基于夜光遥感数据的广西县域农村多维脱贫分析

doi:10.6046/zrzyyg.2022355

基于夜光遥感数据的广西县域农村多维脱贫分析

陆妍玲^,¹^,², 黄娅琦¹, 周俊芬³, 王杰¹, 韦晶闪^,⁴

1.桂林理工大学测绘地理信息学院,桂林 541004

2.桂林理工大学地球科学学院,桂林 541004

3.福州大学数字中国研究院(福建),福州 350001

4.桂林理工大学南宁分校土木与测绘工程系,南宁 530001

Analyzing multidimensional rural poverty alleviation at the county level in Guangxi based on remote sensing data of nighttime light

LU Yanling^,¹^,², HUANG Yaqi¹, ZHOU Junfen³, WANG Jie¹, WEI Jingshan^,⁴

1. College of Geomatics and Geoinformation, Guilin University of Technology, Guilin 541004, China

2. College of Earth Sciences, Guilin University of Technology, Guilin 541004, China

3. The Academy of Digital China, Fuzhou University, Fuzhou 350001, China

4. Department of Civil and Surveying Engineering, Guilin University of Technology at Nanning, Nanning 530001, China

通讯作者: 韦晶闪(1995-),女,硕士,助教,主要从事时空数据分析研究。Email:378278211@qq.com。

责任编辑: 李瑜

收稿日期: 2022-08-27 修回日期: 2023-02-4

基金资助:

国家自然科学基金项目“基于多维时空特征的主动地理感知理论及方法研究”(41961063)

Received: 2022-08-27 Revised: 2023-02-4

作者简介 About authors

陆妍玲(1988-),女,博士,副教授,主要从事遥感影像处理研究。Email: Luyl2014@glut.edu.cn。

摘要

巩固脱贫攻坚成果,衔接乡村振兴战略,防止返贫是我国目前经济建设的重要任务。2022年中央农村工作会议重点强调了要“坚决守住不发生规模性返贫底线”。在多维贫困的基础上,动态客观地监测县域农村贫困程度的时空演变,对国家防返贫工作十分重要。随着遥感卫星的快速发展,高信息量和高质量的遥感数据影像逐渐丰富并被广泛应用,相比于传统的统计类数据,夜光遥感数据具有与社会经济要素高度相关、相对客观性强和时间跨度相对较长等优点。该文以DMSP/OLS和NPP/VIIRS夜光遥感数据为基础,提取夜间灯光强度指数,结合多维脱贫指数构建两者关系模型,对2010—2020年广西县域农村贫困程度进行时空演变研究,分析存在的返贫原因,为乡村振兴和脱贫攻坚提供科学参考和预防措施。

关键词： 夜光遥感数据; 多维脱贫指数; 防返贫; 时空格局; 演变分析

Abstract

A vital task for the current economic construction of China is to consolidate poverty alleviation achievements, implement rural revitalization strategies, and prevent poverty relapse. The 2022 Central Rural Work Conference emphasized that China must firmly prevent any large-scale relapse into poverty. The multidimensional poverty theory underlines the significant role of the dynamic and objective monitoring of the spatio-temporal evolution of rural poverty at the county level in China’s poverty-returning prevention. Rapid progress in remote sensing satellites has enabled the gradual enrichment and extensive application of high-quality remote sensing images that contain massive information. Compared to traditional statistical data, the remote sensing data of nighttime light exhibit a high correlation with socio-economic factors, pronounced objectivity, and a relatively long time span. This study constructed a model to describe the relationship between the nighttime light intensity index extracted from the DMSP/OLS and NPP/VIIRS remote sensing data, as well as the multidimensional poverty alleviation index. Using this model, this study explored the spatio-temporal evolution of rural poverty at the county level in Guangxi from 2010 to 2020 and analyzed the existing poverty-returning causes, providing a scientific reference and preventive measures for rural revitalization and poverty alleviation.

