夏樹(shù)鳳，江廣帥，趙 鴻，方 乾，胡詩(shī)琪，王 凡，蔡 劍，王 笑，周 琴，仲迎鑫，姜 東

(南京農(nóng)業(yè)大學(xué)農(nóng)業(yè)農(nóng)村部小麥區(qū)域技術(shù)創(chuàng)新中心，江蘇南京 210095)

小麥?zhǔn)侵袊?guó)最重要的主糧作物之一，與人們?nèi)粘Ｉ钕⑾⑾嚓P(guān)。現(xiàn)階段我國(guó)小麥供應(yīng)總量已能滿足需求，但隨著人們生活水平的提高和飲食習(xí)慣的改變，優(yōu)質(zhì)專用小麥、特別是優(yōu)質(zhì)的強(qiáng)筋和弱筋小麥供應(yīng)明顯不足，嚴(yán)重依賴進(jìn)口[1-2]。小麥分成強(qiáng)筋、中筋和弱筋三種品質(zhì)專用類型，分別適合制作面包、蒸煮類和糕點(diǎn)餅干類食物。籽粒蛋白質(zhì)含量是決定小麥籽粒烘焙品質(zhì)的關(guān)鍵因素，也是評(píng)判上述三種品質(zhì)專用類型小麥最重要的指標(biāo)之一，受品種特性、氣候、土壤、耕作栽培措施等因素的共同影響[3-4]。蘇豫皖是我國(guó)小麥主產(chǎn)區(qū)之一，也是我國(guó)小麥未來(lái)發(fā)展最重要的區(qū)域。但該區(qū)域空間跨度、局域小氣候差異很大，造成了在常規(guī)栽培條件下不同區(qū)域、不同年份小麥籽粒蛋白質(zhì)含量變異較大。明確蘇豫皖籽粒蛋白質(zhì)含量的區(qū)域分布規(guī)律，開(kāi)展品質(zhì)區(qū)劃，對(duì)于該區(qū)域優(yōu)質(zhì)小麥產(chǎn)業(yè)可持續(xù)發(fā)展具有重要意義。

有關(guān)中國(guó)不同區(qū)域小麥品質(zhì)的區(qū)劃，前人已有較多的報(bào)道。何中虎等[5]將我國(guó)小麥種植區(qū)初步劃分為3個(gè)品質(zhì)區(qū)域，并根據(jù)氣候、土壤和耕作栽培條件進(jìn)一步劃分出各個(gè)亞區(qū)。孫麗娟等[6]利用2010—2015年冀魯蘇晉中筋小麥品種濟(jì)麥22的品質(zhì)數(shù)據(jù)建立GIS最優(yōu)模型，發(fā)現(xiàn)蛋白質(zhì)含量總體呈東北高西南低分布，6年間多呈帶狀分布，北方整體高于南方。王大成等[7]采用神經(jīng)網(wǎng)絡(luò)的方法研究了影響冬小麥蛋白質(zhì)含量的關(guān)鍵生態(tài)因子及其變化趨勢(shì)。Jie等[8]基于南京、徐州、泰安、保定的小麥蛋白數(shù)據(jù)建立了可預(yù)測(cè)不同氣候環(huán)境下不同冬小麥品種蛋白質(zhì)含量的簡(jiǎn)化回歸模型。但受試驗(yàn)點(diǎn)數(shù)、年份、描述方法等的局限，尚無(wú)法進(jìn)行更為細(xì)致、準(zhǔn)確的品質(zhì)生態(tài)區(qū)劃。

Meta分析是對(duì)具有相同研究目的的多個(gè)獨(dú)立研究結(jié)果進(jìn)行系統(tǒng)分析、定量綜合的研究方法[9]，近幾年來(lái)在農(nóng)學(xué)領(lǐng)域的應(yīng)用逐漸增多。韓天富等[10]對(duì)1988—2017年全國(guó)水稻土長(zhǎng)期監(jiān)測(cè)點(diǎn)的水稻產(chǎn)量、施肥、土壤數(shù)據(jù)進(jìn)行Meta分析，發(fā)現(xiàn)適量的肥料投入是提高和維持水稻高產(chǎn)的重要措施，有機(jī)肥與無(wú)機(jī)肥配合施用增產(chǎn)效果更加顯著。Miguez等[11]對(duì)1999-2010年阿根廷潘帕斯省46個(gè)大田試驗(yàn)中氮肥施用和小麥籽粒蛋白質(zhì)、產(chǎn)量數(shù)據(jù)進(jìn)行Meta分析，發(fā)現(xiàn)早期施氮對(duì)籽粒蛋白含量影響不顯著，臨近開(kāi)花期的葉片施肥處理的籽粒蛋白質(zhì)含量比對(duì)照提高了 1.14%。目前基于Meta分析方法開(kāi)展生態(tài)環(huán)境對(duì)作物產(chǎn)量或品質(zhì)影響的研究尚未見(jiàn)報(bào)道。

