童绍玉，彭海英
(1.云南财经大学 城市与环境学院，云南 昆明 650021；
2.云南财经大学 国土资源与持续发展研究所，云南 昆明 650021)
【研究意义】农业是受全球气候变化影响最大、最直接的行业之一，尤其是农业中的作物生产部分和粮食安全对气候变化更为敏感与脆弱[1]，光、热、水、气的变化，都能引起种植业生产条件和生产水平的改变[2]，从而导致种植业的结构、产出的量与质的改变[3]。其中，又以作物种植结构对气候变化响应的敏感性最高[4]。目前，气候变暖已使全球农业受到巨大冲击，严重威胁粮食安全。因此，气候变化对农业生产与粮食安全的影响、农业部门对气候变化的响应与适应等问题受到广泛关注，成为研究热点[5-9]。滇中高原地区1970年以来的气象观测数据表明，滇中地区气候呈显著变暖、变干趋势[10]，且该趋势还将持续[11]。而滇中高原地区是云南省耕地最集中的地区，是云南传统的粮烟油料基地。气候的暖干化已使滇中高原核心区的耕地利用模式和种植结构受到冲击，对滇中高原农业可持续发展产生了显著影响。研究滇中地区气候变化对耕地利用及作物种植结构的影响，探寻耕地利用适应气候变化的方法，对滇中地区农业的可持续发展具有重要意义。【前人研究进展】已有研究表明，全球气候变暖使得长期形成的耕地种植模式和作物种植的范围都受到冲击[5-6]。气候变暖有利于喜温作物(水稻、玉米等)和越冬作物(冬小麦等)气候产量的提高和种植面积比重上升，但对喜凉作物(春小麦、马铃薯等)的气候产量产生不利影响，促使其种植面积减少；
气候变干对北方雨养农业区的作物气候产量及作物结构有显著影响，因为水分条件仍是制约半干旱地区作物生长发育和产量形成的关键因子[7]。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，更耐旱的薯类种植面积大范围增加，需水量相对较大的小麦面积快速下降且其种植范围在地域空间上向东退缩，耐旱能力强的玉米播种面积显著增加，并向西部和高海拔地区扩展，河湟谷地主要粮食作物种植结构由小麦-薯类作物型逐渐向玉米-薯类-小麦型一类更多样化、喜温作物更多的方向发展[8]；
此外气候的暖干化使西北旱作区的作物种植结构从以春小麦为主向以冬小麦、春小麦及马铃薯为主和以玉米、谷子及糜子为辅转变[9]。气候变化对农业生产影响的研究，重点在于探明气候变化影响的事实、过程与机制、适应气候变化的策略等。其中，通过气候变化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，确定二者相关性的研究方法是目前用于确定气候变化对种植业影响实事的重要方法之一。【研究切入点】作物种植结构变化是对气候变化[12]、经济发展、政策和市场变动[13]、农业劳动力转移[14-15]、劳动力价格变化[16]、农业技术的发展与推广[17]等多因素变化的综合响应，要把气候变化对作物种植结构变化的贡献量从复杂的多因素综合影响变化中剥离，难度较大，也缺少有效的定量分析方法。研究气候变化对作物种植结构变化的影响程度，需要大量的观测数据和农户调查数据，也需要更多的案例研究以反映其区域差异。目前的研究案例还较少[5]，一般是用某种作物播种面积或其所占比重的变化趋势与某个气候要素的变化趋势作定性比较或进行简单相关分析；
但耕地种植结构是由所有作物播种面积的比重组成的一组变量，气候变化也是由多个气象观测因子表征，故单一作物播种面积或其比重与单一气象素的相关分析，对气候变化与耕地种植结构变化之间关系的分析的完整性不够，典型相关分析更能反映其变量之间的关系。【拟解决的关键问题】以气候有持续干暖化趋势的滇中高原核心地区——昆明、玉溪和楚雄的行政区域为研究区，采用典型相关分析方法，分析研究区及3市州主要气候因子及作物种植结构的变化特征，探寻表征气候暖干化与作物种植结构变化之间的相关关系，并据此探讨气候暖干化对研究区作物种植结构的影响及适应策略，旨在为研究区农业可持续发展提供理论依据。
1.1 研究区概况
