近年来，随着人们生活水平提高，健康意识、消费能力和消费需求不断上升，我国葡萄酒行业发展迅速[1]。原产地是葡萄酒产品差异的重要体现之一，葡萄酒的质量和商业附加值通常将产地来源作为其内在评价标准[2-3]。葡萄酒的产地鉴别主要是通过分析不同地域来源葡萄酒的特异性指标，结合化学计量法，建立区分葡萄酒产地来源的模型，从而对不同地域葡萄酒进行产地溯源[4-7]。葡萄酒中矿质元素大部分是由葡萄原料带入酒中，而原料中的矿质元素基本上由根系从土壤中吸收的，不同产区具备不同的地质条件，因而不同地域葡萄酒具备不同的矿质元素特征，可以通过矿质元素的指纹特征鉴定不同产区葡萄酒[8-10]。国内外很多学者已经找出了可以用来描述和区别不同产地葡萄酒特征的矿质元素和模型，且证实这些鉴别方法有很高的准确率，如李彩虹等[11]采用Fisher 判别分析，对贺兰山东麓、沙城、清徐、武威、渤海湾和云南高原6 个产区赤霞珠葡萄酒样进行回代检验和交叉检验，正确判别率分别为98.6%和84.7%；刘霞等[12]将K、Ca 和Mg 元素作为特征元素，应用于河西走廊产区赤霞珠葡萄酒的原产地保护；Soares 等[13]建立的线性判别分析模型对南美洲4 个国家（阿根廷、巴西、智利、乌拉圭）来源的葡萄酒整体正确判别率为99.9%；Orellana 等[4]采用差异显著性、线性判别、主成分对美国4 个主产区的葡萄酒进行分析，整体正确判别率达到96.2%。
我国葡萄酒的发展重心有逐步向西转移的趋势[14]。新疆天山北麓葡萄酒产区海拔在450～1 000 m，纬度为北纬44°，具有充足的水源和光照，并且所处的昌吉回族自治州，是新疆率先发展的重点地区，独特的自然、地理、土地、政策优势使得这里的葡萄酒发展进入新的历史阶段[15-17]。而针对天山北麓产地的葡萄酒鉴别体系的探索还相对不足，这就可能会导致此产地的葡萄酒无法与其它产地葡萄酒区分。本研究通过采集新疆天山北麓产区与国内其他产区（宁夏、甘肃、河北、山东）赤霞珠葡萄酒样品，测定样品中的矿质元素，探寻天山北麓产区与其他地域葡萄酒的差异化元素指标，建立有效的原产地鉴别技术，以期为构建天山北麓区域品牌，提升品牌竞争力，完善不同产区葡萄酒保护体系，规范葡萄酒市场及维护消费者合法权益提供一定的参考。
1 材料与方法
1.1 材料与试剂
试验共收集了2018年和2019年新疆天山北麓3个小产区（呼图壁黑洼山、三工滩、玛纳斯）及昌吉市与其他4 个产区（宁夏、甘肃、河北、山东）赤霞珠（Cabernet Sauvignon）干红葡萄酒样品28 个，分别为新疆天山北麓产区14 个（TS1～TS9）、宁夏贺兰山产区3个（NX1～NX3）、甘肃莫高产区3 个（GS1～GS3）、河北怀来产区3 个（HB1～HB3）、山东蓬莱产区5 个（SD1～SD5）。酒样由新疆大唐西域酒庄、新疆印象戈壁酒庄、中葡酒业玛纳斯分公司、新疆农业科学院、昌吉市聚隆葡萄酒、宁夏利思葡萄酒庄、甘肃莫高葡萄酒、木桐庄园、蓬莱国宾葡萄酒庄等提供。
浓硝酸（优级纯）：德国Merck 公司；高氯酸（优级纯）、钼酸铵（分析纯）：北京化学试剂研究所；氯化钠、氯化钾、碳酸钙、磷酸二氢钾、氧化镁（均为分析纯）：北京沃凯生物科技有限公司；18 种矿质元素标准溶液[100 mg/L，包括硼（B）、铁（Fe）、锶（Sr）、锰（Mn）、钛（Ti）、铝（Al）、铜（Cu）、锌（Zn）、钡（Ba）、铬（Cr）、镍（Ni）、铅（Pb）、硒（Se）、钒（V）、钪（Sc）、钇（Y）、镉（Cd）、镧（La）]、内标溶液铼（Re）（50 μg/L）：国家有色金属及电子材料分析测试中心。
1.2 仪器与设备
Millipore-Q 超纯水系统：美国Millipore 公司；Z700 原子吸收分光光度计、Jena 50 紫外可见分光光度计：德国耶拿分析仪器股份公司；Xseries2 电感耦合等离子体质谱仪（inductively coupled plasma-mass spectrometer，ICP-MS）：美国Thermo 公司；LabTech EHD36电热消解板：北京莱伯泰科仪器有限公司。
1.3 方法
1.3.1 样品湿法消解
准确移取5 mL 试样于锥形瓶中，100 ℃电热板上加热去除乙醇至1 mL，冷却至室温后加入5 mL 硝酸、0.5 mL 高氯酸，于常温下消解3 h，再置于85 ℃电热板上消解30 min。若消化液呈棕褐色，再加硝酸，消解至冒白烟，消化液呈无色透明或略带黄色。冷却至室温后转入容量瓶，用2%的硝酸溶液定容至25 mL，待测。
1.3.2 样品分析
