中国不同类型耕地撂荒时空分异及其影响因素研究——基于全国 346 个山区县的调查数据
系统性探寻耕地撂荒现象，有助于因地制宜地稳步拓展农业生产空间。基于全国346个代表性山区县的抽样调查，本文利用空间分析和分层线性模型等方法，系统揭示不同类型耕地撂荒的时序、规模、空间分异特征及其决定因素，以期为分类推进撂荒地治理提供科学依据。研究发现：不同类型耕地的撂荒时间节点存在显著差异，坡耕地、旱作梯田、水作梯田、平地水田和平地旱地依次撂荒，耕作条件较差的耕地更早遭遇撂荒，特别是坡耕地自20世纪80年代起就开始撂荒。目前，26.64%的农户经历过耕地撂荒，撂荒耕地的面积占比达到9.88%，呈现出“南高北低”的空间分布特征。水田撂荒主要集中在东南沿海，而坡耕地和旱地则多发于黄土高原、东南沿海和西南山区。撂荒情况受村落和农户特征影响，这两个层面分别对撂荒变异解释了44.83%和55.17%。从事非农工作、年长及身体状况较差的农户更可能撂荒耕地；同时，遭受野生动物侵害、土地细碎化严重且灌溉条件不佳的区域更易撂荒。劳动力成本的持续上升压缩了农业收益，使得农户种粮收益偏低，旱作梯田甚至面临亏损。因此，撂荒地的治理应聚焦坡耕地和梯田，政府应积极推动土地流转与整治，普及适合丘陵山区的小型机械，以降低耕地经营成本，提高农耕效益。
“民为国基，谷为民命”，粮食安全事关国计民生。受地缘政治冲突和极端气候的影响，全球粮食供应链的不稳定性持续增加，世界多国高度重视粮食安全问题，中国同样面临粮食安全的严峻挑战。人均耕地资源不足是中国长期面临的基本国情，后备耕地资源稀缺性愈发凸显。然而，有限的耕地仍面临撂荒的风险，并且耕地撂荒已成为中国农村一种典型的土地利用方式。耕地撂荒对社会和生态均会造成影响，是关乎人类生存发展的大问题。据研究，2014—2015年中国山区县的耕地撂荒率为14.32%；以2020年为例，全国因耕地撂荒造成的粮食产能损失约为4923万t，能够养活1.23亿人口。可见，耕地撂荒问题已对国家粮食安全构成严重威胁。而且，不同区域不同类型耕地撂荒的生态效应存在差异，耕地撂荒虽然在一定程度能够促进生态恢复，但是也可能加剧部分地区生态环境恶化甚至产生生态系统“反服务”现象，耕地撂荒治理面临重大挑战。2023年7月，习近平主席在中央财经委员会第二次会议中强调：“加强撂荒地治理，摸清底数，分类推进，因地制宜把撂荒地种好用好，稳步拓展农业生产空间”。中央已从顶层设计视角关注不同类型耕地的撂荒治理问题。因此，有必要对不同类型耕地撂荒进行研究。
开展撂荒地分类治理之前，理应摸清不同类型耕地的撂荒程度与空间分布。近年来，有关撂荒地识别的研究已经积累了丰富的成果，主要采用农户访谈、野外调研和遥感监测等方法。野外调研准确性强，能够详细地反映撂荒耕地的状况，但工作量大。目前农户访谈和野外调查法适用于案例区研究，研究区域一般较小且时间跨度短，无法掌握全国耕地撂荒的时空格局。部分学者通过荟萃分析、遥感影像解译描绘了全国撂荒耕地的空间分布，遥感覆盖范围广，是识别和研究大规模长时间序列的耕地撂荒的有效方法，但目前通过遥感监测耕地撂荒的研究大多采用30m空间分辨率的卫星影像进行分析，受精度限制，只能够判别地块是否发生撂荒，并不能识别出撂荒耕地的类型，因此，无法及时响应国家提出的分类治理撂荒地的政策。此外，耕地撂荒受到多种因素的影响，比如耕地资源禀赋、区位条件以及基础设施条件；海拔高、坡度大、地块破碎、土壤质量低等耕作条件差的耕地，撂荒风险更大。值得注意的是，不同类型的耕地因所处区域、耕作条件等存在差异，发生撂荒的决定因素也不尽相同，亟需因地制宜对不同类型的撂荒地采取分类治理的策略。
