全 文 ：茶叶科学 2014，34（5）：451~457
Journal of Tea Science 投稿平台：http://cykk.cbpt.cnki.net

收稿日期：2013-11-04 修订日期：2014-04-15
基金项目：公益性（农业）行业专项（S212103046）、云南省中青年学术技术带头人培养计划（2011HB036）
作者简介：刘宏程（1975— ），男，云南邱北人，博士，研究员，主要从事农产品安全研究。*通讯作者
基于稀土元素含量的普洱茶产地识别研究
刘宏程 1,2，林昕 1，和丽忠 1，兰珊珊 1，林涛 1，严红梅 1，黎其万 1*
1. 云南省农业科学院质量标准与检测技术研究所，农业部农产品质量安全风险评估实验室（昆明），云南 昆明 650223；
2. 云南同创检测技术股份有限公司，云南 昆明 65000
摘要：为了研究普洱茶产地识别技术，收集普洱茶三大主产区（西双版纳、普洱市、临沧市）的普洱生茶和普洱
熟茶代表性样本共 85 个，采用等离子发射光谱质谱法（ICP/MS）测定了样本的 16 种稀土元素含量，并进行了
主成分分析和逐步判别分析研究。结果表明，对 3 个地区的普洱生茶和普洱熟茶样本，分别进行线性判别分析
的回判成功率和验证成功率都为 100%。对 3 个地区的混合样本进行判别分析的回判成功率分别为 93.3%、
87.9%、90.9%，交叉验证的正确率分别为 90%、87.9%、90.9%，18 个外部验证样本的正确判别率为 84.6%、
81.4%、82.9%。本研究表明，通过稀土元素含量的线性判别分析，能够较好地区分三大主产区的普洱茶样品。
关键词：稀土元素；普洱茶；产地识别；ICP/MS
中图分类号：TS272；Q946.84+1；Q939.1 文献标识码：A 文章编号：1000-369X（2014）05-451-07

The Discrimination of Pu′er Tea According to Region of
Origin Using the Content of Heavy Rare-earth Elements
LIU Hongcheng
1,2
, LIN Xin
1
, HE Lizhong
1
, LAN Shanshan
1
, LIN Tao
1
, YAN Hongmei
1
, LI Qiwan
1*
1. Institute of Quality Standard and Testing Technology, Yunnan Academy of Agriculture Science, Kunming 650223, China;
2. The Company of Tongchua Testing Technology in Yunnan, Kunming 650223, China
Abstract: Pattern recognition techniques were studied to classify the Pu′er tea on the basis of their geographical
origin. In this experiment, 85 samples of Pu′er tea in three mainly origin regions (Xishuangbanna, Pu′er and
Linchang city) were collected as experimental samples. 16 heavy rare-earth elements in Pu′er tea samples were
determined by using inductively couple plasma-mass spectrometry (ICP-MS). Principal component analysis (PCA)
and discriminant analysis of Wilk’s method were used as classification procedures. The recognition accuracy for the
training samples (Pu′er shu tea and Pu′er sheng tea) on three origin regions were all 100%, cross-validating were
100%. The recognition accuracy for the training samples (mixture of Pu′er shu tea and Pu′er sheng tea) on
Xishuangbannan, Pu′er and Linchang city set was 93.3%, 87.9%, 90.9 %, respectively; cross-validating were 90%,
87.9%, 90.9%, respectively. The recognition accuracy for the testing 18 samples were 84.6 %、81.4%、82.9%
respectively. Those results revealed that it was possible to distinguish three mainly origin regions of Pu′er tea by the
contents of heavy rare-earth elements.
Keywords: heavy rare earth element, Pu′er tea, discrimination of region origin, ICP/MS


普洱茶以云南特定区域内大叶种晒青茶 为原料加工而成，由于其特定的后发酵工艺，
DOI:10.13305/j.cnki.jts.2014.05.005
452 茶 叶 科 学 34 卷

