دسترسی نقش مهمی در کاهش فقر روستایی دارد. مطالعات قبلی رابطه بین دسترسی و فقر روستایی را بررسی کرده‌اند، اما شواهد محدودی از تأثیر جمعی دسترسی حمل‌ونقل چندمقیاس (دسترسی در سطح شهر، سطح شهرستان، و در سطح استان) و اثرات غیرخطی آن بر فقر روستایی ارائه می‌دهند. این مطالعه مدل درخت تصمیم تقویت کننده گرادیان را برای بررسی ارتباط غیرخطی و اثرات آستانه دسترسی حمل و نقل چند مقیاسی بر بروز فقر روستایی (RPI) اتخاذ کرد. ما Huining، یک شهرستان فقیر در چین را به عنوان مطالعه موردی انتخاب کردیم. نتایج نشان می‌دهد که دسترسی حمل‌ونقل چند مقیاسی در مجموع قدرت پیش‌بینی بیشتری نسبت به سایر متغیرها دارد. به طور خاص، دسترسی در سطح شهر (12. 97٪ نقش غالب در پیش بینی RPI ایفا می کند، پس از آن دسترسی در سطح شهرستان (9.50٪) و دسترسی در سطح استان (7.38٪) قرار دارند. ما بیشتر ارتباط غیرخطی و محدوده‌های مؤثر دسترسی حمل‌ونقل چندمقیاسی را برای هدایت سیاست‌های کاهش فقر شناسایی کردیم. نتایج ما به اطلاع‌رسانی سیاست‌ها و برنامه‌ریزی در زمینه کاهش فقر پایدار و زنده‌سازی روستاها کمک می‌کند.

کلید واژه ها:

فقر ؛ دسترسی حمل و نقل چند مقیاسی ; اثرات آستانه ; چین ؛ درختان تصمیم

1. مقدمه

فقر حادترین مشکل اجتماعی در جهان معاصر است [ 1 ، 2 ]. فقر شدید (در خط فقر 1.90 دلار در روز) تقریباً 9.4٪ از جمعیت جهان را در سال 2020 تحت تأثیر قرار داد، به این معنی که تخمین زده می شود که 88 میلیون نفر به ویژه در مناطق روستایی به فقر کشیده شوند [ 3 ]. فقر توسط عوامل مختلفی ایجاد می شود و این عوامل هم زمان و هم مکان خاص هستند [ 4 ]. در میان آنها، دسترسی به حمل و نقل، به عنوان پتانسیل فرصت های تعامل، نقش محوری را برای دسترسی مردم به خدمات ضروری ایفا می کند [ 5 ] ]. دسترسی به حمل و نقل به طور گسترده به عنوان یکی از دلایل اصلی فقر و پیش شرط اصلی کاهش فقر شناخته شده است. 6 ]. با این حال، رابطه بین دسترسی به حمل و نقل و فقر هنوز به خوبی درک نشده است، و اغلب با مقیاس مکانی مکان، از سطح شهر تا استان در مناطق مختلف متفاوت است [ 7 ]. هدف این مقاله شناسایی اثرات دسترسی چند مقیاسی بر فقر روستایی در چین است.
بسیاری از مطالعات، همبستگی‌های فقر روستایی را بررسی کرده‌اند و نشان می‌دهند که فقر روستایی با محیط فیزیکی اطراف مناطق روستایی فقیر، موقعیت جغرافیایی و دسترسی مرتبط است. اول، توزیع فقر روستایی تا حد زیادی از شرایط فیزیکی محیطی پیروی می کند. مطالعات قبلی نشان می دهد که فقر روستایی تحت تأثیر شیب، ارتفاع، فرسایش خاک، نوع کاربری زمین، تخریب اکولوژیکی و بلایای طبیعی است [ 8 ، 9 ، 10 ، 11 ، 12 ، 13 ]. بیشتر جمعیت روستایی فقیر در چین در مناطق شکننده اکولوژیکی، مناطق صخره‌ای بیابان‌زایی، مناطق فرسایش خاک، و مناطق بیابان‌زایی زمین توزیع شده‌اند [ 14 ،15 21، 16 ]. دوم اینکه موقعیت جغرافیایی نقش مهمی در بروز فقر روستایی دارد. دورافتادگی جغرافیایی معمولاً به عنوان عامل اصلی توضیح دهنده سطح بالای فقر روستایی در نظر گرفته می شود [ 17 ، 18 ]. تله‌های فقر فضایی، که به عنوان تجمع فضایی مناطق فقیر یا جمعیت‌های فقیر تعریف می‌شوند، از ویژگی‌های مکان ناشی می‌شوند [ 19 ، 20 ]. موقعیت جغرافیایی از طریق محیط طبیعی، زیرساخت ها، شرایط خدمات عمومی و فرصت های شغلی بر فقر تأثیر می گذارد.]. در نتیجه، دسترسی اغلب به عنوان یک عامل اصلی توضیح دهنده فقر روستایی مورد استفاده قرار می گیرد، زیرا دسترسی بالا برای ساکنان روستایی دسترسی آسان به خدمات اساسی و فرصت های بازار را فراهم می کند [ 6 ، 22 ، 23 ، 24 ]. بسیاری از مطالعات تجربی بیان کرده اند که بسیاری از جوامع فقیر ساکن در نواحی روستایی به دلیل انزوا، شرایط نامناسب جاده ها و دسترسی در سطح پایین از فرصت های اقتصادی و اجتماعی محروم هستند. به عنوان مثال، یافته‌های Sewell و Shepherd نشان داد که اتصال و دسترسی ضعیف با سطوح بالای بیکاری و فقر همبستگی بالایی دارد. دسترسی همچنان یک محدودیت برای توسعه بسیاری از مناطق روستایی در کشورهای در حال توسعه است. پوزی و همکاران [ 7] بیان کرد که دسترسی و فقر روستایی مشخص نبوده و دلیل اصلی آن مقیاس های جغرافیایی متفاوت تحلیل است. برخی از مطالعات همچنین نشان داده‌اند که فقر به‌جای بازارهای محلی یا سرمایه‌های بزرگ، با زمان سفر به شهرهای متوسط ​​همبستگی قوی‌تری دارد.
این مطالعات برای درک ارتباط بین فقر روستایی و محیط جغرافیایی مفید هستند و پیامدهای مهمی برای ترویج کاهش فقر ارائه می‌دهند. با این حال، برخی از سوالات باقی مانده است که باید حل شود. اول، ادبیات توجه کمی به ارزیابی نقش بزرگ دسترسی در فقر روستایی دارد [ 22 ، 25 ]. این ارزیابی برای اجرای سیاست‌های هدفمند کاهش فقر از طریق زیرساخت‌های جاده‌ای و بهبود دسترسی، مرکزی است. دوم، مطالعات قبلی اغلب فرض می کنند که دسترسی به طور خطی با فقر روستایی مرتبط است. در واقع، تغییرات در متغیرهای ویژگی های حمل و نقل و فضایی ممکن است تأثیر ضعیفی بر فقر روستایی پس از رسیدن دسترسی به یک آستانه معین داشته باشد [ 4 ، 26 ]]. در نتیجه، محدوده‌های مؤثری که دسترسی در آن بر فقر روستایی تأثیر می‌گذارد ناشناخته باقی می‌ماند. علاوه بر این، ارزیابی دسترسی به طور ذاتی شامل یک تمرین تحلیل فضایی است که به انتخاب مقصد نیاز دارد. به طور خاص، دسترسی به مقاصد با رتبه‌های اداری متفاوت (شهرک‌ها) که در این تحقیق به آن دسترسی حمل‌ونقل چند مقیاسی گفته می‌شود، تأثیرات متفاوتی بر فقر روستایی دارد. این امر به ویژه در چین صادق است، زیرا سلسله مراتب سیاسی-بوروکراسی شهرها (به عنوان مثال، شهرهای سطح استان، شهرها در سطح شهرستان و شهرستان ها) تا حد زیادی قدرت سیاسی و اقتصادی آنها را تعیین می کند. پیامدهای دسترسی چند مقیاسی حمل و نقل به طور جامع در ادبیات متمرکز بر رابطه بین دسترسی و فقر روستایی بررسی نشده است.
هدف تحقیق ما پر کردن این سه شکاف است. هدف این مقاله بررسی تأثیرات غیرخطی دسترسی در سطح استان، دسترسی در سطح شهرستان، و دسترسی در سطح شهر بر فقر روستایی، کنترل سایر متغیرهای محیط جغرافیایی است. برای این منظور، ما از مدل درخت تصمیم تقویت کننده گرادیان (GBDT) پیشنهاد شده توسط فریدمن [ 27 ] استفاده کردیم. به طور گسترده ای در تحلیل سفر حمل و نقل استفاده شده است [ 28 , 29]. تا جایی که ما می دانیم، این اولین بار است که GBDT برای تحلیل فقر روستایی به کار گرفته شده است. ما Huining در استان گانسو، یک شهرستان فقیر در چین را برای مطالعه موردی انتخاب کردیم. به طور خاص، ما سعی کردیم به دو سوال تحقیق پاسخ دهیم: (1) کدام نوع دسترسی نقش مهمی در پیش‌بینی فقر روستایی دارد؟ (2) آیا سه نوع دسترسی تأثیرات غیرخطی یا آستانه ای بر فقر روستایی دارند؟ پرداختن به این سؤالات بسیار مهم است، زیرا ارزیابی سهم جمعی دسترسی و تعیین کمیت اهمیت نسبی دسترسی حمل و نقل چندمقیاس فردی می تواند دولت ها را در اولویت بندی این عوامل در زمانی که منابع محدود است راهنمایی کند.
این مقاله به شرح زیر سازماندهی شده است. بخش بعدی منطقه مورد مطالعه، داده ها و روش GBDT را معرفی می کند. بخش 3 الگوهای فضایی RPI را تشریح می کند و اثرات دسترسی حمل و نقل چند مقیاسی را بر RPI شرح می دهد. متعاقباً، در بخش 4 ، نتایج و پیامدهای سیاست مرتبط را مورد بحث قرار می‌دهیم. در پایان، در پایان، مروری بر یافته‌های کلیدی خود ارائه می‌کنیم.

