秦巴连片特困区农村贫困的时空演化特征与影响因素——以陇南市为例

张新红，杨玉欢，蒲发良，李小兰

(兰州理工大学 设计艺术学院 城乡规划系，兰州 730050)

0 引言

农村贫困是一个全球性的发展问题和现实难题，消除贫困和缩小城乡差距是人类实现可持续发展的重要目标之一[1]。改革开放以来，中国在全国范围内大力开展农村扶贫工作，经过近40年的不懈努力，取得举世公认的辉煌成就，并获得了国际社会的高度认可[2]。至2020年12月，按照现行标准中国农村贫困人口全部脱贫，贫困县全部摘帽，消除了绝对贫困和区域性整体贫困。

贫困人口的形成与资源禀赋和社会经济发展密不可分，是人地互动的结果[1]。因此，值得从地理学视角深入探讨农村贫困问题。由于人文条件、地理环境和城乡发展水平的不同，国内外学者从地理学视角对农村贫困的研究有所差异。国外学者的研究多集中在农村贫困的影响机制、农村贫困测算、扶贫模式与扶贫成效评估等方面[3-4]。中国东西、南北跨度大，地理环境差异明显，农村类型多、维度广。从研究对象的地理差异来看，主要分为山区[5-6]、盐碱地[7]、沙漠地区[8]、大河流域[9]、平原区[10]等类型。在研究方法上，多集中于农村贫困测度[11-12]、农村贫困地理识别和类型划定[13-14]、贫困的空间分布格局及影响因素[15-16]等方面。从研究对象尺度来看，随着数据精度的提高和相关研究的深入，研究对象的尺度越来越小，由区域、省域等宏观尺度转向乡镇和行政村等微观尺度[15-16]。现有研究成果虽多，但多以空间维度探讨贫困地理格局及其影响因素，较少结合时间维度分析农村贫困的时空演化。时空是地理要素的两个基本维度，由此入手探讨农村贫困地理格局，厘清贫困影响因素并揭示其时空演化特征，对巩固拓展脱贫攻坚成果与乡村振兴有效衔接具有重要的现实意义。

秦巴连片特困区分布于中国南北地理分界线两侧，山体高大、地形复杂、生态脆弱、交通不便，农村贫困面广，贫困人口多、贫困深度大，是农村扶贫开发的主战场，近年至往后一段时间都将是农村贫困和乡村振兴方面的热点研究对象。由于中微观尺度数据和时态数据缺乏，现有研究成果较难解释一定区域内农村贫困的时空演化特征[16-18]。陇南市作为秦巴连片特困区的典型核心区，于2017年建立了涵盖贫困人口、耕地等方面的乡村数据库，并面向公众开放查询。基于现阶段研究的不足，本研究以陇南市为研究案例，以乡镇为基本空间单元，运用空间自相关、OLS和GWR等方法，从中、微观尺度定量探究2014—2019年农村贫困地理格局与影响因素的时空演化特征，为持续提升陇南市脱贫攻坚实施效果、与乡村振兴有效衔接和科学制订发展对策提供参考。

1 研究区、数据来源及研究方法

1.1 研究区域概况

陇南市地处秦巴连片特困区西北部、甘肃省南部，所辖的武都区和康县、文县、成县、徽县、礼县、两当县、西和县、宕昌县共1区8县均属连片特困区。全市总面积2.79万 km2，共辖城关镇、长坝镇等195个乡镇，2019年末常住人口为264.31万人，城市化率仅为34.82%，远低于全国同期平均水平(60.60%)。截至2019年末，全市还有超过35 000名贫困人口，并在地理空间上相对集中，主要分布在西部宕昌县、礼县、西和县(图1)。

1.2 数据来源

研究数据主要来源如下：(1)各乡镇2014年和2019年末贫困人口、耕地面积来源于陇南乡村大数据平台公布的各乡镇概况信息。(2)地形地貌数据来源于地理空间数据云提供的30 m DEM。(3)学校、医院诊所数据来源于百度POI数据。(4)主要公路数据来源于开放地图平台(OSM)。(5)乡镇人民政府所在地坐标经由百度地图开放平台获取。此外，支撑研究的边界等数据来源于标准地图服务平台。所有数据由ArcGIS 10.6软件转换至同一坐标系并投影后进行分析。

