夏四友,趙 媛,文 琦,許 昕,崔盼盼,唐文敏

1 南京師范大學地理科學學院,南京 210023 2 南京師范大學金陵女子學院,南京 210097 3 江蘇省地理信息資源開發(fā)與利用協(xié)同創(chuàng)新中心,南京 210023 4 寧夏大學資源環(huán)境學院,銀川 750021

貧困作為全球性的重大現(xiàn)實難題,消除貧困是人類社會可持續(xù)發(fā)展的重要目標之一,一直以來也受到各級政府的重視[1- 2]。國家先后制定實施了《國家八七扶貧攻堅計劃(1994—2000年)》、《中國農村扶貧開發(fā)綱要(2001—2010年)》及《中國農村扶貧開發(fā)綱要(2011—2020 年)》等,明確提出要把消除絕對貧困作為扶貧開發(fā)工作的首要任務。經過多年努力,中國扶貧、脫貧事業(yè)取得突破性進展,2015年中國對全球減貧的貢獻率超過70%,貧困發(fā)生率從1978年的30.7%下降到2015年的5.7%[3- 4]。而新時期,以農村貧困面大、發(fā)生率高、絕對貧困人口數(shù)量多等為基本特征的農村貧困問題日益凸顯,反貧困斗爭也出現(xiàn)了減貧速率放緩、扶貧壓力增大的情況[5- 6],需要對農村貧困化的時空動態(tài)及其影響因素進行更精準的識別,從而更有效實施精準扶貧、精準脫貧。

通過梳理文獻發(fā)現(xiàn),空間貧困陷阱的概念和內涵及存在性檢驗[7- 8],地理區(qū)位[9]、 資源條件[10]、 社會制度[11]及公共設施[12]等因素對農村貧困的影響機理,區(qū)域貧困的測算及貧困地圖的繪制[13- 14],區(qū)域貧困瞄準及其扶貧成效評估[15- 16]等成為國際貧困研究的熱點議題。國內學者也分別對生態(tài)環(huán)境與區(qū)域貧困的耦合關系[17- 18]、農村貧困的地理識別與區(qū)劃[19- 20]、貧困與地理要素耦合關系[21- 22]、區(qū)域貧困空間識別與模擬[23- 24]、貧困綜合測度與減貧瞄準[25]等進行了大量實證研究。但上述研究較少考慮貧困化的空間依賴性和異質性。近年來,采用空間分析方法從空間視角對貧困化的空間格局進行研究的成果日益增多,如趙雪雁等[3]對石羊河流域農村多維貧困的時空格局的研究,王永明等[26]對貴州省鄉(xiāng)村貧困空間格局的研究,武鵬等[27]對陜西山陽縣農村貧困化空間分異的分析,文琦等[28]對黃土高原村域多維貧困空間異質性的研究,遲瑤等[29]對連片特困區(qū)貧困縣經濟時空格局演變關系的研究等。時空研究能夠對貧困化的演化進行有效表達,然而目前對于貧困化的時間過程與空間格局分析大多是分離的,數(shù)理統(tǒng)計及空間分析僅能從時間或空間單一視角揭示貧困化的時空格局特征,且更多測度的是貧困化時空格局的截面特征。因此,利用時空交互的方法整合時間與空間維度更能反映貧困化的時空動態(tài)特征。

貴州省作為我國西南喀斯特生態(tài)脆弱和集中連片特困復合區(qū),省內喀斯特地貌發(fā)育,生態(tài)環(huán)境脆弱,經濟基礎薄弱、貧富差距懸殊,并且在教育、勞動能力、生計產業(yè)、技術等方面相對滯后,新時期如何推進該地區(qū)精準脫貧、全面脫貧成為政府與學界亟待解決的問題。鑒于此,本文以2003—2015年貴州省貧困發(fā)生率為研究指標,引入Rey提出的探索性時空數(shù)據(jù)分析(Exploratory Time-Space Data Analysis, ESTDA)框架[30],克服以往探索性空間數(shù)據(jù)分析(Exploratory Space Data Analysis, ESDA)只針對截面數(shù)據(jù),而忽視時間維度的時空動態(tài)性問題[31],綜合集成LISA(Local Indicators of Spatial Association)時間路徑、LISA時空躍遷等方法對2003—2015年貴州省貧困化時空動態(tài)特性進行探索,并運用地理探測器模型識別每個影響因子對貧困化的效應強度,以及影響因子間的交互作用,以期為貴州省有效實施精準扶貧、精準脫貧戰(zhàn)略提供參考和借鑒。

