CN113159794A - 一种基于有效因子的黄精地理标志产品识别方法 - Google Patents
一种基于有效因子的黄精地理标志产品识别方法 Download PDFInfo
- Publication number
- CN113159794A CN113159794A CN202110070851.3A CN202110070851A CN113159794A CN 113159794 A CN113159794 A CN 113159794A CN 202110070851 A CN202110070851 A CN 202110070851A CN 113159794 A CN113159794 A CN 113159794A
- Authority
- CN
- China
- Prior art keywords
- factors
- effective
- stable isotope
- geographical
- rhizoma polygonati
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
Abstract
本发明属于化学分析检测技术领域,首次提出一种基于有效因子的黄精地理标志产品识别方法。该方法首先采用化学计量学手段对所得稳定同位素和多元素数据进行分析,筛选出有效标志稳定同位素因子和有效标志多元素因子,然后建立基于稳定同位素联合多元素的智能化识别模型库,以实现对青阳黄精地理标志产品的识别。本发明所述基于有效因子的黄精地理标志产品识别方法相对传统基于电子鼻/电子眼、红外光谱法等检测方法,具有简单、迅速、准确、有效、灵敏等优点,可为黄精的地理标志和识别提供一条全新思路。
Description
技术领域
本发明属于化学分析检测技术领域,具体涉及一种基于有效因子的黄精地理标志产品识别方法。
背景技术
黄精属于百合科多年生草本植物,常作为一种滋补的药食两用药材。近年来,黄精已被批准为一种改善食品保健功能的天然添加剂,也可用于制备一些功能性饮料、葡萄酒、薯片和乳制品。我国是黄精的主产区,在安徽、云南、四川等地广泛种植。其中产自安徽青阳九华山的黄精,被称为“江南人参”,是国家地理标志(PGI)保护产品。正宗的PGI黄精产品在市场上被认为是高质量、高价格的产品,有必要准确识别黄精的地理产地并进行正确的标签备注。
目前,基于电子鼻/电子眼、红外光谱法、核磁共振波谱学,色谱指纹图谱以及超高效液相色谱结合高分辨率质谱,常被用来研究黄精的有机/非有机状态、种属、活性成分和抗肿瘤活性等。这些方法大多依据黄精的形态、理化特征引起的指纹图谱的差异,存在识别准确度低、特异性差且花费高、耗时长等不足,且暂未有报道用于识别及标识黄精的地理标志产品的方法。因此,进一步开发一种用于准确识别及标识黄精地理标志产品的方法具有非常重要的研究和应用意义。
发明内容
本发明的主要目的在于提供一种基于有效因子的黄精地理标志产品识别方法,该方法具有准确、高效的优点,可实现青阳黄精的快速有效识别和标识。
为实现上述目的,本发明采用的技术方案为:
一种基于有效因子的黄精地理标志产品识别方法,包括如下步骤:
1)收集青阳黄精地理标志产品和其他不同产地的黄精样品,分别检测不同产地所得黄精样品的稳定同位素和多元素的含量数据;
2)采用化学计量学手段对所得稳定同位素和多元素的含量数据进行分析,筛选出有效标志稳定同位素因子和有效标志多元素因子,建立基于稳定同位素联合多元素的智能化识别模型库,以实现对青阳黄精地理标志产品的识别。
上述方案中,所述化学计量学手段包括主成分分析和一类偏最小二乘判别分析手段,联合主成分分析和一类偏最小二乘判别分析筛选得到的有效标志稳定同位素因子和有效标志多元素因子,作为智能化识别模型库的输入。
上述方案中,所述主成分分析构建PCA模型,对输入的稳定同位素和多元素数据进行分析,筛选出有效标志因子I;一类偏最小二乘判别分析构建OPLSDA模型,对输入的稳定同位素和多元素数据进行分析,筛选出有效标志因子II。
优选的,所述主成分分析采用的潜在变量的累积贡献R2X=0.714,拟合度Q2(cum)=0.541;一类偏最小二乘判别分析采用的模型参数为R2X=0.983,Q2(cum)=0.798。
上述方案中,所述稳定同位素包括δ13C、δ15N、δ18O、δ2H和87Sr/86Sr,等;多元素包括K、Mg、Na、Li、Be、Ca、Sc、Ti、V、Cr、Mn、Fe、Co、Ni、Cu、Zn、Ga、Ge、As、Rb、Sr、Y、Zr、Nb、Mo、Cd、Sn、Sb、Cs、Ba、La、Ce、Pr、Nd、Sm、Eu、Gd、Tb、Dy、Ho、Er、Yb、Hf、Ta、Tl、Pb、Th和U等。
上述方案中,步骤1)中所述含量数据的检测手段包括稳定同位素比质谱仪、热电离质谱仪和电感耦合等离子体质谱仪。
