中國耕地補(bǔ)充與撂荒的空間關(guān)系識別及其失衡歸因

摘要：研究目的：探究耕地補(bǔ)充與耕地撂荒的空間匹配關(guān)系，為耕地保護(hù)和開發(fā)提供科學(xué)依據(jù)。研究方法：遙感監(jiān)測、空間自相關(guān)分析、空間失衡指數(shù)、地理探測器和增強(qiáng)回歸樹模型。研究結(jié)果：（1）近20年中國耕地年均補(bǔ)充263.22×104 hm2，年均補(bǔ)充率為1.39%，集中分布于西北、東北和西南地區(qū)。耕地年均撂荒226.68×104 hm2，年均撂荒率為1.19%，主要分布于黃河中游和西南地區(qū)。（2）耕地補(bǔ)充和耕地撂荒之間以輕度失衡和不失衡為主，但極度失衡和重度失衡的單元數(shù)量逐年增加。至2020年，中度、重度和極度失衡的單元占16.87%，主要分布在西北、黃河中游、西南和南部沿海地區(qū)。（3）高—高集聚和低—低集聚是耕地補(bǔ)充和撂荒失衡的主要空間集聚模式。其中，高—高集聚區(qū)集中在西北、黃河中游、西南和南部沿海地區(qū)，低—低集聚區(qū)集中在東北、長江中游、西南和北部沿海地區(qū)。（4）坡度和年平均降水量為耕地補(bǔ)充與撂荒空間失衡主要的自然資源驅(qū)動因子，非農(nóng)從業(yè)人數(shù)、農(nóng)業(yè)機(jī)械總動力是主要的社會經(jīng)濟(jì)驅(qū)動因子。研究結(jié)論：耕地補(bǔ)充和撂荒之間空間失衡具有復(fù)雜性且受當(dāng)?shù)刈匀粭l件和經(jīng)濟(jì)社會因素的交互影響，未來應(yīng)基于不同的情景和目標(biāo)綜合確定最優(yōu)的利用模式，為高質(zhì)量耕地保護(hù)提供科學(xué)依據(jù)。

關(guān)鍵詞：耕地補(bǔ)充；耕地撂荒；空間關(guān)系；失衡指數(shù)；增強(qiáng)回歸樹模型

中圖分類號：F301.2 文獻(xiàn)標(biāo)志碼：A 文章編號：1001-8158（2024）07-0120-13

基金項目：國家社會科學(xué)基金重大項目（23ZD141）；自然資源部長三角國土生態(tài)與土地利用野外科學(xué)觀測研究站開放基金項目（2023YRDLELU01）；江蘇省研究生科研與實踐創(chuàng)新計劃項目（KYCX24_2969）；中國礦業(yè)大學(xué)研究生創(chuàng)新計劃項目（2024WLKXJ125）。

耕地是人類生存的重要載體，在全球糧食安全和生態(tài)保護(hù)等方面發(fā)揮著重要作用[1-2]。過去幾十年里，為滿足不斷增長的人口對糧食和纖維的需求，全球許多國家和地區(qū)的耕地數(shù)量不斷擴(kuò)張[3]。從共享社會經(jīng)濟(jì)路徑情景框架預(yù)測的結(jié)果來看，在最可持續(xù)性的發(fā)展情景下，未來30年全球耕地面積還需再擴(kuò)大25億hm2[4]。與此同時，受城鎮(zhèn)化、社會經(jīng)濟(jì)發(fā)展和土地退化等因素影響，全球范圍內(nèi)耕地撂荒非常普遍。有研究顯示，2003—2019年，全球耕地擴(kuò)張了2.17億hm2，但同時全球耕地撂荒面積也達(dá)到了7 900萬hm2，尤其是在歐洲和以中國為代表的亞洲新興地區(qū)，一直是耕地撂荒的熱點區(qū)域[5-6]。因此，摸清耕地補(bǔ)充與撂荒的時空分布，識別其空間匹配關(guān)系及失衡原因，對促進(jìn)耕地資源的可持續(xù)利用、保障糧食安全、保護(hù)生態(tài)環(huán)境和生物多樣性具有重要意義。

國內(nèi)外學(xué)者對耕地補(bǔ)充和耕地撂荒開展了豐富的研究，主要集中在以下三個方面：一是耕地補(bǔ)充或耕地撂荒監(jiān)測與制圖。早期主要采用田野調(diào)查或抽樣調(diào)查法[7-9]，評價或估算補(bǔ)充耕地和撂荒耕地的空間位置和水平。隨著遙感和無人機(jī)技術(shù)普及，遙感制圖被廣泛應(yīng)用于耕地補(bǔ)充和撂荒的研究中[10-12]，極大地提升了研究的廣度與深度。二是耕地補(bǔ)充或耕地撂荒驅(qū)動力研究。研究表明，耕地撂荒和耕地補(bǔ)充與多種因素密切相關(guān)，包括資源環(huán)境、勞動力水平、農(nóng)業(yè)技術(shù)水平、社會經(jīng)濟(jì)水平、政策要求等[13-14]。例如，耕地撂荒一般多發(fā)生在自然資源環(huán)境條件較差的地區(qū)，主要與土壤質(zhì)量和水資源供給有關(guān)，尤其是自然災(zāi)害多發(fā)的地區(qū)[15]。此外，隨著城鎮(zhèn)化和工業(yè)化進(jìn)程不斷推進(jìn)，城市內(nèi)有大量高收入的就業(yè)機(jī)會，促使農(nóng)村勞動力向城市轉(zhuǎn)移，進(jìn)一步加重了耕地撂荒程度[16]。耕地補(bǔ)充更多是為應(yīng)對人口饑餓和營養(yǎng)不良的問題，滿足人類日益增長的糧食需求[17]，但由于適宜開發(fā)為耕地的資源十分有限，補(bǔ)充的耕地多位于資源環(huán)境本底較差的地區(qū)，是否能長期穩(wěn)定地維持農(nóng)業(yè)生產(chǎn)仍有待進(jìn)一步觀察[18]。例如，在中國補(bǔ)充耕地逐漸向西北地區(qū)轉(zhuǎn)移[19]，該地區(qū)水資源短缺，并不是農(nóng)業(yè)生產(chǎn)的較高適宜區(qū)。三是耕地補(bǔ)充或耕地撂荒的環(huán)境效應(yīng)。耕地補(bǔ)充和撂荒不僅是耕地空間的外延變化，還包含內(nèi)部生態(tài)環(huán)境變化，對糧食生產(chǎn)、農(nóng)田生態(tài)、碳排放和生物多樣性保護(hù)等產(chǎn)生巨大影響[20-21]。耕地撂荒可能會影響糧食生產(chǎn)[22]，但有研究認(rèn)為，適度休耕能夠增強(qiáng)土壤碳固存能力，提升生態(tài)系統(tǒng)服務(wù)能力，對全球氣候和環(huán)境變化具有一定的抑制作用[23]。然而，耕地補(bǔ)充一般多來源于林地和草地，加劇了碳排放，為區(qū)域生態(tài)環(huán)境和生物多樣性保護(hù)帶來嚴(yán)峻挑戰(zhàn)[24]。TANG等[23]指出耕地轉(zhuǎn)入引發(fā)的碳損失幾乎與城市擴(kuò)張導(dǎo)致的碳損失相等，嚴(yán)重威脅全球生物多樣性保護(hù)目標(biāo)。這些研究為保障糧食安全、維護(hù)生態(tài)環(huán)境提供了重要參考。CHEN等[25]和LU等[26]也從耕地撂荒的角度評價了近20年中國和中國西南地區(qū)補(bǔ)充耕地的連續(xù)性和效率，指出耕地補(bǔ)充正向海拔較高、坡度較陡的地區(qū)轉(zhuǎn)移，可能會增加未來的耕地撂荒。但目前尚無研究從全國層面探究耕地補(bǔ)充與耕地撂荒之間的空間關(guān)系及其失衡的驅(qū)動因素。

