中国土壤土层厚度的空间变异性特征

第20卷　第2期

2001年5月地　　理　　研　　究GEO GRAPHICAL 　RESEARCH Vol. 20, No. 2May , 2001

文章编号:100020585(2001) 0220161209　　

中国土壤土层厚度的空间变异性特征

王绍强1,2, 朱松丽3, 周成虎1

(11中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室, 北京　100101;

21中国科学院遥感应用研究所, 北京　100101; 31北京师范大学环境科学研究所, 北京　100875)

摘要:以全国第二次土壤普查的1627个土壤剖面资料为基础, 在地质统计学和地理信息系统的支持下, 以变异函数为基本工具初步分析中国土壤土层厚度的空间变异特征, 并应用普通克里格法进行最优无偏线性插值, 制作出分辨率为30km ×30km 的中国土壤土层厚度的空间分布图。结果表明:中国土壤土层厚度具有较好的可迁性和空间结构性特点, 实验变异函数值的变化趋势基本上随着距离的增加逐渐上升, 拟合变程在680km 以上, 土壤厚度的相关性可大于680km , 土层厚度具有明显的块状或连续分布的特点。

关　键　词:土壤厚度; 变异函数; 空间变异性; 克里格插值法

中图分类号:P934; 　S159　　文献标识码:A

从七十年代起, 国际上就开始了土壤理化性质的空间变异性研究[1], 我国从八十年代开始研究土壤参数的变异性[2]。土壤理化特性空间分布上的随机性和相关性, 是由土壤结构的复杂性、影响因素的微观变异、土壤形成过程的连续性、气候带的渐变性以及一些非地带性因素造成的[3]。土壤厚度是一个研究较少的土壤特性, 实际上土壤厚度能直接反映土壤的发育程度, 与土壤肥力密切相关, 是野外土壤肥力鉴别的重要指标, 它既是土壤养分的补源, 又是土壤矿质元素的储存库[4], 而且还是判定土壤侵蚀程度的主要指标[5], 对土壤的营养状况影响很大。尤其是在全球变化和陆地碳循环研究中需要土壤厚度、机械组成、容重等物理属性来估算土壤碳密度、土壤生物量和土壤含水率。因此研究我国土壤形态特征和理化性质的空间变异性, 不仅可以为农业可持续发展、生态脆弱带保护、西部大开发提供依据, 还可以对全球变化和陆地碳循环研究做出应有的贡献。1　土壤土层厚度空间变异性研究

当前研究土壤理化特性空间变异性有六种常用方法:1) FISHER 传统统计法[6]; 2) 多元统计学[7]; 3) 时序分析法; 4) 频谱分析法; 5) 随机模拟法; 6) 地统计学方法(G eostatictis ) 、空间自相关学和分形学。地统计学方法中的克里格法(Kriging ) 是在经典统计学的基础上, 充分考虑变量的空间变化特征-相关性和随机性, 并以变异函数为基础建立的一种求最优、线性、无偏内差估计量值的方法。因此克里格法估出的结果比一般传　　收稿日期:2000211208; 修订日期:2001203202

　　基金项目:中国科学院地理科学与资源研究所知识创新工程跨学科综合科学研究计划“土地利用/土地覆被变化

与陆地碳过程”资助。

　　作者简介:王绍强(19722) , 男, 湖北襄樊市人, 博士后, 主要从事全球变化和地理信息系统、遥感应用研究。

统方法的估计更为精确, 可以避免系统误差, 从而得出估值精度[8]。国外土壤学家从七十年代开始广泛应用克里格法来预测非采样点土壤属性, 目前应用最广泛的是普通克里格法和点克里格法[9]。

土壤土层厚度空间变异性研究主要用于:1) 确定合理的土壤取样数目[10], 建立土层厚度取样的标准, 同时分析土壤土层厚度的空间相关域, 确定合理的取样间距; 2) 对非采样点的土层厚度进行估值[7]; 3) 提高土壤制图的精度[11]; 4) 基于空间变异性研究的内插法可以为土壤理化属性数据库提供不同精度的数据, 以便有助于评估土地生产能力和土地退化现状。由于各类土壤土层厚度空间分布的不均匀性, 给采集具有代表性的样本造成了一定的困难。因此, 探索描述土壤土层厚度的空间分布特点, 对于合理的采样点的布局与点数, 减少采样误差, 提高样本的代表性, 以及指定合理的施肥方案, 均有一定的理论和实践意义。