上述方案中,所述其他不同产地包括山西商洛、湖北谷城、贵州安顺、四川阿坝、四川西昌和云南昭通等。
上述方案中,所述黄精样品通过将不同产地收集得到的野生黄精进行清洗、切片,室温风干,研磨至细粉,再进行真空冷冻干燥(24-72h)而成。
上述方案中,所述稳定同位素比质谱仪的检测条件为:将0.08-0.15g黄精粉末样品装在锡杯中用于δ13C和δ15N的稳定同位素含量检测,而装在银杯用于的δ18O和δ2H的稳定同位素含量检测。
上述方案中,所述热电离质谱仪的检测锶稳定同位素的条件为:采用多动态方法抵消杯效率和增益因子且配有1011Ω放大器;锶稳定同位素的数据时积分时间4.2s,跳峰间隔6s;然后,根据通用程序进行实验条件、分析方法和干扰校正;重复测量200次后得到的平均值即为锶稳定同位素数值。
上述方案中,所述电感耦合等离子体质谱仪检测条件为:针对每个黄精样品约0.08-0.15g,用0.8-1.2mL HNO3(30%v/v)和4-6mL H2O2(65%v/v)在微波炉中消化,将所得样品在180±0.2℃条件下置于0.8-1.2mL HNO3(30%v/v)酸化10s-5min,再加入HNO3(30%v/v)稀释至9.5-10.5mL;其中微波炉消化步骤采用的功率为1500kW,采用的升温制度为:在5-8min内升温至100±0.2℃,然后在5-10min内升温至160±0.2℃,再在8-10min内升温至190±0.2℃保温38-45min;最后通过0.45mm的过滤器后进行元素分析。
上述方案中,所述智能化识别模型库采用基于一类偏最小二乘法建立OPLSDA模型,采用的模型参数为R2X=0.983,Q2(cum)=0.798。
上述方案中,所述智能化识别模型库采用Origin 8.0软件对数据进行单因素描述性统计分析,包括平均值、标准差、范围和中位数等。
本发明利用不同产地地貌、土壤、天气、温度、海拔等生态环境影响黄精样品的元素含量差异,利用智能化识别模型库(描述性统计分析、主成分分析和一类偏最小二乘判别分析),联合稳定同位素和多元素,筛选安徽青阳地区黄精与其他地区的差异主要有效标志因子,可实现不同地理产区青阳黄精的快速、高效标识。
与现有技术相比,本发明的有益效果为:
1)本发明首次提出通过生态因素影响稳定同位素联合多元素含量的差异特征,筛选出有效标志因子,识别地理标识产品青阳黄精;该方法具有准确、有效、灵敏等优点,并可实现不同产区黄精样品的可靠性标识,具有重要的实际推广价值;
2)本发明结合主成分分析和一类偏最小二乘判别手段,分别筛选出鉴别效果较好的有效标志因子,然后将二者结合,作为青阳黄精地理标志产品的最终识别依据,可显著提升青阳黄精的识别精度。
附图说明
图1为本发明7个主要产地黄精的采样信息示意图。
图2为本发明δ13C、δ15N、δ18O、δ2H和87Sr/86Sr稳定同位素数据单因素描述性统计分析(平均值、标准差、范围和中位数)的箱型结果图。
图3为本发明智能化PCA模型的(a)得分图、(b)载荷图、(c)ROC图和(d)VIP得分结果图。
图4为本发明智能化OPLSDA模型一对一对比分析得分图。
图5为本发明基于有效标志因子的智能化OPLSDA模型识别地理标识产品青阳黄精结果图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
以下实施例中,选取我国7个不同产地的黄精为区分对象,分别为我国安徽青阳、山西商洛、湖北谷城、贵州安顺、四川阿坝、四川西昌和云南昭通(云南昭通分为两种模式:云南昭通表示该黄精样本是野生的;云南昭通*表示该黄精样本是人工栽培的),这些采样点位于27°N~33°N和102°E~117°E之间,采样点的具体信息如图1所示,采集的样本为不同产地的野生黄精(除云南昭通*)。
实施例1
一种基于有效因子的黄精地理标志产品识别方法,首先收集黄精主要产区的样品,然后采用稳定同位素比质谱仪、热电离质谱仪和电感耦合等离子体质谱仪测得样品的稳定同位素(δ13C、δ15N、δ18O、δ2H和87Sr/86Sr)和多元素(K、Mg、Na、Li、Be、Ca、Sc、Ti、V、Cr、Mn、Fe、Co、Ni、Cu、Zn、Ga、Ge、As、Rb、Sr、Y、Zr、Nb、Mo、Cd、Sn、Sb、Cs、Ba、La、Ce、Pr、Nd、Sm、Eu、Gd、Tb、Dy、Ho、Er、Yb、Hf、Ta、Tl、Pb、Th和U)数据,并利用主成分分析和一类偏最小二乘判别算法,对所得稳定同位素和多元素数据进行处理分析,筛选出有效标志稳定同位素因子和有效标志多元素因子,建立基于稳定同位素联合多元素的智能化识别模型库,以实现对青阳黄精地理标志产品的快速有效识别;具体包括如下步骤:
1)黄精样品预处理:称取100g新鲜黄精样品洗净、切片,室温风干,所有干燥的黄精样品在液氮下研磨至细粉,真空冷冻干燥48h而成;