綜上所述，已有小麥品質(zhì)生態(tài)區(qū)劃多限于文字描述，或基于部分生態(tài)試驗(yàn)點(diǎn)和少數(shù)年份與品種的試驗(yàn)結(jié)果分析，尚缺少對(duì)同類研究進(jìn)行綜合分析。同時(shí)，基于回歸模型和神經(jīng)網(wǎng)絡(luò)模型等的研究結(jié)果，尚缺少對(duì)評(píng)估區(qū)域品質(zhì)性狀的可視化分析。因此，本研究收集了常規(guī)栽培條件下 1999-2019年間蘇豫皖包含小麥籽粒蛋白質(zhì)含量相關(guān)信息的文獻(xiàn)和相關(guān)氣象數(shù)據(jù)，運(yùn)用Meta回歸分析并結(jié)合ArcGIS反距離插值法，綜合多年份、多試驗(yàn)點(diǎn)小麥籽粒蛋白質(zhì)含量數(shù)據(jù)，明確影響小麥籽粒蛋白質(zhì)含量的關(guān)鍵氣候指標(biāo)，構(gòu)建蘇豫皖小麥籽粒蛋白質(zhì)含量定量分析模型，在時(shí)空尺度評(píng)估該區(qū)域小麥籽粒蛋白質(zhì)含量分布規(guī)律，并進(jìn)行小麥品質(zhì)生態(tài)區(qū)劃。

1 材料與方法

1.1 數(shù)據(jù)來(lái)源

首先，以“小麥”和“蛋白質(zhì)”為主題詞，對(duì)中國(guó)知網(wǎng)中的文獻(xiàn)及碩博士論文分別進(jìn)行檢索，為減少品種更新?lián)Q代等的影響，發(fā)表年份限制在1999—2019年，共檢索到5 387篇文獻(xiàn)(含學(xué)位論文)。進(jìn)而根據(jù)如下條件對(duì)所檢索到的文獻(xiàn)進(jìn)行篩選：(1)研究結(jié)果為大田試驗(yàn)且包含明確的試驗(yàn)?zāi)攴荩?2)研究地點(diǎn)在江蘇、河南和安徽3??；(3)試驗(yàn)施氮量介于150～270 kg·hm-2之間的處理；(4)包含測(cè)定指標(biāo)“籽粒蛋白質(zhì)含量”。符合篩選條件的290篇文獻(xiàn)包含2 260條蛋白質(zhì)含量數(shù)據(jù)，分布頻數(shù)如圖1所示。對(duì)上述文獻(xiàn)中籽粒蛋白質(zhì)含量的平均值、標(biāo)準(zhǔn)差(誤)、樣本量(處理重復(fù)數(shù))及相應(yīng)試驗(yàn)?zāi)攴葸M(jìn)行提取。在中國(guó)氣象數(shù)據(jù)網(wǎng)(http://data.cma.cn/)下載相應(yīng)地點(diǎn)和年份的氣象數(shù)據(jù)，包括氣溫、光照時(shí)數(shù)和降水量，用于后續(xù)分析。

對(duì)于文獻(xiàn)中蛋白質(zhì)含量的平均值及標(biāo)準(zhǔn)差(誤)，一般情況下，文獻(xiàn)數(shù)據(jù)以表格和柱狀圖兩種形式呈現(xiàn)。對(duì)表格形式呈現(xiàn)的數(shù)據(jù)直接進(jìn)行提??；對(duì)于以柱狀圖呈現(xiàn)的數(shù)據(jù)，用GetData軟件(http: //getdata-graph-digitizer.com/)進(jìn)行數(shù)字化轉(zhuǎn)換。對(duì)僅提供標(biāo)準(zhǔn)誤的數(shù)據(jù)，將其轉(zhuǎn)換為標(biāo)準(zhǔn)差(SD=SE×sqrt(N))。對(duì)于標(biāo)準(zhǔn)差(誤)缺失的數(shù)據(jù)，依照如下方法進(jìn)行估計(jì)：首先，計(jì)算出整個(gè)數(shù)據(jù)集的變異系數(shù)；其次，以平均值乘以變異系數(shù)來(lái)估計(jì)缺失的標(biāo)準(zhǔn)差[12]。

1.2 數(shù)據(jù)處理

將提取到的蛋白質(zhì)數(shù)據(jù)按經(jīng)緯度和年份進(jìn)行歸類，同一經(jīng)緯度同一年份的蛋白質(zhì)含量進(jìn)行平均值和標(biāo)準(zhǔn)誤的計(jì)算。用STATA軟件先進(jìn)行異質(zhì)性檢驗(yàn)，若納入的各研究結(jié)果無(wú)異質(zhì)性(I2<25%)，采用固定效應(yīng)模型進(jìn)行分析；相反，則采用隨機(jī)效應(yīng)模應(yīng)[13]。

