羅建美　靳根會　羅仲朋　王紅營　齊永青　劉興冉　沈彥俊**

（1.中國科學(xué)院遺傳與發(fā)育生物學(xué)研究所農(nóng)業(yè)資源研究中心/中國科學(xué)院農(nóng)業(yè)水資源重點(diǎn)實(shí)驗(yàn)室　石家莊　050022；2.中國科學(xué)院大學(xué)　北京　100049；3.河北地質(zhì)大學(xué)土地資源與城鄉(xiāng)規(guī)劃學(xué)院　石家莊　050031；4.石家莊幼師?？茖W(xué)校　石家莊　050228；5.青海師范大學(xué)生命與地理科學(xué)學(xué)院　西寧　810008；6.河北師范大學(xué)資源與環(huán)境科學(xué)學(xué)院 石家莊 050024）

?

河北平原中低產(chǎn)區(qū)小麥與玉米生產(chǎn)現(xiàn)狀及增產(chǎn)潛力分析*

羅建美1，2，3靳根會4羅仲朋5王紅營6齊永青1劉興冉1沈彥俊1**

（1.中國科學(xué)院遺傳與發(fā)育生物學(xué)研究所農(nóng)業(yè)資源研究中心/中國科學(xué)院農(nóng)業(yè)水資源重點(diǎn)實(shí)驗(yàn)室石家莊050022；2.中國科學(xué)院大學(xué)北京100049；3.河北地質(zhì)大學(xué)土地資源與城鄉(xiāng)規(guī)劃學(xué)院石家莊050031；4.石家莊幼師?？茖W(xué)校石家莊050228；5.青海師范大學(xué)生命與地理科學(xué)學(xué)院西寧810008；6.河北師范大學(xué)資源與環(huán)境科學(xué)學(xué)院 石家莊 050024）

本文基于2000—2013年MODIS/NDVI遙感信息與主要糧食作物的統(tǒng)計(jì)數(shù)據(jù)，分析了河北平原中低產(chǎn)區(qū)冬小麥和玉米生產(chǎn)的時(shí)空格局，并利用各縣糧食作物主要生育期累積NDVI的逐年值、14年的最大值及單產(chǎn)統(tǒng)計(jì)數(shù)據(jù)，采用最小二乘法原理，進(jìn)行數(shù)值曲線擬合，構(gòu)建了單產(chǎn)遙感估測模型，估算了河北平原中低產(chǎn)區(qū)冬小麥和玉米的增產(chǎn)潛力。結(jié)果表明：1）冬小麥在邯鄲和衡水的最大生產(chǎn)力水平較高，在滄州、廊坊及邢臺中部的最大生產(chǎn)力水平較低，即后者挖掘增產(chǎn)潛力之后也很難達(dá)到前者的最大生產(chǎn)力水平；玉米的最大生產(chǎn)力水平普遍較高，挖掘增產(chǎn)潛力后均可達(dá)到較高的生產(chǎn)力水平。2）冬小麥和玉米總產(chǎn)增產(chǎn)潛力在滄州和邯鄲較大；冬小麥單產(chǎn)增產(chǎn)潛力多低于10％，平均增產(chǎn)356kg·hm-2（5.87％）；玉米單產(chǎn)增產(chǎn)潛力多高于10％，平均增產(chǎn)798kg·hm-2（12.33％）；單產(chǎn)增產(chǎn)潛力區(qū)域分布不同，冬小麥為廊坊＞保定＞滄州＞邯鄲＞邢臺＞衡水，玉米為邢臺＞邯鄲＞保定＞滄州＞衡水＞廊坊。3）以河北平原近14年來作物累積NDVI的最大值估算的全區(qū)冬小麥增產(chǎn)潛力為3.90億kg，玉米增產(chǎn)潛力為9.62億kg，二者合計(jì)可增產(chǎn)13.52億kg，約相當(dāng)于區(qū)域冬小麥和玉米理論可達(dá)增產(chǎn)潛力的1/5。本文估測糧食作物增產(chǎn)潛力的方法可以應(yīng)用于估測多尺度范圍、不同作物的增產(chǎn)潛力，研究結(jié)果可為相關(guān)部門的決策和管理提供依據(jù)。

冬小麥 玉米 增產(chǎn)潛力 NDVI 單產(chǎn)估測模型 河北平原中低產(chǎn)區(qū)渤海糧倉

中國的糧食安全問題一直倍受政府和國內(nèi)外學(xué)者的關(guān)注［1-5］。從2004年到2014年我國糧食實(shí)現(xiàn)了“十一連增”，但中國的糧食進(jìn)口也從過去的調(diào)劑余缺向大規(guī)模進(jìn)口轉(zhuǎn)變［5］。隨著社會發(fā)展、人口增加和居民膳食結(jié)構(gòu)的改善，中國的糧食需求將繼續(xù)加大［6］。在此形勢下，糧食增產(chǎn)對糧食安全的保障意義尤為重大。目前糧食增產(chǎn)的基本途徑是提高單產(chǎn)水平和擴(kuò)大播種面積［7-8］。由于我國耕地資源有限、開發(fā)利用強(qiáng)度高，因而中低產(chǎn)田改造已成為我國增強(qiáng)糧食生產(chǎn)能力、增加糧食產(chǎn)量的重要手段［9］。中低產(chǎn)田生產(chǎn)力水平的時(shí)空格局分析和增產(chǎn)潛力評估，將為政府糧食貿(mào)易策略與農(nóng)業(yè)政策的制定提供科學(xué)依據(jù)。

學(xué)者們通過“機(jī)制法”、均衡增產(chǎn)法、模型模擬法及田間實(shí)驗(yàn)法等，研究了糧食作物的增產(chǎn)潛力，并證實(shí)當(dāng)前糧食產(chǎn)量有較大的增產(chǎn)空間。封志明等［7］利用農(nóng)業(yè)生態(tài)區(qū)模型（AEZ），按照“機(jī)制法”的原理，研究了糧食作物的增產(chǎn)潛力，發(fā)現(xiàn)光溫、水資源和土地資源均具有較大的增產(chǎn)空間；劉玉等［10］和柏林川等［11］將歷年糧食最高單產(chǎn)設(shè)定為研究類型區(qū)的目標(biāo)單產(chǎn)，分析了河南省和山東省的糧食均衡增產(chǎn)潛力，并劃分了不同的糧食增長潛力區(qū)；陳麗等［12］以糧食作物較高產(chǎn)區(qū)的平均單產(chǎn)作為較低產(chǎn)區(qū)的目標(biāo)產(chǎn)量，研究了黃淮海平原中低產(chǎn)區(qū)的均衡增產(chǎn)潛力；辛紅敏［13］運(yùn)用作物生產(chǎn)模型（APSIM）模擬了河北平原小麥和玉米的產(chǎn)量潛力，并根據(jù)作物的實(shí)際產(chǎn)量計(jì)算了增產(chǎn)潛力；黃明斌等［14］通過田間試驗(yàn)，證實(shí)黃土塬區(qū)旱作冬小麥實(shí)際產(chǎn)量僅達(dá)到了光溫潛力的41.6％，增產(chǎn)潛力巨大。現(xiàn)有的研究多從區(qū)域的光、溫、水、土等要素入手，對糧食進(jìn)行增產(chǎn)潛力估算，其計(jì)算過程復(fù)雜、涉及的數(shù)據(jù)量大，主要反映的是理論增產(chǎn)潛力；而僅以單產(chǎn)估算的均衡增產(chǎn)潛力雖能反映作物近期的增產(chǎn)能力，但由于估算過程進(jìn)行了較大區(qū)域的均衡化處理，所反映的是較大類型區(qū)的平均狀況，不能體現(xiàn)縣域及更小尺度增產(chǎn)潛力的多樣性特征。

