張新紅，楊玉歡，蒲發(fā)良，李小蘭

(蘭州理工大學(xué) 設(shè)計藝術(shù)學(xué)院 城鄉(xiāng)規(guī)劃系，蘭州 730050)

0 引言

農(nóng)村貧困是一個全球性的發(fā)展問題和現(xiàn)實(shí)難題，消除貧困和縮小城鄉(xiāng)差距是人類實(shí)現(xiàn)可持續(xù)發(fā)展的重要目標(biāo)之一[1]。改革開放以來，中國在全國范圍內(nèi)大力開展農(nóng)村扶貧工作，經(jīng)過近40年的不懈努力，取得舉世公認(rèn)的輝煌成就，并獲得了國際社會的高度認(rèn)可[2]。至2020年12月，按照現(xiàn)行標(biāo)準(zhǔn)中國農(nóng)村貧困人口全部脫貧，貧困縣全部摘帽，消除了絕對貧困和區(qū)域性整體貧困。

貧困人口的形成與資源稟賦和社會經(jīng)濟(jì)發(fā)展密不可分，是人地互動的結(jié)果[1]。因此，值得從地理學(xué)視角深入探討農(nóng)村貧困問題。由于人文條件、地理環(huán)境和城鄉(xiāng)發(fā)展水平的不同，國內(nèi)外學(xué)者從地理學(xué)視角對農(nóng)村貧困的研究有所差異。國外學(xué)者的研究多集中在農(nóng)村貧困的影響機(jī)制、農(nóng)村貧困測算、扶貧模式與扶貧成效評估等方面[3-4]。中國東西、南北跨度大，地理環(huán)境差異明顯，農(nóng)村類型多、維度廣。從研究對象的地理差異來看，主要分為山區(qū)[5-6]、鹽堿地[7]、沙漠地區(qū)[8]、大河流域[9]、平原區(qū)[10]等類型。在研究方法上，多集中于農(nóng)村貧困測度[11-12]、農(nóng)村貧困地理識別和類型劃定[13-14]、貧困的空間分布格局及影響因素[15-16]等方面。從研究對象尺度來看，隨著數(shù)據(jù)精度的提高和相關(guān)研究的深入，研究對象的尺度越來越小，由區(qū)域、省域等宏觀尺度轉(zhuǎn)向鄉(xiāng)鎮(zhèn)和行政村等微觀尺度[15-16]?，F(xiàn)有研究成果雖多，但多以空間維度探討貧困地理格局及其影響因素，較少結(jié)合時間維度分析農(nóng)村貧困的時空演化。時空是地理要素的兩個基本維度，由此入手探討農(nóng)村貧困地理格局，厘清貧困影響因素并揭示其時空演化特征，對鞏固拓展脫貧攻堅成果與鄉(xiāng)村振興有效銜接具有重要的現(xiàn)實(shí)意義。

秦巴連片特困區(qū)分布于中國南北地理分界線兩側(cè)，山體高大、地形復(fù)雜、生態(tài)脆弱、交通不便，農(nóng)村貧困面廣，貧困人口多、貧困深度大，是農(nóng)村扶貧開發(fā)的主戰(zhàn)場，近年至往后一段時間都將是農(nóng)村貧困和鄉(xiāng)村振興方面的熱點(diǎn)研究對象。由于中微觀尺度數(shù)據(jù)和時態(tài)數(shù)據(jù)缺乏，現(xiàn)有研究成果較難解釋一定區(qū)域內(nèi)農(nóng)村貧困的時空演化特征[16-18]。隴南市作為秦巴連片特困區(qū)的典型核心區(qū)，于2017年建立了涵蓋貧困人口、耕地等方面的鄉(xiāng)村數(shù)據(jù)庫，并面向公眾開放查詢?；诂F(xiàn)階段研究的不足，本研究以隴南市為研究案例，以鄉(xiāng)鎮(zhèn)為基本空間單元，運(yùn)用空間自相關(guān)、OLS和GWR等方法，從中、微觀尺度定量探究2014—2019年農(nóng)村貧困地理格局與影響因素的時空演化特征，為持續(xù)提升隴南市脫貧攻堅實(shí)施效果、與鄉(xiāng)村振興有效銜接和科學(xué)制訂發(fā)展對策提供參考。

