基于ANN-CA模型的F縣季節(jié)性閑置耕地模擬及預(yù)測(cè)

王靜祎 王加勝

摘要 為保護(hù)耕地和提高耕地利用率，促進(jìn)農(nóng)業(yè)可持續(xù)發(fā)展，本研究利用ANN-CA模型對(duì)F縣的季節(jié)性閑置耕地情況進(jìn)行模擬預(yù)測(cè)。模擬結(jié)果表明，在α=2，T=0.8的參數(shù)組合下，各類(lèi)用地變化的模擬精度較高，模擬出的用地變化情況與2020年的實(shí)際用地情況較為貼近；根據(jù)季節(jié)性閑置耕地識(shí)別規(guī)則模擬出F縣未來(lái)耕地季節(jié)性閑置現(xiàn)象呈現(xiàn)明顯好轉(zhuǎn)趨勢(shì)，預(yù)測(cè)2025年F縣季節(jié)性閑置耕地主要集中在東北部和南部，面積為25.831 8 km2。生產(chǎn)中，注意對(duì)耕地進(jìn)行科學(xué)合理的養(yǎng)護(hù)和利用，以保障農(nóng)作物的產(chǎn)量和質(zhì)量，確保農(nóng)業(yè)可持續(xù)發(fā)展。

關(guān)鍵詞 季節(jié)性閑置耕地；ANN-CA模型；模擬預(yù)測(cè)；耕地利用率；土地養(yǎng)護(hù)

中圖分類(lèi)號(hào) S151? ?文獻(xiàn)標(biāo)識(shí)碼 A

文章編號(hào) 1007-7731（2024）10-0133-06

Simulation and prediction of seasonally idle cropland in F County based on ANN-CA model

WANG Jingyi? ? WANG Jiasheng

（Faculty of Geography， Yunnan Normal University， Kunming 650500， China）

Abstract In order to protect arable land and improve its utilization rate， promote sustainable agricultural development， used the ANN-CA model to simulate and predict the seasonal idle arable land situation in F County. The simulation results showed that under the parameter combination of α=2， T=0.8， the simulation accuracy of various land use changes was high， and the simulated land use changes were closer to the actual land use situation in 2020. According to the recognition rules of seasonal idle farmland， it was simulated that the seasonal idle farmland phenomenon in F County would show an improvement trend in the future. It was predicted that in 2025， the seasonal idle farmland in F County would mainly be concentrated in the northeast and south， with an area of 25.831 8 km2. In production， attention should be paid to the scientific and reasonable maintenance and utilization of arable land to ensure the yield and quality of crops and ensure the sustainable development of agriculture.

Keywords seasonally idle cropland; ANN-CA model; simulation prediction; cultivated land utilization rate; land conservation

季節(jié)性閑置耕地是指為提升耕地質(zhì)量，不連續(xù)耕種導(dǎo)致其季節(jié)性荒蕪的一種特殊土地利用變化現(xiàn)象[1]。隨著城鎮(zhèn)化進(jìn)程加快，部分農(nóng)村人口流動(dòng)、耕地碎片化、灌溉條件受限、耕作交通不便、機(jī)械化程度和農(nóng)業(yè)生產(chǎn)收益不高等因素影響耕地利用，以及有機(jī)生態(tài)農(nóng)業(yè)需要，部分耕地出現(xiàn)了季節(jié)性閑置現(xiàn)象[2]，這在一定程度上影響了耕地資源的有效利用，對(duì)區(qū)域糧食安全可能產(chǎn)生了一定的不利影響。對(duì)季節(jié)性閑置耕地進(jìn)行模擬分析對(duì)于發(fā)展區(qū)域農(nóng)業(yè)，夯實(shí)糧食安全根基，提升土地價(jià)值，促進(jìn)鄉(xiāng)村振興具有重要意義[3]。

