贵州省贫困发生率与生态系统服务价值相关性分析

郜红娟,蔡广鹏,韩会庆,罗绪强

(1.贵州师范学院 地理与旅游学院,贵阳 550018; 2.贵州师范大学 地理与环境科学学院,贵阳 550001)



贵州省贫困发生率与生态系统服务价值相关性分析

郜红娟1,蔡广鹏2,韩会庆1,罗绪强1

(1.贵州师范学院 地理与旅游学院,贵阳 550018; 2.贵州师范大学 地理与环境科学学院,贵阳 550001)

为探究贫困水平与生态系统服务价值(ESV)的相关性。基于2010年贵州省土地利用和贫困发生率数据，利用GoeDa模型和ArcGIS软件探究了贫困发生率与ESV的空间相关性。结果表明：贫困发生率与ESV之间存在正相关性，贫困发生率较大的地区ESV越高。贫困发生率与地均ESV的Moran指数大于贫困发生率与生态系统服务总价值(TESV)的Moran指数。贵州省东南部呈高—高相关，中部呈低—低相关，西部呈高—低相关。社会经济发展水平与土地利用结构空间格局的差异是造成贫困发生率与ESV空间关系不同的主要原因。

贫困发生率; ESV; 空间相关性; 贵州省

随着人类社会经济活动强度的增加，生态环境问题不断凸显，生态与社会经济的关系研究已成为当前研究的热点[1]。ESV的高低反映了生态环境的质量，贫困发生率高低可以体现区域社会经济水平，通过探究贫困发生率与ESV相关性，可以从新视角揭示社会经济与生态环境之间的关系，对区域减少贫困和保护生态环境具有重要的意义。

联合国千年生态系统评估计划将ESV研究推向高潮，不仅关注ESV的评估方法、驱动机理和时空格局变化，也重视人类活动和ESV之间的社会—生态相互关系[2-3]。目前，关于ESV与社会经济之间关系的研究多集中于ESV与社会经济的协调发展评价[4]以及城镇化、GDP、人口密度等社会经济因子与ESV的相关性分析[5-7]。如姚成胜等[8]认为福建省ESV的变化与总人口数、GDP和城市化水平之间存在明显的负相关关系。然而，这些研究多利用SPSS软件和协调度分析ESV与社会经济之间的数量关系，很少涉及两者空间关系的研究，更鲜有关注贫困发生率这一社会经济指标与ESV之间的关系。

贵州省是全国贫困人口最多的省份，全省88个县中50个县是国家扶贫开发的重点县，其贫困具有面大、程度深和隐性贫困的特点[9-10]。同时，全省经济发展水平空间差异突出，这使得全省贫困水平存在较大差异[11]。另外，近十几年来，随着退耕还林还草工程的实施，贵州省生态环境不断改善[12]。因此本研究以典型的贵州省为例，利用GoeDa模型和ArcGIS软件分析贵州省ESV与贫困发生率之间的关系，以期为区域可持续发展提供科学参考。

1　研究区概况

贵州省(103°36′—109°35′E，24°37′—29°13′N)位于我国云贵高原东部，总面积达17.61万km2，辖13个市辖区、7个县级市、56个县、11个自治县、1个特区。地势西高东低，自黔中向北、东、南倾斜，平均海拔1 100 m，境内地貌以高原、山地、丘陵和盆地为主，素有“地无三里平”。气候属亚热带季风气候，年均温15℃，年降水量1 200 mm。2010年全省常住人口3 474.65万人，城镇化率33.81%(低于全国的城镇化率49.68%)，GDP为4 602.16亿元，人均GDP 1.32万元(远低于全国人均GDP 2.95万元)，全省贫困人口总数418万，贫困发生率12.1%。