2. منطقه مطالعه، داده ها، و روش

2.1. منطقه مطالعه

هوینینگ، یک شهرستان فقیر در استان گانسو، در محل اتصال فلات شمال غربی لس و فلات چینگهای-تبت در بخش مرکزی منطقه کوه لیوپان واقع شده است. هوینینگ به 28 شهر، 284 دهکده اداری و 16 جامعه با مساحت 6439 کیلومتر مربع تقسیم شده است . Huining همچنین یکی از چهارده منطقه فقر زده پیوسته با مشکلات ویژه در چین (CPASDs) است ( شکل 1 ).) (به عنوان یک ابزار مهم برای کاهش فقر، دفتر گروه کاهش فقر و توسعه شورای دولتی چین (CPAD) 14 منطقه کم درآمد به هم پیوسته را با مشکلات ویژه تعیین کرد و این مناطق را به عنوان میدان اصلی جنگ برای سیاست هدفمند کاهش فقر تعیین کرد.). جمعیت این شهرستان در سال 1397 بالغ بر 580.3 هزار نفر بوده که از این تعداد 492.2 هزار نفر در مناطق روستایی ساکن بوده اند که 84.8 درصد از کل جمعیت را به خود اختصاص داده است. در سال 2019، کل تولید ناخالص داخلی این شهرستان 7168.09 میلیون یوان و تولید ناخالص داخلی سرانه 13.2 هزار RMB بود. درآمد سرانه قابل تصرف ساکنان شهری 19.9 هزار یوان و ساکنان روستایی 8.2 هزار یوان [ 30 ] بود.]. از میان تمام شهرستان‌های استان گانسو، 50 درصد از جمله Huining، توسط گروه کاهش فقر و توسعه شورای دولتی چین به عنوان شهرستان‌های فقیر طبقه‌بندی می‌شوند. علاوه بر این، Huining در مجاورت منطقه Xi-Hai-Gu (از جمله Xiji، Haiyuan، و Guyuan) منطقه خودمختار Ningxia Hui است که توسط برنامه جهانی غذای سازمان ملل متحد (WFP) به عنوان یکی از ناپذیرترین مناطق برای فعالیت های انسانی شناخته شده است. ) در سال 1972. بنابراین، Huining به عنوان یک نمونه معمولی از مناطق تله فقر فضایی و یک شهرستان معمولی در شمال غربی چین انتخاب شد. بر اساس آمار نرخ فقر ثبت شده (جیاندانگ لیکا) دولت شهرستان در سال 1393، این شهرستان دارای 130 روستای فقیر، 39 هزار خانوار فقیر و 172.3 هزار نفر فقیر بوده که 32.10 درصد از کل جمعیت و 42 نفر را به خود اختصاص داده است.

2.2. داده ها و متغیرها

برای کشف همبستگی‌های فقر روستایی، پنج دسته از متغیرهای توضیحی بر اساس مطالعات قبلی [ 31 ، 32 ، 33 ] و بررسی‌های میدانی وارد شدند: توپوگرافی، منابع کاربری زمین، منابع آب، منابع اجتماعی-اقتصادی، و دسترسی حمل‌ونقل چند مقیاسی. جدول 1 خلاصه ای از این متغیرها و ارائه آمار توصیفی آنهاست.شکل 2توزیع فضایی این متغیرها را ارائه می دهد. داده‌های کاربری زمین و مدل رقومی ارتفاع (DEM) از نسخه عنصر بنیادی 1:4 M از سیستم اطلاعات جغرافیایی بنیادی ملی به‌دست آمد. داده های اجتماعی-اقتصادی، از جمله جمعیت و تولید ناخالص داخلی شهرداری بایین، شهرستان هوینینگ، و شهرهای مورد مطالعه، از سالنامه توسعه گانسو (2015)، سالنامه آماری هوینینگ (2015) و سالنامه آماری مقیاس شهرستان چین – روستاها به دست آمده است. و شهرهاحجم (2015)، به ترتیب. داده های POI از Baidu API (معادل چینی Google Maps) به دست آمده است. داده های بروز فقر روستایی (RPI) برای هر روستا در سال 2014 از یک برگه آماری نرخ فقر ثبت شده (جیاندانگ لیکا) به دست آمد. RPI به نسبت جمعیت فقیر در یک روستا اشاره دارد.

