编辑：不止GIS
1.文章简介
论文名称：Patterns and drivers of terrace abandonment in China: Monitoring based on multi-source remote sensing data（中国梯田撂荒的模式与驱动因素：基于多源遥感数据的监测）
第一作者及单位：Dan Lu（武汉大学）
通讯作者及单位：杨庆媛（二级教授|西南大学）
文章发表期刊：《Land Use Policy》（中科院1区Top期刊|最新影响因子：6）
期刊平均审稿速度：暂无参考
2.研究内容
随着中国城市化和工业化的加速，土地撂荒问题日益严重，然而，中国梯田弃耕的具体情况仍不明确。该研究首次结合高精度的梯田数据（图2）与土地利用数据集，对中国梯田撂荒进行全面的遥感监测，以揭示其撂荒模式。通过充分考虑自然和社会经济因素，采用XGBoost-SHAP框架研究了梯田撂荒的驱动因素。
图1. 中国农业区划及海拔分布。
图2. 2018年梯田分布。比例表示每个2km × 2km网格中梯田面积所占的比例。
结果显示，从2019年到2021年，约有2.42%的梯田被撂荒（图3），主要分布在西南地区和黄土高原（图4），梯田数量较多的农业区域表现出更高的撂荒率。拥有养老金保险的人口比例、耕地质量、坡度和地块大小是梯田弃耕的主要驱动因素，各因素的贡献存在显著的空间差异（图5）。
图3. 撂荒梯田的空间分布，撂荒面积表示每个2 km × 2 km网格中撂荒梯田的面积。
图4. 各以及农业区划梯田的撂荒率(a)和面积(b)。
图5. 基于XGBoost-SHAP的梯田撂荒驱动因素。(a)–(e)各因素相对贡献的空间分布：(a)养老金，(b)质量，(c)坡度，(d)面积，(e)水源可达性，(f)数字高程模型(DEM)。(g) 不同区域驱动因素对梯田撂荒的相对贡献。
值得注意的是，2021年梯田撂荒趋势显著放缓，这可能与新冠疫情的影响有关，导致非农业就业机会大幅减少，从而减缓了农村向城市的迁移，甚至促使部分农民工返回家乡（图6）。在这一关键的后疫情时期，支持返乡农民工参与农业活动至关重要，应该通过建立多样化的新农业实体和提供农业技术指导来实现。
图6. 中国第一产业就业人口变化。
通讯作者简介
3.文章引用
