-
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。
HTML
-
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。
-
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)。
-
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
-
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 rate0.95 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 selected27Al、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。
-
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。
1.1. 样品采集
1.2. 仪器与标准物质
1.3. 测定方法
1.3.1. 样品前处理
1.3.2. 测定方法
1.4. 数据分析
-
采用ICP-MS对8个省128份核桃样品进行测定,得到35种元素的含量(表 3)。为了解不同地域核桃样品中元素组成的差异,筛选与地域相关的元素指标,对不同省份核桃中35种元素含量进行单因素方差分析。结果(表 3)表明:Al、Fe、Ti、Co、Ni、Cu、Sr、Mo、Ba、B、As、V、Tl、Pb、La、Y、Sc、Nd、Sm、Eu等元素含量在不同产地核桃间差异显著(P < 0.05)。甘肃地区核桃中Al含量显著高于其它省份;河北、山东、河南、甘肃等地区核桃样品中Fe含量显著高于陕西、新疆、四川和云南等地区;云南地区核桃中Ni的含量高于其它省份;新疆地区核桃中Sr、Rb、As、V、Tl等元素含量与其它地区差异显著,其中,Sr、As、V含量显著高于其它省份,而Rb、Tl含量显著低于其它省份;甘肃、四川两省核桃中Pb含量显著高于其它省份;云南、四川、新疆、甘肃等地区稀土元素La、Y、Ce、Nd、Sm等含量明显高于河北、山东、河南和陕西等省份。可见,不同产区核桃中多元素组成具有其各自的特征。
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
AverageAl mg·
kg -12.2±0.9b 3.8±1.6b 2.6±1.8b 23.9±36.7a 14.1±3.4a 14.8±4.8a 2.7±2.4b 3.1±1.0b 8.7±15.8 Fe 123.3±23.2d 171.0±10.6c 195.4±25.1b 214.3±39.7a 21.0±9.3f 30.8±10.0f 49.6±23.8e 61.8±9.5e 114.7±77.4 Ti 23.2±4.3d 28.1±3.6c 29.6±4.8bc 35.0±2.9a 27.9±5.1c 29.6±3.8bc 32.3±3.2ab 31.8±1.4b 29.7±5.0 Ni 1.6±1.30c 1.3±0.45c 2.1±0.83bc 2.2±0.48bc 2.6±1.50b 2.1±1.30bc 1.9±1.10bc 5.4±2.20a 2.3±1.50 Cu 19.2±4.4d 24.2±4.0bc 28.5±3.6a 27.8±5.6ab 21.2±7.2cd 20.1±6.2d 27.2±4.3ab 25.2±3.8ab 24.2±6.0 Zn 51.0±7.4a 43.4±7.3bc 46.1±7.9ab 50.6±13.5a 37.3±9.5c 38.0±9.6c 42.6±12.4bc 40.7±4.2bc 44.0±10.5 Rb 9.8±5.4a 10.8±3.0a 12.0±3.8a 13.9±9.5a 10.9±5.6a 4.0±2.7b 12.0±6.7a 10.7±4.5a 10.6±6.1 Sr 5.1±1.8bcd 3.3±1.2d 5.7±3.8bcd 6.9±4.4b 3.8±1.1cd 17.6±7.6a 5.2±2.9bcd 6.7±2.9bc 6.7±5.7 Ba 2.8±1.30cd 1.6±0.81d 3.3±0.92cd 4.8±5.80bc 2.3±0.62cd 1.7±0.65d 6.8±5.30ab 7.7±5.50a 3.7±3.80 B 14.9±3.3e 19.2±3.9bc 21.1±2.5b 26.6±3.4a 17.7±3.5cd 16.6±2.8de 20.2±4.0b 28.4±2.5a 20.4±5.3 Co 0.16±0.14ab 0.18±0.07a 0.14±0.05abcd 0.12±0.07bcd 0.09±0.04d 0.10±0.05cd 0.10±0.06cd 0.15±0.06abc 0.13±0.08 Se 0.22±0.37a 0.06±0.02b 0.07±0.04b 0.02±0.01b 0.03±0.02b 0.07±0.04b 0.04±0.03b 0.03±0.01b 0.07±0.14 Mo 0.24±0.11de 0.26±0.09de 0.42±0.07bc 0.60±0.26a 0.33±0.23cd 0.46±0.14b 0.36±0.20bcd 0.18±0.05e 0.37±0.20 Cr 0.19±0.05a 0.12±0.06b 0.21±0.07a 0.18±0.05a 0.18±0.10a 0.11±0.02b 0.19±0.06a 0.10±0.01b 0.16±0.07 As μg·
