CN105259160A - 一种基于离子组学的西湖龙井茶产地识别方法 - Google Patents
一种基于离子组学的西湖龙井茶产地识别方法 Download PDFInfo
- Publication number
- CN105259160A CN105259160A CN201510736677.6A CN201510736677A CN105259160A CN 105259160 A CN105259160 A CN 105259160A CN 201510736677 A CN201510736677 A CN 201510736677A CN 105259160 A CN105259160 A CN 105259160A
- Authority
- CN
- China
- Prior art keywords
- sample
- tea
- west lake
- isotope
- dragon well
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
一种基于离子组学的西湖龙井茶产地识别方法,其特征在于包括以下步骤:1)选择来自西湖龙井茶产地的茶叶代表性样品;2)样品预处理;3)样品分析测定;4)构建西湖龙井茶的产地识别技术模型;5)将未知产地信息的茶叶样品数据输入茶叶的产地识别技术模型,对茶叶产地信息进行预测。该方法不仅可满足茶叶的质量安全,也可有效遏制茶叶的假冒,还可有效召回或撤销出现问题的茶叶产品,从而最大程度地减少经济的损失,采用偏最小二乘法所获取的模型正确判别率为94.4%,预测准确率为92.0%,模型是可靠的。
Description
技术领域
本发明属于农产品产地识别技术,具体涉及一种基于离子组学的茶产地识别方法。
背景技术
茶叶是一种经济效益较高的农产品,随着贸易的日益全球化,市场竞争也日趋激烈,茶叶的生产与销售也面临越来越多的问题,其中茶叶的假冒现象比较突出。茶叶的假冒主要表现在两个方面:一种类型是由于利益的驱使,个别茶叶生产者或经销商会从其他地方采购相类似的茶叶产品冒充一些茶叶名气较大的茶叶,如将一些普通的外地扁形茶冒充著名的西湖龙井进行销售,以赚取高额利润;另一种类型是一些茶叶生产者或经销商将普通茶充当有机茶进行销售,以提高其销售价格,从而使茶叶市场鱼目混珠,秩序混乱,严重地影响了中国茶叶品牌的信誉,也造成了中国茶叶产地优势的减弱。对于这些现象,普通消费者很难区分其真伪。因此,如何对茶叶的产地或品质等进行快速、准确、简便地分析鉴别已是当前茶叶行业中急需解决的课题。面对越来越多的食品安全问题,就茶叶行业来说,建立茶叶的溯源检测技术迫在眉睫。由于茶叶的生产与它的生长环境息息相关,已有的研究表明,同位素则是自然环境的一个天然标签,它会对该环境中生长的所有生物贴上一个自然标签。在食品产地溯源中,常用的同位素包括H、O、C、N、S、B、Sr和Pb。不同的同位素组成受气候、地形、土壤及生物代谢类型等因素的影响其变化规律有很大差异。国际上已有一些利用同位素分析植物源产品,如葡萄酒、饮料等的地域溯源方面的研究。Sacco等对意大利南部3个地方25个羊肉样品进行分析,发现碳、氮稳定性同位素比率可以100%判别羊肉样品的地域来源。英国Bateman等利用氮同位素检测方法验证有机食品,引起了国际上研究机构、认证机构和政府等社会各界对于该方法的极大兴趣。然而已有的这些技术或模型并不能准确地用于茶叶的产地识别。
发明内容
针对背景技术中存在的问题,本发明的目的是提供一种基于离子组学的西湖龙井茶产地识别方法,即以西湖龙井茶为主要研究对象,通过离子组学的方法,形成判别模型,用以鉴别西湖龙井茶的真伪。该方法不仅可满足茶叶的质量安全,也可有效遏制茶叶的假冒,还可有效召回或撤销出现问题的茶叶产品,从而最大程度地减少经济的损失。
实现本发明的所采用的技术方案如下:
一种基于离子组学的西湖龙井茶产地识别方法,其特征在于包括以下步骤:
1)选择来自西湖龙井茶产地的茶叶代表性样品:通过对西湖龙井茶一级保护区及二级保护区进行代表性取样,采集若干个西湖龙井茶早期、中期、晚期样本;
2)样品预处理:
样品的元素含量测定采用如下方法进行预处理:称取0.3g经球磨机磨碎的样品于聚四氟乙烯管中,加入6ml70%HNO3,300μl30%HF溶液,加盖静置1小时;然后将装有样品的聚四氟乙烯管放入微波消解仪中进行消解;消解程序参数为15min升至140℃保持2min,10min升至180℃保持8min,冷却后,135℃赶酸2h,超纯水定容至14ml;
样品同位素比率分析采用如下方法进行预处理:茶叶样品经球磨仪充分粉碎后,过100目筛,用锡杯包裹处理直接固体进样测定;包样的重量根据样品的种类确定,控制每个样品氮的含量在20-150μg之间,碳的含量在200-2000μg之间;
3)样品分析测定:
大量元素采用电感耦合等离子体发射光谱仪测定;微量元素、痕量元素及金属稳定同位素比率采用电感耦合等离子体质谱测定;C、N稳定同位素比率采用varioPYROcube元素分析仪连接到ISOPRIME-100测定,18O或D/H同位素比率采用elementarPyroCube连接到ISOPRIME-100同位素比质谱仪进行分析;微量及痕量元素的含量由ICP-MS测定,ICP-MS的工作参数为:射频功率1400W,冷却气流速18L/min,辅助气流速1.65L/min,雾化器流速0.95L/min,鞘气流速0.25L/min,采样高度6.5mm,泵稳定时间30s;
内标溶液:1000μg/mlRh,In,Re混合标准溶液,用1%HNO3稀释为1μg/ml,由内标管在线引入质谱仪;
