空間數(shù)據(jù)驅(qū)動(dòng)下的畫像分析技術(shù)在精準(zhǔn)扶貧決策中的應(yīng)用

嚴(yán)瑞

（江蘇省測(cè)繪地理信息局信息中心 江蘇省南京市 210013）

黨的十八大以來(lái)，黨中央、國(guó)務(wù)院對(duì)扶貧開(kāi)發(fā)工作高度重視，將新時(shí)期扶貧開(kāi)發(fā)工作定位為“精準(zhǔn)扶貧”。在扶貧工作進(jìn)入決勝階段的大背景下，面對(duì)海量的扶貧大數(shù)據(jù)，急需創(chuàng)新扶貧工作思路與方法，加強(qiáng)對(duì)數(shù)據(jù)的采集和整合，從繁雜的統(tǒng)計(jì)數(shù)據(jù)中發(fā)現(xiàn)更具價(jià)值的信息指導(dǎo)扶貧工作。

空間數(shù)據(jù)在表達(dá)上具有直觀、多尺度等特點(diǎn)，采用GIS（地理信息系統(tǒng)）空間分析技術(shù)，圍繞地理國(guó)情專項(xiàng)監(jiān)測(cè)成果，充分挖掘道路通達(dá)、河流分布、耕地占比等重要空間特征信息，結(jié)合扶貧業(yè)務(wù)數(shù)據(jù)，構(gòu)建包含地理影響因子的綜合評(píng)價(jià)模型，將可以更準(zhǔn)確的識(shí)別區(qū)域性貧困特征，為推出定制性政策提供決策輔助，協(xié)助地方扶貧主管部門更有針對(duì)性地建設(shè)幫扶項(xiàng)目。

1 基于地理信息的貧困特征綜合評(píng)價(jià)模型

建立合理的指標(biāo)體系，是識(shí)別貧困特征的基礎(chǔ)。本研究依據(jù)數(shù)據(jù)的可獲得性以及扶貧開(kāi)發(fā)需要實(shí)現(xiàn)的戰(zhàn)略目標(biāo)，構(gòu)建基于地理信息的扶貧影響因子指標(biāo)體系。

1.1 數(shù)據(jù)來(lái)源

傳統(tǒng)上，貧困特征識(shí)別的主要數(shù)據(jù)來(lái)源包括扶貧建檔立卡數(shù)據(jù)、民政統(tǒng)計(jì)數(shù)據(jù)等。本研究在此數(shù)據(jù)基礎(chǔ)上，充分考慮地理空間特征對(duì)貧困現(xiàn)狀的影響，添加了空間數(shù)據(jù)作為數(shù)據(jù)源，用于地理位置空間參考及空間分析?？臻g數(shù)據(jù)按照不同用途又分為基礎(chǔ)地理信息數(shù)據(jù)以及扶貧地理信息數(shù)據(jù)，基礎(chǔ)地理信息數(shù)據(jù)主要包括DLG（數(shù)字線劃圖）、DOM（數(shù)字正射影像）、DEM（數(shù)字高程模型）和省級(jí)基礎(chǔ)地理實(shí)體數(shù)據(jù)；扶貧地理信息數(shù)據(jù)主要指低收入戶、扶貧項(xiàng)目等信息的空間分布。

1.2 基于地理信息的扶貧影響因子指標(biāo)體系

基于地理信息的扶貧影響因子指標(biāo)體系有效融合地理空間特征與經(jīng)濟(jì)社會(huì)影響特征，由村經(jīng)濟(jì)發(fā)展指標(biāo)，低收入戶情況指標(biāo)，地理影響因子指標(biāo)及動(dòng)態(tài)相關(guān)性指標(biāo)等四個(gè)維度的指標(biāo)構(gòu)成，每個(gè)維度指標(biāo)下細(xì)分為二級(jí)指標(biāo)，村經(jīng)濟(jì)發(fā)展指標(biāo)可以較為客觀而清晰的反映村總體貧困現(xiàn)狀；低收入戶情況指標(biāo)、地理影響因子指標(biāo)反映交通、土地利用等宏觀扶貧開(kāi)發(fā)進(jìn)展對(duì)扶貧的影響；關(guān)系屬性指標(biāo)反映了各個(gè)經(jīng)濟(jì)薄弱村之間的相似程度。如圖1所示。