根據(jù)小麥生育特點(diǎn)，將全生育期劃成播種—拔節(jié)、拔節(jié)—孕穗、孕穗—開(kāi)花、灌漿前期、灌漿中期和灌漿后期6個(gè)生育階段。一般小麥孕穗期至成熟期的持續(xù)時(shí)間變異較小，孕穗前因播期和年際差異有一定的波動(dòng)，因而文獻(xiàn)中如有物候期詳細(xì)記錄，則按試驗(yàn)?zāi)甓葘?duì)應(yīng)地點(diǎn)的氣象數(shù)據(jù)進(jìn)行準(zhǔn)備計(jì)算。但大部分文獻(xiàn)缺少物候期記錄，而所研究區(qū)域緯度跨度不大，生產(chǎn)中生育期進(jìn)程較為接近，故所有年份和地點(diǎn)小麥全生育期統(tǒng)一設(shè)定為11月1日至5月31日，并按播種—拔節(jié)(11月1日—3月20日)、拔節(jié)—孕穗(3月21日—4月10日)、孕穗—開(kāi)花(4月11日—4月20日)、灌漿前期(4月21日—5月5日)、灌漿中期(5月6日—5月20日)和灌漿后期(5月20日—5月31日)劃分，并分別統(tǒng)計(jì)累計(jì)降水量、日照時(shí)數(shù)及積溫?cái)?shù)據(jù)。運(yùn)用SPSS18.0進(jìn)行初步相關(guān)分析，篩選出相關(guān)性極顯著的指標(biāo)后，將所得指標(biāo)數(shù)值變化范圍進(jìn)行三等分，形成1、2、3三個(gè)等級(jí)。

將各地點(diǎn)分級(jí)后的生態(tài)因子和相對(duì)應(yīng)蛋白質(zhì)含量數(shù)據(jù)輸入STATA軟件運(yùn)用多水平分析策略進(jìn)行Meta分析。

1.3 圖像擬合及模型驗(yàn)證

使用ArcGIS將不同氣象等級(jí)條件下分別對(duì)蘇豫皖三省擬合出的籽粒蛋白質(zhì)含量，按地點(diǎn)經(jīng)緯度進(jìn)行反距離插值得出蘇豫皖蛋白質(zhì)含量分布圖。分省擬合和整體擬合蘇豫皖三省的籽粒蛋白質(zhì)含量，并根據(jù)模型公式轉(zhuǎn)換為2019年氣象等級(jí)條件下的籽粒蛋白含量，按地點(diǎn)經(jīng)緯度進(jìn)行反距離插值得出2019年蘇豫皖小麥品質(zhì)區(qū)劃圖。采用本團(tuán)隊(duì)于2019年在江蘇省各地進(jìn)行的大規(guī)模抽樣測(cè)定數(shù)據(jù)(施氮量含介于 150～270 kg·hm-2之間的處理)作為驗(yàn)證集，利用ArcGIS按驗(yàn)證集數(shù)據(jù)的經(jīng)緯度信息從兩個(gè)模型中提取預(yù)測(cè)值，并計(jì)算相對(duì)誤差。

相對(duì)誤差=(預(yù)測(cè)值-真實(shí)值)/真實(shí)值

數(shù)據(jù)整合采用MySQL進(jìn)行，圖形繪制采用R-3.6.1 軟件實(shí)現(xiàn)，地圖利用ArcGIS map10.2采用反距離插值法進(jìn)行插值繪制。

2 結(jié)果與分析

2.1 蘇豫皖小麥籽粒蛋白質(zhì)含量21年概況

本研究最終選出的290篇文獻(xiàn)涉及35個(gè)地級(jí)市，其中河南15個(gè)，江蘇11個(gè)，安徽9個(gè)(圖1)。其中，江蘇揚(yáng)州的樣品數(shù)最多，其次是河南鄭州、江蘇南京。根據(jù)GBT 17320-2013《小麥品種品質(zhì)分類》標(biāo)準(zhǔn)，文獻(xiàn)中江蘇蘇州試驗(yàn)點(diǎn)的籽粒蛋白質(zhì)含量始終低于12.5%，達(dá)到弱筋小麥水平；河南許昌始終高于12.5%，達(dá)到中筋小麥標(biāo)準(zhǔn)以上水平；安徽蒙城、河南開(kāi)封、河南偃師始終高于13%，達(dá)到中強(qiáng)筋小麥標(biāo)準(zhǔn)以上水平；河南三門峽始終高于14%，達(dá)到強(qiáng)筋小麥標(biāo)準(zhǔn)以上水平；其余地點(diǎn)的籽粒蛋白質(zhì)含量變異系數(shù)較大，弱筋、中筋、中強(qiáng)筋、強(qiáng)筋小麥樣品均有分布(圖2)。

圖2 各地級(jí)市籽粒蛋白質(zhì)含量概況

2.2 影響小麥籽粒蛋白質(zhì)含量的關(guān)鍵氣象因子

經(jīng)對(duì)播種—拔節(jié)、拔節(jié)—孕穗、孕穗—開(kāi)花、灌漿前期、灌漿中期和灌漿后期6個(gè)生育時(shí)段的累計(jì)降水量、日照時(shí)數(shù)及積溫?cái)?shù)據(jù)與蛋白質(zhì)含量進(jìn)行相關(guān)性分析，播種—拔節(jié)、拔節(jié)—孕穗期、灌漿前期、灌漿中期4個(gè)時(shí)間段的降水量與蛋白質(zhì)含量均呈顯著負(fù)相關(guān)(表1)，因此將播種—孕穗、灌漿前中期的降水量分別合并處理。

