韋燕飛 何彥諺 童新華

摘要：地形因子決定著土地的利用模式，影響土地經(jīng)濟(jì)產(chǎn)出與農(nóng)民的生產(chǎn)生活水平，惡劣的地形條件是導(dǎo)致區(qū)域貧困的主要因素之一。以地形條件差異較大、貧困形勢(shì)嚴(yán)峻的廣西壯族自治區(qū)（簡(jiǎn)稱(chēng)“廣西”）為研究區(qū)域，選取平均海拔、平均坡度、地形起伏度、坡度變率、地面粗糙度等5個(gè)地形因子，探討其與區(qū)域貧困的空間異質(zhì)性、空間依賴(lài)性特征，并利用普通線性回歸模型與地理加權(quán)回歸模型分析各地形因子對(duì)區(qū)域貧困影響效應(yīng)的空間分異。結(jié)果表明，各地形因子對(duì)區(qū)域貧困格局影響具有一定空間吻合性，主要表現(xiàn)為地形條件較差的地區(qū)農(nóng)民收入水平較低;地形因子與區(qū)域貧困水平均具有較強(qiáng)的空間依賴(lài)性，在99%顯著水平上均存在明顯空間集聚現(xiàn)象;平均海拔、平均坡度、地形起伏度、坡度變率等4個(gè)因子與區(qū)域貧困存在空間負(fù)相關(guān)性，其對(duì)貧困的影響效應(yīng)呈現(xiàn)以融江為軸心的“U”形向外逐級(jí)遞減的趨勢(shì)，地面粗糙度與區(qū)域貧困存在空間正相關(guān)性，其對(duì)貧困的影響效應(yīng)呈現(xiàn)由西北部向東南逐級(jí)遞減的趨勢(shì)。最后，從國(guó)土扶貧視角提出對(duì)廣西扶貧工作的建議。

關(guān)鍵詞：區(qū)域貧困;地形因子;影響效應(yīng);空間格局;國(guó)土扶貧;精準(zhǔn)扶貧

中圖分類(lèi)號(hào)：F323.211 文獻(xiàn)標(biāo)志碼： A 文章編號(hào)：1002-1302（2019）23-0001-07