采用火焰原子吸收光谱法，分别按照GB 5009.91—2017《食品安全国家标准食品中钾、钠的测定》、GB 5009.241—2017《食品安全国家标准食品中镁的测定》、GB 5009.92—2016《食品安全国家标准食品中钙的测定》对Na、K、Mg、Ca 进行测定；按照GB 5009.87—2016《食品安全国家标准食品中磷的测定》中的分光光度法对P 进行测定；采用ICP-MS 法，按照GB 5009.268—2016《食品安全国家标准食品中多元素的测定》对B、Fe、Sr、Mn、Ti、Al、Cu、Zn、Cr、Ni、Ba、Pb、Se、V、Sc、Y、Cd、La 进行测定。
1.4 数据分析
采用Office 2007、SPSS 17.0 软件对矿质元素含量进行多元统计分析。每个样品重复3 次，结果以平均值±标准差表示。
2 结果与分析
2.1 不同产区葡萄酒矿质元素差异性分析
不同产区葡萄酒矿质元素含量见表1。
表1 不同产区葡萄酒矿质元素含量分析
Table 1 Mineral element content in wine samples from different regions
注：*表示产区之间差异显著（p＜0.05）；**表示产区之间差异极显著（p＜0.01）。
La/Cd/Y/V/Sc/Se/Pb/Ba/Ni/Cr/Zn/Cu/Al/（mg/Ti/Mn/Sr/Fe/B/Na/Ca/Mg/P/K/（μg/L）（μg/L）（μg/L）（μg/L）（μg/L）（μg/L）（μg/L）*（μg/L）（μg/L）（μg/L）**（mg/L）（mg/L）**L）**（mg/L）（mg/L）*（mg/L）（mg/L）（mg/L）（mg/L）（mg/L）***（mg/L）（mg/L）（mg/L）区产2.65±0.17±0.09±0.31±3.06±2.00±9.37±32.73±11.43±23.63±0.11±0.02±0.26±0.37±0.87±1.04±0.68±4.60±14.14±38.19±129.60±157.50±950.40±值小极山天0.10 0.01 0.010 0.00 0.21 0.02 0.60 2.10 1.02 0.07 0.01 0.00 0.02 0.00 0.01 0.01 0.00 0.33 0.66 2.61 4.68 8.44 10.56麓北区产32.91±1.44±1.82±3.65±30.65±33.20±42.97±110.28±36.01±65.13±0.55±0.42±0.58±1.02±1.32±2.56±2.24±15.47±80.41±67.67±219.50±432.20±2 060.70±值大极0.32 0.04 0.02 0.01 0.35 0.12 5.27 4.28 4.12 11.18 0.02 0.01 0.10 0.15 0.12 0.46 0.25 0.42 3.02 3.20 4.11 6.80 20.33 7.05±0.56±0.35±1.29±11.39±9.13±20.16±71.51±21.01±36.84±0.33±0.21±0.40±0.58±1.06±1.63±1.55±7.91±39.37±53.58±162.15±283.47±1 315.90±值均8.08 0.45 0.45 1.05 8.70 9.78 9.55 20.87 6.40 11.93 0.12 0.12 0.11 0.16 0.13 0.53 0.45 3.03 16.97 10.72 27.89 81.38 324.77 3.39±0.23±0.22±0.44±3.53±2.00±13.97±44.69±14.50±23.60±0.13±0.04±0.33±0.28±0.71±0.70±0.40±3.64±11.14±36.84±77.84±133.90±786.70±值小极、夏宁0.11 0.00 0.02 0.10 0.05 0.06 2.46 3.69 4.57 0.41 0.00 0.00 0.01 0.02 0.00 0.00 0.02 0.11 0.21 0.96 2.64 5.61 11.34、肃甘、北河东山5.64±1.62±0.95±12.66±24.51±27.40±55.20±218.25±40.38±51.21±0.54±0.29±0.80±0.57±1.66±1.63±3.16±11.75±58.56±66.15±153.50±221.40±1 452.70±值大极区产0.05 0.01 0.06 0.32 0.22 0.19 0.56 2.23 1.70 1.56 0.02 