EN中文

经济地理 >

2025 , Vol. 45 >Issue 2: 173 - 182

DOI: https://doi.org/10.15957/j.cnki.jjdl.2025.02.017

三农、土地与生态

青藏高原生态空间贫困陷阱时空格局及阻滞因素——以青海省为例

  • 胡西武 , 1, 2 ,
  • 耿强艳 , 3, ※
展开
  • 1.青海民族大学 经济与管理学院，中国青海 西宁 810007
  • 2.天津大学—青海民族大学 双碳研究院，中国青海 西宁 810007
  • 3.宁夏大学 民族与历史学院，中国宁夏 银川 750021
※ 耿强艳（1996—），女，博士研究生，研究方向为民族经济与区域发展战略。E-mail：

胡西武（1973—），男，博士，教授，研究方向为生态经济与气候变化经济。E-mail：

收稿日期: 2024-02-22

  修回日期: 2024-09-10

  网络出版日期: 2025-05-12

基金资助

国家自然科学基金项目(42461034)

国家自然科学基金项目(42061033)

宁夏自然科学基金项目(2024AAC03324)

收起

Spatiotemporal Patterns and Obstacle Factors of Ecological Spatial Poverty Trap in Qinghai-Xizang Plateau： Take Qinghai Province as an Example

  • HU Xiwu , 1, 2 ,
  • GENG Qiangyan , 3, ※
Expand
  • 1. School of Economics and Management， Qinghai Minzu University， Xining 810007， Qinghai， China
  • 2. Institute for Carbon Peaking and Neutrality， Tianjin University-Qinghai Minzu University， Xining 810007， Qinghai， China
  • 3. School of Ethnology and History， Ningxia University， Yinchuan 750021， Ningxia，China

Received date: 2024-02-22

  Revised date: 2024-09-10

  Online published: 2025-05-12

Fold

摘要

文章以青海省为例，选取2010—2020年相关数据，基于人地关系地域系统理论和空间贫困、生态贫困理论，从“人、地、业、生”4个维度构建青藏高原生态空间贫困陷阱评价体系，并进行水平测度和时空格局与阻滞因素及因子分异特征分析。结果表明：①青海省生态空间贫困陷阱指数处于较高水平但整体呈下降趋势，主体贫困和经济贫困得到明显缓解，但地理贫困比较顽固，生态贫困仍在持续加深。②青海省生态空间贫困陷阱空间自相关显著，以“高—高”“高—低”“低—低”3种空间集聚特征为主。③生态空间贫困陷阱准则层的主要阻滞因素为收入水平、人力资本、社会保障、地形地貌、交通区位及生态状况，平均累积障碍度为82.85%；指标层的主要障碍因子为农村劳动年龄人口比重、每万人大学生比重、家庭平均储蓄存款、农村人均可支配收入和路网密度，平均累积障碍度为44.16%。④青海省生态空间贫困陷阱因子影响空间分异显著，其中市州政府距离火车站距离、农村家庭平均饲养牛羊数量、距省政府驻地距离、空气质量优良天数比例等因子影响显著；双因子较单因子解释力更强，其中农村劳动年龄人口比重与其他因子的交互作用最强。

关键词： 贫困陷阱; 生态空间贫困; 人—地—业—生; 阻滞因素; 人力资本; 青藏高原; 共同富裕

本文引用格式

胡西武 , 耿强艳 . 青藏高原生态空间贫困陷阱时空格局及阻滞因素——以青海省为例[J]. 经济地理, 2025 , 45(2) : 173 -182 . DOI: 10.15957/j.cnki.jjdl.2025.02.017

Abstract

Taking Qinghai Province as an example and based on the theories of man-land relationship, spatial poverty and ecological poverty, this paper establishes an evaluation system of the ecological spatial poverty trap of the Qinghai-Xizang Plateau from the four aspects of human, geography, industry and ecology in 2010-2020, measures its level and analyzes its spatiotemporal patterns, obstacle factors and characteristics of factor differentiation. The results show as follows: 1)The ecological spatial poverty trap index in Qinghai Province remains at a high level, though it shows a declining trend overall. While human poverty and economic poverty have been significantly alleviated, geographical poverty remains persistent, and ecological poverty continues to intensify. 2) The spatial autocorrelation of the ecological spatial poverty trap in Qinghai Province is significant, primarily characterized by spatial agglomeration patterns of high-high, high-low and low-low. 3) The main obstacle factors at the criterion layer of ecological spatial poverty trap are income levels, human capital, social security, terrain and topography, transportation location, and ecological conditions, with an average cumulative obstacle degree of 82.85%. At the indicator layer, the main obstacle factors are the proportion of rural labor population of different age groups, the proportion of college students per 10,000 people, average household savings deposits, per capita disposable income in rural areas, and road network density, with an average cumulative obstacle degree of 44.16%. 4) The spatial differences in ecological poverty trap factors in Qinghai Province are significant. Key factors such as the distance from prefecture-level governments to railway stations, the average number of cattle and sheep raised by rural households, the distance to provincial government locations, and the proportion of days with good air quality have significant impacts. The explanatory power of two-factor interactions is stronger than that of single factors, with the interaction between the proportion of the rural labor population of different age groups and other factors being the most pronounced.