近20年中國的城市化和工業(yè)化發(fā)展迅速，城市周邊大量耕地被占用。為保障糧食安全，中國實行最嚴(yán)格的“耕地占補(bǔ)平衡制度”，加大耕地補(bǔ)充力度[27]。但受農(nóng)村勞動力輸出、農(nóng)業(yè)收益低下和自然環(huán)境特點的影響，許多地方仍普遍出現(xiàn)耕地撂荒現(xiàn)象。一邊大搞耕地補(bǔ)充，一邊又嚴(yán)重撂荒，不僅影響耕地可持續(xù)利用，也浪費了巨額的開墾資金。為此，本文的研究目的如下：（1）基于2000—2020年30 m空間分辨率的土地利用覆被數(shù)據(jù)集，探索中國耕地補(bǔ)充和耕地撂荒時空分布特征；（2）建立耕地補(bǔ)充和撂荒的空間關(guān)系評價原則；（3）揭示耕地補(bǔ)充和撂荒空間失衡的影響因素，為耕地保護(hù)空間統(tǒng)籌、轉(zhuǎn)型與創(chuàng)新提供科學(xué)依據(jù)。

1 數(shù)據(jù)來源與研究方法

1.1 研究框架

中國人口眾多，保障糧食安全一直是我國經(jīng)濟(jì)社會發(fā)展的優(yōu)先事項。但我國人均耕地少、資源環(huán)境本底差，近20年高速發(fā)展的城市化、工業(yè)化又占用了大量優(yōu)質(zhì)耕地。為保障糧食安全，國家不得不實行最嚴(yán)格的耕地占補(bǔ)平衡制度，大力補(bǔ)充耕地。然而，受人口城鎮(zhèn)化、種植業(yè)收益低等多重因素影響，一些地區(qū)耕地撂荒較為普遍，甚至出現(xiàn)同一縣域內(nèi)一邊大力補(bǔ)充耕地、一邊撂荒成片。這不僅浪費了大量的耕地開墾資金，還嚴(yán)重威脅耕地可持續(xù)利用和生態(tài)安全。因此，亟待厘清補(bǔ)充和撂荒之間的關(guān)系，提升耕地資源利用效率。為此，首先，采用連續(xù)時間序列土地利用覆被數(shù)據(jù)揭示近20年中國耕地補(bǔ)充和撂荒的時空格局及分異特征；其次，運用空間失衡指數(shù)等方法探索耕地補(bǔ)充和撂荒之間的空間匹配關(guān)系；最后，量化自然因素、社會經(jīng)濟(jì)因素及其交互作用對耕地補(bǔ)充和撂荒之間空間失衡的貢獻(xiàn)（圖1）。

1.2 數(shù)據(jù)來源與處理

本文收集了土地覆被數(shù)據(jù)（China Land Cover Dataset， CLCD）、DEM、年均降水量、年均氣溫、農(nóng)田生產(chǎn)潛力數(shù)據(jù)和社會經(jīng)濟(jì)統(tǒng)計數(shù)據(jù)。土地覆被數(shù)據(jù)是耕地補(bǔ)充和撂荒的信息提取源，基于Landsat影像，采用隨機(jī)森林方法對其進(jìn)行分類，形成了2000—2020年30 m分辨率連續(xù)數(shù)據(jù)序列，該數(shù)據(jù)將土地利用分為耕地、林地、灌木、草地、裸地、不透水面、水域、冰雪和濕地9類，分類精度為79.31%[28]；DEM數(shù)據(jù)為Advanced Spaceborne Thermal Emission and Reflection Radiometer Global Digital Elevation Model（ASTER GDEM），分辨率為30 m，來源于地理空間數(shù)據(jù)云（https：//www.gscloud.cn/search）；年平均氣溫和年平均降水量數(shù)據(jù)來源于國家青藏高原科學(xué)數(shù)據(jù)中心（https：//www.tpdc.ac.cn/home），空間分辨率為1 km；中國農(nóng)田生產(chǎn)潛力數(shù)據(jù)集來源于中國科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心（https：//www.resdc.cn/），空間分辨率1 km，該數(shù)據(jù)集采用GAEZ（Global Agro-Ecological Zones）模型，綜合考慮光、溫、水、CO2濃度、病蟲害、農(nóng)業(yè)氣候限制、土壤、地形等多方面因素，已被廣泛使用于糧食生產(chǎn)潛力測算研究中[29]；社會經(jīng)濟(jì)數(shù)據(jù)包括鄉(xiāng)村總?cè)丝凇⒌貐^(qū)生產(chǎn)總值、農(nóng)業(yè)機(jī)械總動力、非農(nóng)從業(yè)人數(shù)和農(nóng)村居民人均收入等，主要來源于《中國縣域統(tǒng)計年鑒（縣市卷）》，少部分缺失的數(shù)據(jù)采用線性插值法和年均增長率進(jìn)行補(bǔ)齊；八大綜合經(jīng)濟(jì)區(qū)范圍數(shù)據(jù)來源于國務(wù)院發(fā)展研究中心《地區(qū)協(xié)調(diào)發(fā)展的戰(zhàn)略和對策》報告和《中華人民共和國國民經(jīng)濟(jì)和社會發(fā)展第十一個五年規(guī)劃綱要》。