遙感具有覆蓋范圍大、快速和客觀等優(yōu)勢，被認(rèn)為是作物估產(chǎn)最行之有效的技術(shù)方法之一［15-16］。歸一化植被指數(shù)（NDVI）不僅是反映植被生長狀態(tài)及植被覆蓋度的最佳因子，還可部分消除與太陽高度角、地形、云/陰影和大氣條件有關(guān)的輻照度條件變化等的影響［17］，被廣泛應(yīng)用于產(chǎn)量預(yù)測的研究之中，但目前主要是在作物收獲前1～2個(gè)月進(jìn)行產(chǎn)量或單產(chǎn)預(yù)測［18-21］，對糧食作物增產(chǎn)潛力的研究不足。

本文基于Terra/MODIS遙感信息，以2000—2013年糧食作物主要生育期累積NDVI的最大值表征產(chǎn)量潛力，結(jié)合單產(chǎn)遙感估測模型，對河北平原中低產(chǎn)區(qū)主要糧食作物的增產(chǎn)潛力進(jìn)行估算。該方法簡單易行，能夠揭示通過田間管理措施消除產(chǎn)量波動(dòng)的現(xiàn)實(shí)增產(chǎn)潛力，反映縣域尺度與像元尺度（250m×250m）的作物生產(chǎn)力水平和增產(chǎn)潛力。此外，本文參考APSIM模擬的產(chǎn)量潛力結(jié)果［13］，對比了區(qū)域現(xiàn)實(shí)增產(chǎn)潛力與理論增產(chǎn)潛力的差異。研究成果可為作物增產(chǎn)潛力的研究提供思路和參考，為區(qū)域增糧戰(zhàn)略和農(nóng)業(yè)政策的制定提供基礎(chǔ)。

1　研究區(qū)概況與數(shù)據(jù)來源

1.1研究區(qū)概況

河北平原中低產(chǎn)區(qū)位于東經(jīng)114°29′～117°52′，北緯36°03′～39°28′，包括河北省滄州、衡水全部及保定、廊坊、邢臺和邯鄲的部分區(qū)域，共49個(gè)縣（市、區(qū)）（圖1）。該區(qū)域?qū)倥瘻貛Т箨懶约撅L(fēng)氣候，年均氣溫12.5～13.6℃，年降水量450～550mm。地形平坦，海拔多在20m以下，淡水資源匱乏，人均水資源量為190m3，僅為全國的1/12。農(nóng)作物以冬小麥-夏玉米一年兩熟的糧食作物和耐鹽堿性較強(qiáng)的棉花和梨棗樹等經(jīng)濟(jì)作物為主，土壤瘠薄，存在大面積的中低產(chǎn)區(qū)和鹽堿荒地，是我國重要的耕地后備資源［22-23］，也是“渤海糧倉”科技示范工程的河北項(xiàng)目區(qū)，隨著“渤海糧倉”科技示范工程的推進(jìn)，對其增產(chǎn)潛力的評估將受到越來越多的關(guān)注。

圖1　河北平原中低產(chǎn)區(qū)（LMYHP）地理位置Fig.1 Location map of the low-medium yield farmland of Hebei Plain（LMYHP）

1.2數(shù)據(jù)來源

主要糧食作物產(chǎn)量、播種面積等數(shù)據(jù)源于《河北農(nóng)村統(tǒng)計(jì)年鑒（1995—2014年）》，主要為近20年的統(tǒng)計(jì)數(shù)據(jù)；遙感數(shù)據(jù)主要為Terra/MODIS衛(wèi)星近14年（2000—2013年）的 NDVI數(shù)據(jù)，空間分辨率250m，為16d最大值合成數(shù)據(jù)，主要用于對糧食作物分布范圍、增產(chǎn)比率、單產(chǎn)估測模型及增產(chǎn)潛力等的研究。

2　研究方法

2.1糧食作物分布范圍的提取與生產(chǎn)力水平等級的劃分

2.1.1糧食作物分布范圍的提取

冬小麥分布范圍選取3月底至4月初，冬小麥已經(jīng)返青生長，而其他作物（如棉花、春玉米等）尚未播種，果樹及其他喬木類植物尚未展葉之時(shí)的NDVI圖像提取空間分布信息［24］。

玉米分布范圍選取6月初，冬小麥已收獲，夏玉米剛播種，春玉米尚處于初始生長期，而果樹及其他農(nóng)作物和喬木類生長比較旺盛之時(shí)的NDVI圖像提取空間分布信息。玉米包括研究區(qū)中的夏玉米和春玉米。

以2000—2013年的 NDVI遙感信息為數(shù)據(jù)源，利用ArcGIS軟件的空間分析功能，采用像元二分模型［25］計(jì)算植被覆蓋度的方法，計(jì)算像元尺度上冬小麥和玉米的分布比例［24］。公式如下：

fccrop=（NDVI-NDVIsoil）/（NDVIcrop-NDVIsoil）（1）式中：fccrop代表某種作物的分布比例，NDVI代表像元中作物實(shí)際的NDVI值，NDVIsoil代表作物未覆蓋像元時(shí)的NDVI值，NDVIcrop代表作物完全覆蓋像元時(shí)的NDVI值，NDVIsoil和NDVIcrop分別根據(jù)該時(shí)期NDVI圖像的統(tǒng)計(jì)特征值來確定。作物的分布比例fccrop介于0～1。

2.1.2累積NDVI最大值的提取

以2000—2013年的NDVI遙感數(shù)據(jù)為基礎(chǔ)，利用 ArcGIS軟件計(jì)算不同糧食作物在其分布范圍內(nèi)的 NDVI值，在此基礎(chǔ)上計(jì)算每一年每個(gè)柵格單元中糧食作物主要生育期的累積NDVI值及14年中作物主要生育期累積 NDVI的最大值，其中，冬小麥利用的是3—5月的NDVI數(shù)據(jù)，玉米利用的是7—9月的NDVI數(shù)據(jù)。

2.1.3糧食作物生產(chǎn)力水平等級的劃分

由于NDVI與植被生物量及糧食產(chǎn)量呈良好的正相關(guān)關(guān)系［17］，因此利用糧食作物主要生育期累積NDVI值的大小來表征作物生產(chǎn)力水平的高低，根據(jù)累積NDVI值的大小將生產(chǎn)力水平劃分為4級。為了便于比較，累積NDVI的最大值和2013年的值均以2013年的劃分標(biāo)準(zhǔn)進(jìn)行分級。具體方法是：以2013年糧食作物NDVI的柵格數(shù)據(jù)為基礎(chǔ)，根據(jù)作物生育期柵格單元累積NDVI的累積曲線圖進(jìn)行分級［26］，按累積頻率 0.25、0.50、0.75所對應(yīng)的累積NDVI值將生產(chǎn)力水平劃分為4級（表1），Ⅰ級代表最高生產(chǎn)力水平，Ⅳ級代表最低生產(chǎn)力水平。

表1　河北平原中低產(chǎn)區(qū)糧食作物生產(chǎn)力（累積NDVI）水平等級劃分Table 1 Crop productivity grading standard according to accumulated NDVI in the low-medium yield farmland of Hebei Plain