季節(jié)性閑置耕地是土地利用變化的一種類(lèi)型，建立模擬和預(yù)測(cè)模型，評(píng)估未來(lái)一段時(shí)間的土地利用變化情況，模擬季節(jié)性閑置耕地的變化趨勢(shì)對(duì)于相關(guān)耕地保護(hù)政策的制定具有重要意義[4-6]。評(píng)估季節(jié)性閑置耕地變化趨勢(shì)所使用的模擬模型和預(yù)測(cè)模型可分為兩類(lèi)：空間統(tǒng)計(jì)模型和系統(tǒng)動(dòng)力學(xué)模型，空間統(tǒng)計(jì)模型一般是利用回歸分析模型對(duì)季節(jié)性閑置耕地模擬與預(yù)測(cè)[7]，這種方法依賴(lài)于指標(biāo)因素的選擇，并且與指標(biāo)因素具有高度的相關(guān)性[8-9]；系統(tǒng)動(dòng)力學(xué)模型是季節(jié)性閑置耕地研究的第二類(lèi)模擬與預(yù)測(cè)模型，如Dyna-CLUE、forer-sce等，借助這些模型可以模擬出不同情境下[2-3]閑置耕地的空間分布。數(shù)量模型有灰色預(yù)測(cè)（GM）模型、馬爾可夫鏈（Markov）模型等，空間分析模型有元胞自動(dòng)機(jī)（CA）模型、CLUE和CLUE-S模型等，各模型的特點(diǎn)有所不同[10-11]。目前，有關(guān)季節(jié)性閑置耕地的模擬預(yù)測(cè)分為兩個(gè)方面：一是直接對(duì)季節(jié)性閑置耕地進(jìn)行模擬，宋世雄等[12]在多智能體（MAS）模型理論基礎(chǔ)上建立基于Category-Belief-Desire-Intention（CBDI）決策結(jié)構(gòu)進(jìn)行耕地季節(jié)性閑置模擬；二是從土地利用類(lèi)型變化的角度來(lái)模擬，郭歡歡等[8]利用不同情景下的人口遷移模型對(duì)農(nóng)村土地利用進(jìn)行影響因素的分析。相關(guān)學(xué)者在模型模擬土地利用變化上不斷完善，使得模型更加豐富，綜合考慮各種模型的優(yōu)缺點(diǎn)，探索出具有較大優(yōu)勢(shì)的土地利用類(lèi)型耦合模型，其中，ANN-CA作為一種耦合模型，在進(jìn)行土地模擬時(shí)具備較大優(yōu)勢(shì)。

F縣地處西南喀斯特區(qū)域，受地形影響，該區(qū)域部分耕地較散碎，生態(tài)環(huán)境較脆弱，部分耕地季節(jié)性閑置現(xiàn)象較常見(jiàn)。本研究基于季節(jié)性閑置耕地時(shí)空分布數(shù)據(jù)，利用ANN-CA模型對(duì)F縣季節(jié)性閑置耕地進(jìn)行模擬預(yù)測(cè)，為該地區(qū)未來(lái)的耕地保護(hù)提供參考。

1 材料與方法

1.1 研究區(qū)基本情況

F縣地處云南高原東部，地勢(shì)西北高東南低，地形為山地、峽谷，烏蒙山支脈自北向南縱貫全境，屬亞熱帶季風(fēng)氣候，降水豐富，四季溫和，年均氣溫14 ℃左右。農(nóng)業(yè)生產(chǎn)方面，魔芋種植面積較大，糧食作物一般為玉米和稻谷。

1.2 數(shù)據(jù)來(lái)源與預(yù)處理

1.2.1 數(shù)據(jù)來(lái)源? （1）季節(jié)性閑置耕地?cái)?shù)據(jù)集與土地利用數(shù)據(jù)集。2010—2020年的季節(jié)性閑置耕地時(shí)空數(shù)據(jù)集，參照Z(yǔ)hao等[13]的部分研究成果，該數(shù)據(jù)空間分辨率為30 m，季節(jié)性閑置耕地精度為0.94。土地利用數(shù)據(jù)集參照王麗蒙[14]使用隨機(jī)森林分類(lèi)得到，將土地利用類(lèi)型分為5類(lèi)，分別為耕地、草地、林地、水體和建筑物。

