CN110068605A - 一种基于pca-lda分析鉴别大米产地的方法 - Google Patents
一种基于pca-lda分析鉴别大米产地的方法 Download PDFInfo
- Publication number
- CN110068605A CN110068605A CN201910288719.2A CN201910288719A CN110068605A CN 110068605 A CN110068605 A CN 110068605A CN 201910288719 A CN201910288719 A CN 201910288719A CN 110068605 A CN110068605 A CN 110068605A
- Authority
- CN
- China
- Prior art keywords
- rice
- production
- place
- pca
- lda
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/62—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating the ionisation of gases, e.g. aerosols; by investigating electric discharges, e.g. emission of cathode
Abstract
本发明公开了一种基于PCA‑LDA分析鉴别大米产地的方法,包括如下步骤:1)将不同产地的大米样品分别进行预处理;2)利用稳定同位素比率质谱仪和电感耦合等离子体质谱仪测定大米的稳定同位素比率和多元素含量;3)将得到的已知产地大米样品数据进行中心标准化,构建同位素和多元素产地特征数据库,运用PCA‑LDA的方法,建立大米产地判别模型;4)根据建立的大米产地判别模型,预测市场未知大米样品的产地。本发明方法不仅实现了黑龙江、辽宁和江苏大米的原产地溯源和鉴别,还具有较高的判别精准度,实现了优质品牌大米的保护和消费者对产品真实性的辨别,具有极强的应用价值。
Description
技术领域
本发明属于大米溯源检测领域,具体涉及一种基于PCA-LDA分析鉴别大米产地的方法。
背景技术
由于大米受种植区域地理因素,如气候、土壤等的影响,各地的大米具有不同区域特色。比如我国黑龙江、江苏和辽宁这三个省份的原产地大米由于品质口感好,名气较大。黑龙江有五常、方正、响水、珍宝岛4个大米品牌获得国家地理标志产品。地理标志大米产品相对普通品牌大米来说具有较高的经济效益和消费者青睐度,各地冒充知名大米的现象较为普遍,普通消费者无法通过感官区分,因此亟待建立产地鉴别的方法,确保优质大米的标识真实性,保障企业声誉和消费者权益。
目前,农产品产地溯源和鉴别的技术较多,其中稳定同位素及矿物元素分析方法用于辨别植物源性农产品来源较为成熟。Ariyama等通过利用高分辨率电感耦合等离子体质谱仪测定了4个国家的稻米中锶和铷同位素比和重金属元素含量,结合3种化学计量学方法判别稻米原产地情况,鉴别结果的准确率为97%。Branch等通过利用同位素质谱仪及ICP-MS分析了美国、加拿大和欧洲的20个小麦样本中重金属含量以及稳定同位素含量和同位素比率,结合多元统计分析判别3个地区小麦样品的原产地情况,正确判别率为100%,初步判定了小麦的原产地。袁玉伟等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,结合PCA-LDA法对福建、山东和浙江产的茶叶进行数据分析,结果表明采用PCA-LDA法对福建、山东和浙江产地判定的准确率为99%,对浙江余姚、金华和西湖产地判定的准确率为86%。
CN106383162A公开了一种判别大米地理标志的方法,以ICP-MS建立的同时测定24种矿质元素的方法为基础,以矿质元素含量为指标,结合化学计量法,建立射阳、五常和盘锦的大米产地判别模型,以达到产地鉴别的目的。但是上述鉴别方法仅限于测定射阳、五常和盘锦的大米且检测指标较少,因此其应用范围较小,准确度也有限。
发明内容
本发明的目的在于提供了一种通过建立大米稳定同位素比率及多元素信息数据库,再运用化学计量学PCA-LDA分析方法建立黑龙江、辽宁、江苏三个省份的大米产地判别模型,实现了三个省份大米的原产地溯源和鉴别,提升大米产地判别的准确性。
为了实现上述目的,本发明采用的技术方案如下:
一种基于PCA-LDA分析鉴别大米产地的方法,包括如下步骤:
(1)将不同产地的大米样品进行预处理;
