• 中文核心期刊
  • CSCD来源期刊
  • 中国科技核心期刊
  • CA、CABI、ZR收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

福建省返贫脆弱性的时空演变特征与产生机制

吴仪 林月 祁新华

引用本文:
Citation:

福建省返贫脆弱性的时空演变特征与产生机制

    作者简介: 吴仪(1998-), 女, 研究方向:人文地理学(E-mail:996720186@qq.com)
    通讯作者: 祁新华(1974-), 男, 博士, 教授, 博士生导师, 研究方向:人文地理与生态学交叉领域(E-mail:fjqxh74@163.com)
  • 基金项目:

    国家社会科学基金项目(18BJL126)

  • 中图分类号: K901

Temporal/Spatial Evolution and Vulnerability of Return-to-Poverty After Successful Implementation of Alleviation Program in Fujian

  • 摘要:   目的  当前,中国扶贫工作取得了显著成效,2020年现行标准下农村贫困人口将全面脱贫。在此背景下,伴随着高脱贫率的返贫现象引起了政府和学术界的高度关注,然而目前鲜有揭示返贫脆弱性时空格局的研究成果。论文探究福建省67个县(市、区)在2012-2016年期间的返贫脆弱性的时空分异与产生机制,为精准识别重点扶贫对象、制定针对性强的有效措施提供科学参考。  方法  论文从暴露性、敏感性和适应能力3个维度构建多维返贫脆弱性评价指标体系,并基于地理学视角与GIS技术手段进行返贫脆弱性测度和可视化表达。  结果  (1)福建省的返贫脆弱性程度整体降低,不同返贫脆弱性等级呈现不同的态势,高返贫脆弱性从65.7%下降至31.8%,中返贫脆弱性从23.9%提高至56.1%,低返贫脆弱性从10.4%提高至12.1%。(2)其空间范围也具有明显的动态变化。高返贫脆弱性在空间上表现为"破碎-连接",中返贫脆弱性表现为"集聚-连片",低返贫脆弱性总体呈现"收缩-连接"态势;(3)第一产业增长值、固定资产投资额、人均土地面积、农村用电量、卫生机构床位数和农村居民最低生活保障人数比例与返贫脆弱性显著相关。  结论  福建省的返贫脆弱性具有时间和空间维度的动态性,中、高返贫脆弱性普遍存在,低返贫脆弱性仅集中在部分沿海都市区,且返贫脆弱性的产生机制具有多维特征。未来实现可持续稳定脱贫,要重点关注中、高返贫脆弱性地区,将脆弱性等级识别和精准举措紧密对应,并加强返贫预警。
  • 图 1  福建省23个省级扶贫重点县

    Fig. 1  Twenty-three counties in Fujian under provincial poverty alleviation program

    图 2  福建省县域返贫脆弱性等级空间分异

    Fig. 2  Spatial differentiation on vulnerability of return-to-poverty in counties in Fujian

    表 1  福建省县域多维返贫脆弱性指标体系及权重分配

    Table 1  Multi-dimensional vulnerability evaluation system and weight distribution of return-to-poverty incidents in counties of Fujian

    维度层
    Dimension level
    类别层
    Class level
    指标层
    Index level
    暴露度
    Exposure(0.3)
    自然环境(0.6) 自然灾害程度(0.4)
    森林覆盖程度(0.6)
    社会风险(0.4) 城镇登记失业率(1)
    敏感性
    Sensitivity(0.3)
    人口结构(0.4) 老年人口比例(1)
    经济结构(0.6) 第一产业增长值(0.7)
    固定资产投资额(0.3)
    适应能力
    Adaptation(0.4)
    金融资本(0.2) 农民人均纯收入(1)
    人力资本(0.4) 普通初中在校生比例(0.5)
    15~64岁人口比例(0.5)
    自然资本(0.1) 人均土地面积(1)
    物质资本(0.1) 公路通车里程(0.6)
    农村用电量(0.4)
    社会资本(0.2) 卫生机构床位数(0.3)
    城镇化率(0.3)
    农村居民最低生活保障人数比例(0.4)
    下载: 导出CSV

    表 2  各类别与返贫脆弱性得分的Pearson相关分析的显著性

    Table 2  Pearson correlation significances between categories and scores on vulnerability of return-to-poverty

    年份
    Year
    自然环境
    Natural environment
    社会风险
    Social risk
    人口结构
    Population structure
    经济结构
    Economic structure
    金融资本
    Financial capital
    人力资本
    Human capital
    自然资本
    Natural capital
    物质资本
    Physical capital
    社会资本
    Social capital
    2012 0.006* 0.067 0.000* 0.000* 0.000* 0.110 0.000* 0.000* 0.000*
    2014 0.403 0.011* 0.007* 0.000* 0.000* 0.849 0.044* 0.000* 0.000*
    2016 0.586 0.027* 0.000* 0.000* 0.000* 0.381 0.000* 0.000* 0.000*
    注:*在0.05水平上显著相关(R2<0.05)。表 3同。
    Note:* Significantly correlated at 0.05 (R2<0.05).The same as Table 3.
    下载: 导出CSV

    表 3  不同指标与返贫脆弱性得分的线性回归结果

    Table 3  Linear regression between indicators and scores on vulnerability of return-to-poverty

    项目
    Item
    人口结构 经济结构 金融资本 自然资本 物质资本 社会资本
    老年人口比例 第一产业增长值 固定资产投资额 农民人均纯收入 人均土地面积 公路通车里程 农村用电量 卫生机构床位数 城镇化率 农村居民最低生活保障人数比例
    显著性
    Significance
    0.096 0.000* 0.028* 0.722 0.000* 0.486 0.000* 0.037* 0.052 0.000*
    相关系数
    Correlation coefficient
    0.081 -0.205 -0.107 0.027 -0.352 -0.019 -0.054 -0.113 -0.271 -0.161
    注:人口结构 Population structure,经济结构 Economic structure,金融资本 Financial capital,自然资本 Natural capital,物质资本 Physical capital,社会资本 Social capital,老年人口比例 Proportion of elderly population,第一产业增长值 Growth of primary industry,固定资产投资额 Fixed investments,农民人均纯收入 The per capita net income of farmers,人均土地面积 Per capita land area,公路通车里程 Highway mileage,农村用电量 Rural electricity consumption,卫生机构床位数 Number of beds in health facilities,城镇化率 Urbanization rate,农村居民最低生活保障人数比例 The proportion of rural residents receiving minimum living allowances。
    下载: 导出CSV
  • [1]

    UNITED STATES. The Millennium Development Goals Report[M]. United States, 2015: 16-25.
    [2] 国家统计局.国民经济和社会发展统计公报[R/OL]. (2013-02-22/2019-02-28)[2019-06-05].http://www.stats.gov.cn/tjsj/zxfb.

