滇中高原地区耕地利用对气候暖干化的响应

童绍玉, 周 跃, 彭海英

（1.云南财经大学, a.城市与环境学院；b.国土资源与持续发展研究所, 昆明 650021；2.昆明理工大学环境科学与工程学院, 昆明 650093）

全球气候变暖的事实已被IPCC 第五次评估报告用新的方法与数据进一步确认[1］。气候的这种变化已威胁到了人类的生存环境和社会经济的可持续发展[2］。其中, 农业因其生产还没有彻底摆脱靠天吃饭的基本特征[3］, 是对气候变化最敏感的产业部门[4］, 而耕地利用方式、作物种植结构和粮食安全问题对气候变化的敏感性与脆弱性尤为突出[5-7］。气候变化已使中国原有耕地种植模式和利用结构受到较大冲击[8, 9］。因此, 在全球气候变化的背景下, 耕地利用如何响应和适应气候变化, 确保食物安全的问题变得至关重要。滇中高原地区是云南省人口、城市和耕地最集中的地区及传统的粮烟基地, 气候暖干化已对滇中高原地区耕地利用产生了较大影响, 耕地利用对区域气候变化的响应与适应方式, 对区域农业可持续发展及粮食安全至关重要。因此, 分析滇中高原地区的气候变化特征及耕地利用对区域气候变化的响应特征, 可为区域农业持续发展提供依据。

耕地利用对气候变化响应的常见方式是耕地种植结构的改变、种植方式的调整和作物空间格局的改变[8, 10-12］。例如, 陈有禄等[12］的研究表明, 随着气候变暖, 河湟谷地主要粮食作物播种面积比例结构变化显著, 更耐旱的薯类和玉米的种植面积显著增加, 玉米种植区向西部和高海拔地区扩展, 小麦种植面积快速下降且其种植范围在地域空间上向东退缩；河湟谷地主要粮食作物种植结构由小麦-薯类模式逐渐转向玉米-薯类-小麦模式, 即向多样化、喜温作物方向转变。邓振镛等[8］的研究也认为气候暖干化对西北4 省（区）农业种植结构影响巨大。耕地利用对气候变化响应的研究, 目前的方法主要是通过气候变化特征与同一时段内耕地格局、耕地利用方式、作物种植结构变化之间的定性或定量对比, 来确定两者之间的相关性[3, 7-11, 13］。耕地利用变化是对气候变化[14］、经济发展、政策和市场变动[15］、农业劳动力转移[16, 17］、劳动力价格变化[18］、农业技术的发展与推广[11］等多因素变化的综合响应, 将耕地种植结构对气候变化响应贡献量剥离出来的研究还较少[7］, 需要进一步深入研究。

1 研究区概况

滇中高原位于云南中部, 以丘陵状高原湖盆地貌为主, 平均海拔2 000 m；属低纬高原山地季风气候, 四季如春, 干湿季分明[19］；干季（11 月至次年4月）降水量仅为全年降水量的15%左右, 缺水严重, 干旱出现频率高[20］, 气候暖干化趋势显著[21］。滇中高原内部的地理环境差异较大[20］, 故本研究以滇中高原核心区自然地理环境较接近的楚雄州、昆明市和玉溪市的行政范围为研究区（图1）。研究区位于北纬23°19′—26°30′、东经100°43′—103°40′, 总面积为643.93 万hm2, 占云南省总面积的16.80%；属云南的高原湖盆区, 地表起伏相对较小, 以丘陵状高原为主, 高原面保存相对完好；属于滇中经济区的核心, 是云南省人口、耕地、城市最集中和经济社会发展水平最高的区域, 也是云南重要的粮、烟、油料、生猪和花卉生产基地[20］。其中, 耕地面积占全省耕地面积的17.08%（2019 年）；2019 年作物总播种面积占全省总播种面积的16.49%, 种植业增加值占全省种植业增加值的24.51%, 粮食单产是全省平均水平的1.08 倍, 是云南省农业生产水平最高的区域[20］。

