EN中文

JOURNAL OF NATURAL RESOURCES >

2025 , Vol. 40 >Issue 9: 2511 - 2524

DOI: https://doi.org/10.31497/zrzyxb.20250913

Regular Articles

Cropland transfers inhibit abandonment: Analysis of the impact of cropland transfer on cropland abandonment in hilly and mountainous areas of Sichuan province from the perspective of heterogeneity

  • LIAN Zhao-yang , 1, 2 ,
  • LI Yan-jiao 3 ,
  • LIU Shao-quan 1 ,
  • XU Ding-de , 3, 4
Expand
  • 1. Institute of Mountain Hazards and Environment, Chinese Academy of Sciences & Ministry of Water Resources, Chengdu 610213, China
  • 2. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 101408, China
  • 3. College of Management, Sichuan Agricultural University, Chengdu 611130, China
  • 4. National Key Laboratory of Food Security and Tianfu Granary, Sichuan Agricultural University, Chengdu 611130, China

Received date: 2024-12-16

  Revised date: 2025-04-16

  Online published: 2025-09-05

Fold

Abstract

As an important approach to managing cropland abandonment, cropland transfer warrants an in-depth examination of its effectiveness. This study utilized a dataset from the hilly and mountainous areas of Sichuan province and applied Probit, IV-Probit, and other models at the land plot level to analyze the impact of cropland transfer on cropland abandonment and explored the family and land plot heterogeneity of the effect. The results showed that: (1) Cropland transfer significantly restrained cropland abandonment, with a 1% increase in cropland transfer participation rate decreasing the probability of cropland abandonment by 23.2%. (2) Family heterogeneity analysis showed that cropland transfer had a stronger abandonment-suppressing effect on families with lower agricultural population aging and those engaged in non-agricultural employment. (3) Land plot heterogeneity analysis revealed that cropland transfer had a more pronounced abandonment-reducing effect on remote land plots, large land plots, and sloped land plots. It is recommended to enhance the effectiveness of cropland transfer in curbing cropland abandonment through improved cropland transfer security mechanisms, targeted subsidy support, and land consolidation policies.

Key words： cropland transfer; cropland abandonment; land plots; IV-Probit; hilly and mountainous areas of Sichuan province

Cite this article

LIAN Zhao-yang , LI Yan-jiao , LIU Shao-quan , XU Ding-de . Cropland transfers inhibit abandonment: Analysis of the impact of cropland transfer on cropland abandonment in hilly and mountainous areas of Sichuan province from the perspective of heterogeneity[J]. JOURNAL OF NATURAL RESOURCES, 2025 , 40(9) : 2511 -2524 . DOI: 10.31497/zrzyxb.20250913

受城镇化和工业化推进影响，耕地撂荒逐渐从发达国家特有的问题发展为全球性的问题[1,2]。中国同样面临严峻挑战。研究显示，2019年全国耕地撂荒占比已达20%[3]。丘陵山区由于自然环境复杂，耕地撂荒风险更高。2014—2015年全国山区抽样调查数据表明，78.3%的村庄存在耕地撂荒现象，耕地撂荒率达14.32%[4]。而2020—2021年全国346个山区县的调查数据进一步表明，26.64%的农户经历过耕地撂荒，9.88%的耕地处于撂荒状态 [5]。耕地资源是农业生产的载体，耕地撂荒的无序扩张将对粮食生产造成冲击，长此以往不利于粮食安全。李雨凌等[6]发现2017年中国粮食主产区因耕地撂荒造成粮食产量损失2265.6万t，占全国总产量的4.69%。Guo等[7]研究表明1990—2019年间，中国年均撂荒耕地面积234万hm2，造成年度粮食损失约794万t。Wang等[8]指出2020年中国粮食主产区和非粮食主产区因耕地撂荒损失4923万t粮食，占全国总产量的7.36%，按人均年食品消费量估计可以养活1.23亿人。对此，2024年中央一号文件提出“因地制宜推进撂荒地利用，宜粮则粮、宜经则经，对确无人耕种的支持农村集体经济组织多途径种好用好”；2025年中央一号文件再次强调“分类推进撂荒地复垦利用”。在“藏粮于地”战略下，如何有效盘活撂荒地、夯实粮食安全基础成为亟待解决的现实课题。
耕地撂荒具有复杂性和综合性，受到多尺度因素的共同影响。根本而言，耕地撂荒是耕地边际化的极端表现，各类影响要素则在耕地边际化过程中发挥作用[9]。从宏观层面来看，自然环境要素（如海拔、气候、自然灾害等）为撂荒地的分布提供了客观基础[10-12]；社会经济系统中的人口变动[13]、要素市场发育[14,15]等则通过改变资源配置方式对耕地撂荒产生影响。从微观层面来看，村庄耕作条件[16]、村庄野生动物活动[17]、农户个体特征[18]、农户家庭特征[19]及耕地细碎化[20]等因素均会对耕地撂荒造成影响。在中国城镇化持续推进、农村务农人口老龄化日益加剧的背景下，耕地撂荒是农村人地关系中劳动力要素和耕地要素不匹配的结果之一。基于此，学者针对耕地流转能否有效缓解耕地撂荒展开了研究。邵景安等[21]发现在村级尺度，耕地流转与撂荒为显著负相关关系，耕地流转可降低作业条件较优耕地的撂荒风险；Song等[22]也证实耕地流转有助于减少撂荒，耕地流转率每增加1%时，家庭撂荒率下降0.09%；Chen等[23]发现耕地流转在遏制撂荒方面存在区位异质性，耕地流转在近郊村庄的效果尤为显著。然而，耕地流转也可能因流转后承包方管理方式不当等原因造成流转型撂荒[16]。综上，现有研究已从不同尺度探讨了耕地流转对撂荒的抑制作用及其差异性，并普遍认为耕地流转能在一定程度上调节劳动力要素和耕地要素间的失衡，可作为缓解耕地撂荒的有效手段，为本文提供了有益参考。然而，针对地块尺度的研究仍较为有限，尤其缺乏耕地流转对撂荒作用在家庭异质性和地块异质性双重视角下的考察，这为本文的研究提供了切入点和拓展空间。
近年来，中国耕地流转市场发展趋向繁荣。全国耕地流转率在1986—2017年间连年增长，农户耕地流转率从4%上升到24%[24]。《中国农村政策与改革统计年报》数据表明，截至2022年，中国农村家庭承包土地经营权流转总面积5.76亿亩（1亩≈667 m2），占全国家庭承包经营耕地面积的36.73%。然而，耕地撂荒现象在耕地流转积极发展的背景下依旧存在，且部分地区形势依然严峻，现实与理论预期存在悖论。实际上，中国农业经营仍以小农户为主体，耕地流转过程受制于农户资源配置决策，而耕地流转效果则高度依赖地块自身禀赋。因此，耕地流转对耕地撂荒的作用在不同家庭和不同地块上并不均衡。一方面，农户耕地流转过程受家庭劳动力、务农收益等多种因素影响；另一方面，作为农户农业活动的基本单元，地块自然禀赋以及生产条件在较大程度上决定其利用方式的流向。在丘陵山区，农户拥有的地块普遍呈现细碎化程度高、地块质量差异显著的特点，因此在分析丘陵山区耕地流转对耕地撂荒的影响时，仅关注整体效果可能不足，有必要融入家庭、地块异质性的考量。这一视角有助于准确理解耕地流转的实际效果，厘清其与耕地撂荒之间的深层关系，可为耕地撂荒的因地施策和精准治理提供科学参考。
综上，本文利用四川省丘陵山区数据集，从地块尺度实证分析了耕地流转对撂荒的影响，并探析了影响效应的家庭异质性和地块异质性。本文的边际贡献在于：探究地块尺度下丘陵山区耕地流转对撂荒的影响效应及其异质性，可拓宽对耕地流转与撂荒两者关系的认识，丰富该研究主题内容。同时，基于四川省丘陵山区地块层面耕地流转对撂荒实际效果的差异性探究，能够为其他山地大省提供丘陵山区耕地撂荒治理的科学参考。

