不同地形區(qū)域的貧困特征及貧困程度影響因素分析

周榮榮，彭 鵬,2，周國華,2，唐承麗，劉新華

不同地形區(qū)域的貧困特征及貧困程度影響因素分析

周榮榮1，彭 鵬1,2※，周國華1,2，唐承麗1，劉新華1

（1. 湖南師范大學資源與環(huán)境科學學院，長沙 410081；2. 地理空間大數(shù)據(jù)挖掘與應用湖南省重點實驗室，長沙 410081）

湖南省安化縣是國家扶貧開發(fā)工作重點縣，境內(nèi)地形類型可分為高山區(qū)、庫區(qū)和低山丘陵區(qū)，將不同地形類型與建檔立卡貧困戶綜合考慮，分析不同地形區(qū)域的貧困特征及貧困程度影響因素有利于脫貧攻堅工作的精準實施。該文以578份建檔立卡貧困戶實地問卷調(diào)查結果為數(shù)據(jù)源，結合3種不同地形區(qū)域的實際情況，運用空間自相關、地理探測器等方法對安化縣不同地形區(qū)域的貧困特征、貧困程度主要影響因素及因素間的交互作用進行分析。結果表明：1）不同地形區(qū)域貧困程度不同：庫區(qū)貧困程度綜合值的絕對值均值為0.236、高山區(qū)為0.192、低山丘陵區(qū)為0.127，庫區(qū)貧困程度最高、高山區(qū)次之、低山丘陵區(qū)最低；2）不同地形區(qū)域貧困程度影響因素不同，庫區(qū)主要受基礎設施建設、政策落實情況和地形坡度因素影響，高山區(qū)主要受地形坡度、勞動力數(shù)量和經(jīng)營收入因素影響，低山丘陵區(qū)主要受勞動力數(shù)量、政策落實情況和工資收入因素影響；3）不同地形區(qū)域雙因素交互作用強度主要表現(xiàn)為經(jīng)濟要素及自然要素的交互作用強度高于政策要素與其他要素的交互作用強度。不同地形區(qū)域貧困程度的顯著影響因素存在差異，對不同地形區(qū)域需實施差異化扶貧政策，提高扶貧措施的針對性和有效性。

農(nóng)村；貧困；貧困程度；地理探測器；地形區(qū)域；安化縣

0 引 言

《鄉(xiāng)村振興戰(zhàn)略規(guī)劃（2018－2022年）》強調(diào)要深入實施精準扶貧精準脫貧，提高扶貧措施的針對性和有效性。精準扶貧強調(diào)的不僅是貧困戶的生計狀況，更是不同區(qū)域下的貧困環(huán)境。國外學者將貧困分為暫時性貧困和持續(xù)性貧困，提出“能力貧困”概念并創(chuàng)建了多維貧困理論，以期反映貧困戶貧困狀況[1-3]；在偏重對貧困主體要素以及貧困家庭生計狀況研究的同時，非常重視農(nóng)業(yè)發(fā)展對減貧效果以及貧困程度評價所起的作用[4-7]。目前國內(nèi)學者關于貧困的研究，從研究內(nèi)容來看，大多從農(nóng)村貧困化的地域特征及分異機制[8]、扶貧策略與方式[9]、扶貧機制與標準[10]、扶貧成效評估[11]等方面展開理論研究與實證分析；在研究尺度上，從省域、縣域到村域不斷探究不同尺度下的貧困格局[12-15]；在研究主體上，基于絕對貧困人口及相對貧困人口框架，重點關注可持續(xù)生計及扶貧模式的可持續(xù)減貧效應等[16-17]；在研究區(qū)域上，多以山區(qū)、連片地區(qū)開展貧困測度與對策研究[18-20]。而在立足于實地調(diào)研基礎上，將不同地形區(qū)域與貧困戶生計狀況相結合的貧困特征分析及貧困程度的定量研究較為缺乏。鑒于此，本文以湖南安化縣為例，將區(qū)域貧困特征和貧困程度與貧困戶生計狀況相結合，通過結構性問卷，采用實地入戶調(diào)查及問卷訪談的方式，根據(jù)建檔立卡貧困戶識別標準測算貧困程度綜合值；通過遴選致貧因子，運用地理探測器等分析方法，分析不同自然地形的致貧因子及因子間交互作用，以期為脫貧攻堅工作的精準施策提供參考。

1 研究區(qū)概況及數(shù)據(jù)來源

1.1 研究區(qū)概況

安化縣位于湖南省中部偏北、雪峰山北段，是湖南省第三大水庫—柘溪水庫主要集水區(qū)域，既是國家扶貧工作重點縣，也是著名的“黑茶之鄉(xiāng)”。地勢從西向東傾斜（圖1），生態(tài)環(huán)境脆弱且易發(fā)地質(zhì)災害，屬亞熱帶季風性濕潤氣候。全縣總面積4 950 km2，2017年常住人口86.26萬，鄉(xiāng)村人口占總?cè)丝诘?4.9%，城鎮(zhèn)化率35.05%，第一、二、三產(chǎn)業(yè)的結構比17.2:35.8:47.0，地區(qū)生產(chǎn)總值221.26億元。

依據(jù)絕對海拔、相對高差、地形分界、土地利用狀況，將全縣劃分為高山區(qū)、庫區(qū)和低平丘陵區(qū)3種地形區(qū)域（表1）。高山區(qū)位于西北和東南部，庫區(qū)位于西南部，低平丘陵區(qū)分布在中部和東北部。

