葡萄酒中元素分布與其原產地關系的分類模型

王丙濤，陳 波，涂小珂，顏 治，靳保輝，林燕奎，謝麗琪

（深圳出入境檢驗檢疫局，深圳市食品安全檢測技術研發重點實驗室，廣東 深圳 518045）

葡萄酒中元素分布與其原產地關系的分類模型

王丙濤，陳 波，涂小珂，顏 治，靳保輝，林燕奎，謝麗琪

（深圳出入境檢驗檢疫局，深圳市食品安全檢測技術研發重點實驗室，廣東 深圳 518045）

為了解決進口葡萄酒來源復雜，原產地難鑒別的問題，使用電感耦合等離子體質譜檢測葡萄酒中的元素含量，采用偏最小二乘法建立聚類分類模型用于原產地鑒別。電感耦合等離子體質譜檢測了澳大利亞、智利、法國、意大利和西班牙5個國家的100份葡萄酒中的41種元素，通過變量兩兩相乘進行擴維，偏最小二乘法變量篩選方法對擴維后的大量變量進行處理，刪除冗余變量和影響不顯著的變量，建立了聚類分析模型，模型可以很好地將各國葡萄酒樣品區分，分辨準確率在96%以上。將來自5個國家的99份和南非的11份葡萄酒樣品檢測數據代入模型，判別結果令人滿意。

葡萄酒；元素；分類模型；原產地

2009年以來中國葡萄酒進口量突飛猛進，中國已經成為世界上第五大葡萄酒消費國。2011年葡萄酒的進口均價為3.89美元每升，市場平均售價為進口均價的10倍以上，巨額的利潤導致大量假冒紅酒進入市場，特別是名牌葡萄酒，如拉菲，國內一年的消費量居然超出拉菲年產量的10倍以上，顯而易見至少90%以上的拉菲都是假酒。每年的糖酒交易會上，各種假冒紅酒登堂入室，令國內市場十分混亂。但怎樣才能遏制這種假貨泛濫的現象，除了加強市場監管外，關鍵還要從技術上鑒別假酒。

利用葡萄酒中的有機化合物[1-4]、花青素[5]、同位素比[6-9]、穩定同位素[10-11]、甚至DNA分析[12]等方法鑒定葡萄酒的真實產地報道較多，同時葡萄酒中含有豐富的常量元素和微量元素，這些元素的存在對葡萄酒的感官質量和穩定性以及葡萄酒的品質有著至關重要的影響，產地地球化學元素的配置直接影響葡萄中的元素分布，多元素含量作為變量的指紋分析技術也有用于產地鑒定的報道[13-14]。Baxter等[15]最早報道了使用電感耦合等離子體-質譜（inductively coupled plasma-mass spectrometry，ICPMS）測定葡萄酒中的多種元素含量，使用多元統計分析技術來確定葡萄酒的原產地域。面對大批量來自世界各地的葡萄酒，采用ICP-MS檢測研究了幾個主要進口國家葡萄酒中的元素分布，通過偏最小二乘法聚類分析，找出葡萄酒產地與特征元素相關性信息，建立葡萄酒原產地聚類分析鑒別模型，為葡萄酒的產地鑒定提供技術手段和數據基礎。

1 材料與方法

1.1 樣品來源和分布

樣品來自5個不同的國家和地區，共計199份，其中法國45份、意大利41份、西班牙37份、智利36份、澳大利亞40份，所有的樣品均采集自深圳各出入境口岸正規手續進口樣品。由于不同國家葡萄酒風格或者釀造工藝的區別，在所采集的樣品中既有單葡萄品種葡萄酒，又有含多種葡萄品種的混合型葡萄酒，葡萄酒樣品相關的國家和產區、葡萄品種信息見表1。

表1 5個國家葡萄酒樣品的具體產地信息Table1 The geographical origin of wines samples from five foreign countries

1.2 試劑與儀器

K、Na、Ca、Mg、Fe、Cu、Mn、Zn、B、Al、V、Cr、Ba、Rb、Sr、Pb、Li、Co、Ni、As、Se、Mo、Cd、Ce、Ti等各單元素國家標準溶液以及15種稀土元素混合國家標準溶液，質量濃度在10～1 000 mg/L。其他試劑均為優級純或分析純。

Xseries2電感耦合等離子體質譜儀 美國熱電公司。

1.3 方法

1.3.1 儀器參數設定

功率：1 400 W；霧化器：Bremen；霧化氣流速：0.85 mL/min；冷卻氣流速：14.2 L/min；輔助氣流速：0.8 L/min；采樣深度：150；脈沖電壓：3 380 V；模擬電壓：1 800 V。

