基于因子分析的无花果引进品种果实品质性状综合评价

古丽尼沙·卡斯木，木合塔尔·扎热，张东亚,*，郭 靖，艾吉尔·阿布拉，盛 玮，阿布都热西提·热合曼

（1.新疆林业科学院园林绿化研究所，新疆 乌鲁木齐 830063；2.新疆林业科学院经济林研究所，新疆 乌鲁木齐 830063；3.新疆林业科学院防沙治沙研究所，新疆 乌鲁木齐 830063）

基于因子分析的无花果引进品种果实品质性状综合评价

古丽尼沙·卡斯木1，木合塔尔·扎热2，张东亚1,*，郭 靖1，艾吉尔·阿布拉3，盛 玮1，阿布都热西提·热合曼1

（1.新疆林业科学院园林绿化研究所，新疆 乌鲁木齐 830063；2.新疆林业科学院经济林研究所，新疆 乌鲁木齐 830063；3.新疆林业科学院防沙治沙研究所，新疆 乌鲁木齐 830063）

建立5 个无花果品种的果实品质综合评价体系，为筛选优良品种提供依据。以山东引进的‘布兰瑞克’、‘丰产黄’、‘日本紫果’、‘美丽亚’和‘波姬红’5 个无花果品种为试材，测定其4 项外观指标和10 项内在营养品质指标，对14 项指标进行相关性分析和因子分析，建立基于因子分析的综合品质评价模型，并根据综合品质得分进行优良度排序。结果表明：5 个无花果品种14 项果实品质性状变异程度不同，其中VC含量间的差异最大，单果质量、可滴定酸含量、糖酸比、固酸比和镁含量间的差异均中等，其余指标间的差异均相对较小，且品质指标间均存在不同的相关性。经因子分析提取出3 个特征根大于1的公因子，累计方差贡献率为93.486%，其中第1公因子的贡献率为47.242%，包含单果质量、果实纵径、可滴定酸含量、可溶性糖含量与可滴定酸含量比、可溶性固形物含量与可滴定酸含量比、铁、镁和钙含量8 个指标；第2公因子的贡献率为27.150%，包含果实横径、果形指数和VC含量3 个指标；第3公因子的贡献率为19.094%，包含可溶性糖含量、可溶性固形物含量和钾3 个指标。经综合品质评价模型得出，5 个无花果品种果实综合品质得分的优良度排序依次为‘布兰瑞克’、‘美丽亚’、‘日本紫果’、‘波姬红’和‘丰产黄’。

无花果；因子分析；果实品质；综合评价

无花果（Ficus carica L.）属于桑科（Moraceae）榕属（Ficus），既可食用又可药用，也是供庭园观赏的栽培植物，原产地中海沿岸，分布于土耳其至阿富汗，我国南北均有栽培，新疆南部尤多[1-2]。无花果富含维生素、矿物质、脂肪等营养元素，是钙和纤维素含量最高的果品之一[3-4]，鲜果中含有18 种氨基酸，其中有8 种是人体必需氨基酸[5]。另外，无花果还富含黄酮、多糖、超氧化物歧化酶等具有防治心血管疾病和阿尔茨海默病的生理活性物质和具有抗癌功效的呋喃香豆素内酯等物质[6-8]。近年来，随着新疆林果业的快速发展，无花果成为全国著名的新疆特产之一，虽然种植面积和产量逐年增加，但由于新疆无花果品种结构相对单一，上市时间相对集中，严重影响了本地区无花果在市场上的竞争力，同时也制约了无花果品种结构的多样化发展，无法满足消费者对品种多样化的要求[9]。本课题组从2012年开始从山东引进部分优良无花果品种，在阿克苏地区温宿县进行了初步的生态适应性实验，结果表明阿克苏得天独厚的光热资源使无花果部分农艺性状均优于其他栽培区。引种无花果在本地区的品质表现是决定其商品价值的关键，也是其能否推广的重要指标，因此，找出影响无花果果实品质的主要指标，并简化评价指标，建立快捷、简单、准确的无花果品质评价体系是新疆无花果栽培亟待解决的重要问题之一[10]。因子分析是多指标综合评价中一种常用的多元统计方法[11-12]，与主成分分析类似，其基本思路都是通过降维过程，将多个观测指标转化为少数几个相互独立的新指标，再根据各样品的因子得分（或主成分得分）进行综合评价，使得评价结果更加客观、合理[13]。目前，对无花果生物学特性[14]、贮藏加工[2]、营养成分检测和提取[15-16]、栽培模式[17]、引种生态适应性[18-19]等方面已有研究报道。但是，针对无花果果实品质指标进行因子分析与综合评价的研究鲜见报道。

