基于Meta分析和氣象因子驅動的蘇豫皖小麥籽粒蛋白質含量地理空間分布特征

夏樹鳳，江廣帥，趙 鴻，方 乾，胡詩琪，王 凡，蔡 劍，王 笑，周 琴，仲迎鑫，姜 東

(南京農業大學農業農村部小麥區域技術創新中心，江蘇南京 210095)

小麥是中國最重要的主糧作物之一，與人們日常生活息息相關。現階段我國小麥供應總量已能滿足需求，但隨著人們生活水平的提高和飲食習慣的改變，優質專用小麥、特別是優質的強筋和弱筋小麥供應明顯不足，嚴重依賴進口[1-2]。小麥分成強筋、中筋和弱筋三種品質專用類型，分別適合制作面包、蒸煮類和糕點餅干類食物。籽粒蛋白質含量是決定小麥籽粒烘焙品質的關鍵因素，也是評判上述三種品質專用類型小麥最重要的指標之一，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]。蘇豫皖是我國小麥主產區之一，也是我國小麥未來發展最重要的區域。但該區域空間跨度、局域小氣候差異很大，造成了在常規栽培條件下不同區域、不同年份小麥籽粒蛋白質含量變異較大。明確蘇豫皖籽粒蛋白質含量的區域分布規律，開展品質區劃，對于該區域優質小麥產業可持續發展具有重要意義。

有關中國不同區域小麥品質的區劃，前人已有較多的報道。何中虎等[5]將我國小麥種植區初步劃分為3個品質區域，并根據氣候、土壤和耕作栽培條件進一步劃分出各個亞區。孫麗娟等[6]利用2010—2015年冀魯蘇晉中筋小麥品種濟麥22的品質數據建立GIS最優模型，發現蛋白質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]采用神經網絡的方法研究了影響冬小麥蛋白質含量的關鍵生態因子及其變化趨勢。Jie等[8]基于南京、徐州、泰安、保定的小麥蛋白數據建立了可預測不同氣候環境下不同冬小麥品種蛋白質含量的簡化回歸模型。但受試驗點數、年份、描述方法等的局限，尚無法進行更為細致、準確的品質生態區劃。

Meta分析是對具有相同研究目的的多個獨立研究結果進行系統分析、定量綜合的研究方法[9]，近幾年來在農學領域的應用逐漸增多。韓天富等[10]對1988—2017年全國水稻土長期監測點的水稻產量、施肥、土壤數據進行Meta分析，發現適量的肥料投入是提高和維持水稻高產的重要措施，有機肥與無機肥配合施用增產效果更加顯著。Miguez等[11]對1999-2010年阿根廷潘帕斯省46個大田試驗中氮肥施用和小麥籽粒蛋白質、產量數據進行Meta分析，發現早期施氮對籽粒蛋白含量影響不顯著，臨近開花期的葉片施肥處理的籽粒蛋白質含量比對照提高了 1.14%。目前基于Meta分析方法開展生態環境對作物產量或品質影響的研究尚未見報道。

綜上所述，已有小麥品質生態區劃多限于文字描述，或基于部分生態試驗點和少數年份與品種的試驗結果分析，尚缺少對同類研究進行綜合分析。同時，基于回歸模型和神經網絡模型等的研究結果，尚缺少對評估區域品質性狀的可視化分析。因此，本研究收集了常規栽培條件下 1999-2019年間蘇豫皖包含小麥籽粒蛋白質含量相關信息的文獻和相關氣象數據，運用Meta回歸分析并結合ArcGIS反距離插值法，綜合多年份、多試驗點小麥籽粒蛋白質含量數據，明確影響小麥籽粒蛋白質含量的關鍵氣候指標，構建蘇豫皖小麥籽粒蛋白質含量定量分析模型，在時空尺度評估該區域小麥籽粒蛋白質含量分布規律，并進行小麥品質生態區劃。

1 材料與方法

1.1 數據來源

首先，以“小麥”和“蛋白質”為主題詞，對中國知網中的文獻及碩博士論文分別進行檢索，為減少品種更新換代等的影響，發表年份限制在1999—2019年，共檢索到5 387篇文獻(含學位論文)。進而根據如下條件對所檢索到的文獻進行篩選：(1)研究結果為大田試驗且包含明確的試驗年份；(2)研究地點在江蘇、河南和安徽3省；(3)試驗施氮量介于150～270 kg·hm-2之間的處理；(4)包含測定指標“籽粒蛋白質含量”。符合篩選條件的290篇文獻包含2 260條蛋白質含量數據，分布頻數如圖1所示。對上述文獻中籽粒蛋白質含量的平均值、標準差(誤)、樣本量(處理重復數)及相應試驗年份進行提取。在中國氣象數據網(http://data.cma.cn/)下載相應地點和年份的氣象數據，包括氣溫、光照時數和降水量，用于后續分析。