扶貧影響因子指標(biāo)體系中，高中教育程度農(nóng)戶數(shù)量、人口密度、60歲以上農(nóng)戶數(shù)量、從業(yè)農(nóng)戶數(shù)量、幫扶產(chǎn)業(yè)數(shù)量、因病致貧占比、人均收入、有無(wú)教育貸款等指標(biāo)可由建檔立卡數(shù)據(jù)、民政統(tǒng)計(jì)數(shù)據(jù)等直接計(jì)算得到。

圖1：扶貧影響因子指標(biāo)體系

圖2：多層次扶貧畫像特征關(guān)聯(lián)

交通通達(dá)度是指區(qū)域內(nèi)交通路網(wǎng)的便捷程度，通過(guò)交通可達(dá)時(shí)間測(cè)算，數(shù)據(jù)來(lái)源為地理國(guó)情監(jiān)測(cè)成果中的國(guó)省道路網(wǎng)、鐵路網(wǎng)、鄉(xiāng)村道路等交通專題數(shù)據(jù)。項(xiàng)目采用GIS柵格分析和網(wǎng)絡(luò)分析技術(shù)，運(yùn)用不同尺度的區(qū)域時(shí)間可達(dá)性指標(biāo)，在此基礎(chǔ)上建立區(qū)域交通通達(dá)度計(jì)算模型，表達(dá)式為：

其中，i為柵格成本圖中的任意格網(wǎng)，Ai為i格網(wǎng)的可達(dá)性，Tij為i點(diǎn)到j(luò)點(diǎn)通過(guò)最短路徑所花費(fèi)的最小時(shí)間。

耕地破碎度，表示區(qū)域內(nèi)耕地面積和完整性，可由單位面積內(nèi)可耕地類面積密度測(cè)算，數(shù)據(jù)來(lái)源為地理國(guó)情監(jiān)測(cè)成果中地類圖斑成果。

1.3 貧困特征綜合評(píng)價(jià)模型

參照扶貧影響因子指標(biāo)體系，可通過(guò)計(jì)算得到各指標(biāo)的單項(xiàng)數(shù)值，由于指標(biāo)性質(zhì)不一，通常具有不同的量綱和數(shù)量級(jí)，為了消除不同量綱影響，需對(duì)各個(gè)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理：

式中，X為區(qū)域內(nèi)指標(biāo)實(shí)際值；X’為區(qū)域內(nèi)指標(biāo)標(biāo)準(zhǔn)化后的值；Xmax為指標(biāo)最大值，Xmin為指標(biāo)最小值。

將各項(xiàng)指標(biāo)標(biāo)準(zhǔn)化后，可得到貧困特征綜合評(píng)價(jià)模型：

其中{K1,K2,….Kn}表示每一單項(xiàng)指標(biāo)均值，{K’1,K’2…K’n}表示區(qū)域內(nèi)各項(xiàng)指標(biāo)的實(shí)際值，V由區(qū)域內(nèi)各項(xiàng)指標(biāo)的實(shí)際值與平均值的差值組成，通過(guò)差值的高低，可反映各項(xiàng)指標(biāo)的影響強(qiáng)弱程度。

2 基于貧困特征綜合評(píng)價(jià)模型的畫像分析技術(shù)

畫像分析作為大數(shù)據(jù)的根基，完美地抽象出一個(gè)對(duì)象的信息全貌，為進(jìn)一步精準(zhǔn)、快速地分析該對(duì)象的重要特征，提供了足夠的數(shù)據(jù)基礎(chǔ)，奠定了大數(shù)據(jù)時(shí)代的基石。本研究基于包含地理因子的貧困特征綜合評(píng)價(jià)模型，建立某個(gè)經(jīng)濟(jì)薄弱村的個(gè)體畫像及群體畫像。