0.01 0.04 0.01 0.01 0.00 0.07 0.29 2.10 2.11 3.13 8.40 15.46 4.23±0.54±0.52±3.06±10.60±7.74±24.31±102.99±24.87±33.35±0.37±0.10±0.60±0.37±1.12±1.18±1.83±6.28±36.59±51.93±138.38±181.67±1 185.62±值均0.65 0.46 0.27 3.33 6.71 6.99 11.92 43.10 6.97 9.36 0.10 0.06 0.14 0.07 0.30 0.31 0.84 2.06 13.26 10.28 19.22 27.32 194.03
由表1 可知，天山北麓产区和疆外四大产区葡萄酒中矿质元素含量呈现一定的特点。K、P、Mg 为含量高的元素，大于100 mg/L。天山北麓产区的K 含量最高，可达2 060.70 mg/L，3 种元素含量占所测总元素含量的90.60%～96.15%。Ca、Na、B、Fe、Sr、Mn 含量次之，介于1～100 mg/L，6 种元素含量占所测总元素含量的3.75%～9.30%。Ti、Al、Cu、Zn、Cr、Ni、Ba、Pb、Se、Sc、V、Y、Cd、La含量较少，均小于1 mg/L，14 种元素含量占所测总元素含量的0.07%～0.14%。本研究中测得国内5 个产区赤霞珠葡萄酒中K、Mg、Ca、Na、Mn、Zn、Cu、Ni、Pb、Se元素含量水平（786.70～2 060.70、77.84～219.50、38.19～67.67、11.14～80.41、0.71～1.66、0.11～0.55、0.02～0.42 mg/L、11.43～40.38、9.37～55.20、2.00～33.20 μg/L）与王丙涛等[18]测得100 份葡萄酒中的元素含量水平相当。天山北麓产区葡萄酒矿质元素中Fe、Mn、Al、Zn、Ni、Ba、Pb、Y 平均含量比宁夏、甘肃、河北、山东产区含量低，其余矿质元素平均含量比其他4 个产区含量高，其中P、Mg、Sr、Ti、Al、Cu、Ba 具有显著（p＜0.05）或极显著差异（p＜0.01），可以作为不同产区葡萄酒的特征性元素。这7 种元素作为可识别葡萄酒产地的特征元素，与相关的研究一致[19-22]。
2.2 不同产区葡萄酒矿质元素主成分分析
主成分分析是利用降维的思想，把多指标转化为少数几个综合指标，用较少指标反映较多信息的一种分析方法[23]。对不同产地葡萄酒的矿质元素进行主成分分析，降低维度，分析得到的载荷矩阵和方差贡献率。
不同产地葡萄酒矿质元素主成分分析载荷矩阵及方差贡献率见表2。
表2 主成分载荷矩阵及方差贡献率
Table 2 Principal component load matrix and variance contribution rate
元素成分12345678 K0.65 0.4 P0.67 0.2 Mg0.68 0.5 Ca0.34 0.14 -0.31 0.21 0.04 0.35 -0.08 0.07 5 0.22 -0.05 0.26 -0.36 0.20 -0.14 0 0.17 0.09 0.22 0.10 -0.16 -0.13 5 -0.04 -0.55 -0.02 -0.12 0.59 0.12 Na-0.08 -0.17 0.33 0.24 -0.60 0.36 0.23 -0.25 B0.54 0.38 -0.17 0.37 0.14 0.12 0.23 0.36 Fe-0.16 0.21 0.39 -0.53 -0.31 0.24 -0.22 0.36 Sr0.51 0.20 0.66 -0.19 -0.16 0.12 0.22 0.01 Mn-0.26 0.31 0.47 -0.10 0.30 0.47 -0.12 -0.36 Ti0.65 0.17 0.57 -0.05 -0.09 -0.24 -0.01 -0.34 Al-0.53 0.49 -0.08 -0.30 -0.09 0.21 0.31 0.21 Cu0.46 -0.52 0.34 0.19 0.12 0.16 -0.13 0.20 Zn-0.32 0.57 0.11 0.18 0.35 -0.33 -0.04 0.04 Cr-0.06 0.44 0.29 0.49 -0.41 -0.07 -0.28 0.15
续表2 主成分载荷矩阵及方差贡献率
Continue table 2 Principal component load matrix and variance contribution rate