表1 各時(shí)間段氣象因子與籽粒蛋白質(zhì)含量的相關(guān)性

從表2可以看出，籽粒蛋白質(zhì)含量與播種—孕穗總降水量(R1)、播種—拔節(jié)期積溫(T)、灌漿前中期的總降水量(R2)呈現(xiàn)極顯著負(fù)相關(guān)，與灌漿中期的總?cè)照諘r(shí)數(shù)(S)呈現(xiàn)顯著正相關(guān)。播種—孕穗總降水量(R1)與播種—拔節(jié)期積溫(T)呈極顯著正相關(guān)，與灌漿前中期的總降水量(R2)和灌漿中期的總?cè)照諘r(shí)數(shù)(S)分別呈極顯著正相關(guān)和極顯著負(fù)相關(guān)。其余氣象因子指標(biāo)與蛋白質(zhì)含量相關(guān)性不顯著。播種—拔節(jié)期積溫與灌漿前中期的總降水量(R2)呈極顯著正相關(guān)，與灌漿中期的總?cè)照諘r(shí)數(shù)(S)不相關(guān)。此外，灌漿前中期的總降水量(R2)與灌漿中期的總?cè)照諘r(shí)數(shù)(S)呈現(xiàn)極顯著強(qiáng)負(fù)相關(guān)。因此，根據(jù)R1、R2、T和S進(jìn)行等級(jí)劃分并進(jìn)行Meta分析。

表2 小麥籽粒蛋白質(zhì)含量與氣象因子之間的相關(guān)性

2.3 氣象因子影響系數(shù)評(píng)估分析

檢查各個(gè)獨(dú)立研究的結(jié)果是否具有可合并性，首先對(duì)不同研究所得的蛋白質(zhì)含量進(jìn)行了異質(zhì)性分析。大多數(shù)研究落在95%可信區(qū)間線之內(nèi)(圖3)，25%

以標(biāo)準(zhǔn)化估計(jì)值相對(duì)于標(biāo)準(zhǔn)誤的倒數(shù)作圖，每個(gè)點(diǎn)(b/se(b))代表一個(gè)獨(dú)立的研究，若位于可信區(qū)間線(Fitted values)內(nèi)，說(shuō)明研究間同質(zhì)；反之則存在異質(zhì)性。

采用Meta分析中的多水平分析策略，對(duì)不同省份四個(gè)氣象因子的回歸參數(shù)進(jìn)行了預(yù)估(圖4)。以省份為單位進(jìn)行回歸，發(fā)現(xiàn)灌漿中期的總?cè)照諘r(shí)數(shù)(S)的平均回歸參數(shù)和置信區(qū)間均大于0，表明其對(duì)小麥籽粒蛋白質(zhì)含量具有正效應(yīng)，而播種—孕穗(R1)和灌漿前中期(R2)的總降水量則相反。小麥籽粒蛋白質(zhì)含量在安徽省受到播種—孕穗(R1)總降水量的負(fù)效應(yīng)及受到灌漿中期(S)總?cè)照諘r(shí)數(shù)的正效應(yīng)大于河南省和江蘇省。由于播種—拔節(jié)期積溫(T)的置信區(qū)間與中線交疊，其效應(yīng)存在不顯著的情況，因此后續(xù)的分析將其舍去。

R1：播種-孕穗(11月1日—4月10日)總降水量；R2：灌漿前中期(4月21日—5月20日)總降水量；T：播種-拔節(jié)期(11月1日—3月20日)積溫; S：灌漿中期(5月6日—5月20日)總?cè)照諘r(shí)數(shù)。

為了將不同省份籽粒蛋白質(zhì)含量分別進(jìn)行擬合，首先將文獻(xiàn)調(diào)研的籽粒蛋白質(zhì)含量平均值標(biāo)準(zhǔn)化。江蘇、安徽、河南三省標(biāo)準(zhǔn)化公式依次 如下：

Pr1=Pr0-(n1-1)*0.33-(n2-1)*(-0.41)-(n3-1)*(-0.43)

①

Pr1=Pr0-(n1-1)*0.52-(n2-1)*(-0.87)-(n3-1)*(-0.43)

②

Pr1=Pr0-(n1-1)*0.35-(n2-1)*(-0.73)-(n3-1)*(-0.61)

③

其中，Pr0為文獻(xiàn)調(diào)研的蛋白質(zhì)含量平均值，n1為實(shí)際灌漿中期的總?cè)照諘r(shí)數(shù)(S)等級(jí)，n2為實(shí)際播種—孕穗總降水量(R1)等級(jí)，n3為實(shí)際灌漿前中期的總降水量(R2)等級(jí)。

將三省標(biāo)準(zhǔn)籽粒蛋白質(zhì)含量轉(zhuǎn)為任意目標(biāo)氣象條件下的蛋白質(zhì)含量的公式依次如下：

Pr=Pr1-(x1-1)*0.33-(x2-1)*(-0.41)-(x3-1)*(-0.43)

