基于GWR的礦產(chǎn)資源開采時空特征及影響因素探究

任芳語, 陳義華, 陳從喜, 任升蓮, 李 臻, 吳 章

(1.合肥工業(yè)大學(xué) 資源與環(huán)境工程學(xué)院,安徽 合肥 230009; 2.吉林省地震局,吉林 長春 130117; 3.自然資源部 信息中心,北京 100036)

0 引 言

隨著城市化和工業(yè)化的快速發(fā)展,礦產(chǎn)資源的開采和消費加速增長,區(qū)域可持續(xù)發(fā)展受到資源環(huán)境和社會經(jīng)濟矛盾的制約?！度珖V產(chǎn)資源規(guī)劃(2016—2020年)》明確提出要建立安全、穩(wěn)定、經(jīng)濟的資源保障體系,形成節(jié)約高效、環(huán)境友好、和諧開采的綠色礦業(yè)發(fā)展模式[1]。在推進礦業(yè)高質(zhì)量發(fā)展中,科學(xué)識別礦產(chǎn)資源開采時空特征及影響因素,對于礦產(chǎn)資源的有效保護與合理勘查開采具有重要指導(dǎo)意義。

目前,對中國礦產(chǎn)資源開采現(xiàn)狀及其空間特征的相關(guān)研究,主要集中在以下2個方面:① 區(qū)域資源勘查開采的布局規(guī)劃研究,如文獻[2-5]從礦產(chǎn)資源開采秩序整頓規(guī)范、礦產(chǎn)資源開發(fā)整合及礦業(yè)權(quán)設(shè)置方案等方面進行討論,文獻[6-11]從礦產(chǎn)資源勘查開發(fā)功能類型區(qū)劃、勘查開采生態(tài)環(huán)境影響等角度對礦產(chǎn)資源開發(fā)空間規(guī)劃及治理進行分析;② 礦產(chǎn)資源的空間特征分析,如文獻[12-13]主要從基尼系數(shù)和洛倫茨曲線來分析礦產(chǎn)資源分布的不均衡性,文獻[14]從違規(guī)開采角度分析礦產(chǎn)資源開采點的空間分布及變化特征,文獻[12,15-18]從生產(chǎn)、消費、運輸?shù)确矫鎸①Y源與社會經(jīng)濟發(fā)展結(jié)合討論。從已有研究來看,有關(guān)礦產(chǎn)資源開采空間特征的研究,大多針對特定礦種或某特定空間小尺度地區(qū)進行分析,對其影響因素多以定性探討為主,而基于空間統(tǒng)計學(xué)方法定量測度顯著影響因素的相關(guān)研究很少。本文以長江經(jīng)濟帶為例,分析2011—2017年長江經(jīng)濟帶礦產(chǎn)資源開采時空特征與其影響因素的空間異質(zhì)性。研究結(jié)果可為礦產(chǎn)資源管理與利用提供參考。

1 研究區(qū)概況、研究方法及數(shù)據(jù)來源

1.1 研究區(qū)概況

長江經(jīng)濟帶覆蓋11個省(直轄市),包括110個地級城市、4個省直轄縣級城市和16個自治州,總面積約為205×104km2,為全國陸域面積的21%,人口和GDP均超過全國的40%(2017年)。本文以長江經(jīng)濟帶130個行政區(qū)為研究樣本,包括長江上游地區(qū)(重慶市、四川省、貴州省、云南省)的 47個城市(自治州)、中游地區(qū)(安徽省、江西省、湖北省、湖南省)的 58個城市(自治州)、下游地區(qū)(上海市、江蘇省、浙江省)的 25 個城市。長江經(jīng)濟帶地勢整體呈現(xiàn)西高東低特征,有極高山、高山、中山、低山、臺地、丘陵及平原等多種地形地貌,地質(zhì)構(gòu)造等條件復(fù)雜多變。目前長江經(jīng)濟帶沿線的多條成礦帶中,有重要的成礦帶8個,由西南向東北依次為西南三江成礦帶、上揚子西緣成礦帶、上揚子?xùn)|緣成礦帶、南嶺成礦帶、江南陸塊南緣成礦帶、武夷山成礦帶、桐柏-大別成礦帶、長江中下游成礦帶。研究區(qū)成礦條件優(yōu)越,礦產(chǎn)資源開發(fā)潛力大,在中國資源供應(yīng)保障中占重要戰(zhàn)略地位。