（2）自然影響因子數(shù)據(jù)。長(zhǎng)時(shí)間平均氣溫、降水、日照時(shí)長(zhǎng)和土壤侵蝕指數(shù)數(shù)據(jù)均來(lái)源于地球資源數(shù)據(jù)云。所用年均氣溫、降水量的空間分辨率為1 km，數(shù)據(jù)類(lèi)型為浮點(diǎn)型，是對(duì)2 472個(gè)氣象觀測(cè)點(diǎn)數(shù)據(jù)進(jìn)行插值獲取，具有精度高、分辨率高和時(shí)序長(zhǎng)等特點(diǎn)。

（3）社會(huì)經(jīng)濟(jì)影響因子數(shù)據(jù)。人口密度數(shù)據(jù)來(lái)源于East View Cartographic（https：//landscan.ornl.gov）的LandScan全球人口數(shù)據(jù)集，空間分辨率為1 km，提供了高分辨率的人口分布信息；夜間燈光數(shù)據(jù)來(lái)自海洋和大氣管理網(wǎng)站（https：//ngdc.noaa.gov），空間分辨率750 m；GDP空間格網(wǎng)數(shù)據(jù)來(lái)自地理遙感生態(tài)網(wǎng)（http：//www.gisrs.cn/），空間分辨率500 m，該柵格數(shù)據(jù)集是在GDP統(tǒng)計(jì)數(shù)據(jù)的基礎(chǔ)上，綜合分析了與人類(lèi)活動(dòng)密切相關(guān)的土地利用類(lèi)型、夜間燈光數(shù)據(jù)亮度和居民點(diǎn)密度的GDP分布權(quán)重，該數(shù)據(jù)集反映了GDP的詳細(xì)分布狀況。道路矢量數(shù)據(jù)集是來(lái)自O(shè)penStreetMap平臺(tái)（https：//openmaptiles.org/）的公路圖層；河流數(shù)據(jù)來(lái)自地球資源數(shù)據(jù)云。

1.2.2 數(shù)據(jù)預(yù)處理? 本研究結(jié)合實(shí)際情況選取了多種限制性因素作為土地利用類(lèi)型變化的約束性因素[6]。從實(shí)際出發(fā)，考慮土地利用變化受到的影響和制約，使用歐氏距離（Euclidean Distance）生成距離河流、主要公路的空間可達(dá)性變量。將人口密度、GDP數(shù)據(jù)和夜間燈光數(shù)據(jù)列為社會(huì)經(jīng)濟(jì)因素，高程、坡度、年均氣溫、年均降水、日照時(shí)長(zhǎng)和土壤侵蝕指數(shù)作為自然影響因素（表1），并且對(duì)這些數(shù)據(jù)進(jìn)行預(yù)處理，空間分辨率與投影坐標(biāo)系必須與土地利用類(lèi)型數(shù)據(jù)保持一致，空間分辨率30 m，投影坐標(biāo)為WGS_1984_UTM_Zone_48N，以上各類(lèi)影響因素均利用ArcGIS 10.8軟件中的模糊隸屬度工具將各類(lèi)影響因素?cái)?shù)值歸一化為0～1。

1.3 試驗(yàn)方法

1.3.1 ANN-CA模擬方法? ANN-CA具有強(qiáng)大的空間運(yùn)算能力，常用于自組織系統(tǒng)演變過(guò)程的研究[15]。ANN-CA是利用神經(jīng)網(wǎng)絡(luò)來(lái)代替轉(zhuǎn)換規(guī)則，并通過(guò)對(duì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練來(lái)獲取模型參數(shù)[16]。ANN-CA訓(xùn)練階段：通過(guò)抽樣數(shù)據(jù)訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)，獲得網(wǎng)絡(luò)權(quán)重值；其輸入數(shù)據(jù)為影響因子、鄰域窗口內(nèi)各土地利用類(lèi)型統(tǒng)計(jì)值以及當(dāng)前的土地利用類(lèi)型；輸出值為各種土地利用類(lèi)型的概率值。通過(guò)人工神經(jīng)網(wǎng)絡(luò)得到應(yīng)該轉(zhuǎn)換的類(lèi)型，判別當(dāng)前柵格是否可以轉(zhuǎn)換[17]。達(dá)到終止條件時(shí)結(jié)束模擬過(guò)程，模擬時(shí)通過(guò)ANN得到所有用地的概率值，最大值對(duì)應(yīng)需轉(zhuǎn)換的土地利用類(lèi)型，再進(jìn)行閾值比較等判別，決定是否可以進(jìn)行轉(zhuǎn)換[18]。具體計(jì)算公式如下。