1 研究區(qū)生態(tài)環(huán)境與貧困概況

貴州省地處云貴高原東部,國土總面積17.62萬km2,境內山地和丘陵面積高達92.5%,喀斯特發(fā)育典型,生態(tài)環(huán)境脆弱。據(jù)2010年遙感監(jiān)測數(shù)據(jù)[32],喀斯特面積10.91萬km2,占全省國土面積的61.9%,是我國西南喀斯特生態(tài)脆弱區(qū)分布最廣,最為典型的地區(qū)[33]。同時也是我國少數(shù)民族最集聚、貧困面最廣、貧困程度最深、貧困發(fā)生率最高的地區(qū)之一。2010年“六普”數(shù)據(jù)顯示,全省共有54個民族,少數(shù)民族人口1254.80萬,占總人口的36.11%[34]。2015年全省有9000個貧困村,扶貧開發(fā)重點縣國土面積11.63萬km2,占全省國土面積的66.0%;扶貧開發(fā)重點縣年末常住人口1787.22萬人,占全省的49.7%;農村貧困人口約493.00萬人,貧困發(fā)生率14.0%[35]。

2 研究方法與數(shù)據(jù)來源

2.1 研究方法

2.1.1探索性空間數(shù)據(jù)分析(ESDA)

采用探索性空間數(shù)據(jù)分析(ESDA)對貴州省貧困化進行全局和局部空間自相關分析,從全局和局部視角考察貧困化在空間上的關聯(lián)格局。鑒于該方法應用已較為成熟,在此不再贅述,具體原理及步驟參見參考文獻[36]。

2.1.2LISA時間路徑

LISA時間路徑通過融入時間維度,使靜態(tài)的LISA實現(xiàn)動態(tài)的連續(xù)表達[37],用來反映貧困化的局部時空協(xié)同變化特征。縣域i的貧困發(fā)生率在Moran′sI散點圖中的時間路徑可看作一組向量[(yi,1,yLi,1),(yi,2,yLi,2),…,(yi,t,yLi,t)][38]。其中,yi,t為i縣在t年的貧困發(fā)生率標準化值,yLi,t為i縣在t年的空間滯后量。LISA時間路徑的幾何特征通常用相對長度(Ni)和彎曲度(Di)表示,計算公式分別為[39]：

(1)

式中：n為縣域單元數(shù)量;T為年度間隔;Li,t為i縣在第t年的LISA坐標(yi,t,yLi,t);d(Li,t,Li,t+1)為i縣從第t年到t+1年移動距離;d(Li,t,Li,T)為i縣從第t年到末年移動距離。Ni越大,表明貧困化具有更加動態(tài)的局部空間依賴關系和局部空間結構,即貧困化Moran′sI散點隨時間推移的遷移路徑穩(wěn)定性較差;Di越大,表明貧困化呈現(xiàn)更加動態(tài)的局部空間依賴方向和更加波動的增長過程,同時自身貧困化隨時間推移增幅越顯著或波動越劇烈。

2.1.3LISA時空躍遷

LISA時空躍遷可用于揭示地理現(xiàn)象的空間依賴性[40],Local Moran′sI散點圖在不同局部類型間演化的過程可用轉移概率矩陣和時空躍遷來表征[41]。Rey將時空躍遷劃分為Type0,Type1,Type2和Type3四種類型[42]。其中Type0表示縣域自身與相鄰縣域間不發(fā)生形態(tài)間的躍遷;Type1表示縣域自身躍遷,但鄰域不變,包括HHt→LHt+1、HLt→LLt+1、LHt→HHt+1、LLt→HLt+1;Type2表示縣域自身不變,但鄰域躍遷,包括HHt→HLt+1、HLt→HHt+1、LHt→LLt+1、LLt→LHt+1;Type3表示縣域與鄰域都躍遷,該類型又可分為Type3A(HHt→LLt+1、LLt→HHt+1)和Type3B(HLt→LHt+1、LHt→HLt+1),前者表示縣域與鄰域的躍遷方向一致,后者表示二者的躍遷方向相反。Rey采用時空流動與時空凝聚來表征研究對象的空間格局路徑依賴和鎖定特征[43],二者可表示為：

