论文部分内容阅读
目前在我国,贫困人口数据的采集与发布基本是以各级行政单元作为统计单位,造成小尺度区域贫困人口数据获取困难,无法满足政府扶“扶真贫,真扶贫”的战略需求。因此,有必要进行小尺度上贫困人口空间分布模拟,为政府扶贫政策的制订提供指导。本论文以土地利用数据、高程数据、社会经济数据以及基础地理数据为基础,首先分析土地利用指数与人口密度的相关关系,采用IDW、多元回归和BP网络模型对人口进行空间化,并对不同方法进行详细的精度比较分析。在人口空间化的基础上,采用Logistic模型和相关分析筛选出贫困人口影响因素,通过对OLS、GWR、MGWR的分析,建立MGWR-SL模型对贫困人口进行空间化。本文以重庆市黔江区为例,构建了2011年500m×500m的黔江区农村贫困人口空间数据库。论文的主要结论如下：(1)在村级人口空间化研究中,设计IDW、多元回归模型和BP神经网络方法,以误差百分比10%作为临界值,IDW的可靠度为40%,多元回归的可靠度为70%,BP神经网络算法的可靠度为83.3%。(2)在行政村区域上,通过检验的影响因素为村集体经济收入、上年是否遭受自然灾害、距离最近乡距离的公里数、平均高程、人均耕地面积；在人口属性上,通过检验的影响因素为劳动力文盲／半文盲比例、劳动力外出打工比例、农业机械普及率、人口密度、高中及高中以上学生比例、长期患病率、农民人均纯收入。(3)针对变量存在空间自相关性和空间异质性的问题,采用OLS、GWR、MGWR和MGWR-SL模型进行贫困人口空间化。以误差百分比10%作为临界值,可以得到OLS的可靠度为50%,GWR为60%,MGWR为72.3%,MGWR-SL为83.3%。(4)黔江区80%的贫困村分布在地形起伏度大于2的山区,越靠近黔江城区,贫困发生率越低,且贫困发生率在局部空间上呈现集聚现象。在5%显著性水平下,黔江区贫困发生率空间分布格局存在高高、高低、低高和低低四种集聚类型,低低型集聚构成了黔江区贫困发生率集聚分布格局的主体。(5)黔江区高速公路附近和黔江城区周围的贫困发生率低,而平均海拔较高的地区贫困发生率较高,因此加快城镇化率和加强道路网的建设,对海拔较高地区的人口进行搬迁的扶贫举措可作为黔江区未来扶贫开发的重要方向。