广西地形因子对区域贫困影响空间格局分析

2019-03-03韦燕飞何彦谚童新华

江苏农业科学 2019年23期

韦燕飞何彦谚童新华

摘要：地形因子决定着土地的利用模式，影响土地经济产出与农民的生产生活水平，恶劣的地形条件是导致区域贫困的主要因素之一。以地形条件差异较大、贫困形势严峻的广西壮族自治区（简称“广西”）为研究区域，选取平均海拔、平均坡度、地形起伏度、坡度变率、地面粗糙度等5个地形因子，探讨其与区域贫困的空间异质性、空间依赖性特征，并利用普通线性回归模型与地理加权回归模型分析各地形因子对区域贫困影响效应的空间分异。结果表明，各地形因子对区域贫困格局影响具有一定空间吻合性，主要表现为地形条件较差的地区农民收入水平较低;地形因子与区域贫困水平均具有较强的空间依赖性，在99%显著水平上均存在明显空间集聚现象;平均海拔、平均坡度、地形起伏度、坡度变率等4个因子与区域贫困存在空间负相关性，其对贫困的影响效应呈现以融江为轴心的“U”形向外逐级递减的趋势，地面粗糙度与区域贫困存在空间正相关性，其对贫困的影响效应呈现由西北部向东南逐级递减的趋势。最后，从国土扶贫视角提出对广西扶贫工作的建议。

关键词：区域贫困;地形因子;影响效应;空间格局;国土扶贫;精准扶贫

中图分类号：F323.211 文献标志码： A 文章编号：1002-1302（2019）23-0001-07

贫困问题是我国不平衡、不充分发展的一大体现，是我国特色社会主义新时代发展的一块“硬骨头”。土地作为最基本的生产要素之一[1]，是农民主要经济来源的基础，地形特征决定土地的利用、生产与管理方向，影响农业现代化进程与土地的经济产出，进而也决定了区域贫困水平的发展。广西壮族自治區（简称“广西”）集“老、少、边、山、库”于一身，是全国脱贫攻坚的主战场之一。目前，广西贫困面大、贫困人口多、贫困程度深的状况仍未全面改善。2015年底，全区贫困人口总数居全国第4位;贫困发生率比全国平均水平（57%）高4.8百分点。全区110个县（市、区）中，105个有扶贫开发工作任务，54个属于贫困县，33个为国家扶贫工作重点县、滇桂黔石漠化片区县;贫困发生率超过25%的有5个。全区16 197个村民委员会（社区）中有5 000个贫困村，其中贫困发生率在25%以上的有1 632个，占32.6%;贫困发生率超过50%的有232个，有的甚至超过80%，脱贫攻坚任务仍然十分艰巨。另外，广西是典型喀斯特地貌的主要分布地区，生态系统脆弱且不稳定，易发生旱涝灾害，部分地区石漠化、水土流失等土地生态问题突出，导致的区域贫困现象成为扶贫脱贫工作的重点、难点。因此，分析广西地形因子与区域贫困的空间格局形成的影响，对精准扶贫工作的有效开展有一定的参考价值。现有研究涉及的主要有计量地理学方法研究、地形因子研究、区域贫困研究与互馈相关性作用研究等。Foster等对空间地理加权的原理理论构架、计量模型构建、实例演变应用等开展研究[2-7]。汪旭涛等对地形因子量化计量方法、形态表达及其对地质灾害的敏感性等开展研究[8-10]。王建康等分析土地要素对经济发展的贡献，探讨土地要素与经济发展的空间关联性[11-12]。刘彦随等分析喀斯特山区自然条件下自然灾害的治理与扶贫开发模式策略的运用及其空间相关性[13-14]。从现有研究看，国内外学者的相关研究成果较丰富，但较多研究均停留在理论基础上的探讨，实例应用的研究较少;对影响效应的研究大多利用计量经济学中的传统模型，较少考虑地理空间要素间相互作用的影响;对区域贫困研究，大多从自然、社会、经济、人文综合角度入手，较少涉及对地形因子与贫困关系的针对性以及西部少数民族沿海边境地区多重身份区域的研究。本研究以县级行政单位为研究单元，以广西2015年划定的110个县（市、区）为研究对象，在GIS技术支持下，基于广西地形特征与区域贫困水平数据，分析各地形因子与区域贫困的空间异质性与空间依赖性，验证其之间的空间相关性，在此基础上探讨普通计量回归模型与空间计量回归模型的应用效果，并定量测度地形因子对区域贫困影响效应的空间分异格局，根据研究结论并基于国土扶贫视角，提出对扶贫工作的政策启示，以期为广西差别化国土扶贫政策的制定与实施提供参考，以提高广西精准扶贫服务工作的成效。

