中国农学通报 ›› 2020, Vol. 36 ›› Issue (14): 148-155.doi: 10.11924/j.issn.1000-6850.casb19040028
收稿日期:
2019-04-09
修回日期:
2019-08-08
出版日期:
2020-05-15
发布日期:
2020-05-20
通讯作者:
孟利
作者简介:
胡圣英,女,1995年出生,山东聊城人,硕士,主要从事食品微生物与食品安全检测研究。通信地址:150080 黑龙江省哈尔滨市南岗区学府路74号 黑龙江大学生命科学学院,Tel:0451-86608586,E-mail: 1137955079@qq.com。
基金资助:
Hu Shengying1,2, Ren Hongbo3, Zhang Jun1,2, Meng Li1,2()
Received:
2019-04-09
Revised:
2019-08-08
Online:
2020-05-15
Published:
2020-05-20
Contact:
Meng Li
摘要:
为了研究大米产地溯源方法,本研究综述了稳定同位素技术、近红外光谱技术、矿物元素分析技术、有机组分指纹图谱技术、拉曼光谱技术、顶空固相微萃取-气质联用技术在大米地理鉴别上的应用进展。发现产地溯源研究的还比较浅显,目前所采集的样本仅选取几个有特点的品种来进行研究分析,建立的大米地理鉴别方法不具有普遍性,今后的研究要保证样本的充足性,而且可以几种技术与多种化学计量学方法相结合,提高判别的精确度。
中图分类号:
胡圣英, 任红波, 张军, 孟利. 大米产地溯源方法研究进展[J]. 中国农学通报, 2020, 36(14): 148-155.
Hu Shengying, Ren Hongbo, Zhang Jun, Meng Li. Traceability Method of Rice Origin: Research Progress[J]. Chinese Agricultural Science Bulletin, 2020, 36(14): 148-155.
样品 | 样品来源(数量) | 分析技术 | 关键变量 | 统计方法 | 产地区分效果 | 参考 文献 |
---|---|---|---|---|---|---|
大米 | 印度5个地区(84) | Q-ICP-MS | 87Sr/86Sr | 相关分析、配对t检验 | 区分部分不同国家 | [6] |
大米 | 黑龙江(3)、辽宁(3)、江苏(1)、 河南(1)、湖南(1)、三亚(1)、 日本(103)、美国(30) | EA-IRMS | δ13C、δ15N | HCA | 可区分不同国家,不能有效区分不同省份 | [7] |
大米 | 五常(6)、富锦(6) | IRMS | δ13C、δ15N、δD、δ18O | SEM、二维分布 | 区分效果良好 | [8] |
大米 | 巴西中西部(12)、巴西南部(19) | DM-ICP/MS | Cd、Rb、Mg、K | SVM、RF、MLP | SVM、RF和MLP模型预测准确率分别为93.66%、93.83 %和90% | [14] |
大米 | 五常(58)、东北(50)、南方(31) | ICP-MS、ICP-AES | Ca、Cu、Fe、K、Mg、Mn、Zn、Ni、As、Sr、Cd、Ba、Mo、Se | PCA、Fisher判别、ANN | PCA分类效果较差;Fisher判别和ANN区分五常和其他地区的平均准确识别率分别为93.5%和96.4% | [15] |
大米 | 五常(70)、建三江(35)、查哈阳(37)、方正(30)、 响水(19) | NIR | 特征光谱峰 | 因子化法、聚类分析、PLS-DA | 因子化法和聚类分析对五常地区判别正确率为100%,偏最小二乘法判别正确率为95.83% | [23] |
大米 | 东北糙米(5)、东北米(15)、湖南糙米(5)、籼米(20)、芙蓉米(5)、泰香米(5)、京生缘香米(5)、晚米(5)、软香米(5)、贡米(5)、柬埔寨香米(5) | FTNIS | 特征光谱峰 | CWT、PCA | 不同国家,不同产地,都能有效区分 | [25] |