2.3. روش

2.3.1. دسترسی چند مقیاسی حمل و نقل

دسترسی به طور سنتی به عنوان فرصت بالقوه برای تعامل تعریف می شود و می تواند به عنوان نماینده ای برای سنجش رفاه و توسعه اقتصادی در نظر گرفته شود [ 34 ، 35 ]. در این مطالعه، شاخص میانگین وزنی زمان سفر ( WATT ) به عنوان معیاری برای میانگین زمان سفر بین یک گره و تمام گره های دیگر وزن شده بر اساس جرم مقصد استفاده شد [ 36 ]. دسترسی حمل و نقل چند مقیاسی در این مقاله شامل دسترسی در سطح استان، دسترسی در سطح شهرستان و دسترسی در سطح شهر است. معادله ریاضی کلاسیک WATT به شرح زیر است:

دبلیوآتیتیمن=∑j=1nتیمنj×مj∑j=1nمj

که در آن T ij کوتاه ترین زمان سفر بین روستای i و مقصد j است و از نقشه آنلاین بایدو به دست می آید. برخلاف تجزیه و تحلیل شبکه، داده های زمان سفر به دست آمده از منابع کلان داده می توانند سرعت، ازدحام و سایر شرایط ترافیکی را در زمان واقعی منعکس کنند. M j جرم مقصد j است و به عنوان جذر حاصلضرب جمعیت و تولید ناخالص داخلی برای مقاصد در سطح استان و مقاصد در سطح شهرستان اندازه گیری می شود [ 36 ]] و به عنوان تعداد POI برای مقاصد سطح شهر. 28 شهر در Huining مقاصدی برای اندازه گیری دسترسی در سطح شهر در نظر گرفته می شوند. شهرستان هوینینگ و شهرداری بایین به ترتیب مقصدهایی برای اندازه گیری دسترسی در سطح شهرستان و در سطح استان در نظر گرفته می شوند. در این مطالعه، دسترسی در سطح شهر به عنوان دسترسی به نزدیکترین شهر بر اساس نظریه مکان مرکزی [ 37 ] تعریف شده است.

2.3.2. مدل GBDT
ما از الگوریتم GBDT، ترکیب درخت تصمیم و تقویت گرادیان، برای تحلیل پویایی فقر روستایی استفاده کردیم. اخیراً، مجموعه ای غنی از ادبیات در مورد بررسی اثرات غیرخطی محیط ساخته شده بر سفرهای حمل و نقل با استفاده از GBDT [ 28 ، 29 ] ظهور کرده است.]. در مقایسه با چارچوب رگرسیون آماری سنتی، مزایای کلیدی استفاده از مدل GBDT برای بررسی پویایی فقر روستایی به شرح زیر است. (1) مدل هیچ فرض خطی از پیش تعریف شده ای در مورد رابطه بین فقر روستایی و عوامل مؤثر بر آن ایجاد نمی کند: یک رابطه غیرخطی بین دو متغیر می تواند با ایجاد نمودارهای وابستگی جزئی که ارتباط بین فقر روستایی و دسترسی را نشان می دهد و سایر موارد توضیحی را کنترل کند، مناسب باشد. متغیرها (2) این مدل قادر به ارزیابی تأثیرات نسبی دسترسی حمل‌ونقل چندمقیاس بر فقر روستایی است که به اثربخشی سیاست کاهش فقر هدفمند کمک می‌کند. (3) این مدل به چند خطی بودن حساس نیست و کمتر در برابر نقاط پرت آسیب پذیر است.
ما از بسته “gbm” در زبان برنامه نویسی R، طراحی شده توسط Greg [ 38 ] برای اجرای الگوریتم GBDT استفاده کردیم. اعتبار سنجی متقابل پنج برابری برای توسعه مدل GBDT، مانند مطالعات قبلی، اعمال شد. مجموعه داده به پنج زیر مجموعه مجزا از 20 درصد داده ها تقسیم شد. هر زیر مجموعه به صورت متوالی به عنوان داده های آزمون مورد استفاده قرار گرفت، در حالی که از زیر مجموعه های باقی مانده برای آموزش مدل استفاده شد. GBDT از تکنیک تقویت برای ایجاد یک یادگیرنده گروهی استفاده می کند. تقویت در GBDT تکرار اهداف نمونه است، نه تکرار نمونه برداری مجدد. مجموعه نمونه هر مرحله افزایش در GBDT بدون تغییر است. GBDT هر بار با تمام نمونه ها، از جمله 282 روستای اداری، تکرار می شود. به دنبال مطالعات قبلی [ 29]، مدل نهایی حداکثر 10000 درخت، نرخ یادگیری 0.001 و تعاملات ده طرفه دارد. این مدل پس از تکرارهای سال 2005 همگرا شد. شبه R 2 ، “کسری از تغییرات توضیح داده شده توسط مدل” [ 39 ]، 0.510 است.

3. نتایج

3.1. توزیع و الگوهای فضایی RPI

شکل 3 a توزیع RPI و تراکم جمعیت را به صورت نمودار ویولن نشان می دهد. میانه (خط نقطه چین قرمز و آبی مرکزی) RPI و تراکم جمعیت 17.8٪ و 99.16 نفر در کیلومتر مربع است .، به ترتیب. توزیع RPI و تراکم جمعیت روند مخالف را نشان می دهد. به طور خاص، مقادیر RPI در نزدیکی میانه پراکنده هستند و در نزدیکی چندک 25 (8.6٪) و چندک 75 (69.7٪)، با توزیع دمبل معمولی متمرکز هستند. به این معنا که تعداد روستاهای با شاخص بالا و پایین بیشتر از تعداد روستاهای با شاخص متوسط ​​است. در مقابل، تراکم جمعیت نزدیک به میانه بالاترین، با توزیع تقریبا نرمال است. به طور کلی، روستاهایی با تراکم جمعیت بالاتر و RPI بالاتر دارای فشار جمعیت بالا و یک رابطه انسان و زمین ناهماهنگ هستند.
RPI در Huining یک بعد جغرافیایی قابل توجه را نشان می دهد ( شکل 3 ب) که به شدت با الگوی توپوگرافی Huining همراه است ( شکل 1 ). RPI در مناطق کوهستانی نواحی جنوبی، شرقی و شمال شرقی در امتداد مرز منطقه Xi-Hai-Gu (Xihaigu) منطقه خودمختار Ningxia Hui به طور قابل توجهی بالاتر است. دهکده‌هایی با RPI پایین‌تر از شمال به جنوب به شکل کمربند گسترش می‌یابند و در نواحی فلات دره کم ارتفاع، مانند رودخانه زولی و رودخانه گوانچوان در منطقه شمال غربی، رودخانه زو در شهر شهرستان هویشی، و رودخانه لی در منطقه جنوبی. این روستاها عبارتند از Guochengyi، Hepan، Baicaoyuan، Gangouyi، Chaijiamen و Huishi.