茶叶样品中的C、N、S同位素比率的测定:采用AESIL对茶叶中样品中的C、N、S同位素分析,通过元素分析仪连接到连续流同位素比质谱仪,实现单个样品中C、N、S的同时分析,分析过程为:用锡杯包裹的茶叶样品,使用varioPYROcube元素分析仪连接到ISOPRIME-100进行13C、15N、34S同位素分析;样品在1120℃下在填充有WO3的氧化管中氧化燃烧;燃烧后形成的气体在填有还原铜的管内还原为N2;气体通过氦载气流经水阱,N2、CO2、SO2经过吸附与解吸附柱分离分离,然后再进入同位素质谱仪(IRMS)进行同位素分析;
茶叶样品中的H、O同位素比率测定:AESIL使用TC/EA连接到IRMS系统进行茶叶样品中的18O或D/H同位素分析;茶叶样品中18O和D/H分别进行同位素比值分析;分析方法为;采用elementarPyroCube连接到ISOPRIME-100同位素比质谱仪进行同位素分析,样品在1400°C的条件下在玻璃碳管中高温裂解与反应形成H2和CO,H2、CO在通过水阱和CO2捕集井时得到纯化,在通过吸附解吸附阱时得到分离;在分析过程中,采用国际上通用的平衡时间,利用国际标样IAEA-CH7,IAEA-600,IAEA-601和IAEA-602采用2点校正的方式对测试样品进行校正。
样品分析测定的指标为:Ga(μg/kg)、Ge(μg/kg)、Y(μg/kg)、Cd(μg/kg)、Sn(μg/kg)、Sb(μg/kg)、La(μg/kg)、Ce(μg/kg)、Pr(μg/kg)、Nd(μg/kg)、Sm(μg/kg)、Eu(μg/kg)、Gd(μg/kg)、Tb(μg/kg)、Dy(μg/kg)、Ho(μg/kg)、Er(μg/kg)、Tm(μg/kg)、Yb(μg/kg)、Lu(μg/kg)、Tl(μg/kg)、Pb(μg/kg)、Bi(μg/kg)、Th(μg/kg)、U(μg/kg)、Al(mg/kg)、As(mg/kg)、B(mg/kg)、Ba(mg/kg)、Be(mg/kg)、Ca(mg/kg)、Co(mg/kg)、Cr(mg/kg)、Cu(mg/kg)、Fe(mg/kg)、K(mg/kg)、Li(mg/kg)、Mg(mg/kg)、Mn(mg/kg)、Mo(mg/kg)、Na(mg/kg)、Ni(mg/kg)、P(mg/kg)、S(mg/kg)、Se(mg/kg)、Ti(mg/kg)、V(mg/kg)、Zn(mg/kg)、Sr(mg/kg)、15N(%)、13C(%)、72Ge/73Ge、111Cd/113Cd、117Sn/118Sn、118Sn/119Sn、143Nd/146Nd、157Gd/158Gd、161Dy/163Dy、172Yb/173Yb、203Tl/205Tl、206Pb/207Pb、207Pb/208Pb、88Sr/86Sr、63Cu/65Cu、60Ni/62Ni、62Ni/61Ni、68Zn/67Zn、95Mo/97Mo、13C(‰)、15N(‰)、D(‰)、18O(‰)。
4)对不同茶叶代表性样品的元素含量及同位素比率数据进行标准化预处理,采用主成分分析和神经网络多元数据处理技术,提取样品中的有效质量信息,构建西湖龙井茶的产地识别技术模型;优选为偏最小二乘法所获取的模型,该模型为:
X=Mg*0.86-Sn*0.72+K*0.75+13C*0.64+Zn*0.74+P*0.77-95Mo/97Mo*0.61-B*0.62+157Gd/158Gd*0.65-V*0.57+S*0.74-Na*0.66-Sb*0.62+Ni*0.58+Ba*0.56+143Nd/146Nd*0.49+Cu*0.56+Ca*0.55+60Ni/62Ni*0.52+206Pb/207Pb*0.45+As*0.52;
5)将未知产地信息的茶叶样品,经预处理,元素及同位素比率测定,数据处理后,输入茶叶的产地识别技术模型,对茶叶产地信息进行预测。当X值<0时判定为西湖龙井,当X值>0时判定为非西湖龙井。
一种基于离子组学的西湖龙井茶产地识别方法在除西湖龙井茶以外的其他茶叶产地识别上的应用。
本发明主要利用离子组学的方法建立了一个不同产地扁形茶离子组特征模型,以区分不同扁形茶的产地来源,解决了鉴别西湖龙井茶真伪的技术问题。通过偏最小二乘法、线性判别分析法、神经网络三种模型的统计分析,其中采用偏最小二乘法所获取的模型正确判别率为94.4%,预测准确率为92.0%,表明了该模型是可靠的。
附图说明
图1为西湖龙井茶与非西湖龙井茶的PCL区分图;
图2为模型可靠性验证V形图;
图3为模型可靠性验证响应排序检验图
图中:XH-西湖龙井;NXH-非西湖龙井;R2-区分度(正确判别率);Q2-预测度(预测准确率)。
具体实施方式
下面结合具体实施方式对本发明作进一步具体说明。
实施例1西湖龙井茶的产地识别
一种西湖龙井茶的产地识别技术方法,包括以下步骤:
1)选择来自不同产地的茶叶代表性样品;通过对西湖龙井茶一级保护区十个村及龙坞镇、留下镇二级保护区进行了代表性取样,总计采集了西湖龙井茶早期、中期、晚期样本总计100份;同时分别在钱塘龙井茶产区、越州龙井茶产区、非龙井扁茶产区如缙云、遂昌、贵州黎平、四川青川、山东日照等几个产扁茶的区域采集了代表性样品共计124份。西湖、越州和钱塘属于法定的龙井茶产区。茶叶样品采取定点取样方式获得,加工时间在各地因当地物候期差异而有所不同,但每一地区注意选择早、中、晚不同时期的样品;取样时选取了当地代表性茶树品种:龙井43和当地群体种。
2)元素测定样品经微波消解、稀释等预处理,同时设置空白对照样;同位素比率测定采用锡箔纸包裹处理后直接固体进样测定;样品的元素含量分析采用如下方法进行前处理,称取0.3g经球磨机(MM301,德国,Retsch)磨碎的样品于聚四氟乙烯管中,加入6ml70%HNO3(优级纯,美国,ThermoFisherScientific),300μl30%HF溶液(优级纯,江苏永华科技有限公司),加盖静置1小时。聚四氟乙烯管经20%硝酸浸泡过夜,超纯水清洗,晾干待用。将处理好的样品放入微波消解仪进行消解。消解程序参数为15min升至140℃保持2min,10min升至180℃保持8min,冷却后,135℃赶酸2h,超纯水定容至14ml。
