基于可持续发展目标的环京津贫困县特征测度及时空演变

万 圆 ，王艳慧 ，华 婧 ，齐文平

1.首都师范大学资源环境与旅游学院，北京 100048；

2.首都师范大学三维信息获取与应用教育部重点实验室，北京 100048；

3.首都师范大学北京城市环境过程与数字模拟国家重点实验室培育基地，北京 100048；

4.中国资源卫星应用中心，北京 100094

0 引 言

联合国2030年可持续发展目标（sustainable development goals，SDGs）提供了全球可持续减贫指南，得到了国际社会的广泛响应和积极行动[1]。为实现17项可持续发展目标，联合国设计和推行了一系列后续措施，其中重要举措之一是利用统计和地理信息进行SDGs评估监测[2]。在实现全世界消除一切形式的贫困这一目标下，中国为世界减贫事业做出了巨大贡献，贫困人口从2012年底的9899万人减到2019年底的551万人，贫困发生率由10.2%降至0.6%，绝对贫困已经基本消灭。针对中国的减贫形势和两个一百年目标，2018年中国扶贫国际论坛指出，2020年后中国减贫的重点将从消除绝对贫困转向缓解相对贫困[1]。贫困具有动态性和相对性的特征，是一个复杂的发展过程，贫困脆弱性依然存在，消除贫困仍是全人类需要共同面对的难题。

目前，很多学者采用多维贫困和区域贫困理论研究农村贫困问题。在贫困度量方法方面，刘艳华等[3]、李寻欢等[4]、邹薇等[5]、袁媛等[6]基于人口学特征考虑采用构建多维贫困指数测算贫困的方法。此外，一些学者将地理空间理论引入贫困度量研究，如王艳慧等[7]、陈烨峰等[8-9]、WANG Yanhui等[10]、刘新梅等[11]从贫困的空间分布格局等方面，基于地理空间和GIS探讨贫困度量方法和时空演化开展研究。何仁伟等[12]选取农民人均纯收入作为反映农村贫困的指标，考察环京津贫困带农村贫困的时空演变；张亚明等[13]构建环京津贫困带空间贫困综合评价体系，测算环京津贫困带的三维度系统空间分异地图。

目前，研究区的选取多是基于行政区划边界或片区，对贫困带的研究相对较少，忽略了局部贫困空间分异特征。对贫困带贫困测度的研究或局限于单一的年份，或缺少对致贫因素的时空演化状况的研究。环京津贫困带因其环绕北京和天津两大都市，是贫困地区与生态脆弱区、水源保护区、生态敏感区四重耦合区域，其贫困和生态问题关乎整个区域现代化和生态安全全局，产生了一系列比其他地区更为突出的政治、经济、社会和生态影响[14]。

在乡村振兴战略部署下，新时期脱贫工作，同样需要监测相对贫困地区减贫和可持续发展的发展变化。如何监测其减贫与发展的分布、演变趋势仍然需要着力研究。故本文选取环京津贫困带作为研究区，利用3年数据，设计了综合自然、社会、经济三大向度的县级多维贫困度量指标体系及模型；建立最小方差模型（LSE）对贫困类型进行度量，采用致贫因子贡献度和线性回归方法系统揭示研究区贫困县的致贫因素，最后从时间序列上对各贫困县贫困程度进行演变分析，以期待精准全面把握研究区致贫因素和时空演化。从研究区选取典型性、时间连续性方面对农村贫困研究增添新的科研依据，以期为未来相对贫困的减缓与可持续发展提供方法与技术参考。

1 研究区概况和数据来源

1.1 研究区概况

研究区地处环京津冀贫困带，呈C型结构（图1），涉及河北省环京津的16个贫困县。属于半干旱和半湿润过渡气候带，包括沙化严重的坝上高原、石化严重的燕山和太行山区、盐碱遍地的黑龙港流域。研究区气候与地理条件限制其发展，整体上社会经济发展水平落后、贫困程度深、内部发展差异。考虑县域的区位、地形地貌、生态环境等特征[15-16]，将研究区划分为3类地域类型：东北地区，属河北省东北部平原山区，包含平泉县；坝上地区，位于向内蒙古高原过渡的地带，包括张家口市的尚义县、张北县、康保县、沽源县以及承德市的丰宁满族自治县、隆化县和围场满族蒙古族自治县共7个县；西太行山区，燕山-太行山脉贯穿县域，涉及保定市的阜平县、唐县、涞源县、顺平县，张家口市的蔚县、阳原县、怀安县、万全县共8个县。