(2)利用稳定同位素质谱仪测定大米中δ13C、δ15N、δ2H、δ18O值;同时利用电感耦合等离子体质谱测定处理后大米中Li、Na、Mg、Al、K、Ca、V、Cr、Mn、Fe、Co、Ni、Cu、Zn、Ga、Rb、Sr、Mo、Ag、Cd、CS、Ba、Pb等含量,同时测定86Sr/87Sr、206Pb/207Pb、207Pb/208Pb比率;
(3)将得到的已知产地大米样品测量数据进行中心标准化,建立稳定同位素及多元素特征数据库,运用化学计量学模式识别方法PCA-LDA,构建黑龙江、辽宁、江苏三个省份的大米产地溯源识别模型,得到的两个判别函数为:
Y1=PC1×0.42+PC2×0.42+PC3×(-0.35)+PC4×(-0.02)+PC5×0.52+PC6×0.18+PC7×0.39+PC8×0.17+(-0.16);
Y2=PC1×(-0.06)+PC2×(-3.37)+PC3×1.88+PC4×4.89+PC5×5.55+PC6×3.65+PC7×(-4.29)+PC8×(-3.07)+0.15;
式中,PC1、PC2…依次为第一主成分、第二主成分…;
(4)将未知产地的大米样品测定后输入步骤(3)所述的模型,利用判别函数Y1分辨是否为黑龙江大米样品,再利用判别函数Y2区分出江苏和辽宁的大米样品。
黑龙江、江苏和辽宁这三个省份的原产地大米的品质口感好、产量多、名气较大,因此常被冒名,而本发明利用PCA-LDA方法,构建了黑龙江、辽宁和江苏三个省份的大米产地溯源识别模型,实现了这三个省份的原产地大米的初步鉴别判断。
本发明针对黑龙江、江苏和辽宁地理因素的不同,筛选出测定大米样品中δ13C、δ15N、δ2H、δ18O同位素比率以及Li、Na、Mg、Al、K、Ca、V、Cr、Mn、Fe、Co、Ni、Cu、Zn、Ga、Rb、Sr、Mo、Ag、Cd、CS、Ba、Pb含量,同时测定Pb、Sr同位素比率,再结合化学计量学中主成分分析(PCA)和线性判别分析(LDA)法,根据测得的数据建立判别模型,能非常精准的判别出黑龙江、江苏和辽宁的大米,该方法鉴别区域较大,鉴别准确率高,十分适合大规模的推广应用。
步骤(1)中,所述预处理步骤包括:将大米样品在50~70℃下烘20~28小时,冷却后粉碎处理,过50~70目筛。
步骤(2)中,δ13C、δ15N稳定同位素比率的测定方法为:将处理后大米样品用锡箔杯包好后放入元素分析仪,经过燃烧炉高温裂解转化为CO2和N2气体后,进入同位素质谱仪中进行测定,氦气载气流量为80~120mL·min-1。所述元素分析仪的氦气吹扫流量为220~240mL·min-1,氧化炉和还原炉温度分别为1000~1050℃和600~700℃。
δ2H、δ18O稳定同位素比率测定方法为:将处理后大米样品用银杯包好后放入元素分析仪,经燃烧炉1400~1500℃高温裂解后进入同位素质谱仪进行检测,氦气载气流量为100~150mL·min-1。
所述电感耦合等离子体质谱仪测定方法为:将大米样品于500℃~550℃条件下灰化5h~8h,冷却,加入硝酸溶液溶解,用水定容后过滤,用电感耦合等离子体质谱仪进行测定,测定过程中采用1ng·mL-1铑和铼溶液作为内标溶液来监控和校正仪器信号漂移。
步骤(3)中,将测得的数据进行中心标准化,采用F检验筛选出各区域间存在显著性差异的变量,通过PCA提取出主成分数据进行绛维;根据得到的主成分数据建立,采用LDA建立判别模型。
本发明与现有技术相比,具有以下有益效果:本发明是在以往研究基础上针对我国稻米原产地判定,采用稳定同位素质谱法和电感耦合等离子体质谱法同时测定黑龙江、辽宁、江苏3省份稻米中同位素比和稳定同位素及其他矿物元素,结合化学计量学中主成分分析(PCA)和线性判别分析(LDA)法,初步对这3个省份大米进行原产地溯源和鉴别,为大米的产地提供了准确的判别方法,可以用于优质品牌大米的保护和消费者对产品真实性的辨别。
附图说明
图1为采用PCA-LDA判定函数区分黑龙江、辽宁、江苏三省份大米产地溯源PCA-LDA判别模型,其中,1-15为黑龙江大米,16-21为江苏大米,22-23为辽宁大米。
具体实施方式
下面以具体的实施例对本发明做进一步的阐述。
实施例
1.收集样品
在大米产地现场采集具有代表性的大米样品,所用大米采自黑龙江、辽宁、江苏3省,黑龙江省大米15个样品(哈尔滨五常大米5个、延寿大米5个,鸡西大米3个),辽宁沈阳大米样品2个,江苏省大米6个(连云港大米3个、宿迁2个、淮安1个),总共23个样品。
2.样品预处理
对收集的样品在60℃下烘24小时,采用美国飞利浦HR2864型粉碎机对样品进行粉碎,过60目尼龙筛,制备成精细粉末样本。
3.稳定同位素比率测定