同位素比率的样品处理:
茶叶样品经球磨仪充分粉碎后,过100目筛,用锡杯包裹进行分析。由于不同类型的样品碳和氮的含量不同,因而重量不同,根据样品的种类确定所需包样的重量。通常每个样品的氮的含量为20-150微克之间,碳的含量200-2000μg之间。
3)大量元素采用电感耦合等离子体发射光谱仪(ICP-AES)测定;微量元素、痕量元素及金属稳定同位素比率采用电感耦合等离子体质谱(ICP-MS,AURORAM90,德国,BRUKER公司)测定;C、N稳定同位素比率采用varioPYROcube元素分析仪连接到ISOPRIME-100测定,18O或D/H同位素比率采用elementarPyroCube连接到ISOPRIME-100同位素比质谱仪进行分析;部分微量及痕量元素的含量由ICP-MS测定,ICP-MS的工作参数为:射频功率1400W,冷却气流速18L/min,辅助气流速1.65L/min,雾化器流速0.95L/min,鞘气流速0.25L/min,采样高度6.5mm,泵稳定时间30s。
内标溶液:1000μg/mlRh,In,Re混合标准溶液(中国计量科学研究院),用1%HNO3稀释为1μg/ml,由内标管在线引入质谱仪。
茶叶样品中的C、N、S同位素比率的测定:采用AESIL对茶叶中样品中的C、N、S同位素分析,通过元素分析仪连接到连续流同位素比质谱仪(IRMS)。可以实现一个样品中C、N、S的同时分析。分析过程如下:用锡杯包裹的茶叶样品,使用varioPYROcube元素分析仪连接到ISOPRIME-100进行13C、15N、34S同位素分析。样品在1120℃下在填充有WO3的氧化管中氧化物烧。燃烧后形成的气体在填有还原铜的管内还原为N2(850℃)。气体通过氦载气流经水阱(高氯酸镁)。N2、CO2、SO2经过吸附与解吸附柱分离分离,然后再进入同位素质谱仪(IRMS)进行同位素分析。
茶叶样品中的H、O同位素比率测定:AESIL使用TC/EA连接到IRMS系统进行茶叶样品中的18O或D/H同位素分析。茶叶样品中18O和D/H分别进行同位素比值分析。分析时使用的是elementarPyroCube连接到ISOPRIME-100同位素比质谱仪进行同位素分析的。样品在1400°C的条件下在玻璃碳管中高温裂解与反应形成H2和CO,H2、CO在通过水阱和CO2捕集井时得到纯化,在通过吸附解吸附阱时得到分离。在分析过程中,采用国际上通用的平衡时间,利用国际标样IAEA-CH7,IAEA-600,IAEA-601和IAEA-602等采用2点校正的方式对测试样品进行校正。
4)对不同产地茶叶样品的元素含量及同位素比率数据进行标准化预处理,采用SIMCA13.0及SPSS18.0软件等多元数据处理技术,如主成分分析和神经网络,提取样品中的有效质量信息,构建茶叶的产地识别技术模型;
5)将未知产地信息的茶叶样品,经消解预处理,元素及同位素比率测定,数据预处理后,输入茶叶的产地识别技术模型,对茶叶产地信息进行预测。
本方法总计获取了Ga(μg/kg)、Ge(μg/kg)、Y(μg/kg)、Cd(μg/kg)、Sn(μg/kg)、Sb(μg/kg)、La(μg/kg)、Ce(μg/kg)、Pr(μg/kg)、Nd(μg/kg)、Sm(μg/kg)、Eu(μg/kg)、Gd(μg/kg)、Tb(μg/kg)、Dy(μg/kg)、Ho(μg/kg)、Er(μg/kg)、Tm(μg/kg)、Yb(μg/kg)、Lu(μg/kg)、Tl(μg/kg)、Pb(μg/kg)、Bi(μg/kg)、Th(μg/kg)、U(μg/kg)、Al(mg/kg)、As(mg/kg)、B(mg/kg)、Ba(mg/kg)、Be(mg/kg)、Ca(mg/kg)、Co(mg/kg)、Cr(mg/kg)、Cu(mg/kg)、Fe(mg/kg)、K(mg/kg)、Li(mg/kg)、Mg(mg/kg)、Mn(mg/kg)、Mo(mg/kg)、Na(mg/kg)、Ni(mg/kg)、P(mg/kg)、S(mg/kg)、Se(mg/kg)、Ti(mg/kg)、V(mg/kg)、Zn(mg/kg)、Sr(mg/kg)、15N(%)、13C(%)、72Ge/73Ge、111Cd/113Cd、117Sn/118Sn、118Sn/119Sn、143Nd/146Nd、157Gd/158Gd、161Dy/163Dy、172Yb/173Yb、203Tl/205Tl、206Pb/207Pb、207Pb/208Pb、88Sr/86Sr、63Cu/65Cu、60Ni/62Ni、62Ni/61Ni、68Zn/67Zn、95Mo/97Mo、13C(‰)、15N(‰)、D(‰)、18O(‰)等共计72个指标,其中元素51个,同位素21个。通过偏最小二乘法、线性判别分析法、神经网络三种模型的统计分析,我们发现偏最小二乘法所获取的模型正确判别率为94.4%;线性判别分析法所获取的模型的正确判别率为94.1%;神经网络所获取的模型正确判别率为86.0%;因此偏最小二乘法获取的模型具有较高的正确判别能力。通过偏最小二乘法,我们从中提取了四个主成分,累计贡献率达到94.4%,其中第一组成分的贡献率即达到了86.2%。从中我们获得了21个特征成分(VIP>1),利用这些特征成分能较好地区分西湖龙井与非西湖龙井茶。
通过对未知样品进行验证预测,结果表明,偏最小二乘法所获取的模型预测准确率为92.0%;线性判别分析法所获取的模型预测准确率为90.8%;神经网络所获取的模型预测准确率为72.0%。因此,我们认为偏最小二乘法所获取的模型具有较好的预测准确度,能较好地正确判别西湖龙井与非西湖龙井的产地来源。