時空流動(SF)：

(2)

時空凝聚(SC)：

(3)

式中：Type1、Type2和Type3A分別表示Type1、Type2和Type3A的躍遷數(shù);在本文中,m=(2015-2003)×82=984。

2.1.4地理探測器

“地理探測器”是由王勁峰等基于空間疊加技術和集合論而提出的用于探測被解釋變量及其解釋因子的空間分布是否一致的空間分析方法[44- 45],本文采用地理探測器方法對貴州省貧困化分布格局的影響因子進行分析,公式如下：

(4)

2.2 數(shù)據(jù)來源

本文的主要數(shù)據(jù)來自2004—2016年《貴州省統(tǒng)計年鑒》。在影響因素中,到省會和到所在市中心距離以各縣城到貴陽市和所在地級市市中心的距離衡量,數(shù)據(jù)來自網站(http://tools.2345.com/jiaotong/lc.htm)查詢的距離;海拔和坡度來自30 m×30 m的貴州DEM數(shù)據(jù),采用ArcGIS10.2進行柵格統(tǒng)計處理和坡度分析;植被指數(shù)為2000、2005和2010年16 d最大的合成Terra-MODIS L3級產品數(shù)據(jù),通過MRT轉換,投影轉換、軌道鑲嵌、重采樣操作,最大合成法(MVC)得到。考慮到行政區(qū)劃的調整,將觀山湖區(qū)、南明區(qū)、云巖區(qū)、花溪區(qū)、烏當區(qū)、白云區(qū)統(tǒng)一劃為貴陽市區(qū),2005年以后,將黃花崗區(qū)和匯川區(qū)統(tǒng)一劃為遵義市區(qū),合并處理后得到82個縣域單元。

3 貴州省貧困化時空動態(tài)格局分析

3.1 貧困化全局變化特征

采用GeoDa軟件計算2003—2015年貴州省貧困化的Global Moran′sI指數(shù)(表1),從全局考察貧困化的空間格局。

表1 2003—2015年貴州省貧困化Global Moran′s I指數(shù)

2003—2015年貴州省貧困化Global Moran′sI指數(shù)均大于0,通過1%的顯著性檢驗,表明貧困化較高的縣域和較低的縣域在空間上均趨于相鄰,即貧困化總體上具有顯著的集聚特征。研究期內貧困化Global Moran′sI值從0.286上升到0.494,總體呈現(xiàn)在波動中上升態(tài)勢,表明貧困化空間相關顯著性和趨同性不斷增強,空間差異逐漸縮小。

3.2 貧困化局部空間關聯(lián)格局

基于GeoDA軟件計算得到2003、2009和2015年貴州省貧困化局部空間自相關指數(shù),并借助ArcGIS12.0軟件進行可視化表達,結果如圖1示。

圖1 縣域貧困化的LISA冷熱區(qū)Fig.1 The spatial pattern of LISA of poverty at county level

(1)貧困化兩級分化明顯。貴州省貧困化空間格局的“俱樂部”趨同趨勢和極化趨勢明顯,兩級分化嚴重。即自身同周邊縣域貧困發(fā)生率都高、自身同周邊縣域貧困發(fā)生率都低態(tài)勢。具體而言,2003—2015年,貧困化屬于H-H類型的縣域數(shù)量由34個減少到31個,而L-L類型縣數(shù)由2003年的20個增加到2015年的30個,H-H類型和L-L類型的占比由2003年的65.85%上升到2015年的74.39%,超過所有縣域數(shù)量的2/3。

