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。     

基于矿质元素指纹分析的原产地葡萄酒判别研究

有效的葡萄酒产地判别手段是实施葡萄酒地理标志(或原产地)保护工作的保障。为探讨矿质元素指纹分析对于国内原产地葡萄酒产地判别的可行性,本研究利用电感耦合等离子体质谱法测定了贺兰山东麓、沙城、通化及云南红等4个原产地80个葡萄酒样品中的15种矿质元素,并对数据进行方差、主成分及逐步判别分析。结果表明,不同原产地葡萄酒中的矿质元素含量存在显著性差异(P0.05);主成分分析给出了5个主成分,累计方差贡献率达85%以上,前3个主成分的得分图显示不同原产地葡萄酒的区域分布与相关元素含量差异性基本一致;逐步判别分析筛选出了Zr、Li、Sr、Cs及Mg等5个对产地判别起关键作用的指标,以此建立的判别模型,对不同原产地葡萄酒的回代和交叉检验的整体正确判别率分别为98.8%和96.3%。因此说明,矿质元素指纹分析结合化学计量学方法对国内原产地葡萄酒的产地判别是可行有效的。     

基于矿质元素的赤霞珠葡萄酒产地溯源

为探讨基于矿质元素的赤霞珠葡萄酒产地溯源的可行性,分析新疆天山北麓产区与其他4 个产区（宁夏、甘肃、河北、山东）赤霞珠葡萄酒中的23 种矿质元素含量,结合多元统计方法,构建有效的葡萄酒产地溯源模型。结果表明：天山北麓与宁夏、甘肃、河北、山东产区葡萄酒中P、Mg、Sr、Ti、Al、Cu、Ba 具有显著（p<0.05）或极显著差异（p<0.01）,可以作为区分不同产区葡萄酒的特征性元素。以23 种矿质元素为依据的Fisher 判别分析,筛选出P、Sr、Al 3 种对产地判别显著的元素,建立的判别函数对天山北麓和其他4 个产区葡萄酒的初始验证和交叉验证整体正确判别率分别为96.43%和89.29%。基于矿质元素分析能够对赤霞珠葡萄酒进行产地溯源,区分新疆天山北麓与宁夏、甘肃、河北、山东产区的葡萄酒。     

基于矿质元素指纹分析技术的烟叶产区判别

目的:探讨应用矿质元素指纹分析技术进行烟叶产区判别的可行性,筛选出可判别烟叶产区的有效指标,构建烟叶产区判别模型。方法:利用电感耦合等离子体—质谱法(ICP-MS)同时测定11个产地烟叶20种矿质元素含量,并对数据进行方差分析、聚类分析、主成分分析及判别分析。结果:16种元素含量在产地间差异显著,主成分分析得到6个主成分,其累计方差贡献率超过89%;应用逐步判别筛选出K、Mn、Se及Ba 4种元素指标,建立了西南烟区和长江中上游烟区的烟叶产区判别模型,该模型可对烟叶产区进行准确判别。结论:不同产地烟叶矿质元素含量差异显著,K、Mn、Se及Ba 4种元素是烟叶产区判别的重要指标,矿质元素指纹分析技术可用于烟叶产区判别。     

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。     

基于ICP-MS/MS分析矿物元素的江西茶叶产地溯源

目的 分析江西不同产区茶叶中矿物元素含量的差异,并结合多元统计方法分析矿物元素指纹特征,构建江西茶叶不同产地鉴别的判别模型。方法 采用电感耦合等离子体串联质谱法(ICP-MS/MS)对采集于3个江西代表县的150个茶叶样品中的15种矿物元素进行测定,获得其中的元素成分信息,结合主成分分析技术(PCA)和判别分析技术(DA),分析不同产地茶叶的特征元素变量,研究筛选元素特征指纹。结果 江西不同产地的茶叶中的常量元素、微量元素和重金属含量差异较大,可以成为指纹分析技术的有效产地溯源指标。主成分分析以提取特征值>1.0,可以将15个矿物元素提取2个主成分,总方差贡献率达63.00%,基本保留了原变量的大部分信息。以2个主成分为原始变量,建立判别典型函数,利用判别典型函数可以对三个不同产地的150个茶叶进行99.3%正确判别。结论 矿物元素指纹图谱可以用于江西茶叶的产地溯源判别,为今后江西各种知名茶叶品牌的原产地保护提供技术支撑。     

