EN中文

地理科学 >

2024 , Vol. 44 >Issue 11: 1997 - 2006

DOI: https://doi.org/10.13249/j.cnki.sgs.20230777

中国式高质量与区域现代化

脱贫攻坚与乡村振兴有效衔接背景下脱贫县发展类型与路径

  • 柴力行 , 1 ,
  • 蔡勃伟 1 ,
  • 黄耿志 , 1, 2
展开
  • 1.中山大学地理科学与规划学院，广东 广州 510006
  • 2.南方海洋科学与工程广东省实验室（珠海），广东 珠海 519000
黄耿志。E-mail:

柴力行（2000—），男，云南曲靖人，硕士研究生，研究方向为劳工地理学、区域不平衡发展。E-mail:

收稿日期: 2023-08-23

  修回日期: 2023-11-11

  网络出版日期: 2024-11-28

基金资助

国家自然科学基金项目(42122007)

国家自然科学基金项目(41930646)

广东省自然科学基金项目(2024A1515010939)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Identifying development types and paths of poverty-eliminated counties for the effective connection between poverty alleviation and rural revitalization

  • Chai Lixing , 1 ,
  • Cai Bowei 1 ,
  • Huang Gengzhi , 1, 2
Expand
  • 1. School of Geography and Planning, Sun Yat-Sen University, Guangzhou 510006, Guangdong, China
  • 2. Southern Marine Science and Engineering Guangdong Laboratory (Zhuhai), Zhuhai 519000, Guangdong, China

Received date: 2023-08-23

  Revised date: 2023-11-11

  Online published: 2024-11-28

Supported by

National Natural Science Foundation of China(42122007)

National Natural Science Foundation of China(41930646)

Natural Science Foundation of Guangdong Province(2024A1515010939)

Copyright

Copyright reserved © 2024.
Fold

摘要

针对脱贫攻坚与乡村振兴有效衔接时期脱贫县发展研究的不足，本文基于地理资本的理论视角，采用随机森林和耦合协调模型方法测评了脱贫县的地理资本，识别了过渡时期脱贫县的发展重点、类型和路径。研究表明：① 脱贫县的地理资本水平总体上呈现自东南向西北递减的空间差异格局，经济−社会地理资本和社会−生态地理资本失调现象较显著，失调县数量占比分别达到62.8%和56.4%，且多表现为社会地理资本制约。② 识别出以防止区域性返贫为发展重点的脱贫县326个、5种发展类型，主要连片式分布于胡焕庸线西北侧的高寒山区和干旱荒漠地带；识别出以全面推进乡村振兴为发展重点的脱贫县426个、6种发展类型，主要分布在胡焕庸线东南侧。③ 促进各类地理资本的耦合协调推动脱贫县的持续发展，对于防止返贫的脱贫县，应当加大外部支持，突破地理资本间相互低水平制约的困境；对于全面乡村振兴的脱贫县，应当重点提升社会地理资本，将经济发展转化为民生福祉。

关键词： 脱贫攻坚; 乡村振兴; 脱贫县; 地理资本

本文引用格式

柴力行 , 蔡勃伟 , 黄耿志 . 脱贫攻坚与乡村振兴有效衔接背景下脱贫县发展类型与路径[J]. 地理科学, 2024 , 44(11) : 1997 -2006 . DOI: 10.13249/j.cnki.sgs.20230777

Abstract

In response to the shortcomings of research on the development of poverty-eliminated counties during the period of effective connection between poverty alleviation and rural revitalization, this article, based on the theoretical perspective of geographical capital, uses random forest and coupling coordination model methods to evaluate the geographical capital of poverty-eliminated counties, and identifies the development priorities, types, and strategies of poverty-eliminated counties during the transitional period. Findings are shown as follows. First, the geographical capital level of poverty-eliminated counties generally shows a decreasing spatial difference pattern from southeast to northwest. The phenomenon of imbalances in economic and social geographical capital, as well as social and ecological geographical capital, is relatively significant, with the proportion of incongruous counties accounting for 62.8% and 56.4%. Most of these counties are constrained by social geographical capital. Second, it is identified that 326 of poverty-eliminated counties should take preventing the return of regional poverty as priority while 426 of them should take promoting rural revitalization as priority during the transition period. The former counties is divided into 5 sub-types with different development strategies, which are mainly located in the central and western regions on the northwest side of Hu Line; the latter is divided into 6 types, which are mainly located on the southeast side of Hu Line. Third, it is suggested that promoting positive interaction of various geographical capital is important for the sustainable development of poverty-eliminated counties. For the poverty-eliminated counties with preventing the return of regional poverty as priority, external support should be strengthened to break through the dilemma of low-level constraints from geographical capital; for those counties which take promoting rural revitalization as the development priority, emphasis should be placed on the enhancement of social geographical capital and transformation of economic development into people’s well-being.

