川西北高原藏区农村贫困化分异机制探测*

彭文甫，叶 玲，罗艳玫，邝婷婷，杨存建，徐新良

(1.四川师范大学地理与资源科学学院，成都 610068； 2.四川师范大学西南土地资源评价与监测教育部重点实验室，成都 610068； 3.中国科学院资源环境科学数据中心，北京 100101)

0 引言

贫困是全球性的重大社会问题和现实难题，消除贫困、缩小城乡差距是人类实现可持续发展的重要目标之一[1]。长期以来形成的城乡二元结构体制和薄弱的农村经济社会基础，造成了中国仍然是世界上农村贫困人口最多的发展中国家[1]。中国政府主导的反贫困为全球减贫事业做出了巨大贡献。据联合国《千年发展目标2015年报告》，中国农村贫困人口从1978年的2.5亿人减少至2015年的5 575万人，贫困发生率相应地从30.7%减少至5.7%[2，3]，1990—2015年全球极端贫困人口减少10.64亿人，中国的贡献率超过70%[1]。目前，中国贫困人口的分布呈现出较强的地域分布特征[4]，多集中分布于深石山区、高寒区、高原区和地方病高发区，其中山区、丘陵地区、限制开发区多为贫困人口最为集中的区域[5]，因此，精准扶贫面临农村贫困面大、贫困人口多、贫困程度深、总体承载能力弱，局部区域资源环境已经超载等因素的严峻挑战[6]。

中国农村贫困类型多样、致贫原因复杂、扶贫任务艰巨等引起了国家和学者的广泛关注。2013年中国政府创新性地提出了精准扶贫与精准脱贫战略[7，8]，2015年推行精准扶贫工作成效第三方评估制度，促使有关农村贫困化理论、精准扶贫战略、扶贫开发模式等问题的研究[2]。就贫困化研究的内容分析，国内大多数农村贫困化研究都集中在贫困线[9]、贫困类型[10]、贫困原因[8，11-12]、反贫困目标[13]、贫困脆弱性[14]、多维度贫困测度[15]、社会经济发展的减贫效应[16]等； 就贫困化研究的方法而言，现有的研究仍以定性居多，主要集中在扶贫经验探索、工作实践[11，17]、农村贫困化机理、原因、政策等方面[8，11，18]，而对农村贫困化的定量研究较少，现有研究主要包括利用经济社会数据，借助贫困广度、贫困发生率、多维贫困指数、基尼系数、Fα系列贫困指数等方法分析贫困化[19，20]； 利用线性支出系统预测贫困标准线[21]，线性回归等方法对贫困人口空间分布因素影响进行分析[22]，运用人工神经网络(ANN)模拟分析中国区域贫困化，获取自然贫困指数[23]，利用二阶段最小二乘法(2SLS)对消费风险与科学抑制对农村贫困化的影响进行研究[24]，等等。上述研究为指导反贫困战略和政策的制定提供了有益的参考，从而有效地促进了中国的减贫事业。

习近平在十九大报告中指出，坚持精准扶贫、精准脱贫，确保到2020年我国现行标准下农村贫困人口实现脱贫，解决区域性整体贫困，成为促进区域协调发展、实现共同富裕和全面建成小康社会的重要目标之一[6，25]。2017年国家精准扶贫第三方评估实地调研结果表明，随着中央脱贫攻坚战略部署的深入贯彻落实，地处川西北高原藏区的茂县脱贫攻坚取得了重大阶段性成效。然而，长期影响川西北高原藏区农村发展的自然环境和经济约束因素依然普遍存在[6]，相关研究缺少对川西北高原藏区精准扶贫、农村贫困化地域分异机制的定量研究[2]，存在着扶贫理论研究指导性不强、精细化研究缺乏、精准扶贫创新不足等问题，而川西北高原藏区的扶贫脱贫工作与其他地区比较有一些特殊的要求，如何从少数民族地区的实际出发，真正卓有成效地开展精准扶贫、精准脱贫，实现民族地区包容式发展，成为亟待解决的社会问题和现实难题[26]。

该文章以川西北高原藏区的茂县为典型案例，应用地理探测器模型、GIS空间分析与地统计方法，探测出县域贫困村经济发展的分异的主导因素，揭示农村贫困化分异特征及其动力机制，进一步划分出贫困村地域类型，为探究川西北高原藏区创新脱贫途径，科学推进精准扶贫综合战略，认真贯彻落实中央治藏方略和改善民生，因地制宜、科学实施精准扶贫战略提供参考依据。

