检索
E-mail
RSS
高级检索 图表检索

当期目录 我要投稿 过刊浏览
高级检索 图表检索

作物杂志,2023, 第3期: 66–74 doi: 10.16035/j.issn.1001-7283.2023.03.009

• 遗传育种·种质资源·生物技术 • 上一篇    下一篇

基于矿质元素指纹的荞麦产地溯源研究

张玉芬1(), 齐景凯1(), 王桂玲2, 赵宝平3, 周磊4   

  1. 1内蒙古民族大学生命科学学院，028043，内蒙古通辽
    2扎兰屯市绿色产业发展中心，162650，内蒙古扎兰屯
    3内蒙古农业大学农学院，010019，内蒙古呼和浩特
    4内蒙古民族大学农学院，028043，内蒙古通辽
  • 收稿日期:2021-08-31 修回日期:2022-01-15 出版日期:2023-06-15 发布日期:2023-06-16
  • 通讯作者: 齐景凯，主要研究方向为荞麦深加工，E-mail：qjkzhyf@126.com
  • 作者简介:张玉芬，研究方向为食品检验与分析，E-mail：zhyf103078@aliyun.com
  • 基金资助:
    现代农业产业技术体系专项基金(CARS-07);内蒙古自治区高等学校科学研究项目(NJZY16181);内蒙古自治区重大专项(2021SZD0017);内蒙古自治区科技计划(2022YFD0043);内蒙古民族大学博士启动基金(BS486)

Study on Geographical Origin of Buckwheat Based on Mineral Element Fingerprint

Zhang Yufen1(), Qi Jingkai1(), Wang Guiling2, Zhao Baoping3, Zhou Lei4   

  1. 1Life Science College of Inner Mongolia Minzu University, Tongliao 028043, Inner Mongolia, China
    2Zhalantun Green Industry Development Center, Zhalantun 162650, Inner Mongolia, China
    3Agriculture College of Inner Mongolia Agricultural University, Hohhot 010019, Inner Mongolia, China
    4Agriculture College of Inner Mongolia Minzu University, Tongliao 028043, Inner Mongolia, China
  • Received:2021-08-31 Revised:2022-01-15 Online:2023-06-15 Published:2023-06-16

RichHTML

1

PDF (PC)

76

摘要：

采用微波消解―电感耦合等离子体质谱法（ICP-MS）测定了8个产区荞麦中钠、镁、钾、钙、钒、铬、锰、铁、钴、镍、铜、锌、硒、锶、铷、铯、钡、砷、镉和铅20种元素的含量，并采用相关性分析、显著性分析和主成分分析筛选出影响荞麦产地的主要矿质元素。用聚类分析和判别分析对不同产地荞麦进行分类。结果表明，除钒和铯之外，其余元素在不同产地均存在显著性差异；不同产地荞麦均有其特有的矿质元素指纹信息；逐步判别分析筛选出铷、锶、钴、钡和铬5种元素，经交叉验证检验和回代检验验证荞麦产地的正确判别率分别是93.3%和98.3%。因此，矿质元素指纹结合化学计量学方法能够实现不同产地荞麦的鉴别，为研究荞麦产地溯源提供了技术支撑。

关键词: 荞麦, 矿质元素指纹, 电感耦合等离子体质谱仪, 化学计量学, 产地鉴别

Abstract:

The contents of 20 elements including Na, Mg, K, Ca, V, Cr, Mn, Fe, Co, Ni, Cu, Zn, Se, Sr, Rb, Cs, Ba, As, Cd and Pb in buckwheats produced from eight regions were determined by microwave digestion inductively coupled plasma mass spectrometry (ICP-MS). The main mineral elements affecting buckwheat producing areas were selected by correlation analysis, significance analysis and principal component analysis. Buckwheat from different producing areas were classified by cluster analysis and discriminant analysis. The results showed that there were significant differences of different producing areas from other elements, except V and Cs, buckwheat from different producing areas had its unique mineral element fingerprint information. The five elements, Rb, Sr, Co, Ba and Cr, were screened out by stepwise discriminant analysis, the overall discriminant rates of buckwheat producing areas were 93.3% and 98.3%, respectively, by cross validation test and original test. Therefore, mineral element fingerprint combined with chemometrics could identify buckwheat from different producing areas, which provided technical support for the study of geographical origin of buckwheat.