1 研究區(qū)、數(shù)據(jù)來源及研究方法

1.1 研究區(qū)域概況

隴南市地處秦巴連片特困區(qū)西北部、甘肅省南部，所轄的武都區(qū)和康縣、文縣、成縣、徽縣、禮縣、兩當(dāng)縣、西和縣、宕昌縣共1區(qū)8縣均屬連片特困區(qū)。全市總面積2.79萬 km2，共轄城關(guān)鎮(zhèn)、長壩鎮(zhèn)等195個鄉(xiāng)鎮(zhèn)，2019年末常住人口為264.31萬人，城市化率僅為34.82%，遠(yuǎn)低于全國同期平均水平(60.60%)。截至2019年末，全市還有超過35 000名貧困人口，并在地理空間上相對集中，主要分布在西部宕昌縣、禮縣、西和縣(圖1)。

1.2 數(shù)據(jù)來源

研究數(shù)據(jù)主要來源如下：(1)各鄉(xiāng)鎮(zhèn)2014年和2019年末貧困人口、耕地面積來源于隴南鄉(xiāng)村大數(shù)據(jù)平臺公布的各鄉(xiāng)鎮(zhèn)概況信息。(2)地形地貌數(shù)據(jù)來源于地理空間數(shù)據(jù)云提供的30 m DEM。(3)學(xué)校、醫(yī)院診所數(shù)據(jù)來源于百度POI數(shù)據(jù)。(4)主要公路數(shù)據(jù)來源于開放地圖平臺(OSM)。(5)鄉(xiāng)鎮(zhèn)人民政府所在地坐標(biāo)經(jīng)由百度地圖開放平臺獲取。此外，支撐研究的邊界等數(shù)據(jù)來源于標(biāo)準(zhǔn)地圖服務(wù)平臺。所有數(shù)據(jù)由ArcGIS 10.6軟件轉(zhuǎn)換至同一坐標(biāo)系并投影后進(jìn)行分析。

1.3 研究方法

1.3.1 貧困發(fā)生率

(1)

式(1)中：Yi表示i鄉(xiāng)鎮(zhèn)貧困發(fā)生率，Pi表示i鄉(xiāng)鎮(zhèn)貧困人口，Ni表示i鄉(xiāng)鎮(zhèn)年末總?cè)丝凇?/p>

1.3.2 空間自相關(guān)分析

空間自相關(guān)可量測空間事物的分布是否具有自相關(guān)性，高的自相關(guān)性代表了空間現(xiàn)象有集聚性存在[20]。本研究借助ArcGIS 10.6軟件，用Global Moran’sI指數(shù)檢驗(yàn)貧困發(fā)生率的整體空間集聚性，用LISA集聚圖檢驗(yàn)貧困發(fā)生率的局部集聚性與離散性。

1.3.3 普通最小二乘法(OLS)

OLS用于評估兩個或更多要素屬性之間的關(guān)系，準(zhǔn)確表達(dá)相關(guān)變量之間的內(nèi)在關(guān)系規(guī)律，以分析事件的影響因素[21]。本研究假設(shè)平均高程、人口密度等影響因素與貧困發(fā)生率存在線性關(guān)系，以貧困發(fā)生率為因變量，各影響要素為自變量，建立OLS回歸模型。計算結(jié)果中，各變量的系數(shù)(Coef)用于評估指標(biāo)變量與貧困發(fā)生率的關(guān)系強(qiáng)度與類型，方差膨脹因子VIF用于檢驗(yàn)變量是否存在冗余；矯正R2表示所有變量能解釋貧困發(fā)生率的百分比，值若為正且越趨近1，表明構(gòu)建的模型解釋力越強(qiáng)，反之越弱；阿凱克信息準(zhǔn)則AICc值是比較多個模型的一項度量值，值越小模型表現(xiàn)越佳。

1.3.4 地理加權(quán)回歸(GWR)