通过偏最小二乘法数据分析,形成西湖龙井茶产地区分模型,其模型方程为:
X=Mg*0.86-Sn*0.72+K*0.75+13C*0.64+Zn*0.74+P*0.77-95Mo/97Mo*0.61-B*0.62+157Gd/158Gd*0.65-V*0.57+S*0.74-Na*0.66-Sb*0.62+Ni*0.58+Ba*0.56+143Nd/146Nd*0.49+Cu*0.56+Ca*0.55+60Ni/62Ni*0.52+206Pb/207Pb*0.45+As*0.52。
模型中各元素符号表示其含量值,各同位素比值表示其同位素比率,当X值<0时判定为西湖龙井,当X值>0时判定为非西湖龙井。
该区分模型的模型正确判别率为94.4%,预测准确率为92.0%(图1)。通过V形图与响应排序检验图对该模型进行了验证(图2、图3),表明了该模型是可靠的。
实施例2ICP-AES及ICP-MS
称取0.3g经球磨机(MM301,德国,Retsch)磨碎的样品于聚四氟乙烯管中,加入6ml70%HNO3(优级纯,美国,ThermoFisherScientific)、300μl30%HF溶液(优级纯,江苏永华科技有限公司),加盖静置1小时。聚四氟乙烯管使用前经20%硝酸浸泡过夜,超纯水清洗、晾干。将静置后的样品放入微波消解仪进行消解,消解程序参数为15min升至140℃保持2min,10min升至180℃保持8min,冷却后,135℃赶酸2h,超纯水定容至14ml。
大量元素由ICP-AES(iCAP6300DUO,美国热电公司)测定;微量元素及稀土元素含量由ICP-MS(AURORAM90,德国,BRUKER公司)测定,ICP-MS的工作参数为:射频功率1400W,冷却气流速18L/min,辅助气流速1.65L/min,雾化器流速0.95L/min,鞘气流速0.25L/min,采样高度6.5mm,泵稳定时间30s。
标准曲线绘制:
大量元素包括如下几种:Al、Ca、Fe、P、Mg、Mn、S、Na、K,测定标准均按0,1.0,5.0,10.0,25.0mg/L梯度配制;
其余的微/痕量元素:如Pb、Cu、As、Cd、Fe、Mn、Cr、Co、B、Zn等,测定标准均按0,0.5,1.0,2.0,5.0,10.0mg/L梯度配制;
稀土元素采用如下方式配制测定标准溶液:用1%稀硝酸将稀土元素混合标准贮备液(100μg/ml,含15种稀土元素La,Ce,Pr,Nd,Sm,Eu,Gd,Tb,Dy,Ho,Er,Tm,Yb,Lu,Y)、Bruker公司元素混合标准贮备液(100μg/ml,含Al,As,Ba,Be,Cd,Cr,Co,Cu,Pb,Mn,Ni,Se,Ag,Tl,Th,U,V,Zn18种元素)逐级稀释为1,3,6μg/L的混合标准溶液,用1%稀硝酸将Mn,Ni,Tl,B,Bi,Fe,Ga,Sb,Ti,Sr,Sn元素混合标准贮备液(100μg/ml)逐级稀释为2,5,6μg/L的混合标准溶液。在ICP-MS的工作条件下采集空白溶液(1%HNO3)和标准溶液系列,由仪器自动绘制标准曲线。
内标溶液:一定体积的1000μg/mlRh,In,Re混合标准溶液(中国计量科学研究院),用1%HNO3稀释为1μg/ml,由内标管在线引入质谱仪。
实施例3稳定性碳、氮同位素比率检测
称取约2-4mg待测样,用锡杯包好后放置于元素分析仪(ElementervarioPYROcube,德国Elementer公司)样品盘中,样品中的碳元素和氮元素转化为纯净的CO2和N2通过氦载气流经阱,通过吸附解吸附得到分离纯化,然后进入同位素质谱仪。利用IAEA-N1、IAEA-N3和USGS24、USGS41、IAEA-S-1、NBS123等对标准气体进行校正,在分析过程中,每12个样品穿插一个实验室标样进行校正。仪器长期标准偏差为0.2‰。具体条件:元素分析仪氦气吹扫流量为230ml/min,氧化炉和还原炉温度分别为1120℃、850℃,进入质谱仪载气氦气流量为100ml/min。
实施例4稳定性氧、氢同位素比率检测
称取约3mg待测样,用锡杯包好后放置于元素分析仪样品盘中,样品在1400°C的条件下在玻璃碳管中高温裂解与反应形成H2和CO,H2、CO在通过水阱和CO2捕集阱时得到纯化,在通过吸附解吸附阱时得到分离。在分析过程中,采用国际上通用的平衡时间,利用国际标样IAEA-CH7,IAEA-600,IAEA-601和IAEA-602等采用2点校正的方式对测试样品进行校正。氦气流量为125ml/min。
稳定同位素比率计算公式:
δ(‰)=[(R样品/R标准)-1]*1000
R样品:所测样品中重同位素与轻同位素丰度比,即13C/12C,15N/14N,18O/16O,D/1H。
R标准:国际标准样中,δ15N的参照标准为大气,δ13C以国际标准的V-PDB为基准,δ18O和δD以平均海洋水为基准(SMOW)。称取约2-4mg待测样,用锡杯包好后放置于元素分析仪(ElementervarioPYROcube,德国Elementer公司)样品盘中,样品中的碳元素和氮元素转化为纯净的CO2和N2通过氦载气流经阱,通过吸附解吸附得到分离纯化,然后进入同位素质谱仪。利用IAEA-N1、IAEA-N3和USGS24、USGS41、IAEA-S-1、NBS123等对标准气体进行校正,在分析过程中,每12个样品穿插一个实验室标样进行校正。仪器长期标准偏差为0.2‰。具体条件:元素分析仪氦气吹扫流量为230ml/min,氧化炉和还原炉温度分别为1120℃、850℃,进入质谱仪载气氦气流量为100ml/min。
Claims (6)
1.一种基于离子组学的西湖龙井茶产地识别方法,其特征在于包括以下步骤:
1)选择来自西湖龙井茶产地的茶叶代表性样品:通过对西湖龙井茶一级保护区及二级保护区进行代表性取样,采集若干个西湖龙井茶早期、中期、晚期样本;
