减贫和消除贫困一直是备受世界各国关注的重要课题,实现脱贫和减小城乡差距是各个国家实现可持续发展的主要目标之一。世界银行最新发布的《推进更加包容、更可持续的发展》报告也对消除贫困问题进行了重点关注。在解决贫困问题的过程中,贫困对象的识别是扶贫工作开展的首要任务。只有通过较为精准的贫困识别,才能有效避免扶贫工作中对象模糊、目标不明和成效不佳等问题。对贫困对象的测度和识别对于开展扶贫工作和制定扶贫政策等具有重要的理论与现实意义。传统贫困识别多基于统计资料和社会经济发展数据,耗费大量人力物力财力,且缺乏空间信息,无法满足大范围的动态贫困监测需求。本研究引入具有高时效性的夜间灯光遥感影像,对我国2005-2015年的县域贫困情况开展研究。以河北省为研究区,基于人口和土地利用数据构建了多种灯光指数,选取农村居民纯收入作为贫困程度的衡量指标,与灯光特征指数进行耦合,首先基于单位建设用地灯光指数和单位人口灯光指数以及其他灯光特征指数分别与农民纯收入逐步回归构建两个收入贫困测算模型,发现拟合效果不佳;引入单位建设用地灯光指数和单位人口灯光指数与农民人均纯收入构建模型进行拟合,发现县域建设用地灯光强度指数与农民人均纯收入之间的相关性更高,通过对比模型拟合度,选取最优收入贫困测算模型。基于SLA方法,从6个维度选取18个指标构建了中国县域综合贫困测算指标体系,得到综合贫困指数CPI,进而基于灯光特征指数和CPI指数建立综合贫困估算模型。经过对比,发现平均灯光指数ANLI与CPI指数的拟合度较好,因此选取ANLI与CPI构建综合贫困估算模型。在河南省进行两个模型的检验,结果表明,2005和2015年,收入贫困估算模型检验的平均相对误差分别为21.78%和14.76%,综合贫困估算模型平均误差分别为21.89%和13.58%。结合国内外已有研究成果,本研究的两个模型的平均误差在可接受范围内,拟合效果较好,适用性较强。对比发现,两个模型的拟合优度相当,但是收入贫困测算模型所涉及统计数据的获取和计算相对较为困难。本研究选择综合贫困估算模型对全国县区的贫困情况进行了测算,并基于CPI测算结果绘制了2005-2015年中国县区贫困空间分布图。同时将得到的2011年的CPI指数分布图与国家划定扶贫开发重点县进行了叠加对比,发现二者基本符合,因此可以利用该模型估算中国贫困分布情况。多时相对比发现,我国有369个贫困县分布在胡焕庸线的西北侧,占贫困总面积的一半以上,且该分布态势一直较为稳定。利用空间探索性数据分析方法,对中国县区综合贫困的空间集聚特征进行了分析。研究发现,2005和2015年,中国各县区的贫困分布状况的Moran’s I指数为0.476和0.395,Geary’s C指数测算值分别为0.00094和0.00066,呈现出明显的空间正相关,表明我国贫困区的分布,在县域尺度上表现出显著的空间集聚状态。2005-2015年,我国东部沿海地区的CPI指数高,且呈现高-高集聚的空间分布特征,表明我国东部地区的社会经济发展水平始终保持领先地位;西南、西北部地区CPI指数普遍偏低,且呈低-低分布态势,整体发展仍然处于劣势地位;中部地区没有出现高高或者高低的集聚分布特征;新疆和四川省的贫困分布变化最为明显,由2005年的低-低集聚演变成2015年的高-高集聚分布,反映出十年来这些地区的社会经济发展以及扶贫工作取得了显著进展。