近20年关中西部耕地秋季撂荒时空格局及其影响因素

张杰琳,康鸳鸯,陈义勋,张 站,连晶晶,孙欣琪,齐雁冰

(1.西北农林科技大学资源环境学院,陕西 杨凌 712100;2.河南省国土空间调查规划院,河南 郑州 450053)

伴随着我国改革开放和城镇化发展的快速推进,非农就业机会增多、工资上涨,务农机会成本上升,大量农村劳动力析出向非农部门转移,导致部分耕地被撂荒[1]。2000年以来,我国耕地撂荒现象愈发严重[2],2000—2010年各省撂荒记录均明显多于1990—2000年[3]。2011年全国耕地撂荒率约为13.5%,而到2013年则增加到15.0%[4]。在资本和技术要素投入有限的情况下,耕地仍是粮食生产最重要的农业资源,耕地面积变化严重影响着区域粮食产量[5]。耕地撂荒不仅加剧了耕地资源浪费和人地矛盾[6],对区域粮食安全和农民增收产生威胁[7],同时也会带来一系列生态效应,严重制约我国农村经济的可持续发展。尤其是2020年以后,全球新冠肺炎疫情肆虐,农产品贸易进口来源波动,国际市场价格大幅上涨,明显提高了中国农产品进口成本[8],给国内粮食生产提出了更高的要求。2022年中央一号文件再次强调要“稳定全年粮食播种面积和产量”。因此,开展耕地利用监测对于防止耕地撂荒及提高耕地利用效率和潜力具有重要意义。

耕地撂荒在过去半个多世纪呈全球性问题,并受到高度关注[4]。国内外既往研究主要集中于耕地撂荒的分类、分布特点、信息获取方法、驱动机制和生态效应[9]。耕地撂荒的定义在学界内尚无统一标准,基本可以概括为“农户在自然环境、社会经济等多重因素影响下,未对耕地资源进行充分利用的行为”。按照耕地利用状态的差异分为显性撂荒和隐性撂荒;根据耕地撂荒的时长分为全年性撂荒和季节性撂荒;依照耕地的管理程度分为完全撂荒、半撂荒和过渡撂荒。耕地撂荒是城市化和工业化进程下的普遍现象[10]。欧洲、美国、日本等发达国家和地区是最早产生耕地撂荒的地方[11],而中国耕地撂荒的研究起步较晚,撂荒主要分布在我国西南部山地丘陵区[4]。由于遥感影像具有覆盖范围广、更新频率快、获取成本低、能反映时空格局变化等优点,已逐渐成为耕地撂荒的主要提取手段[12]。不同地区耕地撂荒的驱动力不同,但根本原因都在于务农机会成本上升带来的耕地边际化[13],部分地区还存在气候地形不利[14]、地块破碎化严重[15]、灌溉设备缺乏[16]等生产条件的阻碍。

综观既往耕地撂荒研究,主要侧重于坡耕地占比大、农业生产条件差的山区丘陵地区[17]。近年来,随着我国进入城镇化的中期加速阶段,平原地区的耕地撂荒现象已初露端倪,然而关于平原地区的耕地撂荒问题却鲜有报道。廖平等[18]对成都平原龙门山镇的5个村庄调查发现,撂荒地占耕地面积的5.45%。相比山区丘陵地带,平原地区耕地质量较优,耕作条件良好,单位面积产量更高,往往是区域粮食主产地,对粮食安全的影响更深,更需要对其撂荒问题作深入研究。此外,既往研究多集中于全年性撂荒,对季节性撂荒的研究较少,张天柱等[17]运用CART决策树分类法计算河北省高碑店市的撂荒面积,发现该地区以季节性春季撂荒为主。马尚杰等[19]基于改进多元纹理和光谱融合的分类方法提取安徽省霍邱县冬季撂荒的分布范围,结果显示,该地2016年和2017年冬季撂荒率分别为12.36%和35.06%。季节性撂荒同样会造成耕地资源的浪费,其对全年粮食产量的影响不容小觑。

