郜紅娟,蔡廣鵬,韓會慶,羅緒強

(1.貴州師范學(xué)院 地理與旅游學(xué)院,貴陽 550018; 2.貴州師范大學(xué) 地理與環(huán)境科學(xué)學(xué)院,貴陽 550001)

?

貴州省貧困發(fā)生率與生態(tài)系統(tǒng)服務(wù)價值相關(guān)性分析

郜紅娟1,蔡廣鵬2,韓會慶1,羅緒強1

(1.貴州師范學(xué)院 地理與旅游學(xué)院,貴陽 550018; 2.貴州師范大學(xué) 地理與環(huán)境科學(xué)學(xué)院,貴陽 550001)

為探究貧困水平與生態(tài)系統(tǒng)服務(wù)價值(ESV)的相關(guān)性。基于2010年貴州省土地利用和貧困發(fā)生率數(shù)據(jù)，利用GoeDa模型和ArcGIS軟件探究了貧困發(fā)生率與ESV的空間相關(guān)性。結(jié)果表明：貧困發(fā)生率與ESV之間存在正相關(guān)性，貧困發(fā)生率較大的地區(qū)ESV越高。貧困發(fā)生率與地均ESV的Moran指數(shù)大于貧困發(fā)生率與生態(tài)系統(tǒng)服務(wù)總價值(TESV)的Moran指數(shù)。貴州省東南部呈高—高相關(guān)，中部呈低—低相關(guān)，西部呈高—低相關(guān)。社會經(jīng)濟發(fā)展水平與土地利用結(jié)構(gòu)空間格局的差異是造成貧困發(fā)生率與ESV空間關(guān)系不同的主要原因。

貧困發(fā)生率; ESV; 空間相關(guān)性; 貴州省

隨著人類社會經(jīng)濟活動強度的增加，生態(tài)環(huán)境問題不斷凸顯，生態(tài)與社會經(jīng)濟的關(guān)系研究已成為當(dāng)前研究的熱點[1]。ESV的高低反映了生態(tài)環(huán)境的質(zhì)量，貧困發(fā)生率高低可以體現(xiàn)區(qū)域社會經(jīng)濟水平，通過探究貧困發(fā)生率與ESV相關(guān)性，可以從新視角揭示社會經(jīng)濟與生態(tài)環(huán)境之間的關(guān)系，對區(qū)域減少貧困和保護生態(tài)環(huán)境具有重要的意義。

聯(lián)合國千年生態(tài)系統(tǒng)評估計劃將ESV研究推向高潮，不僅關(guān)注ESV的評估方法、驅(qū)動機理和時空格局變化，也重視人類活動和ESV之間的社會—生態(tài)相互關(guān)系[2-3]。目前，關(guān)于ESV與社會經(jīng)濟之間關(guān)系的研究多集中于ESV與社會經(jīng)濟的協(xié)調(diào)發(fā)展評價[4]以及城鎮(zhèn)化、GDP、人口密度等社會經(jīng)濟因子與ESV的相關(guān)性分析[5-7]。如姚成勝等[8]認(rèn)為福建省ESV的變化與總?cè)丝跀?shù)、GDP和城市化水平之間存在明顯的負(fù)相關(guān)關(guān)系。然而，這些研究多利用SPSS軟件和協(xié)調(diào)度分析ESV與社會經(jīng)濟之間的數(shù)量關(guān)系，很少涉及兩者空間關(guān)系的研究，更鮮有關(guān)注貧困發(fā)生率這一社會經(jīng)濟指標(biāo)與ESV之間的關(guān)系。

貴州省是全國貧困人口最多的省份，全省88個縣中50個縣是國家扶貧開發(fā)的重點縣，其貧困具有面大、程度深和隱性貧困的特點[9-10]。同時，全省經(jīng)濟發(fā)展水平空間差異突出，這使得全省貧困水平存在較大差異[11]。另外，近十幾年來，隨著退耕還林還草工程的實施，貴州省生態(tài)環(huán)境不斷改善[12]。因此本研究以典型的貴州省為例，利用GoeDa模型和ArcGIS軟件分析貴州省ESV與貧困發(fā)生率之間的關(guān)系，以期為區(qū)域可持續(xù)發(fā)展提供科學(xué)參考。