以滇中高原核心区域自然地理环境较接近的昆明、玉溪和楚雄3市州为研究区(图1)，总面积643.93万hm2，占云南省国土面积的16.80%，2019年其耕地面积占全省耕地面积的17.08%[18-21]，作物总播种面积占全省总播种面积的16.49%[22]；
属滇中经济区，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，其农业生产水平在云南省最高，也是云南省重要的粮食、烤烟、油料、畜禽养殖和花卉生产基地[23]。该区域属云南高原湖盆区，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；
气候以亚热带高原季风气候为主，气温年较差小，四季如春，但干湿季分明[23]，属云南气象干旱易发区[24]，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；
自20世纪70年代以来，气候有显著的暖干化趋势[25]。2019年研究区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[22]。
图1 研究区在云南省的位置与范围Fig.1 The location and range of the study area in Yunnan Province
1.2 资料来源
1990-2019年研究区各站点的逐月气象数据，来源于云南省气象局和昆明、玉溪和楚雄3市州的统计年鉴；
作物播种面积数据，来源于1989-2020年的《云南统计年鉴》及3市州的统计年鉴。
1.3 研究方法
1.3.1 研究区气候变化特征
1) Kira干湿度指数(Humidity/aridity inde)。干燥指数是表征一个地区干湿程度的指标，降水量和Kira干湿度指数都是常用的反映干燥度的指数。Kira干湿度指数通过降水量与气温进行计算[26]。
2)Mann-Kendall趋势检验。Mann-Kendall非参数统计方法(M-K法)能有效区分某一自然过程是处于自然波动还是存在确定的变化趋势，对于非正态分布的水文气象数据，Mann-Kendall相关检验具有更加突出的适用性，故被世界气象组织推荐并已广泛应用。M-K法基于标准化的统计检验数Z做趋势统计显著性检验[27]。假定被分析的数据序列无趋势，通过双尾检验后，当∣Z∣
Z为负值时，表示数据序列呈下降趋势。
K=P/(WI+20)，WI≤100℃
K=P/(WI+140)，WI>100℃
式中，K为Kira干湿度指数，K值越高表示气候越湿润，K值越小则气候越干旱；
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为月平均温大于5℃的月数。
由于与植被的对应性好，Kira干湿度指数常被用于定量分析大范围区域内植被-气候间的关系[26]。
1.3.2 作物种植结构的变化 作物种植结构是指一定范围内的各种作物播种面积的比例关系或组成情况，是各种作物播种面积按一定的比例构成的集合。按云南省统计部门和农业部门的统计口径，种植作物主要有水稻、小麦、玉米、豆类、薯类、其他粮食作物、花生、油菜、烟叶、甘蔗、蔬菜瓜果及其他作物，共12类，因此，云南耕地的作物种植结构就是由此12大类作物面积所占比重组成的集合，此12类作物面积比重的变化即是作物种植结构的变化。作物种植结构受自然和社会经济条件的综合影响[28]，其中，自然条件的影响是显性的，如当降水减少、干燥度增加或可利用水资源减少时，需水量大的作物种植面积会被削减，转而种植耐旱作物[29]，即以耕地利用结构的“旱化”来应对气候变化。
1.3.3 气候因子变化与研究区作物种植结构变化的相关性 气温上升、降水量减少、降水日数减少，都会促使干燥度上升，会导致作物对灌溉量需求的增加，从而影响作物的生长发育，并影响农户的作物种植结构选择[29]。由于气候变化是由气温、降水、干湿度、日照等多个指数表征；
