El abandono de tierras agrícolas es un problema mundial que amenaza la seguridad alimentaria y tiene consecuencias significativas para el crecimiento sostenible de la economía, la sociedad y el ecosistema natural. Sin embargo, detectar y mapear tierras abandonadas es un desafío debido a sus diversas características, como la variación en la cobertura vegetal, la reflectancia espectral y los patrones espaciales. Para superar estos desafíos, empleamos imágenes de Gaofen-6 (GF-6) junto con un modelo de Vision Transformer (ViT), aprovechando la autoatención y el aprendizaje de características a múltiples escalas para mejorar significativamente nuestra capacidad de clasificar coberturas de tierra de manera precisa y eficiente. En el condado de Mianchi, China, el estudio revela que aproximadamente 385 hectáreas de tierras agrícolas (alrededor del 2.2% del total de tierras agrícolas) fueron abandonadas entre 2019 y 2023. El mayor abandono anual ocurrió en 2021, con 214 hectáreas, seguido de 170 hectáreas en 2023. La principal razón del abandono fue la transformación de tierras agrícolas en actividades de excavación, tierras yermas y paseos verdes a lo largo de las carreteras. El rendimiento del ViT alcanzó su punto máximo cuando se integraron múltiples índices de vegetación (VIs) en las bandas de GF-6, resultando en los mejores resultados alcanzados (puntaje F1 = 0.89 y OA = 0.94). Nuestro estudio representa un enfoque innovador al integrar ViT con imágenes compuestas multibanda de GF-6 de 8 m para la identificación y análisis precisos de patrones de abandono de tierras agrícolas a corto plazo, marcando una contribución distintiva en comparación con investigaciones anteriores. Además, nuestros hallazgos tienen implicaciones más amplias para la gestión efectiva del uso de la tierra, la optimización de recursos y la resolución de desafíos complejos en el campo.