jxf吉祥坊(中国区)官网

很多人认为重工业距离自己很远，却忘记了我们时刻生活在重工业的影响之中。我们消耗的每一度电，开的每一辆车，乃至我们吸的每一口雾霾，都与重工业的发展息息相关。

从研究角度说，大量的研究工作都需要与重工业的布局、行业的分布、单个企业的发展等情况挂钩分析。通过重工业的发展分布结合其他因素进行分析，往往可以得到很多意想不到的结论。

那么，怎么获得这些信息？你能想象吗，通过遥感数据，就可以知道！ 

图片来源：首钢新闻中心

先进的传感器 +先进的算法=前所未有的信息

在重工业领域，由于某些众所周知的原因，相关部门的统计数据一直并不精确，而目前的一些研究方法存在着各种各样的漏洞和偏差。这就对重工业领域的信息收集清洗工作带来了巨大的难度。

清洗，包括数据清洗和信息清洗。数据清洗，是指按照一定的规则把“脏数据”“洗掉”，形成符合主题的数据。而信息清洗，则针对清洗后的数据，进行信息抽取，形成专业主题信息。

NPP（NPOESS Preparatory Project）卫星系统，由NASA、NOAA和美国空军共同研发，是NASA正在构建的全球环境观测卫星系统中最重要的卫星星座。其中搭载的VIIRS（Visible infrared Imaging Radiometer）可见光红外成像辐射仪，可收集陆地、大气、冰层和海洋在可见光和红外波段的辐射图像。其生成的VIIRS I-Band 375 m Active Fire Data产品数据，是目前全球火点数据中分辨率最高的火点产品数据。

我们充分利用长时间序列数据的优势，结合人工智能和大数据的信息收集清洗方法，找到了热源重工业领域的信息收集清洗的方式。

针对中国大陆区域重工业清洗，我们采集了2012.1.20~2018.1.1近6年6,574,250条火点数据，构建了3366个以县为单位区域网格，清洗出4143个运行工作超过10天的重工业热源数据。结合不同的时间和区域分析手段，我们得到了一些有关中国重工业的结论。

区块化分布与区域经济祸福相倚

2012~2017年间中国区4145个重工业区域分布图

纵观中国区重工业区域分布图，中国目前的重工业形成了明显的“区块化分布”的态势。辽宁的本溪-鞍山-营口一线，河北唐山区域，河北邯郸-河南安阳一线，山西从太原经临汾到河津的狭长盆地区域，山西的长治区域，内蒙的鄂尔多斯区域，内蒙的乌海区域，新疆的乌鲁木齐及附近区域，形成了中国重工业分布的主要密集地带。

而与传统印象不同的是，东北的黑龙江、吉林两省，作为所谓的东北重工业基地，分布反而相对稀疏。乃至作为资源大省的云南，其重工业的分布态势与东部的山东、安徽的铜陵-马鞍山一线相类。

2017年中国区在营重工业数目分布图

2017年中国区在营重工业生产规模分布图

将2017年中国区重工业区域分布及企业数量、生产规模对比图如上所示。从2017年中国区在营重工业数目分布图中，可以看出，重工业的发展曾经为这些地方的经济带来蓬勃的动力。河北的钢铁、山西的煤矿、新疆的石油天然气，都曾经给当地经济带来辉煌。在如今“去产能、优结构”的整体环境中，也逐渐成为这些区域尾大不掉的经济重担。

而东北尤其是黑龙江，重工业已经逐步崩塌，竟至无从支撑经济发展。如今的黑龙江经济，何去何从惹人叹息。

而将2017年中国区重工业企业数量及生产规模进行对比，可以粗略看到我国重工业领域的生产效率。

以云南为例，其生产企业数量为全国第二梯队，而生产规模则不如辽宁甚至江苏、安徽等地。我们可以大胆假设，云南目前的矿产开采及加工行业已经进入瓶颈期（产能下降），使得目前云南的重工业处于碎片化生产的阶段。而对于重工业企业而言，碎片化生产往往代表着其生产效率低，能耗更大而成果更少。

