刘志娟，杨晓光，吕硕，王静,2，LIN XiaoMao

（1中国农业大学资源与环境学院，中国北京 100193；2宁夏气象科学研究所，中国银川 750002；3Department of Agronomy, Kansas State University, 2108 Throckmorton Hall, Plant Sciences Center, Manhattan, Kansas 66506, USA）

东北三省春玉米产量差时空分布特征

刘志娟1，杨晓光1，吕硕1，王静1,2，LIN XiaoMao3

（1中国农业大学资源与环境学院，中国北京 100193；2宁夏气象科学研究所，中国银川 750002；3Department of Agronomy, Kansas State University, 2108 Throckmorton Hall, Plant Sciences Center, Manhattan, Kansas 66506, USA）

【目的】随着人口增加、气候变化和环境问题日益凸显，粮食生产能力及粮食安全受到广泛重视。然而，目前中国粮食产量远远低于作物潜在产量，如何利用有限耕地生产更多粮食已经成为中国农业目前面临的重大问题。东北三省是中国重要的玉米生产区，其春玉米产量占全国总产量的 29%，该区玉米产量提升对中国粮食安全具有重要的意义。【方法】论文以东北三省春玉米种植区为研究区域，基于1961—2010年气候资料、农业气象观测站作物资料和统计资料，利用农业生产系统模拟模型（APSIM-Maize）和数理统计方法，解析气候变化背景下研究区域春玉米潜在产量与实际产量的差及各级产量差的时空分布特征，为提升东北三省春玉米产量提供科学依据和参考。【结果】东北三省春玉米潜在产量与农户实际产量之间产量差（总产量差）呈明显的经向和纬向分布（P＜0.01），即由南向北递减，由西向东递减，且地区间差异较大，变化范围为4.8—11.9 t·hm-2。春玉米潜在产量与可获得产量之间的产量差（产量差1）、可获得产量与农户潜在产量之间的产量差（产量差2）均呈现随经度升高而降低的趋势，这与春玉米生长季内降水量分布有关。产量差1变化范围在0.06—3.2 t·hm-2之间，产量差2地区间差异较大，变化范围为1.7—8.0 t·hm-2，主要是由于栽培管理措施的差异造成的。从全区50年平均来看，春玉米潜在产量与实际产量间的产量差为 64%，其中由于不可转化的技术因素、农学因素和经济社会因素限制的产量差分别为8%、40%和16%。从时间变化趋势来看，过去50年（1961—2010）研究区域春玉米各级产量差均呈现减小的趋势，其中总产量差和产量差3呈显著缩小趋势（P＜0.01），每10年分别缩小1.55 t·hm-2和1.40 t·hm-2，但产量差1和产量差2变化趋势并不显著。【结论】东北三省春玉米潜在产量与农户实际产量之间的产量差呈明显的经向和纬向分布，即由南向北递减，由西向东递减。农学因素是限制当地玉米产量提升的主要因素，通过改善农学因素，如提高栽培管理措施、改善土壤条件和更换高产品种可有效缩小产量差达40%。

东北三省；玉米；产量差；时空特征

0 引言

【研究意义】19世纪60年代以来，“绿色革命”大大增加了世界的粮食产量，这些可以归功于新品种的培育和作物科学管理措施的实施。然而，从世界水平来看，部分农业生产状况并没有得到改善[1]。因此，作物实际产量与潜在产量之间仍存在较大的差距，甚至不同地区以及同一地区不同农户田块之间作物产量之间差距也较大。缩小这个差距对于提高粮食产量，满足日益增加的生活所需具有重要意义。【前人研究进展】作物产量潜力是作物在良好的生长状况下，不受水分、氮肥限制以及病虫害的胁迫，并采用适宜作物品种获得的产量。在既定的研究区域内，产量潜力仅受太阳辐射和温度的限制，是该地区作物生产的上限[2-3]。而在农作物实际生产中由于气候、土壤、品种选择、病虫害、栽培管理措施以及农民积极性等因素的限制，实际产量远远低于当地的作物潜在产量。作物产量差的研究始于20世纪70年代中期，国际水稻研究所（IRRI）1974年开展的亚洲6国水稻产量差的系列对比研究[4]。目前国内外已经对不同地区不同作物的产量差做了研究，包括田块尺度[5-8]和区域尺度[9-12]。总结来说，造成作物产量差的原因主要包括不可能应用到田间的技术和环境因子、农学因素（品种、病虫害等）和社会经济因素（投入产出比、政策、文化水平及传统观念）等[13]。产量差的研究方法主要有两种：一种是试验调查及统计分析；另一种是运用作物模拟模型。前者概念简单，可操作性强，但试验费用大，且要求足够的试验数据，有较强主观性；后者可利用计算机进行更多处理设置，但不能对实际生产中的所有管理措施进行精确定量化[13]。农业生产系统模型（Agricultural Production System Simulator，APSIM）是由隶属澳大利亚联邦科工组织和昆士兰州政府的农业生产系统研究组（Agricultural Production System Research Unit，APSRU）开发的具有模块化结构的作物生产模拟系统[14-15]。可模拟大麦、小麦、玉米、棉花、麻、油菜、花生、甘蔗、豆类作物等多种常见作物，其适应性已在世界各地得到了验证[16-22]，同时本研究小组已对该模型在东北地区的适应性进行了验证[23-24]。【本研究切入点】究竟是哪些因素造成了农户实际产量与作物潜在产量之间的差距？这个差距到底有多大？限制其产量潜力发挥的因素又是什么？应该采取什么措施来缩小这个差距？要回答这些问题，就要进行产量差以及产量限制因素研究。【拟解决的关键问题】东北三省是中国重要的玉米生产区之一。统计资料显示，该区春玉米播种面积占全国玉米总播种面积的30%以上，春玉米产量占全国玉米总产量的29%[25]。因此，本文选择中国东北三省春玉米为研究对象，利用在东北地区已验证的ASPIM-Maize模型，基于中国东北三省春玉米种植区内气象台站的地面气象观测资料，同时结合东北三省农业气象观测站春玉米多年试验资料和县级春玉米实际产量资料，定量气候变化背景下东北三省春玉米潜在产量与农户实际产量间产量差及各级产量差的空间分布特征和时间演变趋势，明确限制东北地区春玉米潜在产量的主要限制因子，可为保障该地区玉米高产提供重要的科学依据。

