全 文 ：中国生态农业学报 2016年 8月 第 24卷 第 8期
Chinese Journal of Eco-Agriculture, Aug. 2016, 24(8): 11231134


* 中国科学院科技服务网络项目(KFJ-EW-STS-057-3)、“十二五”农村领域国家科技计划项目(2013BAD11B03-2)和河北省科技计划项目
(15273302D)资助
** 通讯作者: 沈彦俊, 研究方向为农业水文与水资源。E-mail: yjshen@sjziam.ac.cn
罗建美, 研究方向为农业耗水与农业生产力模拟。E-mail: jm3003@126.com
收稿日期: 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
Received Jan. 19, 2016; accepted May 6, 2016
http://www.ecoagri.ac.cn
DOI: 10.13930/j.cnki.cjea.160071
河北平原中低产区小麦与玉米生产现状及增产潜力分析*
罗建美1,2,3 靳根会4 罗仲朋5 王红营6 齐永青1 刘兴冉1 沈彦俊1**
(1. 中国科学院遗传与发育生物学研究所农业资源研究中心/中国科学院农业水资源重点实验室 石家庄 050022; 2. 中国科
学院大学 北京 100049; 3. 河北地质大学土地资源与城乡规划学院 石家庄 050031; 4. 石家庄幼师专科学校 石家庄
050228; 5. 青海师范大学生命与地理科学学院 西宁 810008; 6. 河北师范大学资源与环境科学学院 石家庄 050024)
摘 要 本文基于 2000—2013 年 MODIS/NDVI 遥感信息与主要粮食作物的统计数据, 分析了河北平原中低
产区冬小麦和玉米生产的时空格局, 并利用各县粮食作物主要生育期累积 NDVI 的逐年值、14 年的最大值及
单产统计数据, 采用最小二乘法原理, 进行数值曲线拟合, 构建了单产遥感估测模型, 估算了河北平原中低产
区冬小麦和玉米的增产潜力。结果表明: 1)冬小麦在邯郸和衡水的最大生产力水平较高, 在沧州、廊坊及邢台
中部的最大生产力水平较低, 即后者挖掘增产潜力之后也很难达到前者的最大生产力水平; 玉米的最大生产
力水平普遍较高, 挖掘增产潜力后均可达到较高的生产力水平。2)冬小麦和玉米总产增产潜力在沧州和邯郸较
大; 冬小麦单产增产潜力多低于 10%, 平均增产 356 kghm2(5.87%); 玉米单产增产潜力多高于 10%, 平均增
产 798 kghm2(12.33%); 单产增产潜力区域分布不同, 冬小麦为廊坊>保定>沧州>邯郸>邢台>衡水, 玉米为邢
台>邯郸>保定>沧州>衡水>廊坊。3)以河北平原近 14 年来作物累积 NDVI 的最大值估算的全区冬小麦增产潜
力为 3.90亿 kg, 玉米增产潜力为 9.62亿 kg, 二者合计可增产 13.52亿 kg, 约相当于区域冬小麦和玉米理论可
达增产潜力的 1/5。本文估测粮食作物增产潜力的方法可以应用于估测多尺度范围、不同作物的增产潜力, 研
究结果可为相关部门的决策和管理提供依据。
关键词 冬小麦 玉米 增产潜力 NDVI 单产估测模型 河北平原中低产区 渤海粮仓
中图分类号: S51 文献标识码: A 文章编号: 1671-3990(2016)08-1123-12
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)
Abstract 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 harvest
1124 中国生态农业学报 2016 第 24卷


http://www.ecoagri.ac.cn
using 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 250 m 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 356
kghm2 (5.87%). Then the yield gap for maize was generally more than 10%, with an average of 798 kg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 × 108 kg for winter wheat
and 9.62 × 108 kg for maize. The total yield-increasing potential of both wheat and maize (13.52 × 108 kg) 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.
Keywords Winter wheat; Maize; Yield-increasing potential; NDVI; Yield estimation model; Low-to-medium yield farmland;
Bohai Granary project
中国的粮食安全问题一直倍受政府和国内外学
者的关注[15]。从 2004年到 2014年我国粮食实现了
“十一连增”, 但中国的粮食进口也从过去的调剂余
缺向大规模进口转变[5]。随着社会发展、人口增加
和居民膳食结构的改善, 中国的粮食需求将继续加
大[6]。在此形势下, 粮食增产对粮食安全的保障意义
尤为重大。目前粮食增产的基本途径是提高单产水
平和扩大播种面积[78]。由于我国耕地资源有限、开
发利用强度高, 因而中低产田改造已成为我国增强
粮食生产能力、增加粮食产量的重要手段[9]。中低
产田生产力水平的时空格局分析和增产潜力评估 ,
将为政府粮食贸易策略与农业政策的制定提供科学
依据。
学者们通过“机制法”、均衡增产法、模型模拟
法及田间实验法等 , 研究了粮食作物的增产潜力 ,
并证实当前粮食产量有较大的增产空间。封志明等[7]
利用农业生态区模型(AEZ), 按照“机制法”的原理 ,
研究了粮食作物的增产潜力, 发现光温、水资源和
土地资源均具有较大的增产空间; 刘玉等[10]和柏林
川等[11]将历年粮食最高单产设定为研究类型区的目
标单产, 分析了河南省和山东省的粮食均衡增产潜
力, 并划分了不同的粮食增长潜力区; 陈丽等[12]以
粮食作物较高产区的平均单产作为较低产区的目标
产量, 研究了黄淮海平原中低产区的均衡增产潜力;
辛红敏[13]运用作物生产模型(APSIM)模拟了河北平
原小麦和玉米的产量潜力, 并根据作物的实际产量
计算了增产潜力; 黄明斌等[14]通过田间试验, 证实
黄土塬区旱作冬小麦实际产量仅达到了光温潜力的
41.6%, 增产潜力巨大。现有的研究多从区域的光、
温、水、土等要素入手, 对粮食进行增产潜力估算,
其计算过程复杂、涉及的数据量大, 主要反映的是
理论增产潜力; 而仅以单产估算的均衡增产潜力虽
能反映作物近期的增产能力, 但由于估算过程进行
了较大区域的均衡化处理, 所反映的是较大类型区
的平均状况, 不能体现县域及更小尺度增产潜力的
多样性特征。
遥感具有覆盖范围大、快速和客观等优势, 被
认为是作物估产最行之有效的技术方法之一[1516]。
归一化植被指数(NDVI)不仅是反映植被生长状态及
植被覆盖度的最佳因子, 还可部分消除与太阳高度
角、地形、云/阴影和大气条件有关的辐照度条件变
化等的影响[17], 被广泛应用于产量预测的研究之中,
但目前主要是在作物收获前 1~2 个月进行产量或单
产预测[1821], 对粮食作物增产潜力的研究不足。
第 8期 罗建美等: 河北平原中低产区小麦与玉米生产现状及增产潜力分析 1125


