貴州省易地扶貧搬遷現(xiàn)狀的數(shù)據(jù)可視化分析
——以黔南州為主要研究對象

胡楚翼，吳亞星，楊全誠，胡 堯

（貴州大學(xué)，貴州 貴陽 550025）

一、引言

由于經(jīng)濟(jì)社會發(fā)展滯后，農(nóng)村貧困問題突出，貴州省長期以來都被視為全國農(nóng)村貧困人口最多、貧困面最廣、貧困開發(fā)任務(wù)最重的省份之一。伴隨我國邁向全面小康社會的進(jìn)程進(jìn)入歷史性階段，“十三五”時(shí)期易地扶貧搬遷時(shí)間更緊、任務(wù)更重、難度更大，為有序推進(jìn)“十三五”時(shí)期貴州省易地扶貧搬遷工程，順利完成“十三五”期間對2018年底調(diào)整后的全省共188 萬人口實(shí)施易地扶貧搬遷，對當(dāng)下扶貧搬遷情況的分析總結(jié)具有重要意義。從現(xiàn)有的研究來看，主要還是以案例調(diào)查為主，缺乏較大規(guī)模的實(shí)證調(diào)查數(shù)據(jù)支持，并且一些研究年代較為久遠(yuǎn)，研究結(jié)論已無法保證適用于新形勢下的易地扶貧搬遷，且很少有學(xué)者從微觀角度對中國易地扶貧搬遷進(jìn)行細(xì)致深入的摸底調(diào)查。

目前，國內(nèi)許多學(xué)者根據(jù)各種各樣的理論分析和技術(shù)方法，結(jié)合當(dāng)前政策的實(shí)際，對易地扶貧搬遷開展了一系列的學(xué)術(shù)研究。如孫晗霖等通過對有效數(shù)據(jù)的分析，用地理坐標(biāo)建立地圖可視化，選取構(gòu)建結(jié)構(gòu)方程模型（Structural Equation Model）方法來展開對重慶市酉陽自治縣易地扶貧生計(jì)滿意度的研究；陳燁烽等基于國務(wù)院下發(fā)的數(shù)據(jù)，建立信息可視化，并通過線性回歸及指標(biāo)貢獻(xiàn)度分解挖掘致貧因素，再利用最小方法模型進(jìn)行分析，得出結(jié)論；張全紅和周強(qiáng)在已有的多維貧困維度基礎(chǔ)上，增添了收入指標(biāo)維度、建立了多維貧困模型、觀察單維度及多維度的貧困發(fā)生率，把數(shù)據(jù)通過文本可視化來展示，最后得出對于當(dāng)?shù)卣叩慕ㄗh及結(jié)論；劉艷華和徐勇建立可持續(xù)生計(jì)方法、分析五大生計(jì)資本、剖析脆弱性的相關(guān)指標(biāo)，豐富了多維貧困度量方法，得出相關(guān)結(jié)論，與政策期望符合。

黔南州位于貴州省中南部，自2016年實(shí)施《貴州省易地扶貧搬遷工程實(shí)施規(guī)劃》以來，堅(jiān)持把易地扶貧搬遷作為脫貧攻堅(jiān)的重頭戲和主戰(zhàn)場，充分發(fā)揮各部門職能作用和群眾主觀能動性，成功摸索出了被時(shí)任貴州省委書記陳敏爾提煉升華并在全國全省推廣的“五個(gè)三”易地扶貧搬遷后續(xù)扶持服務(wù)發(fā)展經(jīng)驗(yàn)，并取得了顯著成效。為了探索新時(shí)期易地扶貧的主要特征，我們采取了重點(diǎn)對象分析法，通過實(shí)地調(diào)查與走訪，采集到了黔南州易地扶貧搬遷現(xiàn)狀的第一手?jǐn)?shù)據(jù)，本文采用聚類分析的方法對黔南州易地扶貧調(diào)查數(shù)據(jù)進(jìn)行了研究并利用Tableau 軟件對2016—2017年貴州省易地扶貧搬遷數(shù)據(jù)進(jìn)行可視化分析。