1.3 研究方法

1.3.1 贫困发生率

(1)

式(1)中：Yi表示i乡镇贫困发生率，Pi表示i乡镇贫困人口，Ni表示i乡镇年末总人口。

1.3.2 空间自相关分析

空间自相关可量测空间事物的分布是否具有自相关性，高的自相关性代表了空间现象有集聚性存在[20]。本研究借助ArcGIS 10.6软件，用Global Moran’sI指数检验贫困发生率的整体空间集聚性，用LISA集聚图检验贫困发生率的局部集聚性与离散性。

1.3.3 普通最小二乘法(OLS)

OLS用于评估两个或更多要素属性之间的关系，准确表达相关变量之间的内在关系规律，以分析事件的影响因素[21]。本研究假设平均高程、人口密度等影响因素与贫困发生率存在线性关系，以贫困发生率为因变量，各影响要素为自变量，建立OLS回归模型。计算结果中，各变量的系数(Coef)用于评估指标变量与贫困发生率的关系强度与类型，方差膨胀因子VIF用于检验变量是否存在冗余；矫正R2表示所有变量能解释贫困发生率的百分比，值若为正且越趋近1，表明构建的模型解释力越强，反之越弱；阿凯克信息准则AICc值是比较多个模型的一项度量值，值越小模型表现越佳。

1.3.4 地理加权回归(GWR)

不同地区农村贫困的成因不尽相同，表现出空间异质性。传统回归分析方法应对空间异质性主要有阶段回归的参数估计模型和变参数回归模型两种，但均有一定不足。Fotheringham提出的地理加权回归模型引入了空间权重概念，可较好地描述定量关系随空间变化的特征[22]。本研究将贫困发生率作为因变量，平均高程、距县城中心距离、人口密度作为解释变量，建立GWR模型。在设置分析参数时，核函数类型选择固定距离(FIXED)，带宽选择使用AICc准则，计算公式参照文献[23]。计算结果中的系数、矫正R2、AICc、残差含义与OLS模型中一致。

2 农村贫困化的地理格局时空演化

2.1 地域分异特征

2014—2019年陇南市农村贫困发生率显著下降，农村贫困化空间分异特征愈加显著(图2)。2014年，陇南市西部的礼县肖良乡农村贫困发生率最高，为60.93%。全市仅有21个乡镇的农村贫困发生率小于10%，主要分布在交通便利、地势平缓的各县区的中心镇和武都区、成县、文县的少部分乡镇，贫困发生率大于40%的乡镇有31个，分布于县域边缘、高海拔、地势起伏大的地区，集中分布在礼县、西和县和康县，表明陇南市农村贫困具有显著的地域差异性。到2019年末，各乡镇农村贫困发生率显著降低，但区域差异仍然存在并有加大的趋势，贫困发生率最高值为9.28%，贫困深度大大降低，但仍有36个乡镇农村贫困发生率超过3%，且集中分布在宕昌县、礼县和西和县。

2.2 空间集聚特征

2014年和2019年陇南市农村贫困发生率的Global Moran’sI指数分别为0.416、0.507，均表现出较强的空间集聚特征，说明农村贫困发生率高(低)的乡镇在地理空间上较为集中。5年间Global Moran’sI指数上升0.091，表明农村贫困化空间集聚程度有所加剧。2014年陇南市农村普遍贫困，贫困人口在地理空间上呈现一定的交错分布形态，经过5年的脱贫攻坚后贫困人口减少，但地域分布的集中程度有所提高。贫困发生率的LISA集聚图显示， 2014年、2019年陇南市农村贫困化的局部聚集效应明显，高—高聚集和低—低聚集的正相关乡镇个数相较于高—低聚集和低—高聚集的负相关乡镇个数要多(图3)。2014年，高—高聚集型乡镇除少量零星分布在东南部的康县和武都区外，大多集中在西北部的宕昌县、礼县和西和县。低—低聚集型乡镇主要集中于礼县东北部、徽县西部和武都西北部，两者呈X形交错分布。至2019年，同一水平贫困发生率的乡镇相对集中分布，呈正相关的乡镇增加了30个，高—高聚集型乡镇集中分布在西北部的宕昌县、礼县和西和县，集聚规模较2014年更大；低—低聚集型乡镇在陇南市中部呈西南—东北向带状分布，横跨文县、武都区、康县、成县、徽县、两当县。

