长期以来,贫困是世界各国经济社会发展过程中面临的重要挑战[1]。1949年中华人民共和国成立初期,全国处于普遍贫困状态,国家采取的救济式扶贫方式主要满足贫困人口最基本的吃饭和穿衣需求;1978年改革开放以来,中国的扶贫开发经历了体制改革促进扶贫、开发式扶贫、八七扶贫攻坚、整村推进和精准扶贫等阶段[2,3]。通过这些实践,中国成功走出了一条以经济发展和扶贫开发双轮驱动,政府主导、社会帮扶与农民参与的大扶贫格局、普惠性政策与特惠性政策相结合、扶贫开发与社会保障相衔接的中国特色扶贫开发道路[4]。农村贫困人口由1978年的2.5亿下降为2016年底的4335万人,贫困发生率从30.7%下降到4.5%,成为首个实现联合国贫困人口减半这一千年发展目标的国家,为全球减贫与发展事业做出了巨大贡献。

贫困最初被认为是一种特殊的经济现象,是指个人或家庭的收入无法满足其基本生活水平和需要的状态[5,6]。随着经济社会的发展,人们对贫困的认知不断深化。整体来说,对贫困的认知经历了经济学视角的基本需求理论[7]、社会学视角的社会排斥理论[8]、发展学视角的能力贫困和多维贫困理论[9,10]、政治学视角的阶级理论和权利理论[11,12]等阶段,其概念内涵包括资源的匮乏和手段、能力与机会的缺乏。贫困测度也随着对贫困研究的深入而发展,主要包括收入/消费标准[13]、人类发展指数（Human Development Index, HDI）[14]、多维贫困指数（Multidimensional Poverty Index, MPI）[9, 15]等。其中,多维贫困指数从健康、教育、生活标准等维度综合测度个体的生活质量,尤其是基于Alkire-Foster（AF）的“双界线”方法,通过对不同个体或家庭的研究,揭示不同国家之间[16]、不同区域之间[17]、区域内部不同地区之间[18]的贫困状况,弥补了以往贫困测量方法的不足,有助于更加深入地量化和了解贫困,从而指导地区的减贫政策制定和实施。

在中国的减贫实践中,政策目标的瞄准是减贫的重要内容[19]。整体来看,中国的贫困瞄准经历了从区域瞄准到县域瞄准、再到贫困村和贫困户瞄准的演变[20,21],减贫目标由区域到个人的瞄准极大地提高了扶贫资源的利用效率。然而,以收入为核心标准的减贫瞄准机制受制度本身及行为主体的自身条件的影响存在不同程度的偏离,造成新的不平等[21,22]。同时,尽管中国的农村贫困问题得到了极大地缓解,但阻碍农村发展的自然环境和社会经济因素依然存在,农村贫困人口规模大、分布广、贫困程度深、脱贫难度大的区域性整体贫困状况尚未根本改变[5]。为补齐农村发展短板、推进全面建成小康社会目标的实现,以国家扶贫开发工作重点县为主体的集中连片特殊困难地区成为新时期扶贫攻坚的主战场。党的十八届五中全会明确提出,“到2020年,要实现现行扶贫标准（2010年不变价）下贫困人口全部脱贫、贫困县全部摘帽的目标,解决区域性整体贫困”。需要指出的是,2020年消除的仅是绝对贫困,相对贫困问题依然会长期存在。2020年后,中国的农村贫困将进入一个以区域与城乡收入差异、社会公共服务获取不平等、多维贫困等为主要特征的相对贫困阶段[23]。面向农业农村现代化发展的需要,乡村振兴成为新时期“三农”工作的抓手,这也需要因地制宜、分类精准实策[24,25]。因此,针对贫困地区,探讨2020年后中国减贫瞄准对新时期扶贫开发政策的制定具有重要的指导意义。