关中平原是陕西省农业生产条件最优越的地区,是国家确定的陕西省粮食生产基地,面积约3.6万km2,粮食产量达全省的70%以上[20],对陕西省粮食产量具有重要贡献。然而在近期的实地调研中发现关中平原西部存在严重的冬小麦收获后放弃种植夏玉米而致使耕地撂荒的现象。为详细了解该区域近20 a来耕地利用季节性撂荒的时空变化特征,本文以陕西省关中平原西部凤翔县、岐山县和扶风县为研究区,选取2000、2002、2003、2007、2009、2013、2015、2018、2020年每年春、秋两期的Landsat TM/ETM+/OLI影像,运用CART决策树分类法,提取20 a来关中西部秋季耕地撂荒的分布范围,并通过实地调研、景观格局分析、缓冲区分析等方法探究关中西部耕地撂荒的时空格局演变特征和影响因素,为提高关中西部耕地利用率提供科学的理论依据,同时为防止耕地撂荒进一步扩大及促进关中平原农业经济可持续发展提供指导。

1 研究区概况与数据来源

1.1 研究区概况

选取关中平原西部的凤翔县、岐山县和扶风县作为研究区(图1,见233页)。关中平原位于陕西省中部,气候类型为暖温带半湿润大陆性季风气候。关中平原土壤肥沃,光照充足,热量充沛,年均温度6～13℃,年均降水量500～700 mm,积温3 500～4 500℃,可满足农作物一年两熟的种植需要。根据降水量和气候特征,关中平原分为东部和西部,由于东部大部分地区已将传统的小麦/玉米轮作转变为设施农业、果树、花卉等,因此本文将研究区聚焦为仍然保留小麦/玉米轮作的西部扶风、岐山和凤翔三县。粮食生产体系以冬小麦/夏玉米二元轮作为主,其中冬小麦一般在每年10月初播种,次年6月中上旬收获,夏玉米在冬小麦收获后直接播种,同年9月底或10月初收割。

图1 研究区地理位置Fig.1 Study area location

1.2 数据来源

1.2.1 遥感影像数据 本文所用的数据来源于美国地质调查局(USGS)(http：//glovis.usgs.gov/)提供的Landsat TM/ETM+/OLI影像,空间分辨率30 m。受云雾天气影响,无法在保证影像质量的前提下获取每年的连续数据,因此,根据影像质量从每3年中选取1～2年,最终确定为2000、2002、2003、2007、2009、2013、2015、2018、2020年共9个年份。本文中耕地秋季撂荒是指春季影像中有冬小麦种植而秋季无夏玉米生长的耕地,为对比提取出研究区秋季耕地撂荒范围,每年选取两期影像。根据研究区小麦/玉米的生长周期,每年两期影像的成像时间分别定在春季2—5月和秋季7—9月。2—5月的影像可以有效提取出冬小麦的分布情况,7—9月的影像可以分辨出夏玉米的分布情况。此外,针对影像中部分地物类型难以识别的情况,采用Google Earth高清历史影像数据用来辅助训练样本和验证样本的选择。

1.2.2 统计数据 统计数据来源于《中国县域统计年鉴》[21]和《全国农产品成本收益资料汇编》[22],包括研究区生产总值、规模以上工业企业个数、陕西省小麦玉米成本利润率和单位面积物质与服务费用及人工成本,用于分析2000—2020年研究区不同县域经济发展状况和关中西部小麦、玉米的成本及收益变化情况。

1.2.3 调研数据 为详细了解农户耕地秋季撂荒的直接主观原因,于2021年3月中旬赴关中西部凤翔县、岐山县和扶风县进行实地调研。随机均匀地选取24个村庄(图1),对农户展开问卷调查。内容围绕耕地利用现状、农业生产条件和劳动力特征三方面,具体包括当地主要种植作物类型及时期、农田基础设施条件、农业劳动力数量、劳动力平均年龄、人均耕地面积、耕地平均产出、机械化水平、耕作成本、农业补贴政策、家庭收入占比、土地流转等情况。平均每个村子走访3～4户农户,最终回收有效问卷62份。用于分析农户角度下关中西部秋季耕地撂荒的驱动机制。