1 理论分析

1.1 耕地流转对耕地撂荒的直接作用

理性小农学派认为，农户的生产要素配置行为遵循帕累托最优原则，旨在实现经济利润最大化[25]。从理论层面分析，耕地流转有助于抑制撂荒的逻辑在于缓解农户在追求利益最大化过程中受到的资源约束。具体如下：
耕地流转可弥补农业经营主体因农业劳动力资源约束导致的耕地撂荒。跨越刘易斯拐点后，由农村劳动力大量外流导致的劳动力短缺成为中国农业生产的主要瓶颈。在城镇化和工业化的推动下，农村青壮年劳动力纷纷选择流向城市寻求更高收入，人口流出方式由“离土不离乡”转向“离土又离乡”，深刻改变了农村资源配置结构[26]。人口流出规模的扩大导致农村劳动力供给的大幅减少，进一步加剧了农村务农人口老龄化趋势[27]。根据人口普查数据，2000—2020年，中国农业就业人员数量一直在大幅下降，农业人员的老龄化则持续升高，2020年60岁及以上的农业从事者占总农业劳动力人数的29.78%①。农业劳动力数量的刚性约束及农业劳动力质量的弱质化致使农业投入减少，农业生产可持续性受到冲击，进而产生耕地撂荒问题[28]。在此情境下，农户选择将耕地转租给有能力经营的农业生产者，解放剩余劳动力的同时还能增加农户财产性收入（租金收入），使耕地得到充分利用，有效缓解因劳动力约束而造成的耕地撂荒。
耕地流转可破除农业经营主体因耕地资源约束导致的耕地撂荒。中国早年“耕者有其田”的土地政策为农户土地所有权提供了保障，也奠定了农户拥有质量各异耕地的基础，“肥瘦搭配”“远近插花”的分配方式进一步深化了农户耕地质量不均衡、分布细碎化的特点[29]。耕地禀赋差异造就了多元的耕地利用方式，农业经营主体通常选择优先耕作生产条件较好的地块，而耕作生产条件较差的地块往往由于经营成本高、投入精力大、难以集约化管理而被搁置放弃。在这种情况下，通过置换、流转等方式整合零散耕地资源，可以降低单位农业管理成本，通过优化资源配置的方式实现耕地资源集约利用，还有助于扩大经营规模，形成“规模经济”。
基于上述分析，提出假说1：耕地流转有助于抑制丘陵山区的耕地撂荒。

1.2 耕地流转对耕地撂荒作用的情景异质性

需要注意的是，耕地流转对撂荒的抑制作用并非同质，而会因家庭禀赋、耕地禀赋的不同存在差异。具体如下：

1.2.1 家庭异质性假设

家庭资源禀赋关系着耕地利用决策的结果，也影响耕地流转的意愿和效果，这表明耕地流转对撂荒的抑制作用可能在不同家庭间存在差异。农业人口老龄化程度较高的家庭，由于从事农业活动的老年人口增多而导致农地经营规模缩小，耕地撂荒风险加剧[30]，通过耕地流转可改善家庭农业活动因劳动力而受限的压力，进而降低耕地撂荒概率。以非农就业为主的家庭，家庭收入主要来源不再局限于劳作，通过耕地流转可使家庭调节农业部门和非农业部门之间劳动力等资源的供需矛盾，进而降低耕地被撂荒的风险。专职务农的家庭通常农业经营意愿较高、土地传承观念较深，耕地转出的需求较低或对土地流转的态度比较保守。一方面这类家庭耕地撂荒发生的概率较小，另一方面参与耕地流转的出发点更可能为追求更高农业经营目标，因而耕地流转对缓解撂荒的效果有限。
基于此，提出假说2：耕地流转对丘陵山区耕地撂荒的抑制作用在不同家庭类型下存在差异。

1.2.2 耕地异质性假设

地块禀赋特征决定耕地的利用成本和预期收益，影响其最终利用价值。地块的面积、距离和地形等“底色”特征不仅决定地块在耕地利用决策中的流向，还影响其在耕地流转市场中的竞争力。同等环境条件下，边际效益较低的地块通常面临更高的撂荒风险，也较难吸引承租者。例如，地形破碎、耕作不便等禀赋较差的地块，由于经济效益低，往往被边际化或直接放弃[9,31]。与此同时，这类地块在耕地流转市场竞争力较弱，不仅难以被耕地流转市场接受，还可能因耕地流转市场的挤压效应导致撂荒风险加剧[15]。可见，尽管从理论上而言，耕地流转可以减缓耕地撂荒，但在地块禀赋存在差异的情境下，这一作用并非普遍适用，实际效果受制于地块的具体禀赋特征。
基于此，提出假说3：耕地流转对丘陵山区耕地撂荒的抑制作用在不同地块条件下存在差异。
本文研究分析框架如图1所示。
图1 研究分析框架