1 材料与方法

1.1 研究区域及数据来源

首先基于东北三省各市（县）春玉米播种面积，将2000—2005年连续5年玉米播种面积大于5 000 hm2的县确定为东北三省春玉米主要种植区，气象站点及研究区域图见图1。

气象数据来源于中国气象局科学数据共享服务网，包括1961—2010年辽宁、吉林和黑龙江三省55个气象站逐日气象资料，气象要素有平均气温、最高和最低气温、降水量、日照时数、平均风速和平均相对湿度。

作物数据包括两个部分，一部分是来自中国气象局东北三省 41个农业气象观测站春玉米试验数据，用来对APSIM-Maize模型进行调参和验证。另一部分是东北三省春玉米实际产量资料来源于中国统计年鉴及县级统计年鉴 1961—2010年县级春玉米单产数据。

图 1 研究区域春玉米种植区内气象站点及农业气象观测站点分布图Fig. 1 Meteorological stations and agro-meteorological stations in the spring maize planting areas of Northeast China

模型中涉及到的土壤参数包括分层土壤容重、饱和含水量、田间持水量、凋萎系数等来源于各农业气象观测站实测数据。针对农业气象观测站缺测的土壤参数，主要依据中国土壤数据库（http://www.soil.csdb. cn/）中《中国土种数据库》以及《第二次土壤普查农田肥力》数据来确定。

1.2 研究方法

1.2.1 不同产量水平定义及 APSIM-Maize模型情景设定 产量差概念发展至今，虽然众多学者都对其做了不同的定义及阐述，但总体而言，一般可以分为 4个等级的产量水平，即潜在产量、可获得产量、农户潜在产量和农户实际产量[13]。潜在产量是一个地区的作物产量上限，可获得产量是指在最优栽培管理措施下可实现的最大产量，即该地区作物可实现的最大产量；农户潜在产量是指在现有的农户栽培管理措施下的最高产量，该产量反映目前的栽培水平下的产量潜力，即可以达到的最大产量，而农户实际产量是该地区农户实际获得的产量。为解析东北三省春玉米各级产量差，本文基于APSIM-Maize模型模拟1961—2010年春玉米潜在产量、可获得产量和农户潜在产量，并结合东北三省统计年鉴春玉米县级平均产量，明确春玉米产量差的时空分布特征。

春玉米潜在产量、可获得产量和农户潜在产量模拟的模型参数设置如下：（1）潜在产量：我们假设作物品种不变。选择农业气象观测站的高产品种，对没有相应作物观测资料的气象站，选用同一积温带中相邻站点的玉米品种参数；播种日期采用农业气象站的实际平均播种日期设定，播种深度为5 cm，行距为0.6 m，播种密度为80 000 株/hm2。采用模型中自动灌溉对春玉米进行灌溉，即土壤可利用水量低于田持的80%即进行补充灌溉使作物生长过程中不受水分限制。同时保证作物整个生长过程中不受氮肥限制。（2）可获得产量：采用当地高产田的栽培管理措施，品种选择与计算潜在产量时的品种一致。根据陈国平等[26]对 2006—2008年全国玉米高产田的配套栽培技术的研究，表明高产田的密度比较稳妥的是每公顷75 000—90 000 株，但对抗倒性差的品种和暴风雨较多的地区而言，密度过高则将面临倒伏减产的风险。同时结合东北三省春玉米的实际生产，将可获得产量的种植密度设定为每公顷70 000 株较为合理。推荐春玉米施氮量为300 kg·hm-2，灌溉量为200 mm，分别在拔节期和开花期灌溉。（3）农户潜在产量：假设农户不考虑各种市场因素及政策的条件下，将现有的栽培管理措施应用到最佳所获得的产量。另外根据高强等[27]的研究及农业气象试验站多年的研究数据，确定农户潜在产量的模型参数设定如下：平均施氮量为 200 kg·hm-2，无灌溉，播种密度为每公顷50 000 株。

