武琳霞:中国花生黄曲霉毒素污染风险预警模型研究论文

武琳霞:中国花生黄曲霉毒素污染风险预警模型研究论文

本文主要研究内容

作者武琳霞(2019)在《中国花生黄曲霉毒素污染风险预警模型研究》一文中研究指出:花生(Arachis hypogaea L.)是我国主要油料作物和优势出口农产品,是食油兼用型经济作物,其营养价值高兼具食疗功能,在中国及世界油料生产中占有重要地位。然而花生易受真菌侵染产生黄曲霉毒素,严重影响人体健康,已成为影响我国花生消费安全和世界贸易的主要制约因素。花生黄曲霉毒素污染可以发生在种植、收获、储藏、运输、销售等各个环节,其中收获前田间污染过程既是花生黄曲霉毒素污染的主要原因,也是储藏期污染的源头。花生黄曲霉毒素污染防控是一个世界性难题,由于我国花生品种繁多,土壤类型和气候类型多样,因此了解花生黄曲霉毒素污染时空消长变化趋势,解析品种抗性、土壤类型、真菌产毒力及气候条件对其影响,开展花生黄曲霉毒素污染预警模型研究,构建农产品真菌毒素污染预警系统与黄曲霉毒素污染早期甄别技术,变事后处理为事前预防,对花生黄曲霉毒素污染科学控制具有重要意义。本文基于连续十年花生主产区的黄曲霉毒素污染数据和产毒真菌分布以及收集权威机构发布的品种信息、产地土壤数据与气候数据,探明了我国花生黄曲霉毒素污染消长变化及其与影响因素的关联,建立了适于中国花生黄曲霉毒素污染状况的规则分类—平衡取样—随机森林预警模型,实现了对黄曲霉毒素污染的预测,为从源头开展花生黄曲霉毒素风险治理提供关键技术支撑。主要研究方法与研究结果如下:1.明确了我国花生AFB1的空间分布特征,绘制出中国花生AFB1的污染分布地图。主要结果如下:(1)采用地统计分析对中国花生污染的AFB1进行时空分析,获得了中国花生黄曲霉毒素的污染模式,表明中国花生AFB1呈现显著的时间和空间差异;(2)利用GS+10.0软件获得全方位的半变异函数,表明花生AFB1含量具有空间自相关,2009-2017年花生AFB1半变异模型为球状模型;(3)利用普通克里金插值获得未取样地区的待测值,生成中国花生AFB1的污染分布地图,表明我国花生AFB1污染高风险区域呈分散分布,与这些地区花生品种、土壤类型、菌种产毒力、气候条件等因素相关。2.分析了2009-2017连续九年我国花生黄曲霉毒素污染消长变化,并阐述了花生品种抗性、土壤类型、菌株产毒力及气候条件对其产生的影响。主要结果如下:(1)黄曲霉毒素污染存在年度间差异,2017、2014、2015和2013年黄曲霉毒素污染水平高于其它年份,总量污染水平分别为26.67±116.53μg/kg、17.49±72.01μg/kg、15.33±87.19μg/kg和13.95±52.65μg/kg。2009年和2010年黄曲霉毒素污染水平最低,总量污染水平分别为2.40±32.48μg/kg和4.32±35.15μg/kg。