徐貴鈺

(青海民族大學 化學化工學院，青海 西寧 810007)

?

青海6種主要農產品中微量元素的特征分析

徐貴鈺

(青海民族大學 化學化工學院，青海 西寧 810007)

采用主成分分析法，對青海省海東地區(qū)6種主要農產品中10種礦物元素含量與產品品質之間的關系進行綜合評價。通過該法對微量元素的含量數據進行降維處理，并利用SPSS 19.0軟件進行計算，提取特征值大于1.2的成分為主成分，其結果顯示前3個主成分的累計方差貢獻率達到86.15%，即保留了全部原始數據86.15%的信息，基本能反映總體情況。主成分綜合得分反映出微量元素在6種農產品中的總體含量水平，其順序由高到低依次為：春小麥>蠶豆>玉米>青稞>豌豆>油菜籽，進而體現了微量元素在幾種農產品中的分布特征。分析結果表明主成分分析和因子得分可以用于農產品質量的綜合評價，為農產品生產、品質評價及相關研究提供數據支撐和科學依據。

農產品；微量元素；主成分分析

0 引言

微量元素是維持生命有機體正常生物功能和植物生長所必需的營養(yǎng)物質，它對植物各種生理代謝過程的關鍵步驟起調控作用，進而影響農產品生長及品質[1]。目前，國內外公認的植物體內必需的中、微量元素有鈣、鎂、鐵、硫、硼、錳、鋅、銅、鉬、氯等，通常這些元素在植物體內的含量較低而被忽視。近些年來，由于它們特殊的生物化學作用和生理功能，特別是微量元素和有益元素日益受到廣大科學工作者的重視。研究表明，微量元素與農產品品質密切相關，而農產品品質的好壞直接影響著人類的健康，所以對于微量元素的研究是時代發(fā)展的需求，也是人類自身對高質量生活追求的必然結果[2-4]。青海海東地區(qū)是青海省主要農業(yè)經濟區(qū)，地區(qū)內盛產青稞、小麥、蠶豆、豌豆及油料、蔬菜等農副產品，因此對海東地區(qū)農產品中微量元素進行檢測和分布分析顯得尤為重要。據文獻報道，中科院西北高原研究所的周蔚等人已對青海海東地區(qū)幾種主要農產品中的微量元素進行了測定[5]，南京農業(yè)大學的湯璐等人對微量元素及少數有益元素的生理功能及其對主要農產品品質的影響做了評價[6]。但用統(tǒng)計學的方法來綜合評價農產品中微量元素之間的相關關系及對農產品品質的影響，目前報道甚少。通過主成分分析法對青海海東地區(qū)6種主要農產品中的10種元素進行特征分析，為農產品生產、產品質量評價等提供科學理論依據，對創(chuàng)造社會效益和經濟效益具有重要意義。

1 農產品中微量元素含量的主成分分析

主成分分析[7-9](principal component analysis，PCA)法將原來眾多具有一定相關性的P個指標，重新組合成一組新的互相無關的綜合指標來代替原來的指標。一般數學上的處理是將原來P個指標做線性組合，作為新的綜合指標，達到降維的目的，是數據壓縮和解釋的一種多元統(tǒng)計方法。

1.1 原始數據

農產品中鈣、鉻、銅、鐵、鉀、鎂、錳、鈉、磷、鋅10種微量元素含量的原始數據來源于文獻[5](如表1)。

表1 樣品中礦物質元素的測定結果(mg/kg)

1.2 原始數據的標準化

對原始數據進行標準化，即對同一變量減去其均值，再除以標準差，使原始數據量綱統(tǒng)一，且使標準化后的數據具有可比性，遵從正態(tài)分布規(guī)律N(0，1)。

1.3 礦物質元素之間的相關系數矩陣(如表2)

表2 相關系數矩陣

從表2可以看出，大部分變量兩兩之間有較大的相關系數，適宜用主成分分析法來研究變量之間的關系。其中Ca和Cu相關極顯著，Fe和Na、Cu和K、K和Zn相關顯著。

1.4 相關系數的特征值及方差貢獻率

主成分分析初始解對原有變量總體描述情況見表3。主成分選擇原則通常是累計方差貢獻率大于85%，在該分析結果中，前3個主成分累積方差貢獻率達到86.15%，且它們各自的特征值都大于1.000，故選取前3個主成分，也即它們代表了Ca、Cr、Cu、Fe、K、Mg、Mn、Na、P、Zn等微量元素在6種主要農產品中絕大部分的原始信息。

表3 主成分特征值及方差貢獻率

1.5 初始因子載荷矩陣分析

主成分載荷矩陣反映了各原始變量與每個主成分的相關程度，其數值的大小反映了該指標對主成分的貢獻程度的大小，其符號表示各指標對改變主成分值的增減效果(如表4)。

表4 初始因子載荷矩陣

1.6 特征向量、主成分得分及綜合得分分析

根據農產品中微量元素的載荷矩陣可得出各個因子的特征向量，并找出影響各因子的主要元素，分析數據見表5。以各因子的貢獻率作為權重進行線性加權求和，計算出各種農產品的綜合得分，從而對農產品的質量優(yōu)劣進行綜合評價[10，11]。

表5 主成分向量

根據主成分計算公式可以得到前3個主成分與原10項指標的線性組合如下：

F1=0.250 1ZCa+0.274 4ZCr+0.327 4ZCu+0.406 9ZFe+0.061 8ZK+0.09ZMg-0.301 5ZMn+0.503 6ZNa-0.460 5ZP+0.143 6ZZn；

F2=0.439 8ZCa-0.417ZCr+0.469 1ZCu-0.065 5ZFe+0.407 7ZK-0.388 4ZMg-0.150 9ZMn-0.073 7ZNa+0.248ZP-0.045 6ZZn；

F3=-0.295 5ZCa+0.100 4ZCr-0.038ZCu+0.373 4ZFe+0.433 9ZK-0.238 2ZMg+0.386 3ZMn-0.032 8ZNa+0.110 7ZP+0.594 8ZZn；

綜合得分：F=0.328F1+0.292 3F2+

0.241 3F3。

表6 主成分得分、綜合得分及排名

根據上述計算公式，可以得到各樣品的3個主成分值及綜合得分(見表6)，其結果體現了農產品中微量元素分布的特征性。綜合得分排名第一的春小麥樣品，說明微量元素在該樣品中的總體含量水平最高，對產品品質影響最大；油菜籽樣品的綜合得分排名最后，說明其中的微量元素總體水平最低，對品質影響最小。

2 結果與討論

1)通過相關系數矩陣分析，Ca和Cu相關極顯著，Fe和Na、Cu和K、K和Zn相關顯著；

2)通過因子載荷矩陣分析，第1主成分的特征值為3.280，方差貢獻率為32.80%，在指標Na、Fe上有較大載荷。鐵存在于葉綠體中，缺鐵對葉綠素的生物合成及葉綠體結構產生不良影響，使光合作用在一定程度上受到抑制相關，并且脅迫使蔬菜中的硝酸鹽含量較大幅度地增加，而蛋白質含量卻顯著降低[10]；第2主成分的特征值為2.923，方差貢獻率為29.23%，在指標Cu、Ca、K、Mg上有較大載荷。銅離子形成穩(wěn)定絡合物的能力很強，能和氨基酸、肽、蛋白質和其它有機物質形成含銅的酶和多種含銅蛋白質，改善農產品品質[11]；鈣是僅次于氮、磷、鉀的植物必需的營養(yǎng)元素之一，成熟果實中的含鈣量較高時，可有效地防止采收后儲藏過程中出現的腐爛現象，延長儲藏期，增加農產品保藏品質[12]；鎂是活化磷酸化過程的酶的輔助因素，對磷脂的生成是必需的，在蛋白質、氨基酸的代謝上起著重要作用，會影響作物對N、P、K肥料的利用率，進而影響作物品質[10，13]；第3主成分的特征值為2.413，方差貢獻率為24.13%，在指標Zn、Mn上有較大載荷。鋅為酶輔因子成分，可以調節(jié)酶的活性，促使核酸和蛋白質的合成，從而提高果實中甜味和鮮味氨基酸含量，降低苦味氨基酸含量，改善果實風味，同時降低硝酸鹽和亞硝酸鹽含量，提高果實品質[10，14]；錳在作物體內參與光合作用，加強種子萌發(fā)時淀粉和蛋白質的水解。缺錳影響蛋白質的合成，同時作物中的錳元素還是合成維生素C和核黃素的重要因素。此外，有益元素Na、Cr等能促進植物的糖代謝、提高纖維含量、增加產量，對許多植物的生長發(fā)育或產量、品質有良好影響[15]；

3)通過上述分析，影響青海海東地區(qū)6種農產品品質的主要元素為Na、Fe、Cu、Ca、K、Mg、Zn、Mn，可作為研究該地區(qū)農產品的代表性元素；

4)通過主成分得分及綜合得分分析，春小麥、青稞、油菜籽、蠶豆、豌豆、玉米6種農產品中微量元素的總體含量水平高低順序為：春小麥居首，其次為蠶豆，玉米，青稞，豌豆，油菜籽，且春小麥和蠶豆的品質遠好于其它4種農產品。

由以上分析可得出，利用主成分分析法對6種農產品中微量元素的含量和品質評價比較科學，為我們更好地研究農產品生產、產品質量評價等提供科學理論依據。隨著研究手段不斷提高和相關研究的不斷深入，微量元素和有益元素對作物生長的影響機理、元素之間的相互作用及對農產品品質的影響將更加受到關注。

[1] 曹小艷，李小進.微量元素對農產品品質的影響[J].安徽農學通報，2007，13(17)：212.

[2] 趙瀅，楊義明，范書田，等.基于主成分分析的山葡萄果實品質評價研究[J].吉林農業(yè)大學學報，2014，36(5)：575-581.

[3] 梁俊發(fā)，肖金偉，陳代偉，等.基于主成分分析的品牌白酒中微量元素的分布特征研究[J].分析檢測，2015，36(4)：67-70.

[4] ZHOU L P,JIANG Z Q,WU Q X.Principle Component analysis and cluster analysis of trace elements in nitraria leaf from Qinghai region[J].Medical Plant,2010,1(4):44-46.

[5] 周蔚，遲曉峰.青海省海東地區(qū)主要農產品中微量元素的測定[J].光譜實驗室，2013，30(5)：2704-2706.

[6] 湯璐，湯英.中，微量元素對主要農產品品質的影響綜述[J].安徽農學通報，2008，14(19)：61-63.

[7] 許祿，邵廣學.化學計量學方法[M].北京：科學出版社，2004：130-131.

[8] BRUSCO M J.A comparison of simulated annealing algorithms for variable selection in principal component analysis and discriminant analysis[J].Computational Statistics & Data Analysis,2014,77:38-53.

[9] 何亮.主成分分析在SPSS中的應用[J].山西農業(yè)大學學報，2007，6(5)：20-22.

[10]張美，楊登想，張叢蘭，等.不同品種大米營養(yǎng)成分測定及主成分分析[J].食品科技，2014，39(8)：147-152.

[11]劉兆勝.基于主成分分析法的水果成分含量分析[J].科技創(chuàng)業(yè)家，2013(3)：140-142.

[12]李金玲，趙致，劉紅昌，等.基于主成分分析的天麻礦質元素含量研究[J].中國中藥雜志，2015，40(6)：1123-1128.

[13]劉曉慧，趙英，廖志明，等.11個不同產地枸杞子中微量元素和黃酮的主成分分析[J].河南師范大學學報(自然科學版)，2015，43(4)：79-83.

[14]濮玲，李海朝，濮御，等.十二種常用中草藥中微量元素的主成分分析[J].廣西師范大學學報(自然科學版)，2014，32(4)：96-100.

[15]周長會，高宴梓，祁正興，等.茶葉中微量元素的主成分分析和聚類分析[J].南陽理工學院學報，2012，4(2)：104-106.

Characteristics analysis of trace elements in six kinds of main agricultural products in Qinghai

XU Guiyu

(School of Chemistry and Chemical Engineering,Qinghai Nationalities University,Xining,Qinghai 810007,China)

We used the principal component analysis method to assess the relationship between the 10 kinds of trace elements and product quality in 6 kinds of main agricultural products, in the eastern region of Qinghai province. The data were reduced the dimension of trace elements by this method, and extracted the principal components whose eigenvalues more than 1.2 by using SPSS 19.0 software. The result showed that the cumulative variance contribution ratio reached 86.15% of the first three principal components, in other word, which included 86.15% information of all the raw data, and reflected the overall basic situations. The Principal component score reflected the overall levels of trace elements in 6 kinds of agricultural products, it was like as the following in turn: spring wheat>beans>corn>highland barley>pea>rapeseed. It showed that principal component analysis and factor score could be used in comprehensive evaluation on the quality of the serval kinds of agricultural products. Furthermore, it also could provide abundant data support and the scientific basis for agricultural production and studies.

agricultural product; trace element; principal component analysis

1004—5570(2016)06-0077-04

2016-04-12

國家自然科學基金項目(21361021)；天津大學-青海民族大學自主創(chuàng)新基金合作項目(2015XZ-0001)

徐貴鈺(1982-)，男，碩士，講師，研究方向：化學計量學，E-mail：qhxgy@163.com.

S143.7；Q581

A