王金亮，張 環(huán)

(江西農(nóng)業(yè)大學(xué) 國土資源與環(huán)境學(xué)院，江西 南昌 330045)

0 引言

貧困已經(jīng)成為貫穿整個(gè)人類社會(huì)發(fā)展過程的顯著現(xiàn)象，是世界各國關(guān)注的全球性問題，尤其是發(fā)展中國家[1-2].中國是首個(gè)實(shí)現(xiàn)聯(lián)合國貧困人口減半這一千年發(fā)展目標(biāo)的國家，為全球減貧與發(fā)展事業(yè)做出了巨大貢獻(xiàn)[3].由于集中連片特困區(qū)集生態(tài)脆弱區(qū)、民族地區(qū)、生態(tài)功能區(qū)為一體，貧困問題往往具有復(fù)雜性和多樣性，這些地區(qū)的減貧任務(wù)對于全面建成小康社會(huì)具有十分重要的意義.

已有研究中，在區(qū)域貧困的驅(qū)動(dòng)因子方面，將致貧因素歸納為外部顯性致貧因素和內(nèi)生隱性致貧因素，且主要以外部顯性致貧因素為主[4]235-245，而對于各驅(qū)動(dòng)因素及其相互之間如何影響區(qū)域貧困發(fā)生、影響程度如何、有哪些空間分異特征等問題還不清楚.在識(shí)別影響自然和社會(huì)經(jīng)濟(jì)現(xiàn)象的驅(qū)動(dòng)因子方面，相關(guān)研究使用了地理探測器，這是探測空間分異性，揭示其背后驅(qū)動(dòng)因子的一種新的統(tǒng)計(jì)學(xué)方法，具有探測兩因子交互作用于因變量的獨(dú)特優(yōu)勢[5]116-134.在識(shí)別影響貧困的驅(qū)動(dòng)因子方面，通過采用地理探測器診斷出深度貧困縣的主導(dǎo)致貧因素，識(shí)別貧困發(fā)生風(fēng)險(xiǎn)的空間分異[6]769-788.江西省作為中部大省，貧困面積較大，貧困程度較深.尤其是羅霄山集中連片特困區(qū)，是全國14個(gè)集中連片特困區(qū)之一，處于自然發(fā)展條件較差、基礎(chǔ)設(shè)施薄弱、公共服務(wù)水平較低的地域空間，貧困區(qū)域與基礎(chǔ)設(shè)施欠缺、社會(huì)服務(wù)滯后、生態(tài)環(huán)境脆弱的耦合度較高.

綜上所述，對集中連片特困區(qū)貧困識(shí)別的研究，需要從多維度視角評估區(qū)域地理環(huán)境、生態(tài)、資源稟賦等與致貧機(jī)制間的關(guān)聯(lián).為此，以江西省羅霄山集中連片特困區(qū)為研究區(qū)，借助地理探測器方法揭示多維致貧因子影響區(qū)域貧困的空間分異特征及其相互作用方式，對于精確識(shí)別集中連片特困區(qū)的貧困空間分布格局，提高精準(zhǔn)扶貧的精度，具有重要意義.

1 材料與方法

1.1 研究區(qū)概況

江西省羅霄山集中連片特困區(qū)位于江西省南部，面積40 605.63 km2，地處羅霄山脈中南段及與南嶺、武夷山連接地區(qū)，地形以山地、丘陵為主，海拔范圍6～2 128 m,氣候類型為亞熱帶濕潤季風(fēng)氣候，平均氣溫23.67 ℃，年均降水量1 414～1 866 mm,地帶性植被為亞熱帶常綠闊葉林，森林覆蓋率為72%.研究區(qū)農(nóng)戶收入水平低、基礎(chǔ)設(shè)施薄弱、社會(huì)事業(yè)發(fā)展落后、山洪地質(zhì)自然災(zāi)害突出.