http://www.ecoagri.ac.cn
本文基于 Terra/MODIS 遥感信息, 以 2000—
2013年粮食作物主要生育期累积 NDVI的最大值表
征产量潜力, 结合单产遥感估测模型, 对河北平原
中低产区主要粮食作物的增产潜力进行估算。该方
法简单易行 , 能够揭示通过田间管理措施消除产
量波动的现实增产潜力, 反映县域尺度与像元尺度
(250 m×250 m)的作物生产力水平和增产潜力。此外,
本文参考APSIM模拟的产量潜力结果[13], 对比了区
域现实增产潜力与理论增产潜力的差异。研究成果
可为作物增产潜力的研究提供思路和参考, 为区域
增粮战略和农业政策的制定提供基础。
1 研究区概况与数据来源
1.1 研究区概况
河北平原中低产区位于东经 114°29′~117°52′,
北纬 36°03′~39°28′, 包括河北省沧州、衡水全部及
保定、廊坊、邢台和邯郸的部分区域, 共 49个县(市、
区)(图 1)。该区域属暖温带大陆性季风气候, 年均气
温 12.5~13.6 ℃, 年降水量 450~550 mm。地形平坦,
海拔多在 20 m以下, 淡水资源匮乏, 人均水资源量
为 190 m3, 仅为全国的 1/12。农作物以冬小麦夏玉
米一年两熟的粮食作物和耐盐碱性较强的棉花和梨
枣树等经济作物为主, 土壤瘠薄, 存在大面积的中低
产区和盐碱荒地, 是我国重要的耕地后备资源[2223],
也是“渤海粮仓”科技示范工程的河北项目区, 随着
“渤海粮仓”科技示范工程的推进, 对其增产潜力的
评估将受到越来越多的关注。

图 1 河北平原中低产区(LMYHP)地理位置
Fig. 1 Location map of the low-medium yield farmland of
Hebei Plain (LMYHP)
1.2 数据来源
主要粮食作物产量、播种面积等数据源于《河
北农村统计年鉴(1995—2014年)》, 主要为近 20年
的统计数据; 遥感数据主要为 Terra/MODIS 卫星近
14 年(2000—2013 年)的 NDVI 数据 , 空间分辨率
250 m, 为 16 d最大值合成数据, 主要用于对粮食作
物分布范围、增产比率、单产估测模型及增产潜力
等的研究。
2 研究方法
2.1 粮食作物分布范围的提取与生产力水平等级
的划分
2.1.1 粮食作物分布范围的提取
冬小麦分布范围选取 3 月底至 4 月初, 冬小麦
已经返青生长, 而其他作物(如棉花、春玉米等)尚未
播种 , 果树及其他乔木类植物尚未展叶之时的
NDVI图像提取空间分布信息[24]。
玉米分布范围选取 6 月初, 冬小麦已收获, 夏
玉米刚播种, 春玉米尚处于初始生长期, 而果树及
其他农作物和乔木类生长比较旺盛之时的 NDVI 图
像提取空间分布信息。玉米包括研究区中的夏玉米
和春玉米。
以 2000—2013 年的 NDVI 遥感信息为数据源,
利用 ArcGIS软件的空间分析功能, 采用像元二分模
型[25]计算植被覆盖度的方法, 计算像元尺度上冬小
麦和玉米的分布比例[24]。公式如下:
fccrop=(NDVI–NDVIsoil)/(NDVIcrop–NDVIsoil) (1)
式中: fccrop代表某种作物的分布比例, NDVI代表像
元中作物实际的 NDVI值, NDVIsoil代表作物未覆盖
像元时的 NDVI值, NDVIcrop代表作物完全覆盖像元
时的 NDVI值, NDVIsoil和 NDVIcrop分别根据该时期
NDVI 图像的统计特征值来确定。作物的分布比例
fccrop介于 0~1。
2.1.2 累积 NDVI最大值的提取
以 2000—2013年的 NDVI遥感数据为基础, 利
用 ArcGIS 软件计算不同粮食作物在其分布范围内
的 NDVI 值, 在此基础上计算每一年每个栅格单元
中粮食作物主要生育期的累积 NDVI值及 14年中作
物主要生育期累积 NDVI 的最大值, 其中, 冬小麦
利用的是 3—5月的 NDVI数据, 玉米利用的是 7—9
月的 NDVI数据。
2.1.3 粮食作物生产力水平等级的划分
由于 NDVI 与植被生物量及粮食产量呈良好的
正相关关系[17], 因此利用粮食作物主要生育期累积
NDVI 值的大小来表征作物生产力水平的高低, 根
1126 中国生态农业学报 2016 第 24卷