圖1 安化縣數(shù)字高程模型

1.2 數(shù)據(jù)來源

研究數(shù)據(jù)主要包括數(shù)字高程數(shù)據(jù)、問卷調(diào)查數(shù)據(jù)、社會經(jīng)濟統(tǒng)計數(shù)據(jù)及貧困現(xiàn)狀數(shù)據(jù)。數(shù)字高程數(shù)據(jù)是通過地理空間數(shù)據(jù)云（http://www.gscloud.cn/）下載，然后利用ArcGIS軟件進行拼接?裁剪、重分類等預處理，并提取坡度和高程值，作為不同地形區(qū)域[21]的基礎底圖。問卷調(diào)查數(shù)據(jù)為實地入戶調(diào)研數(shù)據(jù)，采取隨機抽樣、面對面訪談的形式進行，一戶一問卷，共調(diào)查601戶建檔立卡貧困戶，分布在23個鄉(xiāng)鎮(zhèn)?90個行政村，問卷內(nèi)容包括家庭基本信息（戶主文化程度、戶籍人口數(shù)、勞動力數(shù)量、家庭收入等）、“兩不愁、三保障”[22]（“兩不愁”即不愁吃、不愁穿，“三保障”即義務教育、基本醫(yī)療、住房安全有保障）情況、扶貧政策落實情況。調(diào)查共獲得有效問卷578份（同時獲得90個村的村干部問卷調(diào)查和訪談結果）。

表1 不同地形區(qū)域的基本情況表

注：表格數(shù)據(jù)來源于安化縣統(tǒng)計年鑒（2018年）、安化縣扶貧開發(fā)局、地理空間數(shù)據(jù)云平臺。

Note: Tabular data comes from the Anhua County Statistical Yearbook (2018), the Anhua County Poverty Alleviation and Development Bureau, and the Geospatial data cloud platform.

2 研究方法

2.1 貧困程度綜合值測算

基于中國貧困人口精準識別和精準退出標準，即“一超過、兩不愁、三保障”，某一項不達標不能脫貧，并結合問卷內(nèi)容，建立貧困程度測算指標體系（表2），分析不同地形區(qū)域內(nèi)絕對貧困人口的貧困程度。具體指標選取中，在“一超過”方面，根據(jù)家庭人均純收入是否超過當年貧困標準線的判定標準，結合貧困家庭收入是否超過家庭支出進行衡量。在“不愁吃”方面，結合口糧是否有保障及營養(yǎng)食物的攝入次數(shù)進行衡量，根據(jù)飲用水是否出現(xiàn)短缺及短缺時間衡量飲水保障；在“不愁穿”方面，根據(jù)是否有應季換洗衣物，并結合衣物的購買來源進行衡量。在“義務教育保障”方面，根據(jù)6～16歲人口的義務教育是否有保障，結合能否負擔起教育支出進行衡量；在“基本醫(yī)療保障”方面，將是否購買基本醫(yī)療保險與慢性病、大病及殘疾人數(shù)占家庭總?cè)丝诘谋戎迪嘟Y合進行衡量；在“住房安全保障”方面，根據(jù)貧困戶的住房安全等級進行衡量。對調(diào)查問卷按該指標體系進行分項統(tǒng)計，通過熵值法的客觀賦權[23]，計算每一戶貧困家庭的貧困程度綜合值：

式中表示抽樣調(diào)查的每個貧困戶貧困程度綜合值，表示貧困程度綜合值的指標項，W表示各項指標的權重值，S表示各指標的標準化值。貧困程度綜合值的絕對值越大，貧困程度越高，貧困程度綜合值的絕對值越小，貧困程度越低。

表2 貧困程度綜合值測算指標體系

注：級表示結構承載力能滿足正常使用，房屋結構安全；級房屋的承載力基本滿足正常使用，個別結構處于危險狀況但不影響主體結構；級部分承重結構不能滿足正常使用，出現(xiàn)局部危害；級承重結構不能滿足正常使用，房屋整體出現(xiàn)危害。

Note: Classindicates that the structural bearing capacity can meet the normal use and the structure of the house is safe; the bearing capacity of the Classhouse basically meets the normal use, and the individual structure is in a dangerous situation but does not affect the main structure; the-level part of the load-bearing structure can not meet the normal use, and the local hazard occurs.; Classload-bearing structure can not meet normal use, the overall damage of the house.

2.2 全局空間自相關

全局空間自相關反映研究區(qū)域內(nèi)某一地理現(xiàn)象或?qū)傩灾蹬c鄰近區(qū)域單元上同一現(xiàn)象或?qū)傩灾档南嗷ヒ蕾嚦潭取１疚耐ㄟ^計算雙變量全局Moran’[24]指數(shù)，分析不同地形區(qū)域的貧困程度與高程是否存在空間的集聚與分散。計算公式為

2.3 地理探測器

本文的核心是分析貧困程度在空間上是否存在差異性，若某致貧因子和貧困程度綜合值在某地形區(qū)域上具有顯著一致性，則表明該因子對該地形區(qū)域的貧困具有決定性意義，與地理探測器的分析思路存在一致性。地理探測器中的值表示因子的探測力值，值越大表示致貧因子影響越大。某因素對貧困程度的決定力大小表示為