目前国内有关土壤空间变异的研究中有用克里格法研究北京东郊污灌区表层土壤微量元素的小尺度空间结构[12]、大尺度的长江水系沉积物重金属含量的空间分布特征[13]、土壤中59种元素在全国范围的普通克里格插值格网图[14]、内蒙古土壤微量元素的空间结构特征[15]。这些研究为土壤特性空间变异性研究和环境制图的发展积累了丰富的经验, 但没有涉及到土壤物理性质的空间变异性研究。

2　数据来源和研究方法

211　数据来源和预处理

第二次全国土壤普查

(1979-1994) 的资料《中

[16]国土壤》和《中国土种

[17]志》记录了2473个土种

典型剖面, 包括土壤剖面

的地理位置、土层厚度、

有机质含量、容重、面积

数据等。本文采用的第二

次土壤普查的各类型土壤

土层厚度数据取自《中国

[16]土壤》和《中国土种

[17]志》。去除重复的地点和

缺失值, 共有1627个采样

点被分析和空间化(图1) ,

可以看出我国中部和东部

地区土壤采样点较为密集,

西北部地区采样点稀疏, 图1　土壤剖面分布图Fig 11　Distribution map of soil profiles in China

全国范围内土壤采样点空间分布不均匀。本文利用中国资源环境数据库1∶400万土壤类型分布图[18], 在GIS 软件ARC/IN FO 基础上分析中国土壤土层厚度的空间变异特征。

212　统计分析和普通克里格插值方法

21211　统计分析　　通过统计分布特征分析能进一步了解土壤土层厚度的数值特征, 为结构分析、克里格方案的确定提供一定的依据, 并能减少计算中不确定性。由于特异值的存在会造成连续表面的中断, 直接影响变量的分布特征, 致使变异函数失去了结构性。因而本文采用域法识别特异值, 即按标准方差的倍数来识别特异值, 一般特异值定为样品均

δ, 然后用正常值最大值替代特异值。值m 加三倍均方差δ:m +3

由于原始数据的非正态分布会产生比例效应, 抬高基台值和块金值, 使实验变异函数发生畸变, 增大估值误差, 甚至会掩盖其固有的结构[13], 因此在进行后续处理前应当进行正态转换[13]; 但是, 对数转换或其他转换会产生明显的“非高斯样品”, 掩盖原始数据的随机性, 增加其中的规律性, 空间结构分析也就失去了意义[19]。根据1627个剖面的土壤厚度直方图分析, 土壤厚度基本上呈现正态分布, 因而未对原始数据进行非线性转换。

21212　变异函数的计算和拟合　　拟合参数的确定需要用不同参数和模型方法反复拟合, 使得到的理论变异函数能够最好地模拟距离对输入数据点的影响, 所选择的模型方法生成的理论变异曲线应与实验变异函数最为逼近, 尤其是在步长小的地方(曲线的左下部) [20]。选择步长时要考虑到取样密度的平均值、所研究现象的空间连续性等, 并要求能最好地揭示变异函数的本质。因而本文求算出1627个采样点中每个点与其它点之间的最近距离, 有8817%的采样点间的最小距离小于60km [9], 因而空间点面转换可以满足015°×015°空间精度的要求[21]。

21213　模型检验　　检验模型的有效性除了目视判断理论变异函数与实验变异函数的拟合程度外, 还有以下规则[22, 23]:

①标准估计误差的均值应接近于零;

②标准估计误差的方差应接近于0;

③克里格插值的标准方差应小于原变量的标准方差;

④克里格估计值和原值呈正相关, 相关系数R 越高越好。

当验证了模型的有效性后, 就进行克里格插值, 输出结果为两个栅格数据图象, 一个是插值结果, 另一个是克里格方差图, 它的每一点代表该插值点的预测变化值。高的估值方差通常出现在样本密度低的地方, 因此可以结合方差图以及其它地图来决定采样点加密的具体位置。

3　结果和讨论

311　土层厚度统计特征

1627个土壤剖面土层厚度有效值的统计结果见表1。根据变异系数(Cv ) 的大小可粗略估计变量的变异程度:弱变异性, Cv 100%[9]。可见, 中国土壤土层厚度的变异性为中等, 偏度较小, 基本上呈正态分布(图2a ) 。根据域法识别特异值, 共有15个数值大于200134cm , 占样品总数的019%; 用正常最大值(200cm ) 替代特异值, 统计结果也列在表1。由表1可见, 经数据处理后大大降低了原始数据的峰度和偏度。