1.2 研究方法

1.2.1 核密度估計法

核密度估計法能夠反映地理現(xiàn)象空間分布中的距離衰減效應(yīng)[19]。根據(jù)概率理論,設(shè)x1,x2,x3,…,xn為單元變量x獨立同分布的n個樣本,將樣本核密度值作為中心點最高并向外不斷降低的函數(shù)f(x),計算公式為:

(1)

1.2.2 重心模型

重心軌跡能夠直觀地表達要素分布特點和變化規(guī)律。采用重心模型,定義礦產(chǎn)資源開采重心坐標(biāo)為:

(2)

(3)

1.2.3 地理加權(quán)回歸

地理加權(quán)回歸(geographically weighted regression,GWR)模型是基于局部光滑思想提出的空間回歸模型,其在普通最小二乘(ordinary least square,OLS)法基礎(chǔ)上引入空間結(jié)構(gòu)信息,既能有效估計具有空間自相關(guān)性的數(shù)據(jù),也能反映參數(shù)的空間異質(zhì)性[21-22]。該模型計算公式為:

(4)

其中:ym為第m個空間單元的因變量解釋值;(um,vm)為第m個空間單元的空間坐標(biāo);β0(um,vm)為截距項;βk(um,vm)為第m個空間單元的第k個自變量的回歸系數(shù);xmk為空間單元m區(qū)域上第k個自變量解釋值;p為空間單元m內(nèi)參與回歸的變量數(shù);εm為隨機誤差項?？臻g內(nèi)各樣本點回歸系數(shù)的求解公式如下:

(5)

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

(6)

其中:dmj為空間單元m、j之間的距離;b為帶寬,表示距離與權(quán)重Wmj之間的衰減參數(shù)。本文采用校正的Akaike信息準(zhǔn)則(Akaike information criterion corrected,AICc),選擇AICc最小值時對應(yīng)的帶寬為最優(yōu)帶寬。

1.3 數(shù)據(jù)來源與處理

礦產(chǎn)資源開采數(shù)據(jù)來源于自然資源部信息中心數(shù)據(jù),對其進行整理,以2011—2017年礦產(chǎn)資源開采數(shù)據(jù)為基礎(chǔ)數(shù)據(jù);地形數(shù)據(jù)來源于地理空間數(shù)據(jù)云平臺(https://www.gscloud.cn/)30 m分辨率高程數(shù)據(jù);路網(wǎng)數(shù)據(jù)來源于OpenStreetMap(OSM)地理數(shù)據(jù)平臺(http://www.openstreetmap.org/),利用地理信息系統(tǒng)(geographic information system,GIS)空間分析方法計算各區(qū)域路網(wǎng)密度;流域數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心(https://www.resdc.cn/),以各區(qū)域單位面積的河流長度代表河網(wǎng)密度;生態(tài)環(huán)境數(shù)據(jù)包括生態(tài)敏感性數(shù)據(jù)和功能重要性數(shù)據(jù),均來源于中國生態(tài)系統(tǒng)評估與生態(tài)安全格局?jǐn)?shù)據(jù)庫(https://www.ecosystem.csdb.cn/),參考文獻[8,23]研究成果,通過疊加?xùn)鸥駭?shù)據(jù)提取同一單元中的最大等級值,并計算得出各區(qū)域的最高等級單元面積占比,用來表征區(qū)域生態(tài)環(huán)境狀況指數(shù);地區(qū)生產(chǎn)總值統(tǒng)計數(shù)據(jù)主要來源于11個省(直轄市) 2018年統(tǒng)計年鑒[24-34]。