Key words： poverty alleviation; rural revitalization; poverty-eliminated counties; geographical capital

回顾中国改革开放以来的减贫历程，农村贫困人口由1978年的2.5亿人减少到2020年初的551万人，贫困发生率从30.7%下降为0.6%[1]。特别是2016年以来，中国通过脱贫攻坚战使近1亿贫困人口脱贫，832个国家级贫困县退出贫困县序列[2]，解决了绝对贫困问题。然而，贫困地区和贫困人群适应外部变化和抵御外部风险的能力较弱[3-4]，在脱贫后仍然要防范出现规模性、区域性返贫。2021年3月，文件指出，“要进一步巩固拓展脱贫攻坚成果，接续推动脱贫地区发展和乡村全面振兴”①，脱贫地区如何实现脱贫攻坚与乡村振兴有效衔接的问题逐渐受到学界关注。由于发展基础条件和资源禀赋差异大，不同脱贫县的发展重点是什么、如何发展是后脱贫时期脱贫县发展的重要问题[5]。
国内学者对中国贫困地理的研究取得了丰富的成果，主要包括3方面：第一，引进或提出了发展地理学、贫困地理学、空间贫困等有关贫困问题的地理研究框架和理论[6-8]；第二，针对不同区域、尺度的贫困问题，研究了贫困现象的空间格局、时空过程及影响机制等[9-10]；第三，结合中国的减贫实践，总结了不同地区的减贫模式[11-12]。随着脱贫攻坚战的胜利，如何防止脱贫地区返贫并推动其实现乡村振兴成为了新的研究方向。如相关研究在深度贫困地区探究了脱贫人群及地区的脱贫稳定性、返贫风险及影响机制[13-14]；也有研究在理论层面上从乡村地域系统和城乡融合的角度对乡村振兴战略进行了解析[15]，进而对不同地区的县域、村域乡村振兴基础水平和难度进行了综合评价，并讨论了乡村振兴路径[16]。可见，贫困地理研究已从地理因素分析拓展至脱贫稳定性和乡村振兴，为后脱贫时期脱贫县治理和乡村发展提供了理论基础。
随着2021年国家提出要接续推动脱贫地区的乡村振兴政策之后，脱贫攻坚和乡村振兴的衔接问题开始得到关注。研究认为脱贫攻坚成果是乡村振兴的基础，而乡村振兴是可持续减贫的必然要求[17-18]。在此背景下，相关研究开始关注脱贫地区如何实现巩固脱贫攻坚成果同乡村振兴有效衔接的问题，探讨了两者有效衔接的内涵、机制、模式，提出了相应的研究框架[19-20]。后续研究则进一步讨论了后脱贫时期中国县域可持续减贫的发展路径[2]。在衔接脱贫攻坚与乡村振兴方面，不同类型脱贫县的发展重点与路径尚待深入研究。为此，本文引入地理资本概念，在评价脱贫县资源禀赋与发展水平的基础上，识别其发展重点与类型，探讨各类型脱贫县从脱贫攻坚向乡村振兴过渡的路径，并为后脱贫时期二者的有效衔接提供参考依据。

1 地理资本视角下脱贫攻坚与乡村振兴有效衔接的基本机制

地理资本概念起源于区域性贫困研究，其将贫困区域特性视为影响发展的资本，涵盖经济、社会、生态、政治等多维因素[21-22]。地理资本既是贫困家庭发展的外部性因素，也是区域内生动力，支持其长远发展。识别区域地理资本状况，有助于宏观上明确其发展基础并制定契合的策略。中国完成脱贫攻坚任务后，以各县脱贫之日起设立了5 a过渡期，以巩固脱贫成果并与乡村振兴衔接。然而，由于自然限制、资源不均、减贫政策产生的地理和社会隔离等因素，不同县域地理资本存在显著差异[23]，部分县域直到2020年末才得以脱贫[24]。地理资本条件优越的县域能稳定脱贫；劣势县域则易陷入“空间贫困陷阱”[21]。
脱贫攻坚与乡村振兴的有效衔接具有明显的时序依赖性。贫困地区只有在消除绝对贫困、避免区域性返贫的基础上，才能全面进入乡村振兴阶段。由于脱贫进程的不均衡，部分地理资本劣势、脱贫时间较晚的县域返贫风险较高，仍需优先巩固脱贫成果；而地理资本较优、脱贫时间较早的县域则已具备全面推进乡村振兴的基础。在这一过渡期内，地理资本与脱贫时序的叠加效应塑造了脱贫县的发展路径与重点。作为稳定脱贫与乡村振兴的驱动力，经济地理资本支持县域发展，但其无序扩张可能扩大贫富差距并带来生态风险；社会地理资本作为再生产的外部因素，与经济地理资本紧密相连，但如果扩展过度可能挤压生态空间。生态地理资本既制约发展又能转化为经济效益，分析各类地理资本及其互动关系有助于识别有效的防返贫和乡村振兴路径（图1）。
图1 地理资本视角下脱贫攻坚与乡村振兴有效衔接的基本机制

Fig. 1 Mechanism for effective connection between poverty alleviation and rural revitalization through geographical capital

2 研究方法与数据来源

2.1 地理资本指标体系

文章构建了包含经济、社会、生态环境在内的“空间贫困三维结构”作为指标体系的基本框架[25]，结合数据的可获取性，建立了由经济地理资本指数（EGCI1）、社会地理资本指数（SGCI）、生态地理资本指数（EGCI2）[26]3个一级指标和24个二级指标构成脱贫县地理资本指标体系（表1）。
表1 脱贫县地理资本指标体系