貧困問(wèn)題是我國(guó)不平衡、不充分發(fā)展的一大體現(xiàn)，是我國(guó)特色社會(huì)主義新時(shí)代發(fā)展的一塊“硬骨頭”。土地作為最基本的生產(chǎn)要素之一[1]，是農(nóng)民主要經(jīng)濟(jì)來(lái)源的基礎(chǔ)，地形特征決定土地的利用、生產(chǎn)與管理方向，影響農(nóng)業(yè)現(xiàn)代化進(jìn)程與土地的經(jīng)濟(jì)產(chǎn)出，進(jìn)而也決定了區(qū)域貧困水平的發(fā)展。廣西壯族自治區(qū)（簡(jiǎn)稱(chēng)“廣西”）集“老、少、邊、山、庫(kù)”于一身，是全國(guó)脫貧攻堅(jiān)的主戰(zhàn)場(chǎng)之一。目前，廣西貧困面大、貧困人口多、貧困程度深的狀況仍未全面改善。2015年底，全區(qū)貧困人口總數(shù)居全國(guó)第4位;貧困發(fā)生率比全國(guó)平均水平（57%）高4.8百分點(diǎn)。全區(qū)110個(gè)縣（市、區(qū)）中，105個(gè)有扶貧開(kāi)發(fā)工作任務(wù)，54個(gè)屬于貧困縣，33個(gè)為國(guó)家扶貧工作重點(diǎn)縣、滇桂黔石漠化片區(qū)縣;貧困發(fā)生率超過(guò)25%的有5個(gè)。全區(qū)16 197個(gè)村民委員會(huì)（社區(qū)）中有5 000個(gè)貧困村，其中貧困發(fā)生率在25%以上的有1 632個(gè)，占32.6%;貧困發(fā)生率超過(guò)50%的有232個(gè)，有的甚至超過(guò)80%，脫貧攻堅(jiān)任務(wù)仍然十分艱巨。另外，廣西是典型喀斯特地貌的主要分布地區(qū)，生態(tài)系統(tǒng)脆弱且不穩(wěn)定，易發(fā)生旱澇災(zāi)害，部分地區(qū)石漠化、水土流失等土地生態(tài)問(wèn)題突出，導(dǎo)致的區(qū)域貧困現(xiàn)象成為扶貧脫貧工作的重點(diǎn)、難點(diǎn)。因此，分析廣西地形因子與區(qū)域貧困的空間格局形成的影響，對(duì)精準(zhǔn)扶貧工作的有效開(kāi)展有一定的參考價(jià)值?，F(xiàn)有研究涉及的主要有計(jì)量地理學(xué)方法研究、地形因子研究、區(qū)域貧困研究與互饋相關(guān)性作用研究等。Foster等對(duì)空間地理加權(quán)的原理理論構(gòu)架、計(jì)量模型構(gòu)建、實(shí)例演變應(yīng)用等開(kāi)展研究[2-7]。汪旭濤等對(duì)地形因子量化計(jì)量方法、形態(tài)表達(dá)及其對(duì)地質(zhì)災(zāi)害的敏感性等開(kāi)展研究[8-10]。王建康等分析土地要素對(duì)經(jīng)濟(jì)發(fā)展的貢獻(xiàn)，探討土地要素與經(jīng)濟(jì)發(fā)展的空間關(guān)聯(lián)性[11-12]。劉彥隨等分析喀斯特山區(qū)自然條件下自然災(zāi)害的治理與扶貧開(kāi)發(fā)模式策略的運(yùn)用及其空間相關(guān)性[13-14]。從現(xiàn)有研究看，國(guó)內(nèi)外學(xué)者的相關(guān)研究成果較豐富，但較多研究均停留在理論基礎(chǔ)上的探討，實(shí)例應(yīng)用的研究較少;對(duì)影響效應(yīng)的研究大多利用計(jì)量經(jīng)濟(jì)學(xué)中的傳統(tǒng)模型，較少考慮地理空間要素間相互作用的影響;對(duì)區(qū)域貧困研究，大多從自然、社會(huì)、經(jīng)濟(jì)、人文綜合角度入手，較少涉及對(duì)地形因子與貧困關(guān)系的針對(duì)性以及西部少數(shù)民族沿海邊境地區(qū)多重身份區(qū)域的研究。本研究以縣級(jí)行政單位為研究單元，以廣西2015年劃定的110個(gè)縣（市、區(qū)）為研究對(duì)象，在GIS技術(shù)支持下，基于廣西地形特征與區(qū)域貧困水平數(shù)據(jù)，分析各地形因子與區(qū)域貧困的空間異質(zhì)性與空間依賴(lài)性，驗(yàn)證其之間的空間相關(guān)性，在此基礎(chǔ)上探討普通計(jì)量回歸模型與空間計(jì)量回歸模型的應(yīng)用效果，并定量測(cè)度地形因子對(duì)區(qū)域貧困影響效應(yīng)的空間分異格局，根據(jù)研究結(jié)論并基于國(guó)土扶貧視角，提出對(duì)扶貧工作的政策啟示，以期為廣西差別化國(guó)土扶貧政策的制定與實(shí)施提供參考，以提高廣西精準(zhǔn)扶貧服務(wù)工作的成效。

1 研究區(qū)域

研究區(qū)域?yàn)閺V西，首府南寧，與廣東、湖南、貴州、云南等省相鄰，南部為北部灣，西南與越南交界，是中國(guó)唯一的沿海自治區(qū)，是西南地區(qū)最便捷的出海通道（圖1）。介于 20°54′～26°24′N(xiāo)、104°26′～112°04′E之間，地處低緯度，屬亞熱帶季風(fēng)氣候區(qū)，氣候溫暖，雨水豐沛，熱量充足。礦產(chǎn)資源豐富，種類(lèi)繁多，素有“有色金屬之鄉(xiāng)”之稱(chēng)。廣西地形特征表現(xiàn)為山地多平地少，地勢(shì)由西北向東南傾斜，喀斯特地貌發(fā)育，生態(tài)環(huán)境脆弱且不穩(wěn)定，易發(fā)生水土流失、山體滑坡等自然災(zāi)害，喀斯特區(qū)極易發(fā)生石漠化現(xiàn)象，全區(qū)石漠化面積約占全區(qū)總面積的10.5%，極大地制約了區(qū)域社會(huì)經(jīng)濟(jì)發(fā)展。廣西是少數(shù)民族自治區(qū)，是壯族主要聚集地，同時(shí)分布有瑤族、苗族、侗族、仫佬族、京族等少數(shù)民族，是我國(guó)少數(shù)民族人口總數(shù)最多的自治區(qū)。2015年全區(qū)轄有14個(gè)地級(jí)行政區(qū)劃單位，110個(gè)縣級(jí)行政區(qū)劃單位，538萬(wàn)貧困人口，且大部分分布于大石山區(qū)、少數(shù)民族地區(qū)、革命老區(qū)、邊境地區(qū)等“貧困洼地”，扶貧工作較艱巨。

