黄酒中产地识别检测方案(离子迁移谱仪)

食品工业科技 网络首发时间：2019-05-2817：02：56网络首发地址： http：//kns.cnki.net/kcms/detail/11.1759.ts.20190527.1642.016.html Science and Technology of Food Industry ISSN 1002-0306，CN 11-1759/TS 《食品工业科技》网络首发论文 题目： 基于气相离子迁移谱黄酒产地识别的研究 作者： 祁兴普，陈通，刘萍，李创，姚芳，张静，刘靖 网络首发日期： 2019-05-28 引用格式： 祁兴普，陈通，刘萍，李创，姚芳，张静，刘靖.基于气相离子迁移谱黄酒产地识别的研究[J/OL].食品工业科技. http：//kns.cnki.net/kcms/detail/11.1759.ts.20190527.1642.016.html 网络首发：在编辑部工作流程中，稿件从录用到出版要经历录用定稿、排版定稿、整期汇编定稿等阶段。录用定稿指内容已经确定，且通过同行评议、主编终审同意刊用的稿件。排版定稿指录用定稿按照期刊特定版式(包括网络呈现版式)排版后的稿件，可暂不确定出版年、卷、期和页码。整期汇编定稿指出版年、卷、期、页码均已确定的印刷或数字出版的整期汇编稿件。录用定稿网络首发稿件内容必须符合《出版管理条例》和《期刊出版管理规定》的有关规定；学术研究成果具有创新性、科学性和先进性，符合编辑部对刊文的录用要求，不存在学术不端行为及其他侵权行为；稿件内容应基本符合国家有关书刊编辑、出版的技术标准，正确使用和统一规范语言文字、符号、数字、外文字母、法定计量单位及地图标注等。为确保录用定稿网络首发的严肃性，录用定稿一经发布，不得修改改文题目、作者、机构名称和学术内容，只可基于编辑规范进行少量文字的修改。 出版确认：纸质期刊编辑部通过与《中国学术期刊(光盘版)》电子杂志社有限公司签约，在《中国学术期刊(网络版)》出版传播平台上创办与纸质期刊内容一致的网络版，以单篇或整期出版形式，在印刷出版之前刊发论文的录用定稿、排版定稿、整期汇编定稿。因为《中国学术期刊(网络版)》是国家新闻出版广电总局批准的网络连续型出版物 (ISSN2096-4188， CN 11-6037/Z)，所以签约期刊的网络版上网络首发论文视为正式出版。 基于气相离子迁移谱黄酒产地识别的研究 祁兴普1，陈通2，刘萍1，李创1，姚芳1，张静1，刘靖1* (1.江苏农牧科技职业学院食品科技学院，江苏泰州2144002.江苏大学食品与生物工程学院，江苏镇江212013) 摘要：为建立一种快速、准确的黄酒产地鉴别方法，本研究运用气相-离子迁移谱 (GasChromatography-Ion Mobility Spectrometry， GC-IMS)对不同产地的黄酒中的挥发性有机成分进行分析，构建黄酒产地信息的气味指纹图谱，并对不同产地的黄酒样品进行了判别和分类。采用二维差谱方法筛选16个有效特征峰作为表征黄酒产地差异信息的特征变量，采用主成分分析(Principal Component Analysis， PCA) 和线性判别分析(Linear Discriminate Analysis，LDA)方去建立判别模型。结果表明，选取的特征变量经 PCA 处理后前两个主成分的累积贡献率为 96.07%，不同产地的黄酒样品在主成分分析图中均有对应的归属区域，以前2个主成分得分结合 LDA 方法可以有效的区分不同产地的黄酒样品，预测集中识别率高达94.44%。研究表明， GC-IMS 技术结合化学计量学方法能够快速、准确、直观地区分不同产地的黄酒样品，为黄酒的鉴别和原产地保护提供了一种新的检测方法。 关键词 黄酒；气相色谱-离子迁移谱；；主成分分析；线性判别分析 Origin Identification of Yellow Wine Based on GasChromatography-Ion Mobility spectrometry QI Xingpu'， CHEN Tong，LIU Ping，LI Chuang，YAO Fang，ZHANG Jing， LIU Jing (1. School of Food Science and Technology， Jiangsu Agri-animal Husbandry Vocational College，Taizhou， 214400， China2. School of Food and Biological Engineering， Jiangsu University，Zhenjiang， 212013， China) Abstract In this study， gas chromatography-ion mobility spectrometry technology was used toanalyze the volatile organic components of yellow wine with different origins， construct