چکیده

اعتقاد بر این است که عوامل ژئومحیطی عوامل اصلی تعیین کننده فقر روستایی هستند. با این حال، مطالعات کمی اثرات این عوامل را بر فقر روستایی در چین تعیین کرده اند. در این مقاله، ما از داده‌های بروز فقر در سطح شهرستان و عوامل ژئومحیطی برای بررسی الگوهای فضایی بروز فقر با استفاده از تحلیل خودهمبستگی فضایی جهانی و محلی و برای بررسی تأثیر عوامل ژئومحیط بر فقر روستایی با استفاده از روش جغرافیایی استفاده کردیم. مدل آشکارساز نتایج ما نشان داد که یک خوشه بندی فضایی از بروز فقر در منطقه مورد مطالعه وجود دارد. میزان بروز فقر از جنوب به شمال و از شرق و غرب به ناحیه مرکزی کاهش یافته است. بروز مناطق با فقر بالا-بالا عمدتاً در جنوب شرقی استان گوئیژو و بروز مناطق با فقر کم-کم در شمال شرقی توزیع شده است. همچنین نتایج نشان داد که درصد آبیاری موثر در زمین های زراعی، شیب، ارتفاع و پوشش گیاهی عوامل غالب تبیین کننده الگوی فضایی فقر بودند. تجزیه و تحلیل برهمکنش نشان داد که شیب به طور غیرخطی درصد آبیاری موثر در زمین های زراعی را افزایش می دهد. یافته‌های ما نشان داد که ژئومحیط عامل کنترل اساسی است که الگوی فضایی فقر روستایی در چین را توضیح می‌دهد. این مطالعه از طریق تجزیه و تحلیل تأثیر ژئومحیط بر الگوی فضایی فقر، مرجعی برای اجرای مؤثر کاهش هدفمند فقر ارائه می‌کند. همچنین نتایج نشان داد که درصد آبیاری موثر در زمین های زراعی، شیب، ارتفاع و پوشش گیاهی عوامل غالب تبیین کننده الگوی فضایی فقر بودند. تجزیه و تحلیل برهمکنش نشان داد که شیب به طور غیرخطی درصد آبیاری موثر در زمین های زراعی را افزایش می دهد. یافته‌های ما نشان داد که ژئومحیط عامل کنترل اساسی است که الگوی فضایی فقر روستایی در چین را توضیح می‌دهد. این مطالعه از طریق تجزیه و تحلیل تأثیر ژئومحیط بر الگوی فضایی فقر، مرجعی برای اجرای مؤثر کاهش هدفمند فقر ارائه می‌کند. همچنین نتایج نشان داد که درصد آبیاری موثر در زمین های زراعی، شیب، ارتفاع و پوشش گیاهی عوامل غالب تبیین کننده الگوی فضایی فقر بودند. تجزیه و تحلیل برهمکنش نشان داد که شیب به طور غیرخطی درصد آبیاری موثر در زمین های زراعی را افزایش می دهد. یافته‌های ما نشان داد که ژئومحیط عامل کنترل اساسی است که الگوی فضایی فقر روستایی در چین را توضیح می‌دهد. این مطالعه از طریق تجزیه و تحلیل تأثیر ژئومحیط بر الگوی فضایی فقر، مرجعی برای اجرای مؤثر کاهش هدفمند فقر ارائه می‌کند. تجزیه و تحلیل برهمکنش نشان داد که شیب به طور غیرخطی درصد آبیاری موثر در زمین های زراعی را افزایش می دهد. یافته‌های ما نشان داد که ژئومحیط عامل کنترل اساسی است که الگوی فضایی فقر روستایی در چین را توضیح می‌دهد. این مطالعه از طریق تجزیه و تحلیل تأثیر ژئومحیط بر الگوی فضایی فقر، مرجعی برای اجرای مؤثر کاهش هدفمند فقر ارائه می‌کند. تجزیه و تحلیل برهمکنش نشان داد که شیب به طور غیرخطی درصد آبیاری موثر در زمین های زراعی را افزایش می دهد. یافته‌های ما نشان داد که ژئومحیط عامل کنترل اساسی است که الگوی فضایی فقر روستایی در چین را توضیح می‌دهد. این مطالعه از طریق تجزیه و تحلیل تأثیر ژئومحیط بر الگوی فضایی فقر، مرجعی برای اجرای مؤثر کاهش هدفمند فقر ارائه می‌کند.

کلید واژه ها: 