1.2 數(shù)據(jù)來源與處理

1)行政邊界矢量圖來源于全國地理信息資源目錄服務(wù)系統(tǒng)，通過裁剪與融合，提取得到研究區(qū)行政區(qū)劃矢量數(shù)據(jù)；2) 數(shù)字高程模型(Digital Elevation Model，DEM)來源于地理空間數(shù)據(jù)云的SRTMDEM 90 m分辨率原始高程數(shù)據(jù)；3)歸一化差異型植被指數(shù)(NDVI)數(shù)據(jù)來源于遙感影像Landsat 8 OL，影像時(shí)間為2018年，運(yùn)用ENVI 5.3軟件進(jìn)行輻射定標(biāo)、大氣校正、裁剪與融合等預(yù)處理，然后利用波段運(yùn)算工具提取研究區(qū)的NDVI;4)氣象因子數(shù)據(jù)包括多年平均氣溫、多年平均降雨量和多年平均日照，來源于《贛州統(tǒng)計(jì)年鑒2018》《吉安統(tǒng)計(jì)年鑒2018》《撫州統(tǒng)計(jì)年鑒2018》和《萍鄉(xiāng)統(tǒng)計(jì)年鑒2018》；5)社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)來源于2018年各地的統(tǒng)計(jì)年鑒.

1.3 多維貧困驅(qū)動(dòng)指數(shù)的構(gòu)建方法

1.3.1 多維貧困驅(qū)動(dòng)因子指標(biāo)體系構(gòu)建

貧困評估的多維角度主要體現(xiàn)在生態(tài)、社會(huì)和經(jīng)濟(jì)三個(gè)方面[7]，據(jù)此，以空間貧困理論和人地關(guān)系系統(tǒng)理論為指導(dǎo)，確定兩大指標(biāo)類、五大指標(biāo)群、九大指標(biāo)種和四十個(gè)子指標(biāo)，構(gòu)建研究區(qū)多維貧困評價(jià)指標(biāo)體系，如表1所示.

表1 江西省羅霄山集中連片特困區(qū)多維貧困評價(jià)指標(biāo)體系

各子指標(biāo)的計(jì)算解釋為：1)地形的各子指標(biāo)計(jì)算均利用DEM數(shù)據(jù)，借助ArcGIS軟件空間分析工具獲得.2)植被水文中的河網(wǎng)密度是利用研究區(qū)的水系數(shù)據(jù)提取各統(tǒng)計(jì)單元的河流長度，然后再計(jì)算每個(gè)統(tǒng)計(jì)單元的河流總長度與行政區(qū)劃面積的比值；植被覆蓋度的計(jì)算采用的是李苗苗等基于像元二分模型建立的用NDVI歸一化植被指數(shù)定量估算植被覆蓋度的模型[8].3)植被凈第一性生產(chǎn)力的計(jì)算基于鄭元潤和周廣勝所建立的中國森林植被第一性生產(chǎn)力模型[9].4)氣象因子、人口壓力度、經(jīng)濟(jì)壓力度、經(jīng)濟(jì)實(shí)力、社會(huì)福利和教育狀況的所有子指標(biāo)數(shù)據(jù)來源于各行政單元的統(tǒng)計(jì)年鑒.

1.3.2 指標(biāo)數(shù)據(jù)標(biāo)準(zhǔn)化處理

為了消除不同指標(biāo)量綱和量級(jí)的差異，使不同指標(biāo)數(shù)值具有可比性，將逆向指標(biāo)正向化(即指標(biāo)值越大越能體現(xiàn)貧困)，對子指標(biāo)數(shù)據(jù)進(jìn)行無量綱化處理，正向指標(biāo)的處理為公式(1)，負(fù)向指標(biāo)的處理為公式(2)[10]：

(1)

(2)

式中,Bij為標(biāo)準(zhǔn)化后數(shù)值(取值范圍為 0～1)，Aij為i研究區(qū)j指標(biāo)的原始數(shù)值，i為研究區(qū)域序數(shù)，j為子指標(biāo)序數(shù)，Ajmax和Ajmin分別為指標(biāo)j的最大值和最小值.

