贫困与土地健康利用空间关联研究

李莹 黄玉春 童新华 韦燕飞

[摘 要]土地资源是自然的产物，是人类生产和生活的载体，是社会经济发展的重要保障。土地健康利用关系土地资源的可持续发展，对减缓贫困、提高农民生活水平具有重要意义。本文以广西28个国家级贫困县作为研究区域，采用农民人均纯收入表征贫困程度，基于PSR构建土地健康利用评价体系，运用熵值法确定权重，利用加权综合指数法测算28个县土地健康利用指数，采用空间自相关分析法探究贫困与土地健康利用的空间关联特征。结果表明：农民人均收入较低和土地利用健康状况不理想的县区呈“组团”状集中在西南山区的百色市与河池市区县，农民人均收入较高和土地利用健康状况相对理想的县区分布在南部平原、靠近首府。

[关键词]土地健康利用;贫困;空间自相关分析;广西国家级贫困县

[中图分类号]X826 [文献标识码]A

十九大会议上，习近平主席提出到2020年我国农村贫困人口要全部实现脱贫、贫困县实现摘帽，全面决胜小康社会。广西是我国扶贫工作开展的重要区域之一，目前贫困程度依然严重、贫困人口数量仍庞大，属典型的喀斯特岩溶地貌，山多地少，加上近年来人们不合理的农业生产经营方式，使土地生态环境和利用结构遭到了破坏，土地健康利用对贫困的影响逐渐凸显。土地资源是广西贫困人口最重要的生产资本，如何提高土地健康利用程度对减缓贫困、促进社会经济发展具有重要意义。近年来，贫困与土地利用问题受到学者们的广泛关注。有学者对土地利用方式与贫困、贫困山区农业生态功能退化和土地利用结构的关联性进行研究。在土地健康利用方面，土地健康概念在20世纪40年代被奥尔多·利奥波德首次提出;之后有学者提出土地健康利用系统评价的框架与指标;还有学者进行城镇化与土地健康利用关联的研究。目前关于土地健康利用与贫困的研究成果不多，对两者的空间关联特征研究也较少。鉴于此，本文以广西28个国家贫困县为研究区域，采用空间自相关分析法进行2013年和2016年贫困与土地健康利用空间关联的研究，以期为区域扶贫政策的制定和土地利用决策的实施提供参考。

1 研究区概况

研究区域主要位于广西西部、西南地区与北部（图1）。全区总面积76%是山地丘陵，山多平原少，岩溶广布，属于典型的喀斯特地貌。全区土壤的总体特征是红壤类，分布广、肥力不高;贫瘠土壤比重大，仅有19%的土壤是高肥力，而低肥力的土壤占比高达33%，广西独特的地理特征和地形地貌是造成贫困的主要原因之一。

2 数据来源与研究方法

2.1 数据来源与处理

本文采用农民人均纯收入表征县级贫困程度，研究有关社会经济数据源于《广西统计年鉴（2013）》、《广西统计年鉴（2016）》、地方贫困统计公报和地方政府网站等，土地利用数据主要源自ENVI遥感影像处理软件解译的土地利用分类数据。

2.2 土地健康利用评价体系构建及指数测算

国内学者对土地健康利用提出的概念为某一区域在特定时期内，以经济可持续发展为目标，在人类活动影响下土地利用系统功能仍能发挥稳定，系统功能高效合理的土地资源利用方式。鉴于此，本文基于PSR（压力-状态-响应）土地健康利用评价系统框架（表1），把环境系统的持续性作为主要评价内容。运用熵值法确定权重，利用综合指数法求取28个县的土地健康利用综合评价指数。

正向指标：（1）

负项指标：（2）

计算各项指标的比重：

（3）

计算指标信息熵：

ej=-k（4）

计算目标熵冗余度：

dj=1- ej （5）

計算指标权重：

（6）

土地健康利用综合指数：

（7）

公式中，Xij表示的是第i个年份第j项评价指标的数值，max{Xj}和min{Xj}分别表示的是所有年份中第j项指标的最大值和最小值，k=1/lnm，m为评价单元数，n为指标个数。

