樱花作为闻名世界的观赏植物，种类丰富、分布广泛、花期集中、观赏价值高。本研究以山樱花为试材，开展基于电子鼻技术的不同樱花的种质鉴定分析。
基于电子鼻技术的樱花花香测定条件筛选
不同处理樱花花香的电子鼻雷达图分析
图1是基于电子鼻技术对山樱花16个处理的樱花香气组成成分响应值构建的雷达图。从图1可以看出，10个传感器对樱花香气组分的响应存在显著差异（P＜0.01），响应值‘G/G0值’分布于0.9～29之间。W1C、W5S、W1S、W1W、W2W和W3S传感器对樱花香气组分响应值较大，响应值从高到低依次为W1W、W2W、W5S、W1S、W3S、W1C，其余传感器对樱花香气组分响应值较小（G/G0值≈1）。因此，优选出W1C、W5S、W1S、W1W、W2W和W3S传感器进行数据提取与分析。
不同因素对电子鼻各传感器（W1C、W5S、W1S、W1W、W2W和W3S传感器）的影响见表1。从表3可知，不同因素对电子鼻测定樱花花香的影响差异显著，对电子鼻传感器的响应影响从大到小依次是不同花期、样量、采样时间，在不同顶空平衡时间因素下电子鼻各传感器响应极差均最小。从各因素的不同水平看，在不同顶空平衡时间因素中，水平1、4高于水平2、3；样品量中水平4的电子鼻各传感器响应值显著高于其他水平，水平1、2、3差异不显著；在不同花期因素下，除了W1S传感器之外，其余传感器在水平3时的响应值高于其他水平，且与其他水平差异极显著；采样时间中各水平差异不显著。说明电子鼻对盛开时期的樱花花朵且样品量为4g时响应较大。
图2是基于山樱花香气的电子鼻数据（W1C、W5S、W1S、W1W、W2W和W3S传感器响应值G/G0）构建的主成分分析图（PCA）。第一主成分PC1的贡献率为71.7%，第二主成分PC2的贡献率为20.8%，总贡献率达到92.5%，说明第一、第二主成分能很好地反映供试样品的整体信息。从图2可以看出，3、6、8和14号处理组合与其他处理组合的样本点没有重叠，由此可以区分出3、6、8和14号处理。结合图1可知8号处理各传感器的响应值显著高于其他处理，且与其他处理差异极显著。因此，8号处理，即A2B4C3D2处理组合（在12：00采集盛开时期的樱花花朵4g，在顶空平衡30min后进行电子鼻测定）的表现最优，为电子鼻快速测定樱花香气的最优组合。
采用PCA和LDA法对3种樱花进行分析（图3），从图3可以看出，不同种樱花的样本点没有重叠，每种樱花样本点均有特定的分布区域。PCA结果显示第一主成分PC1的贡献率为99.33%，第二主成分PC2的贡献率为0.49%，这两个主要成分解释了总方差的99.82%（图3A），不同种质区分度达到0.677～0.974。从LDA分析结果可以看出（图3B），判别式LD1和判别式LD2的贡献率分别为75.30%和23.95%，总贡献率达到99.25%，稍低于PCA的总贡献率（99.82%），但不同种质区分度为1高于PCA分析的区分度，并且从LDA分析图中发现，每种樱花样本点相比于PCA样本点更为集中。
来源：感官科学与评定，转载请注明来源。 参考文献：熊青青,范俊俊,马敬泽,等.基于电子鼻技术的樱花花香测定方法的建立[J/OL].经济林研究,2024,(03):281-288[2024-11-01]. 提醒：文章仅供参考，如有不当，欢迎留言指正和交流。且读者不应该在缺乏具体的专业建议的情况下，擅自根据文章内容采取行动，因此导致的损失，本运营方不负责。如文章涉及侵权或不愿我平台发布，请联系小编。
基于电子鼻技术的樱花花香测定条件筛选
不同处理樱花花香的电子鼻雷达图分析
