基于可持续生计的精准扶贫分析方法及应用研究——以四川凉山彝族自治州为例

Measurement of rural poverty alleviation sustainability and return-to-poverty risk identification in Qinling-Bashan Mountains:A case study of Chengkou County, Chongqing Municipality

“…第 2 期 郭倩 等：秦巴山区村域稳定脱贫测度及返贫防控风险识别 实践界反贫困推进程度密不可分， 大致可分为 3 类： ① 反贫困初期， 即开发式扶贫和全面扶贫时期对贫 困概念及内涵的界定划分 [14][15][16] ； ② 反贫困中期， 实施 精准扶贫战略前后关于贫困测度 [17][18] 、 分布特征 [19][20][21] 、 影响因素 [22][23][24] 等研究交叉迸发， 同时有学者通过治 理成效分析， 针对扶贫过程中出现的返贫、 脱贫不 稳等问题提出政策建议 [25] ； ③ 反贫困后期， 即后 2020 时期随着区域性整体贫困问题的逐步解决， 关 于乡村转型 [26][27] 、 稳定脱贫 [28][29][30] [31] 。杨龙等 [32] 认为返贫脆弱性是农户未来陷入 贫困的可能原因； 吴仪等 [33] 从多维视角构建返贫脆 弱性评价指标体系， 揭示返贫脆弱性时空格局与产 生机制； 王富珍等 [34] [35]…”

Livelihood sustainability and livelihood intervention of out-of-poverty farming households in poor mountainous areas: A case of Longnan mountainous area

“…第 6 期 赵雪雁 等：贫困山区脱贫农户的生计可持续性及生计干预 出社会与金融资本对林农轮作者的生计可持续性 非常重要； Wang 等 [15] 从生计资本与代际可持续性出 发建立了生计可持续指数， 发现较高的非农收入并 不总是与较高的生计可持续性相一致， 代际间的可 持 续 性 是 农 村 家 庭 长 期 生 计 分 异 的 主 要 原 因 ； Soltani 等 [16] 则从减少贫困与自然资源可持续利用出 发评价伊朗扎格罗斯农户的生计可持续性， 发现高 度依赖森林开采和牲畜放牧的家庭是最贫困的家 庭， 而将商业作物种植与非农工作相结合的家庭能 够获得更高的收入； 汤清等 [17] 以土地利用方式、 结构 及生计策略为基础， 建立了可持续生计效益评价模 型， 评估了黄土高原农户的可持续生计； 孙晗霖等 [4] 基于生计动态转换视角， 采用生存分析法探讨了影 [18] ， 也是水、 能 源、 矿产及森林等资源的关键来源区 [19] ， 更是高度 依赖自然资源谋生的最贫困人群的集中区 [20] 。全 球大约有 12%的人口居住在山区， 其中超过 40%分 布在发展中国家 [21] [22] ， 它 不仅关系到山区农户能否实现 "真脱贫" ， 更关系到 山区的可持续发展 [23] 。 地处西秦岭的陇南山区不仅是全国水土流失 与滑坡、 泥石流灾害重点防治区， 也是秦巴山地重 要水源涵养区与秦巴生物多样性生态功能区的重 要组成部分， 更是秦巴山集中连片特困区的核心部 分， 脱贫与返贫现象并存 [24] [12] ； 生计资本是 实现生计可持续的核心要素， 直接影响着生计活动 的选择与结果 [12] ； 生计策略作为人们实现生计目标 的活动与选择的组合， 是实现生计可持续的重要手 段 [28][29] [30] ， 生计可持续性水平较高 [31] ， 故采用脱贫 农户拥有的自然资本 [32] [36] ， 而市场便利度及交通通达性越高， 农户的生计环境 质量越高 [37] 。…”

Spatial difference of multidimensional poverty and its influencing factors in the rural areas of Hainan Province

“…地 理 科 学 进 展 第 39 卷 困农户收入提升目标的减贫成效显著， 但贫困面不 断变化给全面消除绝对贫困带来了挑战 [16] [22] 。全省贫困人口总量不 大， 但贫困市县的贫困发生率较高， 农户家庭特征 及贫困发生机制区域分异明显 [23] [24] ， 基于亲属和邻居关系构建的社交网 络因亲属和邻居生活状况同样不佳而难以为贫困 人口稳定脱贫提供有效帮助， 大多数脱贫人口即使 能满足 "两不愁、 三保障" 标准， 仍然有着较大的生 计压力和返贫风险 [25] 3) The GWR model analysis showed that as the most important influencing factors of multidimensional poverty, spatial heterogeneity of the estimated coefficients of the four variables, gender of the household head, education level of the household head, ratio of female labor force, and dependency ratio, have very obvious impacts. In general, areas with more female-headed and low-education attainment individual headed households tend to be more prone to multidimensional poverty, and their impacts increased from east to west and from north to south, separately.…”