1.2.2 各级产量差定义 潜在产量与农户实际产量之间的产量差，是农户实际产量距离当地理论上最高产量即潜在产量的差距，是一个地区农作物生产中存在的总产量差（total yield gap，TYG），研究该产量差有助于我们明确目前的作物实际产量距离最高产量的差距。根据3大类产量差限制因素，总产量差可进一步分解为三个层次：产量差1，产量差2和产量差3，如图2所示。

产量差1（yield gap 1，YG1），潜在产量与可获得产量之间的产量差，它主要由环境条件和某些技术因素引起的，这些因素是非转移性的。尽管缩小该产量差是比较困难的，但仍然需要明确东北三省春玉米产量差1的时空分布特征，为缩小该地区春玉米产量差提供科学依据。

产量差2（yield gap 2，YG2），可获得产量与农户潜在产量之间的产量差，是因为农民投入不足、栽培措施不理想、土壤条件和品种选择等因素造成的，这些影响因素是可操作管理的，可通过加强研究和推广，以及政府的适度干预，特别是研究机构的努力来缩小这种产量差距。

图2 春玉米各级产量及产量差示意图Fig. 2 Conceptual model for spring maize yield and yield gaps

产量差3（yield gap 3，YG3），农户潜在产量与农户实际产量之间的产量差，主要是由于各种经济因素而造成的，如成本、风险和回报率，以及农业政策和劳动力的供给影响农户对土地的投入，影响农民的积极性及栽培管理措施实施的质量，这些因子是导致产量差的间接因素。

本文着重分析东北三省春玉米总产量差及各级产量差（产量差1、产量差2和产量差3）的空间分布特征以及时间演变趋势。

1.2.3 APSIM-Maize中地表总辐射的计算 APSIM模型所需的地表总辐射采用Penman-Monteith公式[28]计算，具体计算公式如下：

式中，Rns为地表净短波辐射（MJ·m-2·d-1）；Ra为晴空太阳辐射（MJ·m-2·d-1）；dr为日地相对距离；δ为太阳赤纬（rad）；Ws为日出日落时角（rad）；N为最大天文日照时数（h）；n为日照时数（h）；φ为测点纬度（rad）；J为日序。

1.2.4 显著性检验 采用t检验对产量及产量差的年际变化趋势进行显著性检验，结果通过α=0.05的显著性检验，为变化趋势显著；通过α=0.01的显著性检验，为变化趋势极显著。

2 结果

2.1 潜在产量与农户实际产量之间产量差的时空分布特征

图3-a为东北三省春玉米潜在产量与农户实际产量之间产量差（总产量差）近50年（1961—2010年）平均值的空间分布特征。从全区50年平均来看，春玉米潜在产量与实际产量之间的产量差（总产量差）地区间差异较大，变化范围为4.8—11.9 t·hm-2。图4为东北三省春玉米总产量差与经纬度的相关关系，由图可以看出研究区域玉米总产量差呈明显的经向和纬向分布（P＜0.01），即由南向北递减，由西向东递减。具体而言，辽宁省和吉林省的西部地区该产量差较高（8.0—11.9 t·hm-2），主要是由于这些区域积温和日照时数较高导致潜在产量较高，而由于降水量（大部分玉米产区为雨养农业）及栽培水平较低使得春玉米农户实际产量较低，因此该地区总产量差较大，特别是吉林省白城、通榆和辽宁省叶柏寿、朝阳、阜新和彰武地区，50年平均总产量差达10.0 t·hm-2以上。而辽宁省东部的宽甸、丹东、庄河、岫岩和鞍山地区，50年春玉米总产量差相对西部地区较小，为6.0—8.0 t·hm-2。黑龙江省大部分区域50年平均总产量差稍低，为6.0—8.0 t·hm-2。春玉米总产量差最低值为黑龙江省东部三江平原地区以及吉林省东部的桦甸、梅河口和通化一带，总产量差 50年平均值的范围为 4.8—6.0 t·hm-2，主要是由于热量资源的限制，使得该地区成为东北三省春玉米潜在产量的低值区（小于10.0 t·hm-2）。

图3 研究区域春玉米近50年（1961—2010年）产量差平均值Fig. 3 The 50-year mean values of yield gaps of spring maize from 1961 to 2010 in Northeast China

图4 研究区域春玉米近50年（1961—2010年）潜在产量与农户实际产量之间的产量差与纬度（a）和经度（b）的关系Fig. 4 The relationship between yield gaps (between potential yield and actual farmers’ yield) of spring maize and latitude (a), longitude (b) from 1961 to 2010 in Northeast China