图1是基于电子鼻技术对山樱花16个处理的樱花香气组成成分响应值构建的雷达图。从图1可以看出，10个传感器对樱花香气组分的响应存在显著差异（P＜0.01），响应值‘G/G0值’分布于0.9～29之间。W1C、W5S、W1S、W1W、W2W和W3S传感器对樱花香气组分响应值较大，响应值从高到低依次为W1W、W2W、W5S、W1S、W3S、W1C，其余传感器对樱花香气组分响应值较小（G/G0值≈1）。因此，优选出W1C、W5S、W1S、W1W、W2W和W3S传感器进行数据提取与分析。
图1 不同处理山樱花花香雷达图
不同因素对电子鼻响应特性的影响不同因素对电子鼻各传感器（W1C、W5S、W1S、W1W、W2W和W3S传感器）的影响见表1。从表3可知，不同因素对电子鼻测定樱花花香的影响差异显著，对电子鼻传感器的响应影响从大到小依次是不同花期、样量、采样时间，在不同顶空平衡时间因素下电子鼻各传感器响应极差均最小。从各因素的不同水平看，在不同顶空平衡时间因素中，水平1、4高于水平2、3；样品量中水平4的电子鼻各传感器响应值显著高于其他水平，水平1、2、3差异不显著；在不同花期因素下，除了W1S传感器之外，其余传感器在水平3时的响应值高于其他水平，且与其他水平差异极显著；采样时间中各水平差异不显著。说明电子鼻对盛开时期的樱花花朵且样品量为4g时响应较大。
表1 不同因素对电子鼻传感器响应特性的影响†不同处理樱花花香主成分分析
图2 不同处理的樱花花朵香气的PCA分析基于电子鼻技术的樱花种质区分
基于主成分分析和线性判别分析法的樱花种质区分采用PCA和LDA法对3种樱花进行分析（图3），从图3可以看出，不同种樱花的样本点没有重叠，每种樱花样本点均有特定的分布区域。PCA结果显示第一主成分PC1的贡献率为99.33%，第二主成分PC2的贡献率为0.49%，这两个主要成分解释了总方差的99.82%（图3A），不同种质区分度达到0.677～0.974。从LDA分析结果可以看出（图3B），判别式LD1和判别式LD2的贡献率分别为75.30%和23.95%，总贡献率达到99.25%，稍低于PCA的总贡献率（99.82%），但不同种质区分度为1高于PCA分析的区分度，并且从LDA分析图中发现，每种樱花样本点相比于PCA样本点更为集中。
图3 不同樱花电子鼻传感器响应值的PCA分析和LDA分析
载荷分析为了进一步确认电子鼻传感器对樱花花香挥发性成分响应值的贡献大小，利用载荷分析(Loadings)分析传感器在当前条件下的相对重要性。从图4可以看出，第一主成分PC1的贡献率为82.4%，第二主成分PC2的贡献率为11.0%，总贡献率为93.4%。传感器W1W、W2W、W5S、W1S、W2S和W3S对第一主成分起正向贡献作用，W6S对第二主成分起主要正向贡献作用。W1C、W3C、W5C传感器在第一主成分和第二主成分上均起负向贡献作用。W1S和W3S主要是对烷烃类的物质有较强的敏感度，W5S、W1W和W2W主要是对氮氧化合物及硫化物有主要的贡献力度。这表明烷烃类、氮氧化合物及硫化物类可能是区分樱花种与品种香型的主要成分。
图4 不同樱花电子鼻传感器响应值的Loading分析
基于电子鼻技术对不同樱花挥发性成分进行检测，大多数传感器对高浓度的挥发性成分的反应值有明显的线性对应关系。通过PCA分析和LDA分析发现基于最佳测定参数利用电子鼻技术进行樱花种质区分是可行的，3种樱花区分均显著。通过Loadings分析发现，传感器W1W、W2W、W5S、W1S、W2S和W3S对第一主成分起正向贡献作用，W6S对第二主成分起主要正向贡献作用，表明烷烃类、氮氧化合物及硫化物类可能是区分樱花种质香型的主要成分。