本实验以5 个无花果引进品种果实为试材，对单果质量、果实纵径、果实横径、果形指数、VC含量、可溶性糖含量、可溶性固形物含量、可滴定酸含量、糖酸比、固酸比、铁、镁、钙、钾含量相关无花果果实品质的14 项指标进行因子分析，并进行综合评价，以期为快速、准确判断无花果品质以及筛选出适宜本地区栽培的优良品种提供理论依据。

1 材料与方法

1.1 材料与立地概况

供试材料为山东引种栽培的5 个无花果品种的夏秋果（9月份采摘），分别为‘布兰瑞克’、‘丰产黄’、‘日本紫果’、‘美丽亚’和‘波姬红’。实验地位于阿克苏地区温宿县佳木镇新疆林科院佳木镇实验站无花果果园，无花果树均为于2012年引进的一年生扦插苗，树龄为3 年，株行距为1 m×2 m，南北行向，无严重病虫害，灌溉方式均为漫灌，水肥管理中等。实验地区域属大陆性干旱荒漠气候，四季分明，昼夜温差大，多晴少雨，蒸发量大，光热资源丰富，空气干燥，年均气温10.10 ℃，年均降水量65.4 mm，年均无霜期185 d，春季升温快而不稳，秋季短暂而降温迅速，太阳总辐射年平均544.115～590.156 kJ/cm2，日照时间长，年日照时间2 855～2 967 h。

1.2 仪器与设备

AL204型电子分析天平 梅特勒-托利多（上海）有限公司；游标卡尺（量程0～150 mm，精度0.02 mm）上海尺喜工量具有限公司；RP869手持式折光仪 常州德杜精密仪器有限公司；FW80-1型粉碎机 天津市泰斯特仪器有限公司；Explore-EX223型分析天平 奥豪斯仪器（上海）有限公司；TP432自动电位滴定仪 北京时代新维测控设备有限公司；722S型可见分光光度计上海江仪仪器有限公司；新锐T6型紫外-可见分光光度计上海沪粤明科学仪器有限公司；AA7000原子吸收分光光度计 日本岛津公司；离心机 德国Eppendorf公司。

1.3 方法

1.3.1 果实样品采集方法

样品采集于2015年9月10日，每个品种无花果树外围枝条顶端倒数第8～12叶下随机摘取50个健康果实，即时测定果实单果质量、纵径和横径，以及可溶性固形物含量等指标。然后，其中再次随机选取30 个果实装入塑料封口袋并放置保温箱（带冰袋，箱内温度大约为（2.0±3.0）℃），在12 h内带回新疆农业科学院测试中心，在（3±2）℃条件下的冰箱里放置2 d完成无花果生理后熟，以期减少误差。将完成后熟的无花果果实随机分成5 组置于60 ℃恒温烘箱内烘干至质量恒定，然后每组无花果研磨成粉末状过40 目筛，将过筛后的样品置于样品瓶中待测。

1.3.2 果实品质指标测定方法

果实品质指标均参考常规果实分析法测定。果实纵横径采用电子游标卡尺测量；单果质量使用精度为千分之一的电子天平进行测定；可溶性固形物含量采用手持式折光仪测量；VC含量测定参考2,6-二氯酚靛酚滴定法[20]；可溶性糖含量的测定采用蒽酮比色法[21]；可滴定酸含量的测定采用NaOH中和滴定法[21]；糖酸比为可溶性糖含量与可滴定酸含量之比[21]；固酸比为可溶性固形物含量与可滴定酸含量之比[21]；铁、镁、钙和钾含量的测定均采用原子吸收法[22]，以HF-HClO4分解。

