EN中文

地球信息科学学报 >

2022 , Vol. 24 >Issue 8: 1541 - 1557

DOI: https://doi.org/10.12082/dqxxkx.2022.210466

地理空间分析综合应用

基于夜间灯光数据的西南地区县域旅游多维减贫效应时空变化研究

  • 张颖 ,
  • 汪侠 , * ,
  • 闫艺涵 ,
  • 史舒悦 ,
  • 海少琪
展开
  • 南京大学地理与海洋科学学院,南京 210023
*汪 侠（1974—）,女,安徽怀远人,博士,副教授,主要从事旅游地理、城市与区域规划研究。 E-mail:

张 颖（1996—）,女,河南唐河人,硕士,主要从事旅游扶贫时空变化研究。E-mail:

收稿日期: 2021-08-10

  修回日期: 2022-03-16

  网络出版日期: 2022-10-25

基金资助

国家自然科学基金项目(41871134)

收起

The Spatio-temporal Changes of Tourism Multidimensional Poverty Alleviation Effect at County in Southwest China based on Night Light Data

  • ZHANG Ying ,
  • WANG Xia , * ,
  • YAN Yihan ,
  • SHI Shuyue ,
  • HAI Shaoqi
Expand
  • School of Geographic and Oceanographic Sciences, Nanjing University, Nanjing 210023, China
*WANG Xia, E-mail:

Received date: 2021-08-10

  Revised date: 2022-03-16

  Online published: 2022-10-25

Supported by

National Natural Science Foundation of China(41871134)

Fold

摘要

旅游发展是消除贫困的重要途径之一,从多维贫困视角对旅游减贫进行研究具有重要意义。以脱贫摘帽的西南地区国家级贫困县为研究案例,引入NPP/VIIRS夜间灯光数据测度多维贫困,并使用地理加权回归方法分析2012—2019年旅游发展的多维减贫效应。结果表明：① 2012—2019年,西南地区贫困县旅游发展水平不断提高,呈现“东高西低”的空间格局,旅游发展的区域差异不断缩小;② 2012年以来,西南地区贫困县多维贫困日趋改善;空间分布上,多维贫困程度自西向东逐渐降低,空间差异趋于缩小;③ 西南地区贫困县旅游发展能够缓解包括经济、教育、医疗和社会保障等方面的多维贫困,旅游多维减贫效应具有明显的空间异质性,川东、川北和滇东南地区贫困县的旅游减贫强度较高,滇西、渝东南和黔西地区旅游减贫强度较低;④ 旅游减贫强度主要受到旅游资源禀赋、经济发展水平和交通区位条件的影响,影响因素通过旅游资源开发、强化旅游产业支撑和提高旅游通达性等途径改善贫困地区的经济、教育、医疗和社会保障水平,实现旅游发展的多维减贫。旅游减贫的发展需要结合贫困地区实际情况考虑,提高旅游产品竞争力,完善配套设施建设,改善交通运输条件,以提高旅游减贫效果。另外,研究发现基于夜间灯光数据测度多维贫困具有较高的精度,能够为贫困问题研究提供数据支持。研究结果对中国旅游扶贫战略实施尤其是2020年后预防返贫具有重要的参考价值。

关键词： 旅游发展; 多维贫困; 夜间灯光数据; 时空变化; 影响机制; 贫困县; 西南地区

本文引用格式

张颖 , 汪侠 , 闫艺涵 , 史舒悦 , 海少琪 . 基于夜间灯光数据的西南地区县域旅游多维减贫效应时空变化研究[J]. 地球信息科学学报, 2022 , 24(8) : 1541 -1557 . DOI: 10.12082/dqxxkx.2022.210466

Abstract

Tourism development is one of the important ways to eradicate poverty. It is of great significance to study tourism poverty alleviation effect from the perspective of multidimensional poverty. In this study, we take the national-level poverty-stricken counties of the Southwest China region that have been lifted out of poverty as the study cases, and introduce the NPP/VIIRS night light data to measure multidimensional poverty. The Geographically Weighted Regression method is used to explore the multidimensional poverty reduction effect of tourism development from 2012—2019. The results show that: (1) From 2012 to 2019, the level of tourism development in poor counties in Southwest China continued to improve, showing a spatial pattern of "high in the east and low in the west", and the regional difference in tourism development decreased; (2) In the past eight years, multidimensional poverty in poor counties in Southwest China was alleviated steadily. In terms of spatial distribution, the level of multidimensional poverty gradually decreased from the west to the east, and the spatial difference tended to decrease; (3) The tourism development can alleviate multidimensional poverty in economic, educational, medical, and social security aspects at county level. There is obvious spatial heterogeneity in the intensity of tourism multidimensional poverty reduction, with Sichuan's poor counties having the highest intensity of tourism poverty reduction. Overall, the tourism poverty reduction intensity is higher in poor counties in eastern Sichuan, northern Sichuan, and southeastern Yunnan, and lower in western Yunnan, southeastern Chongqing, and western Guizhou; (4) The intensity of tourism poverty reduction is mainly influenced by the endowment of tourism resource, the level of economic development, and the location of transportation. These influencing factors promote tourism development through the development of tourism resource, the strengthening of tourism industry support, and the improvement of tourism accessibility, etc. The tourism industry has a strong industrial linkage that leads to comprehensive regional development, improving economic, educational, medical, and social security levels in poor areas, and achieving multidimensional poverty reduction through tourism development. The intensity of tourism poverty reduction in poor counties is influenced by a variety of factors, so tourism poverty reduction development needs to be considered in the context of the actual situation. The effectiveness of tourism in reducing poverty can be improved by increasing the competitiveness of tourism products and improving transport conditions. In addition, the study finds that the measurement of multidimensional poverty based on night light data has a high accuracy and can provide data support for poverty research. The findings of the study have important reference value for the implementation of China's tourism poverty alleviation strategy, especially for the prevention of poverty return after 2020.

Key words： tourism development; multidimensional poverty; night light data; spatio-temporal variation; influencing mechanism; poverty-stricken county; Southwest China

1 引言

贫困是全球性的发展问题,消除贫困是人类实现可持续发展的重要目标[1]。我国一直重视贫困问题,并取得扶贫攻坚战的显著成就,2020年832个国家级贫困县全部脱贫摘帽,脱贫攻坚战的阶段性目标如期完成。未来,中国扶贫工作重心将步入由绝对贫困转向相对贫困、收入贫困转向多维贫困的新阶段[2],相对贫困和多维贫困将成为新的贫困存在形态,巩固脱贫成果依然任重道远。Sen[3]以能力方法定义贫困,认为贫困是对人的基本可行能力的剥夺,被剥夺的可行能力包含健康、教育、医疗、住房等多方面,而不仅仅是收入方面,由此贫困的概念由收入贫困拓展到多维贫困,对于贫困问题的研究视角也从单一维度的收入贫困逐渐向多维贫困转变[2,4],使用多维贫困指数衡量地区贫困状况的研究成果不断增多[5-6]。虽然多维贫困被广泛地应用于理论和应用研究中,但是其维度和指标并没有形成统一的标准,学者们多以联合国多维贫困指数[7]或可持续生计框架理论[8]所使用的维度和指标体系为依据,并考虑研究案例地实际情况[9-10],进行多维贫困指标及评价研究。Hanandita等[11]参考全球多维贫困指数使用的维度和指标,选取收入、健康、教育3个维度探究印度尼西亚的多维贫困状况。Liu等[12]基于可持续生计框架理论从金融资本、人力资本、自然资本、物质资本、社会资本等方面构建多维贫困指标体系衡量中国农村地区的多维贫困。施琳娜等[13]选取教育、健康、生活水平、收入、住房安全和资产状况6个维度对彭阳县多维贫困进行测度。
旅游发展是消除贫困的重要手段,旅游扶贫研究成果逐渐增多。在学界,对于旅游扶贫的研究从单一的经济效应向人口、社会、环境等多维视角转变[14]。Winter等[15]、Puig-Cabrera等[16]探讨旅游发展对贫困人口福利改善的积极作用。Scheyvens等[17]关注旅游对贫困地区社会政治方面的影响。王振波等[18]对旅游经济与生态环境协调效应及交互胁迫关系进行探究。近年来,学者们着重从多维视角研究旅游扶贫,如穆学青等[19]从经济、教育、健康和生活等维度研究云南省边境县的旅游扶贫效率,汪侠等[20]从教育、医疗、健康、卫生等方面定量评价贫困居民对旅游扶贫的满意度。总体来看,从多维贫困视角对旅游扶贫进行研究成为热点,但探讨旅游对多维贫困的影响程度及其时空间变化的研究较少,还需进一步增强。
当前贫困研究的主要数据来源是统计数据 或入户调查数据[11-12],研究尺度多为国家[21⇓-23]、省 域[24-25]或村域[10]层面,由于贫困统计数据收集难度大、统计口径不一致[26]等原因,县域尺度贫困数据缺乏完整性和可比性,县域层面的研究结果相对较少。贫困县是我国脱贫攻坚的主战场,对这一尺度的多维贫困进行研究具有重要性和必要性。夜间灯光影像在社会经济数据挖掘方面具有很大的潜力,基于夜光数据可进行社会经济参数估 算[27],具有客观性、稳定性和全面性的优点[28],能很好地解决相关区域层面统计数据缺乏的问题[29]。因此利用夜间灯光数据研究多维贫困逐渐引起学者的关注,已有学者采用夜间灯光数据对中国县域多维贫困进行识别[30],发现其能够较为准确地识别空间贫困,实现多维贫困动态监测[31]。因此,本研究引入夜间灯光数据实现2012—2019年以西南地区国家级贫困县（以下简称贫困县）为研究对象的多维贫困测度,在此基础上探讨旅游发展对多维贫困的影响及其机制。