不同地區(qū)農(nóng)村貧困的成因不盡相同，表現(xiàn)出空間異質(zhì)性。傳統(tǒng)回歸分析方法應(yīng)對空間異質(zhì)性主要有階段回歸的參數(shù)估計模型和變參數(shù)回歸模型兩種，但均有一定不足。Fotheringham提出的地理加權(quán)回歸模型引入了空間權(quán)重概念，可較好地描述定量關(guān)系隨空間變化的特征[22]。本研究將貧困發(fā)生率作為因變量，平均高程、距縣城中心距離、人口密度作為解釋變量，建立GWR模型。在設(shè)置分析參數(shù)時，核函數(shù)類型選擇固定距離(FIXED)，帶寬選擇使用AICc準(zhǔn)則，計算公式參照文獻(xiàn)[23]。計算結(jié)果中的系數(shù)、矯正R2、AICc、殘差含義與OLS模型中一致。

2 農(nóng)村貧困化的地理格局時空演化

2.1 地域分異特征

2014—2019年隴南市農(nóng)村貧困發(fā)生率顯著下降，農(nóng)村貧困化空間分異特征愈加顯著(圖2)。2014年，隴南市西部的禮縣肖良鄉(xiāng)農(nóng)村貧困發(fā)生率最高，為60.93%。全市僅有21個鄉(xiāng)鎮(zhèn)的農(nóng)村貧困發(fā)生率小于10%，主要分布在交通便利、地勢平緩的各縣區(qū)的中心鎮(zhèn)和武都區(qū)、成縣、文縣的少部分鄉(xiāng)鎮(zhèn)，貧困發(fā)生率大于40%的鄉(xiāng)鎮(zhèn)有31個，分布于縣域邊緣、高海拔、地勢起伏大的地區(qū)，集中分布在禮縣、西和縣和康縣，表明隴南市農(nóng)村貧困具有顯著的地域差異性。到2019年末，各鄉(xiāng)鎮(zhèn)農(nóng)村貧困發(fā)生率顯著降低，但區(qū)域差異仍然存在并有加大的趨勢，貧困發(fā)生率最高值為9.28%，貧困深度大大降低，但仍有36個鄉(xiāng)鎮(zhèn)農(nóng)村貧困發(fā)生率超過3%，且集中分布在宕昌縣、禮縣和西和縣。

2.2 空間集聚特征

2014年和2019年隴南市農(nóng)村貧困發(fā)生率的Global Moran’sI指數(shù)分別為0.416、0.507，均表現(xiàn)出較強(qiáng)的空間集聚特征，說明農(nóng)村貧困發(fā)生率高(低)的鄉(xiāng)鎮(zhèn)在地理空間上較為集中。5年間Global Moran’sI指數(shù)上升0.091，表明農(nóng)村貧困化空間集聚程度有所加劇。2014年隴南市農(nóng)村普遍貧困，貧困人口在地理空間上呈現(xiàn)一定的交錯分布形態(tài)，經(jīng)過5年的脫貧攻堅后貧困人口減少，但地域分布的集中程度有所提高。貧困發(fā)生率的LISA集聚圖顯示， 2014年、2019年隴南市農(nóng)村貧困化的局部聚集效應(yīng)明顯，高—高聚集和低—低聚集的正相關(guān)鄉(xiāng)鎮(zhèn)個數(shù)相較于高—低聚集和低—高聚集的負(fù)相關(guān)鄉(xiāng)鎮(zhèn)個數(shù)要多(圖3)。2014年，高—高聚集型鄉(xiāng)鎮(zhèn)除少量零星分布在東南部的康縣和武都區(qū)外，大多集中在西北部的宕昌縣、禮縣和西和縣。低—低聚集型鄉(xiāng)鎮(zhèn)主要集中于禮縣東北部、徽縣西部和武都西北部，兩者呈X形交錯分布。至2019年，同一水平貧困發(fā)生率的鄉(xiāng)鎮(zhèn)相對集中分布，呈正相關(guān)的鄉(xiāng)鎮(zhèn)增加了30個，高—高聚集型鄉(xiāng)鎮(zhèn)集中分布在西北部的宕昌縣、禮縣和西和縣，集聚規(guī)模較2014年更大；低—低聚集型鄉(xiāng)鎮(zhèn)在隴南市中部呈西南—東北向帶狀分布，橫跨文縣、武都區(qū)、康縣、成縣、徽縣、兩當(dāng)縣。

