地理空间要素与贫困分布的关系研究——以赫章县为例

doi:10.13474/j.cnki.11-2246.2021.385

测绘通报 ›› 2021, Vol. 0 ›› Issue (12): 120-123,129.doi: 10.13474/j.cnki.11-2246.2021.385

地理空间要素与贫困分布的关系研究——以赫章县为例

张兰兰¹, 吴启明¹, 申朝永¹, 刘芳¹, 陈砚国²

1. 贵州省第三测绘院, 贵州贵阳 550004;
2. 贵阳市土地矿产资源储备中心, 贵州贵阳 550001

收稿日期:2020-11-02 修回日期:2021-08-26 发布日期:2021-12-30
作者简介:张兰兰(1987-),女,硕士,高级工程师,研究方向为地理信息系统。E-mail:478306661@qq.com

Study on the relationship between geo-spatial factors and distribution of poverty: taking Hezhang county as an example

ZHANG Lanlan¹, WU Qiming¹, SHEN Chaoyong¹, LIU Fang¹, CHEN Yanguo²

1. The Third Surveying and Mapping Institute of Guizhou Province, Guiyang 550004, China;
2. Guiyang Land and Mineral Resources Reserve Center, Guiyang 550001, China

Received:2020-11-02 Revised:2021-08-26 Published:2021-12-30

摘要/Abstract

摘要： 本文以赫章县为例,以乡镇为研究单元,从地形地貌、土地资源、交通条件等方面构建地理空间要素评价指标。并利用地理探测器、地理加权回归模型等方法,从空间的视角科学分析地理空间要素对贫困化空间分布的影响,揭示了贫困程度与资源环境的空间分布规律,为实现因地制宜、精准脱贫,以及巩固脱贫摘帽成果提供了决策参考。

关键词: 地理空间要素, 贫困分布, 地理探测器, 地理加权回归, 评价指标

Abstract: Taking Hezhang county as an example, this paper takes the township as the research unit, constructs the evaluation index of geo-spatial factors from the aspects of topography, land resources, traffic conditions, etc. Using geodetector and weighted regression model, it scientifically reveals the influence of geographical space factors on the spatial differentiation of poverty, and reveals the spatial distribution of poverty degree and resources and environment from the perspective of space. The study provides decision-making reference for the implementation of policies to achieve targeted poverty alleviation and consolidate the achievements of poverty alleviation.

Key words: geo-spatial factors, distribution of poverty, geodetector, weighted regression model, evaluation index

中图分类号:

P208

张兰兰, 吴启明, 申朝永, 刘芳, 陈砚国. 地理空间要素与贫困分布的关系研究——以赫章县为例[J]. 测绘通报, 2021, 0(12): 120-123,129.

ZHANG Lanlan, WU Qiming, SHEN Chaoyong, LIU Fang, CHEN Yanguo. Study on the relationship between geo-spatial factors and distribution of poverty: taking Hezhang county as an example[J]. Bulletin of Surveying and Mapping, 2021, 0(12): 120-123,129.

参考文献

[1] 包御琨.真抓实干埋头苦干万众一心确保全面夺取脱贫攻坚战伟大胜利[N].贵州日报,2020-02-15(6).
[2] 吴跃,周忠发,朱昌丽,等.喀斯特山区农村贫困测度与空间分异研究——以盘州市为例[J].长江流域资源与环境,2020,29(5):1247-1256.
[3] 刘艳华,徐勇.中国农村多维贫困地理识别及类型划分[J]. 地理学报,2015,70(6):993-1007.
[4] 朱海波,聂凤英.深度贫困地区脱贫攻坚与乡村振兴有效衔接的逻辑与路径——产业发展的视角[J].南京农业大学学报(社会科学版),2020,20(3):15-25.
[5] 史兴民,曹仲波.陕西省耕地资源禀赋与贫困关系量化研究[J].干旱区资源与环境,2010,24(3):1-5.
[6] 欧海燕,黄国勇.自然地理环境贫困效应实证分析——基于空间贫困理论视角[J].安徽农业大学学报(社会科学版),2015,24(1):13-19.
[7] GRAY L C, MOSELEY W G. A geographical perspective on poverty-environment interactions[J]. The Geograp-hical Journal, 2005, 171(1):9-23.
[8] 张凤荣.精准扶贫需要摸清自然资源禀赋[N].中国自然资源报,2019-03-07(5).
[9] 付阳阳. 自然地理环境对县域贫困化空间分异的影响研究:以贵州省连片特困区为例[D]. 武汉:华中师范大学, 2019.
[10] 武鹏,李同昇,李卫民.县域农村贫困化空间分异及其影响因素——以陕西山阳县为例[J].地理研究,2018, 37(3):593-606.
[11] 陈烨烽,王艳慧,王小林.中国贫困村测度与空间分布特征分析[J].地理研究,2016,35(12):2298-2308.
[12] 蔡进. 耕地资源贫困与农村多维贫困测度及耦合关系研究:以重庆市为例[D]. 重庆:西南大学, 2018.
[13] 陈淇瑶,廖和平,刘愿理,等.重庆市县域交通可达性与多维贫困耦合关系研究[J]. 西南大学学报(自然科学版),2020,42(4):12-24.
[14] 黄国勇, 张敏, 夏咏, 等. 新疆边境贫困县自然地理环境影响因素实证分析[J]. 干旱区地理, 2015, 38(4):814-820.
[15] 皮啸菲, 周生路, 吴绍华. 江苏省土地资源禀赋度空间变化研究[J]. 土壤, 2010, 42(4):652-657.
[16] 王劲峰, 徐成东. 地理探测器:原理与展望[J]. 地理学报, 2017, 72(1):116-134.
[17] 王欢,高江波,侯文娟.基于地理探测器的喀斯特不同地貌形态类型区土壤侵蚀定量归因[J].地理学报,2018, 73(9):1674-1686.
[18] 韩静,芮旸,杨坤,等.基于地理探测器和GWR模型的中国重点镇布局定量归因[J].地理科学进展,2020,39(10):1687-1697.
[19] 杨桂林,杨柳,焦洪赞,等.基于地理加权回归模型的村域致贫因子研究——以贵州省剑河县为例[J].江苏农业科学,2018,46(10):324-328.
[20] FOTHERINGHAM A S, BRUNSDON C. Local forms of spatial analysis[J]. Geographical Analysis, 1999, 31(4):340-358.