大米 | 五常(15)、盘锦(20)、射阳(19) | FTIR、GC-MS | 特征光谱峰 | PLS-DA、ANOVA | 利用方差分析筛选出特征光谱和挥发性组分,结合偏最小二乘判别分析(PLS-DA)法建立鉴别方法,准确率97.4%,对大米产地进行鉴别是可行有效的 | [27] |
大米 | 黑龙江(44)、湖南(53)、江苏(26) | RS | 极性基团和键的基本振动 | PCA、PLS-DA | 主成分分析对不同种类、产地和品种的大米进行粗分类鉴别;偏最小二乘判别分析样本正确判别率分别为100%、100%、94.12% | [31] |
大米 | 黑龙江(87)、江苏(60)、吉林(42)、山东(38)、河南(30)、天津(23)、安徽(14)、湖南(114)、广东(40)、广西(37)、海南(25)安徽(15) | RS | 极性基团和键的基本振动 | PCA、HCA、PLS-DA、SIMCA | PCA用于初步鉴定,比较了不同的建模方法,似乎可以可靠地识别水稻类型,品种和原产地,准确度在80%~100%以内 | [33] |
大米 | 五常大米(5)、泰国香米(3)、辽宁大米(3)、吉林大米(1) | GC-MS/MS | 角鲨烯 | RSD | 五常大米的角鲨烯含量最高,其次为辽宁大米,吉林大米比辽宁大米略低,泰国香米最低 | [38] |
大米 | 印度(2)、美国(2)、泰国(2)、日本(1) | HS-SPME /GC-MS | 挥发性物质 | 香稻品种和非香稻品种的挥发性成分差异很大,区分效果良好 | [43] | |
大米 | 大粒溪香(1)、大粒香(1)、金麻粘(1)、帅优63(1) | HS-SPME /GC-MS | 挥发性物质 | PCA | 不同品种大米风味物质PCA综合得分来看,说明不同品种间大米风味物质存在差异性,可以有效区分不同品种 | [51] |
大米 | 韩国(12)、中国(12) | HS-SPME /GC-MS | 挥发性物质 | t检验、SAM、PLS-DA | 区分效果良好 | [52] |
样品 | 样品来源(数量) | 分析技术 | 关键变量 | 统计方法 | 产地区分效果 | 参考 文献 |
---|---|---|---|---|---|---|
大米 | 印度5个地区(84) | Q-ICP-MS | 87Sr/86Sr | 相关分析、配对t检验 | 区分部分不同国家 | [6] |
大米 | 黑龙江(3)、辽宁(3)、江苏(1)、 河南(1)、湖南(1)、三亚(1)、 日本(103)、美国(30) | EA-IRMS | δ13C、δ15N | HCA | 可区分不同国家,不能有效区分不同省份 | [7] |
大米 | 五常(6)、富锦(6) | IRMS | δ13C、δ15N、δD、δ18O | SEM、二维分布 | 区分效果良好 | [8] |
大米 | 巴西中西部(12)、巴西南部(19) | DM-ICP/MS | Cd、Rb、Mg、K | SVM、RF、MLP | SVM、RF和MLP模型预测准确率分别为93.66%、93.83 %和90% | [14] |
大米 | 五常(58)、东北(50)、南方(31) | ICP-MS、ICP-AES | Ca、Cu、Fe、K、Mg、Mn、Zn、Ni、As、Sr、Cd、Ba、Mo、Se | PCA、Fisher判别、ANN | PCA分类效果较差;Fisher判别和ANN区分五常和其他地区的平均准确识别率分别为93.5%和96.4% | [15] |
大米 | 五常(70)、建三江(35)、查哈阳(37)、方正(30)、 响水(19) | NIR | 特征光谱峰 | 因子化法、聚类分析、PLS-DA | 因子化法和聚类分析对五常地区判别正确率为100%,偏最小二乘法判别正确率为95.83% | [23] |
大米 | 东北糙米(5)、东北米(15)、湖南糙米(5)、籼米(20)、芙蓉米(5)、泰香米(5)、京生缘香米(5)、晚米(5)、软香米(5)、贡米(5)、柬埔寨香米(5) | FTNIS | 特征光谱峰 | CWT、PCA | 不同国家,不同产地,都能有效区分 | [25] |