元素成分12345678 Ni-0.31 0.66 -0.06 0.14 -0.06 -0.44 -0.06 0.06 Ba-0.55 0.55 0.22 0.02 0.31 0.21 -0.23 -0.02 Pb-0.53 -0.06 0.39 0.36 0.12 0.04 0.41 0.07 Se-0.06 -0.24 0.32 0.01 0.54 0.34 0.04 0.36 Sc0.17 0.13 0.23 -0.54 -0.06 -0.22 -0.27 0.41 V-0.45 0.29 0.06 -0.39 -0.06 -0.08 -0.02 -0.36 Y0.02 0.74 -0.29 0.19 -0.28 0.26 0.26 0.03 Cd-0.47 -0.18 0.47 0.23 0.25 -0.23 0.32 0.06 La-0.12 -0.09 0.43 0.32 -0.37 -0.30 -0.05 0.26方差贡献率/%18.42 14.82 10.97 8.93 7.44 6.84 5.69 5.41累计方差贡献率/%18.42 33.24 44.21 53.14 60.57 67.41 73.10 78.51
表2 结果表明，前8 个主成分的累计方差贡献率达到78.51%，说明这几个主成分涵盖了23 种元素的绝大部分信息。其中，主成分1 的方差贡献率为18.42%，正向主要集中了K、P、Mg、B、Sr、Ti 元素的含量信息，负向主要集中了Al、Pb、Ba 元素的含量信息，主成分2 的方差贡献率为14.82%，正向主要集中了Ni、Y、Ba、Zn 的含量信息，负向主要集中了Cu 的含量信息，主成分3 的方差贡献率为10.97%，正向主要集中了Sr、Ti 元素的含量信息。利用前3 个主成分的标准化得分作3D 散点图，结果见图1。
图1 不同产区葡萄酒前3 个主成分标准化得分图
Fig.1 Standardized scores of the first three principal components of wine samples from different producing areas
○代表天山北麓产区葡萄酒样品；□代表宁夏、甘肃、河北、山东产区葡萄酒样品。
由图1 可知，天山北麓样品主要集中在主成分1正向、主成分2 负向、主成分3 正向，K、P、Mg、B、Sr、Ti、Cu 含量较高，Ni、Y、Ba、Zn 含量较低，宁夏、甘肃、河北、山东产区葡萄酒样品主要集中在主成分2 正向、主成分3 负向，Ni、Y、Ba、Zn 含量较高，Sr、Ti 含量较低。天山北麓葡萄酒样品与宁夏、甘肃、河北、山东葡萄酒样品大部分能分离开，少数样品分散较远，还有个别样品交叉重合。通过主成分分析（principal component analysis，PCA）不能很好地区分天山北麓与宁夏、甘肃、河北、山东产区葡萄酒样品，接下来利用聚类分析和判别分析对不同产区葡萄酒进行分类。
2.3 不同产区葡萄酒矿质元素聚类分析
聚类分析是将样品按照品质特性相似程度逐渐聚合在一起，相似度最大的优先聚合在一起，最终按照类别的综合性质将多个品种聚合[24]。本研究以葡萄酒样品中P、Mg、Sr、Ti、Al 5 种有差异性的矿质元素含量为依据，采用系统聚类分析中的Ward 法对不同产区28 个葡萄酒样品进行聚类分析，结果见图2。
图2 基于P、Mg、Sr、Ti、Al 5 种元素不同产区葡萄酒的聚类分析
Fig.2 Cluster analysis of wine samples from different producing areas based on P，Mg，Sr，Ti and Al
由图2 可知，当欧氏距离超过7 时，可以将所有样品聚为两类，新疆天山北麓产区样品TS1、TS2、TS3、TS4、TS7、TS9、TS10、TS11、TS13、TS14 聚为一类，这些样品P、Mg、Sr、Ti 含量较高，TS5、TS6、TS8、TS12 4 个样品P 含量较低，与宁夏、甘肃、山东、河北样品没有区分开，聚为一类，总体上P、Mg、Ti 含量较低。
2.4 不同产区葡萄酒矿质元素判别分析
判别分析是按照一定分类条件，建立判别函数，进行数据样本分类的统计方法[24]。本研究采用Fisher 判别函数，以23 种矿物元素作为自变量，对不同产区葡萄酒样本进行逐步判别分析，不同产地葡萄酒判别函数模型系数见表3，判别分类结果见表4。
表3 不同产区葡萄酒矿质元素判别式分类函数系数