Fig. 1 Study analysis framework

2 研究方法与数据来源

2.1 研究区域与数据来源

四川省是农业大省，也是西南地区唯一的粮食主产区。四川省地貌差异大、地形复杂多样，丘陵、山地分别占全省行政区域面积的11.03%、79.52%②，是中国丘陵山区的典型代表省。同时，四川省丘陵山区人口众多、人口老龄化严重[32]，集合了中国当前农业发展的痛点。本文研究数据来自中国科学院地理科学与资源研究所于2023年在四川省开展的中国农村发展调查。该数据集的调查方法为随机分层抽样，具体抽样方法如下：首先在样本省中按照人均工业总产值对县进行排序，随后采用等距抽样的方法选取5个样本县。其次在每个县将各乡镇按照人均工业总产值降序排列并分为高低两组，在每组随机抽取1个乡镇作为样本乡镇。在每个样本乡镇，按照人均纯收入将行政村分为两组（高收入组和低收入组），每组内随机选取1个行政村。最后在每个样本村，调查员根据农户花名册随机抽取20户[33]，最终调查数据集一共涵盖5个县（市）、10个乡镇、20个村庄、400名农户（样本乡镇和样本村庄的数量因行政区划和村级建制的调整有所变化，但样本农户不变）。该套数据集在开展实际调研前实行预调研，根据预调研中发现的问题对问卷进行修改完善，此后招募具有调研经验的调研员，并在进行系统全面的培训后再展开实际调研。实际调研中为保证问卷质量，农户问卷受访对象多为户主或较了解家庭信息的家庭主事人，村庄问卷受访人为熟悉村庄信息的村干部。调研员在调查结束后需进行互查抽查的四轮问卷核查工作。调研全面结束后进行总体数据的预清洗，预清洗过程中若发现逻辑失误或重大遗漏则进行电话回访补充。2023年的调查数据集囊括了农户问卷和村庄问卷，农户问卷包含样本农户2022年的耕地利用信息（包括地块利用情况、地块基本特征等）、家庭基本信息（家庭成员年龄、职业以及家庭收入等），村庄问卷包括样本村庄的基本信息（村庄区位、村庄耕地情况、村庄人口等）。展开实证分析前，首先对样本数据集进行地块—农户—村庄的数据清洗、匹配和整理，在剔除核心变量缺失严重以及逻辑有误的部分数据后，最终得到382份农户样本，占总调研农户的95.5%，有效农户样本中含3308块地块样本。研究区概况图如图2所示。
图2 研究区概况

Fig. 2 Location of the study area (hilly and mountainous areas of Sichuan province)

2.2 变量设置与描述性统计分析

本文因变量为耕地地块撂荒情况，选取地块撂荒决策来反映，以问卷中每个地块在耕地利用情况问题中是否选择“撂荒”为判定标准。
本文核心自变量是耕地流转，反映家庭耕地流转的参与水平。因为耕地流转包括耕地转入和转出，参考Song等[22]的研究，以家庭参与流转耕地面积占总耕地面积比例来体现。
基于耕地撂荒的影响因素，参考仇童伟[15]、谢花林等[34]、Li等[35]的研究，选取了包括户主、家庭、地块、村庄及调查地区的控制变量。户主特征包括性别、年龄、受教育程度及健康程度；家庭特征包括人口规模、农业劳动力比例、人口老龄化、是否村干部家庭、农业收入比例；地块特征包括质量、确权、灌溉、距离和地形；村庄特征包括区位、地形及撂荒规模。各变量的定义及描述性统计详见表1。
表1 变量定义以及描述性统计分析

Table 1 Variables definition and descriptive statistics analysis

变量 定义 均值 标准差
被解释变量 地块撂荒决策 地块是否撂荒（0=否；1=是） 0.175 0.380
地块撂荒面积 撂荒地块的面积/亩（1亩≈667 m2） 0.071 0.228
解释变量 耕地流转 家庭参与流转的耕地面积占总耕地面积比例 0.308 0.354
工具变量 村庄内除本户外其他农户参与耕地流转水平 0.301 0.140
替换变量 家庭是否参与流转（0=否；1=是） 0.582 0.493
控制变量
户主层面 户主性别 户主性别（0=女；1=男） 0.859 0.349
户主年龄 户主年龄/岁 63.33 11.04
户主教育程度 户主受教育时间/年 6.262 3.484
户主健康程度 户主健康水平（1=很好；2=较好；3=一般；4=较差；5=很差） 3.293 1.126
家庭层面 家庭人口规模 家庭人口总数/人 4.236 1.868
家庭农业劳动力比例 家庭农业劳动力占总劳动力比例 0.573 0.341
家庭人口老龄化 家庭中老年人口占总人数比例 0.398 0.324
是否村干部家庭 家庭成员中是否有村干部（0=否；1=是） 0.081 0.273
家庭农业收入比例 家庭农业收入占总收入比例 0.153 0.267
地块层面 地块质量 地块质量等级（1=一等地；2=二等地；3=三等地；4=等外地） 2.379 0.947
地块确权 地块确权（0=否；1=是） 0.952 0.213
地块灌溉 该农田是否能够灌溉（0=否；1=是） 0.435 0.496
地块地形 地块地形特性（1=平原；2=山地；3=梯田） 1.939 0.529
地块距离 地块离家距离/km 0.665 1.397
村庄层面 村庄区位 村委会到乡镇政府的距离/km 4.110 2.729
村庄地形 村庄地形（1=平原；2=丘陵；3=山地） 2.100 0.447
村庄撂荒规模 村庄耕地撂荒面积占总耕地面积比例 0.058 0.096
县级层面 绵阳 0=否；1=是 0.202 0.402
遂宁 0=否；1=是 0.151 0.358
自贡 0=否；1=是 0.177 0.381
广安 0=否；1=是 0.229 0.421
广元a 0=否；1=是 0.241 0.428

注：a回归分析结果将以广元为参照组。

表2展示了在样本数据中不同耕地流转水平下地块撂荒的相关特征。结果显示，总体上随着耕地流转参与水平的上涨，地块撂荒的情况逐渐有所缓解。首先，从地块数来看，耕地参与流转水平小于等于0.2的家庭地块数最多，为1632块；耕地参与流转水平在0.6~0.8之间的家庭地块数最少，为331块。综合来看，地块数随着耕地流转水平的提升而有所下降，体现了流转对家庭耕地资源的集约化效应。其次，从地块撂荒决策和地块撂荒面积来看，耕地参与水平小于等于0.2的家庭地块撂荒情况最严重，约有22.2%的地块被撂荒，平均撂荒的地块面积为0.093亩；耕地参与流转水平在0.8~1.0之间的家庭撂荒情况最轻，约有0.8%的地块被撂荒，平均撂荒的地块面积为0.019亩。可见，随着家庭参与耕地流转程度的深化，地块撂荒可能呈现显著下降趋势。
表2 样本数据耕地流转与撂荒基本情况

