删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

基于GIS的小麦籽粒品质空间分布特征和影响因子分析

本站小编 Free考研考试/2021-12-26

孙丽娟, 胡学旭, 陆伟, 王步军. 基于GIS的小麦籽粒品质空间分布特征和影响因子分析[J]. 中国农业科学, 2018, 51(5): 999-1011 https://doi.org/10.3864/j.issn.0578-1752.2018.05.017
SUN LiJuan, HU XueXu, LU Wei, WANG BuJun. Spatial Distribution Characteristics of Wheat Grain Quality and Analysis of Factors Based on GIS[J]. Scientia Acricultura Sinica, 2018, 51(5): 999-1011 https://doi.org/10.3864/j.issn.0578-1752.2018.05.017

0 引言

【研究意义】小麦是中国第三大粮食作物[1],种植区域广、生态类型复杂,受品种、环境、栽培条件及其互作效应的影响[2,3,4,5]。不同年度地区间小麦品质参差不齐,商品稳定性和一致性差[6,7,8],很难满足生产和加工的需求,其中小麦硬度、容重和蛋白质含量等籽粒品质直接关系到制粉工艺和面制品品质,是市场上分级定等的重要参数[9,10]。因此,从宏观上掌握小麦籽粒品质分布特征和变化,以及其影响因子,对指导规模化生产和区域布局规划有着重要的意义。【前人研究进展】地理信息系统(GIS)是重要的信息处理技术之一,不断被应用到农业生产的空间分布和变异研究中[11]。近年来GIS已应用到大豆蛋白质和脂肪含量空间分布变化[12]、中国棉花纤维品质和气候因子分布特征[11]、棉铃品质地域分异评价[13]、黄淮海区域花生生产与品质特征[14]、江苏省小麦籽粒蛋白质含量等品质空间差异分析[15]、豫北地区小麦籽粒质量空间变异特征[16]等作物品质空间分布研究中。【本研究切入点】小麦籽粒研究,由于受到采样范围和数量的限制,主要集中在个别省或是部分县(市),缺少有代表性、覆盖小麦优势主产区的研究。并且关于小麦籽粒品质跨年度、跨麦区的空间分布特征规律及其变化原因少有报道。【拟解决的关键问题】本研究选择2010—2015年种植面积广、主推时间长的典型中筋品种济麦22,在固定基因型的基础上,分析了年度间小麦籽粒品质在华北北部强筋麦区、黄淮北部强筋中筋麦区、黄淮南部中筋麦区的空间分布变化特征,以及影响品质的主要温、光、水、地理位置等因子,揭示了籽粒品质分布规律变化与气象等因子的关系。在多年份、大尺度上找到了品质分布的变化规律和影响,为指导中国小麦生产和优势区域布局的精细划分,为品种品质预测、高产优质栽培提供支持和依据。

1 材料与方法

1.1 试验材料和数据来源

本文样品选用2010—2015年农业部开展的全国小麦质量抽检中样品济麦22,样点共计592个,覆盖华北北部强筋麦区(Ⅰ)、黄淮北部强筋中筋麦区(Ⅱ)、黄淮南部中筋麦区(Ⅲ)[8, 17-20]的河北、山东、安徽、江苏等6个小麦主产省(110.42°—120.53°E,32.62°—38.72°N),各年度样点信息见表1。气象数据来源于国家气象中心逐日气象数据,包括2010—2015年间4—6月的日平均气温、日最高气温、日最低气温、20—20时累计降水量、日照时数。小麦籽粒品质与气象因子关系分析采用各样点相同年份的气象数据。
Table 1
表1
表1济麦22样品抽样量和分布范围表
Table 1Distribution and numbers of Jimai22 samples
年份
Year
涉及麦区
Wheat producing area
涉及省份
Province
数量
Number
经度
Longitude (°E)
纬度
Latitude (°N)
2010Ⅰ、Ⅱ、Ⅲ河北Hebei、山东Shandong、安徽Anhui、江苏Jiangsu、山西Shanxi106110.7-120.4532.81-38.22
2011Ⅰ、Ⅱ、Ⅲ河北Hebei、山东Shandong、安徽Anhui、江苏Jiangsu、河南Henan、山西Shanxi108110.78-120.4533.06-38.3
2012Ⅰ、Ⅱ、Ⅲ河北Hebei、山东Shandong、安徽Anhui、江苏Jiangsu、山西Shanxi101111.2-120.5332.62-38.45
2013Ⅰ、Ⅱ、Ⅲ河北Hebei、山东Shandong、安徽Anhui、江苏Jiangsu、山西Shanxi98110.42-120.5332.68-38.22
2014Ⅰ、Ⅱ、Ⅲ河北Hebei、山东Shandong、安徽Anhui、江苏Jiangsu、河南Henan、山西Shanxi89110.42-120.5332.89-38.72
2015Ⅰ、Ⅱ、Ⅲ河北Hebei、山东Shandong、安徽Anhui、江苏Jiangsu90114.62-120.5333.06-38.2
合计
Total
Ⅰ、Ⅱ、Ⅲ河北Hebei、山东Shandong、安徽Anhui、江苏Jiangsu、河南Henan、山西Shanxi592110.42-120.5332.62-38.72