對于文獻中蛋白質含量的平均值及標準差(誤)，一般情況下，文獻數據以表格和柱狀圖兩種形式呈現。對表格形式呈現的數據直接進行提取；對于以柱狀圖呈現的數據，用GetData軟件(http: //getdata-graph-digitizer.com/)進行數字化轉換。對僅提供標準誤的數據，將其轉換為標準差(SD=SE×sqrt(N))。對于標準差(誤)缺失的數據，依照如下方法進行估計：首先，計算出整個數據集的變異系數；其次，以平均值乘以變異系數來估計缺失的標準差[12]。

1.2 數據處理

將提取到的蛋白質數據按經緯度和年份進行歸類，同一經緯度同一年份的蛋白質含量進行平均值和標準誤的計算。用STATA軟件先進行異質性檢驗，若納入的各研究結果無異質性(I2<25%)，采用固定效應模型進行分析；相反，則采用隨機效應模應[13]。

根據小麥生育特點，將全生育期劃成播種—拔節、拔節—孕穗、孕穗—開花、灌漿前期、灌漿中期和灌漿后期6個生育階段。一般小麥孕穗期至成熟期的持續時間變異較小，孕穗前因播期和年際差異有一定的波動，因而文獻中如有物候期詳細記錄，則按試驗年度對應地點的氣象數據進行準備計算。但大部分文獻缺少物候期記錄，而所研究區域緯度跨度不大，生產中生育期進程較為接近，故所有年份和地點小麥全生育期統一設定為11月1日至5月31日，并按播種—拔節(11月1日—3月20日)、拔節—孕穗(3月21日—4月10日)、孕穗—開花(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，并分別統計累計降水量、日照時數及積溫數據。運用SPSS18.0進行初步相關分析，篩選出相關性極顯著的指標后，將所得指標數值變化范圍進行三等分，形成1、2、3三個等級。

將各地點分級后的生態因子和相對應蛋白質含量數據輸入STATA軟件運用多水平分析策略進行Meta分析。

1.3 圖像擬合及模型驗證

使用ArcGIS將不同氣象等級條件下分別對蘇豫皖三省擬合出的籽粒蛋白質含量，按地點經緯度進行反距離插值得出蘇豫皖蛋白質含量分布圖。分省擬合和整體擬合蘇豫皖三省的籽粒蛋白質含量，并根據模型公式轉換為2019年氣象等級條件下的籽粒蛋白含量，按地點經緯度進行反距離插值得出2019年蘇豫皖小麥品質區劃圖。采用本團隊于2019年在江蘇省各地進行的大規模抽樣測定數據(施氮量含介于 150～270 kg·hm-2之間的處理)作為驗證集，利用ArcGIS按驗證集數據的經緯度信息從兩個模型中提取預測值，并計算相對誤差。

相對誤差=(預測值-真實值)/真實值

數據整合采用MySQL進行，圖形繪制采用R-3.6.1 軟件實現，地圖利用ArcGIS map10.2采用反距離插值法進行插值繪制。

2 結果與分析

2.1 蘇豫皖小麥籽粒蛋白質含量21年概況

本研究最終選出的290篇文獻涉及35個地級市，其中河南15個，江蘇11個，安徽9個(圖1)。其中，江蘇揚州的樣品數最多，其次是河南鄭州、江蘇南京。根據GBT 17320-2013《小麥品種品質分類》標準，文獻中江蘇蘇州試驗點的籽粒蛋白質含量始終低于12.5%，達到弱筋小麥水平；河南許昌始終高于12.5%，達到中筋小麥標準以上水平；安徽蒙城、河南開封、河南偃師始終高于13%，達到中強筋小麥標準以上水平；河南三門峽始終高于14%，達到強筋小麥標準以上水平；其余地點的籽粒蛋白質含量變異系數較大，弱筋、中筋、中強筋、強筋小麥樣品均有分布(圖2)。

圖2 各地級市籽粒蛋白質含量概況

2.2 影響小麥籽粒蛋白質含量的關鍵氣象因子

經對播種—拔節、拔節—孕穗、孕穗—開花、灌漿前期、灌漿中期和灌漿后期6個生育時段的累計降水量、日照時數及積溫數據與蛋白質含量進行相關性分析，播種—拔節、拔節—孕穗期、灌漿前期、灌漿中期4個時間段的降水量與蛋白質含量均呈顯著負相關(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 各時間段氣象因子與籽粒蛋白質含量的相關性