Table 1 Geographical capital index system for poverty-eliminated counties

一级指标 二级指标 代理变量及含义 指标方向 权重
经济地理资本 X1 人均地区生产总值/万元 地区生产总值/七普人口，表示地区经济发展水平 + 0.2849
X2 第一产业发展水平/万元 第一产业增加值，表示农业经济发展情况 + 0.0990
X3 第二产业发展水平/万元 第二产业增加值，表示工业经济发展情况 + 0.1050
X4 第三产业发展水平/万元 第三产业增加值，表示服务业、旅游业等第三产业发展情况 + 0.0985
X5 政府财政收入/万元 政府一般公共预算收入，表示脱贫县所获财政支持情况 + 0.1258
X6 政府财政支出/万元 政府一般公共预算支出，表示脱贫县在防止返贫和推进乡村振兴方面的投入情况 + 0.1853
X7 县域内有无高铁站 有高铁站为1，无高铁站为0，表示对外交通便利度 + 0.0936
X8 到最近中心城市的距离/km 到最近省会（首府）城市或GDP排名前50位城市的距离，表示脱贫县的经济区位 − 0.0079
社会地理资本 X9 人均第二产业就业/% 第二产业从业人员/七普人口，表示第二产业就业情况 + 0.1418
X10人均第三产业就业/% 第三产业从业人员/七普人口，表示第三产业就业情况 + 0.1869
X11人均居民储蓄存款/
（万元/人）		 居民储蓄存款/七普人口，表示居民收入储蓄情况 + 0.1224
X12人均金融机构贷款/
（万元/人）		 金融机构贷款余额/七普人口，表示居民获取金融贷款的机会和能力 + 0.0992
X13 城镇化率/% 建成区面积/行政区面积，表示县域城镇化水平和经济活动集中程度 + 0.0869
X14义务教育水平/% 中学学校在校人数/七普人口，表示义务教育服务水平 + 0.1654
X15卫生医疗设施水平/
（床/人）		 卫生医疗机构床位数/七普人口，表示卫生医疗环境 + 0.0892
X16社会福利设施水平/
（床/人）		 社会福利收养机构床位数/七普人口，表示社会福利状况 + 0.1082
生态地理资本 X17生态系统供给服务功能 获取脱贫县2020年的土地利用情况，并根据谢高地等[26]提出的中国单位面积生态系统服务价值当量表进行计算，考虑到县域行政面积的差异，对其做面积平均处理 + 0.1381
X18生态系统调节服务功能 同上 + 0.1460
X19生态系统支持服务功能 同上 + 0.1608
X20生态系统文化服务功能 同上 + 0.1795
X21平均坡度/（°） 脱贫县行政区范围内地形的陡缓程度，表示农业生产、开发建设的基本条件 − 0.0955
X22地形起伏度 脱贫县行政区范围内的地表破碎程度，表示农业生产、开发建设的基本条件 − 0.1032
X23平均高程/m 脱贫县的平均高程，表示地区水热条件、交通条件等 − 0.0915
X24平均降水量/mm 2010—2019年各县域平均降水量，表示县域降水情况 + 0.0853

2.2 研究方法

2.2.1 随机森林

随机森林是一种利用多个决策树进行集成学习的方法，优势在于能够处理高维度和非线性的数据，具有较强的鲁棒性和泛化能力[27]。本文参照已有研究[27]进行计算。首先得出指标$ i $在节点分割时基尼指数的减少值$ {D}_{i} $；之后加总森林中所有节点的$ {D}_{i} $求平均，再以该指标的平均减小值占所有指标的平均减少值总和的百分比来表示该指标的权重，公式为：
$ {w}_{i}=\dfrac{{\displaystyle\sum} _{h=1}^{n}{\displaystyle\sum} _{j=1}^{t}{D}_{{G}_{i}{h}_{j}}}{{\displaystyle\sum} _{i=1}^{m}{\displaystyle\sum} _{h=1}^{n}{\displaystyle\sum} _{j=1}^{t}{D}_{{G}_{i}{h}_{j}}} $
式中，$ m $、$ n $、$ t $分别是评价因子总数、分类树棵数和单棵树节点数；h、j、i分别为单棵树、其上的节点以及评价因子的序号。也即，$ {D}_{{G}_{i}{h}_{j}} $为第$ i $个评价因子在第h棵树的第$ j $个节点的基尼指数减少值；$ {w}_{i} $为第$ i $个评价因子在所有评价因子中的权重。分类的类别属性以各县脱贫时间计算，越早脱贫赋值越大，如2016年脱贫赋值为5，2017年为4，依此类推。

2.2.2 耦合协调模型

耦合协调模型通过对耦合度和协调度的计算形成耦合协调度，既能反映不同系统之间的相互作用，又能对系统内部各要素是否和谐一致做出判断[28]。通过耦合协调模型来评估脱贫县经济、社会、生态地理资本的相互作用关系和协调状况。
$ \begin{split} & C_1=2\times \left[\dfrac{EGCI_1\times SGCI}{(EGCI_1+SGCI)^2}\right]^{\frac{1}{2}} \\& C_2=2\times \left[\dfrac{EGCI_1\times EGCI_2}{(EGCI_1+EGCI_2)^2}\right]^{\frac{1}{2}} \\& C_3=2\times \left[\dfrac{EGCI_2\times SGCI}{(EGCI_2+SGCI)^2}\right]^{\frac{1}{2}}\end{split} $
$ \begin{split} & T_1=\lambda EGCI_1+\mu SGCI\\& T_2=\lambda EGCI_1+\mu EGCI_2 \\ & T_3=\lambda SGCI+\mu EGCI_2 \end{split} $
$ D=\sqrt{C\times T} $
式中，$ {C}_{1} $,$ {C}_{2} $,$ {C}_{3} $为耦合度，反映脱贫县三维地理资本之间的相互作用程度，$ {EGCI}_{1} $, $ SGCI $, $ {EGCI}_{2} $分别指经济、社会、生态地理资本指数，$ {T}_{1} $, $ {T}_{2} $, $ {T}_{3} $为协调度，代表各系统的发展程度。系数$ \lambda $和$ \mu $之和为1，本文将各维度地理资本等同看待，因而$ \lambda $和$ \mu $均为0.5。$ D $为耦合协调度，反映地理资本之间的协调发展状况。耦合协调度越高，说明各类地理资本正向协同演进，对脱贫县发展起到促进作用；耦合协调度越低，说明某一类地理资本劣势或相互制约，对脱贫县发展存在消极作用。结合相关文献[29]，做出如下类型划分（表2）。
表2 耦合协调类型划分

