当前位置:首页 期刊杂志

精米中重金属As、Cd和Pb残留量分布的响应面预测研究

时间:2024-07-28

鞠兴荣 丁哲慧 高瑀珑 袁 建 何 荣

(南京财经大学食品科学与工程学院;江苏省现代粮食流通与安全协同创新中心,南京 210023)

精米中重金属As、Cd和Pb残留量分布的响应面预测研究

鞠兴荣 丁哲慧 高瑀珑 袁 建 何 荣

(南京财经大学食品科学与工程学院;江苏省现代粮食流通与安全协同创新中心,南京 210023)

为了探究糙出白率和糙米重金属含量初始值与精米中重金属含量的关系,研究糙出白率与重金属去除率的关系。结果表明Pb元素在水稻中分布最不均匀,在糙出白率为83.09%时,Pb去除率最大;但当糙出白率为75.36时,大米加工精度达到1级,3种重金属中As的去除率最大为37.48%,Cd的去除率最低为20.71%,Pb去除率为41.40%。并采用精米的糙出白率和糙米中重金属As、Cd、Pb二因素五水平的中心组合设计(Central Composite Design)的响应面法(Response Surface Methodology),建立了精米中重金属As、Cd、Pb的二次多项数学模型,验证了模型的有效性,并考察了糙出白率的和糙米中初始重金属As、Cd、Pb的含量对精米中重金属元素的影响;模型验证试验表明,试验值与拟合值无显著性差异(P<0.05),说明试验结果可靠有效。

糙出白率 糙米 重金属含量 As Cd Pb

随着我国经济的发展,重金属污染日趋严重,包括含Hg(汞)、Cd(镉)、Cr(铬)、Pb(铅)及As(砷)等生物毒性显著的重金属元素及其化合物对土壤、水质和空气等的污染,其中As虽然不是金属元素,但其来源及危害都与重金属相似,因此将其归为重金属研究范畴内。监测和防治重金属的污染已成为世界各国普遍关注的问题。重金属的污染是威胁人类健康的主要问题之一,尤其是通过水稻、小麦等谷物的迁移即食物链富集。水稻在粮食作物中对Cd的富集能力较强,对大米生产、加工及质量安全构成了潜在威胁[1-3]。研究表明,我国受重金属污染的耕地约占耕地面积的1/5[4]。GB 2762—2012规定成品粮中砷、镉、铅含量以As、Cd、Pb计不得超过0.02 mg/kg[5]。2002年对全国市场稻米安全性抽检结果表明,Pb是稻米中超标最严重的重金属,超标率为28.4%;其次是Cd,超标率为10.3%;As超标率为2.8%。因此,研究减少水稻籽粒中重金属含量的方法,降低大米的重金属污染,具有重要的理论意义和实际应用价值。已有研究表明,经过不同的精工精度可以去除部分重金属[6-10],但糙出白率与大米中重金属含量的关系鲜有研究。

本研究通过采用中心组合设计法(Central Composite Design),研究精米中的重金属含量的变化情况,该方法是一种五水平的响应面试验设计法,在国际上较为常用。中心组合法能够在有限的试验次数内,对影响生物过程的关键因子及其交互作用进行评价,以获得影响过程的规律[11-13]。通过研究糙米中重金属初始含量、糙出白率对精米中重金属含量的影响,建立精米中As、Cd、Pb元素含量的的二次多项数学模型,以期通过糙米中重金属初始含量和碾米精度来预测大米中重金属的去除,为其在食品工业中的应用提供参考。

1 材料与方法

1.1 试剂

苏丹红-Ⅲ、乙醇(99.5%,优级纯)、硝酸(65%,优级纯)、H2O2(30%优级纯)、Pb、Cd、As单一元素标准溶液:国家标准物质中心、国家有色金属及电子材料分析测试中心;生物标准参考物质大米GBW10010:地质矿产部物化探研究所。

1.2 仪器设备

MARS微波消解仪:美国培安公司;7700xICP-Ms:安捷伦科技有限公司;JGMJ8098砻米机;上海嘉定粮油仪器有限公司;JNMJ6碾米机:江苏省台州市仪器厂。