1 研究区域概况

茂县位于青藏高原东南沿，川西北高原岷江和涪江上游的干旱河谷地带，地处102°53′E～104°7′E，31°22′N～32°42′N(图1)，面积约3 903.28km2。东邻北川县、安县与绵竹市，西靠黑水县、理县，北接松潘县，南与汶川县、彭州市和什邡市交界，东西长约116.62km，南北宽约93.73km。茂县现辖6镇15个乡、149个行政村和3个居委会，总人口约11万人，2015年GDP值达到31.919亿元，城镇居民人均可支配收入达到2.517万元，农村居民人均可支配收入达到9 830元。

茂县县域特点是贫困地区、山区、高原藏区“三区合一”。(1)贫困地区。茂县属于典型的西南内陆欠发达地区，农村贫困“分布散、发展不平衡、收入差距大”特点突出，因灾因病因残致贫、返贫现象突出，贫困代际传递问题突出，集中连片与片区外有“插花式”贫困并存，贫困问题突出。截止2015年底，贫困村53个，贫困户1 561户，贫困人口5 316人； 贫困发生率为14.4%。(2)四川盆地向川西高原过渡的高山峡谷地区。境内山峦起伏、沟壑纵横，山势陡峻，地势西北高，东南低。地貌形态以中山深切割为特点，属四川盆地西缘山地。境内地质构造复杂，多弧形褶皱与断裂，出露岩层以变质岩系为主，地貌为典型的高山峡谷区。耕地、林地和草地分别占县域面积的2.61%、67.5%和21.6%。(3)川西北高原藏区。羌族人口10万余人，占全县总人口的92.17%，羌族人口约占全国羌族总人口的30%，是全国最大的羌族聚居县，境内还居住着汉、藏、回等17个民族。

2011年《中国农村扶贫开发纲要(2011—2020年)》，茂县被列入国家连片特困地区县，明确实施特殊政策的高原藏区，作为新时期扶贫开发主战场。打赢脱贫攻坚战，为认真贯彻落实中央治藏方略、精准扶贫理论与创新发挥重要的作用，也为促进区域协调发展、实现共同富裕的重大举措提供重要基础。近年来，茂县经济社会发展取得了显著的成就，但经济发展落后，基础设施薄弱，生态环境恶劣，脱贫攻坚难度大。

图1 研究区位置

2 研究方法

已有研究表明，影响农村贫困化分异的主导因素包括坡度、人均耕地、到主要干道距离、到县城中心距离等[2]； 自然环境恶劣、区位条件差、基础设施落后、区域发展不均衡等是中国农村持续贫困的主要症结[1]； 水网密度、到最近公路的距离、农民人均可支配收入等是山阳县农村贫困化的主要影响因素[27]； 自然条件恶劣，基础设施滞后，产业基础薄弱等是制约农村贫困的主要因素[28]，等等。尽管影响农村贫困化分异的因素复杂，但自然与人文因子的综合作用对农村贫困化分异影响深刻，依据指标体系选择的系统性、典型性、动态性、科学性、可量化和可获取等原则，并结合精准扶贫国家第三方评估和当地的实际情况，该文仅选择地形、气候与植被、社会等因素，共11个候选因子(表1)，应用地理探测器模型探测高原藏区贫困村单位面积GDP(元/km2)分异的主导因素，依据贫困村单位面积GDP(元/km2)值，结合矢量数据分析揭示贫困村经济状况的空间分布特征和分异机制。

表1 农村贫困化的空间影响因子

2.1 数据源与处理

研究数据主要包括茂县归一化植被指数(NDVI)、数字高程模型(DEM)、土地利用分类、气候、地形等自然环境因子、贫困村单位面积GDP值(元/km2)和茂县人民政府提供的2015年64个贫困村数据、村域尺度的矢量边界等基础数据。

(1)DEM数据来源于中国科学院资源环境科学数据中心(http：//www.resdc.cn)，通过GIS技术在DEM数据基础上提取茂县贫困村海拔、坡度、坡向等数据。

(2)土地利用、气候、NDVI等数据来源于中国科学院资源环境科学数据中心(http：//www.resdc.cn)，通过GIS技术提取出茂县贫困村年均温度、年均降水、≥10°C积温、干燥度指数、NDVI、土地利用等数据。