元胞k時(shí)刻t第l種土地利用類(lèi)型轉(zhuǎn)換概率P=隨機(jī)因素×人工神經(jīng)網(wǎng)絡(luò)計(jì)算概率×鄰域發(fā)展密度×轉(zhuǎn)換適宜性。式（1）中，[（-lnγ）α]為隨機(jī)因素；[Pann（k， t， l）]為已訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)計(jì)算的某種土地利用類(lèi)型的轉(zhuǎn)換概率；[Ωtk]為所定義的鄰域窗口中城市用地的密度；[con（Stk）]為兩個(gè)區(qū)域的土地之間轉(zhuǎn)換適宜性。每次循環(huán)計(jì)算過(guò)程中，利用神經(jīng)網(wǎng)絡(luò)內(nèi)部的輸出層計(jì)算N種土地不同類(lèi)型的轉(zhuǎn)換概率數(shù)據(jù)，利用最大值判定土地的利用類(lèi)型。

1.3.2 季節(jié)性閑置耕地識(shí)別方法? 根據(jù)季節(jié)性閑置耕地識(shí)別方法[13]來(lái)計(jì)算閑置耕地的面積，主要表現(xiàn)在耕地直接向草地的轉(zhuǎn)化，其構(gòu)建的識(shí)別規(guī)則：以模擬前一年為基準(zhǔn)年，判斷模擬當(dāng)年每個(gè)像元的土地利用類(lèi)型在模擬前一年耕地范圍內(nèi)的變化情況。如果[Pi]為林地、水體或者建筑，則認(rèn)為該像元發(fā)生了土地利用類(lèi)型轉(zhuǎn)化，不屬于季節(jié)性閑置耕地；如果[Pi]為草地，則認(rèn)為該像元發(fā)生了季節(jié)性閑置情況，計(jì)算公式如下。

式（2）中，Pi-1為模擬前一年某像元的土地利用類(lèi)型；[Pi]為模擬當(dāng)年相同位置上像元的土地利用類(lèi)型；[Ai]表示模擬當(dāng)年某像元的土地利用類(lèi)型轉(zhuǎn)化情況。具體轉(zhuǎn)化情況如表2所示。

根據(jù)表2所示的土地利用類(lèi)型轉(zhuǎn)化情況，本研究將耕地類(lèi)別設(shè)置為“1”，草地設(shè)置為“2”，林地設(shè)置為“3”，水體設(shè)置為“4”，建筑設(shè)置為“5”。季節(jié)性閑置耕地的發(fā)生則是由前一年的耕地變成當(dāng)年的草地，由表2可知，“102”像元就是由耕地變成草地，即當(dāng)年耕地發(fā)生季節(jié)性閑置。

2 結(jié)果與分析

2.1 土地利用變化模擬

以2014、2016、2018和2020年土地利用數(shù)據(jù)為基礎(chǔ)對(duì)2020年土地季節(jié)性閑置狀況展開(kāi)模擬分析，同時(shí)添加11個(gè)空間約束因子，在模擬過(guò)程中，抽樣比例設(shè)定為5%，鄰域窗口大小設(shè)定為7，進(jìn)行數(shù)據(jù)抽樣。完成人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練，再利用2016、2018年的土地利用類(lèi)型數(shù)據(jù)獲取研究區(qū)2020年的土地利用情況模擬圖。