http://www.ecoagri.ac.cn
据累积 NDVI 值的大小将生产力水平划分为 4 级。
为了便于比较, 累积 NDVI的最大值和 2013年的值
均以 2013年的划分标准进行分级。具体方法是: 以
2013 年粮食作物 NDVI 的栅格数据为基础, 根据作
物生育期栅格单元累积 NDVI 的累积曲线图进行分
级[26], 按累积频率 0.25、0.50、0.75 所对应的累积
NDVI 值将生产力水平划分为 4 级(表 1), Ⅰ级代表
最高生产力水平, Ⅳ级代表最低生产力水平。
表 1 河北平原中低产区粮食作物生产力(累积 NDVI)水平等级划分
Table 1 Crop productivity grading standard according to accumulated NDVI in the low-medium yield farmland of Hebei Plain
粮食作物生产力等级
Crop productivity grade
Ⅰ级
Grade Ⅰ
Ⅱ级
Grade Ⅱ
Ⅲ级
Grade Ⅲ
Ⅳ级
Grade Ⅳ
冬小麦累积 NDVI值 Accumulated NDVI of wheat >3.45 2.83~3.45 2.12~2.82 <2.12
玉米累积 NDVI值 Accumulated NDVI of maize >3.73 3.48~3.73 3.07~3.47 <3.07

2.2 基于 NDVI的粮食增产潜力估算
2.2.1 计算原理
在作物播种面积稳定的情况下, 通常可以将作
物产量水平的最大值作为增产潜力的目标产量[1011]。
本文在像元尺度上将 2000—2013年主要粮食作物主
要生育期累积 NDVI 的最大值作为增产潜力的目标
NDVI值, 利用播种面积、产量、单产等数据, 结合
单产遥感估测模型, 计算粮食作物增产潜力。公式
如下:
 p p a
1 1
m n
ij ij
i j
Y Y Y
 
  (2)
式中: Yp为增产潜力, Ypij和 Yaij分别为第 i种粮食作
物在第 j 个县(市)的增产潜力目标产量和实际产量,
m 为粮食作物的种类数, n 为研究区县(市)个数。其
中, Ypij是通过粮食作物的播种面积、产量、单产及
主要生育期累积 NDVI 实际值与目标值相比较的增
加比率, 并结合单产遥感估测模型求得。主要公式
如下:
 p pij ijY F X (3)
Xpij=Xaij(1+r) (4)
式中: Ypij含义同上, Xpij为第 i种粮食作物在第 j个县
(市)中作物主要生育期累积 NDVI 增产潜力的目标
值, Xaij为第 i种粮食作物在第 j个县(市)中作物主要
生育期累积 NDVI的实际值, r为累积 NDVI实际值
与目标值相比较的增产比率, F p( )ijX 为以 pijX 为自
变量的函数。
需要说明的是, 本文在利用单产遥感估测模型
估算目标单产时, 并未利用粮食作物主要生育期累
积 NDVI 的目标值, 而是利用粮食作物主要生育期
累积 NDVI 的实际值及增产比率 r 进行估算。主要
原因是目标值无法计算其单产遥感拟合关系的误差,
因此无法进行误差校正。
2.2.2 粮食作物增产比率(r)的估算
本文以粮食作物主要生育期累积 NDVI 的最大
值与实际值的差与累积 NDVI 实际值的比值表征粮
食作物增产比率(r)。通过 ArcGIS软件, 利用粮食作
物主要生育期累积 NDVI的最大值和 2013年的实际
值, 对栅格数据进行计算。公式如下:
r =(NDVImax –NDVI2013)/NDVI2013 (5)
式中: r 为粮食作物的增产比率, NDVImax为 2000—
2013 年粮食作物主要生育期累积 NDVI 的最大值,
NDVI2013 为 2013 年粮食作物生育期的累积 NDVI
值。由于作物主要生育期累积 NDVI 的增产比率并
不等同于产量或单产的增加比率, 因而需要将作物
主要生育期累积 NDVI 的值与真实的产量水平进行
拟合, 进而计算出作物的实际增产潜力。
2.2.3 基于累积 NDVI的单产遥感估测模型
本文选取 2000—2012年的数据进行模拟, 2013
年的数据进行验证。模拟过程剔除了原始数据中的
异常值。利用河北平原中低产区小麦生育期(选取
3—5月)和玉米生育期(选取 7—9月)MODIS卫星的
累积 NDVI 数据, 与研究区县域的单产统计数据通
过最小二乘法进行数值曲线拟合, 得到作物生产函
数, 其数学表达式如下:
Yi,j=ai,j X2i,j+bi,jXi,j+ci,j (6)
式中: Yi,j表示第 i种粮食作物在第 j个县的单产, Xi,j
表示第 i种粮食作物在第 j个县的 NDVI值, ai,j、bi,j
和 ci,j表示第 i种粮食作物在第 j个县的回归系数。
2.3 单产遥感估测模型的精度验证
2.3.1 模拟结果精度的评价指标
采用决定系数(R2)、相对误差(RE)和均方根误差
(RMSE)等作为反映模拟值和实测值拟合程度的指
标, 对区域作物单产估测结果进行精度评价[16]。
  
