The impact of eco-environment and disaster factors on poverty: a review
CHENGXin通讯作者:
收稿日期:2016-11-24
修回日期:2017-09-20
网络出版日期:2018-05-02
版权声明:2018《资源科学》编辑部《资源科学》编辑部
基金资助:
作者简介:
-->
展开
摘要
关键词:
Abstract
Keywords:
-->0
PDF (1528KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
中国扶贫开发已进入啃硬骨头、攻坚拔寨的冲刺期。在中国新时期的扶贫开发工作中,集中连片特困地区已经成为扶贫攻坚的主战场[1, 2],扶贫开发的难度越来越大[3]。集中连片特困地区包括革命老区、少数民族地区、特殊类型地区和边境县地区,其贫困状况相对全国其他地区更加突出,致贫原因也更为复杂[4]。根据最新的《中国农村贫困监测报告(2016)》,截至2015年,14个集中连片特困地区的农村贫困人口仍有2875万人,占全国农村贫困人口的51.6%[2]。解决集中连片特困地区的贫困问题是中国精准扶贫战略的重要议题[5],而这些地区的贫困问题与生态环境、灾害等诸多因素交织在一起,是中国新时期扶贫开发最难啃的硬骨头。那么,生态环境和灾害与贫困之间到底是怎么样的相互影响关系?贫困人口诉求和扶贫模式到底有哪些?是否存在兼顾减贫、灾害减轻与生态环境改善的系统性减贫策略?本文将综合采用文献计量分析和文献深度分析方法对现有相关研究进行分析、归纳和总结,拟构建兼顾环保、减灾和减贫的系统性理论框架,并试图提出未来可能的研究方向,以期为中国政府提出集中连片特困地区系统性减贫策略和扎实推进精准扶贫、精准脱贫奠定理论基础。2 生态环境与贫困的关系研究
2.1 生态环境与贫困关系研究的文献计量分析
生态环境与人类福祉、财富和贫穷密切相关[6]。诸多****认为生态环境与贫困存在关联和交互影响关系,并试图去探析二者之间的相互关系和影响路径[7]。2012—2016年发表的相关生态环境与贫困的交互关系研究的论文频次大于1%的主要国家如图1所示,主要集中在美国、英国、中国、澳大利亚、加拿大等国家。显示原图|下载原图ZIP|生成PPT
图12012—2016年生态环境与贫困相关研究领域主要国家发表论文频次
-->Figure 1Publication frequencies of research on eco-environment and poverty from 2012 to 2016
-->
本文从文献计量的角度,对生态环境和贫困关系研究相关的文献进行了统计分析。首先利用文献计量工具SATI软件生成相关文献的关键词共现矩阵,然后分析了相关文献的研究重点和热点。本文对文献中的关键词进行提取,汇总了每篇文献的关键词,文献中排名前20的高频关键词如表1所示。根据表1可知,出现频次较高的关键词有:贫困(Poverty)、可持续性(Sustainability)、环境(Environment)、发展(Development)、保护(Conservation)、弹性或恢复能力(Resilience)、生态系统服务(Ecosystem services)和生计(Livelihoods)等。
本文对关键词进行了共词分析,用于探索各个关键词之间的关系。共词分析即对文献中关键词的共现频率进行量化分析,统计关键词在同篇文献中两两出现的次数,若两个关键词在文献中同时出现频率较高,则说明它们之间相互关联较密切,可显示出词对之间的关系和规律,有助于实现对研究热点和学科发展的动态分析。生态环境和贫困关系研究的关键词100×100共词矩阵主要结果如表2所示。根据表2的统计结果可知,贫困与可持续性、环境、发展、保护、弹性或恢复能力、生计等关键词组合起来的研究较多。因此,结合表1和表2的分析结果可以发现,生态环境和贫困关系研究领域的重点和热点问题主要有可持续发展、生态环境保护、贫困人口适应能力、生态系统服务和贫困人口可持续生计等问题。
Table 1
表1
表12012—2016年生态环境和贫困关系研究的前20名高频关键词
Table 1Top 20 high frequency keywords of research on eco-environment and poverty from 2012 to 2016
序号 | 关键词 | 频次 | 序号 | 关键词 | 频次 |
---|---|---|---|---|---|
1 | Poverty | 36 | 11 | India | 7 |
2 | Sustainability | 17 | 12 | Climate Change | 6 |
3 | Environment | 16 | 13 | Sustainable Development | 6 |
4 | Development | 13 | 14 | Social | 6 |
5 | Conservation | 12 | 15 | Vulnerability | 6 |
6 | Resilience | 12 | 16 | Policy | 6 |
7 | Ecosystem Services | 11 | 17 | Fisheries | 5 |
8 | Livelihoods | 9 | 18 | Ecology | 5 |
9 | Governance | 7 | 19 | China | 5 |
10 | Food Security | 7 | 20 | Neighborhood | 5 |
新窗口打开
Table 2
表2
表22012—2016年生态环境和贫困关系研究的主要关键词共词分析结果
Table 2Co-words analysis results of main keywords of research on eco-environment and poverty from 2012 to 2016
Poverty | Sustainability | Environment | Development | Conservation | Resilience | Ecosystem Services | Livelihoods | Governance | |
---|---|---|---|---|---|---|---|---|---|
Poverty | 36 | 5 | 4 | 2 | 2 | 2 | 1 | 2 | 0 |
Sustainability | 5 | 17 | 0 | 2 | 0 | 1 | 0 | 0 | 0 |
Environment | 4 | 0 | 16 | 1 | 1 | 2 | 0 | 0 | 1 |
Development | 2 | 2 | 1 | 13 | 1 | 0 | 0 | 1 | 0 |
Conservation | 2 | 0 | 1 | 1 | 12 | 0 | 3 | 0 | 0 |
Resilience | 2 | 1 | 2 | 0 | 0 | 12 | 1 | 1 | 1 |
Ecosystem Services | 1 | 0 | 0 | 0 | 3 | 1 | 11 | 0 | 0 |
Livelihoods | 2 | 0 | 0 | 1 | 0 | 1 | 0 | 9 | 0 |
Governance | 0 | 0 | 1 | 0 | 0 | 1 | 0 | 0 | 7 |
新窗口打开
2.2 生态环境与贫困关系相关研究的深度分析