فقر روستایی ; ژئومحیط ؛ الگوی فضایی ؛ عوامل غالب ؛ آسیا ؛ چین

1. مقدمه

ریشه کنی فقر رویای بشر از دوران باستان، رسالت مشترک بشر و بزرگترین چالش جهانی پیش روی جهان امروز بوده است [ 1 ، 2 ، 3 ]. از زمان اصلاحات اقتصادی و گشایش در چین و با توسعه سریع اقتصاد این کشور، فقرزدایی نیز پیشرفت چشمگیری داشته است. طبق آمار، بیش از 700 میلیون فقیر از سال 1978 تا 2012 از فقر خارج شده اند [ 4 ]. چین اولین کشور در جهان است که هدف «نصف کردن نسبت فقرا» تعیین شده توسط سازمان ملل متحد (سازمان ملل) را تکمیل کرده است .]. به ویژه، پس از اینکه چین استراتژی هدفمند کاهش فقر (TPA) را در سال 2013 راه اندازی کرد، میزان بروز فقر از 8.5 درصد در سال 2013 به 1.7 درصد در سال 2018 کاهش یافت. این نوع جدید از استراتژی کاهش فقر توسط دولت مرکزی چین پیشنهاد شده است. بر اساس یک طرح دقیق در سطح بالا برای ترویج اجرای سیاست [ 4 ] ساخته شده است. چین منابع بی‌سابقه‌ای سرمایه‌گذاری کرده است و همچنین سهم قابل توجهی در کاهش فقر در سراسر جهان داشته است، به ویژه پس از آغاز TPA [ 6 ]]. مجموعه ای از سیاست ها برای اطمینان از فرار جمعیت فقیر از فقر، مانند اسکان مجدد، بیمه درمانی، توسعه صنعتی و نگهداری مسکن اجرا شده است. با تلاش بزرگی که با هدایت TPA دنبال شد، چین تا سال 2020 به همه فقر شدید پایان داد [ 7 ]. با این حال، نابرابری توسعه اجتماعی-اقتصادی بین مناطق روستایی و شهری همچنان وجود دارد.
عوامل زیادی در فقر روستایی نقش دارند، از جمله توسعه نیافتگی اقتصادی-اجتماعی، فقدان نهادها و سیاست‌های مناسب و محدودیت‌های ژئومحیطی و دیگر محدودیت‌های با ویژگی‌های منطقه‌ای واضح [ 8 ، 9 ، 10 ، 11 ، 12 ]. فقر روستایی در چین عمدتاً در مناطق کوهستانی و تپه‌ای، مناطق صخره‌ای بیابان‌زایی و سایر مناطق با محیط‌های جغرافیایی خشن توزیع شده است [ 13 ]. مطالعات قبلی نشان داد که عوامل ژئومحیطی مانند توپوگرافی (ارتفاع، شیب)، آب و هوا (دما، بارش)، منابع آب و کاربری زمین، عوامل مهمی برای فقر روستایی هستند [ 14 ، 15 ، 16 ].]. توپوگرافی به عنوان یک عامل اساسی شناسایی شده است که می تواند در دسترس بودن و کیفیت زمین زیر کشت را تعیین کند و در نتیجه بر بهره وری کشاورزی و معیشت کشاورزان محلی تأثیر بگذارد. فرسایش شدید خاک و حمل و نقل ضعیف اغلب در مناطقی با شیب های تندتر رخ می دهد که منجر به سطح پایین پتانسیل تولید و شرایط توسعه نیافته اجتماعی-اقتصادی می شود [ 15 ]. علاوه بر این، تولید کشاورزی تا حد زیادی توسط دما، بارندگی و دسترسی به آب محدود می شود. به عنوان مثال، بارندگی و تنوع آن به عنوان یک تنش اقلیمی قابل توجه بر تولید کشاورزی [ 16 ] شناسایی شده است و به طور قابل توجهی با فقر روستایی در کنیا [ 14 ] مرتبط است.]. دسترسی به منابع آبی (فاصله از رودخانه) احتمال آبیاری زمین های زیر کشت را تعیین می کند و در نتیجه بر پتانسیل کشاورزی و بازده از زمین تأثیر می گذارد. کشاورزان در استان گوئیژو از انواع مختلفی از منابع زمین مانند زمین زراعی و جنگل سود می برند. تولیدات کشاورزی و محصولات جنگلی به طور کلی سهم قابل توجهی از کل درآمد خانوار دارند [ 17 ، 18 ]. بنابراین عوامل ژئومحیطی در شکل‌گیری فقر روستایی نقش اساسی دارند.
به دلیل عوامل ژئومحیطی، زیرساخت‌ها در این مناطق ضعیف است، افزایش درآمد و در نتیجه ریشه‌کنی فقر دشوار است. وقوع و میزان فقر ارتباط تنگاتنگی با ژئومحیط دارد. فقر نتیجه تأثیرات درازمدت انسان و ژئومحیط، علاوه بر شرایط اساسی است که بر تحول روابط انسان و زمین در آینده تأثیر می گذارد. بیش از 40 درصد از جمعیت مردم فقیر در چین در مناطق خاصی از ژئومحیط توزیع شده‌اند که 19 درصد آن در مناطق صخره‌ای بیابان‌زایی است [ 19 ]. رابطه بین ژئومحیط و فقر به طور گسترده توسط جغرافیدانان مورد مطالعه قرار گرفته است [ 20 ، 21 ، 22]. تحقیقات در مورد تأثیر ژئومحیط بر فقر به نتایج قابل توجهی دست یافته است، عمدتاً در جنبه های زیر: رابطه بین “سرمایه جغرافیایی” و سطح درآمد [ 23 ، 24 ]، نظریه رویکردهای معیشت پایدار برای کاهش فقر [ 25 ، 26 ، 27 ] و آسیب پذیری و فقر ژئومحیطی [ 28 ، 29 ، 30 ، 31 ، 32]. این مطالعات بر یک توصیف کیفی یا تحلیل‌های مدل نظری متمرکز شدند و شواهد مهمی برای درک ما از پیوند محیط‌زیست-فقر ارائه کردند. با این حال، تحقیقات کمی در مورد اثرات عوامل ژئومحیطی بر فقر روستایی وجود دارد. علاوه بر این، اگرچه چین به فقر شدید پایان داده است، اما هنوز چالش بزرگی برای کاهش فقر نسبی و نابرابری توسعه اجتماعی-اقتصادی وجود دارد. با توجه به اهمیت ژئومحیط بر فقر روستایی و توسعه روستایی، بهبود درک تأثیرات عوامل ژئومحیطی بر فقر روستایی می‌تواند بینش‌های ارزشمندی از سیاست‌های آتی به منظور کاهش شکاف توسعه اقتصادی-اجتماعی ارائه دهد.
اخیراً مطالعات متعددی با استفاده از مدل‌ها و روش‌هایی مانند مدل شبکه عصبی پس انتشار (BP) ، تحلیل فضایی [ 34 ، 35 ]، رگرسیون خطی چندگانه [ 36 ، 37 ] و رگرسیون وزن‌دار جغرافیایی [ 38 ] تلاش کرده‌اند این سؤال‌ها را بررسی کنند. ، 39 ]. با این حال، این مطالعات به جای تعامل بین عوامل، بر بررسی عوامل فردی متمرکز بودند. در واقع، دو عاملی که با یکدیگر تعامل دارند، تفاوت هایی در قدرت، جهت و خطی بودن یا غیرخطی بودن دارند، که به وضوح برای یک عامل منفرد صادق نیست [ 40 ، 41 ، 42 ].]. نادیده گرفتن اثرات متقابل بین عوامل ژئومحیطی بر فقر منجر به نتایج گمراه‌کننده و عدم درک در مورد مکانیسم‌های زیربنای فقر روستایی می‌شود. در اینجا، یک مدل ژئودتکتور برای شناسایی عوامل موثر بر بروز فقر و بررسی اثرات متقابل بین این عوامل استفاده شد. این مدل ابزار موثری برای مطالعه نیروهای محرک عناصر پیچیده جغرافیایی است [ 42 ].
در این مقاله، خود همبستگی فضایی جهانی و محلی برای بررسی الگوی فضایی بروز فقر در سال 2013 و یک مدل ژئوآشکار برای شناسایی عوامل ژئومحیطی غالب که بروز فقر را در استان گوئیژو، چین توضیح می‌دهند، استفاده شد. علاوه بر این، ما به طور کمی اثرات عوامل فردی و تعاملات آنها را بر بروز فقر بررسی کردیم و مسیرهای ممکنی را که از طریق آن ژئومحیط بر فقر روستایی تأثیر می‌گذارد، بررسی کردیم. بروز فقر در سال 2013 برای نشان دادن عمق فقر در دوره پایه (قبل از شروع TPA) استفاده شد. با توجه به تلاش‌های بی‌سابقه فقرزدایی و مقیاس وسیع سیاست‌های تحت TPA (2014-2020)، میزان بروز فقر در سال‌های 2014-2020 به سرعت کاهش یافته است و الگوی فضایی بروز فقر تغییر کرده است. بنابراین، بروز فقر در سال 2013 می‌تواند فرصتی را برای افزایش درک چگونگی شکل‌گیری عوامل ژئومحیطی فقر روستایی به استثنای تأثیر سیاست‌های TPA فراهم کند.

2. مواد و روشها

2.1. منطقه مطالعه

استان گوئیژو در جنوب غربی چین واقع شده است. مناطق Wuling و Wumeng را در بر می گیرد و شامل مناطق صخره ای بیابان زایی سه استان است ( شکل 1 ). طبق تعریف سال 2011 از فقر به عنوان درآمد خالص سرانه سالانه کمتر از 2300 یوان، در سال 2013، جمعیت فقیر روستایی در استان گوئیژو 7.45 میلیون نفر بود و دارای 65 شهرستان (منطقه) فقرزده شامل 15 شهرستان (منطقه) بود. در منطقه Wuling، 10 شهرستان (منطقه) در منطقه Wumeng و 40 شهرستان (منطقه) در مناطق صخره‌ای بیابان‌زایی سه استان. شکل 2 ، شکل 3 و شکل 4توزیع فضایی سرانه درآمد خالص سالانه، تسکین زمین در هر شهرستان و جاده اصلی در منطقه مورد مطالعه را نشان می دهد.
استان گوئیژو عمدتاً کوهستانی و تپه‌ای است، با بیابان‌زایی صخره‌ای پراکنده و ظرفیت تحمل محیطی کم و مناطق در معرض کارست 61.92 درصد از کل مساحت استان را تشکیل می‌دهند. محیط زندگی به شدت ضعیف است [ 43 ]. به دلیل محیط متخاصم و شکننده از نظر اکولوژیکی و زیرساخت های توسعه نیافته، استان گوئیژو به منطقه ای با گسترده ترین و عمیق ترین فقر تبدیل شده است [ 44 ]. استانداردهای جدید فقر و اهداف متنوع کاهش فقر، تقاضاهای بیشتری را برای کار برای کاهش فقر در استان گوئیژو ایجاد کرده است. ویژگی های استان گوئیژو با مناطق دیگر اشتراکاتی دارد.

