基于矿物元素指纹差异的不同产地滩羊肉判别

通过分析不同地域滩羊肉中矿物质元素含量差异,结合多元统计分析,筛选出有效的溯源指标,构建用于原产地鉴别的判别模型。采用电感耦合等离子质谱技术测定宁夏盐池县、内蒙古自治区鄂托克前旗、陕西省定边县和甘肃省环县滩羊背最长肌样品中25种矿物质元素含量,对采样地区样品中的矿物质元素含量进行方差分析、主成分分析及线性判别分析,建立判别模型并验证。结果显示,滩羊肉样品中测定的25种矿物质元素其中17种矿物质元素含量在不同地域间存在显著差异,主成分1主要由Cr、Mn、Ni、Cu、Se和Rb 6种元素构成,判别贡献率最大,为26.403%;主成分2主要由K、P、Fe和Sn 4种元素构成,贡献率为22.285%。通过逐步判别分析筛选出Ca、P、Cr、Mn、Ni、Cu、Se、Rb、Mo和Sn 10项元素指标建立滩羊肉产地判别模型,所建立的模型对滩羊肉产地判别整体正确率均为100%,模型对不同产地滩羊肉的区分判别准确。因此,基于矿物元素指纹的判别可以有效鉴别不同产地滩羊肉。     

基于ICP-MS的滩羊骨骼矿质元素溯源指纹图谱

采用电感耦合等离子质谱仪对内蒙古鄂托克前旗、宁夏盐池县、甘肃环县和陕西定边县滩羊骨骼中25 种（Ag、Ba、Be、Ca、Cd、Cu、Co、Cr、Cs、K、Fe、Mg、Mn、Mo、Na、Ni、P、Rb、Sb、Se、Sn、Sr、Te、V、Zn）矿质元素含量进行测定,结果表明,不同产地滩羊骨骼的组成元素各具分布特征,且相同矿质元素在不同产地间也差异显著。进一步通过主成分分析、聚类分析等多元统计分析方法,构建得到滩羊骨骼矿质元素指纹图谱为Ca、Cd、Cs、Mg、Mn、Na、P、Rb、Te、Zn,回代检验和交叉检验的整体正确判别率分别为87.50%、86.87%,说明筛选用作滩羊骨骼产地鉴别的10 种矿质元素有效,且利用该10 种元素建立的判别模型亦有效。     

不同产地稻米中元素含量特征及其产地判别研究

分析不同地域稻米中元素含量的特点,研究三种加工程度下稻米溯源的效果,筛选出判别不同加工程度下稻米产地的有效指标。以湖北省、江苏省、辽宁省三个地域共66份稻米样品为研究对象,用电感耦合等离子体质谱法(ICP-MS)测定了不同加工程度(整籽粒、糙米、精米)下Be、B、Na、Mg、K、Ca、Ti、V、Cr、Mn、Fe、Co、Ni、Cu、Zn、Ga、As、Se、Rb、Sr、Mo、Cd、Sn、Sb、Ba、Pb共26种元素的含量,用SPSS对其进行了方差分析、主成分分析、聚类分析及判别分析。结果表明,来源地不同的稻米,同一加工程度间元素含量均有各自的特征。主成分分析和聚类分析能够使其分成不同类别,类别和来源地基本一致。在聚类分析中,整籽粒样品和精米样品的聚类效果要明显好于糙米样品。通过逐步判别分析筛选出了7个可以判别整籽粒样品产地来源的指标,依次是Sn、Mg、B、Cr、Sr、Ca、Ga,整体的正确判别率和交叉检验率均为100%。同样地,逐步判别分析也筛选出了7个可以判别精米样品产地来源的指标,依次是Ti、Ni、Ga、Sb、Cu、Na、Rb,整体的正确判别率为100%,整体的交叉检验率为96.7%。     

蜂蜜产地与蜜源矿物元素溯源方法的建立

基于矿物元素含量进行蜂蜜产地和蜜源溯源分析,建立产地和蜜源双目标溯源方法。采用全谱直读电感耦合等离子体原子发射光谱法(ICP-OES)测定蜜样矿物元素含量,在单目标溯源方法基础上,引进哑变量回归和校正模型,从而建立了蜂蜜产地、蜜源双目标溯源分析方法,并以四川蜂蜜为例,进行验证分析。结果显示,针对产地进行的逐步判别分析筛选出As、B、Ca等6个元素用于建立判别模型,回代验证的正确判别率达91.7%,交叉检验判别率为83.3%;针对蜜源的逐步判别分析筛选出B、Ca、Cu等5种元素用于建立判别模型,判别率为80%,交叉检验判别率为78.2%。基于矿物元素含量对蜂蜜进行产地与蜜源的溯源是可行的,所建立的方法具有一定借鉴意义;产地、蜜源两组判别方程适宜于研究区的溯源研究。     

