本研究选择中国西南部喀斯特地貌发育最典型、分布最集中的连片区域为研究区，具体包括贵州、云南、四川、重庆、广东、广西、湖南和湖北8个省(区、市)^[26](图 1)。该地区地处云贵高原、四川盆地、南岭山脉等众多地形单元之中，是世界上面积最大、发育最完整、连续分布的喀斯特分布区^[27]。作为典型的生态脆弱区，研究区位于亚热带季风气候区，虽然水热条件总体上比较优越，但广泛出露的碳酸盐岩造成了峰丛洼地、峰林平原等破碎复杂的喀斯特地貌^[28]。区内石漠化问题比较严重，2020年研究区的石漠化面积达到7.46万km^{2 [26]}。该区土壤层一般较浅，呈块状分布且贫瘠，缺乏肥沃的耕地资源，限制了耕地的形成和质量，造成耕地少而质量差，生产力先天低下，对区域粮食安全构成基础性考验^[29]。

从社会经济角度看，由于研究区地形复杂，耕地细碎、坡度较大，农业基础设施差，机械化程度低，造成农业生产成本一直居高不下。近年来，快速的城市化进程使得大量的农村劳动力外出务工，农业人口老龄化和乡村“空心化”的问题越来越严重。在艰苦的自然环境限制和社会经济转型的双重压力之下，传统的山地农业边际效益一直呈下降趋势，致使其成为我国耕地撂荒最严重、最复杂的一个地区。因此选择此区域做撂荒地空间分布、产能损失和差异化治理研究，在解释喀斯特特殊的人地系统里耕地利用变化机理的同时，对解决全球生态脆弱区耕地流失、保障粮食产能稳定及推动农业可持续转型等问题提供一定的科学支撑。

为准确评估喀斯特8省(区、市)山区的耕地撂荒格局以及影响因素，本研究深入分析了2020年(1-3月)和2021年(1-3月以及3-4月)开展的三轮大学生返乡调查数据。主要采用分层抽样和随机抽样相结合的调查方式，重点锁定喀斯特地貌发育典型、石漠化特征显著的山区县为调研单元。首先在每个省(区、市)随机抽取5~10个山区县，再在已抽取的山区县中随机抽取1~2个乡镇，进而在每个乡镇中抽取1~2个行政村，最后在每个行政村抽取5~10名农户。在空间分布上，本次调研选取的8省(区、市)涵盖了我国西南喀斯特连片特困区及岩溶核心区。根据图 1所示，调研县域广泛分布于喀斯特地貌发育的各阶段，调研市级面积占喀斯特8省区域的69.06%，空间上实现了对黔、滇、桂、川、渝等典型喀斯特生境的全面覆盖。

调查问卷主要包含村问卷和农户问卷两种。村问卷主要针对熟悉村庄各项情况的村支书或村民委员会主任等，调查内容涉及了村域基础设施、集体经济水平、政策补贴执行及生态冲突风险等环境特征。农户问卷的调查对象为每户家庭成员，户主作为主要调查对象，其他成员辅助回答，调查内容记录了家庭劳动力资本、生计结构、地块物理属性(如落差、肥力)及耕作决策等信息。

共调查了303个村庄，1 497户农户。在进行实证分析之前，对问卷做了匹配、清洗、修正等工作，得到273份村庄问卷和1 219份农户问卷，农户样本有效率为81.43%。

通过对中国统计年鉴(包括省级及以下)、全国性统计数据公报(如第三次全国农业普查)进行查阅，并结合相关资料整理得到研究区耕地总面积、粮食总产、粮食单位面积产量等主要指标。这些统计数据用来修正调查样本的代表性偏差，进而科学估计由于耕地撂荒造成的区域潜在粮食产量损失，从宏观角度评价其给国家粮食安全带来的潜在危险。

主要计算了2020年各地区撂荒耕地的农户占比以及面积占比，以测度各地区的撂荒程度。

撂荒耕地的农户占比计算公式为：

式中：FAR_household为农户撂荒率；N_a为该地区发生耕地撂荒的农户数量；N_na为该地区未发生耕地撂荒的农户数量。

考虑到本研究所涉及的是农户、村庄、县域、市域和省域等不同的地理空间层次，并且各个调查单元的样本数量以及耕地面积存在显著差异，在消除抽样偏误之后，采用抽样权重校正与面积加权相结合的方法来估计整个区域的撂荒情况。首先，用各县内村庄平均撂荒值来度量该县的撂荒程度；其次，用调查村庄总数除以调查村的平均面积来校正由于每个村落样本量不同造成的统计误差。