使普洱茶具有特有的汤色红浓明亮、滋味醇厚
等品质特点。根据加工工艺可将普洱茶分为普
洱生茶和普洱熟茶两类。因普洱茶产品的区域
特性，2008 年国家质监总局将普洱茶批准为
地理标志产品给予保护 [1]，保护区域为云南省
11 个州市、75 个县（市、区），覆盖了云南
2/3 的山区，但是云南普洱茶的主产区主要分
布在临沧地区、普洱市和西双版纳州等 3 个地
区，其中临沧市和普洱市有超过 6.7 万 hm2 的
茶园，西双版纳州拥有超过 6 667 hm2 以上的
古树茶园。在 3 个主产区中，西双版纳和普洱
均有很高的知名度，临沧茶场则多以为上述两
地代加工的方式进行生产。由于茶叶原料对普
洱茶的汤色、口感等品质影响较大，因此需要
对云南三大主产区的茶叶进行溯源研究。
传统的茶叶鉴别方法是通过茶叶的色、
香、味进行判别，这种方法依赖于人们的经验，
易受主观因素影响。近年来，越来越多的研究
者开始采用仪器分析加指纹图谱的方式，进行
茶 叶 产 地 的 溯 源 研 究 [2-6] ， 常 用 技 术 有
HPLC
[7-15]、胶束色谱[16-19]、近红外光谱[20-23]、
红外光谱[24]和 X 射线荧光[25]等。此外，也有
采用等离子发射光谱（ICP-AES）和等离子发
射光谱-质谱（ICP-MS）检测微量元素（如 K、
Na、Ca、Mg、Al、Zn、Cu、Fe 等）来进行
茶叶的品种和产地的溯源判别分析[26-30]，但还
没有文献报道将稀土元素用于茶叶的产地溯
源研究。稀土元素是周期表中 IIIB 族钇和镧
系元素的总称，在植物体内相对稳定。本文通
过测定普洱茶中稀土元素含量的差异性，结合
主成分分析、判别分析等数学方法，探索对普
洱茶产地进行溯源的可行性。
1 材料与方法
1.1 仪器和试剂
ELAN9000DRC-e 型电感耦合等离子发
射光谱 -质谱（美国珀金埃尔默仪器公司）。
浓硝酸、高氯酸为优级纯（国药集团化学试
剂有限公司）。试验用水为去离子水（电阻率
＞18 MΩ ·cm）。茶叶标样 GBW 10016（国家
标准物质研究中心）。
1.2 样品
实验用样品为普洱生茶和普洱熟茶，分别从
当地企业（仓库）、专卖店（茶庄）中抽取，共
计 85 个样品，其中普洱市抽取 16 个样品（7 个
熟茶、9 个生茶），西双版纳自治州抽取 42 个
样品（21 个熟茶、21 个生茶），临沧市抽取 27
个样品（15 个熟茶、12 个生茶）。从 3 个产地
样本中各随机留出 6 个（3 个熟茶、3 个生茶）
作为外部验证样本，其余样本作为训练集样本。
1.3 样品处理
称取 0.2500 g 样品于 50 mL 烧杯，加入
10 mL 硝酸，1 mL 高氯酸，盖上盖子，放置
过夜。置于电热板，从 120℃开始缓缓升温，
保持 180℃消化至消化液清亮，当高氯酸开始
冒白烟时，取下冷却，然后加入 1 mL 硝酸，
溶解残渣，定容至 25 mL，待上机测定。同法
配制试剂空白。每个样品 2 次重复，测定结果
以平均值计算。
1.4 ICP/MS 条件
ICP-MS 仪器参数设定见表 1。

表 1 ICP-MS 仪器工作参数表
Table 1 Parameters of ICP-MS
名称 Name 参数值 Parameter
六级杆偏压 Hex bias pressure 0
四级杆偏压 Pole bias pressure 0
聚焦透镜电压 Focus pressure/kPa 12
功率 Power/W 1 400
气体流速
Gas flows/mL·min
-1

