精准扶贫视角下贫困村测度研究
——以广东省连州市为例

翟嘉港，冯艳芬

（广州大学地理科学学院，广东 广州 510006）

贫困问题是一个世界性课题［1］。自改革开放以来，尽管我国扶贫开发事业取得了举世瞩目的成就，初步形成了世界反贫困的中国模式，但是目前我国农村仍存在超过7 000万的贫困人口和12.8万个贫困村［2］。在多年的扶贫工作中，中国关于贫困的内涵以及对扶贫实践的认识处于动态演变的过程，并采用五大发展理念不断创新和完善扶贫治理机制，逐步将扶贫“对象-资源-主体”精确、扶贫“目标-过程-结果”精确、“微观-中观-宏观”的层次精确［3-4］。自2013年以来，我国确立了以全面小康为目标导向的精准扶贫政策体系，实现了扶贫工作从量到质的转变，旨在通过精准识别、精准帮扶、精准管理和精准考核，确保到2020年当前贫困标准下的贫困人口全部脱贫［5］。

国外从15、16世纪开始就关注贫困问题，主要是对贫困进行政治经济学方面的研究，之后较长时间才由英国Charles Booth开展贫困测度的研究，该学者提倡的“以收入作为标准”的一维贫困测度和评估方法被广泛应用。随着贫困研究的不断发展，学者们意识到单纯根据收入一个维度去评价和测度贫困是片面的，于是多维测度的贫困研究在20世纪70年代逐渐兴起，其中以经济学家Amartya Sen提出的“多维贫困理论及能力贫困思想”被广泛认可［6］，自此多维贫困测度评估得到快速发展，包括人类发展指数（HDI）、人类贫困指数（HPI）、多维贫困指数（MPI）等被应用于世界各地的贫困状况研究中，其中又以“Alkire-Foster 方法”测算的多维贫困指数应用较广［7］。

国内对于贫困问题的研究主要包括理论基础、贫困标准、致贫因子、贫困类型及反贫困策略等的研究。前期较多关注贫困人口的测量，主要以经济标准来确定，而且多采用国际通行方法［8］。在借鉴国外多维贫困测量思路的基础上，国内学者采用不同的多维贫困测算方法开展了多个尺度的贫困状况研究［9］，研究视角主要以宏观或中观为主，从全国层面、集中连片特殊困难区域、省域等层面测算了多维贫困综合指数［10-13］，村级层面的多维贫困测度主要在理论层面进行了探讨［14］，案例应用主要在西部贫困村［15］。

鉴于《中国农村扶贫开发纲要（2011—2020年）》明确提出新阶段扶贫攻坚主战场是我国东西部的11个集中连片特殊困难地区和14个实施特殊扶持政策的区域［16］，然而这并不意味着东部沿海省份不存在贫困区域［17］。广东省截至2016年仍有2 277个贫困村和176.5万个贫困人口需要在2020年前实现脱贫，如果忽视了发达省份的贫困问题则非常不利于全国脱贫任务的完成。因此，贫困地域的研究空间需要拓展，经济发达省份也需要关注贫困村的问题，开展该地区精准扶贫下的贫困村问题研究将有助于加快我国脱贫计划的实现。

基于上述国内外对贫困问题研究的重点仍然关注贫困测度问题，本研究选择发达省份欠发达地区的广东省连州市为研究区域。虽然清远市经过了农业综合改革，但连州市的贫困情况依旧处于多样化且分布不均匀、致贫因素多层次化的状态，故利用A-F双临界值法和AHP-熵值法相结合，从村级尺度对精准扶贫政策确定的贫困村开展其贫困测度研究，以期掌握经济发达省份贫困问题的特点，为相关决策提供参考。

1 研究对象与方法

1.1 研究区概况

连州市位于广东省西北部，是广东省欠发达地区清远市下属的一个县级市，东南毗邻阳山县，西南连接连南县，西北与湖南省蓝山、江华两县相连，北与湖南省临武县交界，东北靠湖南省宜章县境。全市土地总面积2 663.33 km2，属于粤北典型的石灰岩地区，主要以山地为主（占72.2%），地势自西向东呈现“高-低-高-低-高”的格局。连州市主要由连州镇、西岸镇、东陂镇、丰阳镇、保安镇、大路边镇、星子镇、龙坪镇、西江镇、九陂镇等10个镇和瑶安瑶族乡、三水瑶族乡2个瑶族乡组成，共12个镇（乡）。2015年末，连州市国内生产总值为125.63 亿元，其中农业生产总值为46.68 亿元，年末户籍人口53.37 万人。

根据广东省精准扶贫工作相关政策，确定2016年相对贫困村的标准为：年末全村农民人均可支配收入低于8 000 元、年末农民人均可支配收入低于4 000 元且行政村相对贫困人口占全村户籍总人口的5%以上。依据此标准，连州市2016年共有66 个相对贫困村，其中包括5282 户贫困户、13 166 个贫困人口。

1.2 研究方法

1.2.1 多维贫困测量方法 基于Sen的可行能力剥夺理论，James Foster和Sabina Alkire发展了多维贫困的测量方法“A-F双临界值法”，该方法需要确定多维贫困测量维度及对应的指标体系，并对指标体系中各维度的权重进行计算。本研究从连州市66个贫困村中的自然因素、社会因素、经济因素三方面筛选出由7个维度若干指标组成的贫困村多维贫困测量体系，并测算相应的维度权重，了解不同维度对贫困村的贡献率，并将性质相同的维度归为自然致贫、社会致贫、经济致贫三大致贫类型，了解不同致贫类型对贫困村的影响程度，并为构建贫困村综合贫困度测算模型打下基础。

贫困维度测算的变量释义（表1）和测算步骤（图1）如下：首先，利用剥夺临界值确定贫困村在特定指标上是否被剥夺，获得剥夺矩阵；然后，根据贫困临界线确定贫困村在该值下是否属于多维贫困个体，若不属于则对该贫困村的指标值进行归零处理，得到已删减矩阵（k），并根据k值下的贫困村比例H和平均剥夺份额A计算多维贫困指标值（MPI），并进一步计算得出各维度的维度权重，维度权重等于维度下相应的指标贡献率相加［18-20］。

表1 多维贫困测算变量释义

1.2.2 AHP-熵值法确定组合权重 首先利用A-F双临界值法测算出各个贫困维度的维度权重值，然后基于维度权重值，从自然致贫、社会致贫、经济致贫的角度构建综合贫困度测量体系。为了多个指标合成的综合贫困度能客观反映出各个贫困村的贫困程度，本研究利用主观赋权和客观赋权相结合的方法［21］。主观赋权法是AHP层次分析法，是一种能够将与决策有关的元素分解成目标、准则、方案等层次，在此基础上进行定性和定量分析的方法，具有系统性、灵活性等特点［22］。客观赋权法是熵值法（简称EVM），这是用来判断某个指标的离散程度的数学方法，可以消除确定权重时的人为主观影响，提高结果的科学性，通过计算反映样本数据变化率的信息熵，根据各指标的变异程度确定权重［23］。通过利用AHP层次分析法和熵值法单独对每个维度下的指标进行评价，测算各自的主客观权重，并利用优化矩阵将两者优化获得最佳组合权重。

图1 维度权重测算流程

在使用熵值法计算客观权重时，为了解决综合贫困度测量体系中各指标单位不一致的问题，对数据进行归一化处理。主要采取线性变换法对数据进行归一化处理，其中正指标是对贫困综合程度具有正向影响的指标，即指标值越大贫困化程度越高；逆指标则相反，即指标越大贫困化程度越低［22］。其计算公式如下：

式中，xmin为指标数据的最小值，xmax为指标数据的最大值，由于归一化后指标中出现个体数值为0的情况，所以对归一化后的数据采取平移1 个空间单位，避免0值出现。

同时，由AHP层次分析法和熵值法确定的主客观权重及借此优化后的组合权重值的计算方法如下所示：

由AHP层次分析法通过构建判断矩阵，然后将因素两两比较并通过一致性检验，计算得到主观权重值。由AHP层次分析法确定的指标主观权重向量为：

通过熵值法计算标准化后的数据，其确定的指标客观权重向量为：

主客观权重优化模型的矩阵形式为：

式中，wa代表优化模型中主观权重的优化权重值，we代表优化模型中客观权重的优化权重值［15］。故组合权重值为：

式中，ai为第i个指标的主观权重值，ei为其客观权重值，n为体系中指标的数量。

1.3 数据来源

本研究数据来源主要包括：（1）连州市各级行政边界数据及贫困村相关数据分别来自当地民政局和扶贫工作小组；（2）连州市地形图及相关土地利用数据来自于LocaSpace Viewer获取的Google Earth数据。

2 贫困村综合贫困度测算

2.1 多维贫困测度体系

多维贫困测度体系要求从多维度解读出区域的贫困程度，因此要求选取的指标要能客观反映研究区域的资源环境、社会经济等内容，同时还需要对资源要素、环境要素、社会要素、经济要素等进行细化分解，把对应的指标归并于相应的维度之中。

基于连州市贫困村的自然、社会与经济数据，设计其多维贫困度的测量体系，主要包括区位特征、地形特征、区域特征、贫困户特征、耕地利用、经济收入、基础设施7个维度（表1）。各维度对应的指标及临界值的确定依据如下：

区位特征维度：主要采用距镇中心距离指标。区位反映某一事物与其他事物的外部空间联系，距离越远，则与中心区域或外界的联系越弱，不利于该区域的发展［25］，故以车行15 min即距镇中心10 km为选取标准。

地形特征维度：主要采用平均坡度、海拔、地形起伏度等指标。其中根据小流域的土地坡度标准［26］，按其平均坡度贫困村可划分为缓坡区（8°～15°）、较陡坡区（15°～25°）、陡坡区（25°～35°）；根据基本陆地地貌划分标准［27］，按其海拔高度贫困村可分为盆地或平原地区（98～200 m）、丘陵地区（200～300 m）、小起伏山地地区（300～500 m）、中起伏山地地区（500～1 000 m）；根据中国地势起伏度等级［28］，按其地形起伏度贫困村可分为平坦起伏（0～20 m）、微起伏（20～75 m）、小起伏（75～200 m）。坡度和海拔是土地资源固有的重要环境因子，对土地利用方式和土地承载力具有直接影响，而地形起伏度表示了区域的地形起伏情况，这3个指标其值越大，代表了该区域的自然禀赋趋向弱化的态势，对贫困村的贫困情况则影响越大。

区域特征维度：主要采用贫困发生率、人口密度指标。贫困发生率是描述贫困现象的一个最基本指标，指贫困人口在区域总人口数中所占的比重，其值越大表明该区域的贫困人口规模越大［29］，连州市贫困村的贫困发生率介于5%～13.3%，故以其平均贫困发生率6.8%为选取标准；人口密度可从总体上反映区域的居住人口分布，连州市的大部分行政村人口密度在380人/km2以下，贫困村也遵循此分布态势，故以380人/km2为选取标准。

贫困户特征维度：主要采用有劳动力比例、无劳动力比例、残疾户比例、住房改造户比例。在连州市66 个村5 282 户贫困户中，无劳动力的贫困户超过45%，即使在有劳动力贫困户中劳动人数为1的户数也超过50%，缺劳动力是贫困户的主要致贫原因；连州市贫困户的主要致贫原因为因病、因残、因缺劳动力，其中残疾户的总比例高达30%；此外，贫困户中住房改造户的总比例超过17%，故以该比例为选取标准。

耕地利用维度：主要采取水田比例、旱田比例、人均耕地面积等指标。2015年末，连州市的水田比例为9.13%，旱田比例为5.9%，人均耕地面积为0.06 hm2，参考以上3个数值为选取标准。

经济收入维度：主要采取全村人均可支配收入、贫困户人均可支配收入和农业主体等指标。以2016年连州市贫困村的人均可支配收入7 000 元/年和贫困户人均可支配收入2 600元/年为选取标准；连州市贫困村的主要农业主体分别是林业作物、粮食作物、经济作物，农业产业结构转向多元化则有利于减轻贫困压力，反之则拖慢村经济的发展。

基础设施维度：主要采取道路完善度指标。贫困村的道路全面硬底化为1，若无则为0。道路基础完善，可以加强与外界的联系，若不完善则不利于贫困状况的改善。

本研究对各维度和各指标采用等权重赋权方法，即区域特征、地形特征、区位特征、贫困户特征、耕地利用、基础设施、经济收入等各维度所占的权重相等，即各为1/7，所有维度权重值之和为1，而每一维度各指标的权重也相等，即均分该维度的权重值［30］。

表2 多维贫困测量维度与指标体系

2.2 计算测量维度的权重

贫困临界值k，其值越大代表贫困村被剥夺的指标越多，即越多的贫困村剔除于多维贫困测量体系。本研究以k=6为例，参考表1完成对区域贫困指数MPI的分解，而当k=6，MPI指数为0.151，表示被剥夺的贫困村数量少，可客观反映连州市的总体贫困情况。借助A-F临界法，对MPI指数进行分解（步骤见表2），计算各指标的贡献率（特指该指标测算权重在总权重中的比例），并将各维度下的各指标贡献率相加，获得该维度的维度权重。其中指标划定的权重（表3）和贡献率存在正相关关系，若指标的贡献率大于其划定的权重，则该维度指标被剥夺的程度非常大，反之则小［18］。同时通过AHP-熵值法对每个维度的指标进行单独评价或计算权重值，获取主客观权重值，并将主客观权重通过优化矩阵得到每个维度下的指标组合权重。由多维度测量体系所获得的维度权重和AHP-熵值法计算所得组合权重构成的综合贫困度测算体系如表3所示。

将17 个指标的贡献率和原先划定的权重比较，发现水田比例、旱田比例、有劳动力比例、无劳动力比例、人口密度、贫困户人均可支配收入、道路完善度等7个指标的贡献率大于各自对应的权重。进一步分析可知，在66 个贫困村，有57 个位于较陡坡或陡坡区域，而坡度是土地资源固有的一个重要环境因子，对村内土地利用方式具有直接影响［31］，由于自然禀赋的限制，使得贫困村的耕地资源不足或对其开发不充分。其中，人口密度低是连州市贫困村的一个现状，主要集中在北部簸箕山脉地区，也是导致贫困村劳动力不足的主要因素。同时，生活及经济基础差，基础设施建设不足，特别是仍有43 个贫困村没有完成全村道路硬底化，贫困因素的综合作用使得贫困村陷入一种“贫困循环”。

表3 综合贫困度测算体系与权重

2.3 综合贫困测算结果

2.3.1 分维度贫困指数结果 基于贫困村综合度测算模型，计算贫困村各维度指数：

式中，Wi是贫困村的维度指数，Ji是该维度相对应的维度权重值，Ci是该维度下的第i个指标，Ai是该指标相对应的组合权重值。基于此公式，不同类型的致贫指数由其下相对应的维度指数相加而成。

本研究将7 个维度的致贫因子归纳为三大致贫类型：自然致贫、社会致贫与经济致贫。其中自然致贫由地形特征维度、区位特征维度组成；社会致贫由贫困户特征维度、区域特征维度、耕地利用维度、基础设施维度组成；经济致贫由经济收入维度组成。根据测算结果（表4），利用ArcMap10.2将各个贫困村的自然致贫指数、社会致贫指数、经济致贫指数可视化，结果见图2～图4（封三）。

对各致贫类型指数通过自然断点法进行划分，获得分布图。根据贫困村的地理空间分布和受到不同致贫类型的影响程度来看，在图2（封三）中，受到自然致贫因素影响强烈的贫困村较多，若按超过自然致贫指数0.116计算，有31个贫困村受到较强的影响，集中分布于以北部簸箕山脉为中心的山区，与连州市地形格局吻合程度高；在图3（封三）中，大部分贫困村受到社会致贫因素较强的影响，若按超过社会致贫指数0.395计算，有40 个贫困村表现出强烈影响，主要集中于连州市西北部的瑶族山区和东部的丘陵盆地地区；在图4（封三）中，受到经济因素影响强烈的贫困村较多，若按超过经济致贫指数0.06计算，有30 个贫困村受到较强影响，分布相对集中，主要分布于西北部的瑶族山区和东北部的丘陵盆地地区，表示这两个地区的经济致贫压力大，是经济发展相对缓慢的贫困村的集中区。

表4 致贫指数计算结果

2.3.2 综合贫困指数结果 基于各贫困村的自然致贫指数、社会致贫指数、经济致贫指数的测算，贫困村的综合贫困指数的计算公式如下：

式中，Wn为贫困村的自然致贫指数，Ws为社会致贫指数，We为经济致贫指数。根据测算结果（表4），利用ArcMap10.2将各个贫困村的综合贫困指数可视化，并通过自然断点法对综合贫困指数划分级别，划分标准为：轻度贫困化（Ⅰ级：0.391～0.454）、中度贫困化（Ⅱ级：0.454～0.527）、重度贫困化（Ⅲ级：0.527～0.646）、极重度贫困化（Ⅳ级：0.646～0.752）4个等级，全市各镇贫困村的贫困化程度见表5。

表5 各镇贫困村贫困化程度统计 （个）

贫困等级划分结果（表5）显示：轻度贫困化的贫困村有14 个（占21.2%），中度贫困化的贫困村有11 个（占16.7%），重度贫困化的贫困村有23 个（占34.8%），极重度贫困化的贫困村有18 个（占27.3%）。可见，连州市贫困村目前的贫困状态较严重，有超过50%的贫困村处于重度和极重度的贫困化程度。从空间分布特征而言，重度贫困村的分布相对集中，主要分布于连州市的西南部和中部的山地和丘陵地区；极重度贫困村在西北部的瑶族山区呈现集聚状态，而在东部和中部呈现零散分布状态；轻度和中度贫困村的分布均呈现零散分布的特征（图5，封三）。

3 结论与建议

3.1 结论

研究设计了连州市贫困村的多维贫困测度体系，主要从7 个维度17 个指标进行贫困问题的测量，利用A-F双临界值法测算了多个维度的权重，并结合AHP-熵值法计算各测量指标的组合权重，通过利用维度权重和组合权重构建了综合贫困度的测算模型，计算了连州市66个贫困村的自然致贫、社会致贫和经济致贫3个分项贫困指数，最后利用3个指数加总求取贫困村的最终综合贫困度。

从不同致贫类型的影响程度看来，西北部的三水、瑶安瑶族乡以及丰阳镇受到自然致贫因素的影响最强烈，其中海拔指标对自然致贫的贡献最大，反映自然禀赋对地区发展的限制。而三水瑶族乡和龙坪镇受到社会致贫因素最为强烈，其中人口结构的不合理和区域基础设施的不完善是这两个地区受社会致贫影响最大的两个主导因素。而受到经济致贫影响最大的是三水瑶族乡、保安镇、大路边镇，并分别以三水瑶族乡和大路边镇为核心形成两个经济落后地区。综合贫困度前三分别是三水瑶族乡、龙坪镇、东陂镇，综合贫困度呈现“西北高，中间低，东南高”的态势，其中应提供更多扶贫支持给西北部的瑶族山区。

连州市社会致贫因素对贫困村的影响最大，特别是其中的区域特征维度和基础设施维度作用较大，其次是自然致贫因素。综合贫困度高的贫困村相对集聚在连州市西北部的瑶族山区、西南部及中部的丘陵地区，综合贫困度低的地区呈现相对零散分布的状态，与社会致贫指数具有较高的吻合度，表明加快扶贫进程，应从贫困村的基础设施和贫困人口的内部入手，采取精准扶贫措施。

3.2 对策建议

综合上述对连州市贫困村的综合测量研究和连州市扶贫工作小组的调研资料发现：贫困村在自然因素方面的主要致贫点为土地自然禀赋差；在社会发展方面的主要致贫点为耕地不足且分散，生活及经济基础设施差；在经济建设方面的主要致贫点为缺乏主体产业，特别是缺乏具有带动性的农业主体。因此，要实现对贫困村的精准扶贫，急需从以下方面切入：

（1）完善农村基础设施建设。针对目前连州市尚有43 个贫困村的农村公路基础设施建设未完成的问题，连州市政府应优先完善该部分村落的农村公路建设。此外，由于连州市的主要气象灾害为干旱，该地区的贫困村出现缺水情况则较为常见，因此，也需要完善水利设施以解决水资源利用和农业生产用水的问题。

（2）加快农村主体产业建设。连州市应倡导因地制宜大力发展有助于贫困人口脱贫的区域特色产业，如位于山区的贫困村可凭借丰富的生态资源发展乡村旅游，引入市场力量构建旅游精准扶贫系统，令各村的旅游资源共享效应不断增大。此外，还可以针对土地资源利用低效的问题，以政府为主导，引入市场主体促进土地向专业农业种养大户流转，提高土地利用的效益。

（3）完善农村卫生医疗保障体系。连州市贫困户的致贫原因主要是因缺劳动力、因病、因残，因此必须以政府为主导，全面落实覆盖贫困人口的基本医疗卫生保障体系，并进一步加强其建设，稳步推进基层公共卫生服务均等化，构建残疾救助体系，不断完善贫困村的社会保障体系。

［1］ 刘小鹏，苏晓芳，王亚娟，等. 空间贫困研究及其对我国贫困地理研究的启示［J］. 干旱区地理，2014，37（1）：144-151.

［2］ 莫光辉. 精准扶贫：中国扶贫开发模式的内生变革与治理突破［J］. 中国特色社会主义研究，2016（2）：73-77.

［3］ 杨宜勇，吴香雪. 中国扶贫问题的过去、现在与未来［J］. 中国人口科学，2016（5）：2-12.

［4］ 庄天慧，杨帆，曾维忠. 精准扶贫内涵及其与精准脱贫的辩证关系探析［J］. 内蒙古社会科学（汉文版），2016（3）：6-12.

［5］ 王介勇，刘彦随，陈秧分. 农村空心化程度影响因素的实证研究：基于山东省村庄调查数据［J］. 自然资源学报，2013，28（1）：10-18.

［6］ Sen A. Poverty and famines：an essay on entitlement and deprivation［M］. Oxford University Press，USA. 1983.

［7］ Alkire S，Foster J. Counting and multidimensional poverty measurement［J］. Journal of Public Economics，2011，95（7）：476-487.

［8］ 王大超. 转型期中国城乡反贫困问题研究［D］.长春：东北师范大学，2003.

［9］ 王小林，Alkire S. 中国多维贫困测量：估计和政策含义［J］. 中国农村经济，2009（12）：4-10.

［10］ 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.

［11］ 陈烨烽，王艳慧，王小林. 中国贫困村测度与空间分布特征分析［J］. 地理研究，2016，35（12）：2298-2308.

［12］ 王艳慧，钱乐毅，段福洲. 县级多维贫困度量及其空间分布格局研究—— 以连片特困区扶贫重点县为例［J］. 地理科学，2013，33（12）：1489-1498.

［13］ 丁文广，冶伟峰，米璇，等. 甘肃省不同地理区域灾害与贫困耦合关系量化研究［J］. 经济地理，2013，33（3）：28-35.

［14］ 叶初升，王红霞. 多维贫困及其度量研究的最新进展：问题与方法［J］. 湖北经济学院学报，2010，8（6）：5-11.

［15］ 郭辉，王艳慧，钱乐毅. 重庆市黔江区贫困村多维测算模型的构建与应用［J］. 中国科技论文，2015，10（3）：331-335.

［16］ 曹诗颂，王艳慧，段福洲，等. 中国贫困地区生态环境脆弱性与经济贫困的耦合关系—— 基于连片特困区714个贫困县的实证分析［J］. 应用生态学报，2016，27（8）：2614-2622.

［17］ 冯艳. 区域贫困测度、识别与反贫困路径选择研究［D］. 沈阳：辽宁大学，2015.

［18］ 李军. 西南边疆民族地区贫困人口多维测算及其贫困特征分析［J］. 中共南宁市委党校学报，2016（3）：15-20.

［19］ 高帅毕，洁颖. 农村人口动态多维贫困：状态持续与转变［J］. 中国人口·资源与环境，2016，26（2）：76-83

［20］ 郭建宇，吴国宝. 基于不同指标及权重选择的多维贫困测量—— 以山西省贫困县为例［J］.中国农村经济，2012（2）：12-20.

［21］ 宋海州，王志红. 客观权重与主观权重的权衡［J］. 技术经济与管理研究，2003（3）：63.

［22］ 邓雪，李家铭，曾浩健等. 层次分析法权重计算方法分析及其应用研究［J］. 数学的实践与认识，2012，42（7）：93-100.

［23］ 宋丹丹，郭辉. 基于AHP和熵值法的新疆水资源承载力综合评价研究［J］. 广西师范学院学报（自然科学版），2014，31（3）：57-64.

［24］ 王富喜，毛爱华，李赫龙等. 基于熵值法的山东省城镇化质量测度与空间差异分析［J］. 地理科学，2001，33（11）：1323-1329.

［25］ 樊天相. 重庆丘陵地区农村居民点空间布局优化研究—— 以长寿区海棠镇为例［D］. 重庆：西南大学，2015.

［26］ 中国国家标准化管理委员会. 水土保持综合治理规划通则［M］. 北京：中国标准出版社，2009：10-12.

［27］ 李炳元，潘保田，韩嘉福. 中国陆地基本地貌类型及其划分指标探讨［J］. 第四纪研究，2008，28（4）：535-543.

［28］ 涂汉明，刘振东. 中国地势起伏度研究［J］. 测绘学报，1991，20（4）：311-319.

［29］ 叶开杏. 广西农村贫困测度及扶贫开发研究［D］. 南宁：广西大学，2012.

［30］ 吴胜泽. 能力贫困理论与广西国定贫困县多维贫困估计［J］. 经济研究参考，2012（65）：80-100.

［31］ 周万村. 三峡库区土地自然坡度和高程对经济发展的影响［J］. 长江流域资源与环境，2001，10（1）：15-21.