滇中高原地區耕地利用對氣候暖干化的響應

童紹玉, 周 躍, 彭海英

（1.云南財經大學, a.城市與環境學院；b.國土資源與持續發展研究所, 昆明 650021；2.昆明理工大學環境科學與工程學院, 昆明 650093）

全球氣候變暖的事實已被IPCC 第五次評估報告用新的方法與數據進一步確認[1］。氣候的這種變化已威脅到了人類的生存環境和社會經濟的可持續發展[2］。其中, 農業因其生產還沒有徹底擺脫靠天吃飯的基本特征[3］, 是對氣候變化最敏感的產業部門[4］, 而耕地利用方式、作物種植結構和糧食安全問題對氣候變化的敏感性與脆弱性尤為突出[5-7］。氣候變化已使中國原有耕地種植模式和利用結構受到較大沖擊[8, 9］。因此, 在全球氣候變化的背景下, 耕地利用如何響應和適應氣候變化, 確保食物安全的問題變得至關重要。滇中高原地區是云南省人口、城市和耕地最集中的地區及傳統的糧煙基地, 氣候暖干化已對滇中高原地區耕地利用產生了較大影響, 耕地利用對區域氣候變化的響應與適應方式, 對區域農業可持續發展及糧食安全至關重要。因此, 分析滇中高原地區的氣候變化特征及耕地利用對區域氣候變化的響應特征, 可為區域農業持續發展提供依據。

耕地利用對氣候變化響應的常見方式是耕地種植結構的改變、種植方式的調整和作物空間格局的改變[8, 10-12］。例如, 陳有祿等[12］的研究表明, 隨著氣候變暖, 河湟谷地主要糧食作物播種面積比例結構變化顯著, 更耐旱的薯類和玉米的種植面積顯著增加, 玉米種植區向西部和高海拔地區擴展, 小麥種植面積快速下降且其種植范圍在地域空間上向東退縮；河湟谷地主要糧食作物種植結構由小麥-薯類模式逐漸轉向玉米-薯類-小麥模式, 即向多樣化、喜溫作物方向轉變。鄧振鏞等[8］的研究也認為氣候暖干化對西北4 ?。▍^）農業種植結構影響巨大。耕地利用對氣候變化響應的研究, 目前的方法主要是通過氣候變化特征與同一時段內耕地格局、耕地利用方式、作物種植結構變化之間的定性或定量對比, 來確定兩者之間的相關性[3, 7-11, 13］。耕地利用變化是對氣候變化[14］、經濟發展、政策和市場變動[15］、農業勞動力轉移[16, 17］、勞動力價格變化[18］、農業技術的發展與推廣[11］等多因素變化的綜合響應, 將耕地種植結構對氣候變化響應貢獻量剝離出來的研究還較少[7］, 需要進一步深入研究。

1 研究區概況

滇中高原位于云南中部, 以丘陵狀高原湖盆地貌為主, 平均海拔2 000 m；屬低緯高原山地季風氣候, 四季如春, 干濕季分明[19］；干季（11 月至次年4月）降水量僅為全年降水量的15%左右, 缺水嚴重, 干旱出現頻率高[20］, 氣候暖干化趨勢顯著[21］。滇中高原內部的地理環境差異較大[20］, 故本研究以滇中高原核心區自然地理環境較接近的楚雄州、昆明市和玉溪市的行政范圍為研究區（圖1）。研究區位于北緯23°19′—26°30′、東經100°43′—103°40′, 總面積為643.93 萬hm2, 占云南省總面積的16.80%；屬云南的高原湖盆區, 地表起伏相對較小, 以丘陵狀高原為主, 高原面保存相對完好；屬于滇中經濟區的核心, 是云南省人口、耕地、城市最集中和經濟社會發展水平最高的區域, 也是云南重要的糧、煙、油料、生豬和花卉生產基地[20］。其中, 耕地面積占全省耕地面積的17.08%（2019 年）；2019 年作物總播種面積占全省總播種面積的16.49%, 種植業增加值占全省種植業增加值的24.51%, 糧食單產是全省平均水平的1.08 倍, 是云南省農業生產水平最高的區域[20］。

圖1 研究區在云南省的位置示意圖

2 數據與方法

2.1 數據

1998—2019 年研究區33 個站點的逐月氣象數據來源于云南省氣象局；作物播種面積數據源于1997—2020 年的《云南統計年鑒》；區域供用水量、農業用水量源自2000—2019 年的《云南省水資源公報》；作物的灌溉用水量定額依據《云南省用水定額》（DB53/T168—2019）的規定；耕地面積數據源自《云南省第三次全國國土調查主要數據公報》《昆明市第三次全國國土調查主要數據公報》《玉溪市第三次全國國土調查主要數據公報》《楚雄州第三次全國國土調查主要數據公報》。

