Identification of Walnut from Different Regions of China by Statistical Methods Based on the Determination of Multi-element Contents

REN Chuan-yi; CHENG Jun-yong; CHEN Zhen-chao; NI Zhang-lin; TANG Fu-bin

doi:10.13275/j.cnki.lykxyj.2017.05.011

Objective To identify the walnut from major producing provinces in China and provide some basic data and theoretical basis for the protection of geographical indication. Method The contents of 35 elements in 128 walnut samples from eight major producing provinces of China were determined by inductively coupled plasma mass spectrometry (ICP-MS), the discriminant model was established by one-way analysis of variance, principal component analysis (PCA) and linear discriminant analysis (LDA) to identify walnut from different areas. Result It was found that the contents of Fe, Zn, Cu and Ni were the most abundant nutrient elements in walnut, and the contents of heavy metal (Pb, Cd and As) and rare earth elements were in relatively low level. One-way analysis of variance indicated that there were significant differences in the elemental composition of walnut samples from different regions (P < 0.05). The PCA showed that Fe, Ti, Rb, B, Ba, Cu, Zn, Ba, Mo, Al, Pb and rare earth elements were inferred to be the characteristic elements of walnut samples from different regions, and these elements could explain 64.33% of the total variance. LDA was applied to construct the classification model of walnuts according to their geographical origins, and the accuracy was as high as 99.2%. LDA was also applied to construct the model of identifying the walnut with geographical indication from that without geographical indication, the accuracy was 95.7%. Conclusion Through the determination of multi-element contents in walnut combined with principal component analysis (PCA) and linear discriminant analysis (LDA), the walnut from different regions can be identified successfully.

HTML

随着世界经济和国际贸易的发展，农产品产地和品牌效应在贸易竞争中占有重要地位^[1]。基于独特的气候和土质等原因，国内许多核桃(Juglans regia L.)主产区已获得地理标志产品保护，核桃品质与价格相对于其它地方品种有其独特优势，地理标志产品的特定质量、声誉或其它特征也主要归因于其地理来源，如山西左权核桃、云南泡核桃(J. sigillata Dode)^[2-3]。近年来，我国核桃良种选育工作也硕果累累，随着种质资源交流的频繁进行和核桃良种的相互引种^[4]，实现了我国不同地区核桃良种化栽培生产，也导致各主产区核桃外观差异越来越小；但是，我国新兴的核桃产区品牌化能力较弱，现有的核桃销售主要还是农户自产自销或转卖给批发商，产品质量缺乏稳定的保障^[5-6]。

不同地域土壤中元素的组成和含量受地质、水和土壤环境因素的影响存在一定差异^[7]，因此，不同地域生长的农产品有其各自的元素指纹特征^[8]。元素指纹分析技术具有分析速度快、分析成本低、判别率高等特点，元素指纹分析与多种统计学方法的结合运用是目前农产品产地鉴别的最有效的方法之一^[9-11]。Kafaoglu等^[12]测定了不同种类坚果和种子中17种元素，应用多种统计学方法对不同种类坚果和种子进行分类和判别，结果表明，判别分析方法对样品分组预测正确率较高。Linde等^[13]测定了来自南非67份白酒及葡萄酒样品中的26种元素，通过分析得出8种元素为产地鉴别的有效元素，通过主成分分析及线性判别分析能完全区分4个地区的白酒及葡萄酒样品。

有关我国不同产地核桃样品鉴别的研究尚无报道，因此，开展核桃产地鉴别研究对进一步加强核桃良种选育和保护，促进核桃产业品牌化具有重要意义。本文以我国核桃主产区128份核桃样品为研究材料，通过测定核桃中多种元素含量，结合主成分分析(PCA)、线性判别分析(LDA)等方法，建立判别模型，对核桃产地进行鉴别，为核桃地理标志产品的原产地保护提供一定的理论参考依据。

1. 材料与方法

1.1. 样品采集

不同省份的128个核桃样品采集于2015年9—10月，包括河北、山东、河南、甘肃、陕西、新疆、四川和云南8个省份。样品采样点依据各省核桃主产区分布设置，详细采样信息见表 1。将采集的核桃放置在阴凉处风干，待青皮自然脱落，手工破壳后，取核桃仁放置烘箱60℃条件下使其干燥均匀，粉碎备用。

