济效益和社会效益, 可以用某矿产的开发利用总产值及其增长速度来两个指标来衡量,它是正的影响因素。

1.4 生态环境影响

矿山企业的开发利用活动会对周围的生态环境产生影响是一个普遍认识, 减少对生态环境的影响, 使这种影响不高于生态承载力的上线是矿业活动所必须遵循的准则。矿业活动不仅对水、土地和空气产生直接影响, 又会间接造成各类地质灾害,破坏地表景观。可以用废石排放量、尾矿排放量和废水排放量三个指标来衡量, 指标越大, 对环境的污染越大, 是负的影响因素。

1.5 生态环境治理力度

对应环境污染, 必然需要采取环境的治理, 即生态环境治理。体现对生态环境损坏的弥补程度,是正的影响因素。

2 评价指标体系构建

为了研究矿产资源开发利用上线, 本文引进矿产资源开发利用强度概念。广义上的开发强度是指特定区域工业化、城镇化的程度, 包括自然资源的开发程度、资金的投入、人力资源的占用等(赵小明,2013)。本文从周炳中等人(2000)对开发利用强度的解释入手重新定义。首先, 资源开发利用强度是一个多层次的复杂概念, 反应开发利用活动的开采速度、开采规模、资源变化、经济效益、环境影响等。一般来讲, 资源开发利用强度越大, 对经济发展的促进作用越高； 但资源开发利用强度过大, 以至于超出一国或地区资源禀赋、市场需求及生态环境的承载力, 则会对社会经济发展产生负面作用。开发利用上线既是在一定的开发利用强度下对矿产资源开发速度的限定, 也是对矿产资源开发质量的提升,意在寻求矿产资源可持续利用和生态系统保护的动态平衡线, 是一个动态变化的量。

资源开发利用强度指标体系的构建取决于个人对于矿产资源开发利用强度的科学认知程度, 该体系是对资源开发利用强度的评价指标的组合类型和表现形式。根据相关开发利用强度评价的研究成果(周炳中等, 2000； 黄伟彬, 2016), 认为资源开发利用强度评价研究是资源禀赋与技术保障、市场因素、开发利用效益和生态环境影响四个维度相互联系、相互作用的整体, 具有显著的层次性。矿产资源资源禀赋与技术保障是资源开发利用强度得以实现的前提条件, 是历史过程中资源开发利用强度的效果累积, 对当前矿产资源开发利用强度的性质产生直接影响。矿产资源市场因素是开发利用强度的主要推动力, 包括产量、需求量、进出口量等。开发利用的目的是获取较大的经济效益和社会效益的同时又能兼顾生态效益, 使他们达到一个协调均衡的状态。如果开发利用的效益过于低下, 又或者仅能获得某种效益而破坏、失去其它效益, 那么这种开发利用只能是在低层次徘徊, 不符合高质量发展的时代要求。人类社会与自然环境是互相作用互相影响的, 矿业活动会对生态环境产生影响, 称之为资源对人类开发活动的反馈, 对人类社会不利的称之为负反馈, 反之称为正反馈。实践证明, 人类无法在矿业活动中丝毫不引起负反馈, 但却可以通过制定标准, 改进技术等手段, 尽量降低或减少负反馈的发生。对负反馈的治理也是资源开发利用强度需要考虑的因素。本文从矿产资源禀赋与技术保障、市场因素、开发利用效益、生态环境影响和生态环境治理力度五个方面进行系统分析, 选取 19项指标建立指标体系框架, 进而定量评价(表1)。

表1 矿产资源开发利用强度评价指标体系Table 1 Evaluation index system of mineral resources development and utilization intensity

3 开发利用强度评价方法

3.1 评价指标标准化方法

矿产资源开发利用强度的评价涉及资源、环境、市场、经济等多个指标, 各个影响因素的单位不尽一致, 导致评价难以进行。开展评价之前须对各项指标进行无量纲化必要的处理, 使其具有可比性, 即归一化处理。

通常依据评价指标值不同, 可分为三类：一是“越大越好”型指标, 如效益型、产出型指标, 采矿回收率、矿石工业总产值等。二是“越小越好”型指标, 如成本型指标, 生产工序单位能耗等。三是“适中为宜”型指标, 可以以适中值为分界, 分为两部分(李美娟, 2004)。

极差变换法是一种应用较为广泛、较为成熟的指标标准化处理方法。其优点突出, 即无论指标值是正还是负, 处理后的指标值都介于 0和 1之间,便于后续开展研究。本文采用极差变换法对指标进行处理。即对指标数据的极大和极小值的差距进行计算, 对于正向指标：