2.2.1 生态环境和贫困关系分析及其理论基础通过对相关研究的深入分析发现,贫困与生态环境恶化之间存在复杂关联。中国的生态环境在不断地恶化[8],中国主要的生态环境恶化问题包括森林砍伐[9]、水土流失[10, 11]、荒漠化[12, 13]、河流湖泊淤塞[14]、空气污染[15, 16]、水污染[17, 18]、农村能源危机[19]、水资源短缺[17, 20]、稀有物种消失[21]等。李仙娥等[22]认为生态环境恶化与贫困深化共生共存。Boyce[23]的研究发现,权利和财富的不平等会导致环境恶化,同时提出分析环境恶化与不平等的关系应该考虑“时间”维度,环境恶化相关的活动通常会导致短期的收益和长期的代价,例如森林砍伐可以通过卖木材获取快速的收益,然而长期以来会导致水土流失、水文循环中断、生物多样性丧失等一系列更深远的问题[23]。缺乏金钱或时间会导致一个人做出更糟糕的决定,这可能是因为贫穷带来了一种认知负荷(cognitive load),这种认知负荷会削弱人们的注意力并减少努力[24]。迫于生活的压力,贫困人口可能会做出缺乏远见的决定和行为,这可能会使贫困进一步加深,Mani等[24]的研究表明与贫困有关的担忧会消耗精神资源,进而可能会影响贫困人口的决定和行为,该研究有助于解释贫困人口的一系列行为。
贫困陷阱理论(Poverty Trap Theory)为生态环境和贫困的关系研究提供了理论支撑[25]。关于“贫困陷阱”[26, 27]产生的原因分析,Nurkse[28]在《不发达国家的资本形成》一书中提出了贫困恶性循环理论(Vicious Circle of Poverty),该理论认为资本匮乏是阻碍发展中国家发展的关键因素[29],具体包括供给(低收入→低储蓄能力→低资本形成→低生产率→低产出→低收入)和需求(低收入→低购买力→投资引诱不足→低资本形成→低生产率→低产出→低收入)两个方面的恶性循环[28];同时贫困恶性循环理论认为,自然环境只能支持有限数量的人口,一旦超越一定限制将导致环境枯竭和退化[30]。Nelson[31]提出了低水平均衡陷阱理论(Low-level Equilibrium Trap),通过研究发展中国家人均资本、人口增长、产出增长与人均收入增长的关系,揭示了发展中国家存在低水平人均收入难以增长的现象,并认为人口快速增长是阻碍发展中国家人均收入迅速提高的“陷阱”。Myrdal[32]则提出了循环累积因果论(Circular and Cumulative Causation),该理论认为社会经济各因素之间存在着循环累积的因果关系,由于区域经济发展中的规模经济和聚集经济效应,人均收入、工资和利润水平等要素收益的区域差异会吸引资本、劳动、技术、资源等要素由落后地区向发达地区流动,产生的“回流效应”使得贫困地区越来越贫困[33]。Banerjee等[34]提出的健康贫困陷阱理论(Health-based Poverty Trap)认为健康问题可能会导致不同的贫困陷阱,可能将现有的不幸转化成未来的贫困。
贫困和生态环境恶化的恶性循环是农村贫困地区社会和经济不可持续发展的重要原因[35]。贫困陷阱理论对当前的扶贫研究和政策产生了巨大影响[25],旨在推动农村贫困人口脱贫的财政或技术投入取得了诸多成功,但同时也导致了严重的生态和社会问题,进而可能加剧贫困。Lade等[25]认为“弹性思维(Resilience Thinking)”[36]可以有助于理解这些问题是如何从人类及其依赖的生态系统的复杂关系中产生的,以及如何调控多样化的扶贫政策,可以为摆脱贫困陷阱提供新思路。弹性是系统承受干扰并仍然保持其基本结构和功能的能力[37],弹性思维是一种用于理解和管理复杂社会-生态系统变化的概念和工具组合[38],一般认为弹性思维包括三个方面:持久性(Persistence)、适应性(Adaptability)和可转换性(Transformability)[39]。Walker等[36]提出的弹性思维是一种资源管理的新思维方式和面对可持续发展而提出的新生态观,核心观点包括:过度提高效率与优化结构会造成系统弹性的损伤;社会-生态系统各组分的自组织行为使系统具非线性行为;管理社会-生态系统必须使人类的行为不超越系统的弹性;人类是社会-生态系统的一份子[37]。
接下来,将从环境库兹涅茨曲线视角、自然资源、耦合关系三个视角,分别来分析生态环境与贫困关系。
2.2.2 环境库兹涅茨曲线视角
Grossman等[40]提出的环境库兹涅茨曲线(Environmental Kuznets Curve, EKC)通过分析人均收入与环境污染来解释经济发展与环境污染之间的关系。该曲线认为环境污染现象随着经济增长先升后降,呈现倒U型关系。诸多****对环境库兹涅茨曲线进行了验证,分析了综合环境污染[41,42,43]或空气污染[44,45,46,47]、农业污染[48, 49]等环境污染与收入或收入不平等之间关系。人均收入和收入不平等都是衡量贫困的重要表征指标。大多数发展中国家仍然处在EKC倒U型曲线的上升阶段,尚未达到转折点,随着经济的发展环境污染越来越严重。环境污染与贫困等压力的交织,会导致贫困人口更容易受到伤害[50]。环境污染会对健康产生影响进而导致疾病增加[51],疾病则容易诱发贫困的发生[34]。中国正遭遇严重水污染[52]和空气污染[53, 54],空气污染已被证实与呼吸系统疾病有关联[51],贫困地区80%的疾病是饮水不安全引起的,而中国贫困人口中因疾病导致的贫困比例高达42%[55,56,57]。
环境库兹涅茨曲线对政策导向产生了影响,可能导致了环境问题被忽略。Gill等[58]认为环境库兹涅茨曲线假说不仅对发展中国家和发达国家的经济政策产生了重大影响,同时也影响了国际货币基金组织(International Monetary Fund, IMF)和世界银行(World Bank)的政策导向[58]。这些以经济发展为主导的政策导向,使得快速的经济增长成为了发展中国家用于减少贫困的主要目标。与此同时,这种经济主导型的发展战略由于仅关注经济发展,却忽略了快速经济发展可能导致的环境问题和代价[58]。环境污染与经济发展和贫困问题密切相关[6],他们之间相互影响[23]。因此,发展中国家应该在兼顾经济发展和环境保护的情况下促进贫困的减轻,并坚持可持续的发展路径[58]。
2.2.3 自然资源视角
从自然资源视角,关于森林、水土资源与贫困的关系存在争议。贫困地区往往自然资源禀赋较差[59],针对穷人更依赖于资源而导致资源退化的观点,Reetz等[60]的定量研究结果表明:贫困与森林退化之间没有重叠,贫困与资源依赖之间没有明确的关联。有****认为贫困与环境之间的关系并不是一成不变的,而是受时间影响的动态关系[30]。但也有研究显示,生态环境的改善可以显著减少贫困人口[61]。Gopal等[62]认为环境绿化有助于可持续地改善拥挤、被剥夺的环境,贫民地区应该更加重视绿化。Song等[63]基于农户调查数据分析发现退耕还林有利于改善生态环境,并为贫困家庭提供了一张安全网。刘刚等[64]对资源富集贫困地区的经济发展与生态环境的协调互动作用进行了探析,认为应该找到一条解决资源富集、生态脆弱和经济贫困怪圈问题的可持续发展之路。不良的农业做法会加剧水土流失,须做出很多努力减少严重水土流失现象及区域贫困现象,生态思维会对地区发达农业的转变非常有帮助[65]。Wang等[66]发现水土保持政策有助于持续改善农村经济和生态系统,也佐证了生态环境的改善有益于减贫的观点。贫困作为一种双重约束,使得贫困人口经历较高的生计风险,山区居民为弥补下降的农业收入而砍伐树木在一定程度上导致了生态环境破坏[67]。Guedes等[68]提出较高的森林损失及其长期社会后果会加剧家庭贫困。Cheng等[69]对森林-贫困关联相关研究的搜索策略进行了完善和更新,该研究将为全球森林生态系统保护与发展政策和实践提供参考。
2.2.4 耦合关系视角