2 研究方法

2.1 数据预处理

2.1.1 遥感影像预处理 对原始遥感影像依次进行辐射定标、FLAASH大气校正、几何校正和图像裁剪。几何校正中,统一2020年2月12日的影像为基准影像,确保误差小于半个像元。由于Landsat 7 ETM+的机载扫描行校正器(SLC) 于2003年发生故障,之后的影像存在条带现象,采用ENVI landsat_gapfill进行插值修复后再做处理。

2.1.2 地理空间数据预处理 对遥感影像中凤翔县、岐山县和扶风县的乡镇区域进行数字化,得到乡镇区域矢量文件。考虑到20年长时间跨度里城镇在不断发展的现实情况,分别提取出2000年春季和2020年春季两期影像的乡镇范围shp文件。根据研究区面积大小,在乡镇、道路、居民点及水系的矢量文件基础上,分别生成不同等级的缓冲区矢量图,其中乡镇缓冲区距离为1、5、10 km,道路缓冲区距离为50、100、200 m,居民点缓冲区距离为100、200、500 m,水系缓冲区距离为50、100、200 m。

2.2 CART决策树分类及精度验证

本文采用CART决策树法对预处理后的遥感影像进行地物分类：在ENVI 5.3中逐期导入预处理后的影像,分别进行ISODATA非监督分类和缨帽变换,计算NDVI值和二阶概率统计滤波,并依次勾画训练样本和验证样本。将以上4个结果与原影像进行波段组合得到新图像,根据训练样本自动提取分类规则,运行决策树模型得到分类结果。

分类结果精度验证方面,通过勾选与训练样本不重叠的验证样本数据集,利用地面真实感兴趣区进行混淆矩阵分析,最后由总体精度进行分类效果描述。

2.3 景观格局分析

景观格局反映了地物在空间上的分布特征以及受人类活动影响的程度,通常由景观指数定量描述,利用Fragstats 4.2软件计算景观指数,指标选择如下：斑块数量(NP)、斑块密度(PD)、景观形状指数(LSI)、平均斑块面积(PAMN)、斑块面积标准差(PASD)、平均形状指数(SIMN)、聚合度(AI),以上指标分别表征了研究区秋季耕地撂荒斑块的破碎程度、形状复杂程度、形状规则程度和聚集程度,具体指标含义及计算公式参考文献[23]。

3 结果与分析

3.1 遥感影像分类及精度验证结果

根据地块的光谱和纹理特征,将影像地物分为耕地、林地、水域、建设用地和裸地5种类型。其中,地块形状特征呈现为耕地却没有作物种植的地块划入裸地。对于特征模糊的地块,辅以Google Earth高清历史影像进行目视解译,对分类效果不理想的影像多次分类。结果显示所有年份和日期的影像分类均获得了较高精度,影像总体精度均大于85%(表1),表明分类结果可靠,可以进行后续分析。

表1 影像成像时间及分类精度Table 1 Image acquisition time and classification accuracy

3.2 秋季耕地撂荒时空变化分析

研究区2000—2020年耕地秋季撂荒分布变化见图2。秋季撂荒现象较为严重,连片密集地分布在凤翔县西南部、岐山县中部以及三县北部临近山区的地带,凤翔县中部和扶风县中部秋季撂荒程度较轻。近20 a来研究区秋季撂荒率变化呈波动上升趋势(图3),其中2000、2009、2013年秋季撂荒率相对较低,撂荒率最小值为2000年24.07%,而2002、2003、2007、2015、2018、2020年秋季撂荒率较高,均高于30%,撂荒率最大值为2020年64.64%。2015—2020年秋季撂荒率持续上升,平均增幅19.16%,撂荒趋势加重。

图2 2000—2020年研究区耕地秋季撂荒分布Fig.2 Spatial distribution of cultivated land abandoned in autumn in the study area from 2000 to 2020