2)样品预处理:
样品的元素含量测定采用如下方法进行预处理:称取0.3g经球磨机磨碎的样品于聚四氟乙烯管中,加入6ml70%HNO3,300μl30%HF溶液,加盖静置1小时;然后将装有样品的聚四氟乙烯管放入微波消解仪中进行消解;消解程序参数为15min升至140℃保持2min,10min升至180℃保持8min,冷却后,135℃赶酸2h,超纯水定容至14ml;
样品同位素比率分析采用如下方法进行预处理:茶叶样品经球磨仪充分粉碎后,过100目筛,用锡杯包裹处理直接固体进样测定;包样的重量根据样品的种类确定,控制每个样品氮的含量在20-150μg之间,碳的含量在200-2000μg之间;
3)样品分析测定:
大量元素采用电感耦合等离子体发射光谱仪测定;微量元素、痕量元素及金属稳定同位素比率采用电感耦合等离子体质谱测定;C、N稳定同位素比率采用varioPYROcube元素分析仪连接到ISOPRIME-100测定,18O或D/H同位素比率采用elementarPyroCube连接到ISOPRIME-100同位素比质谱仪进行分析;微量及痕量元素的含量由ICP-MS测定,ICP-MS的工作参数为:射频功率1400W,冷却气流速18L/min,辅助气流速1.65L/min,雾化器流速0.95L/min,鞘气流速0.25L/min,采样高度6.5mm,泵稳定时间30s;
内标溶液:1000μg/mlRh,In,Re混合标准溶液,用1%HNO3稀释为1μg/ml,由内标管在线引入质谱仪;
茶叶样品中的C、N、S同位素比率的测定:采用AESIL对茶叶中样品中的C、N、S同位素分析,通过元素分析仪连接到连续流同位素比质谱仪,实现单个样品中C、N、S的同时分析,分析过程为:用锡杯包裹的茶叶样品,使用varioPYROcube元素分析仪连接到ISOPRIME-100进行13C、15N、34S同位素分析;样品在1120℃下在填充有WO3的氧化管中氧化燃烧;燃烧后形成的气体在填有还原铜的管内还原为N2;气体通过氦载气流经水阱,N2、CO2、SO2经过吸附与解吸附柱分离分离,然后再进入同位素质谱仪(IRMS)进行同位素分析;
茶叶样品中的H、O同位素比率测定:AESIL使用TC/EA连接到IRMS系统进行茶叶样品中的18O或D/H同位素分析;茶叶样品中18O和D/H分别进行同位素比值分析;
4)对不同茶叶代表性样品的元素含量及同位素比率数据进行标准化预处理,采用主成分分析和神经网络多元数据处理技术,提取样品中的有效质量信息,构建西湖龙井茶的产地识别技术模型;
5)将未知产地信息的茶叶样品,经预处理,元素及同位素比率测定,数据处理后,输入茶叶的产地识别技术模型,对茶叶产地信息进行预测。
2.根据权利要求1所述的一种基于离子组学的西湖龙井茶产地识别方法,其特征在于步骤4)中构建的西湖龙井茶的产地识别技术模型为偏最小二乘法所获取的模型。
3.根据权利要求1所述的一种基于离子组学的西湖龙井茶产地识别方法,其特征在于步骤4)中构建的西湖龙井茶的产地识别技术模型为:X=Mg*0.86-Sn*0.72+K*0.75+13C*0.64+Zn*0.74+P*0.77-95Mo/97Mo*0.61-B*0.62+157Gd/158Gd*0.65-V*0.57+S*0.74-Na*0.66-Sb*0.62+Ni*0.58+Ba*0.56+143Nd/146Nd*0.49+Cu*0.56+Ca*0.55+60Ni/62Ni*0.52+206Pb/207Pb*0.45+As*0.52;
模型中各元素符号表示其含量值,各同位素比值表示其同位素比率;未知产地信息的茶叶样品测定后输入该模型,当X值<0时判定为西湖龙井,当X值>0时判定为非西湖龙井。
4.根据权利要求1所述的一种基于离子组学的西湖龙井茶产地识别方法,其特征在于步骤3)中所述样品分析测定的指标为:Ga(μg/kg)、Ge(μg/kg)、Y(μg/kg)、Cd(μg/kg)、Sn(μg/kg)、Sb(μg/kg)、La(μg/kg)、Ce(μg/kg)、Pr(μg/kg)、Nd(μg/kg)、Sm(μg/kg)、Eu(μg/kg)、Gd(μg/kg)、Tb(μg/kg)、Dy(μg/kg)、Ho(μg/kg)、Er(μg/kg)、Tm(μg/kg)、Yb(μg/kg)、Lu(μg/kg)、Tl(μg/kg)、Pb(μg/kg)、Bi(μg/kg)、Th(μg/kg)、U(μg/kg)、Al(mg/kg)、As(mg/kg)、B(mg/kg)、Ba(mg/kg)、Be(mg/kg)、Ca(mg/kg)、Co(mg/kg)、Cr(mg/kg)、Cu(mg/kg)、Fe(mg/kg)、K(mg/kg)、Li(mg/kg)、Mg(mg/kg)、Mn(mg/kg)、Mo(mg/kg)、Na(mg/kg)、Ni(mg/kg)、P(mg/kg)、S(mg/kg)、Se(mg/kg)、Ti(mg/kg)、V(mg/kg)、Zn(mg/kg)、Sr(mg/kg)、15N(%)、13C(%)、72Ge/73Ge、111Cd/113Cd、117Sn/118Sn、118Sn/119Sn、143Nd/146Nd、157Gd/158Gd、161Dy/163Dy、172Yb/173Yb、203Tl/205Tl、206Pb/207Pb、207Pb/208Pb、88Sr/86Sr、63Cu/65Cu、60Ni/62Ni、62Ni/61Ni、68Zn/67Zn、95Mo/97Mo、13C(‰)、15N(‰)、D(‰)、18O(‰)。