④

Pr=Pr1-(x1-1)*0.52-(x2-1)*(-0.87)-(x3-1)*(-0.43)

⑤

Pr=Pr1-(x1-1)*0.35-(x2-1)*(-0.73)-(x3-1)*(-0.61)

⑥

其中，Pr1為標(biāo)準(zhǔn)化蛋白質(zhì)含量平均值，x1為預(yù)測(cè)目標(biāo)的灌漿中期的總?cè)照諘r(shí)數(shù)(S)等級(jí)，x2為預(yù)測(cè)目標(biāo)的播種—孕穗總降水量(R1)等級(jí)，x3為預(yù)測(cè)目標(biāo)的孕穗前中期的總降水量(R2)等級(jí)。

灌漿中期的總?cè)照諘r(shí)數(shù)的1、2、3等級(jí)分別對(duì)應(yīng)S<88.2 h、88.2 h115.3 h；播種—孕穗總降水量的1、2、3等級(jí)分別對(duì)應(yīng)R1<140 mm、140276 mm；灌漿前中期的總降水量的1、2、3等級(jí)分別對(duì)應(yīng)R2<50 mm、50 mm100 mm。

2.4 蘇豫皖小麥籽粒蛋白質(zhì)含量的區(qū)域分布

基于公式①～⑥構(gòu)建蘇豫皖模型。由圖5可知，在同一氣象條件下，蘇豫皖地區(qū)的籽粒蛋白質(zhì)含量整體上呈現(xiàn)從西向東呈下降趨勢(shì)。當(dāng)S<88.2 h、R1<140 mm、R2<50 mm(圖5A)時(shí)，籽粒蛋白質(zhì)含量≤12.5%的小麥主要分布在江蘇的中南部和南部；籽粒蛋白質(zhì)含量在12.5%～13%之間的小麥主要分布在江蘇的中北部以及安徽的東南部；籽粒蛋白質(zhì)含量在13%～14%之間的小麥主要分布在江蘇的北部、安徽的南部以及河南的北方少部分區(qū)域；籽粒蛋白質(zhì)含量>14 %的小麥主要分布在安徽的中部、西部和河南的絕大部分區(qū)域。隨著灌漿中期的總?cè)照諘r(shí)數(shù)(S)的增加，蘇豫皖各地區(qū)的籽粒蛋白質(zhì)含量增高。在S>115.3 h、R1<140 mm、R2<50 mm(圖5D)的區(qū)域，籽粒蛋白含量大多超過(guò)弱筋小麥品質(zhì)要求；河南和安徽的大部分區(qū)域以及江蘇的北部和東北部區(qū)域籽粒蛋白質(zhì)含量>14%；江蘇中部和南部區(qū)域小麥處于中筋水平。隨著播種—灌漿總降水量(R1)的增加，蘇豫皖各地區(qū)的籽粒蛋白質(zhì)含量降低。常規(guī)氣象條件下即S>115.3 h、140115.3 h、R1<140 mm、R2<50 mm氣象條件(圖5D)相比，蘇豫皖的弱筋小麥分布區(qū)域明顯增加，增加區(qū)域主要分布在江蘇的南部；中強(qiáng)筋小麥區(qū)域也有所增加，主要分布在江蘇的北部和安徽的東部。隨著灌漿前中期的總降水量(R2)增加，蘇豫皖各地區(qū)的籽粒蛋白質(zhì)含量也降低。當(dāng)S<88.2 h、R1<140 mm、R2>100 mm(圖5B)時(shí)，與S<88.2 h、R1<140 mm、R2<50 mm氣象條件(圖5A)相比，弱筋小麥在安徽的東南部和江蘇的中西部分布較廣，中筋小麥主要在安徽和江蘇的北部分布較廣，中強(qiáng)筋小麥在河南和安徽的西部分布較廣，強(qiáng)筋小麥區(qū)域大幅度縮小。極端氣象條件下即S<88.2 h、R1>276 mm、R2>100 mm(圖5F)時(shí)，籽粒蛋白質(zhì)的積累受到不利影響，因而蘇豫皖滿足該條件的所有區(qū)域籽粒蛋白質(zhì)含量均<12.5%。因此，盡管播種-灌漿和灌漿前中期的總降水量(R1、R2)與籽粒蛋白質(zhì)含量呈負(fù)相關(guān)，但是灌漿前中期的總降水量(R2)對(duì)籽粒蛋白含量的影響沒(méi)有播種—灌漿的總降水量(R1)大(圖5A、圖5B、圖5F)。當(dāng)灌漿中期的總?cè)照諘r(shí)數(shù)(S)、播種—灌漿和灌漿前中期的總降水量(R1、R2)同步增加(圖5A、圖5C)時(shí)，蘇豫徽相關(guān)地區(qū)的籽粒蛋白質(zhì)含量減少，弱筋小麥區(qū)域進(jìn)一步擴(kuò)大，而強(qiáng)筋小麥區(qū)域僅在河南中部和西北部有分布(圖5C)。這也表明，灌漿中期的總?cè)照諘r(shí)數(shù)(S)對(duì)小麥籽粒蛋白質(zhì)含量產(chǎn)生的正效應(yīng)小于播種—灌漿和灌漿前中期的總降水量(R1、R2)引起的負(fù)效應(yīng)。