2 研究区域与数据来源

2.1 研究区域

西南地区位于中国的西南部,包括贵州、重庆、云南和四川三省一市。地形条件极为复杂,以高原、山地、丘陵为主,地势横跨三级阶梯[32],生态环境脆弱,旱灾、洪涝、冰雹等自然灾害频发,致使地区经济发展水平低,分布有全国近一半的集中连片特困区,贫困人口众多,贫困程度较深。2019年区域总人口1.99亿人,其中农村人口0.92亿人,人均GDP低于全国平均水平22.00%,农民人均可支配收入比全国平均水平低2906元。但境内旅游资源丰富,有14处世界级遗产地,占我国世界遗产总量的四分之一,具备旅游业发展的优越条件,通过发展旅游摆脱贫困成为西南贫困地区发展的重要路径。
以西南地区贫困县为研究案例地,探究旅游发展对多维贫困的影响。对位于西南地区的173个国家级贫困县数据进行筛选,选取2012—2019年旅游发展数据完整的98个贫困县为研究对象,样本数量占研究区贫困县总数的56.65%（图1）。西南地区贫困县旅游收入占GDP的比重逐年上升,2019年超过40%,旅游业已成为推动贫困县经济社会发展和消除贫困的有效手段,为2020年全面脱贫做出较大贡献,因此以西南地区为旅游发展对多维贫困影响研究的案例地具有一定的典型性。
图1 2012年西南地区98个贫困县空间分布

注：该图基于自然资源部标准地图服务网站下载的审图号为GS(2016)1605号的标准地图制作,底图无修改。

Fig. 1 Spatial distribution of 98 poor counties in Southwest China in 2012

2.2 数据来源

本研究使用的数据有夜间灯光数据、旅游发展数据及经济、教育、医疗和社会保障数据等（表1）,结合夜间灯光数据的可获得性,以2012年为研究期首年,2019年为末年,进行多维贫困测度,并探究贫困县旅游发展对多维贫困的影响。对于经济指标数据,以2012年为基期,使用贫困县所属省份的GDP平减指数计算不变价[33]。
表1 数据来源

Tab. 1 Data resources

数据名称 时段/年 数据来源
夜间灯光数据 2012—2019 美国国家地球物理数据中心（https://www.ngdc.noaa.gov/）
旅游数据 2012—2019 贵州、重庆、云南、四川统计年鉴（2013—2020年）[34]、98个贫困县国民经济和社会发展统计公报（2012—2019年）、政府工作报告（2013—2020年）
经济数据、教育数据、
医疗数据、社会保障数据		 2012—2019 《中国县域统计年鉴》（2013—2020年）[35]、重庆统计年鉴（2013—2020年）[34]

3 研究方法

3.1 研究设计

本研究的分析步骤如下：首先,引入NPP/VIIRS遥感卫星影像空间数据,选择重庆为样本区,建立夜间灯光指数和综合发展指数（包括经济、教育、医疗和社会保障4个维度）的关系模型,测度多维贫困,并对模型精度进行检验;其次,采用变异系数和泰尔指数对贫困县的旅游发展和多维贫困的时空变化进行分析;最后,基于GWR模型从时间和空间2个角度分析贫困县旅游多维减贫效应及影响机制（图2）。研究结果有助于揭示县域尺度旅游发展和多维贫困的关系,可为中国旅游扶贫战略实施尤其是2020年后预防返贫提供参考。
图2 西南地区县域旅游多维减贫效应研究框架

Fig. 2 Research framework of tourism multi-dimensional poverty alleviation effect at county level in Southwest China

3.2 基于NPP/VIIRS提取夜间灯光指数

目前DMSP/OLS和NPP/VIIRS获取的夜间灯光影像是监测地球表面上人类社会经济活动和自然现象的主要数据源[36]。与DMSP/OLS夜间灯光影像数据相比,NPP/VIIRS影像具有以下4个优点：① 影像空间分辨率约为500 m,比DMSP/OLS的空间分辨率更高;② 经过在轨定标,不存在过度饱和等问题;③ 数据时间包括2012年及以后,具有更强的时效性[37];④ 估算社会经济指标的拟合能力优于DMSP/OLS[38]。因此,本研究获取2012—2019年NPP/VIIRS夜间灯光影像,对月度数据进行预处理,得到长时间序列的年度夜间灯光数据。
基于ArcGIS 10.2软件对夜间灯光影像进行预处理,具体流程如下：① 将所有月度影像数据变换投影坐标系为兰伯特等面积投影坐标系[39],采用最临近法空间重采样使空间分辨率为0.5 km;② 以贵州、重庆、云南和四川的县级行政边界矢量数据为掩膜对影像进行裁剪,并使用栅格计算器将每一年的月度数据按平均值合成为年度数据[37];③ 对于得到的年度夜间灯光影像数据进行异常值处理,参考潘竟虎等的研究,将原始夜间灯光数据中负值替换为0值,并选取每一年经济发达城市上海市域范围内灯光亮度的最大值作为对应年份的最大阈值,将大于最大阈值的像元赋值为最大阈值,以剔除异常值[30],从而获得2012—2019年NPP/VIIRS年度夜间灯光影像数据。
夜间灯光总量和平均夜间灯光强度能反映区域的灯光亮度,因此使用夜间灯光总量和平均夜间灯光强度表征夜间灯光指数,夜间灯光总量为所有像元亮度值的总和,平均夜间灯光强度使用夜间灯光总量除以像元总数的比值来表示,利用预处理后的NPP/VIIRS年度夜间灯光影像提取夜间灯光指数。

3.3 基于统计数据计算综合发展指数

多维贫困理论认为贫困不仅包括收入低下,还包括教育、健康、医疗等方面基本可行能力的缺失。基于多维贫困理论,结合我国脱贫攻坚战略中“两不愁,三保障”的脱贫标准,依据科学性、全面性、数据可得性等原则,建立包括经济、教育、医疗和社会保障4个维度的多维贫困测度指标体系 （表2）。考虑到利用多个指标数据计算综合发展指数时,如果指标之间存在共线性,会造成指标数量多却无法客观表征综合发展指数的情况,而相互独立且能够反映总体信息的指标更加合理,因此对指标进行多重共线性分析,显示方差膨胀因子VIF<7.5,表明指标不存在共线性。根据4个维度的指标数据构建综合发展指数,表征综合发展水平。使用加入时间变量的熵值法[40]计算多维贫困各个指标的权重,熵值法根据数据本身的特性确定权重,减少了人为因素的干扰,计算结果较为客观[41]。根据指标权重和标准化数值计算综合发展指数,公式如下：
H = ∑ i = 1 8 W i X i
式中： H为综合发展指数; W i为第 i个指标的权重; X i为第 i个指标的标准化值。
表2 西南地区县域多维贫困维度及指标

Tab. 2 Dimensions and factors of multidimensional poverty at the county level in Southwest China

维度 相关指标 指标释义及计算方法 单位 权重
经济 人均GDP[42] 地区生产总值/年末总人口 元 0.21
人均地方财政收入[43] 地方财政一般预算收入/年末总人口 元 0.29
农村居民人均纯收入[44] 反映农村居民的平均收入水平 元 0.10
教育 人均普通中学在校学生数[19] 普通中学在校学生数/年末总人口 人/万人 0.01
人均普通小学在校学生数[45] 普通小学在校学生数/年末总人口 人/万人 0.07
医疗 人均医院、卫生院床位数[43] 医院、卫生院床位数/年末总人口 床/万人 0.12
社会保障 人均社会收养性单位个数[45] 社会收养性单位个数/年末总人口 个/万人 0.11
人均社会收养性单位床位数[46] 社会收养性单位床位数/年末总人口 床/万人 0.08