图3 2000—2020年研究区耕地秋季撂荒率变化趋势Fig.3 Changes of cultivated land abandonment rate in autumn in the study area from 2000 to 2020

3.3 秋季耕地撂荒空间格局分析

2000—2020年,研究区秋季撂荒耕地整体上破碎化程度减小,聚集程度增大,撂荒地块形状趋于简单且呈几何分布(表2,见234页)。斑块数量和斑块密度变化表明研究区秋季撂荒分布有明显的聚集性特征,总是发生在相邻近的区域,同时反映出研究区内各乡镇村落的撂荒程度差异较大,存在季节性撂荒高发区。平均斑块面积于2015—2020年骤增,说明撂荒地块开始由小规模零星分布向大规模集中分布转变。斑块面积标准差整体处于较大水平,2015—2020年快速上升,同样说明研究区不同区域内秋季撂荒规模差异显著,既有零星散落在田野地头的零散地块(扶风县中部),也有连片密集的大规模耕地撂荒(凤翔县西南部、岐山县中部)。景观形状指数变化程度较小,变化趋势与撂荒率相反,说明近年来研究区秋季撂荒地块破碎化程度降低,边界复杂程度降低,形状更加规则化,同时反映出越来越多的大片、整块耕地被撂荒,季节性撂荒现象严重。

表2 研究区2000—2020年秋季撂荒耕地景观格局指数Table 2 Landscape pattern index of abandoned cultivated land in autumn from 2000 to 2020 in the study area

3.4 秋季耕地撂荒影响因素分析

研究区距各影响因素不同距离内的耕地秋季撂荒率变化见表3(见234页)。在经济区位方面,随着耕地到县城距离的增加,研究区秋季撂荒率整体呈现先增大后减小的变化趋势,表明县城经济发展对周边农村就业的带动作用在一定距离范围内随着距离的增加而减弱,经济区位并非耕地撂荒的主要影响因素。在耕作半径和交通条件方面,多数年份中的撂荒率均随着耕作半径或距道路距离的增加而增大,且标准差在近3 a中均有所减小,说明地块距农村居民点或道路的距离是耕地撂荒的重要影响因素,但近年来影响程度有所减弱。在灌溉条件方面,除2009年外,其余年份均明显呈现出撂荒率随距水系距离的增加而增加的特征,且2000—2020年不同水系距离内撂荒率的标准差显著增加,说明灌溉条件是影响研究区秋季耕地撂荒的主要因素,且影响程度逐年增强。

表3 研究区距各影响因素不同距离内的耕地秋季撂荒率/%Table 3 Cultivated land abandonment rate in autumn within different distances from various influencing factors in the study area

3.5 秋季耕地撂荒驱动机制分析

3.5.1 耕地边际化 耕地边际化是研究区秋季撂荒的根本原因。研究区耕作类型为一年两熟,主要复种类型为冬小麦-夏玉米,然而部分地区只种植冬小麦、不种植夏玉米,6—10月耕地处于闲置状态,秋季撂荒现象严重。实地调研发现,农户选择秋季撂荒的根本原因为种植玉米的投入产出比低下、利润为负值,在这种情况下,一部分农户将土地流转出去种植经济作物,另一部分农户则选择季节性撂荒。统计陕西省近20 a来小麦、玉米的成本利润率(图4)发现,2010年二者的利润率开始下降,并于2013年跌入负值,玉米利润率在2014—2018年后缓慢回升,但仍旧低迷,小麦利润率稳定在-10%左右。2014年以前,小麦和玉米的利润率相差甚少,2014年以后,玉米的利润率持续远低于小麦,导致研究区2015年以后秋季撂荒率不断上升。尽管近年来小麦的利润率也不尽人意,但小麦耐旱易耕,主要用于农户自给自足以保证耕地不完全荒芜,因此大部分农户选择继续小麦耕种而放弃玉米种植,导致秋季撂荒。

图4 2002—2020年陕西省小麦、玉米成本利润率变化Fig.4 Changes in cost profit margin of wheat and corn in Shaanxi Province from 2002 to 2020