1.3.2 樣品前處理

使用移液槍準確吸取待測樣品溶液0.5 mL（精確至0.01 mL）至15 mL比色管中，加入等量的硝酸，靜置消解1～2 h后，去離子水定容，上機測定。同樣方法配制試劑空白。

2 結果與分析

2.1 ICP-MS分析

采用ICP-MS檢測所有樣本中的K、Na、Ca、Mg、 Fe、Cu、Mn、Zn、B、Al、V、Cr、Ba、Rb、Sr、Pb、Li、Co、Ni、As、Se、Y、Mo、Cd、Ce、Ti以及15種稀土元素等共計41種元素含量。結果顯示，不同元素之間含量相差很大，K含量很高，基本都在1 000 mg/L以上，Na、Ca、Mg含量在幾十到幾百mg/L范圍內，Fe、Mn、B、Rb含量一般在幾個mg/L，Zn、Cu、Ba、Sr等含量稍低，一般為幾百μg/L，其他一些元素含量更低，甚至屬于痕量范圍，見表2。要從如此大量 的數據中分析出各來源國葡萄酒的特征信息，采用常規的統計方法根本無法實現。

表2 一些元素的ICP-MS檢測結果Table 2ble 2 ICP-MS analytical results for 27 elements in imported wines

2.2 偏最小二乘法（partial least squares method，PLS）

對葡萄酒中的有效成分進行分析后會產生大量的數據，無論是香氣等有機成分還是元素等常規理化指標，僅依靠簡單的數據大小無法判別樣品歸類，往往需要采取一定的數據統計方法進行處理[16-19]，建立適當的分類模型，才能將大量數據簡化成可視化指標進行判別。

偏最小二乘回歸是對多元線性回歸模型的一種擴展，在其最簡單的形式中，只用一個線性模型來描述獨立變量Y與預測變量組X之間的關系：

式中：b0為截距；bp為數據點1到p的回歸系數。

變量篩選主要通過誤差方程計算出每刪除特定變量引起的誤差變化的大小來選擇變量，重新建立預報模型。方法在刪除那些對所研究問題影響不大的變量的同時，保證模型的總誤差值的增長最小。

式中：ΔEi表示刪除第i個變量時，模型總誤差的增加值，通過不斷刪除ΔE（i）值為最小的變量達到變量篩選優化的效果；bi為線性模型第i個變量的回歸系數矢量；1i為第i個分量為1，其余分量為0的一種特殊矢量；T為正交矩陣；矩陣（TTT）－1為對角矩陣；R為PLS正交分解得到的矩陣。

本PLS判別模型的源代碼為Excel下VBA代碼。已知的X數據（不同產地元素含量矩陣）和Y數據（樣品分類信息，相應的葡萄酒產地類別Y=1，否則為0），先對X數據兩兩相乘進行擴維，使其自變量數增加，而后使用變量篩選計算方法去除冗余變量，最終獲取約40個變量用于建立模型。模型的交叉驗證相關系數需大于0.9，則模型可靠性更高。

2.2.1 直接對原始數據進行PLS處理分析

檢測的葡萄酒中41種元素部分元素含量過低，無法對相關數據進行處理，經過篩選選擇K、Na、Ca、Mg、Fe、Cu、Mn、Zn、B、Al、V、Cr、Ba、Rb、Sr、Pb、Li、Co、Ni、As、Se、Y、Mo、Cd、Ce、Ti 26種元素的數據信息，以100個樣本的數據信息構成100×26維的自變量數據矩陣X，以5個國家構成目標變量矩陣Y，其中Y有5個矢量y1、y2、y3、y4、y5，分別代表澳大利亞、西班牙、意大利、法國、智利。將可用于數據分析的變量不經預處理直接進行PLS建模分析，共選擇原始變量26個，根據y的信息分別對變量矩陣X做正交分解，建立回歸模型，模型交叉檢驗相關系數（CR）分別為0.873 5、0.772 8、0.719 2、0.781 1、0.661 1，實際判別準確率分別為90%、80%、75%、80%和65%。對于某產地信息yi，模型計算出來的該產地樣本點估計值大于0.5，則判斷正確，否則判錯，同時模型計算出來的其他產地樣本的估計值小于0.5，則判斷正確，否則判錯，通過樣本總數和判別正確數來計算全部樣品實際判別的準確率。

