产地、品种和年际对大豆矿物元素含量的影响

鹿保鑫 马 楠 王 霞 李超楠 张东杰 钱丽丽

(黑龙江八一农垦大学食品学院，大庆 163319)

大豆是我国兼具经济和营养价值的优质高效作物[1-2]。大豆籽粒中的矿物元素含量过高或过低都会对人的身体健康造成严重影响[3-4]。目前测矿物元素应用最广泛的为电感耦合等离子体质谱技术(ICP-MS)，该技术具有灵敏度高、线性范围宽、多元素同时测定等优点[5-8]，在植源性农产品产地溯源方面应用广泛。而大豆中矿物元素不仅受到地域因素的影响，同时也受到其他一些自然因素，如大豆品种及年际的影响，分析影响因素对大豆中矿物元素含量的影响是研究矿物元素产地溯源技术形成机制的重要内容。经研究得知矿物元素产地溯源技术在黑龙江省大豆主产地区产地鉴别是可行的[9]，但是大豆中矿物元素含量的差异主要来源于产地、品种还是年际还不得之，这些影响因素导致的大豆中矿物元素的差异变化仍需探究，探寻能够真正表征大豆地域特征的矿物元素是该溯源技术的关键，故筛选与产地直接相关的特征指标显得特别重要。孙耀帆[10]利用电感耦合等离子体质谱法(ICP-MS)测定了不同产地花生中35种微量元素的含量，结果运用化学计量思想得到不同产地的花生中微量元素有显著差异。Li等[11]对尖枣、金丝小枣、骏枣等5个枣品种中的矿质元素进行测定，研究结果表明，枣果实中矿质元素含量因品种不同而存在差异。田甲春[12]检测了来自同一产地不同品种的马铃薯中K、Na、Fe、Cu、Zn、P、Mg、Ca、Se、Pd、Cr、As元素含量。结果表明，不同品种中矿物元素有显著差异。本研究通过连续三年在两个大豆主产区建立田间实验模型，研究产地、年份、品种及其交互作用对大豆中矿物元素含量的影响，探寻表征不同地域大豆中的特征矿物元素；筛选与产地直接相关的有效溯源指标，并通过SPSS主成分分析和判别分析对其筛选结果进行验证。

1 材料与方法

1.1 仪器

iCAP 600 0系列电感耦合等离子体发射光谱仪：美国Thermo公司；Smart-N-15UV型超纯水设备：苏州江东精密仪器有限公司；Mars6型高通量密闭微波消解系统：美国CEM 公司；BLF-YB2000型高速多功能粉碎机：深圳百利福工贸有限公司；DGG-9023A型电热恒温鼓风干燥箱：上海森信实验仪器有限公司；梅特勒AL104 型电子天平：美国梅特勒-托利多公司；DV4000精确控温电热消解仪：北京安南科技有限公司。

表1 各实验站点地理信息和大豆生长期天气条件信息表

1.2 试剂

浓硝酸(65%)、浓硫酸、过氧化氢(优级纯GR)：北京化学试剂研究所；超纯水(电阻率：>18.2 MΩ·cm，20 ℃)：国家杂粮科学技术研究中心；苏丹-Ⅲ(分析纯AR)：北京欣经科生物技术有限公司；各元素标样：美国安捷伦公司；生物成分分析标准物质-大豆(GBW100 55)：中国标准物质采购中心；无水乙醇溶液(分析纯AR)：国药集团化学试剂有限公司。

1.3 样品的分析

1.3.1 田间实验设计

于2014—2016年以大豆主产区北安、嫩江农场为实验点，每个地域各选择3块实验田，该3块实验田成三角形进行分布，且每块实验田取样成“S”形进行取样(由于矿物元素在植物体内不能自身合成，需要从周围环境中获取，故主要获取方式来自与土壤，所以地块土壤中元素差异对大豆中元素差异会有显著的相关性)。选择当地主栽中晚熟大豆品种10个(黑河52、黑河43、黑河45、黑河36、黑河48、黑河38、北豆21、北豆10、北豆5、克山1号)，3次重复，每个实验田块面积不少于30 m2，周围设保护行，且保护行品种与各对应品种相同。按照当地大豆的管理模式统一进行管理。

1.3.2 样品的采集及预处理

选择来自于黑龙江省北安、嫩江实验田的大豆样本。在大豆成熟期每个实验田随机选择3个点作为重复，依据代表性采样原则，每个点收割4 m2，收集1～2 kg大豆，编号并记录样本信息。每年每个实验点共采集30个大豆样本。将采集的大豆样品进行脱粒、挑选、清洗、烘干至恒重，并用高速多功能粉碎机处理，过100目筛得到大豆全粉待测。所有样本采用统一处理方式。

