华北平原冬小麦品质变异的气候信号解析及其对粮食安全的启示

本研究针对气候变化对小麦品质影响机制不清的问题，采用可解释机器学习框架（SHAP算法）分析华北平原363个县2006-2019年冬小麦8项品质指标数据。发现技术进步虽提升面团品质，但生育期气候变异贡献10.7%-25.7%的品质波动，其中水分因子（SPEI、土壤湿度）作用强于温度，GDD与SPEI交互效应显著。成果为气候适应性品种选育提供关键靶点，发表于《Agricultural and Forest Meteorology》。

　　

在全球气候变化加剧的背景下，小麦作为全球主要粮食作物，其品质稳定性正面临严峻挑战。尽管已有大量研究关注气候变化对作物产量的影响，但关于其对小麦加工品质、营养品质等关键性状的作用机制仍存在显著认知空白。华北平原作为中国最大的小麦生产基地，贡献全国80%的产量，该区域频繁发生的干旱、高温等极端气候事件如何影响小麦多维度品质特性，成为保障国家粮食安全必须破解的科学难题。

北京大学等单位的研究团队在《Agricultural and Forest Meteorology》发表重要成果，首次系统解析了华北平原冬小麦品质变异的气候驱动机制。研究整合农业农村部2006-2019年363个县域的8项品质指标数据（包括籽粒容重、蛋白质含量、降落数值、沉降值、湿面筋含量、吸水率、拉伸面积和最大阻力），构建可解释机器学习模型，量化了气候因子与品质性状的复杂非线性关系。

关键技术方法包括：1) 收集农业农村部县域级小麦品质监测数据（n=363，2006-2019）；2) 整合CRU气候数据集计算生长度日(GDD)、标准化降水蒸散指数(SPEI)等21项气候指标；3) 采用SHAP算法解析气候因子贡献度及交互效应；4) 通过主成分分析(PCA)降维处理品质指标相关性。

【研究结果】

1. 品质指标关联特征
   通过PCA分析发现8项指标可归为3个主成分（累计方差76.3%）：PC1代表面团强度（拉伸面积、最大阻力、沉降值），PC2反映籽粒特性（蛋白质、湿面筋），PC3对应加工品质（容重、降落数值）。技术进步使面团相关指标提升12-18%，但导致蛋白质含量年均下降0.15%。

2. 气候贡献度解析
   机器学习模型显示，全生育期气候变异解释10.7%（容重）至25.7%（湿面筋）的品质波动。水分因子贡献度普遍高于温度因子2-3倍，其中灌溉区土壤湿度主导蛋白质含量变异（SHAP值0.23），而雨养区SPEI对容重的影响最大（SHAP值0.31）。

3. 极端气候阈值效应
   关键发现包括：① 开花后≥35℃高温日数每增加1天，蛋白质含量提升0.8%（P<0.01）；② SPEI<-1.5（中旱）时容重骤降4.2%；③ GDD与SPEI交互作用显著，暖干条件（GDD>1800℃·d, SPEI<-1）使拉伸面积降低15%，而暖湿环境导致降落数值下降22%。

4. 区域异质性机制
   灌溉区降水通过影响穗部温度调控容重（r=-0.41），而雨养区极端高温通过加速氮同化提高蛋白质含量（r=0.38）。土壤水分阈值效应明显，田间持水量60-70%时湿面筋含量达峰值。

【结论与意义】
研究首次在区域尺度上量化了气候因子对小麦多维度品质性状的差异化影响，揭示水分可用性阈值和极端事件协同作用是品质预测的关键。发现GDD与SPEI的交互效应可解释21%的面团品质变异，这一发现为建立气候-品质预测模型提供了新参数。实践层面，研究建议：1) 灌溉区应优化水分管理规避穗发芽风险；2) 雨养区需选育SPEI适应性品种；3) 品质育种需针对GDD×SPEI交互效应建立新的选择指标。该成果不仅填补了气候变化-作物品质互作机制的理论空白，更为制定气候变化适应性农业政策提供了科学依据。