青海6种主要农产品中微量元素的特征分析

徐贵钰

(青海民族大学 化学化工学院，青海 西宁 810007)



青海6种主要农产品中微量元素的特征分析

徐贵钰

(青海民族大学 化学化工学院，青海 西宁 810007)

采用主成分分析法，对青海省海东地区6种主要农产品中10种矿物元素含量与产品品质之间的关系进行综合评价。通过该法对微量元素的含量数据进行降维处理，并利用SPSS 19.0软件进行计算，提取特征值大于1.2的成分为主成分，其结果显示前3个主成分的累计方差贡献率达到86.15%，即保留了全部原始数据86.15%的信息，基本能反映总体情况。主成分综合得分反映出微量元素在6种农产品中的总体含量水平，其顺序由高到低依次为：春小麦>蚕豆>玉米>青稞>豌豆>油菜籽，进而体现了微量元素在几种农产品中的分布特征。分析结果表明主成分分析和因子得分可以用于农产品质量的综合评价，为农产品生产、品质评价及相关研究提供数据支撑和科学依据。

农产品；微量元素；主成分分析

0 引言

微量元素是维持生命有机体正常生物功能和植物生长所必需的营养物质，它对植物各种生理代谢过程的关键步骤起调控作用，进而影响农产品生长及品质[1]。目前，国内外公认的植物体内必需的中、微量元素有钙、镁、铁、硫、硼、锰、锌、铜、钼、氯等，通常这些元素在植物体内的含量较低而被忽视。近些年来，由于它们特殊的生物化学作用和生理功能，特别是微量元素和有益元素日益受到广大科学工作者的重视。研究表明，微量元素与农产品品质密切相关，而农产品品质的好坏直接影响着人类的健康，所以对于微量元素的研究是时代发展的需求，也是人类自身对高质量生活追求的必然结果[2-4]。青海海东地区是青海省主要农业经济区，地区内盛产青稞、小麦、蚕豆、豌豆及油料、蔬菜等农副产品，因此对海东地区农产品中微量元素进行检测和分布分析显得尤为重要。据文献报道，中科院西北高原研究所的周蔚等人已对青海海东地区几种主要农产品中的微量元素进行了测定[5]，南京农业大学的汤璐等人对微量元素及少数有益元素的生理功能及其对主要农产品品质的影响做了评价[6]。但用统计学的方法来综合评价农产品中微量元素之间的相关关系及对农产品品质的影响，目前报道甚少。通过主成分分析法对青海海东地区6种主要农产品中的10种元素进行特征分析，为农产品生产、产品质量评价等提供科学理论依据，对创造社会效益和经济效益具有重要意义。

1 农产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)法将原来众多具有一定相关性的P个指标，重新组合成一组新的互相无关的综合指标来代替原来的指标。一般数学上的处理是将原来P个指标做线性组合，作为新的综合指标，达到降维的目的，是数据压缩和解释的一种多元统计方法。

1.1 原始数据

农产品中钙、铬、铜、铁、钾、镁、锰、钠、磷、锌10种微量元素含量的原始数据来源于文献[5](如表1)。

表1 样品中矿物质元素的测定结果(mg/kg)

1.2 原始数据的标准化

对原始数据进行标准化，即对同一变量减去其均值，再除以标准差，使原始数据量纲统一，且使标准化后的数据具有可比性，遵从正态分布规律N(0，1)。

1.3 矿物质元素之间的相关系数矩阵(如表2)

表2 相关系数矩阵

从表2可以看出，大部分变量两两之间有较大的相关系数，适宜用主成分分析法来研究变量之间的关系。其中Ca和Cu相关极显著，Fe和Na、Cu和K、K和Zn相关显著。

1.4 相关系数的特征值及方差贡献率

主成分分析初始解对原有变量总体描述情况见表3。主成分选择原则通常是累计方差贡献率大于85%，在该分析结果中，前3个主成分累积方差贡献率达到86.15%，且它们各自的特征值都大于1.000，故选取前3个主成分，也即它们代表了Ca、Cr、Cu、Fe、K、Mg、Mn、Na、P、Zn等微量元素在6种主要农产品中绝大部分的原始信息。

表3 主成分特征值及方差贡献率

1.5 初始因子载荷矩阵分析

主成分载荷矩阵反映了各原始变量与每个主成分的相关程度，其数值的大小反映了该指标对主成分的贡献程度的大小，其符号表示各指标对改变主成分值的增减效果(如表4)。

表4 初始因子载荷矩阵

1.6 特征向量、主成分得分及综合得分分析

根据农产品中微量元素的载荷矩阵可得出各个因子的特征向量，并找出影响各因子的主要元素，分析数据见表5。以各因子的贡献率作为权重进行线性加权求和，计算出各种农产品的综合得分，从而对农产品的质量优劣进行综合评价[10，11]。

表5 主成分向量

根据主成分计算公式可以得到前3个主成分与原10项指标的线性组合如下：

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；

综合得分：F=0.328F1+0.292 3F2+

0.241 3F3。

表6 主成分得分、综合得分及排名

根据上述计算公式，可以得到各样品的3个主成分值及综合得分(见表6)，其结果体现了农产品中微量元素分布的特征性。综合得分排名第一的春小麦样品，说明微量元素在该样品中的总体含量水平最高，对产品品质影响最大；油菜籽样品的综合得分排名最后，说明其中的微量元素总体水平最低，对品质影响最小。