(2)貧困化局部空間關聯(lián)格局保持相對較穩(wěn)定。出現(xiàn)貧困化H-H集聚的縣域,與貴州省境內連片特困區(qū)分布的貧困縣大體相符。研究期內同類型貧困化縣域集中分布的格局變化較穩(wěn)定,具體而言,貧困化H-H類型區(qū)主要分布在貴州省的東南部和西南部的部分地區(qū),L-L類型區(qū)主要分布在貴州中北部,L-H類型區(qū)和H-L類型區(qū)分散分布在H-H類型區(qū)和L-L類型區(qū)之間,處于H-H類型和L-L類型的過渡地帶。

(3)貧困化呈典型的“核心邊緣”空間結構。黔中地區(qū)是貴州省的經濟重心,經濟發(fā)達,區(qū)位優(yōu)勢明顯,為低貧困化區(qū),而黔中外圍是典型的邊緣化區(qū)域,經濟發(fā)展相對滯后,形成外圍“普困陷阱”,且這種貧困化“核心邊緣”模式并未因經濟的發(fā)展和區(qū)域發(fā)展政策的實施而發(fā)生變遷,且具有明顯的穩(wěn)定性和延續(xù)性。

3.3 局部空間關聯(lián)格局動態(tài)演化

3.3.1幾何特征

采用ArcGIS10.2軟件中自然間斷點法將時間路徑幾何特征由低到高劃分成低相對長度(彎曲度)、較低相對長度(彎曲度)、較高相對長度(彎曲度)、高相對長度(彎曲度)4種類型,并對LISA時間路徑相對長度和彎曲度進行可視化表達(圖2)。

圖2 LISA時間路徑幾何特征的空間分布Fig.2 The spatial pattern of geometrical characteristics of LISA time trajectories at county level

貴州省貧困化LISA時間路徑移動低相對長度的縣域有21個,占總數(shù)的25.61%,較低相對長度的縣域有30個,占總數(shù)的36.58%,較高相對長度的縣域有24個,占總數(shù)的29.27%,高相對長度的縣域有7個,占總數(shù)的8.54%;低相對長度和較低相對長度的縣域數(shù)量占所有縣域的62.19%。表明在研究時段內貴州省貧困具有較穩(wěn)定的局部空間結構。相對長度總體呈北部和南部向中東部遞增趨勢,東部地區(qū)更具有局部空間結構的強烈動態(tài)性,北部具有較為穩(wěn)定的局部空間結構。其中施秉縣(2.035)、普定縣(1.979)、麻江縣(1.853)三個縣LISA時間路徑長度超過1.8,為移動相對長度最長的縣域;思南縣(0.497)、貴定縣(0.558)、印江縣(0.595)為時間路徑移動最短的縣域,LISA時間路徑長度不足0.6。

貴州省貧困化LISA時間路徑移動低彎曲度的縣域有39個,占總數(shù)的47.56%,較低彎曲度的縣域有30個,占總數(shù)的36.58%,較高彎曲度的縣域有8個,占總數(shù)的9.76%,高彎曲度的縣域有5個,占總數(shù)的6.10%;低彎曲度和較低彎曲度的縣域數(shù)量占所有縣域的84.14%。表明2003—2015年貴州省貧困化具有波動性較弱的局部空間依賴變化過程。低彎曲度和較低彎曲度縣域呈面狀分布在全省大部分縣域,而高彎曲度縣域主要分布在西部偏南地區(qū)。其中LISA時間路徑彎曲度最大的縣域依次為務川縣(17.042)、望謨縣(15.903)和鎮(zhèn)寧縣(15.302),務川縣在空間依賴方向上具有最大的波動性,表明務川縣及其鄰域縣域的貧困化空間結構具有較強的波動特征;而LISA時間路徑彎曲度最小縣域依次為天柱縣(1.165)、榕江縣(1.361)、鎮(zhèn)遠縣(1.362),其中天柱縣在空間依賴方向上具有最大的穩(wěn)定性,表明天柱縣及其鄰域縣域貧困化結構波動特征不顯著。

