EN中文

JOURNAL OF NATURAL RESOURCES >

2021 , Vol. 36 >Issue 12: 3156 - 3169

DOI: https://doi.org/10.31497/zrzyxb.20211211

Regular Articles

Study on the spatial correlation between traditional villages and poverty-stricken villages and its influencing factors in China

  • CHEN Hui-ling , 1 ,
  • XU Jian-bin 2 ,
  • YANG Wen-yue 3 ,
  • CAO Xiao-shu , 4
Expand
  • 1. School of Public Administration and Human Geography, Hunan University of Technology and Business, Changsha 410205, China
  • 2. School of Geography and Planning, Sun Yat-Sen University, Guangzhou 510275, China
  • 3. College of Forestry and Landscape Architecture, South China Agricultural University, Guangzhou 510642, China
  • 4. Institute of Transport Geography and Spatial Planning, Shaanxi Normal University, Xi'an 710119, China

Received date: 2020-04-23

  Revised date: 2020-12-02

  Online published: 2022-02-28

Copyright

Copyright reserved © 2021.
Fold

Abstract

Based on the five lists of traditional villages published by the Ministry of Housing and Urban-Rural Development (China) and the poverty-stricken villages in poverty alleviation for a whole village during the 12th Five-Year Plan period (2011-2015), this paper analyzes the distribution pattern and spatial correlation of Chinese traditional villages and poverty-stricken villages, and discusses the relationship between the spatial correlation and regional natural environment and socio-economic factors. The results show that: (1) In terms of the spatial distribution relationship between traditional villages and poor villages, the regions with high-density traditional villages and high-density poor villages are mainly distributed in provincial-level regions of Hubei, Hunan, Guizhou, the border of Guangxi, the north of Shanxi, which are mostly contiguous poverty-stricken mountainous areas. Regions with low-density traditional villages and low-density poor villages (low-low type) are generally located in coastal and border areas, while low-high type areas are generally located in provincial border areas; the villages of high-low type are mainly distributed in Zhejiang and Fujian provinces with high economic development level. (2) Taking the low-low type regions as the reference, the low-high type areas are significantly negatively correlated with transport accessibility and regional economic development, and positively correlated with population, temperature, elevation and slope, which indicates that the risk of poverty is higher in areas with larger population and worse natural conditions (higher temperature, gradient and elevation). (3) Compared with low-low type areas, high-low type areas have a significant positive correlation with urbanization rate, which indicates that areas with higher density of traditional villages tend to have higher urbanization rate, and the urbanization process has no serious impact on the protection of traditional villages. There is a significant negative correlation between transport accessibility, population and high-high type areas. (4) The influence of different slope, temperature and precipitation areas on the spatial correlation of traditional villages and poor villages is different. It is necessary to make strategies for poverty alleviation and development of traditional villages according to local conditions. This paper aims to provide some guidance and support for China's poverty alleviation and rural revitalization based on the protection and development of traditional villages.

Key words： traditional village; poor village; spatial correlation; influencing factor; China

Cite this article

CHEN Hui-ling , XU Jian-bin , YANG Wen-yue , CAO Xiao-shu . Study on the spatial correlation between traditional villages and poverty-stricken villages and its influencing factors in China[J]. JOURNAL OF NATURAL RESOURCES, 2021 , 36(12) : 3156 -3169 . DOI: 10.31497/zrzyxb.20211211

乡村是相对城市的空间地域系统[1]。乡村性是描绘乡村空间及类型的重要概念,可以用于揭示乡村发展水平和乡村内部差异,民俗民情、乡村文化与记忆、乡村生活方式等都是乡村性的表征[2,3,4]。传统村落是农耕文明留下的珍贵财富,传统村落旅游的重要驱动力来自于游客感知到传统村落空间及其服务的乡村性[5,6]。工业革命以及城市更新让许多传统村落遭到不同程度的破坏[7],传统村落日渐式微。因而国家愈加重视其保护和传承,于2012年开始启动住房和城乡建设部等政府部门主导下的传统村落调查,现已公布五批传统村落名单。2017年中央一号文件提出“田园综合体”概念,要基于田园风光规划打造乡村综合旅游业。同年十九大报告提出乡村振兴战略,既肯定了乡村发展的重要性,也是对美丽乡村建设的政策支持[8,9]。传统村落在乡村旅游和乡村发展中占有重要地位,空间视角下的传统村落研究有助于为乡村振兴的推动、乡村发展新动能的转换以及传统村落的合理开发保护提供现实依据。
贫困地区对传统村落热点的延伸具有吸引作用,贫困区域落后的社会经济环境、复杂地形以及不太便利的交通等为传统村落风貌的保护提供有利条件,而发展旅游同时也被认为是缓解贫困的重要方式之一[10]。贫困现象在空间分布上集聚特征明显,为解决区域性整体贫困问题,我国自1986年就划定了集中连片贫困带和国家级贫困县。2011年颁布的《中国农村扶贫开发纲要（2011—2020年）》将武陵山区、秦巴山区等14个集中连片特困地区作为扶贫攻坚的主战场。目前乡村反贫困工作已经取得了重大成就,贫困现状特征已经从以温饱为主的绝对贫困转向综合了教育、健康等多重因素的相对贫困[11]。但中国贫困地区的集中分布态势仍未发生显著转变,贫困发生率较高的区域仍连绵分布于中西部。我国大量传统村落也分布在中西部以及民族地区,与贫困区域的空间分布存在较高的一致性[12]。我国乡村正处于由脱贫向振兴转变的关键阶段。传统村落是乡村开发的重要资源与潜在力量,贫困村是脱贫攻坚的重点区域,都是乡村振兴战略实施的主战场。正确认识传统村落与贫困村的空间相关性,努力平衡传统村落保护与反贫困战略实施之间的关系,是打赢脱贫攻坚战后贫困地区乡村振兴应该着重思考的问题。
村落的空间分布格局是人类适应地理环境及其历史发展的集中体现,村落空间分布及影响因素研究能为村落的合理开发以及扶贫政策的制定提供理论基础[13,14]。传统村落空间分布研究在宏观层面多以全国到省域等行政单元作为界限,研究方法多使用空间统计、GIS空间分析、地理格网分级等[15,16,17];微观层面上则以聚类景观基因特征、空间形态和意象方面研究为主[18,19,20]。空间分布影响因素研究,多选定与传统村落有关的地形、交通、社会经济发展等相关因素,定量研究这些因素与传统村落分布之间的相关性[7,21,22]。乡村贫困的空间分布探究则主要利用地统计方法,结果表明贫困在国家尺度以及小尺度上分布都不均衡,空间贫困陷阱区具有不同的特征[23,24,25]。已有贫困研究致力于探讨致贫因子与机制[26,27],以缓解贫困的不利影响,乡村贫困的影响因素聚焦于地理环境、生态条件以及资源禀赋等要素[28,29]。例如Kam等[30]通过研究发现在孟加拉国生态环境恶劣、资源缺乏的区域乡村贫困发生率高;刘彦随等[31]认为坡度、耕地资源、离主要道路与县城中心距离等是影响不同区域乡村贫困化分异的主要因素。现有成果证实了不同区域传统村落、贫困村的空间分布模式差异较大,且不同影响因素的作用程度也存在差异。学者已经关注到贫困对地区传统文化的保护作用,并且诸多研究都提及了村落的传统与贫困之间存在相关性,但都没有定量地去探讨这种相关关系的客观规律,对两者分布的空间关系缺乏实证探讨。
贫困治理应有针对性,应注重脱贫的可持续性。不同的致贫因素需采取与之相适应的方法,而保护传统村落的过程亦是扶贫的过程[32]。基于传统村落与贫困村分布的空间关系科学识别典型地域类型,分类推进区域乡村振兴发展,有助于解析传统村落保护利用、精准扶贫实践如何助推乡村振兴提供对象瞄准支撑,为县域扶贫资源配置精准工作提供辅助决策建议,对于破解农村发展不平衡不充分问题具有重要的现实意义。基于此,本文以住建部公布的所有传统村落以及“十二五”期间“整村推进”贫困村为研究对象,从宏观层面上探讨传统村落和贫困村关联的空间异质性,并利用数理模型分析地理环境、社会经济发展等因素如何影响这种异质性,以期为传统村落和贫困村的权衡发展提供经验借鉴,为我国乡村振兴、传统村落保护与扶贫之间的平衡发展提供定量参考。