新窗口打开

1.2 研究区域概况

华北北部强筋麦区、黄淮北部强筋中筋麦区和黄淮南部中筋麦区年降水量400—900 mm,小麦生育期降水100—300 mm,土壤类型有潮土、褐土、砂姜黑土等[17, 20],抽穗成熟期主要集中在4月中旬到6月中上旬。

1.3 试验测定方法

2010—2015年,济麦22抽样采用田间和场院(仓库)两种方式,其中田间抽样以6 667 hm2左右为1个抽样单元,每个单元分成4个区域,每个区域中随机挑选2个不相邻村庄的田块,田块内按棋盘式选5点,每点割取3行1 m长的成熟小麦穗,将8个田块的麦穗混合后脱粒,即得1个抽样单位内的1个混合样品;场院(仓库)抽样是在小麦收获后从抽样单位内的农民场院或仓库中抽取小麦样品,确保品种单一性和代表性。小麦样品经清选、去杂,去除不完善粒后,测定籽粒容重和硬度。籽粒经旋风磨磨粉后,测定全麦粉的降落数值和蛋白质含量,剔除降落数值低于200 s样品。具体检测方法参照GB/T 21304-2007《小麦硬度测定硬度指数法》[21]、GB/T 5498-2013《 粮油检验 容重测定》[22]和NY/T 3-1982《谷类豆类作物种子粗蛋白质测定法(半微量凯氏法)》[23]

1.4 数据处理

采用Excel和SPSS软件进行数据统计分析。利用SPSS软件分析各品种试验数据,剔除异常值。采用GIS10.2的地统模块绘图,在满足样品数量大于80和假设属性期望值未知的条件下,选用普通克里金、简单克里金、泛克里金插值创建预测图[14-16,24],分析小麦品质空间分布规律,并通过交叉检验评价模型精度,模型需满足标准平均值最接近于0、均方根最小、平均标准误差接近于1的要求[15,24]。选用反距离权重插值法(IDW)法得到气温日较差、降水气象因子空间等值分布图[11,25]

2 结果

2.1 小麦籽粒品质空间分布情况

2.1.1 小麦籽粒品质整体情况 利用GIS10.2中的地理统计模块对济麦22各样点所有年份样品取平均值,探索性分析总体趋势。结果显示小麦籽粒硬度东北低西南高,且自东向西先增加后减少,自北向南先缓慢减少后增加;容重东北低西南高,且自东向西、自北向南先增加后减少;蛋白质含量东北高西南低,且自东向西、自北向南均呈近线性减少趋势(图1)。年度间变化见表2,不同年份间济麦22的籽粒硬度呈下降趋势,各年度变异系数较小;容重整体呈缓慢上升趋势,但2013年明显低于其他年份,各年度变异系数最低;蛋白质含量整体呈下降趋势,各年度变异系数最大,是其他参数的2—3倍。
显示原图|下载原图ZIP|生成PPT
图12010—2015年小麦籽粒品质总体趋势分析
-->Fig. 1The trend analysis of wheat grain quality from 2010 to 2015
-->