    [3] 中华人民共和国农业农村部.聚力精准施策, 决战决胜脱贫攻坚[R/OL]. (2019-02-20)[2019-06-05].http://www.moa.gov.cn/ztzl/jj2019zyyhwj.

    [4] 刘永富.以精准发力提高脱贫攻坚成效[N].人民日报, 2016-01-11: B7.

    LIU Y F. Targeted efforts to improve poverty alleviation efforts[N]. The People's Daily, 2016-01-11: B7.(in Chinese)
    [5] 邓永超.乡村振兴下精准扶贫中防治返贫的优化机制[J].湖南财政经济学院学报, 2018, 35(4):49-56.

    DENG Y C. Optimizing the Mechanism of Prevent and Control the Return of Poverty in Targeted Poverty Alleviation under Rural Revitalization[J]. Journal of Hunan University of Finance and Economics, 2018, 35(4):49-56.(in Chinese)
    [6] 杨立雄.高度重视扶贫攻坚中的返贫问题[J].中国民政, 2016, 33(5):18-20.

    YANG L X. Great importance attach to re-poverty in poverty alleviation[J]. China Civil Affairs, 2016, 33(5):18-20.(in Chinese)
    [7] 张珺.当前我国农村返贫现状与问题分析[J].中国管理信息化, 2011, 7(11):26-27.

    ZHANG J. Current situation and problem analysis of rural re-poverty in China[J]. China Management Informationization, 2011, 7(11):26-27.(in Chinese)
    [8] 关孔春.精准扶贫中返贫的原因及其对策分析[J].劳动保障世界, 2018, 31(21):29-31.

    GUANG K C. Analysis on the causes and countermeasures of re-poverty in targeted poverty alleviation[J]. Labor Security World, 2018, 31(21):29-31.(in Chinese)
    [9] 郑瑞强, 曹国庆.脱贫人口返贫:影响因素、作用机制与风险控制[J].农林经济管理学报, 2016, 15(6):619-624.

    ZHENG R Q, CAO G Q. Re-poverty Population:Influencing Factors, Mechanism and Risk Control[J]. Journal of Agro-Forestry Economics and Management, 2016, 15(6):619-624.(in Chinese)
    [10] 姚建平, 王硕, 刘晓东.农业产业化的农户返贫风险研究——基于甘肃省靖远县两村庄枣农的分析[J].华北电力大学学报(社会科学版), 2017, 25(1):73-79.

    YAO J P, WANG S, LIU X D. The Risk of Poverty-return on Agriculture Industrialization:An Analysis Based on the Jujube Farmers of Two Villages in Jingyuan County of Gansu Province[J]. Journal of North China Electric Power University (Social Sciences Edition), 2017, 25(1):73-79. (in Chinese)
    [11] 刘小鹏, 苏胜亮, 王亚娟, 等.集中连片特殊困难地区村域空间贫困测度指标体系研究[J].地理科学, 2014, 34(4):447-453.

    LIU X P, SU S L, WANG Y J, et al. The Index System of Spatial Poverty of Village Level to Monitor in Concentrated Contiguous Areas with Particular Difficulties[J].Scientia Geographica Sinica, 2014, 34(4):447-453.(in Chinese)
    [12] 刘小鹏, 李永红, 王亚娟, 等.县域空间贫困的地理识别研究——以宁夏泾源县为例[J].地理学报, 2017, 72(3):545-557.

    LIU X P, LI Y H, WANG Y J, et al. Geographical identification of spatial poverty at county scale[J]. Acta Geographica Sinica, 2017, 72(3):545-557.(in Chinese)
    [13] 陈姝睿.基于GIS和BP的原州区空间贫困及其分异机制研究[D].宁夏: 宁夏大学, 2014.

    CHEN S R. Spatial Poverty and the Differentiation Mechanism of Yuanzhou based on GIS and BP Neural Network[D]. Ningxia: Ningxia University, 2014.(in Chinese)
    [14] 许月卿, 李双成, 蔡运龙.基于GIS和人工神经网络的区域贫困化空间模拟分析——以贵州省猫跳河流域为例[J].地理科学进展, 2006, 25(3):79-85.

    XU Y Q, LI S C, CAI Y L. Spatial Simulation Using GIS and Artificial Neural Network for Regional Poverty-A Case Study of MaotiaoheWatershed, Guizhou Province[J]. PROGRESS IN GEOGRAPHY, 2006, 25(3):79-85.(in Chinese)
    [15] 曾永明, 张果.基于GIS和BP神经网络的区域农村贫困空间模拟分析——一种区域贫困程度测度新方法[J].地理与地理信息科学, 2011, 27(2):70-75.

    ZENG Y M, ZHANG G. Spatial Simulating in Regional Rural Poverty Based on GIS and BP Neural Network:A New Appraisement Method on Regional Rural Poverty[J]. Geography and Geo-Information Science, 2011, 27(2):70-75.(in Chinese)
    [16] 李鹤, 张平宇, 程叶青.脆弱性的概念及其评价方法[J].地理科学进展, 2008, 27(2):18-25.

    LI H, ZHANG P Y, CHENG Y Q. Concepts and Assessment Methods of Vulnerability[J]. Progress in Geography, 2008, 27(2):18-25.(in Chinese)
    [17]

    WORLD BANK. World development Report 2000/2001 Attacking Poverty[M]. New York Oxford University Press, 2001:276-280.
    [18] 郑浩.贫困陷阱: 风险、人力资本传递和脆弱性[D].武汉: 武汉大学, 2012.

    ZHENG H. Poverty Traps: Risk, Human Capital Transition and Vulnerability[D]. Wuhan: Wuhan University. 2012.(in Chinese)
    [19] 蔡进, 禹洋春, 骆东奇, 等.重庆市农村多维贫困空间分异及影响因素分析[J].农业工程学报, 2018, 34(22):235-245.

    CAI J, YU Y C, LUO D Q, et al. Space differentiation and its influence factor analysis of rural multidimensional poverty in Chongqing[J]. Transactions of the Chinese Society of Agricultural Engineering, 2018, 34(22):235-245.(in Chinese)
    [20] 福建省人民政府.省情概况[R/OL]. (2019-02-25)[2019-06-05]. http://www.fujian.gov.cn/szf/gk.