(2)黄曲霉毒素污染存在地区间差异,长江流域主产区的花生黄曲霉毒素污染水平最高,不同省份总量污染范围为5.59-37.15μg/kg。其次是南方主产区(总量污染范围为4.23-19.23μg/kg)和北方主产区(总量污染范围为1.78-9.11μg/kg)。东北主产区的污染水平最低,黄曲霉毒素总量不超过1.00μg/kg。(3)黄曲霉毒素低抗品种、砂土土质、高产毒力菌株在超标样品中占比较大,高温干旱区域与黄曲霉毒素污染严重区域重合,验证了各影响因素对花生黄曲霉毒素污染消长变化的影响,为建立收获前花生黄曲霉毒素污染大尺度宏观预警模型奠定基础。3.建立了适合中国的规则分类—平衡取样—随机森林花生黄曲霉毒素预警模型,并对模型进行了验证。主要结果如下:(1)确定了中国花生黄曲霉毒素预警模型的主要气候变量,即纬度、8-20时降水量、平均气压和日平均气温。利用各气候参数与AFB1之间的最大互信息系数值排序,初选得到8个变量:纬度、平均地表气温、日最低地表气温、8-20时降水量、平均气压、日最低气压、日平均气温和日最高气温;综合考虑初选变量间的多重共线性与全面性,本研究最终确定建模气候变量为:纬度、8-20时降水量、平均气压和日平均气温。(2)建立了模型分类规则,即高纬度区域(≥40°N)、低纬度区域(≤21°N)与低温区域(日平均气温≤16.8oC)适合制定规则。通过分析主要气候变量与总样本及AFB1污染样本分布的关系,可知高纬度区域(≥40°N)、低纬度区域(≤21°N)与低温区域(日平均气温≤16.8oC)没有超限样本分布,即为了提高模型精度可将此区域样品直接认定为未超限样品。(3)建立了平衡取样—随机森林模型,对花生AFB1是否超限预测精度达95%以上。以筛选得到的4个主要气候因子与花生品种抗性、土壤类型及真菌产毒力为模型输入参数,利用平衡取样—随机森林方法进行分类预测。结果表明当分类阈值为20μg/kg和5μg/kg时,未超限样本预测准确率分别为98.94%和96.97%,超限样本分类准确率均为100%。同其他常用分类器(决策树、支持向量机、K—近邻法、BP神经网络、径向基函数神经网络)相比较,随机森林能有效分离超限与未超限样品,具有较高的预测精度。(4)明确了模型输入参数对花生AFB1分类预测的贡献率排序。进一步分析输入参数在分类模型中的贡献率排序,结果表明当以20μg/kg和5μg/kg为阈值时,7个输入参数在随机森林分类模型中的贡献率排序依次为:纬度>日平均气温>8-20时降水量>平均气压>品种抗性>土壤类型>真菌产毒力。(5)初步验证了模型预测效果,其预测准确率为86.89%。利用建立的规则分类—平衡取样—随机森林预警模型对2018年收获的花生AFB1含量进行预测,结果表明综合规则分类样本,当分类阈值为20μg/kg和5μg/kg时,样本分类准确率均为86.89%。