2)δ13C、δ15N、δ18O、δ2H稳定同位素含量测定:将0.1g黄精粉末样品装在锡杯中使用稳定同位素比质谱仪测定δ13C和δ15N的含量,而将0.1g黄精粉末样品装在银杯稳定同位素比质谱仪的δ18O和δ2H的含量检测;
3)87Sr/86Sr稳定同位素含量测定:采用热电离质谱仪检测锶稳定同位素的含量,其中选取多动态方法抵消杯效率和增益因子且配有1011Ω放大器;设置积分时间4.2s,跳峰间隔6s的条件参数;然后,根据通用程序进行实验条件、分析方法和干扰校正;重复测量200次后得到的平均值即为锶稳定同位素的含量数值,结果如表2所示;
4)多元素含量测定:称取黄精样品0.1g,用1.0mL HNO3(30%v/v)和5mL H2O2(65%v/v)在微波炉中消化;其中设置的功率为1500kW,采用的升温程序如下:首先,在6min内升温至100℃,然后在8min内升温至160℃,再在9min内升温至190℃保温40min;然后将所得样品置于1mL HNO3(30%v/v)中在180±0.2℃酸化处理10s-5min,再加入HNO3(30%v/v)稀释至10ml;最后通过0.45mm的过滤器后通过电感耦合等离子体质谱仪进行K、Mg、Na、Li、Be、Ca、Sc、Ti、V、Cr、Mn、Fe、Co、Ni、Cu、Zn、Ga、Ge、As、Rb、Sr、Y、Zr、Nb、Mo、Cd、Sn、Sb、Cs、Ba、La、Ce、Pr、Nd、Sm、Eu、Gd、Tb、Dy、Ho、Er、Yb、Hf、Ta、Tl、Pb、Th和U各元素含量的测定,结果如表1所示;
5)用Origin 8.0软件对采集的含量数据进行单因素描述性统计分析,绘制包括平均值、标准差、范围和中位数信息结果的箱型图,其中五种同位素的结果如图2所示;青阳黄精中δ13C、δ15N、δ18O、δ2H和87Sr/86Sr五种同位素的数值变化根据地理起源具体见表2;其中,黄精的δ13C值随地理区域的变化主要是植物生长所需的光、温、湿度变化差异;δ15N值与肥料、土地利用强度的变化以及土壤环境密切相关;δ15N在野生黄精如庆阳在这项研究中主要来自动态固定大气中的N2和总氮储存在土壤的肥料并不适用于收集到的样本;氢氧同位素主要来源于雨水和灌溉用水;当水从温暖气候变为寒冷气候、从低海拔变为高海拔、从海洋变为内陆大陆时,降水变得更负;安徽省(30°N/117°E,海拔约400米)青阳市九华山地区的气候属于典型的亚热带季风气候,年平均降水量1463-100毫米,土壤水质达到国家一级标准,非常适合高质量黄精样品的生长;因此,产自青阳九华山的黄精被公认为优质的野生产品,也是被国家认可的黄精地理标志产品;
表1不同地区黄精的48种元素比值(mg/kg)
表2不同地区黄精的同位素比值(mg/kg)
6)采用主成分分析对7种不同产地黄精样本稳定同位素和多元素数据进行分析;图3分别为黄精不同区域主成分分析的(a)得分图、(b)载荷图、(c)特征曲线(ROC)图和(d)贡献率图;在主成分分析模型中,基于同位素比值和多元素比值的数据分析参数为潜在变量的累积贡献(R2X)=0.714,拟合度Q2(cum)=0.541,37.0%和9.6%,设置该参数是为了保证每次模型的重复性以及获得最佳的实验结果,且在此参数下可清晰区分青阳黄精与商洛、古城、阿坝、西昌、安顺、昭通等地样品;此外,PCA载荷图显示,δ2H、Li、Be、Sc、V、Ge、Cd、Ba、Ce、Tb、Dy、Yb、Hf、Pb、Th、U的浓度位置远离中心(VIP绝对值>1),为筛选出的不同产地黄精样品中的地理标志产品青阳黄精的主要有效标志因子;此外,ROC曲线还表明,Ba和Cd是最具影响力的变量曲线下的面积(AUC)这种方法0.925和0.892;上述结果表明;主成分分析法(PCA)模型中同位素和多元素在识别青阳黄精与其他6个产地黄精中扮演重要角色;通过主成分分析法(PCA)模型和ROC曲线结果筛选出了δ2H、Li、Be、Sc、V、Ge、Cd、Ba、Ce、Tb、Dy、Yb、Hf、Pb、Th和U这16种贡献率最大的有效标志因子I;
7)基于7种不同产地黄精稳定同位素和多元素数据信息的一类偏最小二乘判别结果如图4所示;其中基于稳定同位素联合多元素结合构建的一类偏最小二乘判别(OPLSDA)模型参数设置为R2X=0.983,Q2(cum)=0.798,这是为了确保模型的重复性和稳定性,以及为了筛选出有效标志因子II:为找到同位素和元素识别标志,我们执行一个变量(VIP)分析的重要性;当变量的VIP大于1时,则认为该变量对模型具有更大的意义;在此基础上,实验结果显示青阳与商洛、谷城、安顺、阿坝、西昌、昭通、昭通*的一对一对比结果显示均为100%的识别率,其中K、Ca、Mg、Fe、Mn等元素的VIP值的绝对值大于1;而导致这些值大于1的原因可能是由于青阳黄精所处地区的独特地理、气候和生态等因素对判定效果造成一定影响;通过一类偏最小二乘判别方法得到K、Ca、Mg、Fe和Mn可能是青阳黄靖与其他区域样品区分的有效标志因子II;