2 礦產(chǎn)資源開采時空特征

2.1 礦產(chǎn)資源開采時序特征

2011—2017年長江經(jīng)濟帶礦產(chǎn)資源開采數(shù)量變化如圖1所示。2011—2017年長江經(jīng)濟帶礦產(chǎn)資源開采數(shù)量總體呈現(xiàn)增長趨勢,2011年礦產(chǎn)資源開采數(shù)量為2017年的65%,年均增長9.20%。礦產(chǎn)資源開采主要為非金屬礦產(chǎn),其開采數(shù)量最多,且增長趨勢明顯,年均增長率達13.00%;能源礦產(chǎn)和金屬礦產(chǎn)開采數(shù)量均呈現(xiàn)波動減少趨勢,年均減少率分別為5.23%、3.86%;水氣礦產(chǎn)開采數(shù)量最少,總體波動趨勢不明顯。

圖1 2011—2017年長江經(jīng)濟帶礦產(chǎn)資源開采數(shù)量變化

2.2 礦產(chǎn)資源開采空間格局演變特征

以2011年和2017年作為時間節(jié)點,對長江經(jīng)濟帶礦產(chǎn)資源開采點進行核密度分析。

2011年長江經(jīng)濟帶礦產(chǎn)資源開采分布形成顯著的密度核心,主要集聚區(qū)分布在上中游地區(qū),其中在貴州西北部地區(qū)形成密度峰值區(qū);2017年長江經(jīng)濟帶上中游地區(qū)開采集聚特征更加明顯,在貴州西北部和江西西部地區(qū)形成密度峰值區(qū),并向周圍地區(qū)輻射,形成雙核集聚的連綿狀空間分布。

整體來看,長江經(jīng)濟帶礦產(chǎn)資源開采空間差異逐漸增大,形成以貴州和江西為主要密度核心的連綿狀空間分布。另外,長江經(jīng)濟帶礦產(chǎn)資源開采分布與重點成礦區(qū)耦合明顯,其高密度分布區(qū)主要位于上揚子西緣、上揚子?xùn)|緣、江南陸塊等重點成礦區(qū)。

2.3 礦產(chǎn)資源開采重心轉(zhuǎn)移特征

長江經(jīng)濟帶礦產(chǎn)資源總體開采重心位于貴州。利用重心模型分析礦產(chǎn)資源開采移動軌跡,結(jié)果如圖2所示。

圖2 2011—2017年長江經(jīng)濟帶礦產(chǎn)資源開采重心移動軌跡

從圖2可以看出,2011—2014年整體開采重心向東南方向移動,2011年重心位于貴州遵義市,2011年以后重心轉(zhuǎn)移到銅仁市,開采重心年平均移動距離為20.82 km,表明該時段礦產(chǎn)資源開采活動主要開展在上游西南部地區(qū)。2014年以后礦產(chǎn)資源開采總體重心位于銅仁市,且整體向東北方向呈“N”型移動,年平均移動距離為31.43 km,重心移動明顯增強,結(jié)合集聚特征分析結(jié)果可知,礦產(chǎn)資源開采活動主要在上、中游地區(qū)開展。

3 礦產(chǎn)資源開采影響因素分析

礦產(chǎn)資源開采空間變化受到自然和社會經(jīng)濟等多重因素影響,本文基于數(shù)據(jù)的可獲取性,從自然條件和社會經(jīng)濟發(fā)展2個方面選取指標(biāo),將海拔高度、河網(wǎng)密度、生態(tài)環(huán)境狀況指數(shù)、路網(wǎng)密度和地區(qū)生產(chǎn)總值等作為自變量,以礦產(chǎn)資源開采密度作為因變量,利用回歸模型對影響因素進行定量分析。