考虑空间维度,生态环境与贫困之间存在耦合关系。中国贫困地区的分布与脆弱生态环境的分布存在一种地理空间意义上的非良性耦合[70]。王艳慧等[71]将生态环境质量与县域经济贫困综合指数进行耦合并计算其耦合协调度,发现国家级扶贫县生态环境质量与经济发展存在严重失调。张家其等[72]将生态安全综合指数分别与县级农民人均纯收入及贫困村比重进行空间耦合,研究表明兼顾生态环境保护的扶贫开发在消除贫困的同时,能够改善当地生态环境,提升整体生态安全水平。Mi等[73]利用地理信息系统(GIS)和遗传蚁群算法(GACA),对贫困和生态脆弱地区进行了空间土地优化分配。曹诗颂等[74]从自然、社会、经济三方面构建了经济贫困评价指标体系,并分析了秦巴集中连片特困地区的生态资产与经济贫困的耦合协调度,发现该地区大部分县市的生态资产与经济贫困存在较高的耦合度,具体为生态资产越低的地区其经济贫困程度越高,二者的协调程度以及发展的综合水平越低。李静怡等[75]对生态环境退化严重地区的生态环境质量与经济贫困的耦合特征进行了分析,发现空间上生态环境质量与人均可支配收入整体同步程度较差,生态环境质量与人均可支配收入在空间上存在自相关且自相关系数较高,西部呈现出低值聚集,东部呈现高值聚集[75]。因此,大部分相关研究支持生态环境与贫困程度存在空间相关和非良性耦合关系[76]的观点。
2.3 生态环境与贫困关系研究分析小结
综合上述分析可知,导致贫困的原因复杂多样,生态环境的变化与贫困交织在一起,生态环境的恶化可能导致贫困,例如在中国农村贫困地区的环境污染等环境恶化问题导致了接近半数的贫困人口因病致贫。不平等会导致环境恶化,导致环境恶化相关的活动通常会导致短期的收益和长期的代价。迫于生活的压力,同时与贫困有关的担忧会消耗精神资源,这可能会影响贫困人口使其做出缺乏远见的决定和行为,进而可能会使贫困进一步加深。贫困陷阱理论能部分解释贫困和生态环境恶化之间的恶性循环关系。环境库兹涅茨曲线通过对人均收入与环境污染的分析,解释了经济发展与环境污染之间关系,认为环境污染与经济发展之间存在倒U型关系。森林、水资源和土地资源与贫困的关系虽然存在争议,但这些资源与农村贫困人口的生存紧密相关,同时生态环境的改善有助于减贫,例如退耕还林和植树造林等政策可以帮助改善或者平衡生态环境,减轻环境恶化进而帮助减少贫困人口。最后,归纳总结生态环境与贫困相互影响的关键因子主要有:① 包括环境污染、水土流失、生物多样性破坏等的环境恶化因素;② 包括粮食生产、森林资源、水资源和土地资源等的资源因素;③ 包括健康风险、经济贫困、劳动能力弱、创收能力差和适应能力差等的多维贫困因素。3 灾害与贫困的关系研究
3.1 灾害与贫困关系研究的文献计量分析
灾害与贫困的关系研究相关文献排名前20的高频关键词如表3所示。根据表3可知,出现频次较高的关键词有:灾害(Disaster和Disasters)、贫困(Poverty)、脆弱性(Vulnerability)、气候变化(Climate Change)、自然灾害(Natural Disasters)、弹性或恢复能力(Resilience)和适应性(Adaptation)等。根据表4的共词分析统计结果可以发现,贫困与脆弱性、气候变化、自然灾害、弹性或恢复能力和适应性等关键词结合比较紧密,说明灾害与贫困的关系研究领域的重点和热点主要包括贫困人口脆弱性、气候变化对贫困的影响、贫困人口灾后修复能力及其适应性等问题。Table 3
表3
表32012—2016年灾害与贫困的关系研究的前20名高频关键词
Table 3Top 20 high frequency keywords of research on disasters and poverty from 2012 to 2016
序号 | 关键词 | 频次 | 序号 | 关键词 | 频次 | ||
---|---|---|---|---|---|---|---|
1 | Disaster(s) | Disaster | 34 | 67 | 11 | Risk | 15 |
2 | Disasters | 33 | 12 | Disaster Risk Reduction | 14 | ||
3 | Poverty | 61 | 13 | Gender | 11 | ||
4 | Vulnerability | 59 | 14 | Livelihoods | 11 | ||
5 | Climate Change | 43 | 15 | Sustainable Development | 11 | ||
6 | Natural Disasters | 28 | 16 | Food Security | 9 | ||
7 | Resilience | 24 | 17 | Developing Countries | 9 | ||
8 | Adaptation | 21 | 18 | Mental Health | 8 | ||
9 | Development | 18 | 19 | Floods | 8 | ||
10 | Bangladesh | 16 | 20 | Natural Hazards | 8 |
新窗口打开
Table 4
表4
表42012—2016年灾害与贫困的关系研究主要关键词的共词分析结果
Table 4Co-words analysis results of main keywords of research on disasters and poverty from 2012 to 2016
Disaster(s) | Poverty | Vulnerability | Climate Change | Natural Disasters | Resilience | Adaptation | |
---|---|---|---|---|---|---|---|
Disaster(s) | 67 | 17 | 18 | 7 | 0 | 5 | 8 |
Poverty | 17 | 61 | 16 | 6 | 10 | 5 | 3 |
Vulnerability | 18 | 16 | 59 | 15 | 4 | 9 | 11 |
Climate Change | 7 | 6 | 15 | 43 | 6 | 1 | 14 |
Natural Disasters | 0 | 10 | 4 | 6 | 28 | 0 | 0 |
Resilience | 5 | 5 | 9 | 1 | 0 | 24 | 4 |
Adaptation | 8 | 3 | 11 | 14 | 0 | 4 | 21 |
新窗口打开
3.2 灾害与贫困关系相关研究的深度分析
随着人类生存环境的恶化,越来越多的****开始关注灾害对人类所产生的影响,这方面的研究主要集中在自然灾害的社会脆弱性[77]、自然灾害风险减缓与评估[78]、自然灾害对贫困的影响和自然灾害对农户生计的影响等方面。根据灾害与贫困关系研究的相关文献,本文对该领域内主要的研究视角、灾害类型、研究区域、灾害与贫困的关系分析、主要作者及其年份进行归纳总结,如表5(见第682页)。Table 5
表5
表52007—2017年灾害与贫困关系研究的主要研究视角、灾害类型、研究区域和关系分析
Table 5Research perspectives, disaster types, study areas and relationships of research on disasters and poverty from 2007 to 2017
研究视角 | 灾害类型 | 研究区域 | 灾害与贫困的关系 | 主要作者 | 年份 |
---|---|---|---|---|---|
脆弱性 角度 | 地震 | 海地 | 社会脆弱性越大的地区越贫困,灾后恢复面临的阻力也越大 | Schmidtlein M C等[79] | 2011 |
地震 | 云南省鲁甸县 | 地震灾前的资源环境特点与区域发展特征分析,贫困地区资源依赖程度高 | 樊杰等[81] | 2014 | |
地震、火山爆发、山体滑坡、火山泥流和山洪 | 秘鲁阿雷基帕 | 基于教育和贫困程度,失业率和人口密度的脆弱性评价 | Thouret J C[82] | 2013 | |
自然灾害 | 禄劝县 | 自然灾害对农户贫困脆弱性的影响 | 张国培等[83] | 2010 | |
灾害 | 渝鄂湘黔交界处 149个村 | 灾害与贫困具有重合性和一致性;灾害、脆弱性、可行能力、贫困等要素间具有相对的继替性和循环性 | 张大维等[84] | 2011 | |