3 結果與分析

3.1 不同地形區(qū)域貧困特征分析

貧困不僅表現(xiàn)為區(qū)域性貧困，也體現(xiàn)貧困戶的個體性貧困[25]。從區(qū)域性貧困分析，貧困程度不僅影響貧困人口的生活質(zhì)量，同時在一定程度上也反映了脫貧攻堅的難易程度，根據(jù)貧困程度綜合值的指標體系測算578戶貧困戶的貧困程度。依據(jù)現(xiàn)有文獻的分等定級研究[26]，結合自然斷點法，將貧困程度綜合值的閾值分為5級，并進行分類統(tǒng)計（表3）。由表3可知，貧困程度綜合值的絕對值主要分布在（?0.236～?0.114]之間，3類地形區(qū)域的平均比例為24.8%，其中庫區(qū)貧困程度最高（0.236）、高山區(qū)次之（0.192）、低山丘陵區(qū)最低（0.127）。根據(jù)劃分的地形區(qū)域、行政區(qū)劃圖，貧困程度綜合值的測算，得出不同地形區(qū)域的貧困程度空間分布圖（圖2），貧困程度以集聚分布為主，分散分布為輔。

表3 不同地形區(qū)域貧困程度綜合值

圖2 貧困程度空間分布圖

Fig.2 Spatial distribution map of poverty level

對貧困戶個體的家庭貧困特征分析（表4），抽樣調(diào)查的建檔立卡貧困戶中，含60歲以上老人的家庭平均比例為71.12%，3代及以上家庭平均比例為71.4%，這表明貧困多集中在老年人口及多代家庭中；從家庭收入與債務支出結構（表5）分析，貧困戶家庭收入中的工資收入平均比例為57.49%，表明非農(nóng)就業(yè)成為主要的生計策略選擇，家庭負債支出主要為因病就醫(yī)支出，平均比例為66.59%。

3.1.1 庫區(qū)貧困特征分析

庫區(qū)貧困程度最高，貧困程度綜合值的絕對值均值為0.236，人均純收入低，經(jīng)濟收入來源單一，僅靠水庫養(yǎng)殖業(yè)，經(jīng)濟往來不便。家庭結構特征表現(xiàn)為含60歲及以上老人和16歲及以下未成年子女的家庭比重高，青壯年勞動力的外出使該地形區(qū)域的群體多為老人和小孩，且家庭結構以多代家庭為主；庫區(qū)貧困戶家庭的醫(yī)療支出在債務支出結構中占比高，患病人口占家庭總?cè)丝诘谋戎剌^大，住房老舊數(shù)量較多且安全等級低、就醫(yī)條件相對較差，但短期轉(zhuǎn)移收入比重高。

表4 貧困戶的家庭結構

注：單身戶指一人獨戶。

Note: Single household refers to one single family.

表5 貧困戶的家庭收入來源與債務情況

注：“其他”表示因結婚、建房、發(fā)展種植及養(yǎng)殖業(yè)等支出；“-”表示此項無相關支出；長期轉(zhuǎn)移收入表示養(yǎng)老金、農(nóng)業(yè)支持保護補貼、退耕還林換草補償?shù)确€(wěn)定性收入；短期轉(zhuǎn)移收入包括臨時救助金、慰問金、教育補貼等短期臨時性轉(zhuǎn)移收入。

Note: “Other” means expenses incurred for marriage, house building, planting and breeding; “-” means no related expenditure; Long-term transfer income represents the stable income of pension, agricultural support protection subsidies, compensation for returning farmland to forests and grass, etc; Short-term transfer income include temporary aid, condolatory gold, person education subsidies and other short-term temporary transfer income.

3.1.2 高山區(qū)貧困特征分析

高山區(qū)貧困程度較庫區(qū)次之，貧困程度綜合值的絕對值均值為0.192。人均純收入低，住房安全等級多為C級，勞動力不足且患病人口數(shù)較多。家庭結構特征中，老年家庭占比較大，且多為獨居老人，2代戶家庭比例相對較高；收入和債務支出結構中，家庭的工資收入在整個收入結構中占比高，其主要原因是高山區(qū)耕地面積少，自然災害多，交通不便且成本高，產(chǎn)業(yè)發(fā)展難，外出務工人口較多。

3.1.3 低山丘陵區(qū)貧困特征分析

低山丘陵區(qū)貧困程度最低，貧困程度綜合值的絕對值均值為0.127。經(jīng)濟收入來源相對較多，如外出務工、發(fā)展家庭種植業(yè)等，人均純收入較高，同時“兩不愁、三保障”的落實情況相對較好。家庭貧困特征表現(xiàn)為含 60歲及以上老人的家庭和3代及以上戶的家庭占比較高，老人家庭的平均比例為71.12%，貧困戶的養(yǎng)老問題突出；在收入結構中，經(jīng)營收入及長期轉(zhuǎn)移收入較高，在債務支出結構的其他項，多集中在結婚修建新房及發(fā)展產(chǎn)業(yè)方面。

3.2 不同地形區(qū)域貧困程度影響因素分析及政策建議

3.2.1 全局空間自相關分析

空間自相關是為了確定某一變量在空間上的相關關系，表現(xiàn)為正相關、負相關和不相關3種形式，根據(jù)研究對象屬性值空間分布的不同，分為全局空間自相關和局部空間自行關。其中，全局空間自相關的莫蘭指數(shù)值表明在空間上是否存在差異，當指數(shù)值小于0時，表示觀測值在空間上呈現(xiàn)負相關，其值越小空間差異越大。運用GeoDA分析軟件對貧困程度與海拔高度進行雙變量全局空間自相關分析，得出Moran指數(shù)值?0.332 7，值為0.01，雙變量在0.01水平上顯著；檢驗值為?14.119，達到極顯著水平的空間自相關關系。