5.根据权利要求1所述的一种基于离子组学的西湖龙井茶产地识别方法,其特征在于步骤3)中所述茶叶样品中18O和D/H所用的同位素比值分析方法为;采用elementarPyroCube连接到ISOPRIME-100同位素比质谱仪进行同位素分析,样品在1400℃的条件下在玻璃碳管中高温裂解与反应形成H2和CO,H2、CO在通过水阱和CO2捕集井时得到纯化,在通过吸附解吸附阱时得到分离;在分析过程中,采用国际上通用的平衡时间,利用国际标样IAEA-CH7,IAEA-600,IAEA-601和IAEA-602采用2点校正的方式对测试样品进行校正。
6.一种基于离子组学的西湖龙井茶产地识别方法在除西湖龙井茶以外的其他茶叶产地识别上的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510736677.6A CN105259160B (zh) | 2015-11-03 | 2015-11-03 | 一种基于离子组学的西湖龙井茶产地识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510736677.6A CN105259160B (zh) | 2015-11-03 | 2015-11-03 | 一种基于离子组学的西湖龙井茶产地识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105259160A true CN105259160A (zh) | 2016-01-20 |
CN105259160B CN105259160B (zh) | 2018-09-11 |
Family
ID=55098930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510736677.6A Active CN105259160B (zh) | 2015-11-03 | 2015-11-03 | 一种基于离子组学的西湖龙井茶产地识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105259160B (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105699472A (zh) * | 2016-01-21 | 2016-06-22 | 中国农业科学院茶叶研究所 | 基于稳定同位素比例差异的扁形茶产地判别方法 |
CN106092691A (zh) * | 2016-07-16 | 2016-11-09 | 中国科学院寒区旱区环境与工程研究所 | 固体含氢样品氢同位素在线样品制备装置 |
CN106560693A (zh) * | 2016-10-20 | 2017-04-12 | 中国计量大学 | 基于偏最小二乘判别的武夷岩茶产地鉴别方法 |
CN106560701A (zh) * | 2016-10-20 | 2017-04-12 | 中国计量大学 | 基于五隐藏层的武夷岩茶产地深度学习系统 |
CN106560699A (zh) * | 2016-10-20 | 2017-04-12 | 中国计量大学 | 用于武夷岩茶产地鉴别的联合检测方法 |
CN106560700A (zh) * | 2016-10-20 | 2017-04-12 | 中国计量大学 | 能自动鉴别武夷岩茶产地的机器学习方法 |
CN106909773A (zh) * | 2017-01-11 | 2017-06-30 | 合肥工业大学 | 一种基于偏最小二乘回归提高元素分析仪建模稳健性的方法 |
CN107290508A (zh) * | 2017-08-04 | 2017-10-24 | 浙江理工大学 | 一种以稳定同位素技术为基础对丝绸产地溯源的方法 |
CN107290509A (zh) * | 2017-08-04 | 2017-10-24 | 浙江理工大学 | 一种以稳定同位素技术为基础对羊毛纤维产地溯源的方法 |
CN107966414A (zh) * | 2016-10-20 | 2018-04-27 | 中国计量大学 | 一种能鉴别武夷岩茶特定地理标志的方法 |
CN108680406A (zh) * | 2018-03-21 | 2018-10-19 | 浙江理工大学 | 一种基于矿物元素指纹对丝织物产地追溯的方法 |
CN109580802A (zh) * | 2018-07-27 | 2019-04-05 | 深圳出入境检验检疫局食品检验检疫技术中心 | 同位素比率质谱仪、测试硫同位素方法、奶粉溯源方法 |
CN109916991A (zh) * | 2019-04-09 | 2019-06-21 | 新疆大学 | 一种基于金属元素结合pls-da模型判别啤酒花品种和产地的方法 |
CN110412115A (zh) * | 2019-07-30 | 2019-11-05 | 浙江省农业科学院 | 基于稳定同位素和多元素的未知年份绿茶原产地预测方法 |
CN110455612A (zh) * | 2019-09-08 | 2019-11-15 | 浙江理工大学 | 一种针对锶同位素检测的桑叶及桑枝杂质去除方法 |
CN110596078A (zh) * | 2019-08-14 | 2019-12-20 | 暨南大学 | 一种地理标志鳜鱼的产地溯源鉴别方法 |
CN110779978A (zh) * | 2019-11-20 | 2020-02-11 | 中国水产科学研究院淡水渔业研究中心 | 基于鳍条微化学和稳定同位素特征的刀鲚群体关联性判别方法 |
CN111487309A (zh) * | 2020-04-29 | 2020-08-04 | 中国工程物理研究院核物理与化学研究所 | 一种基于判别分析的铀矿石地理溯源方法 |
CN111868507A (zh) * | 2018-03-13 | 2020-10-30 | 日本电信电话株式会社 | 产地推定方法 |