Key words： poverty trap; ecological spatial poverty; human-geography-industry-ecology; obstacle factors; human capital; Qinghai-Xizang Plateau; common prosperity

共同富裕是社会主义的本质要求，物质富足、精神富足是社会主义现代化的根本要求。巩固拓展脱贫攻坚成果，坚决守住不发生规模性返贫底线是共同富裕的基本前提[1]。2021年6月，习近平总书记在青海考察时指出，“全面建设社会主义现代化国家，一个民族也不能少”。青海省作为“三江源头”，地处民族地区与贫困地区复合的欠发达地区，生态环境脆弱，脱贫基础薄弱，存在空间贫困和生态贫困双重掣肘，共同富裕能力与其他地区相比仍有较大差距[2]，巩固脱贫攻坚成果面临巨大挑战。因此，在社会主义现代化新征程中如何跨越生态空间贫困陷阱，既是生态脆弱民族地区彻底摆脱贫困、推进共同富裕面临的重大理论问题，也是建设绿色发展、人民富裕现代化新青海亟需解决的重大现实问题。

1 文献评述

共同富裕的实质是在中国特色社会主义制度保障下，全体人民共创日益发达、领先世界的生产力水平，共享日益幸福而美好的生活[3]，其主要任务是解决相对贫困问题、缩小区域贫富差距和社会成员收入差距以及公共服务差距[4-5]。国外对共同富裕的研究主要聚焦于共同富裕的核心概念，诸如“公平正义”“社会制度”“社会福利”等[6-7]，立足资本主义思想理论体系，围绕“少数人的富裕”开展研究。国内学者则在共同富裕的理论内涵、实现路径、水平监测、评价体系以及相对贫困的成因识别、水平测度等方面取得了较多研究成果[8-11]。
贫困问题是困扰发展中国家经济和社会发展的一个重要问题。贫困人口在空间分布上具有不平衡性，在自然条件恶劣、生态脆弱地区，更是呈现连片分布状态[12]。文化贫困、可行能力和脆弱性使得贫困群体无法打破贫困再生产而处于“贫困恶性循环”，进而形成贫困陷阱。空间贫困陷阱与生态贫困陷阱是贫困陷阱的两种重要类型。其中由气候、地形、交通等综合地理资本导致的贫困空间集中，被称为空间贫困陷阱[13-15]；由生态环境恶化导致的长期贫困现象，被称为生态贫困陷阱[16-18]。生态贫困陷阱是导致地区陷于贫困的重要原因之一[19]。当前，国内外学者对空间贫困和生态贫困开展了多方面的研究，在水平测度、分异特征、空间格局、作用机制、破解路径等方面[20-25]取得了较多进展。
我国的共同富裕经历了扶贫脱贫—防止返贫—共同富裕的逐步演变过程。在经历开发扶贫、整村推进、精准脱贫等扶贫阶段后，2020年我国取得了脱贫攻坚的全面胜利。2021年中央一号文件强调，健全防止返贫动态监测和帮扶机制，实现巩固拓展脱贫攻坚成果同乡村振兴有效衔接，守住防止规模性返贫底线。防止返贫成为我国巩固脱贫攻坚成果的重要支撑和实现共同富裕的坚实基础。我国全面建成小康社会后，已脱贫人口中仍有近200万人存在返贫风险，近300万边缘人口陷入贫困的风险较高，贫困陷阱问题严峻[26]，直接影响我国推进共同富裕的进程。
学者们在空间贫困陷阱与生态贫困等方面的研究成果，为本文提供了富有价值的研究基础。我国生态脆弱区与贫困地区的分布高度耦合[27]，呈现空间贫困与生态贫困相互叠加交织、彼此嵌入融合的特征。空间贫困与生态贫困是影响生态脆弱民族地区脱贫人口返贫和共同富裕的重要因素，是当地农牧民彻底摆脱贫困、实现现代化的重大障碍。
青藏高原作为“中华水塔”，生态系统极其脆弱，生态安全地位极为特殊，承担着筑牢国家生态安全屏障的重要生态功能，其中青海省90%以上的区域为限制开发区和禁止开发区。这种特殊生态功能导致资源开发受限形成累积性贫困而产生的生态贫困间接抑制效应，再加上地理资本缺失导致的空间贫困，致使青藏高原农牧民共同富裕面临重大挑战。鉴于此，本文以青海省为例，尝试把生态空间贫困陷阱作为一种复合型贫困类型进行研究，测度其发展水平，识别其障碍因子，分析其时空演化趋势，以期为青藏高原推进中国式现代化、实现共同富裕提供决策参考。

2 研究框架

空间贫困与生态贫困是两种重要的贫困类型，二者的致贫原因和测度指标各不相同。其中，生态贫困是指因自然或人为原因造成生态环境破坏，进而导致所在地居民生活条件恶化、生活质量下降；其致贫原因是生态环境破坏，往往从气候贫困、水贫困、地质贫困和生物贫困等方面进行测度。而空间贫困则将收入、消费、医疗卫生、教育、自然禀赋、市场进入性等一系列指标赋予地理属性并合成地理资本，探讨地理资本的空间集聚特征以及贫困与地理环境之间的关系；其致贫原因是地理资本缺失，往往从经济地理资本、社会地理资本、文化地理资本、生态地理资本和政治地理资本等方面进行测度[28]。在我国，生态贫困和空间贫困关联度很高，区域分布呈现高度重合的特点。特别是空间贫困中的生态地理资本与生态贫困联系更为紧密。但生态地理资本是对直接致贫因素进行测量，体现在“农业生态和村庄人居环境条件”中[29]，如“人均农业机械使用量、耕地面积、化肥使用量”[15]、“灾损率、农业生产率、农村供水保证率、塑料地膜单位面积残留量、清洁能源占农村能源比例、农村废弃物资源化利用率、卫生厕所普及率”等，缺乏对生态系统对贫困长时期约束的深入考察，以及对生态脆弱性对反贫困行动束缚的量化评价，“景观破碎度、土壤侵蚀度、固碳释氧量”等指标往往被忽略。因此，仅从单一的“生态贫困”或“空间贫困”评价青藏高原贫困陷阱，不能全面反映生态脆弱和地理资本的双向约束程度，可能导致反贫困和共同富裕的难度和障碍被低估。
为此，本文以人地关系地域系统为基础[30]，人地协同论为导向[31]，结合空间贫困和生态贫困理论[32]，在已有研究基础上构建生态空间贫困陷阱的理论框架 。整体上，主体（“人”）、支撑（“业）”、客体（“地”）相互作用形成空间贫困[33]；同时生态与主体、客体、支撑相互融合，主体贫困、经济贫困、地理贫困、生态贫困相互影响，从而形成生态空间贫困陷阱。在这个特定空间里，“人”的可行能力剥夺、生计资本长期匮乏促使主体贫困发生；产业结构固化和市场进入不足形成经济贫困；地理资本的长期缺失和社会排斥的存在导致地理贫困发生；生态环境脆弱、环境承载力弱及生态消纳受限等因素致使生态贫困形成。
“人、地、业、生”分别为社会子系统、空间子系统、经济子系统和生态子系统的核心要素，并构成主体（“人”）、客体（“地”）、支撑（“业”）、环境（“生”）的生态系统，通过封闭锁定、空间剥夺和弱势积累，各子系统相互渗透、嵌入、叠加、融合，最终形成贫困累积效应。在脆弱的生态环境下，“人”由于长期空间剥夺导致可行能力不足而陷入主体贫困；“业”由封闭锁定导致增收致富困难而形成经济贫困；“地”由于弱势累积导致地理资本匮乏而引发地理贫困。区域主体贫困、经济贫困和地理贫困长期相互作用，再加上脆弱生态环境的约束和限制，使得有损生态的不可持续发展方式转变阻力增大和生态产品价值转化渠道不畅，最终形成顽固性的生态空间贫困陷阱。其中，“人—地—业”表征的是空间贫困陷阱，主要体现地理资本的现实水平；“生”表征的是生态贫困陷阱，主要体现生态对反贫困的约束效应。“人—业—地—生”的生态空间贫困陷阱的逻辑生成框架，可以更为全面准确考察生态贫困陷阱和空间贫困陷阱双重约束下的青藏高原农牧民共同富裕的内在规律（图1）。
图1 生态空间贫困陷阱逻辑生成框架