2.2 研究方法

構建耕地利用的區域灌溉需水指數, 據此分析耕地利用的變化特征；分析研究區氣溫、降水量、干濕度與主要作物的播種面積、耕地利用區域灌溉需水指數的相關性。

2.2.1 區域耕地利用結構及區域灌溉需水程度指數

1）區域耕地利用結構。區域耕地利用結構是指一定范圍內各種耕地利用方式的比例關系或組成情況, 是各種耕地利用方式按一定比例構成的集合。區域耕地利用結構可以用該區域的作物種植結構來表示。按云南省農業部門和統計部門的統計口徑, 云南省的耕地利用方式按種植作物來分, 主要有水稻田、小麥地、玉米地、豆類用地、薯類用地、其他糧食作物用地、油料用地、煙葉用地、甘蔗用地、蔬菜瓜果用地、其他作物用地, 共11 類。因此, 研究區的區域耕地利用結構就是這11 類作物面積所占比例的集合, 11 類作物面積占比的變化即是耕地利用結構的變化。

2）耕地利用的區域灌溉需水程度指數。為方便分析區域耕地利用結構的變化及其與氣候變化之間的關系, 構建一個耕地利用的區域灌溉需水程度指數。應用威弗組合指數的構建原理[14］, 把各種作物面積的占比和其灌溉需水等級組合成一個綜合指數——耕地利用的區域灌溉需水程度指數。用該指數綜合反映某一區域耕地利用對灌溉水量的需求程度及區域耕地利用結構的狀態。其計算公式如下：

式中,LUDW為某區域耕地利用的區域灌溉需水程度指數,n為區域內主要作物的種數,Ai為某區域第i種作物的播種面積,S為某區域作物總播種面積,dwi為第i種作物的灌溉需水量等級指數, 根據當地降水量情況及作物生長對水的需求量來確定。LUDW的值為0～10, 值越大, 說明該區域耕地利用結構對灌溉水量的需求越大, 區域耕地利用結構的濕化特征越明顯；值越小, 說明該耕地利用結構對灌溉水的需求總量越小, 區域耕地利用結構的旱化程度越高；當LUDW＝10 時, 代表區域內耕地全為有灌溉保證的水田并全部種植水稻, 區域耕地利用的灌溉需水程度最高, 耕地利用結構為最濕狀態；當LUDW＝0 時, 代表區域內的耕地均無灌溉保證, 為雨養農業, 對灌溉水的需求程度最低, 區域耕地利用結構為最旱狀態。

dwi確定方法為：①根據《云南省用水定額》（DB53/T168—2019）, 研究區平水年的主要作物對灌溉水的需求量大小為：水稻＞油菜＞小麥＞玉米＞豆類＞烤煙＞花生＞薯類＞蔬菜（1 茬）。②若設定平水年灌溉需水量最大的作物灌溉需水等級指數為10.00, 設定在平水年最耐旱作物不需要人工灌溉, 其需水等級指數為0, 則其他作物的灌溉需水量等級指數為：

式中,Di為第i種作物的多年平均灌溉需水量, maxDi是主要作物中灌溉需水量最大作物的灌溉需水量。0≤dwi≤10,dwi越大, 該作物所需的灌溉水量越大。

根據《云南省用水定額》（DB53/T168—2019）和公式（2）, 即可得到滇中高原地區平水年主要農作物的灌溉需水等級指數, 如表1 所示。

表1 滇中高原地區平水年主要農作物的灌溉需水等級指數

2.2.2 Kira 干濕度指數 Kira 干濕度指數（Humidity/aridity index）基于降水量與氣溫來計算[23］, 計算公式如下：

式中,K為Kira 干濕度指數,P為年降水量,WI為溫暖指數,tj為月平均氣溫大于5 ℃的第j個月的月平均溫,m為月平均氣溫大于5 ℃的月數。K越高表示氣候越濕潤,K越小則氣候越干旱。由于與植被的對應性好, Kira 干濕度指數常被用來定量分析大范圍區域內植被、氣候之間的關系[23］。