3.5.2 农村劳动力短缺 实地调研中发现,农村劳动力短缺是研究区秋季撂荒的主要原因。研究区中农村青壮年大量涌入城镇非农部门,村中留下老人、妇女和儿童,常驻人口仅占总人口的1/3,农民需要尽可能地提高劳动生产率来弥补劳动力缺口,大面积采用机械化种植是提高劳动生产率的主要途径。然而在2002—2020年,陕西省小麦和玉米的物质与服务费用增加了约3倍,人工成本增加了约6倍,劳动力成本快速上涨。尤其是2002年玉米的人工成本和物质与服务费用不相上下,而到2020年已是其物质与服务费用的2倍有余。2010—2020年间,玉米人工成本比小麦高出40%左右(图5a)。在农村老龄化的背景下,农民趋向于减少劳动力成本较高的玉米的种植面积,导致季节性撂荒。统计凤翔县、岐山县和扶风县近年来的地区生产总值(2013—2019年)和规模以上工业企业个数(2000—2019年)发现(图5b、c),凤翔县和岐山县城镇化水平较高,优良非农就业机会更多,更容易吸引年轻人离开农村,从而导致撂荒现象的发生。这与遥感影像提取出的秋季撂荒分布结果相一致,即凤翔县、岐山县秋季撂荒耕地分布集中,扶风县秋季撂荒现象较轻。

图5 研究区作物生产成本及经济水平 Fig.5 Crop production cost and economic level in the study area

3.5.3 农业生产条件不足 农业生产条件不足是致使研究区秋季撂荒的直接原因,包括灌溉少、温度低和耕地细碎化。实地调查发现,研究区北部农户普遍存在灌溉条件较差的问题,这些地区没有专门的农田水利设施,需要从其他村子引水管或从水站水库抽水,极大地增加了种植成本,进一步挤压了种植利润。另外,研究区夏秋季多发干旱,而玉米生长过程需水量较大[24],曾发生过玉米旱死在农田里的现象。西北部的山区地带由于温度较低,有效积温少,作物成熟周期长,夏玉米无法成熟,当地农民每年仅种一季作物,同样产生秋季撂荒现象。家庭联产承包责任制下的耕地细碎化增加了农民在多个地块间的通勤成本,限制了农业机械的使用,包括地块面积太小无法使用机械、地块零碎机械频繁掉头消耗时间动力,降低了农业生产效率,进一步增加了农业经营成本,为追求利益最大化,农民会自动放弃细碎地块的耕作,从而产生撂荒现象。土地流转被认为是能缓解耕地撂荒的有效政策[25],然而调研发现,土地流转只对农业生产条件较优地区的耕地撂荒起到有效缓解作用,对于干旱严重和积温过低等生产条件较差地区的耕地,由于存在劣势且耕地利用价值较低,很少有公司或个人有承包意愿,因此这些耕地仍不可避免地被撂荒。

4 讨 论

过去20 a间,关中西部耕地秋季撂荒率呈波动上升趋势,经历了三个变化阶段：2000—2007年秋季撂荒率由24.07%增加至43.97%,2007—2013年降至25.75%,2013—2020年又迅速上涨至64.64%。