Keywords： remote sensing data of nighttime light; multidimensional poverty alleviation index; poverty-returning prevention; spatio-temporal pattern; evolution analysis

PDF (21891KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

陆妍玲, 黄娅琦, 周俊芬, 王杰, 韦晶闪. 基于夜光遥感数据的广西县域农村多维脱贫分析[J]. 自然资源遥感, 2024, 36(1): 169-178 doi:10.6046/zrzyyg.2022355

LU Yanling, HUANG Yaqi, ZHOU Junfen, WANG Jie, WEI Jingshan. Analyzing multidimensional rural poverty alleviation at the county level in Guangxi based on remote sensing data of nighttime light[J]. Remote Sensing for Land & Resources, 2024, 36(1): 169-178 doi:10.6046/zrzyyg.2022355

0 引言

中国是全球最大的发展中国家,为消除贫困,经过数年的接续奋斗,中国打赢了脱贫攻坚战,创造了人类减贫史上的奇迹^[1]。但是,习近平总书记指出,近200万的脱贫人口仍面临返贫的危险,边缘人口中仍有近300万人面临致贫危险^[2],这为巩固脱贫攻坚成果与乡村振兴逐步衔接带来了巨大的挑战。因此,当前和未来一段时间里,如何有效防止脱贫地区返贫,巩固脱贫成果,是国家扶贫工作的重点。

遥感卫星能够对人类居住区域和经济带进行监测,同时利用遥感数据计算出各种人类社会行为的参量,在社会经济^[3]、城市发展^[4]、资源监测、灾害评估^[5]等方面,夜光遥感已得到了广泛的应用。特别是近年来,基于夜光遥感数据的贫困问题引起了国内外学者的关注。防返贫分析首要解决的一个问题是如何及时、准确、有效地衡量地区的贫困程度,但当前衡量地区贫困程度基本依靠统计数据,存在数据来源不一致、时间和金钱消耗过大等问题^[6],并且在利用多维指标来识别区域贫困程度^[7⇓⇓-10]时,常常因指标的选取和指标权重设置时主观性较强,最终识别结果不够客观^[11]。而与传统方法相比,夜光遥感数据具有与人类居住区关系密切、易于获取、相对客观性强、计算效率高、空间覆盖面广及时间跨度相对较长等优点^[12]。另外,广西壮族自治区积极响应国家政策,紧抓落实防返贫各项工作,巩固拓展脱贫攻坚成果。鉴于此,本文以广西为研究区域,基于夜光遥感数据和多维脱贫指数(multidimensional poverty alleviation index,MPAI),对广西县域农村贫困程度进行相关研究。

1 研究区概况与数据源

广西壮族自治区是我国乡村振兴重点区域。其地处我国大陆西南沿海地区,面对东南亚,背靠大西南,位于中国东南沿海地区与中国西南地区的交汇地带,其地理位置的复杂造成了县域经济发展的不平衡,脱贫攻坚收官之后,广西全面推进乡村振兴,部署“防返贫守底线”专项行动,进一步加强防返贫动态监测和帮扶工作,做到精准监测、精准帮扶。进行广西县域农村贫困程度的时空演变分析,能够为广西防返贫工作提供科学决策支持。

主要的研究数据来源如下: ①广西壮族自治区县级行政区划数据以及广西县域社会经济统计数据。②夜光遥感影像,使用DMSP/OLS数据和NPP/VIIRS数据,为保证夜光遥感数据的准确性,需对影像进行连续性校正,校正前后对比结果如图1所示。由于不同传感器获取同年夜光遥感影像时同一像元DN值会存在一定的差异性,通过连续性校正后,使每年夜间灯光数据具有唯一性,并且同一像元的前一年度DN值小于此像元后一年度DN值,符合社会经济发展基本规律及夜间灯光影像分布趋势。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 2012年校正前后的广西DMSP/OLS夜光遥感影像对比

Fig.1 Comparison of DMSP/OLS night light remote sensing images in Guangxi before and after correction in 2012

2 基于夜光遥感数据的贫困指数模型构建2.1 灯光强度指数构建

夜间灯光强度与多种社会经济参数具有相关性,其灯光强度高低能直观地展现地方经济发展水平。夜间灯光强度指数包括区域总灯光强度指数(total digital number index,TDNI)和区域平均灯光强度指数(average digital number index,ADNI),计算公式为:

(1)TDNI=

\overset{S}{\sum_{k = 1}}

DN_k,

(2)ADNI=

\frac{\overset{S}{\sum_{k = 1}} D N_{k}}{S}

式中: DN_k为夜光遥感影像上第k个像元的DN值; S为像元的总数。其中,灯光强度指数越高,说明区域发展状态越好; 灯光强度指数越低,则说明区域发展状态越差。

2.2 MPAI构建

从多维视角对贫困指数进行分析,构建了包含社会、经济、自然这3个维度的贫困指数,覆盖范围广,包括年末常住人口数、居民最低生活保障人数、居民人均可支配收入、耕地面积等指标。不同指标的量纲不同,因此需要对数据进行归一化处理,计算公式为:

(3)

X_{i j}^{后}

\frac{X_{i j}^{前} - X_{m i n}}{X_{m a x} - X_{m i n}}

式中: $X_{i j}^{前}$ , $X_{i j}^{后}$ 分别为指标标准化前后的值; X_max为指标的最大值; X_min为指标的最小值; X_max-X_min为标准化基数。

为使MPAI更客观,采用熵权法,基于自动化统计产品和服务软件(statistical product and service software automatically,SPSSAU),计算各指标数据的权重,具体过程如下:

1)第j项指标下第i个对象占该指标的百分比P_ij,计算公式为:

(4)P_ij=

\frac{X_{i j}^{后}}{\overset{n}{\sum_{i = 1}} x_{i j}^{后}}

(i=1,2,…,n,j=1,2,…,m) 。

2)第j项指标的熵值E_j,计算公式为:

(5)E_j=-

\frac{1}{l n n} \overset{n}{\sum_{i = 1}}

P_ijln(P_ij) (i=1,2,…,n,j=1,2,…,m) 。

3)第j项指标的差异系数G_j,计算公式为:

(6)G_j=1-E_j (j=1,2,…,m),

其中,差异系数越大,指标越重要。

4)第j个指标的权重W_j,计算公式为:

(7)W_j=

\frac{G_{j}}{\overset{m}{\sum_{j = 1}} G_{j}}

(i=1,2,…,n, j=1,2,…,m) 。

指标与权重结果如表1。

表1 MPAI指标与权重

Tab.1 Index and weight of MPAI

维度	指标选取	指标属性	2018年权重/%
社会	年末常住人口数/万人	正向	13.27
	普通中学专任教师/人	正向	12.22
	医疗卫生机构技术人员/人	正向	11.99
	医疗卫生机构床位数/张	正向	11.64
	人均生产总值/元	正向	15.93
经济	一般公共财政预算收入/万元	正向	16.65
	固定资产投资指数(不含农户)	正向	0.78
	城镇居民人均可支配收入/元	正向	5.19
自然	耕地面积/hm²	正向	12.34

新窗口打开| 下载CSV

结合归一化后的指标数,计算出广西各县域的MPAI,计算公式为:

(8)MPAI=

\overset{m}{\sum_{j = 1}}

W_j×

X_{i j}^{后}

。

2.3 MPAI关系模型构建

通过对数函数、线性函数、多项式函数、幂函数分别对TDNI与MPAI,ADNI与MPAI进行回归拟合分析,选择拟合效果最好的数学模型,比较探究TDNI与MPAI,ADNI与MPAI的相关性,如图2为2018年MPAI分别与TDNI和ADNI的拟合结果。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 2018年TDNI,ADNI分别与MPAI的拟合结果

Fig.2 Fitting results of TDNI and ADNI to MPAI in 2018

表2为各拟合回归模型参数对比。

表2 各拟合回归模型参数对比(2018年)

Tab.2 Comparison of parameters of each fitting regression model (2018)

灯光指数	函数	数学模型	R²
TNDI	幂函数	y=0.002 9x^{0.560 7}	0.747 2
	多项式函数	y=-1E-08x²+0.000 1x+0.038 9	0.681 4
	对数函数	y=0.199 4 lnx-0.433 8	0.637 5
	线性函数	y=7E-05x+0.072 7	0.631 3
	幂函数	y=0.340 4x^{0.381 2}	0.422 7
ANDI	多项式函数	y=-1.131x²+0.936 9x+0.072 89	0.365 4
	对数函数	y=0.132 9 ln(x)+0.297	0.346 3
	线性函数	y=0.265 9x+0.120 5	0.166 7