2　研究方法

2.1数据来源与处理

2000年和2010年土地利用数据是从中国科学院遥感与数字地球研究所下载的Landsat TM/ETM遥感影像解译获得(www.ids.ceode.ac.cn)，其解译过程包括：预处理、辐射纠正和几何纠正、图像配准、建立解译标志、室内解译、野外验证等，利用人机交互解译的方法解译获得2期土地利用数据，根据《土地利用现状分类标准》(GB/T21010—2007)，划分为耕地、林地、草地、建设用地、水域、未利用地6种地类。2010年贫困发生率数据来源于2011年贵州省统计年鉴。

2.2ESV评估方法

本研究利用谢高地等[13]制定的中国陆地生态系统单位面积ESV表对贵州省ESV进行评估(表1)，其公式为：

ESV=∑Ak·VCk

(1)

式中：Ak为研究区第k种地类的面积；VCk为ESV系数。

2.3空间相关性分析方法

局部空间自相关是空间自相关分析的重要方法，常用Local Moran′s I表示。它一般用于识别不同空间位置上可能存在的空间关联模式，发现空间局部不平稳性，从而准确地把握局部空间要素的聚集性和分异特征[14]。本研究利用GoeDa模型的bivariate local Moran′s I工具分析贫困发生率与ESV的空间相关性，获得Moran散点图和LISA聚集图，其具体计算公式为：

Ii= Zi∑WijZj

(2)

式中：Zi，Zj分别是空间单元i和j的标准化值；Wij是空间权重。

表1　单位面积ESV　元/hm2

Moran散点图中Moran′s I值为[-1，1]，其中：<0表示负相关，=0表示不相关，>0表示正相关。LISA聚集图中，区域被划分为5种类型：(1)H-H型(高值区与高值区相邻)；(2)L-L型(低值区和低值区相邻)；(3)H-L型(高值区和低值区相邻)；(4)L-H型(低值区和高值区相邻)；(5)不显著(区域之间不存在相关性，即相关性<0.05)。其中H-H和L-L表示区域之间存在正相关；相反，L-H和H-L表示区域之间存在负相关。

3　结果与分析

3.1贫困发生率与ESV空间格局

为分析研究区贫困发生率与ESV空间异质性，利用ArcGIS软件的自然断点法，将2010年全省贫困发生率和ESV进行划分(图1)。全省贫困发生率空间异质性突出，呈现东南部、南部高(>15.77%)，东北部、西部较高(8.81%～15.77%)，中部和北部较低(<8.81%)的特征。贫困发生率最高为晴隆县，为19.66%；最低为云岩区，为0.28%，相差近70倍。全省TESV呈东南部、西部高(>49.50亿元)，南部、北部较高(23.45～49.50亿元)，中部低(<23.45亿元)的特征。黎平县TESV最大，为79.85亿元，而最低的云岩区仅为0.78亿元，相差102倍。地均ESV呈东南高(>16 381元/hm2)、北部、南部较高(13 664～16 381元/hm2)，中西部低(13 664元/hm2)。榕江县地均ESV最高，为18 199元/hm2，而最低的云岩区仅为9 032元/hm2，相差2倍。

图1　贵州省贫困发生率与ESV空间分布

3.2贫困发生率与ESV相关性

通过统计不同贫困发生率地区TESV类型的个数(行政单元数量)(表2—3)，从表2看出，低贫困发生率地区以低TESV为主，占低贫困发生率行政单元个数的100%。较低、中和较高贫困发生率地区均以中TESV主，分别占相应行政单元个数的39%，41%和38%。高贫困发生率地区以较高TESV为主，占高贫困发生率行政单元个数的41%。

表2　贵州省贫困发生率与TESV相关分析

表3　贵州省贫困发生率与地均ESV相关分析

从表3可以看出，低贫困发生率地区以低地均ESV为主，占低贫困发生率行政单元个数的71%。较低和中贫困发生率地区以中地均ESV主，分别占相应行政单元个数的44%和47%。较高和高贫困发生率地区以较高地均ESV为主，占高贫困发生率行政单元个数的33%和36%。

