茶叶中同位素与多元素特征及其原产地PCA-LDA判别研究

本研究采用稳定同位素质谱和等离子发射光谱质谱法测定茶叶中同位素比率和多元素含量,并结合主成分分析(PCA)和线性判别分析(LDA)法建立模型,对福建、山东和浙江出产的茶叶,以及浙江余姚、金华和西湖出产的茶叶进行产地溯源判定.结果表明,不同产地的茶叶中稳定同位素δ15N、δ13C、δD、δ180数值范围不同,而且Li、Be和Na等27个矿物元素的含量变化也较大,具有一定的地域特征.PCA法能够区分不同产地的茶叶,但不同产地样本存在部分重合;而采用PCA-LDA法能够有效区分不同产地的茶叶,其中福建、山东和浙江产地的判定准确率为99％,浙江余姚、金华和西湖产地的判定准确率为86％.因此,利用稳定同位素和矿物多元素检测结合PCA-LDA法能够较好进行茶叶产地溯源,具有一定的可行性和应用价值.     

基于稳定同位素的上海地产蔬菜种植模式及产地判别

为保护蔬菜的优质优价及质量安全,以上海9个农业产区(宝山区、崇明区、奉贤区、嘉定区、金山区、闵行区、浦东新区、青浦区和松江区)蔬菜为研究对象,分析不同产区蔬菜的δ¹⁵N值差异及其对种植模式(常规、绿色或有机种植)的指示;对δ¹³C、δ¹⁵N、δ²H和δ¹⁸O值进行单因素方差分析,并应用主成分分析(PCA)、偏最小二乘判别分析(PLS-DA)及支持向量机(SVM)方法,建立上海地产蔬菜产地判别模型。结果表明,宝山区、松江区和嘉定区蔬菜的δ¹⁵N值占前三,且分别与δ¹⁵N值最低的浦东新区蔬菜(4.44‰)存在显著差异,且仅有浦东新区蔬菜可能为绿色或有机种植的比例低于50%;δ¹³C、δ²H和δ¹⁸O值只在部分产区间差异显著,PCA可初步实现浦东新区蔬菜与其他8个产区的鉴别;PLS-DA最优模型可以很好地实现浦东新区蔬菜产地判别(预测准确率为98.80%),SVM最优模型可以很好地实现宝山区(预测正确率96.38%)、嘉定区(预测正确率92.77%)和青浦区(预测正确率91.57%)蔬菜的产地判别,SVM最优模型可以较好地实现金山区、松江区、崇明区和奉贤区蔬菜的产地判别。本研究结果为上海地产蔬菜种植模式及产地判别提供了参考方法,并为其溯源和质量安全保护提供了基础数据。     

基于稳定同位素和矿质元素的决明子产地特征与溯源判别研究

为了更加精确高效地对中药决明子产区进行判别,本研究采用稳定同位素比质谱(IR-MS)和电感耦合等离子体质谱(ICP-MS)技术分别检测不同产地决明子稳定同位素比值和多种矿质元素含量特征,并结合化学计量学模型主成分分析(PCA)和人工神经网络(ANN)对决明子产地进行判别。方差统计结果表明,在优质产区(浙江新昌)决明子区别于普通产区决明子方面,19种矿质元素含量存在显著差异(P<0.05);PCA分析(同位素+矿物元素)显示,前2个主成分累计方差贡献率为45.23%,且该模型可显著区分道地产区决明子;ANN模型分析对浙江新昌产区的决明子判别正确率高达100%,且产地判别总体正确率高于90%。以上结果表明,稳定同位素比值和矿质元素含量结合化学计量学模型分析可有效判别决明子不同产区。本研究结果为决明子产地溯源提供了一种新的方法。     