8)有效标志因子识别青阳黄精方法验证:依据主成分分析(PCA)模型和一类偏最小二乘判别(OPLSDA)模型筛选出的有效标志因子I(δ2H、Li、Be、Sc、V、Ge、Cd、Ba、Ce、Tb、Dy、Yb、Hf、Pb、Th、U)和有效标志因子II(K、Ca、Mg、Fe、Mn)共21种元素作为输入数据重新建立一类偏最小二乘判别(OPLSDA)模型,其中参数设置为R2X=0.983,Q2(cum)=0.798;结果如图5所示。
结果表明,采用本发明所述识别方法可实现青阳黄精与商洛、谷城和安顺等其他产地的高效区分,准确度达到100%,说明本方法筛选的δ2H、Li、Be、Sc、V、Ge、Cd、Ba、Ce、Tb、Dy、Yb、Hf、Pb、Th、U和K、Ca、Mg、Fe、Mn元素是区分黄精地理标志产品,即青阳黄精的有效标志因子,可对地理标志黄精产品进行快速、高效且准确的标识识别。
上述实施例仅是为了清楚地说明所做的实例,而并非对实施方式的限制。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其他不同形式的变化或者变动,这里无需也无法对所有的实施方式予以穷举,因此所引申的显而易见的变化或变动仍处于本发明创造的保护范围之内。
Claims (9)
1.一种基于有效因子的黄精地理标志产品识别方法,其特征在于,包括如下步骤:
1)收集青阳黄精地理标志产品和其他不同产地的黄精样品,分别检测所得黄精样品的稳定同位素和多元素的含量数据;
2)采用化学计量学手段对所得稳定同位素和多元素的含量数据进行分析,筛选出有效标志稳定同位素因子和有效标志多元素因子,建立基于有效标志稳定同位素因子和有效标志多元素因子的智能化识别模型库,以实现对青阳黄精地理标志产品的识别。
2.根据权利要求1所述的黄精地理标志产品识别方法,其特征在于,所述化学计量学手段包括主成分分析和一类偏最小二乘判别分析,联合主成分分析和一类偏最小二乘判别分析筛选得到的有效标志稳定同位素因子和有效标志多元素因子,作为智能化识别模型库的输入。
3.根据权利要求2所述的黄精地理标志产品识别方法,其特征在于,所述主成分分析通过构建PCA模型,对输入的稳定同位素和多元素数据进行分析,筛选出有效标志因子I;一类偏最小二乘判别分析通过构建OPLSDA模型,对输入的稳定同位素和多元素数据进行分析,筛选出有效标志因子II。
4.根据权利要求3所述的黄精地理标志产品识别方法,其特征在于,所述主成分分析采用的潜在变量的累积贡献R2X=0.714,拟合度Q2(cum)=0.541;一类偏最小二乘判别分析采用的模型参数为R2X=0.983,Q2(cum)=0.798。
5.根据权利要求1所述的黄精地理标志产品识别方法,其特征在于,所述稳定同位素包括δ13C、δ15N、δ18O、δ2H和87Sr/86Sr;多元素包括K、Mg、Na、Li、Be、Ca、Sc、Ti、V、Cr、Mn、Fe、Co、Ni、Cu、Zn、Ga、Ge、As、Rb、Sr、Y、Zr、Nb、Mo、Cd、Sn、Sb、Cs、Ba、La、Ce、Pr、Nd、Sm、Eu、Gd、Tb、Dy、Ho、Er、Yb、Hf、Ta、Tl、Pb、Th和U。
6.根据权利要求3所述的黄精地理标志产品识别方法,其特征在于,所述有效标志因子I为δ2H、Li、Be、Sc、V、Ge、Cd、Ba、Ce、Tb、Dy、Yb、Hf、Pb、Th和U;有效标志因子II为K、Ca、Mg、Fe、Mn。
7.根据权利要求1所述的黄精地理标志产品识别方法,其特征在于,所述含量数据检测手段包括稳定同位素比质谱仪、热电离质谱仪和电感耦合等离子体质谱仪。
8.根据权利要求1所述的黄精地理标志产品识别方法,其特征在于,所述智能化识别模型库采用基于一类偏最小二乘法建立。
9.根据权利要求1所述的黄精地理标志产品识别方法,其特征在于,其他不同产地包括山西商洛、湖北谷城、贵州安顺、四川阿坝、四川西昌和云南昭通。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110070851.3A CN113159794A (zh) | 2021-01-19 | 2021-01-19 | 一种基于有效因子的黄精地理标志产品识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110070851.3A CN113159794A (zh) | 2021-01-19 | 2021-01-19 | 一种基于有效因子的黄精地理标志产品识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113159794A true CN113159794A (zh) | 2021-07-23 |