    [21] 福建省统计局.福建省国民经济和社会发展统计公报[R/OL]. (2019-02-28)[2019-06-05]. http://tjj.fujian.gov.cn/xxgk/tjgb.

    [22] 陆珍, 张明慧, 程煜等.福建省县域多维贫困空间分异研究[J].福建农林大学学报(哲学社会科学版), 2019, 22(2):19-25.

    LU Z, ZHANG M H, CHENG Y, et al. Spatial differentiation of multidimensional poverty in county areas of Fujian[J]. Journal of Fujian Agriculture and Forestry University (Philosophy and Social Sciences), 2019, 22(2):19-25.(in Chinese)
    [23] 黄欣乐.福建省贫困人口分布、区域差异及扶贫机制研究[D].福州: 福建农林大学. 2016.

    HUANG X Y. The Study on The Distribution of The Poor, The Regional Differences and The Assistance Mechanism in Fujian Province[D]. Fuzhou: Fujian Agriculture and Forestry University, 2016.(in Chinese)
    [24] 福建省人民政府. 2019年福建省人民政府工作报告[R/OL]. (2019-01-21)[2019-06-11].http://www.fujian.gov.cn/szf/gzbg/szfgzbg.

    [25] 辛闻, 王虔, 中国网·中国扶贫在线.全球减贫伙伴研讨会: 以技术创新推动中国经验国际落地[R]. (2019-05-16)[2019-06-05].http://f.china.com.cn/2019-05/16/content_74790364.htm.

    [26] 何华征, 盛德荣.论农村返贫模式及其阻断机制[J].现代经济探讨, 2017, 36(7):95-102.

    HE H Z, SHENG D R. On the model of re-poverty in rural areas and its blocking mechanism[J]. Modern Economic Research, 2017, 36(7):95-102.(in Chinese)
    [27] 韩峥.脆弱性与农村贫困[J].农业经济问题, 2004, 40(10):8-12.

    HAN Z. Fragility and Rural Poverty[J]. Issues in Agricultural Economy, 2004, 40(10):8-12.(in Chinese)
    [28] 黄晓军, 王晨, 胡凯丽.快速空间扩张下西安市边缘区社会脆弱性多尺度评估[J].地理学报, 2018, 73(6):18-33.

    HUANG X J, WANG C, HU K L. Multi-scale assessment of social vulnerability to rapid urban expansion in urban fringe:Acase study of Xi'an[J]. Acta Geographica Sinica, 2018, 73(6):18-33.(in Chinese)
    [29]

    WAGLE U R. The Counting-Based Measurement of Multidi-mensional Poverty:The Focus on Economic Resources, Inner Capabilities, and Relational Resources in the United States[J]. Social Indicators Research, 2014, 115(1):223-240. doi: 10.1007/s11205-012-0216-4
    [30] 王少娜, 董瑞, 谢晖, 等.德尔菲法及其构建指标体系的应用进展[J].蚌埠医学院学报, 2016, 41(5):695-698.

    WANG S N, DONG R, XIE H, et al. The application progress of Delphi method and its construction index system[J]. Journal of Bengbu Medical College, 2016, 41(5):695-698.(in Chinese)
    [31] 邹秀琦, 李岚彬, 周东, 等.台风灾害脆弱性评估的分析框架研究[J].福建师范大学学报(自然科学版), 2017, 64(5):76-83.

    ZOU X Q, LI L B, ZHOU D, et al. A Study on the Analysis Framework of the Assessment of Typhoon Disaster Vulnerability[J]. Journal of Fujian Normal University (Natural Science Edition), 2017, 64(5):76-83.(in Chinese)
  • [1] 黄颖, 刘德娟, 曾玉荣. 农业产业规模与结构对农村减贫的门槛效应分析——以福建省为例[J]. 福建农业学报, 2019, 34(3): 371-377. doi: 10.19303/j.issn.1008-0384.2019.03.018
    [2] 丛林. 福建省科技扶贫工作回顾、成效与建议[J]. 福建农业学报, 2011, 26(1): 113-118.
    [3] 刘德娟. 福建省水稻生产效率的实证研究[J]. 福建农业学报, 2015, 30(11): 1113-1119.
    [4] 邢世和, 徐志平, 韦红, 孙小芳. 福建省耕地可持续利用分区评价及其对策[J]. 福建农业学报, 2003, 18(3): 129-133.
    [5] 黄瑜, 李文杨, 程龙飞, 苏敬良, 吕艳丽, 郭玉璞. 福建省血清Ⅱ型鸭疫里氏杆菌的首次分离与鉴定[J]. 福建农业学报, 1999, 14(3): 43-46.
    [6] 朱雄涛, 陈丹, 胡蓉, 陈凤泉. 福建省感光型杂交稻生育期表现及分析[J]. 福建农业学报, 2011, 26(3): 350-354.
    [7] 王海平, 曾玉荣, 周琼. 福建省粮食生产特点及综合生产能力分析[J]. 福建农业学报, 2014, 29(8): 789-793.
    [8] 林琳, 江斌, 吴胜会, 张世忠, 林甦, 蔡羲. 福建省山羊病例中寄生蠕虫感染情况调查[J]. 福建农业学报, 2016, 31(6): 575-579. doi: 10.19303/j.issn.1008-0384.2016.06.004
    [9] 李华伟, 罗文彬, 纪荣昌, 许泳清, 张鸿, 李国良, 刘中华, 邱永祥, 邱思鑫, 汤浩. 福建省马铃薯纺锤块茎类病毒快速检测及序列分析[J]. 福建农业学报, 2015, 30(10): 984-988.
    [10] 林国华, 郑石. 福建省休闲农业示范点空间分布及其影响因素分析[J]. 福建农业学报, 2017, 32(6): 676-684. doi: 10.19303/j.issn.1008-0384.2017.06.019
    [11] 池敏青, 黄铁庄, 许标文. 福建省基本科研专项运行绩效实证评估与分析[J]. 福建农业学报, 2011, 26(6): 1091-1095.
    [12] 郑雨苹, 张良强, 蔡婉华. 福建省综合科技进步的发展态势与对策研究[J]. 福建农业学报, 2010, 25(6): 766-772.
    [13] 吴越, 吕姗. 福建省农业社会化服务体系建设研究[J]. 福建农业学报, 2011, 26(5): 877-882.
    [14] 林天龙, 宋铁英, 曾丽莉, 俞伏松, 陈曦. 福建省9个猪场大肠杆菌病原菌的分离鉴定[J]. 福建农业学报, 2006, 21(1): 35-38.
    [15] 王方怡, 洪志猛, 康智明, 兰思仁, 陈世品, 叶玉珍. 福建省农业碳排放时空变化及其驱动因素[J]. 福建农业学报, 2019, 34(1): 124-134. doi: 10.19303/j.issn.1008-0384.2019.01.017
    [16] 林清洪, 章宁, 曾新萍, 黄志宏, 黄维南. 福建省豆科树木的丛枝菌根真菌[J]. 福建农业学报, 2003, 18(2): 120-122.
    [17] 王海平, 陈志峰, 许标文, 曾玉荣. 福建省粮食安全及其评价研究[J]. 福建农业学报, 2015, 30(12): 1207-1213.
    [18] 赵中川. 加大福建省财政科技投入的思考[J]. 福建农业学报, 2011, 26(5): 892-894.
    [19] 罗钦, 罗土炎, 饶秋华, 涂杰峰. 利用沿海滩涂地下水培育福建省本土史氏鲟鱼苗的研究[J]. 福建农业学报, 2013, 28(6): 522-524.
    [20] 林虬, 张居德, 苏德森, 姚清华, 颜孙安. 福建省乌龙茶、红茶中部分农药残留及日摄入量评估[J]. 福建农业学报, 2013, 28(7): 718-721.
  • 加载中
图(2) / 表(3)
计量
  • 文章访问数:  48
  • HTML全文浏览量:  27
  • PDF下载量:  3
  • 被引次数: 0
出版历程
    收稿日期: 
  • 初稿:  2019-07-08
  • 修改稿:  2019-08-10