2.2. مواد

2.2.1. انتخاب متغیرهای کمکی

عوامل ژئومحیطی که در این تحقیق مورد استفاده قرار گرفتند عبارتند از توپوگرافی، اقلیم، منابع آب و کاربری اراضی ( جدول 1 ). در چین، توسعه کشاورزی برای کاهش فقر حیاتی است. سهم آن در کاهش فقر چهار برابر صنایع ثانویه و سوم است [ 45 ]. ژئومحیط نقش بسیار مهمی در تولیدات کشاورزی به ویژه در مناطق فقیر دارد. علاوه بر این، توپوگرافی، شرایط اقلیمی، منابع آب و نوع کاربری زمین در توضیح الگوهای فضایی فقر قابل توجه است [ 46 ، 47 ]. علاوه بر این، سطح فقر در مناطق با شیب بیشتر (> 4٪) بیشتر از مناطق بسیار مسطح است [ 48 ].]. به طور مشابه، عواملی که بر تولید کشاورزی تأثیر می‌گذارند، از جمله بارش، سرانه آب قابل استفاده، مساحت زمین زراعی و سرانه زمین‌های جنگلی نیز تأثیر قابل‌توجهی بر فقر دارند [ 49 ، 50 ، 51 ]. شرایط خوب کشاورزی و افزایش میزان منابع زمین درآمد کشاورزان را بسیار افزایش داده است [ 52 ]. در زیر شرح کوتاهی از چهار متغیر کمکی مورد استفاده در مطالعه حاضر ارائه می‌شود:
(1) توپوگرافی: با توجه به توپوگرافی پیچیده و زمین های موج دار استان گوئیژو، ارتفاع، شیب و تسکین زمین به عنوان شاخص هایی برای توصیف توپوگرافی انتخاب شدند.
(2) آب و هوا: دما، بارش، دوره بدون یخبندان و سایر شاخص های اقلیمی تأثیر مهمی بر تولید محصولات کشاورزی دارند و همبستگی بین آنها قوی است. میانگین دمای سالانه و میانگین سالانه بارندگی به عنوان شاخص‌های شرایط اقلیمی انتخاب شدند.
(3) منابع آب: منابع آب تأثیر مستقیم و گسترده ای بر زندگی و تولید منطقه دارد. تراکم رودخانه به عنوان شاخص منابع آب انتخاب شد.
(4) کاربری زمین: زمین اساس مادی تولید و برای توسعه کشاورزی مهم است. سرانه سطح زمین زراعی، درصد آبیاری موثر در زمین های زراعی و پوشش گیاهی برای منعکس کننده وضعیت کاربری اراضی منطقه مورد مطالعه انتخاب شدند.
2.2.2. داده ها
داده های مورد استفاده در این تحقیق شامل داده های بروز فقر، توپوگرافی، هواشناسی، منابع آب و کاربری اراضی بود. منابع خاص داده ها به شرح زیر بود:
بروز فقر: بروز فقر در سطح شهرستان از سالنامه آماری استان گوئیژو (2013) به دست آمد.
داده های توپوگرافی: این داده ها از مدل رقومی ارتفاع (DEM) استخراج و توسط ArcGIS محاسبه شده است. داده‌های DEM از مرکز داده‌های علوم منابع و محیط‌زیست آکادمی علوم چین ( https://www.resdc.cn ، دسترسی به 11 فوریه 2018)، با وضوح فضایی 90 متر به‌دست آمد. DEM از ماموریت توپوگرافی رادار شاتل (SRTM)، که از سال 2000 به دست آمد، مشتق شد. شیب (°) در ArcGIS ایجاد شد. تسکین زمین (m) به عنوان تفاوت بین حداکثر ارتفاع در هر شهرستان و حداقل ارتفاع در هر شهرستان تعریف شد. فرمول محاسبه این است: TR = E max – E min ، که در آن TR به تسکین زمین، E max و E min اشاره دارد.به ترتیب به حداکثر و حداقل ارتفاع در هر شهرستان مراجعه کنید.
داده‌های اقلیمی: میانگین دمای سالانه و میانگین بارندگی سالانه با تفکیک مکانی 1000 متر در سال 2013 از مرکز داده‌های علوم منابع و محیط‌زیست آکادمی علوم چین ( https://www.resdc.cn ، دسترسی به 11 فوریه) تهیه شده است. 2018). این داده ها با استفاده از الگوریتم صفحه نازک صفحه نازک بر اساس 2400 ایستگاه هواشناسی در چین درون یابی شدند و در نرم افزار ANUSPLIN [ 53 ] پیاده سازی شدند.
داده های منابع آب: مجموعه داده های شبکه رودخانه از مرکز داده های علوم منابع و محیط زیست آکادمی علوم چین ( https://www.resdc.cn ، در 11 فوریه 2018) به دست آمد. این داده ها از سال 2015 به دست آمد. تراکم رودخانه (km/km2 ) به عنوان نسبت بین طول رودخانه در هر شهرستان و مساحت هر شهرستان تعریف شد.
داده‌های کاربری زمین: سرانه سطح زمین قابل کشت (کیلومتر 2 / نفر) و پوشش گیاهی (%) بر اساس پلت فرم Google Earth Engine و با استفاده از تصویر سنجش از دور Landsat 8 (30 متر) در سال 2013 تفسیر شد. داده‌های کاربری زمین برگرفته از مطالعه قبلی [ 54 ]. نمونه های آموزشی از طریق تفسیر بصری با استفاده از تصاویر Google Earth با وضوح بالا ایجاد شد. جنگل تصادفی به عنوان طبقه‌بندی کننده برای طبقه‌بندی تصاویر سنجش از دور Landsat 8 استفاده شد. به ازای هر سرمایه مساحت زمین زراعی به عنوان نسبت بین مساحت زمین زراعی و مساحت شهرستان تعریف شد. پوشش گیاهی به عنوان نسبت پوشش گیاهی در هر شهرستان تعریف شد.
درصد آبیاری مؤثر در زمین های زراعی از سالنامه آماری استان گوئیژو (2013) و بیانیه آماری توسعه اقتصادی و اجتماعی ملی هر شهرستان در سال 2013 به دست آمد.
تمامی داده های منطقه مورد مطالعه در نرم افزار ArcGIS استخراج شد. مقادیر متوسط ​​داده ها در هر شهرستان با استفاده از تابع آمار منطقه ای در ArcGIS محاسبه شد.

2.3. مواد و روش ها

2.3.1. تحلیل خودهمبستگی فضایی

تجزیه و تحلیل خودهمبستگی فضایی بر اساس قانون اول جغرافیای توبلر [ 55 ، 56 ] است که برای آن همبستگی یک متغیر خاص در مکان های مختلف تجزیه و تحلیل می شود. این شامل تجزیه و تحلیل خودهمبستگی جهانی و محلی است. در این مطالعه از خود همبستگی جهانی برای بررسی الگوی توزیع فضایی فقر در منطقه مورد مطالعه استفاده شد. Moran’s I جهانی برای بررسی خودهمبستگی فضایی بروز فقر در سطح شهرستان استفاده شد. من موران به صورت زیر محاسبه شد:

من=nاس0×∑منn∑jnwمنj(ایکسمن–ایکس¯)(ایکسj–ایکس¯)∑منn(ایکسمن–ایکس¯)2

که در آن n تعداد شهرستان ها است، ایکسمنو ایکسjمیزان بروز فقر در هر شهرستان است، ایکس¯میانگین بروز فقر است، wمنjماتریس وزن فضایی است و اس0مجموع ماتریس های وزن فضایی است. آزمون معنی‌داری مقدار I موران معمولاً با نمره Z اندازه‌گیری می‌شود و فرمول به شرح زیر است:

ز=1–E[من]Vآآر[من]

جایی که E[من]انتظار نظری است و Vآآر[من]واریانس نظری است. هنگامی که امتیاز Z از صفر تجاوز می کند، مقادیر مشاهده شده از نظر مکانی تراکم می شوند، یعنی خود همبستگی فضایی مثبت وجود دارد: زمانی که امتیاز Z کمتر از صفر باشد، مقادیر مشاهده شده از نظر مکانی پراکنده می شوند، یعنی خود همبستگی فضایی منفی وجود دارد و زمانی که امتیاز Z برابر با صفر است، مقادیر مشاهده شده به طور تصادفی توزیع می شوند.

موران I جهانی فقط نشان می دهد که آیا بروز فقر از نظر مکانی همبستگی خودکار دارد و مکان و ویژگی های خاص خوشه بندی فضایی را منعکس نمی کند [ 57 ]. بنابراین، در این مطالعه، Moran’s I محلی برای شناسایی مناطق محلی که در آن دسته‌ای از نرخ‌های بالا یا پایین فقر رخ می‌دهد استفاده شد [ 58 ]. ماتریس وزن مجاورت ملکه مورد استفاده قرار گرفت و در نرم افزار GeoDa ایجاد شد ( https://spatial.uchicago.edu/geoda ، دسترسی به 11 فوریه 2018).
2.3.2. مدل ژئو آشکارساز
مدل geo-dector یک مدل آماری فضایی است که برای تعیین کمیت ناهمگونی طبقه بندی شده فضایی بروز فقر و شناسایی علل زمینه ای استفاده می شود [ 42 ]. برای اولین بار در ارزیابی خطر سلامت [ 40 ] اعمال شد. ژئودتکتور نقش مهمی در بررسی مکانیسم‌های درون یک محیط جغرافیایی پیچیده ایفا می‌کند. آشکارسازی عامل می‌تواند ناهمگونی فضایی متغیرهای تک متغیره را آزمایش کند و تشخیص متقابل می‌تواند تأثیر عوامل مختلف را بر متغیر پاسخ آزمایش کند [ 41 ]. تشخیص فاکتور و تشخیص تعامل توسط نرم افزار Geodetector ( https://geodetector.cn ، در تاریخ 11 فوریه 2018) پیاده سازی شد.
تشخیص عامل: برای تشخیص میزانی که یک عامل یک تغییر را توضیح می دهد، بروز فقر در منطقه مورد مطالعه به عنوان متغیر پاسخ و متغیرهای ژئومحیط انتخابی به عنوان متغیرهای توضیحی تعریف شدند. ابتدا از روش نقطه شکست طبیعی برای گسسته سازی متغیرهای توضیحی استفاده شد. هر متغیر توضیحی را به شش طبقه تقسیم می‌کند، که آنها را از مقادیر عددی به دسته‌ها تبدیل می‌کند و سپس مقدار q هر عامل را در بروز فقر به‌دست می‌آورد:

q=1–∑ساعت=1Lنساعتσساعت2نσ2=1–اساسدبلیواساستی
اساسدبلیو=∑ساعت=1Lنساعتσساعت2، اساستی=نσ2

که در آن h = 1، … ، L لایه های متغیر Y یا عامل X است . نساعتو N به ترتیب تعداد سلول ها در لایه h و کل منطقه هستند. σساعت2و σ2به ترتیب واریانس Y لایه h و کل منطقه هستند. و SSW و SST به ترتیب مجموع مربع های درون لایه و تعداد کل مربع ها هستند. دامنه q [0، 1] است و هر چه مقدار آن بیشتر باشد، قدرت توضیحی در توضیح بروز فقر قوی‌تر است.