(3)茂县乡镇中心、主要交通道路数据通过配准后地图矢量化获得； 贫困村单位面积GDP(元/km2)通过GIS空间插值获取； 到主要交通道路距离和到乡镇中心距离等分别通过GIS欧式距离计算生成。

2.2 模型方法

(1)自然断点。自然断点法是基于数据中固有的自然分组，为减少组内的平均离散方差，使类与类之间的不同最大化，完全根据数据的分布规律，避免了人为因素的干扰[2]。利用自然断点法将贫困村坡向、坡度、高程等分别分为9级； 年均降水、年均温度和≥10°C积温等分别分为6级，NDVI和干燥度指数分别分为5级和4级。

(2)GIS空间空间分析。利用自然断点法获取的单位面积GDP与坡向、坡度、海拔、土地利用、年均降水、年均温度、≥10°C积温、NDVI和干燥度等各要素的叠加，分析各要素与单位面积GDP空间分异特征。

(3)地理探测器模型。地理探测器由王劲峰等通过提出“因子力”度量指标，结合GIS空间叠加技术和集合论，用以识别多因子之间交互作用的模型[1，23]，其基本思想是假设研究区分为若干子区域，如果子区域的方差之和小于区域总方差，则存在空间分异性； 如果两变量的空间分布趋于一致，则两者存在统计关联性[23]。地理探测器包括风险探测、因子探测、生态探测和交互探测等4部分。该文基于地理探测器模型，引入茂县贫困村单位面积GDP值，计算各因子的解释力，分析农村贫困化地域分异机制。

空间分异及因子探测：因子探测用于探测贫困村单位面积GDP(Y)的空间分异性，以及探测自然与社会因子(x)在较大程度上解释了贫困村单位面积GDP(Y)的空间分异。首先，将贫困村单位面积GDP/km2(Y)图层与自然与社会因子图层进行空间叠加分析； 其次，通过对自然与社会因子的不同空间类别分区或分类进行生境均值差异的显著性检验，从而探测出因子间的相对重要性。贫困村各因子的解释力计算模型为：

(1)

PD的值域为[0，1]，值越大说明Y的空间分异性越明显； 如果分层是由自变量x生成的，则PD值越大表示自变量x对属性Y的解释力越强，反之则越弱。极端情况下，PD值为1表明因子x完全控制了Y的空间分布，PD值为0则表明因子x与Y没有任何关系，PD值表示x解释了100×PD%的Y。

全区的Y值的方差计算公式为：

(2)

(3)

因子交互作用探测：交互作用探测器用于识别不同自然与社会因子之间的交互作用，即评估因子x1和x2共同作用时是否会增加或减弱对因变量单位面积GDP(Y)的解释力，或这些因子对单位面积GDP(Y)的影响是相互独立的。通过比较单因子作用时两个因子的PD值之和与双因子交互作用时的PD值，来判断两个因子的交互作用是增加了对单位面积GDP的影响还是减弱了对单位面积GDP的影响，或者两个因子是独立起作用的。评估的方法是首先分别计算两种因子x1和x2对Y的PD值：PD(x1)和PD(x2)，并且计算它们交互(叠加变量x1和x2两个图层相切所形成的新的多边形分布)时的PD值：PD(x1∩x2)，并对PD(x1)、PD(x2)与PD(x1∩x2)进行比较。

风险区探测：风险探测用于判断两个子区域间的属性均值是否有显著的差别，均值著性越大的子区域，单位面积GDP(Y)越大，用于搜索单位面积GDP高的区域。风险探测用t统计量来检验：

(4)

生态探测：生态探测用于比较两自然地理因子x1比x2对贫困村单位面积GDP(Y)空间分布的影响是否有显著的差异，如比较自然与社会因子x1和x2在各自不同子区域内总方差的差异，可判断是否x1比x2对贫困村单位面积GDP(Y)空间分布具有更重要的影响力。因子x1比x2对单位面积GDP(Y)空间分布的影响是否有显著的差异，以F统计量来衡量：

随着气源多元化和天然气体制改革深入，天然气电厂多气源和气源市场化会成为趋势。一些气电装机规模较大的企业将会把产业链向上游延伸，通过建设或控制部分气源或LNG 接收站以保障燃料供应，管道天然气不再是唯一的选择。此外，随着页岩气、煤层气以及煤制气等非常规天然气的加快发展，使用这些气源的电厂将会增多，气电企业对燃料成分及热值变化的关注程度也会逐渐加强。