福建省返贫脆弱性的时空演变特征与产生机制

    通讯作者: 祁新华, fjqxh74@163.com
    作者简介: 吴仪(1998-), 女, 研究方向:人文地理学(E-mail:996720186@qq.com)
  • 1. 福建师范大学地理科学学院, 福建 福州 350007
  • 2. 福建师范大学地理研究所, 福建 福州 350007
基金项目:  国家社会科学基金项目 18BJL126

摘要:   目的  当前,中国扶贫工作取得了显著成效,2020年现行标准下农村贫困人口将全面脱贫。在此背景下,伴随着高脱贫率的返贫现象引起了政府和学术界的高度关注,然而目前鲜有揭示返贫脆弱性时空格局的研究成果。论文探究福建省67个县(市、区)在2012-2016年期间的返贫脆弱性的时空分异与产生机制,为精准识别重点扶贫对象、制定针对性强的有效措施提供科学参考。  方法  论文从暴露性、敏感性和适应能力3个维度构建多维返贫脆弱性评价指标体系,并基于地理学视角与GIS技术手段进行返贫脆弱性测度和可视化表达。  结果  (1)福建省的返贫脆弱性程度整体降低,不同返贫脆弱性等级呈现不同的态势,高返贫脆弱性从65.7%下降至31.8%,中返贫脆弱性从23.9%提高至56.1%,低返贫脆弱性从10.4%提高至12.1%。(2)其空间范围也具有明显的动态变化。高返贫脆弱性在空间上表现为"破碎-连接",中返贫脆弱性表现为"集聚-连片",低返贫脆弱性总体呈现"收缩-连接"态势;(3)第一产业增长值、固定资产投资额、人均土地面积、农村用电量、卫生机构床位数和农村居民最低生活保障人数比例与返贫脆弱性显著相关。  结论  福建省的返贫脆弱性具有时间和空间维度的动态性,中、高返贫脆弱性普遍存在,低返贫脆弱性仅集中在部分沿海都市区,且返贫脆弱性的产生机制具有多维特征。未来实现可持续稳定脱贫,要重点关注中、高返贫脆弱性地区,将脆弱性等级识别和精准举措紧密对应,并加强返贫预警。

English Abstract

    • 【研究意义】1978-2015年,中国实现了7亿多人的成功脱贫,对全球减贫贡献率超过70%[1],中国的减贫经验成为全世界的典型样本。近年来中国的扶贫工作更是取得突破性进展,仅2012-2018年贫困人口从9 899万减少至1 660万,农村贫困发生率从10.2%降至1.7%[2]。2019年中央一号文件明确提出,到2020年确保现行标准下农村贫困人口全面脱贫,中国将逐步退出贫困,进入“后贫困时代”[3]。值得注意的是,已脱贫群体可能由于生计脆弱性,在自然灾害、市场变化、重大事故等因素的共同影响下,出现重陷贫困状态的现象[4],进而蚕食扶贫成果[5],阻碍扶贫进程的纵深推进。【前人研究进展】事实上,返贫现象已经引起政府和学术界的高度关注。相关学术研究成果较为丰富,目前主要有返贫、空间贫困和脆弱性等三条研究脉络。其中,对返贫的学术研究集中在返贫率的测算、产生机制、遏制策略等方面。在返贫的测算方面,数据表明,农村返贫率通常在20%左右,部分年份高达60%,在西北、西南等返贫高发地区的个别省份返贫率超过50%[6],个别省份甚至出现过返贫人口超过脱贫人口的情况[7];在产生机制方面,一般认为是多因素综合作用导致的,包括政策性因素、能力缺失(身体健康、文化素质、应对市场风险的能力)、外界冲击(自然灾害、气候影响、重大事件等)[8-9]。在遏制策略方面,有学者提出“主体-供体-载体”三位一体的可持续扶贫模式[10]。空间贫困是对多维贫困内涵的延伸和深化[11],是将一系列指标(收入、消费、医疗卫生、教育等)赋予地理属性,并将这一系列指标合成为地理资本,通过探讨地理资本的空间集聚特征和规律,来判定是否存在空间贫困陷阱,据此制定精准的减贫策略[12]。学术界广泛将GIS技术与人工神经网络相结合用于模拟贫困空间分异特征及规律[13],并进行自然、社会、经济致贫指数空间格局的可视化[14-15],从而为更精准高效识别贫困对象和制定扶贫战略提供科学参考。与返贫密切相关的还有脆弱性(Vulnerability)研究,其关注度也呈逐年上升趋势。脆弱性的概念首先被应用于自然灾害研究领域,Timmerman最早在地学领域提出了脆弱性的概念[16]。目前脆弱性的应用已经延伸至气候变化、土地利用、可持续发展、生态学、经济学、工程学等研究领域,不过由于研究对象和视角的差异,不同学科领域对脆弱性的定义也有所区别。世界银行在《世界发展报告》中提出“贫困脆弱性”这一术语,认为脆弱性是由于个体或家庭遭遇风险导致贫困人口的基本生活水平下降到地区社会公认水平之下的可能性[17]。当前脆弱性已经成为研究贫困的重要方向,研究内容涵盖外界冲击、抵御能力、适应能力等3个方面,大多数是侧重于外界冲击对家庭或农户陷入贫困状态的直接影响[18],同时也强调教育和健康是家庭陷入贫困脆弱性的两个关键因素[19]。【本研究切入点】综上,目前相关理论研究已经取得了丰硕的成果,然而基于当前视角构建指标体系以预测未来返贫脆弱性的研究相对较少,鲜有揭示返贫脆弱性时空格局的研究成果,对福建省等沿海相对发达地区的返贫脆弱性的研究案例更未见于报道。【拟解决的关键问题】本文以福建省67个县(市、区)为实证对象,探讨2012-2016年期间福建省返贫脆弱性的时空分异特征和产生机制,旨在深入理解贫困的动态表现特征,同时为2020年以后贫困退出背景下制定精准有效的遏制返贫长效机制提供科学借鉴。

