全 文 ：中国生态农业学报 2015年 1月 第 23卷 第 1期
Chinese Journal of Eco-Agriculture, Jan. 2015, 23(1): 119−126


* 国家社会科学基金项目(12CGL065)资助
** 通讯作者: 龚健, 主要从事土地利用、规划、评价研究。E-mail: hotsmile2009@hotmail.com
李亚芳, 主要从事土地利用和规划研究。E-mail: mr_yangjx@gmail.com
收稿日期: 2014-05-11 接受日期: 2014-10-08
DOI: 10.13930/j.cnki.cjea.140573
基于植被初级生产力的农用地理论和
可实现产能核算研究*
李亚芳1 龚 健1,2** 杨建新1 金清霞3
(1. 中国地质大学(武汉)公共管理学院 武汉 430074; 2. 中国地质大学(武汉)国土资源法律评价工程实验室 武汉 430074;
3. 湖北省当阳市国土资源局 当阳 444100)
摘 要 为解决传统基于农用地分等成果计算农用地理论产能和可实现产能时遇到的问题, 本文将植被初级
生产力(NPP)测算应用于农用地产能核算。以湖北省武汉市为研究区, 运用 CASA模型测算研究区农用地 NPP,
通过样点调查分别建立 NPP 与农用地理论单产和可实现单产的线性回归模型, 在此基础上进行农用地理论产
能和可实现产能核算。通过核算得到研究区 75个乡镇的农用地理论产能及单产和可实现产能及单产, 理论和
可实现产能较大的乡镇主要分布在研究区北部及东南部地区, 理论和可实现单产较大的乡镇则主要分布在研
究区西部和东北地区, 而靠近主城区周边乡镇的理论和可实现产能及单产均较低。将核算结果与传统方法计
算得到的农用地产能核算成果进行对比分析, 发现两种方法的核算成果在乡镇理论和可实现产能分布上非常
接近, 具有较高一致性; 但在乡镇理论单产和可实现单产分布上并不完全一致。研究结果表明基于 NPP 测算
的农用地产能核算方法是可行的, 该方法避免了传统核算方法资料收集繁琐, 主观性强等不足, 且不以农用
地分等定级成果为基础, 可实现农用地产能快速核算。
关键词 植被初级生产力 农用地 理论产能 可实现产能
中图分类号: S2 文献标识码: A 文章编号: 1671-3990(2015)01-0119-08
Using vegetation net primary productivity to determine theoretical
and achievable farmland productivity
LI Yafang1, GONG Jian1,2, YANG Jianxin1, JIN Qingxia3
(1. School of Public Management, China University of Geosciences, Wuhan 430074, China; 2. Laboratory of Legal Evaluation
Engineering on Homeland Resources, China University of Geosciences, Wuhan 430074, China; 3. Land and Resource Bureau of
Dangyang, Dangyang 444100, China)
Abstract Food security is one of the main problems facing China and researches on establishing farmland productivity are of vital
significance for food productivity and safety. Traditional calculations of farmland productivity have been based on farmland grading
to establish functional relations among the natural quality of farmland, grade index, theoretical yield and achievable yield using
sample surveys. The deficiencies that associated with this calculation method have included tedious data collection and strong
subjectivity. In the attempt to avoid these deficiencies, this paper used vegetation net primary productivity (NPP) method to
determine farmland productivity in Wuhan, Hubei Province. The paper used NDVI and EVI data, monthly average precipitation,
monthly average temperature, monthly total solar radiation and other meteorological data to run the CASA model. The model then
was used to calculate NPP of farmlands in the region and establish functional relations among theoretical and achievable yields, NPP
of farmlands using sample survey data. The unit productivity (UP) was obtained by substituting NPP data into the established relation
functions. Then productivities of different towns were aggregations of UP multipling its corresponding area, while the yields of towns
were quotients of productivity divided by total farmland area of the towns. Theoretical and achievable productivities and yields in 75
townships in the study area were calculated using the NPP method. While townships with larger theoretical and achievable
productivities were mainly in the northern and southeast regions, townships with larger theoretical and achievable yields were in the
120 中国生态农业学报 2015 第 23卷


western and northeast regions of the study area. Also both theoretical and achievable productivities and yields were lower in
peripheral townships in close proximity with main cities. By contrast, comparison of the NPP and traditional method showed that the
calculated results by the two methods were highly consistent in terms of theoretical and achievable productivities, but not entirely
consistent in terms of theoretical and achievable yields. The results therefore showed that it was feasible to apply NPP method on
estimating the productivity of farmlands. The NPP method was advantageous over the traditional method because it not only avoided
deficiencies inherent in the traditional method, but was also a quick way of calculating farmland productivity without need for
farmland grading and rating.