1.3.3 样本元素含量测定

采用电感耦合等离子体质谱仪(ICP-MS)对大豆中元素含量进行测定[13]，样品测定均重复3次。

1.3.4 数据处理

采用SPSS19.0软件对数据进行方差分析、主成分分析和Fisher判别分析。

2 结果与分析

2.1 不同产地大豆样品矿物元素含量和组成分析

不同产地大豆样品矿物元素含量的平均值和标准偏差如表2所示。

表2 不同产地大豆中显著矿物元素含量/μg·kg-1

注：不同小写字母表示显著性差异，“*”表示两产地间元素差异显著(P<0.05)；“**”表示两产地间元素差异极显著(P<0.01)。

由表2可知：对于不同产地实验田来源大豆样品矿物元素含量进行方差分析(保证产地不同，大豆品种、年际相同)。结果显示，Na、Cu、Se、Rb、Pd、Pr、Eu、Hf、Lu、Ir元素在不同产地之间有显著差异(P<0.05)；Tb元素的含量在不同产地之间有极显著差异(P<0.01)。该实验结果与Tamaras等[14]运用ICP-MS测定来自中国大陆、印度、斯里兰卡以及中国台湾的103只茶样(包括黑、绿茶、乌龙茶)中多种元素含量的分析结果相似。

2.2 不同品种大豆样品矿物元素组成和含量分析

不同品种大豆样品矿物元素含量的平均值和标准偏差如表3所示。

表3 不同品种大豆样品矿物元素含量

注：表格中带“*”的元素单位为mg/kg，其余均为μg/kg。

表4 不同年份大豆中显著的矿物元素含量/μg·kg-1

注：表中“*”表示两产地间元素差异显著(P<0.05)；“**”表示两产地间元素差异极显著(P<0.01)。

由表3可知，对于不同品种实验田来源大豆样品矿物元素含量进行方差分析(保证品种不同，大豆产地、年际相同)。结果显示，测定的52种矿物元素有47种元素Na、Mg、Al、K、Ca、V、Cr、Mn、Fe、Co、Ni、Cu、Zn、As、Se、Rb、Sr、Mo、Ru、Rh、Rd、Ag、Cd、Te、Cs、Ba、La、Ce、Pr、Nd、Sm、Eu、Gd、Tb、Dy、Ho、Er、Yb、Lu、Hf、Ir、Pt、Au、Tl、Pb、Th和U的含量在不同品种之间有极显著差异(P<0.01)，该实验结果与Okwu[15]等对不同品种的柑橘类水果中K、Na、Ca、P、Mg等矿物质元素含量的分析结果相似。

2.3 不同年份间大豆样品矿物元素组成和含量分析

不同年份间大豆样品矿物元素含量的平均值和标准偏差如表4所示。

由表4可知，对于不同年份实验田来源大豆样品中矿物元素含量进行方差分析(保证年际不同，大豆产地、品种相同)。结果显示，Na、As、Se、Sb、Tb、Dy、Lu、Ir和Pt元素的含量在不同年份之间有极显著差异(P<0.01)，Mg、V、Cr、Ag、Te、Ce、Nd、Er、Hf和Pb素在不同年份之间有显著差异(P<0.05)，该实验结果与王颖等[16]测定了2011年和2012年云南省种植的45个马铃薯品种Zn、Mg、Ca、K和P元素的含量分析结果相似。

2.4 交互作用对大豆中矿物元素组成和含量的影响

通过SPSS软件一般线性模型的多变量分析，即主效应和交互效应的方差分析，综合分析产地、品种、年份及其交互作用对各元素含量变异的影响。结果显示，产地因素对元素Tb、Ir、Ti含量有极显著差异(P<0.01)，对元素Mg、K、V、Mn、Co、Cu、Rb、Sr、Pd、La、Pr、Nd、Sm、Eu、Gd、Dy、Er和Hf含量有显著差异(P<0.05)；品种对元素Cr、Dy、Ho和Pb含量有显著差异(P<0.05)；年份对元素As、Se、Ag、Sb、Te、Tb、Er、Lu、Hf、Pt、Au和Pb含量有极显著差异(P<0.01)，对元素V、Pd和Ir含量有显著差异(P<0.05)。