3.2. اهمیت نسبی متغیرهای مستقل

جدول 2اهمیت نسبی دسترسی حمل و نقل چند مقیاسی و سایر متغیرهای مستقل را نشان می دهد. مجموع تأثیر نسبی همه متغیرهای مستقل به 100٪ می رسد. تعداد POI با تأثیر نسبی 19.60 درصد، مهم ترین متغیر در پیش بینی RPI است. این نتیجه معقول است، زیرا تعداد بالای POI مستلزم عرضه خوب خدمات اساسی، از جمله آموزش، مراقبت‌های بهداشتی، فرصت‌های شغلی، و بازار برای روستاییان است، بنابراین کاهش فقر روستایی را ترویج می‌کند. میانگین ارتفاع با تأثیر نسبی 15.64 درصد، دومین متغیر مهم در پیش بینی RPI است. ارتفاع، یک عامل غالب توپوگرافی، به طور مستقیم بر توسعه روستایی با تأثیر بر سایر شرایط توسعه مانند بهره‌وری کشاورزی و جداسازی مکان تأثیر می‌گذارد. دسترسی در سطح شهر سومین متغیر مهم در پیش بینی RPI است و سهم آن 12.97٪ است. این امر قابل قبول است زیرا تأثیرات محرک شهرها بیشتر از شهرستان ها و مناطق شهری در مناطق کوهستانی است، به این معنی که دسترسی آسان به خدمات اولیه و فرصت های بازار شهرها برای تولید و زندگی روزمره کشاورزان مهم است. این تأثیر در فرآیند کار میدانی نیز مشاهده شد و با مطالعات قبلی مطابقت دارد.4 ، 23 ، 40 ]، در درجه اول به دلیل دسترسی ضعیف بین روستاها و شهرستان Huining و Baiyin. قابل ذکر است، دسترسی در سطح شهر به شدت تحت تأثیر تعداد POI است، که ما از آنها برای نشان دادن انبوه شهرها هنگام محاسبه دسترسی در سطح شهر استفاده کردیم. بنابراین عامل POI علاوه بر تأثیر مستقیم، از طریق قابلیت دسترسی، اثرات غیرمستقیم نیز دارد. جای تعجب نیست که منابع آب با سهم 8.82 درصدی رتبه پنجم را به خود اختصاص داده است و تأثیری بی اهمیت در پیش بینی RPI دارد. این یافته منطقی است زیرا منابع آب در مناطق خشک و نیمه خشک برای حمایت از فعالیت های انسانی و تولید کشاورزی ضروری است. این یافته با مطالعات قبلی [ 10 ] نیز مطابقت دارد.
در میان همه دسته‌های متغیرهای مستقل، دسترسی حمل‌ونقل چند مقیاسی 29.85 درصد از قدرت پیش‌بینی را به خود اختصاص می‌دهد، پس از آن منابع اجتماعی-اقتصادی (27.09 درصد)، توپوگرافی (21.25 درصد)، منابع کاربری زمین (12.99 درصد) و منابع آب (8.82 درصد) قرار دارند. . بنابراین، دسترسی حمل و نقل چند مقیاسی متغیر غالب برای پیش‌بینی RPI است. از نظر متغیرهای دسترسی فردی، دسترسی در سطح شهر، که در رتبه سوم قرار دارد، 12.97 درصد از توانایی پیش‌بینی RPI را دارد و پس از آن دسترسی در سطح شهرستان (9.50 درصد) و دسترسی در سطح استان (7.38 درصد) قرار دارند که رتبه‌بندی می‌شوند. به ترتیب چهارم و هفتم. این نشان می‌دهد که واحدهای شهر به دلیل انزوای بیشتر از مناطق شهری و شهرستان‌ها در مناطق کوهستانی، عنصری کلیدی در فرآیند توسعه روستایی و زندگی روزمره کشاورزان هستند. در همین حال، این نتایج همچنین کارایی ترویج کاهش فقر روستایی را با بهینه‌سازی چیدمان روستاها و شهرها، پرورش شهرهای کوچک ویژه و بهبود عملکرد خدماتی شهرها نشان می‌دهد. قابل توجه، دسترسی در سطح شهرستان، که در رتبه چهارم قرار دارد، در پیش‌بینی RPI تأثیر غیرمعمولی دارد. منابع اجتماعی-اقتصادی دومین متغیر مهم هستند و در مجموع 09/27 درصد از توانایی پیش بینی را به خود اختصاص می دهند. این یافته منطقی است، زیرا شرایط اجتماعی-اقتصادی همبستگی حیاتی کشاورز و توسعه روستایی است. تراکم جمعیت نیز نقش مهمی در پیش‌بینی RPI ایفا می‌کند و با سهم 7.49 درصد در رتبه ششم قرار دارد. تأثیر جمعی متغیرهای توپوگرافی 25/21 درصد است و میانگین ارتفاع (64/15 درصد) در مقایسه با شیب متوسط ​​(61/5 درصد) نقش قوی تری دارد. سرانجام،

3.3. رابطه بین متغیرهای مستقل و RPI

ما از نمودار وابستگی جزئی برای نشان دادن اثر حاشیه ای یک متغیر بر روی RPI پس از کنترل همه متغیرهای دیگر در مدل استفاده کردیم، همانطور که مطالعات قبلی انجام دادند. با توجه به دسترسی حمل و نقل چند مقیاسی، هر سه متغیر دسترسی یک رابطه غیرخطی و مثبت با RPI دارند. شکل 4). با توجه به دسترسی در سطح شهر، اثر حاشیه ای می تواند نزدیک به 10٪ در محدوده 10-20 دقیقه برسد. وقتی دسترسی در سطح شهر کمتر از 8 دقیقه باشد، به نظر می‌رسد که تأثیر محدودی بر RPI دارد. در این محدوده، دسترسی به خدمات عمومی و فرصت های بازار شهرها نسبتاً بالاست. بنابراین، RPI پایین است. RPI به طور قابل توجهی افزایش می یابد زیرا دسترسی در سطح شهر به محدوده 10 تا 20 دقیقه می رسد. افزایش بیشتر بیش از 20 دقیقه به میزان قابل توجهی بر RPI تأثیر نمی گذارد. با این حال، زمانی که از 35 دقیقه بیشتر شود، RPI کمی کاهش می یابد و سپس پایدار می شود. محدوده موثر دسترسی در سطح شهرستان و استان به ترتیب 25-55 دقیقه و 160-220 دقیقه است و سهم آنها در RPI تقریباً 6٪ است. زیر 25 دقیقه دسترسی در سطح شهرستان و 160 دقیقه دسترسی در سطح استان، RPI به طور قابل توجهی تغییر نمی کند و پایین باقی می ماند. محدوده های موثر مختلف سه عامل دسترسی با نظریه مکان مرکزی مطابقت دارد.
متغیرهای اجتماعی-اقتصادی شامل تعداد POI و تراکم جمعیت است ( شکل 5 ). تعداد POI ارتباط منفی با RPI دارد. با این حال، ارتباط در محدوده متغیر متفاوت است، با کاهش خطی کمتر از حدود 250 تاسیسات و یک خط صاف که وقتی تعداد POI از 250 بیشتر شود، هیچ تاثیری بر RPI نشان نمی‌دهد. این یافته منطقی است، زیرا تعداد POI بیشتر به این معنی است. روستاییان از خدمات عمومی، آموزش، شغل و فرصت های دیگر بیشتر بهره مند می شوند که می تواند درآمد و فرصت های توسعه روستاییان را افزایش دهد. به طور کلی، تراکم جمعیت با RPI ارتباط منفی دارد. با افزایش تراکم جمعیت از 50 به 120 نفر در کیلومتر مربع، RPI به میزان قابل توجهی کاهش می یابد. هنگامی که تراکم جمعیت از 150 نفر در کیلومتر مربع فراتر رود ، RPI به طور قابل توجهی افزایش می‌یابد، و بیشتر از 200 نفر در کیلومتر مربع افزایش می‌یابد که منجر به RPI پایدار می‌شود. این یافته با توزیع RPI و تراکم جمعیت نشان داده شده توسط نمودار ویولن مطابقت دارد ( شکل 3 a). این نشان می دهد که روستاهایی با تراکم جمعیت بالا و بروز فقر بالا دارای فشار جمعیت بالا و یک رابطه انسان و زمین ناهماهنگ در Huining هستند [ 14 ، 41 ].
شکل 6 رابطه بین منابع آب و RPI را نشان می دهد. همانطور که انتظار می رود، فاصله تا نزدیکترین رودخانه ارتباط مثبتی با RPI دارد، زیرا منابع آب منبع کلیدی توسعه اجتماعی-اقتصادی در فلات لس است [ 41 ]. تأثیر فاصله تا نزدیکترین رودخانه در دو محدوده متفاوت است. به طور خاص، زمانی که فاصله تا یک رودخانه کمتر از 6 کیلومتر باشد، RPI تقریباً 5٪ افزایش می یابد. سپس زمانی که فاصله تا رودخانه از 5 به 14 کیلومتر افزایش می یابد، RPI تقریباً 6٪ افزایش می یابد و تأثیر افزایش بیشتر از 14 کیلومتر ناچیز است. این یافته مفاهیم مهمی را برای توزیع فضایی منابع آب فراهم می کند.
متغیرهای کاربری-منابع زمین شامل درصد سطح زمین زراعی، درصد مساحت جنگل-زمین و درصد مساحت مرتع است ( شکل 7 ). اگرچه ارتباط کلی بین درصد سطح زمین زراعی و RPI منفی است، مطابق با مطالعات قبلی [ 4 ، 23 ]]، طرح درصدی از سطح زمین زراعی تا حدودی تعجب آور است. زیر 30 درصد، RPI تغییر چندانی نمی کند و بالا باقی می ماند. زمانی که درصد سطح زمین زراعی بیش از 48 درصد باشد، سطح زمین زراعی با RPI ارتباط مثبت دارد. به طور خاص، RPI به طور خطی افزایش می یابد، زیرا نسبت زمین های زراعی از 48٪ به 60٪ افزایش می یابد. این روند زمانی پایدار می شود که سطح زمین زراعی بیش از 58٪ افزایش یابد. در هوینینگ، روستاهایی که نسبت سطح زمین زراعی آنها کمتر از 30 درصد و بیش از 48 درصد است، مناطقی هستند که ظرفیت تولید غلات و کیفیت زمین زراعی نسبتاً پایینی دارند. شکل 2).). از این رو، از آنجا که کشاورزی هنوز صنعت اصلی در Huining است، این تأثیر منطقی است. در محدوده بین 30 تا 48 درصد، درصد سطح زمین زراعی ارتباط منفی با RPI دارد. درصد مساحت جنگلی نیز مطابق با مطالعات قبلی، رابطه منفی با RPI دارد، زیرا برخی از پروژه‌ها از جمله «دانه برای سبز» و «حفاظت طبیعی جنگل» تأثیر مهمی بر تولید و زندگی روستایی داشته است [ 41 ]. , 42 , 43 ]. در مقابل، درصد مساحت مرتع ارتباط مثبتی با RPI دارد.
متغیرهای توپوگرافی شامل میانگین ارتفاع و شیب متوسط ​​هستند که هر دو به طور مثبت با RPI مرتبط هستند ( شکل 8 ). این نتیجه با مطالعات قبلی [ 11 و 13 ] مطابقت دارد. هنگامی که میانگین ارتفاع کمتر از 1750 متر باشد، ارتفاع تأثیر محدودی بر RPI دارد، که زمانی که ارتفاع از 1750 متر به تقریباً 2100 متر افزایش یابد، به طور قابل توجهی افزایش می یابد. سپس RPI با افزایش بیشتر ارتفاع ثابت می ماند. موثرترین محدوده ارتفاع بین 1750 تا 2000 متر است. در این میان، شیب های بیشتر از 14 بیشترین تأثیر را در افزایش RPI دارند.