3.1用十万分之一天平称取大米精细粉末样品2.0~5.0mg(确保仪器信号强度在2~10nA范围内),用锡箔杯(规格为4mm×4mm×11mm)包好后采用自动进样器放入元素分析仪(Elementar vario PYRO cube,德国Elementar公司)中,经过燃烧炉高温裂解转化为CO2和N2后,进入同位素质谱仪(Isoprime 100,英国isoprime公司)中进行δ13C、δ15N稳定同位素比率的测定。仪器条件为:元素分析仪氦气吹扫流量为230mL·min-1,氧化炉和还原炉温度分别为920℃和600℃,同位素质谱检测时间设置为550s,进入质谱仪的氦气载气流量为100mL·min-1,N2和CO2标准气体作为参考气。
3.2用十万分之一天平称取过筛后的样品0.30~0.60mg,用银杯(规格为4mm×4mm×11mm)包好后放置于元素分析仪样品盘中,样品经燃烧炉高温裂解后,进入同位素质谱仪进行检测,氦气流量为125mL·min-1,燃烧炉温度为1450℃,同位素质谱检测时间设置为950s,进行δ2H、δ18O同位素比率的测定,O2和H2标准气体作为参考气。
所述δ13C、δ15N、δ2H、δ18O稳定同位素比率计算公式为:
δ=[(R样品/R标准)–1]×1000‰;
式中,R样品为所测大米样品中重同位素与轻同位素丰度比,即13C/12C、15N/14N、18O/16O、2H/1H;R标准为国际标准样品中重同位素与轻同位素丰度比。采用国际原子能机构(IAEA)的稳定同位素比率一级标准品校正样本稳定同位素比值,其中δ13C为V-PDB、δ15N为空气、δ18O和δD为标准平均海洋水(SMOW)。
4.多元素含量及Pb、Sr同位素比率测定
准确称取1.0g左右的大米样品于瓷坩埚中,在电炉上低温碳化至无烟后,至于500℃~550℃的马弗炉中灰化5h~8h,冷却。若灰化不彻底有黑色碳粒,则冷却后滴加少许硝酸湿润,在电热板上干燥后,移入马弗炉中继续灰化成白色灰烬,冷却取出,加入10mL硝酸溶液(5+95)溶解,并用水定容至50mL,摇匀,用定量滤纸过滤后,用ICP-MS(Thermo FisherXseries II,美国赛默飞公司)进行Li、Na、Mg、Al、K、Ca、V、Cr、Mn、Fe、Co、Ni、Cu、Zn、Ga、Rb、Sr、Mo、Ag、Cd、CS、Ba、Pb含量以及206Pb/207Pb、208Pb/206Pb、87Sr/86Sr比率的测定,在测定过程中采用1ng·mL-1铑和铼溶液作为内标溶液来监控和校正仪器信号漂移。
5.数据统计分析及判别模型构建
在MATLAB(2009b,美国MathWorks公司)软件上,采用化学计量学主成分分析(PCA)结合线性判别分析(LDA)方法对建立的同位素及多元素数据库进行统计分析。
首先,通过对数据进行中心标准化,采用F检验筛选出各区域间存在显著性差异的参数;其次,利用PCA提取出前几个主成分,一般选取累计贡献率达到80%以上的前几个主成分代替原始变量来做进一步分析,实现高维数据降维和特征信息的挖掘。在本次实验中,选取PCA前8个特征矢量所对应的累积方差为87%为主成分,其中PC1、PC2、PC3、PC4、PC5、PC6、PC7和PC8的权重分别为26.5%、20.6%、13.8%、6.9%、5.8%、5.5%、4.6%和3.4%,能够有效地提取数据中的信息,见表1,在表中列出了各个主成分中量测变量的载荷系数;然后,采用蒙特卡洛随机法将样本数据随机地划分为校正集和预测集,对校正集样本建立LDA模型,并利用预测集数据验证模型的准确性;最后,蒙特卡洛随机运行2000次,统计LDA模型的总体判别准确率。
通过PCA降维后,结合LDA进行判别建模,对黑龙江、辽宁和江苏3省的大米进行产地判别。在此过程中,通过蒙特卡洛方法先随机选定一部分样本进行建模,区分黑龙江、辽宁和江苏的大米,再对剩余的样品进行产地验证,获取判别函数和计算预测准确度。
表1稻米中主成分信息表
建立的判别函数1(Function 1)如下:
Y1=PC1×0.42+PC2×0.42+PC3×(-0.35)+PC4×(-0.02)+PC5×0.52+PC6×0.18+PC7×0.39+PC8×0.17+(-0.16);
建立的判别函数2(Function 2)如下:
Y2=PC1×(-0.06)+PC2×(-3.37)+PC3×1.88+PC4×4.89+PC5×5.55+PC6×3.65+PC7×(-4.29)+PC8×(-3.07)+0.15;
式中,PC1、PC2…依次为第一主成分、第二主成分…。