Fig.1 Logic generation framework of ecological spatial poverty trap

综上所述，生态空间贫困陷阱是由于较长时期的生态环境恶化和地理资本缺乏，导致特定区域经济长期处于低水平循环的贫困锁定现象。它是一种由空间贫困和生态贫困叠加、渗透、嵌入、融合而形成的复合型贫困类型，是中国式现代化需要解决的特定相对贫困问题。生态空间贫困陷阱的特征主要有：①复合性。主体贫困、经济贫困、地理贫困、生态贫困在特定区域相互交织，彼此融合，多层叠加，双向嵌入。②全面性。从“人、地、业、生”4个维度考察空间和生态的贫困约束作用，更具系统性和整体性。③典型性。为生态脆弱区、生态责任区、少数民族地区和偏远地区所特有，青藏高原尤为明显。④顽固性。由于贫困时间长、制约因素多、影响程度深，作用机制复杂，贫困约束力大，破解难度大。

3 评价指标体系构建及研究方法

3.1 研究区概况与数据来源

3.1.1 研究区概况

青海省地貌复杂多样，平均海拔3000 m以上，大部分地区年降水量在400 mm以下。截至2020年底，青海省常住人口近600万，其中少数民族人口占49.47%，属典型的农牧区。高原高山、地形复杂形成的空间限制与干旱少雨、水土流失、草地沙化扭转不彻底等导致的脆弱生态环境，使得原本脱贫能力不足的群体极易重新陷入贫困，致使推进共同富裕的难度进一步加大。

3.1.2 数据来源

本文统计数据来源于2011、2016、2021年《青海统计年鉴》《中国县域统计年鉴》及青海省各县（市、区）统计公报，空间数据来源于地理空间数据云（包括30 m分辨率DEM数据、MODIS NDVI 250 m分辨率栅格数据）、地理遥感生态网和Open Street Map（包括行政区划数据、道路及水系数据），运用ArcGIS软件从DEM数据中提取海拔、地表起伏度、坡度、路网密度、河网密度等。

3.2 评价指标体系构建

3.2.1 指标体系构建

基于上述理论框架，参考可持续生计分析框架及丁建军等[33]研究成果，结合青海省地域特点及生态实际，以“人、地、业、生”4个维度分别表征主体贫困、经济贫困、地理贫困、生态贫困，从中选取41个指标构建青海省生态空间贫困陷阱评价指标体系，并采用主客观相结合的方法确定权重后再按公式（1）计算综合权重（表1）。
表1 青海省生态空间贫困陷阱指标体系及权重

Tab.1 Index system and weight of ecological spatial poverty trap in Qinghai Province