Family
ID=76878497
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110070851.3A Pending CN113159794A (zh) | 2021-01-19 | 2021-01-19 | 一种基于有效因子的黄精地理标志产品识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113159794A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130301915A1 (en) * | 2012-05-09 | 2013-11-14 | Alex Terrazas | Methods, apparatus, and articles of manufacture to measure geographical features using an image of a geographical location |
CN106560704A (zh) * | 2016-10-20 | 2017-04-12 | 中国计量大学 | 联合同位素和微量元素检验的武夷岩茶产地鉴别方法 |
CN108845071A (zh) * | 2018-05-02 | 2018-11-20 | 云南中医学院 | 三种法定基源黄精的鉴别方法 |
-
2021
- 2021-01-19 CN CN202110070851.3A patent/CN113159794A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130301915A1 (en) * | 2012-05-09 | 2013-11-14 | Alex Terrazas | Methods, apparatus, and articles of manufacture to measure geographical features using an image of a geographical location |
CN106560704A (zh) * | 2016-10-20 | 2017-04-12 | 中国计量大学 | 联合同位素和微量元素检验的武夷岩茶产地鉴别方法 |
CN108845071A (zh) * | 2018-05-02 | 2018-11-20 | 云南中医学院 | 三种法定基源黄精的鉴别方法 |
Non-Patent Citations (2)
Title |
---|
张建: "基于多元素和稳定同位素的特基拉酒原产地鉴定" * |
涂明锋: "不同产地多花黄精化学成分含量比较分析" * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | Relationship between multi-element composition in tea leaves and in provenance soils for geographical traceability | |
Xie et al. | Multielement analysis of Chinese tea (Camellia sinensis) by total-reflection X-ray fluorescence | |
CN108982692B (zh) | 元素分析-稳定同位素质谱判别奶粉产地的方法 | |
Day et al. | Determination of the geographical origin of wine using joint analysis of elemental and isotopic composition. II—Differentiation of the principal production zones in France for the 1990 vintage | |
CN105699472B (zh) | 基于稳定同位素比例差异的扁形茶产地判别方法 | |
Liu et al. | Combination of the 87Sr/86Sr ratio and light stable isotopic values (δ13C, δ15N and δD) for identifying the geographical origin of winter wheat in China | |
CN110716021B (zh) | 一种快速判断六堡茶渥堆发酵程度的方法 | |