2.2基于NDVI的糧食增產(chǎn)潛力估算

2.2.1計(jì)算原理

在作物播種面積穩(wěn)定的情況下，通?？梢詫⒆魑锂a(chǎn)量水平的最大值作為增產(chǎn)潛力的目標(biāo)產(chǎn)量［10-11］。本文在像元尺度上將2000—2013年主要糧食作物主要生育期累積NDVI的最大值作為增產(chǎn)潛力的目標(biāo)NDVI值，利用播種面積、產(chǎn)量、單產(chǎn)等數(shù)據(jù)，結(jié)合單產(chǎn)遙感估測模型，計(jì)算糧食作物增產(chǎn)潛力。公式如下：

式中：Yp為增產(chǎn)潛力，Ypij和Yaij分別為第i種糧食作物在第j個(gè)縣（市）的增產(chǎn)潛力目標(biāo)產(chǎn)量和實(shí)際產(chǎn)量，m為糧食作物的種類數(shù)，n為研究區(qū)縣（市）個(gè)數(shù)。其中，Ypij是通過糧食作物的播種面積、產(chǎn)量、單產(chǎn)及主要生育期累積NDVI實(shí)際值與目標(biāo)值相比較的增加比率，并結(jié)合單產(chǎn)遙感估測模型求得。主要公式如下：

式中：Ypij含義同上，Xpij為第i種糧食作物在第j個(gè)縣（市）中作物主要生育期累積 NDVI增產(chǎn)潛力的目標(biāo)值，Xaij為第i種糧食作物在第j個(gè)縣（市）中作物主要生育期累積NDVI的實(shí)際值，r為累積NDVI實(shí)際值與目標(biāo)值相比較的增產(chǎn)比率，F(xiàn)（Xpij）為以Xpij為自變量的函數(shù)。

需要說明的是，本文在利用單產(chǎn)遙感估測模型估算目標(biāo)單產(chǎn)時(shí)，并未利用糧食作物主要生育期累積 NDVI的目標(biāo)值，而是利用糧食作物主要生育期累積NDVI的實(shí)際值及增產(chǎn)比率r進(jìn)行估算。主要原因是目標(biāo)值無法計(jì)算其單產(chǎn)遙感擬合關(guān)系的誤差，因此無法進(jìn)行誤差校正。

2.2.2糧食作物增產(chǎn)比率（r）的估算

本文以糧食作物主要生育期累積NDVI的最大值與實(shí)際值的差與累積 NDVI實(shí)際值的比值表征糧食作物增產(chǎn)比率（r）。通過ArcGIS軟件，利用糧食作物主要生育期累積NDVI的最大值和2013年的實(shí)際值，對柵格數(shù)據(jù)進(jìn)行計(jì)算。公式如下：

式中：r為糧食作物的增產(chǎn)比率，NDVImax為2000—2013年糧食作物主要生育期累積 NDVI的最大值，NDVI2013為2013年糧食作物生育期的累積 NDVI值。由于作物主要生育期累積NDVI的增產(chǎn)比率并不等同于產(chǎn)量或單產(chǎn)的增加比率，因而需要將作物主要生育期累積NDVI的值與真實(shí)的產(chǎn)量水平進(jìn)行擬合，進(jìn)而計(jì)算出作物的實(shí)際增產(chǎn)潛力。

2.2.3基于累積NDVI的單產(chǎn)遙感估測模型

本文選取2000—2012年的數(shù)據(jù)進(jìn)行模擬，2013年的數(shù)據(jù)進(jìn)行驗(yàn)證。模擬過程剔除了原始數(shù)據(jù)中的異常值。利用河北平原中低產(chǎn)區(qū)小麥生育期（選取3—5月）和玉米生育期（選取7—9月）MODIS衛(wèi)星的累積 NDVI數(shù)據(jù)，與研究區(qū)縣域的單產(chǎn)統(tǒng)計(jì)數(shù)據(jù)通過最小二乘法進(jìn)行數(shù)值曲線擬合，得到作物生產(chǎn)函數(shù)，其數(shù)學(xué)表達(dá)式如下：

式中：Yi，j表示第i種糧食作物在第j個(gè)縣的單產(chǎn)，Xi，j表示第i種糧食作物在第j個(gè)縣的NDVI值，ai，j、bi，j和ci，j表示第i種糧食作物在第j個(gè)縣的回歸系數(shù)。

2.3單產(chǎn)遙感估測模型的精度驗(yàn)證

2.3.1模擬結(jié)果精度的評價(jià)指標(biāo)

采用決定系數(shù)（R2）、相對誤差（RE）和均方根誤差（RMSE）等作為反映模擬值和實(shí)測值擬合程度的指標(biāo)，對區(qū)域作物單產(chǎn)估測結(jié)果進(jìn)行精度評價(jià)［16］。

式中：i表示第i個(gè)樣本數(shù)據(jù)，Ai為統(tǒng)計(jì)數(shù)據(jù)中實(shí)際的糧食作物單產(chǎn)值，Pi為模型估測的糧食作物單產(chǎn)值，為實(shí)際統(tǒng)計(jì)數(shù)據(jù)中糧食作物的平均單產(chǎn)值，為模型估測的糧食作物平均單產(chǎn)值，n為樣本數(shù)。

2.3.2精度驗(yàn)證

利用糧食作物主要生育期累積NDVI縣域的平均值（x）與縣域單產(chǎn)（y）擬合的模型為：式中：冬小麥擬合樣本數(shù)n=565，決定系數(shù)R2=0.569，相關(guān)系數(shù)R=0.754；玉米擬合樣本數(shù)n=565，決定系數(shù)R2=0.508，相關(guān)系數(shù)R=0.713，均為0.001水平上顯著相關(guān)關(guān)系（圖2）。

河北平原中低產(chǎn)區(qū)冬小麥單產(chǎn)遙感模型擬合關(guān)系的相對誤差RE為-7.04％，均方根誤差RMSE為899kg·hm-2；玉米單產(chǎn)遙感擬合關(guān)系的相對誤差RE 為-12.94％，RMSE為1 348kg·hm-2。2013年統(tǒng)計(jì)數(shù)據(jù)中冬小麥單產(chǎn)平均值為5 970kg·hm-2，相應(yīng)的模擬結(jié)果為5 407kg·hm-2；玉米單產(chǎn)平均值為6 571kg·hm-2，相應(yīng)的模擬結(jié)果為5 613kg·hm-2?？傮w來看，玉米相對于小麥擬合效果較差，主要原因是在玉米生育期其他農(nóng)作物及喬木、灌木生長都比較旺盛，導(dǎo)致利用 NDVI提取的玉米分布范圍的誤差較大，從而影響了主要生育期累積NDVI與單產(chǎn)的擬合效果。

圖2　河北平原中低產(chǎn)區(qū)冬小麥（a）和玉米（b）單產(chǎn)的遙感估測模型（2000—2012）Fig.2 Yield models of winter wheat（a） and maize（b） from remote sensing in the low-medium yield farmland of Hebei Plain（2000-2012）

任建強(qiáng)等［17］利用NOAA/AVHRR NDVI數(shù)據(jù)研究了石家莊、邢臺和邯鄲冬小麥生長關(guān)鍵期 NDVI和與小麥產(chǎn)量的相關(guān)性，其中3—5月NDVI之和與總產(chǎn)量的線性模擬結(jié)果中決定系數(shù)R2為0.299，相對誤差值為-8.20％，樣本數(shù)567，未計(jì)算均方根誤差。從以上指標(biāo)來看，本研究中樣本數(shù)與之相近，但模擬精度更高。