县作为中国行政区划的一个基本单元[26],是宏观政策制定和微观政策落实的结合部,在扶贫开发中扮演着重要的角色。本文立足于人地关系地域系统理论,剖析中国贫困发生机理,从人类发展能力、社会经济水平、自然资源禀赋等维度构建了县域农村多维贫困测度的评价指标体系,利用BP神经网络模型模拟中国县域农村贫困的空间格局,从而识别出2020年后仍需国家政策倾斜的帮扶县,并将其与现阶段的扶贫开发重点县和集中连片特困地区县进行对比分析,揭示新识别帮扶县与当前贫困县之间的差异,为2020年后中国减贫与发展政策的制定和实施提供理论依据和决策参考。

人地关系地域系统（man-land areal system）是由“人”与“地”两个子系统在特定的时间和空间相互影响、相互作用而形成的具有一定结构和功能的复杂开放巨系统[27,28,29],两者通过物质循环和能量转化相联系,并与外部环境进行要素的交换。在这个开放巨系统中,人是从事生产与生活活动的社会人,地理环境指地球表层自然要素和人文要素相互交织而构成的地理环境整体[30,31],由此人类主体、自然本底、社会经济构成了人地关系地域系统中密切联系的三个部分。在外部环境的影响下,三者之间及其内部要素之间存在着多种相互作用（图1）,并随时空的推移和结构的演变而不断变化。人类是人地关系地域系统中的行为主体,对系统的发展起着决定性的作用。人类通过劳动认识、利用和改造自然,以满足人类自身生存与发展的需要[32],其自身能力的高低决定着对自然本底资源利用的程度和社会经济活动的广度和深度。自然本底是人地关系地域系统中人类作用的对象,为人类生存和经济活动开展提供物质基础和空间载体,影响着人类社会经济活动的地域特征,同时也通过其自身的承载能力制约着人类活动的开展。社会经济是人地关系地域系统中人地相互作用的纽带和产物,通过投入—产出联系将自然本底资源纳入社会生产体系,为人的生存发展提供必需的产品,表征着人类为生存和发展而对自然环境施加的影响及其作用程度。在环境承载力的基础上,通过社会生产力的发展,人地关系在“改造—适应”、“超越—制约”过程中得以发展[33]。然而,当人地关系出现矛盾,并且达到急剧对抗甚至否定态势时,人地关系可能走向相反的“破坏—衰败”的崩溃模式[33]。

显示原图| 下载原图ZIP| 生成PPT

图1   基于人地关系地域系统的农村贫困发生机理

Fig. 1   Mechanism of rural poverty based on the man-land areal system

农村贫困作为乡村地域系统发展演化过程中农民主体、自然本底、社会经济相互之间及其内部组分关系失调所引起的一种复杂社会现象,本质上是区域与城乡系统中乡村地域人地关系出现矛盾冲突的不良结果的一种体现（图1）。长期以来,中国农村在水、土、气、生等要素方面劣势明显,农村环境承载能力有限[32],加之城乡和区域间经济社会发展的差异使得农村地区大量的要素外流,限制了农村地区社会经济活动的开展和基础设施的建设。同时,与低水平的社会经济发展和人口素质相应的是,农村地区人口基数大,一方面对自然本底造成巨大的压力,农村资源环境往往出现超载现象,另一方面农村有限的要素禀赋难以满足经济社会进一步发展的需要,使得农村地区人地矛盾突出,由此造成“人”与“地”在空间以及物质、能量、信息交流上的对立[34]。农村贫困是指农村地区人地关系失衡的一种外在表现,是区域发展主体能力、自然资源禀赋、社会经济水平不相协调的结果。1949年中华人民共和国成立以来,中国政府积极推行的农村减贫政策与实践,打破了农村贫困的“循环累积”态势,基本消除了收入型绝对贫困,但是以区域与城乡收入差异、公共服务不均等、多维贫困等为主要特征的相对贫困问题仍不容忽视。