基于产地、品种和年份影响矿物元素含量的大米判别

通过分析品种、年份与产地及其交互作用对大米矿物元素含量造成的差异,筛选有效特征指标,结合统计分析进行产地判别。以连续3?a（2016—2018年）在查哈阳、五常和建三江地区种植9?个品种的90?份田间试验样本为研究目标,采用电感耦合等离子体质谱仪测定样品的52?种元素。结果表明：Mg、Ca、Cr、Mn、Zn、As、Rb、Sr、Ag、Cd、Ba、La、Sm、Dy、Ho、Er、Pb、U受产地影响较大;Na、Mg、Al、Ca、Pb、U、V受年份影响较大;Na、Cr、Co、Ni、Tl、U、Mg、Al、La、Ho受品种影响较大。实验对筛选到与产地直接相关的18?种元素进行主成分分析和判别分析。6?个主成分累计贡献率80.333%。建立的判别模型对3?个产地的判别正确率均为100%,交叉验证率为100%。说明由这些元素组成的模型可以对样本实现正确判别。     

基于大米特征矿物元素产地鉴别建模方法比较研究

基于前期实验筛选到的与产地和母质土壤直接相关的23种特征矿物元素作为产地判别特征指标,比较Fisher判别模型和前馈神经网络预测模型的适用性。以连续3年随机采集的五常、查哈阳和建三江地理保护区274份样本作为建模对象,以模型的判别率为指标,采用电感耦合等离子体质谱仪(ICP-MS)和X射线荧光光谱仪测定样本中特征矿物元素含量(Mg、Ca、Cr、Mn、Zn、As、Rb、Sr、Ag、Cd、Sb、Te、Ba、La、Nd、Sm、Gd、Dy、Ho、Er、Yb、Pb、U),结合线性(一般线性判别分析)和非线性(前馈神经网络训练方法)模型构建方法用于产地鉴别。结果表明,Fisher判别分析模型对训练集判别率为81.5%,交叉检验判别率为78.8%,测试集总体判别率为87.5%。前馈神经网络预测模型对大米产地识别结果平均相对误差值为17.14%,产地的整体识别准确率为100%。筛选到的特征矿物元素携带了足够多的产地信息,通过前馈神经网络法建立的判别模型具有更优的判别能力,能解决小距离相似自然环境产地样本难以识别的问题。     

基于矿物元素指纹差异的榴莲产地甄别

为保护高值热带作物榴莲的原产地信息,采集马来西亚、泰国、柬埔寨和越南共4 个产区73 份不同品种榴莲样本,利用电感耦合等离子体质谱法测定榴莲果核与榴莲果肉中28 种矿物元素含量,结合方差分析、主成分分析、Fisher逐步判别分析和BP人工神经网络,建立基于矿物元素的榴莲产地判别模型并验证其准确率。结果表明,榴莲果核和果肉中分别有16 种和13 种矿物元素在4 个产区存在显著差异;主成分分析中前6 个主成分累计贡献率为85.207%,代表矿物元素含量的主要信息;将有显著差异的元素代入Fisher逐步判别方程,结果发现单一榴莲果核及榴莲果肉判别准确率较低,榴莲果核和榴莲果肉耦合指标显著提高判别准确率,筛选出果核中Li、Be、Mg、Mn、Rb元素和果肉中Be、Ag、Ba元素8 项指标构建榴莲产地溯源模型,模型的初始验证准确率为91.8%,交叉验证准确率为90.4%;将有显著差异的元素代入BP人工神经网络模型,榴莲果核As、Ag、Al、Rb和果肉中Ag元素为BP人工神经网络前5重要元素,模型训练验证准确率为96.1%,检验验证准确率为95.5%。初步证明利用矿物元素指纹特征结合化学计量学方法对东南亚产地榴莲判别具有可行性。     