Keywords Vegetation net primary productivity; Farmland; Theoretical productivity; Achievable productivity
(Received May 11, 2014; accepted Oct. 8, 2014)
作为世界上重要的粮食生产和消费大国, 正确
核算中国粮食综合生产能力, 有利于保障国家粮食
安全和应对全球化中的机遇与挑战。农用地产能核
算作为国土资源调查的重要组成部分, 对于掌握我
国粮食生产潜力 , 保障粮食生产安全具有重要意
义。农用地产能是指在一定地域、一定时期和一定
的地方经济水平、社会发展状况和科学投入程度下
当地农用地能够达到的生产能力, 包括理论产能、
可实现产能和实际产能3个层次。其中理论产能是指
农业生产条件得到充分保证, 在经济技术和投入利
用水平最优的状况下, 仅考虑光、温、水、土等环
境因素农作物所能达到的最高产量; 可实现产能是
指在农业生产条件得到基本保证, 光、热、水、土
等环境因素均处于正常状态, 在现有经济技术和利
用水平的最高投入下正常年景农作物能够达到的最
高产量[1]。目前, 全国范围内开展的农用地产能核算
都是基于农用地分等成果进行的 [2], 使得传统核算
方法对农用地分等成果依赖性较大, 某一地区分等
成果的合理与否将直接影响农用地理论产能和可实
现产能核算的精度。传统农用地理论产能和可实现
产能计算方法是在样点调查的基础上, 根据各分等
二级指标区内的调查样点分别建立农用地自然质量
等指数与理论单产、利用等指数与可实现单产之间
的一元回归方程, 将各基础核算单元(农用地分等单
元)自然质量等指数、利用等指数分别代入相应的回
归方程并乘以单元面积即得到各基础核算单元理论
和可实现产能 , 然后进行逐级汇总得到乡镇、县
(市)、省等不同层次的农用地理论和可实现产能, 理
论产能和可实现产能除以该层次农用地总面积即得
到理论单产和可实现单产[3]。然而, 农用地自然质量
等指数与利用等指数是根据农用地分等因素质量分
加权计算得到 , 结果的准确性受分等因素计分规
则、权重选取等因素影响较大, 带有很强的主观性,
从而可能导致产能核算结果存在一定偏差[4]。可以
说, 传统方法计算结果能大致反映出全省到全国范
围内的农用地理论产能和可实现产能的分布趋势 ,
但对于县域而言其精度还有待核证[5]。
针对上述问题, 本文提出了基于植被初级生产
力(net primary productivity, NPP)估算的农用地理论
产能和可实现产能核算方法。植被NPP是指绿色植
物在单位面积、单位时间内所累积的有机物量, 直
接反映了植被在自然环境条件下的生产能力, 也称
净第一性生产力[6]。该方法以遥感归一化植被指数
(NDVI)数据、增强型植被指数(EVI)数据、月平均降
水量、月平均气温、太阳总辐射为基础数据, 通过
样点调查建立农作物NPP与理论单产和可实现单产
回归模型, 在此基础上进行农用地理论产能和可实
现产能的测算, 以期获得更加准确的农用地产能核
算结果, 真实反映国家粮食生产能力, 为国家制定
科学合理的粮食生产政策提供决策依据。
1 研究区概况
本文以湖北省武汉市作为研究区域。武汉市位
于江汉平原东部, 长江中游与汉水交汇处, 地理位
置为东经113°41′~115°05′, 北纬29°58′~31°22′。地形
主要以平原为主, 兼有少量低山丘陵及岗地。武汉
市总面积为8 488 km2, 其中水域面积为2 187 km2,
占全市总面积25.77%, 水资源十分丰富; 耕地面积
为3 233.19 km2, 占全市总面积38.09%, 是湖北省的
重要粮食生产基地。研究区耕地面积主要分布在郊
区(蔡甸、新洲、汉南、东西湖、黄陂、江夏等6个
区), 主城区已无耕地分布。
2 资料与方法
2.1 数据资料
2.1.1 遥感和气象资料
遥感数据NDVI和EVI直接采用美国地质调查局
(USGS)网站提供的MODIS植被指数产品MYD13Q1
数据集, 该数据产品空间分辨率为250 m, 时间分辨
率为16 d, 采用国际通用的最大合成法(MVC)生成。
每年共有23个时相的数据 , 该数据集统一采用SIN
投影, 并已经过去云、辐射校正、大气校正等后期
处理。本文共选用武汉地区2010年46幅逐月影像 ,