تشخیص تعامل: تشخیص تعامل می تواند به طور کمی قدرت عوامل متقابل را در تبیین بروز فقر اندازه گیری کند و نحوه عمل را روشن کند. ابتدا نیروهای توضیحی q ( x a ) و q ( x b ) دو عامل x a و x b برای Y محاسبه شد و سپس q ( x a ∩ x b ) در هنگام تعامل x a و x b محاسبه شد. . q ( ​​x a )، q( xb ) و q ( xa∩xb ) ، برای ارزیابی اینکه آیا تأثیر برهمکنش دو عامل قوی‌تر یا ضعیف‌تر از اثر تک عاملی بود، مقایسه شدند . جدول 2 روابط متقابل دو عاملی را نشان می دهد.

3. نتایج

3.1. الگوی فضایی فقر در سطح شهرستان

شکل 5توزیع فضایی بروز فقر در استان گوئیژو را در سال 2013 نشان می دهد. تفاوت های منطقه ای واضحی در بروز فقر در سراسر منطقه مورد مطالعه وجود دارد. نقشه توزیع فضایی نشان می دهد که بروز فقر در جنوب بیشتر از شمال و اختلاف فضایی شرق و غرب بیشتر از منطقه مرکزی است. مناطق با عمیق ترین فقر در منطقه جنوبی متمرکز شده اند. میزان بروز فقر از 30.1 درصد تا 37.3 درصد، شهرستان های فقیر با بروز فقر بین 26.2 تا 30 درصد پراکنده هستند و شهرستان هایی با شیوع فقر از 21.7 درصد تا 26.1 درصد نسبتاً در شمال غرب و شمال متمرکز هستند. مناطق با سطح فقر پایین عمدتاً در مرکز و شمال شرق قرار دارند و میزان بروز فقر بین 15 تا 21.6 درصد و 9.3 تا 14.9 درصد است.
Moran’s I جهانی برای آزمایش خودهمبستگی فضایی بروز فقر در سال 2013 استفاده شد. نتایج نشان داد که موران I 0.11 و امتیاز Z مربوطه 4.82 بود. این نشان می‌دهد که همبستگی مکانی مثبتی در بروز فقر وجود دارد، یعنی بروز فقر در یک شهرستان به طور مثبت تحت تأثیر شهرستان‌های همجوار است. خود همبستگی محلی نشان داد که مناطق بروز فقر بالا-بالا در جنوب شرقی استان گوئیژو متمرکز شده است ( شکل 6)، عمدتاً در محل اتصال Qiandongnan و Qiannan. همچنین میزان بروز فقر در این نوع مناطق و مناطق همجوار نسبتاً زیاد بوده و ریشه‌کنی فقر نسبتاً مشکل است. نواحی با شیوع کم و کم فقر در شمال شرقی استان گوئیژو، عمدتاً در زونی توزیع شده اند. میزان بروز فقر در این نوع مناطق و مناطق همجوار نسبتاً کم بوده و ریشه کن کردن فقر با مشکل کمتری همراه است. در مجموع 9 (13.8٪) خوشه بالا-بالا و 5 (7٪) خوشه کم-پایین توسط Moran’s I محلی شناسایی شدند.

3.2. تجزیه و تحلیل عوامل تأثیرگذار

3.2.1. شناسایی عوامل غالب الگوی فضایی فقر در سطح شهرستان

ابتدا، 9 متغیر کمکی در رابطه با بروز فقر با استفاده از مدل ژئودتکتور شناسایی و تحلیل شدند. شکل 7 نتایج تشخیص عامل را نشان می دهد. درصد آبیاری موثر در اراضی زراعی، شیب توپوگرافی، ارتفاع و پوشش گیاهی به ترتیب بالاترین مقادیر q را داشتند: 306/0، 182/0، 161/0 و 158/0. این نشان می دهد که این چهار عامل قوی ترین تأثیر را بر بروز فقر دارند.
درصد آبیاری مؤثر در زمین های زراعی: درصد آبیاری مؤثر در زمین های زراعی را می توان به عنوان معیاری برای میزان حفظ آب منطقه ای و پایداری تولیدات کشاورزی استفاده کرد. همچنین شاخص مهمی است که مقاومت به خشکی زمین های زیر کشت را مشخص می کند. شکل 8a نشان می دهد که درصد آبیاری مؤثر در زمین های زراعی به صورت مکانی توزیع شده است و درصد کمتری در جنوب نسبت به شمال دارد. مناطق جنوبی نیز شیب بیشتری دارند، بنابراین امکانات آبیاری به دلیل هزینه بالای ساخت و ساز زیرساخت ها، از جمله صرفه جویی در آب، عالی نیست. منابع آب نیز هنگام آبیاری به راحتی از بین می رود. در نتیجه میزان بروز فقر در این منطقه نسبتاً زیاد است. شیب در منطقه شمالی نسبتا کم است که از نظر احداث تاسیسات صرفه جویی آب مزیتی محسوب می شود. بنابراین راندمان مصرف آب در این منطقه بالاست که به نفع تولیدات کشاورزی و افزایش درآمد سرانه است. در نتیجه، بروز فقر نسبتاً کم است.
شیب: شیب توپوگرافی یک شاخص مهم است که توپوگرافی و ژئومورفولوژی منطقه را منعکس می کند. همچنین تأثیرات متفاوتی بر شرایط گرمابی منطقه، خاک و زیست شناسی دارد، بنابراین بر تولید و روش های تولید کشاورزی و زیرساخت ها از جمله حمل و نقل تأثیر می گذارد که در نتیجه بر توسعه اقتصادی منطقه تأثیر می گذارد. شکل 8 ب نشان می دهد که شیب منطقه مورد مطالعه در ناحیه اطراف زیاد و در مرکز کم است، مطابق با توزیع فضایی بروز فقر ( شکل 5)). مناطق شرقی، غربی و جنوبی منطقه مورد مطالعه دارای شیب زیادی هستند که منجر به تولید و بازده کشاورزی ضعیف می شود. هزینه ساخت زیرساخت نیز بالا است و ارتباطات خارجی دشوار است و درآمد کشاورزان محلی را محدودتر می کند. در نتیجه میزان فقر در این منطقه زیاد است. منطقه مرکزی منطقه مورد مطالعه دارای شیب کم است، بنابراین شرایط توسعه بهتر است و کشاورزان کانال های بیشتری برای افزایش درآمد خود دارند. بنابراین میزان فقر کمتر است.
ارتفاع: ارتفاع به عنوان یکی دیگر از شاخص های توپوگرافی مهم فقر روستایی شناسایی می شود. ارتفاع منعکس کننده در دسترس بودن زمین و کیفیت زمین زیر کشت است و بنابراین به طور غیر مستقیم بر تولید ثروت در مناطق فقیر تاثیر می گذارد. شکل 8 ج نشان می دهد که الگوی فضایی ارتفاع منطقه مورد مطالعه در غرب زیاد و در شرق کم است. ارتفاع از شرق به غرب افزایش یافته است. با این حال، توزیع فضایی بروز فقر تا حدی با ارتفاع مطابقت دارد ( شکل 8) نشان می دهد که این موضوع تأثیر سایر شاخص ها بر فقر دارد. به طور کلی، الگوی مکانی ارتفاع مشابه درصد آبیاری مؤثر در زمین‌های زراعی است که نشان می‌دهد ارتفاع می‌تواند بر راندمان تولید کشاورزی تأثیر بگذارد و در نتیجه بر درآمد کشاورزان محلی تأثیر بگذارد.
پوشش گیاهی: پوشش گیاهی شاخص مهمی است که منعکس کننده منابع جنگلی در یک منطقه است و همچنین می تواند محیط اکولوژیکی منطقه را منعکس کند. شکل 8d نشان می دهد که مناطق با پوشش گیاهی بالا بیشتر شهرستان های منطقه مورد مطالعه را اشغال کرده اند و شهرستان های با پوشش گیاهی کم در نواحی مرکزی و شمالی پراکنده هستند. اگرچه پوشش گیاهی در نواحی جنوبی و شرقی بیشتر است، اما به یک لندفرم معمولی کارست، با بیابان زایی سنگی گسترده و ظرفیت تحمل محیطی کم تعلق دارد. از این رو، مرتع و زمین های جنگلی بازسازی شده پایداری ضعیف و انعطاف پذیری ضعیفی دارند. با این حال، ساخت پروژه های اکولوژیکی از جمله حفاظت از جنگل های طبیعی و ساخت کمربند سرپناه در این مناطق مورد تاکید است که توسعه منابع اراضی جنگلی را محدود می کند. به طور کلی، این نوع منابع نمی تواند درآمد ساکنان محلی را افزایش دهد. در نتیجه میزان فقر در این منطقه زیاد است. مناطق با پوشش گیاهی کمتر، در مناطق مرکزی و شمالی، دارای شیب های کوچکتر؛ از این رو، آنها می توانند برای توسعه اقتصاد و افزایش سطح درآمد بر مزیت های توپوگرافی خود تکیه کنند. بنابراین میزان بروز فقر در این مناطق نسبتاً کم است.
با توجه به تحلیل فوق، شیب توپوگرافی در منطقه جنوب شرقی منطقه مورد مطالعه زیاد بوده و درصد آبیاری مؤثر در زمین های زراعی نسبتاً کم است. اینها تولید کشاورزی را ناپایدار و تولید مواد غذایی را کم می کند. از این رو، افزایش درآمد برای کشاورزان دشوار است. علیرغم سطح بالای پوشش گیاهی در این منطقه، این مزیت های منابع به دلیل شرایط طبیعی و عوامل سیاسی نمی تواند به مزیت های اقتصادی تبدیل شود. در نتیجه، بروز شهرستان های با فقر بالا در جنوب شرقی منطقه مورد مطالعه متمرکز شده است. در قسمت شمال شرقی منطقه مورد مطالعه، اگرچه برخی از شهرستان‌ها شیب بالایی دارند و برای تولید محصولات کشاورزی در مقیاس وسیع مناسب نیستند، منطقه محلی یک منطقه انقلابی قدیمی است. از این رو، گردشگری و سایر صنایع را می توان با توجه به ویژگی های محلی توسعه داد و کانال های افزایش درآمد را گسترش داد. بنابراین، مناطق با بروز فقر کم و کم در شمال شرق توزیع شده است.
3.2.2. تأثیر متقابل عوامل غالب بر بروز فقر
جدول 3 اثرات متقابل دو عاملی را بر بروز فقر نشان می دهد. این نتایج نشان می‌دهد که اثر تعاملی بیشتر از اهمیت یک عامل است و اثر متقابل هر عامل افزایش غیرخطی است. به عنوان مثال، شیب غیرخطی اثر درصد آبیاری موثر در زمین های زراعی ( 77/0 = q ) را بر بروز فقر افزایش داد.