1.2. 仪器与标准物质

Milli-Q型纯水仪(Millipore公司，Bedford，美国)，实验用水为Milli-Q型纯水仪产生的超纯水；Mars 6型微波消解仪(CEM公司，Matthews，美国)；NexIon 300D电感耦合等离子体质谱仪(ICP-MS)(PerkinElmer公司，Shelton，美国)。

硝酸(Trace metal grade，Fisher公司，加拿大)；过氧化氢(优级纯，国药集团化学试剂有限公司，上海)；10 mg·L^-1 Al、As、B、Ba、Cd、Co、Cr、Cu、Fe、Mo、Ni、Pb、Rb、Se、Sr、Ti、Tl、V、Zn共19种元素标准储备液(o2si公司，美国)；10 mg·L^-1稀土元素标准储备液(Ce、Dy、Er、Eu、Gd、Ho、La、Lu、Nd、Pr、Sc、Sm、Tb、Tm、Y、Yb)(PerkinElmer公司，美国)；1 μg·L^-1(Li、Be、Mg、Fe、In、Ce、Pb、U)质谱调谐液(PerkinElmer公司，美国)；豆角成分分析标准物质(GBW10021，中国地质科学院地球物理地球化学勘查研究所，北京)。

1.3. 测定方法

1.3.1. 样品前处理

准确称取核桃样品0.25 g(精确到0.000 1 g)于聚四氟乙烯消解罐中，加入6 mL HNO₃及3 mL H₂O₂，旋紧盖子，放入微波消解仪中。采用程序升温法进行消解，具体操作参数为：10 min内升至130℃，并在此条件下保持10 min；5 min内从130℃升至200℃并保持40 min。冷却后取出，缓慢打开消解罐盖排气，将消解罐放入赶酸仪，设定180℃赶酸至近干。消解罐取出冷却，将消化液转移至15 mL聚四氟乙烯试管中，用超纯水少量多次洗涤消解罐，洗液合并定容至10 mL，混匀备用。以同样方法制备试剂空白和豆角标准物质(GBW10021)。

样品来源 Sample sources	地区 Region	种植类型 Planting type	地理标志产品认证 GI/NGI	样本量 Sample size
河北Hebei	石家庄Shijiazhuang	农户果园Farmer orchard	否NGI	6
	邯郸市Handan	种植基地Planting base	否NGI	5
	唐山市Tangshan	农户果园Farmer orchard	否NGI	5
山东Shandong	济南市Jinan	农户果园Farmer orchard	否NGI	4
	泰安市Taian	农户果园Farmer orchard	否NGI	6
	临沂市Linyi	农户果园Farmer orchard	否NGI	8
河南He’nan	卢氏县Lushi	种植基地Planting base	卢氏核桃GI	9
	济源市Jiyuan	农户果园Farmer orchard	否NGI	9
甘肃Gansu	陇南市Longnan	种植基地Planting base	成县核桃GI	12
	天水市Tianshui	农户果园Farmer orchard	否NGI	6
陕西Shanxi	西安Xi’an	种植基地Planting base	否NGI	4
	商洛Shangluo	种植基地Planting base	否NGI	8
	铜川Tongchuan	种植基地Planting base	否NGI	5
新疆Xinjiang	阿克苏Akesu	种植基地Planting base	阿克苏核桃GI	15
四川Sichuan	甘孜Ganzi	种植基地Planting base	否NGI	6
	广安市Guangan	农户果园Farmer orchard	否NGI	4
	南充市Nanchong	农户果园Farmer orchard	否NGI	5
云南Yunnan	楚雄Chuxiong	种植基地Planting base	大姚核桃GI	6
	保山市Baoshan	种植基地Planting base	昌宁核桃GI	5
注：GI代表地理标志产品，NGI代表非地理标志产品。 Note: GIis an abbreviation forGeographical indication, NGIis an abbreviation forNon-geographical indication.