二、研究方法與數(shù)據(jù)來源

（一）研究方法

本文所用的聚類方法是層次聚類法（Hierarchical Cluster Analysis）。本文從宅基地流轉(zhuǎn)率、山林地流轉(zhuǎn)率、承包地流轉(zhuǎn)率、就業(yè)落實(shí)率、已投資經(jīng)濟(jì)占比和貧困發(fā)生率這6 個(gè)指標(biāo)對我們所要研究的56 個(gè)安置點(diǎn)進(jìn)行層次聚類分析。

首先，考慮是否有必要把6 個(gè)變量都作為分類變量時(shí)，我們可以先做一個(gè)R 型聚類分析，使聚類數(shù)為3～5 類這個(gè)范圍內(nèi)，對這6 個(gè)變量進(jìn)行降維處理，輸出“近似值矩陣”，得到每個(gè)變量之間的相似性系數(shù)rjk，有助于變量降維。使用的是最遠(yuǎn)距離法來計(jì)算出R（Gi，Gk），變量與變量之間的聚類過程使用的是平方歐幾里得距離法，得到di。

其次，在確定R 型聚類后，對個(gè)案進(jìn)行Q 型聚類，即對具體觀測值數(shù)據(jù)（56 個(gè)安置點(diǎn)）聚類分析，采用瓦爾德方法（Wald Method），類與類間的聚類過程采用平方歐幾里得距離。

最后，關(guān)于聚類效果的驗(yàn)證，本文選用單因素方差分析法對聚類后的各個(gè)類別進(jìn)行分析，利用SPSS 中的means 過程進(jìn)行檢驗(yàn)，差異顯著則結(jié)果可靠。

（二）數(shù)據(jù)來源與指標(biāo)選取

考慮到數(shù)據(jù)的可得性和分析的客觀性，我們把研究空間從貴州全省范圍聚焦到黔南州的縣份、安置區(qū)，有針對性地分析該地區(qū)的搬遷現(xiàn)狀和扶貧工作的推進(jìn)情況。本文所得的相關(guān)數(shù)據(jù)主要包括安置地情況數(shù)據(jù)和基礎(chǔ)地理空間數(shù)據(jù)兩部分。前者主要來源于黔南州人民政府網(wǎng)依申請公開的易地扶貧工作數(shù)據(jù)及披露出來的資金使用情況；后者基于ArcGis 軟件的應(yīng)用，提取了各個(gè)安置點(diǎn)以及縣市級的經(jīng)緯度坐標(biāo)，有利于熱力圖的分析與應(yīng)用。同時(shí)，采用了聚類分析方法和方差分析法對黔南州2016年扶貧搬遷安置點(diǎn)的指標(biāo)變量劃分及類型區(qū)域劃分，分為了五類變量指標(biāo)和6 類安置點(diǎn)區(qū)域。

（三）數(shù)據(jù)可視化軟件介紹

Tableau 軟件依靠新的處理引擎，能夠處理各種規(guī)模數(shù)據(jù)，并同時(shí)保證數(shù)據(jù)提取分析，提供可視化交互。本文的數(shù)據(jù)來源于貴州省各市州水庫與生態(tài)移民局，數(shù)據(jù)包括2016—2017年貴州省貧困人口數(shù)量、貧困發(fā)生率等指標(biāo)，利用Tableau 軟件和現(xiàn)有數(shù)據(jù)生成各種圖形，并對貴州省易地扶貧搬遷數(shù)據(jù)進(jìn)行可視化分析。

三、結(jié)果與分析

（一）聚類結(jié)果分析

本文主要采用了SPSS 24.0 軟件進(jìn)行的聚類分析，通過對6 個(gè)變量指標(biāo)的重分類以及56 個(gè)安置點(diǎn)的系統(tǒng)聚類，將黔南州2016年易地搬遷安置點(diǎn)初步劃分為6 類。在考慮是否有必要把6 個(gè)變量都作為分類變量時(shí)，我們可以先做一個(gè)R 型聚類分析，使聚類數(shù)在3～5 范圍內(nèi)，對這6 個(gè)變量進(jìn)行降維處理，輸出“近似值矩陣”，如表1，有助于變量降維。

表1 近似值矩陣

表1 中可以看出各變量之間的相關(guān)系數(shù)都不大，并且再由聚類成員可知（見表2）：5 個(gè)變量聚類時(shí)就業(yè)落實(shí)率與承包地流轉(zhuǎn)率二選一即可；4個(gè)聚類時(shí)，則再在山林地流轉(zhuǎn)率與宅基地流轉(zhuǎn)率中二選一。因此，綜合近似值矩陣結(jié)果，確定出用于聚類的變量為：貧困發(fā)生率、投資占比率、就業(yè)落實(shí)率、山林地流轉(zhuǎn)率、宅基地流轉(zhuǎn)率，共5 個(gè)變量，接下來再對56 個(gè)安置點(diǎn)做Q 型聚類。