Abstract

hua sheng (Arachis hypogaea L.)shi wo guo zhu yao you liao zuo wu he you shi chu kou nong chan pin ,shi shi you jian yong xing jing ji zuo wu ,ji ying yang jia zhi gao jian ju shi liao gong neng ,zai zhong guo ji shi jie you liao sheng chan zhong zhan you chong yao de wei 。ran er hua sheng yi shou zhen jun qin ran chan sheng huang qu mei du su ,yan chong ying xiang ren ti jian kang ,yi cheng wei ying xiang wo guo hua sheng xiao fei an quan he shi jie mao yi de zhu yao zhi yao yin su 。hua sheng huang qu mei du su wu ran ke yi fa sheng zai chong zhi 、shou huo 、chu cang 、yun shu 、xiao shou deng ge ge huan jie ,ji zhong shou huo qian tian jian wu ran guo cheng ji shi hua sheng huang qu mei du su wu ran de zhu yao yuan yin ,ye shi chu cang ji wu ran de yuan tou 。hua sheng huang qu mei du su wu ran fang kong shi yi ge shi jie xing nan ti ,you yu wo guo hua sheng pin chong fan duo ,tu rang lei xing he qi hou lei xing duo yang ,yin ci le jie hua sheng huang qu mei du su wu ran shi kong xiao chang bian hua qu shi ,jie xi pin chong kang xing 、tu rang lei xing 、zhen jun chan du li ji qi hou tiao jian dui ji ying xiang ,kai zhan hua sheng huang qu mei du su wu ran yu jing mo xing yan jiu ,gou jian nong chan pin zhen jun du su wu ran yu jing ji tong yu huang qu mei du su wu ran zao ji zhen bie ji shu ,bian shi hou chu li wei shi qian yu fang ,dui hua sheng huang qu mei du su wu ran ke xue kong zhi ju you chong yao yi yi 。ben wen ji yu lian xu shi nian hua sheng zhu chan ou de huang qu mei du su wu ran shu ju he chan du zhen jun fen bu yi ji shou ji quan wei ji gou fa bu de pin chong xin xi 、chan de tu rang shu ju yu qi hou shu ju ,tan ming le wo guo hua sheng huang qu mei du su wu ran xiao chang bian hua ji ji yu ying xiang yin su de guan lian ,jian li le kuo yu zhong guo hua sheng huang qu mei du su wu ran zhuang kuang de gui ze fen lei —ping heng qu yang —sui ji sen lin yu jing mo xing ,shi xian le dui huang qu mei du su wu ran de yu ce ,wei cong yuan tou kai zhan hua sheng huang qu mei du su feng xian zhi li di gong guan jian ji shu zhi cheng 。zhu yao yan jiu fang fa yu yan jiu jie guo ru xia :1.ming que le wo guo hua sheng AFB1de kong jian fen bu te zheng ,hui zhi chu zhong guo hua sheng AFB1de wu ran fen bu de tu 。zhu yao jie guo ru xia :(1)cai yong de tong ji fen xi dui zhong guo hua sheng wu ran de AFB1jin hang shi kong fen xi ,huo de le zhong guo hua sheng huang qu mei du su de wu ran mo shi ,biao ming zhong guo hua sheng AFB1cheng xian xian zhe de shi jian he kong jian cha yi ;(2)li yong GS+10.0ruan jian huo de quan fang wei de ban bian yi han shu ,biao ming hua sheng AFB1han liang ju you kong jian zi xiang guan ,2009-2017nian hua sheng AFB1ban bian yi mo xing wei qiu zhuang mo xing ;(3)li yong pu tong ke li jin cha zhi huo de wei qu yang de ou de dai ce zhi ,sheng cheng zhong guo hua sheng AFB1de wu ran fen bu de tu ,biao ming wo guo hua sheng AFB1wu ran gao feng xian ou yu cheng fen san fen bu ,yu zhe xie de ou hua sheng pin chong 、tu rang lei xing 、jun chong chan du li 、qi hou tiao jian deng yin su xiang guan 。2.fen xi le 2009-2017lian xu jiu nian wo guo hua sheng huang qu mei du su wu ran xiao chang bian hua ,bing chan shu le hua sheng pin chong kang xing 、tu rang lei xing 、jun zhu chan du li ji qi hou tiao jian dui ji chan sheng de ying xiang 。zhu yao jie guo ru xia :(1)huang qu mei du su wu ran cun zai nian du jian cha yi ,2017、2014、2015he 2013nian huang qu mei du su wu ran shui ping gao yu ji ta nian fen ,zong liang wu ran shui ping fen bie wei 26.67±116.53μg/kg、17.49±72.01μg/kg、15.33±87.19μg/kghe 13.95±52.65μg/kg。2009nian he 2010nian huang qu mei du su wu ran shui ping zui di ,zong liang wu ran shui ping fen bie wei 2.40±32.48μg/kghe 4.32±35.15μg/kg。