2 數(shù)據(jù)來(lái)源與研究方法

2.1 變量選取與數(shù)據(jù)來(lái)源

以區(qū)域貧困程度作為被解釋變量，以地形因子作為解釋變量，研究地形因子對(duì)區(qū)域貧困的影響效應(yīng)及其空間格局。當(dāng)前我國(guó)扶貧工作的重點(diǎn)區(qū)域是農(nóng)村地區(qū)，農(nóng)村居民生活水平?jīng)Q定區(qū)域貧困程度，因此以農(nóng)村居民人均純收入作為衡量區(qū)域貧困程度的標(biāo)準(zhǔn)，農(nóng)村居民人均純收入數(shù)據(jù)來(lái)源于2016年《廣西壯族自治區(qū)統(tǒng)計(jì)年鑒》及各地方政府門(mén)戶(hù)網(wǎng)站。地形特征包括高程、坡度、坡向、地面起伏等要素，結(jié)合已有研究成果與數(shù)據(jù)的可獲得性[15-16]，選取對(duì)土地利用產(chǎn)生較大影響的5個(gè)地形因子即平均海拔、平均坡度、地形起伏度、坡度變率、地面粗糙度開(kāi)展研究（表1）。地形因子數(shù)據(jù)來(lái)源主要是在ENVI 5.1與ArcGIS 10.2平臺(tái)支持下，繪制廣西5 km×5 km 格網(wǎng)，對(duì)2015年廣西DEM（30 m）數(shù)據(jù)進(jìn)行預(yù)處理，提取各地形因子數(shù)據(jù)，利用數(shù)據(jù)管理模塊、分析模塊、屬性表運(yùn)算、分區(qū)統(tǒng)計(jì)等功能，將地形因子數(shù)據(jù)給相應(yīng)格網(wǎng)賦屬性值，最后通過(guò)均值法計(jì)算各縣（市、區(qū)）的地形情況。

2.2 模型構(gòu)建

2.2.1 空間權(quán)重矩陣設(shè)定 空間計(jì)量模型須在模型中設(shè)定

空間權(quán)重矩陣，確定各研究單元之間的空間權(quán)重值，在此基礎(chǔ)上形成的空間面板數(shù)據(jù)模型更具說(shuō)服力，本研究采用基于K-近鄰法構(gòu)建的K-近鄰矩陣（K-nearest neighbor）方法設(shè)定空間權(quán)重矩陣，其形式如下[17]。

W=1dij dij≤di（k）

0 i=j

0 其他。

式中：di（k）表示縣（市、區(qū)）i到第k個(gè)鄰近區(qū)域的距離，取 k=5。如果縣（市、區(qū)）j不屬于縣（市、區(qū)）i的k個(gè)鄰居，則認(rèn)為其之間不存在空間依賴(lài)關(guān)系，空間權(quán)重矩陣值設(shè)定為0;反之，如果縣（市、區(qū)）j是縣（市、區(qū)）i的近鄰，則空間權(quán)重矩陣值為2個(gè)縣（市、區(qū)）之間的距離倒數(shù)。

2.2.2 空間相關(guān)性模型 采用莫蘭指數(shù)（Morans I）進(jìn)行變量空間相關(guān)性研究，利用單變量空間自相關(guān)性分析各地形因子與區(qū)域貧困空間分布聚集特征;利用雙變量空間相關(guān)性探討各地形因子與區(qū)域貧困之間是否存在空間依賴(lài)性，為空間計(jì)量模型的運(yùn)用奠定基礎(chǔ)，表達(dá)式為：

Morans I=∑ni=1∑nj=1wij（xi-x）（xj-x）∑ni=1∑nj=1wijs2;

s2=1n∑ni=1（xi-x）2。

式中：n表示樣本數(shù)，廣西110個(gè)縣（市、區(qū)），取n=110;xi表示變量在縣（市、區(qū)）i的屬性值;xj表示變量在縣（市、區(qū)）j的屬性值;x 表示變量的平均值;wij表示縣（市、區(qū)）i和縣（市、區(qū)）j之間空間權(quán)重矩陣值;s2表示變量的方差。

