李長濱，牛暢煒，蘇麗，吳圣江，孫憲秋

（1.河南牧業(yè)經(jīng)濟學(xué)院食品與生物工程學(xué)院，河南 鄭州 450046；2.河南華測檢測技術(shù)有限公司，河南 鄭州 453100；3.山東民和牧業(yè)股份有限公司，山東 煙臺 265600）

山藥又名薯蕷（Dioscorea oposita Thunb），是一種薯蕷科薯蕷屬的植物，它的根質(zhì)果肉豐富，有良好的鮮味，是一種藥食兩用植物。山藥含有微量元素、礦物元素、維生素、淀粉、多糖等營養(yǎng)成分[1]，有助于精氣恢復(fù)、利于脾胃養(yǎng)護，對肺腎有極大好處，可治療糖尿病、腹瀉、哮喘等疾病，能減少肥胖且具有防腫瘤、防突變、促進消化、增強免疫力的功效[2]。山藥在河南、河北、山東、江西、湖北等均有廣泛種植，其中以古懷慶府（今河南省焦作市境內(nèi)）所產(chǎn)山藥最為出名，被稱為懷山藥。由于地理位置、種植技術(shù)的不同，受區(qū)域氣候特征、地質(zhì)特點、生長習(xí)性等因素的影響，各地區(qū)山藥之間在化學(xué)性狀、物理性狀和生物性狀等方面均有較大差異，這導(dǎo)致山藥在療效、營養(yǎng)、口感等方面各不相同，表現(xiàn)出不同地區(qū)的產(chǎn)地特征[3-4]。不同產(chǎn)地山藥的另外一個特征區(qū)別為元素含量，根據(jù)現(xiàn)有報道，山藥中的元素主要為鈣、鉀、鐵、銅、鎂、鋅、錳等，其中鈣、鉀、鎂元素含量較多，對山藥品質(zhì)影響較大，也是產(chǎn)地鑒別的主要評價指標(biāo)[5]。

傳統(tǒng)的山藥識別方法主要是感官評定法和理化品質(zhì)測定，感官評定法容易受評定人主觀因素的影響，而理化測定所需試劑材料多且試驗步驟操作復(fù)雜。亦有學(xué)者采用性狀鑒別和顯微鑒別的方法對山藥進行品質(zhì)評定，但也存在操作復(fù)雜、時間長等缺點。近紅外光譜分析技術(shù)作為一種快速檢測技術(shù)在食品的質(zhì)量控制和摻假分析等方面被廣泛應(yīng)用[6]，近紅外光譜技術(shù)具有分析時間短、操作簡單、分析成本低等優(yōu)勢，近年來在中藥材、香菇、菊花、三七等藥材鑒別、質(zhì)量分析、純度鑒定和產(chǎn)地鑒別等方面應(yīng)用越來越廣泛[7-10]。本文旨在建立一種快速、可靠、簡便的山藥產(chǎn)地鑒別和摻假鑒定新方法，有利于山藥的質(zhì)量控制和應(yīng)用研究。

1 材料和方法

1.1 材料與試劑

采集于山東、河北、湖北、河南、江西5個原產(chǎn)地不同批次的山藥樣本58份，其中55份用于模型的制作，其余3份應(yīng)用于模型的外部；制作摻假山藥樣本10份（葡萄糖含量1%，氨基酸含量0.5%，淀粉含量分別為10%、20%、30%、40%、50%；葡萄糖含量2%，氨基酸含量1%，淀粉含量分別為10%、20%、30%、40%、50%）；山藥樣本具體類別、數(shù)量及產(chǎn)地見表1。

表1 山藥樣本數(shù)及產(chǎn)地分布Table 1 Sample number and origin distribution of Chinese yam

鉀、鈣、鎂元素（標(biāo)準(zhǔn)品）：國家標(biāo)準(zhǔn)物質(zhì)中心；鹽酸、硝酸（均為優(yōu)級純）：國藥集團化學(xué)試劑有限責(zé)任公司。

1.2 儀器與設(shè)備

近紅外分析儀（EXPEC1330）：北京聚光世達科技有限公司；高速萬能粉碎機（FW-100）、馬弗爐（SX-4-10）：天津市泰斯特儀器有限公司；鼓風(fēng)干燥箱（GZX-9240）：上海博迅實業(yè)有限公司；原子吸收分光光度計（TAS-990AFG）：北京普析通用儀器有限公司；分析天平（AE224）：上海舜宇恒平科學(xué)儀器有限公司；電熱爐（MPOT-057）：上海全碩電爐有限公司。

1.3 山藥近紅外光譜的采集

1.3.1 樣本制作

對采自不同地區(qū)的山藥樣本初步挑選，除去異類雜質(zhì)和變質(zhì)的部分，挑選出的山藥在水中浸泡10 min左右后洗凈，切成2 mm左右的薄片，將山藥薄片放入鼓風(fēng)干燥箱中，經(jīng)60℃烘干12 h，取出后冷卻。采用粉碎機將樣品粉碎至粉末狀，過100目篩，即得山藥樣本，將干燥后的樣本轉(zhuǎn)移至密封袋中密封保存，備用。

1.3.2 近紅外光譜采集

在波長掃描范圍1000nm～1800nm，積分時間10 s，掃描次數(shù)32次，分辨率10 cm-1條件下采集各樣本的光譜圖，每個樣品掃描3次得到平均譜圖。

1.4 標(biāo)準(zhǔn)溶液的配制

鉀元素、鈣元素、鎂元素標(biāo)準(zhǔn)溶液的配制方法參考文獻[11-13]進行。

2 結(jié)果與分析

2.1 山藥樣本的近紅外光譜圖

所有地區(qū)山藥的近紅外光譜疊加圖見圖1。

圖1 所有地區(qū)山藥近紅外光譜疊加圖Fig.1 Superposition of near infrared spectroscopy of Chinese yam in all regions

由圖1可知，光譜曲線形狀基本一致，且大多具有相同或相似的吸收峰，大部分譜線有重疊現(xiàn)象，很難分辨出差別，這主要是由于山藥中主要含淀粉、蛋白質(zhì)、多糖等類似成分，造成譜圖差異性不明顯，在1 200、1 460、1 580、1 760 nm附近有較寬的吸收峰。

2.2 光譜數(shù)據(jù)預(yù)處理

分別對原始光譜疊加圖進行多元散射校正、標(biāo)準(zhǔn)正態(tài)變換和一階導(dǎo)數(shù)處理，預(yù)處理后的譜圖能夠消除光譜間的漂移，增加光譜分辨率，提高模型的預(yù)測能力[14-16]。多元散射校正和一階導(dǎo)數(shù)處理后的譜圖見圖2。

圖2 數(shù)據(jù)處理后的近紅外光譜疊加圖Fig.2 Superposition of near infrared spectroscopy after data processing

由圖2a可知，在1 020、1 320、1 460 nm和1 660 nm位置處各地區(qū)的譜圖差別較大。一階導(dǎo)數(shù)處理能消除樣品因物理性質(zhì)及顏色的不同引起的基線漂移現(xiàn)象，對光譜帶的信息進行強化，將山藥樣本的特征信息更加明顯地表現(xiàn)出來，預(yù)處理后的譜圖比原譜圖更能反映出不同地區(qū)山藥的譜圖差別[17-19]。由圖2b可知，處理后的光譜圖在1 350、1 420、1 550 nm和1 680 nm位置處各地區(qū)譜圖有較大的區(qū)別。

2.3 聚類分析

聚類分析法在食用油、菊花、橘紅、芝麻、靈芝等樣品的分類鑒別中應(yīng)用廣泛，利用所建立的近紅外光譜模型能夠快速鑒別產(chǎn)品質(zhì)量的優(yōu)劣和產(chǎn)地，且結(jié)果較為準(zhǔn)確，可行性高[20-21]。不同產(chǎn)地山藥的近紅外光譜峰重疊嚴(yán)重，利用原始譜圖建立模型對產(chǎn)地進行預(yù)測準(zhǔn)確率低，通過多元散射校正、一階導(dǎo)數(shù)、標(biāo)準(zhǔn)正態(tài)變換3種預(yù)處理方法分別對原始譜圖進行處理，其所建模型對不同地區(qū)山藥聚類判別的準(zhǔn)確率分別為71%、100%、85%，一階導(dǎo)數(shù)預(yù)處理方法明顯優(yōu)于其他兩種方法，結(jié)合譜圖的特征峰位置，選擇波長范圍為1 100 nm～1 800 nm，光譜預(yù)處理方法為一階導(dǎo)數(shù)，對5個地區(qū)山藥進行分類[22]，聚類分析結(jié)果如圖3。