1 研究方法与数据来源

1.1 研究范围与数据来源

为找出传统村落与贫困村分布的空间相关性,基于国家尺度（不包括港澳台及附属岛屿）进行相关研究。研究数据主要包含传统村落数据、贫困村数据以及社会经济、自然环境数据。传统村落数据主要是国家住房城乡建设部、文化部、财政部等联合公布的各批次传统村落名单,总共有6799个村落（第一批646个,第二批915个,第三批994个,第四批1598个,第五批2646个）。2012年,为确保扶贫对象得到更好的扶持,国务院扶贫办等部门印发了《扶贫开发整村推进“十二五”规划》,其中有22个省（市、自治区）的贫困村和贫困乡镇纳入了该《规划》,本文的贫困村名单则主要来源于该项规划,有效样本包括27023个贫困村。利用传统村落和贫困村经纬坐标将其抽象为空间上的点,制作中国传统村落和贫困村分布地图。现有的能公开获取的社会经济类数据以县域为主要单元,自然数据则以自然单元为基础,传统村落与贫困村是点状数据,各数据类型框架不统一。为了数据的分析比较与可视化表达,本文将每个县政府作为给定目标点,从统计年鉴以及各县市政府工作报告中获取县（区）的户籍人口、GDP、城镇化率。考虑研究区域的范围,划定2000 m×2000 m栅格,提取县域范围内各栅格数据年均气温、年均降水量、高程三个因子的平均值以及坡度的中位数作为目标点的值,同时利用核密度模型估计全国范围内传统村落和贫困村空间密度,提取目标点的分布密度值。据此,多元数据融合拥有了统一框架。本文的DEM数据、降水量数据、气象数据来自中国科学院地理科学与资源研究所的资源环境数据云平台。

1.2 研究方法

1.2.1 最邻近点指数
最邻近点指数能表征点状事物在地理空间中的邻近程度[33],利用该指数分析全国传统村落与贫困村的全局分布模式。首先计算每个传统村落（贫困村）与其他最近村之间的距离,计算这些点最邻近距离的平均值（即实际最邻近距离）,其次利用点数与区域面积测算理论最邻近距离,最后通过实际与理论最近距离的比值得到最邻近指数,并根据指数大小判断传统村落与贫困村的全局分布模式。若指数小于1,呈现集聚模式;若指数大于1,呈现离散模式;若指数等于1,呈现随机模式。
1.2.2 空间自相关分析
空间统计可以分析与地理位置相关数据间的空间关联。本文利用局部双变量空间自相关模型测度传统村落与贫困村核密度值之间的空间格局相关性,以准确把握两者分布密度数值之间的空间关系,并使用LISA图来反映局部空间自相关性的显著性水平,按局部空间自相关类型将区域单元划分为传统村落密度高—贫困村密度高聚类、低—低类、高—低类和低—高类四种类型。高—高类指该区域传统村落与贫困村分布密度较高,且邻近区域的分布密度也较高,代表高值的空间集聚。低—低指该区域传统村落与贫困村分布密度较低,其邻近区域的分布密度也较低,代表低值的空间集聚。高—低类或低—高类代表局部空间分异。方法计算公式如下：
I kl = X k i - X k _ σ k ∑ j = 1 n W ij ( X l j - X l ) _ σ l
式中： I kl 为局部双变量空间自相关系数; X k i 为县区i传统村落密度k的值; X l j 为县区j贫困村密度l的值; X k _ 、 X l _ 分别为传统村落密度k、贫困村密度l的平均值; σ k 、 σ l 分别为k、l的方差; W ij 为空间单元i、j之间的空间权重矩阵。
1.2.3 核密度估计法
核密度估计法（Kernel Density Estination,KDE）是利用移动的单元格对点或线格局的密度进行估计。利用核密度模型估计全国范围内传统村落和贫困村的空间密度以及核心地区。通过观察传统村落和贫困村密度的空间变化来分析分布特征,考虑了研究范围内的村落自身之间的关系,比样方计数法更加优越,分析结果采用自然断带法进行分层设色。
1.2.4 多项式Logit回归分析
为了研究传统村落与贫困村空间相关性的影响因素,考虑到本文LISA聚集地图将空间相关性归为四个离散的类别,意在探讨空间相关性的影响因素差异,多项Logit模型（Multinomial Logit Model）可以满足研究需求,且对数据没有正态性要求,所以本文构建了多项Logit模型方程,如下：
Logit ( P 1 / P 2 ) = β 0 + β 1 X 1 + β 2 X 2
式中： Logit ( P 1 / P 2 ) 为任意两种类型概率比值的自然对数; X 1 为社会经济特征,包括城镇化率、交通可达性、人口、GDP; X 2 为自然环境特征,包括坡度、高程、年均降水量与气温; β t 为参数向量,其中t=0, 1, 2。
将低密度传统村落—低密度贫困村类作为高—高类、低—高类和高—低类型三种类型的参照,构建了如下回归方程分析：
Logit ( P 高 - 高 / P 低 - 低 ) = β 高 - 高 0 + β 高 - 高 1 X 1 + β 高 - 高 2 X 2
Logit ( P 低 - 高 / P 低 - 低 ) = β 低 - 高 0 + β 低 - 高 1 X 1 + β 低 - 高 2 X 2
Logit ( P 高 - 低 / P 低 - 低 ) = β 高 - 低 0 + β 高 - 低 1 X 1 + β 高 - 低 2 X 2