虽然已有研究从中国省级、县级和村庄尺度探索了耕地撂荒规模及其驱动因素等问题，但仍存在一些不足。首先，大规模、长时间序列的耕地撂荒研究多数是基于遥感数据进行分析的，数据精度有限，只能将各种类型耕地作为整体进行监测，无法识别不同类型耕地的撂荒情况；其次，虽然野外调研和农户访谈可以详细记录撂荒耕地的特征，但是既有农户调查只关注家庭是否撂荒耕地和撂荒地规模，没有关注撂荒耕地的类型，难以对撂荒地进行分类和因地制宜地开展治理。当前，笼统地将各种类型的耕地进行研究，无法及时满足当前“分类推进，因地制宜治理撂荒地问题”的政策要求。因此，摸清不同类型耕地的撂荒时序、规模、空间分异特征以及识别耕地撂荒的决定因素，是分类治理不同类型撂荒地的前提。此外，深入探究耕地撂荒的时序特征，有助于掌握耕地撂荒的时空演变规律，预测未来耕地撂荒趋势，为耕地撂荒治理提供科学参考。
有鉴于此，在细分耕地类型（平地水田、平地旱地、坡耕地、水作梯田和旱作梯田）的基础上，本文采用全国346个代表性山区县的大学生返乡调查数据，借助空间分析、分层线性模型和成本收益分析等方法，系统揭示不同类型耕地的撂荒始点、规模、空间分异规律，并从农户和村庄层次识别决定耕地撂荒的关键因素，为分类推进耕地撂荒治理提供科学依据。
为摸清不同类型撂荒地的底数，本研究基于《土地利用现状分类》（GB/T21010-2017）中耕地分类标准，并根据耕地坡度、灌溉条件和利用方式，把耕地细分为平地水田、水作梯田、坡耕地、平地旱地和旱作梯田五种类型。其中梯田为坡度2°以上山坡上沿等高线修筑的条状台式或波浪式断面的田地，包括水作梯田和旱作梯田，表1呈现了以上五类耕地的详细解释。耕地撂荒是土地生产经营者在一定时期内对现有耕地停止耕耘，从而导致耕地处于一种荒芜的状态，是最明显的耕地边际化现象。参考国内外相关研究，本研究中撂荒耕地是指连续两年及以上未种植作物的耕地，因受国家退耕还林或轮作休耕等政策影响转为种植业以外其他用途或者闲置的耕地不在本研究范围内。本文研究区聚焦在全国山区县，根据2019年农业农村部农业机械化管理司划定的山区县名单，全国共有905个山区县。考虑到山区县的空间分布范围广，调查样本规模大，本文采用大学生假期返乡调查和课题组实地调查相结合的方式进行。本研究分别于2020年（1—3月）和2021年（1—3月、3—4月）开展三轮大学生返乡调查。其中招募的返乡大学生多以地理学和土地科学等学科专业为主，返乡大学生熟悉自己所在村的情况，更易获得准确的数据，并且可以节约成本，提高调查效率。此外，课题组针对样本不足的地区先后于2020年（11—12月）和2021年（6—9月）开展两次补充调查，补充调查包括安徽省、湖北省、湖南省、云南省、贵州省、广东省和陕西省等地。
调查过程采用分层抽样和随机抽样相结合的方式。详细抽样过程如下：首先，按照各省（自治区、直辖市）山区县的数量，在每个省（自治区、直辖市）随机抽取5~15个山区县，共计346个山区县；其次，在已抽取的山区县中随机抽取1~2个乡镇，共计433个乡镇；再次，在每个乡镇中选取1~2个行政村，共抽取580个村庄；最后，在每个村庄中随机选取5~10个农户，共计2938个农户家庭（图1）。最终，调研山区县346个，占全国山区县总数的38.32%，满足分层抽样的抽样原则。调查问卷包括村问卷和农户问卷，村问卷的调查对象为熟悉村庄各方面情况的村支书、村主任或村会计等，调查内容涉及村庄劳动力外迁、土地流转、耕地利用与撂荒、作物种植以及村庄经济发展等情况；农户问卷的调查对象为每户家庭成员，户主作为主要调查人，其他成员辅助回答，调查内容涉及家庭劳动力就业、耕地经营、土地流转、耕地撂荒以及家庭收支等情况。
在实证分析之前，本文先对问卷数据进行匹配、清洗和修正等处理，具体流程如下：首先，对村问卷和农户问卷进行匹配处理，形成包含了村问卷和农户问卷的综合数据库，农户数量共计2938个；其次，对样本进行剔除等清洗处理，剔除未包含耕地、部分指标存在明显逻辑错误（比如劳动力年龄和地块面积小于零等）、数据一致性异常以及不符合调查要求的农户样本，共剔除389份农户样本；最后，对样本部分指标进行修正处理，比如对家庭成员收入与总收入差距明显偏大等样本进行修正。最终有效农户样本数量为2549个，占调研样本总数量的86.76%。