輸入模擬開(kāi)始年份以及結(jié)束年份對(duì)應(yīng)的土地利用數(shù)據(jù)時(shí)，利用2016、2018年的耕地季節(jié)性閑置轉(zhuǎn)換過(guò)程，以上述轉(zhuǎn)換過(guò)程對(duì)應(yīng)的柵格轉(zhuǎn)換數(shù)據(jù)作為模擬過(guò)程的終止條件。用0、1值表示土地利用類(lèi)型是否可以進(jìn)行相互轉(zhuǎn)換，1對(duì)應(yīng)為可轉(zhuǎn)換，0對(duì)應(yīng)為不可轉(zhuǎn)換。利用擴(kuò)散參數(shù)針對(duì)干擾強(qiáng)弱進(jìn)行控制，其對(duì)應(yīng)的取值一般維持在1～10。閾值對(duì)應(yīng)的取值維持在0～1。刷新頻率設(shè)定為每10次刷新1次。參數(shù)設(shè)定的差異也會(huì)對(duì)模型的模擬結(jié)果產(chǎn)生影響，為了研究在ANN-CA模型應(yīng)用的過(guò)程中較合理的參數(shù)組合，設(shè)定了4組不同的參數(shù)組合，并且將得到的模擬土地利用情況圖和實(shí)際數(shù)據(jù)進(jìn)行對(duì)比分析，以獲取對(duì)比模擬精度，確定優(yōu)化的參數(shù)組合，具體參數(shù)組合及模擬精度見(jiàn)表3。表3 不同參數(shù)組合下的ANN-CA模擬精度

將模擬圖斑與2020年實(shí)際的土地利用現(xiàn)狀圖進(jìn)行對(duì)比，無(wú)論是圖斑分布（圖1），還是各土地類(lèi)型的元胞個(gè)數(shù)對(duì)比，均以α=2，T=0.8時(shí)更加貼近真實(shí)情況。因此本次模擬選取α=2，T=0.8作為控制參數(shù)，其模擬效果最佳，后續(xù)模擬2025年土地利用情況時(shí)沿用此參數(shù)。

2.2 土地利用變化預(yù)測(cè)

按照2020年模擬最優(yōu)參數(shù)組合，分別輸入2010、2015年和2012、2016年兩組的土地利用圖當(dāng)作模型的應(yīng)用規(guī)則，同時(shí)添加11個(gè)影響因子，輸入模擬開(kāi)始年份2015、2016年以及結(jié)束年份2020年對(duì)應(yīng)的土地利用值，利用2010—2020年用地變化過(guò)程中，以2010—2020年用地變化過(guò)程對(duì)應(yīng)的柵格轉(zhuǎn)換數(shù)據(jù)當(dāng)作該模擬過(guò)程的終止條件，設(shè)置適宜性矩陣，利用0、1值表示土地利用類(lèi)型是否可以進(jìn)行相互轉(zhuǎn)換，1對(duì)應(yīng)為可轉(zhuǎn)換，0為不可轉(zhuǎn)換，最終預(yù)測(cè)出2024和2025年的土地利用類(lèi)型數(shù)據(jù)如圖2所示。

2024、2025年預(yù)測(cè)的土地利用類(lèi)型使用的是已驗(yàn)證過(guò)精度的2020年實(shí)驗(yàn)組的參數(shù)，因此其模擬結(jié)果的精準(zhǔn)度使用Kappa系數(shù)驗(yàn)證即可。對(duì)模擬結(jié)果進(jìn)行分析可知，總精度83.56%，Kappa系數(shù)0.685。以此標(biāo)準(zhǔn)，本次模擬精準(zhǔn)程度較好，但模擬結(jié)果表現(xiàn)一般。

2.3 季節(jié)性閑置耕地提取及分析

按照上述建立的規(guī)則，對(duì)2024、2025年預(yù)測(cè)的土地利用數(shù)據(jù)進(jìn)行逐像元柵格運(yùn)算，預(yù)測(cè)得到2025年季節(jié)性閑置耕地空間分布，結(jié)果如圖3所示。從圖3可知，預(yù)測(cè)2025年研究區(qū)季節(jié)性閑置耕地集中在東北部、中部和南部區(qū)域。研究區(qū)距市中心較遠(yuǎn)，一定程度上影響了其經(jīng)濟(jì)發(fā)展。經(jīng)過(guò)實(shí)地考察發(fā)現(xiàn)，該地區(qū)部分存在人口流出、耕地質(zhì)量以及農(nóng)業(yè)機(jī)械化水平有待進(jìn)一步提高等現(xiàn)象，耕種成本較高，部分農(nóng)戶可能選擇將耕地季節(jié)性閑置。