(5)

(6)

(7)

式(5)～(7)中：Nx1及Nx2分别表示两个因子x1和x2的样本量；SSWx1和SSWx2分别表示由x1和x2形成的分层的层内方差之和；L1和L2分别表示变量x1和x2分层数目。其中零假设H0：SSWx1=SSWx2。如果在α的显著性水平上拒绝H0，这表明两因子x1和x2对属性单位面积GDP(Y)的空间分布的影响存在着显著的差异。

3 结果与分析

3.1 贫困村及其单位面积GDP差异性

四川省茂县贫困村分布呈现集中连片与片区外“插花式”格局，东西方向上的贫困村明显多于其他地区。东西方向沿省道(S302)—黑水河一线集聚分布，黑水河一线沿回龙、白溪、洼底、三龙、曲鼓、雅都、维城等乡镇集聚，以及沿国道G213渭门至回龙段以西的乡镇集聚分布，县域最南、最北段零散分布特征。研究发现，茂县乡镇和行政村单元之间的单位面积GDP分布存在较大差异(图2)。茂县单位面积的GDP均值达3 912元/km2，而贫困村平均仅达3 313.3元/km2，且贫困村单位面积GDP分布地区差异性显著，最大值为1.216 9万元/km2，最小值为1.18元/km2，标准方差达1.216 908万； 约48.64%和47.31%的贫困村单位面积GDP分别<2 411.45元/km2和7 268元/km2，>7 268.73元/km2的贫困村达3.92%。省道(S302)附近单位面积GDP较高，而黑水河附近海拔较高，单位面积GDP较低。因此，深入探测影响农村贫困化地域分异的主导因素及其分布特征，对于科学实施精准扶贫政策具有重要的意义。

图2 茂县贫困村贫困化差异

3.2 探测因子对贫困村影响力分析

据地理探测器之公式(1)计算各因子对单位面积GDP影响的大小，提取各因子对单位面积GDP的影响。由表2可知，各因子对单位面积GDP影响程度的排序为：到主要交通道路的距离>NDVI>土地利用>年均温度>高程、≥10°C积温>到乡镇中心距离>干燥度指数>年均降水>坡度>坡向。从因子对单位面积GDP影响力来看，到主要交通道路的距离、NDVI和土地利用的PD值分别达80.76%、12.8%和8.82%。因此，到主要交通道路的距离、NDVI和土地利用是影响贫困村单位面积GDP分异的主要因子。尽管地形与气候因子的PD值不高，单个因子的解释力很小，但地形与气候因子与到主要交通道路的距离、NDVI和土地利用等主要因子的交互作用呈现非线性增强或相互增强效应，增强了地形与气候因子对单位面积GDP的影响。

表2 探测因子PD值

表3 探测因子显著性差异统计(置信水平95%)

3.3 探测因子显著性差异分析

据公式(5)～(7)计算各因子对单位面积GDP的影响差异(表3)。表3给出了每两种因子之间的统计学差异显著的结果，如果行因子与列因子有显著性差异，则标记为“Y”，否则标记为“N”。

由表3可知，到主要交通道路的距离与所有因子对单位面积GDP的空间分异的影响具有显著的差异；NDVI与除土地利用类型和到乡镇中心距离外的所有因子对单位面积GDP的空间分布的影响具有显著的差异； 土地利用与坡度、坡向、年均温度、NDVI和到主要交通道路的距离对单位面积GDP的空间分布的影响具有显著的差异，与高程、≥10°C积温、干燥度指数、到乡镇中心距离不具有显著的差异。

3.4 探测因子指示作用分析

据地理探测器之公式(4)计算和分析了各因子对贫困村单位面积GDP变化的适宜范围(表4)，且在95%置信水平上通过了对其统计意义的检验。

表4 不同因子的适宜范围或类型(置信水平95%)

由表4可知，不同因子的单位面积GDP值差异明显。到主要交通道路距离和到乡镇中心距离越小，贫困村单位面积GDP值越高； 低海拔、缓坡度和南坡向等微地形对贫困村单位面积GDP值高低影响较大； 贫困村土地利用主要是耕地，年均温度、≥10°C积温、年均降水量等较好的水热条件有利于发展农牧业生产，促进贫困村经济发展。

3.5 探测因子交互作用分析

通过识别不同候选因子xs之间的交互作用，分析是否会增加或减弱对因变量单位面积GDP的解释力，或这些因子对单位面积GDP的影响是否是相互独立的。在自然、社会环境中，单位面积GDP是多种因素共同作用的结果，也不可能存在单一因素或者单一性质因素的影响。据地理探测器之公式(2)(3)计算探测因子交互作用(表5)。

表5 探测因子交互作用

总之，因子对单位面积GDP变化影响不是独立的，而是相互作用显著； 多因子交互作用对单位面积GDP的影响不是简单的叠加过程，而是非线性增强或相互增强效应。因此，驱动因子之间主要是协同作用和非线性协同作用，不存在相互独立起作用的因子。

3.6 贫困村地域分异机制

基于地理探测分析结果，最终确定到主要交通道路距离(x11)、NDVI(x8)、高程(x1)作为影响贫困村单位面积GDP地域分异的主导因素； 通过进一步综合探测分析各主导因素对贫困村经济发展分异的作用机制，为实现因地制宜、科学扶贫、精准脱贫施策提供参考依据。

(1)到主要交通道路距离。交通是连接县域内外的重要通道，到主要交通道路距离反映了县域交通区位的重要指标，对当地经济发展具有重要制约作用[1]。茂县贫困村省级以下道路19条、省道(S302)1条和国道(G213)1条，分别连接10个、4个和3个乡镇(图3)。据GIS空间分析、地理探测分析，发现茂县贫困村单位面积GDP随到主要交通道路距离增加的变化趋势(表6)，两者的拟合方程为：yGDP=-168.92x+2 973，R2=0.739 5。

图3 到主要交通道路距离

由表6和拟合方程可知，单位面积GDP随到主要交通道路距离增加，总体呈现下降趋势，两者之间具有较高的相关性(R=-0.7 005)； 距离交通主干道越近的区域，单位面积GDP越高，而远离主干路的偏远山区，与外界联系不方便，影响农产品外销、外出务工和资金引入，致使经济发展缓慢，农民收入来源少，单位面积GDP则较低。贫困村到主要交通道路距离小于1 226m时，单位面积GDP达2 956.56元/km2，距离超过7 358m时，单位面积GDP减少到达1 925.958元/km2。因此，到主要交通道路距离客观反映了样本点的交通便捷度与外界联系的紧密度，距离越短表示与外界联系程度高，反之与外界联系程度低[1]。

(2)NDVI。植被是生态系统的重要组成部分，与气候、地形、土壤等条件相互适应，对多种自然因素都有很强的依赖性和敏感性。由表5可知，NDVI对单位面积GDP的交互作用的PD值，如x8∩x10(0.847>x3∩x8(0.838>x2∩x8(0.828)>x5∩x8(0.477)>x8∩x9(0.475)等，因子交互作用效应呈现非线性增强和相互增强关系，表明到主要交通道距离和坡向、坡度等交互作用效应显著增强了NDVI因子对单位面积GDP的影响。由表7可知，NDVI值越大，各自然地理因子的特征更适合于植被生长； 贫困村NDVI介于0.286～0.439的区域，单位面积GDP最高，达5 035.503元/km2，但所占面积仅为贫困村面积的1.72%，NDVI>0.592的区域面积占贫困村面积的比重达90%以上，单位面积GDP值达2 270～4 008元/km2。因此，植被覆盖状况较好的贫困村，水热条件较好，有助于农业生产，单位面积GDP也较高。

表6 贫困村面积比例、单位面积GDP与到主要交通道路的距离统计

表7 贫困村NDVI、面积比例与单位面积GDP统计

(3)土地利用。茂县土地利用构成是耕地占2.61%，林地占67.5%，草地21.6%。耕地是农业生产赖以发展的物质基础。全县耕地面积6 395hm2，其中，河滩地1 915hm2、高半山坡地4 480hm2，人均耕地0.09hm2； 草地面积11万hm2，可利用面积8.6万hm2。GIS空间分析表明，贫困村耕地、林地和草地分别占其面积的3.265%、24.419%和49.828%。省道(S302)附近的贫困村，海拔较低，气候较好，交通便利，依靠地形与区位优势，扶持农业产业化龙头企业、建设优质蔬菜、特色水果等产业基地，发展经济。黑水河附近的贫困村，可发展优势特色农业、建设罗山村脆红李、南庄村羌脆李、木耳村高山绿色蔬菜、壳壳寨村果蔬一体化基地。但是农业生产不稳定、粮食产量偏低，农民增收较为困难，致使贫困发生率相对较高。

(4)气候因子。一般而言，温度升高，植物生长发育加速； 当温度低于或高于植物所能忍受的温度范围时，生长逐渐缓慢、停止，发育受阻，植物开始受害甚至死亡。尽管贫困村年均温度、年均降水、≥10°C积温和干燥度指数的PD值不高，均小于0.05(表4)，但年均温度与到主要交通道距离(x4∩x11=0.8526>x4)、海拔高程(x1∩x4=0.306 1>x4)、坡度(x2∩x4=0.211 8>x4)，NDVI与年均降水(x5∩x8=0.477 2>x5)、≥10°C积温(x6∩x8=0.203 9>x6)，干燥度指数与到主要交通道路距离(x7∩x11=0.829 3>x7)。因此，因子之间的交互作用效应显著增强了气候因子对单位面积GDP的影响。茂县的气候除具有高原型季风气候的共同特征外，还具有垂直气候差异显著、局地小气候多样、降水地域差异大且干湿季节分明、“焚风效应”显著等区域性特征。县域东部贫困村为半湿润暖温带气候型，高山峡谷内为半干旱温带气候型，其气候具有干燥多风，冬冷夏凉、昼夜温差大、地区差异大的特点。研究表明，茂县≥10°C积温在3 163～3 980°C、年均温度在8～13°C范围对贫困村单位面积GDP值(6 505元/km2和5 521元/km2)影响要大于年均降水在1 097～1 161mm和干燥度指数在-1～0范围(3 596元/km2和3 524元/km2)。因此，气候因子对贫困化分异影响较大。

(5)地形因子。随着海拔的升高，气候发生变化，空气变得寒冷和干燥，因此对植物生长造成相应影响； 由于光照、温度、雨量等因子的综合作用，不同坡度和坡向对植物生长产生影响，从而引起植物和环境的生态关系发生变化。分析表明，尽管贫困村海拔高程、坡度和坡向的PD值不高，均小于0.03(表4)，但海拔高程与NDVI(x1∩x8=0.459 5>x1、x1∩x3=0.105 4>x1)，坡度与到主要交通道路距离(x2∩x11=0.818 3>x2)、土地利用(x1∩x9=0.124 74>x1)，坡向与NDVI(x3∩x8=0.838 9>x3)、到主要交通道路距离(x3∩x11=0.824 0>x3)、到乡镇中心距离(x3∩x10=0.197 5>x3)等的交互作用呈现非线性增强或相互增强效应，显著增强了海拔高程对单位面积GDP的影响，如随高程的增加，贫困村单位面积GDP值呈现减少趋势，高程<1 706m，单位面积GDP值最高，达5 954.722元/km2(表8)，坡度<10.96°和坡向在157.5～202.5°范围的单位面积GDP值达最高，分别为3 670元/km2和3 258元/km2，海拔高程对贫困村单位面积GDP值的影响要大于坡度和坡向的影响。因此，地形因子对贫困化地域产生较大影响。

表8 贫困村海拔高程与单位面积GDP统计

3.7 贫困化地域类型与扶贫政策措施

贫困化地域分异是自然与人文因素综合作用的结果，川西北高原藏区的茂县贫困化分异的主导因素具有差异性，但到主要交通道路的距离、土地利用、年均温度、到乡镇中心的距离等因子交互作用对茂县农产品销售、生产方式、农业结构、基本公共服务设施等产生重要影响。探测因子交互作用表明，川西北高原藏区的自然、社会、经济等因子交互作用效应呈现非线性增强和相互增强关系(表5)，对农村贫困化产生重要影响。根据探测结果将研究区划分为交通区位约束型区域、自然资源与环境约束型区域、经济区位约束型区域等3种贫困化地域类型。