表2 聚類成員

圖1 是聚類分析譜系圖，直觀地表達(dá)數(shù)值分類結(jié)果，同時(shí)，從表3 中也可以看出，把56 個(gè)安置點(diǎn)分成6 類是較為合適的。這個(gè)時(shí)候最大的類別中含有16 個(gè)安置點(diǎn)，占全部安置點(diǎn)的28.57%；而最小的類別中含有4 個(gè)安置點(diǎn)，占全部安置點(diǎn)的7.14%。而其他分類方法或者含有的類別過少（例如3 類或4 類時(shí)），或者某些類別中含有的安置點(diǎn)過少（例如8 類、9 類或10 類時(shí)），所以綜合選取Ward Method（6）來作為我們的聚類。接下來我們可以通過SPSS 中的Means 過程計(jì)算各個(gè)類別的描述統(tǒng)計(jì)量和各個(gè)類別中6 個(gè)變量是否有顯著性的方差分析表，如表4 所示。

圖1 聚類分析譜系圖

表3 聚類識別

表4 方差分析

表5 方差分解

從表4、表5 中可以看出，各個(gè)類別之間在宅基地拆除率、山林地流轉(zhuǎn)率、就業(yè)落實(shí)率、投資占比率、貧困發(fā)生率這5 個(gè)變量上都存在顯著性差異，并且這種差異具有統(tǒng)計(jì)意義?？偟膩碚f，宅基地拆除率較為良好，山林地流轉(zhuǎn)率較為集中在第六類，就業(yè)落實(shí)率以75%為界限可以分為高低就業(yè)率，投資占比率以65.6%可分為高低投資率，而貧困發(fā)生率除了第六類較低以外，其他地區(qū)都偏高，以9%為界限。綜合以上的分析，將56 個(gè)安置點(diǎn)可以如下分類：

第1 類：低就業(yè)、低投資、高貧困發(fā)生地區(qū)。這一類別主要包含三都等16 的安置點(diǎn)，從圖表顯然可以看出，各項(xiàng)指標(biāo)產(chǎn)生的效果遠(yuǎn)低于其他類別。

第2 類：低就業(yè)、高投資、中等貧困發(fā)生地區(qū)。這一類別主要包含白云山、龍里、惠水等11 個(gè)安置點(diǎn)，這一類除了投資較高以外，其他指標(biāo)都不良好，但對比第一類，可見投資產(chǎn)生的效果還是較為有用的。

第3 類：高就業(yè)、低投資、高貧困發(fā)生地區(qū)。這一類別主要包含撈村等4 個(gè)安置點(diǎn)，這一類結(jié)合這4 個(gè)安置點(diǎn)當(dāng)?shù)氐恼咭庖?，并且由圖可知，土地流轉(zhuǎn)率（山林地、宅基地）極低，即使就業(yè)較高，但低投資和低土地流轉(zhuǎn)率所帶來的影響大于就業(yè)率影響。

第4 類：低就業(yè)、高投資、高貧困發(fā)生地區(qū)。這一類別主要包含云霧鎮(zhèn)等14 個(gè)安置點(diǎn)，由于低就業(yè)率，導(dǎo)致當(dāng)?shù)匕l(fā)展即使高投資率，但也難免于高貧困率的結(jié)果。

第5 類：低就業(yè)、高投資、高貧困發(fā)生地區(qū)。這一類別主要包含福泉等7 個(gè)安置點(diǎn)，其與第4 類的主要區(qū)別在于，土地流轉(zhuǎn)率非常低且宅基地拆除率也相對較低。

第6 類：中等就業(yè)、高投資、低貧困發(fā)生地區(qū)。這一類別主要包含甕安等4 個(gè)安置點(diǎn)，其特點(diǎn)在于土地流轉(zhuǎn)率較為良好，并且不低的就業(yè)以及政府的高投資，使得該地區(qū)發(fā)展非常良好。