4. بحث و پیامدهای سیاست

به عنوان معیاری از فرصت های بالقوه برای تعامل، دسترسی به مدت طولانی به عنوان یک پیش شرط مهم برای توسعه روستایی و کاهش فقر روستایی شناخته شده است [ 24 ، 44 ]. با این حال، تحرک و دسترسی همچنان محدودیت های اصلی برای مناطق روستایی در کشورهای در حال توسعه است [ 45 ]. در این مطالعه، ما دریافتیم که دسترسی حمل‌ونقل چندمقیاس به طور کلی قدرت پیش‌بینی بیشتری نسبت به سایر متغیرها دارد، و ما ارتباط غیرخطی و محدوده‌های موثر دسترسی حمل‌ونقل چند مقیاسی را برای هدایت سیاست کاهش فقر شناسایی کردیم.
اکثر مطالعات تجربی نشان داده اند که بسیاری از روستاها و جوامع فقیر به دلیل دسترسی ضعیف و اتصال ناکافی حمل و نقل منزوی شده اند [ 9 ، 21 ]]. به طور مشابه، از نظر فقر روستایی در مناطق کوهستانی، مطالعه ما یافته‌های مشابهی را تولید کرد و اثرات غیرخطی و آستانه دسترسی حمل‌ونقل چند مقیاسی را بیشتر روشن کرد. دسترسی در سطح شهر، رتبه سوم، 12.97٪ در پیش بینی RPI کمک می کند، پس از آن دسترسی در سطح شهرستان و دسترسی در سطح استان قرار دارند. محدوده موثر دسترسی حمل و نقل چند مقیاسی در RPI چندین پیامد مهم برای برنامه ریزی اسکان مجدد در Huining ارائه می دهد. برای به حداکثر رساندن تأثیر بر RPI، باید به ترتیب به 10-35 دقیقه برای دسترسی در سطح شهر، 30-55 دقیقه برای دسترسی در سطح شهرستان و 160-220 دقیقه برای دسترسی در سطح استان توجه ویژه ای شود. با این حال، دسترسی به حمل و نقل در سطح بالا برای بسیاری از شهرهای واقع در مناطق کوهستانی پیرامونی دشوار است.شکل 9 ). از این رو، احیای تسهیلات خدماتی روستایی برای ارتقای ارتباط مؤثر بین فقرزدایی هدفمند و احیای روستایی پس از دستیابی به هدف کاهش فقر مطلق از اهمیت ویژه‌ای برخوردار است.
منابع اجتماعی و اقتصادی می توانند مستقیماً بر کاهش فقر روستایی با ارائه خدمات اساسی از جمله آموزش، مراقبت های بهداشتی، فرصت های شغلی و بازار تأثیر بگذارند [ 33 ]]. در این مطالعه سطح مؤثر تعداد POI کمتر از 250 مؤسسه است. در این بازه، RPI تقریباً 20٪ کاهش می یابد. اثرات آستانه تعداد POI می تواند راهنمایی برای دولت ها و برنامه ریزان برای تعیین تعداد مناسب POI در داخل شهرها برای کاهش فقر روستایی باشد. علاوه بر این، ناسازگاری رابطه انسان و زمین معمولاً تجلی بیرونی فقر منطقه‌ای در مناطق خاص در نظر گرفته می‌شود. فشار بالای جمعیت به دلیل ظرفیت حمل محدود منابع و محیط، مشکل اصلی در برخی از مناطق فلات لس است. زمانی که تراکم جمعیت از 150 نفر در کیلومتر فراتر رود روددر روستاهای Huining، RPI به طور قابل توجهی افزایش می یابد. اثرات آستانه تراکم جمعیت بر RPI نشان می دهد که تراکم مناسب جمعیت روستا تقریباً 50-150 نفر در کیلومتر مربع است .
کاربری زمین مبنای مادی تولید و زندگی است [ 46 و 47 ]. زمین زراعی در Huining 285.8 هزار hm2 شامل 120.5 هزار hm2 با شیب بیشتر از 15 درجه را پوشش می دهد. زمین های زراعی با شیب بیشتر از 15 درجه به طور مستقیم بر بهره وری کشاورزی تأثیر می گذارد، زیرا شیب های تند منجر به از دست دادن آب و فرسایش خاک، کاهش دسترسی به زمین و افزایش هزینه های کشاورزی می شود [ 4 ]]. در همین حال، کیفیت پایین زمین های زراعی، بهره وری کشاورزی را به شدت محدود می کند. روستاهایی که نسبت سطح زمین زراعی آنها کمتر از 30 درصد یا بیشتر از 48 درصد است، مناطقی با کیفیت زمین زراعی نسبتا پایین و ظرفیت کشاورزی پایین هستند. پروژه های یکپارچه سازی زمین ابزار مهمی برای کاهش فقر روستایی و بهبود توسعه روستایی است [ 48 ، 49 ]. اکثر تحقیقات نشان داده اند که یکپارچه سازی زمین نقش فعالی در افزایش سطح زمین زراعی، ارتقای مقیاس تولید کشاورزی، بهبود تولیدات روستایی و شرایط زندگی، کاهش خطرات اکولوژیکی و حمایت از توسعه روستایی دارد [ 26 , 50 ].]. درصد مساحت جنگل نیز با RPI رابطه منفی دارد. از اواخر قرن گذشته، بسیاری از پروژه های حفاظت از محیط زیست، مانند پروژه های “دانه برای سبز” و “حفاظت از جنگل های طبیعی”، در این منطقه اجرا شده است [ 41 ]. این طرح ها از طریق اقداماتی مانند تحریک تحول معیشت روستایی، یارانه جبران هزینه فرصت درآمد از دست رفته از زمین های زراعی بازنشسته، بهبود کارایی کشاورزی فشرده زمین های زراعی و تأثیرگذاری بر خانوارها تأثیر مهمی بر بهره وری و زندگی روستایی داشته است. تخصیص نیروی کار
میانگین ارتفاع مهمترین متغیر برای پیش بینی RPI است و محدوده موثر بالای 1750 متر است. بنابراین، کاهش انزوای سکونتگاه ها در مناطق بالاتر از حدود 1800 متر یک راه موثر برای کاهش فقر در Huining است. ضرورت اسکان مجدد برای کاهش فقر در مناطق دورافتاده کوهستانی و مناطق خشک و نیمه خشک قبلا مورد مطالعه قرار گرفته است [ 51 ].]. با این حال، در روند اجرای سیاست اسکان مجدد باید از مشکلات مختلفی مانند فشار مالی و تأثیر بر معیشت پایدار خانوارها پس از اسکان مجدد اجتناب کرد. برخی از محققان انتخاب طرح‌های اسکان مجدد مناسب را با توجه به شرایط محلی، واقعیت‌های خانوار، و توانایی خانوارهای فقیر برای به حداکثر رساندن کارایی برنامه‌ریزی اسکان مجدد فقرزدایی پیشنهاد کرده‌اند [ 52 ].
این مطالعه دارای محدودیت های متعددی است که مستحق تحقیق بیشتر است. یک محدودیت به علیت بین متغیرها و RPI مربوط می شود. این مطالعه از داده‌های مقطعی استفاده می‌کند و تنها می‌تواند ارتباط بین متغیرها را شناسایی کند نه علیت. نگرانی دوم این است که اثرات آستانه ممکن است مختص مکان باشد. تعمیم پذیری یافته ها مستلزم بررسی بیشتر است.