图1 研究区概况Fig.1 Research areas

1.2 数据来源和预处理

本研究采用的社会经济数据来自《河北农村统计年鉴（2013、2015、2017）》和国务院扶贫办贫困县监测数据，涵盖16个贫困县的经济发展、医疗卫生、文化教育、扶贫绩效等各领域的统计数据。利用极差变换公式，对经济和社会向度的原始数据进行无量纲化处理。基础地理数据主要包括1∶10万土地利用数据、90 m分辨率的DEM数据及国家1∶25万基础地理数据。

数据在使用前进行地理配准、投影变换、数据连接等预处理工作。利用ARCGIS10.2软件提取坡度，在研究区内选取平均分布点，提取对应点的高程计算各贫困县的平均高程。

2 研究方法

2.1 县级多维贫困测算

1）贫困指标体系。以贫困县为研究单元，借鉴社会分层理论，以多维贫困理论为指导[17]，参考前人贫困指标体系[18-20]，从自然、经济和社会3个向度进行评估。其中，自然向度反映区域发展潜力，经济向度既是贫困的表相也是脱贫的硬实力，社会向度揭示贫困人口的生活保障。本文依据指标选取原则[7-10]，选取了25个候选指标初步构建评价指标体系。在检验过程中发现通有线电视率、通电话率、通宽带率三者复相关系数较大，剔除区分度最小的通电话率，最终建立含23个致贫因素的县级多维贫困指标体系。

2）权重设定。通过层次分析法（AHP）和熵值法（EVM）进行主客观赋权[21]，得到贫困县测算指标体系及权重（表1）。

表1 贫困县测算指标体系及其权重Tab.1 Indicator system and weights of poverty-stricken counties

3）多维贫困测算方法。表征区域综合贫困程度的综合贫困指数（PI）的计算式为：

式中，NI、SI、EI分别为自然致贫指数、社会致贫指数、经济致贫指数，NI的计算公式为：

式中，n为该维度内指标的数量；Ii为第i指标经标准化后的值；ωi为第i指标的权重。SI、EI的计算方法与NI相同。

2.2 贫困类型度量

本文利用最小方差模型（LSE）[21]对各贫困县的显著性致贫因素和贫困类型进行定量分析[9,22-23]，计算综合指数指标的贡献度，识别各个贫困县的主要贫困贡献因素，进而揭示贫困县的贫困类型。在向度层面，将贫困类型划分为主导型、协作型、综合型。主导型为单一向度作用致贫，贡献度为1；协同作用型由两个向度共同作用，各自的贡献度为0.5；综合作用型为3个向度共同平均作用，每个向度贡献度为0.33[9]。最小方差S2计算公式如下：

式中，xi为将贫困县的维度贡献度由大到小排列后的第i位的维度贡献度；yi为理论模型维度贡献度由大到小排列后的第i位维度贡献度。

2.3 致贫因素分析

致贫指标贡献度分析法虽然能够切实反映每个贫困县的致贫因素差异，但容易受到指标体系设计者的主观影响；线性回归分析方法能较客观描述致贫因素差异，但无法解释各贫困县的具体致贫原因，且易受数据质量的限制[7]。因此，采用两种方法分析并交叉验证。

1）贡献度分析。本文利用各指标的致贫贡献度反应致贫因素的重要性程度，计算公式为：

式中，ωD为i指标所在向度的权重，即ωNI、ωSI、ωEI；ωi为i指标在其维度下的权重值；PI为综合贫困指数。

2）线性回归分析。自变量xi为致贫维度数据，因变量Y为各贫困县2016年贫困发生率，方程式[9]为：

式中，n为自变量的个数；λi为回归系数；β为随机误差项。

3 结果分析

3.1 研究区综合贫困程度

利用综合贫困指数PI定量反映环京津贫困带贫困县3年的贫困程度。对比各贫困县的贫困程度，突显出贫困聚集的特征（图2）。

图2 2012、2014、2016年各县综合贫困指数分布Fig.2 Comprehensive poverty index distribution of counties in 2012，2014 and 2016

3.1.1 研究区总体贫困程度分析

环京津贫困带总体贫困程度分布差异较大（表2），2016年北部地区中高度贫困聚集，南部地区贫困程度相对较低。沽源县综合贫困程度最低（PI=0.106），张北县综合贫困程度最高（PI=0.47）。