2.2.1耕地撂荒率计算 耕地撂荒程度一般采用两种方法进行测度。其一是撂荒耕地的农户占比，其二是撂荒耕地的面积占比。其中撂荒耕地的农户占比计算公式为：
式中：FAR1i为i地区撂荒耕地的农户占总调查农户数量的比例；NFA1i为i地区撂荒耕地的农户数量；NFA1i为i地区调查的农户总数量。
撂荒耕地的面积占比（下称“面积撂荒率”）的计算公式为：
式中：FAR2i为i地区撂荒耕地面积占总调查面积的比例；AFA2i为i地区撂荒耕地的面积；TFA2i为i地区调查的总耕地面积。
2.2.2分层线性模型 本研究数据是典型的“农户-村庄”多层结构，同一个村庄的农户可能具有相同的家庭特征，且同一个村庄的农户可能相互影响，使得同一村庄内的农户不是独立的，而是彼此联系的，不满足一般线性回归模型的基本要求，因而要用分层线性模型（Hierarchical Linear Model，HLM）进行纠正。实际上，是否撂荒耕地受到多个层次因素的影响，第一层次为农户，第二层次为农户所在的村庄。即是否发生耕地撂荒既受到农户特征的影响，又受到村庄特征的影响。模型构建如下：
式中：i为农户；j为村庄；FARij表示在j村庄内i农户是否撂荒耕地，若撂荒为1，反之则为0；β0j表示截距，即在j个村庄内各自的截距；同时，β0j可以分解为β和fj，β表示在不同村庄的农户会有一个固定的截距（均值），fj表示不同村庄之间的差异。故模型进一步分解如下：
式中：FARij表示在j村庄内i农户是否撂荒耕地；β表示在不同村庄的所有农户的共同截距；fj表示不同村庄之间的差异；εij表示村庄内部的差异。分层线性模型包括空模型和纳入多层次变量的复杂模型，空模型能够得出该数据是否需要使用分层线性模型和各层次特征对因变量的解释程度。根据土地利用决策理论和前期研究，影响耕地撂荒的农户特征变量包括耕地面积、地块数量、地块灌溉条件、户主特征以及家庭非农收入等，影响耕地撂荒的村庄特征变量包括村庄区位、劳动力外迁比例、产业发展、土地流转市场发育水平以及是否存在野生动物等。
表2呈现了变量的定义和基本统计量。统计显示，撂荒耕地的农户占比为27%，户均撂荒地面积为0.047hm2；农户特征显示，户均耕地为0.487hm2，分布在10.52块地块上，户主文化程度偏低且平均年龄为55.01岁，户均非农收入占比为68%；村庄特征显示，村庄非农劳动力占比为59%，人均纯收入达到10093元，土地流转率为17%，流转租金为2151.74元/hm2，59%的村庄遭受过野生动物破坏农作物的风险。
2.2.3成本收益分析 成本收益分析是以货币单位为基础对农业生产过程中投入与产出进行计算的方法。根据实地调研，本研究把农业生产成本划分为劳动力、种子、化肥、农药和机械成本等五类，并分别估算了平地水田、平地旱地、坡耕地、水作梯田和旱作梯田五类耕地三大主粮的成本收益。计算公式如下：
式中：PFi表示1hm2i类耕地的平均净收益；Pi表示i类耕地主粮作物销售单价；Qi表示1hm2i类耕地的平均主粮作物产量；Iil、Iis、Iif、Iip和Iim分别表示1hm2i类耕地的平均劳动力、种子、化肥、农药和机械费用。
图2呈现了平地水田、平地旱地、坡耕地、水作梯田和旱作梯田的撂荒时序和撂荒规模。从撂荒的时序来看，不同类型耕地的撂荒始点存在显著差异，其中坡耕地撂荒出现的时间最早（1980年），而平地水田和平地旱地撂荒时间相对较晚（2000年）。撂荒时序基本符合现实规律，即耕作条件差的耕地率先被撂荒。从撂荒的规模来看，2010年之前，各种类型耕地的撂荒规模均普遍较小，此后撂荒规模不断增加，近一半的平地旱地在2013年以后发生了撂荒。