图5-a为东北三省总产量差的时间变化趋势。由于过去50年研究区域春玉米潜在产量略有下降，而农户实际产量增加趋势显著，因此研究区域春玉米总产量差呈缩小趋势，该产量差全区平均每 10年缩小0.4—2.9 t·hm-2。总产量差降低的高值区为吉林省四平、长岭和梅河口和黑龙江省的哈尔滨地区，平均每10年降低2.0—2.9 t·hm-2，主要是由于过去50年该区域春玉米实际产量的增加趋势明显。全区大部分地区总产量差平均每10年缩小1.0—2.0 t·hm-2，主要包括黑龙江省和吉林省大部分和辽宁省的西北部地区，占全区站点总数的 71%。总产量差减少最小的地区包括黑龙江省的富裕、泰来、鹤岗、通河，吉林省的通化地区和辽宁省的东南部地区，平均每10年减少0.37—1.0 t·hm-2。

图5 研究区域春玉米近50年（1961—2010年）产量差变化趋势Fig. 5 The trends of yield gaps of spring maize from 1961 to 2010 in Northeast China

2.2 潜在产量与可获得产量之间产量差的时空分布特征

图3-b为研究区域50年（1961—2010年）春玉米潜在产量与可获得产量之间的产量差（产量差 1）空间分布特征。从全区50年平均来看，春玉米产量差1变化范围在0.06—3.2 t·hm-2之间。该产量差随经度升高而降低，这与春玉米生长季内降水量分布有关（P＜0.01）（图6-a）。研究区域该产量差最大值为西部地区，包括吉林省的白城、通榆和辽宁省的叶柏寿、朝阳地区，近50年春玉米产量差1平均值大于2.0 t·hm-2，主要是由于这些区域降水量较低，在补充灌溉200 mm的前提下产量与潜在产量差距仍然较大。该产量差相对较小的区域包括黑龙江省泰来、齐齐哈尔、海伦，吉林省的乾安、前郭尔罗斯、双辽和辽宁省的阜新、彰武和黑山等 9个站点，该产量差 50年平均值为1.0—2.0 t·hm-2，而东部降水量相对充足的区域以及黑龙江省大部分区域该产量差较小，50年平均值小于1.0 t·hm-2，该区域站点数占全区总站点数的76%。

图6 研究区域春玉米潜在产量与可获得产量之间的产量差（产量差1，a）、可获得产量与农户潜在产量之间产量差（产量差2，b）与春玉米生长季内降水量的相关关系Fig. 6 The relationship between yield gaps 1 (potential yield and attainable yield), yield gap 2 (attainable yield and potential farmers’ yield) of spring maize and total precipitation during spring maize growing season in Northeast China

研究区域过去 50年春玉米潜在产量和可获得产量均呈现下降的趋势，但是各站点下降幅度不同，因此导致研究区域内春玉米产量差1各地区变化趋势不一致，如图5-b。全区有58%的站点过去50年该产量差呈降低的趋势，平均每10年减少在0—0.3 t·hm-2。剩余42%的站点该产量差呈增加的趋势。除通榆和尚志外，其他站点平均每10年增加0—0.2 t·hm-2。从各省分布状况来看，辽宁省和吉林省大部分地区该产量差呈下降的趋势（白城、通榆、前郭尔罗斯、蛟河、开原、彰武、章党、本溪和庄河除外），而黑龙江省大部分地区该产量差呈增加的趋势（富裕、明水、哈尔滨、牡丹江和鸡西除外）。过去50年春玉米产量差1全区平均值变化趋势并不显著，21世纪初，该产量差全区平均值呈现较大的波动。

2.3 可获得产量与农户潜在产量之间产量差的时空分布特征

图3-c为东北三省50年（1961—2010年）春玉米可获得产量与农户潜在产量之间产量差（产量差 2）平均值的空间分布特征。该产量差全区空间上差异较大，变化范围为1.7—8.0 t·hm-2。该产量差主要是由于栽培管理措施的差异造成的，在可获得产量的模拟中设定在拔节期和开花期分别灌溉 100 mm，而农户潜在产量设定在春玉米生长季内并无灌溉条件，这是基于东北三省大部分春玉米为雨养农业，因此该产量差与降水量呈现显著负相关关系（图 6-b），即在春玉米生长季内降水量较充沛的地区，该产量差相对较小，这些区域主要集中在吉林省和辽宁省东部地区，而在降水量相对较少的地区，该产量差相对较大，最大值可达到6.0—8.0 t·hm-2，这些区域主要位于研究区域的西部地区。

图5-c为东北三省春玉米产量差 2的时间变化趋势，从图可以看出，研究区域过去50年春玉米产量差2在全区64%的站点呈下降的趋势，其中约有22%的站点下降趋势较大，平均每 10年减少 0.2—0.4 t·hm-2，主要包括黑龙江省的泰来、安达，吉林省的西部地区和辽宁省的阜新和彰武等12个站点。约有42%的站点在过去50年该产量差平均每10年减少低于0.2 t·hm-2，主要包括黑龙江省西部地区、吉林省中东部地区和辽宁省的叶柏寿、朝阳、兴城等地区。全区其余36%的站点该产量差呈增加的趋势，主要包括黑龙江省的中东部地区和辽宁省的东部地区的个别站点。从各省分布状况来看，辽宁省和吉林省大部分地区该产量差呈下降的趋势（白城、蛟河、开原、章党、本溪、岫岩、庄河、熊岳、绥中和锦州除外），而黑龙江省中东部大部分地区该产量差呈增加的趋势，而西部地区该产量差呈降低的趋势。过去50年全区春玉米产量差2平均值变化趋势并不显著。