3　結(jié)果與分析

以糧食作物生產(chǎn)現(xiàn)狀為基礎(chǔ)，分析小麥和玉米現(xiàn)實(shí)增產(chǎn)潛力和理論增產(chǎn)潛力。其中，現(xiàn)實(shí)增產(chǎn)潛力是以2000—2013年糧食作物主要生育期累積NDVI的最大值為目標(biāo)值計(jì)算的增產(chǎn)潛力；理論增產(chǎn)潛力是在參考辛紅敏［13］利用 APSIM 模型預(yù)測的產(chǎn)量潛力的基礎(chǔ)上，結(jié)合河北平原中低產(chǎn)區(qū)的單產(chǎn)、播種面積等數(shù)據(jù)，計(jì)算的區(qū)域特定自然條件下的增產(chǎn)潛力。

3.1小麥和玉米生產(chǎn)現(xiàn)狀

基于2000—2013年的遙感信息，以14年糧食作物的平均分布比例，代表冬小麥和玉米的空間分布特征。冬小麥在研究區(qū)南部和中部分布比例較高，玉米在研究區(qū)北部和中部分布比例較高。由于水分條件是區(qū)域冬小麥生長的主要限制因子，因而水源條件較好的南部地區(qū)和中部地區(qū)是冬小麥的主要分布區(qū)，冬小麥分布比例可高達(dá)0.8以上；而在研究區(qū)北部和邢臺市的中部地區(qū)，由于水分、土壤等因素的制約，冬小麥的分布比例較低，多低于0.4（圖3）。玉米分布范圍廣泛，在研究區(qū)北部分布比例較高，部分區(qū)域可達(dá)0.8以上；在邯鄲北部、邢臺中部和衡水西部形成了集中連片的低比例分布區(qū)，分布比例多小于0.2（圖3）。

近20年來，河北平原中低產(chǎn)區(qū)冬小麥和玉米的產(chǎn)量均呈增長態(tài)勢（圖4）。小麥產(chǎn)量的增加主要源于單產(chǎn)的提高，玉米產(chǎn)量的增加則是單產(chǎn)提高和播種面積擴(kuò)大共同的結(jié)果。從 1994年到2013年，小麥和玉米的產(chǎn)量分別從38.6億kg和27.9億kg提高到了66.5和77.9億kg，增長率為72％和180％；二者的單產(chǎn)水平也分別從3 614kg·hm-2和4 371kg·hm-2，提高到6 059kg·hm-2和6 471kg·hm-2。近20年來，玉米播種面積從1994年的64萬hm2增加至2013年的120萬hm2，擴(kuò)大了近一倍；小麥播種面積變化不大，1994年為107萬hm2，2013年為110萬hm2，僅增加2.8％。

圖3　2000—2013年河北平原中低產(chǎn)區(qū)冬小麥（a）和玉米（b）平均分布比例Fig.3 Spatial patterns of winter wheat（a） and maize（b） average coverages in the low-medium yield farmland of Hebei Plain from 2000 to 2013

圖4　1994—2013年河北平原中低產(chǎn)區(qū)冬小麥、玉米播種面積和產(chǎn)量變化圖Fig.4 Productions and sowing areas of winter wheat and maize in the low-medium yield farmland of Hebei Plain from 1994 to 2013

單產(chǎn)能夠反映糧食作物的實(shí)際生產(chǎn)力水平。2013年冬小麥單產(chǎn)在衡水和邯鄲較高，多大于6 000kg·hm-2，在滄州東部和廊坊南部較低，均小于5 000kg·hm-2；玉米單產(chǎn)水平在邯鄲較高，多大于7 000kg·hm-2，在衡水、滄州西部次之，滄州東部較低，小于6 000kg·hm-2（圖5a，b）。近20年來小麥和玉米的生產(chǎn)力水平都顯著提高（P＜0.001），其中在邯鄲地區(qū)提高較大，部分區(qū)域單產(chǎn)提高量達(dá)3 000kg·hm-2以上（圖5c，d）。

3.2小麥和玉米的現(xiàn)實(shí)增產(chǎn)潛力

3.2.1基于生育期累積NDVI最大值的增產(chǎn)潛力分析

圖5　河北平原中低產(chǎn)區(qū)冬小麥（a，c）和玉米（b，d）單產(chǎn)現(xiàn)狀與變化圖Fig.5 Yields and their changes from 1994 to 2013 of winter wheat（a，c） and maize（b，d） in the low-medium yield farmland of Hebei Plain

冬小麥和夏玉米均具備較大的增產(chǎn)潛力，且玉米潛在高產(chǎn)區(qū)范圍大于小麥的潛在高產(chǎn)區(qū)范圍（圖5a，c）。冬小麥在邯鄲和衡水的最大生產(chǎn)力水平較高，在邢臺、滄州、廊坊及邢臺中部的最大生產(chǎn)力水平較低，即后者挖掘增產(chǎn)潛力之后也很難達(dá)到前者的最大生產(chǎn)力水平。主要是由于冬小麥在邯鄲和衡水地區(qū)由于灌溉條件較好，積溫較高，水肥土熱及管理投入配合較適宜，因而最大生產(chǎn)力水平較高；在滄州和廊坊地區(qū)由于淺層地下水礦化度較高、鹽堿土分布比例較大、管理投入少，加之廊坊積溫較低等因素的限制，最大生產(chǎn)力水平較低；邢臺中部地區(qū)土壤、水分等生產(chǎn)條件較差，管理投入少，因而最大生產(chǎn)力水平也較低。玉米的最大生產(chǎn)力水平普遍較高，挖掘增產(chǎn)潛力后均可達(dá)到較高的生產(chǎn)力水平。

糧食作物生產(chǎn)力水平的分級結(jié)果表明，冬小麥生產(chǎn)力水平較高的Ⅰ、Ⅱ級區(qū)仍有繼續(xù)增產(chǎn)的空間，生產(chǎn)力水平較低的Ⅳ級水平區(qū)可提升為Ⅲ級水平，甚至是Ⅰ、Ⅱ級水平（圖6a，b）；玉米相對于小麥來說，生產(chǎn)力水平的提升空間較大，除滄州的棗林周圍及滄州東部的部分地區(qū)外，其他區(qū)域的玉米生產(chǎn)力水平均可以提升為Ⅰ級水平（圖6c，d）。

利用公式（5）計(jì)算生產(chǎn)力水平的潛在增產(chǎn)比率 r，結(jié)果如圖7所示。大部分地區(qū)冬小麥生產(chǎn)力水平的增產(chǎn)比率小于10％，滄州西部生產(chǎn)力的潛在增產(chǎn)比率較高，局部地區(qū)可達(dá)50％以上（圖7a）；玉米生產(chǎn)力水平的潛在增產(chǎn)比率多高于10％，潛在增產(chǎn)比率較大的區(qū)域分布于邯鄲、滄州東部及邢臺的部分地區(qū)（圖7b）。

圖6　以作物主要生育期累積NDVI表征的河北平原中低產(chǎn)區(qū)冬小麥（a，b）和玉米（c，d）的2000—2013年間的最大生產(chǎn)力（a，c）和2013年生產(chǎn)力水平（b，d）Fig.6 Maxiumu productivities during 2000 to 2013（a，c） and productivities in 2013（b，d） of winter wheat（a，b） and maize（c，d） based on accumulated NDVI during their main growing periods in the low-medium yield farmland of Hebei Plain