4. بحث

4.1. اثرات ژئومحیط بر فقر

ژئومحیط به طور قابل توجهی بر توسعه اقتصادی یک منطقه تأثیر می گذارد، به ویژه برای صنایع اولیه [ 59 ، 60 ، 61 ]. بر اساس سالنامه آماری چین در سال 2012، شهرستان های فقیر دارای مقدار کمی زمین قابل کشت هستند و بخش بالایی از تولید ناخالص داخلی آنها از صنایع اولیه حاصل می شود. بنابراین، کشاورزی برای توسعه مناطق فقر زده حیاتی است و توسعه کشاورزی به شدت به ژئومحیط محلی بستگی دارد. بنابراین، ژئومحیط اساسی ترین عامل است [ 62 ].
ما دریافتیم که درصد آبیاری مؤثر در زمین‌های زراعی، شیب توپوگرافی، ارتفاع و پوشش گیاهی عوامل غالبی هستند که بر الگوی فضایی فقر در منطقه مورد مطالعه تأثیر می‌گذارند. این با مطالعه قبلی مطابقت دارد، اما تفاوت این است که مطالعه قبلی عوامل اجتماعی-اقتصادی را در نظر گرفته است [ 43 ]]. مطالعات عوامل مؤثر بر فقر روستایی نیز نشان داده است که شیب و منابع آب کشاورزی (آبیاری و مصرف آب در هر هکتار) هر دو به فقر روستایی کمک می کنند. همانند شیب، ارتفاع یکی دیگر از شاخص های توپوگرافی مهم است که منعکس کننده در دسترس بودن زمین و کیفیت زمین زیر کشت است و بنابراین به طور غیرمستقیم بر درآمد کشاورزان محلی در منطقه مورد مطالعه تأثیر می گذارد. علاوه بر این، تأثیر پوشش گیاهی بر فقر از منطقه به منطقه دیگر متفاوت است. استان گوئیژو در مناطق معمولی کارست با بیابان زایی صخره ای و مشکل جدی فرسایش خاک واقع شده است [ 13 ]. پوشش گیاهی نقش مهمی در این منطقه ایفا می کند و منابع طبیعی، خدمات اکوسیستمی و شرایط اولیه زندگی را برای مردم محلی فراهم می کند [ 36 ]]. کسری از پوشش گیاهی (به عنوان مثال، جنگل و جنگل) به دست آمده از تصاویر ماهواره ای با فقر مرتبط بود [ 63 ]. علاوه بر این، درآمد حاصل از محصولات جنگلی و غیر چوبی می تواند سهم بزرگی از کل درآمد خانوار را به همراه داشته باشد [ 18 ]. این مطالعات تأثیر متقابل دو عاملی بر فقر را در نظر نگرفتند، اما دریافتیم که وقتی شیب، درصد آبیاری مؤثر در زمین‌های زراعی و پوشش گیاهی با هم تعامل داشته باشند، تأثیر بر بروز فقر بیشتر از تأثیر عوامل فردی است. . به طور خاص، زمانی که شیب و درصد آبیاری موثر در زمین های زراعی با هم تعامل داشته باشند، qمقدار 0.77 است. شرایط شیب و آبیاری برای تولید کشاورزی حیاتی است و توسعه در مناطق فقیر به صنایع اولیه بستگی دارد. بنابراین در طول تولید محصولات کشاورزی، باید فرآیندهای کشاورزی را با توجه به شیب های مختلف تنظیم کرد و تأسیسات حفاظتی آب احداث کرد.

4.2. مکانیسم چگونگی تأثیر عوامل غالب بر الگوی فضایی فقر

مکانیسم اثر عوامل غالب بر الگوی فضایی فقر در استان گوئیژو بر اساس تحقیقات قبلی در مورد فقر و کاهش فقر خلاصه شده است [ 15 ]]. درصد آبیاری موثر در زمین های زراعی، شیب توپوگرافی، ارتفاع و پوشش گیاهی از طریق مسیرهای مختلف نتایج متفاوتی را به همراه دارد. شیب توپوگرافی بر روش های کاشت و سطوح مکانیزاسیون کشاورزی تأثیر می گذارد. هر چه شیب بیشتر باشد، منابع زمین زراعی کمتر است و این امر توسعه تولیدات کشاورزی در مقیاس بزرگ را محدود می کند. درصد آبیاری مؤثر در زمین های زراعی ارتباط تنگاتنگی با حفظ آب و زمین دارد. هزينه احداث تاسيسات صرفه جويي آب در مناطقي با توپوگرافي پيچيده بالاست و شرايط نامساعد آبياري منجر به توليد كم كشاورزي مي شود. منابع پوشش گیاهی نمی تواند مورد استفاده ساکنین محلی قرار گیرد زیرا منطقه مورد مطالعه مشکل جدی بیابان زایی صخره ای دارد و مانع اکولوژیکی رودخانه مروارید است. علاوه بر این، برهمکنش هایی بین عوامل غالب وجود دارد، به عنوان مثال، برهمکنش شیب و آبیاری، که تأثیر آنها بر توسعه کشاورزی را تشدید می کند. به دلیل راه ها و تأثیرات متفاوت این عوامل بر فقر، منجر به الگوهای فضایی فقر در استان گوئیژو می شود. اگر فقر تحت تأثیر یک عامل غالب باشد، مکانیسم آن به راحتی قابل ترسیم است.64 ، 65 ، 66 ، 67 ]. با این حال، در واقعیت، وقوع فقر اغلب نتیجه عوامل مختلفی است. بنابراین توجه به مجموعه اقدامات مختلف برای اجرای سیاست جامع فقرزدایی ضروری است.