对于逆向指标：

式中,xij为所选指标的实际统计值,yij为该指标的评价值。矩阵Y=(yij)m×n, 称为极差变换标准化矩阵(彭勇行, 2000)。

通过上述方法, 可将矿产资源开发强度评价的影响指标进行标准化处理, 为后续的评价指数计算奠定基础。

3.2 评价指标权重确定

目前评价指标权重确定的主流方法包括主观法、客观法和主客观综合赋权法。而实际应用过程中, 因评价指标体系的层次多、维度广, 且一些指标数据波动幅度较窄, 熵值法计算结果会导致权重较为接近。因此, 本文拟在指标权重计算过程中使用主客观结合的赋权法。

根据矿产资源开发强度评价体系的特征, 本文采用模糊层次分析法, 在综合分析基础上构建了具有5个指标的准则层和对应的19个因素的指标体系,并计算出5个指标和19个因素的权重值。

层次分析法(Analytic Hierarchy Process)产生于20世纪70年代, 是定量和定性相结合的决策方法,由美国运筹学家托马斯·塞蒂等人提出(永学艳和陈建宏, 2010)。其基本思路是依据多目标评价方法,结合问题总目标, 将问题层层分解形成层次结构。其决策过程由以下几个步骤构成。

(1)问题分析。解构系统, 对其中各因素间的因果关系进行确定, 确定决策所需的各种要素, 划分等级以建立递阶(多层次)结构模型。

(2)要素比较。将上一级的要素作为基准, 对同一等级(层次)的要素进行成对比较。依照所参照的评定尺度确定要素的相对重要性, 依据对比结果建立模糊判断矩阵。

(3)程度计算。利用计算的方法, 确定相对重要的要素。

(4)指标评价。结合定性与定量, 对已有的各要素进行评价, 确定其指标值。

(5)结论生成。经由计算加权, 根据已确定的等级参数来评价各要素的综合指标值。评价流程及方法如图2所示(马航等, 2019)。

图2 FAHP-模糊综合评价法基本工作流程示意图Fig.2 Basic procedure of FAHP

由于因素的重要性不同, 就需要首先确定其权数, 然后进行评价。层次分析法确定权数主要有五个步骤：第一步是构建层次结构模型； 第二步是构造判断矩阵； 第三步是进行一致性检验； 第四步是进行层次单排序； 最后是进行层次总排序(汪朝和郭进平, 2015)。

(1)构建层次结构模型

因素层次结构有三种：即完全相关、完全独立和混合结构。模型构建过程中, 要充分考虑各种因素, 纳入尽可能多的指标因素, 又要考虑实际情况,使得模型尽可能简单。本研究采用混合结构, 设置三个层级对各因素的重要性进行分析, 具体由目标层(O)、准则层(A)和因素层(B)构成, 层次结构模型如图3所示。

图3 因素集层次结构模型Fig.3 Factor set hierarchy model

(2)构造判断矩阵

不同层次不同因素直接的重要性关系通过判断矩阵可以体现, 1-9比率标度法是较为常用的重要性比较法, 通过因素两两对比可的构造判断矩阵,分别用aij、bij表示两个因素的比较值(龚声武等,2009), 1-9标度法的意义如表2所示。

表2 比率标度法意义(以准则层因素为例)Table 2 Significance of scale method(with the factor of criterion layer as an example)

(3)一致性检验

为了避免判断矩阵出现不必要的逻辑错误, 需要进行一致性检验, 检验的主要内容是各因素重要度间的协调性。一致性度量指标用C.I.来判断(张爱霞和李富平, 2011)：

式中λmax为判断矩阵最大特征值, 当C.I.≦0.1时, 判断矩阵一致性较好。

(4)层次单排序

即计算某一指标层上各因素对相邻的上一层各因素的重要性, 并按照重要性程度依次进行排序。计算方法为：

(5)层次总排序

低层各因素对目标层的影响程度不尽相同, 通过层次总排序即可知道各因素对目标层的影响权重,低层B各因素权重值：

式中：ai表示A层各元素对目标层O的单排序。bij表示最低层元素Bi对上层元素Ai的单排序。

3.3 矿产资源开发利用强度评价模型

本文以矿产资源禀赋与技术保障、市场因素、开发利用效益、生态环境影响和生态环境治理力度5个子系统为研究对象, 评价过程引入开发强度指数概念, 并将矿产资源开发利用强度评价模型定义为：