(2)huang qu mei du su wu ran cun zai de ou jian cha yi ,chang jiang liu yu zhu chan ou de hua sheng huang qu mei du su wu ran shui ping zui gao ,bu tong sheng fen zong liang wu ran fan wei wei 5.59-37.15μg/kg。ji ci shi na fang zhu chan ou (zong liang wu ran fan wei wei 4.23-19.23μg/kg)he bei fang zhu chan ou (zong liang wu ran fan wei wei 1.78-9.11μg/kg)。dong bei zhu chan ou de wu ran shui ping zui di ,huang qu mei du su zong liang bu chao guo 1.00μg/kg。(3)huang qu mei du su di kang pin chong 、sha tu tu zhi 、gao chan du li jun zhu zai chao biao yang pin zhong zhan bi jiao da ,gao wen gan han ou yu yu huang qu mei du su wu ran yan chong ou yu chong ge ,yan zheng le ge ying xiang yin su dui hua sheng huang qu mei du su wu ran xiao chang bian hua de ying xiang ,wei jian li shou huo qian hua sheng huang qu mei du su wu ran da che du hong guan yu jing mo xing dian ding ji chu 。3.jian li le kuo ge zhong guo de gui ze fen lei —ping heng qu yang —sui ji sen lin hua sheng huang qu mei du su yu jing mo xing ,bing dui mo xing jin hang le yan zheng 。zhu yao jie guo ru xia :(1)que ding le zhong guo hua sheng huang qu mei du su yu jing mo xing de zhu yao qi hou bian liang ,ji wei du 、8-20shi jiang shui liang 、ping jun qi ya he ri ping jun qi wen 。li yong ge qi hou can shu yu AFB1zhi jian de zui da hu xin xi ji shu zhi pai xu ,chu shua de dao 8ge bian liang :wei du 、ping jun de biao qi wen 、ri zui di de biao qi wen 、8-20shi jiang shui liang 、ping jun qi ya 、ri zui di qi ya 、ri ping jun qi wen he ri zui gao qi wen ;zeng ge kao lv chu shua bian liang jian de duo chong gong xian xing yu quan mian xing ,ben yan jiu zui zhong que ding jian mo qi hou bian liang wei :wei du 、8-20shi jiang shui liang 、ping jun qi ya he ri ping jun qi wen 。(2)jian li le mo xing fen lei gui ze ,ji gao wei du ou yu (≥40°N)、di wei du ou yu (≤21°N)yu di wen ou yu (ri ping jun qi wen ≤16.8oC)kuo ge zhi ding gui ze 。tong guo fen xi zhu yao qi hou bian liang yu zong yang ben ji AFB1wu ran yang ben fen bu de guan ji ,ke zhi gao wei du ou yu (≥40°N)、di wei du ou yu (≤21°N)yu di wen ou yu (ri ping jun qi wen ≤16.8oC)mei you chao xian yang ben fen bu ,ji wei le di gao mo xing jing du ke jiang ci ou yu yang pin zhi jie ren ding wei wei chao xian yang pin 。(3)jian li le ping heng qu yang —sui ji sen lin mo xing ,dui hua sheng AFB1shi fou chao xian yu ce jing du da 95%yi shang 。yi shai shua de dao de 4ge zhu yao qi hou yin zi yu hua sheng pin chong kang xing 、tu rang lei xing ji zhen jun chan du li wei mo xing shu ru can shu ,li yong ping heng qu yang —sui ji sen lin fang fa jin hang fen lei yu ce 。jie guo biao ming dang fen lei yu zhi wei 20μg/kghe 5μg/kgshi ,wei chao xian yang ben yu ce zhun que lv fen bie wei 98.94%he 96.97%,chao xian yang ben fen lei zhun que lv jun wei 100%。tong ji ta chang yong fen lei qi (jue ce shu 、zhi chi xiang liang ji 、K—jin lin fa 、BPshen jing wang lao 、jing xiang ji han shu shen jing wang lao )xiang bi jiao ,sui ji sen lin neng you xiao fen li chao xian yu wei chao xian yang pin ,ju you jiao gao de yu ce jing du 。(4)ming que le mo xing shu ru can shu dui hua sheng AFB1fen lei yu ce de gong suo lv pai xu 。jin yi bu fen xi shu ru can shu zai fen lei mo xing zhong de gong suo lv pai xu ,jie guo biao ming dang yi 20μg/kghe 5μg/kgwei yu zhi shi ,7ge shu ru can shu zai sui ji sen lin fen lei mo xing zhong de gong suo lv pai xu yi ci wei :wei du >ri ping jun qi wen >8-20shi jiang shui liang >ping jun qi ya >pin chong kang xing >tu rang lei xing >zhen jun chan du li 。(5)chu bu yan zheng le mo xing yu ce xiao guo ,ji yu ce zhun que lv wei 86.89%。li yong jian li de gui ze fen lei —ping heng qu yang —sui ji sen lin yu jing mo xing dui 2018nian shou huo de hua sheng AFB1han liang jin hang yu ce ,jie guo biao ming zeng ge gui ze fen lei yang ben ,dang fen lei yu zhi wei 20μg/kghe 5μg/kgshi ,yang ben fen lei zhun que lv jun wei 86.89%。