图1 研究区在云南省的位置示意图

2 数据与方法

2.1 数据

1998—2019 年研究区33 个站点的逐月气象数据来源于云南省气象局；作物播种面积数据源于1997—2020 年的《云南统计年鉴》；区域供用水量、农业用水量源自2000—2019 年的《云南省水资源公报》；作物的灌溉用水量定额依据《云南省用水定额》（DB53/T168—2019）的规定；耕地面积数据源自《云南省第三次全国国土调查主要数据公报》《昆明市第三次全国国土调查主要数据公报》《玉溪市第三次全国国土调查主要数据公报》《楚雄州第三次全国国土调查主要数据公报》。

2.2 研究方法

构建耕地利用的区域灌溉需水指数, 据此分析耕地利用的变化特征；分析研究区气温、降水量、干湿度与主要作物的播种面积、耕地利用区域灌溉需水指数的相关性。

2.2.1 区域耕地利用结构及区域灌溉需水程度指数

1）区域耕地利用结构。区域耕地利用结构是指一定范围内各种耕地利用方式的比例关系或组成情况, 是各种耕地利用方式按一定比例构成的集合。区域耕地利用结构可以用该区域的作物种植结构来表示。按云南省农业部门和统计部门的统计口径, 云南省的耕地利用方式按种植作物来分, 主要有水稻田、小麦地、玉米地、豆类用地、薯类用地、其他粮食作物用地、油料用地、烟叶用地、甘蔗用地、蔬菜瓜果用地、其他作物用地, 共11 类。因此, 研究区的区域耕地利用结构就是这11 类作物面积所占比例的集合, 11 类作物面积占比的变化即是耕地利用结构的变化。

2）耕地利用的区域灌溉需水程度指数。为方便分析区域耕地利用结构的变化及其与气候变化之间的关系, 构建一个耕地利用的区域灌溉需水程度指数。应用威弗组合指数的构建原理[14］, 把各种作物面积的占比和其灌溉需水等级组合成一个综合指数——耕地利用的区域灌溉需水程度指数。用该指数综合反映某一区域耕地利用对灌溉水量的需求程度及区域耕地利用结构的状态。其计算公式如下：

式中,LUDW为某区域耕地利用的区域灌溉需水程度指数,n为区域内主要作物的种数,Ai为某区域第i种作物的播种面积,S为某区域作物总播种面积,dwi为第i种作物的灌溉需水量等级指数, 根据当地降水量情况及作物生长对水的需求量来确定。LUDW的值为0～10, 值越大, 说明该区域耕地利用结构对灌溉水量的需求越大, 区域耕地利用结构的湿化特征越明显；值越小, 说明该耕地利用结构对灌溉水的需求总量越小, 区域耕地利用结构的旱化程度越高；当LUDW＝10 时, 代表区域内耕地全为有灌溉保证的水田并全部种植水稻, 区域耕地利用的灌溉需水程度最高, 耕地利用结构为最湿状态；当LUDW＝0 时, 代表区域内的耕地均无灌溉保证, 为雨养农业, 对灌溉水的需求程度最低, 区域耕地利用结构为最旱状态。

dwi确定方法为：①根据《云南省用水定额》（DB53/T168—2019）, 研究区平水年的主要作物对灌溉水的需求量大小为：水稻＞油菜＞小麦＞玉米＞豆类＞烤烟＞花生＞薯类＞蔬菜（1 茬）。②若设定平水年灌溉需水量最大的作物灌溉需水等级指数为10.00, 设定在平水年最耐旱作物不需要人工灌溉, 其需水等级指数为0, 则其他作物的灌溉需水量等级指数为：

式中,Di为第i种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, 该作物所需的灌溉水量越大。

根据《云南省用水定额》（DB53/T168—2019）和公式（2）, 即可得到滇中高原地区平水年主要农作物的灌溉需水等级指数, 如表1 所示。

表1 滇中高原地区平水年主要农作物的灌溉需水等级指数

2.2.2 Kira 干湿度指数 Kira 干湿度指数（Humidity/aridity index）基于降水量与气温来计算[23］, 计算公式如下：

式中,K为Kira 干湿度指数,P为年降水量,WI为温暖指数,tj为月平均气温大于5 ℃的第j个月的月平均温,m为月平均气温大于5 ℃的月数。K越高表示气候越湿润,K越小则气候越干旱。由于与植被的对应性好, Kira 干湿度指数常被用来定量分析大范围区域内植被、气候之间的关系[23］。