4.3. پیامدهای سیاست‌های کاهش فقر

فقر الگوی فضایی مشخصی را نشان می‌دهد و یک سیاست جهانی برای کاهش فقر دارای محدودیت‌های خاصی است. بنابراین، لازم است اقداماتی برای فقرزدایی متناسب با شرایط محلی اجرا شود. به دلیل الگوی فضایی مشاهده شده از بروز فقر در استان گوئیژو و تجزیه و تحلیل عوامل غالب، توصیه‌های زیر را ارائه می‌کنیم:
به دلیل الگوی فضایی بروز فقر در استان گوئیژو، لازم است اقداماتی برای کاهش فقر متناسب با شرایط محلی اجرا شود. الگوی فضایی نشان می دهد که درجه فقر در جنوب بیشتر از شمال است، عمدتاً به دلیل بزرگ بودن منطقه بیابان زایی صخره ای، بایر بودن خاک و پایین بودن ظرفیت حمل منابع و محیط زیست در جنوب. از این رو تقویت احداث تأسیسات ذخیره آب و آبیاری برای کنترل اثر بیابان زایی صخره ای ضروری است. علاوه بر این، اجرای مکانیسم جبران زیست محیطی و تبدیل منافع زیست محیطی به منافع اقتصادی، برای کاهش فقر ضروری است. علاوه بر این، سیاست جابجایی باید برای مناطقی که برای سکونت و توسعه انسان مناسب نیستند، اجرا شود. برای مناطق شمالی با شیوع کم فقر، استراتژی های کلی برای کاهش فقر مشابه استراتژی های کاهش فقر هدفمند است: توسعه تولید و ساختمان های مؤسسه، از جمله تقویت ساخت و ساز زیرساخت ها، بهبود سیستم تامین اجتماعی و توسعه صنایع مشخص.
یافته‌های این پژوهش نشان می‌دهد که درصد آبیاری مؤثر در زمین‌های زراعی، شیب توپوگرافی، ارتفاع و پوشش گیاهی عوامل غالبی هستند که بر الگوی فضایی فقر تأثیر می‌گذارند. بنابراین در روند فقرزدایی و توسعه اقتصادی باید به تأثیر این گونه عوامل توجه کرد. بر اساس سناریوی فقر آشکار شده در منطقه مورد مطالعه، ابتدا باید سازه های کشاورزی بهینه سازی و الگوهای کاربری اراضی با توجه به درجات مختلف شیب تغییر یابد تا از فرسایش خاک جلوگیری شود. علاوه بر این، تقویت ساخت تاسیسات ذخیره آب، تسریع در ساخت پروژه های آبیاری مزرعه و بهبود بهره وری از آب های زیرزمینی کارست ضروری است. علاوه بر این، تقویت حفاظت از پوشش گیاهی، هدایت استفاده فشرده از اراضی جنگلی، اجرای سیستم مدیریت دقیق کاربری اراضی، بهبود مکانیسم جبران اکولوژیکی و افزودن پست‌های رفاهی عمومی مانند باغ‌های حفاظت از جنگل ضروری است. در نهایت، با توجه به اینکه تاثیر متقابل عوامل بر بروز فقر عمیق تر خواهد شد، لازم است به منظور ارتقای اثربخشی فقرزدایی، بر تطبیق اقدامات مختلف برای فقرزدایی تمرکز شود.

4.4. محدودیت ها

اگرچه این مطالعه به بررسی تأثیر ژئومحیط بر الگوی فضایی فقر پرداخته است، اما بر اساس واحدهای اداری در سطح شهرستان انجام شده است. تحقیقات آتی می‌تواند مقیاس‌های دقیق‌تری (مثلاً شهرها یا روستاها) اتخاذ کند و مبنایی نظری برای تدوین اقدامات کاهش فقر در مقیاس‌های چندگانه فراهم کند. علاوه بر این، عوامل ژئومحیطی و اجتماعی-اقتصادی مستقیم‌ترین عوامل مؤثر بر فقر هستند، اما عوامل ژئومحیطی تا حدودی نقش محدودکننده‌ای در توزیع عوامل اقتصادی دارند. برخی از مطالعات تأثیر انواع محصولات زراعی (حبوبات و غلات) [ 68 ]، نوع دارایی (ارزش تجهیزات مزرعه) [ 69 ]، خشکی بر فقر روستایی [ 70 ] را بررسی کردند.]. با این حال، این متغیرها در این مطالعه در دسترس نیستند. مطالعه آینده می تواند این داده ها را از نظرسنجی خانوارها به دست آورد و اطلاعات اقلیمی بیشتری (به عنوان مثال، خشکی) برای بهبود تجزیه و تحلیل جمع آوری کند. در آینده، مطالعات باید در نظر بگیرند که توسعه مناطق فقرزده تا چه حد می تواند بر محدودیت های ژئومحیط غلبه کند و چگونه می توان از ژئومحیط برای ارزش اقتصادی بالقوه خود و در عین حال حفاظت از محیط زیست محیطی استفاده کرد و در نتیجه تأثیر آن را تغییر داد. ژئومحیط بر فقر