3.4 构建多维贫困测度模型及精度检验

选择重庆各区县作为样本区域,建立夜间灯光指数与综合发展指数的关系模型,即多维贫困测度模型。选择重庆的原因主要有2点：① 重庆各区县经济社会发展水平差异较大[30],既有经济发展水平较高的地区,也有约三分之一的区县因经济发展薄弱被列入国家集中连片特困区,明显的经济社会发展空间差异能反映西南地区的贫困空间差异,得到更加合理的测度模型;② 相对于西南地区其他省份而言,重庆各区县经济、教育、医疗、社会保障、旅游等统计数据较为完整,有利于构建多维贫困指标体系,并将基于统计数据计算的综合发展指数与基于夜间灯光数据模拟的综合发展指数进行比照和精度检验。然后,将基于二者的关系模型应用于统计数据相对不完整的贵州、云南、四川,测度多维贫困。
模型建立步骤如下：① 分别计算2012—2019年重庆夜间灯光总量和平均夜间灯光强度;② 将二者分别与综合发展指数进行数据拟合,为提高拟合的精度,运用线性、指数、多项式、对数等多种回归模型进行拟合,并比较其拟合优度。结果发现2种夜间灯光指数与综合发展指数采用二次多项式回归模型拟合效果最好,且平均夜间灯光强度与综合发展指数的拟合效果优于夜间灯光总量（表3）。因此,选择平均夜间灯光强度作为表征夜间灯光的指标,以平均夜间灯光强度作为自变量,综合发展指数作为因变量,采用二次多项式回归模型建立二者的关系模型,作为2012—2019年的多维贫困测度模型。研究期间多维贫困测度模型的拟合优度 R 2范围是0.714~0.876,拟合优度较高;对模型进行方差分析得到P<0.01,均通过1%的显著性水平检验,表明测度模型具有统计学意义,平均夜间灯光强度和综合发展指数之间存在相关关系。
表3 2012—2019年重庆市夜间灯光指数与综合发展指数的回归模型结果比较

Tab. 3 Comparison of regression results between night light index and comprehensive development index of Chongqing from 2012 to 2019

年份 平均夜间灯光强度R2 夜间灯光总量R2
线性 指数 对数 多项式 线性 指数 对数 多项式
2012 0.660 0.616 0.671 0.714 0.318 0.252 0.338 0.369
2013 0.786 0.736 0.806 0.847 0.424 0.320 0.450 0.490
2014 0.809 0.757 0.863 0.876 0.441 0.311 0.496 0.544
2015 0.783 0.736 0.823 0.837 0.421 0.306 0.366 0.518
2016 0.789 0.722 0.836 0.853 0.500 0.327 0.546 0.641
2017 0.784 0.708 0.829 0.840 0.246 0.183 0.279 0.319
2018 0.787 0.726 0.824 0.835 0.317 0.206 0.414 0.466
2019 0.801 0.753 0.817 0.830 0.242 0.149 0.351 0.429
为确保基于夜间灯光数据计算综合发展指数的可靠性,将其与基于统计数据计算的综合发展指数进行比照,计算相对误差和平均相对误差：
R E = M P I 1 - M P I 2 M P I 2 × 100 %
A R E = ∑ i = 1 n R E i n
式中：RE为相对误差;ARE为平均相对误差; M P I 1为某区域基于夜间灯光指数计算的综合发展指数; M P I 2为某区域基于社会经济统计数据计算的综合发展指数;n是研究区域贫困县的个数。

3.5 构建旅游发展指数

同样基于熵值法,使用旅游总收入和旅游接待总人数2个指标[47]构建旅游发展指数,表征旅游发展水平,旅游发展指数越高表明区域的旅游发展水平越高。计算步骤如下：
（1）无量纲化处理。由于各指标的量纲和数量级存在差异,需进行标准化处理。本研究所选取的指标均为正向指标,故采用正向指标的标准化处理方法。研究时期共8年,以2012年为第1年,2013年为第2年,以此类推,对第t年第i个县的第j个指标的计算公式为：
X i j t ' = X i j t - M i n X i j t M a x X i j t - M i n X i j t ( i = 1 , … , m ; j = 1 , … , n ; t = 1 , … , 8 )
式中： X i j t为指标初始值; X i j t '为标准化值;m为县域个数;n为指标个数。
（2）计算第t年j指标下i县所占比重 P i j t。
P i j t = X i j t ' ∑ t = 1 8 ∑ i = 1 m X i j t ' ( i = 1 , … , m ; j = 1 , … , n )
（3）计算j指标的信息熵 E j。
E j = - k ∑ t = 1 8 ∑ i = 1 m P i j t l n P i j t
式中： k = 1 / l n ( m × t ); P i j t ≥ 0;假设当 P i j t = 0时, P i j t l n P i j t = 0。
（4）计算指标权重 W j。
W j = ( 1 - E j ) / n - ∑ j = 1 n E j
（5）计算旅游发展指数 H i t。
H i t = ∑ j = 1 n W j X i j t '

3.6 变异系数和泰尔指数

采用变异系数和泰尔指数分析贫困县旅游发展和多维贫困的区域差异及其时空变化特征。由于人口问题如数量增长、受教育程度较低、老龄化速度加快、养老保障需求增长等会对当地经济、教育、医疗和社会保障等方面造成压力,加剧贫困县多维贫困,因此计算泰尔指数时考虑人口比重,以反映真实的区域差异。变异系数和泰尔指数越大,区域发展空间差异越大,其计算公式分别如式（9）、式（10）所示。
C V = 1 y - 1 n ∑ i = 1 n ( y i - y - ) 2
式中： C V为变异系数;n为贫困县个数; y i为第i个县域的发展指数; y -为 y i的平均值。
T = ∑ i = 1 n y i l n y i p i
式中： T为泰尔指数;n为贫困县个数; y i为第i个县域的发展指数占全部贫困县的比重; p i为第i个县域的人口占总人口的比重。

3.7 地理加权回归

为了探究旅游发展对多维贫困的影响,使用GWR进一步分析其时空间演变特征。GWR在空间上进行局部参数估计,为研究范围内每个地理位置建立回归方程,分析变量之间的相关性,适合进行局部异质性研究[48]。模型的一般形式为：
y i = β 0 u i , v i + ∑ k = 1 n β k u i , v i x i k + ε i
式中： y i是第 i个县域的因变量解释值; u i , v i是第i个县域的地理位置; β 0 u i , v i是第i个县域的回归常数项; x i k是第i个县域的自变量解释值; β k u i , v i是 β k u , v在第i个县域的回归系数。
本研究中以旅游发展指数为自变量,综合发展指数为因变量,采用GWR模型计算回归系数,以判断旅游发展对多维贫困的影响程度。如果回归系数 β k u i , v i大于0且通过显著性检验,表明贫困县的旅游发展对多维贫困具有减缓效应,其值的大小反映贫困县旅游减贫的强度。GWR模型使用固定空间核函数,采用高斯函数法确定模型空间权重,采用赤池信息准则（Akaike Information Criterion, AIC）方法确定模型的最优带宽。GWR分析不仅能够解释西南地区不同贫困县的旅游减贫强度的大小,而且可以反映旅游减贫的空间异质性。

4 研究结果

4.1 基于夜间灯光数据的多维贫困精度检验

计算重庆市各区县基于夜间灯光数据的综合发展指数,与基于统计数据的综合发展指数相比较,通过检验相对误差的方式对精度进行评估。使用误差公式计算相对误差,得到8年平均相对误差为16.39%,年平均相对误差最大为21.21%,最小为14.14%,与潘竟虎等[30]的研究结果相似,这说明夜间灯光数据可以应用于贫困测度,且精度较高。
为了更加全面地评价多维贫困的预测精度,将相对误差分为3个级别：0~25%为高精度,25%~50%为中等精度,超过50%为错误[38],高精度说明误差较小,表明基于夜间灯光数据预测多维贫困的精度较高,中等精度表明预测误差较大,错误表明夜间灯光数据不能测度多维贫困。各年份回归模型的精度检验如表4所示。从各年份模型检验的精度来看,高精度的比例最高,8年平均值为80.07%,远高于中等精度（15.54%）和错误（4.39%）的比例。可见基于夜间灯光数据测度多维贫困具有较高的精度,在西南地区县域贫困数据缺乏的情况下,NPP/VIIRS夜间灯光影像可以作为替代的数据源测度多维贫困,在此基础上进一步对旅游发展与多维贫困的关系进行研究。
表4 2012—2019年西南地区贫困县多维贫困预测精度级别

Tab. 4 Different levels of multidimensional poverty prediction accuracies of poor counties in Southwest China from 2012 to 2019 (%)

年份 相对误差
均值		 相对误差的比例
高精度
(0~25%)		 中等精度
(25%~50%)		 错误
(>50%)
2012 21.21 67.57 18.92 13.51
2013 16.63 78.38 18.92 2.70
2014 15.65 81.08 16.22 2.70
2015 14.14 86.49 13.51 0.00
2016 15.16 83.78 16.22 0.00
2017 16.00 78.38 16.22 5.40
2018 16.08 83.78 10.81 5.41
2019 16.23 81.08 13.51 5.41