1.4 数据统计分析

本实验所有数据用SPSS 16.0统计软件进行相关性分析和因子分析，单果质量、果实纵径和横径数据均设50 个重复，其他果实品质指标均设6 个重复。

数据标准化处理：因子分析前，对原始数据进行均衡归一化（标准化）的纯量处理，也就是将数据规范至[0，1]，其中正相关指标（单果质量、果实纵径、果实横径、果形指数、VC含量、可溶性糖含量、可溶性固形物含量、糖酸比、固酸比、铁、镁、钙、钾含量）依据公式（1）计算，负相关指标（可滴定酸含量）依据公式（2）计算。

式中：Uin和U′in分别为正相关和负相关指标第n个样品第i个指标的原始值经转化后的隶属函数值；Xin指第n个样品第i个指标的原始测定值；Ximax和Ximin分别指样品组中第i个指标的最大和最小值。

2 结果与分析

2.1 无花果果实品质指标分析

由表1可见，5 个无花果品种14 项果实品质指标均存在着不同程度的变异现象。各指标中果实VC含量的变异系数最大（81.63），5 个品种中‘布兰瑞克’的果实VC含量最高（3.59 mg/100 g），‘日本紫果’的VC含量次之（2.75 mg/100 g），‘丰产黄’的果实VC含量最低（0.19 mg/100 g）。果实可滴定酸含量的变异系数次之（42.30），‘日本紫果’的可滴定酸含量最高（0.37%），其次为‘丰产黄’，‘布兰瑞克’、‘美丽亚’和‘波姬红’的果实可滴定酸含量相近。单果质量、糖酸比、固酸比和镁含量4 项果实品质指标的变异系数较接近（29.52～34.77），‘布兰瑞克’的固酸比最高（160.74），‘日本紫果’的镁含量最高（41.28 mg/100 g），‘美丽亚’的单果质量和糖酸比最高，分别为59.25 g、130.64，‘波姬红’和‘丰产黄’的单果质量、糖酸比、固酸比和镁含量整体居中等水平。果形指数和钙含量的变异系数也较接近，分别为18.53和19.67，除了‘丰产黄’的果形指数小于1.0（0.82）外，其他品种的果形指数均大于1.0，‘丰产黄’的果实钙含量最高，为68.89 mg/100 g，‘日本紫果’的钙含量次之，为63.43 mg/100 g，‘美丽亚’的果实钙含量最低。果实纵径、果实横径、可溶性糖、可溶性固形物含量、铁和钾含量6 项果实品质指标在5 个无花果品种间的变异系数均较低（11.59～14.52）；‘美丽亚’的果实纵径最大（6.01 cm），‘丰产黄’的果实横径最大（5.05 cm）；除了‘波姬红’的果实可溶性糖和可溶性固形物含量均偏低（分别为13.85%、18.80%）外，其他4 个品种的果实可溶性糖和可溶性固形物含量均较高，可溶性糖和可溶性固形物含量分别约为19.0%、24.5%，其中‘丰产黄’的可溶性糖和可溶性固形物含量均最高，分别为19.90%、25.50%；‘日本紫果’的铁和钾含量均最高，分别为0.70、202.82 mg/100 g。分析可见，5 个无花果品种14 项果实品质指标的变异系数均较大，说明所选5 个无花果品种具有一定的广泛性和代表性。

表1 无花果果实品质指标Table 1 Fruit quality indexes of Ficus carica L.

