基于稀土元素指纹分析识别葡萄酒原产地
现代食品科技
Modern Food Science and Technology 2015, Vol.31, No.2
基于稀土元素指纹分析识别葡萄酒原产地
赵芳，林立，孙翔宇，毛文华，孙玉强，战吉宬
（1.中国农业大学食品科学与营养工程学院，北京 100083）（2.陕西师范大学食品工程与营养科学学院，陕西西安 710062）（3.中国农业机械化科学研究院，北京 100083）（4.国家果酒及果蔬饮品质量监督检验中心，吉林通
化 134001）
摘要：coupled plasma-mass spectrometry，ICP-MS）测定了三个原产地228个葡萄酒中的15和判别分析。葡萄酒原产地和稀土元素含量间显著相关（p
关键词：葡萄酒；稀土元素；ICP-MS；原产地；判别分析
文章篇号：1673-9078(2015)2-261-267 1
2
1
3
4
1
ZHAO Fang1, LIN Li2, SUN Xiang-yu1, MAO W34, ZHAN Ji-cheng1
University, Beijing 100083, China)
’an 710062, China) ences, Beijing 100083, China)
Abstract:origins. The data were by analysis of variance (ANOVA), and discriminant analysis. The wine of origin was wine; rare earth elements; inductively coupled plasma-mass spectrometry; place of origin; discriminant analysis
收稿日期：2014-06-25
基金项目：国家公益性行业科研专项（2012104019-3）；国家十二五科技支撑计划（2012BAD31B07）
作者简介：赵芳（1985-），女，在读博士，研究方向为葡萄酒地理标志保护 通讯作者：战吉宬（1972-），男，博士（后），副教授，研究方向为葡萄生理生化与分子生物学研究
葡萄酒的品质主要取决于酿酒葡萄的质量和与
之相适应的加工工艺。而酿酒葡萄的质量直接依赖于产区的品种、土壤、气候、肥料、农药和相应的栽培方式，且在某一特定的区域内，往往会形成一些特定的生产工艺，从而生产出具有特定风格的葡萄酒。因此，葡萄酒是一种明显带有地理标志（geographical
261
现代食品科技 Modern Food Science and Technology 2015, Vol.31, No.2
indications，简称GI）特征的产品，地理标志葡萄酒不仅仅限定酿酒葡萄生长的地域特征，更包括相应的栽培制度和酿造工艺等。
我国作为新兴的葡萄酒国家，市场潜力巨大，为使我国的葡萄酒产业实现持续、快速、健康发展，就必须建立并实施葡萄酒原产地保护体系。地理标志注册，有利于保护自然资源和人文资源，也有利于保护生产者、经营者和消费者的权益。目前，通过我国地
中过Agilent 7500a电感耦合等离子体质谱仪，美国，Agilent公司；Milli-Q超纯水系统，美国，Millipore公司；标准贮备液：10 μg/mL稀土混合标准贮备液，含16种稀土元素，Sc、Y、La、Ce、Pr、Nd、Sm、Eu、Gd、Tb、Dy、Ho、Er、Tm、Yb、Lu，美国，Agilent公司。
表1 不同产地葡萄酒样本的品种、年份以及数量 Table 1 Grape varieties, vintages, and number of wines from
根据国标
[1~3]
中的规定，通过酒厂取样方式采集葡
3可以有效消除乙醇对样品测定带来的基体干扰。
标准曲线绘制：用空白溶液将稀土元素混合标准贮备液逐级稀释为5、10、20、50、100、200、500、1000 ng/L的混合标准溶液。在ICP-MS的工作条件下，采集空白溶液和标准溶液系列，根据葡萄酒中稀土元素的含量范围，选择合适的标准溶液浓度区间，由仪器自动绘制标准曲线。
萄酒样品共计228个，分别来自沙城、贺兰山东麓和通化三个产地不同的酒庄，采取的样品中，每个产区尽可能包括不同年份和不同品种的酒样，以此减小葡萄品种和年份对产地识别正确率的影响（如表1）。
1.2 仪器与试剂
262
现代食品科技 Modern Food Science and Technology 2015, Vol.31, No.2
葡萄酒样品用1% HNO3溶液按照1:1的比例稀释后，直接进行ICP-MS测定，采用全定量分析，结果由标准曲线自动计算所得。
变量Y，分别设定SC、HLS、TH的相应参考值为1、0和-1，以0.5和-0.5作为不同产地间的分界线 。对训练集样品，建立PLS-DA校正模型，以预测残差平方和(predicted residual sum of squares，PRESS) 确定模型的主成分数，之后以模型相关系数（correlation coefficient，r）、交互验证均方根误差（root mean square error of cross validation，RMSEC）和验证均方根误差（root mean square error of prediction，RMSEP）评价Unscrambler 10.3（挪威，CAMO
1.5 数据处理
本研究对不同原产地葡萄酒中15种稀土元素的含量进行了最小显著性差异（least significant difference，LSD）多重比较（p
根据稀土元素含量，分别对每个产地的葡萄酒样品做组内马氏距离分析，基于马氏距离，将样品集按照3:1的比例分为训练集（n=57）和测试集（n=19），最小值和最大值归于训练集；对训练集中稀土元素含量做boxcox变换，使其尽量满足正态分布，基于数据变换参数，对测试集中元素作同样变换，变换后的数据用于建立原产地判别模型，以提高模型的稳健性。以上分析采用Matlab 7.6（美国，MathWorks公司）软件进行处理。
本研究采用FLD中的逐步判别法和用“留一法”果。
FLD法[13]，本研究中，有15个稀171，因此，principal Wilks’ Lambda模型。该分析采用SPSS 20.0软件进行。
partial least squares，PLS）法中，主成分不仅对原始变量有最大限度的综合信息，还尽可能地解释因变量的相关信息。PLS-DA法来源于PLS，需对每一个样品赋予一个分类变量，建立分类变量和自变量间的回归模型，根据分类变量的预测值判定所属类别[14]。本研究中，对样品赋予产地分类
2 结果与讨论
2.1
15种稀（表2），结果如下：），稀土元素在沙城葡萄酒中的由F值可以看出，Y、Ce、Pr，这尤其在贺兰山东麓酒样中，如Ce、Pr、Nd，说明同一产地不同酒庄间存在一定的差异。同时，在三个产地的葡萄酒中，镧系元La、Ce、Nd，而钇族元素中Y的含量也很高，在沙城酒样中含量最高，在贺兰山和通化酒样中含量仅次于Ce。
基于不同产地葡萄酒中稀土元素含量的相关性分析（表2），可以看到，葡萄酒的产地和稀土元素含量之间显著相关（p
方法检测限按照国际纯粹与应用化学联合会(International Union of Pure and Applied Chemistry，IUPAC)的规定计算。取11次平行测定空白溶液的结果，按空白溶液响应信号值标准偏差的3倍计算各元素的检出限。葡萄酒中各元素的含量均高于方法检出限，说明葡萄酒经稀释后，用ICP-MS检测其稀土元
263
素含量的方法是可行的。
表2 不同产地葡萄酒中稀土元素含量（ng/L）的差异性分析、与产地的相关性分析以及方法检出限
Table 2 Analysis of variance (F), correlation (η), and limits of detection (LOD) of the rare earth element contents (ng/L) in wines from different
origins
原产地
稀土 元素 Y SC n=76 163.23±88.76c HLS n=76 515.23±400.19b TH n=76 1067.31±540.93a 102.79*** 0.69** 1.16
F
η
LOD
1 0.98**
0.98** 0.93** 0.91** 0.86** 1
0.95** 0.94** 0.89** 1
0.95** 0.93** 1
0.96** 1
Ho 0.98** 0.87** 0.89** 0.90** 0.91** 0.92** 0.86** 0.94** 0.97** 0.97** Er 0.97** 0.84** 0.86** 0.88** 0.88** 0.90** 0.85** 0.91** 0.95** 0.95** Tm 0.89** 0.74** 0.75** 0.77** 0.77** 0.82** 0.79** 0.85** 0.88** 0.88** Yb 0.88** 0.71** 0.73** 0.75** 0.74** 0.77** 0.76** 0.79** 0.84** 0.85** Lu 0.81** 0.64** 0.66** 0.67** 0.67** 0.71** 0.71** 0.74** 0.78** 0.79** 注：**表示稀土元素含量之间显著相关（p
0.93** 0.95**
0.91** 0.94** 0.95**
0.86** 0.89** 0.93** 0.96**
264
2.2 FLD法对葡萄酒原产地的识别
基于15种稀土元素，建立三个产地酒样的Fisher判别模型。根据Wilks’ Lambda统计量，当被加入的变量的F值≥3.84时，该变量进入函数，当被移出的变量的F值≤2.71时，该变量被移出函数。最终筛选出对葡萄酒原产地识别有贡献的10个变量（Y、La、Ce、Pr、Nd、Sm、Gd、Dy、Ho、Yb），剔除无效的5
在由稀土元素在DF1和DF2上的载荷分布（图1b）所示，DF1较好地解释了变量Y、La、Ce的信息，而DF2仅对变量Pr的信息解释较多，其他元素与DF1和DF2的关系则较弱。即基于Y、La、Ce、Pr四种稀土元素，可以大致区分沙城、贺兰山东麓、通化三个原产地的酒样，这与元素含量差异性分析和相关性分析结果较为一致。
经过内部交叉验证，判别分析结果如表4所示，
图1 (a)酒样前两个典型判别函数的得分散点图；(b)稀土元素
前两个典型判别函数的载荷系数图
Fig.1 (a) Score plot of the first two canonical discriminant functions (DF1 and DF2) of wine samples from different origins (b) Loading plot of the first two canonical discriminant functions (DF1 and DF2) of rare earth elements in wine samples from different origins
量信息的综合解释为87.47%，模型包含了大多数的自
变量和因变量信息。基于样本前三个主成分的得分作图（图2），三个产地有明显的聚类现象，大部分样品被正确区分，贺兰山东麓酒样分布范围较广，与其他两个产地均有交叉现象。
PLS-DA模型判别分析结果如图3和表5所示，交叉验证r为0.92，RMSEC为0.30，整体判别率为
265
2.2 FLD法对葡萄酒原产地的识别
基于15种稀土元素，建立三个产地酒样的Fisher判别模型。根据Wilks’ Lambda统计量，当被加入的变量的F值≥3.84时，该变量进入函数，当被移出的变量的F值≤2.71时，该变量被移出函数。最终筛选出对葡萄酒原产地识别有贡献的10个变量（Y、La、Ce、Pr、Nd、Sm、Gd、Dy、Ho、Yb），剔除无效的5
在由稀土元素在DF1和DF2上的载荷分布（图1b）所示，DF1较好地解释了变量Y、La、Ce的信息，而DF2仅对变量Pr的信息解释较多，其他元素与DF1和DF2的关系则较弱。即基于Y、La、Ce、Pr四种稀土元素，可以大致区分沙城、贺兰山东麓、通化三个原产地的酒样，这与元素含量差异性分析和相关性分析结果较为一致。
经过内部交叉验证，判别分析结果如表4所示，
图1 (a)酒样前两个典型判别函数的得分散点图；(b)稀土元素
前两个典型判别函数的载荷系数图
Fig.1 (a) Score plot of the first two canonical discriminant functions (DF1 and DF2) of wine samples from different origins (b) Loading plot of the first two canonical discriminant functions (DF1 and DF2) of rare earth elements in wine samples from different origins
量信息的综合解释为87.47%，模型包含了大多数的自
变量和因变量信息。基于样本前三个主成分的得分作图（图2），三个产地有明显的聚类现象，大部分样品被正确区分，贺兰山东麓酒样分布范围较广，与其他两个产地均有交叉现象。
PLS-DA模型判别分析结果如图3和表5所示，交叉验证r为0.92，RMSEC为0.30，整体判别率为
265
90.64%，模型拟合性较好；外部测试集验证r为0.88，RMSEP为0.35，判别率为87.93%，模型拟合性稍差。当模型应用于沙城酒样判别时，交叉验证判别率为82.46%，外部验证判别率仅为73.68%，样本预测值离散程度大，判别效果较差；将模型应用于贺兰山东麓和通化酒样原产地判别时，内部验证和外部验证判别率均大于80%，判别效果较为理想。
3 结论
3.1 沙城、贺兰山东麓、通化葡萄酒中稀土元素含量存在较大差异，经过FLD，三个原产地酒样明显区分开来，Y、La、Ce、Pr四种稀土元素对典型判别函数的提取贡献更大。模型交叉验证判别率为96.49%，外部验证判别率为91.23%，对每个原产地的判别率均大于80%，满足判别分析的要求。同时，本研究所用样本量0
5
52
57
2
[5] Serrano-Lourido D, Saurina J, Hernandez-Cassou S, et al.
Classification and characterisation of spanish red wines according to their appellation of origin based on chromatographic profiles and chemometric data analysis [J]. Food Chemistry, 2012, 135(3): 1425-1431
验证
判别率/% 外部验证
判别率/% TH SC
计数
HLS TH
82.46 98.25 91.23 90.64 14 2
5 16
0 1
19 19
0 0 19 19 73.68 84.21 100.00 87.93
266
现代食品科技 Modern Food Science and Technology
147-155
2015, Vol.31, No.2
[6] Cynkar W, Dambergs R, Smith P, et al. Classification of
tempranillo wines according to geographic origin: combination of mass spectrometry based electronic nose and chemometrics [J]. Anal. Chim. Acta., 2010, 660(1-2): 227-231
[7] Soufleros EH, Bouloumpasi E, Tsarchopoulos C, et al.
Primary amino acid profiles of greek white wines and their use in classification according to variety, origin and vintage [J]. Food Chemistry, 2003, 80(2): 261-273 [8] Bejjani J, Balaban M, Rizk T. A sharper characterization
of the geographical origin of Lebanese wines by a new interpretation of the hydrogen isotope ratios of ethanol [J]. Food Chemistry, 2014, 165: 134-139
[9] Pérez-Trujill JP, Barbaste M, Medina B. Chemometric
study of bottled wines with denomination of origin from the canary islands (spain) based on ultra-trace elemental content determined by ICP-MS [J]. Analytical Letters, 2003, 36(3): 679-697
[10] Boschetti W, Rampazzo RT, Dessuy MB, et al. Detection
of the origin of Brazilian wines based on the determination of only four elements using high-resolution continuum source flame AAS [J]. Talanta, 2013, 11:
[11] Coetzee PP, Vanhaecke F. Classifying wine according to
geographical origin via quadrupole-based ICP-mass spectrometry measurements of boron isotope ratios [J]. Anal. Bioanal. Chem., 2005, 383(6): 977-984
[12] 林昕,黎其万,和丽忠,等.基于稀土元素指纹分析判别普
洱古树茶和台地茶的研究[J].现代食品科技,2013,29(12): 2921-2926
LIN Xi, LI Qi-wan, HE et Application of Pu 'er old plant tea and tea Food [13] Roggo Y, JP. of
supervised pattern of sugar Capron X, J, Massart D. Multivariate
origin of wines from
267