   
2
2 1
2 2
1 1
n
i ii
n n
i ii i
A A P P
R
A A A A

 
         

 
(7)
RE 100%i i
i
P A
A
  (8)
第 8期 罗建美等: 河北平原中低产区小麦与玉米生产现状及增产潜力分析 1127


http://www.ecoagri.ac.cn
 21RMSE
n
i ii P A
n
   (9)
式中: i表示第 i个样本数据, Ai为统计数据中实际的
粮食作物单产值, Pi 为模型估测的粮食作物单产值,
A为实际统计数据中粮食作物的平均单产值, P为
模型估测的粮食作物平均单产值, n为样本数。
2.3.2 精度验证
利用粮食作物主要生育期累积 NDVI 县域的平
均值(x)与县域单产(y)拟合的模型为:
ywheat=–1 739.8x2wheat+10 206xwheat–9 056.6 (10)
ymaize=–2 393.8x2maize+18 952xmaize–31 059 (11)
式中: 冬小麦拟合样本数 n=565, 决定系数 R2=0.569,
相关系数 R=0.754; 玉米拟合样本数 n=565, 决定系
数 R2=0.508, 相关系数 R=0.713, 均为 0.001 水平上
显著相关关系(图 2)。
河北平原中低产区冬小麦单产遥感模型拟合关
系的相对误差 RE 为–7.04%, 均方根误差 RMSE 为
899 kg·hm2; 玉米单产遥感拟合关系的相对误差 RE
为–12. 94%, RMSE为 1 348 kg·hm2。2013年统计数据
中冬小麦单产平均值为 5 970 kg·hm2, 相应的模拟结
果为 5 407 kg·hm2; 玉米单产平均值为 6 571 kg·hm2,
相应的模拟结果为 5 613 kg·hm2。总体来看, 玉米
相对于小麦拟合效果较差, 主要原因是在玉米生育
期其他农作物及乔木、灌木生长都比较旺盛, 导致
利用 NDVI 提取的玉米分布范围的误差较大, 从而
影响了主要生育期累积 NDVI与单产的拟合效果。

图 2 河北平原中低产区冬小麦(a)和玉米(b)单产的遥感估测模型(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)
任建强等[17]利用 NOAA/AVHRR NDVI 数据研
究了石家庄、邢台和邯郸冬小麦生长关键期 NDVI
和与小麦产量的相关性, 其中 3—5月 NDVI之和与
总产量的线性模拟结果中决定系数 R2 为 0.299, 相
对误差值为–8.20%, 样本数 567, 未计算均方根误
差。从以上指标来看, 本研究中样本数与之相近, 但
模拟精度更高。
3 结果与分析
以粮食作物生产现状为基础, 分析小麦和玉米
现实增产潜力和理论增产潜力。其中, 现实增产潜
力是以 2000—2013 年粮食作物主要生育期累积
NDVI 的最大值为目标值计算的增产潜力; 理论增
产潜力是在参考辛红敏[13]利用 APSIM 模型预测的
产量潜力的基础上 , 结合河北平原中低产区的单
产、播种面积等数据, 计算的区域特定自然条件下
的增产潜力。
3.1 小麦和玉米生产现状
基于 2000—2013 年的遥感信息, 以 14 年粮食
作物的平均分布比例, 代表冬小麦和玉米的空间分
布特征。冬小麦在研究区南部和中部分布比例较高,
玉米在研究区北部和中部分布比例较高。由于水分
条件是区域冬小麦生长的主要限制因子, 因而水源
条件较好的南部地区和中部地区是冬小麦的主要分
布区, 冬小麦分布比例可高达 0.8以上; 而在研究区
北部和邢台市的中部地区, 由于水分、土壤等因素
的制约, 冬小麦的分布比例较低, 多低于 0.4(图 3)。
玉米分布范围广泛 , 在研究区北部分布比例较高 ,
部分区域可达 0.8以上; 在邯郸北部、邢台中部和衡
水西部形成了集中连片的低比例分布区, 分布比例
多小于 0.2(图 3)。
近 20年来, 河北平原中低产区冬小麦和玉米的
产量均呈增长态势(图 4)。小麦产量的增加主要源于
单产的提高, 玉米产量的增加则是单产提高和播种
面积扩大共同的结果。从 1994 年到 2013 年, 小麦
和玉米的产量分别从 38.6亿 kg和 27.9亿 kg提高到
了 66.5 和 77.9 亿 kg, 增长率为 72%和 180%; 二者
的单产水平也分别从 3 614 kg·hm2和 4 371 kg·hm2,
提高到 6 059 kg·hm2和 6 471 kg·hm2。近 20年来,
玉米播种面积从 1994年的 64万 hm2增加至 2013年
1128 中国生态农业学报 2016 第 24卷


http://www.ecoagri.ac.cn

图 3 2000—2013年河北平原中低产区冬小麦(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

图 4 1994—2013年河北平原中低产区冬小麦、玉米播种
面积和产量变化图
Fig. 4 Productions and sowing areas of winter wheat and
maize in the low-medium yield farmland of Hebei Plain from
1994 to 2013
Pwh: 小麦产量; Pmz: 玉米产量; Swh: 小麦播种面积; Smz:
玉米播种面积。Pwh: winter wheat yield; Pmz: maize yield; Swh:
winter wheat sown area; Smz: maize sown area.