2.1 個(gè)體扶貧畫像

個(gè)體扶貧畫像表示經(jīng)濟(jì)薄弱村個(gè)體各項(xiàng)指標(biāo)特征，從中可反映出立產(chǎn)業(yè)項(xiàng)目投資、交通建設(shè)、教育醫(yī)療等民生服務(wù)間的關(guān)聯(lián)，制定針對(duì)性政策。如圖2所示。

2.2 群體扶貧畫像

通過(guò)多層次扶貧畫像的定義，可對(duì)扶貧工作中具有相同、相似特征的經(jīng)濟(jì)薄弱村進(jìn)行聚類分析，歸類標(biāo)簽，形成具有共同特征的經(jīng)濟(jì)薄弱村的具象化描述，例如可自定義交通通達(dá)度指標(biāo)、人口密度指標(biāo)等，形成交通發(fā)達(dá)村群體、勞動(dòng)力充足村群體等經(jīng)濟(jì)薄弱村群體特征畫像，為扶貧精準(zhǔn)施策找到符合需求的經(jīng)濟(jì)薄弱村。

2.3 基于畫像特征的相似度分析

經(jīng)濟(jì)薄弱村特征識(shí)別模型從社會(huì)經(jīng)濟(jì)、自然資源條件、交通條件等多方面對(duì)經(jīng)濟(jì)薄弱村進(jìn)行了量化，因此通過(guò)選擇薄弱村歷史數(shù)據(jù)作為樣本，將其他經(jīng)濟(jì)薄弱村與其進(jìn)行對(duì)比，可根據(jù)相似度判斷預(yù)測(cè)其未來(lái)的脫貧趨勢(shì)。對(duì)于每一個(gè)待預(yù)測(cè)的薄弱村,我們首先利用經(jīng)濟(jì)薄弱村特征識(shí)別模型作為它的表示,然后計(jì)算模型各指標(biāo)相似度,采用Top-k分析方法，選取出相似度最高的K個(gè)樣本經(jīng)濟(jì)薄弱村模型，并求取其脫貧概率平均值,得到待預(yù)測(cè)經(jīng)濟(jì)薄弱村的脫貧趨勢(shì)預(yù)測(cè)值。

3 貧困村畫像應(yīng)用分析

本研究基于畫像分析技術(shù)，以江蘇省漣水縣為例，對(duì)經(jīng)濟(jì)薄弱村扶貧畫像進(jìn)行了應(yīng)用。如圖3所示，為當(dāng)?shù)氐哪骋粋€(gè)經(jīng)濟(jì)薄弱村扶貧畫像，從中可以看出，其交通條件較為落后，同時(shí)產(chǎn)業(yè)項(xiàng)目建設(shè)也較為薄弱，因此通過(guò)加大道路建設(shè)投入，提高與周邊地區(qū)的人力、物資交流，可實(shí)現(xiàn)對(duì)該村的有效幫扶。

圖4則是采用畫像分析技術(shù)，通過(guò)畫像特征相似度對(duì)比找到的與目標(biāo)對(duì)象類似的經(jīng)濟(jì)薄弱村結(jié)果。從圖中可以看出，這兩個(gè)村均為年齡結(jié)構(gòu)偏重于老年人，產(chǎn)業(yè)項(xiàng)目收入少的村莊，并且在交通、

圖3：經(jīng)濟(jì)薄弱村個(gè)體扶貧畫像

圖4：經(jīng)濟(jì)薄弱村相似度畫像

耕地等方面存在一定的劣勢(shì)，通過(guò)相似度分析，可以對(duì)薄弱環(huán)節(jié)類似的貧困村采用類似的扶貧措施。

4 結(jié)語(yǔ)

本研究充分發(fā)揮地理信息技術(shù)特點(diǎn)，有效融合地理空間特征與經(jīng)濟(jì)社會(huì)影響特征，建立了貧困特征綜合判別模型，采用畫像技術(shù)實(shí)現(xiàn)了空間數(shù)據(jù)驅(qū)動(dòng)下的經(jīng)濟(jì)薄弱村精準(zhǔn)識(shí)別和篩選，有效提升了扶貧決策科學(xué)化水平，為空間數(shù)據(jù)在精準(zhǔn)扶貧工作中的深層次應(yīng)用和推廣提供了創(chuàng)新的思路。