基于GWR的矿产资源开采时空特征及影响因素探究

任芳语, 陈义华, 陈从喜, 任升莲, 李 臻, 吴 章

(1.合肥工业大学 资源与环境工程学院,安徽 合肥 230009; 2.吉林省地震局,吉林 长春 130117; 3.自然资源部 信息中心,北京 100036)

0 引 言

随着城市化和工业化的快速发展,矿产资源的开采和消费加速增长,区域可持续发展受到资源环境和社会经济矛盾的制约。《全国矿产资源规划(2016—2020年)》明确提出要建立安全、稳定、经济的资源保障体系,形成节约高效、环境友好、和谐开采的绿色矿业发展模式[1]。在推进矿业高质量发展中,科学识别矿产资源开采时空特征及影响因素,对于矿产资源的有效保护与合理勘查开采具有重要指导意义。

目前,对中国矿产资源开采现状及其空间特征的相关研究,主要集中在以下2个方面:① 区域资源勘查开采的布局规划研究,如文献[2-5]从矿产资源开采秩序整顿规范、矿产资源开发整合及矿业权设置方案等方面进行讨论,文献[6-11]从矿产资源勘查开发功能类型区划、勘查开采生态环境影响等角度对矿产资源开发空间规划及治理进行分析;② 矿产资源的空间特征分析,如文献[12-13]主要从基尼系数和洛伦茨曲线来分析矿产资源分布的不均衡性,文献[14]从违规开采角度分析矿产资源开采点的空间分布及变化特征,文献[12,15-18]从生产、消费、运输等方面将资源与社会经济发展结合讨论。从已有研究来看,有关矿产资源开采空间特征的研究,大多针对特定矿种或某特定空间小尺度地区进行分析,对其影响因素多以定性探讨为主,而基于空间统计学方法定量测度显著影响因素的相关研究很少。本文以长江经济带为例,分析2011—2017年长江经济带矿产资源开采时空特征与其影响因素的空间异质性。研究结果可为矿产资源管理与利用提供参考。

1 研究区概况、研究方法及数据来源

1.1 研究区概况

长江经济带覆盖11个省(直辖市),包括110个地级城市、4个省直辖县级城市和16个自治州,总面积约为205×104km2,为全国陆域面积的21%,人口和GDP均超过全国的40%(2017年)。本文以长江经济带130个行政区为研究样本,包括长江上游地区(重庆市、四川省、贵州省、云南省)的 47个城市(自治州)、中游地区(安徽省、江西省、湖北省、湖南省)的 58个城市(自治州)、下游地区(上海市、江苏省、浙江省)的 25 个城市。长江经济带地势整体呈现西高东低特征,有极高山、高山、中山、低山、台地、丘陵及平原等多种地形地貌,地质构造等条件复杂多变。目前长江经济带沿线的多条成矿带中,有重要的成矿带8个,由西南向东北依次为西南三江成矿带、上扬子西缘成矿带、上扬子东缘成矿带、南岭成矿带、江南陆块南缘成矿带、武夷山成矿带、桐柏-大别成矿带、长江中下游成矿带。研究区成矿条件优越,矿产资源开发潜力大,在中国资源供应保障中占重要战略地位。

1.2 研究方法

1.2.1 核密度估计法

核密度估计法能够反映地理现象空间分布中的距离衰减效应[19]。根据概率理论,设x1,x2,x3,…,xn为单元变量x独立同分布的n个样本,将样本核密度值作为中心点最高并向外不断降低的函数f(x),计算公式为:

(1)

1.2.2 重心模型

重心轨迹能够直观地表达要素分布特点和变化规律。采用重心模型,定义矿产资源开采重心坐标为:

(2)

(3)

1.2.3 地理加权回归

地理加权回归(geographically weighted regression,GWR)模型是基于局部光滑思想提出的空间回归模型,其在普通最小二乘(ordinary least square,OLS)法基础上引入空间结构信息,既能有效估计具有空间自相关性的数据,也能反映参数的空间异质性[21-22]。该模型计算公式为:

(4)

其中:ym为第m个空间单元的因变量解释值;(um,vm)为第m个空间单元的空间坐标;β0(um,vm)为截距项;βk(um,vm)为第m个空间单元的第k个自变量的回归系数;xmk为空间单元m区域上第k个自变量解释值;p为空间单元m内参与回归的变量数;εm为随机误差项。空间内各样本点回归系数的求解公式如下:

(5)

Wmj=exp[-(dmj/b)2]

(6)

其中:dmj为空间单元m、j之间的距离;b为带宽,表示距离与权重Wmj之间的衰减参数。本文采用校正的Akaike信息准则(Akaike information criterion corrected,AICc),选择AICc最小值时对应的带宽为最优带宽。