    • 福建省位于我国东南沿海,东隔台湾海峡与台湾省相望,南北衔接珠三角和长三角经济圈。全省大部分属中亚热带,闽东南部分地区属南亚热带,具有独特的地理区位优势。福建省素有“八山一水一分田”之称,地势总体上西北高东南低,受新华夏构造控制,形成两条斜贯全省的武夷山脉和戴云山脉。土地总面积12.4万km2,海域面积13.6万km2,现辖福州、厦门、莆田、泉州、漳州、龙岩、三明、南平、宁德9个设区市和平潭综合实验区(平潭县),共67个县(市、区)(金门县除外)[20],并在沿海南北两翼分别形成“厦漳泉”和“福宁莆”两大都市区。2018年末,福建省常住人口3 941万人,其中,农村常住人口1 347万人,占总人口比重的34.2%[21]

      福建省属东南沿海的经济洼地,一方面经济落后于毗邻的浙江省、广东省等经济发达省份;另一方面,其内部由于受复杂的地势地貌和社会经济条件的影响,内陆山区的发展程度明显落后于沿海地区,呈明显的不均衡性[22]。自20世纪80年代,福建省就率先在全国开展有组织的开发式扶贫。2012年,福建省确定了23个省级扶贫开发工作重点县。在“十二五”期间,福建省基本形成了“贫困户-贫困村-贫困县”3个层面的扶贫政策支撑体系[23],取得了巨大的成效。2018年,福建省建档立卡贫困村新退出1 158个,5个省级扶贫开发工作重点县实现摘帽,现行扶贫标准下贫困发生率降至0.02%,基本完成减贫任务[24]。正如《2019全球减贫伙伴研讨会》中提出的“根据国际减贫经验和中国攻坚实践,减贫越到后面,难度越大”[25],同时出现返贫的风险也更高。2020年福建省所有的贫困县将全部退出,而返贫作为新型贫困问题[26],将成为福建省当前以及未来脱贫攻坚的关键问题。因此,福建省的研究案例对其他地区有序退出贫困、有效遏制返贫具有很强的借鉴意义。

    • 如上文所述,脆弱性既是贫困的重要特征,也是返贫的主要原因之一[27]。本文将返贫脆弱性定义为由于个体或群体受到自然要素与人文要素交互作用形成的外部干扰系统而造成从非贫困状态转向贫困状态的可能性及程度。参考VSD(Vulnerability Scoping Diagram)评价框架,将脆弱性分解为暴露性、敏感性和适应能力3个维度[16]。本文尝试构建由“维度层-类别层-指标层”组成层级结构的返贫脆弱性分析框架,并通过系统的暴露性、敏感性和适应能力测度返贫脆弱性程度。其中,暴露性反映对象暴露于或遭受外界不利冲击的可能性和程度,是综合冲击强度、冲击持续时间、空间邻近性等指标的结果;敏感性反映对象容易遭受不利冲击的影响程度或受损的程度,主要由对象自身结构特征来反映;适应能力反映对象抵御不利冲击的能力,包括应对、调整和适应外部冲击的能力水平[28],取决于适应主体的自然、物质、金融、人力和社会资本等。

      图  1  福建省23个省级扶贫重点县

      Figure 1.  Twenty-three counties in Fujian under provincial poverty alleviation program

      返贫在本质上也是贫困,同样具有多维性。多维贫困的概念来自人类能力和发展的概念[29],包括教育、医疗、就业和生活水平等多方面指标,能够更全面地概况贫困的程度和内容。根据暴露性、敏感性和适应能力3大维度层,参考前人的研究成果,本研究尝试构建一个多维返贫脆弱性评价指标体系(表 1)。暴露性利用自然环境和社会风险两个指标来衡量:一是自然环境,包括自然灾害程度和森林覆盖程度两个衡量指标,其中地区的自然灾害频发程度对于较大程度依赖于自然条件的脆弱性群体影响程度较大,森林覆盖率能够较好地表现出地区的环境和生态特性;二是社会风险,包括城镇登记失业率,一定程度上反映了脆弱性群体暴露于社会就业问题的程度。敏感性是指暴露于风险之下的非贫困状态的稳定水平,通过脆弱性群体的人口结构和经济结构来衡量。人口结构由老年人口比例来体现,用以反映家庭面对风险的敏感性程度;经济结构通过第一产业增长值和固定资产投资额共同反映,能够充分说明地区农林牧渔业的发展状况和项目投资情况,折射出地区对于风险的敏感性。适应能力是指脆弱性群体对暴露在外部不利干扰后的自身的抵抗与调整适应负面影响的能力,引入五大生计资本作为指标层,包括脆弱性群体的金融、人力、自然、物质和社会资本。其中,金融资本通过农村人均纯收入来体现,可以说明地区或农户农村居民的平均收入水平;人力资本通过普通初中在校生比例和15~64岁人口比例两个指标来体现,反映地区或家庭的教育水平和劳动力状况;自然资本通过人均土地面积来体现,可以度量地区的发展限度;物质资本通过公路通车里程和农村用电量来体现,分别反映地区公路建设的发展规模以及农村用于生产和生活的电量情况,体现了地区基础设施的建设和保障水平;社会资本通过卫生机构床位数、城镇化率和农村居民最低生活保障人数比例3个衡量指标共同体现,反映出地区的城市化水平和社会福利保障程度。综合分析五大资本来反映地区或群体对于返贫风险的适应能力,其资本能力越强,越有利于抵御外界的不利冲击。