空間自相關(guān)性的顯著性水平一般通過(guò)Z值與P值進(jìn)行檢驗(yàn)確定，一般認(rèn)為當(dāng)P值=0.01且滿足 |Z|>2.58時(shí)，則拒絕0假設(shè)，變量的空間相關(guān)性顯著;反之，則不拒絕0假設(shè)，變量不存在顯著的空間相關(guān)性。

2.2.3 OLS回歸模型 采用OLS回歸模型探究未考慮空間地理單元影響下，被解釋變量與解釋變量之間的相關(guān)性，表達(dá)式為：

lnYi=α+βjlnxij+ε。

式中：Yi表示i縣（市、區(qū)）的被解釋變量;xij表示i縣（市、區(qū)）解釋變量j影響因子;βj表示j影響因子的影響彈性;ε表示隨機(jī)誤差。

OLS回歸模型相關(guān)性研究一般通過(guò)t值與調(diào)整后的R2進(jìn)行檢驗(yàn)確定，一般界定滿足|t|>2.58，則模型通過(guò)檢驗(yàn)，被解釋變量與解釋變量存在相關(guān)性，調(diào)整后R2越大則表示回歸模型擬合程度越好。

2.2.4 地理加權(quán)回歸模型 為了反映各地形因子影響效應(yīng)水平的空間差異，對(duì)通過(guò)空間相關(guān)性檢驗(yàn)的變量采用地理加權(quán)回歸模型（GWR）進(jìn)行分析，地理加權(quán)回歸模型簡(jiǎn)化表示如下[18]：

Pi=a0（ui，vi）+∑nk=1xikak（ui，vi）+εi。

式中：n表示解釋變量的個(gè)數(shù);k表示解釋變量;i表示縣（市、區(qū)）;a0（ui，vi）表示常數(shù)項(xiàng);xik表示通過(guò)檢驗(yàn)的第k個(gè)解釋變量在i縣（市、區(qū)）的取值;（ui，vi）表示i縣（市、區(qū)）幾何中心的空間坐標(biāo);ai（ui，vi）表示i縣（市、區(qū)）的特征彈性系數(shù);εi表示殘差。

3 實(shí)例檢驗(yàn)與結(jié)果分析

3.1 空間異質(zhì)性格局

利用SPSS對(duì)各變量數(shù)據(jù)進(jìn)行Z分?jǐn)?shù)（Z-score）標(biāo)準(zhǔn)化，采用自然斷點(diǎn)法將標(biāo)準(zhǔn)化結(jié)果分為5級(jí)，繪制各變量空間分異圖（圖2），分析各變量空間分異情況。從地形因子看，平均海拔、平均坡度、地形起伏度空間分異格局總體上表現(xiàn)為北高南低的趨勢(shì)，主要由于西北部與云貴高原連接，且分布有鳳凰山脈、都陽(yáng)山脈，東北部分布有越城嶺山脈、天平山脈、九萬(wàn)大山等山脈，南部沿海地區(qū)分布有欽州平原、合浦平原等。坡度變率空間分異格局總體表現(xiàn)為“東西高、中間低”的“凹”形格局，主要由于東部分布有天平山、大瑤山等山脈，中部分布有柳州平原、潯江平原、郁江平原、南寧盆地。其中，西林縣、隆林縣、田林縣、樂(lè)業(yè)縣、那坡縣、靖西市、德?？h、凌云縣、天峨縣、鳳山縣、南丹縣、龍勝縣、灌陽(yáng)縣、金秀縣的這4個(gè)地形因子數(shù)值均較高，這些縣（市）地形條件較差，給土地的有效利用帶來(lái)較大難度。地面粗糙度是指從空氣動(dòng)力學(xué)角度出發(fā)，因地表起伏不平或地物本身幾何形狀的影響，風(fēng)速廓線上風(fēng)速為0的位置并不在地表（高度為0處），而在離地表一定高度處，這一高度定義為地面粗糙度[19]，其空間分異格局主要表現(xiàn)為北低南高的趨勢(shì)。從貧困情況看，農(nóng)村居民人均純收入總體表現(xiàn)為東西低、中間高的“凸”形格局，與地形條件形成一定程度的吻合性，基本表現(xiàn)為地形條件利用難度較大的地區(qū)農(nóng)民收入較低，區(qū)域貧困程度較大;而地勢(shì)較平坦的地區(qū)經(jīng)濟(jì)發(fā)展協(xié)調(diào)，區(qū)域貧困程度較小。

