刘雯雯，陈 岩，杨 慧，耿安静，王富华*
（广东省农业科学院农产品公共监测中心，广东 广州 510640）
谷物是提供人体所需能量最经济、最重要的食物来源，其生产和消费与人们的生活密切相关。近年来随着生活水平的提高，人们对谷物的要求已由往昔的“吃饱”转为“吃好”，谷物的营养品质和质量安全也备受关注。谷物的品质主要受其生长环境的诸多因素（气候、降水、土壤类型等）影响，优良适宜的生长环境往往产出优质的谷物。如凉爽的气候环境与适宜的日光和土壤湿度造就了泰国茉莉香米的优异品质，充足的光照和较大的昼夜温差使五常大米的干物质积累丰富[1]，类似的还有印度巴斯马蒂香米、日本越光米等。这些谷物的优良品质特征与地域特色相关，其与普通谷物相比能获取更高的经济和社会效益。基于此，为了降低成本并增加收入，不法商贩使用虚假标签、假冒优质谷物及欺诈现象时有发生，破坏了公平的竞争环境，也损害了消费者的健康。因此，进行谷物产地溯源，获取原产地真实性信息，是有效解决食品掺假和欺诈、保障食品质量安全的重要技术手段。传统的溯源方法是基于物联网和标签技术人为提取食品生产、流通各个环节的相关信息，进而追溯来源、查询去向[2]。但这类方法存在信息记录可人为更改或操纵、未知环节存在时无法溯源等不足。基于食品表征分析的溯源方法具有普适性好、可靠性强、不受人为干扰等特点，也广泛应用于食品溯源中。这类方法将食品本体属性数据与生产环节的自然信息（产地环境、种养殖方式等）关联分析，结合化学计量学，可获取未知背景下的食品生产、加工、贮藏等信息，是一类有效、准确的产地溯源方法[3-4]。目前，这类方法在谷物产地溯源研究中多集中于关联产地环境与谷物中的稳定同位素[5-6]、矿物元素[7-8]、化学成分[9-11]等信息。其中稳定同位素和矿物元素与环境高度相关，并且具有分析结果可靠、灵敏度高的特点，是产地溯源研究的关注重点。本文对近十余年来稳定同位素及矿物元素分析在谷物产地溯源应用中的研究进展进行了系统评述，以期为产地溯源研究提供参考。
1 稳定同位素技术
1.1 稳定同位素技术原理
同位素是指原子序数相同、质量数不同的元素，包括稳定同位素和放射性同位素两大类。由于质量数差异，在物理、化学及生物化学作用过程中，一种元素的不同同位素在两种或两种以上物质（物相）之间的分配具有不同同位素组成的现象叫做同位素分馏[12]。同位素分馏是稳定同位素溯源的基本原理和依据，气候、环境、生物代谢类型等因素都会影响同位素分馏，使得不同种类及不同地域来源的生物体内同位素组成存在差异，这种差异可用于区分不同种类的产品及可能的产地。同位素组成常用同位素比值（δ）表示，其定义的表达式如下。
式中：R样品和R标准分别是样品和标准物质中重同位素和轻同位素的丰度比。
1.2 常用同位素变化机理
C、N、H、O、S、Sr是产地溯源中最为常用的稳定同位素，其组成变化与气候、降水、海拔、地质环境、生物代谢、栽培方式等因素息息相关。通常利用元素分析仪-同位素比率质谱法（elemental analyzer-isotope-ratio mass spectrometry，EA-IRMS）、热电离质谱（thermal ionization mass spectrometry，TI-MS）或多接收器电感耦合等离子体质谱仪（multi-collector inductively coupled plasma mass spectrometry，MC-ICP-MS）进行测定。
C稳定同位素包括12C和13C，自然丰度分别是98.89%和1.11%。植物中C同位素组成主要受光合作用的C同位素动力学分馏影响，不同光合途径的植物具有明显不同的δ13C值。前人研究结果表明，C3途径植物（如小麦、水稻、水果等）的δ13C值为-35%～-20%，C4途径植物（如玉米、甘蔗）的δ13C值为-15%～-7%，景天酸代谢途径植物（如菠萝、仙人掌）的δ13C值则介于C3途径植物和C4途径植物之间，为-22%～-10%[13]。除此之外，植物中C同位素组成还与温度、降水、大气CO2浓度、海拔高度等气候环境因素相关，目前比较明确的是C3途径植物的δ13C值随年降水量或可利用水分量的增加而减小，随大气CO2浓度的增加而减小，随海拔高度的升高而增大[14]。
N稳定同位素包括14N和15N，自然丰度分别是99.63%和0.37%。N是植物生长和发育过程中最重要的营养元素之一，虽然空气中含有78%的N2，但大部分植物不能直接吸收N2，只有一些固氮植物能够利用与其共生的根瘤菌可将N2转化为可吸收的NH3，而其他植物必须从其他氮源中吸收NO3-和NH4
+来获取N。由于不同的氮源具有不同的δ15N值，如干湿氮沉降的δ15N值为-11.0%～3.5%[15]，人工合成化学肥料的δ15N值为-6%～6%，粪肥和有机肥的δ15N值为1%～37%[16]，导致了吸收不同氮源的植物体内δ15N值也不同。另外，气候环境也对植物体内δ15N值有着重要影响。
H稳定同位素包括1H和D，自然丰度分别是99.985%和0.015%。O同位素包括16O、17O和18O，自然丰度分别是99.759%、0.037%和0.204%。H和O是水的组成元素，其同位素组成会随着水循环过程中的扩散、物态转换（如蒸发、冷冻、叶片蒸腾等）发生规律性变化。一般而言，大气降水的δD和δ18O值从海岸到内陆逐渐降低，随着纬度和海拔高度的增加而减小。同时由于温度因素，冬季的δD和δ18O值远比夏季的小[12]。
S同位素众多，最常见的是32S和34S。硫酸盐细菌还原作用、硫酸盐与硫化物间及不同硫化物间化学交换反应是影响S同位素分馏的重要因素。植物体中的S同位素组成与植物吸收大气硫化物以及硫在植物中的新陈代谢有关。由于不同地区使用的煤和石油来源于不同的地质环境，其燃烧排放污染物的δ34S值不同，直接导致了大气降水δ34S值有差异，也进而影响了植物的δ34S值。此外，含硫肥料的使用和工业烟雾的沉降也会对植物的δ34S值造成影响[7,17]。
Sr同位素包括84Sr、86Sr、87Sr和88Sr，其中87Sr是Rb天然衰变的产物。动植物体内的87Sr/86Sr来源于岩床中能被生物体利用的含Sr矿化物，由于每个地区岩床中由Rb放射衰变产生的87Sr含量具有差异，故87Sr/86Sr具有区域性特征[12]。87Sr/86Sr在植物代谢和生长过程中不发生明显的分馏作用，受气候、季节等环境因素影响小。在面对气候环境相似的产区，87Sr/86Sr通常能提供较好的产地判别信息[7]。
1.3 稳定同位素技术在谷物产地溯源中的应用
表1 基于稳定同位素的谷物产地溯源研究Table 1 Geographical traceability of cereal grains based on stable isotopes
稳定同位素技术进行谷物产地溯源的相关研究如表1所示，其中C、N同位素应用最为广泛。Wu Yuluan[28]、Rashmai[29]等的研究表明不同国家、不同省份小麦的δ13C值存在显着（P＜0.05）或极显着（P＜0.01）差异，其δ13C值与种植区域相关。Branch等[23]在分析小麦籽粒中δ13C、δ15N和重金属含量及同位素比值时，也发现以δ13C值为指标可完全区分北美、加拿大和欧洲的小麦样品。除了单独使用一种同位素溯源外，C、N同位素联合溯源也是常用的方法。Suzuki等[18]研究了日本、美国、澳大利亚大米中的C、N元素含量和δ13C、δ15N、δ18O值，发现大米C、N元素含量以及C、N同位素组成与对应产地其他植物中的值一致，基于上述5 种变量建立雷达图分析可快速区分不同产地的大米。钟敏[19]研究了中国6 个省份大米的δ13C和δ15N值，并与国外大米的文献数据进行了比对研究，以δ13C和δ15N值为变量，通过HCA可分别区分美国大米和中国大米、日本大米和中国大米，但中国不同省份大米的区分效果不好。Luo Donghui等[30]的研究也表明了小麦的δ13C和δ15N值具有地域特征，δ13C和δ15N值组合可用于小麦的产地溯源。
H同位素与大气降水、环境水源、温度等因素相关，也可用于产地溯源。Suzuki等[31]在对日本大米的研究中发现不同地区大米中脂肪酸的δD值具有明显差异，PCC结果也显示大米中脂肪酸的δD值与环境水的δD值（r＝0.63）和平均温度（r＝0.84）具有良好的相关性；大米的δ18O值也与平均最低气温正相关[32]，证明了δD值可表征产地环境信息。Liu Hongyan等[33]在对中国小麦及其环境水的研究中，也发现了不同地区小麦和土壤水的δD值存在极显着性差异（P＜0.01），小麦的δD值变化趋势与土壤水、雨水的δD值变化趋势一致，并且与成熟期0～20 cm深度采集的土壤水的δD值呈正相关（r＝0.645），揭示了小麦δD值变化的可能来源，为产地溯源提供理论依据。O同位素用于产地溯源的研究也多见报道，Brescia等[34]比较了意大利、土耳其、加拿大、澳大利亚的杜伦麦的δ18O值，ANOVA结果显示不同产地的杜伦麦的δ18O值明显不同，可实现粗略区分。Korenaga等[20]进一步以δ13C、δ15N和δ18O值为变量，采用PCA区分了日本大米与澳大利亚和美国大米，解释了同位素组成与产地环境的相关性。S同位素也是产地溯源的重要指标，Chung等[21]在研究韩国、中国和菲律宾的糙米的同位素组成时，结果显示糙米的δ15N、δ18O、δ34S值受产地的影响比δ13C值更明显，其中δ18O和δ34S值的组合区分产地的效果更佳，并且通过PCA可清楚区分不同地区的糙米。
Sr同位素主要表征地质环境信息，其组成变化只与不同来源的Sr混合作用有关，能克服气候相似情况下轻质同位素区分产地效果不好的问题，为产地溯源提供有效指标。Kawasaki等[35]研究了日本、澳大利亚、加利福尼亚、中国、越南糙米中的87Sr/86Sr比值，结果显示不同地区糙米中87Sr/86Sr比值具有差异（澳大利亚＞中国和越南＞日本），证明了87Sr/86Sr比值可作为糙米产地溯源的重要指标，并且通过分析田间实验长期施肥的样品，还发现施肥方式不影响糙米的87Sr/86Sr比值。Lagad等[22]比较分析了印度河恒河平原5 个地区的巴斯马蒂大米及其种植土壤和灌溉水的87Sr/86Sr比值，结果显示北方邦南部种植的大米含有较高的87Sr/86Sr比值，大米的87Sr/86Sr比值与对应土壤和灌溉水的值显着相关，通过与文献报道的87Sr/86Sr比值对比研究，可部分区分印度巴斯马蒂大米和除澳大利亚和泰国之外的其他国家原产大米样品。Liu Hongyan等[24]在研究中国3 个地区的冬小麦及其种植土壤的δ13C、δ15N、δD值和87Sr/86Sr比值时，同样观察到不同地区的小麦及其土壤中的87Sr/86Sr比值均存在极显着性差异（P＜0.01），而且二者显着正相关。CDA结果显示，在利用δ13C、δ15N、δD值区分小麦产地准确率不佳（77.8%）的情况下，结合87Sr/86Sr比值可显着提高判别准确率（98.1%）。后续Liu Hongyan等[25]还进一步探讨了小麦87Sr/86Sr比值差异的来源，通过比较分析小麦及种植土壤和地下水的87Sr/86Sr比值，发现小麦中87Sr/86Sr比值的变化趋势与相应土壤和地下水的相一致，表明了小麦中87Sr/86Sr比值的变化主要受土壤风化产物和地下水所影响。同时以Rb含量、Sr含量和87Sr/86Sr比值分别为X、Y、Z坐标轴，通过三维散点图可清楚区分不同产地的小麦。
利用稳定同位素溯源谷物产地时，谷物中同位素组成差异除了来源于产地环境的差异，还可能与谷物品种、采收、加工等因素相关，部分学者对此开展了相关研究。Wu Yuluan等[28]分析了不同地区（黑龙江、山东和江苏）5 种谷物的δ13C和δ15N值，结果显示，不同种类谷物的δ13C值存在显着性差异，其中大米、大豆、小米、小麦和玉米的平均δ13C值分别约为-27:、-25:、-12:、-23:和-11:，C3植物的大米、大豆、小麦和C4植物的小米、玉米的δ13C值差异明显，表明谷物的δ13C值差异不仅由产地环境差异引起，还与谷物种类相关。但在δ15N值上，可能由于土壤营养和肥料的影响，不同种类谷物的差异不显着。同时该研究还探讨了水稻品种对同位素组成差异的影响，分析了广东地区5 个品种水稻样品的δ13C和δ15N值，发现不同品种的水稻的δ13C值差异不显着。Liu Hongyan等[36]也开展了类似研究，分析测定了2010—2012年采收的来自中国不同地区（河北、河南、山西）10 个品种小麦中的δ13C、δ15N和δD值，探讨区域差异、品种、采收年份及其相互作用对小麦籽粒同位素组成的影响；ANOVA结果显示，相比于品种和采收年份，区域差异更能影响小麦中δ13C、δ15N、δD值的变化，区域差异对δ13C、δ15N、δD值的贡献率分别为47.57%、58.02%、27.96%。除了品种、采收年份外，同一稻穗不同位置的谷粒，如强势粒和弱势粒，因质量、品质、生长过程和对环境因素的反应都存在不同，在强势粒和弱势粒间也有可能存在同位素组成的差异。Chen Tianjin等[37]比较了来自黑龙江省五常和富锦地区的水稻稻穗强势粒和弱势粒中的轻质同位素组成，并分析其对产地溯源的影响；结果显示，强势粒及弱势粒中δ13C、δ18O、δ15N值具有统计学差异，上述差异的存在导致不同产地水稻的δ13C、δ15N值间有交叉，进而推测以δD和δ18O值为变量更适合用于稻米产地溯源。
此外，小麦一般是加工成粉制品后在市面上流通，其加工过程对小麦同位素组成及产地溯源的影响也引起了研究者的关注。Liu Hongyan等[26]开展了小麦及其制粉产品的产地溯源初步研究，分析了不同产地、品种的小麦制粉（麸皮、次粉和面粉）和提取物（脱脂面粉、面筋、脂质、淀粉和粗纤维）的δ13C和δ15N值的变化情况；结果显示，δ13C值在小麦加工过程中变化显着，且不同小麦制粉产品和提取物的δ13C值均呈极显着正相关（P＜0.01）；同样，不同小麦制粉产品和提取物的δ15N值也呈极显着正相关（P＜0.01）；但δ15N值的变化主要与产地相关，加工过程及品种间差异对δ15N值的影响不明显，故δ15N值更适合用于小麦及其制粉产品的地理溯源。Wadood等[27]在分析不同地区、品种、采收年份小麦籽粒及其制粉产品（麸皮、胚芽、皮磨粉、心磨粉）的δ13C和δ15N值时也得到了类似的结果，即小麦籽粒和其制粉产品的δ15N值没有显着性差异，小麦籽粒和其不同制粉产品的δ13C和δ15N值呈极显着正相关（P＜0.01）；并且通过CDA区分不同地区的小麦及其制粉产品，交叉验证准确率为90.1%。
2 矿物元素分析技术
2.1 矿物元素分析技术原理
矿物元素是生物体内基本组成成分之一，是参与生物代谢的重要物质。但生物体自身无法合成矿物元素，必须从周围环境中摄取。对于植物而言，通常是以生长环境中土壤、水、大气等为载体，通过根系吸收矿物元素进入体内参与各项生命活动，故植物体内的矿物元素组成与其生长环境的元素组成密切相关。不同地域的矿物元素组成及含量有所差异，导致不同地域来源的植物体内矿物元素组成及含量也有各自的特征差异[38-39]，这种特征性差异可用于农产品产地溯源研究。一般而言，在产地溯源实践中，通常利用电感耦合等离子体发射光谱（inductively coupled plasma optical emission spectrometer，ICP-OES）或电感耦合等离子体质谱（inductively coupled plasma mass spectrometry，ICP-MS）同时测定多种常量、微量及痕量元素，并筛选出具有显着差异的元素作为鉴别因子，结合化学计量学进行产地区分。
2.2 矿物元素分析技术在谷物产地溯源中的应用
表2 基于矿物元素的谷物产地溯源研究Table 2 Geographical traceability of cereal grains based on mineral elements
近年来，矿物元素分析技术已广泛用于大米、小麦等谷物的产地溯源研究，取得了较理想的效果[48]，相关研究汇总如表2所示。Gonzálvez等[40]分析了西班牙、日本、巴西、印度大米中的32 种矿物元素含量，结合LDA筛选溯源指标和区分产地；结果显示Cd、Co、Ti、La、Pr、Eu、Er和Yb含量是大米产地溯源的重要指标，并且LDA建立的判别模型对验证集样品的产地判别准确率为91.3%。Cheajesadagul等[41]在分析泰国香米和外国大米中的矿物元素时，利用基于B、Co、Sr、Mo、Rb、Se 6 种元素含量的雷达图分析可简单快速区分泰国香米和外国大米；同时在进一步使用多元统计分析数据时，发现DA比PCA区分产地效果更好，区分泰国香米和外国大米的交叉验证准确率为100%，区分泰国不同地区香米的交叉验证准确率为90.32%。
中国学者也报道了应用矿物元素分析技术进行大米产地溯源的研究成果。Shen Shigang等[42]分析了黑龙江、河北、湖北、山西的大米及其种植土壤中15 种元素含量及其可交换形态；结果显示，不同产地大米中的Mg、K、Ca、Na、Be、Mn、Ni、Cu、Cd含量存在显着性差异，并且与土壤中的矿物元素含量密切相关，可表征产地环境信息；LDA结果也显示以这9 种元素为变量的回代检验判别准确率为100%，交叉检验判别准确率为93.8%，并且CA结果也进一步验证了这9 种元素是产地溯源的良好指标。黎永乐等[43]分析了五常地区、东北地区、南方地区大米样品的14 种矿物元素含量，结合PCA、Fisher判别、ANN等计量学方法区分大米产地，结果显示PCA对样品产地的分类效果较差，而Fisher判别和ANN则可准确区分五常地区的大米样品和其他地区的大米样品，平均准确识别率分别为93.5%和96.4%。
除了应用于不同国家、不同省份的大米产地区分，部分学者还探讨了矿物元素应用于地理距离更近的、同一省份不同地区的大米产地溯源可行性。宋雪健等[38]研究发现黑龙江省五常、建三江和查哈阳3 个地区大米中矿物元素含量存在差异，其中Na、Mg、Ca、Mn、Zn、Y、Er含量存在显着或极显着差异，为产地溯源提供了理论依据。Li Gang等[44]研究了福建省9 个地区大米中的矿物元素含量，发现福建省大米的Mo含量明显高于越南和西班牙大米，Se含量则低于中国平均水平，且约有12%的样品Cd含量超标；进一步结合计量学分析进行产地区分，结果显示，当元素含量异常值较多时，FIA比PCA和DA能更有效的进行产地分类，并且确定了Ca、Ni、Fe和Cd含量是重要的产地判别指标。
矿物元素应用于小麦产地溯源也取得了一定成果。Zhao Haiyan等[49]分析了两年间在河北、河南、山西、山东收集的小麦籽粒的矿物元素含量，ANOVA结果显示不同地区的小麦样品矿物元素含量有其各自的特征，其含量差异是环境（地域、年际）和品种共同作用的结果，其中土壤是植物体中矿物元素的主要来源，土壤中的矿物元素含量与植物体中的具有一定的相关性。在后续研究中，Zhao Haiyan等[45]分析了河北和河南小麦及其产地的表层土壤和母质土壤样品中的矿物元素含量，发现小麦中Cr、Mn、Ga、Rb、Sr、Zr、Cd含量与表层土壤中相应元素的总含量呈显着相关；表层土壤中所有元素（除Se外）含量与母质土壤中相应元素的总含量相关；结合PCA和LDA进行小麦产地区分，都得到较高的判别准确率，确认了Cr、Mn、Ga、Rb、Sr、Zr、Cd含量是小麦产地溯源的有效指标。在相关研究中，Zhao Haiyan等[46]还研究了产地、品种及其相互作用对矿物元素含量的影响程度，ANOVA显示影响程度为：产地＞品种＞相互作用，其中产地主要影响的是Na、Ca、Fe、Zn和Mo元素含量，品种主要影响的是Mg、Mn、Cu和Ba元素含量；进而筛选出Na、Ca、Fe、Zn、Mo这5 种与产地密切相关、受品种影响较小的元素，并以此作为变量用LDA区分小麦产地，判别准确率为91.1%。Liu Hongyan等[47]也研究了地域、品种、年际及其相互作用对小麦籽粒矿物元素信息的影响，通过分析河北、河南、陕西小麦籽粒及其种植土壤的矿物元素含量，发现品种主要影响Ba含量，年际影响Mg、Al、Ca、Fe、C、Zn、As等大部分元素，而与地域密切相关的主要是Mn、S、Mo、Cd，基于Mn、S、Mo、Cd的建立的LDA模型，判别准确率为98.5%。
3 稳定同位素和矿物元素联合分析
单独使用稳定同位素或者矿物元素进行谷物产地溯源已经取得了不少成果，但任何一种方法都有一定的局限，特别是在进行精确度要求较高的产地溯源研究中，这些局限会影响溯源的准确性。近年来，多技术和多参数联合分析逐渐成为产地溯源研究的热点，联合分析可细化地域信息，筛选更具有特征的分析参数，提高判别模型准确率，实现准确、可靠的产地溯源。其中稳定同位素与矿物元素联合分析是颇具潜力的产地溯源技术，在植物源性产品[48,50]和动物源性产品[51]溯源中都取得了不错的效果。
稳定同位素和矿物元素联合分析应用于谷物溯源的相关研究汇总如表3所示。Kelly等[52]率先使用稳定同位素与矿物元素联合分析区分美国、欧洲、印度和巴基斯坦地区的大米，研究发现不同地区的大米均有其各自特征，其中美国大米B含量普遍较高，阿肯色州的大米Ho含量明显高于其他地区，欧洲大米Mg含量较高，印度巴斯马提香米δ18O值较低，证明了大米中微量元素和稳定同位素用于地理溯源的可行性；同时还以δ13C、δ18O值和B、Mg、Se、Rb、Gd、Ho、W含量为变量，通过CDA清楚区分了3 个地区的大米。基于贸易全球化的现实考虑以及对不同产地大米信息的需求，Li等[53]在后续的研究中拓展了样品的地理来源，研究了来自世界各国（澳大利亚、中国、法国、印度、意大利、日本、韩国、马来西亚、缅甸、巴基斯坦、西班牙、台湾、泰国、美国和越南）的大米样品中的稳定同位素和矿物元素组成；研究结果显示，以δ13C、δ18O、δ15N值和Mg、Al、K、Mn、Fe、Co、Cu、Zn，As、Se、Mo、Cd含量共15 个指标为变量，通过CDA可实现广义地区（亚洲、澳大利亚、欧洲、印度和巴基斯坦、北美、东南亚）的区分，判别准确率为90.7%；此外，该研究还基于上述数据进行了香米种类、粳稻种类的判别分析，区分效果良好。
Goitom Asfaha等[54]分析了欧洲17 个采样地点的谷物样品的稳定同位素和矿物元素组成，结合PCA和PLS-DA区分谷物产地，研究将采样地点按纬度（南欧、北欧）、与海洋环境（大西洋、地中海、内陆）的距离、土壤岩石的地质学（页岩、酸性岩浆、石灰岩、玄武岩）分类成不同组别，以δ13C、δ15N、δ18O、δ34S、87Sr/86Sr值和Na、K、Ca、Cu、Rb含量为变量进行判别分析；结果显示，前两组别的分类效果要优于地质学的分类效果，并且通过模型实验可区分15 个采样地点的谷物。
结合稳定同位素、矿物元素分析和化学计量学，Chung等[55]也开展了亚洲不同国家大米的产地溯源研究，研究分析了柬埔寨、中国、日本、韩国、菲律宾、泰国大米中稳定同位素和矿物元素组成，发现亚洲不同国家大米中δ34S值和K、Mg、Na、Ca、Mn、Fe、Zn含量存在显着性差异；采用多元统计分析区分产地，其中PCA可区分大多数国家的大米，但无法有效区分菲律宾和日本的大米；而以δ34S值和Mn、Mg含量为主要变量的OPLS-DA可明显区分韩国和其他国家的大米。
除了溯源来自不同国家的谷物，稳定同位素与矿物元素联合分析也被报道已应用于中国、泰国和阿根廷等国内不同地区的谷物产地溯源。邵圣枝等[56]分析了黑龙江、江苏和辽宁大米中的稳定同位素组成和23 种元素含量，结果显示，各地区的δ13C、δ2H、δ18O、δ15N值处于不同的范围区间，Pb、Sr同位素比率也各不相同；矿物元素的含量变化差异大，表现出一定的地域特征；通过PCA-LDA能实现不同省份大米有效区分和判别，判别准确率为91%。Kukusamude等[57]用INAA代替ICP-MS测定元素含量，结合稳定同位素分析，进行泰国不同省份大米的溯源研究；LDA结果显示判别准确率为100%，交叉验证率为75.5%，并确认了δ18O值和Mg、Cl、As含量是良好的溯源指标。Podio等[58]分析了阿根廷3 个省份小麦样品及其土壤和灌溉水的稳定同位素和矿物元素组成，DA结果显示K/Rb、Ca/Sr、87Sr/86Sr、δ13C值和Ba、Co、Mo、Zn、Mn、Eu、Na含量是产地溯源的11 个关键变量，可完全区分不同地区的小麦；同时，GPA和CCA结果表明了小麦样品中的元素和同位素特征与其对应栽培土壤及灌溉水的元素和同位素特征具有良好的一致性和相关性。
表3 基于稳定同位素及矿物元素的谷物产地溯源研究Table 3 Geographical traceability of cereal grains based on both stable isotopes and mineral elements
4 产地溯源化学计量学
化学计量学是应用数学、统计学、计算机及其他相关学科的理论和方法去设计和选择最优的测量过程和实验方法，并通过对化学数据的解析，最大限度地获取有用的化学信息[59]。在基于稳定同位素及矿物元素分析的谷物产地溯源研究中，常用的化学计量学方法包括：ANOVA、CA、判别分析（含LDA、CDA、Fisher判别）、PCA、PCC、ANN等。ANOVA和PCC通常是用于初步比较不同产地谷物中稳定同位素和矿物元素的变化情况，分析其差异显着性和相关性，以筛选出具有显着性差异和相关性强的关键变量。