3 陇南市农村贫困影响因素时空演化

3.1 指标选取

研究表明，农村贫困化空间分异是经济、社会、环境等多维地理要素共同作用的结果[20]。结合研究区特征和数据可获得性，选取8个指标以反映地形、公共服务设施、交通等农村贫困影响因素(表1)。考虑到部分指标5年间变化较大，平均高程、平均坡度、学校数量、医院诊所数量和主要公路网密度的指标值，分别采用2014年、2019年末的数据计算得到。

表1 影响因素及变量Table 1 Influencing factors and variables

3.2 基于OLS的分析

OLS分析结果表明，2014年平均高程、距县城中心距离和人口密度通过检验并进入回归模型，但2019年仅有平均高程和距县城中心距离(表2)。2014年、2019年模型矫正后R2分别为0.326、0.170，表明全局性视角下变量能解释农村贫困成因中大约32.6%、17.0%的变化，并且进入回归模型的指标VIF均小于7.5，表示变量间不存在明显的多重共线性。2014年，平均高程和距县城中心距离对贫困发生率产生了显著的正向影响，而人口密度正好相反。2019年，平均高程和距县城中心距离对贫困发生率依然产生了显著的正向影响，但影响程度不及2014年。

表2 贫困发生率与影响要素的OLS回归结果Table 2 OLS regression results of poverty incidence and influencing factors

3.3 基于GWR的分析

为揭示农村贫困影响因素的空间异质性，本研究运用GWR进行了回归分析。结果表明，2014年、2019年模型矫正后R2分别为0.516、0.452，AICc 值为1 447.98、656.421，比OLS的校正后R2提高了0.190、0.282个单位，AICc 值降低了43.655、73.380个单位，且残差不具有显著的空间自相关性，说明GWR比OLS可更好地解释主要因子影响农村贫困发生率的局部规律。表3说明各因子的影响方向与OSL分析结果一致，回归系数的变化体现出平均高程、人口密度与距县城中心距离对农村贫困发生率的作用方向与强度存在时空异质性。

表3 贫困发生率与显著影响要素的GWR回归结果Table 3 GWR regression results of poverty incidence and significant influencing factors

2014年，平均高程对农村贫困发生率的影响由西南向东北递增(图4a)，同时在西南、西北少数区县的中心镇存在较弱的负向影响。2014年人口密度对农村贫困发生率有显著的减弱作用，从中北部向外围逐渐增强(图4b)。陇南市农村居民点主要沿沟谷和交通干道线性分布，这些区域经济发展水平相对较高，而交通不便的高山偏远地区人口稀疏、经济薄弱，出现了人口密度对农村贫困发生率产生负向影响的现象。2019年的影响强度虽大大降低(图4d)，但空间异质性愈加显著，影响强度大的乡镇向东北部方向集中，强度低的乡镇呈多点散布。陇南市作为典型的山地区域，境内高山广布，海拔介于556～4 176 m之间，地形起伏大，山区优质耕地稀缺，对于以农业为主导的乡村经济发展影响很大，同时还制约脱贫攻坚效果。2014年、2019年距县城中心距离对农村贫困发生率的影响以中西部为核心向东南、东北逐层递减，2014—2019年的演变形态向西部中心趋于集中(图4c、4e)。靠近徽县、成县等县城的村镇可较好地利用地理区位优势驱动地缘经济，进而带动乡村农业、商贸和旅游经济的发展。总体而言，5年间各影响要素对不同地区农村贫困的作用方向与强度上发生了显著差异，平均高程对农村贫困发生率的影响由正北向东北片区转移，距县城中心距离对农村贫困发生率的影响由西部片区向中心靠拢，人口密度于2019年退出了主导因子行列。