1.3 试验方法

1.3.1 水稻加工方法

稻谷经砻谷得糙米和颖壳。糙米经碾米得精米和米糠。通过调节碾米时间,控制糙出白率,得不同糙出白率下的精米样品。

1.3.2 加工精度的检验

参照GB/T 5502—2008,采用染色法对不同碾米时间所得大米进行加工加工精度检验。

1.3.3 样品消解

样品经粉碎机粉碎,过100目筛,精确称取0.5 g置于消解罐内,并加入5 mL硝酸,静置1 h,加入2 mL过氧化氢。按表1试验条件进行微波消解。微波消解完毕后,将消解液冷却后取出,放置加热板加热至160 ℃赶酸,直至黄烟冒尽,转移至25 mL容量瓶内,用2.0%硝酸定容待测,同时做空白,采用国家标准样品大米GBW10010进行试验对照[12-13]。

表1 CEM MARS微波消解条件

1.3.4 重金属含量测定

样品As、Cd、Pb含量采用ICP-MS测定,ICP-MS工作参数设置参照SN/T 0448—2011的方法[14]。

1.3.5 重金属去除率计算

重金属去除率按公式计算:

式中:D为去除率/%;W为去除部位质量/g;c为去除部位质量浓度/mg/kg;W0为总质量/g;c0为总质量浓度/mg/kg。

1.4 试验设计

采用Central Composite Design模型,以糙米重金属含量的初始值、糙出白率为主要的考察因子(自变量),以X1表示糙出白率,以X12、X22、X32糙米中As、Cd、Pb的含量,并以+1、0、-1分别代表自变量的高、中、低水平,按方程xji=(Xij-X0)/X对自变量进行编码。其中,xij为自变量的编码值,Xij为自变量的真实值,X0为试验中心点处自变量的真实值,X为自变量的变化步长,因子编码及水平见表2。

表2 试验因素水平及编码

注:x1=(X1-85.58)/3.11;x12=(X12-175.30)/44.97;x22=(X22-720.72)/340.1;x32=(X32-175.00)/169.7。

精米中As、Cd、Pb含量Y1、Y2、Y3为评价指标(响应值),设不同糙出白率条件下精米中As、Cd、Pb含量的预测模型由最小二乘法拟合的二次多项方程分别为(1)、(2)、(3)。

(1)

(2)

(3)

式中:A0、B0、C0为常数项;A1、A2、B1、B2、C1、C2分别为线性系数;A12、B12、C12为交互项系数;A11、A22、B11、B22、C11、C22为二次项系数。为了求得(1)、(2)、(3)方程的各项系数,对于每个元素,至少须13组试验来对其求解。试验设计及结果见表3。利用统计软件Design Expert来进行数据分析及建立模型。

2 结果与讨论

2.1 糙出白率与重金属含量及去除率的关系

碾米精度对大米中As、Cd、Pb含量及去除率的影响,结果见表3。

表3 碾米精度对精米中As、Cd、Pb含量影响

注:同列不同小写字母表示差异显著,P<0.05。

图1 糙出白率与精米中As、Cd、Pb的去除率的关系

由表3可以看出,As、Cd、Pb的浓度随着加工精度的提高而递减。糙出白率与精米中As、Cd、Pb的去除率的关系见图1,可以看出在碾米时间达到120 s后,As、Pb去除率减缓,而Cd的去除率随时间关系基本呈线性关系。且在糙出白率为83.09时,Pb去除率的斜率最大。由此可知,3种金属中分布最不均匀的为Pb,Cd的分布最为均匀。较Cd、As而言,糙米外层富集着更多的Pb。当糙出白率为75.36时,大米加工精度达到1级,因此对于Pb、As含量较高的大米,当加工精度达到1级以后,再度增加碾米时间,其去除效率不高,但若大米中Cd含量较高时,即使加工精度达到1级,增加碾米时间仍可以去除大米中部分Cd,但3种元素中,碾米时间与Cd的去除率的斜率最小,因而可能通过碾米方法去除Cd的效果最小。

