减贫和消除贫困一直是国际社会颇为关注的问题,缩小城乡间差异,促进区域可持续均衡发展是世界各国不断努力的方向。贫困之冰非一日之寒,破冰之功非一春之暖,贫困是一种复杂的社会现象,是多种因素共同作用的结果。习近平总书记在湖南湘西考察时,首次作出“实事求是、因地制宜、分类指导、精准扶贫”的重要指示,“精准扶贫”的重要理念为新时期的中国扶贫工作指明了方向。国家为此出台了一系列的扶贫政策、措施,并取得了举世瞩目的脱贫成就,现行贫困标准下,全国832个贫困县脱贫摘帽,近1亿农村贫困人口全部脱贫。其中贵州省作为中国脱贫攻坚的主战场,实施了中国最大规模的易地扶贫搬迁,188万人从深山搬到城镇,彻底改变了生存发展条件,由中国贫困人口最多的省变为中国减贫人数最多的省,书写了中国减贫奇迹的贵州篇章。但脱贫摘帽不是终点,而是新生活、新奋斗的起点。如何巩固好脱贫攻坚成果并与乡村振兴有效衔接,对已脱贫区域是否存在返贫现象进行监测成为我们亟需解决的问题。因此,长时间序列探究地区贫困格局的时空演变特征,分析主要致贫因素,对有针对性的制定发展策略有着重要意义。通过遥感影像可对贫困区进行快速、客观的识别,为长期监测区域发展状况提供了有效途径。为丰富和完善贫困区资料,因地制宜的发展特色经济产业,拓展脱贫攻坚成果,推动乡村振兴高质量发展提供了依据。夜间灯光数据可客观真实的反映地区社会经济发展,且具有更新快、数据量小、易获取等优点。本研究利用夜间灯光数据,选取贫困面大,贫困程度深的贵州省为研究区,引入可持续生计框架构建多维贫困测评体系,基于博弈论思想赋予指标权重计算出多维贫困指数（Multidimensional Poverty Index,MPI）,并与提取出的区域灯光总量指数（Total Night Light Index,TNLI）、平均灯光指数（Mean Night Light Index,MNLI）进行对比分析,最终选取MNLI指数与MPI指数进行建模,构建出基于夜间灯光数据的多维贫困估算模型。采用通过误差检验的MPI估算值开展多维贫困区识别对比,分析贵州省多维贫困区的空间分布特征,并进一步探究影响贵州省贫困状况的主要因素。结果表明:（1）参考可持续生计框架选取评价指标,通过博弈论组合赋权构建的多维贫困指数MPI能较好的反映研究区发展状况。MNLI指数与MPI指数的拟合效果优于TNLI指数,结合贵州省自然地理条件,构建出的多维贫困估算模型精度较高,2010-2018年总体的平均相对误差为7.07%,精度较之前学者研究有较大提升,可以更好反映地区多维贫困状况。（2）利用估算的多维贫困指数对贵州省贫困状况进行识别,并与国家公布的贫困县名单对比。2012年被识别为多维贫困区的县区有66个,其中有63个县区与贵州省集中连片特困区中的扶贫开发重点县一致。2019年有9个县区被识别为多维贫困区,其中有6个与贵州省集中连片特困区中的扶贫开发重点县一致。（3）2010和2019年全局Morans’I指数分别为0.425和0.544,表明贵州省88县域的贫困程度具有明显的空间集聚性。贫困度呈现中部和北部贫困度偏低,东部、西部及南部贫困程度较深的“马蹄形”空间分布格局。总体结果表明贵州省2010-2019年各县区的减贫成效非常明显,这有效印证了贵州省扎实推进扶贫进程,积极开展各项扶贫工作,出台一系列精准扶贫政策和措施所取得的减贫成果。（4）贵州省地貌区贫困县分布占比表明县域贫困度空间格局与地貌分区有一定的空间关联,反映了自然地理条件如地貌是贵州县域致贫的主要因素。可将独特的自然地理环境转换为优势资源,因地制宜发展特色主导产业,增强自身“造血”功能,实现区域的可持续发展。