新窗口打开| 下载CSV

对比图2和表2可知,MPAI与TDNI的相关性比MPAI与ANDI的相关性更好,且在4种拟合回归模型中,幂函数回归模型拟合效果更好,MPAI与TDNI的幂函数拟合度为0.747 2。为进一步说明MPAI与TDNI的相关性,以及证明幂函数回归模型的可靠性,利用MPAI与TDNI的幂函数模型,通过TDNI估算MPAI,公式为:

(9)y=0.002 9x⁰^.^{560 7},

式中: x为广西各县域TDNI; y为估算的广西各县域MPAI。

3 基于夜光遥感数据的广西县域农村贫困程度时空演变分析

将贫困状态与时间、空间特性结合进行时空演变分析,能从整体把握贫困演变规律,有效防返贫困。通过构建的TDNI和MPAI幂函数关系模型,基于TDNI估算MPAI,进行县域农村贫困度时空演变分析。

3.1 广西县域贫困程度长时序时空动态变化

3.1.1 广西TDNI动态变化分析

以省、市、县为层级进行广西TDNI统计分析,有利于直观展现2010年以来广西TDNI的变化,研究广西贫困程度的演变,分析广西发展状态与发展趋势。根据式(1),以年为单位,分区统计2010—2020年省、市、县不同层级的TDNI值。为展现2010—2020年广西TDNI的变化趋势。通过多种数学模型进行拟合,其中二项式拟合模型效果最佳,其拟合度为0.962 6。从图3(b)可知,2010年以来广西TDNI总体呈上升趋势,这说明广西经济稳步发展。通过图3(a)与图3(d)广西各市TDNI值的变化曲线对比可知南宁市、柳州市、桂林市的经济发展状况较好,贺州市相对较弱,计算公式为:

(10)y=-1 702.9x²+(7E+6)x-(7E+9) 。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 TDNI统计分析

Fig.3 Statistical analysis of TDNI

为具体分析广西各县TDNI的变化情况,根据式(11)计算2010—2020年各县域TDNI的增长率,并利用自然段点法对TDNI增长率分类标准对各县域TDNI进行分类统计,计算公式为:

(11)

V_{2010 — 2020}^{i}

\frac{T D N I_{2020} - T D N I_{2010}}{T D N I_{2010}}

×100%,

式中 $V_{2010 — 2020}^{i}$ 为2010—2020年i县夜间灯光强度增长率。得到增长率分类结果图3(c)。

由图3可知,广西各县TDNI均呈明显上升趋势。其中资源县增长率最高,为6 024.78%,凤山县的增长率最低,为113.99%。广西发展速率较快的县较少,中速发展的县较为分散,主要集中在广西东部; 低速发展的县最多,超过广西县域数量的一半,主要分布在广西的西部。这与广西东西地理差异相关,广西西部多为山地,地势较高,石漠化严重,降水少,制约着其经济发展,而东南部拥有郁江平原、浔江平原和南流江三角洲平原,地势较为平坦,临海降水丰富,且背靠北部湾经济区发展战略,经济发展迅速。

3.1.2 广西TDNI值迁移趋势分析

为更直观地展示广西县域农村贫困程度的时空格局变化趋势,以广西各县域的TDNI值为参量,采用标准差椭圆法定量分析,具体过程如下:

1)确定椭圆圆心。计算公式为:

(12)SDE_x=

\sqrt{\frac{\overset{n}{\sum_{i = 1}} (x_{i} {- \bar{X})}^{2}}{n}}

(13)SDE_y=

\sqrt{\frac{\overset{n}{\sum_{i = 1}} (y_{i} {- \bar{Y})}^{2}}{n}}

式中: (x_i,y_i)为i要素的空间位置坐标; ( $\bar{X}$ , $\bar{Y}$ )为算术平均中心; (SDE_x,SDE_y)为椭圆圆心的坐标,代表了参量的核心位置。

2)确定旋转角度。计算公式为:

(14)tanθ=

\frac{(\overset{n}{\sum_{i = 1}} {\bar{x}}_{i}^{2} - \overset{n}{\sum_{i = 1}} {\bar{y}}_{i}^{2})}{2 \sum_{i = 1}^{n} {\bar{x}}_{i} {\bar{y}}_{i}}