2.2 模型的建立及其显著性检验

表4列出不同糙出白率中As、Cd、Pb含量的实测值及其预测值。

利用Design Expert软件进行多元回归拟合,分别得精米中As、Cd、Pb含量对自变量糙出白率(X1)、糙米中As、Cd、Pb含量(X12)、(X22)、(X32)的二次多项回归预测模型方程为(4)、(5)、(6)。对这3个模型进行方差分析,结果分别见表5、表6、表7。

(4)

(5)

(6)

由表5方差分析(ANOVA)可以看出:F=47.03>F0.01(5,4)=15.52,P=0.000 1<0.01,表明模型方程(4)极显著,不同处理间的差异极显著;F=0.920.05,不显著;模型的校正决定系数AdjR2=0.942 0,说明该模型能解释94.2%响应值的变化,仅有总变异的5.80%不能用此模型来解释;复相关系数为0.980 5。说明该模型拟合程度良好,试验误差小,该模型是合适的,可以用此模型预测糙米中AS含量初始值和不同糙出白率下精米中As含量。

表4 试验设计及其结果

表5 As含量预测回归模型(4)的方差分析

表6 Cd含量预测回归模型(5)的方差分析

表7 Pb含量预测回归模型(6)的方差分析

由表6方差分析可以看出:F=456.61>F0.01(5,4)=15.52,P=0.000 1<0.01,表明模型方程(5)极显著,不同处理间的差异极显著;F=0.180.05,不显著;模型的校正决定系数AdjR2=0.994 8,说明该模型能解释94.48%响应值的变化,仅有总变异的5.52%不能用此模型来解释;复相关系数为0.995 2,说明该模型拟合程度良好,试验误差小,该模型是合适的,可以用此模型预测糙米中Cd含量初始值和不同糙出白率下精米中Cd含量。

由表7方差分析可以看出:F=40.02>F0.01(5,4)=15.52,P=0.000 1<0.01,表明模型方程(6)极显著,不同处理间的差异极显著;F=6.060.05,不显著;模型的校正决定系数AdjR2=0.940 5,说明该模型能解释94.05%响应值的变化,仅有总变异的5.95%不能用此模型来解释;复相关系数为0.977 4,说明该模型拟合程度良好,试验误差小,该模型是合适的,可以用此模型预测糙米中Pb含量初始值和不同糙出白率下精米中Pb含量。

由图2可以看出,随着糙出白率降低,精米中As、Cd、Pb含量随之降低,可以去除部分精米中重金属元素,这与查燕等[15]研究结果一致。其中Pb元素去除效果最明显,Cd元素去除效果最小,这主要是因为重金属在水稻中分布不均匀,主要与蛋白质相结合[16-18]。米糠层主要组分为皮层和胚,一般占糙米总质量的6%~8%,其主要成份为碳水化合物(51.00%)、脂肪(20.50%)以及蛋白质(14.50%)[19]。由于米糠中蛋白质含量较高[20],因而,随着糙出白率较低,会逐步去除米糠,从而达到去除大米中重金属元素含量的目的。Pb元素去除效果最好,因此,推测Pb除了和蛋白质结合,可能还与粗纤维结合,因而米糠中Pb含量远大于精米中Pb含量。

2.3 模型的验证

为了检验精米中重金属As、Cd、Pb含量模型的合适性和有效性,对3个元素分别进行了5组验证试验,其结果分别见表8、表9、表10。利用SPSS10.0对数据进行相关性分析,精米中As含量Y1实测值和预测值的相关系数为0.944 8;Cd含量Y2实测值和预测值的相关系数为0.995 4;Pb含量Y3实测值和预测值的相关系数为0.991 6,进一步证实As、Cd、Pb含量模型是合适有效的。