式中,Ii为第i年的矿产资源开发利用强度指数；

m为年份数；

Si为第i年的矿产资源开发利用强度；

式中：Di,Ei,Fi,Gi,Hi以及与之对应的Wα,Wβ,Wχ,Wδ,Wε分别为第i年各子系统的计算值及其权重(此处的权重由层次分析法求出),Dij,Eij,Fij,Gij,Hij以及与之对应的Wαj,Wβj,Wχj,Wδj,Wεj分别表示为第i单元的各因素值及其权重(此处的权重由熵值法求出)。

根据评价指数, 可将矿产资源开发利用强度划分为三类：I＜1, 低强度开发利用；I=1(或其值附近)中等强度开发利用；I＞1, 高强度开发利用；

由此可知, 矿产资源开发强度是指一定时期和空间内的矿产资源开采行为、结果以及周围环境反馈效应强度的综合现象与过程。

3.4 矿产资源开发利用强度评价实例研究

铁矿石是钢铁生产企业的重要原材料, 世界铁矿资源集中在澳大利亚、巴西、俄罗斯、乌克兰、哈萨克斯坦、印度、美国、加拿大、南非等国。中国作为世界上最大的铁矿石需求国, 本国铁矿石查明资源储量数量较大, 但品质较差, 平均品位仅在30%左右, 从工业经济的角度来讲, 开发利用价值不高, 国内铁矿石长期依赖国外进口, 进口量占比最高达到需求量的 80%以上。因此, 正确评价国内铁矿的开发利用强度对铁资源的供需具有重要意义。

3.4.1 数据来源

笔者统计了 2009—2018年我国铁矿资源开发利用过程影响开发强度值的指标值, 如表 3所示。需要说明的是, 这里面大部分数据都来源于自然资源部、国家统计局等部委和中国冶金矿山企业协会等行业协会公开发布的数据, 但仍有一些数据无法获取其准确数值, 为了不影响实例的论证, 文中部分数据由笔者通过通过相关数据计算或其他矿种与行业评估报告推测而来, 最终的论证结果不一定能反应当年的实际情况, 仅供参考。

表3 铁矿资源开发强度评价指标值Table3 Evaluation index value of iron ore resource development intensity

3.4.2 指标值的标准化处理

在进行综合评价之前, 必须对指标值进行标准化处理。同时我们发现, 在上述指标值中, 开采技术条件属于定性表征数据, 还需要对其进行定量化表示, 采用定性指标采用等级评定法, 可按表 4的七级赋值标准给出评定值：

表4 定性指标等级评定法Table 4 Rating method of qualitative index

依据上述定性指标的处理方法及前文介绍的评价指标标准化方法, 我们将评价值进行了处理,结果如表5所示。

表5 铁矿资源开发利用强度指标标准值Table 5 Standard value of iron ore resource development and utilization intensity index

3.4.3 影响因素权重的确定

(1)构建模糊判断矩阵

本文根据矿产资源开发利用强度的有关理论,采用专家咨询的方法, 确定资源开发利用强度A层、B层指标的相对重要性判断矩阵, 如表6所示：

表6 判断矩阵Table 6 Judgment matrix

(2)矩阵的一致性检验

(3)层次单排序

分别计算出上述 6个矩阵的元素重要性权数,对矩阵O-A、A1-B、A2-B、A3-B、A4-B、A5-B, 归一化以后得：

WO-A=(0.44, 0.23, 0.16, 0.10, 0.07), 即资源禀赋与技术保障、市场因素、开发利用效益、生态环境影响、生态环境治理力度5个子系统在矿产资源开发利用强度中所占的比重分别为0.44、0.23、0.16、0.1、0.07。

WA1-B=(0.41, 0.26, 0.12, 0.05, 0.04), 即查明资源储量、开采技术条件、铁矿采矿回收率、铁选矿回收率、科教实力(高校矿业类学生毕业人数)与经济支持力(人均 GDP)对矿产资源开发利用条件与技术保障子系统的影响权重比重分别为 0.41、0.26、0.12、0.12、0.05、0.04。

WA2-B=(0.42, 0.14, 0.27, 0.11, 0.05), 即铁矿石需求量、进口量、铁矿石年生产量、矿产资源勘查投入、单位矿石能源消耗对矿产资源开发利用程度子系统的影响权重比重分别为0.42、0.14、0.27、0.11、0.05。

WA3-B=(0.25, 0.75), 即矿产资源开发总产值、增长速度对矿产资源开发利用效益子系统的影响权重比重分别为0.25、0.75。

WA4-B=(0.33, 0.33, 0.33), 即废石排放总量、尾矿排放总量、废水排放总量对矿产资源开发利用效应子系统的影响权重比重分别为0.33、0.33、0.33。