在此基础上，再结合后续的分类和模式识别方法进行产地溯源。分类和模式识别方法主要分为有监督法和无监督法。有监督法是事先规定了分类的标准和种类的数目，通过大批已知样本和信息的处理得到判别函数，再预报所要判别的对象属于哪类，LDA、CDA、Fisher判别和ANN均属于有监督法。无监督法是事先没有规定分类的标准和种类的数目，要求通过信息处理找出合适的分类方法，常见的有PCA和CA等。对于同一数据，不同分类和模式识别方法在进行产地溯源时取得的结果不尽相同。如黎永乐等[43]测定大米样品中矿物元素含量，并采用PCA、Fisher判别、ANN对大米进行产地分类，结果显示区分效果顺序依次为：ANN＞Fisher判别＞PCA。故在不同情况下，不同分类和模式识别方法没有绝对的优劣，只有通过对实际样本的区分效果来评估。
5 结 语
目前，稳定同位素和矿物元素分析技术已逐渐成为谷物产地溯源的有力工具。在稳定同位素方面，C、N、O、H、S等轻质同位素已广泛应用于溯源研究中，并取得了不错的效果；Sr、Pb、B等与地质相关的重质同位素也展示出了其在产地溯源中的重大潜力。产地溯源研究也从以往单一同位素指标判别趋向于多种同位素组合判别，从简单的差异性分析趋向于结合化学计量学技术分析，以提供更多的产地环境信息和提高溯源准确率。在矿物元素分析方面，已有不少研究探讨了矿物元素与产地的相关性，并且证实了Cd、Co、Mn、Mg、Na、Ti、La、Pr、Eu、Yb、B、Sr、Mo、Rb、Se、K、Ca、Be、Ni、Cu、Zn、Y、Er、Fe、Cr、Ga、Zr、As、Ba等元素含量与谷物产地环境具有一定的相关性，可作为产地溯源的有效依据。近期，稳定同位素及矿物元素联合分析在产地溯源方面也取得了一定的进展，联合分析可有效弥补单一方法的不足，扩大数据信息量，结合化学计量学技术可筛选关键溯源指标，获得更加准确可靠的溯源结果。
然而，在利用稳定同位素及矿物元素分析进行产地溯源时，目前仍有部分问题亟待解决。主要体现在：1）部分农产品的同位素很难测定或测定结果不稳定，如目前尚无完全成熟的测定生物体中稳定性氢同位素的方法，且生物体中的部分氢会不断与周围环境水中的氢发生交换；2）“种植-生产-加工”过程中影响谷物同位素和矿物元素组成的因素及变化规律尚未明确，如气候、季节改变对同位素组成的影响，土壤、品种对矿物元素组成的影响，有机和传统农业的施肥方式对氮同位素和矿物元素的影响等，需要连续开展多年的田间实验研究分析各种影响因素，实际工作难度大；3）适用于产地溯源的化学计量学方法研究尚未完善，产地判别准确率有待提高；4）溯源研究的系统性和深度不足，当前仅限于少数几个地区、几个品种的定性研究，样品数量较少，尚未建立可用的同位素和矿物元素溯源数据库。
为进一步加强稳定同位素及矿物元素溯源谷物产地的有效性和准确性，在技术方面仍需加强以下内容的研究：1）挖掘气候、地质等环境因素和人为因素对谷物同位素和元素组成影响的变化规律及其关键过程的同位素分馏及元素迁移特征，并结合有效成分测定进一步解释产地特征；2）扩大地域范围和样品量，筛选和扩充代表地域特征的溯源指标，结合多元统计分析，建立和完善谷物产地溯源的鉴别模型；3）在大量样本基础上结合其他技术手段，如光谱、色谱等，补充丰富产地环境信息，提高模型判别精度等。在实际应用方面，虽然国内外研究尝试已取得了阶段性进展，并且明确了稳定同位素及矿物元素技术用于产地溯源的可行性，但距离实现应用阶段还需进一步完善。在后续的技术推广和应用中，仍需要政府和科研工作者共同努力去推广实验，广泛收集不同产地的大量样本信息，构建完善统一的同位素和矿物元素数据库，制定相关溯源技术标准等。