odorfingerprint of yellow wine， and discriminate and classify different origins of yellow wine based ondifferences in odor components. A total of 16 effective characteristic peaks were selected by thetwo-dimensional difference spectrometry method as the variables to characterize the differences inorigins of yellow wine. After principle component analysis， the cumulative contribution rate of thefirst two principal components was 96.07%， yellow wine samples from different origins all havecorresponding attribution areas in the principal component map and the principal component score ( 基金项目：泰州市科技支撑计划(TN201712) ) ( 作者简介：祁兴普(1982-)，男，博士， 讲 师，研究方向：食品、农产品品质快速无损检测， E-mail： 6354752@qq.com。 ) ( *通信作者 简 介：刘靖(1967-)，女，博士，教授，研究方向：食品质量与安全方向， E-mail： 460318854@qq.com ) combined with linear discriminate analysis were used to realize discriminant analysis. The resultsshowed that linear discriminate analysis combined with principal component analysis couldeffectively distinguish yellow wine samples with different origins， and the accuracy rate ofrecognition was 94.44% in the prediction set. Gas chromatography-ion mobility spectrometrycombined with chemometrics can quickly， accurately and intuitively distinguish yellow winesamples with different origins， which provides a new reference method for identification andorigin protection of yellow wine. Key words Yellow wine； GC-IMS； PCA； LDA 黄酒是我国特有的传统酒种，其以稻谷、小麦等为主要原料，经过霉菌、酵母和细菌等多种微生物共同作用酿造而成。黄酒营养丰富，富含低聚糖、氨基酸、维生素、有机酸和矿物质等多种有益成分，深受广大消费者的喜爱。在不同的自然生态环境下，由于微生物、水质、空气、温湿度等资源条件及酿造工艺的不同，导致不同产地的黄酒在其风味品质上均有其独到之处2。而黄酒中的挥发性风味物质由多种微量组分构成，包括醇、醛、酮以及各种杂环类化合物，这些风味物质一部分在发酵过程中产生，另一部分则是在漫长的陈酿老化过程中产生。绍兴黄酒作为我国第一个地理标志保护产品，标准GB/T 17946-2008《地理标志产品绍兴酒(绍兴黄酒)》明确规定了黄酒的地理保护区域范围。由于绍兴酒品牌效益的影响，目前市场上一些酒厂受利益驱使，纷纷以低价、劣质的酒冠以“绍兴酒”之名冲击市场，严重损害了生产商和消费者的合法利益，对绍兴酒的名誉产生了不良影响。 当前，黄酒品质的评价方法除了常规的理化指标分析外，主要依靠专业人员的感官评定。然而，感官评定法容易受环境条件、评判人员的主观因素以及精神状态等因素影响而产生不同的结果，导致准确性和重复性均较差。近年来，酒类的产地分析越来越引起相关科研人员和检测机构的重视，采用气相色谱[4] (Gas Chromatography， GC)、高效液相色谱[] (HighPerformance Liquid Chromatography， HPLC)、气质联用(Gas Chromatography-Massspectrometer， GC-MS)、近红外光谱6] (Near Infrared Spectrometry， NIR) 以及原子吸收光谱等多种分析技术用于黄酒品质的检测已有相关报道。