從表2可以看出，籽粒蛋白質含量與播種—孕穗總降水量(R1)、播種—拔節期積溫(T)、灌漿前中期的總降水量(R2)呈現極顯著負相關，與灌漿中期的總日照時數(S)呈現顯著正相關。播種—孕穗總降水量(R1)與播種—拔節期積溫(T)呈極顯著正相關，與灌漿前中期的總降水量(R2)和灌漿中期的總日照時數(S)分別呈極顯著正相關和極顯著負相關。其余氣象因子指標與蛋白質含量相關性不顯著。播種—拔節期積溫與灌漿前中期的總降水量(R2)呈極顯著正相關，與灌漿中期的總日照時數(S)不相關。此外，灌漿前中期的總降水量(R2)與灌漿中期的總日照時數(S)呈現極顯著強負相關。因此，根據R1、R2、T和S進行等級劃分并進行Meta分析。

表2 小麥籽粒蛋白質含量與氣象因子之間的相關性

2.3 氣象因子影響系數評估分析

檢查各個獨立研究的結果是否具有可合并性，首先對不同研究所得的蛋白質含量進行了異質性分析。大多數研究落在95%可信區間線之內(圖3)，25%

以標準化估計值相對于標準誤的倒數作圖，每個點(b/se(b))代表一個獨立的研究，若位于可信區間線(Fitted values)內，說明研究間同質；反之則存在異質性。

采用Meta分析中的多水平分析策略，對不同省份四個氣象因子的回歸參數進行了預估(圖4)。以省份為單位進行回歸，發現灌漿中期的總日照時數(S)的平均回歸參數和置信區間均大于0，表明其對小麥籽粒蛋白質含量具有正效應，而播種—孕穗(R1)和灌漿前中期(R2)的總降水量則相反。小麥籽粒蛋白質含量在安徽省受到播種—孕穗(R1)總降水量的負效應及受到灌漿中期(S)總日照時數的正效應大于河南省和江蘇省。由于播種—拔節期積溫(T)的置信區間與中線交疊，其效應存在不顯著的情況，因此后續的分析將其舍去。

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)總日照時數。

為了將不同省份籽粒蛋白質含量分別進行擬合，首先將文獻調研的籽粒蛋白質含量平均值標準化。江蘇、安徽、河南三省標準化公式依次 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為文獻調研的蛋白質含量平均值，n1為實際灌漿中期的總日照時數(S)等級，n2為實際播種—孕穗總降水量(R1)等級，n3為實際灌漿前中期的總降水量(R2)等級。

將三省標準籽粒蛋白質含量轉為任意目標氣象條件下的蛋白質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為標準化蛋白質含量平均值，x1為預測目標的灌漿中期的總日照時數(S)等級，x2為預測目標的播種—孕穗總降水量(R1)等級，x3為預測目標的孕穗前中期的總降水量(R2)等級。

灌漿中期的總日照時數的1、2、3等級分別對應S<88.2 h、88.2 h115.3 h；播種—孕穗總降水量的1、2、3等級分別對應R1<140 mm、140276 mm；灌漿前中期的總降水量的1、2、3等級分別對應R2<50 mm、50 mm100 mm。

2.4 蘇豫皖小麥籽粒蛋白質含量的區域分布

基于公式①～⑥構建蘇豫皖模型。由圖5可知，在同一氣象條件下，蘇豫皖地區的籽粒蛋白質含量整體上呈現從西向東呈下降趨勢。當S<88.2 h、R1<140 mm、R2<50 mm(圖5A)時，籽粒蛋白質含量≤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域；籽粒蛋白質含量>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域。隨著灌漿中期的總日照時數(S)的增加，蘇豫皖各地區的籽粒蛋白質含量增高。在S>115.3 h、R1<140 mm、R2<50 mm(圖5D)的區域，籽粒蛋白含量大多超過弱筋小麥品質要求；河南和安徽的大部分區域以及江蘇的北部和東北部區域籽粒蛋白質含量>14%；江蘇中部和南部區域小麥處于中筋水平。隨著播種—灌漿總降水量(R1)的增加，蘇豫皖各地區的籽粒蛋白質含量降低。常規氣象條件下即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域明顯增加，增加區域主要分布在江蘇的南部；中強筋小麥區域也有所增加，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，蘇豫皖各地區的籽粒蛋白質含量也降低。當S<88.2 h、R1<140 mm、R2>100 mm(圖5B)時，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，中強筋小麥在河南和安徽的西部分布較廣，強筋小麥區域大幅度縮小。極端氣象條件下即S<88.2 h、R1>276 mm、R2>100 mm(圖5F)時，籽粒蛋白質的積累受到不利影響，因而蘇豫皖滿足該條件的所有區域籽粒蛋白質含量均<12.5%。因此，盡管播種-灌漿和灌漿前中期的總降水量(R1、R2)與籽粒蛋白質含量呈負相關，但是灌漿前中期的總降水量(R2)對籽粒蛋白含量的影響沒有播種—灌漿的總降水量(R1)大(圖5A、圖5B、圖5F)。當灌漿中期的總日照時數(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，蘇豫徽相關地區的籽粒蛋白質含量減少，弱筋小麥區域進一步擴大，而強筋小麥區域僅在河南中部和西北部有分布(圖5C)。這也表明，灌漿中期的總日照時數(S)對小麥籽粒蛋白質含量產生的正效應小于播種—灌漿和灌漿前中期的總降水量(R1、R2)引起的負效應。

