贵州省贫困发生率与生境退化程度相关性分析

2017-07-01韩会庆李松

湖南师范大学学报·自然科学版 2017年3期

韩会庆+李松

摘要为探究贫困发生率与生境退化程度之间的空间相关性，以贵州省为例，利用InVEST模型，对全省生境退化程度进行评估，进而利用GeoDa软件分析贵州省贫困发生率与生境退化程度之间相关性.结果表明：（1）2010年贵州省贫困发生率与生境退化程度空间异质性突出，东部、西部和南部贫困发生率大于中部和北部，中西部生境退化程度大于东南部和南部.（2）贫困发生率与生境退化之间存在负相关关系，且以负相关的低高集聚和高低集聚为主.贫困发生率越大的地区生境退化程度越小.贫困发生率与生境退化的双变量LISA聚集图中，以高-低相关和低-高相关为主，其分布集中于东南部和中部.贫困程度与人为地类空间格局的差异是造成贫困发生率与生境退化之间负相关的主要原因.

关键词贫困发生率；生境退化；空间相关性；贵州省

中图分类号 F323.8 文献标识码 A 文章编号 1000-2537（2017）03-0015-06

Correlation Analysis Between Poverty Incidence and

Habitat Degradation in Guizhou Province

HAN Hui-qing1， LI Song2*， YU Hong-yan2

（1. College of Architecture and Urban Planning， Guizhou Institute of Technology， Guiyang 550003， China；

2. Institute of Resources， Environment and Disasters， Guizhou Normal College， Guiyang 550018， China）

Abstract In order to explore the correlation between poverty incidence and habitat degradation， taking Guizhou province as an example， we evaluated the habitat degradation degree in the entire province using the InVEST model. Then， the spatial correlation between poverty incidence and habitat degradation was analyzed using the GoeDa model. Our results are as follows：（1） There was clear space heterogeneity for poverty incidence and habitat degradation in 2010. Poverty incidences in east， west and south parts were higher than those in north and central parts. Habitat degradation degree in midwest was higher than that in southeast and south parts. （2） There was a negative correlation between poverty incidence and habitat degradation. High-low group and low-high group were the main types. A higher poverty incidence in administrative region had a lower habitat degradation degree. The high-low group and low-high group were located in southeast and central part for bivariate LISA cluster map of poverty incidence with habitat degradation. The different spatial pattern of poverty grade and human land use types are the main reasons resulting in the negative correlation between poverty incidence and habitat degradation.

Key words poverty incidence； habitat degradation； spatial correlation； Guizhou province

生境退化是指人類活动或自然环境变化引起的生境质量和支持生物群落能力下降的现象.生境退化程度作为生境质量的表征，其高低对区域生物多样性维持以及社会经济发展具有重要影响.人类通过社会经济活动导致生境质量下降，从而影响区域社会经济可持续发展.通过探究人类社会经济水平与生境退化程度的相互关系，对区域社会经济与生境质量协调发展具有重要意义.

目前，社会经济与生境退化之间关系的研究集中于社会经济压力下生境退化监测[1]以及社会经济引起生境退化的驱动机理[2]研究.如Carrete等认为城镇化和农业土地集约利用是引起不发达国家生境退化的重要因素[3].张艳红等发现道路建设、居民地和耕地面积扩张导致保护区生境质量退化[4].孙元敏等分析了社会经济因素对海岛生境退化的驱动机制的影响[2].贫困是衡量社会经济发展水平的指标，生境退化是生态环境质量的反映.贫困与生态环境保护之间是一种多维的、复杂的相互作用和相互影响的关系[5].如曹诗颂等研究发现连片特困区脆弱生态环境与经济贫困共生共存，应该充分考虑贫困地区生态环境保护的战略意义，通过保护地区生态环境来达到减少经济贫困的目的[6].李静怡等研究发现吕梁地区生态环境质量与经济贫困（人均纯收入）同步性较差[7].张宁等认为和墨洛地区贫困是环境制约型的贫困，生态环境与贫困之间形成一个不良的循环.脆弱的生态环境和贫乏的自然资源使当地居民对资源采取掠夺式开发，反过来，脆弱生态平衡又加剧对居民生产和生活的约束[8].可以看出，当前国内外对社会经济（包括贫困）与生态环境之间关系进行了系统分析，却很少涉及贫困与生境退化之间关系研究.

近十几年来，贵州省社会经济发展速度较快，建设用地快速扩张势必对全省生境质量产生一定负面效应[9].同时，贵州省又是全国贫困人口最多的省份，其贫困发生率水平远高于全国水平[10].因此，本研究以贵州省为例，利用GeoDA软件和InVEST生境质量评估模型，探究贵州省贫困发生率与生境退化之间的空间关系，以期为区域生境质量保护和精准脱贫提供科学依据.

1 研究区概况

贵州省位于中国西南部，地理位置在东经103°36′～109°35′、北纬24°37′～29°13′之间.全省国土总面积176 167 km2，占全国国土面积1.8%.全省地貌以山地为主，素有“八山一水一分田”之说.气候属亚热带湿润季风气候，平均气温在15 ℃左右，气候冬无严寒，夏无酷暑，最冷的1月份，平均温度在3～8 ℃之间，而最热的7月份，平均溫度也在18～26 ℃之间，年降水量在1 100～1 300 mm之间，降水季节分配不均，降水集中在5～10月份.2010年，贵州省下辖4市3州2地区88个县级行政单元.2010年全省年底常住人口3 479万人，其中城镇人口1 176.25万人，农村人口2 302.75万人，自然增长率7.41‰.生产总值4 602.16亿元，人均13 119元.城镇居民人均可支配收入14 143元，农民人均纯收入3 472元.人均消费性支出中，城镇10 058元，农村2 852元.受崎岖地形、岩性、土壤和气候因素影响，贵州省是典型的生态脆弱区，加上人类不合理的经济活动，该区生态环境呈退化趋势，表现为原生性植被破坏、土地退化、水土流失和石漠化严重[11].贵州省88个县级行政单元中50个县是国家扶贫开发的重点县，其贫困具有面积大、程度深和隐性贫困的特点.至2010年，全省贫困人口总数418万，贫困发生率高达12.1%[12].贫困发生率与生境退化之间具有一定的耦合关系，贫困发生率是人类社会与自然环境耦合系统的复杂体现，是生境退化的重要外部驱动因素，而生境退化是贫困发生率高低的外在表现和结果.

2 研究方法

2.1 数据来源

2010年贵州省土地利用/覆被数据和2010年县级行政单元贫困发生率作为本研究的源数据，其中2010年土地利用/覆被数据来自30 m×30 m Landsat TM/ETM，利用人机交互解译的方法进行解译，并根据野外实地调查进行修正.根据研究区实地特点，土地利用/覆被类型被划分为旱地、水田、有林地、灌木林地、草地、城镇用地、农村居民点、交通用地、工矿用地、水域和未利用地.2010年全省县级行政单元贫困发生率数据来源于2011年贵州省统计年鉴.

2.2 基于InVEST模型的生境退化评价

由美国斯坦福大学、世界自然基金会和大自然保护协会联合开发的InVEST模型主要用于生态系统服务功能评估，主要包括海洋系统、陆地系统和淡水系统的各服务功能评估，如碳储量、授粉、木材、生境质量、波能、产水量、营养物沉积和土壤侵蚀等模块[13].

本研究利用InVEST模型中的生境质量（Habitat Quality）模块评估研究区生境退化状况.该模块主要是利用土地利用/覆盖数据，结合各种对生境质量构成威胁的生态威胁因子，对区域生境退化状况进行评估.该模块运行需要3类数据，包括土地利用/覆盖图、威胁因子图层、各地类对威胁因子敏感度.其中土地利用/覆盖图是利用2010年贵州省土地利用/覆被图.威胁因子图层和各地类对威胁因子敏感度具体参数，主要利用专家、相关文献[14-15]和实地调查获取.其中威胁因子图层主要包括各威胁因子种类（农田、农村居民点、交通用地、城镇用地、工矿用地）、威胁因子威胁距离、威胁距离衰减率和权重（表1）.威胁因子影响距离、距离衰减率和权重的确定主要依据威胁因子对生境质量的干扰强度.如城镇用地是人类活动的集中地，它对周边生境质量威胁距离较远，影响强度较大.而农田和农村居民点对周边生境质量干扰相对较小.因此，其威胁最大距离和权重等较小.地类对威胁因子敏感度主要涉及各地类对威胁因子敏感强度和生境适合性（表2）.敏感强度的确定主要依据威胁因子对各地类的影响强度，如城镇用地扩张主要是占用耕地，且城镇周边多为耕地.因此，城镇用地对旱地和水田的影响较强，进而导致旱地和水田生态系统对城镇用地干扰的敏感性较强.生境适合性分值确定主要依据各生态系统适宜动植物生存的种类多少.如有林地、灌木林、草地等适合多种动植物生存和繁衍.因此，其生境适合性分值较高.

该模型生境退化状况评估公式：

Dxj=∑Rr=1∑Yy=1（wr∑Rr=1wr）ryirxyβxSjr，（1）

式中：Dxj是生境退化状况；Wr是威胁因子权重；ry是生态威胁因子个数；Sjr是威胁因子对生境质量（各地类）的敏感度.生境退化评估值为[0，1]区间，越接近1，生境退化程度越高；越接近0，生境退化程度越低.

2.3 空间相关性分析

GeoDa软件中的Morans I 和LISA聚集图被用于分析贵州贫困发生率与生境质量相关性，计算公式为

Ii = Zi∑nj=1WijZj. （2）

式中，Zi和 Zj是分别是空间单元i 和j的标准化值，Wij是空间权重.Morans I分值为0-1之间，小于0 代表负相关，等于0 代表不相关，大于0 代表正相关.LISA聚集图中把全省划分为高-高（高值区与高值区相邻）型、低-低（低值区和低值区相邻）型、高-低（高值区和低值区相邻）型、低-高（低值区和高值区相邻）型和不显著型（区域之间不存在相关性）.

3 结果与分析

3.1 贫困发生率与生境退化空间特征

利用ArcGIS软件的自然断点法将贫困发生率与生境退化程度分别分为5个等级，即高贫困发生率（>15.77%）、较高贫困发生率（12.60%～15.77%）、中等贫困发生率（8.81%～12.60%）、较低贫困发生率（4.63%～8.81%）和低贫困发生率（<4.63%）以及强生境退化（>0.064）、较强生境退化（0.047～0.064）、中等生境退化（0.030～0.047）、较弱生境退化（0.019～0.030）和弱生境退化（<0.019）（图1）.由图1可以看出，高贫困发生率集中于贵州省南部的黔东南州、黔南州、黔西南州和六盘水市.较高和中等贫困发生率主要分布在贵州省东部、西部和南部的铜仁市、黔东南州、黔南州、黔西南州、毕节市和六盘水市.较低和低贫困发生率集中于贵州省中部和北部的贵阳市和遵义市；强和较强生境退化主要分布于贵州省中部的贵阳市.中等和较弱生境退化集中于贵州省中部、西部、西南部和北部的遵义市、贵阳市、毕节市、铜仁市、六盘水市、黔西南州和安顺市.弱生境退化主要分布贵州省东南部和南部的黔东南州、黔南州和黔西南州.

由贵州省贫困发生率与生境退化全局空间自相关指数（图2）看出，贵州省贫困发生率与生境退化之间Morans I为-0.428 206，说明两者存在负相关关系.由图2可知，贵州省贫困发生率与生境退化之间相关性分析中，区域多集中于第二象限和第四象限，这说明贵州省贫困发生率与生境退化之间以负相关的低高集聚和负相关的高低集聚为主.

从贵州省贫困发生率与生境退化的双变量LISA聚集图（图3）看出，贫困发生率与生境退化的空间相关性以高-低和低-高为主的空间负相关为主，高-高和低-低的空间正相关较少.其中，高-低相关的地区主要集中黔东南州大部和黔南州南部，如罗甸县、施秉县、三穗县、天柱县、剑河县、台江县、雷山县、丹寨县、三都县、荔波县、从江县、榕江县、黎平县、锦屏县等.呈低-高相关的地区主要集中贵阳市中南部和黔南州西部，如清镇市、修文縣、龙里县、花溪区、白云区、乌当区、云岩区、南明区等.呈低-低相关的地区主要集中黔东南州西北部和黔南州东部零星地区，如都匀市、凯里市.全省无高-高相关的地区.其余地区均为贫困发生率与生境退化程度无相关性的区域.

4 结论与讨论

4.1 结论

2010年贵州省南部、东部和西部贫困发生率较高，中部和北部贫困发生率较低.中西部生境退化程度较大，东南部和南部生境退化程度较小.高和较高贫困发生率地区以较弱和弱生境退化为主.中等和较低贫困发生率地区以较弱和中等生境退化为主.低贫困发生率地区以中等生境退化为主.贫困发生率与生境退化之间存在负相关，且以负相关的低高集聚和高低集聚为主.贫困发生率与生境退化之间LISA聚集图中，高-低和低-低相关地区集中分布东南部，低-高相关地区主要分布中部.人为地类空间格局差异是影响生境退化程度的重要因素，进而影响生境退化程度与贫困发生率之间相关性.

4.2 讨论

关于环境退化与贫困之间的关系的研究存在争议，有人认为贫困与环境退化存在简单的正相关，有人认为环境退化与贫困之间的关系是一个复杂的多元因素网[16].我们的研究却表明贫困与生境退化之间存在负相关，这与不同贫困程度地区人为地类（建设用地和耕地）特点有关.贫困发生率较高地区，社会经济发展水平较低，人为地类（尤其是建设用地）比例较低，这导致威胁地类对生境质量的干扰强度较低，进而使得生境退化程度较低.同理，贫困发生率较低地区，社会经济发展水平较高，人为地类（尤其是建设用地）比例较高，剧烈的人类活动强烈干扰生境质量，进而导致生境退化程度较高，从而导致贫困程度与生境退化程度之间存在负相关.值得注意的是，受我国东部地区经济吸引，贵州贫困地区大量劳动力涌入东部，这进一步减弱了贫困地区人类活动对生境质量的负面影响.此外，贵州省贫困与生境退化之间空间相关性特点主要与贫困程度和人为地类的空间格局有关.贫困地区不一定表征生存和发展压力下人类剧烈的社会经济活动，从而不会对生境质量产生过多负面影响，这在贵州省东南部较为典型.一方面贵州省东南部是全省经济发展水平较低地区，贫困发生率较高；另一方面，受地形及历史原因影响，贵州省东南部人类活动较弱（社会经济水平较低），建设用地和耕地等人为地类比例不高，这使得人类活动对其生态环境的干扰较弱，生境退化程度较小，这导致黔东南州呈现贫困发生率与生境退化程度负相关特点.我们的研究验证了贫困与环境退化之间受多重因素，不仅仅是简单的正相关.

另外，贫困发生率与生境退化程度相关性分析结果依赖于生境退化程度评估结果的准确性，由于InVEST模型生境退化程度评估方法是以专家打分为基础，专家的经验是影响评估结果的重要因素，这使得生境退化程度评估结果的主观性较强，降低了评估结果的客观性.

参考文献：

[1] 雷坤，孟伟，郑丙辉，等.渤海湾海岸带生境退化诊断方法[J].环境科学研究，2009，22（12）：1361-1365.

[2] 孙元敏.南亚热带海岛生境质量评价及其退化机制研究[D].厦门：国家海洋局第三海洋研究所， 2010.

[3] CARRETE M， TELLA J L， BLANCO G， et al. Effects of habitat degradation on the abundance， richness and diversity of raptors across Neotropical biomes[J].Biol Conser， 2009，142（10）：2002-2011.

[4] 张艳红，何春光.基于GIS扎龙自然保护区丹顶鹤适宜生境动态变化[J].东北林业大学学报，2009，37（4）：43-45.

[5] 祁新华，叶士琳，程煜，等.生态脆弱区贫困与生态环境的博弈分析[J].生态学报， 2013，33（19）：6411-6417.

[6] 曹诗颂，王艳慧，段福洲，等.中国贫困地区生态环境脆弱性与经济贫困的耦合关系——基于连片特困区714个贫困县的实证分析[J].应用生态学报，2016，27（8）：2614-2622.

[7] 李静怡，王艳慧.吕梁地区生态环境质量与经济贫困的空间耦合特征[J].应用生态学报，2014，25（6）：1715-1724.

[8] 张宁，张振兴，郭怀成.新疆和墨洛地区贫困与生态环境关系分析[J].中国人口资源与环境，2001，11（52）：57-59.

[9] 王瑞，安裕伦，王培彬，等.贵州省生物多样性热点地区研究[J].水土保持研究，2014，21（6）：152-157.

[10] 张恒.贵州喀斯特地区农村环境与贫困类型划分研究[J].凯里学院学报，2011，29（6）：83-86.

[11] 刘云，熊康宁.贵州喀斯特山地生态退化与生态经济重建研究[J].山西煤炭管理干部学院学报，2009，12（1）：120-122.

[12] 郜红娟，蔡广鹏，韩会庆，等.贵州省贫困发生率与生态系统服务价值相关性分析[J].水土保持研究，2016，23（5）：274-277.

[13] 吴哲，陈歆，刘贝贝，等.InVEST模型及其应用的研究进展[J].热带农业学，2013，33（4）：58-62.

[14] 包玉斌，刘康，李婷，等.基于InVEST 模型的土地利用变化对生境的影响——以陕西省黄河湿地自然保护区为例[J].干旱区研究，2015，32（3）：622-629.

[15] 吴健生，张理卿，彭建，等.深圳市景观生态安全格局源地综合识别[J].生态学报，2013， 33（13）：4125-4133.