WA5-B=(0.43, 0.14, 0.43), 即土地复垦率、选矿废水处理率、矿区绿化覆盖率对矿产资源开发生态环境治理力度子系统的影响权重比重分别为0.43、0.14、0.43。

(4)层次总排序

各分指标(B1、B2、B3、B4、B5、B6、B7、B8、B9、B10、B11、B12、B13、B14、B15、B16、B17、B18、B19)对总目标O的权重分配值可由表7计算求得。

表7 指标权重W值计算表Table 7 Calculation of index weight W

由上表可知,

从指标权重的计算结果分析可以看出查明资源储量对铁矿资源的开发利用强度影响最大, 其次是开采技术条件、行业总产值增长速度、矿产资源需求量等； 选矿废水处理率对其影响最小。

3.4.4 资源开发利用强度及其指数的确定

首先将指标值与指标权重进行加权计算, 可得到各年矿山资源开发强度的评价值, 其计算结果如表8所示。

表8 资源开发利用强度评价值Table 8 Evaluation result of resource development and utilization intensity

从评价结果看, 近10年来, 铁矿资源的开发利用强度总体逐年升高, 至2017年达到峰值, 2018年铁矿资源的开发利用强度又有所下降, 这与 2018年的铁矿石行业发展实际情况相符。

根据前文对矿产资源开发利用强度指数地质学意义的解释, 结合我国铁矿资源开发利用的实际情况, 本文对铁矿资源开发利用强度分级判定标准的设定如表9所示。

表9 铁矿资源开发利用强度评价分级标准Table 9 Evaluation and classification standards for intensity of iron ore resources development and utilization

依据矿产资源开发利用强度评价模型强度指标的计算公式, 计算出了近 10年我国铁矿资源开发利用的强度指数, 如表10所示。

表10 2009—2018年我国铁矿资源开发利用强度指数Table 10 Development and utilization intensity index of China's iron ore resources in 2009-2018

从资源开发强度的评价结果看, 近10年来, 我国铁矿资源的开发强度逐渐由弱转强, 其中 2009年开发利用强度指数最低, 为0.57, 2017年最高, 为1.32(表10)。这一指数的变化与经济的快速发展密不可分。在基础设施建设方面, 道路、桥梁、高铁的施工, 城市厂房、住宅楼的建设等, 都离不开铁矿资源的供应。

4 2035年铁矿开发利用上线

4.1 关于未来铁矿资源低开发利用强度的分析

一是全球铁矿资源丰富且供应充足。根据美国地质调查局(USGS)统计, 截止 2018年, 全球铁矿石资源量约8000亿吨, 储量约1700亿吨, 产量25亿吨, 储采比为68年, 而储量前三且资源禀赋较好的澳大利亚、巴西、俄罗斯三国合计占全球储量的62.9%, 全球优质铁矿石供应充足。

二是中国铁矿资源禀赋特点。矿床类型以“大、贫、浅、易(选)”为特点的沉积变质型为主, 该类矿床TFe平均品位约为30%(李厚民等, 2012)。我国铁矿资源分布较为分散, 31省(市、自治区)均有分布,但大中型矿床少。另外, 还具有共(伴)生组分多, 贫矿多、富矿少(王嫱等, 2018)的特点, 据《全国矿产资源储量通报》数据显示, 截止2018年底, 全国铁矿石查明资源储量852.24亿吨, 其中富铁矿占比仅为1.21%。

三是中国成品矿生产成本远高于世界平均水平。据中国冶金矿山企业协会统计数据, 2019年铁精矿生产成本约370元/吨, 是当年国际铁精矿平均生产成本的2倍多。

四是废钢综合利用率不断提升。中国已连续多年占据全球铁矿石进口和消费第一的位置(刘超等,2019), 据中国废钢铁应用协会数据显示, 2018年废钢应用量达到 1.88亿吨, 废钢比达到 20.2%, 到2035年, 我国社会钢铁累积量将达到140亿吨左右,废钢比将达到 30%以上, 可以极大缓解对铁矿石的需求。

五是供给侧结构性改革将降低未来铁矿石需求量。2020年 1月 23日, 国家发改委和工信部两部委《关于完善钢铁产能置换和项目备案工作的通知》(发改电[2020]19号)要求, 自 2020年 1月 24日起, 各地区不得再公示、公告新的钢铁产能置换方案, 不得再备案新的钢铁项目。考虑到中国经济增速放缓、社会铁资源积累和二次供应量的增加, 未来国内粗钢需求量将见顶, 2019年我国粗钢产量 9.96亿吨, 预测未来粗钢产量将不超过10亿吨(表11)。