2.5 小麥籽粒蛋白質(zhì)含量預(yù)測(cè)模型驗(yàn)證

盡管分省擬合可以考慮到每個(gè)省的氣象因素及種植情況，但兩省交界處采用不同的計(jì)算模型可能會(huì)產(chǎn)生較大誤差。因此，本研究將蘇豫皖所收集到的全部數(shù)據(jù)整體進(jìn)行Meta分析，所得模型如下(注釋同2.3部分)：

Pr1=PPr0-(n1-1)*0.53-(n2-1)*(-0.67)-(n3-1)*(-0.29)

⑦

Pr整體=Pr1+(x1-1)*0.53+(x2-1)*(-0.67)+(x3-1)*(-0.29)

⑧

從2019年三省分別和整體擬合出蘇豫皖蛋白質(zhì)含量分布圖(圖8)中提取2019年江蘇省259個(gè)小麥樣品點(diǎn)(經(jīng)緯度)的蛋白質(zhì)預(yù)測(cè)值。與真實(shí)值相比大部分預(yù)測(cè)值比實(shí)際值小，整體上的相對(duì)誤差表現(xiàn)為弱筋<中筋<中強(qiáng)筋<強(qiáng)筋，且由于相對(duì)誤差的公式定義原因，模型對(duì)弱筋小麥的預(yù)測(cè)效果更好。分省擬合所得的模型的相對(duì)誤差比整體擬合所得的模型小。分省擬合所得的模型相對(duì)誤差主要集中在-10%和0，占樣品的 62.16%，其中相對(duì)誤差為0%的占比 25.48%(圖6 A)。整體擬合所得的模型相對(duì)誤差主要集中在 -20%和-10%，占比67.95%(圖6 B)。

A為分省擬合模型，B為整體擬合模型。

選擇樣品點(diǎn)≥3的縣區(qū)，從區(qū)域分布觀察其相對(duì)誤差分布，結(jié)果發(fā)現(xiàn)，江蘇東南部和北部相對(duì)誤差絕對(duì)值主要集中在0和10%，比較準(zhǔn)確。江蘇中部地區(qū)籽粒蛋白質(zhì)含量預(yù)測(cè)相對(duì)誤差絕對(duì)值較其他區(qū)域大，興化地區(qū)出現(xiàn)了30%的相對(duì)誤差絕對(duì)值，但仍以20%的相對(duì)誤差絕對(duì)值為主。一些區(qū)域出現(xiàn)30%相對(duì)誤差絕對(duì)值的原因可能是該區(qū)域缺少歷史籽粒蛋白質(zhì)值，從而難以準(zhǔn)確預(yù)測(cè)蛋白含量。因此，整體模型對(duì)于預(yù)測(cè)江蘇東南部以及北部的準(zhǔn)確度大于中部地區(qū)(圖7)。分省擬合的模型其東部的相對(duì)誤差絕對(duì)值小于整體擬合的模型，30%的相對(duì)誤差絕對(duì)值也較少，然而針對(duì)兩省交界的城市(如徐州、連云港)，整體模型更為適用。

A為分省擬合模型，B為整體擬合模型。

2.6 蘇豫皖小麥品質(zhì)區(qū)劃

基于整體擬合公式⑦和⑧，將文獻(xiàn)調(diào)研的籽粒蛋白質(zhì)含量平均值轉(zhuǎn)為2019年氣象等級(jí)條件下的籽粒蛋白質(zhì)含量，并用反距離插值法進(jìn)行模型的構(gòu)建，進(jìn)行蘇豫皖小麥區(qū)劃。依據(jù)GB/T 17320-2013《小麥品種品質(zhì)分類》標(biāo)準(zhǔn)，從圖8、圖9可知，在蘇豫皖區(qū)域弱筋小麥主要分布在江蘇省的南部和中部、安徽省的東南部，中筋小麥主要分布在江蘇省的中北部、安徽省中部少部分地區(qū)，中強(qiáng)筋小麥主要分布在江蘇省的北部、安徽省的北部、中西部和西南部、河南省的東北部，強(qiáng)筋小麥主要分布在河南省東部、西北部和西南部。所在區(qū)域播種—灌漿和灌漿前中期的總降水量越小，灌漿中期的總?cè)照諘r(shí)數(shù)越大，籽粒蛋白質(zhì)含量越高。弱筋小麥優(yōu)勢(shì)區(qū)的灌漿中期的總?cè)照諘r(shí)數(shù)(S)≤88.2 h，播種—孕穗的總降水量(R1)>140 mm，灌漿前中期的總降水量(R2)三個(gè)等級(jí)均有分布；中筋小麥優(yōu)勢(shì)區(qū)灌漿中期的總?cè)照諘r(shí)數(shù)(S)≤88.2 h，播種—孕穗的總降水量(R1)>140 mm，灌漿前中期的總降水量(R2)<100 mm；中強(qiáng)筋小麥優(yōu)勢(shì)區(qū)灌漿中期的總?cè)照諘r(shí)數(shù)(S)三個(gè)等級(jí)均有分布，播種—孕穗的總降水量(R1)<276 mm，灌漿前中期的總降水量(R2)<100 mm；強(qiáng)筋小麥優(yōu)勢(shì)區(qū)的灌漿中期的總?cè)照諘r(shí)數(shù)(S)<115.3 h，播種—孕穗的總降水量(R1)<276 mm，灌漿前中期的總降水量(R2)<50 mm。

