原子吸收光谱法测定冬枣叶茶中的8种金属元素

采用湿法对沾化冬枣叶茶样进行消化处理,利用火焰原子吸收光谱法测定了茶中K、Na、Ca、Mg、Fe、Mn、Cu、Zn的含量.结果表明,该法的加标回收率为95.2%～104.2%,RSD≤3.35%.该法操作简单,结果准确,为开发和利用冬枣叶茶提供了一定的科学依据.     

不同颜色冬枣可溶性固形物可见-近红外光谱分析模型构建

冬枣品质受其品种和生长环境等因素的影响,引起采后化转红指数不同,导致果实的颜色差异较大,从而影响其可溶性固形物（SSC）检测模型的分析精度。采用可见-近红外（Vis-NIR）光谱结合Norris-Williams平滑（NWS）、连续小波导数（CWD）、多元散射校正（MSC）、标准正态变量变换（SNV）和NWS-MSC五种光谱预处理方法构建不同颜色（红绿相间MJ,绿色GJ和红色RJ）冬枣SSC的偏最小二乘（PLS）定量分析模型,分别采用MJ,GJ,RJ,MJ-GJ和MJ-GJ-RJ五个样品集合建立冬枣SSC的定量分析模型,并采用由MJ-GJ-RJ三种颜色冬枣样品组成的测试集进行模型的评价;以不同建模样品集（校正集）的校正相关系数（R_c）和交互验证均方根误差（RMSECV）作为构建最优模型的评价指标;测试集的预测相关系数（R_p）和预测均方根误差（RMSEP）用于模型预测精度的评价。研究结果表明：分别采用MJ,GJ和RJ的独立样品集进行建模时,模型仅对具有相同颜色的冬枣样品的SSC实现了较好的预测;分别在MJ样品中加入GJ和GJ-RJ样品进行MJ-GJ和MJ-GJ-RJ两个混合样品集的定量模型的构建时,MJ-GJ模型对MJ和GJ样品的SSC具有较好的预测效果,其RMSECV,R_c,RMSEP,R_p分别为1.108,0.698,0.980,0.724和1.108,0.698,0.983,0.822,而对RJ样品的预测误差较大,模型的RMSECV,R_c,RMSEP,R_p为1.108,0.698,1.928,0.597;而MJ-GJ-RJ模型对三种颜色的冬枣SSC均有较好的预测结果：MJ-GJ-RJ模型对MJ样品的SSC模型的RMSECV,R_c,RMSEP,R_p为1.158,0.796,1.077,0.668;对GJ样品的SSC模型的RMSECV,R_c,RMSEP,R_p为1.158,0.796,0.881,0.861;对RJ样品的SSC模型的RMSECV,R_c,RMSEP,R_p为1.158,0.796,1.140,0.841;采用蒙特卡罗无信息变量消除（MCUVE）方法进一步对MJ-GJ-RJ样品集光谱的特征变量进行优选后,模型的R_c和R_p分别由原来的0.796和0.864提高到0.884和0.922,模型的RMSECV和RMSEP分别由1.158和0.946减小到0.886和0.721,模型具有较好的分析精度。采用可见-近红外光谱对不同颜色冬枣的SSC进行分析时,当建模集样品与测试集样品颜色属性相似或选择性质相似的建模变量进行模型构建时,模型具有更好的通用性。     

火焰原子吸收光谱法测定冬枣中的铁和锌

采用干法消解、湿法消解和非完全消解法3种方法多种体系处理冬枣样品,应用火焰原子吸收光谱法测定冬枣中铁和锌的含量.在选定的条件下,铁、锌的样品加标回收率在100.0％-101.3％之间,精密度（样品相对标准偏差RSD）均小于1.1％（n=11）.实验结果表明,湿法消解和非完全消解法的测定结果相差不大.其中非完全消解法简便、快捷,测定结果准确,更适用于冬枣中铁和锌的测定.     

火焰原子吸收光谱法测定冬枣中的微量元素

用火焰原子吸收光谱法测定了冬枣中钾、钠、钙、镁、铁、锰、铜和锌的含量。结果表明,该法的加标回收率为96.7%～102.8%,RSD≤3.06%。该法操作简单,结果准确,为冬枣资源的进一步开发利用和栽培技术的改进提供了参考依据。     

冬枣光谱数据的灰色关联分析及叶片氮素含量预测

采用灰色理论对冬枣叶片氮素含量和光谱反射率之间进行了灰度关联分析,分析结果显示波长560,678以及786 nm处的光谱反射率(G560,R678,NIR786)与冬枣叶片氮素含量之间的灰色关联度最高。利用上述三个特征波段光谱反射率计算得到的植被指数共计9个。进一步运用灰色系统理论分析了九种植被指数与叶片氮素含量的灰色关联度,结果显示：归一化植被指数(NDVI)、绿色比值植被指数(GRVI)、归一化差异绿度植被指数(NDGI)、绿色归一化植被指数(GNDVI)和组合归一化植被指数(CNDVI)等5个指数与叶片氮素含量的灰色关联度较高。利用3个特征波段的光谱反射率和5个关联度较高的植被指数,分别采用最小二乘支持向量机(LS-SVM)以及GM(1,N)模型建立了冬枣叶片氮素含量预测模型。结果表明,采用特征波段光谱反射率(G560,R678,NIR786)建立的冬枣叶片氮素含量GM(1,N)模型的精度最高,预测R2达0.928,验证R2达0.896。     

冬枣果实中微量元素和重金属含量研究

食品中微量元素和重金属含量已经成为食品研究中的两个热点。文章选用鲜冬枣果实作为材料,通过ICP-MS研究了冬枣中微量元素和重金属的含量。结果显示,冬枣中含有丰富的微量元素,尤其是钙(126.67 μg·g-1·FW)、镁(68.04 μg·g-1·FW)、锶(1691.39 ng·g-1·FW)、锌(787.26 ng·g-1·FW)、铁(512.84 ng·g-1·FW)、锰(495.42 ng·g-1·FW)和钼(33.38 ng·g-1·FW)等,这些元素对于维护人体健康和长寿具有积极作用。重金属含量普遍较低,符合国家相关行业标准。所以冬枣果实如果在无污染的地区种植,是一种营养丰富和安全的鲜食食品。     

Determination of Trace Elements in Winter-jujube by FAAS

用火焰原子吸收光谱法测定了冬枣中钾、钠、钙、镁、铁、锰、铜和锌的含量.结果表明,该法的加标回收率为96.7％ ～ 102.8％,RSD≤3.06％.该法操作简单,结果准确,为冬枣资源的进一步开发利用和栽培技术的改进提供了参考依据.     

高光谱技术结合特征波长/光谱指数对冬枣成熟度可视化判别

为了给冬枣采收后成熟度分级提供理论指导,运用高光谱技术获取特征波长和计算光谱指数对其成熟度可视化分级。采集三类成熟度冬枣(未成熟果、白熟-初红果、半红-全红果)样本共336个并获取其高光谱信息,通过Savitzky-Golay(S-G)平滑对原始光谱降噪后再用Kennard-Stone(K-S)方法将样本分为训练集(226个)和测试集(110个)。选用连续投影法(SPA)和竞争性自适应重加权采样法(CARS)选择特征波长(CWs);同时从水果生理成分变化角度引入7个光谱指数(SIs)。基于SPA和CARS选取的CWs和引入的SIs分别建立偏最小二乘判别分析(PLS-DA)模型,并比较了3个模型的分级效果。结果表明：基于SPA和CARS选择的特征波长和引入的SIs建立的PLS-DA模型判别精度分别为：97.27%,95.45%和98.18%。为了直观展现判别结果,选用SIs建立的PLS-DA回归系数拟合判别向量Y的回归方程,依据Y中最大值元素所在类别为该样本预测类别的规则,将结果用不同颜色直观显示。该研究为冬枣成熟度可视化分级提供了思路,引入的SIs参数为开发适于多种水果成熟度分级的设备提供了技术支撑。     

不同发病程度冬枣黑斑型病果酶类活性及芳香物质测定

对不同发病程度的冬枣黑斑型病果细胞壁降解酶、病程相关酶活性测定,表明1—3级发病程度的冬枣果实蛋白酶、脂肪酶活力(U·mg^-1)均呈迅速下降态势,分别从9.80降至3.00、11.67降至0.17,到3—5级（中等程度到严重发病）这一过程下降趋于平缓,活力保持在一个较低水平;而1—4级发病程度的果实果胶酶的活力(U·mg^-1)保持连续上升,从0.124到0.303,4级发病程度后又下降至0.291U·mg^-1,但直到果实严重发病（5级）仍保持较高活性。PPO活力、PAL活力均在4级发病程度前呈迅速上升之后又迅速下降态势。发病果实和健康果实的芳香物质种类总体上趋于一致,但含量存在一定差异,36min后发病果实出现健康果实所不具有的两种挥发性芳香类物质。