广东省矿山生态修复成效评价

Evaluation of Ecological Restoration Effectiveness in Mines in Guangdong Province

摘要: 本文通过对广东省矿山生态修复成果分析，构建针对矿山不同要素的生态修复成效评价指标体系，科学确定各评价指标的权重。采用TOPSIS评价模型对2022年广东省的76个矿山生态修复成效进行评价，实地验证其评价结果与实际修复效果基本一致。

Abstract: This article analyzes the ecological restoration results of mines in Guangdong Province, constructs an evaluation index system for ecological restoration effectiveness of different elements of mines, and scientifically determines the weights of each evaluation index. The TOPSIS evaluation model was used to evaluate the ecological restoration effectiveness of 76 mines in Guangdong Province in 2022, and the on-site verification showed that the evaluation results were basically consistent with the actual restoration effects.

1. 引言

据不完全统计，自“十三五”以来，广东省共投入近20亿元开展矿山生态修复与综合工作，治理面积近2万公顷，其修复成效有待进行评价。目前，矿山生态修复成效评价方法有很多，诸如分析比较特尔菲法(专家咨询法)、层次分析法、灰色关联度分析法、模糊综合评判法、优劣解距离法等方法，各种方法都有一定的优缺点 [1] [2] [3] 。其中，TOPSIS (Technique for Order Preference by Similarity to Ideal Solution)为优劣解距离法，是一种常用的综合评价方法，能充分利用原始数据的信息，其结果能准确地反映各评价方案之间的差距 [4] 。

2. TOPSIS评价模型(优劣解距离模型) [5]

TOPSIS利用评价对象与最大值的距离、评价对象与最小值的距离计算第i ( $i=1,2,\cdots ,n$ )个评价对象与理想解的相对接近度来确定修复成效的优劣，其中计算公式为：

$S_i=\frac{D_i^{-}}{D_i^{+}+D_i^{-}}$ (式1-1)

很明显， $0<S_i<1$ ，且 $S_i$ 越大，越接近评价得分的最大值。

计算评价与最大、最小值的距离来。

式1-1中： $D_i^{+}$ 为评价对象与最大值的距离：

$D_i^{+}=\sqrt{{\displaystyle {\sum }_{j=1}^m{w}_j{\left(Z_j^{+}-Z_{ij}\right)}^2}}$ (式1-2)

$D_i^{-}$ 为评价对象与最小值的距离：

$D_i^{-}=\sqrt{{\displaystyle {\sum }_{j=1}^m{w}_j{\left(Z_j^{-}-Z_{ij}\right)}^2}}$ (式1-3)

式1-2、式1-3中 $w$ 为权重， $Z^{+}$ 为评价对象最大值， $Z^{-}$ 为评价对象最小值，Z为评价对象值，i、j为序号，m为评价对像总数。

为消除不同指标间量纲和数据大小的影响，需对输入模型的原始数据进行了归一化和同趋势处理。计算出的加权平均值相对接近度保证在0与1之间。其数值越大(越接近1)，其接近最优水平程度越高。反之(越接近0)，接近最优水平的程度越低(越接近最劣水平) [6] 。

3. 评价指标体系

3.1. 评价指标

按照目标性、科学性、整体性、可操作性、定量与定性相结合的原则，在综合考虑项目实施、生态修复的安全性和稳定性及生态修复效益四个方面，并结合以往相关研究成果和相关国家及行业规范，建立三个层次(目标层、准则层和指标层)、13个具体指标的矿山生态修复评价指标体系 [7] (图1)。

Figure 1. Evaluation system for the effectiveness of mine ecological restoration

图1. 矿山生态修复成效评价体系

3.2. 评价指标的量化标准

由于评价指标体系中各指标层中评价因子间的量纲和衡量尺度存在比较在的差异，各指标间的定量可比性相对较差。所以先对评价指标进行量化，其中对于无法直接取得定量数值的批标，根据定性属性(或相对程度)赋予相应的分值(表1~10)。