A為分省擬合模型，B為整體擬合模型。

圖9 蘇豫皖蛋白質(zhì)品質(zhì)分類區(qū)域分布示意圖(依據(jù)2019年氣象條件)

3 討 論

3.1 氣象因子對(duì)小麥籽粒蛋白質(zhì)含量的影響

前人研究顯示，環(huán)境因素對(duì)小麥籽粒蛋白質(zhì)含量的影響大于基因型，其中地點(diǎn)效應(yīng)大于年份效應(yīng)[14-16]。本研究采用21年蘇豫皖地區(qū)小麥籽粒蛋白質(zhì)含量文獻(xiàn)數(shù)據(jù)及試驗(yàn)地的氣象數(shù)據(jù)，進(jìn)行皮爾遜相關(guān)性分析和Meta回歸發(fā)現(xiàn)，小麥籽粒蛋白質(zhì)含量與播種—孕穗前總降水量、灌漿前中期總降水量呈極顯著負(fù)相關(guān)，與灌漿中期的總?cè)照諘r(shí)數(shù)呈顯著正相關(guān)。前人研究也認(rèn)為，小麥籽粒蛋白質(zhì)含量一般與降水量呈負(fù)相關(guān)[17]。這可能與大量降雨導(dǎo)致土壤剖面速效氮素流失有關(guān)，特別對(duì)沙質(zhì)土壤的影響更大，不利于后期氮素的吸收及其在籽粒中向蛋白質(zhì)的轉(zhuǎn)化[18]。此外，小麥籽粒蛋白質(zhì)所合成的氮源70%以上來(lái)自于開(kāi)花前在營(yíng)養(yǎng)器官貯藏的氮化合物向籽粒的再轉(zhuǎn)運(yùn)，播種出苗至開(kāi)花期經(jīng)歷時(shí)間很長(zhǎng)，土壤氮源的流失可能從“源”的角度不利于籽粒蛋白質(zhì)的積累。這也與本研究中孕穗前總降水量對(duì)籽粒蛋白質(zhì)含量的負(fù)效應(yīng)大于孕穗后總降水量的結(jié)論相吻合。

同時(shí)，因陰雨天氣導(dǎo)致的光照不足也可能影響籽粒蛋白質(zhì)的積累。光照可通過(guò)日照時(shí)數(shù)和光照強(qiáng)度兩個(gè)方面來(lái)影響光合作用，從而調(diào)控小麥籽粒蛋白質(zhì)積累。光合作用為同化產(chǎn)物形成提供碳源和能量，日照時(shí)數(shù)越長(zhǎng)，可為作物提供更長(zhǎng)的光合時(shí)間，累積更多的有機(jī)物。較長(zhǎng)的日照可促進(jìn)小麥籽粒中氨基酸的積累[19]。小麥籽粒中的游離氨基酸絕對(duì)含量在花后16～32 d(灌漿中期)處于較高水平，可為籽粒貯藏蛋白質(zhì)合成提供充足的氮化物[20]。然而，生育后期充足的光照會(huì)使籽粒飽滿，增加粒重，這也可能會(huì)“稀釋”小麥籽粒蛋白質(zhì)含量。與此同時(shí)，不同地區(qū)的光照強(qiáng)度不同，而強(qiáng)光對(duì)C3作物小麥會(huì)產(chǎn)生光抑制作用，降低光合速率[21]，不利于有機(jī)物的形成。因此，日照時(shí)數(shù)對(duì)小麥籽粒蛋白質(zhì)含量的影響研究結(jié)論尚不統(tǒng)一。趙春等[22]研究表明，播種至拔節(jié)期長(zhǎng)日照有利于小麥籽粒蛋白質(zhì)含量的提高，開(kāi)花至成熟期日照時(shí)數(shù)的減少會(huì)提高蛋白質(zhì)含量。而曹廣才等[23]認(rèn)為，小麥蛋白質(zhì)含量、濕面筋含量與抽穗—成熟期間的平均日照時(shí)數(shù)呈正相關(guān)，這與本研究中灌漿中期、拔節(jié)—孕穗的總?cè)照諘r(shí)數(shù)與籽粒蛋白質(zhì)含量呈正相關(guān)的結(jié)論一致。