312　克里格插值结果

普通克里格插值法可以采用线性模型、高斯模型、指数模型和球状模型等模型方法来拟合实验变异函数。通过不同模型方法的试验、拟合和比较, 选用指数模型, 以不同的步长分别计算变异函数, 结果如表2

。

图2a 　土层厚度直方图　　　　　图2b 　土层厚度插值结果直方图

Fig 12a 　Histogram of soil depth 　　　　　Fig 12b 　Histogram of interpolated soil depth

表1　土壤厚度的描述性统计

T ab 11　Descriptive statistic of soil depth

样点数

原数据

处理后

Kriging [1**********]95平均值[**************]中数[1**********]0标准差(cm ) [**************]最小值[1**********]55最大值[***********]偏度0157401137峰度3149601795变异系数(%) [**************]

表2　不同步长下的理论变异函数参数

T ab 12　Theoretical variogram parameters of different lags

步长

(km )

215

5

20

30

50

80块金系数C 0(cm 2) [***********]拱高C (cm 2) [***********]基台值Sill (cm 2) [***********]321122块金系数/基台值(%) [***********][1**********]6变程系数r (km ) [***********]变程a (km ) [***********]块金值通常表示由实验误差和小于实验取样尺度引起的变异, 较大的块金方差值表明较小尺度上的某种过程必须重视[24]。从表2可以看出, 在不同步长下, 变异函数各参数之间差别较小:块金系数的变化范围从712cm 2到769cm 2, 相应的标准差为13176cm 和13189cm ; 变程的变化范围从576km 到681km , 超出此距离, 土壤厚度之间无明显相关

性。块金值与基台值的比例可以表明系统变量的空间相关性的程度:如果比值小于25%, 说明系统变量具有强烈的空间相关性; 大于75%说明空间相关性很弱。表2可见, 土壤厚度的块金值与基台值之比的范围在6314668117%之间, 说明土壤厚度的空间分布表现为中等的空间相关性。考虑到采样点密度和采样点之间的距离, 选取步长为30km 为代表, 采样点数n 为12, 得到最大影响半径为1000km 的实验变异函数图和理论变异函数图(图3)

。

　　由图3中可以看出, 理论变

异函数与实验变异函数拟合较好,

实验变异函数随着距离的增加逐

渐上升, 约在640km 处达到平

稳, 具有明显的变程和基台值,

说明中国土壤土层厚度具有良好

的可迁性特点和较好的空间结构

性。拟合变程为680km , 表明土

壤厚度的相关性可大于680km 。

在原点处出现块金效应, 块金系

数在基台值(C +C 0) 占有显著图3　土层厚度的实验变异函数和理论变异函数Fig 13　Experimental and theoretical variograms of soil depth

比重, 甚至高于拱高, 表明小尺度的变化较大, 应该增加采样密度。将采样点分布图转为栅格图象, 与经过掩玛处理的克里格插值图和标准方差图进行叠加计算检验模型, 检验结果如下:

μ=01004; R 2μ=01031R =01616; R

克里格插值的标准方差(16166cm ) 小于原始值的标准方差(33183cm ) , 估计值与原值呈现正相关。应用规则检验模型的有效性时:该规则并没有明确指定R μ与R 2μ必须如何接近0才满足要求[25], 由于所检验的样点达到1275个(在矢量数据转栅格数据的过程中, 一些样点被合并) , 可以认为已经满足了克里格插值法规则的要求。

313　土层厚度空间变异性特征

通过普通克里格插值, 得到精度为30km ×30km 的矩形网格图象, 经过矢量图形对栅格数据剪切处理, 得到10495个有效网格值, 其统计结果见表1, 直方图见图2(b ) 。从数值统计结果上看, 估值结果的平均值(94153cm ) 较原始值(分别98193cm ) 小, 但差距很小; 同时估值的最大值与最小值之差明显小于原始数据, 表明普通克里格法有使插值结果分布趋于集中的特点。同时克里格插值结果的标准方差(16166cm ) 比原始数据的标准方差(33183cm ) 小, 说明克里格插值有平滑数据的作用[26]。

从图4a 所示的全国土层厚度估值图看, 土层厚度具有明显的块状或连续分布的特点:松辽丘陵、冀北山地、黄土高原、华北平原、内蒙古草原和山东丘陵的土壤厚度值基本上大于平均值, 其中较大的最厚值斑块出现在黄土高原的拢东、拢西以及董志塬、洛川塬和渭水一带。南方丘陵地带的土层厚度多低于平均值, 也有零星斑块较大; 土壤厚度较低值主要集中在西藏、青海、新疆、云贵高原以及四川盆地的部分地区, 与土壤剖面采样点的空间分布有关, 例如青藏高原与新疆地区植被稀疏, 土壤质地较粗, 抗风蚀能力很差, 而且采样点较少, 其空间分布上表现为非常稀疏; 相对于随机分布而言, 这种厚度大小的块