加工精度对大米矿物元素指纹信息影响研究

矿物元素指纹分析技术已逐渐被应用到农产品的产地溯源中,大米中的矿质元素指纹信息的稳定性不仅与环境(地域和年际)密切相关,还受品种和加工精度的影响。研究农产品矿物元素指纹信息在不同加工等级与不同品种间的稳定性,解析品种、加工精度及其交互作用对各元素含量变异的贡献率,筛选出受品种、加工精度影响较小的元素作为产地溯源的指纹信息。可为农产品产地矿物元素指纹溯源技术的应用提供理论参考。本研究以水稻作为模式生物,于2013年收获期在黑龙江同一地市的3个品种的水稻样品,加工成5个不同等级,利用电感耦合等离子体质谱仪(ICP-MS)测定不同等级大米中49种矿物元素的含量。对数据进行单因素方差分析、多因素方差分析。大米中元素Na、Mg、Al、K、Ca、Cr、Mn、Fe、Co、Cu、Zn、Rb、Sr和Ba含量与加工精度密切相关;元素Na、Mg、Al、K、Ca、Cr、Mn、Cu、Zn、Rb和Mo含量与品种密切相关;在今后产地溯源技术筛选溯源指标时应考虑这些元素。     

基于矿物元素指纹图谱技术的芸豆产地溯源研究

探讨矿物元素指纹分析技术对芸豆产地溯源的可行性,筛选出判别芸豆产地溯源的有效指标。利用电感耦合等离子体质谱仪(ICP-MS)测定来自依安县和拜泉县2个地域54份芸豆样品中31种矿物元素的含量,对数据进行方差分析、主成分分析、聚类分析和判别分析。研究表明,芸豆中25种矿物元素含量在地域间存在显著性差异,通过逐步判别分析筛选出Ca、As、Mg和Pt 4项元素指标建立芸豆产地判别模型,所建立的模型对芸豆产地整体交叉检验判别率为94.4%。因此,矿物元素指纹图谱技术可用于判别芸豆产地来源。     

基于矿质元素的我国不同产地葡萄酒的判别分析

通过分析我国不同产区葡萄酒中矿质元素含量的差异性,结合化学计量法,筛选出有效溯源指标,构建葡萄酒原产地判别模型。该研究采集了贺兰山东麓、沙城、清徐、武威、渤海湾和云南高原6个产区赤霞珠单品葡萄酒样本72份,采用微波消解-电感耦合等离子体质谱法测定了Ag、Al、As等58种矿物元素含量,结合方差分析、主成分分析和Fisher判别分析,构建了葡萄酒的产地溯源模型。结果显示,葡萄酒里58种矿质元素中有35种含量在不同产地存在显著差异。经主成分分析,从58种矿质元素中提取了14个主成分,代表了总指标85.351%的信息;建立了基于Fisher判别分析的判别模型,回代检验和交叉检验的整体正确判别率分别为98.6%和84.7%,基本可实现不同产区葡萄酒的判别。研究证明了矿物元素溯源技术可用于葡萄酒的原产地判别。     

基于电感耦合等离子体质谱仪分析矿物元素含量的大豆产地溯源

为表征相似地域特性的溯源指标,提高矿物元素对大豆产地溯源的准确性及稳定性。采用电感耦合等离子体质谱仪分析黑龙江省北安市9个农场及黑河市嫩江县6个农场共42个大豆样品中矿物元素含量,对所得的矿物元素含量数据进行方差分析、主成分分析和判别分析。结果显示:北安市和黑河市嫩江县矿物元素溯源指标,第1主成分主要由V、Fe、La、Ce、Pr、Nd、Dy、Er、Yb 9种元素构成,贡献率最大,为28.390%;第2主成分主要由As、Se、Lu、Ir、Au 5种元素构成,贡献率为14.435%;第3主成分主要由Ca、Ni、Cd、Ba 4种元素构成,贡献率为10.881%。利用大豆中矿物元素含量的分析,实现了省内大豆主产区产地溯源,并获得了黑龙江省两个大豆主产区溯源指标,分别为Na、K、Mn、Rb、Ba和Au 6种元素。综合2个主产区42个大豆样品矿物元素分析结果,实现了对黑龙江省两大主产区大豆产地溯源的准确判别,正确判别率为100%。     

基于多元素和稳定同位素技术的桃产地溯源

目的 研究利用桃中多元素和稳定同位素地域特征进行产地溯源的可行性。方法 应用电感耦合等离子体质谱和稳定同位素比质谱技术,测试桃样品中54种元素和碳(13C/12C)、氮(15N/14N)、氢(2H/1H)、氧(18O/16O) 4种稳定同位素比值,分析不同产地桃的特征指标,采用逐步判别分析,建立产地判别模型,开展平谷、顺平和丹东桃产地溯源。结果 不同产地桃中碳和氧同位素比值差异显著(P<0.05),Na、Mg、Al、K、Mn、Cu、Zn、Rb、Sr、Cd和Ba等11种元素含量差异显著(P<0.05)。筛选C、H、O、Mg、Al、K、Fe、Cu、Zn、Cd等10项指标建立产地判别模型,进行原始回代检验和留一交叉检验,判别准确率均为100%。结论 研究表明,同时利用桃中多元素含量和稳定同位素比值特征指标建立产地判别模型,能够区分不同产地的桃,为桃产地溯源的可行性提供方法依据。     

