乡镇尺度贫困地图绘制及空间贫困陷阱检验——以皖西地区为例
发布时间：2021-06-25 00:53
基于个体福利和区域综合发展指标,采用Arc GIS、Geo Da等分析工具,以乡镇为研究尺度绘制皖西地区贫困地图,分析贫困的空间演化并检验空间贫困陷阱的存在。结果显示:皖西地区存在贫困的空间集聚现象和一定的空间贫困陷阱。基于个体福利水平的空间贫困区相对分散,空间集聚程度有增强的趋势,但局部空间依赖性呈减弱趋势;基于区域发展综合水平的空间贫困区相对集中,整体空间集聚程度较低且逐渐减弱,局部空间依赖性呈增强趋势。这表明空间贫困和贫困陷阱的发生与发展不单受自然因素的制约,社会经济因素也可能造成空间贫困,整体发展较好地区的区域贫困问题值得关注。
【文章来源】：地域研究与开发. 2020,39(03)北大核心CSSCICSCD
【文章页数】：7 页
【部分图文】：
基于个体福利水平的皖西地区贫困地图
鉴于皖西大部分地区处于大别山贫困区域范围内，贫困发生率高于安徽省平均水平，而经济发展水平又低于安徽省平均水平，因此，皖西地区区域综合发展水平较为靠后的乡镇可以认为是贫困区域。因此，对选取的4个指标，根据熵值法得到区域发展综合得分，将结果导入Arc GIS 10.2，用四分位数法将各乡镇的综合得分由低到高划分为4个等级:深度贫困区、一般贫困区、相对优势区和相对富裕区，得出2001年、2009年、2018年皖西地区贫困空间格局(图2)。从图2可知，基于区域发展水平的皖西地区各乡镇空间贫困格局大致遵循“南高北低，梯次递减”的规律，与地形特征呈现高度一致。2001年，贫困区大多集中分布在皖西中部及南部地区，少数分散分布在东北部地区，且80%的深度贫困乡镇均分布在南部地区;2009年较2001年变化程度较小，中部地区乡镇的贫困程度有所减弱;2018年贫困区大多集中分布在皖西南部地区，少数分布在中部偏北区域，但此区域贫困程度相对加深，仍有88%的深度贫困乡镇分布在南部地区。值得一提的是，2018年中部合武铁路沿线贫困程度明显下降，出现了一条相对富裕集中地带。对比图1和图2发现:第一，对于南部的金寨、霍山、舒城三县，贫困程度都表现得较深，原因是这些乡镇分布于海拔较高的大别山深山区和库区，地势险峻、洪涝与干旱等自然灾害频发且水土流失严重，生存环境较为恶劣。但是基于区域发展水平的空间贫困现象要比基于个体福利水平的空间贫困现象突出得多，且在研究期变化不大。这可能是由于区域发展总体水平受地形等自然环境的影响大，而对于个体来说，由于山区人口相对较少、外出打工比例高、库区生态补偿、国家级贫困县等政策支持，人均收入水平在逐步提升，空间贫困程度有所下降。第二，对于皖西的北部地区来说，贫困的发展有很大差异。基于个体福利水平的贫困范围和贫困程度显然比基于区域发展水平的要广泛和深刻得多。总体来说，北部的霍邱县、寿县、裕安区、金安区位于黄淮平原区，地形平坦、交通便利，因此，各乡镇的区域发展水平总体上比南部高，发展水平较高地区呈现片状发展态势，但是由于这里是历史上的传统农业区、人口众多，又处于沿淮行蓄洪区，洪涝灾害严重，农业生产条件较差，农民人均纯收入水平较低，从中部四县(区)交界的地方到东北区域，甚至开始出现贫困的集聚现象，贫困呈不断发展趋势。这说明贫困的发生与发展不单只受自然因素的深刻影响，社会经济原因也有可能造成空间贫困，因此不能忽视总体发展较好地区的贫困集聚问题。最后，从图2看，随着皖西地区横贯中部的东西交通动脉的打通和完善，中部明显出现了一条发展水平较高的地区，说明交通对区域经济发展水平的影响显著。