状分布就是良好的结构性[27]。土层厚度空间变异总体特征是:我国东部地区普遍比西部地区高, 而北部地区相对高于南部地区。

　　根据土壤发生学的角度, 土层厚度主

要取决于气候、地形、植被、成土年龄和

母岩等各种因素[28], 其中地形和成土母

质以及成土年龄的控制因素较为显著, 而

这些因素大多具有块状或连续分布的特

点, 使得土层厚度具有较好的结构性。例

如黄土高原、华北平原和内蒙古草原等

地, 地貌多为黄土地貌, 成土母质基本为

黄土或黄土状沉积物, 母质深厚, 地形平

坦、成土母质发育时间长使得土体深

厚[16]; 南方山地、丘陵地带由于地形复

杂, 水土流失和侵蚀情况较为严重, 地面

物质不断更新, 土壤发育始终停留在幼年

阶段, 从而影响到土壤的发育程度, 土层

厚度值多低于平均值。

估值标准差见图4b , 其极值分别为

29130cm 和35178cm , 平均值为

31165cm 。这些估值标准差是由两种不确

定性造成的:一方面是原始数据的差异

(标准差33183cm ) , 另一方面是由于根据

分布不均匀的样点进行大范围插值而造成

的内在不确定性。块金系数(591cm 2) 也

反映了这两种不确定性, 尤其是它还代表

着插值过程的预测最小方差[19]。以标准

方差表示, 块金值相当于24131cm , 相比

之下, 估计标准方差就显得相当合理了。

土壤厚度克里格估值标准差分布图(单位:cm ) 同时从图4b 中还可以看出, 最大估计标图4b 　

Fig 14b 　Kriging intepolation Standard Deviation 准方差出现在塔里木盆地和北部边界。这

map of soil depth (Units :cm ) 些地区的样点最为稀疏; 而采样点密集的

东部地区和河西走廊, 估计标准方差较小。这是因为估计方差仅与变异函数模型和样点密集度有关, 与该变量在该点的实测值无关。因此, 我国西北和西南地区应该增加土壤采样点, 以提高土壤厚度制图精度。图4a 　土壤厚度克里格插值图(单位:cm ) Fig 14a 　Kriging interpolation map of soil depth (Units :cm )

4　结论

本文采用普通克里格方法, 以变异函数为基本工具研究这些特性的空间分布特征, 并应用普通克里格方法进行最优无偏先行插值, 制作出分辨率为30km ×30km 的空间分布

图。土壤土层厚度表现出:有较好的可迁性特点, 反映出土壤厚度在全国范围内具有较好的空间结构性, 土层厚度具有明显的块状或连续分布的特点, 拟合变程为680km , 表明土壤厚度的相关性可大于680km 。通过研究和分析, 表明可用有块金效应的指数模型对实验变异函数进行拟合, 并根据变异函数的特点, 进行普通克里格插值。其他相应的研究还表明[9], 在应用克里格法建立模型的时候, 综合应用土壤和土地信息如土壤分类、参考该地区的土壤性质、坡度、高程, 可以大大提高克里格法的插值精度, 还可以降低由于测定大量土壤剖面而需要的成本, 也可以减少由于采样点太少而带来的误差[30]。

由于采样密度和范围的限制, 缺乏更多的土壤土层厚度影响因素的详细数据, 更细微的空间结构尚不能得以表述。以下为今后研究中需要加强的方面:

(1) 土壤采样点数量的增加以及其空间分布更应均匀, 并减小采样点的间距, 同时进

一步加强土壤采样的标准化;

(2) 加强土壤土层厚度的结构性分析[15, 31], 用来表征区域化土壤土层厚度的主要特

征, 例如土壤土层厚度在不同方向上的不同变化性, 以及同方向上不同尺度的多层次变化性, 即各向异性(几何异向性和带状异向性) 。

参考文献:

[1]　Biggar J W , Nielsen D R 1The spatial variability of the leaching characteristics of a field scale[J]1Water Resource Re 2

search , 1976, 12:78～841

[2]　雷志栋, 杨诗秀, 许志荣等1土壤特性空间变异性初步研究[J]1水利学报, 1985, 9:10～211

[3]　李天杰, 郑应顺, 王云编1土壤地理学[M ]1北京高等教育出版社,19791

[4]　刘创民, 李昌哲, 史敏华等1多元统计分析在森林土壤肥力类型分辨中的应用[J]1生态学报, 1996, 16(4) :444

～4471

[5]　张本家, 高岚1辽宁土壤之土层厚度与抗蚀年限[J]1水土保持研究, 1997, 4(4) :57～591

[6]　王学锋1土壤特性时空变异研究方法的评述与展望[J]1土壤学进展, 1993, 21(4) :42～491

[7]　赵春生, 张佳宝, 杨苑璋等1土壤特性空间变异研究的定量方法—时域分析和频谱分析[J]1土壤学进展, 1995,

23(5) :45～511

[8]　王学军1空间分析技术与地理信息系统的结合[J]1地理研究, 1997, 16(3) :70～731

[9]　朱松丽1土壤主要理化特性的空间变异性初步研究[D]1北京师范大学硕士学位论文, 1999, 1491

[10]　Di H J , Trangmar B B , and K emp R A 1Use of G eostatistics in designing sampling strategies for soil survey [J]1Soil

Suence Souiety of America Journal , 1989, 53(4) :1163～11671

[11]　王广德, 过常龄1“Krige ”空间内插技术在地理学中的应用[J]1地理学报, 1987, 42(4) :3663731

[12]　王学军, 邓宝山, 张泽浦1北京东郊污灌区表层土壤微量元素的小尺度空间结构特征[J]1环境科学学报, 1997,

17(4) :412～4161

[13]　张朝生, 章申, 何建邦1长江水系沉积物重金属含量空间分布特征-地统计学方法[J]1地理学报, 1997, 52(2) :

184～1921

[14]　中国环境监测总站主编1中华人民共和国土壤环境北京值图集[M ]1北京:中国环境科学出版社,19941

[15]　徐尚平, 陶澍, 徐福留, 曹军1内蒙土壤微量元素含量的空间结构特征[J]1地理学报, 2000, 55(3) :3373451

[16]　全国土壤普查办公室1中国土壤[M ]1北京:中国农业出版社, [1**********]

[17]　全国土壤普查办公室1中国土种志1第一卷—第六卷[M ]1北京:中国农业出版社, 19951

[18]　田琦, 李军, 黄方红等1中国土壤分布图1中国资源环境数据库(1∶400万) (主编裴相斌) [M ]1中国科学院地理

研究所资源与环境信息系统国家重点实验室, 19961

[19]　White J G , Welch R M , Norvell W A 1Soil Z inc Map of the USA using G eostatistics and G eographic Information and

Systems[J]1Soil Science Society of America Journal , 1997, 61:1851941

[20]　Trangmar B B , Y ost R S , Wade M K , Uehara G , and Sudjadi M 1Spatial Variation of Soil Properties and Rice Y ield on

Recently Cleared Land[J]1Soil Science Society of America Journal , 1987, 51(3) :6686741

[21]　Leemans R , Cramer W 1The IIASA climate database for land area on a grid of 015resolution[R]1International Institute

of Applied Systems , Austria , WR -411

[22]　Vauclin M , Vieira S R , Vachaud G , Nielsen D R 1The use of Cokriging with Limited Fields Soil Observations[J]1Soil

Science Society of America Journal , 1983, 47:1751831

[23]　Russo D 1Design of an optimal sampling network for estimation the variogram[J]1Soil Science Society of America Jour 2

nal , 1984, 48:7087161

[24]　郭旭东, 傅伯杰, 陈利顶, 马克明, 李俊然1河北省遵化平原土壤养分的时空变异特征———变异函数与Kriging

插值分析[J]1地理学报, 2000, 55(5) :5555661

[25]　Y ates S R , Warrick A W 1Estimating Soil Water Content Using Cokriging[J]1Soil Science Society of America Journal ,