منابع

  1. هاوشوفر، ج. Fehr, E. در روانشناسی فقر. Science 2014 ، 344 ، 862-867. [ Google Scholar ] [ CrossRef ]
  2. Tollefson، J. آیا کارآزمایی های تصادفی شده می توانند فقر جهانی را از بین ببرند؟ نات. News 2015 , 524 , 150. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  3. استیل، جی. ساندسوی، پی. پزولو، سی. آلگانا، وی. پرنده، تی. بلومن استاک، جی. بیلند، جی. مونسن، ک. مونتجویه، ی. اقبال، ع. و همکاران نقشه برداری از فقر با استفاده از تلفن همراه و داده های ماهواره ای JR Soc. رابط 2017 ، 14 ، 20160690. [ Google Scholar ] [ CrossRef ]
  4. 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 . [ Google Scholar ] [ CrossRef ]
  5. راوالیون، ام. آیا از موفقیت چین در برابر فقر درس هایی برای آفریقا وجود دارد؟ توسعه دهنده جهانی 2009 ، 37 ، 303-313. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  6. لیو، اچ. مطالعه در مورد اجرای کاهش هدفمند فقر و توسعه هماهنگ منطقه ای. گاو نر چانه. آکادمی علمی 2016 ، 31 ، 320-327. [ Google Scholar ]
  7. وانگ، اس. سان، جی. استانداردهای فقر نسبی چین، اندازه‌گیری و هدف‌گیری پس از تکمیل ساختن یک جامعه نسبتاً مرفه به روشی همه‌جانبه: تحلیلی بر اساس داده‌های بررسی خانوارهای شهری و روستایی چین در سال 2018. چین. اقتصاد روستایی 2021 ، 3 ، 2-23. [ Google Scholar ]
  8. دو، جنرال موتورز; فنگ، ی. یانگ، YY مطالعه بر روی ویژگی های استراتژی کاهش فقر دقیق مناطق فقر زده در استان هیلونگجیانگ. کشاورزی اقتصاد مدیریت 2016 ، 6 ، 5-14. [ Google Scholar ]
  9. لی، ی. لانگ، اچ. لیو، ی. الگوی فضایی-زمانی توسعه روستایی چین: دیدگاه شاخص روستایی. J. Rural Stud. 2015 ، 38 ، 12-26. [ Google Scholar ] [ CrossRef ]
  10. آلتمن، ام. آیزنرایش، اس. لهنر، دی. موزر، اس. نیدل، تی. روشر، وی. وگلر، تی. نابرابری و فقر جهانی در دیدگاه های جغرافیا. چند فرهنگی. آموزش. تکنولوژی J. 2013 ، 7 ، 127-150. [ Google Scholar ] [ CrossRef ]
  11. جالان، ج. راوالیون، ام. تله های فقر جغرافیایی؟ مدل خرد رشد مصرف در روستاهای چین J. Appl. اقتصاد. 2002 ، 17 ، 329-346. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  12. کانبور، آر. سامنر، الف. کشورهای فقیر یا مردم فقیر؟ کمک های توسعه و جغرافیای جدید فقر جهانی. J. Int. توسعه دهنده 2012 ، 24 ، 686-695. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  13. ژو، ی. لی، ی. لیو، ی. پیوند بین تخریب منطقه ای زیست محیطی و فقر روستایی در چین. Habitat Int. 2020 ، 96 ، 102086. [ Google Scholar ] [ CrossRef ]
  14. اوکی، پ. ندنگه، جی. 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 ] [ PubMed ][ نسخه سبز ]
  15. خو، ز. کای، ز. وو، اس. هوانگ، ایکس. لیو، جی. سان، ج. سو، اس. ونگ، ام. شناسایی شاخص‌های جغرافیایی فقر با استفاده از رگرسیون وزن‌دار جغرافیایی: مطالعه موردی از استان Qiandongnan Miao و Dong خودمختار، گوئیژو، چین. Soc. اندیک. Res. 2019 ، 142 ، 947-970. [ Google Scholar ] [ CrossRef ]
  16. عمران، م. استین، ا. زوریتا-میلا، آر. بررسی فقر و حاشیه نشینی روستایی در بورکینافاسو با استفاده از محصولات مبتنی بر سنجش از دور. بین المللی J. Appl. زمین Obs. Geoinf. 2014 ، 26 ، 322-334. [ Google Scholar ] [ CrossRef ]
  17. واتموگ، جی. اتکینسون، پی. هاتون، سی. پیش‌بینی شرایط اجتماعی و اقتصادی از داده‌های حسگر ماهواره‌ای در کشورهای در حال توسعه روستایی: مطالعه موردی با استفاده از سوادآموزی زنان در آسام، هند. Appl. Geogr. 2013 ، 44 ، 192-200. [ Google Scholar ] [ CrossRef ]
  18. بابولو، بی. مییز، بی. نگا، ف. تولنز، ای. نیسن، جی. دکرز، جی. Mathijs، E. سهم اقتصادی استفاده از منابع جنگلی در معیشت روستایی در Tigray، اتیوپی شمالی. برای. سیاست اقتصاد. 2009 ، 11 ، 109-117. [ Google Scholar ] [ CrossRef ]
  19. لیو، جی. زو، سی. گائو، جی. ما، س. وانگ، دبلیو. وو، ک. لیو، ی. خو، دی. خو، ام. شما، G. تعیین مکان مناطق آسیب پذیر اکولوژیکی در چین. تنوع زیستی علمی 2015 ، 23 ، 725-732. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  20. اولیویا، اس. گیبسون، جی. روزل، اس. هوانگ، جی. دنگ، ایکس. نقشه برداری از فقر در روستاهای چین: محیط زیست چقدر اهمیت دارد؟ محیط زیست توسعه دهنده اقتصاد 2011 ، 16 ، 129-153. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  21. کاسا، جی. تفری، بی. Delelegn، N. پیوند فقر-محیط زیست در کشورهای در حال توسعه: شواهدی از اتیوپی: یک بررسی سیستماتیک. آسیایی جی. کشاورزی. خارج اقتصاد اجتماعی 2018 ، 24 ، 1-13. [ Google Scholar ] [ CrossRef ]
  22. باربیر، ای. هوچارد، جی. تخریب زمین و فقر. نات. حفظ کنید. 2018 ، 1 ، 623-631. [ Google Scholar ] [ CrossRef ]
  23. آنجلسن، آ. جگر، پی. بابیگومیرا، ر. بلچر، بی. هوگارث، ن. باخ، اس. بورنر، جی. هال، سی. Wunder، S. درآمد زیست محیطی و معیشت روستایی: تحلیل مقایسه ای جهانی. توسعه دهنده جهانی 2014 ، 64 ، S12–S28. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  24. شلیچر، جی. شاافسما، م. برگس، ن. سندبروک، سی. دانکس، اف. کاوی، سی. ویرا، بی. بدون آن فقیرتر؟ نقش نادیده گرفته شده محیط زیست طبیعی در فقر و رفاه. حفظ کنید. توسعه دهنده 2018 ، 26 ، 83-98. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  25. اسفاو، س. اسکوگنامیلو، آ. کاپررا، جی. سیتکو، ن. Ignaciuk، A. تاثیر ناهمگن تنوع معیشت بر رفاه خانوار: شواهد بین کشوری از جنوب صحرای آفریقا. توسعه دهنده جهانی 2019 ، 117 ، 278-295. [ Google Scholar ] [ CrossRef ]
  26. Watts، MJ; Bohle، HG فضای آسیب پذیری: ساختار علی گرسنگی و قحطی. Prog. هوم Geogr. 1993 ، 17 ، 43-67. [ Google Scholar ] [ CrossRef ]
  27. هوآ، ایکس. یان، جی. Zhang، Y. ارزیابی نقش دارایی های معیشتی در استراتژی های معیشت مناسب: پروتکل برای سیاست ضد فقر در فلات تبت شرقی، چین. Ecol. اندیک. 2017 ، 78 ، 62-74. [ Google Scholar ] [ CrossRef ]
  28. کائو، اس. وانگ، ی. دوان، اف. ژائو، دبلیو. پیوند بین آسیب‌پذیری زیست‌محیطی و فقر اقتصادی در مناطق فقیر پیوسته، چین: تحلیل تجربی 714 شهرستان فقرزده. چانه. J. Appl. Ecol. 2016 ، 27 ، 2614-2622. [ Google Scholar ]
  29. خاکستری، LC; Moseley, WG دیدگاهی جغرافیایی در مورد تعاملات فقر-محیط زیست. Geogr. J. 2005 ، 171 ، 9-23. [ Google Scholar ] [ CrossRef ]
  30. وارد، پی. فقر گذرا، پویایی فقر، و آسیب پذیری در برابر فقر: یک تحلیل تجربی با استفاده از یک پانل متعادل از روستاهای چین. توسعه دهنده جهانی 2016 ، 78 ، 541-553. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  31. Han, Z. شکنندگی و فقر روستایی. مشکل کشاورزی اقتصاد 2004 ، 10 ، 103-110. [ Google Scholar ]
  32. جالان، ج. راوالیون، ام. پاسخ های رفتاری به ریسک در روستاهای چین. جی. دیو. اقتصاد 2001 ، 66 ، 23-49. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  33. ژو، ی. گوا، ی. لیو، ی. اندازه گیری جامع فقر شهرستان و هدف گذاری ضد فقر پس از سال 2020 در چین. Acta Geogr. گناه 2018 ، 73 ، 1478-1493. [ Google Scholar ]
  34. 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 ]
  35. کورتیس، ک. لی، جی. اوکانل، اچ. زو، جی. توزیع فضایی فقر و دسترسی طولانی به آرایش صنعتی مکان ها: شواهد جدید در مورد رژیم های مکانی و زمانی. جامعه روستایی 2019 ، 84 ، 28-65. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  36. واتموگ، جی. اتکینسون، پی. هاتون، سی. بررسی پیوندهای بین سرشماری و محیط با استفاده از تصاویر حسگر ماهواره ای سنجش از دور. J. کاربری زمین علمی. 2013 ، 8 ، 284-303. [ Google Scholar ] [ CrossRef ]