5. نتیجه گیری ها

درک هدفمند مشکل فقر روستایی برای سیاست های هدفمند فقرزدایی از اهمیت ویژه ای برخوردار است. این مطالعه مدل GBDT را برای بررسی ارتباط غیرخطی و اثرات آستانه دسترسی حمل‌ونقل چندمقیاسی، از جمله دسترسی در سطح شهر، سطح شهرستان و سطح استان، بر روی RPI پس از کنترل توپوگرافی، کاربری زمین، منابع آب و اجتماعی-اقتصادی اتخاذ کرد. عوامل. نتایج ما مبنایی برای هدف قرار دادن موثر کاهش فقر فراهم می کند.
ما اهمیت نسبی دسترسی حمل و نقل چندمقیاس، توپوگرافی، منابع کاربری زمین، منابع آب، و عوامل اجتماعی-اقتصادی را در پیش‌بینی RPI بررسی کردیم. دسترسی حمل و نقل چند مقیاسی به طور کلی 29.85٪ از قدرت پیش بینی برای RPI را به خود اختصاص می دهد که نقش مهم دسترسی را در تعیین RPI تأیید می کند. به طور خاص، دسترسی در سطح شهر، رتبه سوم، 12.97٪ در پیش بینی RPI، و پس از آن دسترسی در سطح شهرستان (9.50٪) و دسترسی در سطح استان (7.38٪) نقش دارد. در میان سایر متغیرهای مستقل، منابع اجتماعی-اقتصادی مجموعاً 09/27 درصد از قدرت پیش‌بینی RPI را به خود اختصاص می‌دهند و پس از آن توپوگرافی (25/21 درصد)، منابع کاربری زمین (99/12 درصد) و منابع آب (82/8 درصد) قرار دارند.
ما بیشتر ارتباط غیرخطی و محدوده موثر متغیرهای دسترسی حمل و نقل چند مقیاسی و سایر متغیرهای کنترلی را شناسایی کردیم. وقتی دسترسی در سطح شهر 10 تا 35 دقیقه، دسترسی در سطح شهرستان 30 تا 55 دقیقه و دسترسی در سطح استان 160 تا 220 دقیقه است، سه سطح دسترسی بیشترین تأثیر را بر RPI دارند. فشار بالای جمعیت به دلیل محدودیت ظرفیت حمل منابع و محیط، مشکل اصلی در برخی از مناطق فلات لس است. اثرات آستانه تراکم جمعیت (تقریباً 50-150 نفر در کیلومتر مربع ) بر روی RPI، تراکم جمعیتی مناسب برای روستاها را نشان می‌دهد.