值得注意的是，通过对346个案例山区县的调研数据整理计算发现：水作梯田与旱作梯田的撂荒趋势类似，但旱作梯田撂荒最早开始于1991年，而水作梯田比旱作梯田晚5年，始于1996年；2010年以前，水作梯田和旱作梯田平均年撂荒规模相对较低，分别为1.55%和1.34%，2010年和2015年出现大规模撂荒，并且在2016年以前超过70%的水作梯田和旱作梯田已经撂荒；而平地水田和平地旱地撂荒趋势相似，2000年才发生撂荒，晚于其他类型的耕地，同时，近一半的平地旱地在2013年以后发生了撂荒，而平地水田则发生在2015年以后，并且2015年两类耕地的年均撂荒的比例最高，分别为15.79%和13.33%。
3.2.1不同类型耕地撂荒农户占比的空间分异格局 图3呈现了各类耕地撂荒农户占比的空间分异格局。整体上看，26.64%的农户撂荒过耕地，撂荒率呈现“南高北低”的空间格局。其中广东省的撂荒农户占比最高，达到68.26%；福建省、浙江省、江西省、安徽省、贵州省、重庆市和陕西省等地的撂荒率介于25%至50%；相反，北京市、河南省和吉林省等北方地区的撂荒率总体较低，均不超过10%。从具体类型的耕地来看，平地水田、平地旱地、坡耕地、水作梯田和旱作梯田的撂荒农户占比分别为10.71%、8.19%、22.52%、21.67%和16.30%，呈现明显的空间分异格局。其中平地水田撂荒农户占比的高值区分布在广西壮族自治区、陕西省等地，最高撂荒率达到30%；平地旱地的高值区分布在以广东省为代表的东南沿海和以云南省为代表的西南山地丘陵区，最高撂荒率为广东省的66.92%；坡耕地的高值区集中在黄土高原区和南方丘陵山区，其中陕西省、重庆市、江西省和广东省等地的撂荒率均超过30%；水作梯田的高值区集中在东南沿海地区；旱作梯田的高值区则集中分布在以陕西省为代表的黄土高原区和以广东省、浙江省为代表的东南沿海地区。
3.2.2不同类型耕地面积撂荒率的空间分异格局 图4呈现了各类耕地面积撂荒率的空间分异格局。整体上看，9.88%的耕地处于撂荒状态，撂荒率呈现“南高北低”的空间格局，其中广东省和陕西省的撂荒率最高，分别为32.73%和42.32%；相反，吉林省、辽宁省、内蒙古自治区和山东省等地的撂荒率较低，普遍低于5%。从具体类型的耕地来看，平地水田、平地旱地、坡耕地、水作梯田和旱作梯田的面积撂荒率分别为4.31%、2.29%、18.43%、11.55%和6.23%，呈现明显的空间分异特征。其中平地水田面积撂荒率的高值区分布在广西壮族自治区、福建省和陕西省等地，撂荒率最高为20.71%；平地旱地的高值区集中在以广东省和重庆市为代表的东南沿海和西南山地丘陵区，其中广东省撂荒率最高，高达20.19%；坡耕地的高值区集中在以陕西省为代表的黄土高原区和以江西省为代表的南方丘陵区，两地的撂荒率分别为63.56%和42.99%；水作梯田的高值区集中在以广东省和浙江省为代表的东南沿海地区，广东省水作梯田的撂荒率达到33.47%；旱作梯田的高值区集中分布在南方丘陵山区，其中广东省、江西省和浙江省等地的撂荒率均超过20%。
总体上看，26.64%的农户撂荒过耕地，9.88%的耕地处于撂荒状态，撂荒率呈现“南高北低”的空间格局，其中撂荒水田（平地水田和水作梯田）主要分布在东南地区，撂荒坡耕地主要分布在黄土高原区和南方丘陵山区，而撂荒旱地（平地旱地和旱作梯田）则集中分布在东南沿海地区和西南山地丘陵区。值得一提的是，整体上看，水田的撂荒率高于旱地，这是由于水田主要分布在中国南方，南方地区多丘陵山区，地块较为破碎，种粮比较效益低；相反，旱地主要分布在北方，地势平缓，东北平原、华北平原是我国的主要粮食产区，能够发展适度规模农业，农业机械化水平高。因此表现出水田的撂荒率高于旱地的撂荒率。