Liu et al. | Dendroclimatic temperature record derived from tree-ring width and stable carbon isotope chronologies in the Middle Qilian Mountains, China | |
Fu et al. | Combining stable C, N, O, H, Sr isotope and multi-element with chemometrics for identifying the geographical origins and farming patterns of Huangjing herb | |
Zhao et al. | The suitability of rare earth elements for geographical traceability of tea leaves | |
Mottese et al. | Traceability of Opuntia ficus‐indica L. Miller by ICP‐MS multi‐element profile and chemometric approach | |
Lagad et al. | Isotope signature study of the tea samples produced at four different regions in India | |
Falandysz et al. | Accumulation and distribution of metallic elements and metalloids in edible Amanita fulva mushrooms | |
Wang et al. | Stable isotope and multi-element profiling of Cassiae Semen tea combined with chemometrics for geographical discrimination | |
Liu et al. | The effectiveness of multi‐element fingerprints for identifying the geographical origin of wheat | |
Bin et al. | Geographical origin traceability of muskmelon from Xinjiang province using stable isotopes and multi-elements with chemometrics | |
Hu et al. | Determination of rare earth elements in navel oranges from different geographical regions of China by inductively coupled plasma-mass spectrometry | |
CN105890956B (zh) | 一种离子吸附型稀土矿离子相标准物质及其制备方法 | |
Hai et al. | Geographical origin and species identification of lilii bulbus using C/N/H/O stable isotopes and multi-elemental combined chemometrics | |
CN113159794A (zh) | 一种基于有效因子的黄精地理标志产品识别方法 | |
CN110646500B (zh) | 一种吐鲁番葡萄干原产地溯源体系 | |
Liu et al. | Chemometric authentication of Pu’er teas in terms of multielement stable isotope ratios analysis by EA-IRMS and ICP-MS | |
Li et al. | Geochemical characteristics of heavy metals of bedrock, soil, and tea in a metamorphic rock area of Guizhou Province, China | |
CN113759003B (zh) | 一种基于uplc指纹图谱和化学计量法的甘草产地判别方法 | |
CN110068605A (zh) | 一种基于pca-lda分析鉴别大米产地的方法 |
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 |