图2 糙出白率、糙米中不同重金属含量及其交互作用对精米中对应重金属含量影响的响应面图

表8 As含量预测模型的验证结果

表9 Cd含量预测模型的验证结果

表10 Pb含量预测模型的验证结果

3 结论

经检验证明模型合理可靠,利用模型可以预测不同品种大米和在不同糙出白率条件下As、Cd、Pb含量,为粮食食品生产加工提供参考。

[1]He J Y,Zhu C,Ren Y F,et al.Uptake,subcellular distribution and chemical forms of cadmium in wild-type and mutant rice[J].Pedosphere,2008,18(3):371-377

[2]金亮,李恋卿,潘根兴,等.苏北地区土壤—水稻系统重金属分布及其食物安全风险评价[J].生态与农村环境学报,2007,23(1):33-39 Jin L,Li L Q,Pan G X,et al.The soil of northern Jiangsu area-the heavy metal distribution in rice system and risk evaluation of food safety[J].Academic Journal of Ecology and Rural Environment[J],2007,23(1):33-39

[3]杨春刚,廖西元,章秀福,等.不同基因型水稻籽粒对镉积累的差异[J].中国水稻科学,2006,20(6):660-662 Yang C G,Liao X Y,Zhang X F,et al.Genotypic difference in cadmium accumulation in brown rice[J].Chinese Rice Science,2006,20(6):660-662

[4]晁雷,周启星,陈苏,等.基于小麦产品质量的土壤铅修复基准[J].生态科学,2006,25(6):554-557 Chao L,Zhou Q X,Chen S,et al.Probabilistic remediation criterions of contaminated soil for Pb derived from quality standards in wheat[J].Ecologic Science,2006,25(6):554-557

[5]GB 2762—2012食品中污染物限量[S]:4-8 GB 2762—2012 Pollutant Limit in Food[S]:4-8

[6]田阳.稻米加工技术对产品镉含量的影响[D].北京:中国农业科学院,2013:22-24 Tian Y.Effect of rice processing technology on the cadmium content of products[D].Beijing:Chinese Academy of Agricultural Sciences,2013:22-24

[7]陈丽萍,郝景波.米糠蛋白中砷元素的脱除[J].黑龙江粮食,2014:49-50 Chen L P,Hao J B.The removal of arsenic in the rice bran protein[J].Heilongjiang Grain,2014:49-50

[8]Hsien H M,Liu W K,Chang A,et al.RNA expression patterns of a type 2 metallothionein-like gene from rice[J].Plant Molecular Biology,1996,32:525-529

[9]李文莲,陈袆清.石墨炉原子吸收光谱法测定稻米各加工阶段铅含量[J].粮食与油脂,2010,(8):34-35 Li W L,Chen Y Q.Study on determination of lead in various processing stage of rice by GF-AAS[J].Journal of Cereals & Oils,2010,(8):34-35

[10]李琛,章月莹.不同加工程度对稻米中铅含量的影响稻谷加工[J].粮油仓储科技通讯,2013,(6):46-48 Li C,Zhang Y L.The Influence of different degree of processing on the contents of Pb in Rice[J].Storage Science and Technology Communication of Grain and Oil,2013,(6):46-48

[11]Huang D M,Wang B Y,et al.Hot stamping parameters optimization of boron steel using a response surface methodology based on central composite design[J].Journal of Iron And Steel Research,2015,22(6):519-521

[12]刘平辉,芮玉奎,叶长盛.南丰蜜桔中稀土元素与土壤的关系[J].光谱学与光谱分析,2007,27(12):75-77 Liu P H,Rui Y K,Ye C S.Effects of soil on the concentration of rare earth in Nanfeng orange[J].Spectroscopy and Spectral Analysis,2007,27(12):75-77

[13]芮玉奎,郭晶,黄昆仑,等.应用ICP-MS检测转Bt基因玉米中重金属含量[J].光谱学与光谱分析,2007,27(4):796-798 Rui Y K,Guo J,Huang K L.The heavy metal content of transgenic maize with Bt gene in ICP-MS detection[J].Spectroscopy and Spectral Analysis,2007,27(4):796-798