4.2 旅游发展时空变化

根据公式计算旅游发展指数,分析贫困县旅游发展水平。2012—2019年,贫困县旅游发展水平呈持续上升趋势,旅游发展指数从0.052增至0.248,发展水平提高376.92%（图3）,其中有25.51%的贫困县实现旅游发展指数年均增长率高于100%,集中分布在云南。云南旅游发展指数从2012年的0.027增加到2019年的0.151,发展水平提高459.26%,旅游发展增速最高;而贵州、重庆、四川旅游发展水平分别提高313.83%、352.66%和374.79%。
图3 2012—2019年西南地区各省市贫困县旅游发展指数变化

Fig. 3 Changes in the tourism development index of poor counties in province and cities of Southwest China from 2012 to 2019

为进一步探究西南地区贫困县旅游发展水平空间分布格局,剖析贫困县旅游发展差异,选取研究时期首年、中间年份和末年即2012、2016和2019年3个年份进行可视化分析。由于自然断点法（Jenks）使不同的分类内部相似性最大,分类之间的差异性最大,能够对相似值进行有效区分,因此采用ArcGIS 10.2自然断点法将旅游发展水平划分为高水平、一般水平和低水平3个级别（图4）。从整体上看,2012—2019年,贵州、重庆、云南和四川的旅游发展指数均值分别为0.137、0.291、0.074和0.135,重庆贫困县旅游发展水平最高,贵州、四川次之,云南贫困县最低。从县域角度看,西南地区贫困县旅游发展高水平区域主要集中在重庆和四川,2019年两地高旅游发展水平贫困县数量占比达87.50%,如四川的阆中市、南江县和重庆的武隆区、彭水县。其中武隆区旅游发展水平最高,2019年旅游发展指数为0.99,旅游总收入高达170.01亿,旅游竞争力在区域领先,旅游发展处于优势地位。而云南贫困县的旅游发展水平普遍较低,特别是滇西南地区,如景东县、墨江县、西盟县等。滇西南地区经济发展基础差,旅游资源开发水平较低,基础设施建设不完善,旅游发展潜力有待挖掘。总体来说,贫困县的旅游发展水平保持着“东高西低”的空间格局,旅游发展水平较高的贫困县主要分布在重庆。
图4 2012、2016、2019 西南地区贫困县旅游发展空间格局

注：该图基于自然资源部标准地图服务网站下载的审图号为GS(2016)1605号的标准地图制作,底图无修改。

Fig. 4 Spatial pattern of tourism development of poor counties in Southwest China in 2012, 2016 and 2019

从区域差异上看,根据变异系数和泰尔指数（图5）,2012—2019年,贫困县旅游发展水平空间差异不断缩小,变异系数从1.140减小到0.833,下降26.93%;泰尔指数从0.399减小到0.202,下降49.37%。其中云南贫困县旅游发展水平的区域差异缩小趋势更为显著,变异系数降幅高达49.86%,泰尔指数降幅高达60.05%。贵州、重庆、云南和四川贫困县的泰尔指数均值分别为0.189、0.260、0.467和0.124,表明云南贫困县旅游发展区域差异最大,四川贫困县旅游发展较为均衡。
图5 2012—2019 年西南地区各省市贫困县旅游发展水平的区域差异

Fig. 5 Regional differences in tourism development level of poor counties in province and cities of Southwest China from 2012 to 2019

4.3 多维贫困时空变化

基于NPP-VIIRS夜间灯光数据获取西南地区平均夜间灯光强度,计算贫困县综合发展指数,衡量贫困县多维贫困状况。2012—2019年,贫困县多维贫困程度总体呈持续下降趋势,综合发展指数从0.156增加到0.241,增长率为54.49%（图6）。其中,贵州多维贫困减缓的速度最快,综合发展指数提高了56.52%,而重庆、云南和四川贫困县综合发展指数分别提高55.17%、54.00%和54.81%。
图6 2012—2019 年西南地区各省市贫困县综合发展指数变化

Fig. 6 Changes in the comprehensive development index of poor counties in province and cities of Southwest China from 2012 to 2019

为探究西南地区贫困县多维贫困空间格局特征,分析贫困县综合发展水平的区域差异,采用自然断点法对3个时间节点的多维贫困状况进行等级划分,将其分为轻度贫困、中度贫困和深度贫困 3个等级（图7）。从整体来看,2012—2019年,贵州、重庆、云南和四川的综合发展指数均值分别为0.205、0.203、0.197和0.202,综合发展水平排序为贵州、重庆、四川、云南,表明云南贫困县多维贫困程度最深。从县域角度看,轻度和中度贫困县主要分布在重庆、川东地区,如四川的广安区和阆中市、重庆的万州区、秀山县等,小部分于贵州境内分散分布。而多维贫困程度较深的贫困县大部分位于云南,2019年云南深度贫困县数量占比61.40%,其中滇西南如澜沧县、景东县、镇沅县等多维贫困程度较为严重。滇西南贫困县多位于滇西边境山区集中连片特困区,自然和生态环境脆弱,经济发展滞后,交通闭塞,贫困程度相对较深。总体来说,贫困县的多维贫困程度自西向东逐渐降低,多维贫困程度较深的贫困县主要分布在云南。
图7 2012、2016、2019 年西南地区贫困县多维贫困空间格局

注：该图基于自然资源部标准地图服务网站下载的审图号为GS(2016)1605号的标准地图制作,底图无修改。

Fig. 7 Spatial pattern of multidimensional poverty of poor counties in Southwest China in 2012, 2016 and 2019

从区域差异来看,由变异系数和泰尔指数可知（图8）,2012—2019年贫困县综合发展水平的区域差异整体呈缩小趋势,变异系数从0.045减小到0.044,降幅为2.22%;泰尔指数从0.263减小到0.250,下降4.94%,表明贫困县多维贫困的区域差异趋于缩小。其中贵州多维贫困的区域差异缩小趋势较为显著,变异系数下降14.81%,泰尔指数下降幅度为13.89%。贵州、重庆、云南和四川贫困县的泰尔指数均值分别为0.197、0.096、0.164和0.332,四省市中,贫困县多维贫困的区域差异由高到低分别为四川、贵州、云南、重庆。
图8 2012—2019 年西南地区各省市贫困县综合发展水平的区域差异

Fig. 8 Regional differences in comprehensive development level of poor counties in province and cities of Southwest China from 2012 to 2019

4.4 旅游多维减贫效应时空变化分析

为了探测2012—2019年贫困县的旅游多维减贫效应及其空间分异,使用GWR模型进行分析,结果显示2012—2019年模型残差的Moran'I指数范围为0.025~0.069,空间自相关度较低,模型的拟合优度范围是0.367~0.692,AICc值与同年份OLS模型相比降幅均大于3,最优带宽指标显著改进,因此使用GWR模型进行研究具有可靠性。

4.4.1 时间变化分析

GWR模型估算的回归系数反映旅游发展对多维贫困的影响程度和作用方向,回归系数显著为正时,旅游发展指数对综合发展指数的影响呈现正相关效应,旅游发展能够缓解多维贫困。根据各区县回归结果计算四省市内贫困县回归系数的均值,作为该省市旅游减贫的影响强度（表5）,以整体分析旅游发展对多维贫困的影响,结果显示76.02%的贫困县呈现正相关效应,且通过5%的显著性检验,表明贫困县的旅游发展能够起到减贫作用,这与Croes等[49⇓-51]学者的研究结果一致。
表5 2012、2016、2019 年西南地区贫困县GWR模型回归系数的均值、标准差和变异系数

Tab. 5 Mean, standard deviation and coefficient of variation of GWR model regression coefficient of poor counties in Southwest China in 2012, 2016 and 2019

平均值 标准差 变异系数
2012年 2016年 2019年 2012年 2016年 2019年 2012年 2016年 2019年
西南地区 0.084 0.076 0.040 0.075 0.052 0.015 0.895 0.685 0.363
贵州 0.037 0.038 0.024 0.024 0.021 0.005 0.639 0.553 0.221
重庆 0.037 0.033 0.026 0.015 0.015 0.006 0.411 0.445 0.223
云南 0.096 0.087 0.041 0.090 0.060 0.013 0.940 0.690 0.316
四川 0.105 0.083 0.048 0.051 0.032 0.015 0.489 0.386 0.320
西南地区贫困县旅游多维减贫强度呈减少的趋势,回归系数均值从2012年的0.084降至2019年的0.040,年均降幅为6.55%,表明贫困县的旅游减贫速度在逐渐放缓,与何静等[43]关于旅游发展与多维贫困脱钩关系的研究结果一致。其中贵州、重庆、云南、四川贫困县的回归系数均有下降,年均降幅分别为4.55%、3.86%、7.16%和6.80%,云南降幅最大,重庆降幅最小。西南地区贫困县回归系数的标准差从0.075降至0.015,表明各县域间旅游多维减贫强度的绝对差异随时间变化明显减小。贵州、重庆、云南、四川贫困县回归系数的变异系数由0.639、0.411、0.940和0.489降至0.221、0.223、0.316和0.320,表明县域间旅游减贫强度的相对差异随时间变化趋于缩小。西南地区具有丰富的旅游资源,2012年以来,西部开发进入加速发展阶段,经济增长实现跨越,为西南地区旅游发展提供了良好的政策环境和社会经济环境,随着“精准扶贫”的提出,西南地区各级政府重视旅游资源在扶贫工作中的重要地位,改善交通运输条件,旅游发展效能得到增强[52],推动贫困县的综合发展,旅游减贫的绝对差异和相对差异逐渐缩小。