表11 粗钢产量及铁矿石需求预测表Table 11 Crude steel output and iron ore demand forecast

基于以上几点认识, 为加快提升国内钢铁工业发展质量, 减少对生态环境的损害, 促进生态文明建设, 在保证资源供应安全底线的前提下, 应尽可能多的使用国外质优价廉的铁矿资源, 适当降低国内铁矿开发利用强度, 划定较为保守的开发利用上线。从资源可持续供应及资源供应安全的角度上讲,笔者建议, 铁矿资源的开发强度指数上线不应大于1.1。

左更(2020)预测2020—2030年中国粗钢产量将进入8.8～10亿吨峰值区平台震荡, 需要铁矿石11.4～13亿吨。考虑到国产矿产量趋势以及国内每年约1000万吨的社会废钢增量等因素, 预计需要进口铁矿石9～10.5亿吨。张艳飞等(2015)认为未来全球铁矿石需求增速将低于粗钢需求增速, 2020—2040年铁矿石(62%品位)需求 10.76～7.66亿吨, 呈下降趋势, 粗钢产量7.94～6.78亿吨。

4.2 2035年铁矿开发利用上线划定

铁矿石开发上线可以从需求端反向求出, 首先对未来未来粗钢需求量进行预测, 在粗钢需求预测的基础上, 扣除废钢的二次利用量和净进口量, 即可得到未来某个年份的粗钢产量, 在由每吨粗钢生产消耗的铁矿石之间的比例关系, 考虑开发利用强度指数则可求出铁矿石开发上线, 这里的开发上线特指产量, 实际动用或消耗的储量更大, 此处不做探讨。则铁矿石开发上线模型如下：

Ui=Ii×Pi×ki×ei×(1-fi)×(1-hi)

其中,Ui为第i年铁矿石开发利用上线；

Ii为第i年铁矿石开发利用强度指数, 由前文确定；

Pi为第i年粗钢产量；

ki为第i年粗钢生产系数, 表示单位粗钢产量铁矿石成品矿消耗量；

ei为第i年选矿比, 即生产单位铁矿石成品矿消耗的原矿量；

fi为第i年废钢比, 即废钢占当年粗钢产量的比重；

hi为第i年铁矿石(成品矿62%)对外依存度；

i为年份数。

为了划定铁矿石开发上线, 结合前文分析对2020—2035年粗钢产量、废钢比、铁矿石对外依存度、粗钢生产系数、选矿比、开发利用强度指数等指标进行赋值, 具体赋值结果如表 12。经过计算,得出2020年、2025年、2030年、2035年我国铁矿石开发上线分别为9.03亿吨、8.62亿吨、8.21亿吨和7.9亿吨。

表12 2020—2035年铁矿石开发利用上线及相关指标预测表Table 12 Prediction of iron ore development and utilization upper limit and relevant indicators in 2020-2035

5 结论

分析了影响开发利用上线划定的影响因素, 引入开发利用强度和开发利用强度指数, 并对2009—2018年铁矿开发利用强度和开发利用强度指数进行了评价测算, 确定了合理的开发利用强度指数上线。构建了铁矿石开发利用上线模型, 并划定了2020—2035年铁矿石开发利用上线。

(1)影响开发利用上线划定的主要因素包括资源禀赋与技术保障、市场因素、开发利用效益、生态环境影响、生态环境治理力度。

(2)近 10年来, 铁矿资源的开发利用强度逐年升高, 2009年开发利用强度为0.291, 至2017年达,0.675的峰值, 2018年铁矿资源的开发利用强度又有所下降。与铁矿开发利用强度相对应的铁矿开发利用强度指数也是逐年升高, 2009年开发利用强度指数为0.57, 至2017年达1.32的峰值, 2018年又回落至 1.1。结合中央生态文明建设要求和铁矿工业转型发展需求确定未来铁矿开发利用强度指数上限为1.1。

(3)构建了铁矿石开发利用上线模型, 划定了未来铁矿开发利用上线, 到 2020年、2025年、2030年和2035年, 我国铁矿石开发利用上线分别为9.03亿吨、8.62亿吨、8.21亿吨和7.9亿吨。对加快构建自然(矿产)资源利用上线提供了一定的理论基础。

Acknowledgements:

This study was supported by Ministry of Natural Resources of the People’s Republic of China (Nos.121102000000180048 and 121102000000180052), and Word Bank (No.A14-2018).