1.3 数据来源与处理

矿产资源开采数据来源于自然资源部信息中心数据,对其进行整理,以2011—2017年矿产资源开采数据为基础数据;地形数据来源于地理空间数据云平台(https://www.gscloud.cn/)30 m分辨率高程数据;路网数据来源于OpenStreetMap(OSM)地理数据平台(http://www.openstreetmap.org/),利用地理信息系统(geographic information system,GIS)空间分析方法计算各区域路网密度;流域数据来源于中国科学院资源环境科学与数据中心(https://www.resdc.cn/),以各区域单位面积的河流长度代表河网密度;生态环境数据包括生态敏感性数据和功能重要性数据,均来源于中国生态系统评估与生态安全格局数据库(https://www.ecosystem.csdb.cn/),参考文献[8,23]研究成果,通过叠加栅格数据提取同一单元中的最大等级值,并计算得出各区域的最高等级单元面积占比,用来表征区域生态环境状况指数;地区生产总值统计数据主要来源于11个省(直辖市) 2018年统计年鉴[24-34]。

2 矿产资源开采时空特征

2.1 矿产资源开采时序特征

2011—2017年长江经济带矿产资源开采数量变化如图1所示。2011—2017年长江经济带矿产资源开采数量总体呈现增长趋势,2011年矿产资源开采数量为2017年的65%,年均增长9.20%。矿产资源开采主要为非金属矿产,其开采数量最多,且增长趋势明显,年均增长率达13.00%;能源矿产和金属矿产开采数量均呈现波动减少趋势,年均减少率分别为5.23%、3.86%;水气矿产开采数量最少,总体波动趋势不明显。

图1 2011—2017年长江经济带矿产资源开采数量变化

2.2 矿产资源开采空间格局演变特征

以2011年和2017年作为时间节点,对长江经济带矿产资源开采点进行核密度分析。

2011年长江经济带矿产资源开采分布形成显著的密度核心,主要集聚区分布在上中游地区,其中在贵州西北部地区形成密度峰值区;2017年长江经济带上中游地区开采集聚特征更加明显,在贵州西北部和江西西部地区形成密度峰值区,并向周围地区辐射,形成双核集聚的连绵状空间分布。

整体来看,长江经济带矿产资源开采空间差异逐渐增大,形成以贵州和江西为主要密度核心的连绵状空间分布。另外,长江经济带矿产资源开采分布与重点成矿区耦合明显,其高密度分布区主要位于上扬子西缘、上扬子东缘、江南陆块等重点成矿区。

2.3 矿产资源开采重心转移特征

长江经济带矿产资源总体开采重心位于贵州。利用重心模型分析矿产资源开采移动轨迹,结果如图2所示。

图2 2011—2017年长江经济带矿产资源开采重心移动轨迹

从图2可以看出,2011—2014年整体开采重心向东南方向移动,2011年重心位于贵州遵义市,2011年以后重心转移到铜仁市,开采重心年平均移动距离为20.82 km,表明该时段矿产资源开采活动主要开展在上游西南部地区。2014年以后矿产资源开采总体重心位于铜仁市,且整体向东北方向呈“N”型移动,年平均移动距离为31.43 km,重心移动明显增强,结合集聚特征分析结果可知,矿产资源开采活动主要在上、中游地区开展。

3 矿产资源开采影响因素分析

矿产资源开采空间变化受到自然和社会经济等多重因素影响,本文基于数据的可获取性,从自然条件和社会经济发展2个方面选取指标,将海拔高度、河网密度、生态环境状况指数、路网密度和地区生产总值等作为自变量,以矿产资源开采密度作为因变量,利用回归模型对影响因素进行定量分析。

3.1 方法对比分析

OLS模型和GWR模型拟合结果对比见表1所列。GWR模型的AICc值与残差平方和均小于OLS模型,其中GWR模型和OLS模型的AICc值相差远大于3,具有较低AICc值的GWR模型拟合结果更好。通过对比GWR模型与OLS模型的R2与校正后R2可知,GWR模型结果相较于OLS模型有明显提升,因此GWR模型拟合结果比OLS模型更为理想。

表1 OLS模型和GWR模型拟合结果对比

3.2 影响因素空间异质性分析

本研究为判断因变量的空间关系,借助GeoDA软件对因变量进行空间自相关性分析,因变量莫兰指数(Moran’sI)值为0.508,表明因变量具有显著空间集聚性。基于OLS模型和GWR模型对比分析及因变量的空间自相关关系,利用GWR模型分析各因素对因变量空间异质性的影响程度。