的 120万 hm2, 扩大了近一倍; 小麦播种面积变化不
大, 1994年为 107万 hm2, 2013年为 110万 hm2, 仅
增加 2.8%。
单产能够反映粮食作物的实际生产力水平。2013
年冬小麦单产在衡水和邯郸较高, 多大于 6 000 kg·hm2,
在沧州东部和廊坊南部较低, 均小于 5 000 kg·hm2;
玉米单产水平在邯郸较高, 多大于 7 000 kg·hm2, 在衡
水、沧州西部次之, 沧州东部较低, 小于 6 000 kg·hm2
(图 5a, b)。近 20年来小麦和玉米的生产力水平都显
著提高(P<0.001), 其中在邯郸地区提高较大, 部分
区域单产提高量达 3 000 kg·hm2以上(图 5c, d)。
3.2 小麦和玉米的现实增产潜力
3.2.1 基于生育期累积 NDVI最大值的增产潜力分析
冬小麦和夏玉米均具备较大的增产潜力, 且玉
米潜在高产区范围大于小麦的潜在高产区范围(图
5a, c)。冬小麦在邯郸和衡水的最大生产力水平较高,
在邢台、沧州、廊坊及邢台中部的最大生产力水平
较低, 即后者挖掘增产潜力之后也很难达到前者的
最大生产力水平。主要是由于冬小麦在邯郸和衡水
地区由于灌溉条件较好, 积温较高, 水肥土热及管

图 5 河北平原中低产区冬小麦(a, c)和玉米(b, d)单产现状与变化图
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
第 8期 罗建美等: 河北平原中低产区小麦与玉米生产现状及增产潜力分析 1129


http://www.ecoagri.ac.cn
理投入配合较适宜, 因而最大生产力水平较高; 在
沧州和廊坊地区由于浅层地下水矿化度较高、盐碱
土分布比例较大、管理投入少, 加之廊坊积温较低等
因素的限制, 最大生产力水平较低; 邢台中部地区土
壤、水分等生产条件较差, 管理投入少, 因而最大生
产力水平也较低。玉米的最大生产力水平普遍较高,
挖掘增产潜力后均可达到较高的生产力水平。
粮食作物生产力水平的分级结果表明, 冬小麦
生产力水平较高的Ⅰ、Ⅱ级区仍有继续增产的空间,
生产力水平较低的Ⅳ级水平区可提升为Ⅲ级水平 ,
甚至是Ⅰ、Ⅱ级水平(图 6a, b); 玉米相对于小麦来说,
生产力水平的提升空间较大, 除沧州的枣林周围及
沧州东部的部分地区外, 其他区域的玉米生产力水
平均可以提升为Ⅰ级水平(图 6c, d)。
利用公式(5)计算生产力水平的潜在增产比率 r,
结果如图 7 所示。大部分地区冬小麦生产力水平的增
产比率小于 10%, 沧州西部生产力的潜在增产比率较
高, 局部地区可达 50%以上(图 7a); 玉米生产力水平
的潜在增产比率多高于 10%, 潜在增产比率较大的区
域分布于邯郸、沧州东部及邢台的部分地区(图 7b)。

图 6 以作物主要生育期累积 NDVI表征的河北平原中低产区冬小麦(a, b)和玉米(c, d)的 2000—2013年间的最大
生产力(a, c)和 2013年生产力水平(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

图 7 累积 NDVI表征的河北平原中低产区冬小麦(a)和玉米(b)增产比率空间分布图
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 基于生育期累积 NDVI 最大值估算的单产增
产潜力
从冬小麦和玉米的单产增产潜力来看, 县域尺
度上冬小麦单产的增产潜力为 20~864 kg·hm2, 多
小于实际单产的 10%, 玉米单产的增产潜力为 456~
1 747 kg·hm2, 多大于实际单产的 10%。河北平原中
低产区冬小麦的平均单产可从 6 059 kg·hm2的当前
产量水平提升为 6 415 kg·hm2的潜力产量水平, 增
产量为 356 kg·hm2, 增产率为 5.87%; 玉米的平均
单产可从 6 472 kg·hm2提升为 7 270 kg·hm2, 增产
量为 798 kg·hm2, 增产率为 12.33%(表 2)。从单产
潜力的空间格局看, 单产潜力和单产增产潜力在空
间上不一致, 冬小麦和玉米单产潜力最大的区域均
为邯郸地区(图 8a, b), 冬小麦单产增产潜力较大的
1130 中国生态农业学报 2016 第 24卷


http://www.ecoagri.ac.cn
地区主要位于研究区北部, 玉米单产增产潜力较大
的地区主要位于研究区南部(图 8c, d)。冬小麦单产
增产潜力在廊坊最大, 为 605 kg·hm2; 在衡水最小,
为 200 kg·hm2。玉米单产增产潜力在邢台最大, 为
1 109 kg·hm2; 在廊坊最小, 为 344 kg·hm2(表 2)。
按照单产增产潜力进行排序, 冬小麦为: 廊坊>保定>
沧州>邯郸>邢台>衡水; 玉米为: 邢台>邯郸>保定>
沧州>衡水>廊坊(表 2)。