2 结果与讨论

1)通过相关系数矩阵分析，Ca和Cu相关极显著，Fe和Na、Cu和K、K和Zn相关显著；

2)通过因子载荷矩阵分析，第1主成分的特征值为3.280，方差贡献率为32.80%，在指标Na、Fe上有较大载荷。铁存在于叶绿体中，缺铁对叶绿素的生物合成及叶绿体结构产生不良影响，使光合作用在一定程度上受到抑制相关，并且胁迫使蔬菜中的硝酸盐含量较大幅度地增加，而蛋白质含量却显著降低[10]；第2主成分的特征值为2.923，方差贡献率为29.23%，在指标Cu、Ca、K、Mg上有较大载荷。铜离子形成稳定络合物的能力很强，能和氨基酸、肽、蛋白质和其它有机物质形成含铜的酶和多种含铜蛋白质，改善农产品品质[11]；钙是仅次于氮、磷、钾的植物必需的营养元素之一，成熟果实中的含钙量较高时，可有效地防止采收后储藏过程中出现的腐烂现象，延长储藏期，增加农产品保藏品质[12]；镁是活化磷酸化过程的酶的辅助因素，对磷脂的生成是必需的，在蛋白质、氨基酸的代谢上起着重要作用，会影响作物对N、P、K肥料的利用率，进而影响作物品质[10，13]；第3主成分的特征值为2.413，方差贡献率为24.13%，在指标Zn、Mn上有较大载荷。锌为酶辅因子成分，可以调节酶的活性，促使核酸和蛋白质的合成，从而提高果实中甜味和鲜味氨基酸含量，降低苦味氨基酸含量，改善果实风味，同时降低硝酸盐和亚硝酸盐含量，提高果实品质[10，14]；锰在作物体内参与光合作用，加强种子萌发时淀粉和蛋白质的水解。缺锰影响蛋白质的合成，同时作物中的锰元素还是合成维生素C和核黄素的重要因素。此外，有益元素Na、Cr等能促进植物的糖代谢、提高纤维含量、增加产量，对许多植物的生长发育或产量、品质有良好影响[15]；

3)通过上述分析，影响青海海东地区6种农产品品质的主要元素为Na、Fe、Cu、Ca、K、Mg、Zn、Mn，可作为研究该地区农产品的代表性元素；

4)通过主成分得分及综合得分分析，春小麦、青稞、油菜籽、蚕豆、豌豆、玉米6种农产品中微量元素的总体含量水平高低顺序为：春小麦居首，其次为蚕豆，玉米，青稞，豌豆，油菜籽，且春小麦和蚕豆的品质远好于其它4种农产品。

由以上分析可得出，利用主成分分析法对6种农产品中微量元素的含量和品质评价比较科学，为我们更好地研究农产品生产、产品质量评价等提供科学理论依据。随着研究手段不断提高和相关研究的不断深入，微量元素和有益元素对作物生长的影响机理、元素之间的相互作用及对农产品品质的影响将更加受到关注。

[1] 曹小艳，李小进.微量元素对农产品品质的影响[J].安徽农学通报，2007，13(17)：212.

[2] 赵滢，杨义明，范书田，等.基于主成分分析的山葡萄果实品质评价研究[J].吉林农业大学学报，2014，36(5)：575-581.

[3] 梁俊发，肖金伟，陈代伟，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].分析检测，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，迟晓峰.青海省海东地区主要农产品中微量元素的测定[J].光谱实验室，2013，30(5)：2704-2706.

[6] 汤璐，汤英.中，微量元素对主要农产品品质的影响综述[J].安徽农学通报，2008，14(19)：61-63.

[7] 许禄，邵广学.化学计量学方法[M].北京：科学出版社，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中的应用[J].山西农业大学学报，2007，6(5)：20-22.

[10]张美，杨登想，张丛兰，等.不同品种大米营养成分测定及主成分分析[J].食品科技，2014，39(8)：147-152.

[11]刘兆胜.基于主成分分析法的水果成分含量分析[J].科技创业家，2013(3)：140-142.

[12]李金玲，赵致，刘红昌，等.基于主成分分析的天麻矿质元素含量研究[J].中国中药杂志，2015，40(6)：1123-1128.

[13]刘晓慧，赵英，廖志明，等.11个不同产地枸杞子中微量元素和黄酮的主成分分析[J].河南师范大学学报(自然科学版)，2015，43(4)：79-83.

[14]濮玲，李海朝，濮御，等.十二种常用中草药中微量元素的主成分分析[J].广西师范大学学报(自然科学版)，2014，32(4)：96-100.

[15]周长会，高宴梓，祁正兴，等.茶叶中微量元素的主成分分析和聚类分析[J].南阳理工学院学报，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

国家自然科学基金项目(21361021)；天津大学-青海民族大学自主创新基金合作项目(2015XZ-0001)

徐贵钰(1982-)，男，硕士，讲师，研究方向：化学计量学，E-mail：qhxgy@163.com.

S143.7；Q581

A