Table 3 Discriminant function coefficients of mineral elements in wine samples from different regions
函数组成天山北麓产区（Y1）宁夏、甘肃、河北、山东产区（Y2）P（X1）0.060.02 Sr（X2）6.703.20 Al（X3）7.2832.20（常量）-16.77-14.18
表4 不同产区葡萄酒矿质元素线性判别分析
Table 4 Linear discriminant analysis of mineral elements in wine samples from different regions
项目预测组计数预测组正确率/%宁夏、甘肃、河北、山东产区初始验证天山北麓产区天山北麓产区140100.00宁夏、甘肃、河北、山东产区1 1392.86合计96.43交叉验证天山北麓产区12285.71宁夏、甘肃、河北、山东产区1 1392.86合计89.29
表3 和表4 结果显示，P、Sr、Al 3 种对产地判别显著的元素被引入到判别模型中，分别建立了天山北麓产区以及宁夏、甘肃、河北、山东产区判别函数Y1=0.06X1+6.70X2+7.28X3-16.77，Y2=0.02X1+3.20X2+32.20X3-14.18。初始验证和交叉验证的整体正确判别率分别为96.43%和89.29%，仅有1 个和3 个样品被误判在对方产区中，说明基于矿物元素的差异可有效鉴别天山北麓产区和国内4 个产区葡萄酒。
3 结论
本研究测定了新疆天山北麓产区与其他4 个产区（宁夏、甘肃、河北、山东）赤霞珠葡萄酒中的23 种矿质元素含量，结合多元统计分析方法得出，新疆天山北麓与其他产区葡萄酒的矿质元素含量呈现一定的特点，K、P、Mg 含量较高，占所测总元素含量的90.60%～96.15%；Ca、Na、B、Fe、Sr、Mn 含量次之，占所测总元素含量的3.75～9.30；Ti、Al、Cu、Zn、Cr、Ni、Ba、Pb、Se、Sc、V、Y、Cd、La 含量较少，占所测总元素含量的0.07%～0.14%。天山北麓产区葡萄酒中P、Mg、Sr、Ti、Cu 5 种元素含量显著或极显著高于宁夏、甘肃、河北、山东产区中的含量，Al、Ba 2 种元素含量显著或极显著低于其他4 个产区，这7 种元素可以作为区分天山北麓与国内4个产区葡萄酒的特征性元素。利用主成分分析的标准化得分做图能区分天山北麓与国内4 个产区大部分样品，个别样品有交叉。以P、Mg、Sr、Ti、Al 5 种矿质元素为依据的系统聚类分析，可以将新疆天山北麓产区71.43%的样品聚为一类，剩余样品与其他4 个产区葡萄酒聚为一类。以23 种矿质元素为依据的Fisher 判别分析，筛选出了P、Sr、Al 3 种对产地判别显著的元素，建立的判别函数Y1=0.06X1+6.70X2+7.28X3-16.77、Y2=0.02X1+3.20X2+32.20X3-14.18 对天山北麓和国内4 个产区葡萄酒的初始验证和交叉验证整体正确判别率分别为96.43%和89.29%，仅个别样品被误判。通过测定葡萄酒中的矿物元素含量，结合化学计量学分析手段，可实现天山北麓与宁夏、甘肃、河北、山东不同地域来源的赤霞珠葡萄酒的产地溯源。
[1] 李叶凤,王圣仪,谭丹,等.基于挥发性成分分析的葡萄酒产地及品种鉴别研究进展[J/OL].食品科学,2021:1-13.(2021-06-18).https://kns.cnki.net/kcms/detail/11.2206.TS.20210618.1639.008.html.LI Yefeng,WANG Shengyi,TAN Dan,et al.Research progress on the identification of wine origin and variety based on analysis of volatile compounds[J/OL].Food Science,2021:1-13.(2021-06-18).https://kns.cnki.net/kcms/detail/11.2206.TS.20210618.1639.008.html.
[2] PETRINI R,SANSONE L,SLEJKO F F,et al.The 87Sr/86Sr strontium isotopic systematics applied to Glera vineyards:A tracer for the geographical origin of the Prosecco[J].Food Chemistry,2015,170:138-144.