1.3.3 均方差決策分析法

采用均方差決策分析法對原數(shù)據(jù)進(jìn)行處理，構(gòu)建貧困驅(qū)動(dòng)指數(shù).以各評價(jià)指標(biāo)為隨機(jī)變量，求出隨機(jī)變量(各指標(biāo))的均方差，然后將這些均方差歸一化，得出各指標(biāo)的權(quán)重系數(shù)[11].計(jì)算步驟如下.

1)計(jì)算隨機(jī)變量的均值：

(3)

2)計(jì)算Gj的均方差：

(4)

3)計(jì)算指標(biāo)Gj的權(quán)重系數(shù)：

(5)

4)計(jì)算各指標(biāo)層級(jí)的貧困驅(qū)動(dòng)指數(shù)：

Ek=∑Wk×Bij,

(6)

Em=∑Wm×Ek,

(7)

En=∑Wn×Em,

(8)

S=∑W×En.

(9)

式中，Bij為第i個(gè)行政單元第j個(gè)指標(biāo)經(jīng)過歸一化后的屬性值，n為研究區(qū)縣級(jí)行政區(qū)的個(gè)數(shù)，Gj為隨機(jī)變量(指標(biāo))j，m為指標(biāo)個(gè)數(shù),S為區(qū)域貧困驅(qū)動(dòng)指數(shù)，Ek、Em和En分別為指標(biāo)種貧困驅(qū)動(dòng)指數(shù)、指標(biāo)群貧困驅(qū)動(dòng)指數(shù)和指標(biāo)類貧困驅(qū)動(dòng)指數(shù).

1.4 空間自相關(guān)分析

1.4.1 全局空間自相關(guān)

用全局莫蘭指數(shù)研究貧困驅(qū)動(dòng)指數(shù)在整個(gè)區(qū)域有沒有空間自相關(guān)，及各因子在研究區(qū)分布的均衡程度.若全局莫蘭指數(shù)大于0，表示貧困驅(qū)動(dòng)指數(shù)在空間上呈正相關(guān)；若全局莫蘭指數(shù)小于 0 ，則表示貧困驅(qū)動(dòng)指數(shù)在空間上呈負(fù)相關(guān).全局莫蘭指數(shù)(IGlobal-Moran)[4]237的具體公式如下：

(10)

1.4.2 局部空間自相關(guān)

局部空間自相關(guān)分析是從整體地理空間范圍內(nèi)的特定局部區(qū)域分析貧困驅(qū)動(dòng)指數(shù)在空間分布上是否具有聚集性，根據(jù)分析結(jié)果可解釋和探測屬性變量空間聚集性的“熱點(diǎn)”或“冷點(diǎn)”區(qū)域.局部莫蘭指數(shù)(ILocal-Moran)的具體公式[4]237如下：

(11)

式(11)中的參數(shù)意義同式(10).由ILocal-Moran得到研究區(qū)的局部空間自相關(guān)指標(biāo)LISA聚集圖，分析貧困指數(shù)在研究區(qū)內(nèi)是否有顯著的聚集性，是“高高聚集”(高風(fēng)險(xiǎn)貧困區(qū))還是“低低聚集”(低風(fēng)險(xiǎn)貧困區(qū)).

1.5 地理探測器

采用地理探測器方法分析多維貧困因子與貧困驅(qū)動(dòng)指數(shù)的關(guān)系.

1.5.1 多維貧困因子的離散化處理

在地理探測器中X變量應(yīng)是類型變量[5]119，為此筆者采用K-means 算法將各個(gè)貧困因子的具體數(shù)值量轉(zhuǎn)換為不同的類型量，考慮研究區(qū)共有18個(gè)區(qū)縣單元，為反映各指標(biāo)種的分布梯度特征，把每個(gè)指標(biāo)種的數(shù)值離散化為5個(gè)等級(jí)類型.