3.2 空間依賴(lài)性分析

在GeoDa平臺(tái)支持下，利用Morans I分析各變量空間依賴(lài)性（表2），可視化變量空間自相關(guān)聚集格局（圖3）。各變量P值=0.01，均滿足|Z|>2.58，通過(guò)顯著性檢驗(yàn)，具有空間依賴(lài)性，Morans I值大于0表示各變量在空間上存在集聚現(xiàn)象。其中，平均海拔、地形起伏度、坡度變率的Morans I值較高，其在空間上形成的聚集效應(yīng)較顯著。

平均海拔在西北部與東北部形成大小2個(gè)組團(tuán)的高-高集聚模式，在南部沿海及其往北延伸方向形成低-低集聚模式。平均坡度與地形起伏度在西北部形成高-高集聚模式，在南部沿海地區(qū)形成低-低集聚模式，地形起伏度在防城區(qū)形成高-低集聚模式，主要是因?yàn)閰^(qū)域分布有十萬(wàn)大山使得地形起伏度較大。坡度變率主要在西北部形成高-高集聚模式，在南部沿海地區(qū)形成低-低集聚模式，但在東北部地勢(shì)較高的區(qū)域并未形成顯著的高-高集聚模式， 主要是因?yàn)闁|北

部對(duì)于坡耕地的利用采取梯田方式，極大地提高了耕地的利用程度，有利于減緩坡度變率。地面粗糙度在西北部形成 低-低集聚模式，高-高集聚模式則較零散地分布在南部及中部地區(qū)。農(nóng)村居民人均純收入在西北部形成低-低集聚模式，但在右江區(qū)、田東縣形成了高-低集聚模式，主要是由于該區(qū)域分布有百色盤(pán)地，地勢(shì)較平坦，且耕地肥沃、氣候適宜芒果、香蕉、番茄等特色農(nóng)作物的生長(zhǎng)，第一產(chǎn)業(yè)發(fā)展較協(xié)調(diào)，特色作物產(chǎn)出提高了當(dāng)?shù)厝藗兊氖杖胨?，?高集聚模式主要分布在柳州市、桂林市等部分二、三產(chǎn)業(yè)發(fā)達(dá)的城市，柳州市是重工業(yè)城市，第二產(chǎn)業(yè)發(fā)達(dá)，這給當(dāng)?shù)厝藗兲峁┝溯^好的就業(yè)機(jī)會(huì)，桂林市是我國(guó)著名的旅游城市，第三產(chǎn)業(yè)發(fā)達(dá)，旅游業(yè)發(fā)展可以提高當(dāng)?shù)厝藗兊氖杖胨健?/p>

3.3 空間相關(guān)性檢驗(yàn)

引入空間計(jì)量模型之前，對(duì)地形因子與區(qū)域貧困的空間相關(guān)性進(jìn)行檢驗(yàn)，利用雙變量的空間自相關(guān)模型分析解釋變量與各被解釋變量的空間集聚相關(guān)性，繪制變量莫蘭散點(diǎn)圖（圖4）。各解釋變量與被解釋變量空間相關(guān)性P值=0.01，均滿足|Z|>2.58，通過(guò)顯著性檢驗(yàn)，且Morans I絕對(duì)值處于0.43～0.54之間，表明各地形因子與農(nóng)村居民人均純收入在空間分布上存在顯著的空間相關(guān)性，其中，平均坡度、地形起伏度與農(nóng)村居民人均純收入的Morans I值較高，具有較強(qiáng)的空間相關(guān)性。

由圖4可知，平均海拔、平均坡度、地形起伏度、坡度變率

等4個(gè)地形因子散點(diǎn)主要落在第二、第四象限，表現(xiàn)為空間負(fù)相關(guān)，即當(dāng)某縣（市、區(qū)）的平均海拔越高、平均坡度越大、地形起伏度越大、坡度變率越大，越會(huì)導(dǎo)致農(nóng)村居民人均純收入降低、貧困程度嚴(yán)重。地面粗糙度散點(diǎn)主要落在第一、第三象限，表現(xiàn)為空間正相關(guān)，即某縣（市、區(qū)）地面粗糙度越大，越會(huì)使得農(nóng)村居民人均純收入提高。

3.4 影響效應(yīng)分析

在各解釋變量與被解釋變量均通過(guò)雙變量空間相關(guān)性檢驗(yàn)的基礎(chǔ)上，利用OLS回歸模型與GWR的地理加權(quán)模型分別對(duì)各解釋變量與被解釋變量進(jìn)行回歸分析，對(duì)比回歸模型擬合效果（表3），繪制各地形因子對(duì)區(qū)域貧困影響系數(shù)空間分異圖（圖5）。

由表3可知，各變量OLS回歸結(jié)果t絕對(duì)值均大于 2.58，通過(guò)顯著性檢驗(yàn)，但回歸結(jié)果調(diào)整后R2值在0.3～0.5之間，處于較低的水平，OLS模型的擬合效果不佳。經(jīng)對(duì)比分析，各變量GWR地理加權(quán)回歸結(jié)果的調(diào)整后R2均大于OLS回歸結(jié)果的調(diào)整后R2，GWR地理加權(quán)回歸結(jié)果的赤池信息準(zhǔn)則（AIC）值均小于OLS回歸結(jié)果的AIC值，說(shuō)明GWR地理加權(quán)回歸模型具有更好的擬合性。因此，在對(duì)具有空間相關(guān)性的變量進(jìn)行回歸分析時(shí)，應(yīng)考慮空間位置間的效應(yīng)作用，OLS模型忽略了空間位置間的相關(guān)性，模型預(yù)測(cè)擬合效果不佳，采用地理加權(quán)回歸模型開(kāi)展分析更加合理。

由圖4可知，將不同區(qū)位上地形因子與農(nóng)村居民人均純收入的回歸系數(shù)稱(chēng)為影響系數(shù)，影響系數(shù)的絕對(duì)值反映地形因子的影響程度，影響系數(shù)的正負(fù)反映影響作用的正負(fù)相關(guān)性。平均海拔表現(xiàn)為負(fù)相關(guān)性，影響效應(yīng)空間上呈現(xiàn)由中部向外逐級(jí)遞減的趨勢(shì)，東西部與南部沿海地區(qū)平均海拔對(duì)貧困的影響程度較低，而中部地區(qū)影響程度較高。平均坡度、地形起伏度和坡度變率表現(xiàn)為負(fù)相關(guān)性，影響效應(yīng)空間分布情況大致相同，主要表現(xiàn)為以融江為軸心“U”形向外逐級(jí)遞減

的趨勢(shì)，南部沿海地區(qū)影響程度低，而北部融江流域縣（市、區(qū)）影響程度高。地面粗糙度表現(xiàn)為正相關(guān)，影響效應(yīng)空間呈現(xiàn)由西北部向東南逐級(jí)遞減的趨勢(shì)。因此，不同區(qū)域地形條件對(duì)區(qū)域人們收入水平的影響作用有所不同，各地形因子對(duì)區(qū)域貧困的作用效應(yīng)存在空間上的差異。

4 結(jié)論與建議

4.1 主要結(jié)論

本研究以廣西壯族自治區(qū)為研究區(qū)域，在縣（市、區(qū)）尺度上分析各地形因子與區(qū)域貧困空間異質(zhì)性格局和空間依性格局，檢驗(yàn)各地形因子與區(qū)域貧困間的空間相關(guān)性特征，定量評(píng)價(jià)各地形因子對(duì)區(qū)域貧困影響效應(yīng)的空間差異格局，得出以下結(jié)論：第一，各地形因子與區(qū)域貧困空間格局存在差異，平均海拔、平均坡度、地形起伏度空間分異格局表現(xiàn)為北高南低的趨勢(shì)，坡度變率表現(xiàn)為東西高、中間低的格局，地面粗糙度表現(xiàn)為北低南高的趨勢(shì)，農(nóng)村居民人均純收入表現(xiàn)為東西低、中間高的態(tài)勢(shì)?？傮w上看，區(qū)域貧困與地形因子間形成一定程度的空間吻合性，基本表現(xiàn)為地形條件利用難度較大的地區(qū)貧困水平較高。第二，各地形因子與區(qū)域貧困具有較強(qiáng)的空間依賴(lài)性。平均海拔、平均坡度、地形起伏度與坡度變率高-高集聚區(qū)主要分布在西北部，低-低集聚區(qū)主要分布在南部沿海地區(qū);地面粗糙度在西北部形成低-低集聚模式，高-高集聚模式則較零散地分布在南部及中部地區(qū);農(nóng)村居民人均純收入在西北部形成低-低集聚模式，高-高集聚模式主要分布在廣西東北部的二、三產(chǎn)業(yè)發(fā)達(dá)的城市。因此，地區(qū)產(chǎn)業(yè)發(fā)展是拉動(dòng)地方經(jīng)濟(jì)增長(zhǎng)與促進(jìn)減貧脫貧的利器。第三，各地形因子與區(qū)域貧困存在空間相關(guān)性且各因子對(duì)貧困影響效應(yīng)不同，平均海拔、平均坡度、地形起伏度、坡度變率等4個(gè)地形因子莫蘭散點(diǎn)主要落在二、四象限，表現(xiàn)為空間負(fù)相關(guān)，影響效應(yīng)主要以融江為軸心呈“U”形向外逐級(jí)遞減的趨勢(shì);地面粗糙度莫蘭散點(diǎn)主要落在一、三象限，表現(xiàn)為空間正相關(guān)，影響效應(yīng)由西北部向東南逐級(jí)遞減的趨勢(shì)。

4.2 建議

根據(jù)廣西各縣（市、區(qū)）貧困空間分異特征，結(jié)合地形因子的影響效應(yīng)與空間差異格局，因地制宜地提出扶貧方針政策，才能更好地服務(wù)于減貧脫貧目標(biāo)。具體來(lái)看，貧困高-高集聚區(qū)域主要分布在西北地區(qū)，該地區(qū)受到平均坡度、地形起伏度和坡度變率的影響作用較大，是廣西自然災(zāi)害的高發(fā)地區(qū)，山體滑坡、泥石流等災(zāi)害時(shí)有發(fā)生。因此，要注重建立該區(qū)域的生態(tài)補(bǔ)償機(jī)制，積極開(kāi)展落實(shí)異地扶貧搬遷項(xiàng)目，保障

賴(lài)人們的生命財(cái)產(chǎn)安全不受侵害。還應(yīng)合理有序推進(jìn)該區(qū)域土地整治項(xiàng)目的開(kāi)展，側(cè)重土地平整、水土保持、生態(tài)補(bǔ)償工程實(shí)施，轉(zhuǎn)變土地利用方式，充分挖潛土地開(kāi)發(fā)利用潛力。另外，西北地區(qū)是自然景觀原生態(tài)保留地區(qū)，也是許多特色農(nóng)副產(chǎn)品的富產(chǎn)區(qū)，可加大對(duì)地區(qū)特色產(chǎn)業(yè)的支持力度，結(jié)合地形地貌特征挖掘區(qū)域旅游業(yè)發(fā)展?jié)摿Γ酝恋刭Y源為支撐，以產(chǎn)業(yè)發(fā)展為切入點(diǎn)，促進(jìn)區(qū)域經(jīng)濟(jì)發(fā)展，改善農(nóng)民生產(chǎn)條件，提高農(nóng)民生活水平，助力區(qū)域減貧脫貧事業(yè)發(fā)展。貧困低-低集聚區(qū)域主要分布在廣西二、三產(chǎn)業(yè)發(fā)達(dá)地區(qū)，該區(qū)域經(jīng)濟(jì)發(fā)展活力較強(qiáng)，是廣西經(jīng)濟(jì)發(fā)展的重要支撐與領(lǐng)頭軍，應(yīng)繼續(xù)保持對(duì)該地區(qū)產(chǎn)業(yè)發(fā)展政策的支持，同時(shí)激發(fā)地方經(jīng)濟(jì)發(fā)展的溢出效應(yīng)，使得該區(qū)域在經(jīng)濟(jì)發(fā)展的同時(shí)，帶動(dòng)周?chē)h（市、區(qū)）的經(jīng)濟(jì)發(fā)展，促進(jìn)扶貧工作的深入開(kāi)展。對(duì)于地形條件較好的南部沿海地區(qū)，應(yīng)注重提高土地的節(jié)約集約利用水平，推進(jìn)農(nóng)業(yè)現(xiàn)代化進(jìn)程，提高土地產(chǎn)出效率與經(jīng)濟(jì)產(chǎn)出量，同時(shí)發(fā)揮沿海港口優(yōu)勢(shì)，通過(guò)海運(yùn)貿(mào)易推廣廣西特色產(chǎn)品的向外輸出，多角度、多方位拉動(dòng)區(qū)域經(jīng)濟(jì)發(fā)展，提高扶貧工作成效。

參考文獻(xiàn)：

[1]張海兵，鞠正山，張鳳榮. 中國(guó)社會(huì)經(jīng)濟(jì)結(jié)構(gòu)與土地利用結(jié)構(gòu)變化的相關(guān)性分析[J]. 中國(guó)土地科學(xué)，2007，21（2）：12-17.