Table 2 Basic situation of cropland circulation and abandonment in sample data

耕地流转 地块数/块 地块撂荒决策 地块撂荒面积/亩
(0, 0.2] 1632 0.222 0.093
(0.2, 0.4] 458 0.168 0.066
(0.4, 0.6] 520 0.183 0.068
(0.6, 0.8] 331 0.124 0.047
(0.8, 1.0] 367 0.008 0.019

2.3 模型选择

本文旨在探究耕地流转对耕地撂荒的影响，考虑到耕地撂荒决策为二值虚拟变量，研究采用Probit模型估计基准模型。为保证基准模型回归结果的稳健性，采用替换因变量的方式作为稳健性检验手段之一，具体方式为将耕地撂荒决策更换为耕地撂荒面积，由于耕地撂荒面积是一个左归并的截断数据，故而采用Tobit模型进行估计。此外，进一步利用分组回归来探究耕地流转对撂荒影响的异质性。计量模型设置公式如下：
Y i = α 0 + α 1 T r a n s f e r i + α 2 C o n t r o l s i + ε i
式中： Y i表示地块撂荒决策、地块撂荒面积（亩）； T r a n s f e r i为耕地流转参与率； C o n t r o l s i代表控制变量，包括户主层面、家庭层面、地块层面、村庄层面及调查地区的控制变量； α 0为常数项； α 1和 α 2表示待估系数； ε i为随机扰动项。
在农业生产中，耕地流转与耕地撂荒都是耕地利用方式的一种，部分农户可能正是因为将耕地撂荒才未参与流转。因此，农户参与耕地流转与耕地撂荒之间可能存在反向因果关系。同时，尽管本文控制了户主、家庭、地块及村庄层面的变量，但仍可能存在一些无法观测的变量对估计结果造成影响，为缓解遗漏变量、反向因果等内生性问题，采用工具变量法对式（1）进行再估计，以保证结果稳健。工具变量选用“村庄内除本户外其他农户参与耕地流转水平”。村庄内的耕地流转发育市场会通过同群效应引发连锁反应，进而影响农户个体参与耕地流转的决策和行为，但并不会对农户撂荒行为造成直接影响，满足工具变量需要与内生变量高度相关、但与模型误差项无关的要求。

3 结果分析

3.1 基准模型结果与稳健性检验

在进行模型回归前，本文首先利用方差膨胀因子检验变量间的多重共线性。检验结果显示，变量中最高的VIF值为3.27，平均VIF值为1.73，说明变量间不存在明显的共线性。模型回归检验耕地流转对撂荒的影响结果如表3所示。模型（1）的结果表明，耕地流转可显著遏制耕地撂荒，家庭耕地流转参与率每增加1%，地块被撂荒的概率平均减少23.2%。为检验基准回归结果的稳健性，通过更换核心解释变量和被解释变量的方式进行稳健性检验。表3模型（2）展示了将核心解释变量更换为“家庭是否参与流转”的二元变量后的结果，模型（3）展示了将被解释变量“地块撂荒决策”替换为“地块撂荒面积”后的回归结果。结果表明，无论采用哪种替换方式，耕地流转对撂荒的显著抑制作用均未发生改变，证明了基准回归结果的稳健性③。
表3 耕地流转对耕地撂荒的影响结果

Table 3 Result of the impact of cropland transfer on cropland abandonment

变量 （1） （2） （3）
地块撂荒决策 边际效应 地块撂荒决策 地块撂荒面积
耕地流转 -1.163***(0.102) -0.232***(0.020) -0.730***(0.072)
替换变量 -0.406***(0.060)
户主性别 -0.343***(0.098) -0.068***(0.020) -0.282***(0.095) -0.272***(0.062)
户主年龄 -0.006*(0.003) -0.001*(0.001) -0.003(0.003) -0.004*(0.002)
户主教育程度 0.028***(0.011) 0.006***(0.002) 0.021**(0.010) 0.014**(0.007)
户主健康程度 0.092***(0.028) 0.018***(0.006) 0.067**(0.027) 0.055***(0.018)
家庭人口规模 -0.071***(0.023) -0.014***(0.005) -0.051**(0.021) -0.028*(0.015)
家庭农业劳动力比例 -0.972***(0.122) -0.194***(0.024) -0.664***(0.112) -0.583***(0.077)
家庭人口老龄化 0.554***(0.151) 0.111***(0.030) 0.561***(0.146) 0.329***(0.096)
是否村干部家庭 -0.182(0.130) -0.036(0.026) -0.273**(0.127) -0.141(0.086)
家庭农业收入比例 0.291**(0.142) 0.058**(0.028) 0.178(0.137) 0.229***(0.082)
地块质量 0.080***(0.031) 0.016***(0.006) 0.087***(0.031) 0.036*(0.020)
地块确权 0.527***(0.169) 0.105***(0.034) 0.551***(0.167) 0.296**(0.117)
地块灌溉 -0.429***(0.061) -0.086***(0.012) -0.441***(0.060) -0.253***(0.042)
地块地形 0.175***(0.057) 0.035***(0.011) 0.215***(0.056) 0.097***(0.037)
地块距离 0.306***(0.052) 0.061***(0.010) 0.296***(0.050) 0.069***(0.010)
村庄区位 -0.048***(0.014) -0.010***(0.003) -0.032**(0.014) -0.027***(0.010)
村庄地形 0.070(0.151) 0.014(0.030) 0.086(0.149) 0.001(0.101)
村庄撂荒规模 -0.227(0.392) -0.045(0.078) 0.137(0.388) 0.251(0.248)
绵阳 -0.524***(0.139) -0.105***(0.028) -0.438***(0.136) -0.417***(0.084)
遂宁 0.027(0.106) 0.005(0.021) -0.009(0.105) -0.036(0.072)
自贡 -0.597***(0.113) -0.119***(0.023) -0.586***(0.110) -0.444***(0.079)
广安 0.677***(0.089) 0.135***(0.017) 0.691***(0.087) 0.305***(0.056)
常数项 -0.920*(0.474) -1.599***(0.470) -0.297(0.306)
样本量/块 3308 3308 3308 3308
卡方检验 538.781*** 502.689*** 579.768***