2.5 小麥籽粒蛋白質含量預測模型驗證

盡管分省擬合可以考慮到每個省的氣象因素及種植情況，但兩省交界處采用不同的計算模型可能會產生較大誤差。因此，本研究將蘇豫皖所收集到的全部數據整體進行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含量分布圖(圖8)中提取2019年江蘇省259個小麥樣品點(經緯度)的蛋白質預測值。與真實值相比大部分預測值比實際值小，整體上的相對誤差表現為弱筋<中筋<中強筋<強筋，且由于相對誤差的公式定義原因，模型對弱筋小麥的預測效果更好。分省擬合所得的模型的相對誤差比整體擬合所得的模型小。分省擬合所得的模型相對誤差主要集中在-10%和0，占樣品的 62.16%，其中相對誤差為0%的占比 25.48%(圖6 A)。整體擬合所得的模型相對誤差主要集中在 -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≥3的縣區，從區域分布觀察其相對誤差分布，結果發現，江蘇東南部和北部相對誤差絕對值主要集中在0和10%，比較準確。江蘇中部地區籽粒蛋白質含量預測相對誤差絕對值較其他區域大，興化地區出現了30%的相對誤差絕對值，但仍以20%的相對誤差絕對值為主。一些區域出現30%相對誤差絕對值的原因可能是該區域缺少歷史籽粒蛋白質值，從而難以準確預測蛋白含量。因此，整體模型對于預測江蘇東南部以及北部的準確度大于中部地區(圖7)。分省擬合的模型其東部的相對誤差絕對值小于整體擬合的模型，30%的相對誤差絕對值也較少，然而針對兩省交界的城市(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 蘇豫皖小麥品質區劃

基于整體擬合公式⑦和⑧，將文獻調研的籽粒蛋白質含量平均值轉為2019年氣象等級條件下的籽粒蛋白質含量，并用反距離插值法進行模型的構建，進行蘇豫皖小麥區劃。依據GB/T 17320-2013《小麥品種品質分類》標準，從圖8、圖9可知，在蘇豫皖區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，中強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，強筋小麥主要分布在河南省東部、西北部和西南部。所在區域播種—灌漿和灌漿前中期的總降水量越小，灌漿中期的總日照時數越大，籽粒蛋白質含量越高。弱筋小麥優勢區的灌漿中期的總日照時數(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)三個等級均有分布；中筋小麥優勢區灌漿中期的總日照時數(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；中強筋小麥優勢區灌漿中期的總日照時數(S)三個等級均有分布，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；強筋小麥優勢區的灌漿中期的總日照時數(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 蘇豫皖蛋白質品質分類區域分布示意圖(依據2019年氣象條件)

3 討 論

3.1 氣象因子對小麥籽粒蛋白質含量的影響

前人研究顯示，環境因素對小麥籽粒蛋白質含量的影響大于基因型，其中地點效應大于年份效應[14-16]。本研究采用21年蘇豫皖地區小麥籽粒蛋白質含量文獻數據及試驗地的氣象數據，進行皮爾遜相關性分析和Meta回歸發現，小麥籽粒蛋白質含量與播種—孕穗前總降水量、灌漿前中期總降水量呈極顯著負相關，與灌漿中期的總日照時數呈顯著正相關。前人研究也認為，小麥籽粒蛋白質含量一般與降水量呈負相關[17]。這可能與大量降雨導致土壤剖面速效氮素流失有關，特別對沙質土壤的影響更大，不利于后期氮素的吸收及其在籽粒中向蛋白質的轉化[18]。此外，小麥籽粒蛋白質所合成的氮源70%以上來自于開花前在營養器官貯藏的氮化合物向籽粒的再轉運，播種出苗至開花期經歷時間很長，土壤氮源的流失可能從“源”的角度不利于籽粒蛋白質的積累。這也與本研究中孕穗前總降水量對籽粒蛋白質含量的負效應大于孕穗后總降水量的結論相吻合。

