《Foods》:Influence of Interannual Climate Variability on Wheat Quality During Long-Term Storage: Comparative Analysis and Mathematical Modeling
编辑推荐:
本研究探讨了在相同技术条件下,气候年际变率对小麦长期贮藏品质的影响。研究人员将同一小麦品种在连续两个贮藏周期(2023–2024和2024–2025)中存放于无机械通风或强制冷却的平房仓内,同时持续监测环境参数(温度和相对湿度)及品质指标(籽粒含水量、容重、面
本研究探讨了在相同技术条件下,气候年际变率对小麦长期贮藏品质的影响。研究人员将同一小麦品种在连续两个贮藏周期(2023–2024和2024–2025)中存放于无机械通风或强制冷却的平房仓内,同时持续监测环境参数(温度和相对湿度)及品质指标(籽粒含水量、容重、面筋含量和蛋白质含量)。基于实验数据,研究人员利用TableCurve 3D中的非线性回归和曲线拟合技术,建立了描述贮藏时间、环境条件与小麦品质指标之间关系的经验预测模型。研究人员建立了两种模型类别:水分和温度演变的传递模型,以及容重、面筋和蛋白质变化的劣变模型。模型表现出良好的预测性能,决定系数R2在0.82至0.97之间。通过残差分析和统计性能指标评估模型性能,得到较低的预测误差和较高的纳什-萨特克利夫效率系数(0.95–0.99)。与2023–2024贮藏周期相比,2024–2025周期表现出略高的热变异性,大气热振幅从约33°C增至34°C,籽粒热振幅从约30°C增至32°C。伴随而来的是水分演变模式的差异,以及容重、面筋和蛋白质含量的更显著下降。这些发现表明,气候变率与湿热条件变化及小麦品质劣变过程相关联,而所提出的模型为预测品质演变和在气候条件变化下支持适应性粮食贮藏管理提供了可靠工具。
**论文解读:气候年际变率对小麦长期贮藏品质的影响——比较分析与数学建模**
**1. 研究背景与问题**
小麦(*Triticum aestivum* L.)在长期贮藏过程中保持其营养、工艺和商业价值是粮食供应链的关键环节。近年来,以气温升高、相对湿度波动和极端天气事件频发为特征的气候变率加剧,对采后粮食管理构成了重大挑战。温度和相对湿度是调节籽粒呼吸、水分迁移、代谢活动和微生物生长的最关键的贮藏环境参数。高温和过高湿度会促进真菌发育、增加呼吸速率,并降低蛋白质含量(Protein content)、面筋强度(Gluten strength)和容重(Test weight)等重要工艺特性。尽管已有研究证实受控环境下贮藏品质更优,但针对相同贮藏条件、连续贮藏周期之间的比较研究仍十分有限。因此,研究人员开展本研究,旨在探讨同一品种小麦在相同贮藏技术条件下,不同贮藏年份(2023–2024 vs. 2024–2025)的气候差异如何影响其品质演变,并建立经验预测模型以支持适应性贮藏管理。
**2. 主要技术方法**
研究人员采用比较研究设计,对同一批小麦(品种RO 1,2023年收获)在平房仓中连续监测两个贮藏周期(2023–2024和2024–2025),每个周期12个月(9月至次年8月)。贮藏条件保持一致:无机械通风或强制冷却,仅依靠自然空气循环;无翻仓、杀虫或杀菌处理。环境监测采用基于LoRaWAN的数字监测系统,在仓内10个传感器点连续记录温度(Temperature)和相对湿度(Relative humidity, RH)。品质指标(籽粒含水量(Moisture content)、容重(Test weight)、湿面筋含量(Wet gluten content)、蛋白质含量(Protein content))每月采样4次(1日、10日、20日、30日),每次从50个以上取样点采集并混合成代表样品,各指标测定按标准方法执行(含水量用Granomat水分分析仪,蛋白质用Granolyser HL近红外分析仪,湿面筋按SR EN ISO 21415-2:2015,容重按SR EN ISO 7971-3:2019)。数学模型识别采用TableCurve 3D软件进行非线性回归和曲线拟合,将数据分为两类:传递模型(Transfer model,描述水分和温度演变)和劣变模型(Degradation model,描述容重、面筋和蛋白质变化)。模型选择基于决定系数(R2)、物理意义和实用性,并通过残差分析和统计指标(MSE、RMSE、MAE、MAPE、NSE)评估性能。验证采用时间验证策略:2023–2024数据用于校准,2024–2025数据用于验证。
**3. 研究结果**
**3.1 环境参数与籽粒含水量演变**
- 大气相对湿度(RH)在两个周期内非常相似(平均值分别为69.77%和70.25%),但籽粒含水量(Moisture content)略有差异:2023–2024周期平均13.06%(范围11.9%–14.3%),2024–2025周期平均13.17%(范围12.3%–14.0%),后者的最低值高出0.4个百分点,最高值低0.3个百分点,变化范围收窄0.7个百分点,表明水分平衡过程存在年际差异。
**3.2 温度演变**
- 2023–2024周期大气温度约-5°C至28°C(振幅约33°C),籽粒温度约-3°C至27°C(振幅约30°C)。2024–2025周期大气温度约-6°C至28°C(振幅约34°C,增加3.03%),籽粒温度约-6°C至26°C(振幅约32°C,增加6.67%)。籽粒温度振幅低于大气温度,显示出缓冲效应,但2024–2025周期热变异性略高。
