EN中文

Tropical Geography >

2025 , Vol. 45 >Issue 3: 423 - 434

DOI: https://doi.org/10.13284/j.cnki.rddl.20240166

Changes in China's Iron Ore Import Pattern in the Context of COVID-19

  • Renrong Xiao , 1 ,
  • Pengjun Zhao , 2, 3 ,
  • Ting Xiao 2, 3 ,
  • Yichun Gao 4 ,
  • Juan Yang 5
Expand
  • 1. College of Resources and Environment, Lanzhou University, Lanzhou 850000, China
  • 2. School of Urban Planning and Design, Peking University, Shenzhen 518055, China
  • 3. Key Laboratory of Earth Surface System and Human-Earth Relations, Ministry of Natural Resources of China, Shenzhen 518002, China
  • 4. School of Mathematics Study and Applied Mathematics, Hubei Minzu University, Enshi 445000, China
  • 5. Faculty of Education and Liberal Arts, INTI International University, Nilai 71800, Malaysia

Received date: 2024-03-22

  Revised date: 2024-07-23

  Online published: 2025-03-15

Fold

Abstract

China imports more than 80% of its iron via sea. The spatiotemporal patterns of iron ore shipping, as well as its changes, are linked to the China's national economic security. The COVID-19 pandemic has profoundly affected the spatiotemporal patterns of global shipping. By studying the changing trend of China's iron ore import pattern during the pandemic, this study attempts to provide a basis and experience to prevent similar crises and improve supply chain resilience in the future. This study employs Automatic Identification System data to estimate China's iron ore imports during the COVID-19 pandemic from January to June 2020. Furthermore, this study integrates the standard deviation ellipse and origin-destination, flow analysis methods to examine changes in the iron ore trade pattern. The findings reveal the following. 1) The import pattern of iron ore in China exhibits pronounced geographical concentration. In terms of port distribution, the Bohai Rim serves as a core hub, hosting the majority of the country's major ore-receiving ports. Among them, the Caofeidian Port, Zhoushan Port, and Jinggang Port constitute three strategic fulcrums. 2) From the perspective of trade source countries, China's iron ore imports face substantial market concentration risks. Australia (accounting for over 60%) and Brazil (accounting for over 20%) contributed more than 80% of the total import volume, forming a highly dependent supply system. The main ports for iron ore exports from Australia are located on the west coast, including Ports Hedland, Dampier, and Walcott, while Port Itaqui in Brazil is also a major source of China's iron ore imports. 3) COVID-19 had the greatest impact on China's iron ore imports in February 2020. Imports rebounded in March as production resumed in China. In May, a higher import share in the Yangtze and Pearl River Delta regions shifted the import center slightly southward, although it remained along the southern boundary of the Bohai Rim port cluster. Despite the pandemic, the Bohai Rim ports retained their status as the primary import hubs. 4) Compared with 2019, iron ore exports from major exporters, including Australia, Brazil, South Africa, India, and Ukraine, increased from January to June 2020. China's dependence on iron ore from Australia and Brazil has decreased annually, while its dependence on Ukraine and India has increased. This has led to a westward shift in overseas iron ore supply centers. 5) Among ports with a monthly throughput exceeding 5 million tons, the iron ore supply to China from Australia's Ports Hedland, Dampier, and Walcott generally increased, whereas Brazilian Itaqui Port experienced a continuous decline in its supply to China starting in February. Among significant ports with a monthly throughput below 5 million tons, Peru's San Nicolas Port and South Africa's Saldanha Bay Port were the most severely impacted by the pandemic, with a notable reduction in their iron ore supply to China.

Key words： iron ore; resources flow; COVID-19; automatic identify system; global shipping; China

Cite this article

Renrong Xiao , Pengjun Zhao , Ting Xiao , Yichun Gao , Juan Yang . Changes in China's Iron Ore Import Pattern in the Context of COVID-19[J]. Tropical Geography, 2025 , 45(3) : 423 -434 . DOI: 10.13284/j.cnki.rddl.20240166

钢材被誉为“工业粮食”，是基础建设、汽车、造船、家电等下游行业的重要原料。铁矿石作为炼钢的主要原材料，被中国政府确定为战略矿产资源。2019 年，中国从国外进口铁矿石 10.69 亿t，对外依存度超过80%（Chen et al., 2020）。铁矿石的供应安全不仅是国民经济发展的重要保障，更是中国未来持续工业化和城市化的坚实基础。2020年全球肆虐的新冠疫情对世界经济发展带来重创，铁矿石开采、运输与消费各个环节都不同程度地受到影响。2020年全球铁矿石产量下降至22亿t，降幅达到3%（中国钢铁新闻网，2021）。与此同时，铁矿石的价格也大幅波动，2020年7月中国铁矿石价格指数相较1月上涨了16.64%。摸清铁矿石的海-陆输入时空格局，识别疫情对铁矿石供应格局的影响，对制定铁矿石贸易储运战略、优化港口运输网络结构、制定突发事件的应对机制十分必要。
因此，本文基于AIS（Automatic Identify System）大数据与船舶档案数据，对疫情影响下中国铁矿石进口格局进行分析。首先，对铁矿石进口量进行估算，分析2019年1—6月（疫情暴发前）与2020年1—6月（疫情集中暴发期）中国铁矿石输入量的变化，以识别疫情对中国铁矿石供应的总体影响；其次，使用标准差椭圆的方法，分析疫情集中暴发期中国沿海铁矿石进口港以及海外铁矿石供应港的时空格局演变特征；最后，使用OD流的方法分析疫情集中暴发期铁矿石从海外港口到中国港口的资源流时空演变格局。以期为优化中国铁矿石进口布局、增强供应链韧性提供科学依据。