2.3 空间自相关分析法

全局空间自相关可以描述研究区域空间依赖性及显著性;局部空间自相关能更准确地描述研究区各要素之间的聚集性和分异特征。本文采用空间自相关分析法分析28个贫困县贫困程度与土地健康利用的空间关联程度。全局Morans I指数的计算公式为：

（8）

局部Morans I指数的计算公式为：

（9）

对于Moran指数，可以用标准化统计量Z来检验是否存在空间自相关，检验公式为：

（10）

一般当|Z|>1.96时，存在空间自相关。

式中，n为研究区域空间单元数量，和分别为空间单元i和j的属性值和平均值，I的取值在-1和1之间，小于0表示负相关，等于0表示不相关，大于0表示正相关。

3 结果与分析

3.1 贫困空间分异特征

基于ArcGIS10.2软件平台采用自然断裂点法显化广西贫困县的贫困程度空间分异格局，2013年研究区农民人均纯收入最高的是田东县7324元，最低的是那坡县4725元，两者两差2599元，低于4500元的有8个县，主要分布在百色市和河池市地区。2016年随着经济的不断发展，田东县依然保持最高，为12469元，最低的是大化县6006元，两者相差有一倍之多，相对2013年收入提高较快的是融水县、西林县和田林县。处于河池市和百色市的县农民人均纯收入比较低。

3.2 土地健康利用空间特征

参考国内学者的对土地健康利用指数等级的划分标准，将研究区域土地健康利用综合指数划分为五个等级：健康、亚健康、临界健康、不健康和病态（表2）。

基于ArcGIS10.2软件平台根据土地健康利用等级划分标准，绘制研究区2013年和2016年土地健康利用空间分异图。如图3所示，2013年研究区土地健康利用综合指数最高的县区是隆安县（0.6176），最低是都安县（0.2236），但大化县、巴马县与之的差距也很小。没有处于健康的县级，处于临界健康的有12个，占42.9%，表明2013年广西28个国家级贫困县土地利用系统健康不理想，从市域尺度来看，属于南宁市的三个县相对较好，百色和河池不乐观。从类型分布来看，在广西以南的县区相对较好，主要是临近广西首府南宁市，该区地势相对平坦，土壤相对肥沃，交通、经济等条件相对优势;以西的县区比较差，由于该区域地处边境线，离市区远，交通相对不发达，位于典型山区，石山多，土地贫瘠。2016年土地健康利用总体状况相对2013年有所好转，9个县的土地健康利用等级达到了健康水平，不到健康的县只有两个，临界健康以上占比93%，表明2016年这28个贫困县的土地健康利用比较理想，这与政府近年来重视生态问题相关。不健康的两个县依然是东兰县和大化县，其境内地形结构复杂，有色金属和矿产资源比较丰富，土地破坏现象相对严重。

3.3 单变量空间自相关

3.3.1 单变量全局空间自相关

结合OpenGeoda软件绘制出农民人均纯收入、土地健康利用综合指数Moran散点图，见图4、图5、图6、图7。2013年农民人均纯收入单变量全局自相关Morans I为0.4232，2016年为0.236，两年农民人均纯收入均存在空间正相关性，且2013年相关性强于2016年。由于农民人均纯收入较高的县区，围绕在城市周边，区域条件相对优越、产业比较丰富或者有自己的特色产业等。而相对较低的县区由于地理位置条件制约、劳动力等要素流失而造成发展相对落后的现象。2013年与2016年土地健康利用全局自相关Morans I指数分别为0.326与0.2653，但2016年的空间相关性弱于2013年。

3.3.2 单变量局部空间自相关

基于Geoda软件分别绘制2013年与2016年研究区内农民人均纯收入与土地健康利用的LISA集聚图，见图8、图9、图10、图11。进一步探讨区域存在的聚集特征及空间分布规律。局部空间关联类型包括：高高（H-H）、高低（H-L）、低高（L-H）、低低（L-L）、不显著（N-S）五个类型。H-H关联型与L-L关联型表明区域之间存在空间自相关特征，揭示其相似性和聚集性;H-L关联型和L-H关联型表明区域之间存在空间负相关特征，表示其分异型和离散型。