2.4 农户潜在产量与农户实际产量之间产量差的时空分布特征

图3-d为东北三省50年（1961—2010年）平均农户潜在产量与农户实际产量之间的产量差（产量差3）空间分布特征。该产量差变化范围为 0.04—5.5 t·hm-2。由图可以看出，辽宁省属于该产量差的高值区，大部分站点产量差可达3.0—5.5 t·hm-2，仅有西部的叶柏寿、朝阳、阜新和鞍山地区的产量差3在1.0—3.0 t·hm-2；吉林省西部大部分地区该产量差小于 1.0 t·hm-2，主要是由于该地区农户潜在产量相对较低（4.0—6.0 t·hm-2），而农户实际产量较辽宁省大部分地区高（4.0—5.0 t·hm-2），而东部地区该产量差相对较大，50年平均值达1.0—3.0 t·hm-2；黑龙江省大部分地区该产量差小于1.0 t·hm-2，仅有北部的富裕、明水、海伦、铁力和虎林地区在1.0—2.0 t·hm-2，最大值出现在鹤岗和通河，达到2.0—3.0 t·hm-2。

图5-d为东北三省春玉米产量差 3的时间变化趋势。由于过去50年东北三省春玉米农户潜在产量呈下降的趋势，同时农户实际产量呈显著上升的趋势，因此，过去50年产量差3全区均呈下降的趋势，且均通过显著性检验（P＜0.05）。其中以白城、长岭、四平、章党、鸡西和尚志地区该产量差下降幅度最大（平均每10年减少大于2.0 t·hm-2）。全区有62%的站点该产量差下降幅度为每 10年减少1.0—2.0 t·hm-2。该产量差下降幅度最小的站点包括黑龙江省的泰来、齐齐哈尔、富裕，吉林省的通榆、通化和辽宁省的东南部地区，平均每 10年减少0.2—1.0 t·hm-2。

2.5 东北三省春玉米各级产量差比较

综合上述结果，比较各省及全区春玉米各级产量差50年（1961—2010）平均值如图7所示：从全区50年平均来看，春玉米农户实际产量达到潜在产量的36%，即春玉米总产量差为64%，相当于单产7.9 t·hm-2，其中产量差1为8%，产量差2为40%，产量差3为16%。其中产量差2是可以通过栽培管理措施调控、改善土壤条件和更换高产品种来逐步缩小的。

黑龙江省春玉米农户实际产量 50年平均仅达到潜在产量的37%，即春玉米总产量差为63%，相当于单产6.6 t·hm-2，其中产量差1为9%，产量差2为47%，产量差3为7%。说明黑龙江省通过提高栽培管理措施、改善土壤条件和更换高产品种等措施能够提高的玉米产量空间较大，达47%。

吉林省 50年春玉米农户实际产量仅达到潜在产量的38%，即该省春玉米总产量差为62%，相当于单产8.3 t·hm-2，其中产量差1、产量差2和产量差3分别占到7%、41%和14%。说明吉林省通过提高栽培管理措施、改善土壤条件和更换高产品种能够提高的玉米产量空间较黑龙江省略低，为41%。

辽宁省 50年春玉米农户实际产量仅达到潜在产量的34%，略低于黑龙江省和吉林省，春玉米总产量差为66%，相当于单产8.8 t·hm-2，其中产量差1为7%，产量差2为32%，产量差3为27%。说明与黑龙江省和吉林省相比，辽宁省通过提高栽培管理措施、改善土壤条件和更换高产品种能够提高的玉米产量空间较低，仅为32%。

过去50年（1961—2010）研究区域春玉米各级产量差均呈现减小的趋势，其中总产量差和产量差3呈显著缩小趋势（P＜0.01），每10年分别缩小1.55 t·hm-2和1.40 t·hm-2。但产量差1和产量差2变化趋势并不显著（表1）。

表1 1961—2010年东北三省各省及全区产量差变化趋势Table 1 The trends of yield gaps from 1961 to 2010 of spring maize in each province and the whole region in Northeast China (t·hm-2·(10a)-1)

图7 东北三省各省及全区近50年（1961—2010年）平均春玉米潜在产量与农户实际产量之间产量差TYG及YG1、YG2和YG3所占比例Fig. 7 The provincial and regional total yield gaps and the proportion of YG1, YG2, and YG3of spring maize during 1961-2010 in Northeast China