1 资源流与海运格局

流的思想源于生态学，最初用于衡量生态系统不同部分与要素之间作用的方向、强度与速率，随后被其他学科广泛借鉴（成升魁 等，2005），地理学基于资源在空间流动与转移提出资源流的概念。资源流作为一种运输与地理空间作用的表现形式（Yan et al., 2020），具有复杂性、动态性与时空性的特征（沈镭 等，2006）。资源流与贸易理论密切相关，国际贸易是资源流的一种特殊形式。当前贸易理论大致分2类：1）基于绝对优势的比较利益学说，该类内生性学说关注分工网络模式等经济组织的拓扑结构性质变化；2）以外生技术比较优势及HO为代表的资源禀赋学说，该类学说关注资源的分配与流向等非拓扑性质变化（杨小凯 等，2001）。空间上资源流的实证研究集中体现在“资源流网络特征”或“资源流分配与流向”2方面。两者并不孤立，“资源流分配与流向”是识别“资源流网络特征”的重要基础。
海-陆资源流是经过海洋运输而进入陆地的资源流，海洋运输既是海-陆资源流的关键动力与载体，又是海-陆资源流特征的重要体现。海运格局指的是海洋运输在一定时期的地域结构及其表现形态，具有显著动态变化与空间分异特征。近年来，新冠疫情对于全球海运时空格局的影响十分明显。当前学界主要从4个维度展开研究：1）将港口视为空间上的点，侧重港口相关运输指标的时空差异，如疫情影响下港口连通性（Tianming et al., 2021; Notteboom et al., 2021）、集中与分散趋势（Guerrero et al., 2022）及港口效率的时空差异（Xu et al., 2021）；2）聚焦疫情影响下航运量的时空变化（Verschuur et al., 2021a; Ferrari et al., 2022），涉及到船舶密度、船次、路线变化等内容（March et al.， 2021）。一些学者将研究尺度进一步细化，使用船舶密度、船舶数量、船舶进出港时间等指标对港口码头（Kim et al., 2022）或航道（Kang et al., 2021; Rodríguez et al., 2021）交通的时空演变特征进行研究；3）通过复杂网络的方法分析海运集装箱或贸易网络的拓扑结构变化，常见的有中心性、密度、路径长度、网络效率等指标（Vidya & Prabheesh, 2020; Jin et al., 2022; Dirzka and Acciaro, 2022），部分研究（Kanrak et al., 2022）在上述基础上模拟了疫情对航运网络的影响；4）分析新冠疫情对于全球海运格局的影响机理，包含新冠疫情对运价与运量时空差异的机理研究。如Michail & Melas（2022）使用均衡模型分析了新冠疫情对于欧洲、亚洲、美洲等地区油轮路线价格的差异化影响；Zhao等（2022）使用指数平滑模型评估了新冠疫情对干散货量的负面作用。
目前学术界侧重研究疫情影响下原油与集装箱的海运格局演变（Xiao et al., 2024），对于铁矿石海运格局的研究相对较少。疫情影响下铁矿石海运格局的研究与上述主流研究方向基本保持一致。如在航运量的时空变化方面，Wang等（2022）识别出疫情影响下运输铁矿石的干散货船的密度特征；在航运网络结构的时空变化方面；邵斐等（2022）基于航次数据对于中国铁矿石贸易网络的拓扑结构变化进行考察；在港口运输指标的时空差异的方面，Verschuur等（2021b）对疫情下全球铁矿石港的总吞吐量进行了分析；在全球海运影响机理方面，Chen等（2023）使用一种复合的var模型探讨了铁矿石价格变化因素。总体上，上述研究大多是将疫情期间不同时间段的截面数据进行对比，忽视了疫情影响下铁矿石“流量”与“流向”的时空动态变化特征。
疫情影响下的铁矿石贸易格局研究需进一步深化。首先，在空间精度上应从国家尺度深入到港口尺度。国内外越来越多研究（郝晓晴 等，2013；Liu et al., 2020）使用贸易统计数据考察国家间贸易量的变化。然而这些研究多使用时空分辨率较低的统计数据，如联合国贸易数据或者国家统计局数据。同时，这些研究以国家为单位，难以精确到港口。当下港口不仅是区域货物中转的节点，更是全球价值链与供应链的重要环节（叶士琳 等，2020；肖人荣 等，2024）。缺乏港口层面上的铁矿石进口格局识别不利于港口运输网络结构的优化，更难从全球供应链的角度保障中国发展需要。
其次，在铁矿石流量的大小与方向变化特征上需要更精准的分析。近些年，AIS的发展使得船舶有效载荷估算变得更加准确，进一步推动了资源流的研究（Yan et al., 2020）。AIS是一种船舶识别系统，通过VHF（高频）无线电应答器来传输船舶航线的实时信息，被广泛应用于海上贸易的模式与特征分析（Shao et al., 2019）。AIS估算资源流的方法大致可以分为2类：1）使用经验值进行估算。如以百分比表示的恒定载重吨（DWT）利用率（Adland & Strandenes, 2007）。2）基于阿基米德原理，利用起点与终点之间的吃水深度变化差值计算浮力，进而得到实际载货量。在此基础上衍生出比例轻量化模型以及可变轻量化模型（Jia & Smith., 2019）。目前已有研究多是基于特定港口或区域展开，大量学者关注石油运输量的估算（Adland et al., 2017; Xiao et al., 2020），其中OD流的方法广泛用于刻画贸易流的变化。尽管OD流的方法在网络和流向的可视化上更为直接，但其对疫情影响下铁矿石供应港的空间分布和变异性特征考察还不够充分。