Table 2
表2
表22010—2015年济麦22小麦籽粒品质表
Table 2The kernel quality of Jimai22 from 2010 to 2015
年份
Year
硬度 Hardness变异系数
CV (%)
容重 Test weight (g·L-1)变异系数
CV (%)
蛋白质含量 Protein content (%)变异系数
CV (%)
变幅
Range
平均值
Mean
变幅
Range
平均值
Mean
变幅
Range
平均值
Mean
201063.2-70.267.02.51750-8357982.2111.77-16.4114.115.73
201162.4-73.367.73.09751-8398051.9910.16-15.6913.926.21
201264.0-71.067.51.95772-8368071.6811.70-16.6214.155.28
201361.0-70.265.72.79750-8317872.1012.10-17.2014.355.95
201462.0-71.065.52.60762-8348011.6211.78-15.4614.015.39
201557.0-72.065.93.87751-8428032.0411.40-16.7013.795.73


新窗口打开
2.1.2 小麦籽粒硬度分布情况 从图2可以看出,2010—2015年硬度分布规律差异较大,呈多态分布,2010—2012年整体高于2013—2015年,华北北部强筋麦区(Ⅰ)和黄淮北部强筋中筋麦区(Ⅱ)多数年份高于黄淮南部中筋麦区(Ⅲ)。2010年硬度从西向东,呈梯度逐渐降低,最高值在Ⅱ中豫南、鲁西交汇的强筋、中筋麦区;2011年呈“工”字型分布,最高点在Ⅲ中安徽淮河以北强筋麦区,次高区是Ⅱ中的冀南和鲁西;2012年呈条带状分布,从6省南北交界处向两侧递减,采样范围内硬度变化较小;2013年呈北高南低分布,硬度随纬度向北逐渐递增,最高点在Ⅰ中冀中强筋麦区;2014年也呈条带状分布,但由晋豫鲁交界处黄淮北部强筋中筋麦区向两侧递增,出现南高北低的趋势,最高点完全南移至Ⅲ中安徽淮河以北强筋麦区;2015年也基本呈南高北低分布,高点集中在Ⅲ中皖、苏淮河以北麦区。
显示原图|下载原图ZIP|生成PPT
图22010—2015年济麦22硬度和灌浆期降水总量6省分布图
-->Fig. 2The spatial distribution of Jimai22 hardness and total rainfall at filling stage in six provinces from 2010 to 2015
-->

2.1.3 小麦容重分布情况 图3显示,容重各年分布规律存在差异,黄淮北部强筋中筋麦区(Ⅱ)西部和中部容重多数年份整体高于其他区域,其冀、鲁、豫三省交界区域整体高于其他区域。2010年容重从南至北随纬度逐渐降低,最高点在Ⅱ中鲁西南强筋中筋麦区;2011年以Ⅱ的冀南鲁西为中心向四周递减分布,Ⅱ高于其他两区;2012年以Ⅰ和Ⅱ的冀中、冀南、鲁西南为高点呈带状向两侧递减;2013年呈南高北低分布,冀、鲁、晋明显低于往年,高点南移至黄淮南部中筋麦区(Ⅲ)的皖西北淮河以北强筋、中筋麦区;2014年呈西高东低分布,高点西移到Ⅱ中晋南强筋、中筋麦区,次高区在同区冀、鲁、豫三省交界处;2015年呈西北高东南低分布,高点仍出现在该区冀、鲁、豫三省交界处。
显示原图|下载原图ZIP|生成PPT
图32010—2015年济麦22容重和成熟期气温日较差6省分布图
-->Fig. 3The spatial distribution of Jimai 22 test weight and diurnal temperature range at maturity stage in six provinces from 2010 to 2015
-->