通过PCA-LDA处理后3个省份的判别图如图1所示,从中可以看出:黑龙江、辽宁和江苏三个区域产大米能够得到较好区分,可以清楚地判别为三个不同的产地类别,其中1~15号代表的是产自黑龙江的大米,全部集中在右侧区域内,和其他两省的大米样品完全分开,16~21号代表的是江苏省大米样品,集中在左上方区域内,剩下的22~23号是辽宁省的大米样品,在左下方区域。通过蒙特卡洛随机循环运行2000次,23个大米样品的判别准确率高达91%以上,充分地说明了构建的PCA-LDA模型能够用于大米的产地溯源。
结论:通过应用本发明的方案,可以很好地用于大米的产地溯源。
Claims (8)
1.一种基于PCA-LDA分析鉴别大米产地的方法,包括如下步骤:
(1)将不同产地的大米样品进行预处理;
(2)利用稳定同位素质谱仪测定大米中δ13C、δ15N、δ2H、δ18O值;同时利用电感耦合等离子体质谱测定处理后大米中Li、Na、Mg、Al、K、Ca、V、Cr、Mn、Fe、Co、Ni、Cu、Zn、Ga、Rb、Sr、Mo、Ag、Cd、CS、Ba、Pb含量,同时测定86Sr/87Sr、206Pb/207Pb、207Pb/208Pb比率;
(3)将得到的已知产地大米样品测量数据进行中心标准化,建立稳定同位素及多元素特征数据库,运用化学计量学模式识别方法PCA-LDA,构建黑龙江、辽宁、江苏三个省份的大米产地溯源识别模型,得到的两个判别函数为:
Y1=PC1×0.42+PC2×0.42+PC3×(-0.35)+PC4×(-0.02)+PC5×0.52+PC6×0.18+PC7×0.39+PC8×0.17+(-0.16);
Y2=PC1×(-0.06)+PC2×(-3.37)+PC3×1.88+PC4×4.89+PC5×5.55+PC6×3.65+PC7×(-4.29)+PC8×(-3.07)+0.15;
式中,PC1、PC2…依次为第一主成分、第二主成分…;
(4)将未知产地的大米样品测定后输入步骤(3)所述的模型,利用判别函数Y1分辨是否为黑龙江大米样品,再利用判别函数Y2区分出江苏和辽宁的大米样品。
2.根据权利要求1所述的基于PCA-LDA分析鉴别大米产地的方法,其特征在于,步骤(1)中,所述预处理步骤包括:将大米样品在50~70℃下烘20~28小时,冷却后粉碎处理,过50~70目筛。
3.根据权利要求1所述的基于PCA-LDA分析鉴别大米产地的方法,其特征在于,步骤(2)中,δ13C、δ15N稳定同位素比率的测定方法为:将处理后大米样品用锡箔杯包好后放入元素分析仪,经过燃烧炉高温裂解转化为CO2和N2气体后,进入同位素质谱仪中进行测定,氦气载气流量为80~120mL·min-1。
4.根据权利要求3所述的基于PCA-LDA分析鉴别大米产地的方法,其特征在于,所述元素分析仪的氦气吹扫流量为220~240mL·min-1,氧化炉和还原炉温度分别为1000~1050℃和600~700℃。
5.根据权利要求1所述的基于PCA-LDA分析鉴别大米产地的方法,其特征在于,步骤(2)中,δ2H、δ18O稳定同位素比率测定方法为:将处理后大米样品用银杯包好后放入元素分析仪,经燃烧炉1400~1500℃高温裂解后进入同位素质谱仪进行检测,氦气载气流量为100~150mL·min-1。
6.根据权利要求1所述的基于PCA-LDA分析鉴别大米产地的方法,其特征在于,步骤(2)中,所述电感耦合等离子体质谱仪测定方法为:将大米样品于500℃~550℃条件下灰化5h~8h,冷却,加入硝酸溶液溶解,用水定容后过滤,用电感耦合等离子体质谱仪进行测定。
7.根据权利要求6所述的基于PCA-LDA分析鉴别大米产地的方法,其特征在于,所述电感耦合等离子体质谱仪的测定过程中采用1ng·mL-1铑和铼溶液作为内标溶液来监控和校正仪器信号漂移。
8.根据权利要求1所述的基于PCA-LDA分析鉴别大米产地的方法,其特征在于,步骤(3)中,将测得的数据进行中心标准化,采用F检验筛选出各区域间存在显著性差异的变量,通过PCA提取出主成分数据进行绛维;根据得到的主成分数据,采用LDA建立识别模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910288719.2A CN110068605A (zh) | 2019-04-11 | 2019-04-11 | 一种基于pca-lda分析鉴别大米产地的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910288719.2A CN110068605A (zh) | 2019-04-11 | 2019-04-11 | 一种基于pca-lda分析鉴别大米产地的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110068605A true CN110068605A (zh) | 2019-07-30 |