3.3.2移動方向

采用LISA移動方向分析貧困化空間格局變化空間整合特征?；谝苿臃较蚱骄綄⑵浞殖?種類型：高-高型(0°—90°),低-高型(90°—180°),低-低型(180°—270°),高-低型(270°—360°)。其中,高-高型表示縣域及相鄰縣域的貧困發(fā)生率具有高增長趨勢,低-高型表示縣域貧困發(fā)生率呈低增長趨勢,而相鄰縣域呈高增長趨勢;低-低型表示縣域及相鄰縣域的貧困發(fā)生率均呈低增長趨勢;高-低型表示縣域貧困發(fā)生率呈高增長趨勢而相鄰縣域呈低增長態(tài)勢。高-高型和低-低型也叫協(xié)同增長型,表示縣域及其相鄰縣域貧困發(fā)生率呈整合的空間動態(tài)性。

整體來看,協(xié)同增長型縣域共有53個,占貴州省縣域的64.43%,表明在研究時段內貴州省貧困化空間格局演化具有較強的空間整合性(圖2),即2003—2015年貴州省縣域及相鄰縣域貧困化整體呈高(低)增長趨勢明顯。其中協(xié)同高增長型縣域有24個,占協(xié)同增長型縣域的45.28%,協(xié)同低增長型縣域有29個,占協(xié)同增長縣域單元的54.71%。說明貴州省貧困化協(xié)同低增長型縣域占據(jù)較大比重。從貧困化移動方向空間分布看,呈現(xiàn)協(xié)同高速增長特征的縣域主要集中在東南部和北部地區(qū),而協(xié)同低增長型的縣域主要集中在東北部、中部和西南部,呈3個協(xié)同低速增長核心特征。而縣域單元與其鄰域單元呈現(xiàn)反向增長方向的縣域大多分布在貴州省中部偏西、偏南縣域。

3.4 貧困化LISA時空躍遷分析

進一步采用Rey提出的轉移概率矩陣和時空躍遷來描述貴州省貧困化局部空間關聯(lián)類型的轉移特征和演化過程(表2)。

表2 Moran散點圖的時空躍遷矩陣

貴州省貧困化空間凝聚較強,空間格局穩(wěn)定,路徑依賴和鎖定特征明顯。最普遍的躍遷是類型Type0(表2),表明多數(shù)縣域在2003—2015年內均未發(fā)生顯著的時空躍遷,Moran′sI散點保持在同一象限內(Type0)的概率達92.9%,即Moran′sI散點圖的時空凝聚為0.929,時空流動僅為0.071,除HHt→LLt+1、LLt→HHt+1的遷移概率為0.002和0.007外,其他均未出現(xiàn)Type3的躍遷,證明貴州省貧困化分布具有較強的轉移惰性,即貧困化的空間格局表現(xiàn)出路徑依賴和鎖定特征,多數(shù)縣域均未發(fā)生顯著的時空躍遷,貧困化分布的空間凝聚很強,空間格局穩(wěn)定,各縣域在短期內難以改變其當前的貧困化分布狀況。

4 貴州省貧困化影響因素識別

4.1 貧困化空間分異格局影響指標體系構建

貧困化受多種因素的綜合影響?；谝延醒芯砍晒鸞4,26- 28,47],同時鑒于數(shù)據(jù)的可得性,本文以各縣域貧困發(fā)生率為因變量,自變量從社會經濟因素、區(qū)位因素及自然因素三個維度選取。社會經濟因素：產業(yè)結構(X1)：以第二、三產業(yè)總產值占GDP比重表征;農民收入(X2)：以農民可支配收入表征;工業(yè)化水平(X3)：取工業(yè)總產值;政府投入力度(X4)：取政府財政支出;區(qū)位因素：分別以到省會距離(X5)、到所在市中心距離(X6)表示;自然因素：分別以海拔(X7)、坡度(X8)、植被指數(shù)(X9)表示。

4.2 貧困化空間分異格局影響因素分析

依據(jù)地理探測器模型,對貧困化影響因素影響力進行測算,可得到各影響因素對貴州省貧困化的影響力q值(表3)。

表3 2003年、2009年和2015年貴州省貧困化影響因素影響力測度

從各影響因素影響力變化情況來看,貴州省貧困化整體上表現(xiàn)出多因素復合影響的特征,各因素對貧困化的影響力表現(xiàn)出一定差異性,影響力上升的幅度大于下降幅度。農民收入、工業(yè)化水平、產業(yè)結構和到所在市中心距離是貴州省貧困化空間分異的主要影響因素,除2003年和2009年海拔因素未通過顯著性檢驗外,其他因素均在0.05水平上顯著。