但色谱法与质谱法虽然分析精度高，但仍存在设备成本高、检测速度慢、需要样品前处理以及分析过程复杂等缺点，而光谱法分析过程中需要使用复杂的软件和算法，一般人员难以掌握。电子鼻技术也被应用于黄酒品质分析中，通过分析黄酒气味的“指纹数据”进行品质评判17-9]，具有结构简单、使用方便和分析速度快的优点，然而当前电子鼻技术仍然存气体传感器灵敏度不高、、一致性差、易受环境影响等缺点，从而限制了电子鼻技术的应用拓展。因此，任何一种分析技术都有一定的局限性，而多种检测器联用以及多种检测方法联合使用则具有单种方式不可比拟的优越性。 气相离子迁移谱(Gas Chromatography-Ion Mobility Spectrometry， GC-IMS) 是近年来出现的一种新的气相分离和检测技术，其工作示意图如图1所示，具体原理为[10-14]：复杂混合物首先经过气相色谱分离后在理想情况下以单个组分的形式进入离子迁移谱的电离反应区，在反应区内通过化学电离方式获得电荷，生成产物离子。产物离子在电场力作用下通过周期性开启的离子栅门进入漂移管内，在与逆流的中性漂移气体不断碰撞的过程中，不同的产物离子在电场中获得各自不同的迁移速率，使得产物离子得到进一步的分离(即二次分离)。气相离子迁移谱技术融合了气相色谱高效的分离性能和离子迁移谱响应速度快、高灵敏度的优势，具有无需样品预处理(无损)、简单、快速、准确的优点，特别适合于一些挥发性有机化合物的痕量检测，在食品安全检测、质量过程控制、疾病检测以及环境保护等安全领域以及得到广泛的应用。Marquez-Sillero 等[15]使用顶空进样离子迁移谱结合毛细管柱对葡萄酒和软木样品中的2，4，6-三氯苯甲醚物质进行检测，对应的检测限分别为0.012 ng/L 和0.28ng/g， 表明该方法具有较好的回收率。Garrido-Delgado 等[16]使用气液分离器直接耦合到离子迁移谱上，结合化学计量学方法实现对不同白葡萄酒的区分。骆和东等I7基于电喷雾-离子迁移谱法对保健酒饮料中3种壮阳类杨武进行了快速筛选，结果表明该方法快速简便，结果准确可靠，适用于保健酒饮料中非法添加西地那非、硫代艾地那非和伐地那非3种壮阳类违禁药物的快速筛查。葛含光等[18]基于离子迁移谱法对蒸馏酒中4种风味成分进行了分析，结果表明，与传统的分析手段相比，该方法操作简单、检测速度快、灵敏度高，在食品风味物质分析等领域具有广阔的应用前景。当前，基于 GC-IMS 技术在黄酒气味分析及应用方面鲜有相关报道，尤其是在黄酒的产地识别方面。 图1 GC与IMS 构成的二维分离系统 Fig.1 Two-dimensional separation system consisting of GC and IMS 主成分分析 (Principal component analysis，PCA) 是一种多元统计分析技术，它是一种降维或者将多个指标转化为少数几个综合指标的方法，目的在于特征提取和揭示变量间的关系，转换后的得分信息可进一步进行聚类分析、判别分析等[18]。线性判别分析(Lineardiscriminate analysis， LDA) 是对 Fisher 的线性判别方法的归纳，其试图找出两类样品之间特 征的一个线性性合，以便能够实现特征化寺区分它们191。LDA 和 PCA 紧密相关，其均在寻找最佳解释数据的变量线性组合。 本研究首次利用 GC-IMS 设备对不同产地黄酒中的的挥发性有机成分进行分析检测，筛选出能够表征不同产地信息的特征挥发性有机成分，运用主成分分析和线性判别分析方法对获得的指纹图谱进行分析处理，实现对黄酒产地的有效鉴别，旨在为黄酒的品质保真和原产地保护提供参考依据，同时为联用仪器的数据分析处理提供一种解决方法。 1.材料与方法 1.1材料与仪器 FlavourSpec 1H1-00053 型气相色谱离子迁移谱德国 G.A.S公司； CTC-PAL 自动顶空进样装置瑞士 CTC Analytics 公司； SE-30毛细管柱(规格：30m×0.25 mm×0.5 um) 德国CS-Chromatographie Service 设备供应商。 15个原产地黄酒样品 依据标准 GB/T 17946-2008《地理标志产品绍兴酒(绍兴黄酒)》采集，表征绍兴原产地信息；18个非地理标志商标证明的绍兴酒浙江省内各市区购买 表征黄酒样品的非原产地标识信息；11个山东黄酒样品山东省内自主购买增加区域识别范围；；12个湖北黄酒样品 湖北产地网上购买增加区域识别范围。 1.2 GC-IMS 检测参数 采用 GC-IMS气味分析仪对不同产地黄酒样品产生的挥发性有机物进行检测分析。具体操作为：使用移液枪准确量取1mL待测样品于20 mL 顶空样品瓶中，并使用压盖器密封顶空瓶盖，然后直接上机进行检测(无需预处理)， GC-IMS 设备的主要技术参数的设置如下表1所示。 