岩溶槽谷区撂荒耕地空间分异特征及其驱动因子

施厚军，兰安军，2，*，易兴松，翟 香，廖艳梅，钟九生，2

(1.贵州师范大学 地理与环境科学学院，贵州 贵阳 550025； 2.国家喀斯特石漠化防治工程技术研究中心，贵州 贵阳 550001； 3.贵州大学 林学院，贵州 贵阳 550004)

耕地资源是农业生产的载体，是保障粮食安全、实现区域可持续发展和确保政治稳定的关键[1-2]。随着社会的发展，农业生产成本逐渐增加，农户为追求家庭利益最大化重新配置劳动力，导致大量劳动力从第一产业析出，部分地区农户承包的土地用途发生改变或长期呈粗放式状态，引起耕地边际化，最终导致耕地撂荒[3]。撂荒耕地面积的增加不仅给我国粮食安全带来威胁，也制约着区域社会经济的可持续发展。自从我国进入城镇化中期阶段以后，由农村人口城乡迁移引起的耕地利用与保护问题一直都是土地科学研究的热点[4-5]，而耕地撂荒的空间分布特征和影响因子更是学者们关注的焦点[6-8]。

目前，国内外学者关于撂荒耕地的研究主要集中于提取方法、时空分异特征、驱动因素和对策等方面[9-14]。国外对撂荒耕地的研究较早，全球范围内撂荒耕地主要发生在二三产业发达的国家和地区，如美国、日本、欧洲等[15-16]。国内的研究表明，地形复杂和农业生产条件差的山区撂荒程度高，如位于西南山区的四川省[10]、重庆市[12-13]和典型岩溶区的贵州省息烽县[17]、茂兰自然保护区[18]。导致耕地撂荒的影响因子可归结为劳动力特征、社会经济状况、农业生产条件3类，具体包括劳动力数量和质量、城镇化率、坡度、地块破碎度和耕作半径等，不同影响因子在不同区域、不同尺度上的表现有所差异[7，19]。岩溶山区耕地资源细碎[20]，难以实现规模化经营，农业生产效率低，经济效益不高，导致大量耕地被粗放利用甚至撂荒[21]。当前，国内关于撂荒耕地的研究主要集中于地形复杂、农业条件差的山区和丘陵地带[22]，针对土地资源匮乏的岩溶槽谷区撂荒耕地的研究较少。

西南岩溶槽谷区主要分布在我国黔东北、湘西、鄂西，以及渝中、渝东南、渝东北等地的130多个县级行政区，总面积43.608万km2。位于岩溶槽谷区的撂荒耕地与其他岩溶区域有所差异：岩溶槽谷区内山坡和槽谷相间分布，地形起伏大，坡度陡，地块破碎，机械化难以投入，规模化经营困难，经济效益低下，人们耕作意愿不强。因此，岩溶槽谷区表现出谷底平坦地区撂荒面积较小、两侧山坡坡耕地撂荒严重的特性[23-25]，但岩溶槽谷区内撂荒耕地的空间分异特征及其驱动因子尚不明确。为此，本研究以黔东北岩溶槽谷区内的贵州省铜仁市碧江区和万山区为研究对象，运用热点分析和二分类Logistic回归模型，揭示岩溶槽谷区撂荒耕地的空间分异特征及其驱动因子，以期为岩溶槽谷区的耕地管理与利用提供参考。

1 材料与方法

1.1 研究区概况

研究区地处贵州高原向湘西山地丘陵过渡的斜坡地带(图1)，具有紧密箱型背斜/向斜构造发育、地质岩性多变、碳酸盐岩与非碳酸盐岩互层、岩层倾角大等特征[26]，岩溶槽谷地貌是主要地貌形态。地势东南部高、西北部低，沟壑交错，海拔在196～1 129 m，属亚热带季风湿润气候[27]。研究区包括碧江区(108°57′～109°29′E、27°34′～27°53′N)、万山区(109°11′～109°14′E、27°30′～27°32′N)，国土面积共计1 854 km2，其中岩溶区面积为1 132.77 km2。农业生产以水稻、玉米等粮食作物为主，烤烟、蔬菜、油料作物等经济作物为辅。截至2019年底，碧江区和万山区的常住人口分别为33.38万、13.27万，人均GDP分别为6.36万、5.37万元。

图1 研究区位置图Fig.1 Location map of study area

1.2 数据来源与处理

研究区数据主要来源于2017年土地利用变更调查数据库和2019年的GF-1、GF-2、ZY-3遥感影像，分辨率为1～2 m。参照文献[28]，结合研究区实际情况，本文将2 a及以上闲置或荒芜的耕地定义为撂荒地。

撂荒地数据获取：(1)以2019年遥感影像为数据源，经目视解译和实地验证后得到2019年土地利用数据。(2)提取研究区2017年耕地图层作为本底数据，将本底数据与2017年高分影像叠加，获取疑似未耕种耕地图层，借助Google Earth软件目视判读得到2017年未耕种耕地数据。同理，经目视判读和大量野外调查后，确保解译数据精度达95%以上，获取研究区2019年未耕种耕地数据。(3)将2017年和2019年未耕种耕地图层叠加，将未耕种耕地重叠部分视为撂荒地。