\frac{\sqrt{{(\overset{n}{\sum_{i = 1}} {\bar{x}}_{i}^{2} - \overset{n}{\sum_{i = 1}} {\bar{y}}_{i}^{2})}^{2} + 4 {(\overset{n}{\sum_{i = 1}} {\bar{x}}_{i} {\bar{y}}_{i})}^{2}}}{2 \overset{n}{\sum_{i = 1}} {\bar{x}}_{i} {\bar{y}}_{i}}

式中: ( ${\bar{x}}_{i}$ , ${\bar{y}}_{i}$ )为平均中心(x_i,y_i)的差值; θ为椭圆的旋转角,可以用来表示参量分布方向的趋势。

3)确定X,Y轴的长度。计算公式为:

(15)σ_x=

\sqrt{2 \frac{\overset{n}{\sum_{i = 1}} ({\bar{x}}_{i} c o s θ - {\bar{y}}_{i} {s i n θ)}^{2}}{n}}

(16)σ_y=

\sqrt{2 \frac{\overset{n}{\sum_{i = 1}} ({\bar{x}}_{i} s i n θ - {\bar{y}}_{i} {c o s θ)}^{2}}{n}}

式中σ_x与σ_y分别为椭圆长短轴的标准差。椭圆的长半轴可以表示参量分布的方向,短半轴表示参量分布的范围,扁率越大,参量分布的方向性越明显。

结果得到广西县域灯光强度标准椭圆参数和变化轨迹图,如表3和图4。2014—2020年,广西TDNI中心点坐标从(E108°59'33″,N23°14'08″)移动到(E109°01'34″,N23°17'39″),呈现向东北方向移动的趋势,但是其整体仍然处在广西东南部,变化幅度并不大,并且移动变化量在减少,这与广西重点关注发展北部湾经济区的经济政策有一定的关系。

表3 广西县域灯光强度标准椭圆参数

Tab.3 Standard ellipse parameters of light intensity in Guangxi counties

年份	中心点 x坐标	中心点 y坐标	长轴长度/km	短轴长度/km	方向角度/(°)
2014年	108°59'33″	23°14'08″	1.510 7	1.909 4	40.176 5
2016年	108°59'53″	23°16'26″	1.527 2	1.932 7	42.109 8
2018年	109°01'14″	23°17'11″	1.524 2	1.960 5	44.229 3
2020年	109°01'34″	23°17'39″	1.493 3	1.954 8	43.801 9

新窗口打开| 下载CSV

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 2014—2020年广西县域灯光强度时空格局变化轨迹

Fig.4 Change track of temporal and spatial pattern of light intensity in Guangxi counties from 2014 to 2020

3.2 基于MPAI的广西县域贫困程度时空相关性分析

3.2.1 广西县域贫困程度时空聚集性分析

采用空间相关分析法对2010—2020年广西县域MPAI的时空相关性进行研究。

1)全局空间自相关。以全局莫兰指数(global Moran’s I)为指标,通过研究区域单元贫困程度的总体分布情况,从而判定贫困程度在空间上是否具有聚集性,计算公式为:

(17)I=

\frac{n \overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} W_{i j} (x_{i} - \bar{x}) (x_{j} - \bar{x})}{\overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} W_{i j} \overset{n}{\sum_{i = 1}} (x_{i} {- \bar{x})}^{2}}

式中: W_ij为空间权重矩阵; x_j和x_j为相邻单元的MPAI值; $\bar{x}$ 为平均值; n为县域数量。Moran’s I指数的值域为[-1,1],若其大于0表示正相关,小于0则表示为负相关,等于0则表示各单元相互独立,不存在相关性。如果Moran’s I指数越接近1,表示研究对象的集聚程度越明显,指数越接近-1,代表研究对象空间差异性越大。