而作物种植结构也是所有作物播种面积比重的集合，故要分析气候变化对作物种植结构的影响，就需要运用典型相关分析方法来确定两组因子之间的相关性。典型相关分析(canonical correlation analysis，CCA)，是利用综合变量之间的相关关系反映2组指标之间的整体相关性的多元统计分析方法[30]。在2组变量的相关性分析中，CCA可以起到合理简化变量的作用，利用所提取的2个综合变量之间的相关关系反映2组指标间的整体相关性，因此，CCA是研究2组变量之间相关性的一种统计分析方法，也是一种降维技术。该研究以研究区及3市州1990-2019年主要作物播种面积的比重组成变量组X，表征研究区作物种植结构的变化情况；
以对作物有直接影响的1990-2019年的年均温、年降水量和Kira干湿度指数组成变量组Y，表征气候变化状态；
基于SPSS进行两组变量的典型相关分析，据此分析气候变化与作物种植结构变化之间的典型相关关系，以确定气候变化对作物种植结构变化的影响。其中，研究区的气候特征为四季如春和干湿季分明，湿季(5-10月)，干季(11月至次年4月)；
研究区的耕作制度是二年三熟制，小春作物为秋末或初冬播种、次年春收获，小春作物种类的选择与上一年及当年的气候有关；
而大春作物的播种一般在干季未期，降水十分稀少，其播种及幼苗生长所需水量主要依赖上一年雨季时的工程蓄水和环境储水，故每年的作物种植结构受到上一年及当年气候状态的影响。因此，在典型相关分析中用年降水量的2年滑动平均值[31]替代当年的年降水量。
2.1 研究区及3市州的气候变化特征
从图2可知，研究区及昆明、玉溪和楚雄3市州30年(1990-2019年)的年均温、年均降水量及Kira干湿度指数的变化特征及变化趋势相近。
图2 1998-2019年滇中高原地区年平均气温、年降水量与Kria干湿度指数的变化Fig.2 Change of annual mean temperature,annual precipitation and Kira dry-humidity index in Central Yunnan Plateau from 1998 to 2019
2.1.1 3市州
1) 年均气温。昆明、玉溪和楚雄的年均温均呈上升趋势，增幅和|Z|分别为0.46℃/10a和4.175，0.42℃/10a和3.854，0.44℃/10a和3.872，3市州的|Z|>2.58，表明年均温皆呈极显著上升趋势。
2) 年均降水量。昆明、玉溪和楚雄的年均降水量降幅和|Z|分别为3.852 mm/10a和1.285，3.796 mm/10a和1.285，7.029 mm/10a和2.212，昆明和玉溪的|Z|<1.64，楚雄的|Z|>1.96，表明2市的年均降水量呈不显著下降趋势，而楚雄的年均降水量呈显著下降趋势。
3) Kira干湿度指数。3市州Kira干湿度指数的降幅分别为0.41/10a、0.36/10a和0.61/10a，|Z|分别为1.891、1.731和2.444，均>1.64，表明3市州Kira干湿度指数均呈显著下降趋势，楚雄的下降趋势明显强于昆明与玉溪。
2.1.2 研究区 年均温的变幅为0.44℃/10a，|Z|=3.89>2.58，表明年均温呈极显著上升趋势；
年降水量和Kira干湿度指数的变幅分别为-4.98 mm/10a和-0.46/10a，|Z|分别为1.855和2.159，均>1.64，表明二者均呈显著下降趋势。结合年均温、年均降水量和Kira干湿度指数的变化看出，研究区气候变化近30年呈显著暖干化趋势。
2.2 研究区及3市州的作物种植结构变化
2.2.1 作物播种面积比重的变化 从表1看出，单个作物的播种面积比重除其他粮食作物变化不显著外，其余作物的变化都较显著。3市州的水稻、小麦、豆类、花生和烤烟播种面积比重呈显著下降趋势，昆明平均降幅分别为6.60百分点/10a、4.24百分点/10a、1.66百分点/10a、0.20百分点/10a和2.34百分点/10a，玉溪分别为6.32百分点/10a、7.88百分点/10a、1.52百分点/10a、0.02百分点/10a和0.69百分点/10a，楚雄分别为5.10百分点/10a、4.75百分点/10a、0.86百分点/10a、0.07百分点/10a和0.83百分点/10a，整个研究区的平均下降幅度分别为5.97百分点/10a、5.32百分点/10a、1.32百分点/10a、0.04百分点/10a和1.51百分点/10a；