大米 | 五常(15)、盘锦(20)、射阳(19) | FTIR、GC-MS | 特征光谱峰 | PLS-DA、ANOVA | 利用方差分析筛选出特征光谱和挥发性组分,结合偏最小二乘判别分析(PLS-DA)法建立鉴别方法,准确率97.4%,对大米产地进行鉴别是可行有效的 | [27] |
大米 | 黑龙江(44)、湖南(53)、江苏(26) | RS | 极性基团和键的基本振动 | PCA、PLS-DA | 主成分分析对不同种类、产地和品种的大米进行粗分类鉴别;偏最小二乘判别分析样本正确判别率分别为100%、100%、94.12% | [31] |
大米 | 黑龙江(87)、江苏(60)、吉林(42)、山东(38)、河南(30)、天津(23)、安徽(14)、湖南(114)、广东(40)、广西(37)、海南(25)安徽(15) | RS | 极性基团和键的基本振动 | PCA、HCA、PLS-DA、SIMCA | PCA用于初步鉴定,比较了不同的建模方法,似乎可以可靠地识别水稻类型,品种和原产地,准确度在80%~100%以内 | [33] |
大米 | 五常大米(5)、泰国香米(3)、辽宁大米(3)、吉林大米(1) | GC-MS/MS | 角鲨烯 | RSD | 五常大米的角鲨烯含量最高,其次为辽宁大米,吉林大米比辽宁大米略低,泰国香米最低 | [38] |
大米 | 印度(2)、美国(2)、泰国(2)、日本(1) | HS-SPME /GC-MS | 挥发性物质 | 香稻品种和非香稻品种的挥发性成分差异很大,区分效果良好 | [43] | |
大米 | 大粒溪香(1)、大粒香(1)、金麻粘(1)、帅优63(1) | HS-SPME /GC-MS | 挥发性物质 | PCA | 不同品种大米风味物质PCA综合得分来看,说明不同品种间大米风味物质存在差异性,可以有效区分不同品种 | [51] |
大米 | 韩国(12)、中国(12) | HS-SPME /GC-MS | 挥发性物质 | t检验、SAM、PLS-DA | 区分效果良好 | [52] |
[1] | 李英, 张越杰, 聂英 . 日本大米可追溯系统建立对中国的启示[J]. 世界农业, 2017(11):40-46. |
[2] |
Korenaga T, Musashi M, Nakashita R , et al. Statistical analysis of rice samples for compositions of multiple light elements (H, C, N, and O) and their stable isotopes[J]. Anal. Sci, 2010,26:873-878.
doi: 10.2116/analsci.26.873 URL |
[3] | 夏立娅 . 大米产地特征因子及溯源方法研究[D]. 河北保定:河北大学, 2013. |
[4] | Yajima I, Yanai T, Nakamura M , et al. Volatile flavor compo-nents of cooked rice Kaorimai[J]. J Agr Biol Chem, 1979,43(12):2425-2429. |
[5] | 刘雯雯, 陈岩, 杨慧, 耿安静, 王富华 . 稳定同位素及矿物元素分析在谷物产地溯源中应用的研究进展[J]. 食品科学, 2019,40(13):340-348. |
[6] |
Lagad R A, Singh S K, Rai V K . Rare earth elements and 87Sr/ 86Sr isotopic characterization of Indian Basmati rice as potential tool for its geographical authenticity [J]. Food Chemistry, 2017,217:254-265.
