冬枣产地特征元素筛选与溯源方法研究

Analysis of elements fingerprint is an important food traceability technology, which is widely used in recent years. But the stability of this method is poor, because it is easily influenced by artificial factors. This project intends to investigated the correlation of food element fingerprint with the soil element fingerprint, then screening characteristics elements which inflected the characteristics of origin, and improve the method of multivariate statistics, in order to increase the stability of fingerprint analysis on the food origin traceability.. Winter jujube, the characteristic agricultural products in Hebei province, was the subject in this study. The elements contents of winter jujube and soil, including full state and effective state, will detected by inductively coupled plasma mass spectrometry (ICP-MS), X-ray fluorescence spectroscopy and ion chromatography. At the same time, detect the changes of element contents, analyse the correlation between winter jujube and soil, in order to determine the traceable element group. Then least squares support vector machines, artificial neural networks and particle swarm optimization will used to analyze the distribution of the traceable element group, determine the fingerprint feature, and establish traceability methods of geographic origin. This study will be conducted to improve the method of elements fingerprint analysis, which will help to promote their application in food traceability.

元素指纹分析是一种重要的食品产地溯源技术，近年来被广泛应用。但该方法也存在稳定性差，易受人为因素干扰等缺点。本项目拟考查食品的元素指纹与产地土壤元素指纹的相关性，筛选能反映产地特征的溯源元素，改进多元统计方法，以提高元素指纹分析在食品产地溯源应用上的稳定性。本项目以河北省特色产品黄骅冬枣为研究对象，借助电感耦合等离子体质谱、X射线荧光光谱、离子色谱等技术对冬枣及产地土壤中元素全态含量，土壤中有效态成分含量等进行检测，考查元素含量的变化规律，分析冬枣的元素指纹与产地土壤元素指纹的相关性，确定溯源元素组。利用最小二乘支持向量机、人工神经网络、粒子群优化等数据处理方法分析冬枣中产地溯源元素的分布规律，确定冬枣的产地元素指纹特征，建立冬枣产地溯源方法。该研究将对元素指纹分析方法进行改进，利于其在食品产地溯源中的应用推广。

元素指纹分析已被初步证实可以有效的溯源农产品产地，然而如何提高溯源方法的准确度和稳定性是亟待解决的重要问题。本项目以国家地理标志保护产品黄骅冬枣为研究对象，考察了冬枣元素指纹与产地土壤之间的相关性，分析了土壤中元素分布的变化规律，通过多元统计学分析方法确定了稳定可靠的溯源元素组，对其产地判别能力进行了评价。研究结果表明，不同冬枣产区的土壤中Fe、Mn、Mg、Zn、Ca、Co、Cr、Cs、Cu、Li、Na、Ni、Sr、Se、Tl、V、Ag、Al等元素含量存在极显著差异，冬枣中Ca、Co、Cr、Cs、Cu、Mg、Mn、Se、Sr、Tl等元素与土壤中对应元素存在显著相关性，是重要的产地标记元素。Mg、B、Mn、Fe、Zn元素组成的溯源元素组可以较为准确的识别黄骅冬枣和沾化冬枣。利用Q型系统聚类、Fisher判别和PLS-DA建立的冬枣产地鉴别模型证实，产地溯源元素组鉴别黄骅冬枣的准确度高于全部元素。对比了Q型系统聚类、Fisher判别、簇类独立软模式法（SIMCA）、偏最小二乘判别（PLS-DA）等算法的溯源准确率，具有监督模式的Fisher判别和PLS-DA算法准确率较高，更适于产地溯源分析。同时，对冬枣和土壤中阴离子分布的研究表明，冬枣中阴离子也是强有力的产地鉴别因子，利用逐步判别和RBF神经网络算法建立的鉴别方法具有很高的准确度。该项目研究证实筛选能够表达产地信息的特征元素组是改进元素产地溯源技术的关键，选择适于分散型高维小样本数据的统计学算法可以提高产地溯源方法的准确度。该项目研究成果对于黄骅冬枣的保护提供了理论支持，对农产品原产地溯源体系的完善具有一定推动作用。