3.4 主导因子演化分析

为探究5年间影响农村贫困主导因子及其强度发生转变的原因，本研究在计算主导因子GWR系数差的基础上，结合陇南市实体物质因素(DEM、道路等)和相关扶贫政策予以分析。2014—2019年平均高程系数差由西南向东北逐层递减，但有34个乡镇的系数差为正，主要分布于西部宕昌县、文县地势起伏较大的地区(图5a)，系数降低较大的乡镇主要位于东北部徽成盆地与中西部武都地区(图5b)。距县城中心距离5年间系数差自东向西减小，其中也有35个乡镇的系数差为正，位于东北、东南地区(图5c)，该地区路网稀疏，道路密度5年间增幅较小；而系数减小显著的区域主要沿高速G75、G8513以及国道G567线性分布，其交通网络体系性强、道路密度增加明显(图5d)，可见交通路网增强了乡镇与县城中心的联系，削弱了距县城中心距离对农村贫困发生率的影响。2019年人口密度因子退出主导因子，一方面因为人口密度较高区域位于徽成盆地、武都和礼县(图5e)，上述区域分布有体系良好的交通网络，也是道路网密度增加最高的区域(图5f)；另一方面则是在国家脱贫攻坚战略的引导支撑下，陇南市大力推进异地扶贫搬迁安置工作，依托城镇和中心村集中安置转移人口，强化基础设施建设，发展特色优势产业，实现脱贫致富。

4 结论与讨论

4.1 结论

秦巴山区是全国14个集中连片特困地区中跨省份最多的地区，片区内自然与社会环境差异较大，形成了多维性贫困。本研究以陇南市乡镇为基本单元，首先探讨了农村贫困的空间分布形态，并借助空间自相关模型探测空间集聚特征，进而利用OLS从全局视角定量分析农村贫困发生率的主导因子，基于GWR从局部视角分析主导因子对农村贫困发生率的作用方向与强度的时空演化。主要得出以下结论：(1) 2014—2019年陇南市农村贫困发生率显著下降，农村贫困化空间分异特征显著。2014年农村贫困普遍存在，2019年农村贫困分区明显、地域差异显著。(2) 农村贫困化具有较强的空间正相关性，贫困人口在地理空间上呈现出显著的集聚性。5年间Global Moran’sI上升了0.091，呈正相关的乡镇增加了30个。贫困发生率高—高型乡镇主要分布在西北部，低—低型乡镇主要位于西南部和东北部。(3) 农村贫困影响因素存在显著的时空分异。在时间方面，2014—2019年平均高程和距县城中心距离的影响力显著减小，尤其是人口密度在2019年时已退出主导因子。在空间方面，不同区域致贫因素存在较大差异，东北片区平均高程对农村贫困影响显著，西部中心片区距县城中心距离对农村贫困影响较大。因此，东北片区可继续通过易地搬迁、发展特色产业，使人口搬移高山地区或在中心村、城镇就近集聚，西部中心片区可进一步完善基础交通设施建设，提高道路可达性，增强县城对周边乡镇的经济辐射。

4.2 讨论

科学识别农村贫困成因，揭示贫困时空演化特征，对于推进精准扶贫和乡村振兴具有重要的现实意义。从陇南市农村贫困影响因素的解析来看，巩固脱贫攻坚工作既要把握整体区域特征，也要根据地区差异与特色因地施策，并密切关注农村贫困主要矛盾的变化，尽快建立帮扶机制以巩固脱贫成果。农村贫困研究需要随时间与空间的变化进行长期监测，同时结合地域特色做出适当调整，对各类贫困精准识别[24]。受数据可获得性等因素的影响，本研究存在一定的局限和不足，如贫困发生率的解释变量偏少，缺乏政策方面的影响因子会对结果有一定影响，并导致所建的OLS、GWR模型的拟合度偏低。国家数字乡村发展行动计划的积极推进，为乡镇级乃至行政村级更多经济社会数据的获取提供了可能，这不仅有助于精准识别贫困类别和防止规模性返贫，也有利于补充完善贫困成因的科学认知以及相关后续研究。

志谢：

在数据收集整理中，兰州理工大学设计艺术学院城乡规划系蔡乐山、郭彩霞同学给予了帮助，在此表示感谢！