1　研究區(qū)概況

貴州省(103°36′—109°35′E，24°37′—29°13′N)位于我國云貴高原東部，總面積達17.61萬km2，轄13個市轄區(qū)、7個縣級市、56個縣、11個自治縣、1個特區(qū)。地勢西高東低，自黔中向北、東、南傾斜，平均海拔1 100 m，境內(nèi)地貌以高原、山地、丘陵和盆地為主，素有“地?zé)o三里平”。氣候?qū)賮啛釒Ъ撅L(fēng)氣候，年均溫15℃，年降水量1 200 mm。2010年全省常住人口3 474.65萬人，城鎮(zhèn)化率33.81%(低于全國的城鎮(zhèn)化率49.68%)，GDP為4 602.16億元，人均GDP 1.32萬元(遠低于全國人均GDP 2.95萬元)，全省貧困人口總數(shù)418萬，貧困發(fā)生率12.1%。

2　研究方法

2.1數(shù)據(jù)來源與處理

2000年和2010年土地利用數(shù)據(jù)是從中國科學(xué)院遙感與數(shù)字地球研究所下載的Landsat TM/ETM遙感影像解譯獲得(www.ids.ceode.ac.cn)，其解譯過程包括：預(yù)處理、輻射糾正和幾何糾正、圖像配準(zhǔn)、建立解譯標(biāo)志、室內(nèi)解譯、野外驗證等，利用人機交互解譯的方法解譯獲得2期土地利用數(shù)據(jù)，根據(jù)《土地利用現(xiàn)狀分類標(biāo)準(zhǔn)》(GB/T21010—2007)，劃分為耕地、林地、草地、建設(shè)用地、水域、未利用地6種地類。2010年貧困發(fā)生率數(shù)據(jù)來源于2011年貴州省統(tǒng)計年鑒。

2.2ESV評估方法

本研究利用謝高地等[13]制定的中國陸地生態(tài)系統(tǒng)單位面積ESV表對貴州省ESV進行評估(表1)，其公式為：

ESV=∑Ak·VCk

(1)

式中：Ak為研究區(qū)第k種地類的面積；VCk為ESV系數(shù)。

2.3空間相關(guān)性分析方法

局部空間自相關(guān)是空間自相關(guān)分析的重要方法，常用Local Moran′s I表示。它一般用于識別不同空間位置上可能存在的空間關(guān)聯(lián)模式，發(fā)現(xiàn)空間局部不平穩(wěn)性，從而準(zhǔn)確地把握局部空間要素的聚集性和分異特征[14]。本研究利用GoeDa模型的bivariate local Moran′s I工具分析貧困發(fā)生率與ESV的空間相關(guān)性，獲得Moran散點圖和LISA聚集圖，其具體計算公式為：

Ii= Zi∑WijZj

(2)

式中：Zi，Zj分別是空間單元i和j的標(biāo)準(zhǔn)化值；Wij是空間權(quán)重。

表1　單位面積ESV　元/hm2

Moran散點圖中Moran′s I值為[-1，1]，其中：<0表示負(fù)相關(guān)，=0表示不相關(guān)，>0表示正相關(guān)。LISA聚集圖中，區(qū)域被劃分為5種類型：(1)H-H型(高值區(qū)與高值區(qū)相鄰)；(2)L-L型(低值區(qū)和低值區(qū)相鄰)；(3)H-L型(高值區(qū)和低值區(qū)相鄰)；(4)L-H型(低值區(qū)和高值區(qū)相鄰)；(5)不顯著(區(qū)域之間不存在相關(guān)性，即相關(guān)性<0.05)。其中H-H和L-L表示區(qū)域之間存在正相關(guān)；相反，L-H和H-L表示區(qū)域之間存在負(fù)相關(guān)。

