一、引言
随着中国城市化和工业化进程的加速，土地撂荒问题日益凸显。然而，中国梯田撂荒的情况尚不明晰。本文基于多源遥感数据，对中国梯田撂荒进行监测，旨在揭示其撂荒模式和驱动因素，为梯田资源的保护和可持续利用提供有价值的见解。
二、研究内容与方法
（一）研究问题
1. 中国梯田撂荒程度如何？
2. 阶地撂荒的时空特征是什么？
3. 阶地废弃的决定因素是什么？
（二）研究区域与数据
利用中国农业综合区划进行分析，将中国划分为 9 个一级农业区和 38 个二级农业区。数据包括中国首个 30 米阶地数据、中国土地覆盖数据集、中国土地利用/覆盖数据集、OpenStreetMap 路网数据、数字高程模型、作物潜在产量数据、社会经济数据和气象数据等。
（三）研究方法
1. 废弃耕地的定义：连续 2 年以上未开垦的耕地。
2. 监测梯田弃置情况：使用阶地边界对土地覆盖数据进行掩膜，利用三年移动窗口寻找耕地连续两年未开垦的时间段。
3. 精度评估：随机获取样本点，使用 Google Earth 的高分辨率影像进行交互式视觉校准，计算生产者精度、用户精度、总体精度和 Kappa 系数。
4. 弃梯田率的计算：每年废弃的梯田面积占特定区域总梯田面积的百分比。
5. 梯田撂荒驱动因素分析：包括农业条件、地形、气象和社会经济方面的 13 个解释变量，使用 XGBoost 模型进行训练和验证，采用 SHAP 分析确定特征的重要性和对梯田废弃的贡献。
三、研究结果
（一）梯田的空间分布
梯田主要分布在西南地区（SWR）、黄土高原区（LPR）和长江流域中下游地区（MLYTR），分别占全国梯田总数的 44.43%、19.77%和 15.97%。高密度阶地区主要分布在四川盆地和黄土高原，与地形地貌密切相关，主要分布在山地、丘陵等地形复杂、坡度陡的地区。
（二）梯田弃置测绘精度
样本点的废弃检测总体精度为 74.45%，Kappa 系数为 0.49，构建的阶地废弃数据集可靠。
（三）一级农区尺度梯田撂荒的空间格局
2019 - 2021 年，中国撂耕梯田 129.45×10⁴ hm²，占梯田总量的 2.42%。一级农业区梯田撂荒面积分布差异显著，2021 年撂荒梯田面积和撂荒率最低。
（四）二级农区尺度梯田撂荒的空间格局
各二级农业区梯田撂荒率的年际变化与一级农业区相似，2021 年梯田撂荒率明显下降。在梯田较多的农业区，梯田荒废情况更为严重。
（五）梯田弃置的驱动因素
养老、质量、坡度和准面积对梯田废弃的贡献率最大，分别为 15.87%、13.82%、13.38%和 11.49%。社会经济因素对梯田撂荒的贡献率仅为 23.49%，自然因素是撂荒的主要原因。
四、讨论与局限性
（一）梯田废弃识别的稳健性
总体准确率与现有研究结果相近，梯田废弃率相对较高，需要关注。
（二）耕地废弃的不同驱动因素
梯田废弃的驱动因素包括土地条件、经济因素、气候和政策等，不同研究得出的关键决定因素不一致。
（三）梯田保护的意义
提出梯田保护的建议，强调需要采取行动促进废弃梯田的恢复，并防止进一步的废弃。
（四）局限性
1. 遥感数据固有误差不可避免。
2. 研究仅覆盖 2019 - 2021 年，未来应开发多时相、高分辨率的梯田数据。
3. 未能捕捉到农民层面的经济和行为因素。
五、结论
结合高精度梯田数据和连续土地利用数据，对中国梯田撂荒进行了遥感监测，揭示了 2019 - 2021 年中国梯田撂荒的时空格局。主要结论如下：
1. 2019 - 2021 年，中国约有 2.42%的梯田被放弃，主要集中在西南地区和黄土高原区。弃井率最高的地区包括内蒙古长城地区、西南地区、黄土高原区和华南地区。
2. 养老保险人口比例、耕地质量、坡度和土地破碎化是影响梯田撂荒的主要因素。各因子对梯田撂荒的贡献存在显著的空间差异。地方政府应根据情况制定相应的梯田保护措施。
3. 新冠肺炎疫情通过限制农村人口外迁和促使农民工返乡，可能减缓梯田撂荒。必须抓住大流行后阶段的关键时期，为返回的移徙工人从事农业活动提供大力支持。
文章参照出处：Dan Lu et al. Patterns and drivers of terrace abandonment in China: Monitoring based on multi-source remote sensing data. Land Use Policy, 148 (2025). https://doi.org/10.1016/j.landusepol.2024.107388