圖7　累積NDVI表征的河北平原中低產(chǎn)區(qū)冬小麥（a）和玉米（b）增產(chǎn)比率空間分布圖Fig.7 Increase rates of winter wheat yield（a） and maize yield（b） based on accumulated NDVI in the low-medium yield farmland of Hebei Plain

3.2.2基于生育期累積NDVI最大值估算的單產(chǎn)增產(chǎn)潛力

從冬小麥和玉米的單產(chǎn)增產(chǎn)潛力來看，縣域尺度上冬小麥單產(chǎn)的增產(chǎn)潛力為20～864kg·hm-2，多小于實(shí)際單產(chǎn)的10％，玉米單產(chǎn)的增產(chǎn)潛力為456～1 747kg·hm-2，多大于實(shí)際單產(chǎn)的10％。河北平原中低產(chǎn)區(qū)冬小麥的平均單產(chǎn)可從6 059kg·hm-2的當(dāng)前產(chǎn)量水平提升為6 415kg·hm-2的潛力產(chǎn)量水平，增產(chǎn)量為356kg·hm-2，增產(chǎn)率為5.87％；玉米的平均單產(chǎn)可從6 472kg·hm-2提升為7 270kg·hm-2，增產(chǎn)量為798kg·hm-2，增產(chǎn)率為12.33％（表2）。從單產(chǎn)潛力的空間格局看，單產(chǎn)潛力和單產(chǎn)增產(chǎn)潛力在空間上不一致，冬小麥和玉米單產(chǎn)潛力最大的區(qū)域均為邯鄲地區(qū)（圖8a，b），冬小麥單產(chǎn)增產(chǎn)潛力較大的地區(qū)主要位于研究區(qū)北部，玉米單產(chǎn)增產(chǎn)潛力較大的地區(qū)主要位于研究區(qū)南部（圖8c，d）。冬小麥單產(chǎn)增產(chǎn)潛力在廊坊最大，為605kg·hm-2；在衡水最小，為200kg·hm-2。玉米單產(chǎn)增產(chǎn)潛力在邢臺最大，為1 109kg·hm-2；在廊坊最小，為344kg·hm-2（表2）。按照單產(chǎn)增產(chǎn)潛力進(jìn)行排序，冬小麥為：廊坊＞保定＞滄州＞邯鄲＞邢臺＞衡水；玉米為：邢臺＞邯鄲＞保定＞滄州＞衡水＞廊坊（表2）。

圖8　基于作物主要生育期累積NDVI計(jì)算的河北平原中低產(chǎn)區(qū)冬小麥（a，c）和玉米（b，d）的單產(chǎn)潛力（a，b）與單產(chǎn)增產(chǎn)潛力（c，d）Fig.8 Potential yields（a，b） and yield gaps（difference between potential yield and actual yield）（c，d） of winter wheat（a，c） and maize（b，d） based on the accumulated NDVI during its main growing period in the low-medium yield farmland of Hebei Plain

表2　河北平原中低產(chǎn)區(qū)冬小麥和玉米的增產(chǎn)潛力Table 2 Yield increasing potentials of winter wheat and maize in the low-medium yield farmland of Hebei Plain

3.2.3基于生育期累積NDVI最大值估算的總產(chǎn)增產(chǎn)潛力

從冬小麥和玉米總產(chǎn)量的增產(chǎn)潛力來看，河北平原中低產(chǎn)區(qū)冬小麥的增產(chǎn)潛力可達(dá)3.90億kg，玉米的增產(chǎn)潛力可達(dá)9.62億kg，二者合計(jì)增產(chǎn)潛力為13.52億kg（表2）?？h域尺度上冬小麥和玉米的增產(chǎn)潛力較大的區(qū)域主要位于研究區(qū)的北部。滄州是今后冬小麥和玉米增產(chǎn)的關(guān)鍵地區(qū)，部分縣（市）冬小麥總產(chǎn)增產(chǎn)潛力高于0.10億kg，玉米總產(chǎn)增產(chǎn)潛力高于0.25億kg；邯鄲各縣（市）冬小麥和玉米總產(chǎn)增產(chǎn)潛力也較大，部分縣（市）冬小麥和玉米的增產(chǎn)潛力也分別達(dá)0.10億kg和0.25億kg以上；衡水和邢臺冬小麥和玉米總產(chǎn)增產(chǎn)潛力較小，多數(shù)縣（市）冬小麥低于0.05億kg，玉米低于0.25億kg（圖9）。近14年來，衡水地區(qū)冬小麥和玉米的產(chǎn)量一直較高，總產(chǎn)增產(chǎn)潛力有限；而邢臺地區(qū)冬小麥的產(chǎn)量一直較低，玉米雖然具備高產(chǎn)出能力，但受播種面積的限制，總產(chǎn)增產(chǎn)潛力不大。

圖9　河北平原中低產(chǎn)區(qū)冬小麥（a）和玉米（b）總產(chǎn)量增產(chǎn)潛力Fig.9 Production gaps（difference of potential production and actual production） of winter wheat（a） and maize（b） in the low-medium yield farmland of Hebei Plain

3.3小麥和玉米的理論增產(chǎn)潛力

上文利用近 14年糧食作物主要生育期累積NDVI的最大值所估測的增產(chǎn)潛力，是以實(shí)際發(fā)生過的最大生產(chǎn)力水平確定的增產(chǎn)潛力，該潛力通過合理的農(nóng)業(yè)投入、良好的經(jīng)營管理及高新技術(shù)的應(yīng)用等方式，能夠在較短時(shí)期內(nèi)轉(zhuǎn)變?yōu)楝F(xiàn)實(shí)的增產(chǎn)量。為了進(jìn)一步探明研究區(qū)特定自然環(huán)境下，主要糧食作物的理論最大增產(chǎn)潛力，本文引入產(chǎn)量潛力和理論可達(dá)產(chǎn)量的概念與上文的現(xiàn)實(shí)增產(chǎn)潛力進(jìn)行區(qū)分。產(chǎn)量潛力是在特定氣候和土壤等環(huán)境條件下，在沒有水分和養(yǎng)分脅迫及任何影響產(chǎn)量的因素（病蟲草害、倒伏、缺苗斷壟等）發(fā)生的情況下，作物品種所能達(dá)到的產(chǎn)量［27］，它是一定區(qū)域內(nèi)理想化生產(chǎn)條件下產(chǎn)量的最大值。理論可達(dá)產(chǎn)量潛力是在最好的管理水平和較小的脅迫下，區(qū)域可以達(dá)到的最大產(chǎn)量。研究表明，主要作物（如小麥、玉米和水稻等）的產(chǎn)量一般在達(dá)到產(chǎn)量潛力的70％～85％時(shí)便趨于平穩(wěn)［28-29］，即認(rèn)為達(dá)到了理論可達(dá)產(chǎn)量潛力。