2.2.3 Mann-Kendall 趨 勢 檢 驗 Mann-Kendall 趨勢檢驗法（M-K 趨勢檢驗法）, 可有效判別某一自然過程是處于自然波動狀態還是波動中有確定的變化趨勢。該方法因受異常值干擾較少, 且不受數據分布特征的影響, 故被廣泛應用于氣候變化影響下的降水量、干旱頻次趨勢檢測及水文要素的變化趨勢檢測。M-K 趨勢檢驗法是基于M-K 統計值Z, 來做趨勢統計的顯著性檢驗。假定被分析的數據序列無變化趨勢, 通過雙尾檢驗后, 當∣Z∣＜Z1-（σ/2）時,Z1-（σ/2）為某一顯著水平臨界檢驗值, 0.1、0.05 和0.01 顯著水平的Z1-（σ/2）分別為1.28、1.64、2.32, 則原假設被接受, 即數據序列變化趨勢不顯著；當∣Z∣＞Z1-（σ/2）時, 則表示拒絕原假設, 數據序列的變化趨勢顯著[24］。其中,Z為正值時, 表示數據序列呈上升趨勢,Z為負值時, 表示數據序列呈下降趨勢。

2.2.4 滯后相關系數與累積滯后相關系數 將1998—2019 年的年降水量、Kira 干濕度指數與同期各種作物播種面積、區域耕地利用灌溉需水程度指數進行相關分析, 采用t檢驗對相關系數進行顯著性檢驗, 據此分析區域耕地作物種植結構對氣候變化的響應程度。

耕地作物種植結構對氣候因子變化的響應具有時滯效應[25］, 因此要計算耕地利用與氣候因子之間的滯后相關系數和累積滯后相關系數。滯后相關系數和累積滯后相關系數的計算公式[26］如下：

式中,R為滯后相關系數,rx是指某年的某種作物播種面積、LUDW與前推第x年的氣候要素之間的相關系數；若R＝rx, 則滯后期為x；R′為累積滯后相關系數,r0～x是指從當年至前推第x年的氣候要素累積值與某種作物播種面積、LUDW之間的相關系數；若R′＝r0～x, 則累積滯后期為x。

3 結果與分析

3.1 研究區氣候變化特征

研究區1998—2019 年的年均氣溫、年降水量、Kira 干濕度指數的變化特征和M-K 檢驗結果如圖2所示。1998—2019 年研究區的年均氣溫呈顯著上升趨勢（Z＝1.49）, 增溫速率高達0.35 ℃/10 a；研究區年降水量波動雖較大, 但總體上還是呈顯著下降趨勢（Z＝-1.52）, 下降速率為79.15 mm/10 a；其中, 2009—2013 年出現連續5 a 的嚴重干旱, 年降水量為研究時段最低, 自2015 年以來年降水量才有所回升。Kira 干濕度指數在4.35～7.78 波動, 總體上呈下降趨勢（Z＝-1.64）, 下降速率為0.65/10 a；其中, 2009—2012 年是自1998 年以來Kira 干濕度指數最低的時段, 為4.35～5.20, 與2009—2013 年研究區的5 年連續嚴重干旱[21］相對應。從Kira 干濕度指數的變化來看, 研究區的濕潤程度有下降趨勢。因年降水量和Kira 干濕度是劃分氣候干濕程度的定量指標, 從兩者的變化趨勢看, 研究區氣候有變干趨勢。所以, 綜合年均氣溫、年降水量和Kira 干濕度指數的變化, 研究區氣候有暖干化趨勢。

圖2 1998—2019 年研究區年均氣溫（a）、年降水量（a）與Kria 干濕度指數（b）的變化

3.2 研究區1998—2019 年耕地利用結構變化的特征

3.2.1 耕地種植結構的變化 研究區1998—2019年的耕地種植結構發生了明顯變化, 如圖3 所示。研究區糧食作物播種面積占比持續下降。其中, 在五大糧食作物中, 灌溉需水量大的水稻、小麥的播種面積占比分別從1998 年的20.06%、19.94% 降為2019 年的8.22%、6.94%；而灌溉需水量較少的玉米、薯類播種面積占比則分別從1998 年的14.82%、3.29%增至19.03%、4.48%；在經濟作物中, 灌溉需水量最大的是油菜, 其播種面積占比先升后降, 2009達到最高, 2009 年后由于持續的干旱, 其占比持續下降；需水量較少的烤煙播種面積占比也是先升后降, 從2006 年開始持續下降, 2005—2019 年烤煙面積占比下降了4.55 個百分點；而需水量最小的蔬菜種植面積占比持續、快速增長, 從1998 年的6.24%增為2019 年的26.77%。