預(yù)測(cè)計(jì)算可知，根據(jù)2010—2020年季節(jié)性閑置耕地面積對(duì)比，研究區(qū)2010—2015年季節(jié)性閑置耕地面積所占比例非常小，整體呈波動(dòng)性上升趨勢(shì)，其中2010年季節(jié)性閑置耕地面積134.370 0 km2，2015—2020年整體呈下降趨勢(shì)。預(yù)測(cè)結(jié)果表明，研究區(qū)2025年季節(jié)性閑置耕地面積25.831 8 km2，遠(yuǎn)低于2010年水平，即研究區(qū)未來(lái)的季節(jié)性閑置耕地面積將呈現(xiàn)下降趨勢(shì)。

3 結(jié)論與討論

3.1 結(jié)論

（1）在對(duì)F縣季節(jié)性閑置耕地模擬預(yù)測(cè)中引入了ANN-CA模型，為了選出更適宜的參數(shù)，共設(shè)計(jì)了4種參數(shù)，對(duì)2024、2025年F縣進(jìn)行土地利用情況模擬分析。結(jié)果表明，在α=2，T=0.8參數(shù)組合下，各類(lèi)用地變化的模擬精度較高，模擬出的用地變化情況與2020年的實(shí)際用地情況貼近，模擬數(shù)據(jù)精度檢驗(yàn)和Kappa系數(shù)驗(yàn)證結(jié)果分別為83.56%和0.685。

（2）根據(jù)模擬F縣2020年的土地利用數(shù)據(jù)的轉(zhuǎn)換規(guī)則來(lái)模擬2024、2025年的土地利用數(shù)據(jù)，并計(jì)算2025年季節(jié)性閑置耕地面積。模擬預(yù)測(cè)結(jié)果表明，研究區(qū)2025年的季節(jié)性閑置耕地主要在東北部、中部和南部區(qū)域，出現(xiàn)季節(jié)性閑置耕地的影響因素有耕地質(zhì)量、地形、經(jīng)濟(jì)發(fā)展?fàn)顩r以及人口變化等。

（3）預(yù)測(cè)計(jì)算可得，F(xiàn)縣2025年季節(jié)性閑置耕地面積25.831 8 km2，通過(guò)對(duì)比2010—2020年研究區(qū)季節(jié)性閑置耕地的面積可知，研究區(qū)耕地季節(jié)性閑置情況在2010—2015年整體呈上升趨勢(shì)，2015—2020年呈現(xiàn)下降趨勢(shì)，根據(jù)預(yù)測(cè)結(jié)果，研究區(qū)未來(lái)一段時(shí)間的耕地利用狀況將呈現(xiàn)明顯的好轉(zhuǎn)趨勢(shì)。

3.2 討論

（1）本研究在使用ANN-CA模型對(duì)研究區(qū)季節(jié)性閑置耕地進(jìn)行模擬時(shí)，模型采用的是靜態(tài)轉(zhuǎn)換規(guī)則。實(shí)踐中，土地利用類(lèi)型之間的轉(zhuǎn)換是一個(gè)動(dòng)態(tài)過(guò)程。另外，在設(shè)置模型時(shí)，閾值設(shè)置有限，可操作性有待進(jìn)一步提高，土地利用模擬預(yù)測(cè)結(jié)果的Kappa系數(shù)有待進(jìn)一步提高。因此，在進(jìn)行模型模擬時(shí)，模擬精度需要進(jìn)一步提高。

（2）預(yù)測(cè)結(jié)果表明，未來(lái)一段時(shí)間季節(jié)性閑置耕地面積將進(jìn)一步減少。在實(shí)踐生產(chǎn)中，為減少耕地季節(jié)性閑置情況的出現(xiàn)，需要對(duì)耕地進(jìn)行科學(xué)合理的養(yǎng)護(hù)和利用，保障農(nóng)作物的產(chǎn)量和質(zhì)量，同時(shí)確保土壤肥力和農(nóng)業(yè)可持續(xù)發(fā)展。具體措施：將生物養(yǎng)地和化學(xué)養(yǎng)地相結(jié)合，使用農(nóng)家肥、綠肥和堆肥等有機(jī)肥料提高土壤有機(jī)質(zhì)含量，改善土壤結(jié)構(gòu)；避免在耕地上進(jìn)行非農(nóng)業(yè)活動(dòng)，如建筑、工業(yè)等，以免破壞土壤結(jié)構(gòu)和污染土壤；定期對(duì)土壤肥力、水分和病蟲(chóng)害等進(jìn)行監(jiān)測(cè)，及時(shí)調(diào)整養(yǎng)護(hù)手段；積極推進(jìn)高標(biāo)準(zhǔn)農(nóng)田建設(shè)，補(bǔ)齊基礎(chǔ)設(shè)施短板，促進(jìn)耕地質(zhì)量持續(xù)提升。

