特色果品的品质形成与环境因子的关联是园艺科学与食品科学交叉领域的研究热点。随着消费者对果品品质需求的提升，解析环境因子对果实形态、质构、风味及营养组分的调控机制，成为优化产区布局与栽培管理的核心基础。当前果品品质研究正逐步向多环境因子整合方向深化，如温度、光照和湿度等气象因素与形态、质构、糖酸、矿质营养元素等多维指标的关联分析日益增多，已建立针对特定果品包括苹果、黄桃、脐橙、设施番茄、火龙果等的量化气象影响模型，支持产区气候适应性的初步预测。然而，在跨产区协同建模和多因素系统互作机制方面仍需加强，以提升品质调控的精准性和普适性。
冬枣（Ziziphus jujuba Mill. cv. Dongzao）作为我国北方重要的经济果树，其果肉脆嫩、营养丰富，产业规模逐年扩大，但不同产区间的冬枣在市场上常表现出显著的品质差异，如山东沾化冬枣与新疆和田冬枣，直接影响产品竞争力与种植户收益。现有研究已证实，不同产区冬枣在口感、抗氧化活性成分、挥发性有机物等方面存在显著差异。在冬枣产地溯源方面，已有研究分别运用“元素指纹”和近红外光谱技术开展了相关探索，但未系统解析气象因子对冬枣外观表征、果核形态、质构特性、矿质营养元素的影响机制。此外，现有品质评价体系多采用所测定的全部指标进行分析，未通过分层筛选剔除冗余变量，导致主成分分析（PCA）、聚类分析等评价结果代表性不足，无法准确区分不同产区的品质优势，尚未形成“品质差异解析-气象因子耦合-综合评价验证”的完整研究链，未明确气温、湿度、云量（光照遮蔽）对冬枣“形态-质构-风味-营养”全维度品质的协同调控方向，使得优质冬枣产区的筛选与定向栽培科学依据不足。
新疆农垦科学院的王文军、陈奇凌、王晶晶*等以我国5个主产区冬枣为研究对象，系统测定形态、质构、风味、营养等34项多维度品质指标与全年关键气象因子，通过多种统计方法明确产区间品质差异特征、气象因子对品质的量化影响规律，建立基于分层筛选指标的综合评价体系，最终确定优质冬枣形成的气候条件，以期为冬枣产区优化与品质定向栽培提供理论支撑。
1 不同产区冬枣品质的差异显著性
对采自5个产区的冬枣样品进行34项品质指标的测定与方差分析，结果如表1所示。产区之间存在广泛且显著的品质差异。在外观与形态特征方面，A产区冬枣在果实大小上表现出明显优势，其单果质量、果纵径和果横径均为最高值，而D产区果实最小。A、B、D产区果实更接近圆形（指数接近1），而C、E产区冬枣果形稍长。A、B产区冬枣的ΔE与ΔH显著低于C、D、E产区，表明其果皮色泽更均一且红色更深，外观更吸引人。A产区冬枣核质量与核纵径较大，与大果实相匹配，而E产区冬枣核横径最大。在可食部分与质构特性方面，C产区冬枣的果肉厚度与可食率均位居第一，显示出优越的出肉率。C产区冬枣表现出最高的硬度和脆度，口感最为爽脆。A产区冬枣在咀嚼性和胶着性上与C产区冬枣同属高水平，表明果肉质地紧实有嚼劲；相比之下，B产区冬枣的硬度和脆度最低，口感可能偏软，而D产区冬枣的黏附性显著偏低。在糖酸组分方面，C产区在糖分积累上表现突出，其果糖、还原糖和可溶性糖含量均为最高。A、C、D产区冬枣的蔗糖含量处于高水平。在风味平衡方面，B产区冬枣的优势最为明显，其总酸含量处于最低水平，而糖酸比高达198.76，显著高于其他所有产区，其风味最为甜美。E产区冬枣总酸含量最高，糖酸比最低，风味偏酸。在营养与矿质元素积累方面，A产区冬枣在多项营养指标上领先，其淀粉、VC和全碳含量均为最高，其总黄酮含量显著高于C、D、E产区，表明A产区冬枣不仅果实体积大，营养物质的积累也更充分。C产区冬枣全氮和硒含量较高，D产区冬枣全钾含量最高，E产区冬枣则在纤维素含量上领先，但在多个营养指标（如蔗糖、全钾、硒）上表现不佳。综上，各产区冬枣形成了鲜明的品质特点：A产区冬枣是“大果形、高营养”的代表；B产区冬枣以“高糖酸比”的风味见长；C产区冬枣则呈现“高糖、脆肉”的特征。
2 各产区关键气象因子特征