4.4.2 空间变化分析

为了更加直观地反映贫困县旅游对多维贫困影响的空间差异,对2012、2016和2019年GWR模型中自变量的回归系数进行空间可视化分析,得到回归系数的空间分布图（图9）。从县域空间分布来看,整体呈现“南北高、中间低”的分布特征,其中西南地区南部回归系数表现为自东南向西北递减的趋势,北部表现为西北向东南递减的趋势。2012、2016、2019年的回归系数最大值均在重庆市的万州区,而最小值分别在云南的福贡县、泸水市和维西县,这些贫困县处于滇西边境山区。贫困县的旅游减贫强度表现出明显的空间异质性,2012—2019年贵州、重庆、云南和四川贫困县的回归系数均值分别为0.029、0.032、0.079和0.082,表明四川贫困县旅游减贫的强度最大,其次是云南、重庆贫困县,贵州贫困县旅游减贫的效果较差。从空间分布变化来看,2012—2019年回归系数高值区主要分布在四川和云南,在四川发生自西向东的转移,在云南发生自东向西的转移。低值区的空间范围不断收缩,在云南西北部和重庆东部集中连片分布,在贵州境内则呈现出分散分布的特征。
图9 2012、2016、2019 年西南地区贫困县地理加权回归结果

注：该图基于自然资源部标准地图服务网站下载的审图号为GS(2016)1605号的标准地图制作,底图无修改。

Fig. 9 Results of GWR of poor counties in Southwest China in 2012, 2016 and 2019

总体来看,旅游减贫强度的高值区集中分布在川东、川北和滇东南地区的贫困县。川东贫困县经济发展水平相对较高,为旅游业和旅游配套设施的发展奠定了基础。川北贫困县旅游资源禀赋高,拥有九寨沟国家级自然保护区、卧龙自然保护区等知名旅游目的地,发挥旅游资源优势缓解地区多维贫困,旅游减贫效果较好。云南的滇东南贫困县交通区位条件较好,到省会城市昆明的可达时间约为 3 h,昆玉红旅游文化产业经济带通过高铁G8011、高速公路G5615等交通走廊发挥扩散效应,带动贫困县旅游发展要素的流动,因此滇东南贫困县旅游减贫处于较高水平。低值区主要分布于滇西、渝东南和黔西地区。云南滇西地区脆弱的生态环境和落后的经济发展条件制约了当地交通发展[19];贵州有92.50%的面积为山地和丘陵,交通设施建设阻碍较大,尤其是黔西地区交通可达性差,导致黔西、滇西地区贫困县旅游减贫发展较弱。重庆的渝东南贫困县经济发展基础薄弱,制约旅游扶贫的发展,使得旅游减贫作用不明显。

5 讨论

研究发现虽然部分贫困县旅游发展水平较高,却未带来更为明显的旅游减贫效果,旅游发展水平与旅游减贫强度之间不一定存在同步性。从旅游总收入占GDP比重来看,2012—2019年贵州贫困县的旅游总收入占比最高（33.70%）,高于重庆（25.97%）、云南（29.06%）和四川（28.18%）,旅游发展在国民经济发展中占有重要地位,但贵州贫困县的旅游减贫却在西南地区处于较低水平,旅游发展水平与旅游减贫强度并未同步发展。这一研究结果与已有的研究相一致,如黄渊基等[47,53]发现三亚市、凤凰县的旅游产出效益与旅游扶贫效率存在较大差距。究其原因,赵磊等认为旅游发展对贫困减缓的作用受旅游发展水平的影响,当发展水平较低时,旅游可以显著减缓农村贫困,但当旅游发展水平越过门槛值,贫困减缓效应则会减弱[54]。因此当贫困县的旅游发展水平较高,越过门槛值时,并不一定带来明显的旅游减贫效应,二者并非存在同步发展的关系。
本研究在参考相关文献基础上,从贫困县旅游减贫效应空间分异格局出发,剖析旅游减贫效应的影响因素,发现旅游减贫效应与旅游资源禀赋、经济发展水平和交通区位条件有一定的关系[55-56];因此,论文从旅游资源开发、旅游产业支撑和旅游通达性3个方面探讨旅游发展带动区域发展的方式,最终聚焦经济、教育、医疗和社会保障4个贫困维度,关注旅游对居民收入、教育环境、医疗水平和社会保障4个方面的影响结果,揭示西南地区贫困县旅游发展对多维贫困的影响机制（图10）。
图10 西南地区县域旅游多维减贫效应影响机制

Fig. 10 Mechanism of tourism multidimensional poverty reduction effect at the county level in Southwest China

旅游资源禀赋、经济发展水平和交通区位条件通过旅游资源开发、强化旅游产业支撑和提高旅游通达性等途径实现旅游发展的多维减贫。① 旅游资源禀赋是贫困地区发展旅游业的基础[57]。贫困县依托现有的旅游资源进行开发,创造具有竞争力的旅游产品吸引游客,提高旅游总收入,通过旅游收入的再分配增加贫困人口收入[58];同时,旅游收入的涓滴效应会促进贫困地区社会经济发展,带动地区教育、医疗环境的改善,为居民提供更多就业机会和社会福利[59]。② 经济发展水平影响旅游配套设施建设和旅游产业发展[60]。贫困县中,经济条件相对较好的地区旅游配套设施相对完善,供给能力强[61],为旅游业发展提供强有力的支撑。同时,旅游业是产业关联性较强的产业,随着旅游发展,地区对公共服务能力有更高的要求,注重医疗环境的改善,增加教育支出,进而减缓贫困县的多维贫困[19]。③ 交通区位条件影响游客出游和旅游产业要素的流动[62]。一方面,交通条件的改善（如高铁的快速发展、县域公路里程数的增多等）产生时空压缩效应,大大减少了游客出游的时间距离成本,扩大客源市场规模,延长游客停留时间,从而增加贫困地区的收入[56];另一方面,交通网络的发展增强了目的地各旅游节点旅游联系强度,促进劳动力、资本和技术等要素在区域间的传导与交换[63],为沿线旅游地建立合作关系提供重要契机,从而通过旅游地的联动发展带动贫困县摆脱贫困。
贫困县的旅游减贫发展受到多种因素的影响,如何在保持较高的旅游发展水平的情况下增强旅游减贫效果是需要进一步探究的问题。由于贫困县的实际情况不同,旅游扶贫发展需要结合实际情况考虑,不应过分夸大旅游减贫效果。因此,基于多维贫困视角,在大力发展旅游业的同时,应尽可能地使贫困人口获得更多的旅游发展收益,提高贫困居民的收入,而且要有针对性地增加旅游扶贫资源要素的投入,因地制宜,分类指导,注重改善教育、医疗和社会保障水平,实现旅游减贫效果的改善。
本研究引入夜间灯光数据测度多维贫困,并使用地理加权回归进一步探究贫困县的旅游多维减贫效应,能够丰富旅游扶贫研究的内容。但论文还存在以下不足：① 在测度贫困县旅游对多维贫困的影响时,仅分析了旅游发展对于地区综合发展水平的影响,未对单个维度（经济、教育、医疗、社会保障）的旅游减贫进行探讨;② 鉴于夜间灯光数据能够表征社会经济发展水平,本研究从经济、社会等维度构建多维贫困指标体系,随着贫困测度研究的逐渐深入,涵盖生态、环境和社会经济因素的地理空间贫困测度能够更加具体地反映地区贫困程度,将作为下一步研究的主要内容。