数字高程模型(DEM)数据来源于地理空间数据云平台，分辨率为30 m，利用ArcGIS 10.2软件计算研究区的坡度。

1.3 研究方法

1.3.1 热点分析

热点分析是针对研究区内撂荒耕地在局部地区是否有显著的高值(热点区)和低值(冷点区)的检验[29]。以1 km×1 km的网格作为分析单元，利用ArcGIS 10.2软件将研究区划分为2 020个1 km×1 km的网格。将网格与撂荒耕地图层进行叠加，统计每个网格内的撂荒耕地面积，其中，网格内撂荒水田和撂荒旱地面积的最大值分别为10.15、19.79 hm2，最小值均为0，平均值分别为0.67、2.07 hm2，中位数分别为0.16、1.26 hm2。用ArcGIS 10.2软件的热点分析工具，以网格内的撂荒耕地面积为指标，获得撂荒耕地面积的热点分布图，其中“热点区”和“冷点区”分别表示大规模和小规模撂荒耕地的集聚区。计算公式[30]为

(1)

(2)

1.3.2 二分类Logistic回归模型

耕地撂荒是一个二分类响应变量[32]。二分类Logistic回归模型是针对因变量为二分类的非线性回归统计方法[33]，该方法引入空间概念，研究1个因变量与多个自变量之间形成的多元回归关系，解决了因变量为分类变量的问题，并能有效预测耕地撂荒发生的概率。本研究中，当耕地为撂荒地时，Y=1，否则Y=0。Xi(i=1，2，…，n)为解释变量。二分类Logistic回归模型[34]如下：

(3)

LogitP=ln[P/(1-P)]=β0+β1X1+β2X2+…+βnXn。

(4)

式(3)、(4)中：P表示一个地块撂荒的发生概率；LogitP表示P的Logistic回归模型；βi(i=0，1，2，…，n)为回归系数；P/(1-P)表示事件的发生比率。

本文用ROC系数检验二分类Logistic回归模型的拟合优度。当ROC值大于0.7时，认为所选定的驱动因子具有较好的解释能力[35]。

分析影响耕地撂荒的因子，按照各因子对耕地撂荒的贡献率，确定其主次关系。

岩溶槽谷区耕地资源破碎，地形复杂多变。实地调研发现，农户多居住于低海拔的平坦谷底，而耕地却多分布于高海拔的山坡，因此农户对高海拔区耕地的耕作意愿不强。高程既能反映岩溶槽谷区谷底与山坡的海拔差异，也能体现农户在垂直距离上的耕作意愿。撂荒耕地同时受自然、社会、地块因子的综合影响。本文结合研究区实际情况和数据的可获取性，共选取8个解释变量分析撂荒耕地的驱动因子(表1)，其中：坡度、高程和河流距离为自然驱动因子；距聚落距离、交通距离和灌溉距离为社会驱动因子；地块面积和地块形状指数为地块驱动因子。运用ArcGIS 10.2软件中的近邻分析(Near)工具计算距聚落距离，表示地块边缘与邻近农村居民点中最近居民点质心的空间距离。用地块形状指数表征地块形状对耕地撂荒的影响[36]。计算公式如下：

表1 耕地撂荒的驱动因子

(5)

式(5)中：Vi为i地块的地块形状指数值；Ci为i地块的周长；Ai为i地块的面积。Vi值为1时，说明该地块形状为正方形，值越大，说明形状越不规整，越不适宜机械化耕作[20]。

2 结果与分析

2.1 撂荒耕地的空间分异特征

研究区耕地面积为31 909.25 hm2，撂荒面积为5 526.79 hm2，撂荒率为17.32%(表2)。其中，水田面积14 159.93 hm2，旱地面积17 749.32 hm2，撂荒面积分别为1 347.72、4 179.07 hm2，撂荒率分别为9.52%和23.54%。撂荒地块总数为13 058块，其中，水田撂荒块数为2 913块，旱地撂荒块数为10 145块。从整体上看，无论是撂荒块数还是撂荒率，旱地的撂荒程度都比水田更严重。

表2 研究区撂荒耕地面积数量

从空间分布来看，撂荒耕地呈现出“西多东少”的趋势(图2)。分乡(镇、街道)来看，桐木坪乡撂荒率最高，撂荒率高达28.14%，撂荒面积为340.28 hm2(表3)。桐木坪乡自然条件和社会经济条件相对较差，近年来在城市化进程中，大量的劳动力从山上转移到城镇，导致耕地大量撂荒。紧随其后的是川硐镇，撂荒率达到26.86%。川硐镇西北部小江口村的坡耕地基数大，生产条件差，不适宜耕作，南部和东部分别为城乡结合部和工业园区，城镇化发展迅速，部分农户向非农化转变，导致耕地撂荒。云场坪镇的撂荒率为24.30%。该地区地处湘黔两省交界，区内有丰富的旅游资源和矿产资源，二、三产业发展迅速，导致部分耕地撂荒。另外，高于研究区整体撂荒率的还有位于城乡结合部的环北街道、河西街道、灯塔街道、茶店街道，农业主导乡镇——鱼塘乡、坝黄镇，以及东部山区的六龙山乡等。市中街道地处铜仁市中心区域，是铜仁市的经济、文化、交通和商贸中心，耕地面积仅有0.82 hm2，无耕地撂荒现象。