对5个产区全年的气温、相对湿度和总云量进行分析，结果如图1所示。在年尺度特征上，A产区和E产区年均气温最高，处于同一显著水平，C产区次之，B产区较低，D产区年均气温最低，形成了明显的热量梯度。E产区受海洋气候影响，年均相对湿度最高，D产区次之，B、C产区处于中间水平，而A产区地处干旱内陆，年均相对湿度最低，水分条件与其他产区差异显著。B产区年均云量最高，表明其全年光照可能受到更多遮蔽；A产区云量最低，光照资源最丰富；C、D、E产区则处于中间水平。在月尺度动态上，气象3要素均呈现明显的季节性变化，在果实生长和成熟的关键期（夏季7—9月），A产区持续维持着高温、低湿、少云的气候特征，而C、D、E产区的相对湿度在此期间达到峰值。综上可知，在关键生育期的气候差异可能是导致品质差异分化的重要原因。
3 冬枣品质指标与气象因子的相关性及回归分析
3.1 多维品质指标相关性分析
为解析冬枣品质指标与气象因子的耦合关系，对34项品质指标和3个气象因子进行相关性分析，结果如图2所示。在果实大小、外观方面，单果质量、果纵径、果横径、核质量、果肉厚度等指标间普遍存在极强的正相关，与其色差和色调角呈负相关，说明果实各部分的生长具有高度协同性，同时果实越大颜色越红润均匀；在质构特性方面，硬度与脆度、咀嚼性与胶着性之间均呈高度显著正相关（P＜0.001），表明这些指标共同定义了果实的物理口感；在糖、酸、纤维含量上，可溶性糖与蔗糖、还原糖显著正相关，共同形成了“甜度”特征，而淀粉与纤维素、总酸呈高度显著负相关，纤维素与总酸呈高度显著正相关，揭示了关键的生理代谢平衡，当光合产物更多地用于合成结构性物质纤维素和有机酸时，用于积累糖分和淀粉的资源就会减少；在风味、抗氧化方面上，总酸与糖酸比和总黄酮呈高度显著负相关（P＜0.001），表明高酸环境可能不利于黄酮类物质的积累；在品质与气象因素上，气温与果实大小（单果质量、纵横径）、果肉厚度、多数质构指标（脆度、咀嚼性等）、糖分（果糖、还原糖）、风味（糖酸比）、营养素（VC、全碳、硒）等一系列优良品质指标均呈正相关，表明温暖的气候是形成优质冬枣的基础。综合来看，“高温、低湿、少云”的气候模式有利于果实充分膨大增重，促进糖分积累和优良质构的形成，同时抑制酸度和纤维素的过度合成，进而塑造出综合品质更优的冬枣。
3.2 一元线性回归分析
为将上述关联关系定量化，本研究建立了品质指标与气象因子之间的线性回归模型。如图3所示，所有模型均达到统计学显著水平（P＜0.05），且多个模型的决定系数R2超过0.5，表明模型具有良好的解释力。关键的量化关系如下：1）以气温为自变量，单果质量、果横径、核质量、核横径、全碳含量为因变量，其回归模型分别为Y＝1.913X-3.407（R2＝0.494 9）、Y＝1.29X+18.18（R2＝0.515 2）、Y＝0.055 72X-0.164 6（R2＝0.72）、Y＝0.562 3X+0.334 4（R2＝0.602 4）、Y＝24.28X+58.49（R2＝0.693 8）；2）以相对湿度为自变量，果纵径、核纵径、总酸含量、糖酸比、硒含量为因变量，其回归模型分别为Y＝-0.164 2X+42.62（R2＝0.613 2）、Y＝-0.137 6X+25.60（R2＝0.662 7）、Y＝0.073 8X-1.622（R2＝0.688 2）、Y＝-3.505X+290.9（R2＝0.600 7）、Y＝-0.001 124X+0.095 79（R2＝0.580 7）；3）以云量为自变量、脆度为因变量的回归模型为Y＝-22.04X+1 423（R2＝0.528 6）。根据模型，在一定范围内，年平均气温每上升1 ℃，冬枣单果质量、果横径、核质量、核横径、全碳含量将会分别增加1.913 g、1.29 mm、0.056 g、0.562 mm、24.28 g/kg，这直接量化了气温对果实大小和生物量积累的贡献；空气相对湿度每下降1%，果纵径、核纵径、糖酸比、硒含量将分别增加0.164 mm、0.138 mm、3.505、0.001 mg/kg，总酸含量降低0.074 mg/g，表明干燥环境通过抑制酸度、促进果实伸长优化风味和形态；云量每减少1%，脆度将增加22.04 gf，即光照条件的改善可一定程度上提升果实的脆度。
4 冬枣品质的综合评价
4.1 基于PCA的品质维度解析