利用GoeDa模型的bivariate local Moran′s I工具，建立空间权重矩阵，从而获得全省贫困发生率与TESV、地均ESV的Moran散点图和LISA聚集图(图2—3)。从图2可以看出，全省贫困发生率与TESV和地均ESV存在正的空间相关性，均>0。其中贫困发生率与TESV之间的Moran′s I为0.202 446，而贫困发生率与地均ESV之间的Moran′s I为0.290 687。

从图3可以看出，贫困发生率与TESV呈高—高相关的地区是东南部的锦屏县、黎平县、榕江县、从江县和荔波县以及西部的纳雍县。呈低—低相关的地区是中部的龙里县、花溪区、小河区、乌当区、云岩区、南明区、白云区和清镇市。呈高—低相关的地区是西部的仁怀市、毕节市和六盘水市。贫困发生率与地均ESV呈高—高相关的地区是天柱县、锦屏县、三穗县、剑河县、台江县、镇远县、施秉县、黄平县、黎平县、从江县、榕江县、荔波县、三都县、独山县、丹寨县、雷山县。呈低—低相关的地区是中部的平坝县、花溪区、小河区、乌当区、云岩区、南明区、白云区和清镇市。呈低—高相关的地区是中东部的都匀市和凯里市。呈高—低相关的地区是西部的威宁县、赫章县、水城县、织金县、普定县、六枝特区、普安县、晴隆县、兴仁县、关岭县、镇宁县。

图2　贵州省贫困发生率与ESV全局空间自相关指数

图3　贵州省贫困发生率与ESV的双变量LISA聚集图

4　讨论与结论

4.1讨 论

全省贫困发生率与ESV之间存在相关性，探究其原因，主要与社会经济发展水平与不同地类(自然植被)的空间分布的差异性有关。由于全省中部地形相对平坦，自然条件优越，因此该区社会经济水平较高地区，其贫困发生率较低。同理，受地形限制，全省东南部和西部的社会经济发展水平较低，其贫困发生率较高。另一方面，受人口压力和自然环境的影响，全省耕地主要分布于中部和西部，林地主要分布于东南部，这造成地均ESV呈现东高西低特点，从而造成贫困发生率与ESV在东部地区呈高—高相关，中部呈低—低相关，西部呈低—高相关。总之，自然条件优劣深刻影响着社会经济发展水平，进而影响贫困发生率的分布特点，而人类活动强度以及自然环境的特点影响着土地利用类型(自然植被)的空间格局，进而影响地均ESV的高低，从而导致贫困发生率与ESV之间的空间相关性存在差异。

另外，由于贫困地区社会经济发展水平较低，人类对自然植被的破坏相对较小，这使得贫困发生率越高的地区，自然植被保持越好，进而ESV也较高，因此，两者呈现正相关关系。然而，由于TESV大小不仅受到土地利用结构的影响，还受到行政单元面积大小的影响，这导致了TESV和地均ESV分布存在一定不同，进而导致贫困发生率与它们的相关性有所偏差，即贫困发生率与TESV的相关程度低于贫困发生率与地均ESV相关程度。

4.2结 论

(1)全省贫困发生率呈现东南部、南部>东北部、西部>中部、北部。全省TESV呈东南部、西部>南部、北部>中部。地均ESV呈东南>北部、南部>中西部。

(2)贫困发生率越高的地区ESV高的行政单元越多，即贫困发生率低的地区以低ESV为主，贫困发生率高的地区以高和较高ESV为主。贫困发生率与TESV和地均ESV存在正的空间相关性。且贫困发生率与TESV之间的Moran′s指数小于贫困发生率与地均ESV之间的Moran′s指数。全省贫困发生率与ESV之间基本上呈东南部高—高相关，中部低—低相关，西部高—低相关的空间特点。

[1]祖皮艳木·买买提,玉米提·哈力克,肉孜·阿基,等.基于生态系统服务价值变化的焉耆盆地环境与经济协调发展[J].应用生态学报,2015,26(3):875-883.

