蓝莓沈阳综合试验站

 

  蓝莓的品质优劣直接影响其加工产品的质量，选择适宜的加工原料是保证产品质量稳定性的关键。目前国内果蔬原料的品质评价主要依赖于人工感官评价，其结果在很大程度上易受人的生理及周围环境等因素的影响（Wang et al，2005）。由于我国蓝莓行业刚刚起步，蓝莓加工品质量参差不齐，而我国尚未建立蓝莓品质评价方法，对现有的种植蓝莓资源无法实现科学评价和分类，因此利用科学的方法和手段开展蓝莓品质评价模型研究，确定适宜地蓝莓加工评价体系，对于促进蓝莓行业的健康快速发展具有重要作用。目前对蓝莓的研究主要集中在蓝莓的贮藏及初级加工品方面（纪淑娟等，2013；吴欣等，2013；刘华，2012；陈祖满等，2014；），对蓝莓品质及其对加工产品的影响的研究鲜有报道。

 

  采用相关性分析和主成分分析的方法，结合各品质指标之间的相互影响对28个蓝莓样品进行品质评价，筛选影响蓝莓品质的主要核心品质指标。针对筛选出的核心评价指标进行相应的数学转化处理，通过层次分析法建立判断矩阵，确定各指标权重，建立蓝莓综合品质评价数学模型。

 

  1 材料与方法

 

  1.1主要材料

 

 

  本试验中的28个蓝莓样品来自庄河、丹东、青岛及随州的蓝莓基地。选取蓝莓果实大小均匀，果皮80%以上为蓝色，无机械损伤和感染，运输过程中均在包装盒内加入一定数量的冰袋，以保持果实品质，采后24小时之内运回实验室进行试验。

 

 

  1.2 主要试剂

 

  1.3 主要仪器设备

 

 

  1.4 统计分析

 

  统计分析采用Excel 2007和SPSS 19.0软件进行数据的整理与分析。

 

  本研究主要采用主成分分析与相关分析结合的方法进行数据分析，对蓝莓的18项品质指标进行筛选，以少量核心评价指标反映绝大部分原始数据信息，对筛选出的品质核心指标进行标准化和归一化处理，再利用层次分析法对核心指标进行分析，确定各指标权重建立蓝莓综合评价模型，并对28种样品进行综合评价。

 

  2.结果与分析

 

  2.1 蓝莓果实冻结温度曲线

 

  2.1.1 评价指标筛选

 

  在数理统计分析方法中，利用主成分分析可以有效地减少数据变量，降低因子维度，简化分析数据，用较少的因子代表大部分数据信息。在进行综合品质评价时，可以利用主成分分析结合相关性分析，降低评价指标数量，选择合适的评价指标来代表大部分评价信息，降低综合评价难度。

 

  2.1.1.1 品质指标主成分分析

 

  蓝莓样品18个品质指标通过主成分分析，得到评价指标的特征值矩阵，见表1。

 

 

  品质指标主成分分析结果表明，前六个主成分累积方差贡献率为88.20%，且特征根都大于1，说明前六个主成分能够代表原来18个品质指标的绝大部分原始信息。方差大小表明了不同指标性状在主成分上的分散程度，在主成分分析中，方差贡献率越大，表明主成分在样本数据分析中的重要程度越大，反之则越小（樊丁宇，2009）。因此，将蓝莓品质的18个指标综合成6个主成分。

 

  为了更好的解释指标与成分因子之间的关系，将所提取的主成分因子进行旋转处理，目的在于使一个变量在较少的几个因子上有较高的载荷，其载荷值的大小反映了各变量在主成分中的重要程度，分析结果见表2。

 

 

  由各品质指标在6个主成分中的载荷可知（见表2）：第一主成分主要代表果实直径、体积、单果重和果实高信息；第二主成分主要代表果实中还原糖、总糖、L值、b值、含水量和可溶性固形物信息；第三主成分主要代表果实中可滴定酸、pH值和总黄酮信息；第四主成分主要代表总花色苷和总酚信息；第五主成分主要代表密度和a值信息；第六主成分主要代表硬度信息。

 

  在品质指标筛选过程中，应遵循的原则主要包括：第一，用较少的品质指标来代表全部指标的绝大部分信息；第二，筛选出来的核心指标必须具有相对的独立性；第三，各品质指标要具有一定的变异系数。

 