[14]SN/T 0448—2011进出口食品中砷、汞、铅、镉的检测方法电感耦合等离子质谱仪 SN/T 0448—2011 Determination of arsenic,lead,mercury,cadmium in foodstuffs—ICP-MS method

[15]杨居荣,查燕,刘虹.污染稻、麦籽实中Cd、Cu、Pb的分布及其存在形态初探[J].中国环境科学,1999,19:500-504 Yang J R,Cha Y,Liu H.The distribution and chemical forms of Cd、Cu and Pb in Polluted seeds[J].China Environmental Science,1999,19:500-504

[16]乔丽娜,魏立立,朱旭东,等.粳稻谷中镉和无机砷分布初探[J].粮油食品科技,2015,23(3):76-78 Qiao L N,Wei L L,Zhu X D,et al.Discussion on the distribution of cadmium and inorganic arsenic in japonica rice[J].Science and Technology of Cereals,Oils and Foods,2015,23(3):76-78

[17]何孟常,杨居荣,查燕,等.污染作物籽实中As的分布及其结合形态初探[J].应用生态学报,2000,1(14):625-628 He M C,Yang J R,Cha Y,et at.A primary study on distribution and binding forms of arsenic in polluted crop seeds[J].Chinese Journal of Applied Ecology,2000,1(14):625-628[18]查燕,杨居荣,刘虹,等.污染谷物中重金属的分布及加工过程的影响[J].环境科学,2000,21(3):52-55 Cha Y,Yang J R,Liu H.Effects of the processing and distribution of heavy metal pollution in the process of grain[J].Enviromental Science,2000,21(3):52-55

[19]刘永乐.稻谷及其制品加工技术[M].北京:中国轻工业出版社,2010,215-218 Liu Y L.Processing technology of rice and its products[M].Beijing Chinese Light Industry Press,2010,215-218

[20]姚人勇,刘英.不同碾减率与稻米成分的关系[J].粮油加工,2009(2):74-76 Yao R Y,Liu Y.The relationship between different milling rate and the composition of rice[J].Cereals and Oils Processing,2009(2):74-76.

Response Surface Prediction of As,Cd and Pb Residue Distribution in Milled Rice

Ju Xingrong Ding Zhehui Gao Yulong Yuan Jian He Rong

(College of Food Science and Engineering of NJUE;Collaborative Innovation Center for Modern Grain Circulation and Safety in Jiangsu Province,Nanjing 210023)

In order to explore the relationship between the heavy metal content initial value of white rice yield and brown rice with the heavy metal content in polished rice,this essay researched the relationship between white rice yield and removal rate of heavy metal.The result showed that the element Pb has the most uneven distribution in rice.The removal rate of Pb was the maximum when the white rice yield reached 83.09%.When the white rice yield was 75.36% with level 1 rice working accuracy,the removal rate of As in three heavy metals was the largest which was 37.48%,the removal rate of Cd was the least which was 20.71%,the removal rate of Pb was 41.40%.Response surface methodology(RSM)was adopted based on five levels and two factors and three second order quadratic equations for As、Cd and Pb in milled rice were built.The adequacy of the three models were verified effectively,meanwhile,the white rice yield and As,Cd,Pb concentration in brown rice showed the influence on heavy mental element in polished rice.It was proved that the results were reliable and effective since the experimental value and the fitted value with no significant differences(P<0.05).

white rice yield,brown rice,heavy metals,As,Cd,Pb

粮食公益性行业科研专项经费(201313007),粮食公益性行业科研专项经费(201413007-05);江苏省自然科学基金(BK20131435),江苏省教育厅省属高校自然科学研究(12KJB550003),国家科技支撑计划(2014BAD04B03)

2015-12-30

鞠兴荣,男,1957年出生,教授,食品营养、功能食品及农产品深加工

TS21

A

1003-0174(2017)06-0159-06

免责声明

我们致力于保护作者版权,注重分享,被刊用文章因无法核实真实出处,未能及时与作者取得联系,或有版权异议的,请联系管理员,我们会立即处理! 部分文章是来自各大过期杂志,内容仅供学习参考,不准确地方联系删除处理!