本文參考辛紅敏［13］利用 APSIM 模型預(yù)測的河北平原主要作物的產(chǎn)量潛力結(jié)果，以產(chǎn)量潛力的70％作為理論可達(dá)產(chǎn)量潛力的臨界值，以2013年研究區(qū)各縣（市）所在地級市糧食作物單產(chǎn)的平均值作為實(shí)際產(chǎn)量水平，結(jié)合相應(yīng)的播種面積、產(chǎn)量等數(shù)據(jù)，計(jì)算了河北平原中低產(chǎn)區(qū)的理論可達(dá)增產(chǎn)潛力。結(jié)果表明，河北平原中低產(chǎn)區(qū)理論可達(dá)增產(chǎn)潛力巨大。冬小麥、玉米的實(shí)際產(chǎn)量僅為產(chǎn)量潛力的48％～63％和34％～52％（表3）。以河北平原中低產(chǎn)區(qū)2013年小麥、玉米的播種面積進(jìn)行計(jì)算，小麥的理論可達(dá)增產(chǎn)潛力為17.6億kg，玉米的理論可達(dá)增產(chǎn)潛力為58.1億kg，二者合計(jì)的增產(chǎn)潛力為76.0億kg（表3）。即本文利用糧食作物主要生育期累積NDVI的最大值所計(jì)算的冬小麥的增產(chǎn)潛力為其理論可達(dá)增產(chǎn)潛力的 22％，玉米增產(chǎn)潛力為其理論可達(dá)增產(chǎn)潛力的 17％、冬小麥與玉米總增產(chǎn)潛力為其理論可達(dá)增產(chǎn)潛力的 18％。基于糧食作物主要生育期累積NDVI計(jì)算的增產(chǎn)潛力通過技術(shù)和管理的提高是可以實(shí)現(xiàn)的，比理論增產(chǎn)潛力具有更強(qiáng)的現(xiàn)實(shí)指導(dǎo)意義。

4　結(jié)論與討論

本文以糧食作物主要生育期累積NDVI的最大值結(jié)合單產(chǎn)估測模型估算增產(chǎn)潛力，發(fā)現(xiàn)河北平原中低產(chǎn)區(qū)冬小麥增產(chǎn)潛力為3.90億kg，玉米的增產(chǎn)潛力為9.62億kg，合計(jì)增產(chǎn)潛力為13.52億kg，相當(dāng)于區(qū)域理論可達(dá)增產(chǎn)潛力的 18％?？傮w來看，不論是總產(chǎn)還是單產(chǎn)，冬小麥的增產(chǎn)潛力均小于玉米的增產(chǎn)潛力。冬小麥和玉米總產(chǎn)增產(chǎn)潛力較大的地區(qū)均位于研究區(qū)的北部；冬小麥和玉米單產(chǎn)增產(chǎn)潛力較大的區(qū)域分別位于研究區(qū)的北部和南部。本文所估算的增產(chǎn)潛力以實(shí)際生產(chǎn)力的最高水平為依據(jù)，具有很強(qiáng)的現(xiàn)實(shí)意義。但產(chǎn)量潛力轉(zhuǎn)變?yōu)楝F(xiàn)實(shí)產(chǎn)量還存在諸多限制因素。在土壤瘠薄的地區(qū)，可以通過土壤培肥與水肥藥的精細(xì)化管理技術(shù)促進(jìn)增產(chǎn)；在淡水資源短缺的微咸水區(qū)，微咸水補(bǔ)灌與雨水資源利用是增產(chǎn)的重點(diǎn)；在鹽堿區(qū)則可以通過暗管排鹽、雨水淋鹽和鹽堿地咸水結(jié)冰灌溉改良技術(shù)等方式促進(jìn)糧食增產(chǎn)；在旱作雨養(yǎng)區(qū)可以通過節(jié)水灌溉技術(shù)和雨水資源化等方式來保障糧食增產(chǎn)。此外，經(jīng)濟(jì)收益是保障糧食增產(chǎn)的直接動(dòng)力，可以通過土地經(jīng)營管理、糧食補(bǔ)貼、激勵(lì)政策等多種措施保障農(nóng)民收益；同時(shí)可以增加“增糧專項(xiàng)補(bǔ)貼”、“咸水利用專項(xiàng)補(bǔ)貼”與“節(jié)水技術(shù)應(yīng)用專項(xiàng)補(bǔ)貼”等專項(xiàng)補(bǔ)貼，擴(kuò)大補(bǔ)貼的力度和覆蓋面，逐步建立長效穩(wěn)定的糧食生產(chǎn)激勵(lì)機(jī)制，促進(jìn)糧食增產(chǎn)。

表3　基于APSIM模擬的產(chǎn)量潛力的理論可達(dá)增產(chǎn)潛力Table 3 Potential productions of winter wheat and maize based on yield potential estimated by the APSIM model in the low-medium yield farmland of Hebei Plain

本文在糧食增產(chǎn)潛力研究方面進(jìn)行了新的探索，研究方法簡單易行，數(shù)據(jù)容易獲取，能夠較好地估算糧食作物的增產(chǎn)潛力。但研究中還存在一些不確定性：1）在單產(chǎn)遙感估算模型方面，由于樣本數(shù)量大以及不同區(qū)域在農(nóng)田水分、肥力、土壤和管理等方面的差異性，導(dǎo)致了模型精度的局限性，均方根誤差RMSE值較大。本文以各縣（市）的相對誤差為標(biāo)準(zhǔn)對單產(chǎn)遙感模擬結(jié)果進(jìn)行了誤差校正，以期提高增產(chǎn)潛力的估測精度；2）在土地利用方面，由于缺少農(nóng)用地的土地利用類型數(shù)據(jù)，采用糧食作物生育期的 NDVI值提取了冬小麥和玉米的分布范圍，數(shù)據(jù)在作物分布范圍較少的區(qū)域誤差較大，導(dǎo)致作物主要生育期累積NDVI與單產(chǎn)的擬合數(shù)據(jù)出現(xiàn)了異常值，同時(shí)，由于玉米生育期內(nèi)其他植被多處于生長旺盛期，導(dǎo)致玉米提取范圍及其增產(chǎn)潛力估算的誤差相對較大，有待于進(jìn)一步改進(jìn)；3）從研究基期看，由于相關(guān)數(shù)據(jù)同時(shí)存在趨勢性變化和年際性波動(dòng)的雙重特征，在研究時(shí)段內(nèi)冬小麥和玉米的單產(chǎn)與總產(chǎn)均呈持續(xù)增長的趨勢，因而未采用歷年的平均值來代表實(shí)際產(chǎn)量。由于無法選取能夠完全代表區(qū)域糧食生產(chǎn)特征的典型年份，因而本文選取2013年的數(shù)據(jù)來代表當(dāng)前生產(chǎn)力水平的最新狀況。4）從研究的假設(shè)看，本文在估算增產(chǎn)潛力時(shí)假設(shè)作物播種面積保持穩(wěn)定，但在實(shí)際生產(chǎn)中糧食作物的播種面積是變化的。如在邢臺地區(qū)2015年棉花播種面積較2013年有明顯的減少（遙感解譯結(jié)果），該區(qū)域近 14年來玉米的最大生產(chǎn)力水平較高（可達(dá)一級水平，見圖6c），如果減少的棉花轉(zhuǎn)變?yōu)橛衩讋t會較大程度地影響到該區(qū)域糧食增產(chǎn)潛力估測的準(zhǔn)確性。此外，作物品種對產(chǎn)量有著較大的影響，本文在估算增產(chǎn)潛力時(shí)沒有考慮作物品種的更替，這也會影響到估產(chǎn)的準(zhǔn)確性。