GWR 模型拟合结果见表2所列。从各因素回归系数的正值和负值结果来看,各因素对区域矿产资源开采密度均表现出正负2种不同效应,且正负效应所占比例不同,由此可见各因素的影响效应存在空间非平稳性。结合各因素的显著性水平进行分析可知,海拔高度、路网密度和地区生产总值对矿产资源开采的影响效应显著。

表2 GWR模型拟合结果

海拔高度、路网密度、地区生产总值等显著影响因素的回归系数见表3所列。

表3 3种显著影响因素的地区影响回归系数范围

(1) 海拔高度的影响。海拔高度回归系数波动明显(系数为-0.836～0.504),影响效应的空间差异显著,表现为正向影响和负向影响的城市分别为95、35个,整体以正向影响为主。在湖北、湖南、江西、安徽、重庆、贵州等地区正向影响效应最突出,这些地区拥有山地、丘陵、平原等多种地貌类型,自然资源条件优越,为矿产资源产生提供了良好的本底作用,区域内矿产资源开采多位于山地和丘陵。

正向作用强度由中游地区向上、下游地区减弱,在四川西部和云南地区呈现显著的负向影响,这些地区地势落差较大,以高海拔山地为主,开采相对较少,特别是四川西部和云南西南部的自治州。

(2) 路网密度的影响。路网密度对矿产资源开采全局呈现负向影响(系数为-4.710～-0.097),其作用强度表现为由上游地区向下游地区逐渐减弱,呈现出西高东低的空间特征。从绝对值来看,上游地区回归系数绝对值大于中、下游地区,说明上游地区的路网密度对矿产资源开采的影响作用更大,这与上游地区地理区位和整体社会发展水平有关。将路网密度与矿产资源开采密度分级匹配分析发现,回归系数绝对值较高的上游地区主要表现为路网密度低但开采分布较多,而绝对值较低的下游地区主要表现为路网密度高但矿产资源开采较少。这是由于下游的长江三角洲是长江经济带矿产资源的主要消费区,该地区具有良好的交通运输条件,但矿产开采较少,相比于上、中游地区,路网密度的变化对矿产资源开采的影响作用较小。

(3) 地区生产总值的影响。地区生产总值对矿产资源开采具有显著的正向影响(系数为-0.162～4.698),其作用整体表现为由西南向东北递减。表现为正向影响的城市占全区的95.38%,其中云南西南部地区主要表现为地区生产总值较低,同时矿产资源开采也较少,这些地区社会经济发展水平较低,与矿产资源开采分布的正相关性高于其他地区。除云南外,在湖南、湖北、重庆、四川东部、贵州北部等地区,主要表现为地区生产总值较高,同时矿产资源开采分布较多。另外,地区生产总值的影响作用在4.62%的城市为负向,这在江西西南部地区表现显著,这是由于该地区工业基础薄弱,仅铜矿业企业为主要优势经济企业,再加上早期在西部大开发政策影响下,资金和人才投入西部,造成该地区整体发展缓慢,与长江三角洲地区的社会经济发展水平差距更加明显。

4 结 论

本文基于2011—2017年矿产资源开采数据,分析长江经济带矿产资源开采时空演变特征,利用GWR模型探究矿产资源开采的影响因素及其程度。

(1) 从时序特征变化看,长江经济带矿产资源开采数量总体趋于增长,且以非金属矿产开采为主。

(2) 从空间变化看,长江经济带矿产资源开采空间集聚特征显著,空间差异逐渐增大,主要集聚区分布在上中游地区,且与上扬子西缘、上扬子东缘、江南陆块等重点成矿区耦合明显,在贵州西北部和江西西部地区形成密度峰值区,整体上呈现以贵州和江西为主要密度核心的连绵状空间分布。研究期内矿产资源开采活动主要开展在上中游地区,总体开采重心位于贵州,且由遵义市转移到铜仁市。

(3) 基于GWR模型的研究结果表明,海拔高度、路网密度和地区生产总值等因素具有显著影响效应。海拔高度对矿产资源开采具有正向影响,其影响在中游地区表现最为显著;路网密度对矿产资源开采全局呈现负向影响,其作用强度由上游向下游逐渐减弱;地区生产总值对矿产资源开采具有显著的正向影响,其作用整体表现出由西南向东北逐渐减弱。

当前长江经济带正处于矿业高质量发展阶段,为了有效保护矿产资源,实现矿产资源合理、高效开发,需要科学分析矿产资源开采空间演变规律及其影响因素作用特征;矿产资源开采影响因素错综复杂,自然因素和社会经济因素还不够全面解释其作用机制,矿业企业的发展政策和矿业活动管理政策等也是重要因素,这些问题还有待进一步的调查和研究。