注：***、**、*分别代表显著性小于0.01、0.05、0.1，括号内为稳健标准误。下同。

3.2 内生性讨论

尽管表3结果表明耕地流转对撂荒具有显著抑制作用，但为消除内生性可能导致的结果偏误，还需对模型进行内生性处理。表4展示了工具变量法处理后的回归结果。工具变量法第一阶段回归结果可用于评估工具变量的相关性。模型（1）~模型（3）的第一阶段回归结果表明，工具变量对核心内生变量的影响均显著为正，F统计量也远大于10，表明工具变量与内生变量相关性较强，弱工具变量的可能性较低，为简化结果呈现，表4仅报告了工具变量法的第二阶段回归结果。结果如下：首先，模型（1）~模型（3）沃尔德外生性检验的结果在1%的水平上显著，拒绝核心自变量外生性的原假设，表明核心自变量存在内生性问题；模型（1）~模型（3）弱工具变量检验结果均在1%水平上显著，进一步支持工具变量的强相关性，说明本文选取的工具变量合理有效。其次，从内生性处理后的回归结果来看，耕地流转对撂荒的抑制作用仍然显著，系数均大于表3的结果。这表明，核心解释变量的内生性问题并未改变耕地流转对耕地撂荒的影响方向，而导致其影响系数被低估。综上，假说1得到证实，即耕地流转有助于遏制丘陵山区的耕地撂荒。
表4 耕地流转对耕地撂荒的影响结果：工具变量法

Table 4 Result of the impact of cropland transfer on cropland abandonment: Instrumental variable method

变量 （1） （2） （3）
地块撂荒决策 地块撂荒决策 地块撂荒面积
耕地流转 -2.859***(0.493) -1.744***(0.322)
替换变量 -2.786***(0.539)
控制变量 已控制 已控制 已控制
常数项 1.019(0.735) 0.906(0.785) 0.864*(0.473)
样本量/块 3308 3308 3308
卡方检验 425.517*** 344.553*** 307.490***
沃尔德外生性检验 13.61*** 27.25*** 11.38***
弱工具变量AR检测 35.21*** 36.23*** 30.33***
弱工具变量Wald检测 33.66*** 26.69*** 29.31***

3.3 进一步分析1：家庭异质性

前文已证实耕地流转对耕地撂荒的抑制作用，但该抑制作用是否在不同情境下存在差异尚不明确。本节将讨论不同家庭类型下耕地流转对撂荒的差异性影响，数据样本按照农业人口老龄化和家庭就业类型两个维度分组。其中，农业人口老龄化用“农户参与农业活动的老年人口比例来衡量（老年人口为60岁及以上人口）”[30]，农业人口老龄化家庭的高低以0.5为划分标准。家庭就业类型以“家庭中是否存在非农就业”来界定，若家庭中存在非农就业则为非农就业家庭，否则为纯务农家庭。表5展示了不同家庭类型分组下耕地流转对撂荒的影响结果，组间差异系数分别在5%、1%的水平上显著，表明不同组别间差异显著，可比较分组间回归系数的大小。模型（1）、模型（2）结果显示，耕地流转对撂荒的遏制作用在农业人口老龄化家庭中有所体现，但相比于农业人口老龄化严重的家庭，该抑制作用在农业人口老龄化程度较低的家庭中更强。农业劳动能力会随着年龄的增长逐渐下降，农业人口老龄化家庭普遍存在农业劳动力生产力下降及农业劳动力数量短缺的问题，进而导致耕地撂荒[35]。然而，丘陵山区的老年农民对耕地具有较强的依赖性和恋地情结，使得他们更倾向于保留土地，而不会轻易流转[36,37]，故而农业人口老龄化严重的家庭更容易通过撂荒耕地来降低生产风险[35]，削弱了耕地流转的抑制作用。模型（3）、模型（4）结果表明，耕地流转对撂荒的缓解作用主要存在于非农就业家庭，而在纯务农家庭中，耕地流转的遏制性不再有效。这可能是由于纯务农家庭的生计高度依赖耕地，其撂荒程度本就较低，耕地流转主要用于扩大经营规模或优化耕地资源，而对耕地撂荒的抑制作用有限。尽管模型（3）结果并不具有统计学上的意义，但分组结果对比仍能说明耕地流转在纯务农家庭和非农就业家庭耕地撂荒的作用效果存在差异。综上，假说2得到验证。
表5 不同家庭类型下耕地流转对耕地撂荒的影响结果

Table 5 Impact of family cropland transfer on cropland abandonment in different types

变量 （1） （2） （3） （4）
低农业人口老龄化家庭 高农业人口老龄化家庭 纯务农家庭 非农就业家庭
耕地流转 -1.635***(0.204) -1.008***(0.153) -0.327(0.333) -1.377***(0.129)
控制变量 已控制 已控制 已控制 已控制
常数项 2.749**(1.124) -2.586***(0.638) -2.751**(1.364) -1.264**(0.571)
组间差异系数 6.42** 12.55***
样本量/块 1081 2227 658 2650
卡方检验 311.617*** 489.493*** 213.405*** 562.339***