（二）可視化結(jié)果分析

1.基于地理熱力圖的貴州省各州市貧困發(fā)生率情況（2016—2017年）。圖2 是2016年與2017年貴州省各市州地貧困發(fā)生率的熱力圖。對貴州省各州市貧困發(fā)生率情況由漸變顏色的深淺進(jìn)行對比分析可以看出，貴陽市依舊是處于貧困發(fā)生率非常低的一欄，這與貴州省的總經(jīng)濟(jì)投入以及政策方針有相當(dāng)大的聯(lián)系；遵義、銅仁、黔西南、黔南畢節(jié)這兩年的變化微小，幾乎都處于平穩(wěn)狀態(tài)；黔東南兩年來一直是處于高貧困發(fā)生率階段，結(jié)合當(dāng)?shù)卣块T以及對其他結(jié)構(gòu)的了解，主要是因?yàn)椤吧剿異毫訃?yán)重，一方水土養(yǎng)不了一方人”，需要著重去調(diào)查研究并計(jì)劃新的合適的政策安排；六盤水在2016 過渡到2017 這一年貧困發(fā)生率有了較大的下降幅度，結(jié)合六盤水的政策計(jì)劃，效果反饋非常不錯。

圖2 2016年和2017年貴州省貧困發(fā)生率

2.基于地理圖的貴州省黔南州安置點(diǎn)分布情況。從圖3 可以看出，點(diǎn)與點(diǎn)之間按照黔南州地理輪廓鑲嵌分布。圓點(diǎn)大小代表其安置點(diǎn)的貧困人口數(shù)量情況，其分布大致可以描述為“中間大，兩邊小”。

圖3 黔南州安置點(diǎn)分布

3.基于氣泡圖的貴州省各州市貧困人口數(shù)量情況。2015年初，貴州擁有493 萬貧困人口，占全國8.77%，是全國貧困人口數(shù)量最多的省份，在全省88 個(gè)縣（市、區(qū)、特區(qū)）中，貧困發(fā)生率在10%以上的有61 個(gè)，對照國家規(guī)定的“原則上貧困縣貧困發(fā)生率降至2%以下（西部地區(qū)降至3%以下）”的脫貧目標(biāo)，貴州的脫貧攻堅(jiān)任務(wù)還很艱巨。

圖4 2016年貴州省各州市貧困人口對比

從圖4 大致可以看出，就貴州省本省而言，2016年畢節(jié)市所占貧困人口比例最高，其次是黔東南州，而貴陽市所占貧困人口比例最低。導(dǎo)致貧困人口差距大的原因一方面是因?yàn)樽鳛橘F州省省府的貴陽市本身經(jīng)濟(jì)較為發(fā)達(dá)且只有一個(gè)貧困縣，相對其他縣市而言貧困發(fā)生率??；另一方面，由于地理區(qū)域的原因，大多數(shù)貧困人口主要分布在武陵山區(qū)、烏蒙山區(qū)、九萬山區(qū)等邊遠(yuǎn)地區(qū)，再加上歷史、文化等原因?qū)е律贁?shù)民族大多居住在邊遠(yuǎn)地區(qū)?？傮w而言，貴州的貧困人口數(shù)大多數(shù)集中在少數(shù)民族地區(qū)。

從圖5 貴州省各州市2016年和2017年貧困人口數(shù)對比中可以看出，六盤水市和遵義市的貧困人口數(shù)量下降的幅度最大，脫貧工作的效率得以體現(xiàn)。從我們收集到的數(shù)據(jù)，就遵義市來看，“十三五”期間，遵義市計(jì)劃實(shí)施異地扶貧搬遷47 309戶、198 316 人，截至2017年12月底，已完成搬遷23 465 戶、99 974 人，完成計(jì)劃的50%。另一方面，遵義市易地扶貧搬遷工作進(jìn)入關(guān)鍵時(shí)期，各縣（市、區(qū)）黨委政府始終把工程建設(shè)進(jìn)度作為易地扶貧搬遷的第一要務(wù)，到2017年底，2016年掃尾工程全部完成，2017年項(xiàng)目主體工程基本完成，拆房復(fù)墾居全省前列。總體來看，遵義市的易地扶貧搬遷推進(jìn)的速度比較快。