2.2 无花果果实品质性状的相关性分析

从表2可知，5 个无花果品种14 项果实品质指标间均表现出不同的相关性。单果质量与果实纵径、果实横径、果形指数、糖酸比和固酸比间均有正相关性，其中单果质量与果实纵径间的相关性达显著水平（α＝0.05）；单果质量与VC含量、可溶性糖、可溶性固形物、可滴定酸、铁、镁、钙和钾含量间均有负相关性，其中单果质量与钙含量间的负相关性达极显著水平（α＝0.01）。果实纵径与果形指数、VC含量、糖酸比和固酸比和钾含量间均存在着正相关性，但均未达到显著水平；果实纵径与果实横径、可溶性糖、可溶性固形物含量、可滴定酸含量、铁、镁和钙含量间均有负相关性，其中果实纵径与钙含量间的相关性达显著水平（α＝0.05）。果实横径与可溶性糖、可溶性固形物含量、糖酸比和固酸比间均有正相关性，但均未达到显著水平；果实横径与果形指数、VC含量、可滴定酸含量、铁、镁、钙和钾含量间均有负相关性，其中果实横径与VC含量间的相关性达显著水平（α＝0.05）。果形指数与VC含量、可滴定酸含量、糖酸比、固酸比、镁和钾含量间均有正相关性，其与可溶性糖、可溶性固形物含量、铁和钙含量间均有负相关性，但均未达到显著水平。VC含量与可滴定酸含量、铁、镁和钾含量间均有正相关性，与可溶性糖、可溶性固形物含量、糖酸比、固酸比和钙含量间均有负相关性，但均未达到显著水平。可溶性糖与铁含量间有负相关性，与可溶性固形物含量、可滴定酸含量、糖酸比、固酸比、镁、钙和钾含量间均有正相关性，其中可溶性糖含量与可溶性固形物含量间有极显著的正相关性（α＝0.01）。可溶性固形物含量与可滴定酸含量、糖酸比、固酸比、铁、镁、钙和钾含量间均有正相关性，但均未达显著水平。可滴定酸含量与糖酸比和固酸比间均有负相关性，其中与固酸比间的相关性达显著水平（α＝0.05），可滴定酸含量与铁、镁、钙和钾间均有正相关性，但均未达显著水平。糖酸比与固酸比间有极显著正相关性（α＝0.01），与铁、镁、钙和钾含量间均有负相关性，其中与铁含量间的相关性达显著水平（α＝0.05）。固酸比与铁、镁、钙和钾含量间均有负相关性，其中与铁含量间的相关性达显著水平（α＝0.05）。铁含量与镁、钙和钾含量间均有正相关性，镁含量与钙和钾含量间均有正相关性，钙与钾含量间有正相关性，但均未达显著水平。

表2 无花果果实品质指标的相关性分析Table 2 Correlation analysis of fruit quality indexes of Ficus carica L.

2.3 无花果果实品质性状的因子分析

2.3.1 数据标准化

根据无花果的品种特性和选优目标，在选优时对各果实品质指标的衡量标准有所差异：单果质量、果实纵径、果实横径越大越好，果形指数越接近1越好；VC含量、可溶性糖含量、可溶性固形物含量、糖酸比、固酸比、铁、镁、钙、钾含量等果实营养成分越高越好；可滴定酸含量越小越好。由于不同果实品质指标的计量单位不同，数据量纲也不一致，不便进行数据分析。因此，在用因子分析进行综合评价前，使用隶属函数法对原始数据进行了标准化处理，其结果见表3。

表3 无花果14 项品质指标的数据标准化值Table 3 Normalized values of 14 quality indexes of Ficus carica L.

2.3.2 公因子分析

表4 无花果果实品质指标的公因子分析Table 4 Principal factor analysis of fruit quality of Ficus carica L.

5 个无花果品种的14 项果实品质指标根据其对无花果果实品质的影响分为正相关指标（单果质量、果实纵径、果实横径、果形指数、VC含量、可溶性糖含量、可溶性固形物含量、糖酸比、固酸比、铁、镁、钙、钾含量）和负相关指标（可滴定酸含量）进行数据标准化处理，然后对其进行公因子分析，经过方差最大正交旋转后得到的公因子载荷矩阵如表4所示，前3 个公因子累计方差贡献率达93.486%，且其特征根值均大于1，包含无花果果实品质性状的大部分信息。第1公因子的贡献率47.242%，主要由单果质量、果实纵径、可滴定酸含量、糖酸比、固酸比、铁、镁和钙含量8 个因子决定，它们的因子载荷分别为0.797、0.699、0.879、0.900、0.887、-0.984、-0.918和-0.849，主要反映了果实大小、口感品质及一些微量矿质元素含量的高低。第2公因子的贡献率27.150%，由果实横径、果形指数和VC含量3 个因子决定，它们的因子载荷分别为0.992、-0.837和0.792，主要反映了果实外观品质和VC含量的多少。第3公因子的贡献率19.094%，由可溶性糖含量、可溶性固形物含量和钾含量3 个因子决定，它们的因子载荷分别为0.854、0.898和0.772，主要反映了无花果甜度和钾含量的高低。

2.4 无花果果实品质性状的综合评价

通过因子分析，计算前3 个公因子的得分（fi），以各公因子贡献率为权重，公因子的得分与相应权重乘积的累加建立果实品质综合得分（fz）的数学模型：fz＝（47.242f1+27.150f2+19.094f3）/93.486，该模型计算获取5 个无花果品种的果实品质综合得分，并根据果实品质性状的综合得分进行优良度排序（表5）。

表5 无花果果实品质的各公因子得分、综合得分及优良度排序Table 5 Principal component scores, comprehensive scores and ranking of Ficus carica L.

由表5可知，综合得分大小排序依次为‘布兰瑞克’、‘美丽亚’、‘日本紫果’、‘波姬红’和‘丰产黄’。5 个无花果品种的3 个公因子相比，‘布兰瑞克’的3 个公因子均排在第2，说明所测定的14 项品质指标均比较优良；‘美丽亚’的第1 公因子排在第一、第2个公因子排在第4，第3个公因子排在第3，该品种的主要优势体现在第1个公因子所包含的8 项指标上，第3个公因子所包含的3 项指标均适中，第2个公因子所包含的果实外观品质和VC含量等3 项指标较差；‘日本紫果’的第1个公因子排在第5，第2个公因子排在第一，第3个公因子排在第4，该品种的主要优势体现在第2个公因子所包含的3 项指标上，第1个公因子所包含的8 项指标和第3个公因子所包含的3 项指标均较差；‘波姬红’的第1和第2公因子均排在第3，第3个公因子排在第5，该品种第1个公因子所包含的8 项指标和第2个公因子所包含的3 项指标均较适中，第3个公因子所包含的3 项指标均较差；‘丰产黄’的第1个公因子排在第4，第2个公因子排在第5，第3个公因子排在第一，该品种的主要优势体现在第3个公因子所包含的3 项指标上，第1个公因子所包含的8 项指标和第2个公因子所包含的3 项指标均较差。

3 讨 论

无花果是优良的经济林树种，在世界范围内被广泛种植，在长期的自然进化和人工选育过程中，产生了众多的优良品种，全世界的无花果栽培品种超过700 个[23]。变异系数的差异反映了性状在进化保守性或遗传可塑性方面的不同，进行品种或变异类型选育应予以考虑[24]。本研究结果表明，5 个无花果品种14 项果实品质指标上表现出不同的差异，其中变异系数最小的是可溶性固形物含量（11.59），VC含量的变异系数达81.63，这说明5 个无花果品种在14 项果实品质性状上存在较大的遗传差异，这为无花果优异种质资源发掘提供了丰富的选择空间[25]。相关性分析结果可见，除了无花果果实少部分品质指标间存在显著相关性外，大部分品质指标间的相关性未达显著水平，说明进行综合评价时没有必要剔除评价指标间重复信息[26]。

无花果果实性状的组成因素较多，果实的许多性状与品质密切相关，这些性状之间既有相对独立性，又有一定的相关性。主成分分析法即在最大程度保留原有信息的前提下，利用数目较少且相互独立的指标去代表数目较多且彼此相关的指标[27-28]。因此，利用主成分分析法可从复杂的现象中找出事物的主要矛盾，减少评价指标，简化评价过程，而且，在基于主成分分析的综合评价中，以方差贡献率作为信息量的测度标准，以主成分相应方差贡献率（或方差相对贡献率）作为权重，是一种客观赋权法，侧重于数据本身的客观性，一定程度上避免人为赋予权重造成的影响[11,29-30]。由于原始指标测定的是不同的品质指标，其计量单位不同，所以数据的量纲也不一致，所以本研究首先采用隶属函数法对原始数据进行标准化处理，然后进行公因子分析，并根据综合品质得分进行了优良度排序。公因子分析结果表明，从14 项无花果果实品质指标中提取出3 个特征根均大于1的公因子，这3 个公因子且既是综合的，又是相互独立的指标，避免了重复信息的干扰，它包含了无花果果实品质性状的大部分信息（累计方差贡献率为93.486%）。经综合评价，5 个无花果品种的优良度排序为‘布兰瑞克’＞‘美丽亚’＞‘日本紫果’＞‘波姬红’＞‘丰产黄’。由此可知，因子分析法不仅可以客观地筛选出综合性状优良的无花果品种，还可根据各公因子得分对每一品种做出适当评价，对无花果优良品种的筛选和定向选育提供了科学的理论依据。在生产和良种选育过程中，可以根据无花果不同品种的不同优势，生产和推广种植能够满足不同市场需求的无花果果品。

4 结 论

5 个无花果品种14 项果实品质指标的变异系数不一，其中VC含量间的差异最大，变异系数为81.63，果实可滴定酸含量间的差异次之，变异系数为42.30，可溶性固形物含量间的差异最小，变异系数为11.59，由此可见，5 个无花果品种14 项果实品质指标的变异系数均较大，具有一定的广泛性和代表性。

经因子分析提取出3 个特征根大于1公因子，其中第1公因子包含单果质量、果实纵径、可滴定酸含量、糖酸比、固酸比、铁、镁和钙含量8 个指标；第2公因子包含果实横径、果形指数和VC含量3 个指标；第3公因子包含可溶性糖含量、可溶性固形物含量和钾含量3 个指标。这3 个公因子的累计方差贡献率为93.486%，提供了原性状大部分的信息，且既是综合的，又是相互独立的指标，避免了重复信息的干扰。

经综合品质评价模型得出，5 个无花果品种果实综合品质得分的优良度大小顺序为‘布兰瑞克’＞‘美丽亚’＞‘日本紫果’＞‘波姬红’＞‘丰产黄’。

[1] 吴征镒. 中国植物志(第23卷) [M]. 北京: 中国科学出版社, 1998: 124.

[2] 张雪丹, 安淼, 张倩, 等. 无花果采后生理和贮藏保鲜研究进展[J].食品科学, 2013, 34(23): 363-369. DOI:10.7506/spkx1002-6630-201323072.

[3] MELGAREJO P, SALAZAR D M, ARTÉS F. Organic acids and sugars composition of harvested pomegranate fruits[J]. European Food Research and Technology, 2000, 211(3): 185-190. DOI:10.1007/s002170050021.

[4] JOSEPH B, RAJ S J. Pharmacognostic and phytochemical properties of Ficus carica Linn: an overview[J]. International Journal of Pharmtech Research, 2011, 3(1): 8-12.

[5] PIGA A, DEL CARO A, MILELLA G, et a1. HPLC analysis of polyphenols in peel and pulp of fresh fi gs[J]. Acta Horticulturae, 2008,798: 301-306. DOI:10.17660/ActaHortic.2008.798.43.

[6] 潘悠优, 花佩, 王允祥, 等. 无花果多糖提取、分离纯化及生物活性的研究进展[J]. 食品科学, 2016, 37(17): 289-295. DOI:10.7506/spkx1002-6630-201617048.

[7] 彭珊珊, 肖峰. 无花果叶、番石榴叶中黄酮类化合物的提取与测定[J]. 食品科学, 2005, 26(9): 300-302. DOI:10.3321/j.issn:1002-6630.2005.09.073.

[8] DE CARO A, PIGX A. Polyphenol composition of peel and pulp of two Italian fresh fi g fruits cultivars (Ficus caria)[J]. European Food Research and Technology, 2007, 226(4): 581-584.

[9] 余希成, 卢俊, 曹为民. 水溶性无花果多糖的微波提取技术[J]. 食品研究与开发, 2009, 30(9): 19-23. DOI:10.3969/j.issn.1005-6521.2009.09.006.

[10] 孙锐, 贾眀, 孙蕾. 世界无花果资源发展现状及应用研究[J]. 世界林业研究, 2015, 28(3): 31-36.

[11] KURTANJEK Z, HORVAT D, MAGDIC D, et a1. Factor analysis and modelling for rapid quality assessment of croatian wheat cultivars with different gluten characteristics[J]. Food Technology and Biotechnology, 2008, 46(3): 270-277.

[12] 聂继云, 李志霞, 李海飞, 等. 苹果理化品质评价指标研究[J]. 中国农业科学, 2012, 45(14): 2895-2903. DOI:10.3864/j.issn.0578-1752.2012.14.012.

[13] CHAÏB J, DEVAUX M F, GROTTE M G, et al. Physiological relationships among physical, sensory, and morphological attributes of texture in tomato fruits[J]. Journal of Experimental Botany, 2007,58(8): 1915-1925.

[14] 陈建业, 宁玉霞, 朱自兰, 等. 无花果生物学特性观察[J]. 果树科学,1997, 14(1): 16-20.

[15] 杨润亚, 明永飞, 王慧, 等. 无花果叶中总黄酮的提取及其抗氧化活性测定[J]. 食品科学, 2010, 31(16): 78-82.

[16] 田景奎, 王爱武, 吴丽敏, 等. 无花果叶挥发油化学成分研究[J]. 中国中药杂志, 2005, 30(6): 474-476. DOI:10.3321/j.issn:1001-5302.2005.06.023.

[17] GAALICHE B, LAURI P E, TRAD M, et al. Interactions between vegetative and generative growth and between crop generations in fi g tree (Ficus carica L.)[J]. Scientia Horticulture, 2011, 131: 22-28.

[18] 黄鹏, 吕顺端, 马贯羊. 无花果优良品种的引种栽培[J]. 经济林研究,2009, 27(3): 47-52. DOI:10.3969/j.issn.1003-8981.2009.03.010.

[19] 古丽尼沙•卡斯木, 木合塔尔•扎热, 布祖拉•依马木, 等. 4 个无花果品种光合特性比较研究[J]. 浙江林业科技, 2016, 36(1): 32-36.DOI:10.3969/j.issn.1001-3776.2016.01.007.

[20] 宁正祥. 食品成分分析手册[M]. 北京: 中国轻工业出版社, 1997:306-307.

[21] 张水华. 食品分析实验[M]. 北京: 化学工业出版社, 2006: 32-33; 43-46.

[22] 孟平, 焦红, 孙超, 等. 火焰原子吸收光谱法测定Borojo果及其制品中的8 种微量元素[J]. 现代食品科技, 2012, 28(2): 223-225.DOI:10.3969/j.issn.1673-9078.2012.02.023.

[23] 吴子江, 马翠兰, 郭阳彬, 等. 无花果生产与研究进展[J]. 亚热带农业研究, 2013, 9(3): 151-157.

[24] 汤佳乐, 黄春辉, 刘科鹏, 等. 野生毛花猕猴桃叶片与果实AsA含量变异分析[J]. 江西农业大学学报, 2013, 35(5): 982-987.DOI:10.3969/j.issn.1000-2286.2013.05.015.

[25] 蒋卉, 丁慧萍, 白红进, 等. 新疆南疆引进鲜食枣品种品质性状的综合评价[J]. 食品科学, 2016, 37(3): 55-59. DOI:10.7506/spkx1002-6630-201603011.

[26] 白世践, 李超, 王爱玲, 等. 吐鲁番地区无核葡萄主要品质性状因子分析与综合评价[J]. 西北农业学报, 2016, 25(1): 92-102.DOI:10.7606/j.issn.1004-1389.2016.01.013.

[27] 冯会丽, 吴正保, 史彦江, 等. 基于因子分析的灰枣优良无性系果实品质评价[J]. 食品科学, 2016, 37(9): 77-81. DOI:10.7506/spkx1002-6630-201609015.