贫困的测度方法经历了从单一指标到健康、教育、生活标准等多维指标的发展演变[35]。整体来说,这些方法度量的是主体的贫困,而对地理环境在贫困发生机理中的作用考虑不足[36,37]。基于前述理论分析,从人地关系地域系统的角度出发,研究将农村贫困问题置于区域发展的大背景下,构建了包括人类发展能力、自然资源禀赋、社会经济水平等在内的县域多维贫困测度指标体系。遵循指标的科学性、系统性、综合性、层次性、简明性和可操作性等原则,指标的选取着重突出区域的差异性和可比性。同时,综合考虑现阶段中国县域农村贫困实际情况及新时期精准扶贫战略关于“两不愁、三保障”（不愁吃、不愁穿,义务教育、基本医疗和住房安全有保障）的要求,借鉴相关文献[15, 37-38]、以及国家扶贫开发工作重点县和集中连片特殊困难地区的划定标准,研制表征中国县域综合发展能力的指标体系（表1）。

表1   县域综合发展能力指标体系

Tab. 1   The index system for the comprehensive development capacity of the county

新窗口打开

具体来说,人类发展能力指人类认识、利用和改造自然的能力,与县域人口的质量和数量密切相关,选用平均受教育年限和劳动适龄人口占比来分别表示人口的质量和数量,同时受教育水平也可以在一定程度上表征县域教育资源供给水平。由于少数民族与汉族在文化、教育等方面存在明显的差异,因此进一步选取少数民族人口占比来表征主体发展能力的差异。社会经济水平是指县域社会经济发展水平,包括经济发展水平、公共服务供给水平、对外联系便捷程度等方面。选取人均GDP、农民人均可支配收入、人均财政收入、城镇化率等表征县域经济发展水平,选取卫生机构床位数、15~64岁妇女活产婴儿平均存活率表征县域医疗服务供给数量与水平,选取人均住房建筑面积表征县域住房条件,选取道路交通密度表征县域对内协作和对外联系的便捷程度。自然资源禀赋是县域社会经济发展的物质基础和空间载体。选取县域平均海拔、平均坡度、地表破碎度表征县域社会经济活动开展的地形地貌条件,年均降雨量、人均耕地面积、净第一性生产力、农田生产潜力表征的是县域的生产条件,尤其是第一产业的生产条件。

贫困发生率指一个地区的家庭人均纯收入低于特定国家扶贫标准的人口占总人口的比例,是表征区域贫困状况的重要指标。为检验选取的指标对县域贫困状况的影响,研究利用皮尔逊（Pearson）相关系数开展指标之间的相关性分析,根据相关系数确定各指标影响贫困发生率的程度及其影响极性,识别出致贫因子和减贫因子指标。同时,也为后续的BP神经网络模型中数据训练与模拟的准确性提供参考依据。Pearson相关系数分析结果（表2）表明,所选取的指标中,平均海拔、坡度大于15°土地面积占比、地表破碎度、少数民族人口占比与县域贫困发生率呈现正相关,为致贫因子;人类发展能力指标中的平均受教育年限、适龄劳动人口占比和自然资源禀赋指标中的年均降雨量、人均耕地面积、净初生产力（NPP）、农田生产潜力以及全部社会经济水平指标均与贫困发生率呈现负相关,为减贫因子。从显著性水平来看,仅有人均财政收入和年均降雨量两个指标的显著性水平大于0.01,分别为0.069和0.150,其余指标均小于0.01,表明各指标与贫困发生率密切相关。

表2   Pearson相关系数分析结果

Tab. 2   Results of Pearson correlation coefficient analysis

注：**表示相关系数在0.01水平（双侧）上显著性相关。

新窗口打开

多指标综合评价是指将若干个评价指标通过特定的数学函数“合成”为一个整体性的综合评价值[39],主要有层次分析法、模糊综合评价法、灰色综合评价法、数据包络分析法、人工神经网络分析法等。基于前述理论分析,本文认为贫困是一个由人类主体、自然资源禀赋、社会经济等多因素相互作用导致人地关系失衡的一种表现,各因素之间及其内部各要素之间相互影响,呈现出一种不确定的非线性复杂关系。在处理这类非线性地理模式识别、地理过程模拟与预测等问题时,人工神经网络模型具有其独特的优越性[40]。其中,BP（Back Propagation）神经网络作为人工神经网络模型的一种,是按照误差逆向传播算法训练的多层前馈神经网络,具有任意复杂的模式分类、优良的多维函数映射和自学习能力强、高速寻找优化解、联想存储等特点,可以全面客观地反映县域农村多维贫困状况。因此,本文采取BP神经网络模型对县域贫困进行研究。