Family
ID=67367391
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910288719.2A Pending CN110068605A (zh) | 2019-04-11 | 2019-04-11 | 一种基于pca-lda分析鉴别大米产地的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110068605A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111220693A (zh) * | 2020-03-16 | 2020-06-02 | 阿拉山口海关技术中心 | 一种基于多元素含量统计学的不同产地和田玉鉴别方法 |
CN112710727A (zh) * | 2021-02-22 | 2021-04-27 | 西藏农牧学院 | 一种基于同位素及矿物质元素pca-lda的茶叶产地溯源方法 |
CN114414653A (zh) * | 2022-01-24 | 2022-04-29 | 杭州海关技术中心 | 一种基于果核的车厘子产地溯源方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107424003A (zh) * | 2017-05-05 | 2017-12-01 | 浙江省农业科学院 | 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 |
CN109564848A (zh) * | 2016-06-07 | 2019-04-02 | 英国质谱公司 | 组合式光学和质谱组织识别探针 |
-
2019
- 2019-04-11 CN CN201910288719.2A patent/CN110068605A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109564848A (zh) * | 2016-06-07 | 2019-04-02 | 英国质谱公司 | 组合式光学和质谱组织识别探针 |
CN107424003A (zh) * | 2017-05-05 | 2017-12-01 | 浙江省农业科学院 | 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 |
Non-Patent Citations (1)
Title |
---|
邵圣枝 等: "稻米中同位素与多元素特征及其产地溯源PCA-LDA判别", 《核农学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111220693A (zh) * | 2020-03-16 | 2020-06-02 | 阿拉山口海关技术中心 | 一种基于多元素含量统计学的不同产地和田玉鉴别方法 |
CN112710727A (zh) * | 2021-02-22 | 2021-04-27 | 西藏农牧学院 | 一种基于同位素及矿物质元素pca-lda的茶叶产地溯源方法 |
CN114414653A (zh) * | 2022-01-24 | 2022-04-29 | 杭州海关技术中心 | 一种基于果核的车厘子产地溯源方法 |
CN114414653B (zh) * | 2022-01-24 | 2023-12-01 | 杭州海关技术中心 | 一种基于果核的车厘子产地溯源方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ni et al. | Multi-element composition and isotopic signatures for the geographical origin discrimination of green tea in China: A case study of Xihu Longjing | |
CN110068605A (zh) | 一种基于pca-lda分析鉴别大米产地的方法 | |
CN103630528A (zh) | 一种利用茶叶中元素含量鉴别茶叶产地的方法 | |
Furutani et al. | Single‐particle chemical characterization and source apportionment of iron‐containing atmospheric aerosols in Asian outflow | |