Moran的指數(shù)值為負數(shù)，表明存在負相關的空間關系。貧困程度在海拔高度的影響下，在空間上為異質(zhì)性分布，海拔越高，貧困程度越高，生計狀況越不好。

3.2.2 貧困程度單項影響因素探測

參照已有的研究成果[27-33]，結合實地問卷內(nèi)容和不同地形區(qū)域的自然特征，選取地形坡度、海拔高度以及人均耕地面積作為反映區(qū)域的自然要素；貧困人口文化程度的高低影響其接受和理解知識的能力，勞動力數(shù)量是家庭經(jīng)濟發(fā)展的關鍵，信心是脫貧過程中的催化劑，以此3項作為人力資本的主要影響因素；貧困的表征是家庭支出遠遠超出家庭收入，選取種植業(yè)及養(yǎng)殖業(yè)等的經(jīng)營收入、本地及外出務工所獲的工資收入、家庭負債狀況3項作為經(jīng)濟要素進行分析；貧困區(qū)域在經(jīng)濟發(fā)展的進程中相對落后，亟需政策的扶持，將提升貧困人口素質(zhì)的技能培訓、完善區(qū)域發(fā)展的基礎設施建設及現(xiàn)有扶貧政策落實情況作為政策要素進行分析。綜上，從自然要素、人力資本、經(jīng)濟要素和政策要素4個維度，共12項致貧因素（表6）進行分析。

根據(jù)各因素值的屬性和分布區(qū)間，運用自然斷點法進行分級處理，并將因變量（貧困程度綜合值）與578戶的12項因素值導入地理探測器模型，得出每項影響因素的探測力值。

分析結果顯示（表7），庫區(qū)貧困程度影響因素的值最大，主要受基礎設施建設、政策落實情況、地形坡度、經(jīng)營收入的影響。庫區(qū)的自然條件使得基礎設施建設成本高、難度大；出行不便導致對外聯(lián)系弱；對政策的理解和運用程度低；耕地面積不足、地形坡度較大；經(jīng)營收入低，易使家庭背負債務。

表6 貧困程度的影響因素釋義

表7 不同地形區(qū)域貧困程度影響因素的探測結果

注：*代表通過0.01顯著性檢驗。

Note:*Represents a significant test by 0.01.

高山區(qū)貧困程度的主要影響因素為地形坡度、勞動力數(shù)量、經(jīng)營收入與基礎設施建設。高山區(qū)在地形坡度的影響下，基礎設施建設等相對落后，建設成本高、難度大導致其自身發(fā)展動力不足。貧困戶的勞動力數(shù)量對于脫貧起著不可忽視的作用。耕地多依山分布，黑茶種植戶占11.2%，前期茶樹的生長維護花費大、產(chǎn)出少，家庭經(jīng)營性收入低。

低山丘陵區(qū)地形地勢條件較好，貧困程度相對較低。該區(qū)貧困程度的主要影響因素為勞動力數(shù)量、政策落實情況、工資收入和經(jīng)營收入。低山丘陵區(qū)的勞動力數(shù)量對于實現(xiàn)脫貧作用顯著；該區(qū)外出務工主要集中于廣州、長沙，占低山丘陵區(qū)調(diào)研農(nóng)戶的74.5%，但相對來說只能從事低附加值工作；在家庭經(jīng)營收入上，小農(nóng)經(jīng)營不僅在生產(chǎn)上受自然條件的影響較大，同時市場競爭力不夠，人均純收入低。

3.2.3 貧困程度雙因素交互作用探測

不同因素之間存在強弱不同的聯(lián)系，評估雙因素共同作用是否會增加空間分異，依據(jù)交互探測器[34]對12項因素之間的交互作用進行探測。結果表明：12項因素屬于非線性增強類型，對不同地形區(qū)域雙因素間的交互作用值的均值進行分析（表8），結果表明：庫區(qū)貧困程度雙因素的交互作用均值最高，為0.801，高山區(qū)次之為0.364，低山丘陵區(qū)最低為0.337。經(jīng)濟要素與自然要素對貧困程度的影響最顯著。

庫區(qū)雙因素作用的均值最高，貧困程度的決定因素較復雜。庫區(qū)的雙因素交互作用為地形坡度（0.887）、基礎設施建設（0.847）、政策落實情況（0.836）、海拔高度（0.827）、經(jīng)營收入（0.815）、人均耕地面積（0.808）、脫貧信心（0.796）與其他項的交互作用均值高，這表明庫區(qū)貧困程度影響因素在單獨發(fā)揮作用的同時，也與其他項因素交互作用，且作用強度較大、較復雜。自然要素、政策要素、經(jīng)濟要素對庫區(qū)的影響較為明顯，人力資本的影響相對較弱。

高山區(qū)12項探測因素的交互作用主要體現(xiàn)在地形坡度（0.524）、勞動力數(shù)量（0.450）、經(jīng)營收入（0.442）、基礎設施建設（0.409）、人均耕地面積（0.358）和政策落實情況（0.356）的交互作用均值高于其他項因素，表明高山區(qū)的自然要素、經(jīng)濟要素相較于政策要素和人力資本的交互作用強，對貧困程度影響較大。

表8 不同地形區(qū)域貧困程度影響因素的交互作用值

低山丘陵區(qū)中對其他項因素交互作用均值較高的是勞動力數(shù)量（0.585）、政策落實情況（0.548）、工資收入（0.409）、地形坡度（0.376）、負債狀況（0.375）、海拔高度（0.326），表明經(jīng)濟要素和人力資本對低山丘陵區(qū)的貧困程度影響較大，自然要素的影響相對較弱。