2.2.3 Mann-Kendall 趋 势 检 验 Mann-Kendall 趋势检验法（M-K 趋势检验法）, 可有效判别某一自然过程是处于自然波动状态还是波动中有确定的变化趋势。该方法因受异常值干扰较少, 且不受数据分布特征的影响, 故被广泛应用于气候变化影响下的降水量、干旱频次趋势检测及水文要素的变化趋势检测。M-K 趋势检验法是基于M-K 统计值Z, 来做趋势统计的显著性检验。假定被分析的数据序列无变化趋势, 通过双尾检验后, 当∣Z∣＜Z1-（σ/2）时,Z1-（σ/2）为某一显著水平临界检验值, 0.1、0.05 和0.01 显著水平的Z1-（σ/2）分别为1.28、1.64、2.32, 则原假设被接受, 即数据序列变化趋势不显著；当∣Z∣＞Z1-（σ/2）时, 则表示拒绝原假设, 数据序列的变化趋势显著[24］。其中,Z为正值时, 表示数据序列呈上升趋势,Z为负值时, 表示数据序列呈下降趋势。

2.2.4 滞后相关系数与累积滞后相关系数 将1998—2019 年的年降水量、Kira 干湿度指数与同期各种作物播种面积、区域耕地利用灌溉需水程度指数进行相关分析, 采用t检验对相关系数进行显著性检验, 据此分析区域耕地作物种植结构对气候变化的响应程度。

耕地作物种植结构对气候因子变化的响应具有时滞效应[25］, 因此要计算耕地利用与气候因子之间的滞后相关系数和累积滞后相关系数。滞后相关系数和累积滞后相关系数的计算公式[26］如下：

式中,R为滞后相关系数,rx是指某年的某种作物播种面积、LUDW与前推第x年的气候要素之间的相关系数；若R＝rx, 则滞后期为x；R′为累积滞后相关系数,r0～x是指从当年至前推第x年的气候要素累积值与某种作物播种面积、LUDW之间的相关系数；若R′＝r0～x, 则累积滞后期为x。

3 结果与分析

3.1 研究区气候变化特征

研究区1998—2019 年的年均气温、年降水量、Kira 干湿度指数的变化特征和M-K 检验结果如图2所示。1998—2019 年研究区的年均气温呈显著上升趋势（Z＝1.49）, 增温速率高达0.35 ℃/10 a；研究区年降水量波动虽较大, 但总体上还是呈显著下降趋势（Z＝-1.52）, 下降速率为79.15 mm/10 a；其中, 2009—2013 年出现连续5 a 的严重干旱, 年降水量为研究时段最低, 自2015 年以来年降水量才有所回升。Kira 干湿度指数在4.35～7.78 波动, 总体上呈下降趋势（Z＝-1.64）, 下降速率为0.65/10 a；其中, 2009—2012 年是自1998 年以来Kira 干湿度指数最低的时段, 为4.35～5.20, 与2009—2013 年研究区的5 年连续严重干旱[21］相对应。从Kira 干湿度指数的变化来看, 研究区的湿润程度有下降趋势。因年降水量和Kira 干湿度是划分气候干湿程度的定量指标, 从两者的变化趋势看, 研究区气候有变干趋势。所以, 综合年均气温、年降水量和Kira 干湿度指数的变化, 研究区气候有暖干化趋势。

图2 1998—2019 年研究区年均气温（a）、年降水量（a）与Kria 干湿度指数（b）的变化

3.2 研究区1998—2019 年耕地利用结构变化的特征

3.2.1 耕地种植结构的变化 研究区1998—2019年的耕地种植结构发生了明显变化, 如图3 所示。研究区粮食作物播种面积占比持续下降。其中, 在五大粮食作物中, 灌溉需水量大的水稻、小麦的播种面积占比分别从1998 年的20.06%、19.94% 降为2019 年的8.22%、6.94%；而灌溉需水量较少的玉米、薯类播种面积占比则分别从1998 年的14.82%、3.29%增至19.03%、4.48%；在经济作物中, 灌溉需水量最大的是油菜, 其播种面积占比先升后降, 2009达到最高, 2009 年后由于持续的干旱, 其占比持续下降；需水量较少的烤烟播种面积占比也是先升后降, 从2006 年开始持续下降, 2005—2019 年烤烟面积占比下降了4.55 个百分点；而需水量最小的蔬菜种植面积占比持续、快速增长, 从1998 年的6.24%增为2019 年的26.77%。