3 讨论

利用东北三省 1961—2010年气象数据和农户实际春玉米产量数据，采用APSIM-Maize模型、ArcGIS和统计方法相结合的方法，明确了东北三省春玉米潜在产量与农户实际产量之间的产量差，以及各级产量差的空间分布特征和时间演变趋势，该结果对于提高东北三省春玉米产量缩小产量差具有重要的科学意义。

本研究区域覆盖东北三省的春玉米种植区，由于其气候差异性和农户的生产条件，其栽培管理水平存在较大的空间差异性，同时为适应气候变化，栽培管理措施也发生相应的变化，如提前播期，更换生育期较长的品种，改变密度，增加水肥投入等。然而受资料限制，本文设定潜在产量、可获得产量和农户潜在产量的模型参数时，未能考虑栽培管理措施的空间和时间差异性，在未来的研究中有待进一步完善。目前由于产量差层次划分、研究方法的差异，使得不同区域或同一区域不同研究结果之间的可比性较差，如MENG 等[29]认为，东北地区春玉米的产量差约为40%，与本文的研究结果有一定差异。因此在未来的研究中，应首先选择适用于当地农作物产量潜力的估算方法，客观评价当地气候条件下目前农作物的产量潜力；其次探讨针对不同产量差的评估方法，充分体现不同区域或同一区域内同一作物之间产量差的可比性。

限制作物产量的因素主要包括不可能应用到田间的技术和环境因子、农学因素（品种、病虫害等）和社会经济因素（投入产出比、政策、文化水平及传统观念）等[13]。而作物最终产量是各因子间交互作用综合效应的结果，因此在未来的研究中应综合考虑各因子间的相互作用，结合更加详细的数据，进一步解析造成各个区域春玉米产量差的主要限制因子及限制程度。同时应进一步考虑农民意愿、政策和经济等社会因素的影响，加强农户决策行为对产量差形成机制的研究，即不仅要分析导致产量差的直接因素如管理和投入水平的影响，还需要从作为农业生产主体的农户以及社会经济因素着手进行综合分析。进一步加强研究结果的实践价值，为制定切实可行的针对缩小东北三省春玉米产量差的实施方案及政策建议提供科学依据。

4 结论

东北三省春玉米潜在产量与农户实际产量之间的产量差（总产量差）呈明显的经向和纬向分布，即由南向北递减，由西向东递减。研究区域产量差平均值为64%，且近50年呈显著缩小趋势，每10年缩小1.55 t·hm-2。潜在产量与可获得产量之间的产量差（产量差1）、可获得产量与农户潜在产量之间的产量差（产量差 2）均呈现随经度升高而降低的趋势，这与春玉米生长季内降水量分布有关。农户潜在产量与农户实际产量之间的产量差（产量差3）近50年呈现显著下降趋势，每10年减少1.40 t·hm-2。从全区50年平均来看，农学因素是限制当地玉米产量提升的主要因素。通过改善农学因素，如提高栽培管理措施、改善土壤条件和更换高产品种可有效缩小产量差达40%。

[1] BEETS W C. Raising and Sustaining Productivity of Smallholder Farming Systems in the Tropics: A Handbook of Sustainable Agricultural Development. AgBe Publishing, Alkmaar, Netherlands, 1990.

[2] EVANS L T, FISCHER R A. Yield potential: Its definition, measurement, and significance. Crop Science, 1999, 39(6): 1544-1551.

[3] GRASSINI P, YANG H, CASSMAN K G. Limits to maize productivity in Western Corn-Belt: A simulation analysis for fully irrigated and rainfed conditions. Agricultural and Forest Meteorology, 2009, 149(8): 1254-1265.

[4] BARKER R K, GOMEZ A, HERDT R W. Farm-Level Constraints to High Rice Yields in Asia: 1974-77. IRRI, Los Banos, Philippines, 1979.

[5] CALVIñO P, SADRAS V. On-farm assessment of constraints to wheat yield in the southeastern Pampas. Field Crops Research, 2002, 74(1): 1-11.

[6] LOBELL D B, ORTIZ-MONASTERIO J I, FALCON W P. Yield uncertainty at the field scale evaluated with multi-year satellite data. Agricultural Systems, 2007, 92(1/3): 76-90.

[7] SUBEDI K D, MA B L. Assessment of some major yield-limiting factors on maize production in a humid temperate environment. Field Crops Research, 2009, 110(1): 21-26.

[8] 刘建刚, 王宏, 石全红, 陶婷婷, 陈阜, 褚庆全. 基于田块尺度的小麦产量差及生产限制因素解析. 中国农业大学学报, 2012, 17(2): 42-47.

LIU J G, WANG H, SHI Q H, TAO T T, CHEN F, CHU Q Q. Analysis of yield gap and limiting factors for wheat on the farmland. Journal of China Agricultural University, 2012, 17(2): 42-47. (in Chinese)

[9] BHATIA V S, SINGH P, WANI S P, CHAUHAN G S, KESAVA RAO A V R, MISHRA A K, SRINIVAS K. Analysis of potential yields and yield gaps of rainfed soybean in India using CROPGRO-Soybean model. Agricultural and Forest Meteorology, 2008, 148(8/9): 1252-1265.