进样气 0.8
雾化气 0.92
辅助气 0.7
冷却气 13 000

1.5 数据处理方法
采用 SPSS 软件对数据进行方差分析和多
重比较（Duncan），以及主成分分析（PCA）
和逐步判别分析（Wilk′s λ 法）。其中，判别
分析方程式中稀土元素含量分别以澜（La）、
5 期 刘宏程，等：基于稀土元素含量的普洱茶产地识别研究 453

铈（Ce）、镨（Pr）、钕（Nd）、钐（Sm）、铕
（Eu）、钬（Ho）、铒（Er）、镱（Yb）、钇（Y）、
钆（Gd）、铽（Tb）、铥（Tm）、镝（Dy）、钪
（Sc）、镥（Lu）来表示。
2 结果与分析
2.1 稀土元素含量差异
普洱茶稀土元素含量测定结果见表 2。从表
中可以看出，熟茶中各稀土元素含量平均值以西
双版纳的最高，普洱市次之，临沧市含量最低；
含量最高的是 Ce 元素，含量最低的是 Tm 和 Lu；
普洱生茶也存在相同趋势，且普洱熟茶中稀土元
素含量均比普洱生茶高 10%~50%。
对普洱熟茶中 16 种稀土元素进行单因素
方差分析，结果显示，在 α=0.05 水平上有显

著差异，Duncan 多重比较结果显示，西双版
纳与普洱市的茶样，除 Tm 和 Lu 外，其他稀
土元素均有显著性差异；临沧市与普洱市的茶
样，除 Tb、Ho、Er、Yb 和 Y 5 种稀土元素外，
其他元素间有显著性差异。
对普洱生茶中 16 种稀土元素进行 Duncan
分析，结果显示西双版纳与普洱市茶样，除
Tb、Ho、Er、Yb 和 Lu 5 种元素外，其他稀土
元素均有显著性差异；临沧市与普洱市的茶
样，除 Eu、Tb、Ho、Er、Yb 和 Sc 6 种稀土
元素外，其他元素有显著性差异。
从以上结果可知，临沧市和普洱市的样
品（包括普洱熟茶和生茶）中 Tb、Ho、Er、
Yb 4 种元素地域间没有显著性差异，西双版
纳与普洱市的样品中 Lu 地域间没有显著性
差异。
表 2 普洱熟茶和生茶中稀土元素含量的平均值
Table 2 Mean values of heavy rare-earth elements in pu ′er shu tea and pu ′er sheng tea
mg·kg
-1

稀土元素
Heavy rare-earth elements
熟茶 Shu tea 生茶 Sheng tea
西双版纳 普洱市 临沧市 西双版纳 普洱市 临沧市
La 0.490±0.017a 0.172±0.025b 0.035±0.037c 0.290±0.064a 0.160±0.026b 0.019±0.026c
Ce 0.826±0.25a 0.328±0.061b 0.067±0.078c 0.450±0.096a 0.300±0.039b 0.038±0.061c
Pr 0.102±0.038a 0.035±0.003b 0.011±0.0004c 0.061±0.012a 0.035±0.005b 0.008±0.003c
Nd 0.383±0.14a 0.152±0.027b 0.027±0.029c 0.227±0.038a 0.135±0.019b 0.019±0.024c
Sm 0.076±0.022a 0.034±0.006b 0.008±0.0004c 0.044±0.006a 0.028±0.002b 0.009±0.004c
Eu 0.021±0.004a 0.011±0.001b 0.005±0.002c 0.013±0.003a 0.008±0.001b 0.007±0.003b
Gd 0.079±0.024a 0.035±0.005b 0.006±0.003c 0.045±0.006a 0.030±0.002b 0.008±0.003c
Tb 0.011±0.003a 0.005±0.0005b 0.008±0.004b 0.006±0.0008a 0.004±0.0007a 0.013±0.018a
Dy 0.057±0.015a 0.026±0.002b 0.005±0.002c 0.033±0.004a 0.023±0.004b 0.006±0.008c
Ho 0.010±0.002a 0.004±0.0004b 0.007±0.003b 0.006±0.0006a 0.004±0.001a 0.009±0.003a
Er 0.030±0.007a 0.013±0.002b 0.005±0.005b 0.019±0.005a 0.011±0.003a 0.005±0.002a
Tm 0.004±0.008a 0.002±0.0003a 0.011±0.004b 0.002±0.0004a 0.001±0.0005b 0.016±0.009c
Yb 0.029±0.006a 0.012±0.002b 0.004±0.003b 0.018±0.003a 0.012±0.003a 0.008±0.005a
Lu 0.004±0.009a 0.002±0.0005a 0.010±0.003b 0.003±0.0005a 0.002±0.0005a 0.011±0.011b
Sc 0.120±0.062a 0.029±0.002b 0.007±0.004c 0.072±0.054a 0.014±0.022b 0.016±0.008b
Y 0.334±0.071a 0.014±0.007b 0.009±0.002b 0.230±0.034a 0.124±0.024b 0.019±0.024c
注：表中同一行小写字母不同代表在 0.05 水平上差异显著。
Note: Different letters in table indicate the significant difference at P＜0.05 level.

2.2 主成分（PCA）分析
对普洱熟茶和普洱生茶样本分别进行主
成分分析。普洱熟茶的前 2 个主成分的累积方
差贡献率为 91.75%。利用第 1、2 主成分的得
分值分别作为 X 和 Y 轴，做样品分布图（图
1），结果表明，主成分 1 能把 3 个茶叶产地
完全分开，其中普洱市和临沧市分布比较集
中，西双版纳分布相对离散。
普洱生茶的前 3 个主成分的累积方差贡献
率为 85.58%。利用第 1、2 主成分的得分值分别
454 茶 叶 科 学 34 卷

作为 X 和 Y 轴，做样品分布图（图 1），结果
表明通过主成分分析能把 3 个茶叶产地完全分
开，结果与普洱熟茶一样，其中普洱市和临沧
市分部比较集中，西双版纳分布相对离散。



















对普洱熟茶和普洱生茶的混合样品进行
主成分分析，结果表明前两个主成分的累积方
差贡献率为 88.08%。利用第 1、2 主成分的得
分值分别作为 X 和 Y 轴，做样品分布图（图
2），结果表明临沧市的样品能完全被分开，
普洱市与西双版纳的样品有 12%重叠。
2.3 逐步判别分析
为了进一步探讨各元素含量指标对茶叶
产地判别的可行性，按统计量 Wilk′s λ 最小值
原则选择变量，进行逐步判别分析，建立判别
方程。然后进行训练样本的回代判别，计算回
代错判率，并将每一样本逐一从训练集中去
掉，再按同样方法判别分析，进行内部交叉验
证分析，验证所建立方程的稳定性。最后采用
外部样本验证判别方程的判别效果。
对普洱熟茶样本进行判别分析，可获得两
个判别方程式， F1=－ 1.611La＋ 0.818Eu＋
0.651Ho － 0.747Er-0.651Yb ＋ 2.27Y ；
F2=0.627La－0.982Eu＋0.188Ho＋1.088Er＋
0.724Yb－0.668Y，判别函数 F1 和 F2 的特征
值分别为 19.537 和 0.927，典型相关系数分别
为 0.975 和 0.694。对判别结果的方差分析表
明，类间差异显著（P＜0.01），即判别结果
有效。对训练集各样本的回判成功率为 100%，
交叉验证的正确率同样是 100%，9 个外部验
证样本的正确判别率为 100%，以各样本判别
函数得分值作图，见图 3。
对普洱生茶样本进行判别分析，可获得两
个 判 别 方 程 ， F1= － 0.218Nd － 0.96Gd ＋
2.253Tb － 1.394Dy+1.35Ho － 0.78Yb ＋
2.95Lu； F2=0.731Nd－ 0.312Gd＋ 0.264Tb＋
0.005Dy＋0.564Ho－0.005Yb＋0.668Lu，判别
函数 F1和 F2的特征值分别为 85.094和 2.781，
典型相关系数分别为 0.994 和 0.858。对判别
结果的方差分析表明，类间差异显著（P＜
图 1 普洱熟茶和生茶与产地的主成分分布图
Fig. 1 Pu′er shu tea and sheng tea from different regions by PCA
主
成
分
2
P
ri
n
c
ip
a
l
c
o
m
p
o
n
e
n
ts
a
n
a
ly
si
s
2

主成分 1 Principal components analysis 1
○西双版纳熟茶 Xishuang banna post-fermented pu-erh tea
□普洱熟茶 Pu-erh post-fermented pu-erh tea
╳临沧熟茶 Lincang post-fermented pu-erh tea
△西双版纳生茶 Xishuang banna non-fermented pu-erh tea
＋普洱生茶 Pu-erh non-fermented pu-erh tea
O 临沧生茶 Lincang non-fermented pu-erh tea
5 期 刘宏程，等：基于稀土元素含量的普洱茶产地识别研究 455

0.01），即判别结果有效。对训练集各样本的
回判成功率为 100%，交叉验证的正确率同样
是 100%，9 个外部验证样本的正确判别率为
100%，以各样本判别函数得分值作图，见图 3。


































对普洱熟茶和普洱生茶混合样品进行判
别分析，获得两个判别方程式，F1=1.360La
－1.518Nd－0.705Er＋1.513Y；F2=3.384La－
2.630Nd＋1.062Er－1.204Y，判别函数 F1 和
F2 的特征值分别为 5.276 和 0.489，典型相关
系数分别为 0.917 和 0.573，对判别结果的方
差分析表明，类间差异显著（P＜0.01），即
判别结果有效。对西双版纳、普洱市和临沧市
图 2 混合普洱茶与产地的主成分分布图
Fig. 2 Mixture of Pu′er tea from different regions by PCA
主成分 1 Principal components analysis 1
主
成
分
2
P
ri
n
c
ip
a
l
c
o
m
p
o
n
e
n
ts
a
n
a
ly
si
s
2
○西双版纳 Xishuang banna
＊临沧 Lincang
╳普洱 Pu-erh
图 3 不同地区普洱熟茶和生茶的逐步判别分析
Fig. 3 Discriminative analysis of Pu′er shu tea and sheng tea by Wilk′s method
判
别
函
数
2
D
is
c
ri
m
in
a
te
f
u
n
c
ti
o
n
2


判别函数 1 Discriminate function 1
○西双版纳熟茶 Xishuang banna post-fermented
pu-erh tea
□普洱熟茶 Pu-erh post-fermented pu-erh tea
╳临沧熟茶 Lincang post-fermented pu-erh tea
△西双版纳生茶 Xishuang banna non-fermented
pu-erh tea
＋普洱生茶 Pu-erh non-fermented pu-erh tea
O临沧生茶 Lincang non-fermented pu-erh tea
456 茶 叶 科 学 34 卷

训练集各样本的回判成功率分别为 93.3%、
87.9%和 90.9%，交叉验证的正确率分别为
90%、87.9%、90.9%，18 个外部验证样本的
正确判别率为 84.6%、81.4%、82.9%，比单一
样本判别成功率低。
3 讨论
茶树种植土壤中元素的情况反应了茶叶
中的矿质元素组成，但是受外界条件的影响如
施肥[5]等会使矿质元素含量产生较大的变化。
含磷肥料的使用会导致茶叶中 Cd 元素的蓄
积，采矿作业和农业活动增加了土壤-茶叶中
Ni 的污染程度[31]，因此矿质元素用于茶叶的
产地溯源，有一定的局限性。稀土非植物生长
的必需元素，在植物体内含量很低。GB/T
2762—2005 规定了茶叶中稀土总量低于 2.0
mg·kg
-1，在修订的 GB 2762—2012 标准中，
有专家认为，我国居民膳食稀土元素暴露水平
很低，建议取消稀土限量指标。稀土在自然界以
氧化物或含氧酸盐矿物形式存在，而且多为难溶
化合物状态存在，植物吸收少。虽然有报道叶
面喷施硝酸稀土能增加产量，但是实际生产不常
见。从云南省多年茶叶监测结果可知，茶叶稀土
含量均低于 2.0 mg·kg-1，因此不同产地茶叶稀土
含量与生长环境的土壤背景值有关。本文研究
证明，采用 ICP-MS 测定普洱茶的稀土元素指
纹图谱信息，能够较好地表征普洱茶原料产地
特征。特别是轻稀土元素如 La、Ce、Pr、Nd
等，含量很高，可以作为鉴别普洱茶产地的重
要技术指标之一。但是由于加工工艺的不同，
使用逐步判别分析对不同产地普洱生茶和普
洱熟茶混合样本的识别率比单一加工工艺样
本的识别率低，PCA 分析也存在同样趋势。
因此需要研究其他参数对加工茶叶的产地进
行溯源分析。

致谢：本文样品收集得到云南省农业科学
院茶叶研究所、临沧市技术监督局、临沧市临
翔区农产品质量安全检测中心的大力支持，在
此一并致谢！

参考文献
[1] 蔡新，张理珉，杨善禧 , 等 . GB/T 22111—2008 地理标志
产品 普洱茶[S]. 北京: 中国标准出版社 , 2008: 1-13
[2] Ye NS. A minireview of analytical methods for the
geographical origin analysis of teas (Camellia sinensis) [J].
Critic Review Food Science Nutrition, 2012, 52(9):
775-780.
[3] Council Regulation (EU), No. 510/2006. On the protection
of geographical indication and designation of origin
agricultural products and foodstuffs [S]. Official Journal of
Europe Union, 2006, 93: 12-15.
[4] 邓勋飞 , 王开荣 , 陈晓佳 , 等 . 基于 WebGIS 的茶叶产地
编码及其质量安全与溯源技术 [J]. 农业工程学报 , 2009,
25(S2): 303-307.
[5] 袁玉伟 , 胡桂仙 , 邵圣枝 , 等 . 茶叶产地溯源与鉴别检测
技术研究进展[J]. 核农学报 , 2013, 27(4): 452-457.
[6] 王倩 , 张立芹 , 叶能胜 , 等 . 基于现代仪器分析技术实现
茶叶产地鉴别的研究进展[J]. 现代仪器 , 2011, 17(6): 1-4.
[7] 成浩 , 王丽鸳 , 周建 , 等 . 基于化学指纹图谱的绿茶原料
品种判别分析[J]. 中国农业科学 , 2008, 41(8): 2413-2418.
[8] 成浩 , 王丽鸳 , 周建 , 等 . 基于化学指纹图谱的扁形茶产
地判别分析[J]. 茶叶科学 , 2008, 28(2): 83-88.
[9] Alcázar A, Ballesteros O, Jurado JM, et al. Differentiation of
green, white, black, Oolong, and Pu-erh teas according to
their free amino acids content [J]. Journal of Agriculture
Food Chemistry [J]. 2007, 55(15): 5960-5965.
[10] Unachukwu UJ, Ahmed S, Kavalier A, et al. White and green
teas (Camellia sinensis var. sinensis): variation in phenolic,
methylxanthine, and antioxidant profiles [J]. Journal of
Food Science, 2010, 75(6): 541-548.
[11] 宁井铭 , 张正竹 , 谷勋刚 , 等 . 基于高效液相色谱的普洱
晒青毛茶指纹图谱识别方法 [J]. 农业工程学报 , 2010,
26(3): 243-248.
[12] Chen QS, Guo ZM, Zhao JW. Identification of green tea’s
(Camellia sinensis L.) quality level according to
measurement of main catechins and caffeine contents by
HPLC and support vector classification pattern recognition
[J]. Journal of Pharmaceutical and Biomedical Analysis,
2008, 48(5): 1321-1325.
[13] Fernandez PL, Pablos F, Martin MJ, et al. Study of catechin
and xanthine tea profiles as geographical tracers [J]. Journal
of Agricultural and Food Chemistry, 2002, 50(7):
5 期 刘宏程，等：基于稀土元素含量的普洱茶产地识别研究 457

1833-1839.
[14] 肖俊松 , 袁英髦 , 张爱雪 , 等 . 茶叶中茶多酚和生物碱的
测定及聚类和线性判别分析[J]. 食品科学 , 2010, 31(22):
343-348.
[15] 赵杰文 , 郭志明 , 陈全胜 . 基于 HPLC 和模式识别的绿茶
分类 [J]. 江苏大学学 报 : 自然科学版 , 2010, 31(3):
249-253.
[16] 张立芹 , 叶能胜 , 王昊雯 . 应用胶束电动色谱和模式识别
技术溯源茶叶产地的研究 [J].首都师范大学学报 : 自然科
学版 , 2011, 32(1): 44-47.
[17] 田莉 , 叶能胜 , 谷学新 , 等 . 基于胶束电动色谱法区分绿
茶的研究[J]. 现代仪器 , 2010, 18(2): 37-39.
[18] Ye NS. Geographical Classification of Green Teas Based on
MEKC with Laser-Induced Fluorescence Detection [J].
Chromatographia, 2010, 71(5/6): 529-532.
[19] Hsiao HY, Chen RLC, Cheng TJ. Determination of tea
fermentation degree by a rapid micellar electrokinet ic
chromatography [J]. Food Chemistry, 2010, 120(2):
632-636.
[20] Chen QS, Zhao JW. Study on discrimination of Roast green
tea (Camellia sinensis L.) according to geographical origin
by FT-NIR spectroscopy and supervised pattern recognition
[J]. Spectrochimica Acta Part A, 2009, 72(4): 845-850.
[21] 宁井铭 , 宛晓春 , 张正竹 , 等 . 近红外光谱技术结合人工
神经网络判别普洱茶发酵程度 [J]. 农业工程学报 , 2013,
29(11): 255-260.
[22] 赵杰文 , 陈全胜 , 张海东 , 等 . 近红外光谱分析技术在茶
叶鉴别中的应用研究 [J]. 光谱学与光谱分析 , 2006,
26(19): 1601-1604.
[23] 周健 , 成浩 , 曾建明 , 等 . 基于近红外的多相偏最小二乘
模型组合分析实现茶叶原料品种鉴定与溯源的研究 [J].
光谱学与光谱分析 , 2010, 30(10), 2650-2653.
[24] 占茉莉 , 李勇 , 魏益民 , 等 . 应用 FT-IR 光谱指纹分析和
模式识别技术溯源茶叶产地的研究 [J]. 核农学报 , 2008,
22(6), 829-833.
[25] 饶秀勤 , 应义斌 , 黄海波 , 等 . 基于 X 射线荧光技术的茶
叶产地鉴别方法研究[J]. 光谱学与光谱分析 , 2009, 29(3):
837-839.
[26] Herrador M A, Gonzalez A G. Pattern recognition
procedures for differentiation of Green, Black and Oolong
teas according to their metal content from inductively
coupled plasma atomic emission spectrometry [J]. Talanta,
2001, 53(6): 1249-1257.
[27] Kelly S, Heation K, Hoogewff J. Tracing the geographic
origin of food: the application of multielement and
multi-isotope analysis [J]. Trends in food science and
technology, 2005, 16: 555-567.
[28] Moreda P A, Fisher A, Hill S J. The classification of tea
according to region of origin using pattern recognition
techniques and trace metal data [J]. Journal of Food
Component Analysis, 2003, 16(2): 195-211.
[29] Morede PA, Macros A, Fisher A, et al. Evaluation of the
effect of data pre-treatment procedures on classical pattern
recognition and principle components analysis: a case study
for the geographic classification tea [J]. Journal of
environmental monitoring, 2001, 3(2): 352-360.
[30] Mckenzif J S, Jurado J M, Pablos F D. Characterization of
tea leaves according to their total mineral content by means
of probabilistic neural networks [J]. Food Chemistry, 2010,
123(3): 859-864.
[31] Everhart J L, McNear D, Peltier E, et al. Assessing nickel
bioavailability in smelter- contaminated soils [J]. The
Science of the Total Environment, 2006, 367: 732-738.