图3 1998—2019 年研究区耕地种植结构

研究区粮食作物的平均灌溉需水量总体高于经济作物, 相对应的是粮食作物总播种面积下降, 灌溉需水量相对较少的经济作物播种面积持续上升；其中, 灌溉需水量最大的水稻播种面积持续下降, 需水量少的玉米、蔬菜的播种面积快速增长。这说明区域耕地利用趋向于增加灌溉需水量更少的作物播种面积, 即耕地利用结构有 “旱化” 趋向。

3.2.2 耕地利用的区域灌溉需水程度指数的变化1998—2019 年研究区的LUDW的变化情况, 如图4所示。1998—2019 年研究区的LUDW呈显著下降趋势（Z＝-6.09）, 平均降幅为0.59/10 a。1998—2019年研究区LUDW的显著下降, 表明研究区耕地利用的结构有 “旱化” 趋势。

从图4 可知, 1998—2019 年研究区的总播种面积在增长, 而农业用水量在下降。这也从另一个方面说明在气候暖干化趋势背景下, 研究区的耕地利用结构在气候变干变暖导致的水资源不足及作物对灌溉水量需求增加的压力下, 区域耕地利用趋向于灌溉需水总量更少的利用结构, 即通过让区域耕地利用结构持续 “旱化” 来应对气候的暖干化。

图4 1998—2019 年研究区耕地利用的区域灌溉需水程度指数（LUDW）、农业用水量与总播种面积的变化

3.3 研究区耕地利用结构对气候变化的响应分析

3.3.1 耕地利用结构与气候因子的相关分析 气温上升、降水量减少, 都会促使干燥度上升, 会导致作物灌溉需水量增加。一般情况下, 在气候变干、农业用水资源增长受制约的情况下, 耕地利用会向总需水量少的利用结构转型, 以响应气候变化及农业用水量的约束。因此, 通过研究区主要作物播种面积、耕地利用的区域灌溉需水程度指数与年均气温、年降水量、Kira 干湿度指数的相关性, 来确定耕地利用对气候变化的响应关系, 如表2 所示。其中, 年降水量和Kira 干湿度指数是用年降水量、Kira 干湿度指数的2 年滑动平均值。其原因有以下2 个方面, ①降水量的波动较大, 研究中经常使用滑动平均值替代年降水量；②研究区干季（11 月至次年4 月）降水量少, 尤其是1 月至5 月初, 气温高、光照强, 农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, 故研究区农业用水量其实受上年降水量和当年降水量的共同影响。

表2 1998—2019 年研究区主要作物播种面积、LUDW 与主要气候因子的Spearman 相关系数

水稻、小麦、玉米、油菜、蔬菜的播种面积与气温呈显著相关, 灌溉需水量大的水稻、小麦播种面积与年平均气温呈显著负相关, 而需水较小的玉米、蔬菜播种面积与年平均气温呈显著正相关。水稻、小麦的播种面积与年降水量的2 a 滑动平均值、Kira 干湿度指数的2 a 滑动平均值呈显著正相关, 油菜、蔬菜、烤烟、薯类及其他粮食作物的播种面积与年降水量的2 a 滑动平均值、Kira 干湿度指数的2 a 滑动平均值呈显著负相关。结果表明, 需水量大的水稻和旱作中需水量相对大的小麦的播种面积随着气候暖干化呈明显下降趋势；旱作中需水量中等或较少的玉米、薯类、烤烟、蔬菜和其他粮食作物的播种面积随着气候持续暖干化而增加。其中, 旱作中需水量较大的油菜对气候暖干化的响应与其他需水量较大的作物明显不同, 其播种面积随着气候变干不降反增。这是由于油菜的灌溉需水量较小麦高, 且两者同为小春大田作物, 两者存在争地、争水的情况, 但由于油菜本身经济价值高于小麦, 且近年来乡村旅游的发展又使油菜种植有了附加价值, 因此, 随着气候变干和灌溉水的紧缺, 需水量较大但经济收益低的小麦逐步退出, 退出的面积主要转化为需水量略高于小麦但经济收益更高的油菜, 这就使得油菜面积不断增加。