1.3 研究方法

1.3.1 耕地補(bǔ)充和耕地撂荒信息提取

目前，學(xué)術(shù)界和管理部門對耕地撂荒的認(rèn)識和界定尚不統(tǒng)一。FAO將耕地撂荒定義為連續(xù)5年以上不進(jìn)行農(nóng)業(yè)生產(chǎn)的耕地，日本農(nóng)林水產(chǎn)省將1年以上未開墾且未來幾年沒有開墾跡象的耕地稱為撂荒耕地[20]。HOU等、HAN等和LOW等分別將連續(xù)2年、3年和4年未種植的耕地稱為撂荒地[30]。鑒于此，依據(jù)我國相關(guān)法律規(guī)定①和相關(guān)研究的做法[30-32]，本文將連續(xù)兩年不進(jìn)行農(nóng)業(yè)生產(chǎn)的耕地定義為撂荒。在此基礎(chǔ)上，為分析歷年耕地撂荒的時空格局演變特征，將CLCD中連續(xù)兩年由耕地轉(zhuǎn)變?yōu)椴莸亍⒐嗄尽⒘值睾吐愕氐臇鸥裉崛〕鰜碜鳛楦亓袒臄?shù)據(jù)源[33]。同時，為提升耕地撂荒數(shù)據(jù)的準(zhǔn)確性，將坡度大于25°或小于15°且位于生態(tài)保護(hù)紅線區(qū)域內(nèi)的耕地柵格進(jìn)行剔除②。此外，將CLCD中林地、灌木、草地、裸地、不透水面、水域、冰雪和濕地等轉(zhuǎn)變?yōu)楦氐臇鸥裉崛〕鰜碜鳛楦匮a(bǔ)充數(shù)據(jù)源。具體運用ArcMap10.6 軟件中的柵格計算器工具對2000— 2020年CLCD柵格數(shù)據(jù)進(jìn)行空間疊加運算，提取耕地補(bǔ)充和耕地撂荒柵格數(shù)據(jù)，再使用面積制表工具統(tǒng)計面積。此外，使用耕地補(bǔ)充率和耕地撂荒率來評價耕地補(bǔ)充和耕地撂荒的比例[34]，具體計算公式如下：

1.3.2 耕地補(bǔ)充和撂荒空間關(guān)系識別及失衡程度評估

基于空間關(guān)系識別示意圖（圖2），耕地補(bǔ)充和撂荒的空間關(guān)系可表示為E（P1m P2n）。P1和P2分別代表耕地補(bǔ)充率和撂荒率，m和n分別代表耕地補(bǔ)充率和撂荒率的等級。其中，m = 1、2、3、4、5，分別表示低、較低、中等、較高和高等級，n = 1、2、3、4、5，分別表示低、較低、中等、較高和高等級。耕地補(bǔ)充率和撂荒率的等級劃分采用自然間斷點法實現(xiàn)。

依據(jù)空間組合能夠有效地反映耕地補(bǔ)充與撂荒間的相互關(guān)系，然而，耕地補(bǔ)充和撂荒之間的失衡程度無法通過空間組合進(jìn)行測算。空間失衡指數(shù)可表征區(qū)域耕地補(bǔ)充和撂荒的均衡或失衡程度，目前已被廣泛應(yīng)用于人口、居住、就業(yè)和工業(yè)用地的相關(guān)研究[35-36]。基于此，本文引進(jìn)空間失衡指數(shù)法估算耕地補(bǔ)充和撂荒之間的失衡程度，具體算法如下：

1.3.3 空間失衡類型劃分方法

依據(jù)空間失衡指數(shù)，并參考相關(guān)文獻(xiàn)[37-39]，本文將2020年1 963個縣級行政單元劃分為極度失衡、重度失衡、中度失衡、輕度失衡和不失衡5個類別；再依據(jù)耕地補(bǔ)充率與撂荒率比值及圖斑平均最近距離判定主導(dǎo)類型，其中平均最近距離（di/km）直接利用ArcGIS 10.6軟件的鄰域分析工具計算，利用自然間斷點法分為5個區(qū)間。具體標(biāo)準(zhǔn)如表1。

1.3.4 空間自相關(guān)分析

空間自相關(guān)分析可以檢驗空間變量的分布是否與鄰近變量相關(guān)及相關(guān)程度如何，包括全局自相關(guān)和局部自相關(guān)[36]。其中，全局自相關(guān)能夠反映研究區(qū)各個空間單元和鄰近單元之間的相關(guān)性，局部自相關(guān)能夠準(zhǔn)確把握局部空間單元的集聚性和分異性。為了檢驗區(qū)域耕地補(bǔ)充和撂荒的空間失衡程度是否具有空間集聚性，本文運用空間自相關(guān)分析方法，來檢驗耕地補(bǔ)充和撂荒的空間失衡程度的分異特征，計算公式如下：

1.3.5 耕地補(bǔ)充和撂荒空間失衡的影響因素分析

耕地補(bǔ)充和撂荒均是受多種因素綜合作用的土地利用變化現(xiàn)象[40]。基于數(shù)據(jù)的可獲得性和相關(guān)研究結(jié)果[18]，本文擬從自然因素和社會經(jīng)濟(jì)因素兩個維度選取14個因素分析耕地補(bǔ)充和撂荒空間關(guān)系的主要驅(qū)動力。自然因素包括高程、坡度、地形起伏度、土壤有機(jī)碳、年平均氣溫、年平均降水量、潛在作物產(chǎn)量等，這些因素均是耕地作物種植的基本條件，反映地形、土壤和氣候?qū)Ω刈魑锷L的影響[41-42]。一般情況下，地形平坦、氣候適宜和農(nóng)田生產(chǎn)潛力較高的耕地不易被撂荒，而補(bǔ)充耕地大多位于自然資源本底條件較低的地區(qū)[25]。社會經(jīng)濟(jì)因素包括農(nóng)村人口數(shù)、城鎮(zhèn)化率、非農(nóng)從業(yè)人數(shù)、農(nóng)業(yè)機(jī)械總動力、地區(qū)生產(chǎn)總值、農(nóng)村居民人均可支配收入和距主要道路的距離等，這些因素也是影響耕地利用方式改變的重要方面[8，43]。農(nóng)村社會經(jīng)濟(jì)發(fā)展水平的高低直接決定了是否有充足的人數(shù)種植耕地，這也將直接影響到耕地是否撂荒。

（1）增強(qiáng)回歸樹：本文選擇增強(qiáng)回歸樹模型探索各變量對耕地補(bǔ)充和撂荒空間失衡的相對貢獻(xiàn)。該模型是一種擬合統(tǒng)計模型，由傳統(tǒng)的分類和回歸樹方法結(jié)合發(fā)展而來，它將回歸樹和增長兩種方法結(jié)合起來，采用遞歸二進(jìn)制拆分方法來擬合因變量與自變量之間的相互關(guān)系[44]。與常用的多元線性逐步回歸相比，增強(qiáng)回歸樹方法可以擬合復(fù)雜的非線性關(guān)系，并自動處理自變量之間的相互作用效應(yīng)。增強(qiáng)回歸樹模型被廣泛應(yīng)用于氣候變化、環(huán)境影響和土地利用等研究中[45-46]。將2020年耕地補(bǔ)充和撂荒的空間失衡指數(shù)作為因變量，14個驅(qū)動因素作為自變量，揭示各失衡類型的主要驅(qū)動力。在運行增強(qiáng)回歸樹模型時，其關(guān)鍵性的參數(shù)設(shè)置如下：“distribution”= gaussian，learning.rate = 0.001，bag.fraction = 0.5，tree.complexity = 5。該方法主要通過R軟件的第三方包“dismo”和“gbm”實現(xiàn)。