2013年与2016年农民人均纯收入具有明显局部空间正关联特征，都存在H-H和L-L关联型，2013年金秀县为L-H关联型。H-H关联型分布在研究区南部，该区地势相对平坦，土地相对肥沃、交通系统发达，受到南宁市地区经济影响等因素，所以农民人均纯收入相对较高，局域空间显著性强;L-L关联型主要分布在百色和河池部分县，受到地理因素的影响比较明显。2016年与2013年相比，H-H关联型增加了三江县，三江县凭借自己的特色旅游业等因素使得农民人均纯收入得到提高;L-L关联型团状区域减小。

土地健康利用局部空间关联特征较明显，2013年与2016年局部空间负关联L-H关联型都是天等县，局部空间正关联的L-L关联型仍分布于百色市和河池市区域，该区域石山多，土地贫瘠，经济基础差，没有特色产业，这与土地健康利用空间分异中的不健康相比配。隆安县两年都保持H-H关联型，2016年田林县呈H-L关联型。

3.4 双变量空间自相关

3.4.1 双变量全局空间自相关

土地健康利用与农民人均纯收入相互影响、相互作用。农业的快速发展可能会给土地带来很大的压力，但土地利用合理又能促进农民收入的提高，有效改善农民的生活水平。基于Geoda采用双变量全局空间自相关分析法计算土地健康利用与农民人均纯收入的莫兰指数，如图12和图13，2013年全局Morans I值为0.4178，2016年为0.2862，表明2016年的空间依赖性强于2013年。

3.4.2 双变量局部空间自相关

双变量局部空间自相关分析法能更清晰地反映空间要素局部空间关联特征，更清楚地揭示二者集聚现象的区域分布情况，根据图14、图15所示的2013年、2016年的雙变量LISA集聚图，2013年H-H关联型分布在隆安县和天等县，2016年只有天等县一个，说明其农村居民人均收入与土地健康利用指数均相对较高;两年的L-L关联型分布区域相同，说明农村居民人均收入与土地健康利用指数均相对较低;2016年那坡县呈L-H关联型，说明两者存在空间负相关;呈L-L关联型的区域呈组团状分布，稳定不变，这些区域石山较多，石漠化现象严重，限制了农业发展，农民收入较低。

4 结论

本文采用空间自相关分析法分析了贫困与土地健康利用的空间关联特征，得出以下结论：

（1）农民人均纯收入比较低的县主要分布于研究区西南地区的百色市和河池市，这些县区靠近省界和国界线，交通不够发达，山多地少，土地贫瘠。

（2）2013年土地健康利用状况不太理想，主要集中分布于研究区西部和西南部地区的百色市和河池市。2016年相对于2013年有所改善，较多县的土地健康利用情况有明显好转，但研究区域西南部和北部的县区依然最差。位于南宁、柳州、桂林市的贫困县土地健康利用情况总体相对较好。

（3）农民人均纯收入与土地健康利用的双变量LISA集聚图显示两年中L-L关联型都呈“组团式”分布于研究区西南地区的百色市和河池市，农民人均收入较高和土地利用健康状况相对理想的县区分布在南部平原地区。

[参考文献]

[1] 胡业翠，方玉东，刘彦随.广西卡斯特山区贫困化综合评价及空间分布特征[D].中国地质大学，2008.

[2] 王卫，贫困山区县级土地利用结构调整模型研究[D].河北师范大学，2008.

[3] Leopold A.Wilderness as a land laboratory[J].Living Wilderness，1941（July）：3.

[4] 蔡为民，唐华俊，陈佑启.土地利用系统健康评价的框架与指标选择[J].资源与环境，2004（01）.

[5] 张锐，郑华伟，刘友兆.基于压力-状态-响应模型与集对分析的土地利用系统健康评价[J]. 水土保持通报，2014（05）.

[6] 刘宝涛.吉林省新型城镇化与土地健康利用协调发展研究[D].吉林大学，2017.

[7] 刘宝涛，杨兴龙，郭佳.东北地区城镇化发展与土地健康利用空间关联研究[D].吉林农业大学，2017.

[8] 卢新海，曹小娉.土地健康利用与经济发展的耦合关系研究[D].华中科技大学，2012.

[9] 刘宝涛，王冬艳，刘惠清.城镇化发展与土地健康利用协同演化关系——以长春市为例[D].吉林大学，2016.

[10] 基于PSR 模型的土地利用系统健康评价——以银川市为例[J].宁夏大学，2017.