Table 1. Scheme implementation level scoring table

表1. 方案执行情况等级赋分表

Table 2. Grading of engineering investment

表2. 工程投入情况等级赋分表

Table 3. Grading of project management and protection

表3. 项目管护情况等级赋分表

Table 4. Grading table for data filing status

表4. 资料归档情况等级赋分表

Table 5. Grading of geological safety hazards management

表5. 地质安全隐患治理情况等级赋分表

Table 6. Classification of ecological landscape restoration levels

表6. 生态景观恢复程度等级赋分表

Table 7. Classification of suitability levels for ecological restoration

表7. 生态修复适宜性等级赋分表

Table 8. Classification of ecological restoration coordination levels

表8. 生态修复协调性等级赋分表

Table 9. Classification of ecological restoration stability levels

表9. 生态修复稳定性等级赋分表

Table 10. Classification of ecological restoration benefits

表10. 生态修复效益等级赋分表

4. 评价指标权重

评价体系中指标的定权方法主要分为两大类：主观定权和客观定权。为了保证指标权重的科学合理性，既有层次和结构分明的特点、又能使评价指标具有一定的现实意义。本文利用层次分析法确立的指标权重。这可以使得评价结果更具有科学性和严谨性。

通过归纳总结各地主管理部门及矿山企业的意见，运用层次分析法确定出本次矿山生态修复成效评价体系中各评价因子的权重(表11~16)。

Table 11. Criterion layer judgment matrix and weights

表11. 准则层判断矩阵及权重

Table 12. Project implementation status indicator layer judgment matrix and weights

表12. 项目实施情况指标层判断矩阵及权重

Table 13. Judgment matrix and weights of ecological restoration safety index layer

表13. 生态修复安全性指标层判断矩阵及权重

Table 14. Judgment matrix and weights of ecological restoration stability index layer

表14. 生态修复稳定性指标层判断矩阵及权重

Table 15. Judgment matrix and weights of ecological restoration benefit indicator layer

表15. 生态修复效益指标层判断矩阵及权重

Table 16. Batch weights of the evaluation system for the effectiveness of mine ecological restoration

表16. 矿山生态修复成效评价体系批标权重

5. 评价实例

根据2022年度的实地核查矿山生态修复成效调查成果，选择广东省21个市共76个修复矿山进行了成效评价，评价结果与理想解的相对接近度为0.3019~0.8541。对比分析实地核查矿山修复效果，按照表17将74个修复矿山的修复成效划分为四个等级：优秀、良好、及格、较差。

Table 17. Grading table for evaluation of greening effect of governance

表17. 治理复绿成效评价分级表

其中，修复成效“优秀”的矿山7个，占实地核查矿山的9.2%。如：深圳某石场(图2)成效评价与最大值的距离为0.0126，与最小值的距离为0.0736，综合评价结果为0.8541，处于优秀级别。该矿山投入经费多，治理复绿措施丰富，管护措施得当。修复后整体呈现出“山清水秀”的良好生态，修复成效突出。

Figure 2. Restoration effect of a stone quarry in Shenzhen

图2. 深圳某石场修复效果

修复成效“良好”的项目28个，占实地核查矿山的36.8%。如：湛江某建筑用玄武岩矿(图3)评价项目与最大值的距离为0.0279，与最小值的距离为0.0675，综合评价结果为0.7076，处于良好级别。项目整体呈现出一种“井然有序”的良好生态环境，修复工作布置得当。由于矿山修复后植被生长缓慢，局部区域复绿效果不明显，表层土壤未完全固化，存在水土流失现象。

Figure 3. Restoration effect of a basalt mine used in a building in Leizhou

图3. 雷州某建筑用玄武岩矿修复效果

修复成效“及格”的项目29个，占实地核查项目的38.2%。如：清远某石英岩矿(图4)评价项目与最优向量的距离为0.0409，与最劣向量的距离为0.0606，综合评价结果为0.5969，处于及格级别。企业投入大量人力、物力，采用分级放坡、覆土复绿、人工管护等措施恢复生态环境，但由于岩质边坡植被生长困难，现场复绿效果一般。

Figure 4. Restoration effect of a quartz rock mine in Qingyuan

图4. 清远某石英岩矿修复成效

修复成效“较差”的项目12个，占实地核查项目的15.8%。如。梅州某石场(图5)评价项目与最大值的距离为0.0544，与最小值的距离为0.0316，综合评价结果为0.3675，处于较差级别。矿山未按设计开采，采场边坡高度、台阶设置不合理，治理复绿工作开展困难。企业投入30万元进行平面复绿，措施相对单一，管护措施缺失，植被长势差。立面植被存活率低，存在地质安全隐患，现场水土流失明显。

Figure 5. Effect of greening restoration in a quarry in Meizhou City

图5. 梅州市某石场治理复绿成效

6. 结论

本文在初步构建矿山修复成效评价体系的基础上，利用TOPSIS评价模型(优劣解距离模型)计算评价项目与理想解的相对接近度，对2022年广东省的76个矿山生态修复成效进行评价，结合实地核查工作对评价进行验证。其评价结果与实际修复效果基本一致。

参考文献