《Microchemical Journal》：Elemental and spectrophotometric profiling of Italian extra virgin olive oils: geographical classification, data fusion and soil-oil relationships
编辑推荐：
元素与分光光度分析支持橄榄油产地溯源认证。相较于单一数据块，数据融合方法可显著提升地理来源分类的准确性。融合模型在外部验证中达到90%的分类准确率。精简模型在降低分析复杂度的同时仍保持良好的判别能力。土壤与油脂之间的元素关联总体较弱，提示二者间存在复杂的元素迁
元素与分光光度分析支持橄榄油产地溯源认证。相较于单一数据块，数据融合方法可显著提升地理来源分类的准确性。融合模型在外部验证中达到90%的分类准确率。精简模型在降低分析复杂度的同时仍保持良好的判别能力。土壤与油脂之间的元素关联总体较弱，提示二者间存在复杂的元素迁移关系。
论文解读文章
一、研究背景与问题提出
橄榄油是地中海饮食的核心组成部分，其健康益处主要归因于油酸及羟基酪醇、酪醇和橄榄苦苷等多酚类化合物的抗氧化与抗炎活性。在 Mediterranean 盆地，橄榄油生产构成重要的经济支柱，主要生产国为西班牙和意大利，紧随其后的是土耳其、突尼斯和希腊。随着食品质量认证与产地溯源需求的日益增长，利用化学特征将橄榄油与其地理来源相关联的研究近年来显著增加。
电感耦合等离子体质谱法（ICP-MS）因其能够灵敏且同时测定包括稀土元素（REEs）在内的大量主量、痕量与超痕量元素而备受关注，可提供与产区地球化学特征潜在相关的多元素视角。然而，相较于其他用于特级初榨橄榄油（EVOO）认证的分析策略，ICP-MS 的应用仍相对有限，部分原因在于最终油脂的元素特征受多种环境、农艺和技术因素的共同影响。此外，橄榄油极强的亲脂性（甘油三酯、脂肪酸等脂质含量可达99%）使得样品前处理成为额外的分析挑战，现有策略包括微波辅助酸消解、干灰化、酸辅助萃取及液液萃取等。
已有研究表明，元素谱与多变量统计方法结合可为橄榄油的地理判别与溯源提供有用信息。然而，多数研究聚焦于较大尺度（如国家间）的判别，区域间（inter-regional）尺度的研究相对缺乏。同时，土壤组成、植物吸收、加工工艺与最终油脂元素特征之间的复杂关系尚未被系统阐明。基于此，本研究旨在通过整合元素分析与分光光度分析，评估数据融合对地理判别效率的提升作用，并利用果园匹配的土壤与实验室制备油脂样本，探究土壤-油脂间的元素关联。
二、研究设计与关键技术方法
研究人员从意大利五个大区（托斯卡纳、翁布里亚、拉齐奥、普利亚、西西里）的农场收集了2024年收获季的117个商业特级初榨橄榄油样本，其中拉齐奥11个、普利亚38个、西西里30个、托斯卡纳32个、翁布里亚6个。每个农场提供一个商业EVOO样本，至少三瓶以保证生产链的代表性。同时，农场还提供了收获橄榄样本（至少3.0 kg）用于实验室单品种橄榄油制备，以及相应果园的土壤样本。
研究采用的主要技术方法包括：电感耦合等离子体质谱法（ICP-MS）用于油脂样本的多元素分析，微波辅助酸消解（H?O?/HNO?混合体系，1:10 v/v）作为前处理手段；X射线荧光光谱法（XRF）用于果园土壤的元素组成分析；分光光度法测定总多酚含量（TPC，Folin-Ciocalteu法）、总黄酮含量（TFC，AlCl?法）及抗氧化能力（TEAC，DPPH和ABTS两种自由基清除法）。数据分析方面，采用主成分分析（PCA）进行探索性分析，PCA-LDA（主成分分析-线性判别分析）进行监督分类，并比较了单一决策树、随机森林和SIMCA（软独立建模分类法）等替代方法。数据融合通过独立自标度化后按块缩放再拼接实现。此外，采用Pearson和Spearman相关系数评估土壤-油脂元素关联，RV系数评估两矩阵的整体对应关系，偏最小二乘回归（PLS2）探究土壤元素对油脂元素组成的解释能力。
三、研究结果
3.1 商业EVOO的分析表征
ICP-MS元素谱： 钙（Ca）、硫（S）和钠（Na）是商业油脂中含量最丰富的元素。普利亚样本的Na、S和Ca平均浓度最高，西西里油脂的Na、Mn和Fe平均浓度较低。钇（Y）和稀土元素（La、Ce、Pr、Nd）呈现一致的地理分布模式，西西里油脂中平均浓度最低，普利亚和翁布里亚样本中较高。方差分析显示这些元素存在显著区域差异（如La，F(4,112)=4.03，p=0.004），但事后比较仅少数区域对间差异显著（如普利亚vs西西里，t=3.81，p=0.0002），表明需要多变量方法才能充分判别地理来源。锡（Sn）和铝（Al）在意大利中部区域（拉齐奥、托斯卡纳、翁布里亚）的油脂中含量较高。