BP神经网络是一种多层次结构的网络,包括输入层、隐含层、输出层（图2）,其基本处理单元（输入层除外）之间是高度非线性的多输入——多输出映射关系[39],并且处理单元的输入与输出值可连续变化。BP神经网络的学习过程由正向传播和反向传播组成。在正向传播过程中,信息从输入层经隐含层处理,再传到输出层。相邻层之间各神经元实现全连接,且每一层的神经元只影响下一层神经元的状态。如果输出层得不到期望的结果,则反向传播,将误差信号沿原来的路径返回,通过修改各层神经元的权重使得误差信号最小。理论上已经证明一个三层的BP神经网络模型能够实现任意多维的连续映射[41],因此本文选择三层BP神经网络建立县域农村贫困预测识别模型（图2）。

显示原图| 下载原图ZIP| 生成PPT

图2   BP神经网络拓扑结构图

Fig. 2   Topology diagram of BP neural network

基于前述构建的指标体系和Pearson相关系数结果,将刻画人类发展能力、自然资源禀赋和社会经济水平的指标值分别作为BP神经网络模型的输入层神经元,输出层对应为人类发展能力指数（Human Development Index, HDI）、社会经济水平指数（Socio-economic Index, SEI）和自然资源禀赋指数（Resource Endowment Index, REI）,从而构建起县域发展能力指数（County Development Index, CDI）的BP神经网络模型,其计算公式为：

CDI=HDI+SEI+REI（1）

CDI值越大,则县域贫困压力越小,反之,则贫困压力越大。为满足训练集的需要,采用自然间断点分级法将标准化后的主体能力指标、社会经济指标和自然本底指标划分为20个类别,并构建训练神经网络。通过对不同训练函数、学习函数、传递函数的输出结果和误差的对比,人类发展能力指数（HDI）、社会经济水平指数（SEI）和自然资源禀赋指数（REI）神经网络的训练函数、学习函数、传递函数均分别选择TRAINLM函数、LEARNGDM函数、TANSIG函数。隐含层节点个数采用交叉验证的方式来获取,最终确定人类发展能力指数、社会经济水平指数和自然资源禀赋指数的训练网络的隐含层节点个数分别为3个、6个和7个。训练批次设定为10000次,其他参数均采用系统默认值。

研究所使用的县级行政单元矢量边界数据来源于国家基础地理信息中心（http://www.ngcc.cn/）,时间为2012年。以2012年为基准年份,对2010-2015年间涉及行政区划调整的县级行政单元进行归并、对应等操作,同时排除无农村人口的县级单元和港澳台地区,共获得2731个县级行政单元,包括区、县级市、县（自治县）、旗（自治旗）等类型。数字高程模型（DEM）下载于WebGIS（http://www.webgis.com/index.html）,分辨率为90 m×90 m。降雨量、土地利用、净第一性生产力（NPP）、农田生产潜力等数据来源于中国科学院资源环境科学数据中心（http://www.resdc.cn）,道路交通数据来源于国家基础地理信息中心,人均GDP、人均财政收入、农民人均纯收入、卫生机构床位数等社会经济数据来源于各省、市、自治区2016年统计年鉴及各县（区）2015年国民经济和社会发展统计公报,城镇化率、受教育水平、劳动适龄人口、人均住房建筑面积、15~64岁妇女活产婴儿平均存活率等数据来源于2010年全国人口普查分县资料。对于部分区县缺失的数据,采用相邻年份补齐或者利用县级单元所在地级市的平均值予以替代。

将获取的全国区县数据输入到训练好的BP神经网络模型中模拟预测人类发展能力指数、社会经济水平指数和自然资源禀赋指数,并利用公式（1）计算县域发展能力指数。通过ArcGIS 10.2对计算结果进行空间可视化操作,得到县域发展能力指数及其分维度值的空间格局（图3）。