Table 1. Detail region information of walnut samples

1.3.2. 测定方法

测定样品前通过质谱调谐液调整仪器达到测定要求，使氧化物形成CeO/Ce < 1%，双电荷化合物形成Ce⁺⁺/Ce⁺ < 3%，仪器设定详细参数见表 2。测定Eu时，元素受BaO干扰较严重^[14]，采用校正方程进行校准：

参数 Parameters	数值 Setting parameters
射频功率RF power	1 400 W
载气流量 Nebulizer (carrier gas) flow rate	0.95 L·min^-1
冷却气流量Coolant gas flow	15 L·min^-1
扫描次数Sweeps	20
重复次数Number of replicates	3
扫描方式Scanning mode	Peak hopping
同位素选择 Isotopes of selected	²⁷Al、⁷⁵As、¹⁰B、¹³⁵Ba、¹¹¹Cd、⁵⁹Co、⁵³Cr、⁶³Cu、⁵⁷Fe、⁹⁸Mo、⁶⁰Ni、²⁰⁸Pb、⁸⁵Rb、⁸²Se、⁸⁸Sr、⁴⁷Ti、²⁰⁵Tl、⁵¹V、⁶⁶Zn、¹³⁹La、¹⁴⁰Ce、¹⁴²Nd、¹⁴⁴Pr、¹⁵²Sm、¹⁵³Eu、¹⁵⁸Gd、¹⁵⁹Tb、¹⁶⁴Dy、¹⁶⁵Ho、¹⁶⁶Er、¹⁶⁹Tm、¹⁷⁴Yb、¹⁷⁵Lu、⁴⁵Sc and ⁸⁹Y
校正方程Calibration equation	¹⁵¹Eu=[151]-[(Ba(135)O)/Ba(135)]×[135]

Table 2. Operation parameters of ICP-MS

式中：[(Ba(135)O)/Ba(135)] 为氧化物比；[151]、[135]分别为质量数151和135处的质谱的信号强度。采用外部校准法进行定量分析，用2%硝酸溶液配制混合标准溶液，其中Al、As、B、Ba、Cd、Co、Cr、Cu、Fe、Mo、Ni、Pb、Rb、Se、Sr、Ti、Tl、V、Zn元素浓度梯度为0.20、0.50、1.00、5.00、20.0、100.0 μg·L^-1，Ce、Dy、Er、Eu、Gd、Ho、La、Lu、Nd、Pr、Sc、Sm、Tb、Tm、Y、Yb元素浓度梯度为0.020、0.050、0.100、0.500、2.00、10.00 μg·L^-1。针对超过线性范围的Cu、Fe等元素，用1%硝酸(v/v)稀释20倍，进行上机测试。

试验采用标准物质豆角(GBW10021)对方法准确度进行验证，待测元素测定值在推荐值范围内，能满足实验要求。

1.4. 数据分析

试验数据采用SPSS18.0软件进行单因素方差分析、主成分分析和线性判别分析。

3. 讨论

核桃中一些营养成分及微、痕量矿质元素对人体健康起到非常关键的作用。通过与其它果树坚果中元素含量相比，核桃中Fe的含量约为澳洲坚果(Macadamia ternifolia F. Muell.)、棕榈坚果(Orbignya speciosa Mart.)、腰果(Anacardium occidentalie Linn)、巴西坚果(Bertholletia excels H.B.K.)的1.82~6.37倍，Zn的含量约为澳洲坚果、棕榈坚果的1.76~5.30倍^[15-17]；Yin等^[16]对采自北京市大型超市的多种坚果研究结果显示，Zn、Cu元素含量低于本实验测定结果的平均值，而Rb、Sr和Mo含量与本实验结果相似。Pb、Cd、As作为有毒金属元素也受到人们广泛关注^[18-19]，测定结果显示，核桃样品中Pb、Cd和As含量分别为7.0、1.3和21.0 μg·kg ^-1，均未超过食品安全国家标准限量值^[20]。核桃中重金属元素及稀土元素含量较低，Mo、Co、Se等元素平均含量低于1.00 mg·kg ^-1，甚至La、Y、Ce等元素平均含量低于0.01 mg·kg ^-1。本实验测定的16种稀土元素中含量最高的为Sc、Sm、Y、Eu、Ce和La等，其平均含量分别为12.6、2.6、1.9、1.7、1.3和0.66 μg·kg ^-1，其中La和Ce约为蔬菜或主要食物中各种稀土元素平均含量的2.36%~5.57%^[21]，这也对核桃中痕量及超痕量元素的测定以及样品前处理方法、测定仪器条件提出了更高的要求。