3.2.4 政策建議

根據(jù)以上貧困程度影響因素的探測結果，針對不同地形區(qū)域提出差異性的政策[35-36]建議：

庫區(qū)的脫貧攻堅工作應進一步提高政策資金的補助，提升庫區(qū)居民的生活質(zhì)量；加大基礎設施建設投入力度，做活庫區(qū)“水文章”；將產(chǎn)業(yè)扶貧政策與庫區(qū)的生態(tài)環(huán)境相結合，建設綠色養(yǎng)殖基地，提高貧困戶家庭收入；轉(zhuǎn)變扶貧小額信貸利用方式，從直接分紅到自主發(fā)展產(chǎn)業(yè)，發(fā)展“養(yǎng)殖+旅游”的綠色發(fā)展模式，在保護生態(tài)環(huán)境中提升庫區(qū)的后續(xù)發(fā)展動力。

高山區(qū)貧困程度受自然要素的影響顯著，應提倡“住戶下山、產(chǎn)業(yè)上山”的發(fā)展思路，利用地形條件發(fā)展中藥材、黑茶、竹木等立體化農(nóng)業(yè)，并結合電商扶貧推動生產(chǎn)合作社及產(chǎn)銷一體化建設；依據(jù)產(chǎn)業(yè)政策與基礎設施建設，發(fā)展生態(tài)旅游，吸引周邊市區(qū)消費者，發(fā)揮社會消費扶貧的作用；改善傳統(tǒng)的“上傳下達”的政策實施方式，突出貧困人口的意愿，提升山區(qū)貧困戶的脫貧信心。

低山丘陵區(qū)受人力資本影響，需將貧困戶的勞動能力與就業(yè)扶貧政策相融合，加快推動“一人就業(yè)、全家脫貧”的進程，實行打包輸出就業(yè)或當?shù)禺a(chǎn)業(yè)帶動就業(yè)的模式，提升工資收入；利用黑茶加工廠優(yōu)勢，盤活資金、土地、勞動力等要素，提升區(qū)域發(fā)展的凝聚力；轉(zhuǎn)變金融扶貧政策對貧困戶的直接幫扶方式，加強間接幫扶力度，如鼓勵種植大戶的發(fā)展，形成點源發(fā)展模式，進而帶動貧困區(qū)域的穩(wěn)定發(fā)展。

4 結 論

不同地形區(qū)域與貧困程度的空間差異性存在一定的相關性。選取含有庫區(qū)、高山區(qū)及低山丘陵區(qū)的安化縣為研究區(qū)域，依據(jù)實地問卷訪談，得到578戶貧困家庭的調(diào)查問卷。將國家識別退出標準“一超過、兩不愁、三保障”與貧困戶實際狀況相結合，測算出貧困程度綜合值并將其作為因變量，選取12項貧困因素作為自變量，運用地理探測器對不同地形區(qū)域貧困程度的影響因素進行探測分析。主要結論如下：

1）不同地形區(qū)域的貧困程度不同，庫區(qū)最高、高山區(qū)次之、低山丘陵區(qū)最低；貧困戶家庭結構主要為包含老人及多代家庭，且易發(fā)生貧困；貧困戶收入與債務支出的分析結果顯示非農(nóng)就業(yè)已成為貧困戶增加收入的主要選擇，醫(yī)療和危房改造為債務支出的主要原因。

2）貧困程度的單項影響因素分析中，庫區(qū)貧困程度影響因素的探測力值最高，高山區(qū)次之，低平丘陵區(qū)最低。其中，庫區(qū)貧困程度顯著影響因素為基礎設施建設、政策落實情況、地形坡度；高山區(qū)為地形坡度、勞動力數(shù)量和經(jīng)營收入；低山丘陵區(qū)為勞動力數(shù)量、政策落實情況、工資和經(jīng)營收入?？傮w來看，3類地形區(qū)域的脫貧信心對貧困程度的影響較小，但它是脫貧過程中的催化劑，以提高收入為內(nèi)涵、以改善居住條件為標志的物質(zhì)獲得及以政策為導向的建設環(huán)境將會大大提升脫貧信心。

3）貧困程度雙項影響因素交互作用分析結果表明，不同地形區(qū)域基礎條件不同，各因素及要素的交互形式不同。庫區(qū)自然要素和政策要素對其他項的交互作用強度高；高山區(qū)自然要素和經(jīng)濟要素交互作用強度高于政策要素和人力資本；低山丘陵區(qū)的經(jīng)濟要素和人力資本的因素與其他項更易產(chǎn)生交互作用。

4）不同地形區(qū)域各因素之間的作用方式和作用強度不同，因此需要根據(jù)單項影響因素和雙項交互影響因素的分析結果，對不同地形區(qū)域?qū)嵤┎町惢撸源_保在脫貧攻堅工作中做到精準施策。

致謝：感謝參與實地訪談調(diào)研的全體人員。

[1] Hulme D, Moore K, Shepherd A. Chronic poverty: Meanings and analytical framework[Z]. CPRC Working Paper 2. Manchester, IDPM: University of Manchester, 2001.

[2] Duclos J Y, Araar A, Giles J. Chronic and transient poverty:Measurement and estimation, with evidence from China[J]. Journal of Development Economics, 2010, 91(2): 266－277.