目
标
层		 子目
标层
（%）		 准则层
（%）		 指标层（单位） 指标释义 变异系数法权重 （%） 熵值法权重 （%） 层次分析法权重（%） 组合
权重（%）
生
态
空
间
贫
困
陷
阱
评
价
指
标
体
系		 人
（主体）
（36.18）		 人力资本
（24.64）		 X1农村劳动年龄人口比重（%）* 反映劳动力结构 2.69 2.62 11.71 12.97
X2每万人大学生比重（%）* 反映劳动力综合素质 2.88 2.50 8.23 9.31
X3常住人口平均预期寿命（岁）* 反映人口健康状况 2.18 2.00 2.97 2.03
X4人口自然增长率（%） 反映人口增长潜力 1.11 0.68 2.82 0.33
社会保障
（4.45）		 X5医疗保险参与率（%）* 反映医疗保障水平 1.47 1.17 5.61 1.51
X6养老保险参与率（%）* 反映养老保障水平 1.96 1.70 3.95 2.07
X7农村低保保障率（%） 反映最低生活保障水平 1.59 1.27 2.04 0.65
X8临时社会救助人口比例（%） 反映特困群体保障水平 1.32 0.87 1.21 0.22
发展机会
（7.09）		 X9通信网络覆盖比例（%）* 反映网络信息水平 2.08 1.59 2.86 1.49
X10住户贷款余额增长幅度* 反映金融支持水平 3.63 3.84 2.14 4.70
X11市州政府距离火车站距离（km）* 反映交通便利程度 1.64 1.42 1.32 0.48
X1215岁及以上常住人口平均受教育年限（年）* 反映整体教育条件 2.01 1.53 0.88 0.42
业
（支撑）
（25.07）		 收入水平
（21.64）		 X13农村人均可支配收入（元/人）* 反映农村收入水平 2.34 2.20 9.21 7.45
X14农村家庭平均饲养牛羊数量（只/户）* 反映家庭生产性资源拥有情况 2.51 2.36 3.42 3.17
X15家庭平均储蓄存款（万元/户）* 反映生产投入潜力 5.14 6.22 2.19 11.02
收支结构
（1.11）		 X16农村人均转移性收入占比（%）* 反映政府支持力度 1.58 1.07 3.27 0.87
X17恩格尔系数 反映消费结构特征 1.09 0.67 2.13 0.24
收入潜力
（2.32）		 X18第二产业比（%）* 反映经济结构特征 1.71 1.23 1.28 0.42
X19常住人口城镇化率（%）* 反映经济发展潜力 2.54 2.24 0.74 0.66
X20城乡居民收入差距指数 反映城乡收入差距水平 1.81 1.50 2.92 1.24
地
（客体）
（28.06）		 地形地貌
（4.55）		 X21平均海拔（m） 反映地势水平 2.09 1.80 3.82 2.26
X22地表起伏度（m） 反映地形地貌状况 2.03 1.63 2.07 1.08
X23坡度（°） 反映地表陡缓程度 2.15 1.92 1.86 1.21
交通区位
（15.36）		 X24河网密度（km/km2）* 反映水资源分布状况 3.51 5.02 1.44 3.98
X25路网密度（km/km2）* 反映道路交通状况 5.51 7.91 1.59 10.88
X26距省政府驻地距离（km） * 反映区域增收机会 1.82 1.62 1.09 0.50
生产能力
（8.15）		 X27人口密度（人/km2） 反映人口生态压力 1.43 1.12 2.10 0.53
X28少数民族占比（%） 反映人口民族结构 2.27 2.24 0.88 0.70
X29农村人均粮食产量（kg/人）* 反映粮食生产水平 5.03 6.10 0.81 3.89
X30人均草地面积（km2/人）* 反映草地资源状况 4.34 5.62 0.79 3.03
生
（环境）
（10.69）		 气候要素
（4.59）		 X31年均降水量（mm）* 反映水资源总量 1.69 1.20 3.20 1.02
X32年均温（℃）* 反映整体热量水平 2.51 2.63 2.29 2.38
X33空气质量优良天数比例（%）* 反映空气质量状况 2.51 2.63 0.99 1.02
X34干燥度指数 反映气候干燥程度 1.70 1.23 0.52 0.17
生态状况
（4.22）		 X35森林覆盖率（%）* 反映森林资源状况 3.02 3.52 1.17 1.95
X36植被覆盖度* 反映植被茂盛程度 2.54 2.54 1.07 1.09
X37景观破碎度 反映景观完整性程度 3.34 4.14 0.47 1.02
X38土壤侵蚀度 反映土壤肥力保有水平 1.91 1.71 0.32 0.16
承载能力
（1.88）		 X39净初级第一生产力（J/cm2）* 反映植物群落生产力能力 1.41 0.95 1.57 0.33
X40固碳释氧量（kg/a）* 反映植被生态支撑能力 3.21 3.21 0.71 1.16
X41自然保护区面积比（%）* 反映生态保护水平 2.69 2.58 0.35 0.39

注：*表示该指标为逆向指标。

本指标体系主要特点有：①在“人、地、业”三维空间贫困测度的基础上，增加“生”的维度，丰富了空间的内涵，体现了国家“五位一体”总体布局，使得空间的贫困约束评价更为全面和精准，更好地体现了生态在增收共富中的重要地位。②在“生”的测度上突破了生态地理资本关注“农业生态和村庄人居环境条件”的局限，着眼于生态系统对贫困长期约束以及生态脆弱性对反贫困行动束缚的深入考察[34]，重点评价“景观破碎度、土壤侵蚀度”等指标，有利于科学探讨青藏高原农牧民反贫困和共同富裕面临的现实障碍。③从青藏高原地理空间及经济社会发展实际出发选取相应指标，重点考虑青海国家生态安全屏障功能和在全国碳达峰碳中和中的贡献，体现了国家生态安全战略格局的指引和碳贫困的制约作用，符合中国式现代化的时代要求。

3.2.2 指标权重确定

本文采用主客观综合赋权确定指标权重，客观赋权主要采用熵值法和变异系数法，主观赋权主要采用层次分析法，这在一定程度上可以有效避免主观因素带来的偏差[35]。
层次分析法是在贫困治理专家、生态保护专家及农业农村相关管理人员（共20人，其中专家10人，管理人员10人）分层两两比较打分的基础上，构建评分矩阵，利用和积法对得到的新矩阵求和并归一化，求出各个指标的权重；并通过CR=CI/RI一致性检验，最终确定各指标权重[36]。然后采用熵值法和变异系数法赋权。最后，进行组合赋权。计算方法如下：
W j = W j 1 W j 2 W j 3 / ∑ j = 1 41 W j 1 W j 2 W j 3     ( j = 1,2 , 3 , ⋯ , 41 )
式中：Wj1、Wj2、Wj3分别为层次分析法、熵值法和变异系数法单独赋权的权重；Wj为权重组合。

3.3 研究方法

3.3.1 TOPSIS模型

TOPSIS模型是通过测算待评价样本与“最优方案”和“最劣方案”之间的距离，进而得到与“最优方案”的贴近程度，实现评价样本的优劣排序[37]。本文将TOPSIS模型引入到生态空间贫困陷阱评价中，利用生态空间贫困陷阱评价指标体系中的各项指标数据，测算青海省2010—2020年生态空间贫困陷阱水平。

3.3.2 探索性空间数据分析

ESDA基于空间样本值之间的相关性及其程度探索空间对象的分布特征，包括全局自相关和局部自相关分析[38]。本文借助全局Moran's I和局域Moran's I测算分析青海省生态空间贫困陷阱空间相关性。

3.3.3 障碍度模型

本文采用障碍度模型具体分析影响生态空间贫困陷阱的主要障碍因素，引入因子贡献度，指标偏离程度、障碍度进行探讨[39]。具体步骤如下：
O i = I j F j / ∑ j 41 I j F j ( i = 1,2 , 3 , ⋯ , 45 ; j = 1,2 , 3 , ⋯ , 41 )
F i = W · P i ( i = 1,2 , 3 , ⋯ , 45 ; j = 1,2 , 3 , ⋯ , 41 )
I i = 1 - Y i j ( i = 1,2 , 3 , ⋯ , 45 ; j = 1,2 , 3 , ⋯ , 41 )
U = ∑ O i     ( i = 1,2 , 3 , ⋯ , 45 )
式中：Oi、Fi、Ii分别为第i个指标障碍度、贡献度（准则层权重 W与指标层权重 P j乘积）、偏离度（各指标与最优目标差距）； U为准则层的障碍度，即该准则层对该市（县、区）的生态空间贫困影响程度。