      表 1  福建省县域多维返贫脆弱性指标体系及权重分配

      Table 1.  Multi-dimensional vulnerability evaluation system and weight distribution of return-to-poverty incidents in counties of Fujian

      维度层
      Dimension level
      类别层
      Class level
      指标层
      Index level
      暴露度
      Exposure(0.3)
      自然环境(0.6) 自然灾害程度(0.4)
      森林覆盖程度(0.6)
      社会风险(0.4) 城镇登记失业率(1)
      敏感性
      Sensitivity(0.3)
      人口结构(0.4) 老年人口比例(1)
      经济结构(0.6) 第一产业增长值(0.7)
      固定资产投资额(0.3)
      适应能力
      Adaptation(0.4)
      金融资本(0.2) 农民人均纯收入(1)
      人力资本(0.4) 普通初中在校生比例(0.5)
      15~64岁人口比例(0.5)
      自然资本(0.1) 人均土地面积(1)
      物质资本(0.1) 公路通车里程(0.6)
      农村用电量(0.4)
      社会资本(0.2) 卫生机构床位数(0.3)
      城镇化率(0.3)
      农村居民最低生活保障人数比例(0.4)

      本文的指标权重确定采用广泛应用于指标体系构建中的德尔菲法(Delphi Method),即匿名专家评分法。请8位从事人文地理、区域发展、农业地理、经济地理以及农业农村和贫困等研究领域的权威专家通过背对背匿名的方式对指标因子进行排序或打分,使各轮的咨询能够更加科学有效[30]。通过多次的征询反馈,使专家的观点趋于一致,最终确定权重的大小。

    • 本文采用的主要数据包括矢量数据图层和各县市的基础自然和社会经济统计数据。其中,矢量数据图层来源于地理国情监测云平台网站(http://www.dsac.cn/);各县市的基础统计数据来源于2012-2017年《福建统计年鉴》、《中国县域统计年鉴(县市卷)》、福建省9个地级市的统计年鉴,以及各县(市)的国民经济和社会发展统计公报等。

    • 将数据进行归一化处理后,进行返贫脆弱性等级的评价:

      首先,建立返贫脆弱性评价模型,分别计算各县的暴露性指数(E)、敏感性指数(S)和适应能力指数(A),如(1)所示:

      $ Z=\sum\limits_{i=1}^{m}{{{W}_{i}}{{q}_{i}}}, 其中:{{W}_{i}}=\sum\limits_{j=1}^{n}{{{a}_{j}}{{r}_{j}}~} $

      (1)

      式中,Z指暴露性指数(E)或敏感性指数(S)或适应能力指数(A),qi为类别层第i个类别的权重,aj为指标层第j个指标参数的标准化值,rj为指标层第j个指标的权重系数(rj为带有正负符号的值,属性为正,则符号为+;属性为逆,则符号为-)。

      其次,根据公式(1)计算各县返贫脆弱性指数。由于暴露性和敏感性对脆弱性程度呈正相关关系,适应能力与脆弱性程度呈负相关关系[31],因此,建立返贫脆弱性公式:

      $ V=0.3E+0.3S-0.4A $

      (2)

      式中,ESA为上述Z的计算结果。返贫脆弱性V的值越高,表明返贫可能性越强或程度越大。

      在此基础上,利用ArcGIS软件通过自然断点法(Natural Breaks Class)将福建省67个县(市)的返贫脆弱性得分进行分级并可视化表达。

    • 2012-2016年,福建省的返贫脆弱性程度整体降低,但不同返贫脆弱性等级呈现不同的态势,高返贫脆弱性比例降低,中返贫脆弱性与低返贫脆弱性的比例均提高,同时空间范围也具有明显的动态变化(图 2)。

      图  2  福建省县域返贫脆弱性等级空间分异

      Figure 2.  Spatial differentiation on vulnerability of return-to-poverty in counties in Fujian

      2012-2014年,高返贫脆弱性的比例从65.7%下降至40.3%,其空间范围从沿闽西武夷山脉、闽中戴云山脉两大山脉连片分布格局逐步缩小,形成在全省范围内零星碎片化分布的新格局。中返贫脆弱性的比例从23.9%提高至50.7%,其空间范围从原来的碎片化分布于闽中内陆和沿海发展到集中连片分布的新态势,成为福建省整体返贫脆弱性的主要表现形式。低返贫脆弱性的比例从10.4%减少至9.0%,在空间分布上集中于两大沿海都市区,格局无明显变化。

      2014-2016年,高返贫脆弱性的比例从40.3%下降至31.8%,在空间上沿两大山脉扩展延伸,再次形成连片分布态势,呈现出团状和带状连接格局。中返贫脆弱性的比例从50.7%下降至56.1%。在空间上从集中连片的格局进一步显现,沿海的中脆弱性地区呈现出环都市区分布的格局。低返贫脆弱性的比例从9.0%提高至12.1%,在空间上,仍表现为集聚在沿海两大都市区分布,其中“福宁莆”都市区的低返贫脆弱性地区呈带状分布格局。值得注意的是,随着福建省社会经济水平整体的提高,低返贫脆弱性地区也开始在内陆出现。

      返贫脆弱性是对返贫现象的风险评估,随着时间的变化,由于内部条件和外部干扰等因素,脆弱性等级呈现出时间维度上的变化。2012-2016年,随着省级扶贫开发工作重点县的确定,精准扶贫工作的推进落实,政策的进一步倾斜使得贫困问题得到广泛的关注和重视,高度返贫脆弱性程度逐渐减小,福建省整体的返贫脆弱性缓解。

    • 2012-2016年,福建省高返贫脆弱性在空间上的动态变化表现为“破碎-连接”的态势;中返贫脆弱性表现为“集聚-连片”态势;低返贫脆弱性变化较小,总体呈现“收缩-连接”态势(图 2)。以2016年的识别结果为例,具体阐述不同返贫脆弱性等级空间分布格局(图 2-C)。