Table 2 Division of coupling coordination types

耦合协调度（D） 划分依据 协调类型
0 ＜ D ≤ 0.4 |EGCI1−SGCI|＞0.1，|EGCI1−EGCI2|＞0.1，|SGCI−EGCI2|＞0.1 失调–经济/社会/生态地理资本制约
|EGCI1−SGCI|≤0.1，|EGCI1−EGCI2|≤0.1，|SGCI−EGCI2|≤0.1 失调–相互制约
0.4 ＜ D ≤ 1.0 |EGCI1−SGCI|＞0.1，|EGCI1−EGCI2|＞0.1，|SGCI−EGCI2|＞0.1 协调–经济/社会/生态地理资本滞后
|EGCI1−SGCI|≤0.1，|EGCI1−EGCI2|≤0.1，|SGCI−EGCI2|≤0.1 协调–相互促进

2.3 数据来源

以2014年国务院扶贫办（现国家乡村振兴局）公布的832个国家级贫困县为研究对象①，它们于2020年在现行标准下实现了全部脱贫。由于不同省份统计指标不一致以及部分脱贫县数据严重缺失，选择数据齐全的752个脱贫县样本进行研究。
脱贫县地理资本基础数据年份为2020年，以便考察脱贫后巩固脱贫攻坚成果与有效衔接乡村振兴的情况。通过脱贫县的脱贫时序来表达脱贫进程，各县脱贫时序数据来源于减贫研究数据库②。地理资本指标中的经济社会数据来自《中国县域统计年鉴（2021）》[30]和个别县域统计公报。“到最近中心城市距离”“有无高铁站”的数据通过高德地图开发者平台③爬取后在ArcGIS 10.5软件平台的空间分析获得。生态系统服务功能指标数据是在获取各个脱贫县土地利用类型及面积的基础上，根据谢高地等人提出的生态系统服务价值当量表[26]计算得到，土地利用数据来源于2020年全国30 m×30 m土地覆盖数据（CLDC）④。平均坡度、平均高程通过DEM数据计算得到，平均坡度和平均高程的DEM数据来源为ASTER Global Digital Elevation Model V003 30×30 m⑤，地形起伏度数据采用对应的中国陆地地形起伏度公里网格数据集[31]。平均降水量数据来自国家气象科学数据共享服务平台–中国地面气候资料日值数据集V3.0⑥，原始数据为各站点的日度数据，通过空间插值来计算各脱贫县2010—2019年的数据，最终得到平均降雨数据。上述数据采用极差标准化处理，以消除量纲差别。

3 脱贫县的地理资本评价

基于各指标数据及权重计算脱贫县的经济地理资本指数、社会地理资本指数、生态地理资本指数，并通过3者加和得到综合地理资本指数（CGCI）。使用自然断点法进行分级，得到低、较低、中等、较高、高5个等级。

3.1 经济地理资本（EGCI1）

图2a看出，EGCI1高水平和较高水平县域有150个，基本位于胡焕庸线东南侧。特别在河南、安徽以及湖北交界处，集聚了许多发展条件较好的脱贫县。而在胡焕庸线西北侧仅有少量高水平县域分布。中等水平县域229个，广泛分布于胡焕庸线附近及东南侧。较低水平和低水平县域有373个，在胡焕庸线西北侧的西藏、新疆南部及青海、四川、甘肃、云南交界地带。这些县域大多缺乏强有力的主导产业，经济地理资本劣势明显。
图2 脱贫县地理资本指数的空间分布

基于自然资源部标准地图服务网站审图号为GS（2020）4626号的标准地图制作，底图边界无修改；港澳台数据暂缺

Fig. 2 Spatial distribution of geographical capital index in poverty-eliminated counties

3.2 社会地理资本（SGCI）

SGCI高水平和较高水平县域有137个，主要在河南、安徽以及湖北交界处集中分布（图2b）。中等水平县域有212个，主要分布在胡焕庸线东南侧。较低水平县域和低水平县域分别有278个和125个，主要分布在胡焕庸线西北侧。这些县域由于在生计环境、公共服务水平等方面存在较明显的劣势，已经出现了持续的人口流失现象。

3.3 生态地理资本（EGCI2）

EGCI2呈现由东到西“四级阶梯”递减式的空间分布特征（图2c），与中国“三级阶梯”的自然地理格局存在相似性，也符合中国自然资源禀赋自东南向西北递减的格局[32]。具体而言，高水平县域有132个，主要分布在河南、安徽以及湖北交界处以及湖南西部，为第四级阶梯。较高水平县域186个，主要分布在贵州省东部以及湖北、重庆、陕西交界处，为第三级阶梯。中等水平县域217个，主要分布在云南西部以及贵州西部，为第二级阶梯。第一级阶梯是分布在胡焕庸线以西较低水平和低水平的县域，共217个，基本位于西部高寒山区和干旱荒漠地带。