注：组间差异系数采用似无相关检验和费舍尔检验进行评估，由于两种方法结果均通过显著性检验，为减少篇幅，表格中仅报告似无相关检验评估结果，下同。

3.4 进一步分析2：耕地异质性

理论分析部分提到地块条件是耕地利用价值的关键依据，也是影响耕地利用决策的重要要素。这意味着耕地流转对撂荒的实际效果可能因地块的禀赋特征（如面积、距离、地形等）而存在差异。本节以地块距离、地块面积和地块地形为切入口，设置近远地块、大小地块及平坦和坡地地块。具体而言，近、远地块及大、小地块分组以农户家庭中地块距离、地块面积的均值为界线；平坦、坡地地块的划分则依据耕地地形，耕地地形为“平原”划分为平坦地块，非平原地块划为坡地地块。表6展示了耕地流转对四川省丘陵山区三组不同类型地块撂荒的影响结果，组间差异系数分别在10%、1%、1%的水平下显著。模型（1）、模型（2）结果显示耕地流转对近、远地块的撂荒均具有明显的抑制作用，尤其体现在远地块中。耕地流转的重要作用之一在于优化耕地空间配置，扭转农户因耕地分散而形成的农业生产困境，使耕地集约化成为可能。相比于近距离地块，将远距离地块流转能减少农户耕作路途中的劳力消耗，降低家庭耕作劳动强度。因此，耕地流转对远距离地块撂荒的遏制作用更显著。模型（3）、模型（4）的回归结果表明，相较于小地块，耕地流转对大地块撂荒的抑制作用更强。地块面积较大的耕地具备机械化作业以及规模化种植的条件，有利于提升农业生产效率和单产产量，因此受流转承租方的青睐。相比之下，面积较小的地块在农业生产、耕地流转中更容易受到技术、生产成本等因素的限制，故而，耕地流转对耕地撂荒抑制作用在大面积地块上更能发挥成效。模型（5）、模型（6）结果则显示，耕地流转能够显著缓解坡地地块被撂荒的风险，但对平坦地块撂荒并无显著影响。这可能是因为在丘陵山区，平坦地块具有较好的耕作条件和比较收益，撂荒概率较坡耕地低[5]，因而耕地流转对其影响不显著。总的来看，耕地流转对撂荒的作用的确在不同地块间存在显著差异，假说3得到证实。
表6 不同地块特征下耕地流转对耕地撂荒的影响结果

Table 6 Impact of cropland transfer on cropland abandonment in different land plot features

变量 （1） （2） （3） （4） （5） （6）
近地块撂荒 远地块撂荒 大地块撂荒 小地块撂荒 平坦地块撂荒 坡地地块撂荒
耕地流转 -1.006***(0.175) -1.382***(0.144) -1.614***(0.206) -1.032***(0.135) -0.175(0.367) -1.407***(0.127)
控制变量 已控制 已控制 已控制 已控制 已控制 已控制
常数项 0.484(0.737) -1.244*(0.658) 0.092(0.878) -1.320**(0.586) -5.204***(1.654) 0.075(0.518)
组间差异系数 3.22* 6.70*** 10.29***
样本量/块 1569 1739 1240 2068 571 2737
卡方检验 225.080*** 387.035*** 267.449*** 478.043*** 172.580*** 634.901***

注：为避免多重共线性，在进行地块距离、地块地形分组时剔除了相应的控制变量。

4 结论与讨论

4.1 结论

本文利用四川省丘陵山区2023年3308个地块的调查数据集，运用Probit、IV-Probit等模型实证分析了耕地流转对耕地撂荒的影响及其异质性，得到如下结论：
（1）耕地流转能显著遏制四川省丘陵山区撂荒的扩张，农户每增加1%的耕地流转率会使地块撂荒的平均概率降低23.2%。
（2）耕地流转对撂荒的缓解效应具有家庭异质性。与较严重的农业人口老龄化家庭相比，耕地流转对撂荒的抑制作用在相对较低农业人口老龄化的家庭中更明显；与非农就业家庭相比，耕地流转对纯务农家庭的耕地撂荒没有显著的抑制作用。
（3）耕地流转对撂荒的抑制作用存在地块异质性。相较于近地块、小地块、平坦地块，远地块、大地块以及坡地地块通过流转来遏制撂荒的效果更佳。

4.2 讨论与建议

本文发现促进耕地流转有助于缓解四川省丘陵山区的撂荒问题，可为丘陵山区耕地利用及农业可持续发展提供一定启示。与既有研究相比，首先聚焦丘陵山区，在地块尺度上提供了耕地流转抑制撂荒的实证证据，在微观尺度上丰富了耕地撂荒治理的研究内容。其次，紧密贴合实际，剖析了耕地流转对撂荒的抑制作用效果在农业人口老龄化、不同就业类型家庭及不同地块条件下的异质性，可为耕地流转缓解撂荒的政策制定提供更为精细的指导。然而，本文还存在以下不足：首先，尽管分析了耕地流转对撂荒的抑制作用在家庭、地块特征下的差异性，但缺乏对该差异性影响具体路径的挖掘。其次，在耕地流转抑制耕地撂荒的逻辑链条中，家庭特征与地块特征是否具有交互影响还需进一步探索。此外，考虑到家庭、地块禀赋特征相对有限，未能涵盖所有可能的影响因素，未来可将更多家庭、地块层面的禀赋特征纳入分析，进一步探索耕地流转遏制撂荒过程中的潜在机制和实际效能差异。
农地撂荒并非独立事件，而是一系列因素的函数[38]，可以归结为是自然环境、社会经济、政策制度等因素综合驱动的结果[39]，其治理需要小农户、政府等多重主体协同参与[40]。尽管耕地流转在缓解耕地撂荒方面具有显著成效，但实际效能受家庭特征与地块禀赋的影响，故而在推动耕地流转以遏制耕地撂荒过程中，需政府与市场共同参与调节和引导，以优化政策支持和市场调控，弱化异质性对流转效率的干扰，最大化发挥耕地流转的治理效能。基于研究结论，提出以下几点政策建议：（1）提升耕地流转供需匹配度，优化市场交易体系。优化市场调节机制，提升流转双方供需适配性，增强耕地流转的稳定性和可持续性，为调节耕地撂荒提供更有效的市场化手段。同时，为破解丘陵山区耕地流转市场不通畅、不规范等问题，政府应健全耕地流转权益保障及监督机制，推动区域性耕地流转信息服务平台建设，提升耕地质量、流转费用等关键信息的公开透明度，减少由信息不对称造成的流转障碍。（2）完善补贴激励政策，提高经营主体流转积极性。对农业人口老龄化、非农就业家庭提供精准的补贴激励机制和流转服务支持，鼓励这类家庭将无力经营的耕地进行流转。（3）促进土地整治，弱化地块差异。通过地块禀赋分组中耕地流转效果的差异对比发现小地块相对于其他禀赋一般地块的流转效果较差。因此，应加大全域土地综合整治与高标准农田建设的统筹推进力度，通过“小并大”“短并长”等土地整合措施弱化地块在面积或形状上的差异，从源头降低此类地块的撂荒风险，并提高其流转吸引力。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
DASKALOVA G N, KAMP J. Abandoning land transforms biodiversity. Science, 2023, 380(6645): 581-583.

DOI PMID

[2]
MACDONALD D, CRABTREE J R, WIESINGER G, et al. Agricultural abandonment in mountain areas of Europe: Environmental consequences and policy response. Journal of Environmental Management, 2000, 59(1): 47-69.

[3]
LI L, PAN Y Z, ZHENG R B, et al. Understanding the spatiotemporal patterns of seasonal, annual, and consecutive farmland abandonment in China with time-series MODIS images during the period 2005-2019. Land Degradation & Development, 2022, 33(10): 1608-1625.