kg -116.3±8.8bc 11.4±6.6bc 21.2±12.0b 12.7±7.0bc 14.0±10.8bc 63.2±37.0a 19.9±12.3bc 7.6±1.4c 21.0±22.5 V 1.5±0.8b 3.4±3.5b 4.3±1.0ab 4.9±1.6ab 2.9±4.1b 8.1±14.8a 4.9±1.3ab 2.6±0.5b 4.1±5.8 Cd 1.6±2.1ab 1.1±1.1bc 2.1±1.4a 1.0±0.3bc 1.6±0.9ab 0.8±0.2bc 1.2±0.6bc 0.7±0.1c 1.3±1.1 Tl 5.7±5.9a 3.8±3.0abc 4.4±2.1ab 1.8±1.8cd 3.7±4.2abc 0.1±0.7d 1.9±2.8bcd 0.6±2.2d 2.9±3.6 Pb 3.1±2.7bc 2.8±1.5c 4.6±1.9bc 14.3±12.0a 2.1±1.1c 8.3±11.7b 15.3±7.7a 5.1±2.8bc 7.0±8.3 Y 1.0±0.5d 0.9±0.5d 1.3±0.5cd 1.6±0.6cd 1.2±0.2cd 2.9±3.4b 2.4±2.9bc 4.9±1.4a 1.9±2.0 Ce 0.6±0.3b 0.5±0.2b 0.6±0.2b 1.9±0.9ab 0.3±0.1b 3.7±8.0a 1.5±0.8ab 1.9±0.9ab 1.3±3.0 Sc 7.0±2.5f 8.8±3.6ef 10.5±3.4de 11.3±2.9cd 15.3±3.5b 19.4±2.5a 16.8±1.8b 13.1±1.1c 12.6±4.8 Sm 1.4±0.7d 0.7±0.4d 2.2±0.7cd 3.6±4.0bc 1.7±0.5d 1.7±1.2d 5.2±4.0ab 6.0±3.9a 2.6±2.9 Eu 0.9±0.4d 0.5±0.3d 1.4±0.5cd 2.4±2.9bc 1.2±0.3cd 1.0±0.5d 3.5±2.7ab 4.0±2.8a 1.7±1.9 La 0.28±0.21c 0.19±0.13c 0.25±0.06c 0.87±0.66bc 0.17±0.08c 1.40±3.00ab 0.77±0.61bc 1.70±0.71a 0.66±1.20 Pr 0.29±0.45a 0.25±0.24a 0.29±0.18a 0.54±0.76a 0.20±0.09a 0.56±0.82a 0.37±0.14a 0.52±0.14a 0.37±0.47 Nd 0.22±0.11b 0.17±0.09b 0.27±0.07b 0.63±0.40ab 0.13±0.04b 1.30±2.90a 0.62±0.43ab 0.93±0.37ab 0.51±1.08 Gd 0.055±0.036c 0.038±0.026c 0.054±0.013c 0.124±0.064bc 0.039±0.015c 0.280±0.590ab 0.170±0.191bc 0.400±0.140a 0.131±0.247 Tb 0.006±0.005c 0.004±0.005c 0.005±0.003c 0.016±0.008bc 0.004±0.003c 0.041±0.093ab 0.023±0.034bc 0.062±0.025a 0.018±0.039 Dy 0.035±0.028c 0.026±0.022c 0.035±0.016c 0.087±0.044bc 0.022±0.014c 0.231±0.511ab 0.140±0.223bc 0.341±0.152a 0.102±0.220 Ho 0.006±0.005c 0.004±0.005c 0.006±0.004c 0.017±0.008bc 0.005±0.004c 0.046±0.103ab 0.026±0.045bc 0.061±0.028a 0.019±0.044 Er 0.019±0.011c 0.014±0.013c 0.022±0.012c 0.049±0.024bc 0.014±0.007c 0.130±0.290ab 0.076±0.123bc 0.156±0.074a 0.055±0.121 Tm 0.001±0.001b 0.001±0.002b 0.002±0.002b 0.006±0.003ab 0.001±0.002b 0.017±0.039a 0.008±0.01ab 0.016±0.009a 0.006±0.015 Yb 0.015±0.007b 0.011±0.012b 0.018±0.009b 0.042±0.022ab 0.011±0.005b 0.11±0.24a 0.059±0.083ab 0.088±0.045a 0.041±0.096 Lu 0.001±0.001bc 0.001±0.002c 0.002±0.002bc 0.005±0.003abc 0.001±0.002b 0.016±0.037a 0.008±0.013abc 0.012±0.006ab 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).Table 3. 35 elements concentration in walnuts of different areas
-
为了将不同产地核桃中35种元素代表的大量信息压缩为少数的主成分,了解不同元素在空间的分布情况以及不同地区核桃样品中的特征元素,对8个产地128个核桃样品中35种元素进行主成分分析,选择特征值大于1的成分为主成分,得到8个主成分,累积变量达到80.5%,其中,第1主成分、第2主成分代表了49.3%的变量,第3主成分、第4主成分代表了14.9%的变量,核桃中35种元素前4个主成分载荷值见图 1。在第1主成分中,Y、Ce、Tb、Tm、La、Lu、Gd、Yb、Dy等稀土元素有较高的载荷值;在第2主成分中,Co、Fe、Rb、Zn、Tl、Cu和Cd等元素有较高的载荷值;在第3主成分中,Ba、Sm、Eu等元素有较高的载荷值;在第4主成分中,Mo、Ti等元素有较高的载荷值。前4个主成分包含了解释的总方差的64.2%的贡献率,故可认为不同地区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等元素。