3.1 方法對比分析

OLS模型和GWR模型擬合結(jié)果對比見表1所列。GWR模型的AICc值與殘差平方和均小于OLS模型,其中GWR模型和OLS模型的AICc值相差遠(yuǎn)大于3,具有較低AICc值的GWR模型擬合結(jié)果更好。通過對比GWR模型與OLS模型的R2與校正后R2可知,GWR模型結(jié)果相較于OLS模型有明顯提升,因此GWR模型擬合結(jié)果比OLS模型更為理想。

表1 OLS模型和GWR模型擬合結(jié)果對比

3.2 影響因素空間異質(zhì)性分析

本研究為判斷因變量的空間關(guān)系,借助GeoDA軟件對因變量進行空間自相關(guān)性分析,因變量莫蘭指數(shù)(Moran’sI)值為0.508,表明因變量具有顯著空間集聚性?；贠LS模型和GWR模型對比分析及因變量的空間自相關(guān)關(guān)系,利用GWR模型分析各因素對因變量空間異質(zhì)性的影響程度。

GWR 模型擬合結(jié)果見表2所列。從各因素回歸系數(shù)的正值和負(fù)值結(jié)果來看,各因素對區(qū)域礦產(chǎn)資源開采密度均表現(xiàn)出正負(fù)2種不同效應(yīng),且正負(fù)效應(yīng)所占比例不同,由此可見各因素的影響效應(yīng)存在空間非平穩(wěn)性。結(jié)合各因素的顯著性水平進行分析可知,海拔高度、路網(wǎng)密度和地區(qū)生產(chǎn)總值對礦產(chǎn)資源開采的影響效應(yīng)顯著。

表2 GWR模型擬合結(jié)果

海拔高度、路網(wǎng)密度、地區(qū)生產(chǎn)總值等顯著影響因素的回歸系數(shù)見表3所列。

表3 3種顯著影響因素的地區(qū)影響回歸系數(shù)范圍

(1) 海拔高度的影響。海拔高度回歸系數(shù)波動明顯(系數(shù)為-0.836～0.504),影響效應(yīng)的空間差異顯著,表現(xiàn)為正向影響和負(fù)向影響的城市分別為95、35個,整體以正向影響為主。在湖北、湖南、江西、安徽、重慶、貴州等地區(qū)正向影響效應(yīng)最突出,這些地區(qū)擁有山地、丘陵、平原等多種地貌類型,自然資源條件優(yōu)越,為礦產(chǎn)資源產(chǎn)生提供了良好的本底作用,區(qū)域內(nèi)礦產(chǎn)資源開采多位于山地和丘陵。

正向作用強度由中游地區(qū)向上、下游地區(qū)減弱,在四川西部和云南地區(qū)呈現(xiàn)顯著的負(fù)向影響,這些地區(qū)地勢落差較大,以高海拔山地為主,開采相對較少,特別是四川西部和云南西南部的自治州。

(2) 路網(wǎng)密度的影響。路網(wǎng)密度對礦產(chǎn)資源開采全局呈現(xiàn)負(fù)向影響(系數(shù)為-4.710～-0.097),其作用強度表現(xiàn)為由上游地區(qū)向下游地區(qū)逐漸減弱,呈現(xiàn)出西高東低的空間特征。從絕對值來看,上游地區(qū)回歸系數(shù)絕對值大于中、下游地區(qū),說明上游地區(qū)的路網(wǎng)密度對礦產(chǎn)資源開采的影響作用更大,這與上游地區(qū)地理區(qū)位和整體社會發(fā)展水平有關(guān)。將路網(wǎng)密度與礦產(chǎn)資源開采密度分級匹配分析發(fā)現(xiàn),回歸系數(shù)絕對值較高的上游地區(qū)主要表現(xiàn)為路網(wǎng)密度低但開采分布較多,而絕對值較低的下游地區(qū)主要表現(xiàn)為路網(wǎng)密度高但礦產(chǎn)資源開采較少。這是由于下游的長江三角洲是長江經(jīng)濟帶礦產(chǎn)資源的主要消費區(qū),該地區(qū)具有良好的交通運輸條件,但礦產(chǎn)開采較少,相比于上、中游地區(qū),路網(wǎng)密度的變化對礦產(chǎn)資源開采的影響作用較小。