3市州的玉米、油菜、蔬菜和其他经济作物播种面积比重则呈显著上升趋势，昆明平均增幅分别为3.09百分点/10a、0百分点/10a、7.49百分点/10a和2.07百分点/10a，玉溪分别为3.36百分点/10a、1.72百分点/10a、10.60百分点/10a和0.96百分点/10a，楚雄分别为1.96百分点/10a、1.58百分点/10a、6.85百分点/10a和1.41百分点/10a，整个研究区的平均增幅分别为2.75百分点/10a、0.98百分点/10a、8.10百分点/10a、1.64百分点/10a。昆明和玉溪的薯类种植面积比重下降，但楚雄却大幅增加(增幅为3.30百分点/10a)，研究区总的薯类面积比重呈显著增加趋势，平均增幅为0.85百分点/10a；
昆明与玉溪的其他粮食作物呈不显著增加趋势，楚雄则呈不显著下降趋势，整个研究区其他粮食作物呈不显著上升趋势；
研究区甘蔗种植的比重较小，昆明和楚雄仅在干热河谷地区有种植，面积比重持续下降，昆明的甘蔗播种面积比重在2010年以后已接近0，玉溪的甘蔗比重2003年以前持续上升，2003年以后持续下降。
表1 1990-2019年研究区的作物种植结构Table 1 Crop planting structure in the study area from 1990 to 2019
2.2.2 不同灌溉需水量作物的播种面积比重变化 据《云南省地方标准用水定额》(DB53/T 168-2013)，滇中高原地区在平水年各种作物对灌溉水的需求大小排序为水稻>甘蔗>小麦>其他经济作物>油菜>蚕豆>玉米>烤烟>花生>蔬菜(一茬)>薯类，比较作物灌溉水的需求量与作物播种面积比重的变化发现，灌溉需水量大的水稻、甘蔗、小麦、豆类(滇中地区以蚕豆为主)播种面积下降，而对灌溉水需求较少的玉米、薯类、蔬菜的播种面积则持续增长。总体看，研究区耕地利用趋向于灌溉需水总量更少的作物种植结构，即作物种植结构有“旱化”趋势。因为作物种植结构对气候变化十分敏感，故可以推测：作物种植结构的“旱化”趋势可能与滇中气候变暖变干的影响有关。
2.2.3 作物种植结构的变化 昆明、玉溪和楚雄3市州各种作物种植结构的变化趋势相近，但也各有特点，如表1所示。1990年昆明与楚雄播种面积比重排前6位的作物分别是水稻、小麦、玉米、豆类、其他粮食作物和烤烟，其比重分别为83.11%、89.55%，作物种植结构都是粮-烟结构；
玉溪播种面积比重排前6位的作物为水稻、小麦、烤烟、玉米、豆类和其他经济作物，比重为88.44%，作物种植结构为粮-烟-其他经济作物结构。而至2019年，3市州的蔬菜种植面积均替代水稻成为播种面积比重最高的作物，昆明与楚雄的作物种植结构变为粮-菜-烟结构，玉溪作物种植结构变为粮-菜-烟-油菜结构。研究区1990年的作物播种面积中，以水稻、小麦、玉米、豆类、烤烟、其他粮食作物的面积面积最多，6种作物的播种面积占作物总播种面积的86.34%；
2019年，播种面积排在前6位的作物变为蔬菜、玉米、烤烟、水稻、豆类、其他经济作物，占总播种面积比重的78.77%。研究区的水稻、小麦、豆类、花生、烤烟、甘蔗的播种面积比重有著显下降趋势，平均下降幅度分别为5.97百分点/10a、5.32百分点/10a、1.32百分点/10a、0.04百分点/10a、0.19百分点/10a、1.51百分点/10a；
玉米、油菜、蔬菜、薯类和其他经济作物播种面积比重有显著上升趋势，平均增幅分别为2.75百分点/10a、0.98百分点/10a、8.10百分点/10a、0.85百分点/10a、1.64百分点/10a。总体看，研究区的耕地作物种植结构已由1990年的粮-烟结构变成2019年的粮-菜-烟-其他经济作物模式，耗水量大的作物播种面积比重显著下降。