地震、泥石流、崩塌滑坡、洪涝、干旱等 | 川滇黔接壤地区 | 自然灾害对农村区域影响更加显著 | 刘斌涛等[85] | 2014 | |
自然灾害和气候 变化 | 孟加拉国 | 对灾害易发区复合指数和脆弱性指数的数据进行比较 | Toufique K A等 [86] | 2014 | |
自然因素 | 宁夏 | 农业依赖程度越高越易引发贫困,灾害脆弱性因子中自然因素对贫困发生率有显著影响 | 姜江等[87] | 2012 | |
地震、洪水、干旱、低温、雪、大风和冰雹 | 中国西南、中部、东北、 东部、北部、西部地区 | 灾害风险水平和贫困率、人均GDP之间以及存在的非线性关系 | Zhou Y等[88] | 2015 | |
自然灾害 | 中国灾害热点地区 | 家庭成员的教育水平和家庭劳动能力对于降低脆弱性会发挥重要作用 | Ding W等[89] | 2014 | |
地质灾害 | 中国三峡库区 | 地质灾害的影响和房屋结构对农户贫困脆弱性有显著的正向影响,而且是主导的影响因素 | Xu D等[90] | 2017 | |
直接关 系视角 | 自然灾害(洪水、 干旱) | 墨西哥城 | 一般灾害冲击(尤其是洪水和干旱)将导致人类发展水平的显著下降和贫困水平显著上升 | Rodriguez E等[91] | 2013 |
当代洪水和极端 气候变化 | 尼日利亚拉各斯 | 灾害的影响与快速城市化、环境恶化和弱救灾水平有关 | Ajibade I等[92] | 2014 | |
干旱 | 美国 | 干旱使整个国家处于自然紧急状态,同时伴有经济衰退,造成了农村的普遍贫困和痛苦 | Walker S P[93] | 2014 | |
地震 | 印尼农村 | 地震对个体经济结果的短期、中期和长期影响;并展现了灾后干预对潜在的长期利益的影响 | Gignoux和 Menéndez[94] | 2016 | |
风暴、洪水和干旱 | 越南农村 | 灾难对家庭收入和支出存在负面影响 | Arouri M等[95] | 2015 | |
气候变化 | 全球 | 气候变化可能会通过大量直接和间接的方式加剧贫困;对经济增长和贫困程度、贫困陷阱的形成都会产生影响 | Leichenko R等[96] | 2014 | |
灾害 | 甘肃省 | 不同地理区域灾害频发与贫困之间的耦合关系很强,灾害与贫困易形成恶性循环 | 丁文广等[97] | 2013 | |
自然灾害 | 安徽省59个县(市) | 农业自然灾害受灾面积占总播种面积的比重与农村贫困发生率呈负相关关系 | 巩前文等[98] | 2007 | |
自然灾害 | 广西西南TL村 | 贫困户各类资产存量普遍较低、脆弱性较高的特征使其在自然灾害打击下更易遭受损失,继而影响其灾后重建和恢复能力 | 胡家琪等[99] | 2009 | |
自然灾害 | 越南 | 灾害对家庭收入和支出、贫困和不平等的影响 | Bui A T等[100] | 2014 | |
洪水灾害 | 武陵山区 | 构建了适合区域成灾特点的风险评估指标体系 | 殷洁等[101] | 2013 | |
农户生 计视角 | 洪水 | 奥卡万戈三角洲 | 由于依赖于以自然资源为基础的生计活动,农户对自然灾害天生敏感 | Motsholapheko M R等[104] | 2015 |
泥石流 | 四川省绵竹市清平乡 | 灾害使得农民生计财产遭受重大损失、生活方式显著发生变化、持续性的收入受到不良影响 | Guo S等[105] | 2014 | |
自然灾害(飓风) | 埃塞俄比亚和洪都拉斯 | 自然灾害对资产存量和经济增长的长期影响 | Carter M R[106] | 2007 | |
自然灾害 | 发展中国家和发达国家 | 发展中国家比发达国家的经济增长更易受自然灾害的影响 | Loayza N V等[107] | 2012 | |
台风 | 孟加拉国沿海地区 | 自然灾害影响下水稻种植户面临的收入波动对农户收入和支出行为的影响 | Mottaleb K A等[108] | 2013 | |
飓风 | 尼加拉瓜 | 飓风对农村地区家庭生计策略的影响 | Berg M van den[109] | 2010 |
新窗口打开
3.2.1 脆弱性视角
从脆弱性视角,Schmidtlein等[79]提出社会脆弱性与贫困密切相关,且一般情况下社会脆弱性越大的地区越贫困,灾后恢复面临的阻力也越大。李伯华等[80]认为影响农户贫困脆弱性的主要因子是相对落后的经济状况、不完善的社会保障以及恶劣的自然环境。樊杰等[81]对云南省鲁甸县地震灾前的资源环境特点与区域发展特征进行了评价和分析,发现该地区生态环境脆弱、人口密度大、贫困面广、生产生活对资源的依赖程度高、资源环境长期处于超载状态。Thouret[82]发现地震、火山爆发、山体滑坡、火山泥流和山洪等自然灾害的频繁出现可以影响到城市及其周围地区,特别是含低收入社区的区域。张国培等[83]分析了自然灾害对农户贫困脆弱性的影响后发现保持水土、增加绿化面积和提高低保户比重可有效抵御旱情风险和缓解贫困。张大维等[84]发现在集中连片的少数民族贫困社区,灾害与贫困具有重合性和一致性;灾害、脆弱性、可行能力、贫困等要素间具有相对的继替性和循环性。刘斌涛等[85]构建了地震、泥石流、崩塌滑坡、洪涝、干旱、冰雹和低温冷害等7个主要灾种的危险度评价指标体系和评价指标数据库。Toufique等[86]对孟加拉国4种灾害易发区测量了生计的脆弱性指数,研究结果表明山洪暴发区域是最脆弱区。姜江等[87]的研究发现农业依赖程度越高越易引发贫困,农村粮食消费量与贫困发生率之间关联度很高;在农业灾害脆弱性因子中,自然因素对贫困发生率具有显著影响。Zhou等[88]首次构建了中国的灾害风险指数,对中国省级规模的相对风险水平进行了评估,提出减少自然灾害的脆弱性和人群暴露将是减轻中国热点地区灾害风险的有效措施。家庭成员的教育水平和家庭劳动能力对于降低脆弱性会发挥重要作用,提高入学率和教育背景可能会降低农户的脆弱性[89]。Xu 等[90]的研究表明地质灾害因素和房屋构造因素是影响贫困脆弱性的主导因素,对农户贫困脆弱性有显著的正向影响。
3.2.2 直接关系视角
对于灾害和贫困的直接相互关系,Rodriguez等[91]认为一般灾害冲击(尤其是洪水和干旱)将导致人类发展水平的显著下降和贫困水平的显著上升。贫民社区极其容易受到当代洪水和极端气候变化的影响,与快速城市化、环境恶化和弱救灾水平有关[92]。干旱会使整个国家处于自然紧急状态,同时伴有经济衰退,造成了农村的普遍贫困[93]。Gignoux等[94]发现受地震影响的个体会经历短期的经济损失,但在中期(2~5年)后会恢复,甚至会在长期(6~12年)内获得收入和福利收益,展现了灾后干预潜在的长期利益的影响。Arouri等[95]发现风暴、洪水和干旱这三个灾难类型均对家庭收入和支出存在负面影响。贫困普遍被认为是个体和家庭受到气候变化冲击伤害的关键因素,气候变化可能会通过大量直接和间接的方式加剧贫困,尤其是在欠发达的国家和地区,同时气候变化对经济增长和贫困程度、贫困陷阱的形成都会产生影响[96]。丁文广等[97]的研究表明不同地理区域贫困度随时间推移呈下降趋势,不同地理区域灾害频发与贫困之间的耦合关系很强,且固有的高脆弱性等因素共同加剧了贫困程度,灾害与贫困易形成恶性循环。巩前文等[98]基于安徽省59个县(市)面板数据的实证分析后发现:农业自然灾害受灾面积占总播种面积的比重与农村贫困发生率呈负相关关系,这与大部分现有研究不同,认为原因是在农户抗灾能力增强和政府救助力度增大的情形下发生的一种情况,指出政府和农户应正确认识这种反向关系产生的效用。胡家琪等[99]对自然灾害下农村贫困效应的案例研究表明,贫困户各类资产存量普遍较低、脆弱性较高的特征使贫困户在自然灾害打击下更易于遭受损失,陷入更加不利的状况,继而影响其灾后重建和恢复能力。Bui等[100]探讨了自然灾害对家庭收入和支出、贫困和不平等现象的影响。殷洁等[101]基于灾害系统学原理,构建了适合区域成灾特点的风险评估指标体系。Brassard[102]分析了灾害治理和减贫相关政策之间的协同效应,主张应该基于以人为本提出更加综合和预防性的灾害管理和决策方法。Sawada等[103]提出了灾害-贫困关联的概念模型,整合了与自然灾害相关的五个特定因素:灾害管理、灾害损失、综合影响、灾害救援、灾后修复,并综合分析了各因素间的关联。