目前，有很多研究针对不同产地核桃果壳特性及脂肪酸等成分组成的分析比较，王中奎等^[22]对新疆、西藏和黑龙江的不同品种核桃进行对比发现，不同产地的核桃果形指数、果壳厚度等差异显著，即使是同一地区的不同居群的核桃仁中各类氨基酸及氨基酸组成差异较大^[23-24]。郝常艳等^[25]针对不同产地主要品种核桃中总蛋白、总糖和脂肪酸含量进行了测定，结果表明，不同产地主要品种核桃中总蛋白、总糖含量差异不显著，油酸含量差异明显，但引起这种差异是来源于品种或产地尚不明确。王金星等^[26]利用西藏地区海拔落差大，形成许多独特的区域小气候的特征，对不同核桃实生农家类型以及天然居群研究发现，这种差异可能由于不同地区核桃生长与环境相互作用以及其本身基因的遗传变异共同作用的结果。因此，不同产地核桃中多种元素的差异也可能来源于不同地区的光照、湿度、土壤条件以及品种差异等因素。

通过对128个核桃样品中35种元素进行主成分分析，得到不同产地核桃样品中的特征元素为稀土元素以及Co、Fe、Rb、Zn、Tl、Cu、Cd、Ba、Sm、Sc、Mo和Ti元素。其中，稀土元素贡献率占到第1主成分的71.1%，Co、Fe、Rb、Zn、Tl、Cu和Cd元素的贡献率占到第2主成分的45.2%。通过逐步判别分析筛选出的18种元素为核桃产地鉴别的有效元素，其中包括Ce、Sc、Nd、Eu、Tb、Yb和La 7种稀土元素。由此可见，稀土元素在核桃产地鉴别时起到重要作用。

线性判别分析结果表明，8个省份核桃整体判别正确率为99.2%，3个省份6种核桃地理标志与非地理标志产品整体判别正确率为95.7%。从8个省份核桃样品的第1判别函数和第2判别函数得分可以直观地看出，河北、甘肃、新疆、陕西、四川、云南等省份核桃样品区分较好；山东、河南省份核桃样品区分时，容易出现误判，这可能是因为山东、河南、河北3个省接壤，种植土壤和气候条件的性质相似，导致元素含量水平接近。本研究选择了河南省、甘肃省和云南省知名地理标志产品以及3个省其它地区非地理标志产品进行判别分析，从47个核桃样品的第1判别函数和第2判别函数得分可以直观地看出，河南省卢氏核桃与河南非地理标志产品区分明显，但甘肃省、云南省地理标志产品与非地理标志产品第1判别函数和第2判别函数得分接近，容易出现误判。近年来，随着核桃种植业的不断发展，核桃产区也进行了一系列品种改良工作，核桃良种的相互引种^[4]也使得许多核桃产区品质与产量大幅提升，因此，在同一地区具有一定生产规模的地理标志产品与初步发展的非地理标志产品的品质具有一定的相似性，这也可能是造成甘肃成县核桃与甘肃非地标产品分组判别正确率低的重要原因之一。

4. 结论

应用ICP-MS测定了全国8个核桃主产省128份核桃样品中35种元素含量，对元素含量进行单因素方差分析、主成分分析(PCA)和线性判别分析(LDA)。比较发现，不同地区核桃样品中元素组成存在显著性差异(P < 0.05)。PCA可以简化核桃中多元素信息，能够反映出原始变量的主要信息，并筛选出其特征元素；应用LDA分别建立了不同产地核桃判别模型和核桃地理标志与非地理标志产品判别模型，整体判别正确率分别为99.2%和95.7%；但核桃地理标志产品与非地理标志产品判别模型进行交叉验证时，甘肃成县核桃与甘肃非地理标志产品判别正确率较低，仅为16.7%~66.7%，可能是由于同一地区地理标志产品与非地理标志产品的品种通过相互引种，以及相似的种植土壤和气候条件，使得该地区核桃品质具有一定的相似性。