منابع

  1. هاوشوفر، ج. Fehr, E. در روانشناسی فقر. Science 2014 ، 344 ، 862-867. [ Google Scholar ] [ CrossRef ]
  2. لیو، ی. لی، جی. تشخیص جغرافیایی و تصمیم بهینه سازی مکانیسم تمایز فقر روستایی در چین. Acta Geogr. گناه 2017 ، 72 ، 161-173. [ Google Scholar ]
  3. گروه بانک جهانی فقر و رفاه مشترک 2020 ؛ گروه بانک جهانی: واشنگتن، دی سی، ایالات متحده آمریکا، 2020. [ Google Scholar ]
  4. لیو، ام. هو، اس. Ge، Y. Heuvelink، GBM؛ رن، ز. هوانگ، X. استفاده از رگرسیون خطی چندگانه و جنگل‌های تصادفی برای شناسایی عوامل تعیین‌کننده فقر فضایی در روستاهای چین. تف کردن آمار 2020 , 42 , 100461. [ Google Scholar ] [ CrossRef ]
  5. گوتیرز، جی. Cardozo، OD; گارسیا-پالومارس، JC پیش‌بینی سواری ترانزیت در سطح ایستگاه: رویکردی مبتنی بر رگرسیون وزنی فاصله-واپاشی. J. Transp. Geogr. 2011 ، 19 ، 1081-1092. [ Google Scholar ] [ CrossRef ]
  6. اهلستروم، ا. پیلسجو، پی. لیندبرگ، جی. مدلسازی دسترسی بهبودیافته و ارتباط آن با فقر – ​​مطالعه موردی در جنوب سریلانکا. Habitat Int. 2011 ، 35 ، 316-326. [ Google Scholar ] [ CrossRef ]
  7. پوزی، اف. رابینسون، تی. نلسون، الف. نقشه‌برداری دسترسی و فقر روستایی در شاخ آفریقا . PPLPI Working Paper-Pro-Poor Livestock Policy Initiative; فائو: رم، ایتالیا، 2009; جلد 47، ص 1–35. [ Google Scholar ]
  8. چنگ، ایکس. Shuai، C.-M. وانگ، جی. لی، دبلیو-جی. شوایی، ج. لیو، ی. ساخت یک مدل توسعه پایدار برای مناطق مخزن فقر زده چین بر اساس پویایی سیستم. جی. پاک. تولید 2018 ، 176 ، 535-554. [ Google Scholar ] [ CrossRef ]
  9. اپرشت، ام. مولر، دی. مینوت، ن. اقلیت‌های قومی ویتنام چقدر دور هستند؟ تحلیل الگوهای فضایی فقر و نابرابری. ان Reg. علمی 2011 ، 46 ، 349-368. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  10. ما، ز. چن، ایکس. چن، اچ. الگوهای فضایی چند مقیاسی و عوامل مؤثر بر فقر روستایی: مطالعه موردی در منطقه کوهستانی لیوپان، استان گانسو، چین. چانه. Geogr. علمی 2018 ، 28 ، 296-312. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  11. Okwi، PO; Ndeng’E، G. کریستیانسون، پی. آرونگا، م. نوتنبرت، آ. اومولو، ا. هنینگر، ن. بنسون، تی. کاریوکی، پ. Owuor، J. عوامل فضایی تعیین کننده فقر در روستایی کنیا. Proc. Natl. آکادمی علمی ایالات متحده آمریکا 2007 ، 104 ، 16769-16774. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  12. Scherr, SJ یک مارپیچ رو به پایین؟ شواهد پژوهشی در مورد رابطه بین فقر و تخریب منابع طبیعی. سیاست غذایی 2000 ، 25 ، 479-498. [ Google Scholar ] [ CrossRef ]
  13. ژو، ال. Xiong، L.-Y. کنترل های توپوگرافی طبیعی بر توزیع فضایی شهرستان های فقر زده در چین. Appl. Geogr. 2017 ، 90 ، 282-292. [ Google Scholar ] [ CrossRef ]
  14. لیو، ی. لیو، جی. ژو، ی. الگوهای فضایی-زمانی فقر روستایی در چین و استراتژی‌های کاهش فقر هدفمند. J. Rural Stud. 2017 ، 52 ، 66-75. [ Google Scholar ] [ CrossRef ]
  15. لیو، ی. Xu, Y. شناسایی جغرافیایی فقر چند بعدی در روستاهای چین تحت چارچوب تجزیه و تحلیل معیشت پایدار. Appl. Geogr. 2016 ، 73 ، 62-76. [ Google Scholar ] [ CrossRef ]
  16. یانگ، آر. خو، Q. طولانی، H. ویژگی های توزیع فضایی و تجزیه و تحلیل بازسازی بهینه سکونتگاه های روستایی چین در طول فرآیند شهرنشینی سریع. J. Rural Stud. 2016 ، 47 ، 413-424. [ Google Scholar ] [ CrossRef ]
  17. پرنده، ک. شپرد، الف. معیشت و فقر مزمن در زیمبابوه نیمه خشک. توسعه دهنده جهانی 2003 ، 31 ، 591-610. [ Google Scholar ] [ CrossRef ]
  18. Watmough, GR; Marcinko، CLJ; سالیوان، سی. تشیرهارت، ک. Mutuo، PK؛ پالم، کالیفرنیا؛ Svenning، J.-C. استفاده آگاهانه از داده های سنجش از راه دور برای پیش بینی فقر خانوار روستایی. Proc. Natl. آکادمی علمی ایالات متحده آمریکا 2019 ، 116 ، 1213–1218. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  19. دایمون، تی. ابعاد فضایی رفاه و فقر: درس هایی از یک برنامه هدف گذاری منطقه ای در اندونزی. اقتصاد آسیایی J. 2001 , 15 , 345-367. [ Google Scholar ] [ CrossRef ]
  20. جالان، ج. راوالیون، ام. فقر گذرا در چین روستایی پس از اصلاحات. J. Comp. اقتصاد 1998 ، 26 ، 338-357. [ Google Scholar ] [ CrossRef ]
  21. خو، جی. آهنگ، جی. لی، بی. لیو، دی. وی، دی. کائو، ایکس. آیا جداسازی سکونتگاه ها و تغییرات کاربری زمین بر فقر تأثیر می گذارد؟ شواهدی از استان کوهستانی چین. J. Rural Stud. 2020 ، 76 ، 163-172. [ Google Scholar ] [ CrossRef ]
  22. Benevenuto، R.; Caulfield، B. اندازه گیری دسترسی به مراکز شهری در روستایی شمال شرقی برزیل: شاخص فقر دسترسی فضایی. J. Transp. Geogr. 2020 , 82 , 102553. [ Google Scholar ] [ CrossRef ]
  23. لی، تی. کائو، ایکس. کیو، م. لی، ی. بررسی عوامل تعیین‌کننده فضایی فقر روستایی در مناطق مرزی بین استانی فلات لس در چین: تجزیه و تحلیل سطح روستا با استفاده از رگرسیون وزن‌دار جغرافیایی. ISPRS Int. J. Geo-Inf. 2020 ، 9 ، 345. [ Google Scholar ] [ CrossRef ]
  24. ولاگا، NR; بیکرافت، ام. نلسون، جی دی. کورسار، دی. ادواردز، پی. فقر حمل و نقل با شکاف دیجیتالی روبرو می شود: دسترسی و اتصال در جوامع روستایی. J. Transp. Geogr. 2012 ، 21 ، 102-112. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  25. یانگ، دی. Song, W. آیا دسترسی به ترافیک داخلی و خارجی منطقه ای نقش یکسانی در دستیابی به اهداف ضد فقر دارد؟ Land 2022 , 11 , 90. [ Google Scholar ] [ CrossRef ]
  26. یینگ، ال. دونگ، ز. وانگ، جی. می، ی. شن، ز. ژانگ، ی. مزایای اقتصادی روستایی از یکپارچگی زمین در مناطق کوهستانی و تپه ای جنوب شرقی چین: پیامدها برای توسعه روستایی. J. Rural Stud. 2020 ، 74 ، 142-159. [ Google Scholar ] [ CrossRef ]
  27. تقریب تابع فریدمن، JH Greedy: یک ماشین تقویت کننده گرادیان. ان آمار 2001 ، 29 ، 1189-1232. [ Google Scholar ] [ CrossRef ]