耕地利用的区域灌溉需水程度指数（LUDW）与年降水量的2 a 滑动平均值、Kira 干湿度指数的2 a滑动平均值均呈显著正相关, 与年平均气温呈显著负相关。这说明区域耕地利用对气候持续暖干化的响应表现为区域耕地利用结构持续 “旱化” , 耕地利用的区域灌溉需水程度持续下降。

3.3.2 研究区耕地利用结构对气候因子响应的滞后性分析 为研究区域耕地利用结构对气候变化响应的时滞性, 需要计算研究区主要作物播种面积、LUDW与前推年份气候因子的相关系数, 结果如表3所示。主要作物播种面积、LUDW与前推年份的Kira 干湿度指数、年降水量变化都有相关性, 表明区域耕地利用结构对气候变化的响应具有显著滞后效应。其中, 水稻、小麦、玉米、薯类、其他粮食作物、油菜、烤烟和蔬菜对Kira 干湿度变化的响应的滞后期分别为5、4、5、3、3、4、2、5 a, 对年降水量响应的滞后期分别为4、4、5、3、3、4、2、4 a；区域耕地利用灌溉需水指数对Kira 干湿度指数、年降水量变化响应的滞后期都是4 a。

表3 1998—2019 年研究区主要作物播种面积、LUDW 与前推年份的气候因子的Spearman 相关系数

研究区1998—2019 年主要作物播种面积、LUDW与不同前推时间段累积降水量的相关系数如表4 所示。主要作物的播种面积、区域耕地利用灌溉需水程度指数与前推年份的累积降水量都有较高的相关性, 说明主要作物播种面积（豆类除外）区域耕地种植结构对降水量变化的响应有显著的累积滞后性。其中, 对干旱敏感性低的玉米、蔬菜的播种面积对降水量变化响应的累积滞后期长达8 a, 而水稻、小麦、薯类、其他粮食作物、油菜、烤烟的累积滞后期分别为6、5、5、5、5、2 a, 区域耕地利用灌溉需水程度指数对降水量响应的累积滞后期为8 a。

表4 1998—2019 年主要作物播种面积、LUDW 与不同时间段累积降水量的Spearman 相关系数

区域耕地利用结构是适应当地的气候、地貌、土壤等自然条件、农业生产条件及社会经济需求形成的, 具有一定稳定性, 因此, 主要作物播种面积和区域耕地利用灌溉需水程度指数对降水量及Kira 干湿度指数变化响应具有时滞性。同时, 当这种滞后效应出现, 也说明当地的气候发生了持续的变化, 从而推动了区域耕地利用结构的变化。

4 小结与讨论

4.1 小结

通过分析滇中高原核心地区昆明市、玉溪市和楚雄州范围内的主要气候要素的变化、耕地种植结构的变化及二者之间的相关性, 得到以下结论。

1）自1998 年以来, 滇中高原地区气候的暖干化趋势显著。其中, 1998—2019 年平均气温呈上升趋势, 平均增温速率达0.35 ℃/10 a；降水量和Kira 干湿度指数呈下降趋势, 平均下降速率分别为79.15 mm/10 a和0.65/10 a。

2）在气候暖干化背景下, 区域耕地利用的灌溉用水量随作物总播种面积的上升而呈下降趋势；在播种面积保持增长的背景下, 区域耕地利用灌溉需水程度指数呈下降趋势, 即1998—2019 年滇中高原核心区的耕地利用结构有显著 “旱化” 趋势。

3）滇中高原核心区耕地利用结构对区域气候暖干化的响应模式主要表现为区域耕地利用结构持续 “旱化” , 且这种响应模式具有时滞性。其中, 灌溉需水量大的水稻、小麦播种面积与年平均气温呈显著负相关, 而需水较小的玉米, 其播种面积与年平均气温呈显著正相关, 水稻、小麦与年降水量2 a 滑动平均值、Kira 干湿度指数的2 a 滑动平均值呈显著正相关, 油菜、蔬菜、烤烟、薯类及其粮食作物的播种面积与年降水量2 a 滑动平均值、Kira 干湿度指数的2 a滑动平均值呈显著负相关。水稻、小麦、玉米、薯类、其他粮食作物、油菜、烤烟和蔬菜的播种面积占比对Kira 干湿度指数、年降水量变化响应的滞后期为2～5 a, 区域耕地利用灌溉需水指数对Kira 干湿度指数、年降水量变化响应的滞后期都是4 a；对干旱敏感性低的玉米、蔬菜, 其播种面积对降水量变化响应的累积滞后期长达8 a, 而水稻、小麦、薯类、其他粮食作物、油菜、烤烟的累积滞后期为2～6 a, 区域耕地利用灌溉需水程度指数对降水量响应的累积滞后期为8 a。出现这种滞后性和累积滞后效应的原因, 一方面是与研究区的干湿季分明的气候特征、高原分水岭地带的水文特征、当地种植需水与降水季节分布的不同期关系有关, 另一方面是与耕地利用结构的稳定性及农户耕地利用方式的惯性有关。