圖3 1998—2019 年研究區耕地種植結構

研究區糧食作物的平均灌溉需水量總體高于經濟作物, 相對應的是糧食作物總播種面積下降, 灌溉需水量相對較少的經濟作物播種面積持續上升；其中, 灌溉需水量最大的水稻播種面積持續下降, 需水量少的玉米、蔬菜的播種面積快速增長。這說明區域耕地利用趨向于增加灌溉需水量更少的作物播種面積, 即耕地利用結構有 “旱化” 趨向。

3.2.2 耕地利用的區域灌溉需水程度指數的變化1998—2019 年研究區的LUDW的變化情況, 如圖4所示。1998—2019 年研究區的LUDW呈顯著下降趨勢（Z＝-6.09）, 平均降幅為0.59/10 a。1998—2019年研究區LUDW的顯著下降, 表明研究區耕地利用的結構有 “旱化” 趨勢。

從圖4 可知, 1998—2019 年研究區的總播種面積在增長, 而農業用水量在下降。這也從另一個方面說明在氣候暖干化趨勢背景下, 研究區的耕地利用結構在氣候變干變暖導致的水資源不足及作物對灌溉水量需求增加的壓力下, 區域耕地利用趨向于灌溉需水總量更少的利用結構, 即通過讓區域耕地利用結構持續 “旱化” 來應對氣候的暖干化。

圖4 1998—2019 年研究區耕地利用的區域灌溉需水程度指數（LUDW）、農業用水量與總播種面積的變化

3.3 研究區耕地利用結構對氣候變化的響應分析

3.3.1 耕地利用結構與氣候因子的相關分析 氣溫上升、降水量減少, 都會促使干燥度上升, 會導致作物灌溉需水量增加。一般情況下, 在氣候變干、農業用水資源增長受制約的情況下, 耕地利用會向總需水量少的利用結構轉型, 以響應氣候變化及農業用水量的約束。因此, 通過研究區主要作物播種面積、耕地利用的區域灌溉需水程度指數與年均氣溫、年降水量、Kira 干濕度指數的相關性, 來確定耕地利用對氣候變化的響應關系, 如表2 所示。其中, 年降水量和Kira 干濕度指數是用年降水量、Kira 干濕度指數的2 年滑動平均值。其原因有以下2 個方面, ①降水量的波動較大, 研究中經常使用滑動平均值替代年降水量；②研究區干季（11 月至次年4 月）降水量少, 尤其是1 月至5 月初, 氣溫高、光照強, 農作物主要依靠灌溉和土壤蓄水, 而灌溉用水和土壤蓄水主要源自上年雨季（上年5 月下旬至10 月底）的蓄水, 故研究區農業用水量其實受上年降水量和當年降水量的共同影響。

表2 1998—2019 年研究區主要作物播種面積、LUDW 與主要氣候因子的Spearman 相關系數

水稻、小麥、玉米、油菜、蔬菜的播種面積與氣溫呈顯著相關, 灌溉需水量大的水稻、小麥播種面積與年平均氣溫呈顯著負相關, 而需水較小的玉米、蔬菜播種面積與年平均氣溫呈顯著正相關。水稻、小麥的播種面積與年降水量的2 a 滑動平均值、Kira 干濕度指數的2 a 滑動平均值呈顯著正相關, 油菜、蔬菜、烤煙、薯類及其他糧食作物的播種面積與年降水量的2 a 滑動平均值、Kira 干濕度指數的2 a 滑動平均值呈顯著負相關。結果表明, 需水量大的水稻和旱作中需水量相對大的小麥的播種面積隨著氣候暖干化呈明顯下降趨勢；旱作中需水量中等或較少的玉米、薯類、烤煙、蔬菜和其他糧食作物的播種面積隨著氣候持續暖干化而增加。其中, 旱作中需水量較大的油菜對氣候暖干化的響應與其他需水量較大的作物明顯不同, 其播種面積隨著氣候變干不降反增。這是由于油菜的灌溉需水量較小麥高, 且兩者同為小春大田作物, 兩者存在爭地、爭水的情況, 但由于油菜本身經濟價值高于小麥, 且近年來鄉村旅游的發展又使油菜種植有了附加價值, 因此, 隨著氣候變干和灌溉水的緊缺, 需水量較大但經濟收益低的小麥逐步退出, 退出的面積主要轉化為需水量略高于小麥但經濟收益更高的油菜, 這就使得油菜面積不斷增加。