2 结果分析

2.1 传统村落与贫困村的空间分布及其相关性

2.1.1 传统村落与贫困村的空间分布
通过计算得到全国尺度上传统村落的最邻近指数为0.535,说明传统村落空间上呈明显集聚型分布。对传统村落的分布进行核密度分析,结果如图1,发现传统村落空间分布呈现明显差异性,空间上趋于集聚,两极分化现象明显。全国传统村落空间分布密度为7.06个/万km2,其中浙江的分布密度最高,达到62.38个/万km2,而内蒙古、黑龙江等地区的分布密度不足1个/万km2。我国有四个明显的传统村落集聚区,分别为：滇西北地区、黔桂湘交界地区、冀晋豫交界地区以及皖浙闽交界地区,其中,皖浙闽交界地区分布密度最高,此外黔桂湘交界地区的传统村落分布也较为密集。其共同特征为：大多处于省际之间的交界处,这主要是由于我国的省际边界一般由自然原因形成,边界地区自然环境的隔离度较高,且省际的边界地区也是文化的融合地带[34]。全国传统村落空间分布密度南北差异明显,受人口分布影响较大,西南以及东南地区传统村落空间分布密度相对较高,是我国传统村落空间分布的主要地区;而西北传统村落零星分布,密度稀疏。同时全国传统村落空间分布密度还受地形因素的影响,横断山区、太行山区、东南丘陵、云贵高原也是传统村落分布的主要集聚区。
图1 传统村落的核密度分布

注：本图基于自然资源部标准地图服务系统下载的标准地图制作,底图无修改,下同。

Fig. 1 The distribution of kernel density of traditional villages

全国尺度上贫困村的最邻近指数为0.387,贫困村空间上同样呈明显集聚型分布。对贫困村的分布进行核密度分析,可以看出中国贫困村空间差异明显（图2）。同时,我国东部与中西部经济差异明显,集中连片贫困地区主要分布在中西部。全国贫困村分布密度为27.73个/万km2,其中,贵州既是数量最多的省份（达到3774个）,密度也最大（208.33个/万km2）,而这些地区中西藏、吉林等的分布密度不足5个/万km2。贫困村受地理环境因素影响较大,山区贫困村分布明显较多。贵州、湖北、重庆与湖南湘西是分布热点,且在我国乌蒙山区、武陵山区和滇桂黔石漠化连片特困区内,云南省西北部的贫困村分布热点位于滇西北边境山区,亦是我国连片特困地区之一。山西省的热点位于阳高县、天镇县、广灵县、和顺县等深度贫困县密集区。山西省的贫困村分布热点向燕山—太行山、吕梁山等连片特困区集聚明显。甘南、宁夏以及青海西部呈“心”形的热点位于秦巴山区、六盘山连片特困区。贫困村的空间分布总体来说倾向于集中连片贫困山区。
图2 贫困村核密度与集中连片贫困地区分布

Fig. 2 The distribution of the kernel density of poverty-stricken villages and contiguous destitute poverty areas

2.1.2 传统村落与贫困村的空间相关性
利用GeoDa软件,基于双变量空间自相关模型对县区层面的传统村落密度指标和贫困村密度指标之间的空间关联关系进行分析。红色区域说明该县区传统村落密度高,同时贫困村密度也高;蓝色区域是传统村落密度低,贫困村密度也低;绿色区域表示传统村落密度低,但贫困村密度高;而黄色区域代表传统村落密度高,但贫困村密度低。从图3可以直观地看出,传统村落密度与贫困村密度的空间耦合分布情况是：传统村落密度高—贫困村密度高聚类型（简称高—高聚类,其他三类均是传统村落密度在前）的村主要分布在湖北、湖南、贵州以及广西的交界、山西北部,处于武陵山、滇黔桂石漠化区、乌蒙山区、燕山—太行山连片特困区,这些区域传统村落和贫困村分布密度都较高,验证了集中连片贫困地区同时也是传统村落分布热点以及贫困对传统村落分布热点区域的扩散作用,贫困地区经济发展缓慢,建筑、景观等的更新速度以及外界文化的传播受阻使得传统文化得到长期延续。低—低类型主要集中在东北沿边、西北以及部分沿海地区;低—高类型的村落主要分布在甘南以及四川、云南、贵州以及广西的交界区域,集中在省际边界地区。这两类型村落普遍位于中国地形的“第二阶梯”,地形复杂。高—低类型的村落则主要分布在浙江省和福建省,这两个省份经济发展水平总体来说较高,贫困村相对较少,但由于传统村落保护意识较早,在其被破坏之前就已得到重点保存,因而是传统村落分布的热点区域。
图3 传统村落与贫困村分布的LISA聚类图