基于矿物元素技术的品种、产区葡萄酒的判别分析

通过分析宁夏贺兰山东麓不同品种,不同产区葡萄酒中矿物元素含量差异,结合多元统计分析,筛选有效的溯源指标,构建葡萄酒品种和原产地判别模型。该研究采集了宁夏贺兰山东麓产区6个单品葡萄酒样品54份,甘肃武威产区和河北沙城产区葡萄酒样品10份,利用电感耦合等离子体质谱仪(inductively coupled plasma mass spectrometry, ICP-MS)测定了样品中58种矿物元素含量,结合方差分析、主成分分析和Fisher判别分析方法建立了葡萄酒品种和产地判别模型。结果表明,不同品种葡萄酒中有35种矿物元素含量存在显著差异;经过主成分分析,从58种矿物元素可提取出10个主成分,代表了总指标80.64%的信息;通过Fisher判别分析,回代检验的整体正确判别率为100%,但交叉检验的整体正确判别率仅为38.9%,说明基于矿物元素的差异性不能有效鉴别不同品种的葡萄酒。结合武威和沙城产区样品,经Fisher判别分析,回代检验和交叉检验的整体正确判别率分别为100.0%和98.4%,基本实现了不同产区葡萄酒的判别。研究证明矿物元素技术可用于葡萄酒的原产地判别。     

基于矿物元素和稳定同位素技术不同产地陈皮鉴别研究

为开展不同产地陈皮中矿物元素含量和稳定同位素比值的影响,并建立产地溯源模型,采集我国4个地区(广东、福建、四川和重庆)共160份陈皮样品,用电感耦合等离子体质谱法测定陈皮中21种矿物元素的含量,用元素分析质谱法测定陈皮中4种稳定同位素比值,研究不同产地陈皮中矿物元素含量、稳定同位素比值差异并进行产地溯源。结果表明,除Zn外,其余20种矿物元素的含量、4种稳定同位素的比值在4个地区间均存在显著差异(P＜0.05) ,陈皮样品中含量最高的是K,其次是Ca,最低的是Y。对160个陈皮样品的矿物元素含量和稳定同位素比值进行主成分分析法(PCA)、偏最小二乘判别分析法(PLS-DA)、正交偏最小二乘判别分析法(OPLS-DA)和交叉验证的结果表明,矿物元素、稳定同位素可以对不同产地来源的陈皮样品进行鉴别,线性判别(LDA)交叉验证准确率为93.8%,通过VIP值筛选得出产地鉴别的关键因子是Cu、K、Ga、Ni、Y、Ba、La、Nd、V、Cr、Rb、Fe、Mn、Co及δ18^O。综上,利用矿物元素结合稳定同位素技术可以有效地鉴别陈皮的地理来源,这项技术的应用可以为判断陈皮的产地和真实性提供可靠的技术支持。     

基于矿物元素指纹图谱技术的松江大米产地溯源

采用电感耦合等离子体质谱技术分析180件松江大米与非松江大米样本中40种矿物元素含量,并结合多元统计方法(方差分析、相关性分析、因子分析和判别分析)分析矿物元素指纹特征,建立判别模型以溯源大米样品的松江与非松江产地。结果表明,大米样本的矿物元素含量在松江与非松江地域间具有显著性差异,元素之间具有显著相关性,因而将筛选后16种元素降维至5个公因子,公因子得分散点图能够明确判别大米产地;以筛选后的B、Na、Fe、Co、Ni、Zn、As和Se共8种矿物元素指标建立的溯源模型对训练集大米产地的整体判别正确率为93.0%,灵敏度为95.2%,特异性为86.8%,交叉检验判别正确率为84.2%~95.2%。验证集样本验证已建立的溯源模型准确度,发现松江与非松江大米产地整体判别正确率为92.1%,灵敏度为96.0%,特异性为84.6%。该模型对训练集与验证集的判别统计学参数基本一致,证明该溯源模型具有优异的判别正确率、灵敏度、特异性和溯源稳定性,因此在判别松江大米与非松江大米的产地上具有切实可行性。结果表明,大米样本的矿物元素含量在松江与非松江地域间具有显著性差异。     