致謝 感謝中國科學(xué)院遺傳與發(fā)育生物學(xué)研究所農(nóng)業(yè)資源研究中心的閔雷雷老師和邵立威老師在論文思路和語言表達(dá)方面的啟示與建議，感謝肖登攀博士和裴宏偉博士在論文結(jié)構(gòu)和圖表等方面提出的寶貴意見，感謝吳喜芳在遙感數(shù)據(jù)處理方面的貢獻(xiàn)，感謝評審專家和編委老師為論文的進(jìn)一步完善提出的寶貴意見！

References

［1］Brown L R.Who Will Feed China？：Wake-Up Call for a Small Planet［M］.Washington，DC：W.W.Norton & Company，1995：145-146

［2］Yang H，Li X B.Cultivated land and food supply in China［J］.Land Use Policy，2000，17（2）：73-88

［3］Lichtenberg E，Ding C R.Assessing farmland protection policy in China［J］.Land Use Policy，2008，25（1）：59-68

［4］張正斌，徐萍，段子淵.糧食安全應(yīng)成為中國農(nóng)業(yè)現(xiàn)代化發(fā)展的終極目標(biāo)［J］.中國生態(tài)農(nóng)業(yè)學(xué)報(bào)，2015，23（10）：1215-1219

Zhang Z B，Xu P，Duan Z Y.Food security should be the ultimate goal of agricultural modernization in China［J］.Chinese Journal of Eco-Agriculture，2015，23（10）：1215-1219

［5］毛學(xué)峰，劉靖，朱信凱.中國糧食結(jié)構(gòu)與糧食安全：基于糧食流通貿(mào)易的視角［J］.管理世界，2015（3）：76-85

Mao X F，Liu J，Zhu X K.Grain structure and food security in China：under the scope of food circulation trade［J］.Management World，2015（3）：76-85

［6］孟春紅，路振廣.糧食安全與玉米增產(chǎn)潛力的研究［J］.中國農(nóng)村水利水電，2012（9）：19-23

Meng C H，Lu Z G.Research on food security and potential of maize yield increase［J］.China Rural Water and Hydropower，2012（9）：19-23

［7］封志明，楊艷昭，張晶，等.從柵格到縣域：中國糧食生產(chǎn)的資源潛力區(qū)域差異分析［J］.自然資源學(xué)報(bào)，2007，22（5）：747-755

Feng Z M，Yang Y Z，Zhang J，et al.A GIS based study on the grain productivity and potential yield increase at multi-levels in China［J］.Journal of Natural Resources，2007，22（5）：747-755

［8］李新旺，王樹濤，門明新，等.基于EMD的河北省糧食產(chǎn)量波動(dòng)及其成因的時(shí)空多尺度分析［J］.自然資源學(xué)報(bào)，2009，24（11）：1994-2004

Li X W，Wang S T，Men M X，et al.Analysis on the fluctuation of grain output in Hebei province and its causes at multi-time and space scale based on empirical mode decomposition method［J］.Journal of Natural Resources，2009，24（11）：1994-2004

［9］張琳，張鳳榮，姜廣輝，等.我國中低產(chǎn)田改造的糧食增產(chǎn)潛力與食物安全保障［J］.農(nóng)業(yè)現(xiàn)代化研究，2005，26（1）：22-25

Zhang L，Zhang F R，Jiang G H，et al.Potential improvement of medium low yielded farmland and guarantee of food safety in China［J］.Research of Agricultural Modernization，2005，26（1）：22-25

［10］劉玉，郜允兵，高秉博，等.1980—2012年河南省縣域糧食單產(chǎn)時(shí)空分異及增產(chǎn)潛力研究［J］.北京大學(xué)學(xué)報(bào)：自然科學(xué)版，2014，50（6）：1106-1114

Liu Y，Gao Y B，Gao B B，et al.Spatial-temporal difference of grain yield per hectare during 1980-2012 at county level and its balanced increasing potential in Henan Province［J］.Acta Scientiarum Naturalium Universitatis Pekinensis，2014，50（6）：1106-1114

［11］柏林川，武蘭芳，宋小青.1995—2010年山東省糧食單產(chǎn)變化空間分異及均衡增產(chǎn)潛力［J］.地理科學(xué)進(jìn)展，2013，32（8）：1257-1265

Bai L C，Wu L F，Song X Q.Spatial difference of grain yield changes during 1995-2010 and balanced potential output to increase in Shandong Province［J］.Progress in Geography，2013，32（8）：1257-1265

［12］陳麗，郝晉珉，艾東，等.黃淮海平原糧食均衡增產(chǎn)潛力及空間分異［J］.農(nóng)業(yè)工程學(xué)報(bào)，2015，31（2）：288-297

Chen L，Hao J M，Aid，et al.Balanced yield increasing potential of grain and its spatial differentiation in Huang-Huai-Hai Plain［J］.Transactions of the Chinese Society of Agricultural Engineering，2015，31（2）：288-297

［13］辛紅敏.基于APSIM模擬與GIS分析的小麥-玉米增產(chǎn)潛力及其地域差異研究［D］.保定：河北農(nóng)業(yè)大學(xué)，2013

Xin H M.A APSIM simulation and GIS analysis based study on yield increase potential and its spatial variation of the wheat-maize system［D］.Baoding：Agricultural University of Hebei，2013

［14］黃明斌，李玉山.黃土塬區(qū)旱作冬小麥增產(chǎn)潛力研究［J］.自然資源學(xué)報(bào)，2000，15（2）：143-148

Huang M B，Li Y S.On potential yield increase of dryland winter wheat on the loess tableland［J］.Journal of Natural Resources，2000，15（2）：143-148

［15］錢永蘭，侯英雨，延昊，等.基于遙感的國外作物長勢監(jiān)測與產(chǎn)量趨勢估計(jì)［J］.農(nóng)業(yè)工程學(xué)報(bào)，2012，28（13）：166-171

Qian Y L，Hou Y Y，Yan H，et al.Global crop growth condition monitoring and yield trend prediction with remote sensing［J］.Transactions of the Chinese Society of Agricultural Engineering，2012，28（13）：166-171

［16］任建強(qiáng)，陳仲新，周清波，等.MODIS植被指數(shù)的美國玉米單產(chǎn)遙感估測［J］.遙感學(xué)報(bào)，2015，19（4）：568-577

Ren J Q，Chen Z X，Zhou Q B，et al.MODIS vegetation index data used for estimating corn yield in USA［J］.Journal of Remote Sensing，2015，19（4）：568-577

［17］任建強(qiáng)，陳仲新，唐華俊，等.長時(shí)間序列NOAA-NDVI數(shù)據(jù)在冬小麥區(qū)域估產(chǎn)中的應(yīng)用［J］.遙感技術(shù)與應(yīng)用，2007，22（3）：326-332

Ren J Q，Chen Z X，Tang H J，et al.Yield estimation for winter wheat at regional scale using long-time series NOAA-NDVI data［J］.Remote Sensing Technology and Application，2007，22（3）：326-332

［18］Mika J，Kerényi J，Rimóczi-Paál A，et al.On correlation of maize and wheat yield with NDVI：Example of Hungary（1985-1998）［J］.Advances in Space Research，2002，30（11）：2399-2404

［19］Mkhabela M S，Mkhabela M S，Mashinini N N.Early maize yield forecasting in the four agro-ecological regions of Swaziland using NDVI data derived from NOAA’s-AVHRR［J］.Agricultural and Forest Meteorology，2005，129（1/2）：1-9

［20］Ren J Q，Chen Z X，Zhou Q B，et al.Regional yield estimation for winter wheat with MODIS-NDVI data in Shandong，China［J］.International Journal of Applied Earth Observation and Geoinformation，2008，10（4）：403-413