3.3.4 地理探测器模型

地理探测器（Geodetector）是由王劲峰等[40]研发，主要用于探测空间分异性，并分析其背后驱动因子以及因子之间作用程度的一种统计学方法，广泛应用于自然、经济、社会的影响因素研究。本文借助地理探测器模型，通过因子探测功能和交互探测功能，探测分析影响生态空间贫困陷阱的主导因素和因子之间的交互作用。

4 结果与分析

4.1 青海省生态空间贫困陷阱特征

4.1.1 数量特征

按照五等分类法，将生态空间贫困陷阱指数分为低水平[0,0.2）、较低水平[0.2,0.4）、中等水平[0.4,0.6）、较高水平[0.6,0.8）和高水平[0.8,1.0] 5种类型。数值越高，贫困程度越深。整体来看，研究期内青海省45个县（市、区）生态空间贫困陷阱指数均值为0.611，整体处于较高水平，生态空间贫困的约束程度较高。从演化趋势来看，生态空间贫困陷阱呈先上升后下降趋势，表明生态空间约束整体有所缓解，但仍围绕较高的贫困约束水平上下波动（表2）。
表2 青海省生态空间贫困陷阱指数测算结果

Tab.2 Results of ecological spatial poverty trap index in Qinghai Province

年份 主体贫
困指数		 经济贫
困指数		 地理贫
困指数		 生态贫
困指数		 贫困陷
阱指数
2010 0.584 0.657 0.702 0.549 0.620
2015 0.609 0.622 0.700 0.551 0.627
2020 0.494 0.623 0.700 0.565 0.585

注：指数越大表明生态空间贫困程度越深。

在青海省生态空间陷阱的内部结构中，研究期内地理贫困指数均值最高（0.701），生态贫困指数均值最低（0.555）。到2020年，主体贫困指数降至最低（0.494），经济贫困指数先下降后增强（0.623）。相较于2010年，2020年生态贫困指数上升了0.016，主体贫困指数、经济贫困指数、地理贫困指数分别下降了0.090、0.034和0.002。这些表明主体贫困和经济贫困得到明显缓解，但地理贫困比较顽固，生态贫困仍在持续加深。

4.1.2 总体空间特征

2010—2020年，青海省生态空间贫困陷阱指数高值区主要位于南部的高原和高山地区，该区域坡度大、交通可达性差、社会发展水平较低、地理位置相对偏僻、生存环境较为恶劣、经济基础相对薄弱。而低值区多集中于西北和中部偏东的湟水谷地及平原分布区（图2）。
图2 青海省生态空间贫困陷阱指数分布演变

Fig.2 Index distribution of ecological spatial poverty trap in Qinghai Province

与2010年相比，2020年青海省生态空间贫困陷阱指数高值区县（市、区）数量由14个减少到7个，表明青海省生态环境和经济发展在研究期内取得较大改善；中值区县（市、区）数量由14个增加到25个，表明青海省防止规模性返贫的压力和挑战仍然较大。

4.2 青海省生态空间贫困陷阱空间关联性分析

4.2.1 全局空间关联性分析

借助GeoDa软件的空间分析模块，计算得出2010、2015和2020年青海省45个县（市、区）生态空间贫困陷阱分布全局Moran's I（0.707、0.674、0.597），统计量Z值均在0.1%的显著性水平下通过检验，结果在统计学上具有显著性，表明青海省生态空间贫困陷阱均呈现显著的空间自相关，集聚效应显著。

4.2.2 局部空间关联性分析

为进一步研究区域内空间自相关性的具体表现，选择局部莫兰指数开展进一步分析，借助ArcGIS软件绘制得到青海省2010、2015和2020年生态空间贫困陷阱局部LISA集聚图（图3）。由图3发现，不同时期青海省生态空间贫困陷阱分布均呈现出较强的局部空间正相关特征，以“高—高”“高—低”“低—低”3种空间集聚特征为主；同时，“高—高”“高—低”“低—低”类型的集聚格网数量呈现明显波动，其中“高—高”类型2020年县域数量明显较少，波动主要出现在玉树州的曲麻莱县、囊谦县、杂多县和玉树市，海西州的德令哈市、乌兰县、都兰县和大柴旦行委；“高—低”类型2020年县域数量明显增多，波动主要出现在玉树州的治多县，海北州的门源县、刚察县和海晏县，海南州的共和县、贵南县和贵德县，黄南州的同仁市和泽库县；而“低—低”集聚的波动主要出现在海南州的贵南县，黄南州的泽库县和同仁市。
图3 青海省生态空间贫困陷阱LISA集聚图

Fig.3 LISA cluster map of ecological spatial poverty trap in Qinghai Province

具体来看，“高—高”类型区主要分布在玉树州、果洛州和海西州的部分县域，其生态空间贫困陷阱存在明显空间依赖性，邻接区域的高贫困会加剧当地贫困程度，造成县域之间的贫困“高—高”集聚特征，其中玉树州和果洛州海拔高，生态环境脆弱，农牧民收入对生态资源的依赖仍然较大，经济发展缓慢，高聚集性产生的磁场效应使得其周边邻接区域贫困程度也较高。“高—低”类型区主要分布在海北州、海南州和黄南州的部分县域，呈现“中心高而四周低”的分布特征。“低—低”类型区主要聚集在西宁市、海东市、黄南州和海南州的部分县域，这些地区由于地理区位相对优越，交通相对便利，人口素质相对较高，就业机会相对较多，生态空间贫困陷阱水平较低。