表2 环京津贫困带多维贫困指数PITab.2 Multi-dimensional poverty index of Beijing-Tianjin poverty belt

从2012-2016年，环京津贫困带16个贫困县PI值呈下降趋势。2012年各县PI平均值为0.423，其中6个县表现为中高度贫困，PI值在0.443以上，其他贫困程度分布较均匀。2014年各县PI平均值为0.346，万全县、丰宁满族自治县、平原县、围场满族蒙古族自治县虽然PI值呈下降趋势，但相对其他县贫困等级呈现上升趋势，可能原因为深度贫困地区减贫力度较小，4个县减贫速度落后于其他县。2016年各县PI平均值为0.306。从2012年到2016年PI均值下降了0.117，贫困程度整体呈下降趋势；但PI值波动性逐年上升，各县之间的贫困差距变大，说明各县扶贫力度和扶贫成效上存在差异。

3.1.2 研究区不同地域类型贫困程度分析

从地域类型尺度分析（表3），坝上地区和西太行山区贫困程度较深且相近，与东北地区差异较大。坝上地区地理条件恶劣，生态环境脆弱，自然致贫指数持续较高且逐年缓慢增长，经济发展受自然环境的约束较大，因此社会和经济向度致贫指数居于高位。西太行山区是京津的生态屏障和水资源保护地，工农业发展受限，区域经济发展较差，经济致贫指数最高，城镇化进程缓慢。东北地区贫困程度保持最低水平，仅平泉一个贫困县。平泉县处冀北燕山丘陵区，全境皆山，有七山一水二分田之称，其自然资源禀赋相对较好，经济发展基础扎实，社会保障力度较高。

表3 研究区不同地域类型贫困度量值Tab.3 Poverty measurements at the level of regional types in research areas

3.1.3 研究区贫困程度时间尺度分析

经过4年的脱贫工作，沽源县减贫速率（图3）最大，PI减少62.94%；丰宁满族自治县减贫速率最小，减少8.69%。减贫速率多在20%～30%之间，速度较为平缓。2012年到2014年扶贫效果显著，减贫增速明显，2014-2016年减贫速率相对放缓，绝对贫困逐渐消除，相对贫困扶贫难度增加。

图3 贫困县减贫速率Fig.3 Poverty eradication rates in poverty-stricken counties

3.2 研究区贫困类型分析

分析发现研究区的贫困是多个向度综合作用产生的，包括自然-社会协作型、社会-经济协作型和自然-社会-经济综合型，其中综合型总体占比最高，2012年和2016年占比56%，2014年占比75%，从空间分布上来看（图4），环京津贫困带的贫困类型主要为综合型。阜平县地势险要，土地面积贫瘠，山场面积大，占行政区面积87%，人均耕地较少，基础设施差，3年贫困类型均为社会-自然型。涞源县、康保县等8个县为综合型，经济落后受自然、社会等资源禀赋的约束。尚义县由2012年的经济-社会协同作用型发展为综合作用型，经过4年的扶贫工作，通过牺牲自然环境来发展经济，经济和社会向度的贫困虽有所减缓，但自然层面导致的贫困却加剧。而顺平县正相反，由2012年的综合型转变为2016年的自然-社会协同作用型，经济层面的致贫力度相对降低导致自然和社会对于贫困的贡献较为突出。自然社会和经济导致的贫困相互影响、相互联系，扶贫需要协调好三者之间的发展关系。

图4 2012、2014、2016年研究区县贫困类型空间分布Fig.4 Spatial distribution of poverty types in research areas and counties of 2012，2014 and 2016

3.3 研究区致贫因素分析

3.3.1 致贫因素总体现状分析

以2016年数据为例，结合线性回归模型分析，以贫困发生率为因变量，10个维度为自变量，建立线性回归方程。结果显示，方程的拟合优度R2为0.594，F值为0.732，显著性为0.685，所有指标都通过t检验。整体维度上的排序（表4）与指标贡献度方法结果基本相符，验证了方法的可靠性。

表4 2016年环京津贫困带致贫维度贡献度统计表Tab.4 Statistics of contribution degree of poverty-causing dimensions in the poverty belt around Beijing and Tianjin in 2016