［21］Becker-Reshef I，Vermote E，Lindeman M，et al.A generalized regression-based model for forecasting winter wheat yields in Kansas and Ukraine using MODIS data［J］.Remote Sensing of Environment，2010，114（6）：1312-1323

［22］李振聲，歐陽竹，劉小京，等.建設(shè)“渤海糧倉”的科學(xué)依據(jù)——需求、潛力和途徑［J］.中國科學(xué)院院刊，2011（4）：371-374

Li Z S，Ouyang Z，Liu X J，et al.Scientific basis for constructing the “Bohai Sea Granary”：Demands，potential and approches［J］.Bulletin of Chinese Academy of Sciences，2011（4）：371-374

［23］Tang X M，Chen B M，Zhang L N，et al.Analysis of cultivated land consolidation potential in China［J］.Transactions of the CSAE，2012，28（1）：219-224

［24］吳喜芳，沈彥俊，張叢，等.基于植被遙感信息的作物蒸散量估算模型——以華北平原冬小麥為例［J］.中國生態(tài)農(nóng)業(yè)學(xué)報(bào)，2014，22（8）：920-927

Wu X F，Shen Y J，Zhang C，et al.Modeling crop evapotranspiration using remotely sensed vegetation data：A case study of winter wheat in the North China Plain［J］.Chinese Journal of Eco-Agriculture，2014，22（8）：920-927

［25］李苗苗，吳炳方，顏長珍，等.密云水庫上游植被覆蓋度的遙感估算［J］.資源科學(xué)，2004，26（4）：153-159

Li M M，Wu B F，Yan C Z，et al.Estimation of vegetation fraction in the upper basin of Miyun Reservoir by remote sensing［J］.Resources Science，2004，26（4）：153-159

［26］盛艷，姚云峰，秦富倉，等.基于GIS的耕地地力等級劃分研究［J］.干旱區(qū)資源與環(huán)境，2014，28（6）：27-32

Sheng Y，Yao Y F，Qin F C，et al.Gradation of the cropland productivity based on GIS technique［J］.Journal of Arid Land Resources and Environment，2014，28（6）：27-32

［27］Evans L T.Crop Evolution，Adaptation and Yield［M］.Cambridge：Cambridge University Press，1996

［28］Cassman K G.Ecological intensification of cereal production systems：Yield potential，soil quality，and precision agriculture［J］.Proceedings of the National Academy of Sciences of the United States of America，1999，96（11）：5952-5959

［29］Brisson N，Gate P，Gouached，et al.Why are wheat yields stagnating in Europe？ A comprehensive data analysis for France［J］.Field Crops Research，2010，119（1）：201-212

Production state and yield potential of wheat and maize in low-medium yield farmlands in Hebei Plain*

LUO Jianmei1，2，3，JIN Genhui4，LUO Zhongpeng5，WANG Hongying6，QI Yongqing1，LIU Xingran1，SHEN Yanjun1**
（1.Center for Agricultural Resources Research，Institute of Genetics and Developmental Biology，Chinese Academy of Sciences / Key Laboratory of Agricultural Water Resources，Chinese Academy of Sciences，Shijiazhuang 050022，China；2.University of Chinese Academy of Sciences，Beijing 100049，China；3.College of Land Resources and Rural-Urban Planning，Hebei GEO University，Shijiazhuang 050031，China；4.Shijiazhuang Preschool Teachers College，Shijiazhuang 050228，China；5.School of Life and Geographic Science，Qinghai Normal University，Xining 810008，China；6.College of Resources and Environmental Sciences，Hebei Normal University，Shijiazhuang 050024，China）

As arable lands are highly limited and intensively exploited in China，it has become important to increase crop yield in low-to-medium yield farmlands in order to improve grain output.Forecasting crop yield few months before harvestusing remote sensing technique has often been used in most crop yield estimation.In view of the above research condition，the potential productivities of main crops were estimated in low-to-medium yield farmlands in the Lowland Plains of Hebei，where is the area of scientific and technological demonstration of the Bohai Granary project.Using MODIS/NDVI remote sensing data（with 250m resolution） and crop statistical data from 2000 to 2013 of different regions of the area，the spatiotemporal characteristics of the production areas of winter wheat and summer maize were estimated.A crop yield model was fitted using the least squares theory based on yield statistical data，accumulative annual NDVI and accumulative maxium NDVI for the period of 14 years.The crop yield estimation model used to estimate the potential yields of wheat and maize was a quadratic function.The results showed that：1） the productivity of winter wheat was higher in Handan and Hengshui regions and lower in other regions of the study area.Even under improved production practices，productivity in the latter regions was always less than in the former regions.The productivity of maize was high in most of the study area even where potential productivity was difficult to attain.2） The highest yield potential for both winter wheat and maize was in Handan region.The yield gap（the difference between potential yield and actual yield） for winter wheat was generally less than 10％，with an average of 356kg·hm-2（5.87％）.Then the yield gap for maize was generally more than 10％，with an average of 798kg·hm-2（12.33％）.Yield gaps were different for different regions in the study area.The ranked order for winter wheat in terms of yield gap by region was Langfang ＞ Baoding ＞ Cangzhou ＞ Handan ＞ Xingtai ＞ Hengshui.Then that for maize was Xingtai ＞ Handan ＞ Baoding ＞Cangzhou ＞ Hengshui ＞ Langfang.3） Based on the 14-year maximum accumulative NDVI，the maximum production gap（the difference of potential productivity and actual productivity） for both wheat and maize occurred in Cangzhou.In the low-to-medium yield farmlands in the Lowland Plains of Hebei，yield-increasing potential was 3.90 × 108kg for winter wheat and 9.62 × 108kg for maize.The total yield-increasing potential of both wheat and maize（13.52 × 108kg） was approximately 1/5 of the theoretical production gap of the two crops.In general，yield gap and production gap were both lower for winter wheat than for summer maize.Thus maize was the most important crop in terms of increasing future grain production in the study area.The method used in this study was applicable to various other crops at different scales，whose results were useful for decision-making and management policies.

Jan.19，2016；accepted May 6，2016

Winter wheat；Maize；Yield-increasing potential；NDVI；Yield estimation model；Low-to-medium yield farmland；Bohai Granary project

S51

A

1671-3990（2016）08-1123-12

10.13930/j.cnki.cjea.160071

*中國科學(xué)院科技服務(wù)網(wǎng)絡(luò)項(xiàng)目（KFJ-EW-STS-057-3）、“十二五”農(nóng)村領(lǐng)域國家科技計(jì)劃項(xiàng)目（2013BAD11B03-2）和河北省科技計(jì)劃項(xiàng)目（15273302D）資助

**通訊作者：沈彥俊，研究方向?yàn)檗r(nóng)業(yè)水文與水資源。E-mail：yjshen@sjziam.ac.cn羅建美，研究方向?yàn)檗r(nóng)業(yè)耗水與農(nóng)業(yè)生產(chǎn)力模擬。E-mail：jm3003@126.com

2016-01-19接受日期：2016-05-06

*Funded by the Science and Technology Service Network Program of Chinese Academy of Sciences（KFJ-EW-STS-057-3），the National Science and Technology Planning Projects of “12th Five-Year” about Rural Field（2013BAD11B03-2） and the Science and Technology Planning Projects of Hebei Province（15273302D）

**Corresponding author，E-mail：yjshen@sjziam.ac.cn