1.5.2 地理探測器分析

1)空間分異及因子探測.用于探測某一影響因子在多大程度上(0%～100%)解釋了某一空間屬性的空間分布.指標(biāo)中因子的解釋力(q)計(jì)算模型如下[5]117：

(12)

2)指標(biāo)種交互作用探測.用于識(shí)別各指標(biāo)種之間的交互作用，評估各指標(biāo)種共同作用和相互獨(dú)立作用對貧困驅(qū)動(dòng)指數(shù)的解釋力[5]118.首先，計(jì)算兩種指標(biāo)種對貧困驅(qū)動(dòng)指數(shù)的q值；其次，計(jì)算自然因子交互的q值，對q(X1) 、q(X2) 與q(X1∩X2) 進(jìn)行比較.

3)風(fēng)險(xiǎn)區(qū)探測.用于判斷兩個(gè)指標(biāo)種在子區(qū)域間的屬性均值是否有顯著的差別[5]118-119，從而搜索貧困嚴(yán)重的區(qū)域.風(fēng)險(xiǎn)探測用t統(tǒng)計(jì)量來檢驗(yàn).

2 結(jié)果分析

2.1 貧困驅(qū)動(dòng)指數(shù)的空間分布特征

生態(tài)環(huán)境指標(biāo)類的貧困驅(qū)動(dòng)指數(shù)高值主要分布在西北部的市縣，包括井岡山市、蓮花縣、遂川縣和上猶縣,見圖1(a).這些地區(qū)位于羅霄山中段，盡管植被覆蓋率高、無霜期長、降水豐沛，但由于地形以山地和丘陵為主,地勢高差大，在一定程度上阻礙了地區(qū)社會(huì)經(jīng)濟(jì)發(fā)展，同時(shí)該地區(qū)自然災(zāi)害比較頻繁，因?yàn)?zāi)返貧人口多.

社會(huì)經(jīng)濟(jì)指標(biāo)類的貧困驅(qū)動(dòng)指數(shù)呈現(xiàn)出以章貢區(qū)為低值中心、周邊市縣為高值區(qū)域的環(huán)狀分布態(tài)勢，見圖1(b).章貢區(qū)、南康區(qū)、贛縣區(qū)和于都縣屬于贛州市的都市區(qū)規(guī)劃范圍，社會(huì)經(jīng)濟(jì)實(shí)力相對較強(qiáng)，因此社會(huì)經(jīng)濟(jì)指標(biāo)類的貧困驅(qū)動(dòng)指數(shù)相對較低.

圖1(c)為整個(gè)研究區(qū)的區(qū)域貧困驅(qū)動(dòng)指數(shù)空間分布，由于贛州市的經(jīng)濟(jì)帶動(dòng)作用，中部地區(qū)(章貢區(qū)、南康區(qū)和贛縣區(qū))的貧困驅(qū)動(dòng)指數(shù)較其他地區(qū)稍低；西北部市縣的分布較高，最高的是井岡山市.由此可見，整個(gè)研究區(qū)的貧困驅(qū)動(dòng)指數(shù)空間異質(zhì)性分布明顯.

圖1 各指標(biāo)類貧困驅(qū)動(dòng)指數(shù)和區(qū)域貧困驅(qū)動(dòng)指數(shù)的空間分布

2.2 區(qū)域貧困驅(qū)動(dòng)指數(shù)的空間自相關(guān)分析

區(qū)域貧困驅(qū)動(dòng)指數(shù)的全局莫蘭指數(shù)IGlobal-Moran為 0.360，可見研究區(qū)的貧困驅(qū)動(dòng)指數(shù)在空間上呈正相關(guān)，表現(xiàn)為顯著聚集.對數(shù)據(jù)進(jìn)行999次隨機(jī)置換得到P=0.005<0.050，Z=2.600 3>1.960 0，表明貧困驅(qū)動(dòng)指數(shù)具有統(tǒng)計(jì)學(xué)意義，說明研究區(qū)域存在空間正自相關(guān)，整體表現(xiàn)為顯著的空間聚集性.從圖2和圖3可知，區(qū)域貧困驅(qū)動(dòng)指數(shù)在空間上主要表現(xiàn)為空間正相關(guān)，且存在“高高”和“低低”兩種聚集形式，顯著性分別在P=0.500和P=0.010下.黑色區(qū)域?yàn)椤案吒呔奂保锤唢L(fēng)險(xiǎn)貧困聚集區(qū)域，包括永新縣和井岡山市；灰色區(qū)域代表“低低聚集”，即低風(fēng)險(xiǎn)貧困聚集區(qū)域，包括章貢區(qū)和贛縣區(qū)；其余市縣表現(xiàn)為聚集不顯著.