1 研究区域

研究区域为广西，首府南宁，与广东、湖南、贵州、云南等省相邻，南部为北部湾，西南与越南交界，是中国唯一的沿海自治区，是西南地区最便捷的出海通道（图1）。介于 20°54′～26°24′N、104°26′～112°04′E之间，地处低纬度，属亚热带季风气候区，气候温暖，雨水丰沛，热量充足。矿产资源丰富，种类繁多，素有“有色金属之乡”之称。广西地形特征表现为山地多平地少，地势由西北向东南倾斜，喀斯特地貌发育，生态环境脆弱且不稳定，易发生水土流失、山体滑坡等自然灾害，喀斯特区极易发生石漠化现象，全区石漠化面积约占全区总面积的10.5%，极大地制约了区域社会经济发展。广西是少数民族自治区，是壮族主要聚集地，同时分布有瑶族、苗族、侗族、仫佬族、京族等少数民族，是我国少数民族人口总数最多的自治区。2015年全区辖有14个地级行政区划单位，110个县级行政区划单位，538万贫困人口，且大部分分布于大石山区、少数民族地区、革命老区、边境地区等“贫困洼地”，扶贫工作较艰巨。

2 数据来源与研究方法

2.1 变量选取与数据来源

以区域贫困程度作为被解释变量，以地形因子作为解释变量，研究地形因子对区域贫困的影响效应及其空间格局。当前我国扶贫工作的重点区域是农村地区，农村居民生活水平决定区域贫困程度，因此以农村居民人均纯收入作为衡量区域贫困程度的标准，农村居民人均纯收入数据来源于2016年《广西壮族自治区统计年鉴》及各地方政府门户网站。地形特征包括高程、坡度、坡向、地面起伏等要素，结合已有研究成果与数据的可获得性[15-16]，选取对土地利用产生较大影响的5个地形因子即平均海拔、平均坡度、地形起伏度、坡度变率、地面粗糙度开展研究（表1）。地形因子数据来源主要是在ENVI 5.1与ArcGIS 10.2平台支持下，绘制广西5 km×5 km 格网，对2015年广西DEM（30 m）数据进行预处理，提取各地形因子数据，利用数据管理模块、分析模块、属性表运算、分区统计等功能，将地形因子数据给相应格网赋属性值，最后通过均值法计算各县（市、区）的地形情况。

2.2 模型构建

2.2.1 空间权重矩阵设定空间计量模型须在模型中设定

空间权重矩阵，确定各研究单元之间的空间权重值，在此基础上形成的空间面板数据模型更具说服力，本研究采用基于K-近邻法构建的K-近邻矩阵（K-nearest neighbor）方法设定空间权重矩阵，其形式如下[17]。

W=1dij dij≤di（k）

0 i=j

0 其他。

式中：di（k）表示县（市、区）i到第k个邻近区域的距离，取 k=5。如果县（市、区）j不属于县（市、区）i的k个邻居，则认为其之间不存在空间依赖关系，空间权重矩阵值设定为0;反之，如果县（市、区）j是县（市、区）i的近邻，则空间权重矩阵值为2个县（市、区）之间的距离倒数。

2.2.2 空间相关性模型采用莫兰指数（Morans I）进行变量空间相关性研究，利用单变量空间自相关性分析各地形因子与区域贫困空间分布聚集特征;利用双变量空间相关性探讨各地形因子与区域贫困之间是否存在空间依赖性，为空间计量模型的运用奠定基础，表达式为：

Morans I=∑ni=1∑nj=1wij（xi-x）（xj-x）∑ni=1∑nj=1wijs2;

s2=1n∑ni=1（xi-x）2。

式中：n表示样本数，广西110个县（市、区），取n=110;xi表示变量在县（市、区）i的属性值;xj表示变量在县（市、区）j的属性值;x 表示变量的平均值;wij表示县（市、区）i和县（市、区）j之间空间权重矩阵值;s2表示变量的方差。