  蓝莓18项品质指标进行主成分分析，结果显示：前6个主成分的累积方差贡献率为88.20%，大于85%，说明前6个主成分能够代表所有指标的绝大部分信息，且每个主成分主要代表存在显著相关性的少数几个品质指标，从少数几个品质指标中选择具有代表性和测定简便的一个作为该主成分的代表品质指标。

 

  第一主成分主要综合了4个指标，分别为果实直径、体积、单果重和果实高，四个变量的变异系数分别为：9.15%，26.21%，19.94%和8.36%。果实直径与体积、单果重和果实高都呈显著正相关，果实高也都与体积和单果重呈显著正相关，初步考虑选择果实直径和果实高代表第一主成分，再综合其他分析确定代表指标。

 

  第二主成分主要综合了还原糖、总糖、L值、b值、含水量和可溶性固形物的信息。6个品质指标的变异系数分别为：14.31%、16.66%、6.69、37.93、1.77%和13.85%，还原糖、总糖、b值和可溶性固形物品种间差异显著。相关性方面，L值分别与还原糖、总糖呈显著正相关、正相关；可溶性固形物分别与还原糖、总糖和含水量呈显著正相关、正相关、负相关；b值分别与还原糖、总糖呈负相关、显著负相关；还原糖与总糖呈显著正相关；含水量品种间差异不显著，故剔除该指标。初步选择L值、b值和可溶性固形物第二主成分的代表指标。

 

  第三主成分主要综合了可滴定酸、pH值和总黄酮的信息。变异系数方面，可滴定酸的变异系数为39.99%，pH值为8.43%，总黄酮为37.71%。相关性方面，可滴定酸与pH值呈显著负相关，可用一个指标代替其他指标，总黄酮相对独立，初步选择可滴定酸和总黄酮第三主成分的代表指标。

 

  第四主成分综合了总花色苷和总酚的信息。花色苷的变异系数为46.64%，总酚为39.51%。总花色苷与总酚呈显著正相关。最终选择总花色苷代表第四主成分。

 

  第五主成分综合了密度和a值的信息，两项指标的变异系数分别为13.35%和59.08%，由于密度与果实直径、果实高、b值及可溶性固形物都相关，故选择a值作为第五主成分。

 

  第六主成分综合了硬度指标，所以选择硬度作为第六主成分。

 

  综合分析初步选择的10个品质指标的相关性表明：总黄酮与果实直径呈负相关；L值与果实直径呈正相关。因此，果实直径可以代替总黄酮和L值，同时果实直径与果实高呈显著正相关，果实直径也可以代替果实高。最终本试验选择7项蓝莓品质评价核心指标，即果实直径、b值、可滴定酸、总花色苷、a值、可溶性固形物和硬度。

 

  2.1.2 评价指标数据标准化处理

 

  2.1.2.1评价指标理想值确定

 

  由于综合品质评价中蓝莓核心品质指标存在不同的量纲和数量级，品质评价过程中各自的单位和量级的不同会导致数据无法放在一起进行分析比较，这也给指标的大小比较带来了不便。因此，为了能全面的反映实际情况，避免不合理现象的产生，需要对评价指标进行数据的标准化处理，即利用数学变换的方式来消除原始变量量纲对指标的影响。由于各核心品质评价指标的特性差异较大，需要首先确定各评价指标的理想值（X0）。其中a值、可溶性固形物和花色苷均为正向指标，测定值越大越好。果实直径、硬度和可滴定酸为中性指标，果实直径和硬度对品种质量没有实质性影响，所以取其平均值。可滴定酸是影响花色苷显色的重要因素，偏酸偏碱都会对样品颜色产生影响，所以取样品的平均值作为标准值。b为负向指标，测定值越低表明样品颜色越蓝，所以测定值越小越好。整理结果见表3。

 

 

  由于不同蓝莓样品品质指标间存在不同的量纲和数量级，在综合评价指标的筛选时，为了消除不同数据量纲的影响，首先需要对原始数据进行标准化处理后再进行计算（樊丁宇等，2009；Kurtanjek et al，2008）。

 

  （1）品质指标初始化

 

  为消除不同量纲和数量级对品质评价的影响，对7个品质指标进行初始化，初始化方法为各品质指标值与理想值间距离的绝对值：

 

 

  品质指标经过初始化后的规律为：原始指标值越接近理想值，其初始化后值越小，其中

 

  （2）正向化和归一化

 

  经过初始化的各品质指标值范围为xi'≥0，原始指标值越接近理想值，其初始化后值越小，为方便综合评价需要对其正向化处理，同时为避免不同数量级对综合评价的影响，需要对其进行归一化。正向化和归一化方法为：

 

 

  品质指标正向化和归一化后的规律为：原始指标值从正负两个方向越接近理想值其正向化和归一化后越接近1，其中0≤Xi≤1。

 

  对28个蓝莓样品的7个核心品质指标的原始数据进行标准化处理，标准化结果如表4所示。

 

 

  2.1.2.2 评价指标权重的确定

 

  筛选出的核心品质指标经过标准化处理后，需要确定各个核心指标的权重系数。本研究利用层次分析法建立判断矩阵并检验其一致性是否符合要求。根据园艺专家对影响蓝莓品质各因素之间重要性的定性评价，运用1-9比例标度法建立判断矩阵（见表5），根据判断矩阵计算各指标权重wi。其中比例标度数字的含义为各品质指标相对重要性：1 表示 i 因素与 j 因素的影响相同；3 表示 i 因素与 j 因素的影响稍强；5 表示 i 因素与 j 因素的影响强；7 表示 i 因素与 j 因素的影响明显强；9 表示 i 因素与 j 因素的影响绝对强；2，4，6，8  表示 i 因素与 j 因素的影响之比在上述 2 个相邻等级之间；1/2，1/3，…，1/9表示 j 因素与 i 因素的影响之比为 aji，aji=1/aij。

 

 

  根据表5，运用1-9比例标度法对蓝莓核心指标建立判断矩阵（见表6）。

 

 

 

 

  检验判断矩阵一致性，CI=（λmax-7）/（7-1）=0.048，查询随机一致性标准值 n=7 时 RI=1.36，CR=CI/RI=0.035，CR<0.1说明判断矩阵具有满意的一致性。得出各品质指标的权重如表7。

 

 

  2.1.2.3 蓝莓样品综合评价得分

 

  综合品质指标间相关性及主成分分析以及各品质指标特性，筛选出5个品质综合评价指标分为：可溶性固形物、花色苷、pH、硬度和果实直径；筛选出来的核心指标建立判断矩阵，计算得到各指标权重，进而得到蓝莓综合值评分模型为：

 

     

  蓝莓即可采用以下公式模型计算质量综合得分，该模型综合了蓝莓的7个核心指标的全部信息。

 

  Y（综合值）= 0.3145×可溶性固形物+0.3145×总花色苷+0.1647×可滴定酸+0.0951×果实直径+0.0527×硬度+0.0353×b值+0.0230×a值

得到蓝莓样品的综合得分见表8。

 

 

  2.2 讨论与小结

 

  2.2.1 讨论

 

  1.在蓝莓综合评价中，核心评价指标的筛选及评价指标的数学处理是评价数学模型建立和确保其评价的合理性的关键。本试验从指标间相关性分析、主成分分析中因子载荷矩阵以及指标变异程度三方面考察指标的相关关系，综合考虑上述三种因素，筛选代表蓝莓品质的综合评价指标。最终从感官品质、理化营养品质、加工品质共18项指标中筛选出的7个核心评价指标，这7个核心指标在样品间变异系数各不相同，各个指标之间相对独立。为了减少试验中由指标的计量单位及数值的不同带来的差异，7项核心指标经数据经标准化处理后再进行综合评价。

 

  2.核心指标权重系数的确定是综合评价是否合理的关键，影响着试验结果的准确性。目前，指标权重的确定方法主要有主观、客观两种赋值法。主观赋值法是通过感官人员的意愿赋值，由于赋值人员个体间存在差异，通常多人赋值后取平均值来确定指标权重；客观赋值法是通过统计分析的方法利用公式计算得到，但其结果通常与实际情况差距较大。而通过建立判断矩阵的方法来进行权重系数的确定，一方面利用了专业人员对蓝莓品质的评价经验，另一方面将评价数据进行数学统计分析，既避免了客观赋值法评价的局限性，又能得到合理准确的评价结果。

 

  2.2.2 小结

 

  1.利用描述性统计分析、相关性分析及主成分分析结合的方法，从18项品质指标中筛选出符合综合评价蓝莓样品的核心品质指标7项，分别为：果实直径、a值、b值、可滴定酸、总花色苷、可溶性固形物和硬度。

 

  2.利用层次分析法对核心指标进行权重赋予，建立蓝莓综合评价数学模型：Y= 0.3145×可溶性固形物+0.3145×总花色苷+0.1647×可滴定酸+0.0951×果实直径+0.0527×硬度+0.0353×b值+0.0230×a值，并计算了28种样品的综合得分。