3.2 蘇豫皖模型及區(qū)劃分析

采用在江蘇2019年批量隨機(jī)取樣測(cè)定分析的小麥籽粒蛋白質(zhì)含量，對(duì)本研究中利用Meta回歸分析建立的小麥籽粒蛋白質(zhì)含量預(yù)測(cè)模型進(jìn)行檢測(cè)，分省擬合所得的模型相對(duì)誤差主要集中在-10%～0，其中25.48%(66個(gè))的點(diǎn)相對(duì)誤差為0，預(yù)測(cè)準(zhǔn)確性較高。需注意的是，模型構(gòu)建所采用數(shù)據(jù)集與檢驗(yàn)數(shù)據(jù)集在時(shí)間和空間上都有很大的跨度，能獲得如此較為準(zhǔn)確的結(jié)果，表明該研究采取的Meta分析方法完全可用于作物生態(tài)區(qū)劃布局，至少在作物品質(zhì)生態(tài)區(qū)劃模型構(gòu)建方面表現(xiàn)出很好的適用性。進(jìn)一步分析部分取樣點(diǎn)(7個(gè)，占2.7%)相對(duì)誤差較大的原因，可能與其所在區(qū)域缺少歷史籽粒蛋白質(zhì)值有關(guān)。從本研究收集的文獻(xiàn)可以發(fā)現(xiàn)，江蘇西南部、安徽南部、河南中南部存在大量空白有待填補(bǔ)，可加強(qiáng)對(duì)該區(qū)域小麥品質(zhì)空間變異的研究，以進(jìn)一步提升本模型的準(zhǔn)確度。

基于分省擬合的2019年蘇豫皖模型模擬顯示，江蘇南部沿海沿湖地區(qū)可種植出籽粒蛋白質(zhì)含量達(dá)到弱筋小麥標(biāo)準(zhǔn)的小麥，隨緯度升高，籽粒蛋白質(zhì)含量升高。這一點(diǎn)與黃芬等[24]建立的模型趨勢(shì)相同。然而本研究發(fā)現(xiàn)，同一緯度江蘇北部沿海地區(qū)籽粒蛋白質(zhì)含量相對(duì)于西北部地區(qū)并不低，可達(dá)到強(qiáng)筋小麥標(biāo)準(zhǔn)，這可能與江蘇東北部沿海地區(qū)地處濱海鹽堿區(qū)，土壤鹽堿影響小麥生長(zhǎng)，導(dǎo)致籽粒蛋白質(zhì)含量上升，同時(shí)植株吸收的鹽離子有利于促進(jìn)面筋蛋白聚集有關(guān)。Borrelli等[25]研究表明小麥蛋白質(zhì)含量隨土壤中鹽濃度升高而顯著提高，而Zhang等[26]也發(fā)現(xiàn)小麥麥谷蛋白大聚體(GMP)含量隨著土壤鹽含量的增加而顯著提高。因此，除了氣候因素，部分土壤理化性狀也是影響籽粒品質(zhì)區(qū)劃的重要因素。

本研究發(fā)現(xiàn)蘇豫皖地區(qū)弱筋小麥優(yōu)勢(shì)區(qū)主要集中在江蘇、安徽和河南省的南部，此處降水量較其他區(qū)域多；中筋小麥主要集中在江蘇和安徽的北部等地區(qū)，降水量適中，這一結(jié)論與何中虎等[5]研究相同。而強(qiáng)筋小麥的分布有所不同，但也主要集中在河南省。王紹中等[27]研究同樣表明，豫東平原由于氣候較為干旱，相較于淮南春雨豐沛區(qū)更利于小麥籽粒蛋白的積累。總言之，蘇豫皖地區(qū)籽粒蛋白分布特征的形成主要是因?yàn)樵摰貐^(qū)由西向東、由北向南，灌漿中期的總?cè)照諘r(shí)數(shù)減少，播種—孕穗的總降水量增加，灌漿前中期的總降水量增加。

由于絕大多數(shù)文獻(xiàn)并未提及小麥的生育期，本研究擬定小麥生育期為11月1日—5月31日，并按照月和日的結(jié)點(diǎn)對(duì)其進(jìn)行了6個(gè)時(shí)段的劃分。然而，各地區(qū)受當(dāng)?shù)貧庀笠约案髦贫鹊牟煌ナ諘r(shí)間不同，生育期劃分的誤差對(duì)探究小麥不同生育時(shí)期氣象與籽粒蛋白質(zhì)含量的關(guān)系仍存在影響。但是，以月和日為時(shí)間結(jié)點(diǎn)變量可以使得模型在較大的時(shí)空范圍內(nèi)具有普適性，同時(shí)基于文獻(xiàn)調(diào)研所獲取的大數(shù)據(jù)量可以在一定程度上消除誤差，在未來(lái)的小麥生產(chǎn)中，所得模型可用于通過(guò)當(dāng)年的氣象因子對(duì)蛋白含量進(jìn)行預(yù)測(cè)。此外，土壤數(shù)據(jù)和一些歷史蛋白數(shù)據(jù)的缺失可能導(dǎo)致區(qū)劃結(jié)果不夠精準(zhǔn)，但整體來(lái)看與前人研究基本相符，可為蘇豫皖的小麥品質(zhì)及品種區(qū)劃提供參考。