中國礦業(yè)城市環(huán)境影響綜合評價

夏凌娟 安琪兒 彭婉麗

[摘 要]礦業(yè)城市為社會經濟發(fā)展提供了重要的物質基礎，但其面臨越來越多的環(huán)境問題。為分析礦業(yè)城市與非礦業(yè)城市在環(huán)境影響上的差別，評價各礦業(yè)城市的環(huán)境影響程度，本文對礦業(yè)城市進行了界定，然后采用灰色關聯(lián)度綜合評價方法，基于2011年的數(shù)據對中國89個地級礦業(yè)城市的環(huán)境影響水平進行了綜合評價。結果顯示：在環(huán)境影響的三個二級指標中，礦業(yè)城市的資源利用水平與非礦業(yè)城市相當，但污染物排放水平遠高于非礦業(yè)城市，且環(huán)境修復能力低于非礦業(yè)城市。中國的礦業(yè)城市中環(huán)境保護水平存在較大的差異，且礦業(yè)就業(yè)人數(shù)所占比重與環(huán)境水平無關，與地域也沒有明顯的關系。

[關鍵詞]礦業(yè)城市；就業(yè)人數(shù)；環(huán)境影響；灰色關聯(lián)度；綜合評價

doi：10.3969/j.issn.1673 - 0194.2016.04.164

[中圖分類號]X826；F299.2 [文獻標識碼]A [文章編號]1673-0194（2016）04-0-03

0 引 言

礦業(yè)城市是指因礦產資源勘查開發(fā)而興起或發(fā)展起來的城市。在城市群體中礦業(yè)城市是一個非常重要的組成部分，并且在許多的城市中礦業(yè)城市與礦產資源開發(fā)有著緊密的聯(lián)系。隨著資源不斷的開發(fā)和利用，給礦業(yè)城市也帶來了非常嚴峻的資源壓力和環(huán)境問題。

為定量描述各礦業(yè)城市的環(huán)境影響，本文在概念界定的基礎上，篩選出了89個礦業(yè)城市。然后構建了以環(huán)境修復、污染物排放和資源利用三方面內容的環(huán)境影響評價指標體系，并據此分析了礦業(yè)城市與非礦業(yè)城市在環(huán)境影響上的差別，最后采用灰色關聯(lián)度法對89個礦業(yè)城市的環(huán)境影響水平進行了綜合評價，識別了環(huán)境影響較大的城市，總結了礦業(yè)城市環(huán)境影響的區(qū)域特征。

1 研究礦業(yè)城市環(huán)境影響的數(shù)據和方法

本文界定的礦業(yè)城市為：采礦業(yè)就業(yè)人數(shù)占就業(yè)總人數(shù)的5%以上的城市。根據《中國城市年鑒2012》，中國共有地級市284個，其中符合本文標準的城市共有89個。

本文從兩個方面研究礦業(yè)城市的環(huán)境影響：第一，礦業(yè)城市的環(huán)境影響指標與非礦業(yè)城市是否有顯著差別；第二，礦業(yè)城市中，哪些地區(qū)對環(huán)境的影響更大，礦業(yè)城市的環(huán)境影響與地域上的規(guī)律。

本文采用灰色關聯(lián)度分析對礦業(yè)城市的環(huán)境影響進行定量綜合評價?；疑P聯(lián)度分析（Grey Relation Analysis）是指提供一個相對客觀的測度事物之間、因素之間關聯(lián)性的大小，其基本思想是根據序列曲線幾何形狀的相似程度來判斷其聯(lián)系是否緊密，曲線越接近，相應序列之間的關聯(lián)度就越大，反之就越小。

灰色關聯(lián)度法廣泛應用于各類綜合評價，比如評價多個公司的效益、對時間序列進行預測、最優(yōu)決策選擇、運輸線路效果評價、民用節(jié)能住建筑評價、交通站的運輸效率、顧客滿意度、供應商評價以及醫(yī)療資源的集中程度。

