粤东山区耕地撂荒的影响因素及整治对策研究

摘 要：基于410份问卷调查数据，采用二元Logit模型，本文对粤东山区五华县农村耕地撂荒的影响因素展开研究。结果发现，在外务工人数、户主受教育程度、家庭收入主要来源、耕地收入满足家庭开支情况、耕地的主要耕作、收割方式、耕地的灌溉条件、耕地保护意识和耕地流转政策的了解情况等八个变量对农户耕地撂荒的概率有显著影响。因此，可考虑从加强农户培育与引导、强化政府服务、加强基础设施建设与集约化经营、调动多方主体协同治理等方面，采取切实有效的整治措施，有序推进撂荒耕地复耕复种。

关键词：耕地撂荒；复耕复种；影响因素；整治对策

中图分类号：F301.24

文献标识码：A

文章编号：1008-2697（2024）04-0027-06

一、引言

2024年中央一号文件指出，严格落实耕地保护制度，因地制宜推进撂荒地利用。据《中国统计年鉴》数据，改革开放40多年来，我国城镇常住人口从1978年的172亿人增加到2023年的超93亿人，城镇化率从1792%提升到6616%，年均提高107个百分点。城镇化进程的加剧，城市的聚集效应越来越明显，非农人口急剧上升，成为了我国经济社会发展进程中一种主要的趋势。通过国家统计局官网数据可知，截止至2023年，进城务工人口29562万人，比上年增加311万人，增长11%。农村地区主要劳动力大量外出务工，留守农村的主要群体是老人和小孩。农业劳动力短缺的一个直接后果是，一些农田被废弃，特别是在山区，由于地形限制，大型农机无法使用，农业劳动力损失无法弥补。目前全国耕地仅有192亿公顷，与十年前的国土调查时的203亿公顷比较，中国耕地地类足足削减了11亿亩。耕地面积的急剧下降已经严重威胁到我国的粮食安全，也对农业农村的发展和农业现代化的进程造成巨大影响。为此，解决耕地撂荒这一问题成为学界普遍关注的热点。

粤东山区五华县是传统的粮食生产大县，同时被列为国家级粮食主产区，全县有耕地6146万亩，土地总面积和耕地面积均排梅州市第一。近年来，五华县积极响应国家号召，通过制定激励政策和项目资金补助，推进撂荒耕地复耕复种工作，取得一定成效。然而，受农户、政府服务和社会经济等多重因素影响，五华县耕地撂荒地面积仍呈上升趋势。本文以五华县为例，通过问卷调查、实地访谈的方法，结合政府相关职能部门公开的数据资料，对五华县耕地撂荒的现状及存在问题展开分析，从而识别出造成该地区耕地撂荒的主要影响因素，并提出解决耕地撂荒的对策建议。

二、文献综述

周丁扬等[1]对耕作行为实施的主体农户进行分析发现，随着生产力提高，城镇化进程加快，更多人向往城市便捷的各种资源等因素，导致农村劳动力缺失严重，加剧了农村耕地撂荒[2]。邹金浪等[3]更加深化的划分农户，提出了“代际差异”，即是农户分为老一代、中生代和新生代，他们选择耕作的意愿和耕地保护意识均逐渐降低，导致耕地撂荒行为逐渐增强。胡敏和王成超[4]很早就提出农村劳动力非农转移会加剧农户耕地撂荒，农村劳动力外出务工对耕地撂荒产生中介效应，外出距离越远，耕地撂荒的可能性就会增加[5]。另外，农户兼职副业的程度越高，耕地撂荒概率就会随之变大，反之则越小[6]。

学者普遍认为经济社会的发展同样加快了撂荒耕地的形成。在社会经济的发展下，农村大量劳动力由第一产业逐渐转向第二和第三产业，导致农业生产劳动力十分短缺，许多耕地因此无人耕种，或是心有余而力不足耕种，最终耕地只能闲置和荒芜[7]。更多的学者如：沈萌[8]、王可超等[9]认为农业基础设施建设水平不高、农业生产方式落后、生产规模小以及土地流转不畅直接影响着耕地撂荒行为。李明康[10]、李雨凌等[11]认为耕地种植的粮食作物经济收益比较低，加上务农成本的增加，非农收益大于从事农业收益等因素导致耕地撂荒。罗拥华和杨涛[12]认为耕地碎片化分布、专业性的土地流转中介组织发展薄弱和流转合约保障不足等因素极大程度上影响了耕地撂荒。