1）经济发展。研究区经济发展水平整体较低，呈现较高的贫困贡献度，空间分布上差异较大。位于西南的顺平县经济发展致贫贡献度最高，东北的平泉县最低。其他县致贫贡献度集中在0.2～0.4之间。阜平县的地区生产总值在各县中最低，顺平县的农民人均纯收入最低，两县经济发展贡献度较高。同时贫困县工业企业数量少，农业自动化水平低，耕作方式以人工为主，外出务工人数多，留守青壮年人口数量少等因素导致经济发展潜力较差，经济发展贡献度3年居首位。

2）扶贫绩效。整体致贫贡献度普遍较高，致贫贡献度较高的各县主要分布在贫困带的西南和东北，如致贫贡献度最大的蔚县，位于太行山西北麓，是革命老区，经营农家乐、存在农民专业合作经济组织的行政村较少。康保县、万全县、沽源县是中国的扶贫开发重点县，政府扶持力度大，扶贫绩效相对突出。

3）区位优势。各贫困县环绕着北京、天津两大都市，受区位条件影响较大，如围场满族蒙古族自治区，地处内蒙古高原和冀北山地的过渡带，恶劣的地形条件导致交通设施建设困难，路网密度相对其他县较小，同时远离京津，受到京津的辐射带动影响较小，发展动力较低；顺平县内，京广铁路和107国道穿越，通达性较好，区位优势明显。

4）卫生医疗。整体上差异不大，贡献值在0.1附近聚集。丰宁满族自治县的卫生医疗状况最好，2016年全县共有卫生医疗机构44个，医疗床位数和卫生医疗从业人员占比较高。卫生医疗状况较差的县主要分布在贫困带的西北，如康保县，县级医疗机构仅有两所。

5）人口特征。致贫贡献值较高的县聚集在研究区的西北部。围场满族蒙古族自治区境内共有30个少数民族，占总人口的71%，人口密度较高，乡村就业人数较低。怀安县、阳原县、康保县、顺平县人口密度较低，农业从业人员占比较高，人口特征的致贫贡献度较低。

6）生态环境。生态环境普遍较差，致贫贡献值整体较低，差异性较大。整个环京津贫困带土壤风蚀沙化水土流失情况严重，生态环境脆弱，极易遭受人为破坏并且难以得到恢复，因此要加大生态环境保护力度。

7）地形条件。致贫贡献值普遍较低，北部相对于西北部较好。西北部各贫困县受到燕山-太行山脉的阻隔，地形条件差异性较大。毗邻的康保县和沽源县位于坝上地区，地形起伏度较大；而万全县盆地、丘陵、山地并存，地形起伏度较小，因此地形条件相对较好。

8）文化教育。致贫贡献度空间分布较分散，北部的丰宁满族蒙古族自治县贡献度最低，受京津的辐射影响最小的平泉县最高，直观反映出文化教育均衡发展，精准扶贫策略在文化教育领域成效显著。

9）基础设施。空间分布整体呈现北低西高。西北的康保县地处坝上高原，地形条件较差，且经济发展比较落后，所以基础设施建设的难度较大，无法保障通电视、宽带以及安全饮用水的顺利实施。因此，有效分配各类扶贫资金从而完善贫困县内部道路等基础设施十分重要。

10）社会保障。整体差异不大。社会保障减贫作用体现在降低社会风险、缩小收入差距和保障基本需求等方面。目前医疗保险覆盖的人群逐渐扩大，人民群众的健康水平不断提高，养老保险的保障机制不断完善，为老龄化人口提供健康生活保障。因此尚义县养老保险和医疗保险参保人数占比较低，贡献度较大。

虽然经济发展致贫贡献度仍高居首位，但随着扶贫工作的顺利开展，经济发展对贫困的影响程度随之降低。区位优势不明显、社会保障不到位、基础设施落后、文化教育程度低、医疗卫生技术差、生态环境破坏、社会福利缺失等致贫因素贡献度逐渐升高。故经济扶贫已到达瓶颈阶段，扶贫重心与方式需调整。

2016年，经济发展是环京津贫困带最显著的贫困影响因素，扶贫绩效、区位优势、卫生医疗次之（图5）。

图5 2016年主要致贫维度空间分布Fig.5 Spatial distribution of poverty-inducing dimension in 2016