(3) 地區(qū)生產(chǎn)總值的影響。地區(qū)生產(chǎn)總值對礦產(chǎn)資源開采具有顯著的正向影響(系數(shù)為-0.162～4.698),其作用整體表現(xiàn)為由西南向東北遞減。表現(xiàn)為正向影響的城市占全區(qū)的95.38%,其中云南西南部地區(qū)主要表現(xiàn)為地區(qū)生產(chǎn)總值較低,同時礦產(chǎn)資源開采也較少,這些地區(qū)社會經(jīng)濟發(fā)展水平較低,與礦產(chǎn)資源開采分布的正相關(guān)性高于其他地區(qū)。除云南外,在湖南、湖北、重慶、四川東部、貴州北部等地區(qū),主要表現(xiàn)為地區(qū)生產(chǎn)總值較高,同時礦產(chǎn)資源開采分布較多。另外,地區(qū)生產(chǎn)總值的影響作用在4.62%的城市為負(fù)向,這在江西西南部地區(qū)表現(xiàn)顯著,這是由于該地區(qū)工業(yè)基礎(chǔ)薄弱,僅銅礦業(yè)企業(yè)為主要優(yōu)勢經(jīng)濟企業(yè),再加上早期在西部大開發(fā)政策影響下,資金和人才投入西部,造成該地區(qū)整體發(fā)展緩慢,與長江三角洲地區(qū)的社會經(jīng)濟發(fā)展水平差距更加明顯。

4 結(jié) 論

本文基于2011—2017年礦產(chǎn)資源開采數(shù)據(jù),分析長江經(jīng)濟帶礦產(chǎn)資源開采時空演變特征,利用GWR模型探究礦產(chǎn)資源開采的影響因素及其程度。

(1) 從時序特征變化看,長江經(jīng)濟帶礦產(chǎn)資源開采數(shù)量總體趨于增長,且以非金屬礦產(chǎn)開采為主。

(2) 從空間變化看,長江經(jīng)濟帶礦產(chǎn)資源開采空間集聚特征顯著,空間差異逐漸增大,主要集聚區(qū)分布在上中游地區(qū),且與上揚子西緣、上揚子?xùn)|緣、江南陸塊等重點成礦區(qū)耦合明顯,在貴州西北部和江西西部地區(qū)形成密度峰值區(qū),整體上呈現(xiàn)以貴州和江西為主要密度核心的連綿狀空間分布。研究期內(nèi)礦產(chǎn)資源開采活動主要開展在上中游地區(qū),總體開采重心位于貴州,且由遵義市轉(zhuǎn)移到銅仁市。

(3) 基于GWR模型的研究結(jié)果表明,海拔高度、路網(wǎng)密度和地區(qū)生產(chǎn)總值等因素具有顯著影響效應(yīng)。海拔高度對礦產(chǎn)資源開采具有正向影響,其影響在中游地區(qū)表現(xiàn)最為顯著;路網(wǎng)密度對礦產(chǎn)資源開采全局呈現(xiàn)負(fù)向影響,其作用強度由上游向下游逐漸減弱;地區(qū)生產(chǎn)總值對礦產(chǎn)資源開采具有顯著的正向影響,其作用整體表現(xiàn)出由西南向東北逐漸減弱。

當(dāng)前長江經(jīng)濟帶正處于礦業(yè)高質(zhì)量發(fā)展階段,為了有效保護礦產(chǎn)資源,實現(xiàn)礦產(chǎn)資源合理、高效開發(fā),需要科學(xué)分析礦產(chǎn)資源開采空間演變規(guī)律及其影響因素作用特征;礦產(chǎn)資源開采影響因素錯綜復(fù)雜,自然因素和社會經(jīng)濟因素還不夠全面解釋其作用機制,礦業(yè)企業(yè)的發(fā)展政策和礦業(yè)活動管理政策等也是重要因素,這些問題還有待進一步的調(diào)查和研究。