3.4 综合地理资本（CGCI）

CGCI的空间分布呈现2个特征（图2d）：① 以胡焕庸线为界，东南侧高于西北侧，且东南侧为CGCI高值集聚区，西北侧为CGCI低值集聚区；② 与EGCI2类似，表现为由东到西“四级阶梯”递减式的特征，但各级阶梯包含的区域有所差异。

4 脱贫攻坚与乡村振兴有效衔接下脱贫县的发展类型和路径

基于地理资本视角的衔接机制，利用聚类分析方法，结合综合地理资本指数和脱贫时序，识别出326个较晚脱贫且地理资本较低的县以防止返贫为重点，以及426个较早脱贫且地理资本较高的县以全面推进乡村振兴为重点。基于此，结合地理资本水平及其耦合协调状况计算得出的多种协调类型（表2），对脱贫县实现巩固脱贫攻坚成果同乡村振兴有效衔接的发展类型进行划分，得到防止区域性返贫的县域5类，全面推进乡村振兴的县域6类（表3），据此探讨县域发展路径。
表3 脱贫县域发展类型及其地理资本状况

Table 3 Types and geographical capital status of poverty-eliminated counties

类别 类型 数量 EGCI1−SGCI EGCI1−EGCI2 SGCI−EGCI2
　　注：各维度地理资本水平对应的地理资本指数区间见表2；由于三维地理资本组合类型较多且部分类型数量极少，对数量少于10的类型进行了适当合并；EGCI1−SGCI表示经济地理资本和社会地理资本的耦合协调关系；EGCI1−EGCI2和SGCI−EGCI2表示对应资本耦合协调关系。
防止区域性返贫 Ⅰ型 43 协调−相互促进 协调−经济地理资本滞后 协调−社会地理资本滞后
Ⅱ型 19 失调−社会地理资本制约 协调−相互促进 失调−社会地理资本制约
Ⅲ型 42 失调−社会地理资本制约 协调−经济地理资本滞后 失调−社会地理资本制约
Ⅳ型 108 失调−相互制约 协调−经济地理资本滞后 失调−社会地理资本制约
Ⅴ型 114 失调−相互制约 失调−经济地理资本制约 失调−社会地理资本制约
全面推进乡村振兴 Ⅰ型 15 协调−社会地理资本滞后 协调−相互促进 协调−社会地理资本制约
Ⅱ型 81 协调−社会地理资本滞后 协调−经济地理资本滞后 协调−社会地理资本滞后
Ⅲ型 176 协调−相互促进 协调−经济地理资本滞后 协调−社会地理资本滞后
Ⅳ型 11 失调−社会地理资本制约 协调−相互促进 失调−社会地理资本制约
Ⅴ型 63 失调−社会地理资本制约 协调−经济地理资本滞后 失调−社会地理资本制约
Ⅵ型 80 失调−相互制约 协调−经济地理资本滞后 失调−社会地理资本制约

4.1 防止区域性返贫的发展路径

在以防止区域性返贫为发展重点的脱贫县中，Ⅰ型县域有43个，占13.2%，分布在陕西、重庆、河北以及胡焕庸线西北侧地区（图3a，表3）。这类县域的经济地理资本劣势明显，但经济−社会地理资本形成了良好的相互促进关系，表现在良好的城镇化基础可以吸引物质资本、人力资本等经济要素集聚[33]。因此，为巩固脱贫攻坚成果，激活内生发展动力，应提升农业经营主体功能，构建稳定生计保障机制。同时结合资源环境承载力，科学拓展城镇和产业空间，以自然本底提升县域经济与社会地理资本水平。
图3 不同发展类型脱贫县域的空间分布

港澳台数据暂缺

Fig. 3 Spatial distribution of different development types of poverty-eliminated counties

Ⅱ、Ⅲ、Ⅳ型县域分别占比为5.8%、12.9%、33.1%（表3），主要分布在云南、四川和甘肃，少量集中在西藏、新疆（图3a）。3类县域经济、社会地理资本薄弱，产业和公共支出未有效提升民生福祉，城镇化带动效应有限，需外部支持以突破发展瓶颈。此外，尽管经济−生态地理资本关系协调，但只有Ⅱ型县域实现互促，Ⅲ、Ⅳ型县域未充分利用自然资源，生态经济效益挖掘不足。且3类县域普遍存在社会−生态地理资本失调，社会地理资本劣势，城镇化过程中也可能面临生态环境超载风险。综上，突破经济与社会地理资本的制约是防止Ⅱ、Ⅲ、Ⅳ型脱贫县区域性返贫的关键，需依赖外部支持。具体而言，应深化与东部发达地区的产业合作，引入劳动密集型产业，发挥普惠金融的减贫效应，加大财政投入改善教育与医疗条件，并在国土空间规划引导下，因地制宜推进集约化、生态化的城镇发展与公共服务体系建设。
Ⅴ型县域共有114个，占比35.0%（表3），主要分布在胡焕庸线西北侧的新疆、西藏以及青海等典型的高寒山区和干旱荒漠地带（图3a），城镇化进程和个体生计受自然环境制约严重。在脱贫攻坚时期（2016―2020年），劳务输出和易地搬迁是该类地区重要的扶贫方式，因此，过渡期内应监测脱贫人群，强化劳务输出和搬迁衔接，确保收入稳增与生活改善；针对无稳定收入者建立分层保障体系，防止返贫。结合县域地理特征，推进土地整治与生态修复，统筹土地利用，防范生态脆弱引发返贫风险。