2.2.2 變量擴維后進行PLS建模分析

直接對原始數據進行PLS分析所建立的分類模型還無法滿足要求，為了進一步理清各變量之間的相關性，將對變量進行擴維，引入各變量之間的非線性項，通過變量之間兩兩相乘，使得變量數從原來的26個，擴充到445個，Y矩陣不變，對X和Y進行PLS正交分解建立分析模型。CR分別為0.942 6、0.907 2、0.883 4、0.936 5、0.912 2。變量擴維后模型的實際判別準確率比擴維前顯著提高。采用PLS變量篩選方法對擴維后的大量變量進行處理，通過指定判據刪除冗余變量或者影響不顯著的變量，從而在不影響預報準確性的前提下最大限度的減少冗余變量，使模型簡化至最優化。以意大利地區葡萄酒為例，目標變量y3篩選過程中入選自變量數與模型相關系數的關系如圖1所示，PLS模型分析結果見表3。

圖1 PLS模型篩選過程中模型CR值與入選變量數的關系圖Fig.1 Relationship between the correlation coefficient of cross validation and the number of variables selected for the PLS model

表3 5個葡萄酒產地回歸模型信息Table3 PLS model parameters for the five wine producing countries

采用3列矢量模型的擬合值y1、y2、y3、y4、y5的不同組合構成不同來源國家葡萄酒的產地判別分類圖。如圖2所示，澳大利亞、法國和智利顯示了較好的分類效果，同樣是歐洲的3個國家的法國、意大利和西班牙的分類效果同樣比較滿意，只是有兩個意大利的樣本結果在分類范圍外，介于法國和意大利之間，而意大利同其他幾個國家的分類還是相當滿意的。意大利的樣品點分布比較松散，CR也稍微偏低，低于0.9，模型判別效果沒有達到最佳，經分析可能與選取的意大利紅葡萄酒樣品葡萄品種來源較多有關，雖然都來自意大利，但葡萄品種多達12種，從側面也反映了不同葡萄品種之間的模型離散性。

圖2 PLS模式識別分類圖Fig.2 The PLS-based classification models for wines from the five countries

2.3 實際樣品分析

采用上述建立的PLS模型，分析了來自法國、澳大利亞、智利和意大利的99份葡萄酒，結果顯示，不同國家之間的葡萄酒樣品均能得到很好的判別，特別是澳大利亞、智利等與歐洲國家酒樣區分明顯。但在法國和意大利的葡萄酒樣品中，有4份樣品出現異常，這可能與葡萄品種多樣化、產區不同有關，也不排除個別酒樣來源有異常，需要進一步進行考察研究。同時將11份南非的葡萄酒檢測數據代入計算，結果顯而易見，均沒有落在任何國家范圍內。這5個國家110份實際樣品的總體鑒別準確率達到96.4%，進一步說明了本實驗所建立模型的可靠性和準確度。

3 結 論

對于不同產區的葡萄酒而言，各個大洲的差別還是比較明顯的。當采用PLS分析時，通過變量擴維，引入變量兩兩相乘，大大增加了變量數，避免了有效信息的損失，同時通過變量優化刪除一些冗余變量和影響不顯著的變量后，達到很好的分類效果，由此建立的分類模型，不僅能夠將不同大洲的葡萄酒嚴格區分，還可以將歐洲不同國家之間的葡萄酒分離，模型的預報能力大大提高，鑒別準確率均達96%以上。進一步對實際樣品進行分析，將檢測數據代入模型進行計算，分類效果也達到實驗要求，結果令人滿意。

[1] 王秀芹, 張慶華, 戰吉成, 等. 產地與品種對葡萄酒中酚類物質含量的影響[J]. 食品科學, 2009, 30(21): 113-118.

[2] 陶永勝, 李華, 王華. 中國不同產區赤霞珠干紅葡萄酒香氣成分數據的可視化分析[J]. 分析化學, 2008, 36(5): 635-657.

[3] BELTR?N N H, MERMOUD M A D, MU?OZ R E. Geographical classification of Chilean wines by an electronic nose[J]. International Journal of Wine Research, 2009, 1: 209-219.

[4] GRANATO D, KATAYAMA F C U, CASTRO I A. Phenolic composition of South American red wines classified according to their antioxidant activity, retail price and sensory quality[J]. Food Chemistry, 2011, 129(2): 366-373.

[5] GAMBELLI L, SANTARONI G P. Polyphenols content in some Italian red wines of different geographical origins[J]. Journal of Food Composition and Analysis, 2004, 17(5): 613-618.

[6] KELLYA S, HEATON K, HOOGEWERFF J. Tracing the geographical origin of food: the application of multi-element and multi-isotope analysis[J]. Trends in Food Science & Technology, 2005, 16(12): 555-567.