3 隴南市農(nóng)村貧困影響因素時空演化

3.1 指標(biāo)選取

研究表明，農(nóng)村貧困化空間分異是經(jīng)濟(jì)、社會、環(huán)境等多維地理要素共同作用的結(jié)果[20]。結(jié)合研究區(qū)特征和數(shù)據(jù)可獲得性，選取8個指標(biāo)以反映地形、公共服務(wù)設(shè)施、交通等農(nóng)村貧困影響因素(表1)?？紤]到部分指標(biāo)5年間變化較大，平均高程、平均坡度、學(xué)校數(shù)量、醫(yī)院診所數(shù)量和主要公路網(wǎng)密度的指標(biāo)值，分別采用2014年、2019年末的數(shù)據(jù)計算得到。

表1 影響因素及變量Table 1 Influencing factors and variables

3.2 基于OLS的分析

OLS分析結(jié)果表明，2014年平均高程、距縣城中心距離和人口密度通過檢驗(yàn)并進(jìn)入回歸模型，但2019年僅有平均高程和距縣城中心距離(表2)。2014年、2019年模型矯正后R2分別為0.326、0.170，表明全局性視角下變量能解釋農(nóng)村貧困成因中大約32.6%、17.0%的變化，并且進(jìn)入回歸模型的指標(biāo)VIF均小于7.5，表示變量間不存在明顯的多重共線性。2014年，平均高程和距縣城中心距離對貧困發(fā)生率產(chǎn)生了顯著的正向影響，而人口密度正好相反。2019年，平均高程和距縣城中心距離對貧困發(fā)生率依然產(chǎn)生了顯著的正向影響，但影響程度不及2014年。

表2 貧困發(fā)生率與影響要素的OLS回歸結(jié)果Table 2 OLS regression results of poverty incidence and influencing factors

3.3 基于GWR的分析

為揭示農(nóng)村貧困影響因素的空間異質(zhì)性，本研究運(yùn)用GWR進(jìn)行了回歸分析。結(jié)果表明，2014年、2019年模型矯正后R2分別為0.516、0.452，AICc 值為1 447.98、656.421，比OLS的校正后R2提高了0.190、0.282個單位，AICc 值降低了43.655、73.380個單位，且殘差不具有顯著的空間自相關(guān)性，說明GWR比OLS可更好地解釋主要因子影響農(nóng)村貧困發(fā)生率的局部規(guī)律。表3說明各因子的影響方向與OSL分析結(jié)果一致，回歸系數(shù)的變化體現(xiàn)出平均高程、人口密度與距縣城中心距離對農(nóng)村貧困發(fā)生率的作用方向與強(qiáng)度存在時空異質(zhì)性。

表3 貧困發(fā)生率與顯著影響要素的GWR回歸結(jié)果Table 3 GWR regression results of poverty incidence and significant influencing factors

2014年，平均高程對農(nóng)村貧困發(fā)生率的影響由西南向東北遞增(圖4a)，同時在西南、西北少數(shù)區(qū)縣的中心鎮(zhèn)存在較弱的負(fù)向影響。2014年人口密度對農(nóng)村貧困發(fā)生率有顯著的減弱作用，從中北部向外圍逐漸增強(qiáng)(圖4b)。隴南市農(nóng)村居民點(diǎn)主要沿溝谷和交通干道線性分布，這些區(qū)域經(jīng)濟(jì)發(fā)展水平相對較高，而交通不便的高山偏遠(yuǎn)地區(qū)人口稀疏、經(jīng)濟(jì)薄弱，出現(xiàn)了人口密度對農(nóng)村貧困發(fā)生率產(chǎn)生負(fù)向影響的現(xiàn)象。2019年的影響強(qiáng)度雖大大降低(圖4d)，但空間異質(zhì)性愈加顯著，影響強(qiáng)度大的鄉(xiāng)鎮(zhèn)向東北部方向集中，強(qiáng)度低的鄉(xiāng)鎮(zhèn)呈多點(diǎn)散布。隴南市作為典型的山地區(qū)域，境內(nèi)高山廣布，海拔介于556～4 176 m之間，地形起伏大，山區(qū)優(yōu)質(zhì)耕地稀缺，對于以農(nóng)業(yè)為主導(dǎo)的鄉(xiāng)村經(jīng)濟(jì)發(fā)展影響很大，同時還制約脫貧攻堅效果。2014年、2019年距縣城中心距離對農(nóng)村貧困發(fā)生率的影響以中西部為核心向東南、東北逐層遞減，2014—2019年的演變形態(tài)向西部中心趨于集中(圖4c、4e)?？拷湛h、成縣等縣城的村鎮(zhèn)可較好地利用地理區(qū)位優(yōu)勢驅(qū)動地緣經(jīng)濟(jì)，進(jìn)而帶動鄉(xiāng)村農(nóng)業(yè)、商貿(mào)和旅游經(jīng)濟(jì)的發(fā)展?？傮w而言，5年間各影響要素對不同地區(qū)農(nóng)村貧困的作用方向與強(qiáng)度上發(fā)生了顯著差異，平均高程對農(nóng)村貧困發(fā)生率的影響由正北向東北片區(qū)轉(zhuǎn)移，距縣城中心距離對農(nóng)村貧困發(fā)生率的影響由西部片區(qū)向中心靠攏，人口密度于2019年退出了主導(dǎo)因子行列。

3.4 主導(dǎo)因子演化分析

為探究5年間影響農(nóng)村貧困主導(dǎo)因子及其強(qiáng)度發(fā)生轉(zhuǎn)變的原因，本研究在計算主導(dǎo)因子GWR系數(shù)差的基礎(chǔ)上，結(jié)合隴南市實(shí)體物質(zhì)因素(DEM、道路等)和相關(guān)扶貧政策予以分析。2014—2019年平均高程系數(shù)差由西南向東北逐層遞減，但有34個鄉(xiāng)鎮(zhèn)的系數(shù)差為正，主要分布于西部宕昌縣、文縣地勢起伏較大的地區(qū)(圖5a)，系數(shù)降低較大的鄉(xiāng)鎮(zhèn)主要位于東北部徽成盆地與中西部武都地區(qū)(圖5b)。距縣城中心距離5年間系數(shù)差自東向西減小，其中也有35個鄉(xiāng)鎮(zhèn)的系數(shù)差為正，位于東北、東南地區(qū)(圖5c)，該地區(qū)路網(wǎng)稀疏，道路密度5年間增幅較??；而系數(shù)減小顯著的區(qū)域主要沿高速G75、G8513以及國道G567線性分布，其交通網(wǎng)絡(luò)體系性強(qiáng)、道路密度增加明顯(圖5d)，可見交通路網(wǎng)增強(qiáng)了鄉(xiāng)鎮(zhèn)與縣城中心的聯(lián)系，削弱了距縣城中心距離對農(nóng)村貧困發(fā)生率的影響。2019年人口密度因子退出主導(dǎo)因子，一方面因?yàn)槿丝诿芏容^高區(qū)域位于徽成盆地、武都和禮縣(圖5e)，上述區(qū)域分布有體系良好的交通網(wǎng)絡(luò)，也是道路網(wǎng)密度增加最高的區(qū)域(圖5f)；另一方面則是在國家脫貧攻堅戰(zhàn)略的引導(dǎo)支撐下，隴南市大力推進(jìn)異地扶貧搬遷安置工作，依托城鎮(zhèn)和中心村集中安置轉(zhuǎn)移人口，強(qiáng)化基礎(chǔ)設(shè)施建設(shè)，發(fā)展特色優(yōu)勢產(chǎn)業(yè)，實(shí)現(xiàn)脫貧致富。