图 8 基于作物主要生育期累积 NDVI计算的河北平原中低产区冬小麦(a, c)和玉米(b, d)的单产潜力(a, b)与
单产增产潜力(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 河北平原中低产区冬小麦和玉米的增产潜力
Table 2 Yield increasing potentials of winter wheat and maize in the low-medium yield farmland of Hebei Plain
作物
Crop
区域
Area
播种面积
Sown area
(104 hm2)
总产量
Production
(108 kg)
单产
Yield
(kg·hm2)
单产潜力
Yield potential
(kg·hm2)
单产增产潜力
Yield gap
(kg·hm2)
单产增加率
Relative increment
of yield (%)
总产增产潜力
Production gap
(108 kg)
邯郸 Handan 19.32 13.69 7 085 7 494 409 5.77 0.79
邢台 Xingtai 17.80 11.30 6 347 6 639 292 4.60 0.52
衡水 Hengshui 27.66 17.65 6 379 6 580 200 3.14 0.55
沧州 Cangzhou 37.69 19.61 5 202 5 636 433 8.32 1.63
廊坊 Langfang 2.49 1.30 5 224 5 830 605 11.59 0.15
保定 Baoding 4.81 2.97 6 178 6 714 536 8.67 0.26
冬小麦
Winter wheat
河北平原中低产区
Low-medium yield
farmland of Hebei
Plain
109.77 66.51 6 059 6 415 356 5.87 3.90
邯郸 Handan 15.73 13.05 8 294 9 265 971 11.70 1.53
邢台 Xingtai 15.93 10.89 6 834 7 943 1 109 16.23 1.77
衡水 Hengshui 27.69 17.71 6 394 7 128 734 11.47 2.03
沧州 Cangzhou 44.19 25.68 5 812 6 588 776 13.34 3.43
廊坊 Langfang 11.45 7.13 6 224 6 568 344 5.53 0.39
保定 Baoding 5.51 3.53 6 413 7 265 852 13.28 0.47
玉米
Summer
maize
河北平原中低产区
Low-medium yield
farmland of Hebei
Plain
120.49 77.98 6 472 7 270 798 12.33 9.62

3.2.3 基于生育期累积 NDVI 最大值估算的总产增
产潜力
从冬小麦和玉米总产量的增产潜力来看, 河北
平原中低产区冬小麦的增产潜力可达 3.90 亿 kg, 玉
米的增产潜力可达 9.62 亿 kg, 二者合计增产潜力为
13.52 亿 kg(表 2)。县域尺度上冬小麦和玉米的增产
潜力较大的区域主要位于研究区的北部。沧州是今后
冬小麦和玉米增产的关键地区, 部分县(市)冬小麦总
产增产潜力高于 0.10 亿 kg, 玉米总产增产潜力高于
0.25亿 kg; 邯郸各县(市)冬小麦和玉米总产增产潜力
也较大, 部分县(市)冬小麦和玉米的增产潜力也分别
达 0.10 亿 kg 和 0.25 亿 kg 以上; 衡水和邢台冬小麦
和玉米总产增产潜力较小 , 多数县(市)冬小麦低于
0.05亿 kg, 玉米低于 0.25亿 kg(图 9)。近 14年来, 衡
水地区冬小麦和玉米的产量一直较高, 总产增产潜
力有限; 而邢台地区冬小麦的产量一直较低, 玉米虽
然具备高产出能力, 但受播种面积的限制, 总产增产
潜力不大。
第 8期 罗建美等: 河北平原中低产区小麦与玉米生产现状及增产潜力分析 1131