2 構建環(huán)境保護水平測評指標體系

按照科學性、簡約性、可行性及目的性的原則，在預選指標的基礎上，對各個預選指標的可行性進行量化判斷，進一步剔除掉鑒別力不強以及與其所屬系統(tǒng)內主要指標高度相關的指標，建立了包括資源利用、污染物排放和環(huán)境修復3個方面共10個單項指標的測評體系（見表1）。其中，有些指標為正向指標，有些為負向指標。各指標數(shù)據來自《中國城市年鑒2012》。

3 礦業(yè)城市與非礦業(yè)城市對比結果

根據本文的界定，中國共有316座地級市，其中89座礦業(yè)城市。礦業(yè)城市和非礦業(yè)城市的環(huán)境影響差異如表2所示。由表2可以看出3個特征：①礦業(yè)城市與非礦業(yè)城市在資源消費指標上并無顯著差異；②礦業(yè)城市的污染物排放水平顯著高于非礦業(yè)城市；③礦業(yè)城市的環(huán)境修復水平略低于非礦業(yè)城市?？傮w來說，礦業(yè)城市的資源利用水平與非礦業(yè)城市相當，但污染物排放水平遠高于非礦業(yè)城市，且環(huán)境修復能力低于非礦業(yè)城市。

圖1是89個礦業(yè)城市環(huán)境保護水平灰色關聯(lián)度的得分及其礦業(yè)就業(yè)人數(shù)所占比重分散圖。灰色關聯(lián)度得分越高，表示城市的環(huán)境水平越好。由圖1可知，①各礦業(yè)城市的得分在0.67與0.92之間，說明中國的礦業(yè)城市中，環(huán)境保護水平存在較大的差異。值得注意的是，圖1顯示有3個城市的環(huán)境保護水平明顯低于其他城市，說明這3個城市存在較為嚴重的環(huán)境問題。②礦業(yè)就業(yè)人數(shù)所占比重與環(huán)境水平無關，有些礦業(yè)城市礦業(yè)就業(yè)人數(shù)所占比重非常大，環(huán)境得分也很高。反之，有些城市礦業(yè)就業(yè)人數(shù)占比并不大，但環(huán)境水平較低。

表3是得分最高的10個城市各個指標的情況。由表3可知，環(huán)境水平較好的10城市得分在0.911和0.889之間。其中得分在0.90分以上的共有三個城市，分別為：松源、許昌和廣元。由表3可以總結出兩個特點：第一，雖然這些城市總體得分很高，但也存在某些指標較差。比如：排名第三的廣元市人均用電量很高（X2），排名第四的廣安單位GDP工業(yè)廢水排放量（X5）非常大。其二，環(huán)境水平與地區(qū)無關，得分較高的10個城市分布于各個省份。

表4是得分最低的10個礦業(yè)城市各指標的情況。由表4可知，環(huán)境較差的城市包括攀枝花、白銀、烏海、河池和鶴崗。其中，攀枝花、烏海、白銀的得分明顯低于其他城市。攀枝花市的人均用電量高達9 597千瓦時/人，比礦業(yè)城市平均值高出了近4倍；人均煤氣使用量為1 481.28立方米/人，是礦業(yè)城市平均值58.59立方米/人的25倍。除此之外，攀枝花市的工業(yè)固體廢物綜合利用率、污水集中處理率都遠低于平均水平。白銀市的人均用電量、單位GDP工業(yè)二氧化硫排放量較高。烏海市的人均用水量和用電量極高，人均用水量為428.65噸/人，是礦業(yè)城市平均值的13倍；人均用電量為達到了26 691千瓦時/人，是所有礦業(yè)城市里最高的，是礦業(yè)城市平均水平的72倍。總體說來，環(huán)境影響較大的城市與其他城市有顯著差別，說明這些城市的環(huán)境影響是亟待降低的，而且空間較大。此外，環(huán)境影響較大的礦業(yè)城市之間也有顯著差別，不同的城市有不同的弱點，應具體分析各城市的特征，提出相應的對策。