4.2 全面推进乡村振兴的发展路径

在以全面推进乡村振兴为发展重点的脱贫县中，经济−社会−生态地理资本两两耦合协调发展的Ⅰ、Ⅱ、Ⅲ型县域分别有15、81、176个，占比为3.5%、19.0%、41.3%（表3），江西省、河北省等较靠近东部沿海地区的省份以及陕西省同重庆市、四川省、湖北省的交界地区（图3b）。这些县域的地理资本水平多为较高和高水平，拥有较完整的产业体系以及良好的交通区位条件，有利于脱贫人群就地工作或前往经济发达地区务工。同时，城镇化水平较高、基础设施完善、帮扶政策贯彻落实到位，城乡融合初具态势，再加上资源环境承载力和生态系统功能价值等方面的优势，使得这些县域具有了较好的乡村振兴条件。因此，Ⅰ、Ⅱ、Ⅲ型县域应利用好新型数字技术手段，持续推动以地域资源禀赋为特色的产业体系建设。
全面推进乡村振兴的Ⅳ、Ⅴ、Ⅵ型县域分别有11、63、80个，占比为2.6%、14.8%、18.8%（表3），零散分布在中部地区的集中连片特困区（图3b）。其中，Ⅳ型和Ⅴ型县域社会地理资本水平较低，很大程度上是由于这两类县域的产业带动能力差以及公服设施建设的投入不足而造成。为全面推进乡村振兴，Ⅳ、Ⅴ型县域应以产业振兴为抓手，通过延展产业链、优化分工和城镇化带动乡村发展，完善教育、医疗、养老体系，实现城乡服务均等化，并加强金融支持，鼓励自主创业。Ⅵ型县域需依赖外部支持，通过财政转移、人才引入和示范村建设激励基层。最后，这3类县域经济−生态地理资本协调发展，生态地理资本优势明显，县域政府应当以“两山”理论作为生态振兴的指导思想，充分挖掘生态系统的多元价值，实现生态资源价值转化，推动生态宜居的乡村振兴。

5 结论和展望

本文弥补了脱贫攻坚与乡村振兴有效衔接背景下脱贫县发展研究的不足，基于地理资本理论视角和耦合协调方法，识别了过渡时期脱贫县的发展重点、类型和路径。研究发现，脱贫县的地理资本水平总体上表现出自东南向西北递减的空间差异格局，胡焕庸线东南侧为高水平集聚区，西北侧为低水平集聚区。地理资本的差异意味着脱贫县的发展条件和基础不同，因此在脱贫攻坚向乡村振兴的过渡时期，应聚焦于不同的发展重点，选取相应的发展路径。根据脱贫县的脱贫时序和地理资本的耦合协调类型，识别出以防止区域性返贫为发展重点的5种发展类型共326个县域，以全面推进乡村振兴为发展重点的6种发展类型共426个县域。以防止区域性返贫为发展重点的脱贫县大部分集中于胡焕庸线西北侧的高寒山区和干旱荒漠地带，具有集中连片分布的特征。以全面推进乡村振兴为发展重点的县域则基本分布于胡焕庸线东南侧，在靠近东部地区的江西、安徽等省份有较明显的集中分布特征。
本文认为，以防止返贫为重点的县域因经济−社会−生态地理资本失调，需在过渡期内通过政策和资金支持产业发展，完善就业保障，强化教育、医疗等公共服务设施，依据资源环境承载力合理开发，并建立生态风险预警机制防止返贫。以乡村振兴为重点的县域则应借助产业振兴推动城镇化和服务均等化，将经济成果惠及民生；同时，优化振兴制度，培育专业人才，激发内生动力，贯彻生态文明理念，挖掘生态价值，逐步实现乡村振兴。
地理资本刻画了贫困家庭生活环境的地理要素对其未来发展的外部性影响，被广泛应用于空间贫困、发展地理学等领域的相关研究。本文将地理资本理解为影响区域未来发展的内在禀赋，探讨地理资本的空间分异和不同维度地理资本的相互关系对脱贫县后续发展重点和发展路径的影响，丰富了地理资本应用于贫困地理的研究。到2025年末，巩固拓展脱贫攻坚成果同乡村振兴有效衔接的过渡时期将基本结束。基于地理资本视角，未来值得探究的问题包括：基于地理资本差异的乡村振兴类型识别和振兴策略研究，以及经济、社会、生态等不同维度地理资本的多尺度空间分异及其对乡村产业、人才、文化、生态、组织振兴的影响研究。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
陈志钢, 毕洁颖, 吴国宝, 等. 中国扶贫现状与演进以及2020年后的扶贫愿景和战略重点[J]. 中国农村经济, 2019, 35(1): 2-16

Kevin Chen, Bi Jieying, Wu Guobao et al. Post-2020 rural urban integrative poverty reduction strategy: Development status, evolution, new vision and key areas. Chinese Rural Economy, 2019, 35(1): 2-16.

[2]
徐藜丹, 邓祥征, 姜群鸥, 等. 中国县域多维贫困与相对贫困识别及扶贫路径研究[J]. 地理学报, 2021, 76(6): 1455-1470.

DOI

Xu Lidan, Deng Xiangzheng, Jiang Qun’ou et al. Identification and poverty alleviation pathways of multidimensional poverty and relative poverty at county level in China. Acta Geographica Sinica, 2021, 76(6): 1455-1470.

DOI

[3]
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 Ruiqiang, Cao Guoqing. Re-poverty population: Influencing factors, mechanism and risk control. Journal of Agro-Forestry Economics and Management. , 2016, 15(6): 619-624.