基于矿质元素指纹分析的陈皮产地溯源研究

通过分析不同产地陈皮中矿质元素含量的差异,结合多元统计分析,筛选基于矿质元素指纹分析技术的有效产地溯源指标,构建陈皮不同产地鉴别的判别模型。该研究采集了广东、福建、重庆3个不同产地的206份陈皮样品,利用电感耦合等离子体质谱仪（ICP-MS）和电感耦合等离子体发射光谱仪（ICP-AES）测定了32种矿质元素含量,结合方差分析、主成分分析和线性判别分析、正交-偏最小二乘法判别分析方法建立了陈皮产地判别模型。结果表明,陈皮样品的32种矿质元素中有26种元素含量在广东与其他两个产地间存在显著差异,而其中11种元素在3个不同产地间存在显著差异。经过主成分分析,从32种矿质元素可提取出4个主成分,代表了总指标70.0%的信息。基于主成分分析,陈皮样品可根据其来源进行初步聚类。其中前2个主成分的主要变量为Dy、Sm、Gd、Pr、Nd、Y、La、Fe、Be、V、Ce、Sc、Co、P、Mo、As、Pb、B这18种元素。通过线性判别分析确定了K、P、Ca、Co、Cu、Mn、Mo、V、Ni、B、Li、Pb、As、Sr、Ti、Th、Gd、Sc、Nd、Pr、Y这21种矿质元素为陈皮的有效溯源指标,基于正交-偏最小二乘法判别分析方法建立的判别模型确定了Sc、B、Y、Co、Nd、La、Pr、Be、Gd、Dy、Sm、Mo、Fe这13种元素的重要性。2种判别分析方法构建的判别模型的交叉验证和外部样品验证的整体正确判别率均达到100%,基本实现了陈皮的产地判别,研究证明矿质元素指纹分析技术可用于陈皮的产地溯源判别。     

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。     

基于主成分分析和判别分析的大米产地溯源

以提高矿物元素对大米产地溯源的稳定性和准确性,找寻表征小范围相似地域特性的溯源指标为目的。采用原子吸收光谱法(AAS)分析吉林省松原市三大主产区10个产地100个大米样品中的矿物元素含量,对所得矿物元素含量数据进行差异分析、判别分析、主成分分析和聚类分析。试验结果实现了松原市三大主产区大米产地溯源,正确判别率为100%。松原市矿物元素溯源指标的筛选主成分分析结果:第一主成分主要由Zn、K、Mg、Na、Ca和Mn等6种元素构成,贡献率最大,占47.176%。判别分析验证主成分分析和聚类分析的准确性,其正确判别率为100%。利用矿物元素实现小范围产地溯源,并获得吉林省松原市溯源指标:Zn、K、Mg、Na、Ca和Mn 6种元素。     

基于主成分分析和判别分析的稻米产地溯源

以提高矿物元素对大米产地溯源的稳定性和准确性,找寻表征小范围相似地域特性的溯源指标为目的。采用原子吸收光谱法（AAS）分析吉林省松原市三大主产区10个产地100个大米样品中的矿物元素含量,对所得矿物元素含量数据进行差异分析、判别分析、主成分分析和聚类分析。试验结果为实现了松原市三大主产区大米产地溯源,正确判别率为100%。松原市矿物元素溯源指标的筛选主成分分析结果：第一主成分主要由Zn、K、Mg、Na、Ca和Mn 等6种元素构成,贡献率最大,占47.176%。判别分析验证主成分分析和聚类分析的准确性,其正确判别率为100%。利用矿物元素实现小范围产地溯源,并获得吉林省松原市溯源指标：Zn、K、Mg、Na、Ca和Mn 6种元素。     

矿质元素指纹技术结合化学计量学分析对中国葡萄酒原产地的判别研究

采用电感耦合等离子质谱仪(ICP-MS),对来自东北、贺兰山东麓、黄土高原、新疆及西南高山5个产区的共205款原产地葡萄酒样品,测定包括碱金属Li、Rb、Cs和碱土金属Be、Mg、Sr、Ba在内的共28种矿质元素,其中Mg、Al、Cu、Mn、Sr、Rb元素在5个产区葡萄酒中的含量较高。采用线性判别分析(LDA)和偏最小二乘判别分析(PLS-DA)对葡萄酒样品进行产区分类。方差分析(ANOVA)结果表明,除U元素外,其余元素在不同产地间均存在显著性差异。采用LDA模型对葡萄酒样品进行判别的整体准确率为87.3%,以东北产区的判别效果最好,模型外样品验证准确率为100%。采用PLS-DA模型判别的整体准确率可达80%以上,并筛选出对产地差异贡献率较大的6种元素,包括Li、Rb、Sr、Mg、Ti及Cd。综上所述,矿质元素指纹技术结合化学计量学分析方法有助于对中国葡萄酒的原产地进行判别。     