（2）地理探測器：在增強(qiáng)回歸樹分析的基礎(chǔ)上，選擇各失衡類型的主導(dǎo)驅(qū)動因子，運用地理探測器交互因子探測分析其交互作用對耕地補(bǔ)充和撂荒失衡的影響程度。交互因子探測常被用于分析因子x1、x2之間是否存在交互作用及其存在交互作用時是否會強(qiáng)化或減弱對因變量的影響力[47]，通常情況下因子交互作用類別可劃分為5類（表2）。

2 結(jié)果與分析

2.1 耕地補(bǔ)充和撂荒的時空特征

2000—2020年中國耕地補(bǔ)充呈波動上升趨勢，年均補(bǔ)充263.22×10⁴ hm2，呈西北、東北和西南高，其他地區(qū)低的空間分布格局（圖3）。西南地區(qū)年均耕地補(bǔ)充面積最大，達(dá)64.90×10⁴ hm2，東部沿海地區(qū)年均耕地補(bǔ)充最少，僅為6.05×10⁴ hm2。全國年均耕地補(bǔ)充率為1.39%，西北地區(qū)年均補(bǔ)充率最大，達(dá)2.93%，北部沿海地區(qū)年均耕地補(bǔ)充率最小，僅為0.43%。近20年中國耕地補(bǔ)充相對集中于西部和北部地區(qū)，并且呈現(xiàn)越來越向北向西移動的趨勢。從時間變化趨勢上看（圖3（e）和3（f）），長江中游和東部沿海耕地補(bǔ)充面積和補(bǔ)充率始終保持增加趨勢，其余區(qū)域的耕地補(bǔ)充面積和補(bǔ)充率呈現(xiàn)波動上升的變化趨勢，2005年為各區(qū)域耕地補(bǔ)充面積和補(bǔ)充率的最低值。

2000—2020年中國耕地撂荒面積呈現(xiàn)波動下降趨勢，年均撂荒226.68×10⁴ hm2，主要分布于胡煥庸線附近（圖4）。黃河中游地區(qū)和西南地區(qū)年均耕地撂荒較多，分別為64.01×10⁴ hm2和60.93×10⁴ hm2，東部沿海年均耕地撂荒最少，僅為1.87×10⁴ hm2。全國年均耕地撂荒率為1.19%，西北地區(qū)年均耕地撂荒率最高，達(dá)2.13%，東部沿海年均耕地撂荒率最低，僅0.18%。從時間變化上看（圖4（e）和4（f）），西南地區(qū)耕地撂荒面積和撂荒率呈現(xiàn)波動下降的變化趨勢，2010年耕地撂荒面積和撂荒率達(dá)到最大值，其他區(qū)域耕地撂荒面積和撂荒率呈現(xiàn)先上升后下降的變化趨勢，2005年耕地撂荒面積和撂荒率達(dá)到最大值。

2.2 耕地補(bǔ)充與撂荒的空間關(guān)系

2.2.1 空間失衡關(guān)系評判

2000—2020年中國耕地補(bǔ)充與撂荒的失衡程度總體不高，但隨著時間推移，其失衡關(guān)系逐漸顯著（圖5）。從組合類型上看，研究期內(nèi)耕地補(bǔ)充和撂荒均為低和較低等級的空間組合類型占主導(dǎo)地位，其年均縣域占比達(dá)65.22%，但呈現(xiàn)波動下降的變化趨勢。耕地補(bǔ)充和撂荒均為較高和高等級的空間組合類型較少，但隨著時間的推移有增加趨勢。此外，2010年之前耕地補(bǔ)充等級（低、較低）小于耕地撂荒等級（中等、較高和高）的空間組合類型的縣域數(shù)量較多，2010年之后耕地補(bǔ)充等級（中等、較高和高）大于耕地撂荒等級（低、較低）的空間組合類型的縣域數(shù)量逐漸增多。從失衡程度來看，2000—2020年中國耕地補(bǔ)充和撂荒的失衡程度以輕度失衡和不失衡為主，年均縣域占比達(dá)79.75%，主要分布在胡煥庸線以東區(qū)域，但其失衡程度不斷增強(qiáng)，尤其是重度失衡和極度失衡的縣域數(shù)量波動增加。其中，重度失衡的縣域占比由2000年的2.66%增加到2020年的5.01%，極度失衡的縣域占比由2000年的0.72%增加到2020年的1.12%。2020年，耕地補(bǔ)充和撂荒中度、重度和極度失衡的縣域總占比達(dá)16.87%，主要分布在西北、黃河中游、西南和南部沿海地區(qū)。

2.2.2 空間相關(guān)性分析

將耕地補(bǔ)充與撂荒的失衡程度作為觀測變量，采用全局莫蘭指數(shù)（I）判定耕地補(bǔ)充與撂荒失衡程度的總體空間特征（表3）。結(jié)果發(fā)現(xiàn)，2000年、2005年、2010年、2015年和2020年這5個時期的I值依次為0.460、0.487、0.440、0.438和0.499，均滿足Z>1.96且P<0.01的顯著性水平檢驗，說明2000—2020年中國耕地補(bǔ)充與撂荒的失衡程度具有顯著的空間集聚性，且呈現(xiàn)上升—下降—上升的變化趨勢。為進(jìn)一步探討區(qū)域間耕地補(bǔ)充與撂荒失衡程度的集聚狀況和模式，引入局部莫蘭指數(shù)（Ii）作深入分析（圖6）。2000—2020年耕地補(bǔ)充與撂荒失衡程度的空間集聚模式具有相似性，以高—高集聚和低—低集聚為主。其中，高—高集聚的縣域占比呈現(xiàn)先下降后上升的變化趨勢，由 2000年的10.10%增加到2020年的11.43%，集中分布在西北、黃河中游、西南和南部沿海地區(qū)。低—低集聚的縣域占比變化較小，基本維持在18.20%，集中分布在東北、長江中游、西南和北部沿海地區(qū)。低—高集聚和高—低集聚的縣域占比均不超過2%，零散分布在西北、黃河中游和西南地區(qū)。