为分析皖西地区整体贫困集聚的特征与类型，检验空间贫困陷阱的存在，利用Geo Da软件计算2001—2013年皖西地区各乡镇农民人均纯收入的全局空间自相关指数Moran’s I，以及变异系数(图3)。在研究时间段内两曲线波动幅度较大。变异系数(CV)值在2001—2006年相对较高，且逐渐上升，说明此阶段各乡镇农民人均纯收入的差异总体上呈现逐步扩大的趋势;2006—2008年下降并于2008—2013年趋于平稳，说明此阶段各乡镇农民人均纯收入水平逐渐趋同，整体差异缩小。全局空间自相关指数Moran’s I值均为正，且通过显著性检验，说明在研究时间段内各乡镇的农民人均纯收入表现出较为显著的空间正自相关特性;Moran’s I指数在2001—2007年波动幅度较大，总体呈上升趋势，2007—2013年呈下降趋势，表明其空间相关程度先增强后减弱;2013年的Moran’s I值较2001年有所上升，表明农民人均纯收入较高的乡镇与农民人均纯收入较低的乡镇的集聚程度都在增强。由于地理区位、经济、社会等外界环境的不同，尤其在较大范围的空间内，研究对象可能在某些位置是正的空间自相关，而在其他位置又是负的空间自相关，全局空间自相关无法探究其是否存在空间异质性，也无法确定空间异常值。因此，采用局部Moran’s I指数，利用Geo Da软件分别对皖西地区2001年、2007年、2013年各乡镇农民人均纯收入求LISA值，并在Z检验的基础上(P≤0.01)绘制LISA聚集图(图4)，识别局部的空间集聚和非平稳性，探索贫困的空间依赖性格局。
【参考文献】：
期刊论文
[1]我国县级政府贫困现状与空间特征[J]. 丁哲澜,陈东,樊杰,陈小良. 地域研究与开发. 2013(06)
[2]中国农村区域性贫困陷阱研究——基于“群体效应”的视角[J]. 邹薇,方迎风. 经济学动态. 2012(06)
[3]新疆农村贫困程度测度与扶贫资金动态绩效分析[J]. 刘林,李翠锦. 西北人口. 2012(03)
[4]在发展中战胜贫困——对中国30年大规模减贫经验的总结与评价[J]. 汪三贵. 管理世界. 2008(11)
[5]空间自相关在区域经济统计分析中的应用[J]. 宋洁华,李建松,王伟. 测绘信息与工程. 2006(06)
本文编号：3248162
【文章来源】：地域研究与开发. 2020,39(03)北大核心CSSCICSCD
【文章页数】：7 页
【部分图文】：
基于个体福利水平的皖西地区贫困地图
鉴于皖西大部分地区处于大别山贫困区域范围内，贫困发生率高于安徽省平均水平，而经济发展水平又低于安徽省平均水平，因此，皖西地区区域综合发展水平较为靠后的乡镇可以认为是贫困区域。因此，对选取的4个指标，根据熵值法得到区域发展综合得分，将结果导入Arc GIS 10.2，用四分位数法将各乡镇的综合得分由低到高划分为4个等级:深度贫困区、一般贫困区、相对优势区和相对富裕区，得出2001年、2009年、2018年皖西地区贫困空间格局(图2)。从图2可知，基于区域发展水平的皖西地区各乡镇空间贫困格局大致遵循“南高北低，梯次递减”的规律，与地形特征呈现高度一致。2001年，贫困区大多集中分布在皖西中部及南部地区，少数分散分布在东北部地区，且80%的深度贫困乡镇均分布在南部地区;2009年较2001年变化程度较小，中部地区乡镇的贫困程度有所减弱;2018年贫困区大多集中分布在皖西南部地区，少数分布在中部偏北区域，但此区域贫困程度相对加深，仍有88%的深度贫困乡镇分布在南部地区。值得一提的是，2018年中部合武铁路沿线贫困程度明显下降，出现了一条相对富裕集中地带。对比图1和图2发现:第一，对于南部的金寨、霍山、舒城三县，贫困程度都表现得较深，原因是这些乡镇分布于海拔较高的大别山深山区和库区，地势险峻、洪涝与干旱等自然灾害频发且水土流失严重，生存环境较为恶劣。但是基于区域发展水平的空间贫困现象要比基于个体福利水平的空间贫困现象突出得多，且在研究期变化不大。这可能是由于区域发展总体水平受地形等自然环境的影响大，而对于个体来说，由于山区人口相对较少、外出打工比例高、库区生态补偿、国家级贫困县等政策支持，人均收入水平在逐步提升，空间贫困程度有所下降。第二，对于皖西的北部地区来说，贫困的发展有很大差异。基于个体福利水平的贫困范围和贫困程度显然比基于区域发展水平的要广泛和深刻得多。总体来说，北部的霍邱县、寿县、裕安区、金安区位于黄淮平原区，地形平坦、交通便利，因此，各乡镇的区域发展水平总体上比南部高，发展水平较高地区呈现片状发展态势，但是由于这里是历史上的传统农业区、人口众多，又处于沿淮行蓄洪区，洪涝灾害严重，农业生产条件较差，农民人均纯收入水平较低，从中部四县(区)交界的地方到东北区域，甚至开始出现贫困的集聚现象，贫困呈不断发展趋势。这说明贫困的发生与发展不单只受自然因素的深刻影响，社会经济原因也有可能造成空间贫困，因此不能忽视总体发展较好地区的贫困集聚问题。最后，从图2看，随着皖西地区横贯中部的东西交通动脉的打通和完善，中部明显出现了一条发展水平较高的地区，说明交通对区域经济发展水平的影响显著。
为分析皖西地区整体贫困集聚的特征与类型，检验空间贫困陷阱的存在，利用Geo Da软件计算2001—2013年皖西地区各乡镇农民人均纯收入的全局空间自相关指数Moran’s I，以及变异系数(图3)。在研究时间段内两曲线波动幅度较大。变异系数(CV)值在2001—2006年相对较高，且逐渐上升，说明此阶段各乡镇农民人均纯收入的差异总体上呈现逐步扩大的趋势;2006—2008年下降并于2008—2013年趋于平稳，说明此阶段各乡镇农民人均纯收入水平逐渐趋同，整体差异缩小。全局空间自相关指数Moran’s I值均为正，且通过显著性检验，说明在研究时间段内各乡镇的农民人均纯收入表现出较为显著的空间正自相关特性;Moran’s I指数在2001—2007年波动幅度较大，总体呈上升趋势，2007—2013年呈下降趋势，表明其空间相关程度先增强后减弱;2013年的Moran’s I值较2001年有所上升，表明农民人均纯收入较高的乡镇与农民人均纯收入较低的乡镇的集聚程度都在增强。由于地理区位、经济、社会等外界环境的不同，尤其在较大范围的空间内，研究对象可能在某些位置是正的空间自相关，而在其他位置又是负的空间自相关，全局空间自相关无法探究其是否存在空间异质性，也无法确定空间异常值。因此，采用局部Moran’s I指数，利用Geo Da软件分别对皖西地区2001年、2007年、2013年各乡镇农民人均纯收入求LISA值，并在Z检验的基础上(P≤0.01)绘制LISA聚集图(图4)，识别局部的空间集聚和非平稳性，探索贫困的空间依赖性格局。
【参考文献】：
期刊论文
[1]我国县级政府贫困现状与空间特征[J]. 丁哲澜,陈东,樊杰,陈小良. 地域研究与开发. 2013(06)
[2]中国农村区域性贫困陷阱研究——基于“群体效应”的视角[J]. 邹薇,方迎风. 经济学动态. 2012(06)
[3]新疆农村贫困程度测度与扶贫资金动态绩效分析[J]. 刘林,李翠锦. 西北人口. 2012(03)
[4]在发展中战胜贫困——对中国30年大规模减贫经验的总结与评价[J]. 汪三贵. 管理世界. 2008(11)
[5]空间自相关在区域经济统计分析中的应用[J]. 宋洁华,李建松,王伟. 测绘信息与工程. 2006(06)
本文编号：3248162
本文链接：https://www.wllwen.com/jingjilunwen/nongyejingjilunwen/3248162.html
