（哈尔滨市产品质量监督检验院，哈尔滨 150090）

1 引言

我国幅员辽阔，蜜源植物资源丰富且分布较广。蜂蜜品种繁多，其中洋槐蜜、荆条蜜、油菜蜜和枣花蜜的产量较高。然而，蜂蜜的产量和品质与蜜源植物的种类、蜜蜂的饲养条件、气候环境等因素密切相关。我国蜜源植物的分布也具有一定的地域性特征。国内外研究表明，不同蜂蜜品种间的感官特性具有一定的差异性，即使是同一蜜种，由于地域上的差异其蜂蜜的品质也具有差异性[1-5]。不同品种的蜂蜜其色泽、气味和口感等感官特性不同，继而导致其价格各异。例如椴树蜜颜色较浅，具有浓郁的芳香气味和较高的营养价值，深受消费者的喜爱，相比其他蜜种的蜂蜜价格较高。

食品的产地特征研究是食品安全分析的热点领域，国内外部分课题组研究人员对该领域进行了大量的探索。在过去10年中，许多研究小组测定了不同蜂蜜样品中的元素，发现蜂蜜的元素组成有很大的不同[6-10]。蜂蜜中的元素组成与蜜蜂采集花蜜、花粉或蜜露的植物来源密切相关，与地理来源有关的包括养蜂场的选址、土壤的组成及气候条件等也会影响蜂蜜的元素组成[11-13]。在已建立的分析方法中，矿物质元素分析技术是一个非常有效的方法。

电感耦合等离子体质谱仪（ICP-MS）具有较快的分析速度、较低的检出限、能够快速地同时测定多种矿物质元素等优点[14]。该技术在近些年发展迅速，在谷物、蔬菜、酒类等食品和农产品中已经得到广泛应用[15-17]。本文应用ICP-MS测定不同产地椴树蜂蜜中矿物质元素含量，了解不同产地椴树蜜和元素之间的关系，并结合多变量模型对椴树蜜进行产地溯源研究。

2 实验部分

2.1 试剂和仪器

Agilent 7700x ICP-MS（安捷伦公司，日本），CEM MARS6微波消解仪（CEM，USA），Milli-Q超纯水系统（Millipore，Bedford，MA，USA）。浓硝酸，优级纯，科密欧；双氧水，优级纯，科密欧；超纯水（18.2MΩ·cm）；20种待测元素标准曲线各点由元素标准储备液（Agilent Technologies，USA）稀释配制。

这项研究使用了158个椴树蜂蜜样品。它们都是在2019年7月间从有产地证明的蜂农那里直接采集来的：A区（86个椴树蜜样品），B区（72个椴树蜜样品）。所有样品在分析前都在4℃条件下装在塑料容器里储存；分析前，蜂蜜样品在50℃下液化并超声波振荡至少30min。

2.2 数据分析

元素含量测定后使用质量分析专业软件（MPP）（安捷伦公司）进行基本统计及多变量分析。使用主成分分析（PCA）、决策树（Decision Tree）、朴素贝叶斯（naive bayes）、神经网络（neural network）和支持向量机（support vector machine）等化学计量方法对所有数据进行分析以对蜂蜜样品根据其植物源进行辨别和分类。

3 结果与分析

3.1 不同产地椴树蜜中元素含量概况

椴树蜜有自己的特征元素谱图。同种植物源蜂蜜之间也有很大差别，通过表1和表2中最小值与最大值之间的差距就可以看出。因此，需要用化学计量法对样品聚集的趋势进行评估。

根据所测定20种元素在椴树蜜中的含量，将其分为两组，即含量低的微量元素（见表1）和含量高的常量元素（见表2）。

表1给出了不同地区椴树蜜中含量较低的V、Cr、Co、Ni、As、Se、Mo、Cd、Sb、Tl等10种元素的测定结果。比较上述10种元素的椴树蜜分布，可以看出B区椴树蜜Se和Sb的平均含量高于A区，其余8种元素A区椴树蜜的平均含量均高于B区。

从表2可以看出，Na、Mg、K、Ca、Fe元素的含量均高于1mg/kg。K的含量在20种元素中最高，平均含量均高于1468mg/kg，B区椴树蜜中K的含量明显高于A区椴树蜜。这和最近文献报道的蜂蜜中K的含量最高的结论一致[12]。其次是Ca元素，平均含量高于150mg/kg，其中A区椴树蜜中钙的含量高于B区椴树蜜中钙的含量。然后是Mg元素，平均含量分别是23.36mg/kg和13.43mg/kg，也是A区椴树蜜高于B区椴树蜜。Na元素平均含量分别是4.76mg/kg和5.17mg/kg，较为接近，说明Na元素在不同地域的椴树蜜中具有相似的含量。Al、Mn、Cu、Ba的平均含量均低于5mg/kg，其中Al、Mn、Ba三种元素B区椴树蜜的平均含量均高于A区。