2.2.3 空間失衡類型劃分

全國無EI-CCAE和HI-CCAE單元分布，且NICCAE歸為不失衡類型。因此，最終形成了10個失衡類型的空間分布（圖7）。2020年，中國耕地補(bǔ)充與撂荒之間空間失衡以LI-CCD型為主，占29.60%，除東北與北部沿海地區(qū)較少外，其他區(qū)域分布廣泛。此外，HI-CCD型單元占4.81%，主要分布在西北、西南和黃河中游地區(qū)，MI-CCD型單元占8.38%，主要分布在西北、黃河中游和南部沿海地區(qū)，LI-CAD型單元占2.30%，主要分布在西南地區(qū)。EI-CCD型、EI-CAD型、HI-CAD型、MI-CAD型、MI-CCAE型和LI-CCAE型單元占比小，零散分布于西南、黃河中游和東北地區(qū)。

2.3 空間失衡的歸因分析

了解耕地補(bǔ)充和撂荒空間失衡關(guān)系的驅(qū)動力有助于更好地制定耕地利用政策。首先，本文使用方差膨脹因子（VIF）對擬選取的影響因素進(jìn)行共線性檢驗，檢驗發(fā)現(xiàn)高程、地形起伏度和土壤有機(jī)碳這三個指標(biāo)存在共線性問題（VIF>7.5），其余11個變量的方差膨脹因子VIF<7.5，不存在多重共線性關(guān)系，能夠進(jìn)行后續(xù)的回歸分析[14]。然后，測算各失衡類型的每個因素的貢獻(xiàn)度。不同空間失衡類型的驅(qū)動因素存在異質(zhì)性（圖8）。EI-CCD型和EI-CAD型受非農(nóng)從業(yè)人數(shù)、年平均氣溫、農(nóng)業(yè)機(jī)械總動力的影響較大，HI-CCD型和HI-CAD型受坡度、農(nóng)業(yè)機(jī)械總動力和年平均降水量的影響較大，MI-CCD型受農(nóng)村居民人均收入、農(nóng)業(yè)機(jī)械總動力和坡度的影響較大，MI-CAD型受年平均降水量的影響較大，MI-CCAE型受城鎮(zhèn)化率、年平均降水量的影響較大，LI-CCD型受農(nóng)業(yè)機(jī)械總動力影響較大，LI-CAD型受坡度影響較大，LICCAE型受農(nóng)村人口數(shù)的影響較大。總體而言，耕地補(bǔ)充與撂荒空間失衡是社會經(jīng)濟(jì)因素和自然資源因素綜合作用的結(jié)果，其中非農(nóng)從業(yè)人數(shù)、農(nóng)業(yè)機(jī)械總動力是主要的社會經(jīng)濟(jì)驅(qū)動因子，坡度和年平均降水量是主要的自然因子。

從主導(dǎo)因子的交互作用探測結(jié)果來看（表4），不同耕地補(bǔ)充與撂荒空間失衡類型中，任意兩個因子組合的交互作用均強(qiáng)于某一單一因子的獨立作用。同時，交互作用類型主要表現(xiàn)為雙因子增強(qiáng)和非線性增強(qiáng)兩種。

3 結(jié)論與討論

3.1 主要結(jié)論

本文基于30 m分辨率的土地利用覆被數(shù)據(jù)，探討了耕地補(bǔ)充和撂荒的時空格局特征，分析了二者的空間關(guān)系，揭示了其空間失衡的驅(qū)動因素。研究結(jié)論如下：（1）2000—2020年，中國年均補(bǔ)充耕地面積為263.22×10⁴ hm2，年均耕地補(bǔ)充率為1.39%，呈現(xiàn)西北、東北和西南高，其他地區(qū)低的空間格局，年均耕地撂荒面積為226.68×10⁴ hm2，年均耕地撂荒率為1.19%，撂荒耕地靠近胡煥庸線，主要分布在黃河中游地區(qū)和西南地區(qū)。（2）耕地補(bǔ)充和撂荒的空間關(guān)系具有復(fù)雜性，從組合類型上看，二者的組合關(guān)系以耕地補(bǔ)充與撂荒均為低或較低等級為主，其年均縣域占比達(dá)65.22%；從失衡程度上看，二者的空間關(guān)系以輕度失衡和不失衡為主，但極度失衡和重度失衡的縣域數(shù)量逐年增加。到2020年，中度、重度和極度失衡的縣域總占比達(dá)16.87%，主要分布在西北、黃河中游、西南和南部沿海地區(qū)。（3）耕地補(bǔ)充和撂荒的失衡程度具有顯著的空間集聚性，高—高集聚和低—低集聚是其主要的空間集聚模式。其中，高—高集聚區(qū)集中在西北、黃河中游、西南和南部沿海地區(qū)，低—低集聚區(qū)集中在東北、長江中游、西南和北部沿海地區(qū)。（4）依據(jù)二者的空間關(guān)系和失衡程度可將2020年全國縣域劃分為10個失衡類型，不同失衡類型的驅(qū)動力具有異質(zhì)性。其中，坡度和年平均降水量為耕地補(bǔ)充與撂荒空間失衡主要的自然資源驅(qū)動因子，非農(nóng)從業(yè)人數(shù)、農(nóng)業(yè)機(jī)械總動力為二者空間失衡主要的社會經(jīng)濟(jì)驅(qū)動因子。同時，任意兩個主導(dǎo)因子的交互作用均強(qiáng)于單一主導(dǎo)因子的獨立作用，交互類型表現(xiàn)為雙因子增強(qiáng)和非線性增強(qiáng)兩種。未來，政府部門在制定耕地利用保護(hù)政策時，需基于不同目標(biāo)的優(yōu)先程度，綜合考慮發(fā)展情景以確定耕地可持續(xù)利用方式。

3.2 討論與啟示

本文在分析中國近20年耕地補(bǔ)充和撂荒時空格局演變的基礎(chǔ)上，探究了耕地補(bǔ)充和撂荒的空間關(guān)系，這對于耕地資源的可持續(xù)利用具有重要的作用。耕地資源是糧食生產(chǎn)的基石，中國需要以僅占世界7%的耕地養(yǎng)活約占世界22%的人口，糧食安全壓力較大。本文發(fā)現(xiàn)，中國耕地撂荒現(xiàn)象普遍存在，尤其是在胡煥庸線的兩側(cè)地區(qū)，全國年均耕地撂荒面積為226.68×10⁴ hm2，年均耕地撂荒率為1.19%，這與GUO的結(jié)果基本一致[20]，與ZHU的結(jié)果相差約3.8%[48]，可能是由于所使用的土地利用數(shù)據(jù)集的不同造成的。因為不同土地利用數(shù)據(jù)其對耕地的判別標(biāo)準(zhǔn)不一致，進(jìn)而導(dǎo)致其分類精度存在不一致性。此外，研究發(fā)現(xiàn)耕地撂荒主要發(fā)生在黃河中游地區(qū)和西南地區(qū)。西南地區(qū)主要以山地和丘陵為主，交通和基礎(chǔ)設(shè)施不足，耕地易被撂荒，這與先前的研究具有一致性[6]。而黃河中游地區(qū)可能是因為受到水資源短缺和退耕還林還草的影響，耕地撂荒面積較多。同時，本文發(fā)現(xiàn)，中國年均補(bǔ)充耕地面積約為263.22×10⁴ hm2，年均耕地補(bǔ)充率為1.39%。補(bǔ)充耕地主要發(fā)生在西南地區(qū)、西北地區(qū)和東北地區(qū)，且呈現(xiàn)向西北地區(qū)移動的變化趨勢[25]，而這些地區(qū)的耕地基礎(chǔ)條件反而較差，大量的補(bǔ)充耕地并不利于農(nóng)業(yè)生產(chǎn)。