产地和品种的交互作用对元素Na、Ru、Ag和Ir含量有显著影响(P<0.05)；品种和年际的交互作用对元素Sn含量有极显著影响(P<0.01)，对元素Cs和Ti含量有显著影响(P<0.05)；产地和年际的交互作用对元素Ni、Se、Pd、Tb、Hf、Ir含量有极显著影响(P<0.01)，对元素AI、Zn、As、Rh、Cd、Cs和Au含量有显著影响(P<0.05)；产地、品种和年际三者的交互作用对元素Sn和Tb含量有极显著影响(P<0.01)，对元素Cs、Ir和Ti含量有显著影响(P<0.05)。

2.5 与产地直接相关元素的主成分分析

主成分分析是一种将多个指标化为少数几个综合指标的一种统计方法，它具有降维的作用，故可将问题简化[17-18]。通过以上建立不同产地、品种和年份实验田研究，初步筛选到受产地影响较大的Tb、Ir、Ti、Mg、K、V、Mn、Co、Cu、Rb、Sr、Pd、La、Pr、Nd、Sm、Eu、Gd、Dy、Er、Hf共21种矿物元素，采用筛选后的元素进行主成分分析，分析结果见表5、表6。

表5 前6个主成分中各变量的特征向量及累计方差贡献率

表6 主成分载荷表

注：标“*”表示各元素在提取的6个主成分中载荷绝对值的最大值。

由表5可知，总方差80.580%的贡献率来自前6个主成分。主成分1方差贡献率为32.255%；主成分2方差贡献率为16.751%；主成分3方差贡献率为12.118%；主成分4主要方差贡献率为7.723%；主成分5方差贡献率为6.212%；主成分6方差贡献率为5.521%。

由表6可知，与产地直接相关的21种矿物元素V、La、Pr、Nd、Sm、Gd在第一主成分上载荷较大，其中Sr在第一主成分上的载荷绝对值较大，即负相关程度较高；Mg、K、Mn、Cu在第二主成分上载荷较大，即与第二主成分的相关程度较高；Pd、Hf在第三主成分上载荷较大，其中Er在第三主成分上的载荷绝对值较大，即负相关程度较高；Eu、Dy在第四主成分上载荷较大，即与第四主成分相关程度较高；Co、Rb、Ti在第五主成分上载荷较大，即与第五主成分相关程度较高；Ir在第六主成分上载荷较大，其中Tb在第六主成分上的载荷绝对值较大，即与第六主成分负相关程度较高；因此可将主成分命名如下：

第一主成分：V、Sr、La、Pr、Nd、Sm、Gd；第二主成分：Mg、K、Mn、Cu；第三主成分：Pd、Er、Hf；第四主成分：Eu、Dy；第五主成分：Co、Rb、Ti；第六主成分：Tb、Ir。

利用第1、第2、第3主成分的标准化得分作图，见图1。

图1 不同产地大豆的主成分得分图

如图1可知，两个产地来源大豆样品分别分布在不同的空间，嫩江和北安分布距离较接近，但也各自有着各自的区域范围，且第1、第2、第3主成分主要综合了大豆样品中V、Sr、La、Pr、Nd、Sm、Gd、Mg、K、Mn、Cu、Pd、Er、Hf等元素含量信息。说明通过实验田筛选的这21种矿物元素，能较好的将不同来源样本区分，这些元素所涵盖的产地信息可用于大豆的产地鉴别。可见，主成分分析可以把样品中多种元素的信息通过综合的方式更直观地表现出来。

2.6 与产地直接相关元素的判别分析

通过不同产地来源的大豆样品中的方差分析和主成分分析结果可知，利用Tb、Ir、Ti、Mg、K、V、Mn、Co、Cu、Rb、Sr、Pd、La、Pr、Nd、Sm、Eu、Gd、Dy、Er、Hf共21种矿物元素特征指标判别大豆的产地是可行的。为了进一步了解各矿物元素指标对大豆产地的判别结果，对不同产地有显著差异的矿物元素进行Fisher逐步判别分析，采用步进式方法，建立判别模型。结果如表7、表8、图2所示。

表7 不同产地大豆判别函数模型系数

Fisher的线性判别式函数

由表7可知，Mg、Mn、Sr、La、Gd、Tb、Hf和Ti这8种矿物元素先后被引入判别模型中，得到判别模型如下：

Y嫩江=2.688E-5Mg+0.001Mn+0.000Sr-0.579La+3.989Gd+0.004Tb-0.089Hf+0.718Ti-34.493

(1)