基于超高效液相色谱-四极杆串联飞行时间质谱的绿茶产地溯源研究

茶叶的品质由其内含物质所决定,而茶叶的生化成分和滋味品质与茶树的生长环境和气候条件等因素密切相关,因此,茶叶品质存在区域特征。本研究以四川省雅安、宜宾和绵阳3个产区绿茶为研究对象,采用超高效液相色谱-四极杆串联飞行时间质谱(UPLC-QTOF-MS)技术,结合多元统计分析进行产地溯源研究。利用MarkerView 1.3.1和SIMCA 14.1软件对数据进行主成分分析与判别分析(PCA-DA)及双向正交偏最小二乘-判别分析(O2PLS-DA),对不同产区绿茶构建分类模型,O2PLS-DA模型分类效果最佳,R2X(cum)=0.958, R2Y(cum)=0.923, Q2(cum)=0.912,并通过置换检验(permutation test)对模型良好的预测能力进行了评价。通过变量投影重要性(VIP)分析和t检验,初步筛选出50个存在统计学差异的化合物(VIP1, p0.01)。该研究建立的分类模型为茶叶的产地溯源和质量评价提供技术支持。     

基于近红外高光谱成像技术鉴别杂交稻品系

种子的筛选和鉴别是农业育种过程中的关键环节。该文基于近红外高光谱成像技术(874~1 734 nm)结合化学计量学方法以及图像处理技术实现杂交稻种的品系鉴别及可视化预测。采集了3类不同品系共2 700粒杂交水稻的高光谱图像,用SPXY算法,按照2∶1的比例划分建模集和预测集。基于水稻样本的光谱特征,采用主成分分析(PCA)方法初步探究3类样本的可分性。采用连续投影算法(SPA),提取出7个特征波长:985.08、1 106、1 203.55、1 399.04、1 463.19、1 601.81、1 645.82 nm。基于特征波长和全波段光谱,建立了偏最小二乘判别分析(PLS-DA)和支持向量机(SVM)模型。试验结果表明,所建模型判别效果较好,识别正确率均达到了90%以上,其中,SVM模型的判别效果优于PLS-DA模型,基于全谱的判别分析模型结果优于基于特征波长的判别模型。结合SPA-SVM校正模型和图像处理技术,生成样本预测伪彩图,可以直观的鉴别不同品系的水稻种子。结果表明,近红外高光谱成像技术可以实现杂交稻的品系识别及可视化预测,为农业育种过程中种子的快速筛选及鉴定提供了新思路。     

稻米中同位素与多元素特征及其产地溯源PCA-LDA判别

通过探究谷物中同位素与多元素的地域特色及其产地溯源的可能性,本研究采用稳定同位素质谱和等离子发射光谱质谱法测定稻米中同位素比率和多元素含量,并结合化学计量学中主成分分析(PCA)和线性判别分析(LDA)法建立模型,对不同省份的稻米进行产地溯源判定。结果表明,各地产的稻米中稳定同位素δ15N、δ13C、δD、δ18O数值范围不同,而且Li、Be和Na等其他矿物元素的含量变化较大,Pb、Sr同位素比率也各不相同,具有一定的地域特征。PCA法能够初步辨别各稻米地产,本研究进一步采用PCA-LDA法能够对大区域(黑龙江省、江苏省和辽宁省)的稻米进行产地判别,通过对23个样本进行判别验证,正确率为91%。对于黑龙江省4个地产的稻米样品,由于地理差异性比较小,同时样本数比较少,故只对其中2个产地稻米进行判别。通过同位素比率和多元素的含量的测定再结合化学计量学分析,一定程度上能够区分不同产地的稻米,为稻米产地溯源的可行性提供了方法依据。     

杨梅中稳定同位素和多元素特征在其产地溯源中的应用

为探讨杨梅稳定同位素与多元素的特征及其产地溯源应用的可能性,采用稳定同位素质谱(EAIRMS)和等离子发射光谱质谱法(ICP-MS)测定杨梅中稳定同位素比率(如δ~(15)N、δ~(13)C、δD和δ~(18)O等)和多元素(如Li、Be、Na、K和Fe等)含量,并结合化学计量学主成分分析(PCA)和线性判别分析(LDA)建立判别模型,对浙江、福建、云南、贵州和江苏等省份的杨梅进行产地溯源技术研究。单因素方差分析(One-way ANOVA)表明,各产地杨梅中稳定同位素比率和其他矿物元素的含量具有一定的地域特征,但并不具有显著性差异,利用单指标无法区分各省份杨梅。PCA分析中,前3个主成分(累计方差贡献率仅为42.77%)的得分分布散点图均有部分重叠,不能有效区分杨梅产地。PCA-LDA方法将所有样本分为浙江类、福建类、其他省类(包括云南、贵州、江苏省样品)3类,利用蒙特卡洛随机法随机产生训练集和测试集分别用于建模和模型准确度验证,经过2 000次的循环计算,该模型对浙江省杨梅判别结果的准确率高达99.6%,福建省杨梅判别结果的准确率为90.3%,其他省份判别结果的准确率为98.4%。综上,利用稳定同位素和多元素检测并结合PCA-LDA法能够初步对杨梅进行产地溯源和判别,具有一定的可行性和应用价值。     