Ⅰ，和平乡；Ⅱ，川硐镇；Ⅲ，滑石乡；Ⅳ，云场坪镇；Ⅴ，漾头镇；Ⅵ，灯塔街道；Ⅶ，市中街道；Ⅷ，环北街道；Ⅸ，河西街道；Ⅹ，坝黄镇；Ⅺ，桐木坪乡；Ⅻ，谢桥街道；XIII，六龙山乡；XIV，瓦屋乡；XV，大坪乡；XVI，鱼塘乡；XVII，茶店街道；XVIII，高楼坪乡；XIX，万山镇；XX，敖寨乡；XXI，下溪乡；XXII，黄道乡。下同。Ⅰ，Heping Township; Ⅱ，Chuandong Town; Ⅲ，Huashi Township; Ⅳ，Yunchangping Town; Ⅴ，Yangtou Town; Ⅵ，Dengta Street; Ⅶ，Shizhong Street; Ⅷ，Huanbei Street; Ⅸ，Hexi Street; Ⅹ，Bahuang Town; Ⅺ，Tongmuping Township; Ⅻ，Xieqiao Street; XIII，Liulongshan Township; XIV，Wawu Township; XV，Daping Township; XVI，Yutang Township; XVII，Chadian Town; XVIII，Gaolouping Township; XIX，Wanshan Town; XX，Aozhai Township; XXI，Xiaxi Township; XXII，Huangdao Township. The same as below.图2 研究区撂荒耕地的空间分布Fig.2 Spatial distribution of abandoned cultivated land

表3 各乡(镇、街道)的耕地面积与撂荒率

2.2 撂荒耕地热点分析

撂荒水田的极热点区主要分布于研究区西南部的大坪乡、鱼塘乡、茶店街道和高楼坪乡，其次为东北部的城乡结合部滑石乡和川硐镇，冷点区不明显(图3)，说明西南部和东北部的城乡结合部是撂荒水田的高值聚集区，撂荒规模大，撂荒程度严重。

图3 撂荒耕地热(冷)点分布图Fig.3 Spatial distribution of hot (cold) points of abandoned cultivated land

撂荒旱地的极热点区主要分布于西部农业主产区的坝黄镇、桐木坪乡、茶店街道、鱼塘乡和大坪乡，其次为东北部的城乡结合部滑石乡和川硐镇；极冷点区和冷点区主要分布于东部乡镇，如瓦屋乡、漾头镇、六龙山乡、敖寨乡、下溪乡、万山镇和黄道乡。以上结果表明，研究区西部和东北部的城乡结合部是撂荒旱地的高值聚集区，撂荒规模大；东部为撂荒旱地的低值聚集区，撂荒规模小。

研究区东、西部的自然、社会、地块驱动因子差异明显，是造成撂荒水田和撂荒旱地冷、热点空间分异的主要原因。西部和西南部为农业主产区，坡耕地占比大，农村空心化严重，农户将农业生产条件差的劣质耕地大面积撂荒。

东北部位于城乡结合部，城镇化率高，大量农业人口向非农人口转移，导致耕地出现规模化撂荒。东部受自然因素的影响，地势陡峭、人口稀疏，本身耕地基数少，发展滞后，以农业为主，撂荒规模小。

2.3 撂荒耕地驱动因子分析

2.3.1 撂荒耕地的二元Logistic回归分析

二元Logistic回归模型，基于数据抽样，能为每个自变量产生回归系数。将因变量和自变量代入SPSS 19.0软件中计算研究区撂荒水田和撂荒旱地的Logistic回归模型参数(表4、表5)，模型参数中的统计量Wald χ2可用来评价每个变量对事件预测的贡献率，回归系数β表示各自变量(驱动因子)和耕地撂荒的相关性。撂荒水田和撂荒旱地模型的ROC系数分别为0.762、0.749。

表4 水田撂荒的Logistic回归模型相关系数

表5 旱地撂荒的Logistic回归模型相关系数

根据回归模型中各参数的显著性水平(P值)和统计量Wald χ2，耕地撂荒的重要解释变量有距聚落距离、高程、地块面积、坡度、灌溉距离、交通距离和地块形状指数。这7个自变量回归系数的P值均小于0.01，说明均具有极显著的统计学意义，以下对其进行具体分析。