用MRT(MODIS Reprojection Tool)进行影像镶嵌并
第 1期 李亚芳等: 基于植被初级生产力的农用地理论和可实现产能核算研究 121


重投影为我国常用的Albers正轴等面积双标准纬线
割圆锥投影。对每月NDVI和EVI数据进行最大值合
成 , 最终获得研究区2010年12个月份NDVI和EVI
数据。
本文所使用的所有气象数据均来源于国家气象
信息中心, 主要包括研究区周边 15个降水和气温监
测站点的 2010 年逐月月平均降水量、月平均气温
数据和 8 个辐射监测站点的 2010 年逐月太阳总辐
射数据以及各监测站点的地理位置信息(平面坐标
和高程)。研究区的降水、气温和太阳总辐射数据
通过 Arcgis软件平台中的 Kriging插值工具进行空
间插值得到, 插值栅格像元大小和投影方式与遥感
数据一致。
2.1.2 矢量数据资料
矢量数据主要包括武汉市行政区划图、武汉市
2010 年度农用地产能核算数据库(只含武汉市郊区
耕地图斑)。以研究区农业主管部门或农业科学研究
院提供的指定作物审定品种区域试验田单产数据作
为农作物理论单产样本数据; 以研究区正常年景下
国家级或省级农用地标准样点指定作物最近 3~5 a最
高单产作为农作物可实现单产样本数据; 以研究区
统计年鉴记录数据作为农作物实际产能和单产数据。
在获得原始数据后, 通过残差分析法和空间滑动平
均处理法剔除或修正数据的整体和局部异常值, 从
而保证数据质量[7]。以上矢量数据以及调查样点数据
均由湖北省农用地产能核算项目组提供, 并已通过
数据质量检验。将武汉市耕地图斑进行栅格化备用,
栅格像元大小和投影方式与遥感数据一致。研究区理
论和可实现单产调查样点空间分布情况见图 1。

图 1 研究区调查样点空间分布图
Fig. 1 Spatial distribution of surveying samples in the study
area of Wuhan City
2.2 模型与方法
2.2.1 NPP测算模型
NPP 是植被光合作用固定的有机碳中扣除自身
呼吸消耗而积累的部分, 是植被有机干物质的直接
来源, 包括植被根、茎、叶、籽实等以及枯落部分
的有机物质产量。国内外学者对 NPP计算模型进行
了大量研究[8−12], 主要可分为 3类测算模型: 气候生
产力模型(Miami、Chikugo 等模型)、生理生态过程
模型(CENTURY、BIOME-BGC 等模型)、光能利用
率模型(CASA、GLO-PEM 等模型)。其中光能利用
率模型结构相对简单, 可直接利用遥感获得全覆盖
数据, 方便实现, 能获得确切的 NPP 季节、年际动
态数据[13]。本文利用 CASA模型(一种光能利用率模
型)进行研究区 NPP测算[14]。
CASA模型认为NPP主要由植物吸收的光合有
效辐射(APAR)和光能利用率ε确定, 计算公式如下:
( ) ( ) ( )NPP , APAR , ,x t x t x tε= × (1)
式中: NPP(x,t)表示像元 x 处植被在月份 t 的初级生
产力[g(C)·m−2], APAR(x,t)表示像元 x处植被在月份 t
吸收的光合有效辐射(MJ·m−2), ε(x,t)表示像元 x处植
被在月份 t的光能利用率[g(C)·MJ−1]。计算时像元 x
与遥感数据栅格单元保持一致。
植被吸收的光合有效辐射APAR(x,t)用下式计算:
( ) ( ) ( )APAR , SOL , FPAR , 0.5x t x t x t= × × (2)
式中: SOL(x,t)表示像元x处在t月份内收到的太阳总
辐射(MJ·m−2), FPAR(x,t)表示像元x处植被在月份t对
光合有效辐射的吸收比例, 常数0.5表示植被所能利
用的太阳有效辐射(波长为0.38~0.78 μm)占太阳总
辐射的比例。
众多研究表明FPAR和归一化植被指数NDVI存
在着较好的线性关系[15−17]。然而, NDVI比较容易饱
和,并且易受到大气气溶胶、土壤背景噪声等的影响,
反演的NDVI不能精确地表达地表植被状况[18]。有研
究证明增强型植被指数(EVI)对植物冠层变化十分
敏感, 且与绿色叶面积指数有较好的线性关系[19]。
王伦澈等[20]研究了FPAR与EVI之间的联系, 并发展
了NPP估算的VPM模型。本文采用EVI与FPAR之