2 研究方法与数据

2.1　研究方法

结合AIS数据以及船舶档案数据，本文从“港口”和“国家”尺度分析了中国铁矿石进口格局的变化。在铁矿石运载量的评估方法上，基于阿基米德原理的估算方法依赖于吃水数据，吃水数据存在人工错误记录或者记录遗漏的情况，将直接影响铁矿石估算结果的准确性（Yang et al., 2019）。相对而言，远洋铁矿石运输通常是满载状态，利用DWT估算铁矿石运载量不仅简化了计算流程，而且减少了对水深数据的依赖，避免水深数据缺失或偏差过大而可能导致的错误结论，因此使用DWT值估算铁矿石运载量。参考已有研究（Adland & Strandenes, 2007），首先对200G的AIS数据按照时间进行筛选，保留出发地与目的地信息，其次删除航行过程中不必要的信息，然后将船舶档案的DWT指标匹配到AIS数据中，计算公式为：
E c t = ∑ i = 1 m D W T i t
式中：Ect 代表中国铁矿石港口c在t月份进口铁矿石量；DWT it 代表海外港口i在t月达到国内港口c的载重吨总和；m是海外铁矿石供应港的总数。
其次，使用标准差椭圆（陈昆仑 等，2025）分析铁矿石输入-输出的时空格局演变特征。标准差椭圆由转角 θ、x轴标准差与y轴标准差构成，公式为：
x ¯ = ∑ i = 1 n w i x i w i , y ¯ = ∑ i = 1 n w i x i w i
S D E x = ∑ i = 1 n x i - x ¯ 2 n , S D E y = ∑ i = 1 n y i - y ¯ 2 n
t a n θ = ∑ i = 1 n x i - x ¯ 2 - ∑ i = 1 n y i - y ¯ 2 + ∑ i = 1 n x i - x ¯ 2 - ∑ i = 1 n y i - y ¯ 2 + 4 ∑ i = 1 n x i - x ¯ ∑ i = 1 n y i - y ¯ 2 2 ∑ i = 1 n ∑ i = 1 n x i - x ¯ ∑ i = 1 n y i - y ¯
式中： x ¯和 y ¯代表椭圆中心坐标；xi 和yi 是第i个港口的地理坐标；wi 为第i个港口铁矿石量；SDE x 和SDE y 分别为椭圆的x轴方向方差和y轴方向方差；δ为椭圆扁率；tanθ为椭圆旋转角。

2.2　数据

选用2019年1—6月（疫情暴发前）以及2020年1—6月（疫情集中暴发期）的AIS数据以及对应的船舶档案资料。AIS动态信息包括船舶经纬度、时间、速度、航向等信息，这些动态轨迹数据发送时间在5~180 s，具有较高的精度。船舶静态信息包括船名、船舶类型、MMSI等信息。原始AIS数据中不包括DWT信息，可利用MMSI作为匹配字段将船舶数据库中的DWT信息补充到AIS数据中。AIS数据来源于自然资源部陆表系统与人地关系重点实验室，船舶档案资料可在网上相关数据库获得，如MarineTraffic 1、VesselFinder 2、MyShipTracking 3等。铁矿石价格指数与港口库存等数据来源于Wind数据库，钢铁产量来源于世界钢铁协会。

3 国家层面铁矿石进口格局分析

3.1　中国铁矿石输入总量变化

2020年1—6月与2019年同期相比（图1），中国主要铁矿石港进口总量分别增加了360.21万、-313.48万、-17.23万、1 988.26万、958.69万、1 562.85 万t，这表明：1）2月疫情对中国铁矿石进口产生直接影响，而在3月后疫情影响逐步减弱。2）2020年上半年中国铁矿石进口量比2019年增加了4 539.30万t，疫情集中暴发期中国铁矿石进口总量并未减少。
图1 中国铁矿石进口量变化特征

Fig. 1 Change characteristics of China's iron ore imports

分析2020年中国铁矿石到货量变化特征发现：1）2020-01-24—02-08（农历正月十五）是中国农历春节。钢铁厂通常会在春节前补充库存，因而2020年1月中国铁矿石进口量处于高位水平。2）2020-01-23武汉“封城”，在春节与疫情的双重影响下，全国2月份铁矿石进口量仅有8 248.87万t，环比1月减少了17.02%，同比2019年减少了3.60%。3）3月中国疫情得到控制，中国铁矿石进口量开始逐步增多，满足了钢铁生产以及库存的需求。随着国内港口库存的饱和以及铁矿石价格的上升，中国铁矿石进口量增加的趋势在5月后放缓。

3.2　中国铁矿石主要来源国分布变化

疫情集中暴发期中国主要铁矿石来源国对华供应量同比上涨，同时中国对这些国家的进口依赖度有所变化。如表1所示，2020年1—6月，中国铁矿石进口主要来源于澳大利亚、巴西、南非、印度、乌克兰。同比2019年，该时期上述5个国家对华铁矿石供应量均呈上升趋势。中国铁矿石进口格局呈现调整：中国对澳大利亚（依赖度-0.76%）与巴西（-1.51%）的进口依赖度显著下降，对印度（+1.06%）和乌克兰（+1.37%）的依赖度有所上升。值得注意的是，中国从南非进口的铁矿石量虽增长4.39%（+92.6万t），但因同期中国进口总量扩大，中国馆对南非的依赖度反而微降0.16%；从智利进口铁矿石量激增48.54%（+196.66万t），使其成为中国铁矿石进口增长较快的补充渠道，中国对智利的依赖度提升0.29%。总体上，中国对巴西与澳大利亚两国的铁矿石依赖度仍维持80%以上，两国的垄断地位并未因疫情而发生显著改变。
表1 2020年1—6月中国铁矿石进口国同比变化情况

Table 1 Annual changes in China's iron ore importing sources from January to June, 2020

国家 总量/万t 进口铁矿石量差值/万t 依赖度/% 依赖度变化/%
2019年1—6月 2020年1—6月 2019年1—6月 2020年1—6月
澳大利亚 35 249.50 38 030.12 2 780.62 68.77 68.01 -0.76
巴西 9 919.28 9 975.85 56.57 19.35 17.84 -1.51
南非 2 012.43 2 105.03 92.60 3.93 3.76 -0.16
印度 1 347.37 2 061.2 713.83 2.63 3.69 1.06
乌克兰 431.56 1 236.1 804.54 0.84 2.21 1.37
秘鲁 958.34 936.29 -22.05 1.87 1.67 -0.20
智利 405.15 601.81 196.66 0.79 1.08 0.29
为探究疫情对中国铁矿石供应的影响，对2020年2月疫情暴发后上述国家对华供应变化情况进行分析（图2）：1）疫情集中暴发期澳大利亚与印度对华铁矿石供应基本保持增长趋势，疫情对中澳与中印的铁矿石贸易量影响相对较小。2）2月后澳大利亚对华铁矿石供应呈稳步上升态势，2—3月铁矿石贸易量环比增速最快（22.54%），贸易量也从5 192.15万t增加到6 362.38万t，3月后持续保持增长趋势。疫情影响不明显的原因可能是，澳大利亚采矿自动化程度高，矿区内人流动性较小。3）印度3月25日启动“封城”措施，4月该国整体商品出口量暴跌60.30%，而铁矿石则是为数不多出口增长的商品。4月印度对华铁矿石供应量环比增长25.39%（63.47万t），5月环比增长32.59%（102.18万t），6月增速明显放缓，仅环比增长1.44%（5.97万t）。印度铁矿石6月出口减慢的原因将在4.2.2部分详细分析。
图2 2020年2—6月中国铁矿石进口国环比变化情况

注：该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2016）1663号的标准地图制作，底图无修改；图5、6同。

Fig.2 Changes in the monthly ratio of China's iron ore source ports from February to June, 2020

秘鲁与南非对华铁矿石供应最早受到疫情影响，供应量环比减少的趋势显著。2020-03-26—04-16南非全国封锁期，封锁期结束后矿山最高仅被允许以50%的产能运营，因此5月南方铁矿石对华贸易量环比减少45.31%，5月对华贸易量达到最低值222.39万t，对比3月峰值下降了23.63%。同样，秘鲁3月起全国封锁，5月2日后才被允许采矿。这导致4—6月中秘两国铁矿石贸易量逐月减少，4和5月均环比减少20%以上，6月秘鲁对华铁矿石供应量甚至环比减少了83.45%，达到最低值24.12万t，相比3月峰值（249.74 t）降低了90.40%。
乌克兰与巴西对华铁矿石供应受疫情影响的时间相对较晚。乌克兰对华铁矿石供应量从2020年2月的168.28万t增长到6月的249.59万t，整体保持上升趋势。5月乌克兰对华铁矿石供应量略微下降至203.48万t，环比降低20.17%。这种下降趋势受疫情影响，东正教复活节（4月19日）有13万名信众进入教堂礼拜，乌克兰迎来疫情增长的第一个高位。就巴西对华铁矿石供应而言，2020年雨季期间的3月比2月供应量减少了18.12%（309.54万t），而4—5月铁矿石供应环比增速都在8.00%以上。6月伊塔比拉矿区因新冠疫情强制关闭12 d，疫情影响下6月巴西对华铁矿石供应量（1 546.54万t）相比4月降低了7.52%。

4 港口层面铁矿石进口格局变化分析

4.1　中国沿海铁矿石进口港的格局变化

标准差椭圆结果（图3）表明：2020年1—6月中国沿海铁矿石进口港重心分布在环渤海与长三角接壤地区，同时北方港铁矿石进口量大于南方。2020年上半年铁矿石进口量最大的5个港口依次是曹妃甸港（6 395.79万t）、京唐港（4 586.62万t）、舟山港（4 585.31万t）、天津港（4 111.84万t）、日照港（3 887.26万t）。除了舟山港位于长三角地区之外，其余4个港口均位于环渤海地区，这可能与钢铁产业布局有关。河北、江苏、山东是2018年粗钢产量前3的省份，其粗钢产量共占全国总量的44.50%。
图3 2020年1—6月中国铁矿石进口港的格局演变

注：该图基于国家测绘地理信息局标准地图服务网站下载的审图号为GS（2023）2767号的标准地图制作，底图无修改。

Fig.3 The pattern evolution of China's iron ore import ports from January to June, 2020

2020年除了5月标准差椭圆重心明显南移，其他月份椭圆重心位置整体在环渤海与长三角接壤地区拉锯，椭圆重心及椭圆方向相对稳定。5月环渤海港口群铁矿石进口量（5 740.76万t）成为疫情暴发期以来最低水平，仅占当月全国总量的59.27%，故5月标准差椭圆重心南移且方向达到最大值15.50°。上述变化可能与巴西5月矿石供应恢复有关。青岛港作为巴西铁矿石到华的主要装卸港，能停泊40万t矿石巨轮。同时，与曹妃甸港、京唐港、天津港相比，巴西―青岛港的运距更短。相对靠南的青岛港与巴西铁矿石贸易的增加，推动标准差椭圆重心的南移。

4.2　中国铁矿石进口来源港的格局变化

中国铁矿石海外来源高度集中在少数港口（图4）。2020年上半年中国铁矿石进口量从高到低依次是澳大利亚的黑德兰（23 624.21万t）、丹皮尔（6 622.22万t）、澳尔科特（6 373.98万t）、巴西的伊塔基（5 790.86万t）、南非的萨尔达尼亚湾港（2 105.03万t）。前8个港口对华铁矿石供应之和占据中国总进口量的86.60%，剩下的33个海外港到华铁矿石量都＜1 000万t，占中国总进口量的13.40%。
图4 2020年上半年中国铁矿石来源结构（万t）

Fig.4 Source structure of iron ore in China in the first half of 2020 (ten thousand tons)

海外铁矿石供应港的标准差椭圆结果（图5）表明：1）疫情集中暴发期海外铁矿石供应港重心整体向西移动，但2020年3和5月略有东移。2）标准差椭圆长轴从2月的5 207.75 km增长至3月的35 428.84 km，表明3月中国铁矿石海外供应港在西北―东南方向呈离散趋势。此外，3月标准差椭圆角度超过90°，说明2—3月标准差椭圆的主轴从东北―西南变为西北―东南方向。
图5 2020年1—6月中国铁矿石来源港格局演变

Fig.5 Evolution of China's iron ore source port pattern from January to June 2020

标准差椭圆方向在2020年3月发生变化，这可能是因为中国西北方向的乌克兰与东南方向的秘鲁在3月对华铁矿石供应量增加。3月标准差椭圆在空间上呈分散趋势，可能是2—3月海外疫情还不严重，3月中国市场需求强劲，导致海外铁矿石供应增加，更多国家对华供应铁矿石，使得标准差椭圆的空间更加分散。2020年5月标准差椭圆重心东移可能与巴西铁矿石供应恢复有关。5月巴西供应了1 672.24万t铁矿石，是全球疫情暴发后该国对华供应量最多的一个月份，巴西占据中国的进口份额也从4月的16.29%上升到5月的17.34%，故标准差椭圆重心东移。
虽然标准差椭圆能反映供应重心的变化，但对港口之间铁矿石流动变化缺乏考察。为此，本文借鉴流的思想，重点关注2020年2月后国内外港口间资源流的变化特征（图6），在此基础上与疫情前同期数据进行对比（图7），以更好地反映海外铁矿石供应港的格局演变。
图6 2020年2—6月中国铁矿石来源港环比变化

Fig.6 Changes in the month-on-month ratio of China's iron ore source ports from February to June, 2020

图7 2020年1—6月中国铁矿石来源港同比变化

Fig.7 Annual changes in China's iron ore source ports from January to June, 2020

4.2.1　每月吞吐500万t以上的铁矿石供应港变化

对华贸易中月吞吐量＞500万t的供应港仅有4个，其中澳大利亚有黑德兰港、澳尔科特港、丹皮尔港，巴西仅有伊塔基港。2020年上半年，澳大利亚这3个港口铁矿石供应整体保持增长趋势，但增长的内部情况差异显著。具体而言：1）仅澳尔科特港与澳大利亚2020年2—6月整体对华出口量增长趋势保持一致，该港2—6月平均环比增加12.83%，该国对华铁矿石供应量也从2月的875.72万t增长到6月1 325.30万t，表明疫情对该港铁矿石到华出口量的影响较小。2）黑德兰港到华铁矿石量在2—3月有所增长，但3—5月平均环比减少2.81%，供应量从3月的4152.67万t持续下降到5月的3 923.57万t（5月供应量小于去年同期），这与澳大利亚2—5月全国对华出口持续增长趋势相反，5月后该港出口量以9.98%的速度（391.52万t）迅速增长。3）2—5月丹皮尔港到华铁矿石量不断增加，从2月的912.157万t增长到5月的1 307.17万t。丹皮尔港5月检修，6月该港对华铁矿石供应量下降到1 033.32万t。整体上，疫情集中暴发期丹皮尔港对华铁矿石供应量环比增长趋势并未改变，疫情对该港的影响相对较小。
巴西伊塔基港对华铁矿石供应量在2020年3月后保持环比减少趋势，这与巴西全国3月后对华铁矿石出口量增加的趋势相反，间接表明3月后巴西铁矿石供应的增量更多的是由吞吐量500万t以下的港口贡献的。伊塔基港位于里约热内卢州，该州与铁矿石主产州米拉斯吉拉斯州相接壤，两者同为热带草原气候，11月至次年3月为雨季。伊塔基港2020年3月对华铁矿石供应量为942.44万t，环比减少20.34%。4月以10.89%速度持续下降，5月小幅增长40.34万t。在新冠疫情影响下，依塔比矿区于6月关闭，其出口量随即环比减少18.63%（163.95万t）。虽然该港在2020上半年铁矿石对华供应整体保持下降趋势，但5—6月供应量远大于2019年同期水平，说明疫情对巴西铁矿石出口有一定影响，但疫情整体影响强度不如2019年溃坝事件大。

4.2.2　每月吞吐500万t以下的重要铁矿石供应港变化

对华贸易中月吞吐量＜500万t的铁矿石供应港中，秘鲁的圣尼古拉斯港、南非的萨尔达尼亚湾港、乌克兰的尤日内港、印度的帕拉迪布港是供应量最大的4个港口。其中，秘鲁的圣尼古拉斯港与南非的萨尔达尼亚湾港受疫情影响显著，部分月份它们的铁矿石对华供应量低于2019年同期水平。具体地：1）圣尼古拉斯港对华铁矿石供应量从2020年3月的243.61万t下降到6月的18.25万t，降幅高达92.51%。4—6月环比降幅速度超过20%（见图6），6月对华铁矿石供应量低于2019年同期水平（见图7）。2）对萨尔达尼亚湾港而言，该港对华铁矿石供应量从2020年3月的455.05万t下降到5月的222.40万t，4—5月环比降幅速度超过40%（见图6），5月铁矿石量一度低于2019年同期（见图7）。
乌克兰的尤日内港对华铁矿石供应量与该国对华铁矿石整体供应趋势一致，即2020年2—6月整体增加，5月略微降低。该港对华铁矿石供应量从2月的162.28万t持续增长到6月的249.59万t。虽然4月份该国疫情恶化，5月该港对华铁矿石供应量略微下降至208.04万t，但仍高于2019年同期（见图7），疫情对尤日内港的影响不如圣尼古拉斯港与萨尔达尼亚湾港明显。
印度的帕拉迪布港对华铁矿石供应量与印度全国铁矿石对华出口增长趋势并不一致，该港6月对华供应下降的趋势与全国对华出口增长的趋势相反。帕拉迪布港对华铁矿石供应量从3月的134.37万t迅速上升至5月的174.21万t，4与5月环比增速均超9%（见图6）。然而，5月该港所在地区实施为期2周的全面封锁，导致6月该港对华铁矿石供应量环比骤降37.27%，达到上半年最低值109.35万t（但仍高于2019年同期），这解释了印度5—6月到华铁矿石量增速放缓的原因，同时说明6月印度铁矿石对华供应的总量增加更多的是由其他小型港口贡献的。

5 结论与建议

5.1　结论

本文使用全球AIS数据以及船舶档案计算了疫情暴发前（2019年1—6月）以及疫情集中暴发期（2020年1—6月）国家间的铁矿石贸易量。AIS数据具有较高的时空分辨率，能从港口尺度上细致地刻画中国铁矿石输入格局的变化。同时使用标准差椭圆对中国沿海的铁矿石输入重心以及全球供应重心变化进行考察，这种方法不仅关注贸易量的大小，而且还关注贸易流的空间形态和变异性。标准差椭圆重心在空间上的分散程度和方向性有助于深入理解疫情等外部因素对铁矿石贸易的影响。得到的主要结论为：
1）中国铁矿石进口港集中分布在环渤海地区，其中曹妃甸港、舟山港、京唐港是最大铁矿石进口港。中国对巴西（20%以上）与澳大利亚（60%以上）2个国家铁矿石依赖度超过了80%，中国绝大多数铁矿石来源于黑德兰港、丹皮尔港、澳尔科特港、伊塔基港。
2）新冠疫情对中国铁矿石进口格局的影响集中表现在2020年2月，3月起中国铁矿石到货量接近疫情暴发前水平。随着5月南方港口铁矿石进口比重增加，中国铁矿石输入港重心明显南移，但之后又向环渤海港口群移动，中国铁矿石进口港重心趋向环渤海港口群的格局并未改变。
3）疫情集中暴发期，中国对澳大利亚、巴西、印度、乌克兰等主要国家铁矿石进口量有所增加，但对不同国家铁矿石依赖度有所变化。其中对澳大利亚铁矿石依赖度降低了0.76%，对巴西铁矿石依赖度降低了1.51%，对印度与乌克兰铁矿石依赖度均提高1.00%以上，海外铁矿石供应重心表现出西移的趋势。
4）新冠疫情暴发初期，澳大利亚主要港口对华铁矿石供应相对稳定，巴西、秘鲁、智利等国家的主要港口对华铁矿石供应影响较大。在月吞吐量超过500万t以上的4个港口中，澳大利亚的黑德兰、丹皮尔、澳尔科特港对华供应量总体保持上升趋势，但巴西的伊塔基港受疫情影响，自2月起对华铁矿石量供应量持续下降。在月吞吐量500万t以下的重要港口中，秘鲁的圣尼古拉斯港与南非的萨尔达尼亚湾港受疫情影响对华铁矿石减供最为明显。

5.2　建议

基于本结论以及中国铁矿石进口存在的潜在风险，提出以下建议：
1）新冠疫情集中暴发期中国对澳大利亚与巴西铁矿石依赖度略有下降，但依赖度仍超过80%。虽然国内已增加海外铁矿石矿产投资（如几内亚），但短期内难以改变对巴西与澳大利亚2国铁矿石高度依赖的现状。对此，国内钢铁行业应持续改善废钢利用技术、加大国内铁矿石开采、提高钢材质量，减少对海外铁矿石的依赖。此外，国内大型铁矿石卸货港北多南少的整体布局已形成。近年来钢铁工业有所发展的东南及西南沿海地区缺乏配套的大型专业码头，未来需相应改善。
2）未来需重点关注自然灾害等突发事件对巴西矿区的影响。巴西是中国最重要的海外铁矿石来源国之一，新冠疫情影响下巴西部分矿区停工对两国铁矿石贸易造成一定的影响。虽然新冠疫情已经结束，但巴西铁矿石开采仍然面临一些突发事件的威胁，其中极端天气带来的威胁不容忽视。2019-01-25，暴雨引发的淡水河谷溃坝导致巴西铁矿石减产，直到2020年初淡水河谷公司还有4 000万t产能处于停产状态（Torinelli et al., 2020）。巴西铁矿石开采仍有可能再次遭受极端天气的影响，未来应密切关注巴西矿区的气象和灾害情况，建立风险评估和预警机制，同时动态调整中国的铁矿石储备。此外，对于秘鲁和智利这些铁矿石对华供应量具有一定规模、但占中国进口份额低的国家，建议强化同这些国家的技术合作，尤其是无人化开采与运输方面的技术合作，降低未来因新冠疫情等传染性疾病引发的停产风险。
3）未来需持续关注地缘政治关系变化对澳大利亚铁矿石供应的影响。与巴西相比，澳大利亚主要矿区受热带沙漠气候影响，极端降水等自然灾害风险相对较低。此外，澳大利亚拥有先进的矿山自动化生产技术和良好的环境管理水平，新冠疫情对中澳铁矿石贸易的影响相对较小。然而，近些年中澳两国关系不断恶化，2020年中澳两国在牛肉、红酒以及龙虾贸易上产生摩擦，未来应强化地缘关系风险预测及其对铁矿石贸易影响的研究。
本文将高时空分辨率AIS数据与标准差椭圆方法进行结合，构建了港口尺度的铁矿石贸易时空分析框架，提升了港口精细化时空表征研究的精度和深度。但本文仍存在以下不足。首先，数据时间跨度较短，难以反应极端天气与地缘政治等因素的长期影响；其次，铁矿石进口格局与钢铁产业密不可分，本文仅对钢铁产业上游的铁矿石供应进行分析，但对中游的钢铁加工制造、下游的市场消费等内容未细致考察。未来应收集相关数据，遵循“格局―过程―机理”的范式进行深入研究。

1 https://www.marinetraffic.org/

2 https://www.vesselfinder.com/

3 https://www.myshiptracking.com/

肖人荣：数据分析、图表绘制、论文撰写与修改；

赵鹏军：论文选题、研究设计、指导论文修改、基金支持；

肖 婷：指导论文修改；

高弋淳：数据清理与分析；

杨 娟：数据收集和分析、论文修改完善。

References

Publishing order | Descend order by publishing year | Descend order by cited within
Adland R and Strandenes S P. 2007. A Discrete-Time Stochastic Partial Equilibrium Model of the Spot Freight Market. Journal of Transport Economics and Policy, 41(2): 189-218.

Adland R, Jia H, and Strandenes S P. 2017. Are AIS-Based Trade Volume Estimates Reliable? The Case of Crude Oil Exports. Maritime Policy & Management, 44(5): 657-665.

Chen X, Mao J, and Yu G. 2022. Analysis of Iron Composite Flow in China. Environmental Science and Pollution Research, 29(43): 65613-65624.

Chen Yufeng, Jing Xu, and Jiafeng Miao. 2023. Dynamic Volatility Contagion across the Baltic Dry Index, Iron Ore Price and Crude Oil Price under the COVID-19: A Copula-VAR-BEKK-GARCH-X Approach. Resources Policy, 81: 103296.

陈昆仑，韩泽雨，张瑜，褚鹏飞. 2025. 中国高水平网球运动员的时空分布特征及影响因素. 热带地理，45（2）：264-274.

Chen Kunlun, Han Zeyu, Zhang Yu, and Chu Pengfei. 2025. Spatial-Temporal Distribution Characteristics and Influencing Factors of High-Level Tennis Players in China. Tropical Geography, 45 (2): 264-274.

成升魁，闵庆文，闫丽珍. 2005. 从静态的断面分析到动态的过程评价——兼论资源流动的研究内容与方法. 自然资源学报，（3）：407-414.

Cheng Shengkui, Min Qingwen, and Yan Lizhen. 2005. From Static Assessment to Dynamic Processing: Resources Flow and Its Contents and Methods. Journal of Natural Resources, (3): 407-414.

Dirzka C and Acciaro M. 2022. Global Shipping Network Dynamics during the COVID-19 Pandemic's Initial Phases. Journal of Transport Geography, 99: 103265.

Ferrari C, Persico L, and Tei A. 2022. COVID-19 and Seaborne Trade: The Italian Perspective. Research in Transportation Economics, 93: 101162.

Guerrero D, Letrouit L, and Pais-Montes C. 2022. The Container Transport System during COVID-19: An Analysis through the Prism of Complex Networks. Transport Policy, 115: 113-125.

郝晓晴，安海忠，陈玉蓉，高湘昀. 2013. 基于复杂网络的国际铁矿石贸易演变规律研究. 经济地理，33（1）：92-97.

Hao Xiaoqing, An Haizhong, Chen Yurong, and Gao Xiangyun. 2013. Research on Evolution of International Iron Ore Trade Based on Complex Network Theory. Economic Geography, 33(1): 92-97.

Jia H, Prakash V, and Smith T. 2019. Estimating Vessel Payloads in Bulk Shipping Using AIS Data. International Journal of Shipping and Transport Logistics, 11(1): 25-40.

Jin L, Chen J, Chen Z, Sun X, and Yu B. 2022. Impact of COVID-19 on China's International Liner Shipping Network Based on AIS Data. Transport Policy, 121: 90-99.

Kang M J, Zohoori S, Hamidi M, and Wu X. 2021. Study of Narrow Waterways Congestion Based on Automatic Identification System (AIS) Data: A Case Study of Houston Ship Channel. Journal of Ocean Engineering and Science, 7(6): 578-595.

Kanrak M, Nguyen H O, and Du Y. 2022. Analysis of the COVID-19 Pandemic's Impact on the Cruise Shipping Network in the Asian-Australasian Region. Journal of International Logistics and Trade, 20(1): 1-17.

Kim B, Kim G, and Kang M. 2022. Study on Comparing the Performance of Fully Automated Container Terminals during the COVID-19 Pandemic. Sustainability, 14(15): 9415.

Liu L, Cao Z, Liu X, Shi L, Cheng S, and Liu G. 2020. Oil Security Revisited: An Assessment Based on Complex Network Analysis. Energy, 194: 116793.

March D, Metcalfe K, Tintoré J, and Godley B J. 2021. Tracking the Global Reduction of Marine Traffic during the COVID-19 Pandemic. Nature Communications, 12(1): 1-12.

Michail N A and Melas K D. 2022. COVID-19 and the Energy Trade: Evidence from Tanker Trade Routes. The Asian Journal of Shipping and Logistics, 38(2): 51-60.

Notteboom T, Pallis T, and Rodrigue J P. 2021. Disruptions and Resilience in Global Container Shipping and Ports: The COVID-19 Pandemic Versus the 2008-2009 Financial Crisis. Maritime Economics & Logistics, 23(2): 179-210.

Rodríguez Benito C, Caballero I, Nieto K, and Navarro G. 2021. Observation of Maritime Traffic Interruption in Patagonia during the COVID-19 Lockdown Using Copernicus Sentinel-1 Data and Google Earth Engine. Remote Sensing, 13(6): 1119.

Shao F, Sui Y, Yu X, and Sun R. 2019. Spatio-Temporal Travel Patterns of Elderly People: A Comparative Study Based on Buses Usage in Qingdao, China. Journal of Transport Geography, 76: 178-190.

沈镭，刘晓洁. 2006. 资源流研究的理论与方法探析. 资源科学，（3）：9-16.

Shen Lei and Liu Xiaojie. 2006. Discussion on Theories and Methods of Resources Flow. Resources Science, (3): 9-16.

邵斐，张永锋，真虹. 2022. 中国进口铁矿石海运网络抗毁性仿真. 交通运输系统工程与信息，22（1）：311-321.

Shao Fei, Zhang Yongfeng, and Zhen Hong. 2022. Invulnerability Simulation Analysis of Chinese Iron Ore Imports Shipping Network. Journal of Transportation Systems Engineering and Information Technology, 22(1): 311-321.

Tianming G, Erokhin V, Arskiy A, and Khudzhatov M. 2021. Has the COVID-19 Pandemic Affected Maritime Connectivity? An Estimation for China and the Polar Silk Road Countries. Sustainability, 13(6): 3521.

Torinelli V H, Junior A F D A D S, Souza A L R D, Gomes S M D S, and Andrade J C S. 2020. The Impacts of Environmental Disasters on Share Value and Sustainability Index: an Analysis of Vale Company Facing Mariana and Brumadinho Disasters-Brazil. Latin American Journal of Management for Sustainable Development, 5(1): 75-94.

Verschuur J, Koks E E, and Hall J W. 2021a. Observed Impacts of the COVID-19 Pandemic on Global Trade. Nature Human Behaviour, 5(3): 305-307.

Verschuur J, Koks E E, and Hall J W. 2021b. Global Economic Impacts of COVID-19 Lockdown Measures Stand out in High-Frequency Shipping Data. PLoS One, 16(4): e0248818.

Vidya C T and Prabheesh K P. 2020. Implications of COVID-19 Pandemic on the Global Trade Networks. Emerging Markets Finance and Trade, 56(10): 2408-2421.

Wang C, Li G, Han P, Osen O, and Zhang H. 2022. Impacts of COVID-19 on Ship Behaviours in Port Area: An AIS Data-Based Pattern Recognition Approach. IEEE Transactions on Intelligent Transportation Systems, 23(12): 25127-25138.

Xiao Y, Chen Y, Liu X, Yan Z, Cheng L, and Li M. 2020. Oil Flow Analysis in the Maritime Silk Road Region Using AIS Data. ISPRS International Journal of Geo-Information, 9(4): 265.

Xiao R, Xiao T, Zhao P, Zhang M, Ma T, and Qiu S. 2024. Structure and Resilience Changes of Global Liquefied Natural Gas Shipping Network during the Russia-Ukraine Conflict. Ocean Coastal Management, 252: 107102.

肖人荣，赵鹏军，何张源，李革. 2024 .中国港口地理研究进展. 热带地理，44（2）：350-364.

Xiao Renrong, Zhao Pengjun, He Zhangyuan, and Li Ge. 2024. Progress in Research on Port Geography in China. Tropical Geography, 44 (2): 350-364.

Xu L, Yang S, Chen J, and Shi J. 2021. The Effect of COVID-19 Pandemic on Port Performance: Evidence from China. Ocean & Coastal Management, 209: 105660.

Yan Z, Xiao Y, Cheng L, Chen S, Zhou X, Ruan X, Li M, He R, and Ran B. 2020. Analysis of Global Marine Oil Trade Based on Automatic Identification System (AIS) Data. Journal of Transport Geography, 83: 102637.

Yang D, Wu L, Wang S, Jia H, and Li K X. 2019. How Big Data Enriches Maritime Research: A Critical Review of Automatic Identification System (AIS) Data Applications. Transport Review, 39(6): 755-773.

杨小凯，张永生. 2001. 新贸易理论、比较利益理论及其经验研究的新成果：文献综述. 经济学（季刊），（1）：19-44.

Yang Xiaokai and Zhang Yongsheng. 2001. New Trade Theory, The Theory of Comparative Advantage, and Empirical Evidence: A Survey. China. Economic Quarterly, (1): 19-44.

叶士琳，蒋自然，祁新华. 2020. 长三角集装箱码头效率时空演化及其影响因素. 地理研究，39（8）：1782-1793.

Ye Shilin, Jiang Ziran, and Qi Xinhua. 2020. Spatio-Temporal Characteristics and Influencing Factors of Container Terminals Efficiency in the Yangtze River Delta. Acta Geographica Sinica, 39(8): 1782-1793.

Zhao H M, He H D, Lu K F, Han X L, Ding Y, and Peng Z R. 2022. Measuring the Impact of an Exogenous Factor: An Exponential Smoothing Model of the Response of Shipping to COVID-19. Transport Policy, 118: 91-100.

中国钢铁新闻网. 2021. 1个月累计跌幅约41%！一文梳理全球视角下的铁矿石供需格局. （2021-09-09）[2024-03-06]. http://www.csteelnews.com/xwzx/hydt/202109/t20210909_54698.html.

China Iron and Steel News Network. 2021. The Cumulative Decline in One Month is about 41%! An Article on the Global Perspective of Iron Ore Supply and Demand Pattern. (2022-09-09). [2024-03-06]. http://www.csteelnews.com/xwzx/hydt/202109/t20210909_54698.html.

Options
Outlines

/

〈 〉