4 結(jié)論與討論

4.1 結(jié)論

秦巴山區(qū)是全國14個集中連片特困地區(qū)中跨省份最多的地區(qū)，片區(qū)內(nèi)自然與社會環(huán)境差異較大，形成了多維性貧困。本研究以隴南市鄉(xiāng)鎮(zhèn)為基本單元，首先探討了農(nóng)村貧困的空間分布形態(tài)，并借助空間自相關(guān)模型探測空間集聚特征，進(jìn)而利用OLS從全局視角定量分析農(nóng)村貧困發(fā)生率的主導(dǎo)因子，基于GWR從局部視角分析主導(dǎo)因子對農(nóng)村貧困發(fā)生率的作用方向與強(qiáng)度的時空演化。主要得出以下結(jié)論：(1) 2014—2019年隴南市農(nóng)村貧困發(fā)生率顯著下降，農(nóng)村貧困化空間分異特征顯著。2014年農(nóng)村貧困普遍存在，2019年農(nóng)村貧困分區(qū)明顯、地域差異顯著。(2) 農(nóng)村貧困化具有較強(qiáng)的空間正相關(guān)性，貧困人口在地理空間上呈現(xiàn)出顯著的集聚性。5年間Global Moran’sI上升了0.091，呈正相關(guān)的鄉(xiāng)鎮(zhèn)增加了30個。貧困發(fā)生率高—高型鄉(xiāng)鎮(zhèn)主要分布在西北部，低—低型鄉(xiāng)鎮(zhèn)主要位于西南部和東北部。(3) 農(nóng)村貧困影響因素存在顯著的時空分異。在時間方面，2014—2019年平均高程和距縣城中心距離的影響力顯著減小，尤其是人口密度在2019年時已退出主導(dǎo)因子。在空間方面，不同區(qū)域致貧因素存在較大差異，東北片區(qū)平均高程對農(nóng)村貧困影響顯著，西部中心片區(qū)距縣城中心距離對農(nóng)村貧困影響較大。因此，東北片區(qū)可繼續(xù)通過易地搬遷、發(fā)展特色產(chǎn)業(yè)，使人口搬移高山地區(qū)或在中心村、城鎮(zhèn)就近集聚，西部中心片區(qū)可進(jìn)一步完善基礎(chǔ)交通設(shè)施建設(shè)，提高道路可達(dá)性，增強(qiáng)縣城對周邊鄉(xiāng)鎮(zhèn)的經(jīng)濟(jì)輻射。

4.2 討論

科學(xué)識別農(nóng)村貧困成因，揭示貧困時空演化特征，對于推進(jìn)精準(zhǔn)扶貧和鄉(xiāng)村振興具有重要的現(xiàn)實(shí)意義。從隴南市農(nóng)村貧困影響因素的解析來看，鞏固脫貧攻堅工作既要把握整體區(qū)域特征，也要根據(jù)地區(qū)差異與特色因地施策，并密切關(guān)注農(nóng)村貧困主要矛盾的變化，盡快建立幫扶機(jī)制以鞏固脫貧成果。農(nóng)村貧困研究需要隨時間與空間的變化進(jìn)行長期監(jiān)測，同時結(jié)合地域特色做出適當(dāng)調(diào)整，對各類貧困精準(zhǔn)識別[24]。受數(shù)據(jù)可獲得性等因素的影響，本研究存在一定的局限和不足，如貧困發(fā)生率的解釋變量偏少，缺乏政策方面的影響因子會對結(jié)果有一定影響，并導(dǎo)致所建的OLS、GWR模型的擬合度偏低。國家數(shù)字鄉(xiāng)村發(fā)展行動計劃的積極推進(jìn)，為鄉(xiāng)鎮(zhèn)級乃至行政村級更多經(jīng)濟(jì)社會數(shù)據(jù)的獲取提供了可能，這不僅有助于精準(zhǔn)識別貧困類別和防止規(guī)模性返貧，也有利于補(bǔ)充完善貧困成因的科學(xué)認(rèn)知以及相關(guān)后續(xù)研究。

志謝：

在數(shù)據(jù)收集整理中，蘭州理工大學(xué)設(shè)計藝術(shù)學(xué)院城鄉(xiāng)規(guī)劃系蔡樂山、郭彩霞同學(xué)給予了幫助，在此表示感謝！