间的关系计算获取研究区FPAR数据 [21−22], 计算公
式如下 :
( ) ( )FPAR , EVI ,x t x tα= × (3)
式中: EVI(x,t)表示像元x处在t月份的EVI数值; α表
示调节系数, 按Xiao等[18]的研究, α=1。
光能利用率是指植被把所吸收的入射光合有效
辐射转化为有机碳的比率。理想条件下, 植被具有
最大光利用率, 而实际情况中, 不同作物的光利用
122 中国生态农业学报 2015 第 23卷


率主要受温度和水分的影响[23], 其计算如下:
( ) ( ) ( ) ( )1 2 max, , , ,x t T x t T x t W x tε ε εε ε= × × × (4)
式中: ( )1 ,T x tε 和 ( )2 ,T x tε 分别为最高温度和最低温
度对光能利用率的胁迫系数, ( ),W x tε 为水分胁迫系
数, maxε 是不同植被类型理想状态下的最大光能利
用率。
研究区水资源丰富, 大部分农用地为高标准基
本农田保护区, 农田基础设施完善, 灌溉保证率高,
因此可认为武汉地区农田植被不受水分压迫影响 ,
可取 ( ), 1W x tε = 。朱文泉等[24]对中国典型植被类型
的最大光能利用率进行了模拟计算, 确定了耕地最
大光能利用率 maxε =0.542 g(C)·MJ−1。
2.2.2 农用地理论和可实现产能核算模型
将研究区样点理论单产以及可实现单产调查数
据与样点对应的年度总 NPP值进行线性回归拟合并
进行显著性检验, 建立农用地理论产能和可实现产
能核算模型。公式如下:
( ) ( )ll 1 1NPPO x a x b= × + (5)
( ) ( )ksx 2 2NPPO x a x b= × + (6)
式中: ( )llO x 表示像元 x处作物的理论单产(kg·m−2),
( )ksxO x 表示像元 x 处作物的可实现单产(kg·m−2),
( )NPP x 表示像元 x 处作物当年累计 NPP[g(C)·m−2],
a1、a2、b1、b2为回归方程系数。
研究区下辖各乡镇理论产能、可实现产能按下
列公式计算:
( )ll ll1iNi jjT O ij A== ×∑ (7)
( )ksx ksx1iNi jjT O ij A== ×∑ (8)
式中: lliT 和 ksxiT 分别表示乡镇 i 的理论产能和可实
现产能(kg), ( )llO ij 和 ( )ksxO ij 表示乡镇 i内像元 j的
理论单产和可实现单产(kg·m−2), Ni表示 i 乡镇的耕
地像元总数, Aj表示像元 j的面积(m2)。
各乡镇理论和可实现产能除以该乡镇耕地像元
总面积即得到乡镇理论单产和可实现单产。
3 结果与分析
3.1 研究区 NPP 及其与理论单产和可实现单产的
关系
经测算武汉市 2010年共有农用地像元 47 270个,
其中 NPP 最大值为 384.02 g(C)·m−2, 平均值为
265.90 g(C)·m−2。NPP值大于 300 g(C)·m−2的耕地像
元有 6 358个, 占研究区农用地像元总数的 13.45%,
大于 200 g(C)·m−2的有 44 640个, 占研究区农用地
像元总数的 94.44%。对武汉市 NPP测算结果进行分
乡镇统计分别求得各乡镇 NPP平均值, 其中 NPP均
值最大为凤凰街道办事处 , 达到 300.01 g(C)·m−2,
其次为三店街道办事处, 为 295.48 g(C)·m−2。武汉市
2010年 NPP总量的空间分布情况见图 2。
利用 SPSS 软件分别建立研究区样点 NPP 与理
论单产和可实现单产的回归模型, 图 3 为样点回归
分析拟合结果。

图 2 武汉市 2010年度 NPP总值空间分布
Fig. 2 Spatial distribution of total NPP of Wuhan City in 2010

图 3 调查样点理论单产和可实现单产与 NPP的回归拟合图
Fig. 3 Regression models between NPP and the theoretical and achievable yields of sampling plots
第 1期 李亚芳等: 基于植被初级生产力的农用地理论和可实现产能核算研究 123


从图可知, 调查样点理论和可实现单产与 NPP