參考文獻(xiàn)

[1] 李孔俊. 土地拋荒的經(jīng)濟(jì)學(xué)視角[J]. 廣西教育學(xué)院學(xué)報(bào)，2002（5）：82-84.

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

[3] 王新友，王玉嬌. 耕地撂荒的文獻(xiàn)計(jì)量分析：脈絡(luò)和展望[J]. 干旱區(qū)地理，2023，46（5）：804-813.

[4] 鄭淋議，陳紫微. 耕地細(xì)碎化對(duì)農(nóng)戶耕地撂荒的影響及其治理優(yōu)化[J]. 地理研究，2024，43（1）：200-213.

[5] 陳藜藜，鄒朝暉，劉曄. 基于條件過(guò)程分析的農(nóng)村勞動(dòng)力外流對(duì)耕地撂荒影響機(jī)制研究[J]. 中國(guó)土地科學(xué)，2023，37（11）：73-83.

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

[7] GELLRICH M，BAUR P，KOCH B，et al. Agricultural land abandonment and natural forest re-growth in the Swiss Mountains：a spatially explicit economic analysis[J]. Agriculture，ecosystems & environment，2007，118（1/2/3/4）：93-108.

[8] 郭歡歡，鄭財(cái)貴，牛德利，等. 不同情景下的人口遷移及其對(duì)農(nóng)村土地利用影響研究：以重慶市為例[J]. 長(zhǎng)江流域資源與環(huán)境，2014，23（7）：947-952.

[9] 黃慶旭，史培軍，何春陽(yáng)，等. 中國(guó)北方未來(lái)干旱化情景下的土地利用變化模擬[J]. 地理學(xué)報(bào)，2006，61（12）：1299-1310.

[10] WEI S，YING Z. Farmland abandonment research progress：influencing factors and simulation model[J]. Journal of resources and ecology，2019，10（4）：345-352.

[11] 項(xiàng)驍野，王佑漢，李謙，等. 基于CiteSpace軟件國(guó)內(nèi)外撂荒地研究進(jìn)展與述評(píng)[J]. 地理科學(xué)，2022，42（4）：670-681.

[12] 宋世雄，梁小英，梅亞軍，等. 基于CBDI的農(nóng)戶耕地撂荒行為模型構(gòu)建及模擬研究：以陜西省米脂縣馮陽(yáng)坬村為例[J]. 自然資源學(xué)報(bào)，2016，31（11）：1926-1937.

[13] ZHAO Z，WANG J S，WANG L M，et al. Monitoring and analysis of abandoned cropland in the Karst Plateau of eastern Yunnan，China based on Landsat time series images[J]. Ecological indicators，2023，146：109828.

[14] 王麗蒙. 基于Landsat時(shí)間序列影像的滇東撂荒地識(shí)別方法研究[D]. 昆明：云南師范大學(xué)，2022.

[15] 付海英，郝晉珉，朱德舉，等. 耕地適宜性評(píng)價(jià)及其在新增其他用地配置中的應(yīng)用[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2007，23（1）：60-65.

[16] 劉黎明. 土地資源學(xué)[M]. 5版. 北京：中國(guó)農(nóng)業(yè)大學(xué)出版社，2010.

[17] 黎夏，李丹，劉小平，等. 地理模擬優(yōu)化系統(tǒng)GeoSOS及前沿研究[J]. 地球科學(xué)進(jìn)展，2009，24（8）：899-907.

[18] 陳逸敏，黎夏，劉小平，等. 基于耦合地理模擬優(yōu)化系統(tǒng)GeoSOS的農(nóng)田保護(hù)區(qū)預(yù)警[J]. 地理學(xué)報(bào)，2010，65（9）：1137-1145.

（責(zé)編：李 媛）