4.3 青海省生态空间贫困陷阱阻滞因素分析

4.3.1 准则层阻滞因素分析

根据障碍度模型，分别计算青海省45个县（市、区）4个子目标层、12个准则层和41个指标层障碍度，得出青海省2010、2015和2020年子目标层“人、地、业、生”的障碍度分别为29.66%、28.57%、32.41%和9.36%。同时借助折线图可视化准则层障碍度，显示收入水平、人力资本、社会保障、地形地貌、交通区位及生态状况是其主要阻滞因素，平均累积障碍度为82.85%（图4）。
图4 青海省生态空间贫困陷阱准则层障碍度折线图

Fig.4 Obstacle degree of criterion layer of ecological spatial poverty trap in Qinghai Province

4.3.2 指标层障碍因子分析

在上述基础上，计算青海省2010、2015和2020年45个县（市、区）生态空间贫困陷阱指标层障碍因子及障碍度。由于指标层因子较多，仅列出障碍度均值前5的障碍因子（表3）。
表3 青海省生态空间贫困陷阱主要障碍因子及障碍度

Tab.3 Main obstacle factors at indicator layer of ecological spatial poverty trap in Qinghai Province and their obstacle degrees

年份 类别 障碍度排序（%）
1 2 3 4 5
2010 障碍因子 X1 X25 X2 X14 X13
障碍度 18.39 6.67 6.26 5.83 5.57
2015 障碍因子 X14 X13 X16 X25 X1
障碍度 14.16 7.67 7.64 6.40 5.81
2020 障碍因子 X1 X16 X25 X2 X13
障碍度 28.79 9.66 5.73 5.44 5.30
由表3可知，农村劳动年龄人口比重（X1）障碍度比较高，3个年份均处于前五位，其中在2010和2020年均为生态空间贫困首位障碍因子。每万人大学生数量（X2）在2010年和2020年的障碍度均大于5.4%。农村人均可支配收入（X13）和路网密度（X25）3个年份的障碍度均较高。农村家庭平均饲养牛羊数量（X14）在2015年为首位障碍因子，在2010年为第四位障碍因子。家庭平均储蓄存款（X16）在2015年障碍度为第三位障碍因子（7.64%），2020年为第二位障碍因子（9.66%），障碍度明显增加。整体来看，指标层X1、X2、X16、X13、X25平均累积障碍度为44.16%。

4.4 青海省生态空间贫困陷阱时空分异成因探测

影响贫困分异的因素往往与地形地貌、经济条件、生态环境、资源禀赋、区位条件、生计资本等多种因素作用有关。参考已有成果[41-42]，将41个指标导入地理探测器进行生态空间贫困陷阱主要影响因子探测和因子间交互作用探测。

4.4.1 主导因子探测

以生态空间贫困陷阱指数作为被解释变量Y，各因子指标作为解释变量X，根据地理探测器模型对青海省生态空间贫困陷阱时空分异影响因素进行探测。结果显示，显著因子中主体维度有6个、支撑维度有7个、客体维度有5个、环境维度有5个（表4）。
表4 青海省生态空间贫困陷阱影响因子探测结果

Tab.4 Detection results of impact factors of ecological spatial poverty trap in Qinghai Province

维度 影响因素 q值 解释力排序 维度 影响因素 q值 解释力排序
人（主体） X1农村劳动年龄人口比重 0.343*** 13 业（支撑） X13农村人均可支配收入 0.287*** 16
X2每万人大学生比重 0.432*** 7 X14农村家庭平均饲养牛羊数量 0.417*** 9
X3常住人口平均预期寿命 0.429*** 8 X15家庭平均储蓄存款 0.320*** 14
X7农村低保保障率 0.295*** 15 X16农村人均转移性收入占比 0.240*** 17
X9通信网络覆盖比例 0.455*** 5 X17恩格尔系数 0.235* 19
X11市州政府距离火车站距离 0.438*** 6 X19常住人口城镇化率 0.189*** 22
地（客体） X21平均海拔 0.482*** 4 X20城乡居民收入差距指数 0.221*** 21
X25路网密度 0.499*** 3 生（环境） X32年均温 0.365*** 12
X26距省政府驻地距离 0.533*** 1 X33空气质量优良天数比例 0.393*** 11
X27人口密度 0.511*** 2 X34干燥度指数 0.236*** 18
X28少数民族占比 0.406*** 10 X39净初级第一生产力 0.157** 23
X40固碳释氧量 0.228** 20

注：***、** 、*分别表示显著性水平1%、5%、10%。

具体来说，在4个维度41个因子指标中有23个因子通过显著性水平检验。其中，在主体（“人”）因子中，每万人大学生比重（X2）、常住人口平均预期寿命（X3）、通信网络覆盖比例（X9）和市州政府距离火车站距离（X11）对生态空间贫困陷阱影响较强。在支撑（“业”）因子中，农村家庭平均饲养牛羊数量（X14）、家庭平均储蓄存款（X15）、农村人均可支配收入（X13）三者的影响作用明显强于其他因子。在客体（“地”）因子中，距省政府驻地距离（X26）、人口密度（X27）、路网密度（X25）、平均海拔（X21）和少数民族占比（X28）是主要影响因子。在环境（“生”）因子中，空气质量优良天数比例（X33）、年均温（X32）、干燥度指数（X34）、固碳释氧量（X40）、净初级第一生产力（X39）对区域生态空间贫困陷阱的作用显著。

4.4.2 交互作用探测

在单因子探测的基础上，为识别驱动因子之间的共同作用是否会增加或减弱对因变量的解释力[43]，将上述对生态空间贫困陷阱具有显著影响作用的23个因子进行交互探测（图5）。
图5 青海省生态空间贫困陷阱影响驱动因子探测的交互作用

Fig.5 Interaction of driving factors of ecological spatial poverty trap in Qinghai Province