空間自相关性的显著性水平一般通过Z值与P值进行检验确定，一般认为当P值=0.01且满足 |Z|>2.58时，则拒绝0假设，变量的空间相关性显著;反之，则不拒绝0假设，变量不存在显著的空间相关性。

2.2.3 OLS回归模型采用OLS回归模型探究未考虑空间地理单元影响下，被解释变量与解释变量之间的相关性，表达式为：

lnYi=α+βjlnxij+ε。

式中：Yi表示i县（市、区）的被解释变量;xij表示i县（市、区）解释变量j影响因子;βj表示j影响因子的影响弹性;ε表示随机误差。

OLS回归模型相关性研究一般通过t值与调整后的R2进行检验确定，一般界定满足|t|>2.58，则模型通过检验，被解释变量与解释变量存在相关性，调整后R2越大则表示回归模型拟合程度越好。

2.2.4 地理加权回归模型为了反映各地形因子影响效应水平的空间差异，对通过空间相关性检验的变量采用地理加权回归模型（GWR）进行分析，地理加权回归模型简化表示如下[18]：

Pi=a0（ui，vi）+∑nk=1xikak（ui，vi）+εi。

式中：n表示解释变量的个数;k表示解释变量;i表示县（市、区）;a0（ui，vi）表示常数项;xik表示通过检验的第k个解释变量在i县（市、区）的取值;（ui，vi）表示i县（市、区）几何中心的空间坐标;ai（ui，vi）表示i县（市、区）的特征弹性系数;εi表示残差。

3 实例检验与结果分析

3.1 空间异质性格局

利用SPSS对各变量数据进行Z分数（Z-score）标准化，采用自然断点法将标准化结果分为5级，绘制各变量空间分异图（图2），分析各变量空间分异情况。从地形因子看，平均海拔、平均坡度、地形起伏度空间分异格局总体上表现为北高南低的趋势，主要由于西北部与云贵高原连接，且分布有凤凰山脉、都阳山脉，东北部分布有越城岭山脉、天平山脉、九万大山等山脉，南部沿海地区分布有钦州平原、合浦平原等。坡度变率空间分异格局总体表现为“东西高、中间低”的“凹”形格局，主要由于东部分布有天平山、大瑶山等山脉，中部分布有柳州平原、浔江平原、郁江平原、南宁盆地。其中，西林县、隆林县、田林县、乐业县、那坡县、靖西市、德保县、凌云县、天峨县、凤山县、南丹县、龙胜县、灌阳县、金秀县的这4个地形因子数值均较高，这些县（市）地形条件较差，给土地的有效利用带来较大难度。地面粗糙度是指从空气动力学角度出发，因地表起伏不平或地物本身几何形状的影响，风速廓线上风速为0的位置并不在地表（高度为0处），而在离地表一定高度处，这一高度定义为地面粗糙度[19]，其空间分异格局主要表现为北低南高的趋势。从贫困情况看，农村居民人均纯收入总体表现为东西低、中间高的“凸”形格局，与地形条件形成一定程度的吻合性，基本表现为地形条件利用难度较大的地区农民收入较低，区域贫困程度较大;而地势较平坦的地区经济发展协调，区域贫困程度较小。

3.2 空间依赖性分析

在GeoDa平台支持下，利用Morans I分析各变量空间依赖性（表2），可视化变量空间自相关聚集格局（图3）。各变量P值=0.01，均满足|Z|>2.58，通过显著性检验，具有空间依赖性，Morans I值大于0表示各变量在空间上存在集聚现象。其中，平均海拔、地形起伏度、坡度变率的Morans I值较高，其在空间上形成的聚集效应较显著。

平均海拔在西北部与东北部形成大小2个组团的高-高集聚模式，在南部沿海及其往北延伸方向形成低-低集聚模式。平均坡度与地形起伏度在西北部形成高-高集聚模式，在南部沿海地区形成低-低集聚模式，地形起伏度在防城区形成高-低集聚模式，主要是因为区域分布有十万大山使得地形起伏度较大。坡度变率主要在西北部形成高-高集聚模式，在南部沿海地区形成低-低集聚模式，但在东北部地势较高的区域并未形成显著的高-高集聚模式，主要是因为东北