耕地利用的區域灌溉需水程度指數（LUDW）與年降水量的2 a 滑動平均值、Kira 干濕度指數的2 a滑動平均值均呈顯著正相關, 與年平均氣溫呈顯著負相關。這說明區域耕地利用對氣候持續暖干化的響應表現為區域耕地利用結構持續 “旱化” , 耕地利用的區域灌溉需水程度持續下降。

3.3.2 研究區耕地利用結構對氣候因子響應的滯后性分析 為研究區域耕地利用結構對氣候變化響應的時滯性, 需要計算研究區主要作物播種面積、LUDW與前推年份氣候因子的相關系數, 結果如表3所示。主要作物播種面積、LUDW與前推年份的Kira 干濕度指數、年降水量變化都有相關性, 表明區域耕地利用結構對氣候變化的響應具有顯著滯后效應。其中, 水稻、小麥、玉米、薯類、其他糧食作物、油菜、烤煙和蔬菜對Kira 干濕度變化的響應的滯后期分別為5、4、5、3、3、4、2、5 a, 對年降水量響應的滯后期分別為4、4、5、3、3、4、2、4 a；區域耕地利用灌溉需水指數對Kira 干濕度指數、年降水量變化響應的滯后期都是4 a。

表3 1998—2019 年研究區主要作物播種面積、LUDW 與前推年份的氣候因子的Spearman 相關系數

研究區1998—2019 年主要作物播種面積、LUDW與不同前推時間段累積降水量的相關系數如表4 所示。主要作物的播種面積、區域耕地利用灌溉需水程度指數與前推年份的累積降水量都有較高的相關性, 說明主要作物播種面積（豆類除外）區域耕地種植結構對降水量變化的響應有顯著的累積滯后性。其中, 對干旱敏感性低的玉米、蔬菜的播種面積對降水量變化響應的累積滯后期長達8 a, 而水稻、小麥、薯類、其他糧食作物、油菜、烤煙的累積滯后期分別為6、5、5、5、5、2 a, 區域耕地利用灌溉需水程度指數對降水量響應的累積滯后期為8 a。

表4 1998—2019 年主要作物播種面積、LUDW 與不同時間段累積降水量的Spearman 相關系數

區域耕地利用結構是適應當地的氣候、地貌、土壤等自然條件、農業生產條件及社會經濟需求形成的, 具有一定穩定性, 因此, 主要作物播種面積和區域耕地利用灌溉需水程度指數對降水量及Kira 干濕度指數變化響應具有時滯性。同時, 當這種滯后效應出現, 也說明當地的氣候發生了持續的變化, 從而推動了區域耕地利用結構的變化。

4 小結與討論

4.1 小結

通過分析滇中高原核心地區昆明市、玉溪市和楚雄州范圍內的主要氣候要素的變化、耕地種植結構的變化及二者之間的相關性, 得到以下結論。

1）自1998 年以來, 滇中高原地區氣候的暖干化趨勢顯著。其中, 1998—2019 年平均氣溫呈上升趨勢, 平均增溫速率達0.35 ℃/10 a；降水量和Kira 干濕度指數呈下降趨勢, 平均下降速率分別為79.15 mm/10 a和0.65/10 a。

2）在氣候暖干化背景下, 區域耕地利用的灌溉用水量隨作物總播種面積的上升而呈下降趨勢；在播種面積保持增長的背景下, 區域耕地利用灌溉需水程度指數呈下降趨勢, 即1998—2019 年滇中高原核心區的耕地利用結構有顯著 “旱化” 趨勢。

3）滇中高原核心區耕地利用結構對區域氣候暖干化的響應模式主要表現為區域耕地利用結構持續 “旱化” , 且這種響應模式具有時滯性。其中, 灌溉需水量大的水稻、小麥播種面積與年平均氣溫呈顯著負相關, 而需水較小的玉米, 其播種面積與年平均氣溫呈顯著正相關, 水稻、小麥與年降水量2 a 滑動平均值、Kira 干濕度指數的2 a 滑動平均值呈顯著正相關, 油菜、蔬菜、烤煙、薯類及其糧食作物的播種面積與年降水量2 a 滑動平均值、Kira 干濕度指數的2 a滑動平均值呈顯著負相關。水稻、小麥、玉米、薯類、其他糧食作物、油菜、烤煙和蔬菜的播種面積占比對Kira 干濕度指數、年降水量變化響應的滯后期為2～5 a, 區域耕地利用灌溉需水指數對Kira 干濕度指數、年降水量變化響應的滯后期都是4 a；對干旱敏感性低的玉米、蔬菜, 其播種面積對降水量變化響應的累積滯后期長達8 a, 而水稻、小麥、薯類、其他糧食作物、油菜、烤煙的累積滯后期為2～6 a, 區域耕地利用灌溉需水程度指數對降水量響應的累積滯后期為8 a。出現這種滯后性和累積滯后效應的原因, 一方面是與研究區的干濕季分明的氣候特征、高原分水嶺地帶的水文特征、當地種植需水與降水季節分布的不同期關系有關, 另一方面是與耕地利用結構的穩定性及農戶耕地利用方式的慣性有關。