2.1.4 小麦籽粒蛋白质分布情况 从图4看出,2010—2015年小麦籽粒蛋白质多数呈带状分布,北方整体高于南方,华北北部强筋麦区(Ⅰ)和黄淮北部强筋中筋麦区(Ⅱ)多数年份高于黄淮南部中筋麦区(Ⅲ),其中2015年布局反转,且整体低于其他年份。2010年呈东北西南走向带状分布,从Ⅰ向Ⅱ和Ⅲ递减,最高点在Ⅱ中鲁中、胶东强筋中筋麦区;2011年呈北高南低分布,Ⅰ和Ⅱ较高,最高点分散在Ⅱ中鲁中、胶东强筋中筋和晋东南强筋麦区;2012年与2010年一样呈东北西南走向带状分布,从鲁豫皖向苏晋冀递减,但最高点南移到Ⅲ的皖西北淮河以北强筋、中筋麦区;2013年同上年一样继续呈带状分布,从鲁豫苏北向周边地区递减,最高点北移至Ⅱ中鲁中强筋、中筋麦区;2014年呈西北高东南低分布,最高点又出现在Ⅱ中胶东强筋、中筋麦区;2015年布局变化较大,南方反高于北方,大部分区域差异不大,冀南、鲁西、鲁中、皖北地区表现欠佳,高点移至Ⅲ中江苏淮北中筋、强筋麦区。
显示原图|下载原图ZIP|生成PPT
图42010-2015年济麦22籽粒蛋白质6省分布图
-->Fig. 4The spatial distribution of Jimai22 kernel protein content in six provinces from 2010 to 2015
-->

2.2 影响籽粒品质的气象因子分析

2.2.1 气象因子筛选 通过对籽粒形成关键的灌浆期和成熟期的温、光、水,以及经纬度与籽粒硬度、容重和蛋白质相关性进行分析,发现籽粒硬度与灌浆期降水、成熟期降水、成熟期光照数和纬度呈显著负相关;容重与成熟期平均温度、≥10℃积温、日较差和灌浆期日较差呈显著正相关;纬度与蛋白质呈显著正相关(表3)。为了更直观、简单地分析籽粒品质与影响因子,通过偏回归平方和大小与偏 F检验,经逐步回归分析后,剔除生态气候因子之间的相关关系影响,筛选出最优因子[26,27],最优回归方程如下: y硬度=91.28-0.026 x2-0.657 x3; y容重=745.014+4.524 x1; y蛋白质=6.809+0.205 x3,表明籽粒形成阶段,成熟期气温日较差、灌浆期总降水和纬度是影响籽粒品质的主要因子。
Table 3
表3
表3籽粒品质与气象因子相关性分析
Table 3Correlation of wheat grain quality and climatic factors
品质参数Quality parameter硬度Hardness容重 Test weight蛋白Protein content
灌浆期降水总量Total rainfall at filling stage ( x2)-0.313**-0.1040.000
成熟期降水总量Total rainfall at maturity stage-0.190*-0.1610.004
灌浆期平均温度Mean temperature at filling stage-0.005-0.0510.118
成熟期平均温度Mean temperature at maturity stage0.0520.254**-0.137
灌浆期有效积温≥10℃ ≥10℃ effective cumulative temperature at filling stage-0.005-0.0510.118
成熟期有效积温≥10℃ ≥10℃ effective cumulative temperature at maturity stage0.0530.242*0.066
灌浆期温度日较差Diurnal temperature range at filling stage0.0530.242*0.066
成熟期气温日较差Diurnal temperature range at maturity stage ( x1)0.0930.399**-0.137
成熟期平均光照时数Mean light hours at maturity stage-0.192*0.1640.045
经度Longitude-0.061-0.0110.075
纬度Latitude ( x3)-0.244*-0.0340.278**