贵州名优茶与产地土壤矿质元素相关性及其溯源影响的研究

为探究贵州省名优茶产地不同深层土壤对茶叶矿质元素溯源效果的影响,以土壤-茶叶的多矿质元素法结合主成分分析(PCA)、反向传播(BP)神经网络法、逐步线性判别分析(SLDA)对茶叶产地进行溯源。结果显示,不同产地的茶叶和土壤具有独特的矿质元素指纹,茶叶中Fe、Mn、K、Ca、Mg、Cu的含量与土壤中对应元素含量显著相关(P<0.05),以这6种矿质元素含量结合PCA可有效区分茶叶的地理起源;不同深层土壤对茶叶产地的溯源有不同影响,通过SLDA法、BP神经网络法明确了以60~80 cm的土层进行产地溯源的效果最优,产地溯源验证判别率分别为98.5%(SLDA法)和100%(BP神经网络法),并基于SLDA法确定了Zn、Cu、P、Mn、Fe、Mg和K 7种元素构建的贵州名优茶产地溯源模型。此外,研究发现茶叶产地溯源几乎不受茶树品种的影响。本研究结果为贵州省名优茶矿质元素指纹图谱的建设及土壤-茶叶产地溯源的关系研究提供了理论依据。     

前表面荧光光谱法鉴别不同冷藏时间的大黄鱼鲜度

为研究前表面荧光光谱法在水产品品质评价方面的应用,利用前表面荧光对不同冷藏时间的大黄鱼肌肉进行扫描,对色氨酸和烟酰胺腺嘌呤二核苷酸(NADH)的荧光光谱数据进行主成分分析(PCA)和Fisher线性判别分析(FLDA),并运用偏最小二乘回归(PLSR)建立了大黄鱼鱼肉荧光光谱数据和冷藏时间的预测模型。结果表明,用PCA方法提取色氨酸和NADH荧光光谱的有效信息,所建模型可区分不同冷藏时间(0~8 d)的大黄鱼样品,且色氨酸作为内源荧光探针的分析效果更好;用FLDA方法分析色氨酸和NADH荧光光谱,留一法(leave-one-out)交叉验证的判别正确率分别为100%和98%,对不同冷藏时间的大黄鱼区分效果优于PCA方法;PLSR模型中色氨酸和NADH荧光光谱的校正集和预测集的相关系数均大于0.9,交互验证均方根误差(RMSECV)分别约为1.13、0.41,校正集均方根误差(RMSEC)/预测集均方根误差(RMSEP)分别约为0.53、0.99,通过NADH荧光光谱建立的PLSR模型预测能力较好。前表面荧光光谱法结合化学计量学技术能够对不同冷藏时间的大黄鱼进行有效区分。本研究结果为前表面荧光光谱技术在大黄鱼冷藏保鲜中对冷藏时间的预测提供了一定的理论依据。     

利用近红外光谱与PCA-SVM识别热损伤番茄种子

为了研究近红外光谱技术用于热损伤种子快速无损识别的可行性,该文以120粒番茄种子为研究对象,其中60粒番茄种子通过高温加热处理的方式成为热损伤种子组,其他60粒番茄种子为正常种子组,利用实验室自主搭建的近红外光谱检测系统获取单粒番茄种子在980~1 700 nm范围内的光谱,分别采用偏最小二乘判别法(partial least squares discriminant analysis,PLS-DA)和支持向量机(support vector machines,SVM)建立了番茄种子热损伤的定性分析模型。试验结果表明:2种判别模型的验证集总正确率均大于96%,均可用于热损伤种子的判别。其中,基于主成分分析(principal component analysis,PCA)预处理的光谱数据构建的支持向量机模型的判别效果最好,其校正集和验证集的判别正确率均为100%,更适用于种子热损伤识别。因此,应用近红外光谱技术可快速无损识别热损伤番茄种子,为种子检验提供了一种新的方法。