[3] CHENG J F,ZHAI Y X,TAYLOR D K.Several mineral elements discriminate the origin of wines from three districts in China[J].International Journal of Food Properties,2015,18(7):1460-1470.
[4] ORELLANA S,JOHANSEN A M,GAZIS C.Geographic classification of U.S.Washington State wines using elemental and water isotope composition[J].Food Chemistry,2019,1:100007.
[5] 吴浩,周昱,陈靖博,等.基于元素含量和稳定同位素比值的宁夏贺兰山东麓地区有机葡萄酒甄别[J].食品科学,2017,38(16):251-255.WU Hao,ZHOU Yu,CHEN Jingbo,et al.Differentiation between organic and non-organic wines from Helan Mountain east region based on elemental contents and stable isotope ratios[J].Food Science,2017,38(16):251-256.
[6] GABRIELE R,MATTEO G,LUIGI B,et al.Untargeted metabolomics to investigate the phenolic composition of Chardonnay wines from different origins[J].Journal of Food Composition and Analysis,2018,71:87-93.
[7] 李媛媛,李德美,张亚东,等.赤霞珠干红葡萄酒在不同子产区香气特征的差异[J].食品与发酵工业,2020,46(6):256-262,268.LI Yuanyuan,LI Demei,ZHANG Yadong,et al.Comparative study of aroma characteristics of Cabernet Sauvignon dry red wine in different sub-regions[J].Food and Fermentation Industries,2020,46(6):256-262,268.
[8] DOTANIYA M L,MEENA V D.Rhizosphere effect on nutrient availability in soil and its uptake by plants:A review[J].Proceedings of the National Academy of Sciences,India Section B: Biological Sciences,2015,85(1):1-12.
[9] BLOTEVOGEL S,SCHRECK E,LAPLANCHE C,et al.Soil chemistry and meteorological conditions influence the elemental profiles of West European wines[J].Food Chemistry,2019,298:125033.
[10] RICARDO-RODRIGUES S,LARANJO M,COELLO R,et al.Terroir influence on quality of'Crimson'table grapes[J].Scientia Horticulturae,2019,245:244-249.
[11] 李彩虹,开建荣,闫玥,等.基于矿质元素的我国不同产地葡萄酒的判别分析[J].食品与发酵工业,2022,48(20):265-272.LI Caihong,KAI Jianrong,YAN Yue,et al.Discriminant analysis of wines from different regions of China based on mineral elements[J].Food and Fermentation Industries,2022,48(20):265-272.