核桃中许多成分存在的差异可能由于不同地区核桃生长与环境相互作用以及其本身基因的遗传变异共同作用的结果，本研究仅基于元素含量的统计学差异分析仍然存在一些不足。研究表明，通过筛选出多种元素作为不同省份核桃产地鉴别指标时，具有很高的正确率，但是对于地理位置较近区域的核桃产地鉴别并不理想。同时，由于核桃地理标志产品的认证目前主要基于其外观、蛋白质、脂肪等指标，因此，在进一步的研究中应基于多元素指标并结合脂肪酸组分、氨基酸组分等有机指标进行综合分析，以提高核桃产地鉴别的准确性与客观性。

Reference (26)

[1]	刘冬. 中国与海合会货物贸易的发展现状、问题及其应对[J]. 阿拉伯世界研究, 2012, (1): 91-107. doi: 10.3969/j.issn.1673-5161.2012.01.008
[2]	王仕哲. "大姚核桃"获批国家地理标志保护产品[J]. 云南农业, 2015, (11): 54-. doi: 10.3969/j.issn.1005-1627.2015.11.028
[3]	谷悦. 左权绵核桃太行山中的"宝藏"[J]. 中国食品, 2014, (18): 112-113. doi: 10.3969/j.issn.1000-1085.2014.18.048
[4]	冯连芬, 吕芳德, 张亚萍. 我国核桃育种及其栽培技术研究进展[J]. 经济林研究, 2006, 24(2): 69-73. doi: 10.3969/j.issn.1003-8981.2006.02.020
[5]	刘文珺, 杨秀兰, 郑尚义. 甘肃省天水市核桃生产现状及产业发展对策[J]. 中国果树, 2010, (3): 68-70.
[6]	李娅, 韩长志. 云南省三台乡核桃产业发展现状及对策分析[J]. 北方园艺, 2013, (15): 193-197.
[7]	史长义, 梁萌, 冯斌. 中国水系沉积物39种元素系列背景值[J]. 地球科学, 2016, 41(2): 234-251.
[8]	唐偲雨. 重庆地区茶叶矿质元素分析及产地特性研究[D]. 重庆: 西南大学, 2012.
[9]	Hu S, Xue J, Lin Y. Determination of rare earth elements in navel oranges from different geographical regions of China by inductively coupled plasma-mass spectrometry[J]. Analytical Letters, 2014, 47(8): 1400-1408. doi: 10.1080/00032719.2013.867500
[10]	Catarino S, Trancoso IM, Madeira M, et al. Rare earths data for geographical origin assignment of wine: a Portuguese case study[C]. Porto, Portugal: World Congress of Vine and Wine, 2011: 223-246.
[11]	Martins P, Madeira M, Monteiro F, et al. Determination of the strontium isotope ratio in soil-wine system for geographical assignment of wine[C]. Izmir, Turkey: World Congress of Vine and Wine, 2012: 21-29.
[12]	Kafaoglu B, Fisher A, Hill S. Chemometric evaluation of trace metal concentrations in some nuts and seeds[J]. Food additives & contaminants Part A, 2014, 31(9): 1529-1538.
[13]	Linde G V D, Fischer J L, Coetzee P P. Multi-element analysis of South African wines and their provenance soils by ICP-MS and their classification according to geographical origin using multivariate statistics[J]. South African Journal for Enology & Viticulture, 2010, 31(2): 143-153.
[14]	中华人民共和国卫生部. GB 5009.94-2012食品安全国家标准植物性食品中稀土元素的测定[S]. 北京: 中国标准出版社, 2012.
[15]	Naozuka J, Carvalho V E, Nascimento A N. Elemental analysis of nuts and seeds by axially viewed ICP OES[J]. Food Chemistry, 2011, 124(4): 1667-1672. doi: 10.1016/j.foodchem.2010.07.051
[16]	Yin L L, Tian Q, Shao X Z. Determination of trace elements in edible nuts in the Beijing market by ICP-M[J]. Biomedical and environmental sciences : BES, 2015, 28(6): 449-454.
[17]	柳觐, 倪书邦, 贺熙勇. 澳洲坚果果仁中4种关键微量元素的FAAS法测定[J]. 中国农学通报, 2014, 30(1): 153-156.
[18]	Chi X, Zhang G, Yang Y. Essential trace and toxic element levels in Tibetan yak's milk collected from Qinghai, China[J]. Spectroscopy Letters, 2016, 49(7): 477-481. doi: 10.1080/00387010.2014.924530
[19]	Çelik U, Oehlenschläger J. High contents of cadmium, lead, zinc and copper in popular fishery products sold in Turkish supermarkets[J]. Food Control, 2007, 18(3): 258-261. doi: 10.1016/j.foodcont.2005.10.004
[20]	中华人民共和国卫生部. GB 2762-2012食品安全国家标准食品中污染物限量[S]. 北京: 中国标准出版社, 2012.
[21]	Jiang DG, Yang J, Zhang S. A survey of 16 rare Earth elements in the major foods in China[J]. Biomedical and environmental sciences : BES, 2012, 25(3): 267-271.
[22]	王中奎, 王超, 关法春. 不同产地核桃坚果的综合性状评价[J]. 食品科学, 2013, 34(15): 100-103. doi: 10.7506/spkx1002-6630-201315021
[23]	张建华, 黎其万, 杨晓洪. 大姚核桃的主要营养成分分析[J]. 西南农业学报, 2008, 21(4): 1048-1053. doi: 10.3969/j.issn.1001-4829.2008.04.037
[24]	王滑, 潘刚, 马庆国. 西藏不同居群核桃核仁中脂肪酸成分的含量变化[J]. 经济林研究, 2015, 33(3): 126-129.
[25]	郝常艳, 杜美丽, 刘坚. 不同产地主要品种核桃仁组分检测与分析[J]. 山西农业科学, 2014, 42(2): 143-146.
[26]	王金星, 潘刚, 王滑. 西藏核桃叶片和坚果表型多样性及其相关关系研究[J]. 林业科学研究, 2012, 25(2): 236-240. doi: 10.3969/j.issn.1001-1498.2012.02.022