http://www.ecoagri.ac.cn

图 9 河北平原中低产区冬小麦(a)和玉米(b)总产量增产潜力
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 小麦和玉米的理论增产潜力
上文利用近 14 年粮食作物主要生育期累积
NDVI 的最大值所估测的增产潜力, 是以实际发生
过的最大生产力水平确定的增产潜力, 该潜力通过
合理的农业投入、良好的经营管理及高新技术的应
用等方式 , 能够在较短时期内转变为现实的增产
量。为了进一步探明研究区特定自然环境下, 主要
粮食作物的理论最大增产潜力, 本文引入产量潜力
和理论可达产量的概念与上文的现实增产潜力进
行区分。产量潜力是在特定气候和土壤等环境条
件下 , 在没有水分和养分胁迫及任何影响产量的
因素(病虫草害、倒伏、缺苗断垄等)发生的情况下 ,
作物品种所能达到的产量 [27], 它是一定区域内理
想化生产条件下产量的最大值。理论可达产量潜力
是在最好的管理水平和较小的胁迫下, 区域可以达
到的最大产量。研究表明, 主要作物(如小麦、玉米
和水稻等)的产量一般在达到产量潜力的 70%~85%
时便趋于平稳 [2829], 即认为达到了理论可达产量
潜力。
本文参考辛红敏[13]利用 APSIM 模型预测的河
北平原主要作物的产量潜力结果 , 以产量潜力的
70%作为理论可达产量潜力的临界值, 以 2013 年研
究区各县(市)所在地级市粮食作物单产的平均值作
为实际产量水平, 结合相应的播种面积、产量等数
据 , 计算了河北平原中低产区的理论可达增产潜
力。结果表明, 河北平原中低产区理论可达增产潜
力巨大。冬小麦、玉米的实际产量仅为产量潜力的
48%~63%和 34%~52%(表 3)。以河北平原中低产区
2013年小麦、玉米的播种面积进行计算, 小麦的理论
可达增产潜力为 17.6 亿 kg, 玉米的理论可达增产潜
力为 58.1亿 kg, 二者合计的增产潜力为 76.0亿 kg
(表 3)。即本文利用粮食作物主要生育期累积 NDVI
的最大值所计算的冬小麦的增产潜力为其理论可达
增产潜力的 22%, 玉米增产潜力为其理论可达增产
潜力的 17%、冬小麦与玉米总增产潜力为其理论
可达增产潜力的 18%。基于粮食作物主要生育期
累积 NDVI计算的增产潜力通过技术和管理的提高
是可以实现的, 比理论增产潜力具有更强的现实指
导意义。
4 结论与讨论
本文以粮食作物主要生育期累积 NDVI 的最大
值结合单产估测模型估算增产潜力, 发现河北平原
中低产区冬小麦增产潜力为 3.90亿 kg, 玉米的增产
潜力为 9.62 亿 kg, 合计增产潜力为 13.52 亿 kg, 相
当于区域理论可达增产潜力的 18%。总体来看, 不
论是总产还是单产, 冬小麦的增产潜力均小于玉米
的增产潜力。冬小麦和玉米总产增产潜力较大的地
区均位于研究区的北部; 冬小麦和玉米单产增产潜
力较大的区域分别位于研究区的北部和南部。本
文所估算的增产潜力以实际生产力的最高水平为
依据 , 具有很强的现实意义。但产量潜力转变为现
实产量还存在诸多限制因素。在土壤瘠薄的地区 ,
可以通过土壤培肥与水肥药的精细化管理技术促
进增产 ; 在淡水资源短缺的微咸水区 , 微咸水补
灌与雨水资源利用是增产的重点 ; 在盐碱区则可
以通过暗管排盐、雨水淋盐和盐碱地咸水结冰灌
溉改良技术等方式促进粮食增产 ; 在旱作雨养区
可以通过节水灌溉技术和雨水资源化等方式来保
障粮食增产。此外 , 经济收益是保障粮食增产的直
1132 中国生态农业学报 2016 第 24卷


http://www.ecoagri.ac.cn
表 3 基于 APSIM模拟的产量潜力的理论可达增产潜力
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
保定
Baoding
沧州
Cangzhou
邯郸
Handan
衡水
Hengshui
廊坊
Langfang
邢台
Xingtai
产量潜力 1) Yield potential (kg·hm2) 10 557 10 865 10 990 11 168 11 163 10 889
实际产量 Actual yield (kg·hm2) 6 353 5 226 6 930 6 379 5 660 6 401
实际产量/产量潜力
Actual yield/ yield potential (kg·hm2)
0.60 0.48 0.63 0.57 0.51 0.59
理论可达增产潜力
Theoretical yield gap (kg·hm2)
1 037 2 379 763 1 438 2 155 1 222
播种面积 Sown area (hm2) 48 080 376 915 193 227 276 607 24 870 177 978
冬小麦
Winter wheat
理论可达增产量
Theoretical production gap (108kg)
0.50 8.97 1.47 3.98 0.54 2.17
产量潜力 1) Yield potential (kg·hm2) 15 594 17 022 15 630 15 495 15 600 15 246
实际产量 Actual yield (kg·hm2) 6 856 5 812 8 140 6 394 6 171 6 434
实际产量/产量潜力
Actual yield/ Yield potential (kg·hm2)
0.44 0.34 0.52 0.41 0.40 0.42
理论可达增产潜力
Theoretical yield gap (kg·hm2)
4 060 6 103 2 800 4 452 4 749 4 238
播种面积 Sown area (hm2) 55 086 441 861 157 295 276 895 114 509 159 296
玉米
Summer
maize
理论增产量
Theoretical production gap (108kg)
2.24 26.97 4.41 12.33 5.44 6.75
1)表中“产量潜力”数据引自辛红敏 [13]的研究结果。The data of “Yield potential” in Table 3 is cited from the results reported by Xin
Hongmin[13].