CN111912893A (zh) * | 2020-08-03 | 2020-11-10 | 西北大学 | 一种基于离子组学鉴别中蜂蜂蜜地理源的方法 |
JP2021089260A (ja) * | 2019-12-04 | 2021-06-10 | 中国計量大学 | 西湖龍井茶の信頼可能な真偽鑑別方法 |
CN114088800A (zh) * | 2021-11-19 | 2022-02-25 | 福建中医药大学 | 一种追溯灵芝产地及其种植阶段的方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103645238A (zh) * | 2013-12-11 | 2014-03-19 | 中国食品发酵工业研究院 | 一种基于稳定同位素比值鉴别冬虫夏草产地的方法 |
CN104678019A (zh) * | 2015-03-01 | 2015-06-03 | 云南农业大学 | 一种基于稳定同位素指纹的三七块根产地鉴别方法 |
-
2015
- 2015-11-03 CN CN201510736677.6A patent/CN105259160B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103645238A (zh) * | 2013-12-11 | 2014-03-19 | 中国食品发酵工业研究院 | 一种基于稳定同位素比值鉴别冬虫夏草产地的方法 |
CN104678019A (zh) * | 2015-03-01 | 2015-06-03 | 云南农业大学 | 一种基于稳定同位素指纹的三七块根产地鉴别方法 |
Non-Patent Citations (2)
Title |
---|
徐生坚等: "氢和氧稳定同位素比率在橙汁掺假溯源鉴别中的应用初探", 《食品工业》 * |
袁玉伟等: "茶叶中同位素与多元素特征及其原产地PCA-LDA判别研究", 《核农学报》 * |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105699472B (zh) * | 2016-01-21 | 2019-02-05 | 中国农业科学院茶叶研究所 | 基于稳定同位素比例差异的扁形茶产地判别方法 |
CN105699472A (zh) * | 2016-01-21 | 2016-06-22 | 中国农业科学院茶叶研究所 | 基于稳定同位素比例差异的扁形茶产地判别方法 |
CN106092691A (zh) * | 2016-07-16 | 2016-11-09 | 中国科学院寒区旱区环境与工程研究所 | 固体含氢样品氢同位素在线样品制备装置 |
CN107966414A (zh) * | 2016-10-20 | 2018-04-27 | 中国计量大学 | 一种能鉴别武夷岩茶特定地理标志的方法 |
CN106560699A (zh) * | 2016-10-20 | 2017-04-12 | 中国计量大学 | 用于武夷岩茶产地鉴别的联合检测方法 |
CN106560700A (zh) * | 2016-10-20 | 2017-04-12 | 中国计量大学 | 能自动鉴别武夷岩茶产地的机器学习方法 |
CN106560701A (zh) * | 2016-10-20 | 2017-04-12 | 中国计量大学 | 基于五隐藏层的武夷岩茶产地深度学习系统 |
CN106560693A (zh) * | 2016-10-20 | 2017-04-12 | 中国计量大学 | 基于偏最小二乘判别的武夷岩茶产地鉴别方法 |
CN106909773A (zh) * | 2017-01-11 | 2017-06-30 | 合肥工业大学 | 一种基于偏最小二乘回归提高元素分析仪建模稳健性的方法 |
CN107290508A (zh) * | 2017-08-04 | 2017-10-24 | 浙江理工大学 | 一种以稳定同位素技术为基础对丝绸产地溯源的方法 |
CN107290509A (zh) * | 2017-08-04 | 2017-10-24 | 浙江理工大学 | 一种以稳定同位素技术为基础对羊毛纤维产地溯源的方法 |
CN111868507A (zh) * | 2018-03-13 | 2020-10-30 | 日本电信电话株式会社 | 产地推定方法 |
CN108680406A (zh) * | 2018-03-21 | 2018-10-19 | 浙江理工大学 | 一种基于矿物元素指纹对丝织物产地追溯的方法 |
CN109580802A (zh) * | 2018-07-27 | 2019-04-05 | 深圳出入境检验检疫局食品检验检疫技术中心 | 同位素比率质谱仪、测试硫同位素方法、奶粉溯源方法 |
CN109916991A (zh) * | 2019-04-09 | 2019-06-21 | 新疆大学 | 一种基于金属元素结合pls-da模型判别啤酒花品种和产地的方法 |
CN110412115A (zh) * | 2019-07-30 | 2019-11-05 | 浙江省农业科学院 | 基于稳定同位素和多元素的未知年份绿茶原产地预测方法 |
CN110596078A (zh) * | 2019-08-14 | 2019-12-20 | 暨南大学 | 一种地理标志鳜鱼的产地溯源鉴别方法 |
CN110455612A (zh) * | 2019-09-08 | 2019-11-15 | 浙江理工大学 | 一种针对锶同位素检测的桑叶及桑枝杂质去除方法 |
CN110779978A (zh) * | 2019-11-20 | 2020-02-11 | 中国水产科学研究院淡水渔业研究中心 | 基于鳍条微化学和稳定同位素特征的刀鲚群体关联性判别方法 |