部对于坡耕地的利用采取梯田方式，极大地提高了耕地的利用程度，有利于减缓坡度变率。地面粗糙度在西北部形成低-低集聚模式，高-高集聚模式则较零散地分布在南部及中部地区。农村居民人均纯收入在西北部形成低-低集聚模式，但在右江区、田东县形成了高-低集聚模式，主要是由于该区域分布有百色盘地，地势较平坦，且耕地肥沃、气候适宜芒果、香蕉、番茄等特色农作物的生长，第一产业发展较协调，特色作物产出提高了当地人们的收入水平，高-高集聚模式主要分布在柳州市、桂林市等部分二、三产业发达的城市，柳州市是重工业城市，第二产业发达，这给当地人们提供了较好的就业机会，桂林市是我国著名的旅游城市，第三产业发达，旅游业发展可以提高当地人们的收入水平。

3.3 空间相关性检验

引入空间计量模型之前，对地形因子与区域贫困的空间相关性进行检验，利用双变量的空间自相关模型分析解释变量与各被解释变量的空间集聚相关性，绘制变量莫兰散点图（图4）。各解释变量与被解释变量空间相关性P值=0.01，均满足|Z|>2.58，通过显著性检验，且Morans I绝对值处于0.43～0.54之间，表明各地形因子与农村居民人均纯收入在空间分布上存在显著的空间相关性，其中，平均坡度、地形起伏度与农村居民人均纯收入的Morans I值较高，具有较强的空间相关性。

由图4可知，平均海拔、平均坡度、地形起伏度、坡度变率

等4个地形因子散点主要落在第二、第四象限，表现为空间负相关，即当某县（市、区）的平均海拔越高、平均坡度越大、地形起伏度越大、坡度变率越大，越会导致农村居民人均纯收入降低、贫困程度严重。地面粗糙度散点主要落在第一、第三象限，表现为空间正相关，即某县（市、区）地面粗糙度越大，越会使得农村居民人均纯收入提高。

3.4 影响效应分析

在各解释变量与被解释变量均通过双变量空间相关性检验的基础上，利用OLS回归模型与GWR的地理加权模型分别对各解释变量与被解释变量进行回归分析，对比回归模型拟合效果（表3），绘制各地形因子对区域贫困影响系数空间分异图（图5）。

由表3可知，各变量OLS回归结果t绝对值均大于 2.58，通过显著性检验，但回归结果调整后R2值在0.3～0.5之间，處于较低的水平，OLS模型的拟合效果不佳。经对比分析，各变量GWR地理加权回归结果的调整后R2均大于OLS回归结果的调整后R2，GWR地理加权回归结果的赤池信息准则（AIC）值均小于OLS回归结果的AIC值，说明GWR地理加权回归模型具有更好的拟合性。因此，在对具有空间相关性的变量进行回归分析时，应考虑空间位置间的效应作用，OLS模型忽略了空间位置间的相关性，模型预测拟合效果不佳，采用地理加权回归模型开展分析更加合理。

由图4可知，将不同区位上地形因子与农村居民人均纯收入的回归系数称为影响系数，影响系数的绝对值反映地形因子的影响程度，影响系数的正负反映影响作用的正负相关性。平均海拔表现为负相关性，影响效应空间上呈现由中部向外逐级递减的趋势，东西部与南部沿海地区平均海拔对贫困的影响程度较低，而中部地区影响程度较高。平均坡度、地形起伏度和坡度变率表现为负相关性，影响效应空间分布情况大致相同，主要表现为以融江为轴心“U”形向外逐级递减

的趋势，南部沿海地区影响程度低，而北部融江流域县（市、区）影响程度高。地面粗糙度表现为正相关，影响效应空间呈现由西北部向东南逐级递减的趋势。因此，不同区域地形条件对区域人们收入水平的影响作用有所不同，各地形因子对区域贫困的作用效应存在空间上的差异。