大豆有机成分辅助矿物元素指纹特征产地溯源

为提高矿物元素指纹图谱技术对大豆产地溯源的稳定性和准确性。采用电感耦合等离子体质谱仪测定黑龙江嫩江及北安共168?份大豆及对应土壤样品中矿物元素含量并分别测定大豆中蛋白质、脂肪、可溶性总糖和灰分含量。结果表明,采用步进式方法筛选出的10?种特征指标建立的判别模型对训练集大豆产地的整体正确判别率为96.4%,其中对黑龙江嫩江、北安大豆产地的正确判别率分别为98.1%、95%。回代检验对验证集大豆产地的整体正确判别率为98.2%,其中对黑龙江嫩江、北安大豆产地的正确判别率分别为100%、96.7%。验证集中对黑龙江嫩江、北安大豆产地的整体正确判别率高于测试集两产地的正确判别率（98.2%＞96.4%）,说明这7?种矿物元素和3?种有机成分是用于大豆产地判别的主要特征指标,携带了充分的产地判别信息。     

矿物元素和有机成分指纹组合判别芸豆产地

分析不同地域来源芸豆中矿物元素和有机成分组成特征及含量差异,探讨矿物元素和有机成分指纹组合分析技术对芸豆产地鉴别的可行性。检测来自依安、拜泉县2个主产区54份芸豆样品中31种矿物元素和3项有机成分含量,对数据进行方差分析和判别分析。研究表明,矿物元素指纹对芸豆产地交叉检验的整体正确判别率为94.1%;有机成分指纹对芸豆产地交叉检验的整体正确判别率为83.3%;矿物元素和有机成分指纹组合对芸豆产地的正确判别率显著提高,交叉检验的整体正确判别率达到100.0%。因此,矿物元素和有机成分指纹组合分析结合多元统计学是用于芸豆产地溯源的一种有效技术。     

基于多酚成分的猕猴桃产地溯源技术研究

为探讨多酚成分对于猕猴桃产地溯源的可行性,采用高效液相色谱法测定河南西峡、陕西眉县、四川都江堰、湖北建始四个产地来源的猕猴桃样品中23种多酚物质的含量,对数据进行单变量方差分析、主成分分析、K近邻法分析、逐步判别分析,并建立产地溯源模型。结果表明,单变量方差分析和主成分分析无法有效地对猕猴桃产地进行区分;采用K近邻法对猕猴桃进行产地区分,K值为3时,交叉检验总体验证正确率最高,为96.0%,区分效果良好;采用逐步判别分析筛选出9种对猕猴桃产地溯源最有效的多酚成分指标,并建立判别模型,判别效果理想,回代检验的总体判别正确率、交叉检验总体验证正确率为均为100%。表明利用多酚成分结合适当的化学计量学方法对猕猴桃进行产地溯源是可行、有效的。     

不同产地芸豆中矿物元素的因子分析与聚类分析

目的：探讨矿物元素指纹分析技术对芸豆产地溯源的可行性。方法：利用电感耦合等离子体质谱法测定不同产地芸豆中20 种矿物元素的含量,并对数据进行因子分析和聚类分析。结果：因子分析结果表明,总方差的50%以上的贡献来自前2 个因子,所对应Mg、Al、V、Cr、Mn、Fe、As、Sr、Y、Sb、Ba、La、Ce、Pr、Nd、Sm、Gd和Ca是芸豆的特征矿物元素。聚类分析结果表明,依安芸豆和拜泉芸豆各属一类。结论：矿物元素指纹图谱技术可用于判别芸豆产地来源。     

基于锶同位素和7种元素的红枣产地判别

为建立红枣产地判别模型,提供红枣原产地溯源理论依据,采集河南新郑、山西太谷和新疆哈密、策勒、于田的红枣样品,采用热电离质谱仪和电感耦合等离子体质谱仪测定锶同位素(87Sr/86Sr)和33种元素含量,结合化学计量学主成分分析和判别分析建立判别模型,对新疆不同产地红枣和河南、山西红枣进行判别分析。多重比较结果表明:新郑、于田红枣Rb含量显著高于哈密、策勒,太谷红枣Zn含量显著高于于田。策勒红枣87Sr/86Sr显著高于新郑、太谷、于田、哈密,而新郑、太谷、于田红枣87Sr/86Sr显著高于哈密。通过共线性诊断分析,选取87Sr/86Sr和7种元素(Sc、V、Co、Zn、Y、Cd、Cs)建立判别模型,5个产地红枣回代检验、留一交叉验证的整体判别率分别为100%、82.7%。87Sr/86Sr和7种元素结合化学计量学判别不同产地红枣的方法切实可行。