[4]
尚海洋, 宋妮妮. 返贫风险、生计抵御力与规避策略实践——祁连山国家级自然保护区内8县的调查与分析[J]. 干旱区地理, 2021, 44(6): 1784-1795

Shang Haiyang, Song Nini. Poverty risk, livelihood resilience and prevention strategy practice: Investigation and analysis of 8 counties in Qilian Mountains National Nature Reserve. Arid Land Geography, 2021, 44(6): 1784-1795.

[5]
王太明, 王丹. 后脱贫时代相对贫困的类型划分及治理机制[J]. 求实, 2021, 63(2): 51-69.

DOI

Wang Taiming, Wang Dan. Relative poverty in the Post-poverty Era: Types and governance mechanism. Truth Seeking, 2021, 63(2): 51-69.

DOI

[6]
邓祥征, 金贵, 何书金, 等. 发展地理学研究进展与展望[J]. 地理学报, 2020, 75(2): 226-239.

DOI

Deng Xiangzheng, Jin Gui, He Shujin et al. Research progress and prospect on development geography. Acta Geographica Sinica, 2020, 75(2): 226-239.

DOI

[7]
周扬, 李寻欢. 贫困地理学的基础理论与学科前沿[J]. 地理学报, 2021, 76(10): 2407-2424.

DOI

Zhou Yang, Li Xunhuan. Basic theories and frontiers of poverty geography. Acta Geographica Sinica, 2021, 76(10): 2407-2424.

DOI

[8]
刘小鹏, 苏晓芳, 王亚娟, 等. 空间贫困研究及其对我国贫困地理研究的启示[J]. 干旱区地理, 2014, 37(1): 144-152

Liu Xiaopeng, Su Xiaofang, Wang Yajuan et al. Review on spatial povery and deprivation and its enlightenments to poverty geography studies in China. Arid Land Geography, 2021, 76(1): 2407-2424.

[9]
周扬, 李寻欢, 童春阳, 等. 中国村域贫困地理格局及其分异机理[J]. 地理学报, 2021, 76(4): 903-920.

DOI

Zhou Yang, Li Xunhuan, Tong Chunyang et al. The geographical pattern and differentiational mechanism of rural poverty in China. Acta Geographica Sinica, 2021, 76(4): 903-920.

DOI

[10]
金贵, 邓祥征, 董寅, 等. 发展地理学视角下中国多维贫困测度及时空交互特征[J]. 地理学报, 2020, 75(8): 1633-1646.

DOI

Jin Gui, Deng Xiangzheng, Dong Yin et al. China’s multidimensional poverty measurement and its spatio-temporal interaction characteristics in the perspective of development geography. Acta Geographica Sinica, 2020, 75(8): 1633-1646.

DOI

[11]
刘春腊, 黄嘉钦, 龚娟, 等. 中国精准扶贫的省域差异及影响因素[J]. 地理科学, 2018, 38(7): 1098-1106

Liu Chunla, Huang Jiaqin, Gong Juan et al. Provincial difference and influencing factors of targeted poverty alleviation in China. Scientia Geographica Sinica, 2018, 38(7): 1098-1106.

[12]
丁建军, 王璋, 余方薇, 等. 精准扶贫驱动贫困乡村重构的过程与机制——以十八洞村为例[J]. 地理学报, 2021, 76(10): 2568-2584.

DOI

Ding Jianjun, Wang Zhang, Yu Fangwei et al. Targeted poverty alleviation drives the process and mechanism of rural reconstruction: A case study of Shibadong Village. Acta Geographica Sinica, 2021, 76(10): 2568-2584.

DOI

[13]
郭倩, 廖和平, 王子羿, 等. 秦巴山区村域稳定脱贫测度及返贫防控风险识别——以重庆市城口县为例[J]. 地理科学进展, 2021, 40(2): 232-244.

DOI

Guo Qian, Liao Heping, Wang Ziyi et al. Measurement of rural poverty alleviation sustainability and return-to-poverty risk identification in Qinling-Bashan Mountains: A case study of Chengkou County, Chongqing Municipality. Progress in Geography, 2021, 40(2): 232-244.

DOI

[14]
潘卓, 李玉恒, 刘愿理, 等. 深度贫困地区农户脱贫稳定性测度及影响机理研究[J]. 地理科学进展, 2022, 41(8): 1378-1388.

DOI

Pan Zhuo, Li Yuheng, Liu Yuanli et al. Measurement and influencing mechanism of stable poverty alleviation of rural households in deeply impoverished areas. Progress in Geography, 2022, 41(8): 1378-1388.

DOI

[15]
刘彦随, 周扬, 李玉恒. 中国乡村地域系统与乡村振兴战略[J]. 地理学报, 2019, 74(12): 2511-2528.

DOI

Liu Yansui, Zhou Yang, Li Yuheng. Rural regional system and rural revitalization strategy in China. Acta Geographica Sinica, 2019, 74(12): 2511-2528.

DOI

[16]
方方, 李裕瑞. 西部地区乡村振兴难度评价及重点帮扶县识别[J]. 经济地理, 2022, 42(4): 8-18

Fang Fang, Li Yurui. Assessing the difficulty of rural vitalization and identifying the key assistance counties in western China. Economic Geography, 2022, 42(4): 8-18.

[17]
郭远智, 周扬, 刘彦随. 贫困地区的精准扶贫与乡村振兴: 内在逻辑与实现机制[J]. 地理研究, 2019, 38(12): 2819-2832.