3　結(jié)果與分析

3.1貧困發(fā)生率與ESV空間格局

為分析研究區(qū)貧困發(fā)生率與ESV空間異質(zhì)性，利用ArcGIS軟件的自然斷點法，將2010年全省貧困發(fā)生率和ESV進行劃分(圖1)。全省貧困發(fā)生率空間異質(zhì)性突出，呈現(xiàn)東南部、南部高(>15.77%)，東北部、西部較高(8.81%～15.77%)，中部和北部較低(<8.81%)的特征。貧困發(fā)生率最高為晴隆縣，為19.66%；最低為云巖區(qū)，為0.28%，相差近70倍。全省TESV呈東南部、西部高(>49.50億元)，南部、北部較高(23.45～49.50億元)，中部低(<23.45億元)的特征。黎平縣TESV最大，為79.85億元，而最低的云巖區(qū)僅為0.78億元，相差102倍。地均ESV呈東南高(>16 381元/hm2)、北部、南部較高(13 664～16 381元/hm2)，中西部低(13 664元/hm2)。榕江縣地均ESV最高，為18 199元/hm2，而最低的云巖區(qū)僅為9 032元/hm2，相差2倍。

圖1　貴州省貧困發(fā)生率與ESV空間分布

3.2貧困發(fā)生率與ESV相關(guān)性

通過統(tǒng)計不同貧困發(fā)生率地區(qū)TESV類型的個數(shù)(行政單元數(shù)量)(表2—3)，從表2看出，低貧困發(fā)生率地區(qū)以低TESV為主，占低貧困發(fā)生率行政單元個數(shù)的100%。較低、中和較高貧困發(fā)生率地區(qū)均以中TESV主，分別占相應(yīng)行政單元個數(shù)的39%，41%和38%。高貧困發(fā)生率地區(qū)以較高TESV為主，占高貧困發(fā)生率行政單元個數(shù)的41%。

表2　貴州省貧困發(fā)生率與TESV相關(guān)分析

表3　貴州省貧困發(fā)生率與地均ESV相關(guān)分析

從表3可以看出，低貧困發(fā)生率地區(qū)以低地均ESV為主，占低貧困發(fā)生率行政單元個數(shù)的71%。較低和中貧困發(fā)生率地區(qū)以中地均ESV主，分別占相應(yīng)行政單元個數(shù)的44%和47%。較高和高貧困發(fā)生率地區(qū)以較高地均ESV為主，占高貧困發(fā)生率行政單元個數(shù)的33%和36%。

利用GoeDa模型的bivariate local Moran′s I工具，建立空間權(quán)重矩陣，從而獲得全省貧困發(fā)生率與TESV、地均ESV的Moran散點圖和LISA聚集圖(圖2—3)。從圖2可以看出，全省貧困發(fā)生率與TESV和地均ESV存在正的空間相關(guān)性，均>0。其中貧困發(fā)生率與TESV之間的Moran′s I為0.202 446，而貧困發(fā)生率與地均ESV之間的Moran′s I為0.290 687。

從圖3可以看出，貧困發(fā)生率與TESV呈高—高相關(guān)的地區(qū)是東南部的錦屏縣、黎平縣、榕江縣、從江縣和荔波縣以及西部的納雍縣。呈低—低相關(guān)的地區(qū)是中部的龍里縣、花溪區(qū)、小河區(qū)、烏當(dāng)區(qū)、云巖區(qū)、南明區(qū)、白云區(qū)和清鎮(zhèn)市。呈高—低相關(guān)的地區(qū)是西部的仁懷市、畢節(jié)市和六盤水市。貧困發(fā)生率與地均ESV呈高—高相關(guān)的地區(qū)是天柱縣、錦屏縣、三穗縣、劍河縣、臺江縣、鎮(zhèn)遠縣、施秉縣、黃平縣、黎平縣、從江縣、榕江縣、荔波縣、三都縣、獨山縣、丹寨縣、雷山縣。呈低—低相關(guān)的地區(qū)是中部的平壩縣、花溪區(qū)、小河區(qū)、烏當(dāng)區(qū)、云巖區(qū)、南明區(qū)、白云區(qū)和清鎮(zhèn)市。呈低—高相關(guān)的地區(qū)是中東部的都勻市和凱里市。呈高—低相關(guān)的地區(qū)是西部的威寧縣、赫章縣、水城縣、織金縣、普定縣、六枝特區(qū)、普安縣、晴隆縣、興仁縣、關(guān)嶺縣、鎮(zhèn)寧縣。