论文参考文献

  • [1].抗黄曲霉毒素B1纳米抗体免疫学性能分析及其随机突变库的研究[D]. 任文洁.南昌大学2019
  • [2].基于转录组学的氧化胁迫下调控黄曲霉毒素合成的基因筛选和确证[D]. 关绚丽.中国农业科学院2018
  • [3].黄曲霉毒素B1高灵敏度检测技术研究[D]. 马良.中国农业科学院2007
  • [4].黄曲霉毒素纳米抗体研制及其免疫分析技术研究[D]. 何婷.中国农业科学院2016
  • [5].黄曲霉毒素B1的辐射降解机理及产物结构特性分析[D]. 王锋.中国农业科学院2012
  • [6].黄曲霉毒素M1单克隆抗体及检测技术研究[D]. 管笛.中国农业科学院2011
  • [7].挤压降解黄曲霉毒素B1及作用机理研究[D]. 郑海燕.西北农林科技大学2016
  • [8].黄曲霉毒素B1在不同介质中紫外降解机理及安全性评价[D]. 刘睿杰.江南大学2011
  • [9].真菌毒素类高灵敏高通量快速检测方法研究[D]. 张勋.江南大学2014
  • [10].食品及饲料中黄曲霉毒素的快速免疫检测试剂盒研究[D]. 孙清.北京科技大学2017
  • 读者推荐
  • [1].黄曲霉菌及其毒素合成关键酶抗体的研制[D]. 王婷.中国农业科学院2017
  • [2].基于转录组学的氧化胁迫下调控黄曲霉毒素合成的基因筛选和确证[D]. 关绚丽.中国农业科学院2018
  • [3].农产品真菌毒素DNA诱导组装与多色免疫快速检测方法研究[D]. 许琳.中国农业科学院2018
  • [4].植物乳杆菌C88干预黄曲霉毒素B1毒性的分子机制[D]. 黄丽.东北师范大学2019
  • [5].食用植物油外源污染物辣椒素及黄曲霉毒素免疫检测技术研究[D]. 杨青青.中国农业科学院2016
  • [6].黄曲霉毒素纳米抗体研制及其免疫分析技术研究[D]. 何婷.中国农业科学院2016
  • [7].花生抗黄曲霉菌产毒机制的研究[D]. 王后苗.中国农业科学院2016
  • [8].挤压降解黄曲霉毒素B1及作用机理研究[D]. 郑海燕.西北农林科技大学2016
  • [9].食品及饲料中黄曲霉毒素的快速免疫检测试剂盒研究[D]. 孙清.北京科技大学2017
  • [10].黄曲霉毒素B1高灵敏度检测技术研究[D]. 马良.中国农业科学院2007
  • 论文详细介绍

    论文作者分别是来自中国农业科学院的武琳霞,发表于刊物中国农业科学院2019-07-05论文,是一篇关于花生论文,黄曲霉毒素污染论文,消长变化论文,空间分析论文,预警模型论文,中国农业科学院2019-07-05论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自中国农业科学院2019-07-05论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。

    标签:;  ;  ;  ;  ;  ;  

    武琳霞:中国花生黄曲霉毒素污染风险预警模型研究论文
    下载Doc文档

    猜你喜欢