对于水田撂荒来说，7个驱动因子的贡献率从高到低依次是地块面积>距聚落距离>坡度>灌溉距离>交通距离>高程>地块形状指数；对于旱地撂荒来说，7个驱动因子的贡献率从高到低依次是距聚落距离>地块面积>坡度>灌溉距离>高程>交通距离>地块形状指数。自然驱动因子中，坡度的影响最大，对于水田和旱地撂荒来说，其回归系数均为正值，说明坡度越陡，越不利于机械化耕作，由于生产成本高，撂荒容易发生。社会驱动因子中，距聚落距离的影响最大，是耕地撂荒的重要驱动因子，其回归系数均为正值，说明距聚落距离越远，撂荒越容易发生。地块驱动因子中，地块面积的影响最大，其回归系数为负值，说明耕地撂荒与地块面积负相关。地块面积越小，农业机械化耕作的难度越大，越不利于规模化经营，耕地撂荒的概率也就越大。总体而言，随着城镇化的加速推进和社会经济的不断发展，农业劳动力大量析出，那些离聚落远、面积小、基础设施差、海拔高和坡度陡的耕地易被撂荒。

2.3.2 撂荒耕地单因子分析

二元Logistic回归分析发现，自然、社会、地块驱动因子对耕地撂荒均有显著影响。因此，以下分别就自然、社会、地块层面中各单因子对耕地撂荒的影响做进一步分析。

(1)自然驱动因子。

水田和旱地在不同坡度和高程的撂荒情况极其相似，均随着坡度和海拔的增加，撂荒块数和比例呈先增加再减小的趋势(图4)。撂荒水田和撂荒旱地在坡度6°～15°的撂荒块数最多，分别达1 238和3 892块，分别占总数的42.50%和38.36%。其次是15°～25°，撂荒块数分别为892块和3 429块，分别占总数的30.62%和33.80%。坡度在25°以上的耕地因基数较少，所以撂荒块数较少。总的来说，坡度越陡，越不利于机械化种植，越容易撂荒。撂荒水田和撂荒旱地均以高程在450～650 m的撂荒块数最多，分别为985块和3 776块，分别占总数的33.81%和37.22%；高程在300～450 m的次之；高程在600 m以上的耕地因基数较少，撂荒地块数也呈减少趋势。

图4 不同自然驱动因子下的撂荒耕地变化Fig.4 Changes in abandoned cultivated land under different natural driving factors

研究区西部坡耕地多，不利于水土保持，机械化难以投入；西南部受高海拔影响最为明显，加之当地退耕还林还草的推进，极易造成高海拔、陡坡区耕地出现撂荒；东部地区耕地基数少，多分布于缓坡和低海拔槽谷区。因此，撂荒耕地的极热点区主要分布于研究区西部、西南部和东北部，极冷点区和冷点区主要分布于东部。

(2)社会驱动因子。

随着距聚落距离和灌溉距离的增加，撂荒水田和撂荒旱地的块数和比例呈增长趋势；随着交通距离的增加，撂荒水田和撂荒旱地的块数和比例呈现先减少再增加的趋势(图5)。

图5 不同社会驱动因子下的撂荒耕地变化Fig.5 Changes in abandoned cultivated land under different social driving factors

距聚落距离是水田和旱地撂荒的第二和第一驱动因子，撂荒水田和撂荒旱地主要分布于距聚落距离200 m以外的区域，块数分别为1 510块和5 809块，分别占总数的51.84%和57.26%，距聚落距离越远，撂荒块数占比越高。当距聚落距离增大时，运输成本增加，农户收益降低，因而离居民点远的耕地易发生撂荒。灌溉条件影响农作物生长和产量。撂荒水田和撂荒旱地主要分布于灌溉距离200 m以外的区域，块数分别为1 222块和5 932块，分别占总数的41.95%和58.47%。岩溶槽谷区的山坡与槽谷分异明显，山坡耕地分布多，而水源却位于低处槽谷，距灌溉设施越远，补充水分越难，撂荒也越严重。撂荒水田分布于交通距离50 m内的块数最多，其次为200 m以外；撂荒旱地主要分布于交通距离200 m以外的区域，撂荒块数为3 128块，比例达30.83%，其次为50 m内。当交通距离大于50 m时，随交通距离增加，撂荒水田和撂荒旱地的块数和比例均呈增长趋势，说明交通距离是影响农业生产的重要条件，随着交通距离的增加，耕地更容易发生撂荒。

研究区西部和西南部为农业主产区，耕地撂荒受社会驱动因子的影响明显。农户为追求利益最大化，外出务工人口增加，导致农村劳动力大量析出，农村空心化严重；研究区东北部为城乡结合部，城镇化程度高，大量农业人口非农化转移。受此影响，研究区西部、西南部和东北部的农户易将距聚落距离远、灌溉距离远、交通距离远的耕地撂荒。研究区东部耕地少，耕地多分布于聚落、道路附近与河谷地带，因而撂荒现象较少。这就导致研究区西部和东部在撂荒耕地上表现出明显的空间分异特征。

(3)地块驱动因子。

随地块面积增加，水田和旱地的撂荒块数和比例逐渐减小；随地块形状指数增加，水田和旱地的撂荒块数和比例呈先增加后减少的趋势(图6)。研究区的水田和旱地撂荒均以小面积地块为主，地块面积在0.2 hm2以下的撂荒块数分别为1 261块和5 052块，分别占总数的43.29%和49.80%；地块面积在0.2～0.5 hm2的撂荒块数分别为889块和2 877块，分别占总数的30.52%和28.36%；面积较大(0.5 hm2以上)的撂荒水田和撂荒旱地块数分别为763块和2 216块，分别占总数的26.19%和21.84%。地块形状指数在1.2～1.5的撂荒块数最多，分别为937块和3 444块，分别占总数的32.17%和33.95%。当地块形状指数大于1.5时，水田和旱地的撂荒块数和比例逐渐减少，主要原因是形状指数大于1.5的耕地基数较小。可见，研究区撂荒水田和撂荒旱地均以小面积不规则地块为主，地块面积越小，破碎度越高，形状越不规则，越不利于机械化种植和规模化经营，越容易撂荒。

图6 不同地块驱动因子下的撂荒耕地变化Fig.6 Changes in abandoned cultivated land under different plot driving factors

3 结论与讨论

本文以地处岩溶槽谷区的碧江区和万山区为例，对撂荒耕地的空间分异特征及其驱动因子进行研究，主要结论如下：(1)研究区总体耕地撂荒率为17.32%，水田和旱地的撂荒率分别为9.52%和23.54%。从整体上看，无论是撂荒块数还是撂荒率，旱地的撂荒程度都要高于水田。(2)撂荒耕地的空间差异明显。撂荒水田的高值聚集区主要分布于研究区西南部的鱼塘乡、茶店街道、高楼坪乡，其次分布于东北部城乡结合部的川硐镇和滑石乡。撂荒旱地呈现西部和东北部多、东部少的差异特征，高值区主要分布于西部的坝黄镇、桐木坪乡、茶店街道、鱼塘乡和大坪乡，其次分布于东北部的城乡结合部川硐镇和滑石乡，东部以低值聚集为主，撂荒规模小。(3)经Logistic回归模型和单因子分析可知，岩溶槽谷区水田和旱地撂荒的驱动因子大致相同，但主次有所差异。水田撂荒的驱动因子从高到低依次为地块面积>距聚落距离>坡度>灌溉距离>交通距离>高程>地块形状指数，旱地撂荒的驱动因子从高到低依次为距聚落距离>地块面积>坡度>灌溉距离>高程>交通距离>地块形状指数。距聚落距离越远、地块面积越小、坡度越陡、灌溉距离越远、高程越高、交通距离越远、地块形状越不规整，耕地越容易发生撂荒。

研究表明，耕地撂荒受自然、社会等驱动因子的影响。如郎溪槽谷区耕地撂荒的主要原因是农户人口减少引起聚落空心化严重[25]；茂兰喀斯特保护区耕地因面积小、海拔高、距聚落远而撂荒[18]；青藏高原湟水河流域的耕地因坡度陡、土地贫瘠和耕地距离远而撂荒[37]；欠发达地区撂荒耕地的时空分布主要受地形、交通、灌溉和耕作半径影响[38]。本文通过二元Logistic回归分析发现，研究区内撂荒水田和撂荒旱地的主要驱动因子均为距聚落距离、地块面积、坡度等。经实地调研发现，研究区外出务工人数多，劳动力大量流失，农村空心化严重，导致农户将距聚落远、面积小、坡度陡的耕地撂荒，这与前人研究结果基本一致。本研究在前人的基础上进一步明确了岩溶槽谷区水田和旱地撂荒各驱动因子的贡献率。前人研究多基于问卷调查的方式获取撂荒信息，而问卷调查常常受调查对象个人行为的影响，如因个人耕地撂荒行为不佳而隐瞒实情不报，会导致调研数据误差大[39]。本研究基于地块尺度，通过大量实地验证保证了数据的精度，使得研究结果更加科学、可信。但撂荒是一个长时间序列的演化，本研究只分析了撂荒耕地数据在空间上的差异，缺少对时间序列的演变分析，未来应选取多期撂荒数据，分析撂荒耕地的时空演变规律及其驱动机制，从而为耕地资源利用与保护提供依据和科学参考。

参考文献(References)：

[1] CHENG L，JIANG P H，CHEN W，et al. Farmland protection policies and rapid urbanization in China: a case study for Changzhou City[J].LandUsePolicy，2015，48: 552-566.

[2] LIU X W，ZHAO C L，SONG W. Review of the evolution of cultivated land protection policies in the period following China’s reform and liberalization[J].LandUsePolicy，2017，67: 660-669.

[3] 李升发，李秀彬. 中国山区耕地利用边际化表现及其机理[J]. 地理学报，2018，73(5): 803-817.

LI S F，LI X B. Economic characteristics and the mechanism of farmland marginalization in mountainous areas of China[J].ActaGeographicaSinica，2018，73(5): 803-817.(in Chinese with English abstract)

[4] 李秀彬. 对加速城镇化时期土地利用变化核心学术问题的认识[J]. 中国人口·资源与环境，2009，19(5): 1-5.

LI X B. Research priorities for land use change in the accelerated phase of urbanization[J].ChinaPopulationResourcesandEnvironment，2009，19(5): 1-5.(in Chinese with English abstract)

[5] 李秀彬，赵宇鸾. 森林转型、农地边际化与生态恢复[J]. 中国人口·资源与环境，2011，21(10): 91-95.

LI X B，ZHAO Y L. Forest transition，agricultural land marginalization and ecological restoration[J].ChinaPopulation，ResourcesandEnvironment，2011，21(10): 91-95.(in Chinese with English abstract)

[6] 李辉尚，郭昕竺，曲春红. 区位效应对农户耕地撂荒行为的影响及异质性研究: 基于4省529户农户调查的实证分析[J]. 经济纵横，2020(10): 86-95.

LI H S，GUO X Z，QU C H. The impact and heterogeneity of location effects on farmers’ farmland abandonment behavior: an empirical analysis based on questionnaires from 529 householders in 4 provinces[J].EconomicReviewJournal，2020(10): 86-95.(in Chinese with English abstract)

[7] 李升发，李秀彬. 耕地撂荒研究进展与展望[J]. 地理学报，2016，71(3): 370-389.

LI S F，LI X B. Progress and prospect on farmland abandonment[J].ActaGeographicaSinica，2016，71(3): 370-389.(in Chinese with English abstract)

[8] 李升发，李秀彬，辛良杰，等. 中国山区耕地撂荒程度及空间分布: 基于全国山区抽样调查结果[J]. 资源科学，2017，39(10): 1801-1811.

LI S F，LI X B，XIN L J，et al. Extent and distribution of cropland abandonment in Chinese mountainous areas[J].ResourcesScience，2017，39(10): 1801-1811.(in Chinese with English abstract)

[9] 田玉军，李秀彬，辛良杰，等. 农业劳动力机会成本上升对农地利用的影响: 以宁夏回族自治区为例[J]. 自然资源学报，2009，24(3): 369-377.

TIAN Y J，LI X B，XIN L J，et al. Impacts of the rise of labor opportunity cost on agricultural land use changes: a case study of Ningxia Hui Autonomous Rregion[J].JournalofNaturalResources，2009，24(3): 369-377.(in Chinese with English abstract)

[10] 冯茂秋，潘洪义，朱芳，等. 不同撂荒耕地类型空间格局及影响因素研究: 以德阳市中江县为例[J]. 西南农业学报，2018，31(6): 1260-1266.

FENG M Q，PAN H Y，ZHU F，et al. Spatial pattern of different abandoned farmland and its affecting factors: taking Zhongjiang District，Deyang City as example[J].SouthwestChinaJournalofAgriculturalSciences，2018，31(6): 1260-1266.(in Chinese with English abstract)

[11] 邵景安，张仕超，李秀彬. 山区耕地边际化特征及其动因与政策含义[J]. 地理学报，2014，69(2): 227-242.

SHAO J A，ZHANG S C，LI X B. Farmland marginalization in the mountainous areas: characteristics，influencing factors and policy implications[J].ActaGeographicaSinica，2014，69(2): 227-242.(in Chinese with English abstract)

[12] 李赞红，阎建忠，花晓波，等. 不同类型农户撂荒及其影响因素研究: 以重庆市12个典型村为例[J]. 地理研究，2014，33(4): 721-734.

LI Z H，YAN J Z，HUA X B，et al. Factors influencing the cultivated land abandonment of households of different types: a case study of 12 typical villages in Chongqing Municipality[J].GeographicalResearch，2014，33(4): 721-734.(in Chinese with English abstract)

[13] 赵文玥，李阳兵，李媛媛，等. 三峡库区腹地撂荒地动态演变及景观格局: 以重庆市奉节县平安乡、竹园镇为例[J]. 水土保持通报，2018，38(3): 256-262.

ZHAO W Y，LI Y B，LI Y Y，et al. Evolution and landscape pattern of abandoned land in center region of Three Gorges reservoir area: a case study in Ping’an and Zhuyuan township of Fengjie County，Chongqing Municipality[J].BulletinofSoilandWaterConservation，2018，38(3): 256-262.(in Chinese with English abstract)

[14] PRICE B，KIENAST F，SEIDL I，et al. Future landscapes of Switzerland: risk areas for urbanisation and land abandonment[J].AppliedGeography，2015，57: 32-41.

[15] MACDONALD D，CRABTREE J R，WIESINGER G，et al. Agricultural abandonment in mountain areas of Europe: environmental consequences and policy response[J].JournalofEnvironmentalManagement，2000，59(1): 47-69.

[16] ROMERO-CALCERRADA R，PERRY G L W. The role of land abandonment in landscape dynamics in the SPA ‘Encinares del r’o Alberche y Cofio，Central Spain，1984-1999[J].LandscapeandUrbanPlanning，2004，66(4): 217-232.

[17] 王玲玉，周忠发，赵馨，等. 基于地块级时序遥感的喀斯特石漠化地区撂荒地时空演变[J]. 水土保持学报，2020，34(1): 92-99.

WANG L Y，ZHOU Z F，ZHAO X，et al. Spatiotemporal evolution of Karst rocky desertification abandoned cropland based on farmland-parcels time-series remote sensing[J].JournalofSoilandWaterConservation，2020，34(1): 92-99. (in Chinese with English abstract)

[18] 李阳兵，罗光杰，黄娟. 茂兰喀斯特自然保护区撂荒地时空演变、机制及其植被恢复[J]. 中国岩溶，2017，36(4): 447-453.

LI Y B，LUO G J，HUANG J. Spatial-temporal evolution，mechanism and vegetation restoration of abandoned farmland in the Maolan National Nature Reserve[J].CarsologicaSinica，2017，36(4): 447-453.(in Chinese with English abstract)

[19] DE XU D，DENG X，GUO S L，et al. Labor migration and farmland abandonment in rural China: empirical results and policy implications[J].JournalofEnvironmentalManagement，2019，232: 738-750.

[20] 任红玉，赵宇鸾，葛玉娟. 喀斯特山区耕地细碎化与地貌类型的空间关联性: 以贵州修文县为例[J]. 贵州师范大学学报(自然科学版)，2020，38(4): 1-9.

REN H Y，ZHAO Y L，GE Y J. The correlation research between cultivated land fragmentation and landformin Karst mountainous areas: a case of Xiuwen County，Guizhou Province[J].JournalofGuizhouNormalUniversity(NaturalSciences)，2020，38(4): 1-9.(in Chinese with English abstract)

[21] 葛玉娟，赵宇鸾，任红玉. 山区耕地细碎化对不同利用方式农地集约度的影响[J]. 地球科学进展，2020，35(2): 180-188.

GE Y J，ZHAO Y L，REN H Y. The effect of farmland fragmentation on the intensity of farmland in different utilization ways[J].AdvancesinEarthScience，2020，35(2): 180-188.(in Chinese with English abstract)

[22] 张天柱，张凤荣，黄敬文，等. 工业化区域撂荒耕地空间格局演变及影响因素分析[J]. 农业工程学报，2019，35(15): 246-255.

ZHANG T Z，ZHANG F R，HUANG J W，et al. Spatial pattern evolution of abandoned arable land and its influencing factor in industrialized region[J].TransactionsoftheChineseSocietyofAgriculturalEngineering，2019，35(15): 246-255.(in Chinese with English abstract)

[23] 王萌萌，李阳兵，李珊珊. 岩溶槽谷区耕地涨落时空特征与驱动机制[J]. 自然资源学报，2019，34(3): 510-525.

WANG M M，LI Y B，LI S S. The transition of Karst valley area farmland and its dynamic mechanism[J].JournalofNaturalResources，2019，34(3): 510-525.(in Chinese with English abstract)

[24] 王权，李阳兵，胡先培，等. 岩溶槽谷区坡耕地利用的时空演变特征及驱动机制[J]. 生态与农村环境学报，2020，36(1): 53-61.

WANG Q，LI Y B，HU X P，et al. Spatial-temporal evolution characteristics and driving mechanism of slope cultivated land use in Karst trough valley area[J].JournalofEcologyandRuralEnvironment，2020，36(1): 53-61.(in Chinese with English abstract)

[25] 徐倩，李珊珊，李阳兵，等. 岩溶山地撂荒地演变研究: 以郎溪槽谷区为例[J]. 地球与环境，2021，49(1): 59-72.

XU Q，L S S，LI Y B，et al.Study on the evolution of abandoned land in Karst mountains: a case study of the valley of the troughs[J].EarthandEnvironment，2021，49(1): 59-72. (in Chinese with English abstract)

[26] 蒋勇军. 喀斯特槽谷区生态退化与修复专题导读[J]. 生态学报，2019，39(16): 6058-6060.

JIANG Y J. The eco-degradation and restoration in Karst trough valley area: an introduction[J].ActaEcologicaSinica，2019，39(16): 6058-6060.(in Chinese with English abstract)

[27] 陈欢，白晓永，李阳兵，等. 铜仁市万山喀斯特地区石漠化演变及其对土地利用变化的响应[J]. 农业资源与环境学报，2020，37(1): 24-35.

CHEN H，BAI X Y，LI Y B，et al. The evolution of rocky desertification and its response to land use changes in Wanshan Karst area，Tongren City，Guizhou Province，China[J].JournalofAgriculturalResourcesandEnvironment，2020，37(1): 24-35. (in Chinese with English abstract)

[28] 肖国峰，朱秀芳，侯陈瑶，等. 撂荒耕地的提取与分析: 以山东省庆云县和无棣县为例[J]. 地理学报，2018，73(9): 1658-1673.

XIAO G F，ZHU X F，HOU C Y，et al. Extraction and analysis of abandoned farmland: a case study of Qingyun and Wudi counties in Shandong Province[J].ActaGeographicaSinica，2018，73(9): 1658-1673.(in Chinese with English abstract)

[29] 李珊珊，李阳兵，王萌萌，等. 基于微空间单元的岩溶峡谷区土地利用结构演变[J]. 自然资源学报，2020，35(4): 908-924.

LI S S，LI Y B，WANG M M，et al. The evolution of land use structure in Karst valley area based on micro-space unit[J].JournalofNaturalResources，2020，35(4): 908-924.(in Chinese with English abstract)

[30] 张天柱，张凤荣，谢臻，等. 精准扶贫背景下云南少数民族山区农村居民点空间格局演变[J]. 农业工程学报，2019，35(9): 246-254.

ZHANG T Z，ZHANG F R，XIE Z，et al. Spatial pattern evolution of rural settlements in mountainous areas of ethnic minorities in Yunnan Province under background of precise poverty alleviation[J].TransactionsoftheChineseSocietyofAgriculturalEngineering，2019，35(9): 246-254.(in Chinese with English abstract)

[31] 彭建，刘志聪，刘焱序，等. 京津冀地区县域耕地景观多功能性评价[J]. 生态学报，2016，36(8): 2274-2285.

PENG J，LIU Z C，LIU Y X，et al. Assessment of farmland landscape multifunctionality at County level in Beijing-Tianjin-Hebei area[J].ActaEcologicaSinica，2016，36(8): 2274-2285.(in Chinese with English abstract)

[32] 张英. 山区坡耕地撂荒机理与模型模拟: 以重庆武隆县为例[D]. 北京: 中国科学院大学，2014.

ZHANG Y. Basic mechanisms and modeling of sloping cropland abandonment in mountianous areas: a case study of Wulong County，Chongqing[D]. Beijing: University of Chinese Academy of Sciences，2014. (in Chinese with English abstract)

[33] 谢花林，李波. 基于Logistic回归模型的农牧交错区土地利用变化驱动力分析: 以内蒙古翁牛特旗为例[J]. 地理研究，2008，27(2): 294-304.

XIE H L，LI B. Driving forces analysis of land-use pattern changes based on Logistic regression model in the farming-pastoral zone: a case study of Ongiud Banner，Inner Mongolia[J].GeographicalResearch，2008，27(2): 294-304.(in Chinese with English abstract)

[34] 高会，谭莉梅，刘鹏，等. 基于二分类Logistic回归模型的太行山丘陵区县域耕地资源潜力估算[J]. 中国生态农业学报，2017，25(4): 490-497.

GAO H，TAN L M，LIU P，et al. Estimation of arable land resources potential in hilly area of Taihang Mountain based on binary Logistic regression model[J].ChineseJournalofEco-Agriculture，2017，25(4): 490-497.(in Chinese with English abstract)

[35] 金浩然，马萍萍，刘盛和. 林地变化驱动力研究中逻辑回归模型的应用[J]. 世界林业研究，2016，29(3): 12-17.

JIN H R，MA P P，LIU S H. Application of logistic regression model in the research on driving forces of forestland use change[J].WorldForestryResearch，2016，29(3): 12-17.(in Chinese with English abstract)

[36] 孙雁，赵小敏. 分宜县土地细碎化的中观尺度研究[J]. 中国土地科学，2010，24(4): 25-31.

SUN Y，ZHAO X M. Research on land fragmentation of Fenyi County on meso-level[J].ChinaLandScience，2010，24(4): 25-31.(in Chinese with English abstract)

[37] 李燕燕，陈琼，刘峰贵，等. 青藏高原东北部耕地撂荒影响因素分析: 以湟水上游为例[J]. 农业现代化研究，2019，40(6): 993-1001.

LI Y Y，CHEN Q，LIU F G，et al. Analysis on the influencing factors of farmland abandoning behaviors in the northeastern Qinghai-Tibet Plateau: a case study of the upper reaches of Huangshui River[J].ResearchofAgriculturalModernization，2019，40(6): 993-1001.(in Chinese with English abstract)

[38] 牛继强，林昊，牛樱楠，等. 经济欠发达地区撂荒耕地空间格局与驱动因素分析[J]. 农业机械学报，2017，48(2): 141-149.

NIU J Q，LIN H，NIU Y N，et al. Analysis of spatial pattern and driving factors for abandoned arable lands in underdevelopment region[J].TransactionsoftheChineseSocietyforAgriculturalMachinery，2017，48(2): 141-149.(in Chinese with English abstract)

[39] 陈欣怡，郑国全. 国内外耕地撂荒研究进展[J]. 中国人口·资源与环境，2018，28(S2): 37-41.

CHEN X Y，ZHENG G Q. Research progress on arable land abandonment in China and abroad[J].ChinaPopulation，ResourcesandEnvironment，2018，28(S2): 37-41.(in Chinese with English abstract)