为克服单一指标评价的片面性，本研究采用PCA对34项品质指标进行降维和综合评价。采用“相关结构-取样适度-提取后诊断”的分层筛选策略，对数据统一作Z-值标准化处理，因ΔE、ΔH和总酸含量越低越有益，其标准化值取正负反向，剔除基于相关系数矩阵与其余变量整体相关性偏弱（|r|中位数＜0.30）的果形指数、核纵径、果肉厚度、可食率、硬度、咀嚼性、胶着性、内聚性、回复性、果糖、纤维素、VC、全氮、全磷、全钾共15项指标，再剔除高度冗余指标（|r|＞0.90）果横径，只保留解释性更强的单果质量；计算单项取样适度性（MSA）、凯撒-迈耶-奥尔金整体取样适度性（KMO），迭代剔除最差变量（MSA＜0.50）的脆度和弹性并重复评估。最终纳入剩余的16项指标变量进行PCA，此时取样适度性检验显示，KMO＝0.618 9（＞0.60），Bartlett球形度检验显著，卡方值（d＝120）为197.103 4（P＜0.001），说明各PC载荷结构清晰，具备良好的解释性。
PC数量结果显示，特征值曲线在第4个PC处形成拐点，且前4个特征值均大于1，根据Kaiser准则保留4个PC（图4a），PC1、PC2、PC3、PC4的方差贡献率依次为45.48%、19.59%、13.95%、11.17%，累计贡献率为90.19%（图4b），说明所提取的4个PC能代表5个产区冬枣果实品质信息。
基于Varimax旋转后的因子载荷及得分（图4c～f），PC1的方差贡献率最高，单果质量、果纵径、核质量、核纵径、色差在该维度上具有高载荷及得分，表征果实形态外观特征，命名为“形态外观”因子；PC2以总黄酮、糖酸比、总酸含量、淀粉含量、色调角为主要的高载荷与得分，指向甜度风味特征，命名为“甜度风味”因子；PC3在硒含量和蔗糖含量上载荷及得分很高，反映蔗糖含量与硒含量的共同变化，命名为“蔗糖矿质”因子；PC4对黏附性、还原糖含量、可溶性糖含量均呈现显著正载荷且具有较高得分，指向口感质地特征，命名为“口感质地”因子。综上，PC1综合反映了果实的大小、饱满度和色泽外观，是评价商品性的首要维度；PC2集中代表了果实的甜度与整体风味感受；PC3反映了特定糖类组分和矿质营养元素的积累水平；PC4代表了果实爽脆的物理口感。
5个产区冬枣在各PC上的得分、综合得分及排名结果如图5所示。在形态外观方面得分最高的是产区A冬枣（1.341 9），其次是产区E冬枣（0.179 3）；甜度风味方面得分最高的是产区B冬枣（1.224 5），其次是产区A冬枣（0.679 5）；产区C冬枣在蔗糖矿质及口感质地方面得分均最高，分别为1.118 5和1.20 3。根据综合得分F，5个主产区的冬枣品质排名为A＞B＞C＞E＞D。
4.2 基于聚类分析的产区及品质分类验证
为了从另一角度验证产区间的品质差异和亲缘关系，本研究运用系统聚类分析，对PCA已消除共线性所保留的5个产区（A～E）16项品质指标数据进行聚类，聚类方法采用凝聚型层次聚类的全联接聚类法，聚类距离为欧氏距离。产区聚类卡方值（ChiSQR）、伪F值和Corr_R 3条曲线在类别数为3和6处有两个明显的峰值，根据类别数少、指标较大原则，将产区划为3类，此时欧氏距离为5.360 6（图6a）；品质指标聚类只在类别数为4时有一个峰值，其类别数为4，欧氏距离为1.480 3（图6b）。如图6c所示，品质指标第1类包含了黏附性和全碳含量，代表“口感质地”品质；第2类包含色差、核质量、核纵径、单果质量、果纵径，可综合为“形态外观”品质；第3类包含色调角、糖酸比、还原糖、可溶性糖，代表“甜度”品质；第4类包含总黄酮、淀粉、总酸、蔗糖、硒，可综合为“风味矿质”品质。在产区维度上，同一产区3个年度均聚为一簇，说明年度内的冬枣品质稳定性较高，而产区间差异显著。第1类（优质综合型）：A、B产区，这两个产区被聚为一类且与其他产区距离最远，表明它们的整体品质特征相似且共同构成了最优品质集群；第2类（中等特色型）：C产区，具有含糖高的独特品质特征，虽综合品质不及A、B产区，但具有鲜明优点；第3类（普通型）：D、E产区，这两个产区被聚为一类，表明它们的整体品质表现相近，且与优质产区差异较大。聚类分析结果与PCA排名一致，有力验证了A、B产区冬枣整体品质优越的结论，证实了本研究评价体系的可靠性和稳定性。