doi: 10.1016/j.foodchem.2016.08.094 URL |
[7] | 钟敏 . 用碳氮稳定同位素对大米产地溯源的研究[D]. 大连海事大学, 2013. |
[8] |
Korenaga T, Musashi M, Nakashita R , et al. Statistical analysis of rice samples for compositions of multiple light elements (H, C, N, and O) and their stable isotopes[J]. Analytical Sciences, 2010,26(8):873-878.
doi: 10.2116/analsci.26.873 URL |
[9] |
Chen T, Zhao Y, Zhang W , et al. Variation of the light stable isotopes in the superior and inferior grains of rice (Oryza sativa L.) with different geographical origins[J]. Food Chemistry, 2016,209:95-98.
doi: 10.1016/j.foodchem.2016.04.029 URL |
[10] | Chung I M, Kim J K, Lee K J , et al. Geographic authentication of Asian rice (Oryza sativa L.) using multi-elemental and stable isotopic data combined with multivariate analysis[J]. Food Chemistry, 2018,240:840-849. |
[11] |
Bourdon B, Roskosz M, Hin R C . Isotope tracers of core formation[J]. Earth-Science Reviews, 2018,181:61-81.
doi: 10.1016/j.earscirev.2018.04.006 URL |
[12] |
Caritat P D, Reimann C, Smith D B , et al. Chemical elements in the environment: Multi-element geochemical datasets from continental to national scale surveys on four continents[J]. Applied Geochemistry, 2018,89:150-159.
doi: 10.1016/j.apgeochem.2017.11.010 URL |
[13] | 马楠, 鹿保鑫, 刘雪娇 , 等. 矿物元素指纹图谱技术及其在农产品产地溯源中的应用[J]. 现代农业科技, 2016(9):296-298. |
[14] | Ariyama K, Shinozaki M, Kawasaki A . Determination ofthe geographic origin of rice by chemometrics with strontium and lead isotope ratios and multielement concentrations[J]. Journal of Agricultural & Food Chemistry, 2012,60(7):1628-1634. |
[15] | 黎永乐, 郑彦婕, 汤璐 , 等. 基于无机元素分析对地理标志五常大米鉴别技术的研究[J]. 光谱学与光谱分析, 2016,36(3):834-837. |
[16] | 宋雪健, 冷侯喜, 张爱武 , 等. 黑龙江省不同产地大米中矿物元素含量分析与比较[J]. 黑龙江八一农垦大学学报, 2016,28(3):66-70. |
[17] |
Kukusamude C, Kongsri S . Elemental and isotopic profiling of Thai jasmine rice (Khao Dawk Mali 105) for discrimination of geographical origins in Thung Kula Rong Hai area, Thailand[J]. Food Control, 2018,91:357-364.
doi: 10.1016/j.foodcont.2018.04.018 URL |
[18] | Yue Zhang, Xin Wang, Xionghui Ji , et al. Effect of a novel Ca-Si composite mineral on Cd bioavailability, transport and accumulation in paddy soil-rice system[J]. Journal of Environmental Management, 2018,10:802-811. |
[19] |
Li L, Wen B, Zhang X , et al. Geographical origin traceability of tea based on multi-element spatial distribution and the relationship with soil in district scale[J]. Food Control, 2018,90:18-28.
doi: 10.1016/j.foodcont.2018.02.031 URL |
[20] |
Li G, Nunes L, Wang Y , et al. Profiling the ionome of rice and its use in discriminating geographical origins at the regional scale, China[J]. Journal of Environmental Sciences, 2013,25(1):144-154.
doi: 10.1016/S1001-0742(12)60007-2 URL |
[21] |
Pasquini, Celio. Near Infrared Spectroscopy: a mature analytical technique with new perspectives-A review[J]. Analytica Chimica Acta, 2018,1026:8-36.
doi: 10.1016/j.aca.2018.04.004 URL |
[22] |
Osborne B, Mertens B, Thompson M , et al. The authentication of Basmati rice using near infrared spectroscopy[J]. Journal of Near Infrared Spectroscopy, 1993,1(1):77.
doi: 10.1255/jnirs.8 URL |
[23] | 钱丽丽, 宋雪健, 张东杰 , 等. 基于傅里叶变换近红外光谱法鉴别五常大米[J]. 食品科学, 2018,39(8):231-236. |
[24] |
Kim H j, Rhyu M r, Kim J m , et a1. Authentication of rice using near infrared reflectance spectroscopy[J]. Cereal chemistry, 2003,80:346-349.
doi: 10.1094/CCHEM.2003.80.3.346 URL |
[25] | 李跑, 吴红艳, 李尚科 , 等. 近红外光谱技术结合化学计量方法用于大米的快速分析[J]. 食品研究与开发, 2018,39(19):117-124. |
[26] | 夏立娅 , 等. 基于近红外光谱和模式识别技术鉴别大米产地的研究. 光谱学与光谱分析, 2013,33(1):102-105. |
[27] | 杜梦佳, 毛波, 沈飞 , 等. 基于红外光谱指纹和挥发性组分信息融合模型鉴别大米产地来源[J]. 食品科学, 2018,39(8):243-248. |
[28] |
Wu Y, Luo D, Dong H , et al. Geographical origin of cereal grains based on element analyser-stable isotope ratio mass spectrometry (EA-SIRMS)[J]. Food Chemistry, 2015,174:553-557.
doi: 10.1016/j.foodchem.2014.11.096 URL |
[29] |
Hui Chen, Zan Lin, Chao Tan . Fast discrimination of the geographical origins of notoginseng by near-infrared spectroscopy and chemometrics[J]. Journal of Pharmaceutical and Biomedical Analysis, 2018,161:239-245.
doi: 10.1016/j.jpba.2018.08.052 URL |
[30] | Pankin D, Kolesnikov I, Vasileva A , et al. Raman fingerprints for unambiguous identification of organotin compounds[J]. Spectrochimica Acta Part A Molecular & Biomolecular Spectroscopy, 2018,204:158. |
[31] | 孙娟, 张晖, 王立 , 等. 基于拉曼光谱的大米快速分类判别方法[J]. 食品与机械, 2016(1):41-45. |
[32] |
Hwang J, Kang S, Lee K , et al. Enhanced Raman spectroscopic discrimination of the geographical origins of rice samples via transmission spectral collection through packed grains[J]. Talanta, 2012,101(1):488-494.
doi: 10.1016/j.talanta.2012.10.001 URL |
[33] |
Zhu L, Sun J, Wu G , et al. Identification of rice varieties and determination of their geographical origin in China using Raman spectroscopy[J]. Journal of Cereal Science, 2018,82:175-182.
doi: 10.1016/j.jcs.2018.06.010 URL |
[34] | 田芳明 . 基于拉曼光谱与有机成分分析的大米身份识别[D]. 吉林长春:吉林大学, 2018. |
[35] | 黄嘉荣, 伍博迪, 詹求强 . 基于拉曼光谱和化学计量学方法判别大米分类的研究[J]. 激光生物学报, 2015,24(3):237-241. |
[36] |
Nazife Nur Yazgan Karacaglar, Tugba Bulat, Ali Topcu , et al. Raman spectroscopy coupled with chemometric methods for the discrimination of foreign fats and oils in cream and yogurt[J]. Journal of Food and Drug Analysis, 2019,27(1):101-110.