表1仪器参数条件Table 1 Instrument parameter condition 身 条件 参数 顶空孵化温度 60℃ 孵化时间 10 min 加热方式 振荡加热 顶空进样针温度 80℃ 进样量 500 pL 清洗时间 0.5 min 色谱柱温度 40℃ GC 色谱柱类型 OV-5(非极性) IMS 内线性增至150mL/min 电离源 氚 漂移管长度 10 cm 管内线性电压 400 V/cm 漂移管温度 45℃ 漂移气流速 150 mL/min 1.3数据处理 采用 MATLAB R2009b (The Mathworks Inc.)、LAV1.0.2(G.A.S) 和 PRTools 5.0 工具包(Delft University of Technology Netherlands)对所测的数据进行可视化分析处理。 GC-IMS 特征区域选取原则： GC-IMS 三维谱中每一个特征峰代表一种挥发性有机成分，以不同样品中的特征峰的有无或者特征峰强度的显著变化为原则，使用 LAV 软件选择并以长方形标记特征峰所在区域，并以该特征峰区域的峰高(即特征区域离子强度的最大值)作为特征变量，进一步进行数据分析。 2.结果与分析 2.1 GC-IMS 三维指纹谱数据分析 GC-IMS 分析仪产生数据为三维数据，对应X、Y、Z轴的坐标分别为迁移时间、保留时间和离子强度。从不同产地的待测黄酒样品中各选取1个样品，使用伪彩色图像进行显示可视化分析，由于原始图谱对应的应阵数量较大(3077×4500)，为降低数据运算和可视化效果，在保留绝大部分信息的前提下，截取迁移时间为 7.6964~14.1582 ms 和保留时间为119.34~415.74 s内的矩阵数据作为新的矩阵(761×970)，结果如图2所示。由图2可知，相较于其它产地的黄酒样品，具有产地标识的绍兴黄酒(原产地，图2A)产生的挥发性气体成分在数量上和强度上均弱于其他样品，而非原产地绍兴黄酒产生的挥发性物质最多；从直观可视化角度观察可知，非原产地绍兴黄酒与山东、湖北黄酒样品具有相似的气味成分，具体表现在典型特征峰的出峰位置信息，即在相同的保留时间和迁移时间下均有对应的挥发性物质产生；另外，与其它产地黄酒样品相比，非原产地绍兴黄酒(图2B)出现一个典型的特征峰信息(见图2B中箭头指示)。 图2黄酒样品的 GC-IMS三维谱图 Fig.2 3D GC-IMS plot of yellow wine simple 注：绍兴黄酒(A)、非原产地绍兴黄酒(B)、山东黄酒(C)、湖北黄酒(D) 为进一步观察不同产地黄酒样品的挥发性有机物质的变化规律，按照上述特征区域选取原则[201，通过 LAV 软件选取16个特征区域作为表征不同黄酒样品产地信息之间的变化规律，对应的特征区域组合形成的排列结果如图3所示，选取的特征区域编号与图3中的标记编号一一对应。为方便观察，每个产地仅选取2个黄酒样品， GC-IMS 谱图中每一个特征峰对应一种挥发性有机物质，图中横轴方向为选取的特征峰区域编号，纵轴方向为样品编号。由图3可知，具有产地标识的黄酒样品在挥发性成分方面明显区别于其他产地样品(如图2.A中虚线矩形标记区域)，部分挥发性物质未出现在原产地黄酒样品中，如标记编号为1、2、4、12、13、16对应的物质成分；对比其他产地的黄酒样品，山东产地的黄酒样品在标记的区域均有挥发性成分存在，表明山东区域生产的黄酒气味成分较丰富；除原产地黄酒样品外，其他黄酒样品在标记的16特征区域上均有一定强度的特征峰存在；图3仅能从直观上观察不同产品样品之间的差异信息，不能实现不同产地的数字化表达，因此需要进一步使用化学计量学方法进行模式识别。 图3不同产地黄酒的挥发性有机成分对应的特征峰组合图 Fig.3 Gallery of differe yellow wine of origin identification with different characteristic peaks 注：其中1a、1b为原产地绍兴黄酒，2a、2b归属非原产地绍兴黄酒，3a、3b为山东黄酒， 4a、4b样品来源于湖北 2.2 PCA投影分析 以选取的16个特征峰的峰强(即特征峰的高度)作为特征变量，组成56×16 的矩阵进行主成分分析，将得到的主成分数按贡献率的大小从高到低进行排序，取前2个主成分的得分数进行可视化分析，结果如图4所示。图中坐标轴PC1 和PC2 后分别标注了 PCA 处理后的各个主成分对应的贡献率。由图可知，前2个主成分的累计贡献率高达96.07%，其中PC1的贡献率为82.58%， PC2 的贡献率为13.49%，表明前两个主成分能够表征原始数据的绝大 图4不同产地黄酒样品的主成分得分图 Fig. 4 Principal component scores of yellow wine from different origins 部分有效信息； GC-IMS 特征变量通过 PCA 处理后，4个产地信息的样品在图中均有其对应的归属区域，相互之间无明显重叠现象，表明不同产地的黄酒样品得到了很好的区分。 2.3模式识别 将原始数据经 PCA 处理后的前2个主成分得分进行有监督判别分析，采用 LDA算法进一步研究区分预测绍兴黄酒产地识别的可能性，建立对应的产地判别模型。