農民可支配收入是影響貴州省貧困化的主要因素,2003年、2009年和2015年其影響力分別為0.757、0.697和0.654,高居各影響因子之首,但影響力呈現(xiàn)下降態(tài)勢,一定程度上反映了貴州省出現(xiàn)農村收入型絕對貧困向多維相對貧困的逐漸過渡。工業(yè)化發(fā)展在降低貧困化具有重要作用,三期數(shù)據(jù)中其影響力分別為0.340、0.429和0.404,這是因為工業(yè)化是區(qū)域社會經濟和現(xiàn)代化發(fā)展的重要表征,工業(yè)化水平的提升可以有效帶動地區(qū)經濟的發(fā)展,減弱貧困程度。產業(yè)結構對貧困化的影響力排名第三,2003年、2009年和2015年其影響力分別為0.297、0.273和0.296,對貧困化的影響力保持相對穩(wěn)定態(tài)勢,第二、三產業(yè)比重越高,代表著產業(yè)結構由低度水平向高度水平轉移的動態(tài)過程,也代表優(yōu)勢產業(yè)、技術產業(yè)和旅游業(yè)等現(xiàn)代服務業(yè)發(fā)展水平較高,從而減弱地區(qū)貧困化。政府支持力度對貧困化的影響力呈下降態(tài)勢,其影響力由2003年的0.290下降到2015年的0.218,表明國家“輸血式”扶貧模式在抑制貧困化中的成效相對有限,要通過增強自身發(fā)展能力來帶動脫貧。距省會的距離對貧困化的影響越來越顯著(q由2005年的0.159上升到2015年的0.244),距市中心的距離對貧困化的影響力穩(wěn)定在0.24左右,一定程度上反映了區(qū)位條件對貧困化有較大影響。省會城市經濟發(fā)展快且集中了省域內最發(fā)達的醫(yī)療、教育和銀行等服務設施和基礎設施,距離省會城市越近,接受省會服務設施和基礎設施的外部性越強;市中心獲取工作崗位的信息較方便,距所在市中心越遠,增加找工作的成本,進而導致貧困化有上升趨勢。與其他因素相比,海拔和坡度對貧困發(fā)生率的影響力均低于0.2,對貧困化的影響較小。植被指數(shù)對貧困化的影響力相對較小,但越來越顯著,其影響力由2003年的0.135上升到2015年的0.216,植被指數(shù)在一定程度上代表了石漠化狀況對貴州省貧困化的影響,理論上植被指數(shù)越小,說明植被覆蓋率越低,石漠化發(fā)育越明顯,對貧困化的影響越來越明顯。

4.3 貧困化空間分異格局影響交互探測

地理探測器不僅可識別單個影響因子影響力的大小,還可以在此基礎上探測影響因子之間的交互作用。本文對9個影響因子進行交互探測后得到36個影響因子對(表4)。

表4 2003年、2009年和2015年貴州省貧困化影響因素交互作用

NE(nonlinear enhancement)表示非線性增強,BE(bi-factor enhancement)表示雙因子增強

發(fā)現(xiàn)影響因子兩兩間對貧困化的影響均為增強關系,任意兩個因子交互探測后解釋力表現(xiàn)為非線性增強或雙因子增強,不存在獨立和減弱的關系,即意味任意兩個因子交互作用更能夠減小區(qū)域貧困化內部差異。具體來看：2003年農民收入和政府投入力度的交互影響力為0.827,在所有因子對中達到最高,其次分別是農民收入和植被覆蓋度的交互影響力高達0.806、農民收入和到省會距離的交互影響力為0.801。2009年農民收入和工業(yè)化水平的交互影響力達0.821,其次分別是農民收入和植被覆蓋度交互影響力為0.760、產業(yè)結構與農民收入交互影響力也為0.760,工業(yè)化的發(fā)展提高了農民可支配收入,產業(yè)結構優(yōu)化升級,自然環(huán)境得到進一步改善,降低貧困化。2015年,農民收入與其他因子的交互性依舊保持在較高水平,其中,農民可支配收入與植被覆蓋度、第二、三產業(yè)比重、海拔交互影響力分別為0.781、0.769和0.768,表明經濟的進一步發(fā)展改善了自然生態(tài)環(huán)境,提高了農民可支配收入,促進了產業(yè)結構的升級,進而降低貧困發(fā)生率。

將貧困化與影響因素進行空間耦合匹配(圖3),發(fā)現(xiàn)貴州省東部、東南部和西部部分縣域的貧困發(fā)生率較高,主要是由于這些農村居民可支配收入偏低,工業(yè)化水平偏低,政府財政支出偏低,且距離(省會)貴陽和市中心距離較遠,接受省會城市和區(qū)域中城市的輻射帶動作用有限;西部部分縣域(赫章縣、納雍縣和水城縣等)貧困發(fā)生率較高,主要是由于這些地區(qū)海拔較高、坡度較大,喀斯特地貌發(fā)育程度高,植被覆蓋率低,自然環(huán)境較為惡劣,東南部大部分縣域植被覆蓋度高,第二、三產業(yè)占比較高,但多為少數(shù)民族集聚區(qū),受多種因素的綜合作用,導致貧困發(fā)生率較高。

全省大部分低貧困化集中于貴州省中部和偏北地區(qū),究其原因在于這些地區(qū)區(qū)位條件好,不屬于連片特困區(qū),產業(yè)結構水平較高,農村居民可支配收入高,政府財政支出力度大,對貧困的抑制作用明顯;另外,這些地區(qū)絕大部分屬于黔中城市群,接受省會城市和區(qū)域中城市的輻射帶動作用明顯。值得一提的是,這些地區(qū)大部分位于中曹司盆地,海拔較低、坡度較小,植被覆蓋度較高。優(yōu)越的社會經濟條件、區(qū)位條件和自然環(huán)境促使該地區(qū)貧困化較低。

圖3 貴州省貧困化與影響因素空間匹配分布Fig.3 The spatial matching distribution of poverty and influencing factors in Guizhou Province

5 結論與討論

5.1 結論

(1)從整體趨勢看,貴州省貧困化呈顯著的空間正的自相關,即貧困發(fā)生率相似的縣域在空間上均趨于相鄰,具有顯著的集聚特征,且隨著時間的推移,貧困化的空間趨同性不斷增強,貧困化空間差異逐漸縮小;從局部趨勢看,貴州省貧困化兩級分化趨勢明顯,且貧困化局部空間關聯(lián)格局保持相對穩(wěn)定,在空間上呈典型的“核心邊緣”空間結構。即黔中地區(qū)形成了低貧困化空間結構,而黔中外圍是典型的邊緣化區(qū)域,形成外圍“普困陷阱”,尤其以東部和東南部縣域最為明顯。

(2)2003—2015年貴州省貧困化的時空格局動態(tài)變遷路徑差異明顯,大部分縣域的貧困化局部空間結構的動態(tài)性和局部空間依賴方向上的波動性具有較強的穩(wěn)定性,相對長度總體呈北部和南部向中東部遞增趨勢,東部地區(qū)更具有局部空間結構的強烈動態(tài)性,北部具有較為穩(wěn)定的局部空間結構;低彎曲度和較低彎曲度縣域呈面狀分布在全省大部分縣域,而高彎曲度縣域主要分布在西部偏南地區(qū)。出現(xiàn)貧困化協(xié)同增長的縣域有53個,表明貴州省貧困化空間格局具有明顯的空間整合性。

(3)2003—2015年貧困化Moran′sI散點保持同一象限內的概率達92.9%,即Moran′sI散點圖的空間時空凝聚為0.929,表明貴州省貧困化分布具有較強的轉移惰性,貧困化的空間格局表現(xiàn)出路徑依賴和鎖定特征,在短期內難以改變其當前的貧困化空間分布格局。