  37. لیو، ام. هو، اس. Ge، Y. هیولینک، جی. 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 ]
  38. فارو، ا. لارا، سی. هیمن، جی. لما، جی. بررسی تنوع فضایی فقر غذایی در اکوادور. سیاست غذایی 2005 ، 30 ، 510-531. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  39. وزیری، م. آچامپونگ، ام. داونز، جی. مجید، م. فقر به عنوان تابعی از فضا: درک پیکربندی فضایی فقر در مالزی برای هدف شماره یک توسعه پایدار. جئوژورنال 2019 ، 84 ، 1317–1336. [ Google Scholar ] [ CrossRef ]
  40. وانگ، جی. لی، ایکس. کریستاکوس، جی. لیائو، ی. ژانگ، تی. گو، ایکس. ژنگ، X. ارزیابی خطر سلامت مبتنی بر آشکارسازهای جغرافیایی و کاربرد آن در مطالعه نقص لوله عصبی منطقه هشون، چین. بین المللی جی. جئوگر. Inf. علمی 2010 ، 24 ، 107-127. [ Google Scholar ] [ CrossRef ]
  41. وانگ، جی. Hu, Y. تشخیص خطر سلامت محیطی با GeogDetector. محیط زیست مدل. نرم افزار 2012 ، 33 ، 114-115. [ Google Scholar ] [ CrossRef ]
  42. وانگ، جی. ژانگ، تی. فو، ب. اندازه گیری ناهمگنی طبقه بندی شده فضایی. Ecol. اندیک. 2016 ، 67 ، 250-256. [ Google Scholar ] [ CrossRef ]
  43. وانگ، ی. لیو، جی. Tu, Y. طبقه بندی آسیب پذیری محیط زیست محیطی شهرستان کارست معمولی در گوئیژو. کارسول. گناه 2002 ، 21 ، 221-225. [ Google Scholar ]
  44. زنگ، ی. شو، سی. تجزیه و تحلیل عوامل تأثیرگذار فقر در مناطق فقیرنشین پیوسته در استان گوئیژو. ثبت جهانی گل میخ. 2017 ، 26 ، 158-167. [ Google Scholar ]
  45. راوالیون، ام. چن، پیشرفت (نابرابر) چین در برابر فقر. جی. دیو. اقتصاد 2007 ، 82 ، 1-42. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  46. بیگمن، دی. Fofack، H. هدف گذاری جغرافیایی برای کاهش فقر: مقدمه ای بر موضوع ویژه. اقتصاد بانک جهانی Rev. 2000 , 14 , 129-145. [ Google Scholar ] [ CrossRef ]
  47. 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 ]
  48. ژو، ی. لیو، ی. جغرافیای فقر: بررسی و چشم انداز تحقیق. J. Rural Stud. 2019 . [ Google Scholar ] [ CrossRef ]
  49. 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 ]
  50. Lv، C.; لان، ایکس. Sun, W. مطالعه ای در مورد رابطه بین عوامل طبیعی و توزیع جمعیت در پکن با استفاده از آشکارساز جغرافیایی. جی. نات. منبع. 2017 ، 32 ، 1385–1397. [ Google Scholar ]
  51. کو، دبلیو. تو، س. نیو، س. Hu, M. تست اثر فقر محیط طبیعی جغرافیایی- تحلیل تجربی تأثیر جغرافیای فیزیکی بر فقر روستایی. چانه. اقتصاد روستایی 2012 ، 2 ، 21-34. [ Google Scholar ]
  52. چنگ، ایکس. شوای، سی. وانگ، جی. لی، دبلیو. 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 ]
  53. هاچینسون، ام. درون یابی داده های بارندگی با نوارهای صاف کننده صفحه نازک – بخش اول: هموارسازی دو بعدی داده ها با همبستگی برد کوتاه. جی. جئوگر. Inf. تصمیم می گیرد. مقعدی 1998 ، 2 ، 139-151. [ Google Scholar ]
  54. Ge، Y. هو، اس. رن، ز. جیا، ی. وانگ، جی. لیو، ام. ژانگ، دی. ژائو، دبلیو. لو، ی. فو، ی. و همکاران نقشه برداری از تغییرات سالانه کاربری زمین در مناطق فقر زده چین از 2013 تا 2018 سنسور از راه دور محیط. 2019 ، 232 ، 111285. [ Google Scholar ] [ CrossRef ]
  55. Tiefelsdorf، M. برخی از کاربردهای عملی توزیع شرطی دقیق موران I. پاپ Reg. علمی 1998 ، 77 ، 101-129. [ Google Scholar ] [ CrossRef ]
  56. Tobler, W. یک فیلم کامپیوتری شبیه سازی رشد شهری در منطقه دیترویت. اقتصاد Geogr. 1970 ، 46 ، 234-240. [ Google Scholar ] [ CrossRef ]
  57. وو، پی. لی، تی. لی، دبلیو. تجزیه و تحلیل تمایز فضایی و عوامل مؤثر بر فقر روستایی در مقیاس شهرستان: مطالعه موردی شهرستان شانیانگ در استان شانشی، چین. Geogr. Res. 2018 ، 37 ، 3. [ Google Scholar ]
  58. Anselin، L. شاخص های محلی ارتباط فضایی-LISA. Geogr. مقعدی 1995 ، 27 ، 93-115. [ Google Scholar ] [ CrossRef ]
  59. دنگ، دبلیو. Tang, W. جهت‌گیری‌های کلی و اقدامات متقابل برای توسعه شهرنشینی در مناطق کوهستانی چین. J. Mt. Sci. 2013 ، 31 ، 168-173. [ Google Scholar ]
  60. Husmann، C. حاشیه نشینی به عنوان یک علت اصلی فقر: شناسایی نقاط داغ حاشیه نشینی در اتیوپی. توسعه دهنده جهانی 2016 ، 78 ، 420-435. [ Google Scholar ] [ CrossRef ]
  61. ویشیتمی، بی. مومانی، س. امباتی، بی. Okello، M. ارتباط بین فقر، محیط زیست و توسعه اکوتوریسم در مناطق مجاور مناطق حفاظت شده Maasai Mara و Amboseli، کنیا. تور. مدیریت چشم انداز 2015 ، 16 ، 306-317. [ Google Scholar ] [ CrossRef ]
  62. ژو، ال. Xiong، L. کنترل های توپوگرافی طبیعی در توزیع فضایی شهرستان های فقر زده در چین. Appl. Geogr. 2018 ، 90 ، 282-292. [ Google Scholar ] [ CrossRef ]
  63. واتموگ، جی. مارسینکو، سی. سالیوان، سی. تشیرهارت، ک. موتو، پی. پالم، سی. Svenning، J. استفاده آگاهانه از داده های سنجش از دور برای پیش بینی فقر خانوار روستایی. Proc. Natl. آکادمی علمی ایالات متحده آمریکا 2019 ، 116 ، 1213–1218. [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
  64. 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 ]
  65. 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 ]
  66. لی، ی. کائو، ز. ژنگ، X. رویکرد منطقه ای و پایدار برای کاهش فقر هدف و توسعه چین. گاو نر چانه. آکادمی علمی 2016 ، 31 ، 279-288. [ Google Scholar ]
  67. یانگ، ی. لیو، ی. Zhang, Z. مطالعه در مورد نوآوری سیاست و پیشنهادات کاهش هدفمند فقر بر اساس تحقیقات معمولی. گاو نر چانه. آکادمی علمی 2016 ، 3 ، 337-345. [ Google Scholar ]
  68. ماکات، سی. وانگ، آر. ماکات، م. انبه، N. تنوع محصول و معیشت کشاورزان خرده پا در زیمبابوه: مدیریت تطبیقی ​​برای تغییرات محیطی. SpringerPlus 2016 ، 5 ، 1135-1153. [ Google Scholar ] [ CrossRef ] [ PubMed ][ نسخه سبز ]
  69. گروتارت، سی. عوامل تعیین کننده فقر در ساحل عاج در دهه 1980. جی افر. اقتصاد 1997 ، 6 ، 169-196. [ Google Scholar ] [ CrossRef ]
  70. آزاری، سی. Signorelli، S. آب و هوا و فقر در آفریقا در جنوب صحرا. توسعه دهنده جهانی 2020 , 125 , 104691. [ Google Scholar ] [ CrossRef ]
Ijgi 10 00270 g001 550
شکل 1. موقعیت منطقه مورد مطالعه. ( الف ) توزیع فضایی مناطق فقر زده. ( ب ) موقعیت استان گوئیژو و مناطق فقیر همسایه آن.
Ijgi 10 00270 g002 550
شکل 2. توزیع فضایی درآمد خالص سالانه سرانه در سطح شهرستان.
Ijgi 10 00270 g003 550
شکل 3. توزیع فضایی امداد زمین در هر شهرستان.
Ijgi 10 00270 g004 550
شکل 4. توزیع فضایی جاده اصلی در محدوده مورد مطالعه.
Ijgi 10 00270 g005 550
شکل 5. توزیع فضایی بروز فقر در سطح شهرستان در استان گوئیژو در سال 2013.
Ijgi 10 00270 g006 550
شکل 6. خود همبستگی محلی بروز فقر در سطح شهرستان در استان گوئیژو.
Ijgi 10 00270 g007 550
شکل 7. آشکارساز عامل در بروز فقر. نکته: irr: درصد آبیاری موثر در زمین های زراعی. slo: شیب; ele: elevation; گیاهی: پوشش گیاهی؛ tem: میانگین دمای سالانه؛ pre: میانگین سالانه بارش; riv: تراکم رودخانه; ter: تسکین زمین; ara: سرانه زمین زراعی.
Ijgi 10 00270 g008 550
شکل 8. توزیع عوامل غالب در استان گوئیژو: ( الف ) درصد آبیاری موثر در زمین های زراعی. ( ب ) شیب؛ ( ج ) ارتفاع؛ ( د ) پوشش گیاهی. درجه بندی افسانه ها با نتایج گسسته سازی متغیرهای توضیحی اصلی سازگار است.

مقالات داخلی و بین المللی

مطالب مرتبط ...

بدون دیدگاه

دیدگاهتان را بنویسید