(1)交通区位约束型。该类型区域主要特点是受主要交通道路距离的影响较大，道路交通设施不完善，基础条件比较差。茂县距主要道路距离在8 584～9 810m、9 810～11 037m、11 037～11 263m范围内的贫困村的面积占其面积的比重分别为0.240%、0.386%和0.291%(表6)。距离主干道路较远，道路基础设施条件不完善，成为扶贫攻坚的难点。因此，应利用国家专项扶贫资金，实施通村通畅、村道安保、村级道路硬化等工程，大幅提升县、乡、村公路通达能力，充分发挥交通基础设施在农村经济发展特别是脱贫攻坚中的作用； 同时，区域发展严重受阻的偏远山区，采取移民搬迁政策。

(2)自然资源与环境约束型。该类型受区域自然资源与环境要素禀赋的影响较大，地处高山地区，坡度大、海拔高、生态脆弱，地质灾害、泥石流灾害等问题比较严重，土地资源贫瘠，水热资源短缺不适宜种植业发展，自然资源与环境对经济、社会发展的制约严重影响到脱贫攻坚成效。因此，应加快推进农村饮水安全、农田水利灌溉和大中型水利工程建设，继续巩固“百村千池万窖微水灌溉工程”成果，破解贫困村“因水不稳、因水不兴、因水致贫”难题； 积极争取国家农村电网支持资金，提升配网供电能力和供电质量。对于自然条件恶劣不适宜人类生存发展的区域，应对当地贫困户采取移民搬迁政策； 贫困地区要妥善处理好生态保护与扶贫开发的关系，加强贫困村生态环境保护与治理修复，提升贫困地区可持续发展能力，实现绿色发展[29]。

(3)经济区位约束型。该类型受到乡镇中心距离影响较大，贫困村到乡镇中心距离范围为0～2.490万m，占贫困村面积77.97%的区域位于到乡镇中心距离<1.115 万m范围内，22.03%以上贫困村到乡镇中心距离>1.115万m(表9)。该类型区域远离县城或乡镇中心，农村基础和公共服务设施不完善，难以满足贫困村农民消费、医疗、教育等生活需求。应加强区域改水、饮水安全项目与乡镇卫生院建设、广电通讯提升、农村社会保障等基础与公共服务设施建设； 按照“宜农则农、宜旅则旅、宜商则商”原则，大力培育发展贫困村特色富民产业，充分发挥合作社、专业大户和龙头企业等新型经营主体的示范作用，着力提升贫困群众脱贫致富能力，实现持续稳定脱贫； 同时，大力发展电子商务，充分运用现代信息技术拓展特色产品销售渠道，把贫困村生态资源优势转变为经济优势，进一步拓宽群众增收渠道。

表9 贫困村单位面积GDP、面积比例与到乡镇中心距离统计

4 结论

该文以川西北高原藏区的茂县案例，利用地理探测器模型、GIS技术、地统计方法分析了区域农村贫困化分异的主导因素，揭示了农村贫困化地域分异的主导因素及其机制。针对多种主导因素交互作用导致的农村贫困化发生机理的复杂性、精准施策难度大等问题，考虑贫困村不同地域的环境特征、科学发展观和绿色发展理念[29]，研究提出了贫困化地域类型与扶贫政策措施，对于其他贫困地区实施精准扶贫措施，具有重要的借鉴意义。

(1)地理探测器是研究地域分异的重要方法。通过风险、因子、生态和交互等探测，为川西北高原藏区农村贫困化分异的主导因素探测和贫困化机制研究提供了重要支撑。与传统的主成分分析、经典回归模型等方法通常基于一些假设或限制，如正态分布和线性假设等相比较，地理探测器方法无线性假设，具有明确的物理含义[30]。

(2)依据贫困化分异机制的核心主导因素，提出有针对性的精准扶贫对策。贫困化地域分异主要因素包括到主要交通道路的距离、NDVI、土地利用、年均温度、高程和到乡镇中心距离； 依据不同主导因素对贫困化分异的解释力，提出了农村贫困化的地域类型和加强公共基础设施建设、产业培植，注重多种模式的综合集成，发挥特色农牧业基础效应和因地制宜、分类施策[31]，建立适合贫困地区融自然—经济—社会复合系统的生态产业体系，形成更高层次的综合扶贫模式。

(3)贫困村是农村贫困化地域分异的最基础单元，在脱贫攻坚系统研究中具有重要作用。依据乡镇贫困地域类型进行精准扶贫分类指导，推进川西北高原藏区乡镇精准扶贫特色模式与可持续机制，为中国其他民族贫困地区实施脱贫攻坚决策提供科学支撑[31]和借鉴意义。