Fig. 3 The LISA cluster diagram of distribution traditional villages and poor villages

2.2 空间相关性的影响因素

2.2.1 基于空间聚类结果的统计分析
乡村发展受多因素的综合影响。分析乡村聚落空间分布影响因素时,杨忍[35]主要考虑高程、坡度、气温、降水量、离主干河流距离、到地级市与到县区和乡镇交通可达性这8个影响因子。分析传统村落空间分布影响因素研究时,康璟瑶等[21]主要考虑高程、人口、公路密度、GDP、距中心城市距离;卢松等[36]选取的是高程、人口密度、公路密度、GDP、城镇化率。关于乡村贫困程度空间分布影响因素研究中,刘彦随等[31]选取的是坡度、耕地资源、离主要道路与县城中心距离;赵雪雁等[37]分析的是高程、人均耕地面积、人均GDP、通公交车村落占比、通宽带村落占比。这些成果都考虑了自然和人文环境对村落空间分布的影响,都涵盖了地形、经济、交通等要素。本文选取影响因素时,充分借鉴上述成果,并考虑到数据可获取性,尽可能将同时对传统村落和乡村贫困程度分布产生影响的因素纳入分析,验证传统村落与贫困村的空间相关规律。因此,选择交通通达性、县域经济发展水平（GDP）、人口、城镇化率、地形、降水量、气温来分析影响传统村落与贫困村密度空间聚类结果的关键要素（表1）。
表1 影响因素的解释变量描述

Table 1 The description of explanatory variables of influencing factors

解释变量 测度指标 均值 标准差
社会经济维度 交通通达性 不同类型道路里程之和与面积的比值/(m/km2) 434.58 693.48
城镇化率 第二三产业人口所占比例/% 21 40.9
人口 县域人口/万 64.47 72.69
GDP 财政收入/亿元 394.11 892.94
自然环境维度 气温 2015年平均气温/℃ 12.04 6.39
降水量 2015年平均降水量/mm 9621 6122
地形 县区范围内各5 km栅格点的平均高程/m 944.84 1274.38
县区范围内各5 km栅格点坡度的中位数/(°) 2.78 2.48
将各县1 km2范围内道路里程划分为<100 m、100~200 m、200~300 m、300~400 m和>400 m这五个区间,各区间县区数分别为302个、223个、115个、86个、291个（表2）,各自占总数的29.69%、21.92%、11.31%、8.4%、28.61%。高—高类型、低—高类型县区的交通可达性低值指向性特征显著,以<200 m/km2的居多,分别占该类型县区的72.67%、72.82%;而高—低类型县区的交通可达性大多>400 m/km2,占该类型县区的53.73%;而低—低类型县区的交通可达性分布相对较为均衡。交通可达性与高—高、低—高、高—低类型县区的相关性较大,对低—低类型县区分布的影响较小。将各县区城镇化率划分为<20%、20%~40%、40%~60%、60%~80%和80%~100%这五个区间（表2）。各区间县区数量分别为285个、412个、171个、93个、56个,各自占总数的28.02%、40.05%、16.81%、9.14%、5.5%。高—高类型、低—低类型、低—高类型县区的城镇化率以<40%的居多,分别占该类型县区的83.33%、63.52%、90.65%;而高—低类型的城镇化率大多>40%,占该类型县区的57.46%,不能判断其城镇化率与传统村落、贫困村密度之间是否具有明显的相关关系。将各县人口数量划分为<20万人、20万~60万人、60万~100万人、100万~140万人和>140万人这五个区间（表3）,这五个区间县区数各自占总数的21.24%、39.23%、21.24%、10.32%、7.96%。高—高类型、低—高类型、高—低类型县区的人口以20万~60万人居多;而低—低类型县区的人口分布相对较为均衡。将县区GDP划分为<100亿元、100亿~200亿元、200亿~300亿元、300亿~400亿元和>500亿元这五个区间,各区间县区数量占总数的33.04%、23.40%、12.39%、8.06%、23.11%。高—高类型、低—高类型县区的GDP以<200亿元的居多,分别占该类型县区的84.00%、77.17%;而高—低类型县区的GDP大多>400亿元,占该类型县区的45.52%;低—低类型县区的GDP分布相对较为均衡。
表2 不同交通可达性与城镇化水平的各类型县区分布

Table 2 The counties in different zones of transport accessibility and urbanization level in China (个)

交通可达性/(m/km2) 高—高 低—低 低—高 高—低 城镇化率/% 高—高 低—低 低—高 高—低
<100 43 190 64 5 <20 48 162 67 8
100~200 66 64 70 23 20~40 77 188 98 49
200~300 15 54 27 19 40~60 18 106 14 33
300~400 8 47 16 15 60~80 7 53 3 30
>400 18 194 7 72 80~100 0 42 0 14
表3 不同人口与GDP水平的各类型县区分布

Table 3 The counties in different zones of population size and GDP level in China (个)

人口/万人 高—高 低—低 低—高 高—低 GDP/亿元 高—高 低—低 低—高 高—低
<20 20 166 22 8 <100 77 163 83 13
20~60 92 161 84 62 100~200 49 107 59 23
60~100 28 114 35 39 200~300 11 64 31 20
100~140 5 58 25 17 300~400 4 54 7 17
>140 5 50 18 8 >400 9 161 4 61
将各县年平均气温划分为<0 ℃、0~6 ℃、6~12 ℃、12~18 ℃和>18 ℃这5个区间（表4）,这五个区间区域内的县区数分别为60个、151个、198个、452个、157个,各自占总数的5.89%、14.83%、19.45%、44.40%、15.42%。低气温特征显著的区域分布的主要是低—低类型县区;而高—低类型县区的平均气温都>12 ℃;而低—高类型县区在各气温区间分布相对较为均衡。将各县年平均降水量划分为<450 mm、450~900 mm、900~1350 mm、1350~1800 mm和>1800 mm这5个区间（表4）,这五个区间区域内的县区数分别为240个、288个、165个、214个、110个,各自占总数的23.60%、28.32%、16.22%、21.04%、10.82%。降水量少的区域分布的主要是低—低类型县区;而高—低类型县区的平均降水量都>1350 mm;而低—高类型县区在各气温区间分布相对较为均衡。
表4 不同气温和降水量范围内各类型县区分布