耕地補(bǔ)充和撂荒的空間分布存在空間失衡性。一方面，耕地撂荒等級較高的地區(qū)可能也是耕地補(bǔ)充等級較高地區(qū)，如黃河中游地區(qū)、西南地區(qū)，這可能是因為中國實行耕地占補(bǔ)平衡制度，保證耕地總量動態(tài)平衡，但有些地區(qū)在政策執(zhí)行過程中，只關(guān)注指標(biāo)的均衡性，而忽視了耕地質(zhì)量，導(dǎo)致很多補(bǔ)充耕地質(zhì)量較差，增加了耕地撂荒的風(fēng)險[27，49]。另一方面，耕地撂荒多發(fā)生在較為發(fā)達(dá)的地區(qū)，這些地區(qū)城鎮(zhèn)化、工業(yè)化程度較高，吸引大量農(nóng)村人口進(jìn)城，導(dǎo)致農(nóng)村耕地?zé)o人可種[16]。同時，這些地區(qū)也因為建設(shè)用地占用耕地，導(dǎo)致補(bǔ)充耕地壓力較大，進(jìn)而導(dǎo)致補(bǔ)充耕地面積較大，如南部沿海地區(qū)。此外，北部和東部沿海地區(qū)是耕地補(bǔ)充和撂荒均較低的地區(qū)，可能的原因是該地區(qū)為中國的糧食主產(chǎn)區(qū)，農(nóng)業(yè)基礎(chǔ)深厚，農(nóng)業(yè)人口眾多，耕地撂荒發(fā)生的可能性較低，同時，該地區(qū)耕地后備資源較少，耕地補(bǔ)充潛力不足，也不是耕地補(bǔ)充的主要區(qū)域。整體來看，中國耕地撂荒面積呈現(xiàn)波動下降趨勢，耕地補(bǔ)充面積呈現(xiàn)上升趨勢，二者的空間失衡關(guān)系以耕地補(bǔ)充大于撂荒型為主，這在一定程度上對糧食生產(chǎn)是有利的。

耕地補(bǔ)充和撂荒的空間失衡類型與失衡成因具有復(fù)雜性，且受主導(dǎo)因子的交互作用影響顯著，因此在優(yōu)化耕地利用模式時需基于不同情景和目標(biāo)，選定最優(yōu)的耕地利用方式。如當(dāng)區(qū)域糧食安全保障目標(biāo)較為重要且緊急時，應(yīng)鼓勵農(nóng)戶恢復(fù)對撂荒地的種植，尤其是有大量撂荒地的區(qū)域。同時，可以適當(dāng)補(bǔ)充耕地，且優(yōu)先選擇自然條件較為優(yōu)越或靠近農(nóng)戶居住區(qū)和城市周邊區(qū)域，不僅可穩(wěn)定提升耕地產(chǎn)量，而且可確保農(nóng)戶在耕地種植時仍有獲取其他工作的機(jī)會，提升其農(nóng)業(yè)種植積極性，保證農(nóng)戶利益。當(dāng)區(qū)域生態(tài)環(huán)境保護(hù)目標(biāo)較為重要且緊急時，應(yīng)當(dāng)禁止或者限制在環(huán)境敏感區(qū)域補(bǔ)充耕地，鼓勵實行退耕還林還草等措施。同時，對因為環(huán)境污染問題實行撂荒的耕地應(yīng)進(jìn)行積極治理，以穩(wěn)定區(qū)域生態(tài)環(huán)境。當(dāng)區(qū)域糧食生產(chǎn)和生態(tài)保護(hù)目標(biāo)較為穩(wěn)定，且需要考慮資金效率時，應(yīng)當(dāng)優(yōu)先滿足資金效率提升需求。盡可能選擇自然資源條件良好的區(qū)域作為補(bǔ)充耕地來源，以保證投入產(chǎn)出效率最大化。

3.3 局限性與展望

本文嘗試在揭示耕地撂荒和耕地補(bǔ)充時空格局的基礎(chǔ)上，探究耕地撂荒和耕地補(bǔ)充的空間關(guān)系，對提升耕地利用效率具有一定的借鑒意義。然而，本文仍存在一些不足。首先，受遙感影像精度限制，一個像元內(nèi)土地利用覆被變化無法被考慮，可能導(dǎo)致耕地補(bǔ)充和撂荒評估結(jié)果的偏差。其次，耕地撂荒的定義并未統(tǒng)一。本文將連續(xù)兩年未耕作定義為耕地撂荒，雖然與大多學(xué)者保持一致，但也可能會將一部分結(jié)構(gòu)性調(diào)整（如退耕還林）納入撂荒，進(jìn)而高估了撂荒面積。未來，可嘗試模擬不同情景下耕地補(bǔ)充和撂荒的空間關(guān)系，并探討二者空間關(guān)系演變對糧食生產(chǎn)、生態(tài)環(huán)境、農(nóng)戶利益和生物多樣性保護(hù)的影響。

參考文獻(xiàn)（References）：

[1] LARK T J， SPAWN S A， BOUGIE M， et al. Cropland expansion in the United States produces marginal yields at high costs to wildlife[J] . Nature Communications， 2020， 11（1）. doi： 10.1038/s41467-020-18045-z.

[2] 卞靖. 全球糧食安全形勢變化對中國的主要影響及應(yīng)對策略研究[J] . 宏觀經(jīng)濟(jì)研究，2022（12）： 140 - 151.

[3] POTAPOV P， TURUBANOVA S， HANSEN M C， et al. Global maps of cropland extent and change show accelerated cropland expansion in the twenty-first century[J] . Nature Food， 2022， 3（1）： 19 - 28.

[4] POPP A， CALVIN K， FUJIMORI S， et al. Land-use futures in the shared socio-economic pathways[J] . Global Environmental Change-Human and Policy Dimensions， 2017， 42： 331 - 345.

[5] CRAWFORD C L， YIN H， RADELOFF V C， et al. Rural land abandonment is too ephemeral to provide major benefits for biodiversity and climate[J] . Science Advances， 2022， 8（21）. doi：10.1126/sciadv.abm8999.

[6] YIN H， BUTSIC V， BUCHNER J， et al. Agricultural abandonment and re-cultivation during and after the Chechen Wars in the northern Caucasus[J] . Global Environmental Change-Human and Policy Dimensions， 2019， 55： 149 - 159.

[7] 洪煒杰. 自然稟賦與農(nóng)地撂荒——基于對農(nóng)戶承包地規(guī)模的考察[J] . 南京農(nóng)業(yè)大學(xué)學(xué)報（社會科學(xué)版），2022，22（5）： 124 - 135.

[8] 唐宏，何慧芳，梁玲婕，等. 土地托管、勞動力分化對農(nóng)戶家庭收入的影響研究——基于6省1933戶農(nóng)戶的實證[J] . 中國土地科學(xué)，2023，37（9）： 95 - 105.

[9] 謝花林，黃螢乾. 不同代際視角下農(nóng)戶耕地撂荒行為研究——基于江西省興國縣293份農(nóng)戶問卷調(diào)查[J] . 中國土地科學(xué)，2021，35（2）： 20 - 30.

[10] 陳航，譚永忠，鄧欣雨，等. 撂荒耕地信息獲取方法研究進(jìn)展與展望[J] . 農(nóng)業(yè)工程學(xué)報，2020，36（23）： 258 -268.

[11] 李雨凌，馬雯秋，姜廣輝，等. 中國糧食主產(chǎn)區(qū)耕地撂荒程度及其對糧食產(chǎn)量的影響[J] . 自然資源學(xué)報，2021，36（6）： 1439 - 1454.

[12] 李仂，周孝明，張梅. 基于高分影像特征優(yōu)選的黃土高原撂荒耕地遙感監(jiān)測方法[J] . 農(nóng)業(yè)工程學(xué)報，2023，39（22）： 226 - 235.

[13] 牟艷，趙宇鸞，李秀彬，等. 地塊質(zhì)量特征對西南山區(qū)梯田撂荒的影響——以貴州劍河縣白都村為例[J] . 地理研究，2022，41（3）： 903 - 916.

[14] 程憲波，高根紅，劉瓊，等. 快速城鎮(zhèn)化地區(qū)的耕地撂荒空間格局、影響機(jī)理與治理路徑[J] . 農(nóng)業(yè)工程學(xué)報，2022，38（24）： 218 - 227.

[15] 董世杰，辛良杰，李升發(fā)，等. 中國梯田撂荒程度及空間格局分異研究[J] . 地理學(xué)報，2023，78（1）： 3 - 15.

[16] 張禹書，張應(yīng)良. 外出務(wù)工對耕地撂荒的影響及機(jī)制分析——基于社會資本的中介效應(yīng)檢驗[J] . 西南大學(xué)學(xué)報（社會科學(xué)版），2023，49（2）： 127 - 138.

[17] NGOMA H， PELLETIER J， MULENGA B P， et al. Climatesmart agriculture， cropland expansion and deforestation in Zambia： linkages， processes and drivers[J] . Land Use Policy， 2021， 107. doi： 10.1016/j.landusepol.2021.105482.

[18] 黨昱譞，李超，謝臻，等. 耕地上山撂荒成因及空間優(yōu)化路徑探究——以江西省萬年縣為例[J] . 長江流域資源與環(huán)境，2022，31（12）： 2756 - 2767.

[19] 陳浮，李宇航，于昊辰，等. “大食物觀”統(tǒng)領(lǐng)國土空間開發(fā)和保護(hù)格局重塑[J] . 中國土地科學(xué)，2023，37（4）： 1 -10.

[20] GUO A D， YUE W Z， YANG J， et al. Cropland abandonment in China： patterns， drivers， and implications for food security[J] . Journal of Cleaner Production， 2023， 418. doi：10.1016/ j.jclepro.2023.138154.

[21] 薛悅，康海斌，楊航，等. 秦嶺中段撂荒地植被恢復(fù)過程中土壤微生物代謝特征[J] . 環(huán)境科學(xué)，2022，43（1）： 550- 559.

[22] OLSEN V M， FENSHOLT R， OLOFSSON P， et al. The impact of conflict-driven cropland abandonment on food insecurity in South Sudan revealed using satellite remote sensing[J] . Nature Food， 2021， 2（12）： 990 - 996.

[23] TANG L P， KE X L， ZHOU T， et al. Impacts of cropland expansion on carbon storage： a case study in Hubei， China[J] . Journal of Environmental Management， 2020， 265. doi： 10.1016/j.jenvman.2020.110515.

[24] WANG Y G， LUO G P， LI C F， et al. Net carbon flux from cropland changes in the Central Asian Aral Sea Basin[J] . Journal of Environmental Management， 2022， 314. doi： 10.1016/j.jenvman.2022.115078.

[25] CHEN H， TAN Y Z， XIAO W， et al. Assessment of continuity and efficiency of complemented cropland use in China for the past 20 years： a perspective of cropland abandonment[J] . Journal of Cleaner Production， 2023， 388. doi： 10.1016/ j.jclepro.2023.135987.

[26] LU D， WANG Z P， LI X X， et al. Evaluation of the efficiency and drivers of complemented cropland in Southwest China over the past 30 years from the perspective of cropland abandonment[J] . Journal of Environmental Management， 2024， 351. doi： 10.1016/j.jenvman.2023.119909.

[27] 黃海潮，溫良友，孔祥斌，等. 中國耕地空間格局演化對耕地適宜性的影響及政策啟示[J] . 中國土地科學(xué)，2021，35（2）： 61 - 70.

[28] YANG J， HUANG X. The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019[J] . Earth System Science Data， 2021， 13（8）： 3907 - 3925.

[29] 陳浮，曾思燕，馬靜，等. 多情景模擬休耕對中國糧食安全的影響[J] . 中國土地科學(xué)，2023，37（1）： 90 - 101.

[30] HOU D W， MENG F H， PRISHCHEPOV A V. How is urbanization shaping agricultural land-use Unraveling the nexus between farmland abandonment and urbanization in China[J] . Landscape and Urban Planning， 2021， 214. doi： 10.1016/j.landurbplan.2021.104170.

[31] HAN Z， SONG W. Spatiotemporal variations in cropland abandonment in the Guizhou-Guangxi karst mountain area， China[J] . Journal of Cleaner Production， 2019， 238. doi： 10.1016/j.jclepro.2019.117888.

[32] LOW F， PRISHCHEPOV A V， WALDNER F， et al. Mapping cropland abandonment in the Aral Sea Basin with MODIS time series[J] . EconStor Open Access Articles and Book Chapters， 2018， 10（2）. doi： 10.3390/rs10020159.

[33] 劉軍會，高吉喜，馬蘇，等. 中國生態(tài)環(huán)境敏感區(qū)評價[J] .自然資源學(xué)報，2015，30（10）： 1607 - 1616.

[34] SHI T C， LI X B， XIN L J， et al. The spatial distribution of farmland abandonment and its influential factors at the township level： a case study in the mountainous area of China[J] . Land Use Policy， 2018， 70： 510 - 520.

[35] 朱月華，侯宗東，徐彩仙，等. 基于生態(tài)系統(tǒng)服務(wù)供需關(guān)系的甘肅白龍江流域生態(tài)風(fēng)險識別與管理[J] . 地理科學(xué)，2023，43（3）： 423 - 433.

[36] 莫惠斌，羅珂，王少劍，等. 廣州市中心城區(qū)餐飲店空間分異與機(jī)制差異研究——基于傳統(tǒng)店與外賣店的對比[J] . 地理研究，2022，41（12）： 3318 - 3334.

[37] 任英健，楊建新，張重，等. 中國縣域城鎮(zhèn)化：人口與土地空間匹配差異及影響因素[J] . 中國土地科學(xué)，2023，37（12）： 92 - 103.

[38] 呂立剛，撖旭，龍花樓，等. 耕地多功能供需匹配研究進(jìn)展與展望[J] . 資源科學(xué)，2023，45（7）： 1351 - 1365.

[39] 劉立程，劉春芳，王川，等. 黃土丘陵區(qū)生態(tài)系統(tǒng)服務(wù)供需匹配研究——以蘭州市為例[J] . 地理學(xué)報，2019，74（9）： 1921 - 1937.

[40] XU H W， QU Q， CHEN Y H， et al. Responses of soil enzyme activity and soil organic carbon stability over time after cropland abandonment in different vegetation zones of the Loess Plateau of China[J] . Catena， 2021， 196. doi： 10.1016/ j.catena.2020.104812.

[41] 李丹，周嘉，戰(zhàn)大慶. 黑龍江省耕地時空變化及驅(qū)動因素分析[J] . 地理科學(xué)，2021，41（7）： 1266 - 1275.

[42] 李毅，肖臘梅，胡文敏，等. 長株潭核心區(qū)土地利用變化時空格局及驅(qū)動力多維分析[J] . 經(jīng)濟(jì)地理，2021，41（7）： 173 - 182.

[43] 盧華，周應(yīng)恒，張培文，等. 農(nóng)業(yè)社會化服務(wù)對耕地撂荒的影響研究——基于中國家庭大數(shù)據(jù)庫的經(jīng)驗證據(jù)[J] .中國土地科學(xué)，2022，36（9）： 69 - 78.

[44] 李成，李兆哲，王讓會，等. 基于增強(qiáng)回歸樹的麥-玉輪作農(nóng)田蒸散影響因素分析[J] . 農(nóng)業(yè)機(jī)械學(xué)報，2023，54（1）： 317 - 325.

[45] 尹上崗，楊山，龔海波. 長三角工業(yè)經(jīng)濟(jì)規(guī)模與污染排放異速關(guān)系及互動機(jī)制[J] . 地理學(xué)報，2022，77（6）： 2202- 2218.

[46] 陳蕾，郭熙，韓逸，等. 基于BRT模型的南昌市城市擴(kuò)展時空特征及驅(qū)動因素研究[J] . 長江流域資源與環(huán)境，2020，29（2）： 322 - 333.

[47] 王勁峰，徐成東. 地理探測器：原理與展望[J] . 地理學(xué)報，2017，72（1）： 116 - 134.

[48] ZHU X F， XIAO G F， WANG S. Suitability evaluation of potential arable land in the Mediterranean region[J] . Journal of Environmental Management， 2022， 313. doi： 10.1016/ j.jenvman.2022.115011.

[49] 梁坤宇，金曉斌，王世磊，等. 綜合“同質(zhì)等效—流補(bǔ)平衡”的耕地“進(jìn)出平衡”管制：方法與實證[J] . 中國土地科學(xué)，2023，37（7）： 77 - 88.

Spatial Relationship and Imbalanced Attribution of Cultivated Land Reclamation and Abandonment in China

GUO Weihong1， CHEN Fu2，3， YANG Bin1， JIANG Feifei2， MA Jing2， ZHU Xinhua2

（1. School of Public Policy Management， China University of Mining and Technology， Xuzhou 221116， China； 2. School of Public Administration， Hohai University， Nanjing 211100， China； 3. Observation Research Station of Land Ecology and Land Use in the Yangtze River Delta， MNR， Changzhou 213200， China）

Abstract： The purpose of this study is to explore the spatial matching relationship between reclamation and abandonment of cultivated land， to provide a scientific basis for cultivated land protection and development. The research methods included remote sensing monitoring， spatial autocorrelation analysis， spatial imbalance index， geographical detector and enhanced regression tree modeling. The research results showed that： 1） in the past 20 years， the annual average cultivated land reclamation in China had been 263.22×10⁴ hm2， with an average annual reclamation rate of 1.39%， and was relatively concentrated in the northwestern， northeastern and southwestern regions. The annual average cultivated land abandonment was 226.68×10⁴ hm2， with an average annual abandonment rate of 1.19%， mainly in the middle reaches of the Yellow River and the southwestern region. 2） The spatial relationship between reclamation and abandonment of cultivated land is dominated by light imbalance and no imbalance， however， the number of counties with extreme imbalance and heavy imbalance has been increasing yearly. By 2020， the total proportion of counties with moderate， heavy and extreme imbalance reached 16.87%， mainly distributed in the northwest， the middle reaches of the Yellow River， the southwest and the southern coastal areas. 3） High-high and low-low agglomeration were the main spatial agglomeration patterns of cultivated land reclamation and abandonment. Among them， high-high agglomeration areas were concentrated in the northwest， middle reaches of the Yellow River， southwest and southern coastal areas， while low-low agglomeration areas were concentrated in the northeast， middle reaches of the Yangtze River， southwest and northern coastal areas. 4） Slope and average annual precipitation were the main natural resource drivers of the spatial imbalance between reclamation and abandonment of cultivated land， while the number of off-farm employees and the total power of agricultural machinery were the main socioeconomic drivers. It concludes that the spatial imbalance between cultivated land reclamation and cultivated land abandonment is complex and influenced by the interaction of natural and socioeconomic factors， and we should comprehensively determine the optimal utilization mode based on different scenarios and goals in the future， providing scientific basis for high-quality cultivated land protection.

Key words： cultivated land reclamation； cultivated land abandonment； spatial relationship； imbalance index； boosted regression tree modeling

（本文責(zé)編：陳美景）