显示原图| 下载原图ZIP| 生成PPT

图3   中国县域发展能力指数及其单维度指数空间分布

Fig. 3   Spatial distribution of county development index and its single dimension index in China

3.1.1 人类发展能力指数（HDI） 以厦门—克拉玛依一线为界,人类发展能力指数被划分为差异显著的两个部分,北侧以中高值和高值为主,南侧以低值和中低值为主。具体来看,人类发展能力指数低值县域（0.00 ≤ HDI

Fig. 5   Spatial distribution of poverty stress at county level in China in 2020

将识别的帮扶县与现阶段国家层面的832个贫困县进行空间叠加分析发现（图6）,研究新识别的帮扶县有149个,占帮扶县总数的20.81%,主要分布在天山南麓和北麓、西南地区的集中连片特困地区外围和鲁豫皖三省交界地区。此外,有567个贫困县在2020年后依旧需要国家政策支持,有261个贫困县实现了稳定脱贫的目标。进一步地从国家扶贫开发工作重点县（简称“重点县”）和集中连片特困地区县（简称“片区县”）的角度来看,重点县和片区县中分别有387个、509个为帮扶县,分别占帮扶县总数的54.05%和71.09%。帮扶县中,既是重点县又是片区县的县域有329个,主要分布在除西藏区、大兴安岭南麓山区以外的其他集中连片特困地区;是重点县但非片区县的县域有58个,零散分布于集中连片地区外围和北疆;是片区县但非重点县的县域有180个,主要分布在青藏高原地区。能实现稳定脱贫的261个县主要分布在地势二、三阶梯的过渡地带和发展条件较好的中部地区、东北东部,其中既是重点县又是片区县的县域有111个,是重点县但非片区县的有94个,是片区县但非重点县的有56个。

显示原图| 下载原图ZIP| 生成PPT

图6   2020年中国帮扶县与现阶段贫困县的空间比较

Fig. 6   Spatial comparison between aiding counties in 2020 and poverty-stricken counties at present in China

从县域发展能力指数（表4）来看,帮扶县的县域发展能力指数均低于片区县和重点县,其中,社会经济水平指数（6.62）稍高于片区县（6.48）,但低于重点县（6.69）,人类发展能力指数、自然资源禀赋指数均低于片区县和重点县,并与重点县有较大差距。整体来说,2020年后帮扶县主要分布在西部的青藏高原高寒区、地势三大阶梯的过渡地带和西南喀斯特地区,这些地区主要是深度贫困地区,长期以来贫困程度深、人口素质不高、人均耕地面积有限,同时脆弱的生态环境和频发的地质灾害极大地限制了地区社会经济发展。

表4   2020年中国帮扶县与现阶段的贫困县的发展能力指数对比

Tab. 4   Comparison of CDI between aiding counties in 2020 and poverty-stricken counties at present in China

新窗口打开

基于识别的帮扶县,利用最小离差平方和法（Ward's method）对帮扶县进行类型划分,以使各分类的离差平方和最小、类间离差平方和尽可能大。由于对数据之间的相似性并无明确的掌握,在进行聚类分析时,对聚类数并无明确规定,具体的类型数量根据聚类分析层次聚类谱系图确定为4类（图7）。遵循主导因素一致性和地域相似性原则,分别将这4类县域命名为综合制约型一类重点帮扶县、人类发展能力制约型二类一般帮扶县、自然资源禀赋和社会经济水平制约型三类一般帮扶县、人类发展能力和社会经济水平制约型四类一般帮扶县,数量占比分别为29.05%、12.15%、19.83%和38.97%。各类型分区及其主要地域特征如表5所示。

显示原图| 下载原图ZIP| 生成PPT

图7   2020年中国不同类型帮扶县空间分布

Fig. 7   Spatial distribution of different types of aiding counties in China in 2020

表5   2020年中国帮扶县类型划分及其主要特征

Tab. 5   Classification of aiding counties in 2020 and the main features in China