在采用分层线性模型模拟耕地撂荒决定因素之前，本文对农户层次和村庄层次的变量进行多重共线性检验。结果显示，单个变量的最大VIF值为1.55，整体变量的VIF为1.18，远低于临界值10，说明变量之间不存在严重的多重共线性问题。模型选择性检验显示，空模型结果中的rho值为0.398，远大于0.059临界值，表明该研究需要采用分层线性模型。表3呈现了基于分层线性模型的耕地撂荒决定因素的模拟结果（这里仅呈现了因变量为是否撂荒耕地的实证结果，若撂荒耕地为1，反之则为0），空模型的组内系数（0.347）和组间系数（0.282）表明，村庄特征能够解释农户耕地撂荒变异程度的44.83%，其余55.17%的变异来源于农户层次的特征。随机截距模型是在空模型的基础上进一步纳入农户层次和村庄层次的特征变量。
从农户层次特征来看，家庭地块数量和耕地灌溉水平的系数分别为0.003和-0.043，且均在1%显著性水平下显著，表明在控制家庭耕地总面积的条件下，地块数量越多、耕地细碎化程度越高，农户越倾向于撂荒耕地，同时灌溉条件越好，农户则倾向于减少撂荒耕地。户主年龄与撂荒概率之间存在典型的“U”型关系，其中“U”型拐点在50岁，即当户主年龄小于50岁时，农户倾向于经营耕地，而当户主年龄超过50岁时，农户倾向于撂荒耕地。值得注意的是，在调查样本中，户主年龄大于50岁的农户数量达到1764户，占比为71%；相反，户主年龄小于50岁的农户数量仅占29%，即随着年龄的增长，越来越多的户主年龄超过50岁，农户撂荒耕地的概率也随之不断增大。户主健康状况的系数为-0.022，且在5%显著水平下显著，表明户主的身体健康状况越好，农户倾向于撂荒耕地，放弃农业经营。兼业类型和家庭非农收入占比均在1%显著水平下显著为正，两者的系数分别为0.037和0.088，即从事非农工作且非农收入比例高的农户更易于撂荒耕地。从村庄层次特征来看，村庄非农劳动力占比以及是否有野生动物破坏庄稼的系数均在1%显著水平下显著为正，表明村庄非农劳动力比例越高，并且经常遭受野生动物破坏的村庄，该村庄内的农户越倾向于撂荒耕地。同时，结合统计性描述发现，59%的调查村庄发生过野生动物破坏农作物的现象，表明当前山区农村野生动物“泛滥”已加剧了耕地撂荒。
为了能够有针对性地治理不同类型的撂荒地，本文进一步探究了不同类型耕地撂荒的影响因素（表4）。结果显示，不同类型撂荒地的影响因素存在明显差异。针对平地水田和平地旱地而言，绝大多数因素的系数不显著，可能是因为平地水田和平地旱地均能够采用机械等省工性要素替代价格“高昂”的劳动力，撂荒规模通常较小。与之比较，坡耕地、水作梯田和旱作梯田通常受到家庭非农收入占比、非农劳动力占比、耕地灌溉水平等多种因素的影响，可能是因为这三种耕地所处地形复杂，省工性要素替代性较差，在非农工资持续上涨和非农劳动力短缺下，农户倾向于撂荒耕地。
此外，为了更直观地认识变量与耕地撂荒之间的关系，图5呈现了影响耕地撂荒的核心变量与撂荒之间的关系。整体上看，是否撂荒耕地受到农户层次和村庄层次特征的影响，其中细碎化程度严重且灌溉水平较差的地块更易被撂荒，户主年龄偏大、身体状况较差且非农收入占比大的家庭倾向于撂荒耕地，同时非农劳动力占比大且常受野生动物破坏的村庄，村庄内的农户也倾向于撂荒耕地。
耕地的成本收益比较
图6和图7呈现了不同类型耕地三大主粮作物的成本收益和各项成本占比。从成本收益来看，平地水田、平地旱地、坡耕地、水作梯田和旱作梯田的平均收益处于18.39~20.51（103元/hm2），成本处于13.14~19.76（103元/hm2），平均利润相应为7330.7元/hm2、5044.5元/hm2、92.25元/hm2、744.30元/hm2和-289.80元/hm2，其中旱作梯田已处于亏损状况。从各项成本占比来看，在五种耕地中，单位面积平均劳动力、种子、化肥、农药和机械成本占比分别达到63.56%、7.65%、15.72%、6.38%和6.70%，其中劳动力和化肥成本接近80%，水作梯田和旱作梯田的劳动力成本均超过65%。