** mean significant correlation at the levels of 0.01 (2-tailed); * mean correlation at the levels of 0.05 (2-tailed)**0.01 水平(双侧)上显著相关;*0.05 水平(双侧)上显著相关
新窗口打开
2.2.2 灌浆期降水总量分布情况 图2显示,6年间小麦灌浆期总降水量分布变化规律不明显,年度平均降水量呈增加趋势,总体呈由西向东、由北向南同时增加。2010年呈西北向东南逐步增加趋势,冀南、晋南、鲁西北、豫北降水均小于26.7 mm,最低点在冀鲁豫交界处和晋南,皖北、苏西北降水小于同纬度其他区域;2011年总降水量较高,但分布不均,鲁中、鲁中南、晋东南、苏东总量最高,均在100 mm以上,冀南、豫北、皖中、苏西北相对较低小;2012年总降水量低,山东全境、冀南、晋南、豫北、苏北大部分区域,以及皖东北地区降水量低于常年,总量不足16 mm,雨量最大点在皖南,为90.8—107.7 mm;2013年总降水量呈明显的由北向南梯度增加,特别是冀南、晋南明显增加,鲁北、豫大部、皖北、苏北地区雨量最大,均在96 mm以上;2014年南北差异较小,集中在20—60 mm,鲁南沿海、苏南降水总量较大,冀西南、晋东南和皖西北相对较小;2015年总降水量中等,但分布不均,冀南、鲁西降水偏多,鲁东、皖东北和苏西北偏少。
2.2.3 成熟期气温日较差分布情况 图3显示,6年间小麦成熟期日较差整体呈缓慢上升趋势,北方日较差整体高于南方,基本呈由西北向东南逐步递减趋势,不同年份略有差异。2010年呈西北向东南梯度递减变化,日较差整体较低,绝大部分采样区<10℃,鲁北、鲁西、冀南、晋南较大;2011年整体最大,南北差异较小,除鲁局部低于6.9℃的区域外,其他采样区基本>11.2℃;2012年整体基本呈西北向东南梯度缓慢递减变化,绝大部分采样区>10℃,鲁西、冀南、晋南仍是日较差较大区域;2013年同上年继续呈同向递减趋势,除晋大部分区域外,其他大部分采样区<10℃;2014年为次大年份,南北差异也较小,所有采样区基本>11.2℃,最低点又出现在地势较高的鲁中;2015年基本呈南向北梯度递减变化,但区域间变化不大,采样区基本在9℃以上。

3 讨论

小麦籽粒的形成是植株个体发育、栽培技术、环境条件的最终体现[28]。李宗智等[29]研究认为籽粒硬度与气温年较差和抽穗至成熟期间的日均气温呈显著相关;张学林等[30]研究显示5月下旬日照时间长、降雨量少的地区有利于增加籽粒容重;赵秀兰[31]分析显示高蛋白品种容重与气温日较差累计值呈极显著正相关;TAHRIL等[32]研究表明灌浆期高温会增加可溶、不可溶蛋白含量。地理纬度也与籽粒蛋白质含量呈一定相关性[33,34]。相关研究表明小麦灌浆期和成熟期的温、光、水,以及地理位置与籽粒品质相关。本研究显示籽粒硬度主要受形成期降水和光照影响,容重主要受形成期温度影响,而蛋白质含量主要受栽培地点影响,这与李宗智[29]、张学林等[30]、赵秀兰[31]、BLANCHE等[35]、赵辉等[36]研究结果一致。

3.1 小麦籽粒硬度空间分布与影响因子的关系

6年间小麦灌浆期总降水量呈增加趋势,与王占彪等[37]对华北平原小麦营养生长期降雨量研究增加趋势一致。小麦籽粒硬度属遗传力较高的特性,受基因型影响大[5, 38-40],但不同硬度籽粒中蛋白质基质、淀粉颗粒大小、比例和两者结合程度不同[41,42,43],而过多的降雨会影响蛋白质积累和淀粉性状[29,44],从而影响籽粒硬度的形成,所以籽粒硬度随着降水量的逐年增加,呈逐年下降趋势,降水量总量增加10 mL硬度减少0.26。纬度也是影响籽粒硬度的主要负因子,北方整体降水较少,年度间分布不均、变化不规律,导致籽粒硬度年度间区域分布情况变化较大、无明显规律。华北地区高纬度光照时数相对较长[45],当华北北部强筋麦区(Ⅰ)和黄淮北部强筋中筋麦区(Ⅱ)灌浆期降水总量高于黄淮南部中筋麦区(Ⅲ)时,或高、低纬度降水总量差异减小时,反而更不利于硬度形成,导致2014年和2015年Ⅰ、Ⅱ籽粒硬度整体低于Ⅲ。黄淮北部强筋中筋麦区的冀、鲁、豫三省交界处较同纬度降水量低,硬度高于其他区域。可见,纬度较高、降水相对较少的区域,硬度整体较高,在同一纬度上,灌浆期降水减少有利于籽粒硬度的增加。