生态因素（地形地貌、气候、土壤、海拔等）对耕地撂荒行为具有严重的影响[13]。从区位效应的角度去分析耕地撂荒，认为处于出于不同的区位，不同的农户对耕地的利用也是不同[14]。在地形方面，高原山地对耕地撂荒行为影响最为显著，距离城市远近、交通便利程度等均对农户耕作意愿、耕作行为产生影响。我国耕地撂荒主要集中在离城市较远的山地、丘陵地区，由于偏远、坡高等不便管理和耕作，种植难度大[15]。同样，还有学者通过对仪陇县保平镇撂荒地空间分布格局开展研究，发现撂荒地普遍分布偏远山区、远离主要道路、远离主要水源的地区[16]；另外，通过对四川省渠县青龙乡的撂荒地空间分布格局进行研究，发现撂荒地主要分布在地形起伏大的地区，显示地形因素对耕地撂荒影响显著[17]。张杰琳等[18]在研究关中西部干旱地区耕地撂荒问题时发现，耕地撂荒的空间分布格局主要是受灌溉条件、地形地貌、气候等因素影响。

综上分析，国内学者针对耕地撂荒的影响因素研究，大致从农户自身、政府服务、生态因素和社会经济因素等方面展开。基于此，本文对耕地撂荒影响因素指标的构建分别从农户家庭个体因素、耕地的基本情况两大维度出发，采用二元Logit模型对五华县农村耕地撂荒影响因素进行实证分析。

三、研究方法和变量选取

（一）问卷设计和数据来源

1.问卷设计

本文通过访谈农业农村局工作人员以及文献梳理，结合五华县的实际情况，编制了五华县耕地撂荒调查问卷，问卷分为三大部分，第一部分是农村户籍的家庭情况，主要包括家庭人口、劳动力、户主受教育程度、农业劳动力最高受教育程度、家庭总收入及收入来源等相关情况；第二部分是耕地情况，主要包括耕地的质量、耕地的空间分布、耕地的耕作方式、耕地的灌溉条件、耕地撂荒的类型、原因、影响等；第三部分是其他情况了解，主要包括耕地保护的意识、耕地保护的建议、耕地流转的政策及流转的意愿等。

2.数据来源

本文共选取了五华县420户农村户籍人口家庭为问卷调查对象，主要采取面谈式问卷调查结合个别深入访谈的调查方式，以保证调查对象能准确理解问卷内容，其中包括具有一定农业背景的农民和相关农业组织机构。根据五华县各个乡镇耕地分布情况，在安流镇、河东镇、华城镇、横陂镇4个镇发放问卷调查占比为57%，即每个乡镇平均发放60份，总发放240份；其他12个乡镇均发放15份问卷调查。样本涵盖五华县16个乡镇，并结合了耕地分布情况，使得问卷调查更具有代表性。在镇政府相关工作人员以及村干部的陪同下开展本次入户问卷调查，共计发放问卷420份，收回420份，经过整理剔除了无效问卷10份，得到有效问卷410份，有效问卷回收率为9762%。

（二）模型的选择与说明

为了探究五华县农村耕地撂荒影响因素，本文采用二元Logit模型（Binary Logit Model）进行计量分析。二元Logit模型是一种广义线性模型，适用于处理因变量为二元分类变量（0或1）的情况。本文将样本农户是否存在耕地撂荒作为因变量，用0表示无撂荒，用1表示有撂荒。并根据样本农户的家庭情况、耕地情况和其他情况，选择12个变量影响因素作为自变量；具体如表1所示。

其中，P（Y=1）表示样本农户存在耕地撂荒的概率；βi表示各个自变量对因变量影响的系数。使用STATA软件对上述模型进行估计。

四、实证分析

（一）描述性统计分析

从表2可以看出，样本中有28.5%的农户存在耕地撂荒现象，平均家庭人口数为6.2人，平均在外务工人数为2.6人，户主受教育程度和农业劳动力最高受教育程度都以初中水平为主，平均家庭年均总收入为2.7万元，家庭收入主要来源为务工收入，平均耕地收入不能完全满足家庭开支，耕地的主要耕作、收割方式以半机械化为主，农户的耕地灌溉条件为一般，平均耕地保护意识为重要，平均耕地流转政策的了解情况为基本了解，平均耕地流转意愿为不愿意。统计分析结果数据反映了样本农户的基本特征以及他们对于耕地撂荒问题的态度和看法。

