基于多源数据的深度贫困地区多维贫困动态监测模型研究

Deep Poverty-Stricken Areas have become the most difficult battlefield for poverty eradication. The existing poverty monitoring system lacks objective data sources as well as comprehensive and efficient poverty monitoring methods and lack the estimation model of multidimensional poverty that effectively integrates multi-source objective data. To this end, this project will: ① build the evaluation indicator system of multidimensional poverty suitable for the Deep Poverty-Stricken Areas in China based on the topic modeling method in text mining techniques, using three types of text data, i.e. interviews, literature and news text; ② build the computational framework for multidimensional poverty adopting Gaussian process regression model and mixed weights, based on the integrated multi-source data as follows: Remote Sensing and Geographic Information System (RS & GIS), and Call Detail Records (CDRs) data; ③ conduct empirical research on the dynamic monitoring of multidimensional poverty for the research object, and calculate the multidimensional poverty index for the same research object based on the Alkire-Foster dual cutoff method using the traditional Census & Survey data at the same time, to verify the validity and accuracy of the model this project proposed. The completion of this project will ① reveal the multidimensional influencing factors of the poverty problem in Deep Poverty-Stricken Areas; ② build the dynamic monitoring model of multidimensional poverty that integrates multi-source data; ③ reveal the temporal and spatial evolution mechanism and internal development pattern of multidimensional poverty in Deep Poverty-Stricken Areas at finer granularity to village-level. At the practical level, this project will provide a more objective monitoring method of multidimensional poverty regarding the Deep Poverty-Stricken Areas for the Chinese government; and provide the theoretical basis and decision support for relevant departments to timely and accurately formulate corresponding measures and policy plans for poverty alleviation and eradication.

深度贫困地区是我国脱贫攻坚的坚中之坚。现有的贫困监测体系缺乏更全面高效的贫困监测方法和有效整合多源客观数据的多维贫困测算模型。为此本项目将①基于访谈、文献和新闻三类文本数据，采用文本挖掘技术中的主题建模方法，构建深度贫困地区的多维贫困评价指标体系；②基于RS&GIS和CDRs数据，采用高斯过程回归模型和混合权重，构建整合多源数据的多维贫困测算框架；③对研究对象进行多维贫困动态监测的实证研究，并基于A-F双界线法运用传统普查和调研数据计算同一研究对象的多维贫困指数，验证本项目模型的有效性和精度。本项目的完成将①揭示深度贫困地区贫困问题的多维度影响因素；②构建整合多源数据的多维贫困动态监测模型；③揭示精细至村级的多维贫困时空演化机理和内在运行规律。在实践层面，将为我国政府提供深度贫困地区更客观高效的多维贫困监测方法；为相关部门及时准确地制定相应的扶贫措施和政策方案提供理论依据和决策支持。

在我国巩固拓展脱贫攻坚成果和全面推进乡村振兴战略背景下，针对多维视角贫困测度、客观高效全面贫困监测、整合多源数据的多维贫困监测模型研究上存在的不足，本项目有针对性地开展了基于多源数据的深度贫困地区多维贫困动态监测模型研究，取得了一系列研究成果。本项目的研究内容和重要结果体现在以下三个方面：（1）构建了深度贫困地区的多维贫困评价指标体系。揭示了农村贫困人口可持续生计的影响因素及其关键影响路径，将心理资本纳入农户可持续生计资产中，构建了农户可持续生计的新框架；结合空间因素定量研究了农业生态环境对多维贫困影响；利用CNKI和WOS数据库，构建了深度贫困地区的多维贫困评价指标体系。（2）构建了整合多源数据的多维贫困测算框架。测度和评价了基于农户数据的多维贫困变化情况，利用双界线法从多维视角识别易返贫群体及其关键影响因素；提出了基于遥感数据和GIS技术和方法的多维贫困动态监测方法；构建了基于多源数据的多维贫困动态监测体系。（3）提出了可持续减贫与农村可持续发展策略。采用主题建模方法和潜在Dirichlet模型，揭示了多维贫困、可再生能源与生态环境的关联；利用生态足迹模型和层次线性模型分析了贫困居民家庭能源消费对环境的影响；采用生命周期评价和净能源分析方法，评价了太阳能光伏扶贫项目的能源效益和环境效益；采用主成分分析方法、数据包络分析和灰色关联分析，定量分析了太阳能光伏扶贫项目在改善中国农村经济、社会、生态、基础设施建设等方面的减贫效果；评估了太阳能光伏扶贫项目地区的能源贫困并分析了其影响路径；基于变革理论构建了光伏扶贫的预期因果链。本研究将为农村地区返贫动态监测的实现提供理论和模型基础，对于巩固拓展脱贫攻坚成果、推进乡村振兴战略和实现农村可持续发展具有重要的参考意义。共发表论文11篇，其中包括SCI期刊论文6篇、SSCI期刊论文4篇、中文核心期刊论文1篇。获得科研奖励2项、指导学生获奖3项。项目在研期间支持和推动主持人获得了湖北省自然科学基金一般面上项目1项、国家社科基金重大项目的子课题项目1项；并培养了9名研究生，获得国家奖学金1人次。