3.3.2 致贫因素时间演变分析

对2012、2014、2016年的数据进行处理，3年中10个致贫维度的排序有变化，分别为2012年，经济发展、扶贫绩效、区位优势、生态环境、卫生医疗、文化教育、基础设施、人口特征、地形条件、社会保障；2014年，经济发展、扶贫绩效、区位优势、生态环境、卫生医疗、文化教育、人口特征、地形条件、基础设施、社会保障；2016年，经济发展、扶贫绩效、区位优势、卫生医疗、人口特征、生态环境、地形条件、文化教育、基础设施、社会保障。可见，3年的致贫因素贡献度中经济发展、扶贫绩效、区位优势排名始终居于前3，社会保障的致贫贡献度比较小，一直排在末位，其他维度的贡献度排名虽有波动，但整体较稳定。

从2012-2014年，仅基础设施排名发生波动，扶贫政策中基础设施建设效果显著，基础设施是基本民生保障，也是贫困地区脱贫攻坚的基础，对基础设施建设的重视，相对降低了基础设施作为致贫因素的贡献度，但是各县基础设施的贡献度普遍较小，且差异并不明显。从2014-2016年，生态环境和文化教育致贫贡献度排名下降2位，与国家和社会对环境和教育的重视程度趋势相吻合。

与2012和2014年相比，2016年经济发展、扶贫绩效、区位优势、基础设施、社会保障排名无变化，卫生医疗、人口特征、地形条件排名性略微上升。人口密度越来越大，从业人数占比减少，卫生医疗条件改善速度滞后于人口密度增长，导致人口特征和卫生医疗对贫困的贡献度增大。地形条件本身对贫困的贡献度虽不大，5年间波动较小，但仍需因地制宜、依托自身地理和环境优势，制定扶贫政策。

生态环境、文化教育排名小幅度下滑。贫困带敏感的生态环境问题影响着当地的农业产出，坝上草原沙化严重，不适宜种植农作物，太行山区土地严重石化，农作物产量极低，以农业收入为主的家庭增收困难。随着国家和社会整体对教育重视程度的不断提高，已经意识到教育扶贫是阻断贫困代际传递的根本之策、长远之计。所以生态环境和文化教育致贫维度贡献度下降。

4 结 论

本研究秉承可持续发展原则，在精准扶贫新纲要的指导下，构建经济层面（硬现状）、社会层面（软现状）和自然层面（潜在性）的县级多维贫困度量模型，以环京津贫困带的16个贫困县为研究对象，跨越2012-2016年时间尺度，根据研究区的特殊性，从地形条件、生态环境、区位优势等10个维度定量测算各贫困县的综合贫困程度，基于贫困综合指数和最小方差模型分析各县贫困类型。同时，重点突出维度层面致贫因素的分析及时空分布特征。得到以下结论：

1）贫困度量。从2012年到2016年PI均值下降了0.117，总体贫困程度大幅度减缓。PI值波动性逐年上升，各县之间的贫困差距变大，扶贫力度和扶贫成效上差异性越来越大。

2）贫困类型。自然-社会协同作用型、社会-经济协同作用型和自然-社会-经济综合型是向度层面上的3种主要贫困空间分布类型，不存在单因素主导型。研究区贫困成因是多个向度的综合作用导致贫困的产生，其中综合型总体占比最高，2012和2016年占比56%，2014年为 75%。

3）主致贫因素。在维度层面上，贫困县的各致贫因素贡献由大到小依次是经济发展、扶贫绩效、区位优势、卫生医疗、人口特征、生态环境、地形条件、文化教育、基础设施、社会保障。时间尺度上的演变显示经济发展致贫效果正在大幅下降。随着扶贫开发工作的不断推进，自然环境和社会发展对环京津贫困带这一特殊贫困区的致贫效果会越来越明显，因此在扶贫工作中既要优化环京津贫困带自身经济发展空间格局，引导有潜力的贫困县率先实现脱贫，并带动周围各县逐一脱贫。同时更要充分重视生态环境的保护，贯彻绿水青山才是金山银山的理念，因地制宜的开展扶贫工作。

本文设计的综合贫困测度模型可精确识别区域扶贫对象，提供贫困监测技术，辅助扶贫工作的开展；对环京津贫困带这一特殊区域进行的分析结果符合现实，证实了模型的可操作性和准确性。实验分析成果可为因地制宜的制定扶贫政策提供决策支持。由于数据获取的限制，仅对环京津16个县进行了贫困检测，尚有3个县并未进行分析，同时时间尺度上跨越的年份较短，数据较为滞后，进一步的研究将重点对准长时间序列下的贫困格局时空演化，以多年的数据来反映贫困变化的趋势，基于过去与现在预测未来，为扶贫、防止返贫工作提供更好的依据。