Y北安=3.186E-5Mg+0.001Mn-0.002Sr-1.560La+10.394Gd+0.012Tb-0.223Hf+1.733Ti-46.729

(2)

注：a对分析中的案例进行交叉验证。在交叉验证中，每个案例都是按照从该案例以外的所有其他案例派生的函数来分类的；b已对初始分组案例中的93.2%个进行了正确分类；c已对交叉验证分组案例中的91.3%个进行了正确分类。

由表8可知，该模型对嫩江、北安大豆产地的正确判别率分别为93.2%、93.2%，对测试集大豆产地的整体正确判别率为93.2%。该模型的交叉验证结果显示，嫩江和北安有91.3%的样品被正确识别，其中嫩江有93.2%的样品被正确识别，北安有89.8%的样品被正确识别。交叉检验的错判率为8.5%<10%，对大豆产地判别具有应用价值[19]。证明矿物元素Mg、Mn、Sr、La、Gd、Tb、Hf和Ti对嫩江和北安大豆样品具有有效的判别力。

由图2可知，嫩江、北安组均值分别为-1.67、1.25，而各个产地的元素分布都是在这个组均值的周围分布。嫩江产地围绕组质心的元素标准偏差为0.951，而北安产地围绕组质心的元素标准偏差为1.035，因0.951<1.035，说明嫩江产地的元素离散程度小于北安产地。北安产地的元素分布还有在小于0的范围内分布的，故北安元素分布与嫩江的元素分布有重叠的地方，但大多数元素分布效果都能够较好的判别出两个产地。这也是导致判别率没有达到的100%的原因之一。

a 嫩江

b 北安图2 大豆的典型判别函数图

3 结论

通过SPSS软件一般线性模型实现的多变量分析，即主效应和交互效应的方差分析，综合分析产地、品种、年份及其交互作用对各元素含量变异的影响。结果显示，产地、品种和年际三者的交互作用对元素Sn和Tb含量有极显著影响(P<0.01)，对元素Cs、Ir和Ti含量有显著影响(P<0.05)。通过对与产地直接相关元素的主成分分析，Tb、Ir、Ti、Mg、K、V、Mn、Co、Cu、Rb、Sr、Pd、La、Pr、Nd、Sm、Eu、Gd、Dy、Er、Hf共21种元素能较好的将不同产地来源大豆样本进行区分，这些元素所涵盖的产地信息可用于大豆的产地判别。对不同产地有显著差异的矿物元素进行Fisher逐步判别分析，结果表明Mg、Mn、Sr、La、Gd、Tb、Hf和Ti这8种矿物元素先后进入了判别模型中，且对大豆产地的整体正确判别率为93.2%，证明矿物元素Mg、Mn、Sr、La、Gd、Tb、Hf和Ti对嫩江和北安大豆样品具有有效的判别力。用矿物元素特征指标可以做农产品产地溯源，因为矿物元素是生物体的基本组成成分，其自身体内不能合成，须从周围环境中摄取。主要受当地的土壤环境、水和地质因素的影响，导致在不同地域生长的生物体有其各自的矿物元素指纹特征，故利用该方法做产地溯源的研究是可行的。综上所述，大豆中矿物元素的含量主要受产地、品种和年际的影响，因此对产地、品种和年际这三种主要影响因素进行因素分析，筛选出大豆中矿物元素的特征指标，这为今后的大豆产地溯源数据库的建立提供参考。

[1]王中江,江连洲,李杨,等. 大豆制品的营养成分及研究进展[J]. 中国食物与营养,2010(4):16-19

WANG Z J,JIANG L Z,LI Y,et al.Nutriential component of soybean products and its research progress[J]. Food and Nutrition in China,2010(4):16-19

[2]宋雯雯,秦培友,杨修仕,等. 中国大豆品质性状的地理分布[J]. 大豆科技,2013(3):5

SONG W W,QIN P Y,YANG X S,et al.Geographical distribution of chinese soybean quality traits[J].Soybean Science & Technology, 2013(3):5

[3]陈子林,康华靖,周楠,等. 香果树主要金属元素分布及其与土壤养分之间的关系[J]. 中国野生植物资源,2009,28(1):30-36

CHEN Z L, KANG H J, ZHOU N,et al.Element distribution and its relationship with soil nutrients in different communities of emm enopterys henryi[J].Chinese Wild Plant Resources,2009,28(1):30-36

[4]TRETHOWAN R M, REYNOLDS M, SAYRE K, et al. Adapting wheat cultivars to resource conserving farming practices and human nutritional needs.[J]. Annals of Applied Biology, 2015, 146(4):405-413

[5]孙耀帆,李群,江志刚,等. 电感耦合等离子体质谱法测定花生中34种元素[J]. 分析试验室,2012,31(6):108-112

SUN Y F,LI Q,JIANG Z G,et al.Study on determination of 34 elements in peanuts by inductively coupled plasma mass spectrometry[J]. Chinese Journal of Analysis Laboratory,2012,31(6):108-112

[6]马金晶,罗雯,张龙旺,等. 微波消解-电感耦合等离子体质谱法测定人面果树中的重金属元素[J]. 分析试验室,2012,31(7):32-35

MA J J,LUO W,ZHANG L W,et al.Determination of heavy metal elements in garcinia xanthochymus by ICP-MS using microwave digestion for sample preparation[J]. Chinese Journal of Analysis Laboratory,2012,31(7):32-35

[7]郝红玲. 微波消解样品-电感耦合等离子体质谱法同时测定卷烟辅料中7种微量元素[J]. 理化检验(化学分册),2012,48(6):728-730

HAO H L.Simultaneous determination of seven trace elements in cigarette accessories by microwave digestion samples and inductively coupled plasma mass spectrometry[J].Physical Testing and Chemical Analysis(Part B:Chemical Analysis),2012,48(6):728-730

[8]黄小龙,何小青,张念,等. ICP-MS法测定多种微量元素用于地理标志产品苹果的鉴定[J]. 食品科学,2010,31(8):171-173

HUANG X L,HE X Q,ZHANG N,et al.ICP-MS analysis of trace elements in apples for identification of geographical origin[J].Food Science,2010,31(8):171-173

[9]鹿保鑫,马楠,王霞,等. 基于主成分分析和判别分析的大豆产地溯源[J].食品科学,2017(5):1-13

LU B X, MA N, WANG X,et al.Tracing the source of soybean production based on principal component analysis and discriminant Analysis[J].Food Science,2017(5):1-13

[10]孙耀帆. 花生中微量元素测定及溯源研究[D].青岛大学,2012

SUN Y F.Determination of trace elements in peanut and its traceability[D].Qingdao University,2012

[11]LI J W,FAN L P,DING S D,et al. Nutritional composition of five cultivars of chinese jujube[J].Food Chemistry,2007, 103(2):454-460

[12]田甲春,胡新元,田世龙,等. 19个品种马铃薯营养成分分析[J]. 营养学报,2017,39(1):102-104

TIAN J C,HU X Y,TIAN S L,et al. Analysis of nutrient composition of 19 variety potatoes[J].Acta Nutrimenta Sinica,2017,39(1):102-104

[13]赵海燕,郭波莉,张波,等. 小麦产地矿物元素指纹溯源技术研究[J].中国农业科学, 2010,18:3817-3823

ZHAO H Y, GUO B L, ZHANG B,et al. The application of multi-element analysis to determine the geographical origin of wheat[J]. Scientia Agricultura Sinica,2010, 43(18):3817-3823

[14]TAMARAS P, RJOHN W, KLITI G. Application of trace element and stable isotope signatures to determine the provenance of tea (Camellia sinensis) samples[J].Food Chemistry,2010,118(4):921-926

[15]OKWU D E,EMENIKE I N. Nutritive value and mineral content of different varieties of citrus fruits[J]. Journal of Food Technology,2013(2):105-108

[16]王颖,李燕山,桑月秋,等. 云南省马铃薯品种(系)矿物质元素含量研究[J]. 中国食物与营养, 2014, 20(9):68-72

WANG Y,LI Y S,SANG Y Q,et al.Study on the concentrations of minerals in potato varieties in yunnan province[J].Food and Nutrition in China, 2014, 20(9):68-72

[17]王力宾.多元统计分析:模型、案例及SPSS应用[M].北京:经济科学出版社,2010

WANG L B.Multivariate statistical analysis: models, cases and SPSS applications[M].Beijing: Economic Science Press,2010

[18]王彩洁,李连华,李伟,等. 大豆品种产量与主要性状的主成分分析[J]. 山东农业科学,2008(1):5-6

WANG C J,LI L H, LI W,et al.Principal component analysis of soybean production and main characters[J].Shan dong Agricultural Sciences,2008(1):5-6

[19]孙振球. 医学统计学[M].北京:人民卫生出版社,2002.

SUN Z Q.Medical Statistics[M].Beijing: People’s Health Publishing House,2002.