均存在着较高的相关性, 各参数显著性检验 P 值均
小于 0.01。
3.2 研究区农用地理论和可实现单产及产能
利用拟合得到的回归模型, 计算出每个农用地
像元的理论单产和可实现单产, 利用单产乘以像元
面积即为各像元的理论产能和可实现产能, 对研究
区进行分乡镇统计, 得到各乡镇农用地理论产能和
可实现产能, 乡镇产能除以乡镇农用地像元总面积
即得到乡镇农用地理论单产和可实现单产。研究区
理论产能、单产以及可实现产能、单产核算结果见
图 4。
研究区理论单产较高的为潘塘街道办事处、邾
城街道办事处、李集等乡镇, 主要分布在黄陂区北
部、新洲区东北部及蔡甸区西部地区, 这些乡镇一
般日照、温度条件较好, 土壤相对肥沃, 多为一年 3
熟。其中, 理论单产最高的为潘塘街道办事处, 达到
20 782.57 kg·hm−2。理论单产较低的乡镇为将军路
街、金银湖街、沌口办事处等乡镇, 主要分布在主
城区周边和江夏区北部地区, 光、热条件较差, 土壤
侵蚀严重, 肥力较低, 多为一年两熟。其中, 理论单
产最低的为金银湖街, 为 19 683.13 kg·hm−2。研究区
理论产能差异较大, 产能较大的为六指街、金口街
道办事处、山坡乡等乡镇, 主要分布在黄陂区和江
夏区中部地区。其中, 理论产能最大的为六指街, 达
到 210 783 t。理论产能较小为将军路街、吴家山街、
金银湖街等乡镇, 主要为东西湖区、蔡甸区、江夏
区靠近主城区周边的乡镇。其中, 理论产能最小的
为吴家山街, 仅为 377.76 t。
研究区可实现单产较高的为道观河风景区、凤
凰街、三店街道办事处等乡镇, 主要分布在黄陂区
北部、新洲区东北部及蔡甸区西部地区, 这些乡镇
一般地势平坦 , 交通便利 , 农业投入水平较高 , 多
为一年 3 熟。其中, 可实现单产最高的为道观河风
景区, 达到 20 577.70 kg·hm−2。可实现单产较低的为
庙山开发区、将军路街、金银湖街等乡镇, 主要分
布在主城区周围和江夏区北部地区, 农业投入不足,
多为一年两熟。其中, 可实现单产最低的为金银湖
街, 为 17 279.35 kg·hm−2。研究区可实现产能分布差
异较大, 产能较大的有六指街、祁家湾、侏儒街等
乡镇, 主要分布在黄陂区和江夏区中部地区。其中,
可实现产能最大的为六指街, 达到 201 334 t。理论
产能较小为吴家山街、长青街、金银湖街等乡镇, 主
要为东西湖区、蔡甸区、江夏区靠近主城区周边的
乡镇。其中, 可实现产能最小的为吴家山街, 仅为
350.09 t。
研究区乡镇单产分布规律和产能分布规律并
不完全一致, 因为乡镇单产是由乡镇产能和乡镇耕
地面积共同决定。如新洲区道观河风景区, 其理论
和可实现单产均较高, 分别为 20 782.57 kg·hm−2和
20 577.70 kg·hm−2, 但由于其耕地面积较小 , 导致
其理论和可实现产能均较小 , 分别为 6 104.88 t 和
6 044.70 t。可见, 保障区域粮食安全, 既要注重数
量安全, 也应重视质量安全。从研究区乡镇产能和
单产的空间分布规律可以看出, 靠近主城区周边乡
镇一般产能和单产均较低, 可见研究区在推进城市
化过程中, 已在一定程度上影响到区域粮食安全。
3.3 与传统方法核算结果对比分析
将基于 NPP 测算方法得到的研究区 75 个乡镇
的农地理论和可实现产能、单产与传统方法计算得
到的结果及实际产能和单产进行对比分析, 结果见
图 4。
从图可以直观的看出 , 在总体趋势上 , 基于
NPP 测算方法计算得到的各乡镇农用地理论产能与
传统方法计算得到的乡镇理论产能及乡镇实际产能
具有较高的一致性; 同样, 该方法得到的乡镇可实
现产能与传统方法计算得到的乡镇可实现产能及乡
镇实际产能也具有较高的一致性。基于 NPP测算方
法得到的农用地理论单产和可实现单产在部分乡镇
与传统方法计算结果较为就近, 但无法准确地反映
全部乡镇的理论单产和可实现单产分布情况; 此外,
基于 NPP方法计算得到的乡镇农用地理论单产和可
实现单产与乡镇实际单产之间也存在较大差异。
为进一步验证基于 NPP方法测算的农用地理论
和可实现产能核算方法的可行性, 将其核算结果与
传统方法测算结果及乡镇实际产能、单产进行统计
学 Pearson 相关分析。本文对数据的相关分析均在
SPSS软件平台下实现, 采用二元变量简单相关分析