分别选取不同产地黄酒样品数量的70%样品作为训练集，剩余30%样品量作为预测集，，由于待测样品数量较少，故模型训练时采用k折法 (k-Fold Cross Validation) 进行交叉验证。k 折法交叉验证是在样本数量较少的前提下，将数据集随机分为k个包，每次将其中一个包作为测试集，剩余的k-1个包作为训练集进行训练。训练集与预测集的统计结果分别如表2、表3所示。由表可知，训练集中交叉验证识别准确率为100%，而未进行交叉验证时，其识别准确率(即回判识别率，由于表格显示内容有限，该指标未列出)仍为100%，表明该模型稳健、可靠；而预测集模型识别结果中，仅有一个非原产地绍兴黄酒被误判为山东黄酒，其他产地黄酒样品识别率均为100%，预测集总体正确率可达94.4%；产生误判的原因可能是非原产地的绍兴黄酒样品来源广泛，导致其对应的归属区域较大，而LDA为线性判别分析，其不能很好的区分归属区域的边界点。由此可知，采用 LDA 算法可以较好地用于对黄酒产地的判别。 表2训练集中的识别结果 Table 2 Recognition results of training set 产地 样品数 识别结果 交叉验证识 绍兴 绍兴 (非原产地) 山东 湖北 别率/% 绍兴 10 10 0 0 0 100% 绍兴(非原产地) 12 0 12 0 0 100% 山东 8 0 0 8 0 100% 湖北 8 0 0 0 8 100% 表3预测集中的识别结果 Table 3 Recognition results of predicting set 产地 识别结果 样品数 识别率/% 绍兴 绍兴(非原产地) 山东 湖北 绍兴 5 5 0 0 0 100% 绍兴(非原产地) 6 0 5 1 0 83.33% 山东 3 0 0 3 0 100% 湖北 4 0 0 0 4 100% 3.结论 本研究采用 GC-IMS 对不同产地的黄酒样品中的挥发性气体成分进行了分析检测，依据不同产地黄酒样品的 GC-IMS 谱图差异构建了反应绍兴原产地黄酒的气味指纹图谱，并对不同产地的黄酒样品进行了鉴别和分类。运用主成分分析和线性判别方法建立了不同产地黄酒样品的判别模型。结果表明，校正集样品产地识别率为100%，而预测集样品中仅存在一个误判样品，预测集识别率可达94.4%。 建立地理标志绍兴酒的检测方法对原产地保护具有重要意义，而 GC-IMS 作为一种新的联用技术，具有气相色谱的高分离效率和离子迁移谱的高灵敏度两者相结合的优势，可应用于食品、农产品中挥发出的痕量有机成分的定量、定性分析，具有无需样品前处理、操作简单以及快速无损的优势，为黄酒的产地识别提供了一种新的检测方法。 ( 参考文献 ) ( [1]于金召，王霄，何志勇，等.不同产地黄酒中营养功能成分的比较分析[J].安徽农业科学， 2009，37(32)：15989-15991. ) ( [2]徐建芬，张凤杰.黄酒陈酿过程中香气物质、味觉特性和表面张力变化[].中国酿造， .2018，37(01)：41-44. ) ( [3]陈青柳，刘双平，唐雅凤，等.绍兴机械黄酒发酵过程中风味物质变化[J].食品科学， 2018，39(14)：221-228. ) ( [4]杨成聪，刘丹丹，葛东颖，等.基于气相色谱-质谱联用技术结合电子鼻评价浸米时间对黄酒风味品质的影响[J].食品与发酵工业，2018，44(08)：265-270. ) ( [5]Yu H ， Zhao J， Li F， et al. C h aracterization of Chinese rice wine taste attributes us i ng liquidchromatographic analysis， sensory evaluation， and an electronic tongue[J]. J Ch r omatogr B， 2015，997：129-135. ) ( [6]王维琴，汪丽，于海燕，等.基于拉曼光谱和支持寺量机的黄酒品质快速分析[].现代食 品科技，2015，31(03)：255-259. ) ( [7]鲁小利，张秋菊，蔡小庆.实用仿生电子鼻在黄酒检测中的应用[J].酿酒科技，2014，(03)： 53-55. ) ( [8]于海燕，汪丽，何兰兰，等.基于嗅觉指纹信息的黄酒酒龄和产地鉴别[J].现代食品科技， 2014，30(09)：258-264 ) ( [9]周牡艳，郑云峰，张韬，等.智能电子舌对地理标志产品绍兴黄酒的区分判别研究[].酿 酒科技，2012，(12)：23-26. ) ( [10]李丹，邱静，钱永忠，等.离子迁移谱在农产品质量安全检测中的应用[J].