圖2　貴州省貧困發(fā)生率與ESV全局空間自相關(guān)指數(shù)

圖3　貴州省貧困發(fā)生率與ESV的雙變量LISA聚集圖

4　討論與結(jié)論

4.1討 論

全省貧困發(fā)生率與ESV之間存在相關(guān)性，探究其原因，主要與社會經(jīng)濟發(fā)展水平與不同地類(自然植被)的空間分布的差異性有關(guān)。由于全省中部地形相對平坦，自然條件優(yōu)越，因此該區(qū)社會經(jīng)濟水平較高地區(qū)，其貧困發(fā)生率較低。同理，受地形限制，全省東南部和西部的社會經(jīng)濟發(fā)展水平較低，其貧困發(fā)生率較高。另一方面，受人口壓力和自然環(huán)境的影響，全省耕地主要分布于中部和西部，林地主要分布于東南部，這造成地均ESV呈現(xiàn)東高西低特點，從而造成貧困發(fā)生率與ESV在東部地區(qū)呈高—高相關(guān)，中部呈低—低相關(guān)，西部呈低—高相關(guān)?？傊?，自然條件優(yōu)劣深刻影響著社會經(jīng)濟發(fā)展水平，進而影響貧困發(fā)生率的分布特點，而人類活動強度以及自然環(huán)境的特點影響著土地利用類型(自然植被)的空間格局，進而影響地均ESV的高低，從而導(dǎo)致貧困發(fā)生率與ESV之間的空間相關(guān)性存在差異。

另外，由于貧困地區(qū)社會經(jīng)濟發(fā)展水平較低，人類對自然植被的破壞相對較小，這使得貧困發(fā)生率越高的地區(qū)，自然植被保持越好，進而ESV也較高，因此，兩者呈現(xiàn)正相關(guān)關(guān)系。然而，由于TESV大小不僅受到土地利用結(jié)構(gòu)的影響，還受到行政單元面積大小的影響，這導(dǎo)致了TESV和地均ESV分布存在一定不同，進而導(dǎo)致貧困發(fā)生率與它們的相關(guān)性有所偏差，即貧困發(fā)生率與TESV的相關(guān)程度低于貧困發(fā)生率與地均ESV相關(guān)程度。

4.2結(jié) 論

(1)全省貧困發(fā)生率呈現(xiàn)東南部、南部>東北部、西部>中部、北部。全省TESV呈東南部、西部>南部、北部>中部。地均ESV呈東南>北部、南部>中西部。

(2)貧困發(fā)生率越高的地區(qū)ESV高的行政單元越多，即貧困發(fā)生率低的地區(qū)以低ESV為主，貧困發(fā)生率高的地區(qū)以高和較高ESV為主。貧困發(fā)生率與TESV和地均ESV存在正的空間相關(guān)性。且貧困發(fā)生率與TESV之間的Moran′s指數(shù)小于貧困發(fā)生率與地均ESV之間的Moran′s指數(shù)。全省貧困發(fā)生率與ESV之間基本上呈東南部高—高相關(guān)，中部低—低相關(guān)，西部高—低相關(guān)的空間特點。

[1]祖皮艷木·買買提,玉米提·哈力克,肉孜·阿基,等.基于生態(tài)系統(tǒng)服務(wù)價值變化的焉耆盆地環(huán)境與經(jīng)濟協(xié)調(diào)發(fā)展[J].應(yīng)用生態(tài)學(xué)報,2015,26(3):875-883.

[2]Millennium Ecosystem Assessment(MA).Ecosystems and Human Well-Being: the Assessment Series[M].Washington,DC: Island Press,2005.

[3]張學(xué)斌,石培基,羅君.基于生態(tài)系統(tǒng)服務(wù)價值變化的生態(tài)經(jīng)濟協(xié)調(diào)發(fā)展研究:以石羊河流域為例[J].中國沙漠,2014,34(1):268-274.

[4]蘇飛,張平宇.基于生態(tài)系統(tǒng)服務(wù)價值變化的環(huán)境與經(jīng)濟協(xié)調(diào)發(fā)展評價:以大慶市為例[J].地理科學(xué)進展,2009,28(3):471-477.