元素 Element	单位 Unit	河北 Hebei	山东 Shandong	河南 He’nan	甘肃 Gansu	陕西 Shanxi	新疆 Xinjiang	四川 Sichuan	云南 Yunnan	平均值 Average
Al	mg· kg ^-1	2.2±0.9^b	3.8±1.6^b	2.6±1.8^b	23.9±36.7^a	14.1±3.4^a	14.8±4.8^a	2.7±2.4^b	3.1±1.0^b	8.7±15.8
Fe		123.3±23.2^d	171.0±10.6^c	195.4±25.1^b	214.3±39.7^a	21.0±9.3^f	30.8±10.0^f	49.6±23.8^e	61.8±9.5^e	114.7±77.4
Ti		23.2±4.3^d	28.1±3.6^c	29.6±4.8^bc	35.0±2.9^a	27.9±5.1^c	29.6±3.8^bc	32.3±3.2^ab	31.8±1.4^b	29.7±5.0
Ni		1.6±1.30^c	1.3±0.45^c	2.1±0.83^bc	2.2±0.48^bc	2.6±1.50^b	2.1±1.30^bc	1.9±1.10^bc	5.4±2.20^a	2.3±1.50
Cu		19.2±4.4^d	24.2±4.0^bc	28.5±3.6^a	27.8±5.6^ab	21.2±7.2^cd	20.1±6.2^d	27.2±4.3^ab	25.2±3.8^ab	24.2±6.0
Zn		51.0±7.4^a	43.4±7.3^bc	46.1±7.9^ab	50.6±13.5^a	37.3±9.5^c	38.0±9.6^c	42.6±12.4^bc	40.7±4.2^bc	44.0±10.5
Rb		9.8±5.4^a	10.8±3.0^a	12.0±3.8^a	13.9±9.5^a	10.9±5.6^a	4.0±2.7^b	12.0±6.7^a	10.7±4.5^a	10.6±6.1
Sr		5.1±1.8^bcd	3.3±1.2^d	5.7±3.8^bcd	6.9±4.4^b	3.8±1.1^cd	17.6±7.6^a	5.2±2.9^bcd	6.7±2.9^bc	6.7±5.7
Ba		2.8±1.30^cd	1.6±0.81^d	3.3±0.92^cd	4.8±5.80^bc	2.3±0.62^cd	1.7±0.65^d	6.8±5.30^ab	7.7±5.50^a	3.7±3.80
B		14.9±3.3^e	19.2±3.9^bc	21.1±2.5^b	26.6±3.4^a	17.7±3.5^cd	16.6±2.8^de	20.2±4.0^b	28.4±2.5^a	20.4±5.3
Co		0.16±0.14^ab	0.18±0.07^a	0.14±0.05^abcd	0.12±0.07^bcd	0.09±0.04^d	0.10±0.05^cd	0.10±0.06^cd	0.15±0.06^abc	0.13±0.08
Se		0.22±0.37^a	0.06±0.02^b	0.07±0.04^b	0.02±0.01^b	0.03±0.02^b	0.07±0.04^b	0.04±0.03^b	0.03±0.01^b	0.07±0.14
Mo		0.24±0.11^de	0.26±0.09^de	0.42±0.07^bc	0.60±0.26^a	0.33±0.23^cd	0.46±0.14^b	0.36±0.20^bcd	0.18±0.05^e	0.37±0.20
Cr		0.19±0.05^a	0.12±0.06^b	0.21±0.07^a	0.18±0.05^a	0.18±0.10^a	0.11±0.02^b	0.19±0.06^a	0.10±0.01^b	0.16±0.07
As	μg· kg ^-1	16.3±8.8^bc	11.4±6.6^bc	21.2±12.0^b	12.7±7.0^bc	14.0±10.8^bc	63.2±37.0^a	19.9±12.3^bc	7.6±1.4^c	21.0±22.5
V		1.5±0.8^b	3.4±3.5^b	4.3±1.0^ab	4.9±1.6^ab	2.9±4.1^b	8.1±14.8^a	4.9±1.3^ab	2.6±0.5^b	4.1±5.8
Cd		1.6±2.1^ab	1.1±1.1^bc	2.1±1.4^a	1.0±0.3^bc	1.6±0.9^ab	0.8±0.2^bc	1.2±0.6^bc	0.7±0.1^c	1.3±1.1
Tl		5.7±5.9^a	3.8±3.0^abc	4.4±2.1^ab	1.8±1.8^cd	3.7±4.2^abc	0.1±0.7^d	1.9±2.8^bcd	0.6±2.2^d	2.9±3.6
Pb		3.1±2.7^bc	2.8±1.5^c	4.6±1.9^bc	14.3±12.0^a	2.1±1.1^c	8.3±11.7^b	15.3±7.7^a	5.1±2.8^bc	7.0±8.3