  28. دینگ، سی. کائو، XY; Næss, P. اعمال درختان تصمیم گیری تقویت کننده گرادیان برای بررسی اثرات غیر خطی محیط ساخته شده بر مسافت رانندگی در اسلو. ترانسپ Res. بخش A سیاست سیاست. 2018 ، 110 ، 107-117. [ Google Scholar ] [ CrossRef ]
  29. ژانگ، دبلیو. ژائو، ی. کائو، ایکس. لو، دی. چای، ی. اثر غیرخطی دسترسی بر مالکیت خودرو در پکن: برنامه ریزی محله در مقیاس عابر پیاده. ترانسپ Res. قسمت D Transp. محیط زیست 2020 , 86 , 102445. [ Google Scholar ] [ CrossRef ]
  30. HCBS. سالنامه آمار Huining ; اداره آمار شهرستان هوینینگ: هوینینگ، چین، 2019.
  31. Ge، Y. یوان، ی. هو، اس. رن، ز. Wu, Y. تحلیل تغییرپذیری فضا-زمان عملکرد کاهش فقر در مناطق فقر زده چین. تف کردن آمار 2017 ، 21 ، 460-474. [ Google Scholar ] [ CrossRef ]
  32. لی، ی. زیر.؛ لیو، ی. تحقق کاهش هدفمند فقر در چین: صدای مردم، چالش های اجرایی و پیامدهای سیاست. چین کشاورزی اقتصاد Rev. 2016 , 8 , 443-454. [ Google Scholar ] [ CrossRef ]
  33. رن، ز. Ge، Y. وانگ، جی. مائو، جی. ژانگ، Q. درک روابط ناسازگار بین عوامل اجتماعی-اقتصادی و بروز فقر در سراسر مناطق فقر زده پیوسته در چین: مدل سازی چند سطحی. تف کردن آمار 2017 ، 21 ، 406-420. [ Google Scholar ] [ CrossRef ]
  34. Hansen، WG چگونه دسترسی به استفاده از زمین شکل می دهد. مربا. Inst. طرح. 1959 ، 25 ، 73-76. [ Google Scholar ] [ CrossRef ]
  35. Salas-Olmedo، MH; گارسیا، پی. گوتیرز، جی. ارزیابی بهبود زیرساخت دسترسی و حمل و نقل: نقش مرزها و مقاومت چند جانبه. ترانسپ Res. بخش A سیاست سیاست. 2015 ، 82 ، 110-129. [ Google Scholar ] [ CrossRef ]
  36. جیائو، جی. وانگ، جی. جین، اف. دانفورد، ام. تأثیرات بر دسترسی به شبکه HSR حال و آینده چین. J. Transp. Geogr. 2014 ، 40 ، 123-132. [ Google Scholar ] [ CrossRef ]
  37. Christaller, W. Central Place در جنوب آلمان ; Prentice Hall: Englewood Cliffs، NJ، USA، 1966. [ Google Scholar ]
  38. گرگ، آر. مدل های تقویت شده تعمیم یافته: راهنمای بسته Gbm. محاسبه 2005 ، 1 ، 1-12. [ Google Scholar ]
  39. Schonlau, M. رگرسیون تقویت شده (تقویت کننده): یک آموزش مقدماتی و یک پلاگین Stata. Stata J. 2005 ، 5 ، 330-354. [ Google Scholar ] [ CrossRef ]
  40. Watmough, GR; اتکینسون، PM؛ سایکیا، ع. هاتون، سی دبلیو. توسعه دهنده جهانی 2016 ، 78 ، 188-203. [ Google Scholar ] [ CrossRef ]
  41. وانگ، اس. فو، بی. چن، اچ. لیو، ی. مرز توسعه منطقه ای فلات لس چین: محدودیت آب و کمبود زمین. سیاست کاربری زمین 2017 ، 74 ، 130-136. [ Google Scholar ] [ CrossRef ]
  42. گوا، ی. ژو، ی. لیو، ی. کاهش فقر هدفمند و شیوه های آن در روستاهای چین: مطالعه موردی شهرستان فوپینگ، استان هبی. J. Rural Stud. 2019 ، 93 ، 430-440. [ Google Scholar ] [ CrossRef ]
  43. دروغ.؛ دنگ، س. ژو، ی. انعطاف پذیری معیشت و مکانیسم تولیدی خانوارهای روستایی از فقر: یک تحلیل تجربی از شهرستان لانکائو، استان هنان، چین. J. Rural Stud. 2019 ، 93 ، 210-222. [ Google Scholar ] [ CrossRef ]
  44. پورترفیلد، اس ال. مک براید، تی دی تأثیر فقر و آموزش مراقبین بر نیاز ادراک شده و دسترسی به خدمات بهداشتی در میان کودکان با نیازهای مراقبت بهداشتی ویژه. صبح. J. بهداشت عمومی 2007 ، 97 ، 323-329. [ Google Scholar ] [ CrossRef ]
  45. باریوس، زیرساخت EB و توسعه روستایی: ادراکات خانوارها در مورد توسعه روستایی. Prog. طرح. 2008 ، 70 ، 1-44. [ Google Scholar ] [ CrossRef ]
  46. Guo، YZ; ژو، ی. کائو، زی. الگوهای جغرافیایی و هدف گذاری ضد فقر پس از سال 2020 در چین. جی. جئوگر. علمی 2018 ، 28 ، 1810-1824. [ Google Scholar ]
  47. کوپکانچاناکول، دبلیو. کوونپونگساگون، س. بادر، H.-P. Scheidegger, R. ادغام تجزیه و تحلیل کاربری فضایی زمین و تجزیه و تحلیل جریان مواد ریاضی برای مدیریت مواد مغذی: مطالعه موردی حوضه رودخانه Bang Pakong در تایلند. محیط زیست مدیریت 2015 ، 55 ، 1022-1035. [ Google Scholar ] [ CrossRef ]
  48. لی، ی. لی، ی. فن، پ. سان، ج. لیو، ی. استفاده از زمین و تغییر چشم‌انداز ناشی از پروژه تحکیم زمین خندقی: مطالعه موردی یک حوزه آبخیز معمولی در فلات لس. جی. جئوگر. علمی 2019 ، 29 ، 719–729. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  49. لانگ، اچ. یکپارچه سازی زمین: روشی ضروری برای بازسازی فضایی در روستاهای چین. جی. جئوگر. علمی 2014 ، 24 ، 211-225. [ Google Scholar ] [ CrossRef ]
  50. ژو، ی. گوا، ال. لیو، ی. یکپارچه سازی زمین با افزایش کاهش فقر در چین: تئوری و عمل. سیاست کاربری زمین 2019 ، 82 ، 339-348. [ Google Scholar ] [ CrossRef ]
  51. لو، ک. شو، ال. وانگ، ام. بازسازی فضایی از طریق اسکان مجدد فقرزدایی در روستاهای چین. J. Rural Stud. 2016 ، 47 ، 496-505. [ Google Scholar ] [ CrossRef ]
  52. یانگ، YY; د شربینین، ا. لیو، اسکان مجدد فقرزدایی در YS چین: پیشرفت، مشکلات و راه حل ها. Habitat Int. 2000 ، 98 ، 13. [ Google Scholar ] [ CrossRef ]
Ijgi 11 00352 g001 550
شکل 1. موقعیت شهرستان Huining. ( الف ) موقعیت شهرستان هوینینگ در چین. ( ب ) موقعیت شهرستان Huining در فلات Loess. ( ج ) مشخصات توپوگرافی شهرستان هوینینگ.
Ijgi 11 00352 g002 550
شکل 2. توزیع فضایی متغیرهای توضیحی.
Ijgi 11 00352 g003 550
شکل 3. توزیع و الگوی فضایی RPI در Huining.
Ijgi 11 00352 g004 550
شکل 4. روابط بین قابلیت دسترسی حمل و نقل چند مقیاسی و RPI.
Ijgi 11 00352 g005 550
شکل 5. روابط بین منابع اجتماعی-اقتصادی و RPI.
Ijgi 11 00352 g006 550
شکل 6. روابط بین منابع آب و RPI.
Ijgi 11 00352 g007 550
شکل 7. روابط بین منابع کاربری زمین و RPI.
Ijgi 11 00352 g008 550
شکل 8. روابط بین توپوگرافی و RPI.
Ijgi 11 00352 g009 550
شکل 9. مدار بالای شبکه جاده در Huining

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید