松江大米是上海市松江区传统特产，以米粒饱满、晶莹半透明、米饭柔软有弹性、食味清香略甜、表面油光而著称，在上海地区具有较高的知名度和市场竞争力，于2014年获得中国国家地理标志保护，在2018年中国绿博会上获金奖[1]。但是近年来以假乱真、掺假勾兑等食品安全问题日益突出，地理标志产品屡被侵权[2]。因此，农产品的产地溯源研究受到科研人员的广泛关注[3]，经过科研工作者们不断的尝试，对溯源技术的可行性研究也逐渐成熟。Luykx[4]、魏益民[5]等从质谱、光谱、分离技术和其他技术4 个方面对溯源技术方法的优缺点和实际应用的情况进行比较分析。
矿物元素指纹图谱技术是最为常用的溯源技术之一，马楠[6]、蒋再强[7]等对该技术的优越性和局限性进行了综合分析，并对其在农产品产地溯源中的广泛应用情况进行了介绍。某些区域具有特定的元素“指纹”，虽然它可能受各种因素如施肥、浇灌、耕地的气候条件、往年耕种作物等影响，但是，基于矿物元素指纹图谱技术对产地溯源的关键是寻找与产地环境关系密切的元素，了解食品中矿物元素分布与产地迁移的变化规律。有研究表明，食品中的矿物元素含量受产地环境和人类活动两方面的影响。已有相关报道[8-11]，能够通过分析比较大米与产地土壤中矿物元素含量加以交叉验证判别产地。也有研究表明，总体上产地对农产品中矿物元素的影响大于品种、气候条件、人为因素带来的影响，通过选择合理的元素，可建立稳定的产地鉴别模型。Latorre等[12]利用Li、Na、K等10 种矿物元素指纹图谱技术判别欧盟地理标志产品西班牙加利西亚土豆和非加利西亚土豆的产地，判别正确率在93%以上。Potortì等[13]利用电感耦合等离子体质谱技术分析意大利地理标志产品墨西拿英特多纳托柠檬和土耳其柠檬果浆中的K、Ca、Mg等32 种矿物元素特征，经典型判别分析模型的产地判别准确度为100%。赵海燕等[14]研究证明了矿物元素分析技术能够用于小麦的产地判别。国内外有多篇文献报道通过比较分析不同产地大米中矿物元素含量而加以交叉验证判别，如Yasui等[15]分析50 个大米样品中Rb、Mo等13 种矿物元素含量，结合主成分分析，成功判别大米产地。Kelly等[16]分析了产地为美国、欧洲、巴基斯坦和印度的大米样品中的Gd、Mg等矿物元素含量结合13C和18O含量，发现欧洲大米中Mg含量较高，而印度和巴基斯坦大米中18O含量相对较低。Gonzálvez等[17]分析来自西班牙、日本、巴西和印度的107 件训练集大米样品中Al、As等32 种元素含量，对46 件测试集样本的判别正确率为91.30%。Kaoru等[18]比较分析了日本、泰国、美国、中国大米中Al、Fe等矿物元素含量，交叉验证的判别正确率为97%。Cheajesadagul等[19]分析了泰国茉莉香米与法国、印度等5 种国外大米样品中Mg、Co等21 种矿物元素含量，交叉验证准确度为100%。国内关于大米的产地溯源研究尚处于起步阶段，并未形成系统溯源数据库。如宋雪健等[20]利用电感耦合等离子体质谱技术检测黑龙江省3 个主产区的大米样品中43 种矿物元素的含量，发现3 个主产区的大米样品的矿物元素含量具有各自的特征。郑晖[21]和王朝晖等[22]分析了吉林省柳河大米中矿物元素含量，通过典范对应分析筛选出柳河大米的Mg、Ca、Na、Mn、Zn 5 种代表性溯源指标。张玥[23]利用Cd、Pb、Cr等11 种矿物元素指纹图谱技术，对吉林省地理标志大米产地进行精准溯源，产地判别分析的正确率为93.3%，交叉检验的正确率为90.0%。赵倩[24]对国家地理标志梅河大米的产地溯源进行研究，发现矿物元素Zn、Pb、Fe、Mg、Cu可作为梅河大米产地确证指标。
现有文献表明矿物元素指纹特征可以作为表征大米产地信息的溯源指标，但是国内研究较多的是省内尤其是吉林、黑龙江省内部的大米产地溯源，缺乏其他不同地域大米的特征矿物元素数据库，因而对农产品尤其是国家地理标志产品的品牌保护缺少溯源技术支撑。本研究填补松江大米的溯源研究空白，以180 份松江大米和非松江大米为研究样本，通过测定大米中40 种矿物元素含量，结合方差分析、因子分析和判别分析等方法，建立判别模型，对大米的松江与非松江产地进行溯源，以期为建立国家地理标志大米的产地溯源体系提供参考。
1 材料与方法
1.1 材料与试剂
于2018年9—12月随机采集来自松江6 个行政区域内的大米样本129 份，采集非松江大米51 份，非松江大米的产地包括：20 件崇明（上海市大米生产中具有较高的知名度和生产量）、12 件金山（与松江地理位置最为接近）、10 件江苏省（与上海市接壤）和9 件东北（市场大米购买率较高）。
浓硝酸（电子级65%） 江苏晶瑞化学股份有限公司；过氧化氢（30%～32%，微量金属＜1 μg/L） 上海安谱实验科技股份有限公司；超纯水（电阻率＞18.2 MΩ·cm，20 ℃） 法国默克密理博公司；稀土元素混合储备液（GSB 04-1789-2004）、硼标准储备液（GSB 04-1716-2004）、铼标准储备液（GSB 04-1745-2004 ）国家有色金属及电子材料分析测试中心；汞（Hg）标准储备液 美国Sigma-Aldrich公司；多元素混合储备液5183-4688、8500-6940以及内标（Ge、Bi、In、Rh、Sc） 美国安捷伦公司。
1.2 仪器与设备
JYL-C020多功能粉碎机 九阳股份有限公司；8800型电感耦合等离子体质谱仪 美国安捷伦公司；Mars微波消解仪 美国CEM公司；Mili-Q型纯水机 美国密理博公司；MS1003TS/02型精密电子天平 瑞士Mettler Toledo公司。
1.3 方法
1.3.1 样品处理
选取无霉变、颗粒饱满的大米样品200 g作为分析样品。将大米样品用高速粉碎机磨成大米全粉，所有样品用统一处理和贮藏方式。
样品前处理和仪器参数参考GB 5009.94—2012《植物性食品中稀土元素的测定》和GB 5009.268—2016《食品中多元素的测定》[25-26]以及相关文献方法[27-28]，准确称取0.3～0.5 g样品，置于消解罐中，加入5 mL浓硝酸和2 mL过氧化氢，放入MARS高通量密闭微波消解仪，采用程序升温法进行微波消解。消解后得到澄清透明的溶液，经过赶酸后用超纯水转移样品，定容至50 mL，混匀备用，采用同样方法做空白试样和大米标准物质的消解。
1.3.2 样品矿物元素含量测定
用Agilent 8800型电感耦合等离子体质谱技术测定大米样品中40 种矿物元素含量，经过方法学验证[29-30]，用外标法定量分析，取一定量的单标或混合标准储备液，用5%硝酸溶液逐级稀释为4 组标准溶液浓度。以内标元素Sc、Ge、In、Rh、Re、Bi和Tb保证仪器的稳定性，当内标元素的相对标准偏差大于5%或者信号漂移超出80%～120%时，需要对样品重新测定，且每个样品重复测定3 次。
4 组标准溶液：A组：钇（Y）、镧（La）、铈（Ce）、镨（Pr）、钕（Nd）、钐（Sm）、铕（Eu）、钆（Gd）、镝（Dy）、钬（Ho）、铒（Er）、铥（Tm）、镱（Yb）为0.05～20.0 μg/L；B组：汞（Hg）为0.10～3.0 μg/L、硼（B）为0.05～500 μg/L；C组：钾（K）、镁（Mg）、钠（Na）、钙（Ca）、锌（Zn）、锰（Mn）、铜（Cu）为5～500 μg/L；D组：铁（Fe）、钡（Ba）、锂（Li）、锶（Sr）、镉（Cd）、铅（Pb）、硒（Se）、镍（Ni）、钒（V）、铬（Cr）、砷（As）、铊（Tl）、铍（Be）、铀（U）、银（Ag）、钴（Co）、铯（Cs）、镓（Ga）为0.5～100 μg/L。取一定量的内标溶液或混合内标储备液，用5%硝酸溶液稀释成质量浓度为1.00 mg/L的混合内标溶液。
1.4 数据处理
用IBM SPSS Statistics 20.0软件对数据进行方差分析、因子分析和判别分析。比较松江与非松江产地中大米元素含量差异显著性，建立因子得分散点图和判别模型，鉴别大米产地来源并验证判别模型的判别效果。
2 结果与分析
2.1 不同产地大米样本中矿物元素含量
表1 大米中40 种矿物元素含量
Table 1 Contents of 40 mineral elements in Songjiang and non-Songjiang rice samples
注：*.该元素在组间有显著性差异（P＜0.05）。
系数/% 含量/（μg/kg） 变异系数/%1 Li* 6.929±27.682 399.48 0.500±3.572 714.14 2 Be* 1.181±2.420 204.97 0.219±0.373 169.80 3 B* 566.054±170.976 30.20 467.834±148.031 31.64 4 Na* 7 648.011±2 308.909 30.19 11 945.487±6 025.102 50.44 5 Mg 212 330.217±56 962.153 26.83 219 433.691±62 905.366 28.67 6 K* 828 006.885 7±164 380.578 19.85 927 736.550±164 420.868 17.72 7 Ca* 71 690.203±13 730.397 19.16 79 570.402±11 220.501 14.11 8 V* 0.173±0.348 201.86 0.475±1.003 211.26 9 Cr* 6.721±6.109 90.89 24.135±33.591 139.18 10 Mn 7 411.164±1 819.363 24.55 7 685.531±1 953.463 25.42 11 Fe* 1 863.505±539.908 28.97 2 383.693±1 181.053 49.55 12 Co* 2.452±1.058 43.13 2.815±0.889 31.60 13 Ni 117.176±83.238 71.04 129.606±87.148 67.24 14 Cu* 2 712.481±1 265.211 46.64 2 412.142±729.866 30.26 15 Zn* 16 550.611±5 230.246 31.60 12 427.597±2 055.725 16.54 16 Ga 0.124±0.172 139.04 0.125±0.203 162.42 17 As* 118.384±45.530 38.46 86.975±26.230 30.16 18 Se* 13.993±6.971 49.82 18.398±9.843 53.50 19 Sr 62.859±43.365 68.99 53.514±25.781 48.17 20 Y* 0.017±0.067 386.64 0.064±0.161 249.93 21 Ag 0.526±0.548 104.12 0.398±0.447 112.32 22 Cd* 21.510±16.114 74.91 13.546±20.858 153.98 23 Cs 1.112±0.716 64.33 1.217±0.566 46.51 24 Ba 57.244±20.737 36.23 54.475±47.789 87.73 25 La 0.108±0.213 197.81 0.117±0.303 259.98 26 Ce 0.119±0.306 256.85 0.202±0.586 290.38 27 Pr 0.010±0.030 288.23 0.026±0.072 281.21 28 Nd 0.046±0.110 242.02 0.092±0.251 271.88 29 Sm 0.007±0.021 287.75 0.018±0.049 274.94 30 Eu 0.003±0.005 176.23 0.005±0.013 255.72 31 Gd 0.006±0.018 307.24 0.017±0.045 259.27 32 Dy 0.006±0.015 269.18 0.018±0.048 266.97 33 Ho 0.001±0.003 243.36 0.003±0.007 271.18 34 Er 0.003±0.010 345.18 0.007±0.016 240.97 35 Tm 0.001±0.002 179.23 0.002±0.003 206.39 36 Yb 0.009±0.014 155.58 0.007±0.014 189.52 37 Hg* 2.509±2.021 80.54 1.295±1.850 142.91 38 Tl* 0.023±0.036 154.46 0.040±0.042 105.92 39 Pb 22.063±98.659 447.17 38.504±139.894 363.32 40 U 0.002±0.017 729.78 0.007±0.026 352.71序号 元素松江 非松江含量/（μg/kg） 变异
表2 大米中矿物元素的皮尔逊相关性矩阵
Table 2 Pearson correlation coef ficients between mineral elements in rice
注：*. P＜0.05，显著相关；**. P＜0.01，极显著相关。
矿物元素 B Na Mg K Ca Mn Fe Co Ni Cu Zn As Se Sr Cs Ba B 1.000 Na 0.160* 1.000 Mg 0.422** 0.227** 1.000 K 0.047 0.197** 0.398** 1.000 Ca 0.329** 0.248** 0.511** 0.283** 1.000 Mn 0.254** 0.072 0.441** 0.252** 0.547** 1.000 Fe 0.238** 0.153* 0.676** 0.265** 0.549** 0.196** 1.000 Co 0.367** 0.272** 0.172* －0.060 0.466** 0.400** 0.197** 1.000 Ni 0.321** 0.061 0.048 －0.137 0.249** 0.230** 0.089 0.556** 1.000 Cu 0.440** 0.110 0.162* 0.051 0.368** 0.413** 0.088 0.393** 0.434** 1.000 Zn 0.594** －0.013 0.253** －0.156* 0.330** 0.445** 0.053 0.594** 0.522** 0.545** 1.000 As 0.511** 0.081 0.199** －0.139 0.215** 0.336** －0.054 0.593** 0.380** 0.374** 0.815** 1.000 Se 0.183* 0.095 0.070 0.055 0.281** 0.440** －0.005 0.358** 0.193** 0.285** 0.191* 0.244** 1.000 Sr 0.242** 0.124 0.123 －0.063 0.352** 0.304** 0.062 0.289** 0.097 0.238** 0.397** 0.394** 0.122 1.000 Cs －0.040 －0.090 0.010 0.098 0.325** 0.257** 0.029 0.232** 0.220** 0.184* 0.128 0.062 0.161* 0.006 1.000 Ba 0.126 －0.100 0.219** 0.064 0.307** 0.449** 0.131 0.238** 0.126 0.224** 0.261** 0.060 0.105 0.251** 0.227** 1.000
以40 种元素作为分析指标，对两产地的大米样品进行方差分析，结果如表1所示。Li、B、Be、Na、K、Ca、V、Cr、Fe、Co、Cu、Zn、As、Se、Y、Cd、Hg和Tl共18 种元素含量在松江与非松江之间具有显著性差异（P＜0.05），能够利用矿物元素指纹图谱建立产地溯源模型。
有些矿物元素的变异系数较大，如Li、Be、V、Cr、Ga、Y、Cd、Ag、La、Ce、Pr、Nd、Sm、Eu、Gd、Dy、Ho、Er、Tm、Yb、Tl、Hg、Pb、U共24 种元素在同一产区内部的变异系数大于100%，表明这些元素在同一产区内部的含量波动较大，产地代表性较差，筛除这些元素以提高产地判别的准确度。选择其余产地代表性相对较好的16 种元素（B、Na、Mg、K、Ca、Mn、Fe、Co、Ni、Cu、Zn、As、Se、Sr、Cs和Ba）参与后续分析，其中包含了在松江与非松江产地之间含量差异显著的10 种元素B、Na、K、Ca、Fe、Co、Cu、Zn、As、Se。
2.2 不同产地大米样本中元素含量的相关性分析
皮尔逊相关性分析结果见表2，大米中有诸多元素呈显著相关（P＜0.05）。相关系数绝对值越大，相关性越强。正相关揭示这些元素具有协同促进彼此吸收的关系，同时说明大米在富集以上矿物元素时具有协同作用；负相关表示这些矿物元素之间具有拮抗彼此吸收的关系；大米矿物元素含量与土壤、气候、元素在植物体内分布等因素有关，虽然相关元素含量受多种因素影响，但是其变化可能存在一定的内在规律，可能具有较好的产地溯源潜力。相关性结果说明每个元素指标可能都在某些程度上反映了大米的产地信息，并且指标之间具有一定的相关性，因此，可以采用降维的方式简化产地溯源指标，提高产地判别的效率。
2.3 不同产地大米样本中元素含量的因子分析
表3 矿物元素含量的因子分析
Table 3 Factor analysis of mineral elements contents
公因子累计方差贡献率/%1 4.957 30.981 30.981 4.957 30.981 30.981 3.66 22.877 22.877 2 2.249 14.053 45.034 2.249 14.053 45.034 2.502 15.64 38.518 3 1.478 9.235 54.269 1.478 9.235 54.269 1.804 11.275 49.793 4 1.156 7.225 61.494 1.156 7.225 61.494 1.587 9.92 59.713 5 1.049 6.558 68.052 1.049 6.558 68.052 1.334 8.339 68.052初始特征值 提取平方和载入 旋转平方和载入特征值 方差贡献率/%贡献率/% 特征值 方差贡献率/%累计方差贡献率/% 特征值 方差贡献率/%累计方差
因子分析经过线性转换和舍弃小部分信息，以相互独立的少数公因子取代多维变量，利用简化后的新指标（公因子）进行判别分析。如表3所示，选取特征值大于1的主成分作为公因子，提取5 个有效公因子。各个公因子的方差贡献率分别为30.981%、14.053%、9.235%、7.225%、6.558%，且累计方差贡献率为68.052%，能够表征大米中矿物元素的大部分信息，降低原始数据的复杂性。
图1 不同产地的大米矿物元素含量在前3 个公因子得分的三维散点图
Fig. 1 3D Score chart of the first 3 principal factors
根据因子分析的结果，将前3 个公因子得分作3D散点图（图1），可以直观判别松江和非松江大米产地，但有部分重叠，原因可能为前3 个公因子的累计方差贡献率只有54.269%，代表原始信息比例不高。因子分析虽然可以简化溯源指标并对产地直观判别，但是有方法的局限性，判别准确度不高。
表4 16 个矿物元素指标的主要公因子贡献载荷值
Table 4 Loadings of the first five PCA factors of 16 mineral elements
矿物元素公因子1 2 3 4 5 Zn 0.873 0.04 0.313 0.012 －0.096 As 0.807 －0.079 0.262 －0.137 0.099 Ni 0.722 0.011 －0.204 0.39 0.004 Co 0.708 0.095 0.115 0.269 0.301 B 0.678 0.343 0.101 －0.211 0.03 Cu 0.583 0.105 0.195 0.256 0.141 Fe 0.083 0.866 －0.067 0.031 －0.052 Mg 0.172 0.857 0.184 －0.096 0.037 Ca 0.281 0.606 0.322 0.316 0.248 K －0.3 0.551 0.097 0.129 0.328 Sr 0.303 －0.006 0.687 －0.248 0.115 Ba 0.069 0.193 0.640 0.338 －0.274 Mn 0.26 0.297 0.627 0.353 0.22 Cs 0.075 0.042 0.067 0.8 －0.03 Na 0.105 0.247 －0.13 －0.212 0.75 Se 0.196 －0.108 0.295 0.349 0.575
将所提取的公因子按照最大方差法进行旋转处理，前3 个公因子的特征元素对公因子的贡献按照载荷值从大到小排列，如表4所示。载荷值大小反映了原始变量在因子上的重要程度，绝对值的大小决定归入的公因子，绝对值越大代表该元素对公因子的影响越大。第1公因子主要综合元素Zn、As、Ni、Co、B、Cu；第2公因子主要综合元素Fe、Mg、K、Ca；第3公因子综合元素Sr、Ba、Mn。将前3 个主成分作为主要分析因子，进行特征向量划分作特征向量雷达图（图2），可以更加明确地看出前3 个公因子的特征元素。
图2 前3 个公因子特征向量雷达图
Fig. 2 Radar map of eigenvectors of the first three PCA factors
2.4 不同产地大米中矿物元素含量的逐步判别分析
180 件大米样本二分为训练集和测试集，2/3的样本作为训练集用于建立判别模型，1/3的样本作为验证集，用于验证该溯源模型对未知产地的样本进行预测时的准确度。评估松江与非松江产地的二元判别模型的统计学参数包括灵敏度、特异性和判别正确率。判别模型的灵敏度为判别正确的松江大米个数占松江大米个数的比例；判别模型的特异性为判别正确的非松江大米个数占非松江大米个数的比例；判别正确率为判别正确的大米个数占所有大米个数的比例。
表5 松江与非松江大米产地的大米中矿物元素Fisher判别函数系数
Table 5 Fisher discrimination function coef ficients of characteristic mineral elements in Songjiang and non-Songjiang rice samples
矿物元素 二分法产地Y1松江 Y2非松江B（X1） 5.190 －5.634 Na（X2） 0.426 1.113 Fe（X3） 2.315 3.874 Co（X4） －728.920 919.447 Ni（X5） －10.496 1.081 Zn（X6） 0.645 0.229 As（X7） －1.779 －29.417 Se（X8） 98.535 280.812常量 －10.257 －14.441
由表5得到松江大米和非松江大米的Fisher线性判别模型：
图3 训练集样品的矿物元素含量判别函数得分散点图
Fig. 3 Scatter chart of discriminant function scores based on mineral elements for training set
训练集样本矿物元素含量代入上述判别溯源模型，分别以Y1和Y2的得分作散点图（图3），可比较明确地判别松江与非松江大米的产地。由表6可知，对训练集产地的整体判别正确率为93.0%，灵敏度为95.2%，特异性为86.8%。留一法交叉验证结果显示两产地已有92.3%的样品被正确识别，其中松江有95.2%的样品被准确识别（灵敏度），非松江有84.2%的样品被准确识别（特异性）。
表6 不同产地Fisher判别函数分类结果
Table 6 Discrimination results of mineral elements in Songjiang and non-Songjiang rice samples
注：a.已对初始分组案例中93.0%的样品进行正确分类；b.仅对分析中的案例进行交叉验证。在交叉验证中，每个案例均按照从该案例以外的所有其他案例派生的函数分类；c.已对交叉验证分组案例中92.3%的样品进行正确分类。
样本 组别 产地 预测组成员 合计松江 非松江初始a计数/个 松江 99 5 104非松江 5 33 38判别率/% 松江 95.2 4.8 100.0非松江 13.2 86.8 100.0训练集交叉验证b,c计数/个 松江 99 5 104非松江 6 32 38判别率/% 松江 95.2 4.8 100.0非松江 15.8 84.2 100.0
表7 验证集矿物元素含量代入判别模型的分类结果
Table 7 Validation of Fisher discriminant function for classi fication of two different geographical origins
序号 松江得分判别产地1 10.788 6.898 松江 松江 20 10.625 11.517 非松江 非松江2 12.910 6.549 松江 松江 21 10.621 8.949 非松江 松江3 11.117 6.543 松江 松江 22 12.864 18.255 非松江 非松江4 5.841 6.123 松江 非松江 23 16.486 27.033 非松江 非松江5 8.878 2.468 松江 松江 24 7.757 19.652 非松江 非松江6 10.592 10.255 松江 松江 25 3.817 7.248 非松江 非松江7 12.930 2.808 松江 松江 26 9.997 8.211 非松江 松江8 9.207 6.381 松江 松江 27 5.236 2.978 松江 松江9 8.816 5.266 松江 松江 28 4.180 0.267 松江 松江10 13.965 6.281 松江 松江 29 6.247 1.763 松江 松江11 10.458 2.285 松江 松江 30 4.637 0.734 松江 松江12 16.853 12.126 松江 松江 31 4.867 －0.689 松江 松江13 9.067 2.188 松江 松江 32 10.842 7.355 松江 松江14 10.184 6.777 松江 松江 33 8.729 5.873 松江 松江15 14.150 7.404 松江 松江 34 6.545 10.374 非松江 非松江16 10.794 6.383 松江 松江 35 20.685 42.125 非松江 非松江17 13.971 8.503 松江 松江 36 5.308 9.983 非松江 非松江18 12.960 8.609 松江 松江 37 7.252 12.827 非松江 非松江19 12.060 12.927 非松江非松江 38 3.555 10.392 非松江 非松江非松江得分实际产地判别产地序号松江得分非松江得分实际产地
图4 验证集样品的判别函数得分散点图
Fig. 4 Scatter chart of discriminant function scores based on mineral elements for validation set
由表7可知，用建立的判别模型对验证集样本进行判别的整体正确率为92.1%，松江大米有96.0%样品被正确识别（灵敏度），非松江大米有84.6%（特异性）的样品被正确识别，判别效果与训练集基本一致，说明该判别模型具有较好的稳定性。根据验证集样本中松江大米和非松江大米的判别函数得分作散点图（图4），可以比较直观地判别松江和非松江大米的产地。
从上述判别结果看，B、Na、Fe、Co、Ni、Zn、As和Se这8 个矿物元素指标建立的溯源模型对松江与非松江大米产地具有有效的判别力，根据这8 种矿物元素含量区分松江与非松江大米的产地具有切实可行性。
3 结 论
通过对采集的180 份2018年国家地理标志产品松江大米和非松江大米中矿物元素含量进行统计分析，以对松江与非松江大米的产地进行准确溯源。结果表明，采用逐步判别分析筛选出的8 种矿物元素溯源指标建立的溯源判别模型对训练集大米产地的整体判别准确率为93.0%，对松江大米判别的灵敏度为95.2%，特异性为86.8%；该模型的交叉验证结果显示，对大米产地的整体判别正确率为92.3%，灵敏度为95.2%，特异性为84.2%。该模型对验证集大米的整体判别正确率为92.1%，松江大米有96.0%样品被正确识别，非松江大米有84.6%的样品被正确识别。该模型对训练集和验证集的判别统计学参数（正确率、灵敏度和特异性）非常接近，说明该8 种矿物元素指标建立的溯源模型在判别大米产地中具有较好的稳定性。本研究基于矿物元素指纹图谱技术建立的产地溯源模型具有较高的判别正确率、灵敏度、特异性和溯源稳定性，因此在大米的松江与非松江产地溯源中具有切实可行性，为特色品牌保护和国家地理标志产品的矿物元素溯源体系建立提供参考。
[1] 佚名. 松江大米在中国绿博会上获金奖[J]. 上海农村经济, 2019(1): 47.
[2] 陈海波. 地理标志产品屡被侵犯之忧[N]. 光明日报, 2017-04-29(01).
[3] TECHANE B, GIRMA G. Food traceability as an integral part of logistics management in food and agricultural supply chain[J]. Food Control, 2013, 33(1): 32-48. DOI:10.1016/j.foodcont.2013.02.004.
[4] LUYKX D M A M, RUTH S M V. An overview of analytical methods for determining the geographical origin of food products[J]. Food Chemistry, 2008, 107(2): 897-911. DOI:10.1016/j.foodchem.2007.09.038.
[5] 魏益民, 郭波莉, 魏帅, 等. 食品产地溯源及确证技术研究和应用方法探析[J]. 中国农业科学, 2012, 45(24): 5073-5081. DOI:10.3864/j.issn.0578-1752.2012.24.013.
[6] 马楠, 鹿保鑫, 刘雪娇, 等. 矿物元素指纹图谱技术及其在农产品产地溯源中的应用[J]. 现代农业科技, 2016(9): 296-298. DOI:10.3969/j.issn.1007-5739.2016.09.176.
[7] 蒋再强. 矿物元素指纹图谱分析技术对粮食产地溯源的研究进展[J]. 农产品加工, 2018(3): 70-71; 75. DOI:10.16693/j.cnki.1671-9646(X).2018.03.021.
[8] SHEN S G, XIA L Y, XIONG N, et al. Determination of the geographic origin of rice by element fingerprints and correlation analyses with the soil of origin[J]. Analytical Methods, 2013, 5(21): 6177-6185.DOI:10.1039/c3ay40700d.
[9] 曾亚文, 汪禄祥, 杜娟, 等. ICP-AES法检测云南稻精米和糙米与土壤矿质元素间的关联性[J]. 光谱学与光谱分析, 2009, 29(5): 1413-1417.DOI:10.3964/j.issn.1000-0593(2009)05-1413-05.
[10] 曾亚文, 汪禄祥, 普晓英, 等. ICP-AES检测云南稻核心种质矿质元素含量的地带性特征[J]. 光谱学与光谱分析, 2009, 29(6):1691-1695. DOI:10.3964/j.issn.1000-0593(2009)06-1691-05.
[11] 黄淑贞. 湖南香稻产地土壤特性与稻米品质的关系[J]. 湖南农业科学, 1990(4): 37-40.
[12] LATORRE H C, BARCIELA G J, GARCIA M S, et al. Chemometric classi fication of potatoes with protected designation of origin according to their producing area and variety[J]. Journal of Agricultural and Food Chemistry, 2013, 61(35): 8444-8451. DOI:10.1021/jf402001s.
[13] POTORTÌ A G, DI BELLA G, MOTTESE A F, et al. Traceability of protected geographical indication (PGI) interdonato lemon pulps by chemometric analysis of the mineral composition[J]. Journal of Food Composition and Analysis, 2018, 69: 122-128. DOI:10.1016/j.jfca.2018.03.001.
[14] 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, 43(18): 3817-3823. DOI:10.3864/j.issn.0578-1752.2010.18.016.
[15] YASUI A, SHINDOH K. Analytical determination of the geographic origin of brown-rice with trace-element composition (chemistry for environmental and human health)[J]. Bunseki Kagaku, 2000, 49(6):405-410. DOI:10.2116/bunsekikagaku.49.405.
[16] KELLY S, BAXTER M, CHAPMAN S, et al. The application of isotopic and elemental analysis to determine the geographical origin of premium long grain rice[J]. European Food Research & Technology,2002, 214(1): 72-78. DOI:10.1007/s002170100400.
[17] GONZÁLVEZ A, GUARDIA S A D L. Geographical traceability of “Arròs de Valencia” rice grain based on mineral element composition[J]. Food Chemistry, 2011, 126(3): 1254-1260.DOI:10.1016/j.foodchem.2010.11.032.
[18] KAORU A, MIYUKI S, AKIRA K. Determination of the geographic origin of rice by chemometrics with strontium and lead isotope ratios and multielement concentrations[J]. Journal of Agricultural and Food Chemistry, 2012, 60(7): 1628-1634. DOI:10.1021/jf204296p.
[19] CHEAJESADAGUL P, ARNAUDGUILHEM C, SHIOWATANA J, et al.Discrimination of geographical origin of rice based on multielement fingerprinting by high resolution inductively coupled plasma mass spectrometry[J]. Food Chemistry, 2013, 141(4): 3504-3509.DOI:10.1016/j.foodchem.2013.06.060.
[20] 宋雪健, 冷侯喜, 张爱武, 等. 黑龙江省不同产地大米中矿物元素含量分析与比较[J]. 黑龙江八一农垦大学学报, 2016, 28(3): 66-70.DOI:10.3969/j.issn.1002-2090.2016.03.014.
[21] 郑晖. 基于矿物元素指纹分析技术对柳河大米产地确证的研究[D].长春: 吉林农业大学, 2018.
[22] 王朝辉, 郑晖, 赵倩, 等. 柳河大米产地环境及其矿物元素分布特征的典范对应分析[J]. 食品科学, 2019, 40(6): 318-324. DOI:10.7506/spkx1002-6630-20171218-227.
[23] 张玥. 吉林省大米产地溯源分析的研究[D]. 长春: 吉林农业大学, 2015.[24] 赵倩. 应用矿物元素技术对梅河大米产地确证的研究[D]. 长春:吉林农业大学, 2018.
[25] 卫生部. 植物性食品中稀土元素的测定: GB 5009.94—2012[S].北京: 中国标准出版社, 2012.
[26] 国家食品药品监督管理局. 食品中多元素的测定: GB 5009.268—2016[S]. 北京: 中国标准出版社, 2016.
[27] 张高强, 袁建, 贾继荣, 等. 电感耦合等离子体质谱法(ICP-MS)测定大米中27 种元素的含量[J]. 粮食与饲料工业, 2016, 12(11): 14-17.DOI:10.7633/j.issn.1003-6202.2016.11.004.
[28] 鹿保鑫, 马楠, 王霞, 等. 基于电感耦合等离子体质谱仪分析矿物元素含量的大豆产地溯源[J]. 食品科学, 2018, 39(8): 288-294.DOI:10.7506/spkx1002-6630-201808045.
[29] 国家质量监督检验检疫总局. 合格评定 化学分析方法确认和验证指南: GB/T 27417—2017[S]. 北京: 中国标准出版社, 2017.
[30] 国家质量监督检验检疫总局, 国家标准化管理委员会. 化学分析方法验证确认和内部质量控制要求: GB/T 32465—2015[S]. 北京:中国标准出版社, 2015.