4.2 討論

滇中高原地區氣候的變干趨勢從1970 年就已開始, 且逐漸顯著。高瑞等[27］基于滇中高原地區1971—2011 年的月降水量、氣溫資料和年尺度SPEI的變化特征, 認為滇中地區存在旱化趨勢, 并經歷了從無旱向干旱或向更重一級干旱變化的過程, 且未來這個變化趨勢還將延續；曹言等[21］基于1970—2014 年的干燥度指數變化, 發現滇中高原地區的氣候在年尺度上變干趨勢明顯；李軍等[28］在分析西南農業區1962—2012 年月氣象資料的基礎上, 認為西南農業區整體呈干旱化趨勢, 2000 年以來年四季變干趨勢更加明顯, 其中云南高原東部區（包括滇中高原區）變干趨勢顯著。

在滇中高原地區氣候暖干化背景下, 研究區總播種面積持續增長, 而農業用水量及其占區域總用水量的占比持續下降, 對此耕地利用結構的響應策略是不斷調整耕地利用方式, 使耕地利用結構持續 “旱化” 。這種響應模式可有效且低成本地減少區域耕地利用的需水量, 減輕農業用水資源不足帶來的壓力, 馮克鵬等[29］在寧夏的研究也有相近的結論。

研究區耕地利用結構對氣候持續暖干化的響應是使區域種植結構 “旱化” , 且該響應具有顯著的滯后性和累積滯后性, 不同作物的滯后期不同。其他研究也發現, 土地利用變化、植被變化對降水量的響應具有滯后性和累積滯后效應[25, 26］。研究區耕地利用對氣候暖干化響應的滯后性和累積滯后效應, 一方面, 可能與研究區的干濕季分明的氣候特征、高原分水嶺地帶的水文特征、當地種植需水與降水季節分布的不同期關系有關, 另一方面, 更多的是與農戶耕地利用模式的慣性有關。區域耕地利用結構是為適應當地的氣候、地貌、土壤等自然條件、農業生產條件及社會經濟需求形成的, 具有一定穩定性, 氣候持續變化一定時段后, 耕地的利用模式才會變化。因農戶利用耕地的方式受耕地習慣、技能、市場及已投入的農業生產成本的影響而具有慣性, 例如, 2009—2013 年研究區出現連續5 a 的干旱, 在干旱出現的第1 年和第2 年, 部分糧農通過引水、打井等方式保持水稻種植, 也有部分農戶棄耕等待旱災結束, 而更多的農戶把水田轉化為旱地, 改種玉米或其他需水量少的經濟作物, 還有部分水田、旱地建設了大棚, 或安裝節水灌溉設備, 以節水灌溉技術種植經濟價值更高的蔬菜、瓜果、鮮花、菌類及藥材；2014 年以后, 降水量逐步恢復, 2015—2017 年的年降水量超過多年平均降水量（距平百分比分別為8.71%、7.90%、10.39%）, 為偏豐水年, 但研究區內除楚雄州的水稻播種面積有小幅上升外, 其余2 市的水稻面積仍然有略微下降。原因有以下3 點, 第一, 幾年不種水稻的水田, 保水性能下降, 要重新種水稻需要投入勞動力和資金修整, 因此重新種植水稻的可能條件是原有條件較好的區域；第二, 已建大棚、或已安裝了節水灌溉設施的農田已不可能重新變成水田；第三, 在農戶調查中發現, 耕地種植方式及種植結構一旦改變, 農戶的種植技術及市場經驗逐步與這種改變耦合, 逆轉的可能性較小。

區域耕地種植結構的變化是對自然條件變化、經濟社會變化的綜合響應[7］。耕地利用結構的改變是耕地利用響應氣候變化最直接、最顯著和最常見的形式[30］, 本研究暫未考慮社會經濟因素變化對耕地利用結構的影響及響應, 有待下一步深入研究。