结 论
本研究通过对5个主产区冬枣进行为期3年的多维度品质测定，并结合气象数据进行系统分析，得出以下主要结论：1）不同主产区冬枣在果实大小、外观色泽、口感质地、糖酸风味及营养成分积累方面存在显著差异，形成了各具特色的品质特征。兵团第一师11团冬枣的综合品质最优，第二师22团冬枣风味最佳，第三师50团冬枣口感爽脆。2）冬枣品质的形成受关键气象因子的显著影响。气温升高主要促进了果实膨大和碳水化合物积累；相对湿度降低有利于提升风味（高糖酸比）和特定营养（硒含量）；而云量减少光照充足， 对提高果实脆度至关重要。3）基于PCA综合得分和聚类分析，确定了兵团第一师11团和第二师22团为冬枣综合品质最优产区，其气候特征为“温暖、低湿、光照充足”，为冬枣产区优化和品质定向栽培提供了依据。
引文格式：
王文军, 陈奇凌, 郑强卿, 等. 不同产区冬枣品质与气象因子的关联及综合评价[J]. 食品科学, 2026, 47(6): 78-88. DOI:10.7506/spkx1002-6630-20251009-034.
WANG Wenjun, CHEN Qiling, ZHENG Qiangqing, et al. Correlation between winter jujube quality and meteorological factors in different production areas and its comprehensive evaluation[J]. Food Science, 2026, 47(6): 78-88. (in Chinese with English abstract) DOI:10.7506/spkx1002-6630-20251009-034.
实习编辑：魏雨诺；责任编辑：张睿梅。点击下方阅读原文即可查看全文。图片来源于文章原文及摄图网
为了帮助食品及生物学科科技人员掌握英文科技论文的撰写技巧、提高SCI期刊收录的命中率，综合提升我国食品及生物学科科技人员的高质量科技论文写作能力。中国食品杂志社拟定于2026年8月13—14日在安徽合肥举办“第13届食品与生物学科高水平SCI论文撰写与投稿技巧研修班”，为期两天。
长按或微信扫码进行注册
为系统提升我国食品营养与安全的科技创新策源能力，加速科技成果向现实生产力转化，推动食品产业向绿色化、智能化、高端化转型升级，由北京食品科学研究院、中国食品杂志社《食品科学》杂志（EI收录）、中国食品杂志社《Food Science and Human Wellness》杂志（SCI收录）、中国食品杂志社《Journal of Future Foods》杂志（ESCI收录）主办，合肥工业大学、安徽省食品行业协会、安徽大学、合肥大学、合肥师范学院、北京工商大学、中国科技大学附属第一医院临床营养科、安徽粮食工程职业学院、皖西学院、滁州学院、蚌埠学院共同主办的“ 第六届食品科学与人类健康国际研讨会 ”，将于 2026年8月15-16日（8月14日全天报到） 在 中国 安徽 合肥 召开。
长按或微信扫码进行注册
为对标农业农村部2035年科技规划及“十四五”“十五五”发展方向，推动农产品加工与储运的工程化、智能化、绿色化升级，由湖南省农业科学院、湖南农业大学、北京食品科学研究院、国际食品科技联盟（IUFoST）、中国农业大学、岳麓山工业创新中心主办，湖南大学、中南林业科技大学、长沙理工大学、湖南中医药大学、湘潭大学、岳麓山实验室协办，中国食品杂志社、洞庭实验室、湖南省食品科学技术学会、湖南省农产品加工与质量安全研究所、湖南农业大学食品科学技术学院、Springer Nature-《Agricultural Products Processing and Storage》杂志承办的“第二届农产品加工与食品制造国际学术研讨会—创新引领绿色智造，AI赋能科技进步”，将于2026年9月19-20日（9月18日会议报到）在中国 湖南 长沙召开。
长按或微信扫码进行注册
会议招商招展
联系人：杨红；电话：010-83152138；手机：13522179918（微信同号）
热门跟贴