基于ICP-MS的甘肃不同产地小米矿物元素含量特征及判别分析

通过分析不同主产区小米矿物元素含量特征,结合化学统计学建立小米产地判别模型。该研究以甘肃省陇中地区、陇东地区和河西地区的主栽小米品种为研究对象,采用电感耦合等离子体质谱(ICP-MS)法测定了小米中18种矿物元素含量,利用方差分析、主成分分析(PCA)、正交偏最小二乘判别分析(OPLS-DA)、线性判别分析(LDA)和聚类分析(HCA)对数据进行统计分析。结果表明:小米样品18种矿物元素中有13种元素含量在3个主产区间存在显著差异(P<0.05),不同主产区小米矿物元素含量具有独特的地域分布特征;18种矿物元素之间存在较强的相关性;PCA分析共提取4个主成分,累计方差贡献率为75.82%;基于LDA和OPLS-DA的判别模型对小米产地判别正确率均为100%,基本可以实现甘肃省不同区域小米产地的精准判别,通过OPLS-DA模型确定了小米产地判别的特征元素(V、Fe、Cu、Cd、Se、Pb);基于特征元素的HCA分析可以成功地对小米产地进行判别。研究证明基于小米矿物元素含量构建的判别模型可以有效区分甘肃省不同产区的小米,为小米产地溯源和质量控制提供了科学依据。     

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。     

综合肉样及环境矿物质元素信息的滩羊肉产地鉴别

采用电感耦合等离子体质谱仪测定盐池县滩羊肉和环境中25种矿物元素含量,并结合主成分分析、聚类分析及线性判别分析进一步解析盐池县滩羊肉及环境中矿物元素含量特征,从而筛选盐池滩羊肉产地溯源指标及环境溯源指标,综合肉样及环境矿物质元素信息,建立判别模型并验证。最终筛选出的盐池县滩羊肉矿物元素指标为Cr、Ni、Cu、Rb、Sr、Mo、Ba、Mn、Sn,回代检验和交叉检验的整体正确判别率分别为97.50%、95.00%;盐池县环境矿物元素指标为K、P、Ca、Na、Mg、V、Ni、Zn、Ba、Rb、Cr、Sr、Fe,回代检验和交叉检验的整体正确判别率分别为93.80%、97.50%;盐池县滩羊肉与环境的共同矿物元素溯源指标为Cr、Ni、Rb、Sr、Ba,回代检验和交叉检验的整体正确判别率分别为96.30%、95.00%。说明筛选出的元素对随机滩羊肉样品产地鉴别有效,可作为盐池滩羊肉产地矿物元素指纹溯源的信息指标。     

基于主成分分析及聚类分析的不同产地冬枣品质特性分析

通过测定采自5 个主产区冬枣的18 个品质指标,基于多重比较、相关性分析、主成分分析、聚类分析和Fisher判别分析对不同产地冬枣品质进行评价并筛选特征指标。继而根据不同地域冬枣的特征指标,探讨其对冬枣产地溯源的可行性。结果表明：主成分分析综合得分结果表明新疆和田和山东沾化是冬枣的优势产区;结合聚类分析将18 项品质指标简化为可溶性固形物、钾、锰、单果质量、硬度、乙醇、色泽和含水量8 项具有代表性的特征指标;Fisher判别分析显示8 个特征指标可作为5 个冬枣主产区产地溯源的品质指标,且对冬枣产地整体正确判别率为100.0%,交叉检验正确判别率为97.2%。本研究为不同产地冬枣品质评价和核心品质指标的确定提供了依据,在冬枣的产地溯源中具有重要意义。     

基于多元分类判别方法对普洱生茶进行产地溯源研究

目的 探究多元分类判别方法对普洱茶产地溯源的有效性与可行性。方法 基于云南5个产地的60份普洱茶生茶样本,利用5种有机成分以及36种矿物元素的含量,结合主成分分析、判别分析和多层感知器分析等多元分类方法构建普洱茶产地溯源模型。结果 普洱茶(生茶)中总计33项指标具有与产地的显著相关性。不同产地的普洱茶样本在主成分上有差异,但分类的准确性较低。通过判别分析得到了普洱茶产地溯源的判别函数和组质心函数,该样本溯源正确率高于98%。通过多层感知器分析,该方法的分类正确率最高,生茶样本的训练集和测试集分类正确率分别为100.0%和95.5%。结论 普洱茶中有机成分与矿物元素受环境因素影响,在各自产地间形成各自的指纹特征,多维组合可用于建立普洱茶产地溯源模型,为普洱茶产地追溯提供一定的方法支持。     

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%。     

我国多产区羊肉中无机元素含量特征及其在溯源研究中的应用

目的 研究我国多个产区所产羊肉中多种无机元素含量的特征,探索元素含量差异在羊肉产地溯源研究中的应用。方法 收集在地域和喂养方式上具有一定代表性的产区所产羊肉样本,采用电感耦合等离子体质谱法检测羊肉中无机元素含量。结合方差分析、主成分分析、聚类分析、判别分析多种统计方法对各元素含量特征进行分析。结果 通过单因素方差分析,确定了18种元素在产地间存在显著差异。通过主成分分析确定了5个主成分,可以大致将4个产地的样品区分开。通过聚类分析,可以将牧区的样品大致与农饲区样品区分开。通过判别分析建立判别函数,对样品的交叉判别正确率为82.0%。结论 研究表明无机元素可以作为羊肉产地溯源的指标。本研究初步建立了国内4个羊肉产地的溯源模型,为国产羊肉产地溯源研究提供依据。     

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。