[4]
李升发, 李秀彬, 辛良杰, 等. 中国山区耕地撂荒程度及空间分布: 基于全国山区抽样调查结果. 资源科学, 2017, 39(10): 1801-1811.

DOI

[LI S F, LI X B, XIN L J, et al. Extent and distribution of cropland abandonment in Chinese mountainous areas. Resources Science, 2017, 39(10): 1801-1811.]

DOI

[5]
王亚辉, 杨遨郗, 辛良杰, 等. 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. 地理研究, 2024, 43(8): 1977-1993.

DOI

[WANG Y H, YANG A X, XIN L J, et al. Spatial and temporal differentiation and influencing factors of fallowing in different types of farmland in China: Based on survey data from 346 mountainous counties. Geographical Research, 2024, 43(8): 1977-1993.]

[6]
李雨凌, 马雯秋, 姜广辉, 等. 中国粮食主产区耕地撂荒程度及其对粮食产量的影响. 自然资源学报, 2021, 36(6): 1439-1454.

DOI

[LI Y L, MA W Q, JIANG G H, et al. The degree of cultivated land abandonment and its influence on grain yield in main grain producing areas of China. Journal of Natural Resources, 2021, 36(6): 1439-1454.]

[7]
GUO A D, YUE W Z, YANG J, et al. Cropland abandonment in China: Patterns, drivers, and implications for food security. Journal of Cleaner Production, 2023, 418: 138154, Doi: 10.1016/j.jclepro.2023.138154.

[8]
WANG Y H, YANG A X, YANG Q Y. The extent, drivers and production loss of farmland abandonment in China: Evidence from a spatiotemporal analysis of farm households survey. Journal of Cleaner Production, 2023, 414: 137772, Doi: 10.1016/j.jclepro.2023.137772.

[9]
李升发, 李秀彬. 耕地撂荒研究进展与展望. 地理学报, 2016, 71(3): 370-389.

DOI

[LI S F, LI X B. Progress and prospect on farmland abandonment. Acta Geographica Sinica, 2016, 71(3): 370-389.]

DOI

[10]
CORBELLE-RICO E, CRECENTE-MASEDA R, SANTÉ-RIVEIRA I. Multi-scale assessment and spatial modelling of agricultural land abandonment in a European peripheral region: Galicia (Spain), 1956-2004. Land Use Policy, 2012, 29(3): 493-501.

[11]
DENG X, ZENG M, XU D D, et al. Why do landslides impact farmland abandonment? Evidence from hilly and mountainous areas of rural China. Natural Hazards, 2022, 113(1): 699-718.

[12]
ZGŁOBICKI W, KARCZMARCZUK K, BARAN-ZGŁOBICKA B. Intensity and driving forces of land abandonment in Eastern Poland. Applied Sciences, 2020, 10(10): 3500, Doi: 10.3390/app10103500.

[13]
PRISHCHEPOV A V, MÜLLER D, DUBININ M, et al. Determinants of agricultural land abandonment in post-Soviet European Russia. Land Use Policy, 2013, 30(1): 873-884.

[14]
MEYFROIDT P, SCHIERHORN F, PRISHCHEPOV A V, et al. Drivers, constraints and trade-offs associated with recultivating abandoned cropland in Russia, Ukraine and Kazakhstan. Global Environmental Change, 2016, 37: 1-15.

[15]
仇童伟. 农地流转市场化中的耕地抛荒. 华南农业大学学报: 社会科学版, 2022, 21(3): 37-48.

[QIU T W. Rental transactions of cultivated land abandonment in rural China. Journal of South China Agricultural University: Social Science Edition, 2022, 21(3): 37-48.]

[16]
王刚, 廖和平, 温涛. 重庆南川村域耕地撂荒成因及分异机制与调控. 地理学报, 2024, 79(7): 1824-1841.

DOI

[WANG G, LIAO H P, WEN T. Causes, differentiation mechanism and regulation of farmland abandonment in villages of Nanchuan district, Chongqing. Acta Geographica Sinica, 2024, 79(7): 1824-1841.]

DOI

[17]
王亚辉, 杨遨郗, 杨庆媛, 等. 中国人—野猪冲突时空特征及对生态系统“反服务”的启示. 地理学报, 2023, 78(1): 163-176.

DOI

[WANG Y H, YANG A X, YANG Q Y, et al. Spatiotemporal characteristics of human-boar conflicts in China and its implications for ecosystem "anti-service". Acta Geographica Sinica, 2023, 78(1): 163-176.]

DOI

[18]
谢花林, 黄萤乾. 不同代际视角下农户耕地撂荒行为研究: 基于江西省兴国县293份农户问卷调查. 中国土地科学, 2021, 35(2): 20-30.

[XIE H L, HUANG Y Q. Study on farmland abandonment behavior of farmers from intergenerational differences perspectives: Based on 293 farmer questionnaires in Xingguo county, Jiangxi province. China Land Science, 2021, 35(2): 20-30.]

[19]
谢花林, 施佳颖, 冷克诚. 家庭生命周期视角下农户耕地撂荒行为差异及其影响因素: 以江西省丘陵山区为例. 资源科学, 2023, 45(11): 2170-2182.

DOI

[XIE H L, SHI J Y, LENG K C. Differences in farmland abandonment behavior among farming households and influencing factors from the perspective of family life cycle: A case study of the hilly and mountainous areas in Jiangxi province. Resources Science, 2023, 45(11): 2170-2182.]

DOI

[20]
郑淋议, 陈紫微. 耕地细碎化对农户耕地撂荒的影响及其治理优化. 地理研究, 2024, 43(1): 200-213.

DOI

[ZHENG L Y, CHEN Z W. Impacts of land fragmentation on farmers' farmland abandonment and its governance optimization. Geographical Research, 2024, 43(1): 200-213.]

[21]
邵景安, 张仕超, 李秀彬. 山区土地流转对缓解耕地撂荒的作用. 地理学报, 2015, 70(4): 636-649.

DOI

[SHAO J A, ZHANG S C, LI X B. The role of rural farmland transfer in preventing farmland abandonment in the mountainous areas. Acta Geographica Sinica, 2015, 70(4): 636-649.]

DOI

[22]
SONG H F, LI X B, XIN L J, et al. Do farmland transfers mitigate farmland abandonment? A case study of China's mountainous areas. Habitat International, 2024, 146: 103023, Doi: 10.1016/j.habitatint.2024.103023.