Y		1.0±0.5^d	0.9±0.5^d	1.3±0.5^cd	1.6±0.6^cd	1.2±0.2^cd	2.9±3.4^b	2.4±2.9^bc	4.9±1.4^a	1.9±2.0
Ce		0.6±0.3^b	0.5±0.2^b	0.6±0.2^b	1.9±0.9^ab	0.3±0.1^b	3.7±8.0^a	1.5±0.8^ab	1.9±0.9^ab	1.3±3.0
Sc		7.0±2.5^f	8.8±3.6^ef	10.5±3.4^de	11.3±2.9^cd	15.3±3.5^b	19.4±2.5^a	16.8±1.8^b	13.1±1.1^c	12.6±4.8
Sm		1.4±0.7^d	0.7±0.4^d	2.2±0.7^cd	3.6±4.0^bc	1.7±0.5^d	1.7±1.2^d	5.2±4.0^ab	6.0±3.9^a	2.6±2.9
Eu		0.9±0.4^d	0.5±0.3^d	1.4±0.5^cd	2.4±2.9^bc	1.2±0.3^cd	1.0±0.5^d	3.5±2.7^ab	4.0±2.8^a	1.7±1.9
La		0.28±0.21^c	0.19±0.13^c	0.25±0.06^c	0.87±0.66^bc	0.17±0.08^c	1.40±3.00^ab	0.77±0.61^bc	1.70±0.71^a	0.66±1.20
Pr		0.29±0.45^a	0.25±0.24^a	0.29±0.18^a	0.54±0.76^a	0.20±0.09^a	0.56±0.82^a	0.37±0.14^a	0.52±0.14^a	0.37±0.47
Nd		0.22±0.11^b	0.17±0.09^b	0.27±0.07^b	0.63±0.40^ab	0.13±0.04^b	1.30±2.90^a	0.62±0.43^ab	0.93±0.37^ab	0.51±1.08
Gd		0.055±0.036^c	0.038±0.026^c	0.054±0.013^c	0.124±0.064^bc	0.039±0.015^c	0.280±0.590^ab	0.170±0.191^bc	0.400±0.140^a	0.131±0.247
Tb		0.006±0.005^c	0.004±0.005^c	0.005±0.003^c	0.016±0.008^bc	0.004±0.003^c	0.041±0.093^ab	0.023±0.034^bc	0.062±0.025^a	0.018±0.039
Dy		0.035±0.028^c	0.026±0.022^c	0.035±0.016^c	0.087±0.044^bc	0.022±0.014^c	0.231±0.511^ab	0.140±0.223^bc	0.341±0.152^a	0.102±0.220
Ho		0.006±0.005^c	0.004±0.005^c	0.006±0.004^c	0.017±0.008^bc	0.005±0.004^c	0.046±0.103^ab	0.026±0.045^bc	0.061±0.028^a	0.019±0.044
Er		0.019±0.011^c	0.014±0.013^c	0.022±0.012^c	0.049±0.024^bc	0.014±0.007^c	0.130±0.290^ab	0.076±0.123^bc	0.156±0.074^a	0.055±0.121
Tm		0.001±0.001^b	0.001±0.002^b	0.002±0.002^b	0.006±0.003^ab	0.001±0.002^b	0.017±0.039^a	0.008±0.01^ab	0.016±0.009^a	0.006±0.015
Yb		0.015±0.007^b	0.011±0.012^b	0.018±0.009^b	0.042±0.022^ab	0.011±0.005^b	0.11±0.24^a	0.059±0.083^ab	0.088±0.045^a	0.041±0.096
Lu		0.001±0.001^bc	0.001±0.002^c	0.002±0.002^bc	0.005±0.003^abc	0.001±0.002^b	0.016±0.037^a	0.008±0.013^abc	0.012±0.006^ab	0.005±0.015
注：表中同1行数据标注的不同字母表示该元素含量在不同地区之间存在显著性差异(P < 0.05)。 Note: The same line of data in the table is marked with different letters, indicating that the content of the elements varies significantly among different regions (P < 0.05).