3.2 小麦容重空间分布与影响因子的关系

多数研究显示近50年由于最低气温上升,我国日较差年均呈现下降趋势[46,47],但本研究由于分析的是小麦成熟期(约15 d),有一定特殊性,6年间小麦成熟期日较差整体呈缓慢上升趋势。小麦开花后过高的夜间温度导致灌浆期缩短,最终导致粒重减少[48],当成熟期日较差加大,有利于提高籽粒日增率,增加容重。因此,容重受成熟期日较差逐年升高的影响呈缓慢上升趋势,日较差每升高1℃容重增加4.5 g·L-1,区域间分布存在一定差异,当北方成熟期日较差降低时,对容重影响明显,特别是2013年受大面积成熟期日较差偏低的影响,容重整体偏低。Ⅱ中冀南、豫北、鲁西交界处常年日较差高于同纬度东部地区,因此容重也整体较好,而2010年和2013年则低于Ⅲ,且低于常年,导致容重反而低于南方,6年间成熟期日较差增加幅度较小,均在3.6℃以下,各样点最大日较差未超过6.5℃,导致容重变异系数较低。容重虽受成熟期日较差影响,但年度和区域间日较差变化较小,容重差异不明显。

3.3 小麦籽粒蛋白质含量空间分布与影响因子的关系

大多数研究显示籽粒蛋白环境作用大于基因型作用,其中地点效应大于年份效应[3,7,41]。本研究中从山东、河北等6省取样,采样点基础地力和后期水肥管理具有随机性,年度间变异系数大。本研究中主要是纬度高低影响了籽粒蛋白质含量,纬度每增加1°蛋白提高0.205,北方受纬度优势影响整体高于南方,不同年份灌浆、成熟期的温光水气象因子未对其形成显著影响。
通过分析发现,中国最大的冬麦产区黄淮海区域,光热资源丰富,气候、地理优势明显,特别是冀鲁豫三省交界处,历年灌浆期降水低和成熟期日较差大,整体条件特别有利于籽粒硬度、容重等品质的提高,济麦22籽粒品质表现最好,适宜发展优质强、中筋小麦。中国小麦种植面积广泛,小麦产区生态条件不同,可以根据不同区域气候条件和生态资源,结合不同品种特性,精细划分,找到各类品种适宜种植、品质最优的区域,不断提高中国小麦生产的总体质量和水平。

4 结论

不同年份、麦区间小麦籽粒品质空间分布变化主要受灌浆期总降水、成熟期气温日较差和纬度影响。硬度因受灌浆期总降水增加影响,逐年呈下降趋势,并受其区域间变化不规律和纬度负相关影响,不同年份、不同纬度间呈多态分布。容重主要受成熟期日较差升高影响,逐年呈小幅上升趋势,并受其年度分布变化影响,区域间年度高低变化,黄淮北部强筋中筋麦区(Ⅱ)西部和中部多数年份表现良好。蛋白质含量主要受纬度高低影响,不同年份分布规律基本一致呈北高南低分布。华北北部强筋麦区(Ⅰ)和黄淮北部强筋中筋麦区(Ⅱ)籽粒品质多数年份好于黄淮南部中筋麦区(Ⅲ),其中Ⅱ的冀、鲁、豫交界处灌浆期总降水较低、成熟期日较差大,有利于籽粒硬度、容重等品质提高。因此,可以根据不同区域气候条件和生态资源,结合不同品种特性,精细划分,预测品种品质,找到各类品种适宜种植、品质最优的区域,不断提高我国小麦生产的总体质量和水平。
(责任编辑 杨鑫浩)
The authors have declared that no competing interests exist.

参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

相关话题/空间 安徽 山东 气象 江苏