广东也有类似的情形。但是对于广东的判断，更大的可能性是重工业生产处于整顿期（限制产能）。而宁夏、辽宁、安徽、江苏等地，则出现了相反的情况。

产业聚焦成为区域环境之隐殇

我们放开视角，去审视各个区域之资源分布，则可以进一步印证中国重工业的分布态势。即从明显的“区块化分布”，到“产业聚焦”。

中国钢铁产业的分布高度集中于河北，尤以唐山为重；能源产业包括煤炭产业、石油、天然气等，则高度集中于山西、内蒙、新疆；有色金属产业，高度集中于云南等地。下面显示了中国重工业布局中，部分高清案例的google地图示例。

中国重工业领域的产业聚焦现象

(A) 塔克拉玛干沙漠的油田

(B) 内蒙古的煤化工厂

(C) 内蒙古的漏天煤矿

(D) 山西的煤化工厂

(E) 大连的石化工类工厂

(F) 西藏的水泥厂

(G) 唐山市的钢铁厂

(H) 云南的有色金属加工提炼厂

(I)海南的水泥厂

(J)浙江省的水泥厂

重工业领域的产业聚焦，一方面促进形成高度产业化、结构化的行业供应链条，有利于形成大而强的产业基地；另外一方面，则容易形成产业单一、对产业风险高度依赖的区域经济形态，同时对区域的生态环境提出了极大的挑战。

下图为2017中国各省每万平方千米在营重工业企业数目及生产规模的分布对比图。为了描述方便，在本文中，我们定义：各区域每万平方千米在营重工业企业数量/生产规模，为区域重工业区企业数量/生产规模密度。

从区域密度分布中，可以发现：新疆、内蒙由于行政区域比较大，虽然重工业企业数量密度仍然比较大（企业数量密度保持比较大的原因在上文已经有所说明）但是生产规模密度较小；从图中可以很明显地看到，天津、河北、山西、山东、辽宁等地是生产规模密度高度集中的区域。

2017年各省万平方千米在营重工业数目分布

2017年各省万平方千米在营重工业生产规模分布

一个非常值得注意的地方是天津。天津虽然从企业数量、生产规模等绝对值指标来看并非前列，但是其企业密度集生产密度则在全国首屈一指。而宁夏毗邻内蒙乌海区域，其情况与天津相似。当然，北京市无论是重工业的企业数量、生产规模的绝对值，还是密度，都是极低水平。但是在这么多高产能、高密度的重工业区域的环绕下，其生态环境可想而知，雾霾也是意料中事。

非常值得注意的还是长江下游的安徽、江苏一带。这些区域一向不是我国的重工业能源产地，但是由于一些产业的行政化要求，比例宝钢、马钢等也在这些区域布局，直接导致其生产规模的密度偏高，这将直接引发这些区域的生态环境“北京化”。

结语

党的十九大提出的“坚持新发展理念”，就是要坚定不移的贯彻创新、协调、绿色、开放、共享的发展理念。“一带一路”、“雄安新区”、“去产能、优结构”等工作，都离不开重工业领域的发展布局，而发展布局的调整，需要有效的信息收集和分析。

如果我们充分利用长时间序列数据的优势，将会形成在一个时间段、行业产业、地域空间的动态变化的研究。而加入时间段这一重要因素的研究则会带来更为广阔的延展空间。同样，我们把区域的概念缩小落实到某个区域企业，结合时间元素，则会得到一个区域企业的生产规模随时间的变化曲线。

我们不创造信息。我们只是将重工业领域的真实信息，进行最为有效的展现。

是的，真实，有效。

本文来自微信公众号：科学大院（ID：kexuedayuan），作者：马彩虹、陈甫（来自中国科学院遥感与数字地球研究所）。