JP2021089260A (ja) * | 2019-12-04 | 2021-06-10 | 中国計量大学 | 西湖龍井茶の信頼可能な真偽鑑別方法 |
CN111487309A (zh) * | 2020-04-29 | 2020-08-04 | 中国工程物理研究院核物理与化学研究所 | 一种基于判别分析的铀矿石地理溯源方法 |
CN111912893A (zh) * | 2020-08-03 | 2020-11-10 | 西北大学 | 一种基于离子组学鉴别中蜂蜂蜜地理源的方法 |
CN114088800A (zh) * | 2021-11-19 | 2022-02-25 | 福建中医药大学 | 一种追溯灵芝产地及其种植阶段的方法及系统 |
CN114088800B (zh) * | 2021-11-19 | 2024-02-09 | 福建中医药大学 | 一种追溯灵芝产地及其种植阶段的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105259160B (zh) | 2018-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105259160A (zh) | 一种基于离子组学的西湖龙井茶产地识别方法 | |
CN103630528B (zh) | 一种利用茶叶中元素含量鉴别茶叶产地的方法 | |
Dauphas et al. | Iron isotope systematics | |
CN105699472B (zh) | 基于稳定同位素比例差异的扁形茶产地判别方法 | |
Qi et al. | Platinum-group elemental and Sr–Nd–Os isotopic geochemistry of Permian Emeishan flood basalts in Guizhou Province, SW China | |
CN107424003A (zh) | 一种基于稳定性同位素比率和多元素的杨梅产地溯源方法 | |
Woodhead et al. | In situ Pb-isotope analysis of pyrite by laser ablation (multi-collector and quadrupole) ICPMS | |
CN105044198B (zh) | 一种基于矿质元素指纹鉴别葡萄酒原产地的方法 | |
CN104458891A (zh) | 一种利用电感耦合等离子体质谱进行茶叶产地溯源的方法 | |
CN101315316A (zh) | 富钛料的消解方法和检测方法 | |
CN103529016A (zh) | 连铸保护渣中多组分含量的快速测定方法 | |
CN102323327A (zh) | 铂族元素锑试金微波消解电感耦合等离子体质谱的测定法 | |
CN103308646A (zh) | 一种edta容量法测定铜渣、铜镉渣中锌、镉方法 | |
Fragni et al. | Towards the development of a multi-element analysis by ICP-oa-TOF-MS for tracing the geographical origin of processed tomato products | |
CN109752441A (zh) | 一种基于多元素的车厘子/樱桃产地溯源方法 | |
Huang et al. | High-precision determination of stable potassium and magnesium isotopes utilizing single column separation and multicollector inductively coupled plasma mass spectrometry | |
Lancellotti et al. | Tracing geographical origin of Lambrusco PDO wines using isotope ratios of oxygen, boron, strontium, lead and their elemental concentration | |
CN104914090B (zh) | 一种微波消解‑ICP‑OES连续测定铅锌冶炼烟尘中Ga、In、Ge的检测方法 | |
CN110068605A (zh) | 一种基于pca-lda分析鉴别大米产地的方法 | |
CN102661885A (zh) | 原油或沉积有机质中微量金属元素富集方法 | |
CN105203622A (zh) | 一种测定杨梅树不同部位样品中铅的同位素比值并鉴定杨梅产地的方法 | |
CN110646500B (zh) | 一种吐鲁番葡萄干原产地溯源体系 | |
Ackerman et al. | Determination of total sulfur in fifteen geological materials using inductively coupled plasma‐optical emission spectrometry (ICP‐OES) and combustion/infrared spectrometry | |
CN104215634A (zh) | 一种测定钨精矿中锡含量的方法 | |
CN101576540B (zh) | 软锰矿浸取溶液中so42-、so32-、s2o62-、s2o82-同步分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |