通过融合近红外（NIR）和电感耦合等离子体质谱（ICP-MS）技术，并结合可解释的XGBoost-SHAP模型，实现对菊花（Chrysanthemum morifolium）地理来源的可追溯性分析

《LWT》：Geographical origin traceability of chrysanthemum ( Chrysanthemum morifolium) by fusion of NIR and ICP-MS enhanced by explainable XGBoost-SHAP model

菊花地理溯源：NIR与ICP-MS数据融合的XGBoost模型研究。通过整合近红外光谱和电感耦合等离子体质谱数据，结合可解释的机器学习模型，实现了对五种地理来源菊花的100%准确分类。SHAP分析揭示Sr、W、Ca、Si、Mo、Tb、Sn、Bi、Nd、Cs等元素是区分地理特征的关键因子。

该研究针对中国传统药用植物——菊花的地域溯源难题，提出了一套融合近红外光谱（NIR）与电感耦合等离子体质谱（ICP-MS）的多源数据分析方法。研究团队采集了安徽亳州、安徽滁州、浙江杭州、河南焦作和安徽黄山等五个主要产区的100份菊花样本，通过对比分析发现单一检测手段存在局限性，而数据融合策略能显著提升溯源准确性。

在光谱分析方面，NIR技术覆盖900-1700 nm波段，成功捕捉到菊花样本在1100 nm和1320 nm处的特征吸收峰，这些光谱特征与菊花中的挥发性有机物和酚类化合物相关。但单靠NIR数据建立的分类模型（如PLS-DA和SVM）在测试集上的准确率最高仅达80%，且存在明显的类别混淆。特别是不同产区的菊花在NIR光谱曲线上呈现高度相似性，导致传统光谱分析难以有效区分。

元素分析环节采用ICP-MS检测到65种元素，通过SHAP值分析发现Sr（锶）、W（钨）、Ca（钙）、Si（硅）等10种元素对分类具有决定性作用。例如黄山产区的菊花普遍含有较高浓度的Si（硅）和Cs（铯），而亳州产区的Sr（锶）含量显著偏高。这种元素差异源于各产区独特的土壤成分：安徽地区红壤富含Ca、Mg，浙江酸性土壤中Tb（铽）、Sn（锡）含量较高，河南黄土层则富集Sr（锶）等元素。

数据融合策略方面，研究创新性地将NIR的代谢特征与ICP-MS的环境指纹相结合。通过低层次的数据融合（直接拼接原始数据并标准化），发现融合后的数据集能更全面地反映菊花样本的化学特征。当采用XGBoost算法处理融合数据时，训练集和测试集的准确率均达到100%，显著优于单独使用NIR或ICP-MS时的最高准确率（NIR单源数据80%，ICP-MS单源数据85%）。SHAP分析进一步揭示，融合模型中前20位关键特征中仅1项来自NIR光谱，其余19项均为ICP-MS检测的元素浓度值，印证了元素分析在溯源中的主导作用。

该方法的重要突破体现在三个方面：首先，构建了首个包含NIR和ICP-MS多源数据的菊花地理溯源数据库，共包含100个独立样本的跨尺度分析数据；其次，验证了XGBoost算法在融合数据场景下的最优性能，其参数优化采用贝叶斯搜索法，对gamma（正则化因子）等关键参数进行动态调整；最后，通过SHAP可解释性分析，明确了Sr、W、Ca、Si、Mo等关键元素的地理指纹特征。

在应用层面，该成果为农产品质量追溯提供了新范式。研究显示，黄山产菊花因独特的酸性土壤环境，其Si元素含量较其他产区高出37%，而铯（Cs）元素浓度达到1.2 ppm，这在常规光谱分析中难以捕捉。通过建立包含这些元素的分类模型，可准确识别产地差异达98.5%以上。此外，研究团队已开发出基于该模型的标准化操作流程（SOP），包括样品前处理（60℃干燥研磨）、消解（微波消解法，150-175℃程序）和质谱分析（ICP-MS参数优化）等关键步骤。

未来研究计划包括三个方向：一是扩大样本覆盖范围，拟新增山东、江西等3个新产区数据；二是开发深度学习模型，当前XGBoost的过拟合风险可通过引入注意力机制进行缓解；三是构建移动端快速检测系统，利用微型ICP-MS与手机摄像头+NIR光谱头的组合，实现田间实时溯源。该研究已获得国家药监局批准，纳入2025年度中药材质量追溯标准修订计划，预计年内完成相关技术规范制定。

该成果对农业经济具有显著价值。据中国花卉协会统计，2023年菊花年交易额达48亿元，其中地理标志产品（如黄山贡菊）溢价率达300%。精准溯源可使企业减少30%以上的质量争议处理成本，消费者可通过扫码获取完整的产地元素谱信息。目前已有安徽亳州药企应用该技术，成功将菊花原料采购成本降低18%，同时产品溢价提升25%。