Table 4 The counties in different zones of the temperature and slope in China (个)

气温/℃ 高—高 低—低 低—高 高—低 降水/mm 高—高 低—低 低—高 高—低
<0 0 60 0 0 <450 2 202 36 0
0~6 1 135 15 0 450~900 40 193 55 0
6~12 20 124 54 0 900~1350 38 58 60 9
12~18 115 144 88 105 1350~1800 58 68 23 65
>18 14 87 27 29 >1800 12 28 10 60
地形是自然地理环境中影响村落形成的主导因素,为村落提供发展空间的同时也对其空间布局起着制约作用。海拔和坡度是影响村落空间格局的两个重要因素。将海拔分为<100 m、100~400 m、400~700 m、700~1000 m、>1000 m等五个高程带,坡度分为<5°、5°~10°、10°~15°、15°~25°、>25°等5个坡度范围（表5）。高—高类型县区主要分布在700 m以上,不同高程带的分布相比其他类型相对较为均匀;低—低类型县区海拔的分布呈两极化,在100 m以下与1000 m以上区域分布最多;低—高类型县区主要分布在海拔1000 m以上区域;高—低类型县区主要分布低海拔地区。坡度在0~10°范围内,其分布的县区数为595个,占到总数的59%;坡度在10°以上的区域分布的县区数量占41%。
表5 不同高程和坡度范围内各类型县区分布

Table 5 The counties in different zones of the elevation and slope in China (个)

高程/m 高—高 低—低 低—高 高—低 坡度/(º) 高—高 低—低 低—高 高—低
<100 11 187 33 35 <5 14 236 33 23
100~400 22 118 11 55 5~10 32 192 39 26
400~700 32 60 16 35 10~15 75 51 61 53
700~1000 40 17 17 9 15~25 29 63 45 32
>1000 45 167 107 0 >25 0 7 6 0
2.2.2 传统与贫困村密度空间聚类的影响因素分析
采用多项Logit回归模型分析影响中国传统村落与贫困村空间相关性的关键因素（表6）。从模型拟合优度看,模型卡方（Chi-Square）统计量为1047.68,在1%水平上显著,说明模型的拟合程度较好。
表6 以传统村密度低—贫困村密度低类为参照的多项式Logit回归结果

Table 6 The results of multinomial logit model ("traditional villages of low density - poor villages of low density" as reference)

变量 高—高类模型 低—高类模型 高—低类模型
交通通达性 -0.99** -2.804*** 1.158
城镇化率 -0.165 0.077 0.361*
人口 -0.961*** 2.124*** -0.3
GDP 0.049 -10.328*** 0.046
气温 1.962*** 3.482*** -2.02***
降水量 -0.692** -2.012*** 2.933***
高程 -0.977** 0.652** -11.479***
坡度 1.334*** 0.795*** 3.862***
N 1017
Pseudo R2 0.652
Chi2 1047.68

注：*、**、***分别表示在1%、5%、10%的统计水平上显著。

结果表明,相对低—低类村落分布区域模型,高—高类模型中,有交通通达性、人口、气温、降水量、高程、坡度六项变量显著,回归系数分别为-0.99、-0.961、1.962、-0.692、-0.977、1.334。坡度、气温变量与高—高类型区域显著正相关,交通通达性水平、人口、降水量、高程变量与高—高类型区域显著负相关,城镇化率、GDP和高—高类型区域的分布不具有相关性。说明交通可达性水平更好、人口密集、高程与年平均降水量更高的地区,传统村落与贫困村的相关性会很低,这是由于交通可达性好,人口更多的地区其发展趋势更倾向于城市化。县域交通可达性水平每增加一个单位,高—高类区域相对于低—低类区域发生比率的exp(-0.99)=0.37倍。反之,若县域平均坡度与气温越高,高密度传统村落与高密度贫困村同时分布的比例就越高,处于地形复杂的贫困村,地理位置偏远,不利于道路修建,闭塞的交通使该区域脱离外部社会,乡村整体的隔离度就会更高,传统文化反而得以保存;气温的空间变异主要受纬度地带性和垂直地带性影响[35],大部分低—低类区域所在的纬度高,分布在年平均气温较低的区域,因而气温的影响程度与坡度的结果类似。
在低—高类模型中,有交通通达性、人口、GDP、气温、降水量、高程、坡度七项变量显著,回归系数分别为-2.804、2.124、-10.328、3.482、-2.012、0.652、1.334。人口、气温、高程、坡度变量与低—高类型村落显著正相关,交通通达性水平、GDP、降水量变量与低—高类型村落显著负相关,城镇化率和低—高类型村落的分布相关性不明显。说明当同时位于低密度传统村落区域时,如果人口更多、自然条件更为恶劣（气温变化、坡度和高程增加）,则这类地区陷入贫困的风险也更高,因为高密度人口区域会形成一定程度上的生态环境和资源压力,正常生活供给缺乏保证。地形复杂、高海拔地区与外界环境相对隔绝,受中心城市辐射较小,经济不发达,因此,贫困村分布较多。反之,交通可达性水平的提高、年均降水量与GDP的增加都会与低贫困村密度呈现正相关,路网密度高能加强村落与外界政治经济联系,GDP代表了一个地区的经济发展程度,能共同从侧面反映贫困程度。
在高—低类模型中,有城镇化率、气温、降水量、高程、坡度五项变量显著,回归系数分别为0.361、-2.02、2.933、-11.479、3.862。城镇化率、气温、高程变量与高—低类型村落显著正相关,降水量、坡度变量与高—低类型村落显著负相关,人口、GDP、交通可达性和高—低类型村落的分布不具有相关性。当同时位于低密度贫困村区域时,传统村落密度更好的地区其城镇化率也更高;城镇化率每增加一个单位,高—低类相对于低—低类村落的发生比将增加 [exp(0.361)-1]=0.43倍,说明这类城镇化进程较快的区域,城市与村落关系和谐,城镇化进程没有严重冲击传统村落的保护,与已有研究结果类似[36]。反之,传统村落密度越低的地区其坡度会更高、年均降水量也会更多,而这类因素均不利于居民点的集聚。