[7] ALMEIDA C M, TERESA M, VASCONCELOS S D. ICP-MS determination of strontium isotope ratio in wine in order to be used as a fingerprint of its regional origin[J]. Journal of Analytical Atomic Spectrometry, 2001, 16(6): 607-611.

[8] BARBASTE M, HALICZ L, GALY A, et al. Evaluation of the accuracy of the determination of lead isotope ratios in wine by ICP MS using quadrupole, multicollector magnetic sector and time-of-flight analyzers[J]. Talanta, 2001, 54(2): 307-317.

[9] DEHELEAN A, VOICA C. Determination of lead and strontium isotope ratios in wines by inductively coupled plasma mass spectrometry[J]. Romanian Journal of Physics, 2012, 57(7/8): 1194-1203.

[10] SPITZKE M E, FAUHL-HASSEK C. Determination of the13C/12C ratios of ethanol and higher alcohols in wine by GC-C-IRMS analysis[J]. European Food Research and Technology, 2010, 231(2): 247-257.

[11] GIACCIO M, VICENTINI A. Determination of the geographical origin of wines by means of the mineral content and the stable isotope ratios: a review[J]. Journal of Commodity Science Technology and Quality, 2008, 47(Ⅰ/Ⅳ): 267-284

[12] ???I B, YILDIRIM H K, ALTINDI?LI A. A review of the authentication of wine origin by molecular markers[J]. Journal of The Institute of Brewing, 2009, 115(3): 259-264.

[13] WATLING R J, LEE G S, SCADDING C J. The application of solution and laser ablation based ICP-MS and solution based AES for the provenance determination of selected food and drink produce[J]. The Open Chemical and Biomedical Methods Journal, 2010, 3: 179-196.

[14] PANEQUE P, SOTOMAYOR M T ?, CLAVIJO A, et al. Metal content in southern Spain wines and their classification according to origin and ageing[J]. Microchemical Journal , 2010, 94(2): 175-179.

[15] BAXTER M J, CREWS, DENNIS H M M J, et al. The determination of the authenticity of wine from its trace element composition[J]. Food Chemistry, 1997, 60(3): 443-450.

[16] 劉巍, 李德美, 劉國杰, 等. 利用近紅外光譜技術對葡萄酒原產地進行fisher判別[J]. 釀酒科技, 2010(7): 65-67; 69.

[17] 張軍, 王方, 魏紀平, 等. 基于SVM的天津產地玫瑰香葡萄酒定性分析[J]. 光譜學與光譜分析, 2011, 31(1): 109-113.

[18] 高年發, 李麗, 張健. 利用模式識別技術鑒別中國葡萄酒的產地和品種[J]. 中國釀造, 2009(3): 68-72.

[19] LINDE G V, FISCHER J L, COETZEE P P. Multi-element analysis of South African wines and their provenance soils by ICP-MS and their classification according to geographical origin using multivariate statistics[J]. South African Journal for Enology and Viticulture, 2010, 31(2): 143-153.

A Classification Model for Wines Based on Elements Distribution and Geographical Origin

WANG Bing-tao, CHEN Bo, TU Xiao-ke, YAN Zhi, JIN Bao-hui, LIN Yan-kui, XIE Li-qi
(Shenzhen Key Laboratory of Detection Technology R & D on Food Safety, Shenzhen Entry-Exit Inspection and Quarantine Bureau, Shenzhen 518045, China)

In this study, efforts were made to address the difficulty in identifying the geographic origin of imported wines to China due to the complex sources. Inductively coupled plasma mass spectrometry (ICP-MS) was used to detect the contents of 41 elements in 100 samples of imported wines from Australia, Chile, France, Italy and Spain. Furthermore, analysis of the experimental data by partial least squares (PLS) method and cluster analysis was carried out to establish a classification model for tracing the geographical origin of the wines. After variable dimension expansion and variable selection, the PLS model without redundant or non-significant variables showed a good correlation coefficient of cross validation with an identification accuracy above 96%. For 110 additional new wine samples, including 99 from the five countries and 11 from South Africa, satisfactory identification results were obtained when applying the analytical data to the model.

wine; elements; classification model; geographical origin

TS261.7；O657

A

1002-6630（2014）02-0213-04

10.7506/spkx1002-6630-201402041

2013-03-27

國家質檢總局科研項目（2012IK189）；深圳市技術研究開發計劃技術創新項目（CXZZ20120831160213590）

王丙濤（1977—），男，工程師，碩士，研究方向為食品理化檢測。E-mail：fsyswbt@163.com