2.3 气候因子变化与研究区作物种植结构变化的相关性
2.3.1 简单相关性 气候变化因子Y与耕地作物种植结构因子X之间的简单相关系数大多数偏小(表2)，故二者之间的关系有可能是综合影响。1)年平均气温与作物种植结构因子之间的简单相关性。昆明年平均气温与作物种植结构因子之间的简单相关系数为-0.751 9～0.706 4，其中，与蔬菜的相关性最高，与薯类(0.684 8)和玉米(0.681 5)其次，与水稻的相关性最低；
玉溪的简单相关系数为-0.642 4～0.612 7，其中，与蔬菜的相关性最高，与油菜(0.608 4)其次，与水稻的相关性最低；
楚雄的简单相关系数为-0.740 6～0.711 6，其中，与玉米的相关性最高，与蔬菜(0.680 8)其次，与水稻的相关性最低。2)年降水量与作物种植结构因子之间的简单相关性。昆明年降水量与耕地作物种植结构因子之间的简单相关系数为-0.396 5～0.371 2，其中，与小麦的相关性最高，与水稻(0.263 3)其次，与油菜的相关性最低；
玉溪的简单相关系数为-0.573 5～0.373 9，其中，与小麦的相关性最高，与水稻(0.234 5)其次，与油菜的相关性最低；
楚雄的简单相关系数为-0.538 5～0.602 6，其中，与花生的相关性最高，与水稻(0.570 1)其次，与油菜的相关性最低。3)Kria干湿度指数与作物种植结构因子之间的简单相关性。昆明的Kria干湿度指数与耕地作物种植结构因子之间的简单相关系数为-0.448 0～0.436 1，其中，与小麦的相关性最高，与水稻(0.332 1)其次，与油菜的相关性最低；
玉溪的简单相关系数为-0.456 1～0.401 9，其中，与小麦的相关性最高，与水稻(0.309 6)其次，与油菜的相关性最低；
楚雄的简单相关系数为-0.598 7～0.571 5，其中，与花生的相关性最高，与水稻(0.558 1)其次，与油菜的相关性最低。
表2 1990-2019年研究区3市州气候因子(Y)与作物种植结构因子(X)的简单相关系数Table 2 Simple correlation coefficients between climate factors(Y) and crop planting structure factors(X) in three areas from 1990 to 2019
2.3.2 典型相关性 从表3可知，典型相关分析从X、Y两组数据中分别提取的1、2、3共3对典型变量中，只有第1对典型变量U1和V1的显著性水平<0.01，Sig(显著性)值分别为0.006、0.004和0.003，而第2对和第3对典型变量的显著性水平皆>0.1。说明在99%的置信水平下，第1对典型变量U1和V1可分别表征作物种植结构与气候因子的特征，且U1和V1之间存在极显著相关性，但第2对典型变量U2和V2之间、第3对典型变量U3和V3之间的相关性不显著。因此，提取的第1对典型变量U1与V1可充分表征作物种植结构因子与气候变化因子两组变量的特征；
第1对典型变量U1与V1呈极显著相关，其中，昆明、玉溪和楚雄的第1对典型变量之间的典型相关系数分别为0.887、0.915和0.919，远高于两组变量之间的简单相关性，说明作物种植结构因子与气候变化因子两组变量之间整体上有极高相关性，即气候变化可促使作物种植结构发生变化。
表3 1990-2019年3市州气候因子变化与作物种植结构因子变化的典型相关性Table 3 Typical correlation between climate factor variation and crop planting structure factor variation in three areas from 1990 to 2019
2.3.3 标准化典型相关性 从表4可知，昆明蔬菜、水稻、小麦、玉米及烤烟的播种面积比重标准值与U1的相关性较大，玉溪水稻、小麦、玉米、其他粮食作物及甘蔗的面积比重标准值与U1的相关性较大，楚雄水稻、蔬菜、小麦、玉米及烤烟的面积比重标准值与U1的相关性较大，其中，水稻、小麦和甘蔗为灌溉需水量大的作物，而烤烟、蔬菜及玉米则为灌溉需水量小的作物，灌溉需水量中等的作物与U1的相关性较小，可见U1更多地反映作物对灌溉水量的需求情况；