接动力 , 可以通过土地经营管理、粮食补贴、激励
政策等多种措施保障农民收益 ; 同时可以增加“增
粮专项补贴”、“咸水利用专项补贴”与“节水技术应
用专项补贴”等专项补贴 , 扩大补贴的力度和覆盖
面 , 逐步建立长效稳定的粮食生产激励机制 , 促
进粮食增产。
本文在粮食增产潜力研究方面进行了新的探索,
研究方法简单易行, 数据容易获取, 能够较好地估
算粮食作物的增产潜力。但研究中还存在一些不确
定性: 1)在单产遥感估算模型方面, 由于样本数量大
以及不同区域在农田水分、肥力、土壤和管理等方
面的差异性, 导致了模型精度的局限性, 均方根误
差 RMSE 值较大。本文以各县(市)的相对误差为标
准对单产遥感模拟结果进行了误差校正, 以期提高
增产潜力的估测精度; 2)在土地利用方面, 由于缺少
农用地的土地利用类型数据, 采用粮食作物生育期
的 NDVI 值提取了冬小麦和玉米的分布范围, 数据
在作物分布范围较少的区域误差较大, 导致作物主
要生育期累积 NDVI 与单产的拟合数据出现了异常
值, 同时, 由于玉米生育期内其他植被多处于生长
旺盛期, 导致玉米提取范围及其增产潜力估算的误
差相对较大, 有待于进一步改进; 3)从研究基期看,
由于相关数据同时存在趋势性变化和年际性波动的
双重特征, 在研究时段内冬小麦和玉米的单产与总
产均呈持续增长的趋势, 因而未采用历年的平均值
来代表实际产量。由于无法选取能够完全代表区域
粮食生产特征的典型年份, 因而本文选取 2013年的
数据来代表当前生产力水平的最新状况。4)从研究
的假设看, 本文在估算增产潜力时假设作物播种面
积保持稳定, 但在实际生产中粮食作物的播种面积
是变化的。如在邢台地区 2015 年棉花播种面积较
2013 年有明显的减少(遥感解译结果), 该区域近 14
年来玉米的最大生产力水平较高(可达一级水平, 见
图 6c), 如果减少的棉花转变为玉米则会较大程度地
影响到该区域粮食增产潜力估测的准确性。此外 ,
作物品种对产量有着较大的影响, 本文在估算增产
潜力时没有考虑作物品种的更替, 这也会影响到估
产的准确性。

致谢 感谢中国科学院遗传与发育生物学研究所农
业资源研究中心的闵雷雷老师和邵立威老师在论文
思路和语言表达方面的启示与建议, 感谢肖登攀博
士和裴宏伟博士在论文结构和图表等方面提出的宝
贵意见 , 感谢吴喜芳在遥感数据处理方面的贡献 ,
感谢评审专家和编委老师为论文的进一步完善提出
的宝贵意见！
参考文献 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].
第 8期 罗建美等: 河北平原中低产区小麦与玉米生产现状及增产潜力分析 1133


http://www.ecoagri.ac.cn
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] 张正斌 , 徐萍 , 段子渊 . 粮食安全应成为中国农业现代化
发展的终极目标 [J]. 中国生态农业学报 , 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] 毛学峰, 刘靖, 朱信凯. 中国粮食结构与粮食安全: 基于粮
食流通贸易的视角[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] 孟春红 , 路振广 . 粮食安全与玉米增产潜力的研究[J]. 中
国农村水利水电, 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, 杨艳昭, 张晶, 等. 从栅格到县域: 中国粮食生产
的资源潜力区域差异分析[J]. 自然资源学报, 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, 王树涛, 门明新, 等. 基于 EMD 的河北省粮食产
量波动及其成因的时空多尺度分析 [J]. 自然资源学报 ,
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] 张琳, 张凤荣, 姜广辉, 等. 我国中低产田改造的粮食增产
潜力与食物安全保障 [J]. 农业现代化研究 , 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] 刘玉, 郜允兵, 高秉博, 等. 1980—2012年河南省县域粮食
单产时空分异及增产潜力研究[J]. 北京大学学报: 自然科
学版, 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, 武兰芳, 宋小青 . 1995—2010 年山东省粮食单产
变化空间分异及均衡增产潜力 [J]. 地理科学进展 , 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] 陈丽, 郝晋珉, 艾东, 等. 黄淮海平原粮食均衡增产潜力及
空间分异[J]. 农业工程学报, 2015, 31(2): 288–297
Chen L, Hao J M, Ai D, 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] 辛红敏. 基于 APSIM 模拟与 GIS 分析的小麦玉米增产潜
力及其地域差异研究[D]. 保定: 河北农业大学, 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] 黄明斌 , 李玉山 . 黄土塬区旱作冬小麦增产潜力研究 [J].
自然资源学报, 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] 钱永兰, 侯英雨, 延昊, 等. 基于遥感的国外作物长势监测
与产量趋势估计[J]. 农业工程学报, 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] 任建强, 陈仲新, 周清波, 等. MODIS 植被指数的美国玉
米单产遥感估测[J]. 遥感学报, 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] 任建强, 陈仲新, 唐华俊, 等. 长时间序列 NOAA-NDVI数
据在冬小麦区域估产中的应用[J]. 遥感技术与应用, 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] 李振声 , 欧阳竹 , 刘小京 , 等 . 建设 “渤海粮仓 ”的科学
依据——需求、潜力和途径[J]. 中国科学院院刊, 2011(4):
1134 中国生态农业学报 2016 第 24卷


http://www.ecoagri.ac.cn
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] 吴喜芳, 沈彦俊, 张丛, 等. 基于植被遥感信息的作物蒸散
量估算模型——以华北平原冬小麦为例[J]. 中国生态农业
学报, 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, 吴炳方, 颜长珍, 等. 密云水库上游植被覆盖度的
遥感估算[J]. 资源科学, 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] 盛艳, 姚云峰, 秦富仓, 等. 基于 GIS的耕地地力等级划分
研究[J]. 干旱区资源与环境, 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 agricul-
ture[J]. Proceedings of the National Academy of Sciences of
the United States of America, 1999, 96(11): 5952–5959
[29] Brisson N, Gate P, Gouache D, et al. Why are wheat yields
stagnating in Europe? A comprehensive data analysis for
France[J]. Field Crops Research, 2010, 119(1): 201–212