新窗口打开

2020年实现现行标准下农村贫困人口脱贫、贫困县摘帽目标,并不意味中国农村反贫困的终结,相对贫困将会长期存在。因此,基于2020年后中国农村减贫瞄准的研究,进而识别出仍需要国家政策继续倾斜的帮扶县,对2020年后国家减贫与发展政策的制定具有重要理论意义和实践价值。

（1）农村贫困本质上是乡村地域系统人地关系失衡的一种表现,是区域发展主体能力、自然资源禀赋、社会经济水平不相协调的结果,主要体现在区域内部要素的短缺。其中,人类主体能力是人地关系地域系统中的决定性因素,自然本底为人地系统演进提供了物质基础和空间载体。

（2）人类发展能力、社会经济水平、自然资源禀赋状况及由这三个维度构成的县域综合发展能力呈现出明显自东南沿海向西北内陆递减的趋势。整体来说,青藏高原高寒区及其外围、南疆四地州等地区的县域发展能力较弱（为低值区）,而自然条件较好、经济发展水平较高的东部沿海地区、四川盆地、长江中下游等地区的县域发展能力较强,为中高值和高值区。

（3）2020年后仍需要国家减贫政策继续倾斜的县有716个,主要分布在青藏高原高寒区、三大阶梯过渡地带和西南喀斯特地区。进一步将其划分为综合制约型一类重点帮扶县、人类发展能力制约型二类一般帮扶县、自然资源禀赋和社会经济水平制约型三类一般帮扶县、人类发展能力和社会经济水平制约型四类一般帮扶县4种类型,分别占29.05%、12.15%、19.83%和38.97%。

2020年全面建成小康社会,标志着长期存在的中国农村收入型绝对贫困的基本终结,以区域与城乡收入差异、社会公共服务获取不平等、多维贫困等为主要特征的相对贫困逐渐成为农村贫困的基本面[23]。新的贫困格局需要结合乡村振兴战略的实施,制定新的帮扶战略,从而提升帮扶资源的使用效率,增强脱贫人口自我发展能力和贫困县的内生发展动力,防止各种返贫现象的出现[42]。在巩固脱贫攻坚成果进程中,应实事求是、因地制宜、分类指导、讲求实效,强化帮扶政策的科学论证,根据不同类型帮扶县人地关系矛盾的地域差异而采取针对性的减贫帮扶措施。

减贫是一项复杂的系统工程和社会工程[43,44]。对于综合制约型一类重点帮扶县,应重视发展当地教育事业,稳步提升县域人口的综合素质,并积极投入到地区生态环境建设中,提升自然本底的承载能力,减少因灾致贫、返贫;对于不适合居住地区,应积极推进易地扶贫搬迁,从根本上解决自然环境引发的贫困问题。对于人类发展能力制约型二类一般帮扶县,应稳步推进乡村地区科教文卫事业发展,以增强认识、利用和改造自然的能力与水平,逐步摆脱自然环境对人类活动的限制;同时依托生态环境和产业基础,大力发展优质特色产业,减缓人口外流。对于自然资源禀赋和社会经济水平制约型三类一般帮扶县,应充分发挥地区的人力资本优势,在生态环境容量和资源承载能力制约下挖掘县域的优势资源,发展优势特色产业,使经济社会活动更好地适应自然规律,实现生态保护经济社会的可持续发展。对于人类发展能力和社会经济水平制约型四类一般帮扶县,应在今后精准扶贫中稳步推进扶贫同扶智、扶志紧密结合,提升贫困人口的文化素质和贫困家庭的劳动力技能,阻断贫困的代际传递。同时,有效推进工业化、城镇化发展,减轻农村地区自然环境的压力,实现人地和谐发展。新时期中国贫困格局、贫困化机制、减贫途径及问题亟需深化创新精准扶贫的体制机制,加强该领域研究的多学科交叉融合,这为贫困地理学的建立和发展提出了新机遇和新挑战。

The authors have declared that no competing interests exist.