对气候因子而言，昆明与楚雄的降水量标准化值与V1的相关性较大，玉溪的气温和降水量标准化值与V1的相关性较大，故V1更多地表现降水量情况。所以，U1与V1之间的高相关性反映了降水情况与作物需水情况之间的高相关性，即气候变化，尤其是降水量的变化对作物种植结构有影响，其使灌溉需水量大的作物面积下降，促使灌溉需水量小的作物面积上升。
表4 1990-2019年3市州作物种植结构因子、气候因子与典型变量的标准化典型相关系数Table 4 Standardized canonical correlation coefficients between crop planting structure factors,climatic factors and their typical variables in three areas from 1990 to 2019
研究区3市州作物种植结构的第1典型变量U1和气候因子的第一典型变量V1如下：
Uyx1=1.895X1′-1.867X2′+1.133X3′±0.324X4′-0.289X5′-0.831X6′+0.265X7′-0.336X8′+0.647X9′+0.180X10′+0.312X11′-0.374X12′
式中，Ukm1、Uyx1和Ucx1分别为昆明、玉溪和楚雄作物种植结构的第1典型变量，Xi′为某种作物面积比重的标准化值；
Vkm1、Vyx1、Vcx1分别为昆明、玉溪和楚雄气候因子的第1典型变量，Yi′为气候因子的标准化值。
自20世纪60年代开始滇中高原地区气候有暖干化趋势[32]，且逐渐显著。其中，高瑞等[11]研究滇中高原地区1971—2011年的月降水、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，且未来该变化趋势还将延续。曹言等[25]基于1970—2014年的干燥度指数变化研究发现，滇中高原地区的气候在年尺度上变干趋势明显；
鲁永新等[33]发现，楚雄在季节尺度上，夏季变干趋势更明显。李军等[34]分析西南农业区1962—2012年月气象资料后认为，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。魏康洪等[35]基于1999—2013年昆明的气温与降水量数据，通过气候均值、气候倾向率、距平、线性趋势和异常统计分析发现，1999—2013年昆明年均气温呈上升趋势，降水呈下降趋势。研究结果表明，1990-2019年昆明、玉溪和楚雄3市州的气温呈显著上升趋势，降水量为不显著的下降趋势，气候有暖干化趋势，与上述研究结果基本一致。
研究结果表明，在滇中高原地区气候暖干化趋势背景下，研究区总播种面积也在持续增长，但作物种植结构持续“旱化”，即减少灌溉需水量大的作物面积而增加灌溉需水量小的作物面积，减少区域耕地利用的总需水量，说明耕地作物种植结构的变化与气候变化有极高的相关性；
同时，研究区气候变化因子与耕地作物种植结构因子两组变量的典型相关表明，99%的置信水平下，气候变化与耕地作物种植结构变化之间存在显著的相关性，说明气候变化对耕地作物种植结构有显著影响。李祎君等[6]认为，气候变化使我国的粮食作物种植结构发生变化，耐旱的玉米种植面积比例持续增加，小麦种植面积比例对气候变化最为敏感。李万希等[36]研究表明，随着气候变暖，石羊河流域玉米播种面积持续增长，春小麦面积减少，喜温的经济作物面积增大。冯克鹏等[31]研究发现，气候暖干化导致宁夏地区农业灌溉水量增加，未来需要调整作物种植结构，减少高耗水作物种植面积。可见气候变化对作物种植结构的影响存在显著且普遍的影响。本研究结果与上述研究结果类似。
通过对楚雄的农户和农业技术专家、农业气象专家的访谈，对研究区种植业适应气候暖干化提出以下建议：