      高返贫脆弱性县(市、区)主要集中在内陆山区的南平市、三明市、宁德市,包括松溪县、政和县、顺昌县等21个县(市)。其中,闽西地区的高返贫脆弱性地区(松溪县、政和县、顺昌县、延平区、建宁县、泰宁县、将乐县、宁化县、清流县、明溪县)呈团状分布;闽东北地区的高返贫脆弱性地区(柘荣县、寿宁县、周宁县、屏南县、古田县、闽清县、永泰县、德化县、长泰县)沿戴云山脉呈带状分布;此外,东山县和平潭县(综合实验区)两个海岛地区也呈现出高返贫脆弱性,值得关注。2016年的高返贫脆弱性识别结果与福建省23个省级扶贫开发重点县进行叠加,重合率为66.7%,重合度较高。重合区主要分布在内陆山区广布地区,返贫脆弱性程度较深。

      中返贫脆弱性县(市、市辖区)广泛分布在9个地级市上。在空间上,整体呈3大片区。具体而言,首先最大的片区分布在龙岩市、三明市、漳州市、泉州市、莆田市,沿戴云山脉向四周扩展,包括武平县、上杭县、长汀县、连城县、三明市辖区、永安市、沙县、尤溪县、大田县、漳平市、仙游县、永春县、南安市、泉州市辖区、惠安县、石狮市、安溪县、华安县、漳州市辖区、南靖县、龙海市、平和县、漳浦县、云霄县和诏安县,共25个。其次是南平片区,沿武夷山脉分布,包括浦城县、武夷山市、建阳区、建瓯市、光泽县和邵武市,共6个。最后是环“福宁莆”都市区片区,包括福鼎市、福安市、霞浦县、宁德市辖区、罗源县和闽侯县,共6个。中返贫脆弱性地区与高返贫脆弱性地区交错分布,在一定程度上受到邻近区域综合竞争力的辐射作用影响。低返贫脆弱性县(市、市辖区)仅8个。在空间分布上主要包括“福宁莆”都市区的连江县、福州市辖区、长乐市、福清市、莆田市辖区轴带状分布;“厦漳泉”都市区的晋江市、厦门市辖区,以及内陆的龙岩市辖区。

      2012-2016年,不同的返贫脆弱性程度地区呈现出不同的空间响应,可能是由于扶贫的边际递减效应及空间关联效应,通过具体的案例加以分析:古田县早期大力发展农业,生产效益良好,2012-2014年,返贫脆弱性由高度向中度变化,而单纯地依赖农业,农业效应逐渐减弱,2014-2016年,古田县再次成为高返贫脆弱性县。柘荣县由于县域面积小,发展动力有限,长期处于高返贫脆弱性等级。2014-2016年期间,长乐市发挥中心城区辐射功能,注重二、三产业的发展,返贫脆弱性等级由中度向低度转变,使得“福宁莆”都市区的低返贫脆弱性地区在空间上连接成带状。不同地区的变化各异,因此在空间上随着时间的变化呈现出不同的空间格局。

    • 返贫脆弱性不仅是长期贫困的特征,也是再生性贫困的重要诱因,造成社会格局不断复杂化。返贫在本质上是多维的贫困问题,返贫脆弱性是由多因素共同作用的。一般而言,返贫脆弱性的影响因素有外源性和本源性两个部分。本文以返贫脆弱性得分作为因变量,将所选取的自然环境、社会风险、人口结构等9个类别作为自变量,本文通过建立定量化Pearson相关分析,结果显示,人口结构、经济结构、金融资本、自然资本、物质资本、社会资本与返贫脆弱性显著相关(表 2)。在此基础上,通过线性回归分析,选取人口结构、经济结构、金融资本、物质资本、社会资本下属的指标为自变量,返贫脆弱性得分为因变量,所得线性回归结果如表 3所示:第一产业增长值、固定资产投资额、农村用电量、城镇化率和农村居民最低生活保障人数比例与返贫脆弱性显著相关。具体分析如下。

      表 2  各类别与返贫脆弱性得分的Pearson相关分析的显著性

      Table 2.  Pearson correlation significances between categories and scores on vulnerability of return-to-poverty

      年份
      Year
      自然环境
      Natural environment
      社会风险
      Social risk
      人口结构
      Population structure
      经济结构
      Economic structure
      金融资本
      Financial capital
      人力资本
      Human capital
      自然资本
      Natural capital
      物质资本
      Physical capital
      社会资本
      Social capital
      2012 0.006* 0.067 0.000* 0.000* 0.000* 0.110 0.000* 0.000* 0.000*
      2014 0.403 0.011* 0.007* 0.000* 0.000* 0.849 0.044* 0.000* 0.000*
      2016 0.586 0.027* 0.000* 0.000* 0.000* 0.381 0.000* 0.000* 0.000*
      注:*在0.05水平上显著相关(R2<0.05)。表 3同。
      Note:* Significantly correlated at 0.05 (R2<0.05).The same as Table 3.

      表 3  不同指标与返贫脆弱性得分的线性回归结果

      Table 3.  Linear regression between indicators and scores on vulnerability of return-to-poverty

      项目
      Item
      人口结构 经济结构 金融资本 自然资本 物质资本 社会资本
      老年人口比例 第一产业增长值 固定资产投资额 农民人均纯收入 人均土地面积 公路通车里程 农村用电量 卫生机构床位数 城镇化率 农村居民最低生活保障人数比例
      显著性
      Significance
      0.096 0.000* 0.028* 0.722 0.000* 0.486 0.000* 0.037* 0.052 0.000*
      相关系数
      Correlation coefficient
      0.081 -0.205 -0.107 0.027 -0.352 -0.019 -0.054 -0.113 -0.271 -0.161
      注:人口结构 Population structure,经济结构 Economic structure,金融资本 Financial capital,自然资本 Natural capital,物质资本 Physical capital,社会资本 Social capital,老年人口比例 Proportion of elderly population,第一产业增长值 Growth of primary industry,固定资产投资额 Fixed investments,农民人均纯收入 The per capita net income of farmers,人均土地面积 Per capita land area,公路通车里程 Highway mileage,农村用电量 Rural electricity consumption,卫生机构床位数 Number of beds in health facilities,城镇化率 Urbanization rate,农村居民最低生活保障人数比例 The proportion of rural residents receiving minimum living allowances。

      (1) 第一产业增加值与返贫脆弱性呈显著负相关。经济结构是反映农户生计能力或返贫脆弱性程度最直接的指标之一。随着第一产业增加值的提高,返贫脆弱性程度将降低。福建省的三次产业结构由2012年的9.0:51.7:39.3调整为2016年的8.3:48.5:43.2,相比于相邻的沿海省份而言,第一产业所占比重较大。福建省内多山,而贫困农户绝大多数分布在内陆山区,主要从事收入回报比较低的农林牧渔业生产,导致其返贫脆弱性相对较高。可见,农林牧渔业的发展状况与脆弱性群体的生计条件息息相关。一方面,对贫困户来说,第一产业的发展一定程度上增加了就业机会,实现增加创收,降低自身生计脆弱性;另一方面,产业发展作为扶贫开发过程中的杠杆,直接影响返贫脆弱性的高低,推进二、三产业的发展,尤其是“一二三”产业融合发展能够促进内生性脱贫,对可持续脱贫而言至关重要。