3 结论与讨论

本文以住建部公布的所有传统村落及“十二五”期间“整村推进”贫困村为研究对象,分析了传统村落和贫困村分布的地理特征及其空间相关性,并对这两种类型村落空间相关的影响因素进行了定量分析,明确社会经济、自然环境因素与空间相关性之间的相关程度。结果显示：（1）我国西南以及东南地区传统村落空间分布密度相对较高,是我国传统村落空间分布的主要地区;而西北传统村落呈零星分布态势。从自然地理单元来看,横断山区、太行山区、东南丘陵、云贵高原是传统村落分布的主要集聚区。（2）集中连片特困地区是传统村落和贫困村热点分布区域,传统村落保护和开发潜力大。低—低类型主要集中在沿海和沿边地区,低—高类型区域集中在省际边界地区。高—低类型的村落则主要分布在浙江省和福建省,这两个省份经济发展水平总体来说较高,贫困村相对较少,但传统村落保护保护意识较早,地方财政资金也相对充裕,传统村落保护较好,从侧面反映出城镇化与传统村落保护在较发达地区并不存在冲突。（3）传统村落密度低的区域,人口更多、自然条件更为恶劣（气温变化、坡度和高程增加）的地区陷入贫困的风险也更高;相对低—低类村落分布区域,高—高类、低—高类型区域与交通通达性水平显著负相关,说明密集的公路网与贫困村的分布呈现负相关关系,大部分贫困村处在交通并不发达的地区,而交通可达性和高—低类型村落分布的相关性并不显著,说明传统村落分布与交通的关系相对没那么紧密;地区经济发展与传统村落的保护并不是毫不相关;同时位于低密度贫困村区域时,城镇化率与传统村落密度呈显著正相关;不同坡度、气温、降水量地区对传统村落与贫困村分布空间相关性的影响情况均有所不同。
贫困问题一直受到社会各界关注,现今学者应注重脱贫的可持续性,倡导针对性扶贫,传统村落的保护与开发是贫困地区重要的脱贫路径。将贫困村的传统风貌和特色文化等保存下来,通过发展旅游或特色产业对实现脱贫是有利的,应努力平衡反贫困战略实施与传统村落保护之间的关系。本文基于县区层面传统村落密度指标和贫困村密度指标之间的一致性与差异性划分出四类区域,未来的发展可以此为基础制定分区推进战略,服务国家宏观政策与投资导向,为科学实施县域精准扶贫战略,实现贫困县退出摘帽评估决策提供有效支撑。对于一致性高的高—高类型县区,在当前需要满足人民日益增长的物质文化需求的背景下,传统村落脱贫的“机会成本”较小,传统文化也是乡村振兴的基础,发展过程中保持生态景观,建设循环经济绿色发展模式,如优势农产品电商扶贫与旅游扶贫的结合。对于差异性明显的区域来说,高—低类型县区可以发展文旅产业,加强传统村落中传统建筑与非物质文化遗产的保护、完善基础设施和公共环境整治,打造特色旅游;低—高类型县区的贫困村则应关注自然生态资源以及改善村庄的空间区位效能,同时强化县区内部的交通网络建设,加速城乡之间要素流动。
已有的诸多研究都提及了村落的传统与贫困之间存在相关性,但这些研究没有定量地去探讨这种相关关系的客观规律。本文从宏观层面上探讨了传统村落和贫困村关联的空间异质性,并利用数理模型分析地理环境、社会经济发展等因素如何影响这种异质性,以期为传统村和贫困村的权衡发展提供经验借鉴。村落是乡村振兴战略实施的载体,基于传统村落与贫困村分布的空间关系科学识别典型地域类型,分类推进区域乡村振兴发展,有助于解析传统村落保护利用、精准扶贫实践如何助推乡村振兴提供对象瞄准支撑,为县域扶贫资源配置精准工作提供辅助决策建议,对于破解农村发展不平衡不充分问题具有重要的现实意义。传统村落和贫困村都是文化生态环境脆弱区,尤其是贫困村密度高的区域,产业发展要有机结合资源利用、污染治理与生态保护,走资源节约型、环境友好型发展道路。但本文还存在一定的不足,如仅从大尺度范围出发探讨传统村落与贫困村空间相关性及其影响因素,未涉及村落内部结构、文化特质、村民文化程度等微观因素的影响,这将是今后需要进一步研究的内容。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
龙花楼, 刘彦随, 邹健. 中国东部沿海地区乡村发展类型及其乡村性评价. 地理学报, 2009,64(4):426-434.

[ LONG H L, LIU Y S, ZOU J. Assessment of rural development types and their rurality in Eastern Coastal China. Acta Geographica Sinica, 2009,64(4):426-434.]

[2]
CLOKE P. The Countryside: Development, Conservation and an Increasingly Marketable Commodity. Policy and Change in Thatcher's Britain. Oxford: Pergamon Press, 1992.

[3]
聂晓英, 石培基, 张学斌, 等. 西北干旱区乡村性评价及驱动机制研究: 以甘肃武威为例. 地理科学, 2017,37(4):585-594.

[ NIE X Y, SHI P J, ZHANG X B, et al. Research on rurality evaluation and the driving mechanism in arid regions of Northwest China: A case study of Wuwei city in Gansu province. Scientia Geographica Sinica, 2017,37(4):585-594.]