利用幂函数关系模型式(3)估算广西各县域的多维脱贫指数,测算各县域MPAI的Moran’s I指数。图5为2014年、2016年、2018年、2020年广西县域MPAI的莫兰指数。结果可知,广西县域MPAI的Moran’s I指数呈上升趋势,从2014年的0.444 3增大到2020年的0.522 6,并且Z得分为: 5.260 9,6.021 3,6.043 5和6.200 3,均大于0.01的置信水平,说明广西各县域的MPAI空间分布关系为正相关,存在明显的聚集状态,具体表现为MPAI高的县域相接近,MPAI低的县域相接近。且随着Moran’s I指数的增大,MPAI相似的地区增多,广西县域MPAI分布的空间聚集程度在提高,广西县域间的经济发展差距逐渐缩小。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 广西各县域Moran’s I指数分析结果

Fig.5 Analysis results of Moran’s I index of counties in Guangxi

2)局部空间自相关: 以局部莫兰指数(local Morans’I)为指标,研究广西县域贫困程度聚集情况,计算公式为:

(18)I_i=

\frac{n (x_{i} - \bar{x}) \overset{n}{\sum_{j = 1}} W_{i j} (x_{j} - \bar{x})}{\overset{n}{\sum_{i = 1}} (x_{i} {- \bar{x})}^{2}}

。

按照计算结果将广西各县域分为4类: 高高聚类HH、高低聚类HL、低高聚类LH和低低聚集LL。在2014年、2016年、2018年、2020年中,广西各县域能够达到HL和LH的县域较少,仅有兴业县和金秀瑶族自治县出现过LH类型,其他基本均为HH和LL这2种类型,图6为2014年、2016年、2018年、2020年广西县域灯光强度HH和LL的集聚图。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 广西MPAI Lisa集聚图

Fig.6 Lisa cluster map of MPAI in Guangxi

结果可知,从整体上看HH和LL区域变化不大,HH区域主要集中在广西东南部,包括横县、灵山县、浦北县、合浦县、桂平市等。LL区域主要集中在西北部,包括田林县、乐业县、天峨县、南丹县、凤山县、凌云县等,相比于2014年减少了隆林各族自治县,说明广西县域的发展差距在缩小。

3.2.2 广西县域贫困程度空间异质性及演化特征分析

通过空间变差函数法不仅能够表现广西县域贫困程度的空间结构性,而且能反映广西县域贫困程度在某个方向上某一距离范围内的变化程度,因此选择拟合效果较好的球状模型对广西县域MPAI进行分析,计算公式为:

(19)Y(i)=

\{\begin{array}{l} 0 & i = 0 \\ C_{0} + C (\frac{3 i}{2 A_{0}} - \frac{i^{3}}{2 {A_{0}}^{3}}) & 0 < i \leq A_{0} \\ C_{0} + C_{i} & i > A_{0} \end{array}

式中: C₀为块金值; 作为随机变量; C为拱高,表示变量在空间上变异性幅度大小。C+C₀为基台值,代表变量在空间上的总变异性大小; A₀为变程,是变差函数的值逐渐趋向平稳时的步长,反映了MPAI的空间相关性的作用范围,若在变程之内,则县域越近,空间相关性越强; 若在变程之外,则不存在空间相关性。

拟合结果如图7和表4。通过MPAI的拟合结果可知,其块金系数C₀/(C+C₀)均小于10%,说明广西县域贫困程度具有较强的空间相关性,县域间差距在缩小。同时,其变程A₀从0.66上升到1.25,说明广西县域贫困程度空间关联作用范围在扩大。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 广西县域贫困程度变差函数拟合结果

Fig.7 Fitting results of variogram of poverty degree in Guangxi counties

表4 广西县域贫困程度变差函数拟合参数

Tab.4 Fitting parameters of variogram of poverty degree in Guangxi counties

年份	块金值 C₀	基台值 (C+C₀)	变程 A₀	块金系数 C₀/(C+C₀)	R²
2014年	0.006 07	0.122 4	0.66	0.049 6	0.808
2016年	0.004 48	0.125 6	0.80	0.035 7	0.848
2018年	0.003 62	0.114 4	0.93	0.031 6	0.855
2020年	0.007 97	0.201 4	1.25	0.039 6	0.890