项目Item	样品产地 Sample sources	分类结果Classification results						合计 Total
		预测组成员Groups
		HN-LS	HN-NGI	GS-CX	GS-NGI	YN-DY	YN-CN
初始分类 Original classification	HN-LS	9	0	0	0	0	0	9
	HN-NGI	0	9	0	0	0	0	9
	GS-CX	0	0	5	1	0	0	6
	GS-NGI	0	0	0	12	0	0	12
	YN-DY	0	0	0	0	6	0	6
	YN-CN	0	0	0	0	1	4	5
	判别率Classification rate/%	100.0	100.0	83.3	100.0	100.0	80.0	95.7
交叉验证 Cross validation	HN-LS	9	0	0	0	0	0	9
	HN-NGI	0	9	0	0	0	0	9
	GS-CX	0	0	1	5	0	0	6
	GS-NGI	0	0	4	8	0	0	12
	YN-DY	0	0	0	0	6	0	6
	YN-CN	0	0	0	0	1	4	5
	判别率Classification rate/%	100.0	100.0	16.7	66.7	100.0	80.0	78.7
注：河南卢氏核桃(HN-LS)、河南非地理标志产品(HN-NGI)、甘肃成县核桃(GS-CX)、甘肃非地理标志产品(GS-NGI)、云南大姚核桃(YN-DY)、云南昌宁核桃(YN-CN)。 Note: Henan Lushi walnut (HN-LS), Henan non-geographical indication walnut (HN-NGI), Gansu Chengxian walnut (GS-CX), Gansu non-geographical indication walnut (GS-NGI), Yunnan Dayao walnut (YN-DY), Yunnan Changning walnut (YN-CN).

Identification of Walnut from Different Regions of China by Statistical Methods Based on the Determination of Multi-element Contents

Abstract

References

Proportional views

通讯作者: 陈斌, bchen63@163.com

Proportional views

Identification of Walnut from Different Regions of China by Statistical Methods Based on the Determination of Multi-element Contents

Corresponding author: TANG Fu-bin, tfb22@163.com