[5]胡喜生,洪偉,吳承禎.福州市土地生態(tài)系統(tǒng)服務(wù)與城市化耦合度分析[J].地理科學(xué),2013,33(10):1216-1223.

[6]葉延瓊,章家恩,陳麗麗.佛山市順德區(qū)土地利用變化及社會經(jīng)濟發(fā)展對生態(tài)系統(tǒng)服務(wù)的影響[J].生態(tài)科學(xué),2014,33(5):872-878.

[7]姚小薇,曾杰,李旺君.武漢城市圈城鎮(zhèn)化與土地生態(tài)系統(tǒng)服務(wù)價值空間相關(guān)特征[J].農(nóng)業(yè)工程學(xué)報,2015,31(9):249-256.

[8]姚成勝,朱鶴健,呂晞,等.土地利用變化的社會經(jīng)濟驅(qū)動因子對福建生態(tài)系統(tǒng)服務(wù)價值的影響[J].自然資源學(xué)報,2009,24(2):225-233.

[9]張恒.貴州喀斯特地區(qū)農(nóng)村環(huán)境與貧困類型劃分研究[J].凱里學(xué)院學(xué)報,2011,29(6):83-86.

[10]張文紅.貴州少數(shù)民族貧困縣貧困發(fā)生率與經(jīng)濟增長和收入分配關(guān)系的實證分析[J].經(jīng)濟研究導(dǎo)刊,2013,204(22):86-89.

[11]朱士鵬,況學(xué)東,張美竹.貴州省縣域經(jīng)濟差異測度與分析[J].西北師范大學(xué)學(xué)報:自然科學(xué)版,2012,48(4):102-107.

[12]張曉珊,周紅,周軍,等.貴州省退耕還林工程生態(tài)效益階段評價研究[J].貴州林業(yè)科技,2008,36(2):1-6.

[13]謝高地,魯春霞,冷允法,等.青藏高原生態(tài)資產(chǎn)的價值評估[J].自然資源學(xué)報,2003,18(2):189-195.

[14]李明陽,劉敏,劉米蘭.基于GIS的森林調(diào)查因子地統(tǒng)計學(xué)分析[J].南京林業(yè)大學(xué)學(xué)報:自然科學(xué)版,2010,34(6):66-70.

Correlation Analysis Between Poverty Incidence and Ecosystem Service Value in Guizhou Province

GAO Hongjuan1,CAI Guangpeng2,HAN Huiqing1,LUO Xuqiang1

(1.College of Geography and Tourism,Guizhou Normal College,Guiyang 550018, China; 2.College of Geography and Environmental Sciences,Guizhou Normal University,Guiyang 550001,China)

In order to explore the correlation of poverty levels and ecosystem service value (ESV),we analyzed the spatial correlation between poverty incidence and ESV based on the data of land use and the poverty incidence in Guizhou Province in 2010 by using the GoeDa model and ArcGIS software.The results showed that there was the positive correlation between poverty incidence and ESV.High value of poverty incidence had higher ESV.Moran index between poverty incidence and average ESV was higher than Moran index between poverty incidence and total ecosystem service value (TESV).High—high correlation was found in southeast part.Low—low correlation was observed in middle part.High—low correlation existed in west part.The different spatial patterns of social-economic level and land use structure are the main reasons for resulting in the different spatial correlation between poverty incidence and ESV.

poverty incidence; ESV; spatial correlation; Guizhou Province

2015-09-25

2015-10-06

貴州省優(yōu)秀青年科技人才培養(yǎng)對象專項資金項目(黔科合人字[2015]21號)；貴州省環(huán)境科學(xué)教學(xué)團隊(黔教高[2012]426號)

郜紅娟(1981—),女,山東菏澤人,碩士,講師,主要從事自然資源開發(fā)與區(qū)域規(guī)劃研究。E-mail:cgp1963@126.com

蔡廣鵬(1963—),男,貴州貴陽人,碩士,副教授,主要從事土地利用與規(guī)劃研究。E-mail:cjp013@sina.com

X171.1

A

1005-3409(2016)05-0274-04