[3] Wan G, Zhang Y. Chronic and transient poverty in rural China[J]. Economics Letters, 2013, 119(3): 284－286.

[4] Park A, Wang S. Community-based development and poverty alleviation:An evaluation of China's poor village investment program[J]. Journal of Public Economics, 2010, 94(9): 790－799.

[5] Meng L. Evaluating China’s poverty alleviation program: A re-gression discontinuity approach[J]. Journal of Public Econom-ics, 2013, 101: 1－11.

[6] Islam T M T. An exercise to evaluate an anti-poverty program with multiple outcomes using program evaluation[J]. Econom-ics Letters, 2014, 122(2): 365－369.

[7] Thulstrup A W. Livelihood resilience and adaptive capacity: Tracing changes in household access to capital in central viet-nam[J]. World Development, 2015, 74: 352－362.

[8] 劉彥隨，周揚，劉繼來. 中國農(nóng)村貧困化地域分異特征及其精準扶貧策略[J]. 中國科學院院刊，2016，31(3)：269－278.

Liu Yansui, Zhou Yang, Liu Jilai. Regional differentiation characteris-tics of rural poverty and targeted poverty alleviation strategy in China[J]. Bulletin of Chinese Academy of Sciences, 2016, 31(3): 269－278. (in Chinese with English abstract)

[9] 楊園園，劉彥隨，張紫雯. 基于典型調(diào)查的精準扶貧政策創(chuàng)新及建議[J]. 中國科學院院刊，2016，31(3)：337－345.

Yang Yuanyuan, Liu Yansui, Zhang Ziwen. Study on policy innovation and suggestions of targeted poverty alleviation based on typical investigation[J]. Bulletin of Chinese Academy of Sciences, 2016, 31(3): 337－345. (in Chinese with English abstract)

[10] 王永明，王美霞，吳殿廷，等. 貴州省鄉(xiāng)村貧困空間格局與形成機制分析[J]. 地理科學，2017，37(2)：217－227.

Wang Yongming, Wang Meixia, Wu Dianyan, et al. Spatial patterns and determinants of rural poverty a case of Guizhou Province[J]. Scientia Geographica Sinica, 2017, 37(2): 217－227. (in Chinese with English abstract)

[11] 劉彥隨. 科學評估精準扶貧成效[N]. 光明日報，2016-06-10.

[12] 劉彥隨，李進濤. 中國縣域農(nóng)村貧困化分異機制的地理探測與優(yōu)化決策[J]. 地理學報，2017，72(1)：161－173.

Liu Yansui, Li Jintao. Geographic detection and optimizing decision of the differentiation mechanism of rural poverty in China[J]. Acta Geographica Sinica, 2017, 72(1): 161－173. (in Chinese with English abstract)

[13] 王士君，田俊峰，王彬燕，等. 精準扶貧視角下中國東北農(nóng)村貧困地域性特征及成因[J]. 地理科學，2017，37(10)：1449－1458.

Wang Shijun, Tian Junfeng, Wang Binyan et al. Regional characteristics and causes of rural poverty in northeast China from the perspective of precision poverty alleviation[J]. Scientia Geographica Sinica, 2017, 37(10): 1449－1458. (in Chinese with English abstract)

[14] 陳燁烽，王艷慧，趙文吉，等. 中國貧困村致貧因素分析及貧困類型劃分[J]. 地理學報，2017，72(10)：1827－1844.

Chen Yuefeng, Wang Yanhui, Zhao Wenji, et al. Analysis of factors causing poverty in poor villages in China and the classification of poverty types[J]. Acta Geographica Sinica, 2017, 72(10): 1827－1844. (in Chinese with English abstract)

[15] 劉春臘，黃嘉欽，龔娟，等. 中國精準扶貧的省域差異及影響因素[J]. 地理科學，2018，38(7)：1098－1106.

Liu Chunla, Huang Jiaqin, Gong Juan, et al. Provincial differences and influencing factors of targeted poverty alleviation in China[J]. Scientia Geographica Sinica, 2018, 38(7): 1098－1106. (in Chinese with English abstract)

[16] 何仁偉，李光勤，劉運偉，等. 基于可持續(xù)生計的精準扶貧分析方法及應用研究：以四川涼山彝族自治州為例[J]. 地理科學進展，2017，36(2)：182－192.

He Renwei, Li Guangqin, Liu Yunwei, et al. Precision poverty alleviation analysis and application research based on sustainable livelihood: Taking sichuan liangshan yi autonomous prefecture as an example[J]. Progress in Geography, 2017, 36(2): 182－192. (in Chinese with English abstract)

[17] 劉艷華，徐勇. 扶貧模式可持續(xù)減貧效應的分析框架及機理探析[J]. 地理科學進展，2018，37(4)：567－578.

Liu Yanhua, Xu Yong. Analytical framework and mechanism of sustainable poverty alleviation in poverty alleviation model[J]. Progress in Geography, 2018, 37(4): 567－578. (in Chinese with English abstract)

[18] 文琦，施琳娜，馬彩虹，等. 黃土高原村域多維貧困空間異質(zhì)性研究：以寧夏彭陽縣為例[J]. 地理學報，2018，73(10)：1850－1864.

Wen Qi, Shi Linna, Ma Caihong, et al .Study on spatial heterogeneity of multi-dimensional poverty in loess plateau villages: a case study of pengyang county,ningxia[J]. Acta Geographica Sinica, 2018, 73(10): 1850－1864. (in Chinese with English abstract)

[19] 曹詩頌，趙文吉，段福洲. 巴特困連片區(qū)生態(tài)資產(chǎn)與經(jīng)濟貧困的耦合關系[J]. 地理研究，2015，34(7)：1295－1309.