doi: 10.1016/j.jfda.2018.06.008 URL |
[37] | 回瑞华, 侯冬岩, 李铁纯 , 等. 不同产地稻米油脂中脂肪酸的气相色谱-质谱分析[J]. 质谱学报, 2008,29(6):349-352. |
[38] | 李红, 田福林, 刘成雁 , 等. 气相色谱-串联质谱法测定不同产地大米中的角鲨烯[J]. 分析测试学报, 2011,30(10):1179-1182. |
[39] | 田福林, 李红, 刘成雁, 王志嘉, 任雪冬, 程光荣 . GC-MS法对不同产地大米的快速鉴定[J]. 分析测试学报, 2011,30(09):1059-1062. |
[40] | 李俊星, 钟玉娟, 罗剑宁 , 等. 基于电子鼻与HS-SPME/GC-MS技术的香芋南瓜果实香气物质解析[J]. 现代食品科技, 2018,34(9):244-251. |
[41] | 钱丽丽, 吕海峰, 鹿保鑫 , 等. 地理标志大米的仿生电子鼻分类识别[J]. 中国粮油学报, 2016,31(8):131-137. |
[42] | 胡志全, 王海洋, 刘友明 . 电子鼻识别大米挥发性物质的应用性研究[J]. 中国粮油学报, 2013,28(7):93. |
[43] | 崔琳琳, 周一鸣, 王惠 , 等. 基于GC-MS和电子鼻技术的大米挥发性风味成分分析[J]. 中国粮油学报, 2018(8):81-87. |
[44] | 丁云连 . 食品中痕量挥发性物质的分析检测技术[C]. 全国食品检测技术论坛, 2009. |
[45] |
Dora Melucci, Alessandra Bendini, Federica Tesini , et al. Rapid direct analysis to discriminate geographic origin of extra virgin olive oils by flash gas chromatography electronic nose and chemometrics[J]. Food Chemistry, 2016,204:263-273.
doi: 10.1016/j.foodchem.2016.02.131 URL |
[46] | 刘晔, 葛丽琴, 王远兴 . 庐山云雾茶挥发性成分主成分分析及产地判别[J]. 食品科学, 2017,38(24). |
[47] | 江勇, 袁美兰, 赵利 , 等. 啤酒中挥发性成分的测定及产地鉴别[J]. 南昌大学学报:理科版, 2014(5):472-476. |
[48] |
Bryant R J, Mcclung A M . Volatile profiles of aromatic and non-aromatic rice cultivars using SPME/GC-MS[J]. Food Chemistry, 2010,124(2):501-513.
doi: 10.1016/j.foodchem.2010.06.061 URL |
[49] | Lupotto E, Cavagna B, Corana F , et al. Quality Evaluation and High Throughput Analysis of Aromatic Italian Rice Varieties Through HS-SPME/GC-MS Analysis[J]. Consumer Driven Cereal Innovation, 2008: 78-82. |
[50] | 黄亚伟, 徐晋, 王若兰 , 等. HS-SPME/GC-MS对五常大米中挥发性成分分析[J]. 食品工业, 2016(4):266-269. |
[51] | 刘敏, 王健健, 刘芳宏 , 等. 基于SPME-GC-MS对不同品种大米挥发性物质分析[J]. 中国酿造, 2017,36(6):170-174. |
[52] | Kyu D, Phuoc N, Won S . Non-destructive profiling of volatile organic compounds using HS-SPME/GC-MS and its application for the geographical discrimination of white rice[J]. Journal of Food & Drug Analysis, 2018,26(1):260. |
[53] | 倪力军, 张立国 . 基础化学计量学及其应用[Z]. 上海:华东理工大学出版社, 2011. |
[54] | 齐安安, 周小平, 雷春妮 , 等. 化学计量学结合气质联用法对4种食用动物油判别模型的构建[J]. 分析测试学报, 2018,37(8):955-961. |
[55] | 张玥, 王朝辉, 张亚婷 , 等. 基于主成分分析和判别分析的大米产地溯源[J]. 中国粮油学报, 2016,31(4):1-5. |
[56] | 张薇薇, 张秀玲 . 基于主成分分析和聚类分析的苹果香气成分比较及品种分类研究[J]. 食品工业科技, 2018,39(17):217-224. |
[57] | 吴婷, 魏珊, 米丽华 , 等. 不同产地连翘的DNA指纹图谱构建与聚类分析[J]. 中草药, 2016,47(5):816-820. |
[58] | M Esteki, J Simal-Gandara, Z Shahsavari , et al. A review on the application of chromatographic methods, coupled to chemometrics, for food authentication[J]. Food Control, 2018,93:165-182. |
[1] | 彭程, 邓林萍, 蒙万聪, 常晓晓, 张增文, 罗贱良, 邱继水, 陆育生. 套袋对柰李果实外观及香气物质的影响[J]. 中国农学通报, 2022, 38(7): 45-51. |
[2] | 韩丽欣, 任红波, 孟利. 大米中风味物质的形成与变化[J]. 中国农学通报, 2022, 38(30): 126-134. |
[3] | 商虎, 朱陈松, 叶婷婷, 甘爽, 罗玉琴, 孙威江. 老枞水仙品质特征分析[J]. 中国农学通报, 2022, 38(10): 141-148. |
[4] | 梁艳琼, 李锐, 吴伟怀, 谭施北, 习金根, 郑金龙, 陆英, 贺春萍, 易克贤. 基于HS-SPME-GC-MS的Bacillus subtilis Czk1挥发性物质的萃取条件优化[J]. 中国农学通报, 2021, 37(11): 24-31. |
[5] | 杨忠武, 刘翼, 金卓君, 徐卫红. 光质对番茄营养与风味品质的影响[J]. 中国农学通报, 2020, 36(34): 134-141. |
[6] | 彭学义,贾亚男,蒋勇军,吴 韦,卫敏洁. 中梁山岩溶槽谷区不同土地类型土壤生态化学计量学特征[J]. 中国农学通报, 2019, 35(5): 84-92. |
[7] | 王瑶瑶,郝毅,张洪,刘晓文,芮玉奎. 珠三角地区大米中的镉砷污染现状及治理措施[J]. 中国农学通报, 2019, 35(12): 63-72. |
[8] | 司雄元,熊科胜,丁小玲,郭文杰,李吕木. 小麦沼渣中挥发性物质分析及其应用[J]. 中国农学通报, 2018, 34(11): 134-139. |
[9] | 刘瑜,王庆贵,邢亚娟. 温带森林叶部生态化学计量学特征研究进展[J]. 中国农学通报, 2018, 34(10): 95-100. |
[10] | 何艳丽,孙武勇,魏东伟. 近红外光谱技术在棉纤维品质检测和产地溯源中的研究进展[J]. 中国农学通报, 2017, 33(9): 146-149. |
[11] | 徐琢频,范爽,程维民,林晏清,王琦,刘晶,刘斌美,陶亮之,吴跃进. 基于DPLS-CSM 优化的NIRS 杂交水稻 种子真伪快速无损鉴定[J]. 中国农学通报, 2017, 33(2): 142-149. |
[12] | 刘岑薇,郑向丽,王俊宏,徐国忠,黄毅斌. 陆生和水域生态系统植物的C、N、P生态化学计量特征研究综述[J]. 中国农学通报, 2017, 33(17): 70-75. |
[13] | 杨军伟,王昌全,曾庆宾,张伟,杨建春,李冰,杨梅. 攀枝花市米易县植烟土壤生态化学计量学特征研究[J]. 中国农学通报, 2016, 32(17): 111-114. |
[14] | 徐梦瑶,张 忻,苏堪剑,杜 萌,丰 硕,李月芬. 吉林省西部土壤pH对羊草氮磷含量的影响[J]. 中国农学通报, 2016, 32(14): 146-151. |
[15] | 赵一嬴,李月芬,王月娇,梁硕. 草地退化演替阶段羊草叶片碳氮磷化学计量学研究[J]. 中国农学通报, 2016, 32(11): 73-77. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||