[2]Millennium Ecosystem Assessment(MA).Ecosystems and Human Well-Being: the Assessment Series[M].Washington,DC: Island Press,2005.

[3]张学斌,石培基,罗君.基于生态系统服务价值变化的生态经济协调发展研究:以石羊河流域为例[J].中国沙漠,2014,34(1):268-274.

[4]苏飞,张平宇.基于生态系统服务价值变化的环境与经济协调发展评价:以大庆市为例[J].地理科学进展,2009,28(3):471-477.

[5]胡喜生,洪伟,吴承祯.福州市土地生态系统服务与城市化耦合度分析[J].地理科学,2013,33(10):1216-1223.

[6]叶延琼,章家恩,陈丽丽.佛山市顺德区土地利用变化及社会经济发展对生态系统服务的影响[J].生态科学,2014,33(5):872-878.

[7]姚小薇,曾杰,李旺君.武汉城市圈城镇化与土地生态系统服务价值空间相关特征[J].农业工程学报,2015,31(9):249-256.

[8]姚成胜,朱鹤健,吕晞,等.土地利用变化的社会经济驱动因子对福建生态系统服务价值的影响[J].自然资源学报,2009,24(2):225-233.

[9]张恒.贵州喀斯特地区农村环境与贫困类型划分研究[J].凯里学院学报,2011,29(6):83-86.

[10]张文红.贵州少数民族贫困县贫困发生率与经济增长和收入分配关系的实证分析[J].经济研究导刊,2013,204(22):86-89.

[11]朱士鹏,况学东,张美竹.贵州省县域经济差异测度与分析[J].西北师范大学学报:自然科学版,2012,48(4):102-107.

[12]张晓珊,周红,周军,等.贵州省退耕还林工程生态效益阶段评价研究[J].贵州林业科技,2008,36(2):1-6.

[13]谢高地,鲁春霞,冷允法,等.青藏高原生态资产的价值评估[J].自然资源学报,2003,18(2):189-195.

[14]李明阳,刘敏,刘米兰.基于GIS的森林调查因子地统计学分析[J].南京林业大学学报:自然科学版,2010,34(6):66-70.

Correlation Analysis Between Poverty Incidence and Ecosystem Service Value in Guizhou Province

GAO Hongjuan1,CAI Guangpeng2,HAN Huiqing1,LUO Xuqiang1

(1.College of Geography and Tourism,Guizhou Normal College,Guiyang 550018, China; 2.College of Geography and Environmental Sciences,Guizhou Normal University,Guiyang 550001,China)

In order to explore the correlation of poverty levels and ecosystem service value (ESV),we analyzed the spatial correlation between poverty incidence and ESV based on the data of land use and the poverty incidence in Guizhou Province in 2010 by using the GoeDa model and ArcGIS software.The results showed that there was the positive correlation between poverty incidence and ESV.High value of poverty incidence had higher ESV.Moran index between poverty incidence and average ESV was higher than Moran index between poverty incidence and total ecosystem service value (TESV).High—high correlation was found in southeast part.Low—low correlation was observed in middle part.High—low correlation existed in west part.The different spatial patterns of social-economic level and land use structure are the main reasons for resulting in the different spatial correlation between poverty incidence and ESV.

poverty incidence; ESV; spatial correlation; Guizhou Province

2015-09-25

2015-10-06

贵州省优秀青年科技人才培养对象专项资金项目(黔科合人字[2015]21号)；贵州省环境科学教学团队(黔教高[2012]426号)

郜红娟(1981—),女,山东菏泽人,硕士,讲师,主要从事自然资源开发与区域规划研究。E-mail:cgp1963@126.com

蔡广鹏(1963—),男,贵州贵阳人,硕士,副教授,主要从事土地利用与规划研究。E-mail:cjp013@sina.com

X171.1

A

1005-3409(2016)05-0274-04