[28] 倪志华, 张思思, 辜青青, 等. 基于多元统计法的南丰蜜橘品质评价指标的选择[J]. 果树学报, 2011, 28(5): 918-923.

[29] 马庆华, 李永红, 梁丽松, 等. 冬枣优良单株果实品质的因子分析与综合评价[J]. 中国农业科学, 2010, 43(12): 2491-2499.

[30] 雷莹, 张红艳, 宋文化, 等. 利用多元统计法简化夏橙果实品质的评价指标[J]. 果树学报, 2008, 25(5): 640-645.

Factor Analysis and Comprehensive Evaluation of Fruit Quality Traits of Introduced Fig Cultivars

GULNISA Kasim1, MUHTAR Zari2, ZHANG Dongya1,*, GUO Jing1, AJAR Abla3, SHENG Wei1, ABUDUREXIT Rahman1
(1. Institute of Landscape Planning Project Design, Xinjiang Academy of Forestry Sciences, Ürümqi 830063, China;2. Institute of Economic Forest, Xinjiang Academy of Forestry Sciences, Ürümqi 830063, China;3. Institute of Desert Control and Prevention, Xinjiang Academy of Forestry Sciences, Ürümqi 830063, China)

The study aimed to establish a comprehensive evaluation system for the fruit quality of 5 fig cultivars and to provide evidence for the selection of fine cultivars. Totally 5 fig cultivars introduced into and grown in Xinjiang from Shandong, ‘Blanrick’, ‘Fengchanhuang’, ‘Violette Solise’, ‘Meiliya’ and ‘Bojihong’ were collected to determine 4 appearance indexes and 10 nutritional quality indexes and these were subsequently evaluated by correlation analysis and factor analysis. Besides, these cultivars were sorted according to their comprehensive quality scores. The results showed that the intercultivar variations of 14 fruit quality traits were different; the highest difference was observed for vitamin C, fruit weight, titratable acid, sugar to acid ratio, solid to acid ratio and magnesium content were at a moderate level, and the rest varied relatively less. Moreover, different correlations among all quality indexes were found depending on cultivar. By factor analysis, 3 common factors with an eigenvalue greater than 1 were extracted, cumulatively contributing to 93.486% of the total variance. The contribution rate of the fi rst common factor including fruit weight, fruit longitudinal diameter, titratable acidity, sugar to acid ratio, solid to acid ratio, and iron, magnesium and calcium contents was 47.242%, the contribution rate of the second common factor including fruit transverse diameter, fruit shape index and vitamin C content was 27.150%, and the contribution of the third common factor including soluble sugar, soluble solids and potassium content was 19.094%.Using the comprehensive quality evaluation model, the fruit quality of 5 fi g cultivars was ranked in the decreasing order of‘Blanrick’, ‘Meiliya’, ‘Violette Solise’, ‘Bojihong’ and ‘Fengchanhuang’.

fi gs; factor analysis; fruit quality; comprehensive evaluation

10.7506/spkx1002-6630-201801015

S663.3

A

1002-6630（2018）01-0099-06

古丽尼沙•卡斯木, 木合塔尔•扎热, 张东亚, 等. 基于因子分析的无花果引进品种果实品质性状综合评价[J]. 食品科学,2018, 39(1): 99-104.

10.7506/spkx1002-6630-201801015. http://www.spkx.net.cn

GULNISA Kasim, MUHTAR Zari, ZHANG Dongya, et al. Factor analysis and comprehensive evaluation of fruit quality traits of introduced fi g cultivars[J]. Food Science, 2018, 39(1): 99-104. (in Chinese with English abstract) DOI:10.7506/spkx1002-6630-201801015. http://www.spkx.net.cn

2016-09-01

新疆维吾尔自治区科技支撑计划项目（201531127）

古丽尼沙•卡斯木（1968—），女，高级工程师，学士，研究方向为良种繁育、经济林及园林植物。E-mail：gulinisha@sina.cn

*通信作者简介：张东亚（1966—），男，研究员，学士，研究方向为果树良种选育和经济林栽培技术。E-mail：358999837@qq.com