圖2 區(qū)域貧困驅(qū)動(dòng)指數(shù)的LISA聚集圖

2.3 地理探測器分析

2.3.1 指標(biāo)種探測結(jié)果

地理探測器的因子探測器結(jié)果是進(jìn)一步探究多維貧困評價(jià)指標(biāo)體系中九大指標(biāo)種對于貧困影響程度的大小，結(jié)果見圖3.各指標(biāo)種的貧困影響程度從大到小依次為：地形>經(jīng)濟(jì)實(shí)力>植被水文>社會(huì)福利>生態(tài)恢復(fù)力>氣象>經(jīng)濟(jì)壓力度>人口壓力度>教育狀況.由于江西省羅霄山集中連片特貧困區(qū)山地較多，地形成為影響該區(qū)域貧困的主要原因，所以地形的q值遠(yuǎn)大于其他指標(biāo)種.

圖3 因子探測結(jié)果

2.3.2 交互作用探測結(jié)果

交互作用探測主要是不同指標(biāo)種兩兩之間交互之后得到的q值，與原來的單個(gè)指標(biāo)種q值做比較，即兩兩指標(biāo)種交互后對于貧困程度的作用是加劇了還是減緩了[5]118，結(jié)果如表2和表3所示，在所選指標(biāo)種中任意兩個(gè)指標(biāo)種的交互作用均大于單個(gè)指標(biāo)種的影響，說明導(dǎo)致研究區(qū)貧困的連片分布不是由單一的指標(biāo)種造成的，是多個(gè)指標(biāo)種共同作用的結(jié)果，各指標(biāo)種相互作用對貧困的影響均呈現(xiàn)增強(qiáng)的作用.其中，地形與其他8個(gè)指標(biāo)種的風(fēng)險(xiǎn)探測q值均大于0.9，呈現(xiàn)雙指標(biāo)種增強(qiáng)作用特征，由此可見地形極大地影響了研究區(qū)的貧困.

表2 交互作用探測結(jié)果

表3 交互作用探測類型

2.3.3 風(fēng)險(xiǎn)區(qū)探測結(jié)果

地理探測器的風(fēng)險(xiǎn)區(qū)探測結(jié)果Y表示存在顯著性差異，N表示不存在顯著性差異.表4至表12結(jié)果顯示，只有地形的第1類和第2類區(qū)域、第1類和第5類區(qū)域、第2類和第5類區(qū)域，風(fēng)險(xiǎn)區(qū)探測存在顯著的差別，并通過0.05水平顯著性檢驗(yàn)；其余各指標(biāo)種5個(gè)等級(jí)類別相互之間的風(fēng)險(xiǎn)區(qū)探測均無顯著性差別.

表4 地形指標(biāo)種5個(gè)等級(jí)類別相互之間的風(fēng)險(xiǎn)差異顯著性統(tǒng)計(jì)(顯著性水平：0.05)

3 結(jié)論與討論

區(qū)域貧困是多要素空間耦合和演化的自然結(jié)果和外在表現(xiàn).筆者利用均方差決策分析法構(gòu)建貧困驅(qū)動(dòng)指數(shù)，反映了江西省羅霄山集中連片特困區(qū)的區(qū)域貧困空間特征；利用GIS空間分析和地理探測器模型識(shí)別出集中連片特困區(qū)致貧的主導(dǎo)因素，各指標(biāo)種之間的相互作用方式及空間分異特征.研究發(fā)現(xiàn)，江西省羅霄山集中連片特困區(qū)的貧困驅(qū)動(dòng)指數(shù)空間異質(zhì)性分布明顯.全局空間自相關(guān)結(jié)果表明，研究區(qū)各地的貧困驅(qū)動(dòng)因子具有很強(qiáng)的空間依賴性，呈現(xiàn)“高高聚集”和“低低聚集”分布.地理探測器研究結(jié)果表明，地形對該區(qū)域貧困影響最大，并與其他指標(biāo)種呈現(xiàn)雙因子增強(qiáng)作用特征.