Cao Shisong, Zhao Wenji, Duan Fuzhou. Coupling relationship between ecological assets and economic poverty in qinba special poverty zone[J]. Geographical Research, 2015, 34(7): 1295－1309. (in Chinese with English abstract)

[20] 馬明義，李樺. 秦巴山區(qū)農(nóng)戶多維貧困測度及精準扶貧對策研究[J]. 干旱區(qū)資源與環(huán)境，2019，33(1)：30－37.

Ma Mingyi, Li Hua. Study on multidimensional poverty measurement and countermeasure of poverty alleviation in rural areas of qinba mountain area[J]. Journal of Arid Land Resources and Environment, 2019, 33(1): 30－37. (in Chinese with English abstract)

[21] 成國積. 重慶三峽庫區(qū)農(nóng)村聚落地域類型劃分及空間優(yōu)化模式研究[D]. 重慶：重慶師范大學．2014.

Cheng Guoji. Study on the Classification and Spatial Optimization Model of Rural Lands in the Three Gorges Reservoir Area of Chongqing[D]. Chongqing: Chongqing Normal University, 2014. (in Chinese with English abstract)

[22] 劉斐麗. 地方性知識與精準識別的瞄準偏差[J]. 中國農(nóng)村觀察，2018(5)：14－28.

Liu Feili. Targeting deviation of local knowledge and accurate recognition[J]. China Rural Survey, 2018(5): 14－28. (in Chinese with English abstract)

[23] 魯春陽，文楓，袁曉妮，等. 基于熵值法的河南省新型城鎮(zhèn)化風險識別研究[J]. 中國農(nóng)業(yè)資源與區(qū)劃，2018，39(11)：142－147.

Lu Chunyang, Wen Feng, Yuan Xiaoni, et al. Research on risk identification of new urbanization in henan province based on entropy method[J]. China Agricultural Resources and Regional Planning, 2018, 39(11): 142－147. (in Chinese with English abstract)

[24] 侯進宇. 基于空間自相關的村域經(jīng)濟研究[D]. 開封：河南大學，2012.

Hou Jinyu. Research on Village Economy Based on Spatial Autocorrelation[D]. Kaifeng: Henan University, 2012. (in Chinese with English abstract)

[25] 武鵬，李同昇，李衛(wèi)民. 縣域農(nóng)村貧困化空間分異及其影響因素：以陜西山陽縣為例[J]. 地理研究，2018，37(3)：593－606.

Wu Peng, Li Tongsheng, Li Weiming. Spatial differentiation of rural poverty in counties and its influencing factors: Taking shanyang county,shaanxi province as an example[J]. Geographical Research, 2018, 37(3): 593－606. (in Chinese with English abstract)

[26] 陳燁烽，王艷慧，王小林. 中國貧困村測度與空間分布特征分析[J]. 地理研究，2016，35(12)：2298－2308.

Chen Yuefeng, Wang Yanhui, Wang Xiaolin. Measurement and spatial distribution characteristics of poverty-stricken villages in China[J]. Geographical Research, 2016, 35(12): 2298－2308. (in Chinese with English abstract)

[27] 王艷慧，錢樂毅，段福洲，等. 村級貧困人口多維測算及其貧困特征分析：以河南省內(nèi)鄉(xiāng)縣為例[J]. 人口與經(jīng)濟，2014(5)：114－120.

Wang Yanhui, Qian Leyi, Duan Fuzhou, et al. A multidimensional calculation of poverty population at village level and its poverty characteristics: A case study of Neixiang County in Henan province[J]. Population and Economy, 2014(5): 114－120. (in Chinese with English abstract)

[28] 丁建軍，冷志明. 區(qū)域貧困的地理學分析[J]. 地理學報，2018，73(2)：232－247.

Ding Jianjun, Leng Zhiming. Geographical analysis of regional poverty[J]. Acta Geographica Sinica, 2017, 73(2): 232－247. (in Chinese with English abstract)

[29] 王勁峰，徐成東. 地理探測器：原理與展望[J]. 地理學報，2017，72(1)：116－134.

Wang Jinfeng, Xu Chengdong. Principle and prospect of geographical detector[J]. Acta Geographica Sinica, 2017, 72(1): 116－134. (in Chinese with English abstract)

[30] 葉妍君，齊清文，姜莉莉，等. 基于地理探測器的黑龍江墾區(qū)農(nóng)場糧食產(chǎn)量影響因素分析[J]. 地理研究，2018，37(1)：171－182.

Ye Yanjun, Qi Qingwen, Jiang Lili, et al. Analysis on influencing factors of grain yield of farms in reclamation areas of heilongjiang province based on geographical detector[J]. Geographical Research, 2018, 37(1): 171－182. (in Chinese with English abstract)

[31] 賀艷華，唐承麗，周國華，等. 論鄉(xiāng)村聚居空間結構優(yōu)化模式：RROD模式[J]. 地理研究，2014，33(9)：1716－1727.

He Yanhua, Tang Chengli, Zhou Guohua, et al. On the spatial structure optimization model of rural settlement: RROD model[J]. Geographical Research, 2014, 33(9): 1716－1727. (in Chinese with English abstract)

[32] 王富珍，周國華，唐承麗，等. 基于可持續(xù)生計分析框架的山區(qū)縣域脫貧穩(wěn)定性評價[J]. 農(nóng)業(yè)工程學報，2019，35(2)：270－277.