**3.3 容重演变**
- 2023–2024周期容重平均约79.2 kg/hL(范围80.1–78.4 kg/hL,振幅1.7 kg/hL)。2024–2025周期平均约78.9 kg/hL(范围80.0–77.8 kg/hL,振幅2.2 kg/hL)。平均容重下降0.3 kg/hL(-0.38%),振幅增加0.5 kg/hL(+29.41%),表明容重随贮藏持续下降且变异性增大。
**3.4 湿面筋含量演变**
- 2023–2024周期湿面筋平均约26.4%(范围27.1%–25.8%,振幅1.3个百分点)。2024–2025周期平均约26.0%(范围27.0%–25.1%,振幅1.9个百分点)。平均下降0.4个百分点(-1.52%),振幅增加0.6个百分点(+46.15%),面筋含量劣变更明显。
**3.5 蛋白质含量演变**
- 2023–2024周期蛋白质平均约12.8%(范围13.1%–12.5%,振幅0.6个百分点)。2024–2025周期平均约12.6%(范围13.1%–12.2%,振幅0.9个百分点)。平均下降0.2个百分点(-1.56%),振幅增加0.3个百分点(+50%),蛋白质含量持续下降且变异性增大。
**3.6 数学模型识别与性能**
- 传递模型:水分模型采用方程z = a + bx + cx2 + dx3 + ex? + fx? + gy + hy2 + iy3 + jy?(TableCurve 3D编号 No.64),R2=0.82,NSE=0.99,MAPE=1.42%;温度模型同样采用该方程,R2=0.95,NSE=0.95(MSE=5.22,RMSE=2.28°C,MAE=1.74°C)。
- 劣变模型:容重、面筋、蛋白质均采用方程z = a + bx + cx2 + dy + ey2 + fy3 + gy?(TableCurve 3D编号 No.82)。容重模型R2=0.90,NSE=0.999,MAPE=0.239%;面筋模型R2=0.93,NSE=0.999,MAPE=0.403%;蛋白质模型R2=0.97,NSE=0.998,MAPE=0.56%。所有模型误差指标低(MSE 0.01–5.22,RMSE 0.10–2.28,MAE 0.07–1.74),NSE在0.95–0.999之间,表明预测精度高。
**4. 讨论与结论**
**讨论总结**:研究结果表明,在相同贮藏设施、技术和小麦品种条件下,气候年际变率与小麦品质演变存在关联。2024–2025周期较高的热变异性(大气振幅增加1°C,籽粒振幅增加2°C)与籽粒含水量、容重、面筋和蛋白质的更大劣变幅度相关。但需注意,本研究仅涉及连续两个贮藏周期,且同一批小麦持续贮藏,因此观察到的差异是贮藏时间与环境变率共同作用的结果,无法完全分离。籽粒含水量与大气RH保持动态平衡,容重缓慢下降可能与呼吸消耗和结构变化有关(未直接测量),面筋和蛋白质的下降则与温度升高和湿度波动加速蛋白质结构修饰一致。数学模型(R2 0.82–0.97,NSE 0.95–0.999)能有效描述并预测品质演变,为制定适应性贮藏策略提供了工具。
**研究结论翻译**:比较分析表明,两个贮藏周期之间气候条件的差异与小麦品质演变的可测量差异相关联。由于同一批小麦在两年贮藏期内被连续监测,2023–2024与2024–2025间隔之间的观察差异应被解释为贮藏时间与环境变率的综合效应,而非孤立气候效应的确凿证据。因此,本发现描述了在调查条件下长期贮藏中观察到的气候关联响应。实验结果表明,小麦含水量与贮藏环境相对湿度保持紧密关系,反映了籽粒与周围大气之间持续存在的吸湿平衡。同时,籽粒温度随环境温度波动,但由于散装粮谷产品的热惯性,变化幅度减弱。然而,2024–2025贮藏周期观察到略高的热振幅,可能表明环境条件对贮藏籽粒的影响略大,但本研究设计中无法完全分离贮藏时间的贡献。结果进一步表明,容重在整个贮藏过程中逐渐下降,在气候变率较大的贮藏周期中下降更明显;面筋和蛋白质含量也呈现持续下降趋势,2024–2025周期劣变更显著,表明蛋白质组分对温湿度波动敏感。由于未进行正式统计显著性检验,两个周期之间的差异应被解释为描述性比较而非统计确认的效果。本研究的重大成果是成功开发并评估了能够再现贮藏期间水分、温度和小麦品质参数观察演变的数学模型。传递模型显示出高决定系数(水分R2=0.82,温度R2=0.95)和良好的统计性能指标(NSE分别为0.99和0.95)。同样,针对容重、面筋和蛋白质开发的劣变模型与实验观察结果一致,R2值在0.90至0.97之间,NSE值在0.99至0.99之间。数学模型基于可用实验观察数据开发,其适用性通过决定系数、残差分析和统计性能指标评估。预测值与实验值之间的强一致性表明,所选数学关系在调查的贮藏条件下令人满意地再现了观察行为。由于数据集来自连续两年贮藏的同一批小麦,所开发模型描述了贮藏时间与环境条件的综合影响,因此应视为适用于类似条件的经验预测工具。总体而言,研究表明气候监测与数学建模的整合有助于描述调查条件下小麦长期贮藏品质演变,其发现强调了将气候信息纳入粮食贮藏管理的潜在价值,特别是在气候变率增加和品质保持需求日益突出的背景下。