基于开放平台数据的中国大城市内部贫困空间测度和分异机制研究

Poverty is a global issue. Methods of poverty measurement have also been gradually enriched. Early studies focused directly on economic indicators such as income. Measurement of multiple deprivation with socio-economic statistics and census data has been developed in the past thirty years. Recently, new methods appear using big data and new technologies such as remote sensing images, nighttime light data and so on. However, there are still some limitations in study on spatial pattern and mechanism of urban poverty. First, the update cycle of socio-economic statistics and census data are too long, and these data are low availability. Second, big data and new methods are mainly applied in the measurement of regional and rural poverty. Third, there is a lack of sufficient quantitative explanation for the differential mechanism of urban poverty using big data. This study tries to integrate different data sources from open platform and to explore the appropriate measurement of spatial pattern of urban poverty based on comparative analysis with the outcome using socio-economic indicators. It also tries to construct a new framework to explain differential mechanism using big data. It is of great theoretical significance for improving study on urban poverty in developing country and for extending new system of geography of urban poverty in china. It is also of great practical significance for the establishment of an real-time monitoring platform for spatial distribution and differentiation of urban poverty in Chinese cities, and the guidance for making urban targeted poverty alleviation policy.

贫困是当今世界面临的共同问题，贫困人口和贫困空间的识别方法研究逐步多元化，从利用收入指标测度经济贫困，运用社会经济统计和人口普查数据测度综合贫困分布，到近年来利用遥感影像、夜间灯光等大数据及新方法建构贫困测度模型。但是城市内部贫困空间研究仍有局限：用社会经济指标测度和研究城市贫困，数据来源周期长、可获得性低；新数据及新方法大多应用于区域和农村贫困测度；运用大数据对城市内部贫困空间测度和分异机制的定量化解释不足。本研究旨在整合各类开放平台数据资源，在与社会经济指标测度的贫困空间比较基础上，探求适合于城市内部贫困空间测度的大数据方法，并建构贫困分异机制理论的解释框架。对于完善发展中国家基于大数据的城市内部贫困研究、拓展中国城市贫困地理的新研究体系具有理论意义。对于运用大数据建立大城市贫困空间分布和分异即时监测平台，指导城市内部精准扶贫政策具有重大实践意义。

贫困是当今世界面临的共同问题，消除贫困是联合国可持续发展目标之首。贫困人口和贫困空间的识别方法研究逐步多元化，从利用传统统计数据测度贫困分布，到近年来引入遥感影像等大数据及新方法建构贫困测度模型。但是城市内部贫困空间研究仍有局限：多运用统计数据，更新时效差；新数据新方法多应用区域和农村贫困测度；运用大数据对城市内部贫困空间测度和分异机制的定量化解释不足。.为克服上述研究不足，本研究旨在整合各类开放平台数据资源，在与社会经济指标测度的贫困空间比较基础上，探求适合于城市内部贫困空间测度的大数据方法，并建构贫困分异机制理论的解释框架。研究发现，基于多源大数据构建的贫困指数与传统数据进行互补；基础设施和人力资本等因素对相对贫困空间分异形成了多重路径的影响关系。此外，课题组针对特定人群（女性）的贫困问题开展初步研究，为后续大数据识别具体贫困人群提供基础。本研究对于完善发展中国家基于大数据的城市内部贫困研究、拓展中国城市贫困地理的新研究体系具有理论意义。对于运用大数据建立大城市贫困空间分布和分异即时监测平台，指导城市内部精准扶贫政策具有重大实践意义，为有针对性的编制减贫规划、城市更新、制定贫困社区治理策略提供参考。.本项目在执行期内取得以下成果：共发表论文22篇（SCI/SSCI收录8篇，国内核心期刊14篇），出版专著1本；举办和参加国内外学术会议共23场；已培养硕士8名，博士2名；申请国际和国内发明专利5项，软件著作权1项，目前已获授权国内发明专利1项；结题当年获批新的国家和广东省自然科学基金共2项，执行期间拓展省市级科研和规划项目4项；获得2019年“广东省科技进步二等奖”1项，获奖题目为《面向精准扶贫的城乡贫困社区识别与规划应用》，项目负责人为第一完成人；项目负责人获得2022年中国地理学会首届“最美地理科技工作者”，奖励其在城乡贫困社区研究中的长期坚持；获得2022年度金经昌中国城市规划优秀论文提名奖。