[23]
CHEN Y L, WANG M J, ZHAO J J, et al. Unveiling the effect of land transfer and land acquisition on farmland abandonment: Proximity/distance to the city matters. Applied Geography, 2024, 163: 103181, Doi: 10.1016/j.apgeog.2023.103181.

[24]
朱诗娥, 杨汝岱, 王璐, 等. 中国农村土地流转与农业生产模式变迁. 管理世界, 2024, 40(1): 76-88, 106, 89-90.

[ZHU S E, YANG R D, WANG L, et al. Rural land transfer and the change of agricultural production mode in China. Journal of Management World, 2024, 40(1): 76-88, 106, 89-90.]

[25]
翁贞林. 农户理论与应用研究进展与述评. 农业经济问题, 2008, 29(8): 93-100.

[WENG Z L. Progress and review on the theory and application of farmers. Issues in Agricultural Economy, 2008, 29(8): 93-100.]

[26]
葛干忠, 范东君. 农村劳动力流出与粮食规模化生产:“一致”抑或“冲突”? 基于湖南乡村调查分析. 西北人口, 2014, 35(1): 62-68.

[GE G Z, FAN D J. Rural labor outflow and the size of grain production: Accordance or collision? An analysis based on the investigation of villages in Hunan. Northwest Population, 2014, 35(1): 62-68.]

[27]
郭远智, 周扬, 韩越. 中国农村人口老龄化的时空演化及乡村振兴对策. 地理研究, 2019, 38(3): 667-683.

DOI

[GUO Y Z, ZHOU Y, HAN Y. Population aging in rural China: Spatial-temporal pattern and countermeasures for rural revitalization. Geographical Research, 2019, 38(3): 667-683.]

[28]
洪炜杰. 农地撂荒的治理策略: 一个“市场—组织—政府”的分析线索. 华中农业大学学报: 社会科学版, 2025, (1): 31-40.

[HONG W J. Strategies for farmland abandonment governance: An analysis based on a "market-organization-government" framework. Journal of Huazhong Agricultural University: Social Sciences Edition, 2025, (1): 31-40.]

[29]
陈韵凌, 王茂军, 曹广忠, 等. 中国农村家庭分化对耕地利用方式的影响: 基于全国百县万家农户的调查. 自然资源学报, 2024, 39(2): 392-410.

DOI

[CHEN Y L, WANG M J, CAO G Z, et al. The impact of family differentiation on the pattern of farmland utilization in rural China: Based on a nationwide survey of thousands of households in one hundred counties. Journal of Natural Resources, 2024, 39(2): 392-410.]

[30]
仇童伟, 彭嫦燕. 农业人口老龄化对农地配置与种粮决策的影响: 来自中国家庭金融调查的证据. 中国农村观察, 2023, (4): 129-150.

[QIU T W, PENG C Y. The impact of aging agricultural population on farmland allocation and grain production decision: Evidence from the China household finance survey. China Rural Survey, 2023, (4): 129-150.]

[31]
史铁丑, 李秀彬. 基于地块尺度的重庆山区耕地撂荒风险研究. 山地学报, 2017, 35(4): 543-555.

[SHI T C, LI X B. Cropland abandonment risk at parcel level in Chongqing mountainous area. Mountain Research, 2017, 35(4): 543-555.]

[32]
连昭阳, 仲佳, 徐定德, 等. 中国山丘区人口老龄化时空演变与影响因素. 山地学报, 2024, 42(4): 519-534.

[LIAN Z Y, ZHONG J, XU D D, et al. Spatial-temporal evolution and influence factors of population aging in the hilly regions of China. Mountain Research, 2024, 42(4): 519-534.]

[33]
白云丽, 曹月明, 刘承芳, 等. 农业部门就业缓冲作用的再认识: 来自新冠肺炎疫情前后农村劳动力就业的证据. 中国农村经济, 2022, (6): 65-87.

[BAI Y L, CAO Y M, LIU C F, et al. A recognition on the buffer role of the agricultural sector: Evidence from off-farm employment of rural labor force during the COVID-19 pandemic. Chinese Rural Economy, 2022, (6): 65-87.]

[34]
谢花林, 黄萤乾. 非农就业与土地流转对农户耕地撂荒行为的影响: 以闽赣湘山区为例. 自然资源学报, 2022, 37(2): 408-423.

DOI

[XIE H L, HUANG Y Q. Impact of non-agricultural employment and land transfer on farmland abandonment behaviors of farmer: A case study in Fujian-Jiangxi-Hunan Mountainous Areas. Journal of Natural Resources, 2022, 37(2): 408-423.]

[35]
LI Y C, LI R S, GUO S L, et al. Why do aging households in agriculture prefer land abandonment to transfer? Evidence from hill plots in Sichuan, China. Land Degradation & Development, 2024, 35(16): 4985-4996.

[36]
LIU G H, YANG L P, GUO S L, et al. Land attachment, intergenerational differences and land transfer: Evidence from Sichuan province, China. Land, 2022, 11(5): 695.

[37]
LIU G H, MA Z X, GUO S L, et al. How does farmers' differentiation affect farmland abandonment from the perspective of land attachment and generational differences? Evidence from Sichuan province, China. Environmental Development, 2023, 48: 100924, Doi: 10.1016/j.envdev.2023.100924.

[38]
罗必良. 农地撂荒及其治理: 已有研究与进一步拓展. 华中农业大学学报: 社会科学版, 2025, (1): 1-7.

[LUO B L. Farmland abandonment and its governance: Existing research and further development. Journal of Huazhong Agricultural University: Social Sciences Edition, 2025, (1): 1-7.]

[39]
庄健, 罗必良. 农田整治对农户撂荒行为的影响: 基于“农田整治—要素市场—作物布局”治理策略的分析. 南京农业大学学报: 社会科学版, 2024, 24(6): 132-145.

[ZHUANG J, LUO B L. Impact of farmland renovation on farmers' abandonment behavior: Analysis clues based on the management strategy of "farmland remediation-factor market-crop layout". Journal of Nanjing Agricultural University: Social Sciences Edition, 2024, 24(6): 132-145.]

[40]
刘灵辉, 吕浩男. 政策协同视角下耕地撂荒治理问题研究. 湖南农业大学学报: 社会科学版, 2024, 25(3): 68-78.

[LIU L H, LYU H N. Research on the management of abandoned farmland from the perspective of policy coordination. Journal of Hunan Agricultural University: Social Sciences, 2024, 25(3): 68-78.]

Options
Outlines

/

〈 〉