Wang Fuzhen, Zhou Guohua, Tang Chengli, et al. Evaluation of stability in mountainous areas based on sustainable livelihood analysis framework[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(2): 270－277. (in Chinese with English abstract)

[33] Liu Y S, Li Y H. Revitalize the world's countryside[J]. Nature, 2017, 548(7667): 275－277.

[34] 楊振，丁啟燕，周晴雨，等. 長江中下游地區(qū)人口健康水平空間分異特征與地理影響因素[J]. 地理與地理信息科學，2018，34(6)：77－84，2.

Yang Zhen, Ding Qiyan, Zhou Qingyu, et al. Spatial differentiation characteristics and geographical influence factors of population health level in the middle and lower reaches of the Yangtze River[J]. Geography and Geo-Information Science, 2018, 34(6): 77－84, 2. (in Chinese with English abstract)

[35] 劉彥隨. 中國新時代城鄉(xiāng)融合與鄉(xiāng)村振興[J]. 地理學報，2017，73(4)：637－650.

Liu Yansui. Urban and rural integration and rural revitalization in the new era of China[J]. Acta Geographica Sinica, 2018, 73(4): 637－650. (in Chinese with English abstract)

[36] 付強，諸云強，楊紅新，等. 2002－2009年中國規(guī)?；笄蒺B(yǎng)殖量區(qū)域差異及政策建議[J]. 農(nóng)業(yè)工程學報，2012，28(18)：185－191.

Fu Qiang, Zhu Yunqiang, Yang Hongxin, et al. Regional differences and policy recommendations for large-scale livestock and poultry farming in China from 2002 to 2009[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2012, 28(18): 185－191. (in Chinese with English abstract)

Analysis of poverty characteristics and poverty influencing factors in different terrain areas

Zhou Rongrong1, Peng Peng1,2※, Zhou Guohua1,2, Tang Chengli1, Liu Xinhua1

(1.,410081,;2.410081,)

Anhua, located in Hunan province, is a state poverty county, whose types of terrain are divided into high mountainous, reservoir and low-mountain hilly area. Considering different terrain areas and poor rural households, analyzing the poverty characteristics and influencing factors under the regional type is conducive to take targeted poverty alleviation measures. Based on the data sources of 578 questionnaires of poor rural households and combined with the actual situation of three types of terrain area, this paper analyzes poverty characteristics, influencing factors and interaction of two-factor under different terrain area using spatial autocorrelation and geo-detector in Anhua county. The results show that: 1) The poverty degrees of different terrain area are different. Specifically, the order of the absolute value of mean poverty level is that the is reservoir area (0.236), high mountain area (0.192) and low-mountain hilly area (0.127). The per capita net income of the reservoir area is low, and the source of economic income is only relying on the reservoir aquaculture industry. The per capita net income of high mountainous area is low, and the source of economic income is mostly self-sufficient planting and poultry farming. The per capita net income is higher, the source of economic income is diversified, such as going out to work and developing family planting. 2) Poverty influencing factors in different terrain types are different: the reservoir area is mainly affected by infrastructure construction, policy implementation degree and terrain slope. Among the main influencing element, the impact values of factors are policy, nature, economy, human capital; the high mountainous area is mainly affected by the terrain slope, labor population and family business income factors, the influence value of natural factors is the highest, followed by human capital, economic factors, and policy factors; the low-mountain hilly area is mainly affected by the labor population, policy implementation and wage income factor, the human capital has the highest influence value, followed by policy, economic, natural element. 3) The intensity of the interaction between the influence factors of different terrain area are that the interaction intensity of economic element and natural element is higher than the interaction intensity between policy element and other element. The high mountainous and reservoir area are mainly family-run incomes for planting and breeding. The low-mountain hilly area is mainly based on wages income, non-agricultural employment has been selected as their main livelihood strategy choice, giving play to the external role of policy elements, taking into account the economic factor forms of each district. 4) The significant impact factors of poverty degree in different terrain area are different. The reservoir area is significantly affected by policy element, the high mountainous area is significantly affected by natural element, the low-mountain hilly area is mainly affected by human capital. To implement differentiated policies for different terrain areas, so as to ensure the precise implementation of policies in poverty alleviation. Different terrain area should combine regional internal and external, policy element and economic element, financial capital and human capital in the work of poverty alleviation and work to achieve stable poverty alleviation.

rural; poverty; poverty level; geo-detector; terrain area; Anhua county

周榮榮，彭 鵬，周國華，唐承麗，劉新華. 不同地形區(qū)域的貧困特征及貧困程度影響因素分析[J]. 農(nóng)業(yè)工程學報，2019，35(20)：253－261.doi：10.11975/j.issn.1002-6819.2019.20.031 http://www.tcsae.org

Zhou Rongrong, Peng Peng, Zhou Guohua, Tang Chengli, Liu Xinhua. Analysis of poverty characteristics and poverty influencing factors in different terrain areas[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(20): 253－261. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2019.20.031 http://www.tcsae.org

2019-05-09

2019-05-27

國家自然科學基金資助項目（41471145）

周榮榮，研究方向為貧困治理與鄉(xiāng)村地理。Email：zrrnhm@163.com

彭 鵬，博士，副教授，研究方向為區(qū)域發(fā)展與城鄉(xiāng)規(guī)劃、鄉(xiāng)村地理。Email：pengheli@sina.com

10.11975/j.issn.1002-6819.2019.20.031

F323.8

A

1002-6819(2019)-20-0253-09