[12] 刘霞,李彩霞,焦扬.河西走廊张掖地区土壤、葡萄及葡萄酒矿质元素特征分析[J].中国酿造,2019,38(1):179-182.LIU Xia,LI Caixia,JIAO Yang.Characteristics analysis of mineral elements in soil,grapes and wine from Zhangye region of Hexi Corridor[J].China Brewing,2019,38(1):179-182.
[13] SOARES F,ANZANELLO M J,FOGLIATTO F S,et al.Element selection and concentration analysis for classifying South America wine samples according to the country of origin[J].Computers and Electronics in Agriculture,2018,150:33-40.
[14] 张锋.新疆葡萄酒产业优劣势及发展策略分析[J].中国酿造,2020,39(4):216-220.ZHANG Feng.Analysis on strengths,weaknesses and development strategies of wine industry in Xinjiang[J].China Brewing,2020,39(4):216-220.
[15] 唐庆生,巴合朱力的孜.新疆天山北麓葡萄酒产区概况及发展建议[J].科技风,2018(20):213-214.TANG Qingsheng,Bahe Zhulidizi.General situation and development suggestions of wine producing areas in the northern foot of Tianshan Mountain in Xinjiang[J].Technology Wind,2018(20):213-214.
[16] 王染霖.天山北麓酿酒葡萄产区葡萄与葡萄酒品质研究[D].石河子:石河子大学,2015:2-4.WANG Ranlin.Analysis on quality of grape berries and wine produced on north of Tianshan Mountain[D].Shihezi:Shihezi University,2015:2-4.
[17] 魏巍,卢浩成,贾倩倩,等.天山北麓产区4 个葡萄品种酿酒品质探究[J].中外葡萄与葡萄酒,2020(2):1-8.WEI Wei,LU Haocheng,JIA Qianqian,et al.Study on winemaking characteristics of four grape varieties in northern foothills of Tianshan Mountains[J].Sino-Overseas Grapevine&Wine,2020(2):1-8.
[18] 王丙涛,陈波,涂小珂,等.葡萄酒中元素分布与其原产地关系的分类模型[J].食品科学,2014,35(2):213-216.WANG Bingtao,CHEN Bo,TU Xiaoke,et al.A classification model for wines based on elements distribution and geographical origin[J].Food Science,2014,35(2):213-216.
[19] FAN S X,ZHONG Q D,GAO H B,et al.Elemental profile and oxygen isotope ratio(δ18O)for verifying the geographical origin of Chinese wines[J].Journal of Food and Drug Analysis,2018,26(3): 1033-1044.
[20] SHIMIZU H,AKAMATSU F,KAMADA A,et al.Discrimination of wine from grape cultivated in Japan,imported wine,and others by multi-elemental analysis[J].Journal of Bioscience and Bioengineering,2018,125(4):413-418.
[21] KRUZLICOVA D,FIKET Ž,KNIEWALD G.Classification of Croatian wine varieties using multivariate analysis of data obtained by high resolution ICP-MS analysis[J].Food Research International,2013,54(1):621-626.
[22] DURANTE C,BERTACCHINI L,COCCHI M,et al.Development of 87Sr/86Sr maps as targeted strategy to support wine quality[J].Food Chemistry,2018,255:139-146.
[23] 张春岭,刘慧,刘杰超,等.基于主成分分析与聚类分析的中、早熟桃品种制汁品质评价[J].食品科学,2019,40(17):141-149.ZHANG Chunling,LIU Hui,LIU Jiechao,et al.Evaluation of juice quality of mid-early ripening peach varieties based on principal component analysis and cluster analysis[J].Food Science,2019,40(17):141-149.
[24] 张欣昕,张福金,刘广华,等.基于矿质元素和稳定同位素的马铃薯产地溯源技术[J].食品科学,2020,41(18):296-302.ZHANG Xinxin,ZHANG Fujin,LIU Guanghua,et al.Tracing the geographical origin of potato based on mineral elements and stable isotopes[J].Food Science,2020,41(18):296-302.