分光光度表征： TPC在区域间存在显著差异（F(4,112)=31.9，p<0.001），普利亚样本（0.80±0.23 mg GAE/g）约为其他区域的两倍，而西西里（0.37±0.13 mg GAE/g）与中部区域（拉齐奥0.36±0.08，翁布里亚0.46±0.20 mg GAE/g）相当。TEAC（ABTS）同样呈现显著区域差异（F(4,112)=35.8，p<0.001），普利亚样本（3.10±0.29 mg Trolox/g）远高于西西里（1.27±1.04 mg Trolox/g）。TFC的区域差异相对较弱。DPPH测定呈现不同于ABTS的区域分布模式，这源于两种方法在自由基溶解度、反应动力学和对抗氧化物质相对敏感性上的差异。
3.2 商业EVOO的化学计量学判别
单一数据块分析： PCA未显示清晰聚类，但普利亚与西西里油脂在PC1上分离，中部区域（拉齐奥、托斯卡纳、翁布里亚）间无明显差异。基于品种组成分析（Jaccard相似性和Bray-Curtis相异性），将原始区域合并为三个宏观地理类别：意大利中部（拉齐奥、托斯卡纳、翁布里亚）、普利亚和西西里。ICP-MS模型的训练准确率为0.89，交叉验证准确率为0.83；分光光度模型的训练和交叉验证准确率分别为0.81和0.80。元素谱是主要的判别信息来源。
数据融合与模型比较： 融合ICP-MS与分光光度数据的PCA-LDA模型保留18个主成分，训练准确率0.91，留一法交叉验证准确率0.86，优于任一单一数据块。交叉验证中三类别的灵敏度分别为0.91（中部）、0.81（普利亚）和0.79（西西里）。外部测试集（每类10个样本，共30个）验证准确率达0.90，普利亚和西西里的精确度为1.00。替代方法中，决策树交叉验证准确率仅0.74，随机森林为0.83，SIMCA为0.73-0.76，均低于PCA-LDA。
精简模型： 基于载荷分析，选取贡献最大的10个原始变量（Ca、Mg、Fe、Sn、Zn、V、Ce、TEAC(ABTS)、TEAC(DPPH)、TFC，其中Ce代表强相关的REE组）构建精简LDA模型。该模型训练准确率0.90，交叉验证准确率0.86，外部测试准确率0.87，表明去除超过一半的预测变量并未显著损害判别性能。
3.3 土壤-油脂元素关系探索
土壤元素组成： XRF分析保留20个元素用于统计分析。拉齐奥土壤中Al、Fe、Ti及多种微量元素（V、Cu、Rb、Sr、Zr、Pb）含量较高，与区域火山地质背景一致；普利亚和翁布里亚土壤Ca含量较高（分别为8.18%和10.36%），符合碳酸盐地质特征。PCA显示拉齐奥农场和部分西西里果园具有高于平均水平的Fe（F(4,176)=97.9，p<0.01）、Cu（F(4,176)=40.1，p<0.01）、Ti、V和Pb含量。
实验室制备油脂： S、Ca、K、Na为最丰富的元素。与商业油脂不同，实验室油脂中K含量在2.9-5.1 mg/kg范围内，高于方法定量限，可能反映了标准化小规模生产过程中残留水相或颗粒组分的保留。P在拉齐奥油脂中显著较高（1.101 μg/g），Ca在托斯卡纳和普利亚达到最高平均值。
土壤-油脂关联： Pearson和Spearman相关分析显示，大多数元素的土壤-油脂相关性低至可忽略。P和Ca呈现最一致的负相关（两种方法均确认），K和Rb显示弱的正Pearson相关但未被Spearman确认。RV系数评估及PLS2回归分析进一步证实土壤与油脂元素谱之间的整体对应关系较弱。
四、讨论与结论
研究结果表明，元素谱与分光光度指标的融合可显著提升橄榄油地理来源判别的准确性，外部验证准确率达90%。精简模型证明仅需10个原始变量即可保持大部分判别信息，这为降低分析复杂度、推广实际应用提供了可行路径。土壤-油脂元素关联总体较弱，提示从土壤到最终油脂产品的元素迁移受植物吸收选择性、生理调控及加工工艺等多重因素影响，元素指纹与产地之间的关联并非简单的线性传递关系。这一发现对理解橄榄油产地溯源的地球化学基础具有重要理论意义，也为未来研究指明了方向——需要更系统地解析植物吸收、加工处理等中间环节对元素特征的具体影响机制。