4.2 讨论

滇中高原地区气候的变干趋势从1970 年就已开始, 且逐渐显著。高瑞等[27］基于滇中高原地区1971—2011 年的月降水量、气温资料和年尺度SPEI的变化特征, 认为滇中地区存在旱化趋势, 并经历了从无旱向干旱或向更重一级干旱变化的过程, 且未来这个变化趋势还将延续；曹言等[21］基于1970—2014 年的干燥度指数变化, 发现滇中高原地区的气候在年尺度上变干趋势明显；李军等[28］在分析西南农业区1962—2012 年月气象资料的基础上, 认为西南农业区整体呈干旱化趋势, 2000 年以来年四季变干趋势更加明显, 其中云南高原东部区（包括滇中高原区）变干趋势显著。

在滇中高原地区气候暖干化背景下, 研究区总播种面积持续增长, 而农业用水量及其占区域总用水量的占比持续下降, 对此耕地利用结构的响应策略是不断调整耕地利用方式, 使耕地利用结构持续 “旱化” 。这种响应模式可有效且低成本地减少区域耕地利用的需水量, 减轻农业用水资源不足带来的压力, 冯克鹏等[29］在宁夏的研究也有相近的结论。

研究区耕地利用结构对气候持续暖干化的响应是使区域种植结构 “旱化” , 且该响应具有显著的滞后性和累积滞后性, 不同作物的滞后期不同。其他研究也发现, 土地利用变化、植被变化对降水量的响应具有滞后性和累积滞后效应[25, 26］。研究区耕地利用对气候暖干化响应的滞后性和累积滞后效应, 一方面, 可能与研究区的干湿季分明的气候特征、高原分水岭地带的水文特征、当地种植需水与降水季节分布的不同期关系有关, 另一方面, 更多的是与农户耕地利用模式的惯性有关。区域耕地利用结构是为适应当地的气候、地貌、土壤等自然条件、农业生产条件及社会经济需求形成的, 具有一定稳定性, 气候持续变化一定时段后, 耕地的利用模式才会变化。因农户利用耕地的方式受耕地习惯、技能、市场及已投入的农业生产成本的影响而具有惯性, 例如, 2009—2013 年研究区出现连续5 a 的干旱, 在干旱出现的第1 年和第2 年, 部分粮农通过引水、打井等方式保持水稻种植, 也有部分农户弃耕等待旱灾结束, 而更多的农户把水田转化为旱地, 改种玉米或其他需水量少的经济作物, 还有部分水田、旱地建设了大棚, 或安装节水灌溉设备, 以节水灌溉技术种植经济价值更高的蔬菜、瓜果、鲜花、菌类及药材；2014 年以后, 降水量逐步恢复, 2015—2017 年的年降水量超过多年平均降水量（距平百分比分别为8.71%、7.90%、10.39%）, 为偏丰水年, 但研究区内除楚雄州的水稻播种面积有小幅上升外, 其余2 市的水稻面积仍然有略微下降。原因有以下3 点, 第一, 几年不种水稻的水田, 保水性能下降, 要重新种水稻需要投入劳动力和资金修整, 因此重新种植水稻的可能条件是原有条件较好的区域；第二, 已建大棚、或已安装了节水灌溉设施的农田已不可能重新变成水田；第三, 在农户调查中发现, 耕地种植方式及种植结构一旦改变, 农户的种植技术及市场经验逐步与这种改变耦合, 逆转的可能性较小。

区域耕地种植结构的变化是对自然条件变化、经济社会变化的综合响应[7］。耕地利用结构的改变是耕地利用响应气候变化最直接、最显著和最常见的形式[30］, 本研究暂未考虑社会经济因素变化对耕地利用结构的影响及响应, 有待下一步深入研究。