图5显示，23个因子的交互作用不存在非线性减弱、单因子非线性减弱和独立关系，均成增强效应。与单因子单独作用相比，双因子交互作用的q值均有一定程度的提高，说明因子间两两交互作用对青海省生态空间贫困陷阱分异的解释力更强。有30对因子的交互解释力大于0.7，202对因子解释力介于0.5~0.7之间，交互解释力小于0.5仅有21对。其中，农村劳动年龄人口比重（X1）与其他因子的交互作用最强，q值比单因子作用增长幅度较大，表明农村劳动年龄人口比重（X1）是影响青海省生态空间贫困陷阱空间分异的主要因子；其次为距省政府驻地距离（X26），与其他因子的交互作用解释力均超过59%，其中农村劳动年龄人口比重（X1）与距省政府驻地距离（X26）交互对青海省生态空间贫困陷阱空间分异的影响最强（q=0.814）。表明双因子较单因子对生态空间贫困陷阱空间分异的影响程度更高。

5 结论和讨论

5.1 结论

①研究期内，青海省生态空间贫困陷阱指数处于较高水平，3个时期的生态空间贫困陷阱指数分别为0.620、0.627、0.585，呈先升后降趋势。表明主体贫困和经济贫困得到明显缓解，但地理贫困比较顽固，生态贫困仍在持续加深。
②青海省生态空间贫困陷阱呈现显著的空间自相关，集聚效应显著。局域空间分布具有一定的随机性和不确定性，主要以“高—高”“高—低”“低—低”3种空间集聚特征为主。
③青海省生态空间贫困陷阱阻滞因素的影响程度不同。从子目标看，“人、地、业”障碍度分别为29.66%、32.41%、28.57%；从准则层看，收入水平、人力资本、社会保障、地形地貌、交通区位及生态状况的平均累积障碍度为82.85%；从指标层看，农村劳动年龄人口比重、每万人大学生比重、家庭平均储蓄存款、农村人均可支配收入和路网密度的平均累积障碍度为44.16%。
④青海省生态空间贫困陷阱空间分异的因子影响力显著，双因子较单因子解释力更强。41个因子指标中有23个通过了显著性水平检验，其中市州政府距离火车站距离、农村家庭平均饲养牛羊数量、距省政府驻地距离、空气质量优良天数比例等因子影响显著；双因子较单因子解释力更强，其中农村劳动年龄人口比重与其他因子的交互作用最强。

5.2 讨论

生态空间贫困陷阱是融合生态贫困理论与空间贫困理论，并结合青藏高原实际提出的一种综合性的贫困陷阱类型，它克服了单一的“生态贫困”和单一的“空间贫困”测度评价的不足，能够更为全面和系统反映青藏高原共同富裕面临的障碍和挑战。测度生态空间贫困陷阱水平，研究其阻滞因素及因子分异特征，分析时空演化规律，对于跨越生态空间贫困陷阱，破解生态贫困和空间贫困双重“魔咒”，推进民族地区现代化建设具有重要意义。对青海而言，应以中国式现代化为引领，以促进人地和谐共生、推动共同富裕为重点，坚持内增动力和外强引力相结合，围绕“人、地、业、生”4个要素，有序突破生态贫困陷阱约束。
①抓住重点找准短板，持续增强突破贫困陷阱内生动力。应围绕提升“人”的可行能力，增加“地”的地理资本，强化“业”的经济支撑，优化“生”的承载能力，着力改善人力资本、收入水平、社会保障、经济条件、交通区位及生态状况，提升农村劳动年龄人口比重、每万人大学生比重、家庭平均储蓄存款、农村人均可支配收入和路网密度，守住不发生规模性返贫底线，全面增强脱贫地区自我发展能力，持续有效降低生态空间贫困陷阱水平。
②针对不同区域的空间分布特征，实施差异化的破解路径。玉树州、果洛州和海西州部分县域处于“高—高”类型区，需要协调全省之力，聚集对口协作和帮扶资源，长时期进行协同治理，逐步降低其生态空间贫困陷阱水平；海北州、海南州和黄南州部分县域处于“高—低”类型区，要以西宁市、海东市辐射的经济圈带动周边联动发展，缓解区域间因发展不均衡而溢出的生态空间贫困陷阱，推动谷地盆地优势互补、错位协同发展。
③根据不同类型的空间演化趋势，采取个性化的应对策略。鉴于生态空间贫困陷阱东西方向增大的趋势，应重点推动河湟谷地经济区—泛共和经济区—柴达木盆地经济区的联动发展，优化城乡产业分工协作，拓宽生态价值转化渠道。同时，要根据主体、客体、支撑、环境等不同的演化趋势，针对不同区域分别采取完善的生态补偿政策、加强就业培训和路网建设、提升重点生态功能区生态保护水平等措施，多渠道缓解生态空间贫困约束。
本文主要存在以下不足：一是限于数据可得性，仅选取了青海省2010、2015和2020年3个年份的相关数据，无法探究其更长时间段的演化规律；二是仅研究了生态空间贫困陷阱内部的阻滞因素，外部因素的作用机理有待深入研究。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
习近平. 高举中国特色社会主义伟大旗帜为全面建设社会主义现代化国家而团结奋斗[M]. 北京: 人民出版社, 2022.

[2]
罗蓉, 何黄琪, 陈爽. 原连片特困地区共同富裕能力评价及其演变跃迁[J]. 经济地理, 2022, 42(8):154-164.

DOI

[3]
刘培林, 钱滔, 黄先海, 等. 共同富裕的内涵、实现路径与测度方法[J]. 管理世界, 2021, 37(8):117-129.

[4]
李莹. 共同富裕目标下缩小收入差距的路径探索、现实挑战与对策建议[J]. 经济学家, 2022(10):54-63.

[5]
于成文. 坚持“质”“量”协调发展扎实推动共同富裕[J]. 探索, 2021(6):31-47.

[6]
亚当·斯密. 国富论[M]. 唐日松,杨兆宇,译. 北京: 华夏出版社, 2013

[7]
庇古. 福利经济学[M]. 北京: 华夏出版社, 2013.

[8]
李周. 中国走向共同富裕的战略研究[J]. 中国农村经济, 2021, 442(10):2-23.

[9]
刘伟, 陈彦斌. “两个一百年”奋斗目标之间的经济发展:任务、挑战与应对方略[J]. 中国社会科学, 2021(3):86-102,206.

[10]
樊杰, 周侃, 伍健雄. 中国相对贫困地区可持续发展问题典型研究与政策前瞻[J]. 中国科学院院刊, 2020, 35(10):1249-1263.