      (2) 固定资产投资额与返贫脆弱性呈显著负相关。固定资产投资额作为一个综合性指标,反映地区固定资产投资的规模、速度、比例关系和使用方向,影响返贫脆弱性程度的高低,其中最主要的是促进地区的经济增长与农民收入增加。2012-2014年,福建省的固定资产投资平均以22.23%的速度增长,高于地区生产总值10.77%的平均增长速率;同期内,农民的年平均收入水平也从9 967元增长到12 650元,年均增长13.46%,特别是收入五等分分组中的低收入组收入水平也相应从3 787元增长到4 691元,年均增长11.94%。

      (3) 人均土地面积与返贫脆弱性呈显著负相关。人均土地面积能够体现地区的发展能力,人均土地面积越大,可用于发展的资本越充分,返贫脆弱性程度越低。福建省县域层面中,如柘荣县、长泰县,以及东山县和平潭县(综合实验区)两个海岛地区的土地面积都很小,使得地区自身和当地农民的发展能力受阻,2012-2016年的返贫脆弱性识别结果显示,其脆弱性等级都呈高度脆弱性。人均土地面积有限的地区,应当充分挖掘地区优势,加强对外联系以带动发展,从而减轻返贫风险。

      (4) 农村用电量与返贫脆弱性呈显著负相关。农村用电量包括农村生产和生活的全年用电总量,反映农村生产力水平和农民生活水平的高低。农村生产力水平的高低很大程度上决定了农林牧渔业的发展程度和速度,从而影响农户的生活水平和贫困农户的发展动力条件。因此,农村用电量提高,体现返贫脆弱性一定程度降低。此外,农村用电量的多少还体现农村地区的电网建设水平,影响农户的生活水平,从而影响未来返贫脆弱性的高低。

      (5) 卫生机构床位数与返贫脆弱性呈显著负相关。卫生机构床位数能够充分体现地区的医疗水平,因病致贫、因病返贫是当前贫困问题中的重大难题,因此医疗水平的高低能够有效反映地区的返贫脆弱性程度,卫生机构床位数多,医疗水平较高,返贫脆弱性等级较低。2014-2016年,福建省的医疗机构床位保持着较为稳定的增速,2015年全省医疗机构床位总数173 199张,比上年增长5.11%,全省每千人口医疗机构床位数达4.51张,在一定程度上提高医疗保障水平,影响返贫脆弱性等级。

      (6) 农村居民最低生活保障人数比例与返贫脆弱性呈显著负相关。农村居民最低生活保障是针对地区贫困人群的一项社会救助制度,切实保障农村低收入人群(因病残、年老体弱、丧失劳动能力、生存条件恶劣等的脆弱性群体)的基本生活。福建省已经实现农村最低生活保障制度与扶贫开发政策的有效衔接。近年来,因病致贫、因病返贫的现象凸显,且在返贫发生率中占比较大。严重的健康问题会增大家庭的支出,使原本就具有生计脆弱性的家庭加剧了潜在的返贫脆弱性,而农村居民最低保障通过一定的物质帮助,可以有效缓解脆弱群体生活水平的急剧下降,防止已脱贫群体重陷贫困状态。因此,保障的覆盖度越高,越能有效防止返贫现象的发生。

    • (1) 2012年,福建省确定23个省级扶贫开发工作重点县,并将其作为扶贫开发的主战场,全省各地遵循“弱鸟先飞、滴水穿石”的精神,持之以恒推进扶贫开发工作,脱贫攻坚成效卓著,返贫风险得以有效控制,返贫脆弱性降低。2014-2016年,高返贫脆弱性在空间上进一步减少,中返贫脆弱性在空间上连片,低返贫脆弱性在空间上出现连接形成带状,整体上返贫脆弱性程度由高度脆弱性向中度脆弱性转变。福建省的贫困人口数从2012年的130.5万人下降至2016年的20.44万人,上一阶段中退出的贫困群体在短期内仍具有较大的生计脆弱性,在这个阶段中表现为中、高返贫脆弱性。

      (2) 未来要实现可持续稳定脱贫,要重点关注中、高返贫脆弱性地区。值得注意的是,在沿海环都市区仍分布着部分中脆弱性地区,未来需要防范城乡差距的扩大化。此外,东山县和平潭县(综合实验区)两个海岛地区也呈现出高返贫脆弱性,未来海岛地区的发展也值得关注。

      (3) 2020年,中国将实现现行标准下农村贫困人口的脱贫,贫困县全部摘帽,而返贫脆弱性将成为贫困退出需要关注的重点问题。当前,学术界对于返贫、空间贫困、脆弱性的研究解释较为丰富,但基于未来的视角,探讨返贫脆弱性等级分异和产生机制的学术储备尚显不足,需要引起高度关注。

    • 国内外经验显示,未来贫困发生率降低,返贫风险将加剧。福建省返贫脆弱性等级特征明显,针对返贫脆弱性的不同等级程度与产生机制,未来有效削减返贫脆弱性应当注意以下两个方面:

      (1) 构建返贫脆弱性识别机制。一方面,确保信息获取、收集、反馈渠道畅通,实时跟踪已脱贫群体的数据信息,实现动态化管理。另一方面,将多维返贫脆弱性测度体系纳入贫困动态评估体系中,严格设置返贫脆弱性等级标准,精准识别各县市的返贫脆弱性程度,利用GIS技术手段,实现空间分布格局的可视化表达,及时瞄准高脆弱性对象,破解贫困的“空间陷阱”。

      (2) 制定精准遏制返贫举措。根据返贫脆弱性等级识别结果,制定高效精准的遏制策略。首先,重点关注高、中返贫脆弱性地区,内陆山区脆弱性程度相对较高,应充分挖掘地区优势,完善基础设施建设(包括交通、电网和水利设施等),同时通过周围地区辐射带动,打造因地制宜的扶贫模式;其次,对于低返贫脆弱性地区,要不断优化产业结构,提高自身发展能力,积极引导贫困稳定退出,完成贫困县摘帽。

参考文献 (31)

目录

    /

    返回文章
    返回