由于小麦品种的遗传类型、环境条件、栽培技术和一些其他因素的影像，小麦蛋白质含量往往不同。这给小麦的使用带来了很大的麻烦，因为不同小麦制品对小麦籽粒的要求不同。在实际收获过程中，小麦是混合的，不同的小麦蛋白质含量的小麦是很难分开的。一个可行的办法是按照地域划分收获它们。传统上，蛋白质的分布信息是通过手动采样，然而，人工采样是一种费时费力的工作，无法获得足够的样本来获得良好的分割方案。　　为了高效、快速收获到分类后的小麦，本文完成的工作如下：　　1)确定最佳划分尺度和最适应的分类方法。根据卫星数据获取各个田块的平均波段信息，然后通过这些波段信息计算出若干植被指数。由植被指数与小麦蛋白质均匀度组成的分类向量，用经典算法进行训练、分类。并分析各个划分方法下各个分类方法的表现。实验表明2*2划分下，小麦蛋白质的分类效果是最好的。M5模型树的分类效果最好。　　2)考虑到小麦蛋白质可能随着不同的地区，均匀度也是比较集中的，本文引入了传统的基于变异函数和利用空间信息的机器学习的方法，根据每个划分区域的周围区域的小麦品质情况，来指导划分的小麦区域。实验表明机器学习方法的小麦蛋白质均匀度预测的方法要比变异函数的方法略胜一筹。