由圖3可知，不同地區(qū)的山藥被成功地聚類，在閾值為0.001時，5個地區(qū)的山藥分別聚成一類。首先河北省與山東省的聚為一類，進一步與其他地區(qū)聚類。其中江西省的山藥與其他4個地區(qū)最后才聚為一類，可能原因是江西省與其他地區(qū)地理位置相比距離較遠，其種植的山藥化學(xué)成分和含量存在較大的差異，說明產(chǎn)地影響其成分特征。河北省與山東省的山藥最先聚為一類，主要取決于其產(chǎn)地和種植環(huán)境接近。所建立的近紅外光譜聚類模型能夠鑒別山藥的產(chǎn)地，聚類分析結(jié)果與實際分類結(jié)果一致，通過這種方法能夠找出不同地區(qū)樣品之間的信息特征，以至于能夠達到鑒別的目的，且結(jié)果較為準(zhǔn)確，可行性高[23]。

2.4 SIMCA分析

SIMCA模式識別法在光譜的定性分析判別中應(yīng)用越來越廣泛，發(fā)展的也越來越成熟，在科學(xué)研究中使用頻率較高，并且在近幾十年的應(yīng)用過程中，SIMCA方法也由原來的單值分析發(fā)展到現(xiàn)在的多模式識別[24-25]。選取55個山藥樣本進行建模使用，將樣本的數(shù)據(jù)按照校正集80%，驗證集20%的比例進行隨機分配后，得到在55個山藥樣本數(shù)據(jù)中，校正集為44個，驗證集為11個。校正集和驗證集分布如表2所示。

表2 校正集和驗證集分布Table 2 Distribution of calibration set and validation set

對已知5個地區(qū)樣本分別進行主成分分析，來確定上述5個產(chǎn)地山藥模型的最佳主成分?jǐn)?shù)，在預(yù)測殘差平方和變化不太大的情況下選取較小的主成分?jǐn)?shù)，具體主成分?jǐn)?shù)選擇見圖4。

圖4 主成分?jǐn)?shù)的選擇Fig.4 Selection of principal component number

由圖4可知，在不同的主成分?jǐn)?shù)下，5個產(chǎn)地山藥模型的預(yù)測殘差平方和呈現(xiàn)先減小后增大的趨勢，最終湖北、河北、山東、河南、江西5個產(chǎn)地的最佳主成分?jǐn)?shù)分別選擇為 2、2、3、2、2。

用選擇的主成分?jǐn)?shù)分別對不同產(chǎn)地山藥進行得分評價和聚類分析，得到建立的校正集與驗證集的樣本分布圖，見圖5。

圖5 不同產(chǎn)地山藥樣本分布圖Fig.5 Distribution of Chinese yam samples from different origins

由圖5可知，各地區(qū)的山藥樣本能夠較好的聚類在一起，驗證集樣本也能準(zhǔn)確地進行產(chǎn)地聚類，說明建立的模型能夠?qū)ι剿帢颖具M行產(chǎn)地判別。其中山東與河北的得分相距較近，與江西的得分距離相對較遠，這與空間距離一致。主要是因為山藥內(nèi)部物質(zhì)含量不同，在近紅外光譜上的吸收峰有一定的差異，差異越大，在空間中的距離就越大。可能是其地理位置、氣候、土壤等條件所致，同時采摘的時間也會有一定的影響[26-27]。

在建立好模型后，用模型去驗證沒有參與建模的13份山藥樣本，結(jié)果顯示3份樣本的預(yù)測地區(qū)與實際地區(qū)一致，10份摻假樣本在分布圖上分布雜散，無法和現(xiàn)有5個產(chǎn)地的樣品進行聚類，表明所建立的鑒別模型可以對山藥進行準(zhǔn)確的地區(qū)判別，可以實現(xiàn)山藥的產(chǎn)地鑒別或摻假分析。

2.5 山藥中元素含量分析

2.5.1 標(biāo)準(zhǔn)曲線的繪制

用原子吸收分光光度計分別測定各標(biāo)準(zhǔn)系列溶液的吸光度并計算出回歸方程和相關(guān)系數(shù)，結(jié)果表明各元素的相關(guān)系數(shù)為0.9961～0.9993，其中鉀元素標(biāo)準(zhǔn)曲線回歸方程為y=0.032 5x+0.001 3，相關(guān)系數(shù)為0.998 8；鈣元素標(biāo)準(zhǔn)曲線回歸方程為y=0.011 6x+0.003 1，相關(guān)系數(shù)為0.9993；鎂元素標(biāo)準(zhǔn)曲線回歸方程為y=0.4349x+0.015 6，相關(guān)系數(shù)為0.996 1。

2.5.2 山藥中元素測定結(jié)果

按照國家標(biāo)準(zhǔn)對食品中K、Ca、Mg 3種元素的測定方法和條件，分別測定不同批次山藥樣品中的各元素含量，得到不同批次山藥元素含量的范圍，測定的元素含量結(jié)果見表3。

表3 樣品含量測定結(jié)果（n=5）Table 3 Determination results of sample content（n=5） μg/g

由表3可知，所采集的5個產(chǎn)地樣本中，K元素含量為 1 872.59 μg/g～3 703.28 μg/g，其中河南鐵棍山藥的K元素含量最高，平均含量為3 553.50 μg/g，河北小白嘴山藥的K元素含量最低，平均含量為2 036.52 μg/g；Ca 元素含量為 209.89 μg/g～334.88 μg/g，其中河北小白嘴山藥的Ca元素含量最高，平均含量為320.76 μg/g，湖北佛手山藥的Ca元素含量最低，平均含量為214.38 μg/g；Mg 元素含量為 215.80 μg/g～343.22 μg/g，河南鐵棍山藥的Mg元素含量最高，平均含量為321.09 μg/g，河北小白嘴山藥的Mg元素含量最低，平均含量為224.50 μg/g。樣品重復(fù)測定5次，計算可知測定 K、Ca、Mg元素含量的相對標(biāo)準(zhǔn)偏差分別為1.98%、1.48%、1.35%，回收率范圍為96.26%～98.89%。

河南地區(qū)山藥中Mg元素含量和K元素含量高于其他地區(qū)，所以可以通過這兩種元素含量來間接區(qū)別河南鐵棍山藥；而河北地區(qū)小白嘴山藥中的Ca元素含量最高，可用于開發(fā)高鈣系列山藥產(chǎn)品。這5個地區(qū)山藥之間的元素含量各不相同，但是沒有明顯規(guī)律性，可能是地理位置、氣候、土壤等差異引起的，也可能是受采摘季節(jié)或種植過程中施肥等因素的影響[28]，這從側(cè)面也間接反映出各山藥之間的產(chǎn)地特征，與近紅外方法的產(chǎn)地鑒別相互印證。

3 結(jié)論

本試驗利用近紅外光譜法對不同產(chǎn)地的山藥進行了定性研究，結(jié)合化學(xué)計量學(xué)建立山藥的判別模型并對山藥產(chǎn)地進行判別分析，利用兩種定性方法對山藥產(chǎn)地進行了分析，其中聚類分析法中利用一階導(dǎo)數(shù)法處理原始譜圖所建模型優(yōu)于其它兩種數(shù)據(jù)處理方法，所建模型對山藥產(chǎn)地鑒別正確率為100%。SIMCA分析法討論了不同主成分?jǐn)?shù)對模型的影響，在最佳主成分?jǐn)?shù)下建立的模型對山藥產(chǎn)地的鑒別正確率能達到100%。通過自行配制樣本對模型的驗證可知，所建模型不僅可以正確判別產(chǎn)地，也能夠正確識別摻假山藥樣本，近紅外光譜方法快速區(qū)分山藥產(chǎn)地和摻假山藥的可行性為山藥產(chǎn)地的快速無損判別提供了一種新思路。

通過對各地區(qū)山藥中K、Ca、Mg元素的含量比較可知，不同地區(qū)K元素的含量差別較大，而Ca元素含量和Mg元素含量差別較小，其中河南地區(qū)山藥中的K元素含量和Mg元素含量明顯高于其他地區(qū)，這也從側(cè)面印證了鐵棍山藥的品質(zhì)，不同地區(qū)山藥中元素含量不同，和近紅外光譜法建立的產(chǎn)地鑒別模型相互印證，同時也為山藥功能產(chǎn)品的開發(fā)提供參考。