耕地撂荒的研究成果已十分丰富，该部分将前期成果与本研究进行比较。从耕地撂荒的始点看，长时间序列的遥感影像解译发现，耕地撂荒现象始于1992年，2000年以前仅有少数地区发生过撂荒，之后撂荒面积不断扩大且处于呈态势。本研究结论与遥感解译结果十分相近。从耕地撂荒的规模看，大规模农户调查发现，2014—2015年，全国山区县的耕地撂荒率约为14.3%，略高于本文估算的撂荒率（9.88%），可能是因为此次调查的范围更广，耕地类型更加多样；2020年的大规模农户调查显示，全国耕地撂荒率约为10.36%，与本研究的结论几乎一致。从耕地撂荒的空间分布来看，已有研究发现撂荒耕地主要分布在长江中下游地区和西南山区等地，呈现“东南与西南高、东北与西北低”的空间格局，与本文中“南高北低”的空间格局大体相同。总之，已有研究涉及的撂荒始点、规模和空间分布与本文结论基本一致，表明本研究的结论十分可靠。
依据不同类型耕地撂荒的主要驱动因素，有针对性地提出治理各类撂荒耕地的具体措施。①对于坡耕地，坡度大于25°的应当以蓄水保土为主，逐步退耕还林还草。25°以下的依据实际情况实施坡改梯工程，改善耕作条件。②对于平地水田，缺乏农业劳动力是耕地撂荒的主要因素，因此，可以通过提升农机服务水平，提高社会化服务规模，来缓解耕地撂荒。③针对平地旱地，农户收益低是导致耕地撂荒的主要因素，通过调整农业结构，挖掘特色农产品，提升农产品附加值以此来提升农户耕作收益，从而遏制耕地撂荒。④对于梯田，地块破碎是发生撂荒的主要原因，要鼓励多种方式流转耕地经营权，例如“小块并大块”“互换并块”来解决细碎化问题。若梯田质量较差，实在无法耕种的则要顺应耕地边际化现象，遵循生态优先，实施退耕还林还草措施，服务于生态环境建设。
借助大学生返乡调查和课题组野外调查相结合的方式，本研究对全国346个代表性山区县开展农户耕地撂荒调查，涉及433个乡镇、580个村庄的2938个农户，采用空间分析和分层线性模型等方法，揭示了不同类型耕地的撂荒时序、规模、空间分异格局及其决定因素，主要结论：
（1）各类耕地的撂荒始点存在明显差异，坡耕地、旱作梯田、水作梯田、平地水田和平地旱地呈现依次撂荒的顺序，其中坡耕地由于地形限制、耕作条件差，产量低等原因，最先发生撂荒（1980年），平地水田和平地旱地相对较晚，在2000年开始撂荒。平地水田和平地旱地由于灌溉设施完善、产量高、机械化程度高等原因，最晚开始撂荒。截止目前，超过1/4的农户撂荒过耕地，9.88%的耕地处于撂荒状态，耕地撂荒率呈现“南高北低”的空间格局，其中撂荒水田主要分布在东南沿海地区，撂荒坡耕地和旱地主要分布在黄土高原、东南沿海和西南山地丘陵区。
（2）是否撂荒耕地受到村庄层次和农户层次特征的共同影响，两者分别解释了耕地撂荒变异程度的44.83%和55.17%。其中从事非农就业、户主年龄偏大且身体状况较差的农户倾向于撂荒耕地，同时遭受野生动物破坏、耕地细碎严重且灌溉条件较差的地块更易被撂荒。目前，“高昂”的劳动力和要素投入成本持续压缩了农业利润，其中劳动力和化肥成本占耕地经营总成本的80%，劳动力成本超过3/5，耕地和梯田的经营利润已十分微薄，旱作梯田甚至处于亏损状态。
（3）分类推进撂荒地治理，制定差异化的治理策略。针对不同地区、不同类型的耕地采取逆土地边际化和顺土地边际化的策略，重点关注撂荒坡耕地和梯田治理，依据实际情况开展宜机化改造，积极发展农业服务规模化；确实无法耕种的土地，实施退耕还林还草，提升生态环境质量。值得注意的是，近年来全国丘陵山区以野猪为代表的野生动物尤为活跃，已严重影响当地农业生产，导致山区大规模耕地撂荒，未来相关部门有必要开展野生动物种群规模和肇事热点区域的调查工作，开展相应的防控捕杀和经济补偿，切实保障农业生产，缓解因野生动物破坏导致的耕地撂荒。