4 结论与建议

4.1 主要结论

本研究以广西壮族自治区为研究区域，在县（市、区）尺度上分析各地形因子与区域贫困空间异质性格局和空间依性格局，检验各地形因子与区域贫困间的空间相关性特征，定量评价各地形因子对区域贫困影响效应的空间差异格局，得出以下结论：第一，各地形因子与区域贫困空间格局存在差异，平均海拔、平均坡度、地形起伏度空间分异格局表现为北高南低的趋势，坡度变率表现为东西高、中间低的格局，地面粗糙度表现为北低南高的趋势，农村居民人均纯收入表现为东西低、中间高的态势。总体上看，区域贫困与地形因子间形成一定程度的空间吻合性，基本表现为地形条件利用难度较大的地区贫困水平较高。第二，各地形因子与区域贫困具有较强的空间依赖性。平均海拔、平均坡度、地形起伏度与坡度变率高-高集聚区主要分布在西北部，低-低集聚区主要分布在南部沿海地区;地面粗糙度在西北部形成低-低集聚模式，高-高集聚模式则较零散地分布在南部及中部地区;农村居民人均纯收入在西北部形成低-低集聚模式，高-高集聚模式主要分布在广西东北部的二、三产业发达的城市。因此，地区产业发展是拉动地方经济增长与促进减贫脱贫的利器。第三，各地形因子与区域贫困存在空间相关性且各因子对贫困影响效应不同，平均海拔、平均坡度、地形起伏度、坡度变率等4个地形因子莫兰散点主要落在二、四象限，表现为空间负相关，影响效应主要以融江为轴心呈“U”形向外逐级递减的趋势;地面粗糙度莫兰散点主要落在一、三象限，表现为空间正相关，影响效应由西北部向东南逐级递减的趋势。

4.2 建议

根据广西各县（市、区）贫困空间分异特征，结合地形因子的影响效应与空间差异格局，因地制宜地提出扶贫方针政策，才能更好地服务于减贫脱贫目标。具体来看，贫困高-高集聚区域主要分布在西北地区，该地区受到平均坡度、地形起伏度和坡度变率的影响作用较大，是广西自然灾害的高发地区，山体滑坡、泥石流等灾害时有发生。因此，要注重建立该区域的生态补偿机制，积极开展落实异地扶贫搬迁项目，保障

赖人们的生命财产安全不受侵害。还应合理有序推进该区域土地整治项目的开展，侧重土地平整、水土保持、生态补偿工程实施，转变土地利用方式，充分挖潜土地开发利用潜力。另外，西北地区是自然景观原生态保留地区，也是许多特色农副产品的富产区，可加大对地区特色产业的支持力度，结合地形地貌特征挖掘区域旅游业发展潜力，以土地资源为支撑，以产业发展为切入点，促进区域经济发展，改善农民生产条件，提高农民生活水平，助力区域减贫脱贫事业发展。贫困低-低集聚区域主要分布在广西二、三产业发达地区，该区域经济发展活力较强，是广西经济发展的重要支撑与领头军，应继续保持对该地区产业发展政策的支持，同时激发地方经济发展的溢出效应，使得该区域在经济发展的同时，带动周围县（市、区）的经济发展，促进扶贫工作的深入开展。对于地形条件较好的南部沿海地区，应注重提高土地的节约集约利用水平，推进农业现代化进程，提高土地产出效率与经济产出量，同时发挥沿海港口优势，通过海运贸易推广广西特色产品的向外输出，多角度、多方位拉动区域经济发展，提高扶贫工作成效。

参考文献：

[1]张海兵，鞠正山，张凤荣. 中国社会经济结构与土地利用结构变化的相关性分析[J]. 中国土地科学，2007，21（2）：12-17.

[2]Foster L.Big data and social science[M]. Francis：CRC Press，2017：243-248.

[3]Fotheringham A S.Geographically weighted regression[M]. British：British Library Catalohuing，2002：159-165.

[4]Lloyd C D.Local models for spatial analysis[M]. Francis：CRC Press，2017：62-67.

[5]Fotheringham A S. Quantitative geography[M]. Great Britain：the Cromwell Press Ltd，2000：99-108.

[6]郭國强. 空间计量模型的理论和应用研究[D]. 武汉：华中科技大学，2013.

[7]覃文忠. 地理加权回归基本理论与应用研究[D]. 上海：同济大学，2007.

[8]汪旭涛，谢昭宇，胡凯锋. 中高山地区滑坡发育地形地貌因子敏感性研究[J]. 地震工程学报，2013，35（3）：587-603.

[9]周艳莲，孙晓敏，朱治林，等. 几种典型地表粗糙度计算方法的比较研究[J]. 地理研究，2007，26（5）：887-896.

[10]杨先武，钱叶青，郑春霞. 喀斯特峰林峰丛地貌形态表达研究综述[J]. 地理与地理信息科学，2017，33（4）：22-27.

[11]王建康，谷国锋. 土地要素对中国城市经济增长的贡献分析[J]. 中国人口·资源与环境，2015，25（8）：10-17.