新窗口打开| 下载CSV

由表5可知,全方位上分维数值D从1.898持续下降到1.859,说明整体上广西县域贫困程度的空间异质性呈下降趋势; 从各方向上看,拟合效果都差不多,东-西(90^o)方向上,D从1.704增大到1.769,说明在该方向上贫困程度的空间差异呈现减小趋势; 东北-西南(45^o)方向上,D从1.873减小到1.744,说明在该方向上贫困程度的空间变异性在增大; 而南-北(0^o)和东南-西北(135^o)方向上的D值整体变化不大,说明在这2个方向上的贫困程度空间差异变化不大。

表5 广西县域贫困程度变差分维数

Tab.5 The variational fractal dimension of poverty degree in Guangxi counties

年份	全方位		南-北(0°)		东北-西南(45°)		东-西(90°)		东南-西北(135°)
年份	D	R²	D	R²	D	R²	D	R²	D	R²
2014年	1.898	0.722	1.864	0.779	1.873	0.657	1.704	0.666	1.958	0.653
2016年	1.880	0.830	1.932	0.648	1.833	0.711	1.727	0.61l	1.936	0.612
2018年	1.862	0.826	1.923	0.628	1.796	0.789	1.736	0.701	1.939	0.697
2020年	1.859	0.839	1.877	0.854	1.744	0.686	1.769	0.642	1.968	0.637

新窗口打开| 下载CSV

MPAI越高代表该区域贫困程度越低,MPAI越低则代表该区域贫困程度越高,通过图8广西县域MPAI Kriging插值3D拟合结果可知,广西县域贫困程度高的区域主要集中在西部,贫困程度低的区域主要在东南部,并还在不断向东南部发展,与当下广西各县域贫困程度空间分布基本一致。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8 2014—2020年广西县域贫困时空分布

Fig.8 Temporal and spatial distribution of poverty in Guangxi county from 2014 to 2020

可见,构建对数函数、线性函数、多项式函数(三次)、指数函数等多种回归拟合模型,对2018年的TDNI和MPAI进行拟合分析,拟合结果显示幂函数的拟合优度为0.747 2,拟合效果最好,证明了夜间灯光强度指数与MPAI有较强的相关性,可以利用夜间灯光强度指数进行县域的贫困程度分析,具体情况如下:

1) 2010—2020年间,广西省、市、县等层级的总灯光强度指数整体都呈增长趋势,其中资源县的夜间灯光强度增长最快,凤山县最慢,广西各县大部分处于低速发展状态,发展较快和中速发展的县主要聚集在东部。另外,通过标准差椭圆法可知广西县域总灯光强度指数在长时序上向东北方向迁移。

2) 广西县域MPAI的全局Moran’s I指数从2014年的0.444 3增大到2020年的0.522 6,说明广西县域MPAI具有明显的聚集性。通过MPAI Lisa集聚图,可以分析得知广西东南部经济发展趋势较好; 广西西部发展虽较为缓慢,但是相比于2014年,广西县域发展差距在逐步缩小。

3) 广西县域MPAI的变差函数球状模型块金系数均小于10%,说明广西县域贫困程度存在很大的空间相关性; 并且变程A₀从0.66上升到1.25,说明空间相关性作用范围呈扩大趋势,分维数值D从1.898下降到1.859,说明其空间异质性呈下降趋势。

4 结论

我国已经打赢脱贫攻坚战,消除了绝对贫困问题,但是仍存在地区发展不平衡的问题,脱贫地区仍存在返贫可能,因此防止返贫、巩固成果是接下来扶贫工作的重要问题。本文对广西县域农村贫困程度进行了时空演变分析。2010年以来,广西TDNI处于持续上升状态,整体增长率为526.34%,广西经济不断发展; 特别是广西东南部依靠优越的地理位置和政策支持发展迅速,呈现良好发展态势,广西灯光强度增长较快的区域和“HH”集聚类型的区域基本都集中在东南部。虽然广西“LL”聚集城市数量在减少,县域发展差距在逐步缩小,但广西西部的MPAI相对于广西东南部较低,发展相对较慢,仍存在返贫的可能性。从多维贫困角度来分析,造成返贫并非单一的原因,而是由自然、社会与经济等多方面因素造成。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

本刊编辑部.

脱贫攻坚:第一书记,“第一”担当——“全面小康·脱贫攻坚”优秀驻村第一书记特别报道专辑编前语

[J]. 中国发展观察, 2020(s2):1.