魏哲文 李晓岩 姚伟琴 徐舒婕 李雪蔚 房芳

基金项目：海关总署科研项目（2022HK129）；“十三五”国家重点研发计划子课题（2016YFD0401104）；新疆维吾尔自治区自然科学基金项目（2021D01B14）

第一作者：魏哲文（1992—），女，汉族，河北滦州人，硕士，工程师，主要从事食品质量安全与真伪鉴别工作，E-mail: weizhewenuc@163.com

通信作者：房芳（1988—），女，汉族，吉林扶余人，硕士，工程师，主要从事食品质量安全与真伪鉴别工作，E-mail: fangfanguc@163.com

1. 乌鲁木齐海关 乌鲁木齐 830063

1. Urumqi Costoms, Urumqi 830063

橄榄油是由新鲜的油橄榄果实直接冷榨而成的油脂，含有丰富的天然营养成分，如单不饱和脂肪酸、维生素和矿物元素等^[1]，被誉为“液体黄金”^[2]，是人体理想的营养提供者和补充者。

橄榄油主产地集中分布在地中海沿岸国家，主要为西班牙、意大利、希腊、摩洛哥、突尼斯、土耳其、叙利亚，占世界总产量的9成及以上^[3-4]。近年来，全球橄榄油产量维持在约300万t^[5]。我国橄榄油进口来源主要是西班牙、意大利、希腊、土耳其、澳大利亚等国^[6-7]。

由于生物体中矿物元素指纹特征同时受到多种因素的影响，导致部分矿物元素组成变化较大^[8-9]。因此，利用多种矿物元素来判断食品产地来源容易得到更加可靠的结果。近年来，国内外利用多元素分析技术鉴别食品及农产品的研究已有报道^[10-14]。

由于橄榄油中矿物元素的含量与油橄榄的产地和生长环境密切相关，因此，矿物元素组成能够提供地域来源独特的标识，能较好表明地域差异，成为食品尤其是农产品产地溯源的较好指标^[15]。对于矿物元素的分析，目前常用的方法为原子光谱法、电感耦合等离子体发射光谱法（Inductively coupled plasma atomic emission spectrometry，ICP-AES）和电感耦合等离子体质谱法（Inductively coupled plasma-mass spectrometry，ICP-MS）^[16-20]，后者可同时检测多种矿物元素，分析速度快、灵敏度高、线性范围宽^[21]，成为元素分析的重要手段。

本文对3个产地（西班牙、希腊、意大利）进口橄榄油中标志身份特征的矿物元素进行分析，建立有效的指纹鉴别技术以判别其产地，旨在为我国高频跨境的高附加值食品质量安全监管提供有力的技术支撑，对保护消费者权益、优化营商环境、促进进口橄榄油贸易健康发展具有重要意义。

1 材料与方法

1.1 材料

1.1.1 样品采集

进口橄榄油依托乌鲁木齐海关技术中心、张家港海关综合技术中心平台收集，其中西班牙进口31批、希腊进口8批和意大利进口28批。

1.1.2 仪器和试剂

iCAP 7000 型电感耦合等离子体发射光谱仪，（美国Thermo Scientific公司），350D型电感耦合
等离子体质谱仪（美国PerkinElmer公司），
UltraWAVE 型微波消解仪（美国MILESTONE公司
），Milli-Q 超纯水仪（美国Millipore公司），浓HNO₃ （65%，分析纯，德国Merk公司），H₂O₂ （30%，优级纯，天津市北联精细化学品开发有限公司）。50种元素的1000 μg/mL标准储备液及2种内标元素标准储备液均购自国家钢铁材料测试中心钢铁研究总院。国家一级标准物质菠菜GBW 10015（GSB-6）和国家一级标准物质圆白菜GBW 10014（GSB-5）采购于地球物理地球化学勘查研究所。

1.2 方法

1.2.1 样品的分析

准确称取橄榄油样品0.3 g于15 mL玻璃消解管中，加入浓HNO₃ 2 mL，H₂O₂ 2 mL，加盖，浸泡1 h后进行微波消解，消解第一步温度100℃，爬升3 min，保持2 min；第二步温度120℃，爬升3 min，保持5 min；第三步温度160℃，爬升3 min，保持10 min；第四步温度180℃，爬升3 min，保持20 min。消解程序完成以后，在通风条件下，将消解完全的消化液转移至25 mL容量瓶中，用一级水少量多次冲洗消解管，并将洗液转移到上述容量瓶中，继续定容至刻线，充分摇匀待测。同时进行试剂空白测定。每个样品制备2份平行样品，进行3次平行测定，并取平均值进行数据分析。

1.2.2 仪器检测方法

电感耦合等离子体质谱法用于测定以下45种元素（按照元素周期表顺序排列）：锂Li、硼B、铝Al、钪Sc、钛Ti、钒V、铬Cr、锰Mn、钴Co、镍Ni、铜Cu、锌Zn、锗Ge、砷As、铷Rb、锶Sr、钇Y、钼Mo、钯Pd、银Ag、镉Cd、锡Sn、锑Sb、铯Cs、钡Ba、镧La、铈Ce、镨Pr、钕Nd、钐Sm、铕Eu、钆Gd、铽Tb、镝Dy、钬Ho、铒Er、铥Tm、镱Yb、镥Lu、钨W、铂Pt、金Au、汞Hg、铊Tl、铅Pb，采用内标法（铑Rh、铟In、铋Bi作为内标元素）确保仪器的稳定性。

电感耦合等离子体发射光谱法用于测定以下5种元素：钠Na、钾K、钙Ca、铁Fe、镁Mg。此法测定含量较高的矿物元素可有效提高测量准确性。波长选择为K：766.4 nm、Na：589.5 nm、Ca：393.3 nm、Mg：279.5 nm、Fe：259.9 nm。

1.3 方法学考察

不同浓度梯度的待测元素和内标元素的标准工作液产生信号值不同，检测仪器根据所采集的信号值绘制标准曲线，同时计算各矿物元素不同浓度之间的线性相关系数。本研究中相关系数r的范围在0.990～1.000之间，不同产地进口橄榄油产品的50个元素检测结果均符合该线性范围，满足检测分析的要求。同时根据各矿物元素的响应值不同、综合样品的稀释倍数不同，确定了该方法的检出限为3 μg/kg，同时定量限为10 μg/kg。项目组根据所制定优化的检测方法，对前期购买的2种国家一级标准物质[菠菜（GBW 10015）和圆白菜（GBW 10014）]中的 44种矿物元素含量进行实验测定（其中6种元素标准值未指定，分别为Sn、W、Pd、Pt、Au和Ag）。测定结果除了2个元素回收率超出r范围（分别为Ge51%，Al72%）之外，其他矿物元素测定值均在标准物质标准值允许误差范围内，证明该检测方法准确可行。

1.4 数据分析

利用67批进口橄榄油样品中50种矿物元素的含量数据构建67×50的进口橄榄油原始数据矩阵，并采用SPSS 24.0软件对数据进行统计与分析。

2 结果与分析

2.1 不同产地进口橄榄油矿物元素含量差异分析

研究表明，3个产地橄榄油矿物元素种类基本一致，Ca、Fe、Mg、Na、K元素平均含量较高，范围大于500 μg/kg，Sc、Ti、Cr、Mn、Ni、Cu、Zn、As、Sr、Sn、Ba、La、Ce元素的含量在10～600 μg/kg范围之间，其他的32种元素含量全部低于10 μg/kg，无法通过实验准确定量。通过对西班牙、希腊、意大利3个产地的橄榄油中18种元素含量进行方差分析，结果表明：其中9种矿物元素（Mn、Cu、Zn、Sr、Sn、Ca、Fe、Mg、Na）在95%的置信水平下，存在显著性差异（P＜0.05）（表1），在99%的置信水平下，6种矿物元素（Mn、Cu、Sr、Sn、Ca、Mg）存在极显著差异（P＜0.01）。本研究通过多重比较分析方法对西班牙、希腊、意大利3个产地进口橄榄油样品中的18种矿物元素含量进行实验测定，结果表明：西班牙橄榄油中Mn、Mg、Na元素含量明显高于其他2个产地，Zn、Sr、Sn元素含量明显高于意大利产地；希腊橄榄油中Cu明显高于其他2个产地，Ti含量明显高于西班牙产地，而Fe含量则显著低于其他2个产地；意大利橄榄油中Ca元素含量明显低于其他2个产地。利用3个产地的橄榄油中的18种矿物元素含量做雷达图（图1），获得3个产地橄榄油中矿物元素的指纹图谱，可以清晰地了解不同产地矿物质元素的含量分布情况。综上所述，西班牙、希腊、意大利3个产地18种矿物元素含量存在差异。

2.2 橄榄油矿物元素溯源指标筛选

2.2.1 主成分分析

对3个产地的进口橄榄油中18种矿物质元素含量实验结果进行主成分分析，从中筛选出的主成分特征值应大于1.0，从而获得有效的主成分结果共6个（表2）。其中，第一主成分贡献率达到21.59%，第二主成分贡献率达到20.21%，第三主成分贡献率达到11.56%，第四主成分贡献率达到11.34%，第五主成分贡献率达到9.20%，第六主成分贡献率达到7.58%。这6个主成分总贡献率达到了81.47%，充分反映了3个原产地进口橄榄油的原始数据信息，因此，本研究将提取6个主成分作为18种矿物元素在67批进口橄榄油中的分布评估。

2.2.2 18种矿物元素对主成分的贡献值

18种矿物元素含量对前6个主成分的贡献值排列如下：对第一个主成分贡献度较大的是Sc、Cr、Na、K和Ni；对第二个主成分贡献度较大的是Mn、Sr、Ca、Zn、Ba和As；对第三个主成分贡献度较大的是Ba、Ti和Ni；对第四个主成分贡献度较大的是Ce和La；对第五个主成分贡献度较大的是Mg和Fe；对第六个主成分贡献度较大的是Sn和Cu。详见表3。

表3 主成分贡献值

Table 3 Principal component contribution values

注: 提取方法为主成分旋转法, 具有Kaiser标准化的正交旋转法, 旋转在9次迭代后收敛

2.3 3个产地橄榄油的产地判别

2.3.1 3个产地橄榄油一般判别模型的建立

为了研究不同产地橄榄油中矿物元素对产地判别的影响，我们采用一般判别分析构建了产地判别模型。通过检测研究将18种矿物元素（Sc、Ti、Cr、Mn、Ni、Cu、Zn、As、Sr、Sn、Ba、La、Ce、Ca、Fe、Mg、Na、K）引入到判别模型中，筛选特征矿物元素作为建模变量。一般判别分析结果表明，Mn、Cu、Zn、Sr、Sn、Ca、Fe、Mg、Na、Sc、Cr、Ba、La、Ce、Ti 共15种元素对产地判别效果显著。利用Fisher函数建立模型^[11]，进行3个产地进口橄榄油的一般判别分析（图2），西班牙、希腊、意大利3个进口橄榄油产地中矿物元素的一般线性判别式函数Y分别为：

Y_西班牙=－0.013Mn＋0.178Cu＋0.019Zn＋0.078Sr＋7.074Sn＋5.531Ca－7.552Fe＋25.952Mg－2.224Na＋9.629Sc－0.240Cr－1.150Ba－2.558×10^-5La－0.275Ce＋0.028Ti－132.499

Y_希腊=－0.163Mn＋0.456Cu－0.015Zn－0.462Sr＋7.147Sn＋7.732Ca－15.105Fe＋23.534Mg－2.976Na＋9.540Sc－0.248Cr－0.943Ba＋0.320La－0.603Ce＋0.057Ti－145.986

Y_意大利=－0.081Mn＋0.202Cu－0.015Zn－0.293Sr＋5.945Sn＋3.414Ca－6.038Fe＋24.274Mg－2.547Na＋5.627Sc－0.117Cr－0.571Ba＋0.389La－0.599Ce＋0.032Ti－102.249

上述3个公式中，Mn、Cu、Zn、Sr、Sn、Ca、Fe、Mg、Na、Sc、Cr、Ba、La、Ce、Ti分别代表各矿物元素含量，Mn、Cu、Zn、Sr、Sn、Sc、Cr、Ba、La、Ce、Ti元素含量单位均为μg/kg，Ca、Fe、Mg、Na元素含量单位为mg/kg。Y_西班牙、Y_希腊、Y_意大利分别为西班牙、希腊及意大利的矿物元素含量，单位为μg/kg。

研究表明，通过15个矿物元素指标，建立了进口橄榄油的产地判别模型（表4），初始验证结果准确率达100%。在交叉验证结果中，希腊橄榄油验证结果与初始验证结果一致，1个西班牙橄榄油样本被误判至意大利橄榄油样本中，1个意大利橄榄油样本被误判至西班牙橄榄油样本中，1个意大利橄榄油样本被误判至希腊橄榄油样本中，交叉验证准确率为95.5%。综上所述，基于一般判别分析的橄榄油产地信息初始判别准确率达到100.0%，交叉验证判别准确率达到95.5%，基本可以满足大多数橄榄油的产地甄别要求。

2.3.2 3个产地橄榄油人工神经网络模型的建立

人工神经网络模型已经在食品、农产品的产地判别等领域广泛应用^[10]。本实验中利用46个样本进行数据建模分析，覆盖率为68.66%，21个样本进行数据验证，覆盖率为31.34%。在采用人工神经网络训练验证结果中，产地为西班牙、希腊和意大利的橄榄油产品全部被正确归类，训练验证准确率为100%；在检验验证结果中，除一个产地为意大利的进口橄榄油样品被误判至希腊橄榄油样本外，其余产地为西班牙和希腊的进口橄榄油样品验证结果与前期训练验证结果一致，得出检验验证结果准确率为92.3%，见表5。从矿物元素重要性可以看出，在本次模型预测中，Mn、Cu、Ca、Sn、Zn、Cr、Sr这6个变量比较重要，见图3。综上所述，橄榄油中Mn、Cu、Ca、Sn、Zn、Cr、Sr 7种元素为人工神经网络前7个重要性元素，基于人工神经网络模型的橄榄油产地训练验证准确率为100.0%，检验验证准确率为95.2%。

表5 3个产地人工神经网络结果

Table 5 Results of artificial neural network from 3 producing areas

注: 产地1为西班牙; 2为希腊; 3为意大利

3 结论

本研究通过分析西班牙、希腊、意大利3个产地的进口橄榄油中50种矿物元素含量，提取了18种矿物元素（Sc、Ti、Cr、Mn、Ni、Cu、Zn、As、Sr、Sn、Ba、La、Ce、Ca、Fe、Mg、Na、K）进行分析。

首先对上述指标进行单因素方差分析，结果显示3个产地橄榄油的矿物元素存在差异，在95%的置信水平下，Mn、Cu、Zn、Sr、Sn、Ca、Fe、Mg、Na元素含量存在显著性差异（P＜0.05），Mn、Cu、Sr、Sn、Ca、Mg元素含量存在极显著差异（P＜0.01）。

其次，对3个产地18种矿物元素进行了主成分分析，18种矿物元素构成的前6个主成分方差总贡献率为81.47%，可充分反映18种矿物元素在67批进口橄榄油中的分布情况。

最后，本研究分别构建了3个产地橄榄油的Fisher一般判别函数模型和BP人工神经网络判别模型，研究构建的一般判别分析成功实现了对进口橄榄油产地的有效甄别，确定了以橄榄油中的Mn、Cu、Zn、Sr、Sn、Ca、Fe、Mg、Na、Sc、Cr、Ba、La、Ce、Ti这15种元素作为特征溯源指标，同时在利用判别模型对西班牙、意大利、希腊3个产地的进口橄榄油进行产地判别的过程中，达到初始验证准确率100.0%、交叉验证准确率95.5%的良好效果。同时再以覆盖率68.7%的样本作为训练集，覆盖率31.3%的样本作为验证集，利用人工神经网络技术进行处理可同时实现对不同产地进口橄榄油的产地溯源进行有效甄别，橄榄油中Mn、Cu、Ca、Sn、Zn、Cr、Sr 7种元素为人工神经网络前7种重要性元素，模型训练验证准确率为100.0%，检验验证准确率为95.2%。通过上述技术成功实现了对西班牙、希腊和意大利3个产地橄榄油进行区分，不同判别模型得出的结果基本一致，证明了利用矿物元素指纹分析与多元统计分析两种技术手段相结合，对橄榄油产地溯源甄别具有可行性，这为进一步探究橄榄油产地溯源提供了强有力的技术支持。

为了大规模实现对进口橄榄油产地的精准鉴别，在今后的研究中应考虑增大样本量，并结合多种溯源手段进行研究，以建立全面、准确、完整的进口橄榄油指纹信息，为我国进口橄榄油产地鉴别提供理论依据和技术支持。

参考文献

[1]钟超, 吴倩, 卜智斌, 等. 青橄榄营养成分及加工现状研究进展[J]. 现代农业科技, 2019(19): 224-227.

[2]吴之明. 液体黄金——橄榄油[J]. 健康博览, 2011(5): 51.

[3]木沐. 世界四大木本油料发展现状[J]. 中国林业产业, 2019(11): 28-31.

[4]吴学君, 汤婷. 世界橄榄油的生产及贸易动向分析[J]. 中国油脂, 2015, 40(12): 1-6.

[5]李雪婷, 伊雄海, 樊祥, 等. 基于多元素含量分析结合化学计量学技术的橄榄油等级鉴别方法[J/OL]. 食品科学, [2021-04-27]. http://kns.cnki.net/kcms/detail/11.2206.TS.20210414.0856.002.html.

[6]吴学君, 张媛. 不完全竞争下我国橄榄油进口贸易市场势力测度及影响因素研究[J]. 中国油脂, 2021, 46(1): 5-9.

[7]朱海波, 高芳, 陈思. 西班牙橄榄油地理标志产业发展现状与思考[J]. 世界农业, 2011(3): 74-79.

[8]李政, 赵燕, 郄梦洁, 等. 植源性农产品产地溯源技术研究进展[J]. 农产品质量与安全, 2020(1): 61-67+84.

[9]张春华, 陈春桃, 陈亮, 等. 矿质元素指纹图谱的建立及在西洋参产地鉴别中的应用研究[J]. 分析测试学报, 2021, 40(3): 318-325.

[10]周秀雯, 吴浩, 陈海泉, 等. 基于矿质元素指纹差异的榴莲产地甄别[J/OL]. 食品科学, [2021-04-27]. http://kns.cnki.net/kcms/detail/11.2206.TS.20201120.1604.140.html.

[11]王静静, 房芳, 周晓明, 等. 基于矿质元素含量的葡萄干产地溯源[J]. 新疆农业科学, 2020, 57(1): 69-77.

[12]齐婧, 李莹莹, 姜锐, 等. 基于矿质元素指纹分析中国地理标志猪肉的产地溯源[J]. 现代食品科技, 2020, 36(3): 267-274+55.

[13] Pepi S, Sansone L, Chicca M, et al. Distribution of rare earth elements in soil and grape berries of Vitis vinifera cv．"Glera" [J]. Environmental Monitoring and Assessment, 2016, 188(8): 477.

[14]张春华, 陈春桃, 陈亮, 等. 矿物元素指纹图谱的建立及在西洋参产地鉴别中的应用研究[J]. 分析测试学报, 2021, 40(3): 318-325.

[15] Jing Hu, Peng Yang, Xiandeng Hou. Atomic spectrometry and atomic mass spectrometry in bioanalytical chemistry[J]. Applied Spectroscopy Reviews, 2019, 54(3): 180-203.

[16]宋鉴达, 朱传翔, 杜金凤, 等. 电感耦合等离子体技术在食品检验检测中的应用研究[J]. 现代食品, 2019(21): 184-186.

[17]殷娜, 史淑华, 王建军, 等. 新疆伊犁马乳粉中矿质元素含量测定[J]. 中国乳业, 2021(4): 81-84.

[18]赖翰卿, 习佳林, 何伟忠, 等. 基于矿质元素指纹分析技术的中国北方大豆产地溯源研究[J]. 中国食物与营养, 2020, 26(7): 17-21.

[19]李超, 崔占虎, 黄显章, 等. 不同产地艾叶35种矿质元素的分析与评价[J]. 光谱学与光谱分析, 2021, 41(5): 1350-1354.

[20]王亚玲, 赵军英, 乔为仓, 等. 电感耦合等离子质谱法测定母乳中10种矿质元素[J/OL]. 食品科学, [2021-05-20]. http://kns.cnki.net/kcms/detail/11.2206.TS.20201120.1446.045.html.

[21] Sakram G, Machender G, Dhakate R, et al. “Assessment of trace elements in soils around Zaheerabad Town, Medak District, Andhra Pradesh, India”[J]. Environmental Earth Sciences, 2015, 73(8): 4511-4524.

表1 不同产地进口橄榄油矿物元素含量差异分析

Table 1 Analysis of differences in mineral element content of imported olive oil from different origins

注: 表中数据表示为平均值±标准差; 不同字母表示显著差异 (P＜0.05)

Sc、Ti、Cr、Mn、Ni、Cu、Zn、As、Sr、Sn、Ba、La、Ce元素含量单位为μg/kg; Cr、Zn元素含量为实际含量的1/10, 单位为μg/kg; Ca、Fe、Mg、Na、K元素含量单位为mg/kg

图1 3个产地橄榄油中矿物元素指纹图谱

Fig.1 Fingerprint patterns of mineral elements in olive oil from 3 producing areas

表2 主成分方差贡献率及载入矩阵

Table 2 Principal component variance contribution rate and load matrix

1-西班牙; 2-希腊; 3-意大利

图2 3个产地橄榄油的判别函数散点图

Fig.2 Scatter plot of discriminant function of olive oil from 3 producing areas

表4 利用元素判别产地分类结果表

Table 4 The classification result table of origin discriminated by elements

注: a. 初始分组案例正确分类达到100.0%; b. 仅对该实验分析案例进行交叉验证,同时在交叉验证过程中, 所有案例按照剩余案例派生函数来分类; c. 交叉验证分组案例正确分类达到95.5%; d. 产地1为西班牙, 2为希腊, 3为意大利.

第一作者：郭雨（1988—），男，汉族，江苏昆山人，本科，工程师，主要从食品农产品中农药和兽药残留研究，E-mail: 294282308@qq.com

1. 江苏安舜技术服务有限公司 苏州 215332

2. 苏州海关综合技术中心 苏州 215104

1. Alex Stewart Agricultural Ltd, Suzhou 215332

2. Comprehensive Technology Center of Suzhou Customs, Suzhou 215104