4 結 語

為定量分析中國礦業(yè)城市的環(huán)境影響，本文在界定礦業(yè)城市的基礎上，基于2011年的數(shù)據考察了中國礦業(yè)城市與非礦業(yè)城市在環(huán)境影響上的差異，然后采用灰色關聯(lián)度分析方法對中國89個地級礦業(yè)城市的環(huán)境影響進行了綜合評價，找出了環(huán)境影響較小的城市、環(huán)境影響最大的城市、礦業(yè)城市環(huán)境影響與采礦業(yè)就業(yè)人數(shù)占比的關系。

本文的研究對之后礦業(yè)城市的研究有一定的借鑒作用。具體表現(xiàn)在：①采用較為細致的統(tǒng)計數(shù)據，對地級礦業(yè)城市進行了定量刻畫，發(fā)現(xiàn)按照采礦業(yè)就業(yè)人數(shù)占比大于5%的劃分標準，中國284個地級市中有89個屬于礦業(yè)城市。該劃分標準可用于今后關于礦業(yè)城市的定量研究。②對所有地級礦業(yè)城市的環(huán)境影響進行了評價，找出了環(huán)境影響較大的城市，為日后分析典型礦業(yè)城市的環(huán)境問題提供了選擇依據。

本文的主要結論有：礦業(yè)城市的資源利用水平與非礦業(yè)城市相當，但污染物排放水平遠高于非礦業(yè)城市，且環(huán)境修復能力低于非礦業(yè)城市。中國的礦業(yè)城市中，環(huán)境保護水平存在較大的差異。礦業(yè)就業(yè)人數(shù)所占比重與環(huán)境水平無關，有些礦業(yè)城市礦業(yè)就業(yè)人數(shù)所占比重非常大，環(huán)境得分也很高。如果用采礦業(yè)就業(yè)人數(shù)占比表示各地區(qū)礦業(yè)的地位，則礦業(yè)地位越大，不代表環(huán)境影響越大。也就是說，在礦業(yè)地位增加的同時，可以有效控制環(huán)境影響，比如：七臺河市。環(huán)境水平較好的城市包括松源、許昌和廣元。環(huán)境較差的城市包括攀枝花、白銀、烏海、河池和鶴崗。

主要參考文獻

[1]TW Lee，CW Lin，SH Shin，et al .A Comparative Study on Financial Positions of Shipping Companies in Taiwan and Korea Using Entropy and Grey Relation Analysis[J].Expert Systems with Applications，2012（5）.

[2]H Jiang，W He.Grey Relational Grade in Local Support Vector Regression for Financial Time Series Prediction[J].Expert Systems with Applications，2012（3）.

[3]GW Wei. Grey Relational Analysis Method for 2-tuple Linguistic Multiple Attribute Group Decision Making with Incomplete Weight Information[J]. Expert Systems with Applications，2011（5）.

[4]YJ Wang. Combining grey relation analysis with FMCGDM to evaluate financial performance of Taiwan container lines[J].Expert Systems with Applications，2009（2）.

[5]Xie Y， & Mao， Z.Evaluation of Residential Energy-Saving Buildings Based on Grey Relational Analysis Method[J]. Procedia Engineering，2012（4）.

[6]Y Leng，C Kou，N Zhou，et al.Evaluation on Transfer Efficiency at Integrated Transport Terminals through Multilevel Grey Evaluation[C]// 8th International Conference on Traffic and Transportation Study， 2012.

[7]J Euss，R Hellweg，EV Caenegem，et al.Application of Grey Relational Analysis Method in Comprehensive Evaluation on the Customer Satisfaction of Automobile 4S Enterprises[J]. Physics Procedia，2012（1）.

[8]CC Hsu，JJH Liou，YC Chuang.Integrating DANP and Modified Grey relation Theory for the Selection of an Outsourcing Provider[J].Expert Systems with Applications， 2013（6）.

[9]WH Wu，CT Lin，KH Peng，CC Huang. Applying Hierarchical Grey Relation Clustering Analysis to Geographical Information Systems-A Case Study of the Hospitals in Taipei City[J].Expert Systems with Applications，2012（39）.