表5 植被水文指標(biāo)種5個(gè)等級(jí)類別相互之間的風(fēng)險(xiǎn)差異顯著性統(tǒng)計(jì)(顯著性水平：0.05)

表6 氣象指標(biāo)種5個(gè)等級(jí)類別相互之間的風(fēng)險(xiǎn)差異顯著性統(tǒng)計(jì)(顯著性水平：0.05)

表7 生態(tài)恢復(fù)力指標(biāo)種5個(gè)等級(jí)類別相互之間的風(fēng)險(xiǎn)差異顯著性統(tǒng)計(jì)(顯著性水平：0.05)

表8 人口壓力度指標(biāo)種5個(gè)等級(jí)類別相互之間的風(fēng)險(xiǎn)差異顯著性統(tǒng)計(jì)(顯著性水平：0.05)

表9 經(jīng)濟(jì)壓力度指標(biāo)種5個(gè)等級(jí)類別相互之間的風(fēng)險(xiǎn)差異顯著性統(tǒng)計(jì)(顯著性水平：0.05)

表10 經(jīng)濟(jì)實(shí)力指標(biāo)種5個(gè)等級(jí)類別相互之間的風(fēng)險(xiǎn)差異顯著性統(tǒng)計(jì)(顯著性水平：0.05)

表11 社會(huì)福利指標(biāo)種5個(gè)等級(jí)類別相互之間的風(fēng)險(xiǎn)差異顯著性統(tǒng)計(jì)(顯著性水平：0.05)

表12 教育狀況指標(biāo)種5個(gè)等級(jí)類別相互之間的風(fēng)險(xiǎn)差異顯著性統(tǒng)計(jì)(顯著性水平：0.05)

多維貧困在集中連片特困地區(qū)內(nèi)部呈現(xiàn)一定程度的空間聚集特征.依據(jù)潘竟虎、馮婭婭對中國農(nóng)村深度貧困縣的劃分[6]769-788，研究區(qū)屬于地形要素制約型.集中連片特困區(qū)的最大特征是分布在偏遠(yuǎn)的山區(qū)地帶，坡度、高程等地形條件是影響當(dāng)?shù)剞r(nóng)業(yè)生產(chǎn)結(jié)構(gòu)和生產(chǎn)方式的重要因素，也是影響交通道路等基礎(chǔ)設(shè)施投入的重要自然因素.在減貧政策上，需要依靠當(dāng)?shù)氐馁Y源稟賦，深入挖掘當(dāng)?shù)鬲?dú)特的土地、礦產(chǎn)、自然生態(tài)等資源優(yōu)勢，民俗文化人文優(yōu)勢，開展全域旅游，推動(dòng)資源優(yōu)勢轉(zhuǎn)換為產(chǎn)業(yè)優(yōu)勢，帶動(dòng)社會(huì)經(jīng)濟(jì)發(fā)展，實(shí)現(xiàn)減貧目標(biāo).

受數(shù)據(jù)可獲取性的限制，筆者對集中連片特困區(qū)貧困驅(qū)動(dòng)因子的識(shí)別主要針對的是現(xiàn)有縣域單元的貧困分布空間特征，缺少對多維貧困的空間演變動(dòng)態(tài)識(shí)別.以后在空間尺度和統(tǒng)計(jì)單元上進(jìn)一步結(jié)合鄉(xiāng)鎮(zhèn)、村級(jí)尺度，以及農(nóng)戶調(diào)查的微觀統(tǒng)計(jì)，識(shí)別特困區(qū)的貧困空間演變趨勢.同時(shí)，由于現(xiàn)階段貧困研究在實(shí)踐上更為關(guān)注2020年后的相關(guān)貧困問題，因此需要構(gòu)建更具有前瞻性的指標(biāo)，以模擬和預(yù)測2020年后特困區(qū)相對貧困的空間分布態(tài)勢.