[10] BOLING A A, TUONG T P, VAN KEULEN H, BOUMAN B A M, SUGANDA H, SPIERTZ J H J. Yield gap of rainfed rice in farmers’felds in Central Java, Indonesia. Agricultural Systems, 2010, 103(5): 307-315.

[11] LIU Z, YANG X, HUBBARD K G, LIN X. Maize potential yields and yield gaps in the changing climate of Northeast China. Global Change Biology, 2012, 18(11): 3441-3454.

[12] LI K, YANG X, LIU Z, ZHANG T, LU S, LIU Y. Low yield gap of winter wheat in the North China Plain. European Journal of Agronomy, 2014, 59: 1-12.

[13] 杨晓光, 刘志娟. 作物产量差研究进展. 中国农业科学, 2014. 47(14): 2731-2741.

YANG X G, LIU Z J. Advances in research on crop yield gaps. Scientia Agricultura Sinica, 2014, 47(14): 2731-2741. (in Chinese)

[14] PROBERT M E, KEATING B A, THOMPSON J P, PARTON W J. Modelling water, nitrogen, and crop yield for a long-term fallow management experiment. Australian Journal of Experimental Agriculture, 1995, 35(7): 941-950.

[15] ASSENG S, VAN KEULEN H, STOL W. Performance and application of the APSIM N wheat model in the Netherlands. European Journal of Agronomy, 2000, 12(1): 37-54.

[16] ASSENG S, KEATING B A, FILLERY I R P, GREGORY P J, BOWDEN J W, TURNER N C, PALTA J A, ABRECHT D G. Performance of the APSIM-wheat model in Western Australia. Field Crops Research, 1998, 57(2): 163-179.

[17] ROBERTSON M J, CARBERRY P S, HUTH N I, TURPIN J E, PROBERT M E, POULTON P L, BELL M, WRINGHT G C, YEATES S J, BRINSMEAD R B. Simulation of growth and development of diverse legume species in APSIM. Australian Journal of Agricultural Research, 2002, 53(4): 429-446.

[18] KEATING B A, CARBERRY P S, HAMMER G L, PROBERT M E, ROBERTSON M J, HOLZWORTH D, HUTH N I, HARGREAVES J N G, MEINKE H, HOCHMAN Z, MCLEAN G, VERBURG K,SNOW V, DIMES J P, SILBURN M, WANG E, BROWN S, BRISTOW K L, ASSENG S, CHAPMAN S, MCCOWN R L, FREEBAIRN D M, SMITH C J. An overview of APSIM, a model designed for farming systems simulation. European Journal of Agronomy, 2003, 18(3/4): 267-288.

[19] 孙宁, 冯利平. 利用冬小麦作物生长模型对产量气候风险的评估.农业工程学报, 2005, 21(2): 106-110.

SUN N, FENG L P. Assessing the climatic risk to crop yield of winter wheat using crop growth models. Transactions of the Chinese Society of Agricultural Engineering, 2005, 21(2): 106-110. (in Chinese)

[20] 王琳, 郑有飞, 于强, 王恩利. APSIM模型对华北平原小麦-玉米连作系统的适用性. 应用生态学报, 2007, 18(11): 2480-2486.

WANG L, ZHENG Y F, YU Q, WANG E L. Applicability of agricultural production systems simulator (APSIM) in simulating the production and water use of wheat-maize continuous cropping system in North China Plain. Chinese Journal of Applied Ecology, 2007, 18(11): 2480-2486. (in Chinese)

[21] 李艳, 薛昌颖, 刘园, 杨晓光, 王靖, 王恩利. APSIM 模型对冬小麦生长模拟的适应性研究. 气象, 2008, 34(增刊): 271-279.

LI Y, XUE C Y, LIU Y, YANG X G, WANG J, WANG E L. Applicability of agricultural production systems simulator (APSIM) in simulating the production of winter wheat. Meteorological Monthly, 2008, 34(supplement): 271-279. (in Chinese)

[22] CHEN C, WANG E, YU Q. Modelling the effects of climate variability and water management on crop water productivity and water balance in the North China Plain. Agricultural Water Management, 2010, 97(8): 1175-1184.

[23] 刘志娟, 杨晓光, 王静, 吕硕, 李克南, 荀欣, 王恩利. APSIM玉米模型在东北地区的适应性分析. 作物学报, 2012, 38(4): 740-746.

LIU Z J, YANG X G, WANG J, LÜ S, LI K N, XUN X, WANG E L. Adaptability of APSIM maize model in Northeast China. Acta Agronomica Sinica, 2012, 38(4): 740-746. (in Chinese)

[24] 吕硕, 杨晓光, 赵锦, 刘志娟, 李克南, 慕臣英, 陈晓超, 陈范骏,米国华. 气候变化和品种更替对东北地区春玉米产量潜力的影响.农业工程学报, 2013, 29(18): 179-190.