方法, 得到 Pearson相关系数和显著性检验 P值, 分
析结果见表 1。
从相关分析结果可以看出, 基于 NPP 测算的农
用地理论和可实现产能与传统方法测算的产能在乡
镇分布上具有较高的相关性, Pearson 相关系数均在
0.95 以上, 与乡镇农用地实际产能分布相关性也都
在 0.95以上, 显著性检验 P值均小于 0.01。而基于
NPP 测算方法得到的农用地理论、可实现单产与传
统方法测算得到的理论、可实现单产以及乡镇农用
地实际单产的相关性均不显著。
4 结论与讨论
以 NDVI、EVI等遥感数据, 月平均降水量、月
平均气温、逐月太阳总辐射等气象数据以及农用地
124 中国生态农业学报 2015 第 23卷



图 4 基于 NPP方法和传统方法的乡镇产能、单产核算结果及乡镇实际产能、单产对比分析图
Fig. 4 Comparison among results of theoretical and achievable productivities and yields based on traditional and NPP methods
and actual productivity and yield of township farmland of the study area
表 1 基于 NPP方法和传统方法的乡镇产能核算结果及乡镇实际产能、单产的相关性分析
Table 1 Correlation analysis among theoretical and achievable productivities and yields based on traditional and NPP methods and
actual productivity and yield of township farmland of the study area
变量 1 Variable 1 变量 2 Variable 2 相关系数 Correlation coefficient P
基于传统方法的理论产能
Theoretical productivity based on traditional method
0.983 0.000 基于 NPP方法的理论产能
Theoretical productivity based on
NPP method 实际产能 Actual productivity 0.970 0.000
基于传统方法的理论单产
Theoretical yield based on traditional method
−0.259 0.025 基于 NPP方法的理论单产
Theoretical yield based on NPP
method 实际单产 Actual yield −0.266 0.021
基于传统方法的可实现产能
Achievable productivity based on traditional method
0.971 0.000 基于 NPP方法的可实现产能
Achievable productivity based on
NPP method 实际产能 Actual productivity 0.969 0.000
基于传统方法的可实现单产
Achievable yield based on traditional method
−0.109 0.350 基于 NPP方法的可实现单产
Achievable yield based on NPP
method 实际单产 Actual yield −0.266 0.021
第 1期 李亚芳等: 基于植被初级生产力的农用地理论和可实现产能核算研究 125


产能核算调查样点理论单产、可实现单产数据为基
础资料 , 运用 CASA 模型测算研究区各栅格像元
NPP 值, 将调查样点 NPP 值与样点理论单产、可实
现单产数据进行回归拟合得到研究区农用地理论单
产和可实现单产测算模型, 继而得到各栅格像元的
理论产能和可实现产能, 以乡镇为单位进行逐像元
汇总得到乡镇理论和可实现产能。结果表明, 理论
和可实现产能测算结果在研究区乡镇分布上与传统
方法测算结果具有较高的一致性, 也能较好地反映
各乡镇实际产能分布情况 , Pearson 相关系数均在
0.95 以上。但计算得到的乡镇理论和可实现单产只
在部分乡镇与传统方法测算结果较为接近, 并与乡
