论文部分内容阅读
贫困是人类在21世纪长期面临的困境,是一种复杂而综合的社会现象,其在发展中国家表现得尤为突出,消除贫困、缩小城乡收入是每一个国家实现可持续发展的主要目标之一。中国作为世界上农业人口最多的发展中国家,其减贫成效可以为其它国家的减贫实施提供参考。提高对贫困区域及贫困人口的精准识别,可以消除政府在扶贫实施过程中遇到的障碍并改善相关问题,如扶贫资金的去向、分配及流失等,而且精准识别贫困区的空间分布可以提高扶贫效率。因此,精准测度并识别贫困区对政府精准扶贫政策的制定和实施具有非常重大的意义。本文引入新型夜间灯光遥感影像数据(NPP-VIIRS),借鉴国际上通用的脆弱性—可持续生计(the Sustainable Livelihoods Approach,SLA)模型在贫困问题研究中的应用,构建了相应的多维贫困指标体系。选定重庆市作为典型样本区,通过比较分析,发现利用平均夜间灯光指数(Average Nighttime Light Index,ANLI)估算多维贫困指数(Multidimensional Poverty Index,MPI)的效果更好。利用样本区的数据,构建了ANLI与MPI的线性回归模型,模型的拟合优度(R2)为0.6544。将该模型在陕西省进行了检验,发现估算结果较好,平均相对误差仅为12.51%。利用检验后的统计模型,实现了全国范围内MPI的空间化。在县级尺度上,对中国2852个县区的MPI指数进行了分级,分为极贫困区、贫困区、弱势区、一般区、优势区、富裕区和极富裕区。将极贫困区和贫困区2个级别内的县区识别为多维贫困县区,得到848个多维贫困县(区)。利用空间探索性数据分析方法(Explore Spatial Data Analysis,ESDA)对多维贫困的空间集聚效应进行分析,发现多维贫困水平的全局Moran’s I值为0.6209,表明县域尺度上,多维贫困在空间上具有较高的空间自相关。对识别出的多维贫困县区与国家划定的扶贫重点县以及14个集中连片特困地区分布进行对比,发现国家划定的集中连片特困地区中的598个县区与本研究识别的多维贫困县一致。在此基础上,提出了国家重点扶贫县的调整建议。依据3000元的绝对贫困线、4000元的相对贫困线和4853元的非收入贫困线标准,将848个多维贫困县分别进行归类,中国多维贫困县中绝对贫困县数目为254个,相对贫困县数目为543个,另有195个县区属于非收入贫困引起的多维贫困县。通过研究中国多维贫困县区的空间格局及其分布规律,将848个多维贫困县划分为东中西三带,确定了我国一级贫困类型区。依据自然、经济组合的类似性及区域内主导性影响因素等贫困区划原则,确定了17个二级贫困区。