3.2.3 农户生计视角
有研究通过分析自然灾害对经济增长和农户生计的影响,间接探讨灾害与贫困的关联。Motsholapheko 等[104]发现由于依赖于以自然资源为基础的生计活动,农户对自然灾害天生敏感。灾害会使得:① 农民生计财产遭受重大损失;② 生活方式显著发生变化;③ 农民持续性的收入受到不良影 响[105]。Carter[106]采用最小二乘法(OLS)对自然灾害及贫困陷阱的影响进行了分析,衡量自然灾害对资产存量和经济增长的长期影响,结果表明自然灾害极易剥夺穷人的资本,使其陷入贫困陷阱并难以自拔。但也有****认为灾害对经济增长的影响并不总是消极的,不同类型的灾害对不同经济部门的影响各不相同,发展中国家比发达国家的经济增长更易受自然灾害的影响[107]。Mottaleb等[108]发现在灾害影响下农户可能会提高食品支出而降低教育支出,对人力资本的长远发展造成影响。Berg M van den等[109]研究了飓风对农村地区家庭生计策略的影响,发现超过60%的农村人口选择低福利策略并使其更易陷入贫困。新扶贫形势下,农户脱贫与其自身生计密切相关,刘永茂等[110]提出了用于分析政府和社区支持活动对农户生计多样性弹性的作用与影响的通用弹性测度和分析框架,并可用于判断贫困农户的发展能力和生计多样性可持续性。Hua等[111]从减贫视角分析和评价了生计资产在可持续生计策略中的作用,为基于农户生计的相关扶贫政策提供了思路。
3.3 灾害与贫困关系研究分析小结
综合上述分析并结合表3—表5可知,灾害与贫困的关系研究主要从脆弱性角度、直接关系视角和农户生计视角三个方面展开研究,关注的灾害类型主要有包括飓风、洪水、干旱等在内的自然灾害,包括地震、泥石流、崩塌滑坡等在内的地质灾害,以及气候变化等方面。相关研究关注的研究区域主要集中在中国连片特困地区或西北地区,以及孟加拉国、印尼、越南、尼日利亚、墨西哥、肯尼亚以及埃塞俄比亚等国家或地区。从脆弱性角度分析可以发现,灾害与贫困具有重合性和一致性,灾害、脆弱性、可行能力、贫困等要素间具有相对的继替性和循环性,脆弱性越大的地区越贫困灾后恢复面临的阻力也越大。从灾害和贫困直接关系视角,灾害和贫困有直接的关联,灾害的冲击将会导致贫困水平的显著上升。从经济增长和农户生计视角,自然资源是贫困人口生计活动的基础,灾害会破坏农户生计并造成人员伤亡和财产损失,进而使得经济发展倒退。综上可知,灾害与贫困相互影响的关键因子主要有:① 气候变化、植被破坏、水土流失、环境脆弱、灾害频发等的灾害因素;② 自然资源依赖程度高、生计策略少、生计脆弱性强、受灾损失大和生计可持续性差等的贫困人口生计因素;③ 资产存量低、脆弱性强、受教育程度低、灾害抵抗能力弱、农业依赖程度高、灾后适应能力差和恢复重建能力差等的多维贫困因素。4 贫困人口减贫诉求和扶贫模式研究
4.1 现有贫困致因和减贫诉求相关研究的归纳总结
世界上约有75%的贫困人口在农村地区,大多数农村由于资金匮乏导致生产效率低下、储蓄微薄。发展中国家关于农村贫困家庭信贷需求的研究不多[112]。小额信贷不仅可以直接影响经济增长,而且还可以通过提高资本积累和就业率间接地的影响经济增长。小额贷款以社会创新的方式通过资产转让来扶贫[114]。贫困农民的教育水平和他们的经验是影响贷款需求的重要因素[115, 116]。贫困人口有提高收入的诉求,收入不平等会导致贫困[117]。对于贫困人口来说,技能和资本都可以限制生产力的选择,很多发展中国家关于提供培训或放松流动管制的项目越来越多。减贫战略必须考虑经济环境变化[118],现在****也越来越关注产业扶贫[119,120,121]、生态扶贫[122,123,124]等。也有文献为技能培训[125]、小额贷款[126]以及资助小企业发展[127]对提高贫困人口收入所产生的影响提供了实证检验证据。同时,提高教育水平有助于脱贫[128,129,130]。21世纪发展中国家的贫困问题已经从普遍性贫困演变为区域性贫困,因病致贫和因灾返贫人口成为新时期贫困人口的重要构成部分,同时新的贫困群体的出现,例如留守人口、流动人口等,会导致缓贫需求多样化[131]。庄天慧等[132]的调查发现,人力资本开发中的科技扶贫是当前农户的首要减贫需求,其次是基础设施中的饮水设施需求,再次是教育医疗住房和相关社会保障需求。
综合上述分析和表6可知,该领域主要的研究区域有中国农村、印度农村、斯里兰卡、菲律宾、马达加斯加、立陶宛、哥伦比亚等国家或地区。分析的贫困致因主要有收入不平等、因病致贫、因灾致贫、缺乏资金支持、缺乏生产资料(失地等)、教育水平和基础设施落后等因素。贫困人口的诉求呈现多元化趋势,现有研究提出的主要减贫诉求包括信贷支持解决资金匮乏问题、提高收入能力、教育医疗和卫生保健支持、饮水设施需求、生态环境改善、扶贫项目支持以及相关社会保障等需求。
Table 6
表6
表62007—2017年贫困人口的贫困致因、减贫诉求和扶贫模式的相关研究
Table 6Related research about poverty causes, poverty reduction demands and modes from 2007 to 2017
作者 | 年份 | 研究区域 | 贫困致因 | 减贫诉求 |
---|---|---|---|---|
左停等[131] | 2009 | 中国农村 | 因病致贫和因灾返贫 | 新的贫困群体(留守人口、流动人口等)的出现导致缓贫需求多样化 |
庄天慧等[132] | 2011 | 中国农村 | 教育水平落后和疾病等 | 人力资本开发中的科技扶贫是当前农户的首要减贫需求,其次是基础设施中的饮水设施需求和教育医疗住房和相关社会保障需求 |
Balogun等[112] | 2011 | 发展中国家农村 | 交易成本、担保风险和信息不对称 | 家庭信贷需求 |
Olaoye O J等[116] | 2011 | 贫困农村 | 贫困农民的教育水平和经验 | 贷款需求 |
Gbadebo A W等[115] | 2013 | 贫困农村 | 家庭规模、农场规模、农场收入等 | 解决资金匮乏问题 |
陈骅璋等[134] | 2015 | 中国安徽省 | 农民因病致贫 | 提高抗疾病风险能力 |
Shuai C M等[135] | 2011 | 中国 | 从干预(扶贫)项目中获利 | |
Pritchard M等[129] | 2015 | 孟加拉国 | 教育水平落后 | 改善教育 |
Cooper D等[117] | 2013 | 无特定研究区域 | 收入不平等 | 增强贫困人口提高收入能力 |
Fowler C S等[119] | 2014 | 美国 | 就业问题 | 增加就业岗位 |
Attanasio O等[125] | 2011 | 哥伦比亚和斯 里兰卡 | 收入不平等 | 提高收入能力 |
Crépon B等[126] | 2011 | 摩洛哥 | 收入不平等 | 提高收入能力 |
Mel S de等[127] | 2012 | 斯里兰卡 | 收入不平等 | 提高收入能力 |
田永霞等[121] | 2015 | 中国北京山区 | 生活质量低、区域发展水平落后 | 提高居民生活质量 |
帅传敏等[55] | 2017 | 中国三峡库区 | 考虑环境污染和地质灾害因素; 脱贫人口与耕地、饮用水、人均纯 收入存在关联 | 协调发展方案均衡增加环境污染治理、水土流失治理和灾害治理投资,兼顾减贫、环保和减灾 |
Dhamija N等[118] | 2013 | 印度农村 | 村级基础设施、家庭规模和构成 | 减贫战略必须考虑到经济环境的变化 |
Laurinavičius A等[128] | 2013 | 立陶宛 | 促进储蓄、投资和资产的建设,使每个人都可能成为资本所有者 | |
Schirle T等[130] | 2013 | 加拿大 | 降低老年贫困率 | |
Mbatu R S[123] | 2015 | 喀麦隆 | 减少农村贫困、保护森林多样性、减少温室气体排放 | |
李文静等[57] | 2017 | 中国三峡库区 | 患病、劳动能力弱和失地 | 提高农户心理资本和人力资本对农户生计状况影响最大 |
新窗口打开
4.2 现有扶贫模式相关研究和创新性扶贫模式探析
4.2.1 现有扶贫模式相关研究越来越多的低收入和中等收入国家将社会保障项目(特别是转移支付项目)作为国家发展战略的一部分。政府扶贫项目资金对于减贫有重要的作用[133, 134]。同时,也有不少国际组织对发展中国家提供扶贫援助,例如联合国国际农业发展基金(IFAD)[135,136,137,138]、世界银行(WB)[139, 140]等。扶贫项目绩效及能力建设会对扶贫项目的可持续性产生重大影响[141]。现有扶贫模式相关研究主要关注如下方面:小额贷款[115, 126]、综合农业发展[135]、新农合制度改 革[134]、技能培训[125, 128]、产业扶贫[119, 121]、旅游扶贫[120]、家庭信贷[112]、资产转让[114]、提高教育水平[129]、资助小企业发展[127]、老年教育[130]、森林可持续发展战略[123]和土地利用类型转变[124]等方面。通过对扶贫模式相关研究的归纳发现,现有研究多数认为应该增加农村小额信贷满足贫困人口资金需求、提供技能培训、提高教育水平、提高饮水质量、农村综合农业发展和完善医疗卫生设施等。
4.2.2 创新性扶贫模式探析
(1)生态扶贫和精准扶贫。全球气候变化和生态环境的恶化带来的灾难性影响越来越不可忽视,而农村贫困地区的贫困人口是该影响下受到危害最为严重的群体之一。保持贫困地区生态环境与经济发展的基本平衡是新时期扶贫开发的重要战略之一[75],应将生态扶贫纳入大扶贫格局[55, 142],并构建生态保护与减贫的互动模式[22]。生态扶贫系统往往更有利于预防贫困,而不仅仅是事后减少贫困[143]。为实现2020年农村人口全部脱贫的目标,中国扶贫模式正发生着多元化的转变:由基于农业和资源的开发式扶贫,逐渐向生计替代式扶贫转变。
2014年5月,国务院扶贫开发领导小组办公室印发了《建立精准扶贫工作机制的实施方案》[144],提出了精准帮扶的四项目标任务:精准识别、精准帮扶、精准管理和精准考核。由此,精准扶贫开始在全国实施。新的精准扶贫对应替代过去的粗放扶贫,针对不同贫困区域环境、不同贫困农户状况,运用科学有效的程序对扶贫区域、扶贫对象实施精确识别、精确帮扶、精确管理。
(2)新能源扶贫。中国政府重视可再生能源的发展,不断探索创新性的扶贫模式,鼓励并积极探索精准扶贫减贫与可再生能源发展相结合的多种扶贫模式;并提出应该重视能源和生态环境建设[145],加快贫困地区可再生能源开发利用,因地制宜发展小水电、太阳能、风能、生物质能[146],推广应用生态能源建设项目[147]。
长期以来,中国扶贫开发项目管理粗放,缺乏严格精细的项目监测和绩效评价机制[141],因此必须调整扶贫思路[148]。农村的脱贫发展需要能源的支持[147, 149],而能源的发展又不能破坏环境,目前在国家扶贫减贫与应对气候变化大政策下摸索出一条低碳可持续的农村新能源发展道路尤其重要[149]。2014年10月11日,国家能源局、国务院扶贫开发领导小组办公室联合印发《关于实施光伏扶贫工程工作方案》[150],在山西、宁夏、甘肃、青海、安徽等地的30个市县开展了首批光伏扶贫试点。光伏扶贫是中国第一个把气候变化、低碳发展与扶贫结合起来的政策,旨在通过光伏发电为农村贫困地区提供一条新的经济收入路径,同时促进农村贫困地区的低碳发展[147]。中国光伏扶贫既符合精准扶贫、精准脱贫战略,又符合国家清洁低碳能源发展战略;既有利于扩大光伏发电市场,又有利于促进贫困人口稳收增收[151],是低碳可持续的农村新能源发展道路的一种尝试,旨在实现低碳减排和减贫发展双丰收[152]。目前光伏扶贫还处于尝试阶段,如何能够让光伏扶贫长期可持续地运营下去,农村贫困地区如何同时实现精准扶贫和绿色低碳可持续发展仍需大量的科学研究和实践探索。
5 系统性环保、减灾和减贫理论模型的构建
5.1 环保、减灾和减贫的系统性思考
随着极端气候的不断发生和气候条件变化[153, 154],相关的环境和资源问题正引起政府和人民的特别关注,诸多****运用系统动力学方法探讨了生态治理相关的问题[155,156,157,158],或者尝试探究社会、经济和环境的相互作用[159],识别影响社会、经济和环境的主要因素[160],或者尝试构建了经济-资源-环境系统动力学模型,并探索如何在经济快速增长的同时实现资源有效利用和环境保护治理的协调发展[161]。贾佳等[162]构建了环境经济复合系统协调发展的系统动力学模型,包含了社会、经济、资源、环境4个子系统。胡艳霞等[163]采用系统动力学的方法,将生态安全承载力系统划分为人口、生物循环农业、旅游、废污资源4个子系统,从村级尺度上阐述了产业发展的农业生物小循环方式是显著提高生态安全承载力的有效方法。随着农村贫困和环境恶化之间的关系越来越受到重视,Martinez-Espineira等[164]提出要找到正确的工具来激发基于自然资源基础的可持续生产潜力,同时保持一些社会可接受的指标能够高于预先设定,例如农民收入水平。Qin等[165]提出了包含人口、工业、农业和污染4个子系统的库区经济发展与水污染防治的系统动力学模型,并提出以破坏水环境为代价使经济高速发展往往不可持续。Guan等[166]提出用系统动力学与地理信息系统动态相结合的方法进行建模来评估中国城市发展的资源枯竭和环境恶化情况。本文认同上述研究方法和尝试,社会、经济和环境的和谐发展是地区持续繁荣的关键,然而他们之间并不相互独立,而是相互促进或者相互限制的、持续性的整体发展过程。经过国内外****的探索,可以发现系统动力学模型可以基于系统行为与内在机制间的相互依赖关系并运用数学模型和模拟仿真来挖掘系统和变量间动态的因果反馈关系,而系统动力学和地理信息系统的组合可以用来分析各种时间和空间影响因素之间的协同互动和反馈,系统动力学模型可以扩展地理信息系统的空间分析功能,实现动态模拟和资源环境系统的发展趋势预测,非常适用于系统地解决中国集中连片特困地区生态环境、灾害与贫困交织的复杂、动态的因果反馈问题。同时,考虑到贫困致因的复杂多样性[57]和贫困人口诉求的多元化趋势,在分析和测度贫困时,不能仅局限于像收入这样的单一维度[167,168,169],而应该包括像缺少机会和缺乏创收能力[170, 171]、决策参与缺失、信息获取渠道缺乏、对不同冲击的脆弱性[167]等在内的多重维度[172]。目前,广泛认可的多维贫困分析方法是Alkire等[173]提出的多维贫困指数(Multidimensional Poverty Index,MPI),该指数综合考虑了教育、健康、资产和服务等方面,包括了收入、教育、卫生、水、健康、生计、电、房屋和土地等具体的指标[172, 174, 175],目前该指数已经被UNDP[176]认可和采纳。另外,虽然有大量的相关研究试图探索财富、生物多样性和生态环境变化之间的关系[177],但是很少有研究关注生态系统服务对减贫的贡献,Suich等[178]认为应该对生态系统服务与多维贫困之间的本质联系进行深入探索。Cheng等[179]综合考虑了生态环境、地质灾害和移民贫困问题,并构建了中国贫困地区可持续发展理论模型,并以三峡库区为例进行了实证检验和模拟仿真分析,该研究为中国集中连片特困地区的兼顾环保、减灾和减贫的系统性理论框架的构建提供了理论支撑。
5.2 兼顾环保、减灾和减贫的系统性理论框架的构建
综合上述分析和总结,本文提出了兼顾生态环境保护、灾害减轻和贫困减轻的系统性理论框架(见图2),并构建了环境-灾害-贫困主要的因果反馈关系图(见图3)。该理论框架综合考虑了贫困在收入、资产、健康、资源、教育和服务等方面的多个维度和贫困人口的多元化减贫诉求。在分析贫困和生态环境的关系时,应该考虑“可获性”,即应分析贫困人口在劳动能力、创收能力、生计策略、自然资源、信息和基础设施、教育和权利等方面的可获得性;同时,在分析环境恶化、贫困和灾害之间的复杂关联时,要综合考虑贫困人口的“脆弱性”,即贫困人口的污染暴露、抵抗疾病、生计脆弱、抵抗灾害,和“适应性”,即贫困人口的资产存量、资源依赖性(包括对农业的依赖和对自然资源的依赖性)、对环境的适应能力和遭遇环境恶化和灾害之后的恢复能力。“可持续性”非常重要,应该综合考虑社会、经济和环境的可持续性,不仅要考虑贫困农户的生计可持续性,还需要考虑提高教育水平、使得贫困人口做出考虑长远发展的决策、减少碳排放、提高贫困人口在污染或灾害后的修复重建能力、保障生态环境的可持续发展。环境-灾害-贫困主要的因果反馈关系图(见图3)提出了生态环境、灾害和贫困之间主要的因果反馈关系,例如“污染→疾病→贫困→污染”、“贫困→滥砍滥伐→植被破坏→水土流失→灾害频发→加重贫困”、“贫困→资源依赖→过度开发→资源破坏→环境恶化→加重贫困”和“环境恶化→气候变化→灾害频发→加重贫困→环境恶化”等。在考虑兼顾环保、减灾和减贫的系统性扶贫模式方面,该理论框架重视精准扶贫和精准脱贫,综合考虑了包含绿色产业发展和生物质能发展在内的生态扶贫,同时也考虑了包含农村新能源发展、光伏扶贫在内的农村贫困地区的低碳可持续发展。该理论框架拟为未来相关研究在系统性环保、减灾和减贫领域更加深入的实证研究探索和集中连片特困地区可持续发展的实践探索提供理论基础。显示原图|下载原图ZIP|生成PPT
图2兼顾环保、减灾和减贫的系统性扶贫理论框架
-->Figure 2Systematic theoretical framework of eco-environmental protection, disaster and poverty reduction
-->
显示原图|下载原图ZIP|生成PPT
图3环境-灾害-贫困主要的因果反馈关系
-->Figure 3Key causal feedback loops of environment-disasters-poverty nexus
-->
6 研究结论与研究展望
6.1 研究结论
通过分析,本文得到如下主要研究结论:(1)生态环境与贫困存在复杂关联,关键影响因子包括环境恶化因素、资源因素和多维贫困因素。导致贫困的原因复杂多样,生态环境的变化与贫困交织在一起,生态环境的恶化可能导致贫困。不平等会导致环境恶化,导致环境恶化相关的活动通常会导致短期的收益和长期的代价。迫于生活的压力,同时与贫困有关的担忧会消耗精神资源,这可能会影响贫困人口使其做出缺乏远见的决定和行为,进而可能会使贫困进一步加深。贫困陷阱理论能部分解释贫困和生态环境恶化之间的恶性循环关系。环境库兹涅茨曲线认为环境污染与经济发展之间存在倒U型关系。森林、水资源和土地资源与贫困的关系虽然存在争议,但这些资源与农村贫困人口的生存紧密相关,同时生态环境的改善会使得贫困人口减少,例如退耕还林和植树造林等政策可以帮助改善或者平衡生态环境进而减轻贫困。生态环境与贫困相互影响的关键因子主要有:① 包括环境污染、水土流失、生物多样性破坏等的环境恶化因素;② 包括粮食生产、森林资源、水资源和土地资源等的资源因素;③ 包括健康风险、经济贫困、劳动能力弱、创收能力差、和适应能力差等的多维贫困因素。
(2)灾害与贫困的关系研究主要关注脆弱性、直接关系和农户生计三个视角。从脆弱性角度分析可以发现,灾害与贫困具有重合性和一致性,灾害、脆弱性、可行能力、贫困等要素间具有相对的继替性和循环性,脆弱性越大的地区越贫困,灾后恢复面临的阻力也越大。从灾害和贫困直接关系视角,灾害和贫困有直接的关联,灾害的冲击将会导致贫困水平的显著上升。从经济增长和农户生计视角,自然资源是贫困人口生计活动的基础,灾害会破坏农户生计并造成人员伤亡和财产损失,进而使得经济发展倒退。灾害与贫困相互影响的关键因子主要有:① 包括气候变化、植被破坏、水土流失、环境脆弱、灾害频发等的灾害因素;② 包括自然资源依赖程度高、生计策略少、生计脆弱性强、受灾损失大和生计可持续性差等的贫困人口生计因素;③ 包括资产存量低、脆弱性强、受教育程度低、灾害抵抗能力弱、农业依赖程度高、灾后适应能力差和恢复重建能力差等的多维贫困因素。
(3)贫困人口的诉求呈现多元化趋势,但扶贫模式却较少综合考虑环境和灾害等因素。
贫困致因主要有收入不平等、因病致贫、因灾致贫、缺乏资金支持、缺乏生产资料(失地等)、贫困陷阱与恶性循环、教育水平和基础设施落后等因素。贫困人口的诉求呈现多元化趋势,主要的减贫诉求包括信贷支持解决资金匮乏问题、提高收入能力、教育医疗卫生保健支持、饮水设施需求、生态环境改善、扶贫项目支持以及相关社会保障等需求。扶贫模式主要考虑了增加农村小额信贷满足贫困人口资金需求、提供技能培训、提高教育水平、提高饮水质量和完善医疗卫生设施等方面,却较少综合考虑环境和灾害等综合因素。
6.2 研究展望
综合上述分析和主要结论,本文提出如下研究展望:(1)生态环境和贫困关系的研究应该更加重视可持续发展问题。生态环境和贫困关系研究领域的重点和热点问题主要有可持续发展、生态环境保护、贫困人口适应能力、生态系统服务和贫困人口可持续生计等问题,其中可持续发展与贫困的关联备受关注。同时,贫困问题与环境恶化之间的因果关系还有待深入探索,生态系统服务对减贫的贡献也值得关注。弹性思维提供了一种理解世界和资源管理的动态思路和新方法,可能有助于理解人类和生态环境系统的复杂关系。未来研究应该在更加关注农村贫困地区贫困人口可持续发展的前提下,继续深入探索生态环境与贫困的因果反馈关系,同时也不能忽略生态系统服务与多维贫困的 关联。
(2)灾害对贫困的间接影响因素值得关注,贫困农户的脆弱性和灾后修复等问题也不容忽视。灾害与贫困的关系研究领域的重点和热点主要包括贫困人口脆弱性、气候变化对贫困的影响、贫困人口灾后修复能力及其适应性等问题。虽然现有相关研究涉及到脆弱性、直接关系和农户生计三个视角,但大多数研究比较关注灾害对贫困产生的直接影响,例如灾害冲击在短期内对贫困程度的加剧。但是,从中长期来看,灾害对贫困的影响会受到各种中介变量或者调节变量的影响,或者受到相关政策因素的干预。因此,未来研究应该更加关注灾害对贫困影响的间接影响因素和相关政策干预的影响;同时,农户脆弱性、农户生计资产和灾后恢复重建等问题值得关注。
(3)应关注创新性扶贫模式开发,积极促进可再生能源与精准扶贫的有机结合。中国扶贫模式正发生着多元化的转变,同时面对全球气候变化、生态环境的恶化和2020年农村人口全部脱贫的目标,中国政府正在不断探索创新性的扶贫模式,鼓励精准扶贫减贫,并积极探索可再生能源与扶贫发展相结合的多种扶贫模式。例如光伏扶贫是低碳可持续的农村新能源发展道路的一种尝试,旨在实现低碳减排和减贫发展双丰收,但目前仍处于尝试阶段,如何能够让光伏扶贫长期持续地运营下去还需要大量的科学研究和实践探索。
(4)应该综合地考虑生态环境、灾害和贫困关联的关键因素提出系统性减贫策略。通过文献分析发现,生态环境、灾害与贫困间有着紧密的联系。在中国集中连片特困地区,生态环境、灾害和贫困也是通过各个关键要素相互关联、相互影响的,仅仅考虑某一单方面的影响因素并不利于中国集中连片特困地区全面彻底地摆脱贫困。因此,未来研究中应更深入地探索生态环境、灾害和贫困相互关联的关键影响因素及其因果反馈关系,并从系统论角度综合地分析生态环境、灾害和贫困相互间的动态、反馈因果关系,并提出更为全面的兼顾保护生态环境、减轻灾害和摆脱贫困的系统性扶贫理论模型和减贫策略。
The authors have declared that no competing interests exist.
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
[1] | [J]. , [J]. , |
[2] | |
[3] | [J]. , [J]. , |
[4] | [J]. , [J]. , |
[5] | [J]. , [J]. , |
[6] | [J]. , |
[7] | [J]. , |
[8] | [M]. , |
[9] | [J]. , |
[10] | [J]. , |
[11] | [J]. , |
[12] | [M]. , |
[13] | [J]. , |
[14] | [J]. , |
[15] | [J]. , |
[16] | [J]. , |
[17] | [J]. , |
[18] | [J]. , |
[19] | [J]. , |
[20] | [J]. , |
[21] | [J]. , |
[22] | [J]. , [J]. , |
[23] | [J]. , |
[24] | [J]. , |
[25] | [J]. , |
[26] | |
[27] | [J]. , |
[28] | [J]. , |
[29] | [J]. , |
[30] | [J]. , |
[31] | [J]. , |
[32] | [M]. , |
[33] | [M]. , |
[34] | [M]. , |
[35] | [J]. , |
[36] | |
[37] | [J]. , [J]. , |
[38] | |
[39] | [J]. , |
[40] | [M]. , |
[41] | [J]. , |
[42] | [J]. , |
[43] | [J]. , |
[44] | [J]. , |
[45] | [J]. , |
[46] | [J]. , |
[47] | [J]. , |
[48] | [J]. , |
[49] | [J]. , |
[50] | [J]. , |
[51] | [J]. , [J]. , |
[52] | [J]. , [J]. , |
[53] | [J]. , |
[54] | [J]. , |
[55] | [J]. , [J]. , |
[56] | [J]. , [J]. , |
[57] | [J]. , [J]. , |
[58] | [J]. , |
[59] | [J]. , [J]. , |
[60] | [, |
[61] | [J]. , |
[62] | [J]. , |
[63] | [J]. , |
[64] | [J]. , [J]. , |
[65] | [J]. , |
[66] | [J]. , |
[67] | [J]. , |
[68] | [J]. , |
[69] | [J]. , |
[70] | [J]. , [J]. , |
[71] | [J]. , [J]. , |
[72] | [J]. , [J]. , |
[73] | [J]. , |
[74] | [J]. , [J]. , |
[75] | [J]. , [J]. , |
[76] | [J]. , [J]. , |
[77] | [J]. , |
[78] | [J]. , |
[79] | [J]. , |
[80] | [J]. , [J]. , |
[81] | [J]. , [J]. , |
[82] | [J]. , |
[83] | [J]. , [J]. , |
[84] | [J]. , [J]. , |
[85] | [J]. , [J]. , |
[86] | [J]. , |
[87] | [J]. , [J]. , |
[88] | [J]. , |
[89] | [J]. , |
[90] | [J]. , |
[91] | [J]. , |
[92] | [J]. , |
[93] | [J]. , |
[94] | [J]. , |
[95] | [J]. , |
[96] | [J]. , |
[97] | [J]. , [J]. , |
[98] | [J]. , [J]. , |
[99] | [J]. , [J]. , |
[100] | [J]. , |
[101] | [J]. , [J]. , |
[102] | |
[103] | [J]. , |
[104] | [J]. , |
[105] | [J]. , |
[106] | [J]. , |
[107] | [J]. , |
[108] | [J]. , |
[109] | |
[110] | [J]. , [J]. , |
[111] | [J]. , |
[112] | [J]. , |
[113] | [J]. , |
[114] | [J]. , |
[115] | [J]. , |
[116] | [J]. , |
[117] | [J]. , |
[118] | [J]. , |
[119] | [J]. , |
[120] | [J]. , |
[121] | [J]. , [J]. , |
[122] | [J]. , |
[123] | [J]. , |
[124] | [J]. , |
[125] | [J]. , |
[126] | . , |
[127] | [J]. , |
[128] | [J]. , |
[129] | [J]., |
[130] | [J]. , |
[131] | [J]. , [J]. , |
[132] | [J]. , [J]. , |
[133] | [J]. , |
[134] | [J]. , [J]. , |
[135] | [J]. , |
[136] | [J]. , [J]. , |
[137] | [J]. , [J]. , |
[138] | [J]. , [J]. , |
[139] | [J]. , |
[140] | [J]. , |
[141] | [J]. , |
[142] | [J]. , [J]. , |
[143] | [J]. , |
[144] | [EB/OL]. ( [EB/OL]. ( |
[145] | [J]. , [J]. , |
[146] | [J]. , [J]. , |
[147] | [M]. , [M]. , |
[148] | [EB/OL]. ( [EB/OL]. ( |
[149] | [EB/OL]. ( [EB/OL]. ( |
[150] | [EB/OL]. ( [EB/OL]. ( |
[151] | [EB/OL]. ( [EB/OL]. ( |
[152] | [EB/OL]. ( [EB/OL]. ( |
[153] | [J]. , |
[154] | [J]. , [J]. , |
[155] | [J]. , |
[156] | [J]. , |
[157] | [J]. , |
[158] | [J]. , [J]. , |
[159] | [J]. , |
[160] | [J]. , [J]. , |
[161] | [J]. , [J]. , |
[162] | [J]. , [J]. , |
[163] | [J]. , [J]. , |
[164] | [J]. , |
[165] | [J]. , |
[166] | [J]. , |
[167] | [M]. , |
[168] | [J]. , |
[169] | |
[170] | |
[171] | [M]. , |
[172] | [J]. , |
[173] | [J]. , |
[174] | [J]. , |
[175] | [M]. , |
[176] | |
[177] | [J]. , |
[178] | [J]. , |
[179] | [J]. , |