1987, 51:23301

[26]　Samra J S , G ill H S , Anlauf R , Richter J 1G eostatistical Evaluation of Soil Sodicity and Growth of Melia azedarach Linn

as Simultaneous Stochastic Processes[J]1Soil Science , 1989, 148(5) :3613691

[27]　Pan Guocheng 1地质统计学中结构分析的理论与方法[J]1世界地质, 1997, 16(3) :70821

[28]　张俊民, 蔡凤歧, 何同康1中国的土壤[M ]1北京:商务印书馆, 19961

[29]　Voltz M , Lagacherie P , Louchart X 1Predicting soil properties over a region using sample information from a mapped

reference area[J]1European Journal of Soil Science , 1997, 48:19301

[30]　张科利, 刘宝元, 蔡永明1土壤侵蚀预报研究中的标准小区问题论证[J]1地理研究,2000, 19(3) :2973021

[31]　周慧珍, 龚子同, Lamp J 1土壤空间变异性研究[J]1土壤学报, 1996, 33(3) :2332411

Characteristics of spatial variability of

soil thickness in China

WAN G Shao 2qiang 1,2,ZHU Song 2li 3,ZHOU Cheng 2hu 1

(11The State K ey Laboratory of Resources and Environment Information S ystem ,

Institute of G eographic Sciences and Natural Resources Research , CAS , Bei jing 100101, China ;

21Laboratory of Remote Sensing Information Science , Institute of Remote Sensing

Applications ,CAS , Beijing 100101, China ;31Institute of Environmental Science , Beijing Normal

University , Beijing 100875, China )

Abstract :The spatial variability of soil properties is very important to agriculture , soil quality assessment , sustainable development and global change research 1G eostatistics is a means of spatial variability , spatial structures and spatial prediction that is used widely for soil properties overseas 1However , this kind of research was started relatively late in China 1On the other hand , our research on soils paid more attention to chemical and biological properties than to physical properties 1This paper aimed to study spatial distribution characteristics of soil depth in China , especially that of physical ones using G eostatistics and G eographic Information System , and provide raster data for global change research 1This paper built the China Soil G eographic Database which includes soil physical and chemical properties database and 1627soil samplers database by data from the second national soil surveys and primarily studied the spatial distribu 2tion characteristics of the thickness of soil layer using GIS and G eostatistics 1The spatial distri 2

bution features were quantitatively described by semi 2variogram 1Based on the semi 2variogram , the maps illustrating soil thickness are made by ordinary Kriging with cell of 30km ×30km 1

Soil thickness being studied has relatively good spatial structures , and their experimental semi 2variogram could be fitted by exponential model with nuggets 1And optimal interpolation could be done depended on the semi 2variogram features 1Basically , the experimental semi 2vari 2ogram of soil properties being studied increases with increasing lag distance to approach or attain a maximum 1The range of soil thickness semi 2variogram is up to 680km , which is consistent with average distances among patches with the same feature in the distribution maps 1This in 2dicates the significant trend known as “drift" in distribution maps 1

K ey w ords :soil thickness ; semi 2variogram ; spatial variability ; kriging

《2000中国区域发展报告》出版

《2000中国区域发展报告———西部开发的基础、政策与态势分析》于2001年3月由商务印书馆出版。《2000中国区域发展报告》是中国科学院”中国区域发展研究”课题组编制的中国区域发展系列报告的第三本。报告以西部地区发展为专题, 以“科学地认识西部地区”为宗旨, 阐述了开发我国西部地区对于加快西部地区发展、增强国家整体实力的重要意义, 分析了西部地区特殊的地理环境和经济基础, 总结了近年来国家、各地区在促进西部地区发展方面实施的政策及其效果, 就西部地区的发展目标和基础设施建设、生态建设、产业结构调整和社会发展等提出了建议。

报告认为, 建国后国家在西部进行了大规模的工业建设和基础设施建设, 使西部形成了有较大实力的能源原材料和机械工业体系, 目前实施的西部开发对于促进西部地区和全国的可持续发展、保障国家生态安全与地缘政治安全具有重大意义。西部开发中应正确处理好近期与长远、传统产业与高新技术产业、新建与改造利用现有基础、重点地区和一般地区、经济发展与环境保护、经济发展与社会发展六大关系。

西部地区具有丰富的能源和矿产资源。但开发利用要建立在比较优势基础上, 充分重视市场的作用, 水能和天然气开发应安排在优先位置。产业发展上, 应着力构筑区域特色经济体系, 用现代技术改造传统的优势产(企) 业。

实施”富民”优先的发展战略, 把特色农业与生态农业、优势资源加工业、旅游业、高新技术产业培育成为未来西部的支柱产业。

西部开发要依托大中城市, 要因地制宜地加速城市化进程。西部开发中要吸取东部地区发展的经验与教训, 处理好工业化特别是乡镇企业发展与城市发展的关系。

西部地区生态环境建设必须遵循科学规律, 并通过研究、开发、示范与推广等科技扩散手段, 加强生态环境建设的科技支撑。按照生态要求发展经济, 运用经济手段进行生态建设。(金凤君)