DOI

Guo Yuanzhi, Zhou Yang, Liu Yansui. Targeted poverty alleviation and rural revitalization in poverty-stricken areas: Internal logic and mechanism. Geographical Research, 2019, 38(12): 2819-2832.

DOI

[18]
豆书龙, 叶敬忠. 乡村振兴与脱贫攻坚的有机衔接及其机制构建[J]. 改革, 2019, 32(1): 19-29

Dou Shulong, Ye Jingzhong. The organic connection and mechanism construction of rural revitalization and poverty alleviation. Reform, 2019, 32(1): 19-29.

[19]
李宁慧, 龙花楼. 实现巩固拓展脱贫攻坚成果同乡村振兴有效衔接的内涵、机理与模式[J]. 经济地理, 2022, 42(4): 1-7

Li Ninghui, Long Hualou. Realizing effective connection of consolidating and expanding the achievements of poverty alleviation and rural vitalization: Connotations, mechanism and modes. Economic Geography, 2022, 42(4): 1-7.

[20]
王永生, 文琦, 刘彦随. 贫困地区乡村振兴与精准扶贫有效衔接研究[J]. 地理科学, 2020, 40(11): 1840-1847

Wang Yongsheng, Wen Qi, Liu Yansui. Achieving effective connection between rural revitalization and targeted poverty alleviation in poverty-stricken regions. Scientia Geographica Sinica, 2020, 40(11): 1840-1847.

[21]
Jalan J, Ravallion M. Spatial poverty traps? [EB/OL]. (2004-11-17) [2023-06-27]. https://documents1.worldbank.org/curated/en/207861468743989544/128528322_20041117141109/additional/multi0page.pdf.

[22]
Burke W J, Jayne T S. Spatial disadvantages or spatial poverty traps: Household evidence from rural Kenya[EB/OL].(2009-10-01) [2023-06-27]. https://ageconsearch.umn.edu/record/54560/.

[23]
刘小鹏, 程静, 赵小勇, 等. 中国可持续减贫的发展地理学研究[J]. 地理科学进展, 2020, 39(6): 892-901.

DOI

Liu Xiaopeng, Cheng Jing, Zhao Xiaoyong et al. Sustainable poverty reduction of China in a view of development geography. Progress in Geography, 2020, 39(6): 892-901.

DOI

[24]
黄耿志, 柴力行. 国家级贫困县脱贫的时空特征及影响因素[J]. 经济地理, 2023, 43(3): 162-171

Huang Gengzhi, Chai Lixing. The spatio-temporal characteristics and influencing factors of poverty alleviation in state-level poor counties of China. Economic Geography, 2023, 43(3): 162-171.

[25]
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.

DOI

Liu Xiaopeng, Li Yonghong, Wang Yajuan et al. Geographical identification of spatial poverty at county scale. Acta Geographica Sinica, 2017, 72(3): 545-557.

DOI

[26]
谢高地, 张彩霞, 张雷明, 等. 基于单位面积价值当量因子的生态系统服务价值化方法改进[J]. 自然资源学报, 2015, 30(8): 1243-1254.

DOI

Xie Gaodi, Zhang Caixia, Zhang Leiming et al. Improvement of the evaluation method for ecosystem service value based on per unit area. Journal of Natural Resources, 2015, 30(8): 1243-1254.

DOI

[27]
吴孝情, 赖成光, 陈晓宏, 等. 基于随机森林权重的滑坡危险性评价: 以东江流域为例[J]. 自然灾害学报, 2017, 26(5): 119-129

Wu Xiaoqing, Lai Chengguang, Chen Xiaohong et al. A landslide hazard assessment based on random forest weight: A case study in the Dongjiang River Basin. Journal of Natural Disasters, 2017, 26(5): 119-129.

[28]
Yang Y, Bao W, Liu Y. Coupling coordination analysis of rural production-living-ecological space in the Beijing-Tianjin-Hebei region[J]. Ecological Indicators, 2020, 117: 106512

DOI

[29]
王少剑, 方创琳, 王洋. 京津冀地区城市化与生态环境交互耦合关系定量测度[J]. 生态学报, 2015, 35(7): 2244-2254

Wang Shaojian, Fang Chuanglin, Wang Yang. Quantitative investigation of the interactive coupling relationship between urbanization and eco-environment. Acta Ecologica Sinica, 2015, 35(7): 2244-2254.

[30]
国家统计局. 中国县域统计年鉴2021[M]. 北京: 中国统计出版社, 2021

National Bureau of Statistics. China statistical yearbook 2021(county-level). Beijing: China Statistics Press, 2021.

[31]
You Z, Feng Z M, Yang Y Z. Relief degree of land surface dataset of China (1km) [J/DB/OL]. (2018-03-16) [2023-06-27]. Digital Journal of Global Change Data Repository. https://doi.org/10.3974/geodb.2018.03.16.V1.

[32]
Guo Y Z, Zhou Y, Cao Z. Geographical patterns and anti-poverty targeting post-2020 in China[J]. Journal of Geographical Sciences, 2018, 28(12): 1810-1824.

[33]
蔺雪芹, 王岱, 任旺兵,等. 中国城镇化对经济发展的作用机制[J]. 地理研究, 2013, 32(4): 691-700

Lin Xueqin, Wang Dai, Ren Wangbing et al. Research on the mechanism of urbanization to economic increase in China. Geographical Research, 2013, 32(4): 691-700.

Options
文章导航

/

〈 〉