[11]
霍增辉, 张玫, 吴海涛. 基于项目反应理论的农户相对贫困测度研究——来自浙江农村的经验证据[J]. 农业经济问题, 2021(7):57-66.

[12]
罗庆, 李小建. 国外农村贫困地理研究进展[J]. 经济地理, 2014, 34(6):1-8.

[13]
李寻欢, 周扬, 陈玉福. 区域多维贫困测量的理论与方法[J]. 地理学报, 2020, 75(4):753-768.

DOI

[14]
Daimon T. The spatial dimension of welfare and poverty:Lessons from a regional targeting programme in Indonesia[J]. Asian Economic Journal, 2001, 15(4):345-367.

[15]
Jalan J, Ravallion M. Geographic poverty traps? A micro model of consumption growth in rural China[J]. Journal of Applied Econometrics, 2002, 17(4):329-346.

[16]
陈南岳. 我国农村生态贫困研究[J]. 中国人口·资源与环境, 2003(4):45-48.

[17]
宋德勇, 张麒. 环境保护与经济高质量发展融合的演进与驱动力[J]. 数量经济技术经济研究, 2022, 39(8):42-59.

[18]
于法稳. 西北地区生态贫困问题研究[J]. 中国软科学, 2004(11):27-30,56.

[19]
罗连发, 吴成强, 刘沛瑶. 提高脱贫质量的理论、政策与测算框架[J]. 宏观质量研究, 2021, 9(1):1-14.

[20]
Kate, Bird,and,et al. Livelihoods and chronic poverty in semi-arid Zimbabwe[J]. World Development, 2003, 31(3):591-610.

[21]
张文娟, 赵立娟, 史俊宏, 等. 黄河中上游流域城乡居民多维贫困脆弱性及空间集聚研究[J]. 干旱区资源与环境, 2022, 36(7):9-15.

[22]
杨定, 杨振山. 高寒地区生态贫困评价及影响因素分析——以色林错地区为例[J]. 资源科学, 2021, 43(2):293-303.

DOI

[23]
李一花, 李佳. 中国县域生态贫困测度及动态演化分析[J]. 中国人口·资源与环境, 2022, 32(9):164-172.

[24]
刘彦随, 李进涛. 中国县域农村贫困化分异机制的地理探测与优化决策[J]. 地理学报, 2017, 72(1):161-173.

DOI

[25]
罗翔, 李崇明, 万庆, 等. 贫困的“物以类聚”:中国的农村空间贫困陷阱及其识别[J]. 自然资源学报, 2020, 35(10):2460-2472.

DOI

[26]
姚树洁, 王洁菲, 汪锋. 新时代破除连片特困地区“贫困陷阱”的理论及战略路径研究[J]. 重庆大学学报(社会科学版), 2019, 25(5):44-59.

[27]
刘刚, 沈镭, 刘晓洁, 等. 资源富集贫困地区经济发展与生态环境协调互动作用初探——以陕西省榆林市为例[J]. 资源科学, 2007(4):18-24.

[28]
刘小鹏, 李伟华, 王鹏, 等. 发展地理学视角下欠发达地区贫困的地方分异与治理[J]. 地理学报, 2019, 74(10):2108-2122.

DOI

[29]
刘小鹏, 李永红, 王亚娟, 等. 县域空间贫困的地理识别研究——以宁夏泾源县为例[J]. 地理学报, 2017, 72(3):545-557.

DOI

[30]
吴传钧. 论地理学的研究核心——人地关系地域系统[J]. 经济地理, 1991, 11(3):1-6.

[31]
史培军, 宋长青, 程昌秀. 地理协同论——从理解“人—地关系”到设计“人—地协同”[J]. 地理学报, 2019, 74(1):3-15.

DOI

[32]
周扬, 李寻欢. 贫困地理学的基础理论与学科前沿[J]. 地理学报, 2021, 76(10):2407-2424.

DOI

[33]
丁建军, 冷志明. 区域贫困的地理学分析[J]. 地理学报, 2018, 73(2):232-247.

DOI

[34]
张丽君, 董益铭, 韩石. 西部民族地区空间贫困陷阱分析[J]. 民族研究, 2015(1):25-35,124.

[35]
胡西武, 刘小鹏, 黄越, 等. 宁夏生态移民村空间剥夺及影响因素研究[J]. 地理学报, 2020, 75(10):2224-2240.

DOI

[36]
朱姝, 冯艳芬, 王芳, 等. 粤北山区相对贫困村的脱贫潜力评价及类型划分——以连州市为例[J]. 自然资源学报, 2018, 33(8):1304-1316.

DOI

[37]
孙才志, 董璐, 郑德凤. 中国农村水贫困风险评价、障碍因子及阻力类型分析[J]. 资源科学, 2014, 36(5):895-905.

[38]
黄木易, 岳文泽, 冯少茹, 等. 基于MCR模型的大别山核心区生态安全格局异质性及优化[J]. 自然资源学报, 2019, 34(4):771-784.

DOI

[39]
胡西武, 耿强艳, 尹国泰. 共同富裕背景下三江源国家公园原住民可持续脱贫能力测度及作用机理研究[J]. 干旱区资源与环境, 2022, 36(6):8-14.

[40]
王劲峰, 徐成东. 地理探测器:原理与展望[J]. 地理学报, 2017, 72(1):116-134.

DOI

[41]
孙健武, 高军波, 马志飞, 等. 不同地理环境下“空间贫困陷阱”分异机制比较——基于大别山与黄土高原的实证[J]. 干旱区地理, 2022, 45(2):650-659.

DOI

[42]
潘竟虎, 冯娅娅. 中国农村深度贫困的空间扫描与贫困分异机制的地理探测[J]. 地理学报, 2020, 75(4):769-788.

DOI

[43]
胡西武, 何福杰, 姚海艳, 等. 青海省生态友好等级区识别、时空演化与地理探测——基于“三生”空间视角[J]. 干旱区资源与环境, 2024, 38(2):39-50.

Options
文章导航

/

〈 〉