-
主成分分析结果表明:多元素包含的信息能够反映出元素分布与不同产区核桃之间的关系,以核桃中多元素为变量对不同产地核桃进行鉴别是可行的。因此,应用线性判别分析(LDA),选择以上35种元素为变量建立8个产地核桃判别模型。通过逐步判别分析,筛选出Al、Fe、As、Co、Ni、Cu、Zn、Sr、Pb、Cr、B、Ce、Sc、Nd、Eu、Tb、Yb和La共18种元素为鉴别不同地区核桃原产地的有效指标。
从核桃样品的第1判别函数和第2判别函数得分(图 2)可以看出:同一省份样品得分坐标距离较近,不同省份距离较远。表 4为LDA判别模型对8个不同地区核桃的分类和交叉验证结果,该模型交叉验证方式采用留一法验证,即只使用原始样本中的1个样本当作验证样本,而剩余样本用来建立模型,这个步骤一直持续到每个样本都被当作1次验证样本。从表 4核桃初始分类结果可以看出:河北、甘肃、陕西、新疆、四川和云南各省样品判别正确率均为100%,仅河南的1个样品被误判为山东产地。从表 4核桃交叉验证结果可以看出:河北、陕西各省样品交叉验证判别正确率均为100%,其它各省样品出现少量误判,整体交叉验证判别正确率为90.6%。因此,采用多元素线性判别分析对不同产地核桃进行鉴别效果较好。
Figure 2. Scatter plots of walnuts sample scores of discriminant function 1 and discriminant function 2
项目Item 样品产地
Sample sources分类结果Classification results 合计
Total预测组成员Groups 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初始分类
Original classific ation河北Hebei 16 0 0 0 0 0 0 0 16 山东Shandong 0 18 0 0 0 0 0 0 18 河南He’nan 0 1 17 0 0 0 0 0 18 甘肃Gansu 0 0 0 18 0 0 0 0 18 陕西Shanxi 0 0 0 0 17 0 0 0 17 新疆Xinjiang 0 0 0 0 0 15 0 0 15 四川Sichuan 0 0 0 0 0 0 15 0 15 云南Yunnan 0 0 0 0 0 0 0 11 11 判别率Classification rate/% 100.0 100.0 94.4 100.0 100.0 100.0 100.0 100.0 99.2 交叉验证
Cross validation河北Hebei 16 0 0 0 0 0 0 0 16 山东Shandong 1 14 3 0 0 0 0 0 18 河南He’nan 0 1 16 1 0 0 0 0 18 甘肃Gansu 0 0 0 16 0 0 2 0 18 陕西Shanxi 0 0 0 0 17 0 0 0 17 新疆Xinjiang 0 0 0 0 1 14 0 0 15 四川Sichuan 0 0 0 0 1 0 13 1 15 云南Yunnan 0 0 0 0 0 0 1 10 11 判别率Classification rate/% 100.0 77.8 88.9 88.9 100.0 93.3 86.7 90.9 90.6 Table 4. LDA classification results of walnuts from different areas
-
为进一步研究线性判别分析对核桃地理标志与非地理标志产品鉴别效果,本研究选择了河南卢氏核桃(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)等知名地理标志产品以及非地理标志产品共47个样品,选择以上35种元素为变量建立不同产地核桃地理标志与非地理标志产品判别模型。通过逐步判别分析,筛选出Fe、As、Ti、Se、B、Sc、Th共7种元素为不同地区地理标志与非地理标志核桃鉴别的有效指标。
如图 3所示,从核桃样品的第1判别函数和第2判别函数得分可以看出:河南卢氏核桃与河南非地理标志产品得分坐标距离较远,云南大姚核桃与云南昌宁核桃样品得分坐标距离较近,甘肃成县核桃与甘肃非地理标志产品之间难以区分。表 5给出了LDA判别模型对不同地区核桃地理标志与非地理标志产品的分类和交叉验证结果。从初始分类结果可以看出:河南卢氏核桃与非地理标志产品区分明显,判别率达到100%;甘肃成县核桃1个样品被误判为非地理标志产品;云南昌宁核桃1个样品被误判为云南大姚核桃,初始分组案例中的95.7%个样品得到了正确分类。从表 5交叉验证结果可以看出:河南卢氏核桃、河南非地理标志产品、云南大姚核桃样品交叉验证判别正确率均为100%,云南昌宁核桃交叉验证分组案例中也有80.0%得到了正确分类,但甘肃成县核桃与甘肃非地理标志产品分组不理想,判别正确率只有16.7%~66.7%,整体交叉验证判别正确率为78.7%。
Figure 3. Scatter plots of geographical/non-geographical indication walnuts scores ofdiscriminant function 1 and discriminant function 2
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 classificationHN-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 validationHN-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).Table 5. LDA classification results of geographical/non-geographical indication walnuts from different areas