式中：r_i为第i个样本县的代表性面积撂荒率；A_abandon，ij为第i县第j个调查村的撂荒耕地面积；A_total，ij为该村的耕地总面积；n为该县内调查的村庄总数。

式中：R_w为省级或研究区面积加权后的综合面积撂荒率；m为该区域内涵盖的调查县总数；S_i为第i个调查县的耕地总面积；w_i为第i县耕地面积占所有调查县耕地总面积的权重。该方法允许在非全量县级数据的情况下，通过代表性样本的权重分配，对外推省域整体撂荒水平进行科学评估。

利用上述计算的省级面积撂荒率以及查询得到各省2020年的667 m²平均粮食产量估算的2020年潜在粮食损失。考虑到撂荒地具有明显的边际化特征，其天然生产力低于高标准农田。为了使评估结果更符合客观现实，引入0.7的地力修正系数^{[10, 30]}。

式中：L为区域粮食潜在产能损失总量；S为统计年鉴中该省份的耕地总面积；AF_p为该区域面积加权后的总撂荒率；Y_i为该省份的粮食单位面积产量。

因变量是农户家庭是否出现撂荒现象，将发生撂荒的农户赋值为1，未发生撂荒现象的农户赋值为0。耕地撂荒受多重因素交织影响，从劳动力与生计、自然资源、资源禀赋与要素配置、政策补贴与村域环境等维度选取相关变量，以全面识别其影响因素。

表 1呈现了本研究所需要的变量基本统计性描述结果。从劳动力和生计特征角度出发，选择户主年龄、教育水平、健康状况、户主职业以及家庭非农收入占比等指标来度量人力资本质量及生计结构。从统计结果可以看出户主平均年龄为54.531岁，非农收入占总收入的比重达到71.1%，体现的是劳动力老龄化的现象以及生计非农化的转变。从自然资源条件上选择地块灌溉条件、地块土壤肥力、地块通行时间、地块高差/落差、地均耕地面积和海拔等6个指标。其中地块落差(平均值为58.144 m)、肥力反映的是喀斯特复杂地貌下耕作的条件，地块通行时间和地均耕地面积体现地块通达性和细碎化的程度，用来检验物理阻挡对耕作决策产生的影响。从资源禀赋和要素适配两个方面出发，以地块机械化能力、机耕道通行能力、土地流转情况以及确权后耕地面积这些变量为考察对象，着重考察现代生产要素同土地是否相容，并且分析市场的发育状况。机耕道的通行能力平均仅有0.290，说明山区现代农业装备缺少。以农业补贴、特色农作物、与县城距离和野生动物破坏为变量，考察政策扶持、区位优势以及喀斯特特有的生态冲突风险对留耕意愿的影响。

研究喀斯特山区耕地撂荒影响因素时，数据具有典型的嵌套结构，即农户微观观测值嵌套在行政村层次中。因为同一个村庄内的农户所拥有的自然资源禀赋、基础设施水平和政策导向大体上是相同的，因而他们的生产决策常常存在相关性，这样的同群效应使得微观数据的残差项不再符合独立同分布的统计假设。若使用传统的Logistic回归模型，会低估参数估计值的标准误，从而使得显著性检验失效，并增大犯第一类错误的概率。因此，本研究用分层线性模型(Hierarchical Linear Model，HLM)来分析耕地撂荒的方差来源，把农户间和行政村间的村际差异分开来研究，从而更好地评价微观个体特征和宏观村域环境对撂荒行为的共同影响。

本研究建立起来的分析模型分两个层次。第一层是农户和地块的水平模型，用于研究户主特征、家庭经济状况、地块物理性质对撂荒决定的影响；第二层是村域水平模型，用以揭示基础设施、政策补贴、喀斯特山区特有的生态冲突对撂荒影响的作用。在第一层模型中，假设村庄j中的农户i发生耕地撂荒的概率为P_ij，其模型表达如下：

式中：β_0j代表村庄j的截距项；X_kij为第k个农户和地块层面的解释变量(n为该层面解释变量的总个数)；β_kj为相应的回归系数。在第二层模型中，将第一层的截距项作为因变量，通过村级特征变量进行解释。

式中：γ₀₀为总均值截距；W_mj为第m个村庄层面的解释变量(q代表村庄层面解释变量的总个数)；γ_0m为村级变量的影响系数；u_0j为村级随机效应项，且假设其服从均值为零的正态分布。分层线性模型中包括空模型和纳入多层次变量的完整模型，空模型可以得出该数据是否需要使用分层线性模型以及各层次特征对因变量的解释程度。

研究区2020年耕地撂荒程度空间分布情况见图 2。省级尺度上，研究区总体面积撂荒率为9.75%。广东省面积撂荒现象最严重，撂荒率为32.91%，显著高于其他省份；重庆、湖南、贵州的面积撂荒率分别为13.52%、11.26%、10.61%；云南的面积撂荒率均小于5%。从农户撂荒情况来看，研究区样本平均农户撂荒率为29.61%，广东省的农户撂荒率最高，为67.82%；重庆市、贵州省的农户撂荒率也比较高，分别为41.54%和39.33%；四川省、湖北省的农户撂荒率较低，分别为25.00%和19.48%。

在市级尺度上，耕地撂荒面积的高值区主要分布在研究区东南部和南部，集中于广东省北部、东部以及广西西南部等地，其中以广东省梅州、韶关、清远、云浮及广西梧州等地撂荒最为严重。农户撂荒在市域层面同样呈现明显的空间集聚特征，广东省西北部地级单元农户弃耕行为最为普遍，贵州北部部分区域撂荒现象也较为突出，主要集中在广东省韶关、肇庆、清远、云浮以及贵州省遵义市等地。整体来看，农户撂荒比例的高值区主要分布在广东省、重庆市与贵州省。

根据单位面积撂荒率推算出的2020年的产能损失情况见表 2。从整体上看，研究区撂荒率9.75%，累计弃耕面积289.73万hm²，造成的粮食减产将达到1 093.21万t。该损失量占当年全国粮食产量的1.62%，按人均年消耗粮食400 kg计算，该产能缺口相当于2 733万人的年口粮需求。

从空间分布上来看，广东、湖北、湖南3省潜在粮食损失合计达到624.78万t，占到2020年粮食产量的0.93%，因此其治理效果会直接影响到整个区域甚至全国的产能是否稳定。就广东而言，其撂荒土地面积约有62.72万hm²，造成粮食减产达252.46万t，占2020年全国实际产量的0.38%。重庆、贵州、湖南、湖北等4个地区属于中等撂荒梯度，撂荒率比区域平均值高。

值得注意的是，地形地貌对生产效率、撂荒程度都会产生影响，从而对全国粮食产能造成不同的冲击，高产平原区的“高单产陷阱”使其对于全国产量边际减损更大。湖北、湖南、四川等省虽然撂荒率较低，但因其地处水热条件较好的耕作区，单产基数很高，单位面积的撂荒将导致更为显著的绝对产量流失。从表 2可知，湖北、湖南两省的损失量都大于180万t，四川省也超过106万t，对全国产量的减损比例(0.16%~0.28%)明显比其他山地省高，是稳定全国产能基数的重要治理区域。另外，喀斯特山地省份有“高强度撂荒”导致的集聚性损失。广东、贵州等省及重庆市受地形破碎化的严重制约，农业机械化作业困难，致使其耕地撂荒率显著高于区域平均水平。其中广东省撂荒率为32.91%，因撂荒影响粮食产量的问题比较突出。这就意味着，对于在喀斯特地貌中的特殊环境下的山地地区来说，治理撂荒不是简单的农业问题，更是关系到全国粮食供给的重要一环。

在利用分层线性模型进行实证分析前，首先构建了空模型(模型1)进行方差分解。结果显示，组内相关系数(rho值)为0.506，大于常用阈值，说明研究区耕地撂荒存在明显村庄集聚现象，用分层建模可以很好地解决传统回归对标准误的低估问题。因此本研究建立随机截距模型(模型2)，在包含各个维度解释变量的同时，允许不同的村庄截距由其生境特征来调节。多重共线性检验显示平均VIF为1.90，说明模型变量选择合理，可以客观反映微观生计和宏观环境对撂荒的共同作用机制。

根据分层线性模型的模拟结果(表 3)，喀斯特山区耕地撂荒并非由单一因素驱动，而是微观生计转型、自然生境约束与技术适配障碍3个方面逻辑交织的结果。本研究将主控因素归纳为收益调节型因素、成本约束型因素和技术屏蔽型因素3类。

一是收益调节型因素，核心表现为非农化拉力导致的比较收益下降。实证显示，家庭非农收入占比在1%水平下显著为正，户主职业在5%水平下显著为负，说明非纯务农的家庭劳动时间分配更多地偏向于非农部门。伴随城镇化发展，农业劳动力的机会成本不断上升，加上户主健康状况所反映出来的劳动力弱化现象出现，使理性农户在“务农受损”和“非农增收”的博弈中做出放弃边际化耕地的选择，从而造成耕地因为投入缺乏而功能衰减。此外，村庄层面“是否有特色农作物”在1%水平下显著为负，说明发展特色农业能有效提升农业内部的比较收益，对耕地撂荒具有较强的抑制作用。

二是成本约束型因素，主要是地块通达性和生境质量构成的硬约束。结果表明，地块通行时间、高差都会影响到撂荒的情况，在模型中两者都呈显著正相关。喀斯特地貌所具有的高落差、远距离的特点，显著加大了农业生产劳动的体力和时间成本。同时，模型中地块灌溉条件在1%水平下显著正向影响撂荒，表明喀斯特地区由于地表溶岩发育导致的“工程性缺水”现象，使水资源成为重要的生境制约。在劳动力析出背景下，由于灌溉条件差、土壤肥力低而失去基本收益价值的地块先于其他地块被抛荒，是撂荒形成的基础物质环境。

三是技术屏蔽型因素，主要是由于地形障碍造成现代要素替代失效。机耕道的通行能力、地均耕地面积虽然对撂荒有显著的抑制作用，但是地块的机械化能力没有通过显著性检验。其中，地均耕地面积对撂荒具有1%水平上的显著负向抑制作用，表明喀斯特山区因地表崎岖切割导致的地块细碎化特征，限制了规模化经营的可能。由此可以看出，喀斯特微地形对中大型机械劳动力的作用效果产生了影响，造成生产系统劳动力析出后，由于机械要素不能适应而产生瓦解。这就是补贴政策对深度边际化地块作用不佳的深层原因。

基于上述收益、成本与技术3方面的驱动逻辑，并充分考虑西南地区生境异质性，提出以下分类治理策略。

第一，当地政府应当采取特色增效型的治理方式来解决由于收益动力不够而产生的问题。对于非农转型程度高、撂荒现象严重但是市场通达性较好的地区，管理者要根据区域的资源禀赋特点，从地方特色生物资源和优势农产品方面挖掘开发潜力。在该过程中，应该确立农户在特色农业发展中居于主体的地位。对于模型中出现的劳动力老龄化、健康弱化等问题，基层政府不能只靠产业方向来引导，还要创建起适合弱势小农户的、具有社会化的服务体系，依靠技术培训、组织化引领等手段，提高留守农户参与高附加值农业的自我发展能力。根据不同的地域环境和气候条件，采取不同的种植方式，提高土地的边际收益，弥补由于农业劳动力转移所造成的机会成本，从而有效地抑制撂荒。通过提升耕地经营效益，将生态与资源优势转化为经济收益，推动耕地功能从基本生存保障向经营性资产转变，实现撂荒治理与农户增收协同发展。

第二，相关部门应实施产能巩固型治理，以化解“技术屏蔽”矛盾。这类方法适合于坝区、连片缓坡地等水土条件好、资源富集的农业重点开发区域。政府应该集中力量解决影响耕地利用的重要机耕道通行能力和地块规模因素问题，加大“宜机化”改造力度。在推动“小田并大田”改造时，要充分尊重农户意愿，创建以农户为主导的土地流转和互换协商机制，从微观上削减地块细碎化。就喀斯特地区地块灌溉条件差的痛点来说，可采用补贴、奖补等方式，促使农户自行修建微型集雨窖、铺设滴灌管网等田间小型水利设施，进而提高农户在遇到工程性缺水时的微观生产韧性。科研机构要开发微型化、轻量化的农机具，用机械代替劳动力去影响生产要素，使潜在产量里的关键部分保持稳定状态。

第三，国家层面应实施生态韧性治理，以应对“自然生境”硬约束。对于受通行时间、地貌高差等物理约束所限以及要素替代逻辑失效的极端边际区域，政策制定者不能只考虑粮食产出的单一逻辑，而应该顺应土地利用演替的规律。对于坡度很大，通行成本很高的地块，国家应该有序地将它纳入到生态补偿体系当中，而不是强制性地要求进行复耕。在这一过程中，要同步创建农户生计的替代和转型机制。对劳动力已经完全非农化的家庭要保证其流转收益或者退耕补偿；对留守在山区的农户，可以设置护林员等公益性岗位，引导农户由单一的农业生产者向生态管护者转变，通过自然演替或者退耕还林工程来提高生态系统的碳汇和水源涵养能力。该路径就是以保持农户的福利为基础，在保护脆弱区域的生态生产力和生态环境之间达到动态平衡。

第四，国家层面应建立跨区域的治理协调机制。决策部门要全面考虑广东省这类非农转移拉力显著的省和云、贵、川等强自然约束省的异质性特点，并且对耕地保护红线同跨省经济补偿相联系的制度加以完善。依靠中央政府的纵向转移支付来化解非农化拉动所引发的系统性农业撤离问题，进而改善由地形阻隔和经济差别造成的影响不平衡状况，为制订山区分区差异化的耕地保护政策奠定合理基础。

置于全球土地利用变化的宏观背景下考察，本研究发现，喀斯特山区撂荒现象既验证了边际化理论的一般规律，又在诸多约束之下表现出不同的演化进程。

首先，从撂荒规模上看，本研究得到2020年的9.75%的撂荒率同王亚辉等^[18]对全国山区县的调查所得出的9.88%的全国山区撂荒率基本一致。这也再一次表明，南方山区是我国耕地弃耕的主要聚集地。但是，和依靠遥感监测的研究结果相比差别很大。相关研究表明，1992-2015年间全国累计撂荒面积占总面积比例为13.03%，对中国山区在2000-2020年期间撂荒情况的评价中，撂荒率高达18.7%^[19]。这主要是因为遥感技术对于季节性撂荒、休耕这类短期的地表覆盖改变比较敏感，但是基于农户微观视角的实证调研，能更精准地识别受生境硬约束导致的结构性、长期性弃耕现象。除此之外，本研究采用跨省区的实证来准确找到地区内激烈的空间极化，尤其是广东省2020年高达32.91%的面积撂荒率，很好地体现出在强劲的非农拉动和破碎的地形阻力双重压力之下，经济发达省份的山区耕地正在被比中西部地区更加全面地推向退出的过程^[31]。

大面积的土地退出会造成粮食生产安全方面的严重忧虑。已有研究发现，我国大面积耕地出现撂荒现象对国家粮食安全造成了很大的影响^[32]。通过对1 093.21万t潜在产出损失进行评估，把学术预测结果变为具体的政策红线压力，从而证明撂荒给国家粮食产能造成的损失约1.62%。

其次，在撂荒影响因素方面的结果也与过往结果有所不同。以往的研究大多重视劳动力析出、人口老龄化和地形坡度等几个方面。但从微观上讲，地形高差并不是由绝对的海拔或者单一的坡度所决定的，而是由要素是否能够满足应用需求的因素决定。该结论说明喀斯特微地形会对现代农机进入产生屏蔽作用，在政策支持、基础设施投入增多的情况下，依然会有人不采用传统的喀斯特山区地块进行耕种。

最后，本研究对四川、云南、贵州、广西等8省(区、市)的273个村进行了一手微观调研，经由深入的访谈以及实地交叉查证，有效地剔除了由于遥感宏观技术无法准确判断而出错的“退耕还林”“季节性休耕”等地表覆盖变动情况。基于农户真实的决策，自下而上的微观调查获取了喀斯特山区实际撂荒情况，给认识隐藏的微地形、通达性硬约束等提供了信度支持。

在全球范围内，耕地撂荒是工业化与城镇化进程中的普遍现象。以中、日、韩为代表的东亚国家，由于具有人多地少、耕地细碎化等相似的资源禀赋，其治理路径对中国喀斯特山区具有显著的参考价值。

国外的治理经验是由原来的强力复耕转向现在的多功能协调。在政策激励上，欧盟采用FLA政策，用财政补贴提高落后地区的竞争力^[33]；日本政府创建出“多功能补贴”，并采取直接补贴的方式大幅度削减山区的撂荒率^[34]。日本、韩国分别建立起了“农地中间管理机构”和“耕地银行”等中介组织，从而促使闲置的土地被有效利用起来并转入效率较高的经营主体手中。根据地形限制，在土地改良法之下，日本对土地进行平整、合并，并使生产成本降低了约2/3，很好地解决了山区地块小而分散的问题，防止了由于机械化被排斥的现象^[35]。

国内治理正逐步由单一行政主导向市场化与农业社会化服务深度融合转变。为了防止由于劳动力流失造成的农业空心化现象，我国完善了农地流转市场，并且大力推广农业生产托管^[36]。研究显示，在以机械化为主的生产性服务业条件下，可以明显减少农户的撂荒现象，并且农机具能够取代的劳动力越多，其产生撂荒的可能性就越低。尤其是对于西南喀斯特地区的各地政府来说，“全程托管”模式已经被推广应用开来，地块的通达程度以及机械化水平的改善也保证了作物的产量。

因此，撂荒地治理模式应该按照喀斯特生境的异质性进行分类引导，在评价损失的时候要考虑边际土地的产能缺口，对于现代要素替代失灵严重的地区，应把治理重心从粮食生产转移到生态修复和功能补偿上。

本研究对于喀斯特山区耕地撂荒的规律识别、机制分析有所推进，但还存在一些不足。第一，主要使用农户调查数据，受访者的主观判断会造成数据偏差，且样本范围仅限于部分地区，无法得出全国性的结论。未来的研究应该用多时相、高分辨率遥感影像做交叉验证来提高格局刻画的稳健性。第二，主要从农户角度出发，对于地块尺度的动态跟踪并没有做深入的研究。之后可创建起长期的观测样区进行多尺度嵌套分析，探究地块改变与农户决策之间的耦合关系，给精细化治理提供科学依据。第三，对于产能损失的评价是以村庄平均产量为基数进行预测，忽略了地块之间立地条件存在的差异。未来可以使用具有物理属性的作物生长模型或者实地测产数据，对产能损失进行更为准确的计算。

本研究利用喀斯特山区8省(区、市)的大规模微观调查数据，系统解析了耕地撂荒的空间分异、产能损失及其深层驱动逻辑，得出以下主要结论。

1) 研究区耕地撂荒具有明显空间非均衡的特点，给国家粮食安全埋下了隐性危险。结果表明2020年研究区总体撂荒率为9.75%，以广东、重庆、贵州为高值聚集带。由此造成2020年的潜在粮食产量损失1 093.21万t，占全国粮食总产量的1.62%，理论上可以养活2 733万人。

2) 耕地撂荒是收益、成本与技术3方面因素耦合的结果。微观农户的非农化转型所引发的收益权衡直接决定着劳动力析出的程度，地块通达性、水资源短缺(工程性缺水)和生境质量这些硬约束则把撂荒发生的空间地点限定下来。在喀斯特破碎生境中，地形障碍与地块高度细碎化造成的技术屏蔽效应阻碍了机械因素对于劳动力的替代之路，使农业生产系统陷入要素适配失灵之中并最终走向崩溃。

3) 治理政策要从原来的单向度的“复耕逻辑”，转变为现在的以农户微观生计为出发点，按照主控因素分类施策的治理模式。针对收益动力不足的地区，政策要顺应农户理性选择，对产业进行升级并采取“特色增效型”治理模式。对技术适配失灵区，管理部门以土地流转整合、微型水利建设为依托，以耕地宜机化改造为手段，对耕地产能进行综合改善。对于自然约束极强的地区，地方政府应该顺应演替规律，结合农户生计退出意愿来开展“生态韧性型”的治理。决策层还要根据山区农户跨区域流动的客观现实，建立跨省区的协调管理机制，以抵消由于非农化拉力过大所造成的跨区域产能损失。