CN105699472B (zh) | 基于稳定同位素比例差异的扁形茶产地判别方法 | |
Martin et al. | Investigation of laser-induced breakdown spectroscopy and multivariate analysis for differentiating inorganic and organic C in a variety of soils | |
CN106706609B (zh) | 一种基于智能手机快速现场检测金属离子的方法 | |
Butler et al. | Atomic spectrometry update. Environmental analysis | |
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 | |
Baskali-Bouregaa et al. | Tea geographical origin explained by LIBS elemental profile combined to isotopic information | |
CN110412115A (zh) | 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 | |
CN109752441A (zh) | 一种基于多元素的车厘子/樱桃产地溯源方法 | |
CN109060771B (zh) | 一种基于光谱不同特征集的共识模型构建方法 | |
Brinkkemper et al. | Effectiveness of different pre‐treatments in recovering pre‐burial isotopic ratios of charred plants | |
CN110514643A (zh) | 一种电感耦合等离子体发射光谱法测定高纯镁基氧化物中痕量元素的方法 | |
Lai et al. | Multi-elemental analysis by energy dispersion X-ray fluorescence spectrometry and its application on the traceability of soybean origin | |
Gou et al. | Determination of barium isotopic ratios in river water on the multiple collector inductively coupled plasma mass spectrometer | |
CN106442474A (zh) | 一种基于偏最小二乘法的水泥生料三率值测量方法 | |
Ariyama et al. | The determination technique of the geographic origin of Welsh onions by mineral composition and perspectives for the future | |
Moseti et al. | Fe, Zn, Cu, Pb and Cd in tea grown and marketed in Kenya; a quantitative assessment | |
CN110220887B (zh) | 一种测定废电路板剥离料树脂粉中铅、锌、锡和镍的方法 | |
CN110569581A (zh) | 一种基于多元素结合随机森林算法对枸杞产地进行判别的方法 | |
Zampella et al. | Soil properties, strontium isotopic signatures and multi‐element profiles to authenticate the origin of vegetables from small‐scale regions: illustration with early potatoes from southern Italy | |
JP6619323B2 (ja) | コメ産地推定方法 | |
Hopke | An introduction to source receptor modeling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190730 |