基于整装勘查区的大型能源资源基地区划研究

2023-03-18杜轶伦于晓飞王春女公凡影张娇娇

地质与勘探 2023年6期

杜轶伦，于晓飞，雷平，王春女，公凡影，张娇娇

（1.中国地质调查局发展研究中心，北京 100037；2.中国地质大学（北京），北京 100083）

0 引言

1957年，任桂荣（1957）和高毅明（1957）在《地质与勘探》杂志分别发表了勘探基地文章，这是我国矿产资源领域最早出现的基地论述。早先的基地侧重于利用基地内的资源进行矿产开发和初级加工品制造。基地在计划经济年代被各工业部门广泛采用，但地矿部应用很少。1995年以后，我国学者在能源资源基地区划和评价方面做过了大量的研究，但这些研究主要以单矿种研究和区域研究为主（李天泽，2007；朱晓燕等，2010；王剑辉，2011；张保连，2012）。其中单矿种研究集中在铁矿、煤炭等矿种（马吉宇，2007；唐燕波等，2012；宋洪柱，2013）；区域研究近年来聚焦国家重大战略，如乔东海等（2017）对“一带一路”范围矿产的分布规律、找矿潜力及典型矿床的研究进展进行了总结，提出了中国企业在“一带一路”范围进行矿产勘查开发的建议。

在与能源资源基地相关的交通优势度、矿业依赖性、生态重要性研究方面，前人也进行了相应的研究。交通优势度方面，金凤君等（2008）对我国的区域交通优势程度进行了甄别和应用分析。近年来，其团队对京津冀、长江经济带交通体系、高速铁路、我国沿海煤炭运输也做了详细的研究（陈娱等，2017；金凤君等，2017；Jin et al.，2017；Wang et al.，2018）。矿业依赖性方面，前人研究认为国家发展在一定阶段尤其是工业化发展初期和中期是依赖矿业的（陈其慎等，2015a；陈其慎等，2015b），自然资源是经济增长的重要物质基础，但同时也存在着资源诅咒假说（李文静和张朝枝，2019）。生态重要性方面，前人对生物多样性重要区域、重要生态区域进行了划定（翟中齐，2003；万忠成等，2006；Smith et al.，2009；Blasi et al.，2011；Villalobos et al.，2013；武建勇等，2016）。

相对来说，以往的资源基地划分以资源为基础，考虑了交通、可开发性等，但有关生态等问题考虑很少。党的十八大提出建设美丽中国，将生态文明建设提到了前所未有的新高度。同时，资源安全始终是国家可持续发展的核心问题。十九大报告中明确提出，推进能源生产和消费革命，构建清洁低碳、安全高效的能源体系。能源资源基地是矿产资源大规模集中赋存区和矿物原材料大规模集中生产区，是直接进行资源勘查、开采、冶炼加工，并与工业制造、生活消费等密切关联的技术经济领域。相对于以往专注于矿产资源的“数量”的矿产勘查工作，能源资源基地体现了资源潜力、技术经济和地质环境的综合评价，是生态文明建设和资源安全保障进行有机结合的典范。原国土资源部发布的全国矿产资源规划（2016～2020年）指出，将集中力量建设103 个国家能源资源基地。

本次研究是针对如何贯彻落实矿产资源规划中的能源资源基地，服务2019～2021 资源基地调查选区开展的。研究在能源资源基地主攻矿种筛选的基础上，以主要矿产为能源资源基地主攻矿产的整装勘查区、矿集区为样本，根据大型能源资源基地区划原则和标准，综合运用地质、地理学科法，比较研究法，数理研究法等方法对大型能源基地进行区划研究，筛选出准备进行基地调查的能源资源基地。

1 能源资源基地区划相关概念与区划原则

1.1 相关概念

相对来说，以往的资源基地划分，以资源为基础，考虑了交通、可开发性等，但有关生态等问题考虑很少。因此本次研究在前人研究的基础上，从我国矿产资源分布特点（查明资源储量、大中型矿产地）、开发利用情况（设计开采规模、大中型矿山数量）、区域基础地质工作程度、区域经济发展阶段、区域环境承载力、区域交通条件，开展能源资源基地区划研究。

在前人研究的基础上，本次区划将能源资源基地分为勘查基地、开发基地、后备基地。具体分类见表1。

表1 能源资源基地分类表Table 1 Classification of energy resource bases

本次能源资源基地区划的主攻矿种，即在当前及今后一段时期，需要立足国内实现找矿重大突破的重要矿产（以下简称“主攻矿种”），大体可以分为三类：第一类是对国民经济和社会可持续发展保障程度低，国外供应受到挑战的重要矿产；第二类是虽然仍是优势矿产，但是优势程度显著下降的重要矿产；第三类是虽然数量上是优势矿产，但品质不佳，或是对一些高端需求仍难以满足的重要矿产。

1.2 区划原则

数量与质量并重原则。基地是矿产资源大规模集中赋存区和矿物原材料大规模集中生产区。基地矿产资源除应达到中型以上矿产地规模外，还应质量较好，矿石品位较高，矿产埋深较浅。

财政投入与社会资金投入相结合原则。基地基础工作程度应相对较高，有利于提供用于勘查的靶区。基地应有一定的勘查资金投入，且以社会资金投入为主。对一些工作程度很高，主要矿区由成熟的企业进行开发，较少地区可以安排中央资金进行勘查的整装勘查区、矿集区，不纳入此次基地区划。

矿产资源开发利用与区域经济、环境效益协调发展原则。基础设施应可以保障矿产资源开发。开发基地应对所在地区区域经济贡献较大，区域居民收入较高，第二产业产值较高。矿产资源勘查开发的发展需要在具备一定生态环境承载力的国土空间上进行，对位于主体功能区限制开采区的整装勘查区、矿集区，除个别成果特别突出、政策允许的，一般不纳入此次基地区划。对于主体部分落入环保区中的整装勘查区、矿集区，不纳入此次基地区划，对于部分落入环保区中的整装勘查区、矿集区，落入环保区中的部分不纳入此次基地区划。

高效开发与综合利用原则。对距离相近，可以共同开发的整装勘查区、矿集区，作为一个基地进行开发。

避免重复遗漏原则。煤炭基地由于有《大型煤炭基地建设规划》，本次区划不再涉及；油气基地，由地调局油气中心进行根据勘查进展和工作部署进行区划，并根据最新地调成果进行增补，本次区划研究直接采用其成果，基地类型全部为开发基地。

动态调整原则。在筛选基地的基础上，基于共性分析，根据最新地调成果，适当补充一些基地和扩展资源潜力区。

2 能源资源基地区划体系

大型能源资源基地区划体系包括主攻矿种与样品选择、学科研究法初步划分、比较研究法进行修正、数理研究法基地分类和结果分类等内容。

2.1 主攻矿种与样品选择

主攻矿种选取步骤如下：（1）分大宗矿产和战略性新兴产业矿产筛选出对国民经济具有重大影响的矿种。大宗矿产方面在“十三五”矿产资源规划列出的战略性矿产中的大宗矿产的基础上，又增加了对外依存度较高的铅锌矿产（2015 年对外依存度45% ）。战略性新兴产业矿产方面，在对国外政府组织研究报告、国内规划、国内学者研究成果等资料梳理的基础上，通过统计这些资料中矿产出现的频次，结合相应分析，列出矿产名单。（2）在优选出的对国民经济具有重大影响的重要矿种的基础上，筛选出主攻矿种。煤炭（有《大型煤炭基地建设规划》，不再重复研究）、伴生矿产、优势程度较高不入选，入选的主攻矿种为石油、天然气、页岩气、铀、铁、铜、铝、铬、锰、铅、锌、金、锡、锂、镍、钨、铋、萤石、钾盐、石墨、高纯石英用脉石英。

样本选取主要矿种为大型能源资源基地主攻矿种的115个整装勘查区和160个矿集区。

2.2 地质、地理学科法初步划定能源资源基地

首先，收集整装勘查区、矿集区相关矿产地、靶区、矿山等资料，进行处理分析（包括主成分分析）。每一项数据进行同量纲化，如矿产地按照各矿种大型矿产地标准计算各矿床主要矿种储量相当于多少个大型矿产地，靶区按照矿产价格计算靶区价值。

之后，选取矿产规模、资源潜力、GDP、矿石量4项数据进行处理分析。对每项数据，进行克里金插值（只有矿床规模和资源潜力是克里金插值，GDP和矿石量不进行克里金插值）。对4 项数据进行加权叠加和成图，处理工具为Arcgis 附加工具。在加权叠加中，对权重进行赋值，矿床规模、资源潜力占有50%的影响力，交通位置、生态环境占30%，社会环境占20%。通过加权叠加，从资源禀赋、经济（对矿业依赖性）、资源开发利用等方面对重要矿种进行矿产资源综合评估，值越高表示越有利于成为大型能源资源基地）。通过初步圈定，共圈定大型能源基地48 个，加上油气中心圈定的12 个油气大型能源资源基地，共计60个。

2.3 比较研究法进行修正

比较研究法就是对物与物之间的相似性或相异程度的研究与判断的方法。比较研究法可以理解为是根据一定的标准，对两个或两个以上有联系的事物进行考察，寻找其异同，探求普遍规律与特殊规律的方法。为了验证本次划分的基地的可靠性，将根据地质、地理学科法划分出的基地与全国矿产资源规划中的基地、主体功能区规划中的各功能区和工信部专业指导目录相关区域的产业进行对比。

2.3.1 与全国矿产资源规划中的基地对比

根据矿产地数据库、全国矿产资源规划基地名称、基础地理等信息，圈定了以区县为单元的矿产资源规划非能源矿产规划基地范围，类型分为黑色金属矿产、有色金属矿产、非金属矿产、战略性新兴产业矿产四类，与本次区划的基地对比。技术实现过程主要分为以下5个步骤：

（1）收集整理全国1∶400 万基础地理数据作为底图，形成省、市、县级行政单元，以此作为规划基地要素范围划分边界；

（2）收集整理全国矿产地数据库，抽取大中型矿产地数据，形成全国大中型矿产地空间数据；

（3）收集全国矿产资源规划基地信息，结合实际调研成果，初步圈定全国矿产资源规划空间范围；

（4）以地理、全国大中型矿产地空间要素为基础，对初步圈定的全国矿产资源规划空间范围进行调整、细化。主要涉及解决规划基地范围重叠，按行政单位切分基地范围，综合考虑大中型矿点空间位置信息等；

（5）将本次区划的坐标也投到同一张图上，两者进行对比，对本次区划的基地进行调整，在一定范围内尽可能多地包含规划中的基地。规划中铀矿基地由于涉密不在图中表示，但通过名称和主要矿产地进行对比，规划中的3 个铀矿基地中有2 个也是本次区划中的铀矿基地。最后，非油气基地方面，规划中的94 个基地中有57 个也是本次区划中的基地。油气基地区划由地调局油气中心完成，本次区划只引用其成果，不再进行评价。37 个规划中未列入本次区划的基地，主要为煤炭（14）、铁矿（4）、钼（3）矿、磷矿（3）基地。煤炭基地由于有《大型煤炭基地建设规划》，本次区划不再涉及；铁矿基地主要由于跟现有开采资源相比，矿产品质较低；钼矿、磷矿基地主要由于优势程度很高，且保持稳定，其中钼矿市场已经供大于求，价格较低，未列入本次区划的主攻矿种中。

2.3.2 与全国主体功能区规划中的各功能区对比

根据区划原则，能源资源基地不能划入环保区等禁止开发区。为此，本次研究收集了部分省份的主题功能区资料与本次区划能源资源基地进行对比，对区划能源资源进行评价。

以湖南省为例，黔东-湘西地区锰铅锌矿后备基地湘西部分大部分落入国家重点生态功能区内，其余部分也在省级重点生态区内，这将对该基地湘西部分现阶段的勘查开发造成较大影响。湖南安化地区锑、金矿开发基地部分落入省级重点生态区内，部分在重点开发区域内，情况较好。湘南钨、锡多金属矿开发基地部分落入国家重点生态功能区和省级重点生态区内，但部分重点矿区在重点开发区域内，情况较好（图2）。

图1 湖南主体功能区开发区域与基地分布对比图Fig.1 Comparative map of the development area and base distribution of the main functional zone in Hunan Province

图2 山东胶东金矿开发基地示意图Fig.2 Schematicdiagram of Jiaodong gold mine development bases in ShandongProvince

2.4 数理研究法基地分类和结果分类

2.4.1 指标体系框架

大型能源资源基地区划指标体系包括包含资源条件、区位条件，所需信息数据包括区域资源潜力、勘查工作程度、资源规模、大型以上矿产地数量、资源禀赋等。上述数据采集源包括原国土资源部矿产资源储量通报、中国地质调查局、中国地质调查局发展研究中心、我国国家统计局，以及我国国土资源系统的储量库、开发库等基础数据库等。

资源条件所需信息数据中，勘查工作程度、资源规模、大型以上矿产地数量为2011～2016 年基础储量数据，来源于中国地质调查局和整装勘查区年报；区域资源潜力来源于矿产资源潜力评价和大区中心收集的潜力评价预测数据。资源禀赋来源于我国国土资源系统的储量库、开发库和郑州综合所。区位所需信息数据中，自然保护区来自于国土资源部。

具体指标体系如表2下所示。

表2 大型能源基地区划评价指标表Table 2 Evaluation index table of large energy base zoning

2.4.2 数据收集和处理

处理后指标数为18个，即C1～C18。

查明资源储量C1、资源潜力C2：根据原始数据资源数量进行的处理，将大型以上矿产地数量和潜在资源大型矿产地数量作为C1和C2的指标。

资源深度C3：此指标是定性指标，因此进行分级处理。隐伏矿为主（2000 m 以上）数据处理为1，隐伏矿为主（2000 m 以浅）数据为2，半隐伏矿为主数据为3，地表矿为主为4。

资源平均品位C4：此指标具体数据不好收集，因此进行分级处理。矿产工业指标最低品位数据处理为1，高于矿产工业指标最低品位、低于平均品位数据处理为2，等于矿产工业指标相关矿产平均品位数据处理为3，高于矿产工业指标相关矿产平均品位数据处理为4。

C5～C18：指标数据采用原始数据，未进行改变。

2.4.3 大型能源资源基地区划评价过程

经过对数据的处理，采用SPSS软件进行了主成分分析，在计算指标比重的时候将负值全默认为正值。

（1）KMO检验和Bartlett检验结果

KMO 检验中KMO取值为0.635，表明可以做因子分析。Bartlett 本检验中Sig值为0.000，说明数据来自正态分布总体，适合进一步分析。

（2）变量共同度

本检验中大部分变量共同度均大于0.8，所以提取的这几个公因子对各变量的解释能力很强。

（3）有效基地数据

37 个基地数据在SPSS 软件中运作有效，其他7个基地由于某些指标数据缺失而作为个案被排除，因此基地排名只有1～37名。

（4）解释的总方差

初始特征值显示前6 个特征值大于1，所以SPSS 选择这6 个主成分，“提取载荷平方和”一栏显示，6 个主成分的方差占所有主成分方差的75.346%。由此可见，选择这6个主成分已足够替代原来的变量，几乎涵盖了原变量的全部信息，“旋转载荷平方和”一栏显示的是旋转以后的因子提取结果，与未旋转之前差别不大。

（5）基地总得分说明

总方差解释表中的提取载荷平方和提取出F1～F6在基地总得分的比重，比重=方差百分比/总累计，即：

F1=28.852/75.346=0.383

F2=15.667/75.347=0.208

F3=9.890/75.346=0.131

F4=8，868/75.346=0.118

F5=6.865/75.347=0.091

F6=5.204/75.346=0.069

各基地汇总得：

F=0.383F1+0.208F2+0.131F3+0.118F4+0.091F5+0.069F6

（6）旋转后的成分矩阵

剔除小于0.4的旋转后成分矩阵，根据6个因子显著性，可将6个显著因子依次归纳为：区域经济贡献因子、资源价值贡献因子、勘探因子、潜在资源价值因子、环保规制因子和储量因子。

（7）得分系数矩阵

经旋转后的主成分因子是一套多维变量，各变量间相互垂直。标准化处理后，形成得分系数矩阵，最终得到6个因子。

2.4.4 主成分分析结果与讨论

（1）基本结果

基地排名是根据基地各项指标计算出的总得分进行的降序排序，其排名反映了基地总体的情况。排名靠前的基地说明综合因子评价得分较高，排名靠后的基地说明该基地目前至少在某些因子得分上滞后，包括未达到开发的技术经济条件或受国家政策法规限制无法开发等。油气基地和铀矿基地由于涉密的原因，本次不参与计算排名。苏北-皖东金矿资源基地等七个数据有部分缺失，在计算中被系统排出，最后参与排名的是37 个基地（详细结果由于篇幅不在此处放出，可自由索取）。

（2）结果与讨论

①主成分分析有效性检验

应用主成分分析方法，本章对样本群的数理统计特征进行了研究，以验证前文的能源资源基地区划和分类结果的科学性。根据后备基地、勘探基地和开发基地的分类特征和渐进逻辑，理论上推测主成分分析的得分也应当呈现渐进性。为检验主成分分析的合理性，本研究进一步对三类基地的得分进行了ANOVA 分析，开发基地得分平均分为0.047，远高于勘探基地-0.088 和后备基地-0.354 的得分，且标准差依次减小。P检验在0.01%水平拒绝了三者相等的假设，证明本研究采用主成分分析的合理性。

②大型能源资源基地区划与分类有效性检验

在研究方法有效性检验后，进一步检验区划与分类体系的有效性。

主成分分析找到了6 个影响因子，分别是区域经济贡献因子、资源价值贡献因子、勘探因子、潜在资源价值因子、环保规制因子和储量因子。依据因子特征和基地类型，开发基地对应区域经济贡献因子和资源价值贡献因子（加总后可简称“开发因子”），勘探基地对应勘探因子和储量因子（“勘探因子”），后备基地对应潜在资源价值因子和环保因子（“后备因子”）。因此，预计三类基地的分类综合得分将会不同。如果得到验证，则不仅证明主成分分析研究的科学性，也可将其应用于未来对能源资源基地的判定（图2、表3、表4）。

表3 矿产资源开发基地及开发因子得分Table 3 The score of mineral resources development bases and development factors

表4 矿产资源勘探基地和后备基地及因子得分Table 4 Mineral resources exploration bases and reserve bases and their factor score

ANOVA 检验和P检验的结果都在0.01%显著水平证实，不同分类的能源资源基地在不同分类因子的得分存在显著的差异，其中开发基地在开发因子的得分显著高于勘探基地和后备基地，勘探基地的得分主要在勘探因子，同理后备因子的得分主要是潜在资源因子和环保因子汇总成的后备因子，结论证实了本研究的科学性和合理性。