6 结论

利用夜间灯光影像可以有效地识别贫困,在县域贫困数据缺乏可比性和完整性的情况下,夜间灯光数据可以作为替代数据对贫困问题进行研究。因此,本研究基于NPP/VIIRS夜间灯光影像数据测度多维贫困,分析西南地区贫困县旅游发展和多维贫困的时空变化,进一步基于GWR探究贫困县旅游多维减贫强度及其时空分异特征。研究发现使用夜间灯光数据测度多维贫困具有较高的精度,平均夜间灯光强度与综合发展指数具有较好的拟合效果,可以为相关研究提供借鉴。
（1） 2012—2019年,西南地区贫困县旅游发展水平呈持续上升趋势,保持着“东高西低”的空间格局,旅游发展水平较高的贫困县主要分布在重庆,各省市贫困县旅游发展的区域差异趋于缩小。
（2） 2012年以来,西南地区贫困县的多维贫困程度不断改善,空间分布呈现自西向东逐渐降低的特征,多维贫困程度较深的贫困县主要分布在云南;多维贫困的区域差异不断减小,各省市区域差异由高到低分别为四川、贵州、云南、重庆。
（3）西南地区贫困县旅游发展能够缓解多维贫困,且减贫作用出现波动,整体呈现减小的趋势。兰海霞等[64]发现旅游减贫效应具有逐步收敛的边际递减的特征,本研究的结果与其相似,西南地区贫困县的旅游减贫速度放缓。因此,贫困县应该优化旅游资源配置,将旅游收益更多地惠及贫困人口的收入、教育、医疗和社会保障等方面,改善地区交通条件和旅游公共服务设施,以增强贫困县的旅游减贫作用。
（4）贫困县旅游多维减贫作用表现出明显的空间异质性,四川贫困县旅游减贫的强度最大,其次是云南、重庆贫困县,贵州贫困县旅游减贫强度较小。总体而言,高值区主要集中分布在川东、川北和滇东南地区,低值区分布于滇西、渝东南和黔西地区。高值区的旅游发展作为第三产业的重要组成部分,应充分利用自身旅游资源和交通优势,吸引资金、技术和人才集聚,培育旅游发展增长极,进而发挥辐射效应,带动周边贫困地区减缓贫困。低值区应该开发新的旅游资源,创新旅游发展模式;改善贫困县的交通运输条件,提高区域交通可达性;创新旅游扶贫方式,增强旅游发展对多维贫困减缓的效能。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
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[J]. 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[J]. Bulletin of Chinese Academy of Sciences, 2016, 31(3):269-278. ] DOI: 10.16418/j.issn.1000-3045.2016.03.001

DOI

[2]
王小林, 冯贺霞. 2020年后中国多维相对贫困标准:国际经验与政策取向[J]. 中国农村经济, 2020(3):2-21.

[ Wang X L, Feng H X. China’s multidimensional relative poverty standards in the post-2020 era: International experience and policy orientation[J]. Chinese Rural Economy, 2020(3):2-21. ]

[3]
Sen A. Commodities and capabilities[M]. Oxford: Oxford University Press, 1999.

[4]
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

[ Li X H, Zhou Y, Chen Y F. Theory and measurement of regional multidimensional poverty[J]. Acta Geographica Sinica, 2020, 75(4):753-768. ] DOI: 10.11821/dlxb202004007

DOI

[5]
Alkire S, Roche J M, Vaz A. Changes over time in multidimensional poverty: Methodology and results for 34 countries[J]. World Development, 2017, 94:232-249. DOI: 10.1016/j.worlddev.2017.01.011

DOI

[6]
Khan A U, Saboor A, Hussain A, et al. Investigating multidimensional poverty across the regions in the Sindh Province of Pakistan[J]. Social Indicators Research, 2013, 119(2):515-532. DOI: 10.1007/s11205-013-0511-8

DOI

[7]
Bérenger V. Using ordinal variables to measure multidimensional poverty in Egypt and Jordan[J]. The Journal of Economic Inequality, 2017, 15(2):143-173. DOI: 10.1007/s10888-017-9349-7

DOI

[8]
刘艳华, 徐勇. 中国农村多维贫困地理识别及类型划分[J]. 地理学报, 2015, 70(6):993-1007.

DOI

[ Liu Y H, Xu Y. Geographical identification and classification of multi-dimensional poverty in rural China[J]. Acta Geographica Sinica, 2015, 70(6):993-1007. ] DOI: 10.11821/dlxb201506012

DOI

[9]
Yu J. Multidimensional poverty in China: Findings based on the CHNS[J]. Social Indicators Research, 2013, 112(2):315-336. DOI: 10.1007/s11205-013-0250-x

DOI

[10]
陈烨烽, 王艳慧, 赵文吉, 等. 中国贫困村致贫因素分析及贫困类型划分[J]. 地理学报, 2017, 72(10):1827-1844.

DOI

[ Chen Y F, Wang Y H, Zhao W J, et al. Contributing factors and classification of poor villages in China[J]. Acta Geographica Sinica, 2017, 72(10):1827-1844. ] DOI: 10.11821/dlxb201710008

DOI

[11]
Hanandita W, Tampubolon G. Multidimensional poverty in Indonesia: Trend over the last decade (2003-2013)[J]. Social Indicators Research, 2016, 128(2):559-587. DOI: 10.1007/s11205-015-1044-0

DOI PMID

[12]
Liu Y, Xu Y. A geographic identification of multidimensional poverty in rural China under the framework of sustainable livelihoods analysis[J]. Applied Geography, 2016, 73:62-76. DOI: 10.1016/j.apgeog.2016.06.004

DOI

[13]
施琳娜, 文琦. 相对贫困视角下的精准扶贫多维减贫效应研究——以宁夏彭阳县为例[J]. 地理研究, 2020, 39(5):1139-1151.

DOI

[ Shi L N, Wen Q. Effects of the targeted poverty alleviation policy on poverty reduction from the perspective of relative poverty in Loess Plateau[J]. Geographical Research, 2020, 39(5):1139-1151. ] DOI: 10.11821/dlyj020181292

DOI

[14]
徐庆颖, 陶卓民, 李涛, 等. 中国旅游扶贫研究评述[J]. 南京师大学报(自然科学版), 2017, 40(3):151-158.

[ Xu Q Y, Tao Z M, Li T, et al. Research of tourism eliminating poverty in China based on literature review[J]. Journal of Nanjing Normal University(Natural Science Edition), 2017, 40(3):151-158. ] DOI: 10.3969/j.issn.1001-4616.2017.03.023

DOI

[15]
Winter T, Kim S. Exploring the relationship between tourism and poverty using the capability approach[J]. Journal of Sustainable Tourism, 2020, 29(10):1655-1673. DOI: 10.1080/09669582.2020.1865385

DOI

[16]
Puig-Cabrera M, Foronda-Robles C. The phenomenon of tourism poverty trap: Is it possible that tourism breaks the vicious circle of poverty in emerging destinations?[J]. Journal of Poverty, 2020, 24(4):334-353. DOI: 10.1080/10875549.2020.1716916

DOI

[17]
Scheyvens R, Hughes E. Can tourism help to “end poverty in all its forms everywhere”? The challenge of tourism addressing SDG1[J]. Journal of Sustainable Tourism, 2019, 27(7):1061-1079. DOI: 10.1080/09669582.2018.1551404

DOI

[18]
王振波, 梁龙武, 褚昕阳, 等. 青藏高原旅游经济与生态环境协调效应测度及交互胁迫关系验证[J]. 地球信息科学学报, 2019, 21(9):1352-1366.

DOI

[ Wang Z B, Liang L W, Chu X Y, et al. Examining the coordination effect and interactive stress between tourism economy and eco-environment in the Tibetan Plateau[J]. Journal of Geo-information Science, 2019, 21(9):1352-1366. ] DOI: 10.12082/dqxxkx.2019.190279

DOI

[19]
穆学青, 郭向阳, 明庆忠. 多维贫困视角下县域旅游扶贫效率时空演化及影响机理——以云南25个边境县(市)为例[J]. 经济地理, 2020, 40(12):199-210.

[ Mu X Q, Guo X Y, Ming Q Z. The spatio-temporal evolution and impact mechanism of county tourism poverty alleviation efficiency from the perspective of multidimensional poverty: A case study of 25 border counties(cities)in Yunnan Province[J]. Economic Geography, 2020, 40(12):199-210. ] DOI: 10.15957/j.cnki.jjdl.2020.12.023

DOI

[20]
汪侠, 甄峰, 沈丽珍, 等. 基于贫困居民视角的旅游扶贫满意度评价[J]. 地理研究, 2017, 36(12):2355-2368.

DOI

[ Wang X, Zhen F, Shen L Z, et al. Evaluation of poor resident's satisfaction with tourism poverty alleviation[J]. Geographical Research, 2017, 36(12):2355-2368. ] DOI: 10.11821/dlyj201712007

DOI

[21]
Jiang M, DeLacy T, Mkiramweni N P, et al. Some evidence for tourism alleviating poverty[J]. Annals of Tourism Research, 2011, 38(3):1181-1184. DOI: 10.1016/j.annals.2011.03.019

DOI

[22]
李东, 孙东琪. 2010—2016年中国多维贫困动态分析——基于中国家庭跟踪调查(CFPS)数据的实证研究[J]. 经济地理, 2020, 40(1):41-49.