(4)各因素對貧困化的影響力和顯著性水平存在一定差異,農民可支配收入對貧困化的影響力高居首位,海拔、坡度和植被覆蓋度等自然因素對貧困化的影響力在所有影響因素中較小,9個影響因素的交互作用類型有雙因子增強型和非線性增強型兩種,不存在獨立及減弱的關系,顯示了任意兩個因素交互后對貧困化的影響力均會顯著提升,強于單個因素的解釋力,農民收入與其他因子的交互性保持在較高水平。

5.2 討論

本文研究視角的切入和研究方法的選擇是對已有研究的有效補充,對貧困化時空動態(tài)的分析與影響因素的識別可為貴州省有效實施精準扶貧、精準脫貧戰(zhàn)略提供參考和借鑒。2020年中國全面脫貧后以區(qū)域收入差異和多維貧困等為主要特征的相對貧困將取代絕對貧困,急需結合新型城鎮(zhèn)化與鄉(xiāng)村振興戰(zhàn)略的實施,從區(qū)域實際情況出發(fā)制定差異化的脫貧戰(zhàn)略,如貴州省中部和偏北地區(qū)貧困化程度較低,要有效推進這些地區(qū)工業(yè)化、城鎮(zhèn)化、農業(yè)現(xiàn)代化、信息化及綠色化五化協(xié)調發(fā)展,大力發(fā)展優(yōu)質特色產業(yè),促進產業(yè)結構的優(yōu)化升級,防止返貧現(xiàn)象的出現(xiàn),同時也要在教育、就業(yè)和醫(yī)療等方面對省內連片特困區(qū)提供幫助,幫助這些地區(qū)脫貧。東部、東南部和西部部分縣域的貧困發(fā)生率較高,石漠化發(fā)育程度高,在脫貧進程中要注重減輕該地區(qū)自然環(huán)境的壓力,實現(xiàn)人地可持續(xù)發(fā)展;穩(wěn)步推進鄉(xiāng)村地區(qū)科教文衛(wèi)事業(yè)發(fā)展和加強對貧困戶的技能培訓和就業(yè)指導,從而提升貧困農戶的內生發(fā)展動力,阻斷貧困的代際傳遞;同時挖掘縣域的優(yōu)勢資源,大力發(fā)展優(yōu)質特色產業(yè),從而增強脫貧人口自我發(fā)展能力防止各種返貧現(xiàn)象的出現(xiàn)[25]。

貴州是我國農民工輸出大省,在農村減貧的進程中,必須緊抓農民工城市化這一核心,尋找一條有效的農民工城市化路徑來減少貴州貧困人口,破解農村貧困難題。在農民工城市化進程中要采取政策鼓勵、創(chuàng)業(yè)扶持、加強社會保障等改變農民工不斷流出貴州、流向沿海發(fā)達省份的現(xiàn)狀,逐步引導農民工從省外回流;制定差異化的農民工轉移策略,如經濟發(fā)達地區(qū)采取農民工就地城鎮(zhèn)化策略,鼓勵農村剩余勞動力向本地城市轉移;經濟欠發(fā)達地區(qū)加大對農村經濟的扶持力度,以提高農村可支配收入,同時向其他經濟相對發(fā)達的市州轉移部分勞動力[48]。此外,強化城市對農村的輻射帶動作用,以農民工為樞紐,增強城市與農村經濟的聯(lián)系,推動農村經濟的市場化和特色化發(fā)展。

本文尚存在一些局限。首先是受數(shù)據(jù)限制,未將農民工外出就業(yè)對貧困化的影響納入考量范圍,也未將貧困縣和非貧困縣區(qū)分研究,受限于小尺度研究單元數(shù)據(jù)資料的獲得性,探究更小尺度的貧困化時空動態(tài)與影響因素還需進一步努力。其次是本文以各縣城到貴陽市和所在地級市市中心的距離表征區(qū)位條件具有一定局限性,各縣城到貴陽市和所在地級市市中心的時間會隨著交通基礎設施和交通工具的改善而不斷變化。同理,互聯(lián)網和大數(shù)據(jù)的應用,極大地消減了距離差異的影響,因此時空距離交互對貧困化的影響研究有待深入。