镇实际单产有较大差异。造成这一现象的原因可能
有两点: 1)可能与气象数据插值精度以及像元分辨
率有关; 2)由于受某些因素的影响, 传统计算方法得
到的农用地理论和可实现产能与农用地客观产能存
在一定的差异。
基于植被 NPP测算农用地理论和可实现产能过
程中, 植被吸收的光合有效辐射 APAR 参数的确定
没有使用 CASA 模型普遍使用的 NDVI-APAR 函数
关系, 而使用了更能反映植被真实覆盖特征的增强
型植被指数 EVI 数据, 使得 NPP 的测算更加准确,
提高了农用地产能核算的准确性。该方法不依赖于
农用地分等成果, 为分等成果更新缓慢地区及时掌
握农用地生产能力提供了新的方法和思路。该方法
涉及到的数据, 来源客观, 数据的预处理不涉及专
家知识, 降低了计算过程中的主观因素影响。不足
之处在于, 该测算方法以植被NPP测算为基础, NPP
测算精度会直接影响核算结果的准确性, 如果研究
区农用地大面积撂荒或种植非农田作物, 则会对测
算结果造成一定影响。
参考文献
[1] 吴克宁, 程先军, 黄勤, 等. 基于分等成果的农用地综合生
产能力[J]. 农业工程学报, 2008, 24(11): 51−56
Wu K N, Cheng X J, Huang Q, et al. Comprehensive produc-
tivity of agricultural land based on the agricultural land clas-
sification[J]. Transactions of the Chinese Society of Agricul-
tural Engineering, 2008, 24(11): 51−56
[2] 张蕾娜, 郧文聚, 苏强, 等. 基于农用地分等成果的产能核
算研究[J]. 农业工程学报, 2008, 24(S1): 133−136
Zhang L N, Yun W J, Su Q, et al. Methods for productivity
calculation based on agricultural land classification[J].
Transactions of the Chinese Society of Agricultural Engi-
neering, 2008, 24(S1): 133−136
[3] 王国强 , 张蕾娜 , 宋艳华 . 农用地产能核算的基础与方法
研究——以河南省为例[J]. 地域研究与开发 , 2010, 29(1):
90−93
Wang G Q, Zhang L N, Song Y H. Study on basis and method
of agricultural land throughput calculation[J]. Areal Research
and Development, 2010, 29(1): 90−93
[4] 王海军 , 柳敏燕 , 高娟 . 利用遗传算法和支持向量机测算
农用地理论单产和可实现单产 [J]. 农业工程学报 , 2013,
29(19): 244－252
Wang H J, Liu M Y, Gao J. Calculation of theoretical and ac-
cessible yields of agricultural land based on genetic algorithm
and support vector machine[J]. Transactions of the Chinese
Society of Agricultural Engineering, 2013, 29(19): 244−252
[5] 王钤. 基于遥感的农用地产能核算研究[D]. 成都: 四川师
范大学, 2012
Wang L. Research on productivity of farmland based on re-
mote sensing[D]. Chengdu: Sichuan Normal University, 2012
[6] 周广胜 , 张新时 . 自然植被净第一性生产力模型初探 [J].
植物生态学报, 1995, 19(3): 193−200
Zhou G S, Zhang X S. A natural vegetation NPP model[J].