农产品质量 与安全，2012，(05)：41-45. ) ( [11] Hernandez-Mesa M， Escourrou A， Monteau F， et a l. Current applications a n d perspectives o f Ion M obility S pectrometry t o answer c h emical food safety issues[J]. Trac T rends i n Analytical Chemistry， 2017， 9 4：39-53. ) ( [ 1 2] Jafari M T， Saraji M， S herafatmand H ， e t a l . A Design f o r G a s Chromatography-CoronaDischarge Ion Mobility Spectrometry[]. Anal Chem， 2012，84(22)：77-84. ) ( [13] Armenta S， A lcala M， B l anco M. A r ev i ew of r ec e nt， un c onventional applications of io n mobility spectrometry (IMS)[J]. Anal Chim Acta， 2011，703(2)： 114-123. ) ( [14]葛含光，张民，崔颖，等.离子迁移谱技术及其在食品检测中的应用[J].食品安全质量 检测学报，2015， (02)：391-398. ) ( [15] Marquez-Sillero I s abel， Cardenas Soledad， Va l cárcel Miguel. Hea d space-multicapillarycolumn-ion m o bility spectrometry for the direct an a lysis of 2， 4 ，6-trichloroanisole i n w i neand cork samples[J]. Journal of Chromatography A， 2012， 1265： 1 49-154。 ) ( [16] Garrido-Delgado R.， Arce L . ， G uamán A. V. ， et al.Direct coupling of a gas-liquid separator t o an ion mo bility s p ectrometer for t h e c l assification of differen t w hite winesusing chemometrics tools[J].Talanta，2011，84(2)：471-479. ) ( [17]骆和东，张璨雯，李平，等.电喷雾-离子迁移谱法快速筛查保健酒饮料中3种壮阳类药物 [J].中 国 食品卫生杂志，2016，28(03)：339-343. ) ( [18]葛含光，温华蔚，宋旭，等.离子迁移谱法检测蒸馏酒中4种风味成分[J].食品安全质量检 测学报，2016，7(02)：834-838. ) ( [19] Abdi H ， W i lliams L J. Pr i ncipal component analysis[J]. Wiley Interdisciplinary ReviewsComputational Statistics， 2010， 2(4)： 433-459. ) ( [20] Siqueira L F S， Júnior R F A， Araujo A a D ， et al. LDA vs. QDA for F T -MIR prostate cancertissue classification[J]. Chemom Intell Lab Syst， 2017， 1 62：1 2 3-129. ) ( [21] Hollingsworth B V ， R e ichenbach S E， T ao Q， e t al. C o mparative visual i zation forcomprehensive two-dimensional gas chromatography[J]. J Chromatogr A， 2006， 110 5 (1-2)： 51. ) 摘要：为建立一种快速、准确的黄酒产地鉴别方法，本研究运用气相-离子迁移谱（GasChromatography-Ion Mobility Spectrometry, GC-IMS）对不同产地的黄酒中的挥发性有机成分进行分析，构建黄酒产地信息的气味指纹图谱，并对不同产地的黄酒样品进行了判别和分类。采用二维差谱方法筛选16 个有效特征峰作为表征黄酒产地差异信息的特征变量，采用主成分分析（Principal Component Analysis, PCA）和线性判别分析（Linear Discriminate Analysis,LDA）方法建立判别模型。结果表明，选取的特征变量经PCA 处理后前两个主成分的累积贡献率为96.07%，不同产地的黄酒样品在主成分分析图中均有对应的归属区域，以前2 个主成分得分结合LDA 方法可以有效的区分不同产地的黄酒样品，预测集中识别率高达94.44%。研究表明，GC-IMS 技术结合化学计量学方法能够快速、准确、直观地区分不同产地的黄酒样品，为黄酒的鉴别和原产地保护提供了一种新的检测方法。关键词 黄酒；气相色谱-离子迁移谱；主成分分析；线性判别分析