[2]Foster L.Big data and social science[M]. Francis：CRC Press，2017：243-248.

[3]Fotheringham A S.Geographically weighted regression[M]. British：British Library Catalohuing，2002：159-165.

[4]Lloyd C D.Local models for spatial analysis[M]. Francis：CRC Press，2017：62-67.

[5]Fotheringham A S. Quantitative geography[M]. Great Britain：the Cromwell Press Ltd，2000：99-108.

[6]郭國(guó)強(qiáng). 空間計(jì)量模型的理論和應(yīng)用研究[D]. 武漢：華中科技大學(xué)，2013.

[7]覃文忠. 地理加權(quán)回歸基本理論與應(yīng)用研究[D]. 上海：同濟(jì)大學(xué)，2007.

[8]汪旭濤，謝昭宇，胡凱鋒. 中高山地區(qū)滑坡發(fā)育地形地貌因子敏??感性研究[J]. 地震工程學(xué)報(bào)，2013，35（3）：587-603.

[9]周艷蓮，孫曉敏，朱治林，等. 幾種典型地表粗糙度計(jì)算方法的比較研究[J]. 地理研究，2007，26（5）：887-896.

[10]楊先武，錢(qián)葉青，鄭春霞. 喀斯特峰林峰叢地貌形態(tài)表達(dá)研究綜述[J]. 地理與地理信息科學(xué)，2017，33（4）：22-27.

[11]王建康，谷國(guó)鋒. 土地要素對(duì)中國(guó)城市經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)分析[J]. 中國(guó)人口·資源與環(huán)境，2015，25（8）：10-17.

[12]袁冬梅，魏后凱，于 斌. 中國(guó)地區(qū)經(jīng)濟(jì)差距與產(chǎn)業(yè)布局的空間關(guān)聯(lián)性——基于Moran指數(shù)的解釋[J]. 中國(guó)軟科學(xué)，2012（12）：90-102.

[13]劉彥隨，鄧旭升，胡業(yè)翠. 廣西喀斯特山區(qū)土地石漠化與扶貧開(kāi)發(fā)探析[J]. 山地學(xué)報(bào)，2006，24（2）：228-233.

[14]胡業(yè)翠，方玉東，江文亞. 廣西喀斯特石漠化與貧困化空間相關(guān)性及互動(dòng)效應(yīng)研究[J]. 資源與產(chǎn)業(yè)，2009，11（5）：105-110.

[15]哈 凱，丁慶龍，門(mén)明新，等. 山地丘陵區(qū)土地利用分布及其與地形因子關(guān)系——以河北省懷來(lái)縣為例[J]. 地理研究，2015，34（5）：909-921.

[16]焦貝貝，石培基，劉春芳，等. 黃土高原低山丘陵區(qū)農(nóng)村居民點(diǎn)分布與地形因子關(guān)系研究——以蘭州市七里河區(qū)為例[J]. 資源科學(xué)，2013，35（8）：1719-1727.

[17]張可云，王裕瑾，王 婧. 空間權(quán)重矩陣的設(shè)定方法研究[J]. 區(qū)域經(jīng)濟(jì)評(píng)論，2017（1）：19-25.

[18]王永明，王美霞，吳殿廷，等. 貴州省鄉(xiāng)村貧困空間格局與形成機(jī)制分析[J]. 地理科學(xué)，2017，37（2）：217-227.

[19]劉 靜，卓慕寧，胡耀國(guó). 初論地表粗糙度[J]. 生態(tài)環(huán)境，2007，16（6）：1829-1836.

收稿日期：2018-09-21

基金項(xiàng)目：國(guó)家自然科學(xué)基金（編號(hào)：41861039）;廣西哲學(xué)社會(huì)科學(xué)規(guī)劃研究課題（編號(hào)：17FGL016、17FGL014）;廣西師范學(xué)院科學(xué)研究基金（編號(hào)：2013L08）。

作者簡(jiǎn)介：韋燕飛（1978—），女，廣西田陽(yáng)人，博士，教授，主要從事土地利用優(yōu)化配置研究。E-mail：65358105@qq.com。

通信作者：何彥諺，主要從事土地利用優(yōu)化配置研究。E-mail：394288552@qq.com。