[ Li D, Sun D Q. Dynamic analysis of multidimensional poverty in China from 2010 to 2016: Based on Chinese Family Panel Studies(CFPS)[J]. Economic Geography, 2020, 40(1):41-49. ] DOI: 10.15957/j.cnki.jjdl.2020.01.005

DOI

[23]
Rakotondramaro H, Andriamasy L. Multivariate Granger Causality among tourism, poverty and growth in Madagascar[J]. Tourism Management Perspectives, 2016, 20:109-111. DOI: 10.1016/j.tmp.2016.08.005

DOI

[24]
夏春萍, 雷欣悦, 王翠翠. 我国农村多维贫困的空间分布特征及影响因素分析——基于31省的多维贫困测度[J]. 中国农业大学学报, 2019, 24(8):229-238.

[ Xia C P, Lei X Y, Wang C C. Analysis of the spatial distribution characteristics and influencing factors of multidimensional poverty in rural China: Based on a multinimensional poverty measurement of 31 provinces[J]. Journal of China Agricultural University, 2019, 24(8):229-238. ] DOI: 10.11841/j.issn.1007-4333.2019.08.24

DOI

[25]
金贵, 邓祥征, 董寅, 等. 发展地理学视角下中国多维贫困测度及时空交互特征[J]. 地理学报, 2020, 75(8):1633-1646.

DOI

[ Jin G, Deng X Z, Dong Y, et al. China's multidimensional poverty measurement and its spatio-temporal interaction characteristics in the perspective of development geography[J]. Acta Geographica Sinica, 2020, 75(8):1633-1646. ] DOI: 10.11821/dlxb202008006

DOI

[26]
Elvidge C D, Baugh K E, Howard A T, et al. Can poverty rates be estimated using satellite data?[C]// 2007 Urban Remote Sensing Joint Event. IEEE, 2007:1-4. DOI: 10.1109/URS.2007.371761

DOI

[27]
胡云锋, 赵冠华, 张千力. 基于夜间灯光与LUC数据的川渝地区人口空间化研究[J]. 地球信息科学学报, 2018, 20(1):68-78.

DOI

[ Hu Y F, Zhao G H, Zhang Q L. Spatial distribution of population data based on nighttime light and LUC data in the Sichuan-Chongqing Region[J]. Journal of Geo-information Science, 2018, 20(1):68-78. ] DOI: 10.12082/dqxxkx.2018.170224

DOI

[28]
曾冰, 邱志萍. 省际交界区经济网络空间结构研究——以湘鄂赣的灯光数据为实证[J]. 财经科学, 2018(11):110-121.

[ Zeng B, Qiu Z P. Study on the spatial structure of economic network in inter-provincial boundary area: Based on nighttime light data of Hunnan-Hubei-Jiangxi[J]. Finance & Economics, 2018(11):110-121. ]

[29]
余柏蒗, 王丛笑, 宫文康, 等. 夜间灯光遥感与城市问题研究:数据,方法,应用和展望[J]. 遥感学报, 2021, 25(1):342-364.

[ Yu B L, Wang C X, Gong W K, et al. Nighttime light remote sensing and urban studies: Data, methods, applications, and prospects[J]. National Remote Sensing Bulletin, 2021, 25(1):342-364. ] DOI: 10.11834/jrs.20211018

DOI

[30]
潘竟虎, 胡艳兴. 基于夜间灯光数据的中国多维贫困空间识别[J]. 经济地理, 2016, 36(11):124-131.

[ Pan J H, Hu Y X. Spatial identification of multidimensional poverty in China based on nighttime light remote sensing data[J]. Economic Geography, 2016, 36(11):124-131. ] DOI: 10.15957/j.cnki.jjdl.2016.11.017

DOI

[31]
潘竟虎, 赵宏宇, 董磊磊. 基于DMSP-OLS数据和可持续生计的中国农村多维贫困空间识别[J]. 生态学报, 2018, 38(17):6180-6193.

[ Pan J H, Zhao H Y, Dong L L. Spatial identification of multi-dimensional poverty in rural China by using nighttime light and sustainable livelihoods[J]. Acta Ecologica Sinica, 2018, 38(17):6180-6193. ] DOI: 10.5846/stxb201709101627

DOI

[32]
熊俊楠, 李进, 程维明, 等. 西南地区山洪灾害时空分布特征及其影响因素[J]. 地理学报, 2019, 74(7):1374-1391.

DOI

[ Xiong J N, Li J, Cheng W M, et al. Spatial-temporal distribution and the influencing factors of mountain flood disaster in southwest China[J]. Acta Geographica Sinica, 2019, 74(7):1374-1391. ] DOI: 10.11821/dlxb201907008

DOI

[33]
周霓, 熊爱华. 基于面板数据的旅游经济效应空间分异及优化研究——以山东省为例[J]. 地理科学, 2016, 36(2):289-295.

DOI

[ Zhou N, Xiong A H. A panel data study on the spatial dissimilarity of tourism economic effect and improvement measures: Taking Shandong province as a case[J]. Scientia Geographica Sinica, 2016, 36(2):289-295. ] DOI: 10.13249/j.cnki.sgs.2016.02.016

DOI

[34]
国家统计局. 贵州统计年鉴,重庆统计年鉴,云南统计年鉴, 四川统计年鉴[M]. 北京: 中国统计出版社, 2013-2020.

[National Statistical Burear. Guizhou Statistical Yearbook, Chongqing Statistical Yearbook, Yunnan Statistical Yearbook, Sichuan Statistical Yearbook[M]. Beijing: China Statistical Publishing House, 2013-2020. ]

[35]
国家统计局. 中国县域统计年鉴[M]. 北京: 中国统计出版社, 2013-2020.

[National Statistical Burear. China Statistical Yearbook(County-Level)[M]. Beijing: China Statistical Publishing House, 2013-2020. ]

[36]
梁丽, 边金虎, 李爱农, 等. 中巴经济走廊DMSP/OLS与NPP/VIIRS夜光数据辐射一致性校正[J]. 遥感学报, 2020, 24(2):149-160.

[ Liang L, Bian J H, Li A N, et al. Consistent intercalibration of nighttime light data between DMSP/OLS and NPP/VIIRS in the China-Pakistan Economic Corridor[J]. Journal of Remote Sensing(Chinese), 2020, 24(2):149-160. ] DOI: 10.11834/jrs.20208241

DOI

[37]
曾冰. 基于NPP/VIIRS夜间灯光数据的湘鄂赣省际交界区县域经济空间格局及影响因素[J]. 地理科学, 2020, 40(6):900-907.

DOI

[ Zeng B. Spatial pattern evolution and influencing factors of county-level economy of border regions in Hunan-Hubei-Jiangxi based on nighttime light data[J]. Scientia Geographica Sinica, 2020, 40(6):900-907. ] DOI: 10.13249/j.cnki.sgs.2020.06.005

DOI

[38]
Li X, Xu H, Chen X, et al. Potential of NPP-VIIRS nighttime light imagery for modeling the regional economy of China[J]. Remote Sensing, 2013, 5(6):3057-3081. DOI: 10.3390/rs5063057

DOI

[39]
曹子阳, 吴志峰, 匡耀求, 等. DMSP/OLS夜间灯光影像中国区域的校正及应用[J]. 地球信息科学学报, 2015, 17(9):1092-1102.

DOI

[ Cao Z Y, Wu Z F, Kuang Y Q, et al. Correction of DMSP/OLS night-time light images and its application in China[J]. Journal of Geo-information Science, 2015, 17(9):1092-1102. ] DOI: 10.3724/SP.J.1047.2015.01092

DOI

[40]
杨丽, 孙之淳. 基于熵值法的西部新型城镇化发展水平测评[J]. 经济问题, 2015(3):115-119.

[ Yang L, Sun Z C. The development of western new type urbanization level evaluation based on Entropy method[J]. On Economics Problems, 2015(3):115-119. ] DOI: 10.16011/j.cnki.jjwt.2015.03.023

DOI

[41]
陈明星, 陆大道, 张华. 中国城市化水平的综合测度及其动力因子分析[J]. 地理学报, 2009, 64(4):387-398.

[ Chen M X, Lu D D, Zhang H. Comprehensive evaluation and the driving factors of China's urbanization[J]. Acta Geographica Sinica, 2009, 64(4):387-398. ] DOI: 10.11821/xb200904001

DOI

[42]
刘新梅, 韩林芝, 郑江华, 等. 贫困县多维综合贫困度时空分异特征及其驱动机制——以南疆四地州深度贫困地区贫困县为例[J]. 经济地理, 2019, 39(7):165-174.

[ Liu X M, Han L Z, Zheng J H, et al. Temporal-spatial characteristics and the driving mechanism of multidimensional comprehensive poverty degree in poverty-stricken counties: A case study of poor counties in deep poverty-stricken areas of Southern Xinjiang[J]. Economic Geography, 2019, 39(7):165-174. ] DOI: 10.15957/j.cnki.jjdl.2019.07.019

DOI

[43]
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[J]. 地理研究, 2019, 38(5):1189-1207.

DOI

[ 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[J]. Geographical Research, 2019, 38(5):1189-1207. ] DOI: 10.11821/dlyj020171246

DOI

[44]
杨龙, 李宝仪, 赵阳, 等. 农业产业扶贫的多维贫困瞄准研究[J]. 中国人口·资源与环境, 2019, 29(2):134-144.

[ Yang L, Li B Y, Zhao Y, et al. Multidimensional poverty targeting of agricultural poverty alleviation through industrialization[J]. China Population, Resources and Environment, 2019, 29(2):134-144. ] DOI: 10.12062/cpre.20180927

DOI

[45]
杨帆, 陈凌珠, 庄天慧, 等. 可持续生计视阈下县域多维贫困测度与时空演化研究——以四川藏区行政区划县为例[J]. 软科学, 2017, 31(10):38-42.

[ Yang F, Chen L Z, Zhuang T H, et al. Study on multidimensional poverty measurement and spatio-temporal evolution based on the Sustainable Livelihood Framework: Take Sichuan Tibetan areas counties as an example[J]. Soft Science, 2017, 31(10):38-42. ] DOI: 10.13956/j.ss.1001-8409.2017.10.09

DOI

[46]
王艳慧, 钱乐毅, 陈烨烽, 等. 生态贫困视角下的贫困县多维贫困综合度量[J]. 应用生态学报, 2017, 28(8):2677-2686.

DOI

[ Wang Y H, Qian L Y, Chen Y F, et al. Multidimensional and comprehensive poverty measurement of poverty-stricken counties from the perspective of ecological poverty[J]. Chinese Journal of Applied Ecology, 2017, 28(8):2677-2686. ] DOI: 10.13287/j.1001-9332.201708.003

DOI

[47]
黄渊基. 连片特困地区旅游扶贫效率评价及时空分异——以武陵山湖南片区20个县(市、区)为例[J]. 经济地理, 2017, 37(11):229-235.

[ Huang Y J. The efficiency evaluation and spatio-temporal differentiation of tourism poverty alleviation in extremely difficult areas: A case study of 20 counties in Wuling Mountain Area of Hunan provice[J]. Economic Geography, 2017, 37(11):229-235. ] DOI: 10.15957/j.cnki.jjdl.2017.11.028

DOI

[48]
卢宾宾, 葛咏, 秦昆, 等. 地理加权回归分析技术综述[J]. 武汉大学学报·信息科学版, 2020, 45(9):1356-1366.

[ Lu B B, Ge Y, Qin K, et al. A summary on Geographically Weighted Regression[J]. Geomatics and Information Science of Wuhan University, 2020, 45(9):1356-1366. ] DOI: 10.13203/j.whugis20190346

DOI

[49]
Croes R. The role of tourism in poverty reduction: An empirical assessment[J]. Tourism Economics, 2014, 20(2):207-226. DOI: 10.5367/te.2013.0275

DOI

[50]
Banerjee O, Cicowiez M, Gachot S. A quantitative framework for assessing public investment in tourism: An application to Haiti[J]. Tourism Management, 2015, 51:157-173. DOI: 10.1016/j.tourman.2015.05.015

DOI

[51]
Anderson W. Cultural tourism and poverty alleviation in rural Kilimanjaro, Tanzania[J]. Journal of Tourism and Cultural Change, 2014, 13(3):208-224. DOI: 10.1080/14766825.2014.935387

DOI

[52]
赖水平. 西南贫困地区“交通+旅游+扶贫”探究[J]. 广西民族大学学报(哲学社会科学版), 2019, 41(3):73-78.

[ Lai S P. Research on model of traffic+tourism+poverty alleviation in the poverty-stricken areas of Southwestern China[J]. Journal of Guangxi University for Nationalities(Philosophy and Social Science Edition), 2019, 41(3):73-78. ]

[53]
鄢慧丽, 王强, 熊浩, 等. 海南省少数民族地区旅游扶贫效率测度与时空演化分析[J]. 中国软科学, 2018(8):63-76.

[ Yan H L, Wang Q, Xiong H, et al. Research on the measurement of tourism poverty alleviation efficiency and its spatial-temporal evolution in Hainan’s Ethnic Minority areas[J]. China Soft Science, 2018(8):63-76. ] DOI: 10.3969/j.issn.1002-9753.2018.08.007

DOI

[54]
赵磊, 张晨. 旅游减贫的门槛效应及其实证检验——基于中国西部地区省际面板数据的研究[J]. 财贸经济, 2018, 39(5):130-145.

[ Zhao L, Zhang C. Threshold effect and empirical test of tourism on poverty alleviation: Based on provincial panel data in Western China[J]. Finance & Trade Economics, 2018, 39(5):130-145. ] DOI: 10.3969/j.issn.1002-8102.2018.05.009

DOI

[55]
田雅娟, 刘强. 中国旅游业发展对农村贫困减缓的效应及其影响因素[J]. 旅游学刊, 2020, 35(6):40-49.

[ Tian Y J, Liu Q. Effect of China's tourism industry development and influencing factors on reducing rural poverty[J]. Tourism Tribune, 2020, 35(6):40-49. ] DOI: 10.19765/j.cnki.1002-5006.2020.06.009

DOI

[56]
郭鲁芳, 李如友. 旅游减贫效应的门槛特征分析及实证检验——基于中国省际面板数据的研究[J]. 商业经济与管理, 2016(6):81-91.

[ Guo L F, Li R Y. Analysis on the threshold effect of tourism development on poverty alleviation and relevant empirical test: Based on the province panel data in China[J]. Journal of business economics, 2016(6):81-91. ] DOI: 10.14134/j.cnki.cn33-1336/f.2016.06.009

DOI

[57]
党红艳, 金媛媛. 旅游精准扶贫效应及其影响因素消解——基于山西省左权县的案例分析[J]. 经济问题, 2017(6):108-113.

[ Dang H Y, Jin Y Y. Analysis on the effect of pro-poor tourism and its influencing factors: Zuoquan county in Shanxi province as an example[J]. On Economic Problems, 2017(6):108-113. ] DOI: 10.16011/j.cnki.jjwt.2017.06.021

DOI

[58]
李如友, 郭鲁芳. 旅游减贫效应之辩——一个文献综述[J]. 旅游学刊, 2017, 32(6):28-37.

[ Li R Y, Guo L F. The effect of tourism development on poverty alleviation: A literature review[J]. Tourism Tribune, 2017, 32(6):28-37. ] DOI: 10.3969/j.issn.1002-5006.2017.06.008

DOI

[59]
Zhao W, Ritchie J R B. Tourism and poverty alleviation: An integrative research framework[J]. Current Issues in Tourism, 2007, 10(2/3): 119-143. DOI: 10.2167/cit296.0

DOI

[60]
王兆峰, 余含. 西南地区旅游业发展的区域响应差异分析[J]. 地理科学, 2013, 33(3):322-328.

DOI

[ Wang Z F, Yu H. Disparity of regional response of tourism industry in Southwest China[J]. Scientia Geographica Sinica, 2013, 33(3):322-328. ] DOI: 10.13249/j.cnki.sgs.2013.03.011

DOI

[61]
汪德根, 陈田. 中国旅游经济区域差异的空间分析[J]. 地理科学, 2011, 31(5):528-536.

[ Wang D G, Chen T. Spatial analysis for regional difference of tourism economy in China[J]. Scientia Geographica Sinica, 2011, 31(5):528-536. ] DOI: 10.13249/j.cnki.sgs.2011.05.003

DOI

[62]
汪德根, 陈田, 陆林, 等. 区域旅游流空间结构的高铁效应及机理——以中国京沪高铁为例[J]. 地理学报, 2015, 70(2):214-233.

DOI

[ Wang D G, Chen T, Lu L, et al. Mechanism and HSR effect of spatial structure of regional tourist flow: Case study of Beijing-Shanghai HSR in China[J]. Acta Geographica Sinica, 2015, 70(2):214-233. ] DOI: 10.11821/dlxb201502004

DOI

[63]
郭向阳, 穆学青, 明庆忠, 等. 旅游地交通服务功能与旅游强度协调时空分异特征——以云南省为例[J]. 自然资源学报, 2020, 35(6):1425-1444.

[ Guo X Y, Mu X Q, Ming Q Z, et al. Spatial and temporal differentiation characteristics of transportation service function and tourism intensity coordination: A case study of Yunnan province[J]. Journal of Natural Resources, 2020, 35(6):1425-1444. ] DOI: 10.31497/zrzyxb.20200615

DOI

[64]
兰海霞, 赵雪雁. 基于面板门槛模型的中国旅游发展减贫效应研究[J]. 干旱区地理, 2020, 43(1):248-259.

[ Lan H X, Zhao X Y. Poverty alleviation effect of China's tourism development based on panel threshold model[J]. Arid Land Geography, 2020, 43(1):248-259. ] DOI: 10.12118/j.issn.1000-6060.2020.01.28

DOI

Options
文章导航

/

〈 〉