同時，因陰雨天氣導致的光照不足也可能影響籽粒蛋白質的積累。光照可通過日照時數和光照強度兩個方面來影響光合作用，從而調控小麥籽粒蛋白質積累。光合作用為同化產物形成提供碳源和能量，日照時數越長，可為作物提供更長的光合時間，累積更多的有機物。較長的日照可促進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合成提供充足的氮化物[20]。然而，生育后期充足的光照會使籽粒飽滿，增加粒重，這也可能會“稀釋”小麥籽粒蛋白質含量。與此同時，不同地區的光照強度不同，而強光對C3作物小麥會產生光抑制作用，降低光合速率[21]，不利于有機物的形成。因此，日照時數對小麥籽粒蛋白質含量的影響研究結論尚不統一。趙春等[22]研究表明，播種至拔節期長日照有利于小麥籽粒蛋白質含量的提高，開花至成熟期日照時數的減少會提高蛋白質含量。而曹廣才等[23]認為，小麥蛋白質含量、濕面筋含量與抽穗—成熟期間的平均日照時數呈正相關，這與本研究中灌漿中期、拔節—孕穗的總日照時數與籽粒蛋白質含量呈正相關的結論一致。

3.2 蘇豫皖模型及區劃分析

采用在江蘇2019年批量隨機取樣測定分析的小麥籽粒蛋白質含量，對本研究中利用Meta回歸分析建立的小麥籽粒蛋白質含量預測模型進行檢測，分省擬合所得的模型相對誤差主要集中在-10%～0，其中25.48%(66個)的點相對誤差為0，預測準確性較高。需注意的是，模型構建所采用數據集與檢驗數據集在時間和空間上都有很大的跨度，能獲得如此較為準確的結果，表明該研究采取的Meta分析方法完全可用于作物生態區劃布局，至少在作物品質生態區劃模型構建方面表現出很好的適用性。進一步分析部分取樣點(7個，占2.7%)相對誤差較大的原因，可能與其所在區域缺少歷史籽粒蛋白質值有關。從本研究收集的文獻可以發現，江蘇西南部、安徽南部、河南中南部存在大量空白有待填補，可加強對該區域小麥品質空間變異的研究，以進一步提升本模型的準確度。

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可種植出籽粒蛋白質含量達到弱筋小麥標準的小麥，隨緯度升高，籽粒蛋白質含量升高。這一點與黃芬等[24]建立的模型趨勢相同。然而本研究發現，同一緯度江蘇北部沿海地區籽粒蛋白質含量相對于西北部地區并不低，可達到強筋小麥標準，這可能與江蘇東北部沿海地區地處濱海鹽堿區，土壤鹽堿影響小麥生長，導致籽粒蛋白質含量上升，同時植株吸收的鹽離子有利于促進面筋蛋白聚集有關。Borrelli等[25]研究表明小麥蛋白質含量隨土壤中鹽濃度升高而顯著提高，而Zhang等[26]也發現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區劃的重要因素。

本研究發現蘇豫皖地區弱筋小麥優勢區主要集中在江蘇、安徽和河南省的南部，此處降水量較其他區域多；中筋小麥主要集中在江蘇和安徽的北部等地區，降水量適中，這一結論與何中虎等[5]研究相同。而強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更利于小麥籽粒蛋白的積累。總言之，蘇豫皖地區籽粒蛋白分布特征的形成主要是因為該地區由西向東、由北向南，灌漿中期的總日照時數減少，播種—孕穗的總降水量增加，灌漿前中期的總降水量增加。

由于絕大多數文獻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，并按照月和日的結點對其進行了6個時段的劃分。然而，各地區受當地氣象以及耕作制度的不同，播收時間不同，生育期劃分的誤差對探究小麥不同生育時期氣象與籽粒蛋白質含量的關系仍存在影響。但是，以月和日為時間結點變量可以使得模型在較大的時空范圍內具有普適性，同時基于文獻調研所獲取的大數據量可以在一定程度上消除誤差，在未來的小麥生產中，所得模型可用于通過當年的氣象因子對蛋白含量進行預測。此外，土壤數據和一些歷史蛋白數據的缺失可能導致區劃結果不夠精準，但整體來看與前人研究基本相符，可為蘇豫皖的小麥品質及品種區劃提供參考。