圖5 2016年和2017年貴州省各州市貧困人口對比

4.基于條形圖的銅仁市三年搬遷率對比情況。結(jié)合圖6，以人口為角度來看，銅仁市以及各個(gè)鄉(xiāng)級縣級的搬遷率在這三年里都有些浮動，顏色越偏向深紅，則搬遷率越高，顏色越偏向淺藍(lán)，則搬遷率越低。2016年大龍開發(fā)區(qū)的搬遷率是這一整年最高的，達(dá)到34.11%；而2017年，則是玉屏縣最高，高達(dá)41.23%；再到2018年，銅仁市高新區(qū)和沿河縣呈現(xiàn)突襲地趨勢，分別高達(dá)84.44%、83.30%，同時(shí)碧江區(qū)搬遷率也在這一年達(dá)到了67.70%。其中，大龍開發(fā)區(qū)搬遷率在這三年明顯地驟降；玉屏縣呈現(xiàn)為突長并驟降的三年趨勢。這與國家實(shí)施的“十三五”計(jì)劃是密不可分的，并且也為下一個(gè)階段奠定了良好的基礎(chǔ)。

圖6 銅仁市三年搬遷率對比

5.基于瀑布圖的黔南州2016年宅基地、三塊地情況。從圖7 的瀑布圖中可以看出，都勻市、平塘縣和福泉市的宅基地（已復(fù)墾復(fù)綠）在黔南州的各縣市中最為突出，其原因在于這三地的自然區(qū)域條件與復(fù)墾復(fù)綠的要求比較吻合。另一方面，各級政府積極推進(jìn)拆舊復(fù)綠，原有各項(xiàng)支農(nóng)惠農(nóng)政策補(bǔ)貼不變，使得這項(xiàng)進(jìn)程有條不紊地進(jìn)行。

圖7 黔南州宅基地

圖8 黔南州三塊地

從圖8 的瀑布圖中可以看出，長順縣、平塘縣、荔波縣的三塊地（公益林補(bǔ)助）在黔南州的各縣市較為突出，其中，荔波縣總計(jì)高達(dá)951 010 元。

6.基于餅圖的中央預(yù)算內(nèi)投資、省級統(tǒng)籌情況。從資金來源中，圖9 中央預(yù)算內(nèi)投資和圖10貴州省級統(tǒng)籌投資中可以看出，黔南州各縣市的分配大體比例上相差不大。在資金統(tǒng)籌方面，“十三五”時(shí)期易地扶貧搬遷投資按照建檔立卡貧困人口人均5.8 萬元，同步搬遷非建檔立卡人口人均5 萬元進(jìn)行核算，由省負(fù)總責(zé)、統(tǒng)貸統(tǒng)還進(jìn)行籌措。貴州省人民政府授權(quán)貴州省財(cái)政廳與貴州省扶貧開發(fā)投資有限責(zé)任公司簽訂政府購買服務(wù)協(xié)議，由貴州省扶貧開發(fā)投資有限責(zé)任公司負(fù)責(zé)承接省級統(tǒng)籌的相關(guān)專項(xiàng)資金、國家專項(xiàng)建設(shè)基金、省級政府債券資金，承貸金融機(jī)構(gòu)政策性長期低息貸款和其他貸款資金，統(tǒng)一用于易地扶貧搬遷，搬遷安置任務(wù)完成后，剩余資金可以用于對貧困戶宅基地復(fù)墾開發(fā)利用、創(chuàng)業(yè)就業(yè)等后續(xù)扶持。

圖9 2016年中央預(yù)算內(nèi)投資

圖10 2016年貴州省級統(tǒng)籌投資

四、結(jié)論與政策啟示

（一）結(jié)論

本文通過對貴州省的貧困發(fā)生率的大概圖形展示，初步了解了各個(gè)市州的貧困狀況，結(jié)合相關(guān)政策的導(dǎo)入與分析，繼續(xù)選取黔南州作為研究重點(diǎn)區(qū)域，在實(shí)地調(diào)研以后，對數(shù)據(jù)進(jìn)行預(yù)處理和簡化處理，利用聚類分析的統(tǒng)計(jì)理論方法結(jié)合單因素方法分析檢驗(yàn)，最終確定了適合數(shù)據(jù)處理的聚類模型，分成了六大類，每一類在結(jié)合政策計(jì)劃的安排下，都有著各自的特征；其次，再利用其他數(shù)據(jù)，對黔南州進(jìn)行簡單的數(shù)據(jù)可視化研究，結(jié)合當(dāng)?shù)卣膫?cè)重點(diǎn)分析，以及政策執(zhí)行的效果分析，得出黔南州扶貧結(jié)果。