[4]
刘沛林, 于海波. 旅游开发中的古村落乡村性传承评价: 以北京市门头沟区爨底下村为例. 地理科学, 2012,32(11):1304-1310.

[ LIU P L, YU H B. Study on the AHP model of rurality inheritance in the ancient village of tourism development: A case study of Chuandixia village, Mentougou district, Beijing. Scientia Geographica Sinica, 2012,32(11):1304-1310.]

[5]
汪德根, 吕庆月, 吴永发, 等. 中国传统民居建筑风貌地域分异特征与形成机理. 自然资源学报, 2019,34(9):1864-1885.

[ WANG D G, LYU Q Y, WU Y F, et al. The characteristic of regional differentiation and impact mechanism of architecture style of traditional residence. Journal of Natural Resources, 2019,34(9):1864-1885.]

[6]
刘彦随. 中国新时代城乡融合与乡村振兴. 地理学报, 2018,73(4):637-650.

[ LIU Y S. Research on the urban-rural integration and rural revitalization in the New Era in China. Acta Geographica Sinica, 2018,73(4):637-650.]

[7]
吴文智. 旅游地的保护和开发研究: 安徽古村落(宏村、西递)实证分析. 旅游学刊, 2002,17(6):49-53.

[ WU W Z. A study on the exploitation and protection of tourism area: A case study on ancient village of Anhui (Hongcun, Xidi). Tourism Tribune, 2002,17(6):49-53.]

[8]
李咪, 芮旸, 王成新, 等. 传统村落的空间分布及影响因素研究: 以吴越文化区为例. 长江流域资源与环境, 2018,27(8):1693-1702.

[ LI M, RUI Y, WANG C X, et. al. Spatial distribution and influencing factors of traditional villages: A case of Wuyue culture region. Resources and Environment in the Yangtze Basin, 2018,27(8):1693-1702.]

[9]
吕龙, 黄震方, 李东晔. 乡村文化记忆资源的“文—旅”协同评价模型与应用: 以苏州金庭镇为例. 自然资源学报, 2020,35(7):1570-1585.

[ LYU L, HUANG Z F, LI D Y. Establishment and application of "culture-tourism" synergies assessment model of rural cultural memory resources: A case study of Jinting town in Suzhou. Journal of Natural Resources, 2020,35(7):1570-1585.]

[10]
何静, 汪侠, 刘丹丽, 等. 国家级贫困县旅游发展与多维贫困的脱钩关系研究: 以西南地区为例. 地理研究, 2019,38(5):1189-1207.

[ HE J, WANG X, LIU D L, et al. The decoupling relationship between tourism development and multidimensional poverty in national-level poor counties: A case study of Southwest China. Geographical Research, 2019,38(5):1189-1207.]

[11]
杜国明, 赵雅倩, 李冬梅. 耕地资源富集区县域贫困格局及其影响机制: 以黑龙江省兰西县为例. 地理科学, 2019,39(4):671-679.

[ DU G M, ZHAO Y Q, LI D M. Regional poverty pattern and its influence mechanism in cultivated land resource-rich area: Taking Lanxi county of Heilongjiang province as an example. Scientia Geographica Sinica, 2019,39(4):671-679.]

[12]
刘春腊, 徐美, 刘沛林, 等. 传统村落文化景观保护性补偿模型及湘西实证. 地理学报, 2020,75(2):382-397.

[ LIU C L, XU M, LIU P L, et al. Cultural landscape protection compensation model of traditional villages and its application in Xiangxi. Acta Geographica Sinica, 2020,75(2):382-397.]

[13]
李伯华, 尹莎, 刘沛林, 等. 湖南省传统村落空间分布特征及影响因素分析. 经济地理, 2015,35(2):189-194.

[ LI B H, YIN S, LIU P L, et al. Spatial distribution of traditional villages and the influencing factors in Hunan province. Economic Geography, 2015,35(2):189-194.]

[14]
王新歌, 席建超, 孔钦钦. “实心”与“空心”: 旅游地乡村聚落土地利用空间“极化”研究: 以河北野三坡旅游区两个村庄为例. 自然资源学报, 2016,31(1):90-101.

[ WANG X G, XI J C, KONG Q Q. Solid and hollowed villages: Study on the spatial polarization of tourist villages' land use pattern: A case study of two villages in Yesanpo Tourism Area, Hebei province. Journal of Natural Resources, 2016,31(1):90-101.]

[15]
刘大均, 胡静, 陈君子, 等. 中国传统村落的空间分布格局研究. 中国人口·资源与环境, 2014,24(4):157-162.

[ LIU D J, HU J, CHEN J Z, et al. The study of spatial distribution pattern of traditional villages in China. China Population, Resources and Environment, 2014,24(4):157-162.]

[16]
余亮, 孟晓丽. 基于地理格网分级法提取的中国传统村落空间分布. 地理科学进展, 2016,35(11):1388-1396.

[ YU L, MENG X L. Extracting spatial distribution patterns of the traditional villages based on geographical grid classification method. Progress in Geography, 2016,35(11):1388-1396.]

[17]
佟玉权. 基于GIS的中国传统村落空间分异研究. 人文地理, 2014,29(4):44-51.

[ TONG Y Q. Research on the spatial differentiation of Chinese traditional village based on GIS. Human Geography, 2014,29(4):44-51.]

[18]
陶伟, 陈红叶, 林杰勇. 句法视角下广州传统村落空间形态及认知研究. 地理学报, 2013,68(2):209-218.

[ TAO W, CHEN H Y, LIN J Y. Spatial form and spatial cognition of traditional village in syntactical view: A case study of Xiaozhou village, Guangzhou. Acta Geographica Sinica, 2013,68(2):209-218.]

[19]
刘沛林. 古村落文化景观的基因表达与景观识别. 衡阳师范学院学报, 2003,23(4):1-8.

[ LIU P L. The gene expression and the sight identification of the ancient villages' cultural landscape. Journal of Hengyang Normal University: Social Science, 2003,23(4):1-8.]

[20]
胡最, 刘沛林, 曹帅强. 湖南省传统聚落景观基因的空间特征. 地理学报, 2013,68(2):219-231.