一是增加需水量小的作物比重和减少需水量大的作物比重，使作物种植结构进一步“旱化”。气候暖干化使农业可用水量受到影响，作物种植结构进一步“旱化”可有效减少耕地利用的总需水量。其中，需水量大的甘蔗应逐步退出滇中高原地区，小麦和水稻的播种面积应进一步减少，但应以能基本保证农户口粮为上限；
需水量少产量高的玉米、薯类应扩大种植面积；
需水量中等的烤烟以稳定为主，不宜再扩大种植；
冬春季节滇中高原上种植蔬菜、花卉、葡萄有极大气候优势，产品特色突出，比同类产品上市早，经济收益较高，因此可在节水灌溉技术支持下增加播种面积。
二是增加需水量小且经济收益高的作物比重，提高农户收入及促进农业发展，增加农户与农业适应气候变化的能力。充分利用滇中高原四季如春、日照强的气候特征，增加经济收益高的作物，如花卉、冬春蔬菜、药材及烤烟等。提高经济收益高的作物播种面积，农户才有动力投资水利设施及使用节水灌溉技术，农户与农业适应气候变化的能力才能提升。
三是提高工程与环境蓄水能力，增强对研究区降水时空分布的调节能力。工程蓄水能力建设和环境蓄水能力建设可有效改善水资源的时间分布不均，提高利用效率。滇中高原地区干湿季分明，在长达半年的干季中，降水稀少，而干季气温高，日照强，作物生长快，对灌溉水的需求大，极易发生农业干旱灾害；
在雨季，集中全年85%左右的降水量，且随着气候暖干化的发展，降水越来越集中，降水日数在减少。因此，基于滇中耕地分布分散的特点，滇中地区除要加强大中型水利设施建设外，还应增加小微型蓄水设施——小坝塘、水窖及水柜等，以便在雨季拦蓄雨洪，为分散分布的小片耕地旱季灌溉供水。同时，要做好农业生产空间与生态空间的规划与设计，做好农村生态建设，以提升农业生产空间及生态空间的环境蓄水能力。
四是推广节水灌技术，有效提高水资源的利用效率，并推动设施农业的发展。节水灌溉技术的使用，是减少农业耗水量、提高水资源利用效率的关键，故应通过技术引进与培训、水价调节、政府补贴等多种形式鼓励农户采用节水灌溉技术。设施农业具有高投入、高产稳产和高收益的特点，最有条件使用节水技术进行生产，且更能有效应对其他气候灾害。故应在大中城市周边地区及其他交通便捷地区推动设施农业的发展。
1990—2019年，研究区及其3市州的气候变化有显著的暖干化趋势，且昆明、玉溪和楚雄3市州的气候变化趋势近似。其中，研究区年均温呈极显著上升趋势，而年降水量和Kira干湿度指数则呈显著下降趋势，3个气象要素的变化幅度分别为0.44℃/10a、-4.98 mm/10a和-0.46/10a。昆明、玉溪及楚雄的3个气象要素的变化幅度分别为0.46℃/10a、3.852 mm/10a和0.41/10a，0.42℃/10a、3.796 mm/10a和0.36/10a，0.44℃/10a、7.029 mm/10a和0.61/10a。
在气候暖干化背景下，1990-2019年研究区的作物种植结构呈显著“旱化”趋势。主要表现：在作物播种面积组合中，灌溉需水量相对较小的玉米、薯类、蔬菜及其他经济作物的播种面积比重大幅上升，分别增长2.75百分点/10a、0.85百分点/10a、8.10百分点/10a、1.64百分点/10a；
而灌溉需水量相对较大的水稻和小麦播种面积比重则快速下降，分别下降5.97百分点/10a和5.32百分点/10a。
研究区气候的暖干化促使作物种植结构“旱化”，同时作物种植结构“旱化”也是耕地利用对气候暖干化的主要响应方式与适应方式。从研究区及其3市州的两组变量中提取的第1组变量U1和V1可有效代表两组变量的特征，U1和V1之间在99%的置信水平下呈极显著相关，其中，3市州的第1典型变量之间典型相关系数分别为0.887、0.915和0.919。说明作物种植结构变化与气候变化高度相关，气候的变化促使作物种植结构发生变化。
为应对研究区气候暖干化对种植业的影响，建议进一步调整作物种植结构，使其“旱化”特征更突出，增加经济效益高且需水量较小的作物比重，以提升农户与农业适应气候变化的能力；
提升工程蓄水和环境蓄水能力以调节水资源的时间分配，采用节水灌溉技术及发展设施农业以提高农业用水的利用效率。