地理空间要素与贫困分布的关系研究——以赫章县为例

Study on the relationship between geo-spatial factors and distribution of poverty: taking Hezhang county as an example

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	苏小霞, 黎仁杰, 吴静, 程朋根, 王保国. 城市生态系统安全评估研究进展与未来发展趋势[J]. 测绘通报, 2022, 0(6): 25-31.
[2]	张瑞, 李朝奎, 姚思妤, 李维贵. 融合地理探测器和地理加权回归的太原市建设用地变化因素研究[J]. 测绘通报, 2022, 0(5): 106-109,119.
[3]	闫明涛, 乔家君, 瞿萌, 朱乾坤, 韩冬. 黄河流域乡村社会经济与生态环境耦合协调测度及影响因素分析[J]. 测绘通报, 2022, 0(4): 101-105,116.
[4]	张玉娟, 曲建光, 侯建国. 哈尔滨市景观生态风险时空变化驱动力及分布预测[J]. 测绘通报, 2022, 0(2): 83-89,94.
[5]	张栋, 李德平, 周亮, 王嘉丞, 马宇, 易敏. 高精度住房空置率的地理空间影响因素定量研究[J]. 测绘通报, 2022, 0(2): 100-105.
[6]	常迎辉, 朱庆伟, 苏德国, 孙立坚. 2005—2019年河南省县域经济空间差异及影响因素探测[J]. 测绘通报, 2022, 0(2): 149-153.
[7]	王志一, 郭学飞, 余洋, 王娜. 多重指标体系下的京津冀城市群地质环境质量综合评价[J]. 测绘通报, 2022, 0(1): 89-95,104.
[8]	高照忠, 黄雅君, 魏海霞, 张金兰. 近30年云贵高原水蚀荒漠化遥感监测及影响因子时空分异规律[J]. 测绘通报, 2021, 0(10): 117-122.
[9]	陈震, 李少帅, 陈建平. 土地生态质量遥感空间分异与主控因子研究——以广安市为例[J]. 测绘通报, 2020, 0(9): 94-99.
[10]	吴益玲, 李成名, 戴昭鑫, 吴政. 城区空气质量指数时空分布特征及影响机制分析[J]. 测绘通报, 2020, 0(4): 81-86.
[11]	刘振涛, 杨毅, 王东超, 谢晓尧. 一种基于CUDA的大数据量地理加权回归并行加速算法[J]. 测绘通报, 2020, 0(12): 1-5.
[12]	成方龙, 赵冠伟, 杨木壮, 刘月亮, 李芳. 集成地理探测器与随机森林模型的城市人口分布格网模拟[J]. 测绘通报, 2020, 0(1): 76-81.
[13]	于志英, 张福浩, 仇阿根, 赵阳阳. 基于IGGⅢ的地理加权回归模型研究[J]. 测绘通报, 2019, 0(7): 23-27.
[14]	邓悦, 刘洋, 刘纪平, 徐胜华, 罗安. GBGWR模型在降水量空间分布模拟中的应用[J]. 测绘通报, 2018, 0(3): 32-37,42.
[15]	肖屹, 何宗宜, 苗静, 潘峰, 杨好. 利用搜索引擎数据模拟疾病空间分布[J]. 测绘通报, 2018, 0(2): 94-98.