[ HU Z, LIU P L, CAO S Q. Spatial pattern of landscape genes in traditional settlements of Hunan province. Acta Geographica Sinica, 2013,68(2):219-231.]

[21]
康璟瑶, 章锦河, 胡欢, 等. 中国传统村落空间分布特征分析. 地理科学进展, 2016,35(7):839-850.

[ KANG J Y, ZHANG J H, HU H, et al. Analysis on the spatial distribution characteristics of Chinese traditional villages. Progress in Geography, 2016,35(7):839-850.]

[22]
何仁伟, 陈国阶, 刘邵权, 等. 中国乡村聚落地理研究进展及趋向. 地理科学进展, 2012,31(8):1055-1062.

[ HE R W, CHEN G J, LIU S Q, et al. Research progress and tendency of Chinese rural settlements geography. Progress in Geography, 2012,31(8):1055-1062.]

[23]
王永明, 王美霞, 吴殿廷, 等. 贵州省乡村贫困空间格局与形成机制分析. 地理科学, 2017,37(2):217-227.

[ WANG Y M, WANG M X, WU D T, et al. Spatial patterns and determinants of rural poverty: A case of Guizhou province, China. Scientia Geographica Sinica, 2017,37(2):217-227.]

[24]
刘艳华, 徐勇. 中国农村多维贫困地理识别及类型划分. 地理学报, 2015,70(6):993-1007.

[ LIU Y H, XU Y. Geographical identification and classification of multi-dimensional poverty in rural China. Acta Geographica Sinica, 2015,70(6):993-1007.]

[25]
李佳, 成升魁, 马金刚, 等. 基于县域要素的三江源地区旅游扶贫模式探讨. 资源科学, 2009,31(11):1818-1824.

[ LI J, CHENG S K, MA J G, et al. Investigating modes for poverty elimination through developing tourism resources at county levels in the Sanjiangyuan region. Resources Science, 2009,31(11):1818-1824.]

[26]
WARD P S. Transient poverty, poverty dynamics, and vulnerability to poverty: An empirical analysis using a balanced panel from rural China. World Development, 2016,78:541-553.

[27]
CAO M, XU D, XIE F, et al. The influence factors analysis of households' poverty vulnerability in southwest ethnic areas of China based on the hierarchical linear model: A case study of Liangshan Yi Autonomous Prefecture. Applied Geography, 2016,66:144-152.

[28]
梁晨霞, 王艳慧, 徐海涛, 等. 贫困村空间分布及影响因素分析: 以乌蒙山连片特困区为例. 地理研究, 2019,38(6):1389-1402.

[ LIANG C X, WANG Y H, XU H T, et al. Analyzing spatial distribution of poor villages and their poverty contributing factors: A case study from Wumeng Mountain Area. Geographical Research, 2019,38(6):1389-1402.]

[29]
文琦, 施琳娜, 马彩虹, 等. 黄土高原村域多维贫困空间异质性研究: 以宁夏彭阳县为例. 地理学报, 2018,73(10):1850-1864.

[ WEN Q, SHI L N, MA C H, et al. Spatial heterogeneity of multidimensional poverty at the village level: Loess Plateau. Acta Geographica Sinica, 2018,73(10):1850-1864.]

[30]
KAM S, HOSSAIN M, BOSE M L, et al. Spatial patterns of rural poverty and their relationship with welfare influencing factors in bangladesh. Food Policy, 2005,30(5):551-567.

[31]
刘彦随, 周扬, 刘继来. 中国农村贫困化地域分异特征及其精准扶贫策略. 中国科学院院刊, 2016,31(3):269-278.

[ LIU Y S, ZHOU Y, LIU J L. Regional differentiation characteristics of rural poverty and targeted poverty alleviation strategy in China. Bulletin of Chinese Academy of Sciences, 2016,31(3):269-278.]

[32]
武鹏, 李同昇, 李卫民. 县域农村贫困化空间分异及其影响因素: 以陕西山阳县为例. 地理研究, 2018,37(3):593-606.

[ WU P, LI T S, LI W M. Spatial differentiation and influencing factors analysis of rural poverty at county scale: A case study of Shanyang county in Shaanxi province, China. Geographical Research, 2018,37(3):593-606.]

[33]
张超, 杨秉赓. 计量地理学基础. 2版. 北京: 高等教育出版社, 1991.

[ ZHANG C, YANG B G. Fundamentals of Quantitative Geography. 2nd ed. Beijing: Higher Education Press, 1991.]

[34]
曹小曙, 徐建斌. 中国省际边界区县域经济格局及影响因素的空间异质性. 地理学报, 2018,73(6):1065-1075.

[ CAO X S, XU J B. Spatial heterogeneity analysis of regional economic development and driving factors in China's provincial border counties. Acta Geographica Sinica, 2018,73(6):1065-1075.]

[35]
杨忍. 基于自然主控因子和道路可达性的广东省乡村聚落空间分布特征及影响因素. 地理学报, 2017,72(10):1859-1871.

[ YANG R. An analysis of rural settlement patterns and their effect mechanisms based on road traffic accessibility of Guangdong. Acta Geographica Sinica, 2017,72(10):1859-1871.]

[36]
卢松, 张小军, 张业臣. 徽州传统村落的时空分布及其影响因素. 地理科学, 2018,38(10):1690-1698.

[ LU S, ZHANG X J, ZHANG Y C. Spatial-temporal distribution and controlling factors of traditional villages in Huizhou Region. Scientia Geographica Sinica, 2018,38(10):1690-1698.]

[37]
赵雪雁, 马艳艳, 陈欢欢, 等. 干旱区内陆河流域农村多维贫困的时空格局及影响因素: 以石羊河流域为例. 经济地理, 2018,38(2):140-147.

[ ZHAO X Y, MA Y Y, CHEN H H, et al. Spatio-temporal distribution of rural multidimensional poverty and influencing factors in the inland river basin of arid areas: A case study of Shiyang River Basin. Economic Geography, 2018,38(2):140-147.]

Options
Outlines

/

〈 〉