该变化曲线与王珂等[26]研究结果略有不同,是由所选研究区域、遥感影像、分类方法和分类策略都存在较大差异引起的,但均指出关中西部耕地秋季撂荒现象的严重性。2000—2007年,秋季撂荒面积持续上涨,劳动力骤减是这一阶段撂荒加重的直接原因。研究区农村青壮年从1995年开始陆续进城务工,21世纪初农村劳动力急剧减少,留守村中的老人由于体力原因不得不放弃耗工费力的玉米种植,致使大片耕地秋季撂荒。同时,20世纪90年代至21世纪初关中气象干旱频发[27],1999年属于极端干旱年[28],对夏玉米种收造成了极大影响,导致农民放弃玉米种植。2007—2013年秋季撂荒面积有所缩减,主要受到三方面影响：其一,2006年我国全面免征农业税,农民土地经营成本下降,农业收益增加,撂荒意愿减少[29],推动部分农民增加农业生产投入,重新种植夏玉米。其二,研究区2006年开始引进新型玉米联合收获机[30],收割是玉米生产过程中劳动强度最高的部分,机械化有效降低了劳动力成本,改善了玉米生产条件,同时陕西省玉米成本利润率2006—2010年均处于较高水平,吸引了农民种植玉米;其三,2008年的金融危机导致大量农民工工资下降、离岗失业而返乡务农,陕西省受金融危机影响的农民工占其总人数的10%[31]。返乡民工填补了农村劳动力缺失的空白,秋季撂荒面积减少。这一阶段中,2013年秋季撂荒率低至25.75%,是由于2013年研究区出现冬春连旱现象,导致夏粮欠收减产,为弥补夏粮减产带来的损失,政府带动农民积极播种秋粮作物,以秋补夏,玉米种植面积有所扩大。2013—2020年秋季撂荒面积不断增加,这是因为自2013年开始,陕西省玉米成本利润率首次跌入负值,玉米生产利润急剧下降。此外,2015年以来研究区7—8月干旱频发,对玉米生产的数量和质量造成一定影响,继续种植夏玉米耗费大量人力财力,且不会获得盈余,因此更多的农户从自身利益出发选择放弃玉米耕种,秋季撂荒面积显著扩增。

耕地撂荒受自然、经济、社会、政策等多种因素共同影响,实地调研结果表明,关中西部秋季撂荒的主要影响因素为灌溉条件,且影响程度逐年增加,这是因为研究区夏秋季节降水稀少,易发干旱,加上研究区的农田水利设施大部分修建于20世纪80年代,不少设施已因年久失修而停用,而夏玉米属于高耗水作物,因此灌溉条件是制约关中西部秋粮播种面积的主要因素,这与王容[20]等的研究结论一致。经济区位、耕作半径和交通条件对撂荒率也有一定的影响,但近年来影响越发微弱,这与张天柱[17]等的研究结果一致。耕地边际化、劳动力短缺和农业生产条件不足共同驱动着农户选择秋季撂荒,其中耕地边际化是驱动关中西部农户选择秋季撂荒的根本原因。21世纪以来,城镇化的快速推进带动第二、三产业迅猛发展,大量工作环境、工作薪资均优于务农的非农就业机会涌现,加上城镇优越的医疗、教育和住房保障条件,越来越多的农村青年为追求更好的生活水准选择进城务工,务农机会成本上升,农村劳动力持续减少,导致劳动力成本不断攀升。同时,随着经济社会的发展,农资价格持续上涨,农产品价格却受到国家调控而长期保持稳定,农业生产利润被一再压缩,农民有选择地对耕地进行边际化处理,最终产生撂荒。土地流转虽然能对研究区的秋季撂荒起到缓解作用、优化耕地配置,却无法改变农业生产条件差的耕地的撂荒,这与邵景安等[25]的研究结果一致。

5 结 论

基于遥感影像信息提取和实地问卷调研,本文分析了2000—2020年关中西部凤翔县、岐山县和扶风县耕地秋季撂荒的时空格局演变及影响因素。近20 a来,研究区耕地秋季撂荒率呈波动上升趋势,2020年达到最高值64.64%,对关中平原区域粮食安全产生了一定的威胁。秋季撂荒范围主要集中在凤翔县西部、西南部,岐山县中部、北部和扶风县北部,撂荒地块逐渐由小规模零星分布转向大规模集中分布。耕地边际化是导致研究区秋季撂荒的根本原因,农村劳动力短缺是主要推动力,农业生产条件不足是直接原因,包括灌溉条件不足、有效积温较低和耕地破碎化严重。政府未来须加强耕地利用监管、改善农田水利设施,以减缓秋季撂荒继续扩大的趋势;同时完善土地流转市场,在稳定粮食产量的前提下调整种植业结构,提高优质耕地的利用效率与潜力。