（二）模型估计

从表3可以看出，模型的拟合度较好，LR卡方统计量为95.21，P值小于0.01，表明模型的整体显著性水平很高，可以有效地解释农户耕地撂荒的概率。模型中有8个变量的系数显著不为零，分别为在外务工人数（X2）、户主受教育程度（X3）、家庭收入主要来源（X6）、耕地收入满足家庭开支情况（X7）、耕地的主要耕作、收割方式（X8）、耕地的灌溉条件（X9）、耕地保护意识（X10）和耕地流转政策的了解情况（X11），表明这些变量对农户耕地撂荒的概率有显著影响。

（三）结果分析

在外务工人数（X2）对农户耕地撂荒的概率有正向显著影响，系数为0.298，边际效应为0.068，表示在外务工人数每增加1人，农户耕地撂荒的概率就会增加6.8个百分点。这说明在外务工人数越多，农户的农业劳动力供给越少，农户的耕作意愿越低，农户耕地撂荒的可能性越大。

户主受教育程度（X3）对农户耕地撂荒的概率有负向显著影响，系数为-0.347，边际效应为-0.079，表示户主受教育程度每提高一个等级，农户耕地撂荒的概率就降低79个百分点。这说明户主受教育程度越高，农户的人力资本水平越高，农户的耕地保护意识越强，农户耕地撂荒的可能性越小。

家庭收入主要来源（X6）对农户耕地撂荒的概率有正向显著影响，系数为0.516，边际效应为0.118，表示家庭收入主要来源从务农收入变为务工收入或个体经营性收入，农户耕地撂荒的概率就增加11.8个百分点。这说明家庭收入主要来源不是务农收入，农户的收入不依赖于耕地，农户的耕作意愿越低，农户耕地撂荒的可能性越大。

耕地收入满足家庭开支情况（X7）对农户耕地撂荒的概率有负向显著影响，系数为-0.614，边际效应为-0.140，表示耕地收入满足家庭开支情况每提高一个等级，农户耕地撂荒的概率就降低140个百分点。这说明耕地收入满足家庭开支情况越好，农户的耕地的收益水平越高，农户的耕作意愿越强，农户耕地撂荒的可能性越小。

耕地的主要耕作、收割方式（X8）对农户耕地撂荒的概率有负向显著影响，系数为-0.519，边际效应为-0.119，表示耕地的主要耕作、收割方式从人力或畜力变为半机械化或全机械化，农户耕地撂荒的概率就降低11.9个百分点。这说明耕地的主要耕作、收割方式越先进，农户的耕地的生产效率越高，农户的耕作意愿越强，农户耕地撂荒的可能性越小。

耕地的灌溉条件（X9）对农户耕地撂荒的概率有负向显著影响，系数为-0.400，边际效应为-0.091，表示耕地的灌溉条件每提高一个等级，农户耕地撂荒的概率就降低91个百分点。这说明耕地的灌溉条件越好，农户的耕地的生产条件越好，农户的耕作意愿越强，农户耕地撂荒的可能性越小。

耕地保护意识（X10）对农户耕地撂荒的概率有负向显著影响，系数为-0.762，边际效应为-0.174，表示耕地保护意识每提高一个等级，农户耕地撂荒的概率就降低17.4个百分点。这说明耕地保护意识越强，农户对耕地的重视程度越高，农户的耕作意愿越强，农户耕地撂荒的可能性越小。

耕地流转政策的了解情况（X11）对农户耕地撂荒的概率有负向显著影响，系数为-0.362，边际效应为-0.083，表示耕地流转政策的了解情况每提高一个等级，农户耕地撂荒的概率就降低8.3个百分点。这说明耕地流转政策的了解情况越好，农户对耕地流转的认识程度越高，农户的耕地流转的接受程度越高，农户耕地撂荒的可能性越小。

综上所述，在外务工人数、户主受教育程度、家庭收入主要来源、耕地收入满足家庭开支情况、耕地的主要耕作及收割方式、耕地的灌溉条件、耕地保护意识和耕地流转政策的了解情况等八个变量对农户耕地撂荒的概率有显著影响。