LÜ S, YANG X G, ZHAO J, LIU Z J, LI K N, MU C Y, CHEN X C, CHEN F J, MI G H. Effects of climate change and variety alternative on potential yield of spring maize in Northeast China. Transactions of the Chinese Society of Agricultural Engineering, 2013, 29(18): 179-190. (in Chinese)

[25] 中华人民共和国国家统计局. 中国统计年鉴. 北京: 中国统计出版社, 2008-2010.

National Bureau of Statistics of the People’s Republic of China. China Statistics Yearbook. Beijing: China Statistics Press, 2008-2010. (in Chinese)

[26] 陈国平, 王荣焕, 赵久然. 玉米高产田的产量结构模式及关键因素分析. 玉米科学, 2009, 17(4): 89-93.

CHEN G P, WANG R H, ZHAO J R. Analysis on yield structural model and key factors of maize high-yield plots. Journal of Maize Sciences, 2009, 17(4): 89-93. (in Chinese)

[27] 高强, 冯国忠, 王志刚. 东北地区春玉米施肥现状调查. 中国农学通报, 2010, 26(14): 229-231.

GAO Q, FENG G Z, WANG Z G. Present situation of fertilizer application on spring maize in Northeast China. Chinese Agricultural Science Bulletin, 2010, 26(14): 229-231. (in Chinese)

[28] ALLEN R G, PEREIRA L S, RAES D, SMITH M. Crop Evapotranspiration-Guidelines for Computing Crop Water Requirements-FAO Irrigation and Drainage. Rome: Food and Agriculture Organization of the United Nations, 1998: 56.

[29] MENG Q, HOU P, WU L, CHEN X, CUI Z, ZHANG F. Understanding production potentials and yield gaps in intensive maize production in China. Field Crops Research, 2013, 143(1): 91-97.

（责任编辑 杨鑫浩）

Spatial-Temporal Variations of Yield Gaps of Spring Maize in Northeast China

LIU ZhiJuan1, YANG XiaoGuang1, LÜ Shuo1, WANG Jing1,2, LIN XiaoMao3
(1College of Resources and Environmental Sciences, China Agricultural University, Beijing 100193, China;2Ningxia Institute of Meteorological Sciences, Yinchuan 750002, China;3Department of Agronomy, Kansas State University, 2108 Throckmorton Hall, Plant Sciences Center, Manhattan, Kansas 66506, USA)

【Objective】 As the population increase, climate change and the environmental issues become increasingly prominent, food production and food security issues have attracted extensive attention. However, at present, the yields of crops are much lower than potential yields, therefore, how to produce enough food on limited land resources has become the major agricultural problem in China. Northeast China (NEC) is one of the most important maize production areas in China, where the maize outputaccounts for about 29% of the nation’s production. Therefore, increasing maize yield has undoubtedly played a vital role in securing food production in China. 【Method】 The yield gap between the potential yield and actual farmers’ yields of maize in Northeast China was studied on the basis of meteorological data, agro-meteorological observations, and agricultural statistical data during the period from 1961 to 2010, and by using the Agricultural Production System Simulation Model (APSIM-maize) and statistical method, which will provide a scientific basis for the ascension of crop production in NEC. 【Result】 The yield gap between potential and actual farmers’ yields (total yield gap) of spring maize decreased with increasing latitudes and longitudes (P＜0.01). Among locations, this yield gap ranged from 4.8 t·hm-2to 11.9 t·hm-2. The yield gaps between potential and attainable yields (yield gap 1), attainable and potential farmers’ yields (yield gap 2) showed a decreasing trend with increasing longitudes, showed a negative relationship with precipitation during the growing season. Among locations, mean yield gap 1 ranged from 0.06 t·hm-2to 3.2 t·hm-2. And mean yield gap 2 ranged from 1.7 t·hm-2to 8.0 t·hm-2, mainly due to the effects of management practices. The mean weighted yield gap between potential and actual farmers’ yields was 64% of the potential yield of spring maize. Moreover, 8%, 40%, and 16% reductions in potential yields were due to non-controllable factors, agronomic factors, and socioeconomic factors, respectively. During the past five decades, the yield gap of these four levels all showed a decreasing trend, total yield gap and yield gap 3 decreased by 1.55 t·hm-2, and 1.40 t·hm-2per decade (P＜0.01) in NEC, However, yield gap 1 and 2 showed no significant trend. 【Conclusion】 It was concluded that the yield gap between potential and actual farmers’ yields of spring maize decreased with increasing latitudes and longitudes, moreover, agronomic factors are the main constraints limiting maize yield in NEC, the yield gap could be deeply reduced by 40% by improving agronomic factors, including local management practices, soil conditions, and high-yielding varieties.

Northeast China; maize; yield gap; spatial-temporal variations

2016-07-26；接受日期：2016-12-02

国家自然科学基金（31471408，41401049）、国家重点研发计划项目（2016YFD0300101）、中央高校基本科研业务费专项资金（2014XJ030）

联系方式：刘志娟，E-mail：zhjjuanliu@cau.edu.cn。通信作者杨晓光，E-mail：yangxg@cau.edu.cn