本文發(fā)現(xiàn)對于貧困率研究指標(biāo)來說，在宅基地拆除率、山林地流轉(zhuǎn)率、就業(yè)落實(shí)率、投資占比率等各方面表現(xiàn)較好的第六類地區(qū)貧困率顯著低于其他地區(qū)，通過對六大類地區(qū)的貧困類型進(jìn)行分析，找出后續(xù)政策的主要發(fā)力點(diǎn)，從而有效提高扶貧搬遷的效率，最后再對貴州省其他市州做簡便的數(shù)據(jù)分析可視化圖形，得到各樣的扶貧結(jié)果。

（二）政策啟示

結(jié)合“十三五規(guī)劃”等政策文件，本文提出的政策啟示主要有以下幾條：

1.加強(qiáng)經(jīng)濟(jì)建設(shè)，盤活可用資金。只有盤活可用資金這一塊源頭活水，增強(qiáng)經(jīng)濟(jì)實(shí)力，才能有力支撐工程建設(shè)?！笆濉睍r(shí)期，貴州突出加速發(fā)展、加快轉(zhuǎn)型、推動跨越的主基調(diào)，為實(shí)現(xiàn)2020年全面建成小康社會奮斗目標(biāo)打下具有決定性意義的基礎(chǔ)，經(jīng)濟(jì)發(fā)展駛?cè)肟燔嚨缹σ泼癜徇w的支撐能力增強(qiáng)?！笆濉逼陂g，政府應(yīng)加大投入力度、提高補(bǔ)助標(biāo)準(zhǔn)、創(chuàng)新投融資模式、用好用活城鄉(xiāng)建設(shè)用地增減掛鉤政策，整合各類資源，拓寬資金渠道，為易地扶貧搬遷提供堅(jiān)實(shí)政策、資金支持。

2.進(jìn)一步深化落實(shí)“五個(gè)三”。堅(jiān)持轉(zhuǎn)移就業(yè)這一核心，以“4050”搬遷對象和零就業(yè)家庭轉(zhuǎn)移就業(yè)為重點(diǎn)，在安置點(diǎn)成立勞務(wù)服務(wù)組織，有組織轉(zhuǎn)移就業(yè)，抓好勞務(wù)輸出工作，落實(shí)好全員就業(yè)培訓(xùn)，努力提升就業(yè)質(zhì)量和水平。加快推進(jìn)舊房拆除進(jìn)度，著力解決“兩頭住”的問題。加大“三地”盤活力度，以整體搬遷為重點(diǎn)，采取“先兜底流轉(zhuǎn)后開發(fā)”方式，推進(jìn)遷出地的土地流轉(zhuǎn)開發(fā)。同時(shí)，用好金融扶持政策，對沒有流轉(zhuǎn)開發(fā)承接主體的，由縣（市）移民投資開發(fā)公司采取融資的方式，兜底流轉(zhuǎn)土地。

3.秉持可持續(xù)發(fā)展理念，加強(qiáng)遷出地的生態(tài)環(huán)境建設(shè)。隨著人口與資源矛盾的有效緩解，退耕還林以及相關(guān)生態(tài)工程建設(shè)的有效進(jìn)行，有效改善搬遷地的生態(tài)環(huán)境，增加森林覆蓋率，減少亂砍濫伐，治理水土流失。從某種意義上來說，生態(tài)環(huán)境保護(hù)也是推動社會經(jīng)濟(jì)效益增長的有效手段。在改善生態(tài)環(huán)境的基礎(chǔ)上，對該地區(qū)予以有效的開發(fā)和利用。

4.基于不同維度缺乏，需側(cè)重不同的解決方法。首先，要重點(diǎn)抓好“三山”特困地區(qū)、人口較少民族、2 個(gè)省級極貧鄉(xiāng)鎮(zhèn)和全州15 個(gè)一類貧困鄉(xiāng)鎮(zhèn)的易地扶貧搬遷。其次，針對經(jīng)濟(jì)總量小、就業(yè)容量不足、搬遷任務(wù)重的縣份，堅(jiān)決推進(jìn)實(shí)施跨行政區(qū)域搬遷安置。