表1 ICP-MS方法测得的各种蜂蜜中矿物元素的含量（µg/kg）

表2 ICP-MS方法测得的各种蜂蜜中矿物元素的含量（mg/kg）

从上述分析可以看出，所研究的20种元素含量在不同产地椴树蜜中存在一定差异，大多数元素在A区椴树蜜中的平均含量高于B区椴树蜜。

3.2 化学计量分析

实验采用安捷伦 MassHunter 软件采集质谱数据，由 Mass Profiler Professional 软件进行统计学分析，包括主成分分析。主成分分析是一种无监督的模式识别技术，它减少了维数，提供了空间数据的局部视图和趋势[18]，被广泛应用于寻找变量和样品类型之间的关系。为了减少不同产地椴树蜜中的非显著性变量，本实验用T检验对数据组进行了第一次统计分析。见图1，当p＜0.05时，Na、Mg、Al、K、Ca、Mn、Ni、Cu、Zn、As、Sb、Ba和Th13种元素在来自不同植物源的蜂蜜样品中显示出统计学上的有效值。用MPP软件中的PCA算法对158个蜂蜜样品中13种象征性元素的含量水平进行了分析，13个作为变量的元素被削减至4个主成分（PCs），4个主成分可以解释70.15%的总体差异。如图3所示，第一个主成分（PC1）占有37.29%的差异，其他3个主成分（PC2、PC3、PC4）分别占有13.69%、10.45%和8.72%的差异，PC1和PC2是主要成分代表了50.98%的变量。

图2给出了不同产地椴树蜂蜜样品在第一和第二主成分中的得分散点图。通过第一和第二主成分可以区分A区和B区的椴树蜜样品。除个别样品外，大部分A区蜂蜜第二主成分得分为正值，大部分B区蜂蜜第一主成分得分为负值。

利用第一主成分、第二主成分和第三主成分的标准化得分作散点图，从图3可以看出A区蜂蜜和B区蜂蜜被有效的区分开。由此可见，PCA基本能够反映元素分布和不同产地椴树蜂蜜的关系。

3.3 不同产地椴树蜂蜜模型建立及预判

从主成分分析结果来看，不同产地椴树蜂蜜中元素含量存在一定差异，因此，以蜂蜜中各元素含量为变量对不同产地椴树蜂蜜进行溯源研究是可行的。为了更好地通过元素图谱对蜂蜜样品进行分类，利用MPP软件提供的多种类别预测算法建立决策树、朴素贝叶斯、神经网络和支持向量机四种模型。本文从不同产地椴树蜂蜜样本中随机选出26个样品用于对模型进行确认。A区蜂蜜14个，B区蜂蜜12个，其中A区蜂蜜标号为1～14，B区蜂蜜标号为15～26。

图1 T检验结果

图2 蜂蜜样品第一和第二主成分得分散点图

图3 第一、第二和第三主成分3D标准化得分散点图

从表3可以看出决策树模型有些样品可信度不高，但是由于具有分类精度高及很好的降噪功能，结果有2个误判，总体预判准确率为92.31%。朴素贝叶斯NBC模型所需估计的参数很少，对缺失数据不太敏感，算法也比较简单。但由于NBC模型假设属性之间相互独立，这个假设在这个应用中是不成立的。矿物元素属性之间相关性较大，所以NBC模型结果有12个误判，从表3结果可以看出，总体预判准确率只有53.85%。

表3 Decision tree模型和naive bayes模型分析的样品结果

表4 Neural network模型和Support vector machine模型分析的样品结果

从表4可以看出神经网络模型有13个误判结果，总体预判准确率为50.00%。其原因是由于神经网络模型陷入了局部极小加之预测模型需要大量的数据才能实现，给结果带来一定的误差。支持向量机模型有14个误判结果，总体预判准确率为46.15%。由于支持向量机模型当观测样本很多时，效率并不是很高，有时候很难找到一个合适的核函数，所以预判准确率比较低。

从表3、表4中4个模型的结果可以看出，本实验适合的模型为决策树模型，总体预判准确率都为92.31%。

4 结论

应用ICP-MS测定了来自黑龙江省A区、B区两个地区158个椴树蜜样品中20种元素含量，结果表明，不同地区椴树蜂蜜样品中元素含量存在差异。化学计量工具的矿物质元素分析能够可靠的区分蜂蜜样品的植物源，决策树预判模型具有高精度和可靠性。总之，应用矿物质元素对不同产地椴树蜂蜜进行分类是可行的，尤其是在元素含量随食品来源变化的食品溯源和掺假研究领域里具有应用前景。