Acta Phytoecologica Sinica, 1995,19(3): 193−200
[7] 宋艳华 , 王国强 , 王令超 . 农用地产能核算工作中的基础
数据调查与处理方法研究[J]. 中国土地科学, 2009, 23(8):
36−40
Song Y H, Wang G Q, Wang L C. Study on method for data
survey and processing in calculation of the productivity of
agricultural land[J]. China Land Science, 2009, 23(8): 36−40
[8] 朱文泉, 张锦水, 潘耀忠, 等. 中国陆地生态系统生态资产
测量及其动态变化分析 [J]. 应用生态学报 , 2007, 18(3):
586−594
Zhu W Q, Zhang J S, Pan Y Z, et al. Measurement and dy-
namic analysis of ecological capital of terrestrial ecosystem in
China[J]. Chinese Journal of Applied Ecology, 2007, 18(3):
586−594
[9] 周广胜 , 张新时 . 全球气候变化的中国自然植被的净第一
性生产力研究[J]. 植物生态学报, 1996, 20(1): 11−19
Zhou G S, Zhang X S. Study on NPP of natural vegetation in
China under global climate change[J]. Acta Phytoecologica
Sinica, 1996, 20(1): 11−19
[10] Running S W, Thornton P E, Nemani R, et al. Global terres-
trial gross and net primary productivity from the Earth Ob-
serving System[M]//Methods in Ecosystem Science. New
York: Springer, 2000: 44−57
[11] Field C B, Behrenfeld M J, Randerson J T, et al. Primary
production of the biosphere integrating terrestrial and oceanic
components[J]. Science, 1998, 281(5374): 224−237
[12] Lieth H. Modeling the primary productivity of the
world[M]//Leith H, Whittaker R H. Primary Productivity of
the Biosphere. Berlin, Heidelberg: Springer, 1975: 237−263
[13] 朱文泉, 陈云浩, 徐丹, 等. 陆地植被净初级生产力计算模
型研究进展[J]. 生态学杂志, 2005, 24(3): 296−300
Zhu W Q, ChenY H, Xu D, et al. Advances in terrestrial net
primary productivity (NPP) estimation models[J]. Chinese
Journal of Ecology, 2005, 24(3): 296−300
[14] Yu D Y, Shi P J, Shao H B, et al. Modelling net primary pro-
ductivity of terrestrial ecosystems in East Asia based on an
improved CASA ecosystem model[J]. International Journal of
Remote Sensing, 2009, 30(18): 4851−4866
[15] Ruimy A, Saugier B, Dedieu G. Methodology for the estima-
tion of terrestrial net primary production from remotely
126 中国生态农业学报 2015 第 23卷


sensed data[J]. Journal of Geophysical Research: Atmos-
pheres (1984—2012), 1994, 99(D3): 5263−5283
[16] Hatfield J L, Asrar G, Kanemasu E T. Intercepted photo
synthetically active radiation estimated by spectral reflec-
tance[J]. Remote Sensing of Environment, 1984, 14(1/3):
65−75
[17] Goward S N, Huemmrich K F. Vegetation canopy PAR ab-
sorptance and the normalized difference vegetation index: An
assessment using the SAIL model[J]. Remote Sensing of En-
vironment, 1992, 39(2): 119−140
[18] Xiao X M, Hollinger D, Aber J, et al. Satellite-based model-
ing of gross primary production in an evergreen needle leaf
forest[J]. Remote Sensing of Environment, 2004, 89(4):
519−534
[19] 王正兴, 刘闯, Huete A. 植被指数研究进展: 从 AVHRR-
NDVI到 MODIS-EVI[J]. 生态学报, 2003, 23(5): 979−987
Wang Z X, Liu C, Huete A. From AVHRR−NDVI to
MODIS-EVI: Advances in vegetation index research[J]. Acta
Ecologica Sinica, 2003, 23(5): 979−987
[20] 王伦澈, 龚威, 张淼, 等. 武汉地区植被 NPP 动态监测研
究[J]. 武汉大学学报: 信息科学版, 2013, 38(5): 548−552
Wang L C, Gong W, Zhang M, et al. Dynamic monitoring of
vegetation NPP in Wuhan based on MODIS[J]. Geomatics and
Information Science of Wuhan University, 2013, 38(5):
548−552
[21] Xiao X M, Zhang Q Y, Saleska S, et al. Satellite-based
modeling of gross primary production in a seasonally moist
tropical evergreen forest[J]. Remote Sensing of Environment,
2005, 94(1): 105−122
[22] Xiao X M, Boles S, Frolking S, et al. Mapping paddy rice ag-
riculture in South and Southeast Asia using multi-temporal
MODIS images[J]. Remote Sensing of Environment, 2006,
100(1): 95−113
[23] Potter C T, Randerson J B, Field C B, et al. Terrestrial eco-
system production: A process model based on global satellite
and surface data[J]. Global Biochemical Cycle, 1993, 7(4):
811−841
[24] 朱文泉, 潘耀忠, 何浩, 等. 中国典型植被最大光利用率模
拟[J]. 科学通报, 2006, 51(6): 700−706
Zhu W Q, Pan Y Z, He H, et al. Maximum light use efficiency
of typical vegetation in China[J]. Chinese Science Bulletin,
2006, 51(6): 700−706