Key words: Buckwheat, Mineral element fingerprint, ICP-MS, Chemometrics, Origin identification

表1

20种元素的回归方程、相关系数、平均回收率、相对标准偏差、定量限和检测限

元素
Element		 方程
Regression equation		 相关系数
r		 平均回收率
Average recovery rate (%)		 相对标准偏差
RSD (%)		 检出限
LOD (ng/L)		 定量限
LOQ (ng/L)
Na y=2.3434×10-2x+1.7451×10-3 0.9998 104.03 3.58 0.02 0.06
Mg y=1.4054×10-2x+6.1057×10-3 0.9994 99.36 2.25 0.23 0.69
K y=9.4088×10-3x+1.3102×10-3 0.9999 103.44 3.51 0.27 0.81
Ca y=2.7369×10-2x+2.7185×10-3 0.9995 103.15 2.38 0.27 0.81
V y=26595x-2315 0.9999 97.66 1.03 0.12 0.36
Cr y=21732x+16741 0.9999 96.43 1.29 0.14 0.42
Mn y=29948x+24815 0.9999 100.32 1.35 0.17 0.52
Fe y=638.2x+30613 0.9991 100.22 1.26 0.49 1.47
Co y=1167.32x+53559.43 0.9997 98.64 1.81 0.04 0.12
Ni y=5929x+3726 0.9998 97.85 0.81 0.43 1.30
Cu y=12482x+14115 0.9999 99.94 0.65 0.06 0.18
Zn y=3735x+16733 0.9995 102.67 1.39 0.63 1.89
As y=3657x+5919 0.9998 97.25 0.54 0.48 1.45
Se y=409x-154 0.9998 99.11 0.83 1.25 3.75
Rb y=29523x+4150 0.9999 99.84 1.24 1.01 3.03
Sr y=38416x+15168 0.9995 95.37 3.14 0.03 0.09
Cd y=3297x+1346 0.9999 99.84 1.43 0.08 0.24
Cs y=33083x+1099 0.9999 98.22 1.36 0.11 0.33
Ba y=27186x+42380 0.9996 96.43 1.67 0.06 0.18
Pb y=10495x+1280 0.9998 101.28 1.62 0.07 0.21

表2

荞麦中矿质元素含量

元素
Element		 含量
Content (mg/kg)		 最小值
Minimum		 最大值
Maximum		 偏度
Skewness		 峰度
Kurtosis		 P 变异系数
CV (%)
Na 80.11(68.66, 105.54) 27.45 179.29 0.61 -0.70 0.04 44.37
Mg 2344.10±227.74 1800.93 2672.05 -0.47 -0.11 0.44 9.72
K 4456.92±972.21 2368.55 6807.71 0.11 0.60 0.96 21.81
Ca 103.54±48.85 33.52 212.50 0.28 -0.79 0.27 47.18
Fe 28.38±7.46 18.37 47.07 0.61 -0.12 0.15 26.29
Mn 31.95±8.23 18.86 48.07 0.42 -0.39 0.36 25.76
Cu 8.07(13.49, 28.28) 6.23 60.55 2.87 8.52 0.00 58.39
Zn 16.97±5.18 8.07 29.01 -0.49 -0.35 0.90 30.52
Se 0.04(0.04, 0.09) 0.00 0.19 1.64 1.46 0.00 72.64
Ni 5.29±1.09 3.69 8.06 0.85 0.36 0.11 20.60
Cr 0.84(0.66, 1.10) 0.17 2.20 1.11 0.91 0.03 53.01
Co 0.56(0.39, 0.73) 0.09 1.87 1.70 3.35 0.00 102.27
V 0.11(0.04, 0.18) 0.01 0.82 3.44 13.83 0.00 105.59
Rb 20.76±10.45 4.70 41.22 0.43 -0.88 0.25 50.34
Sr 3.87±1.99 1.05 9.75 0.85 1.29 0.20 51.42
Cs 0.14(0.05, 0.23) 0.01 1.06 3.87 16.99 0.00 78.09
Ba 2.93(2.87, 14.29) 0.58 14.29 1.31 0.76 0.00 69.89
Pb 0.08(0.12, 0.53) 0.02 1.99 1.98 3.56 0.00 176.52
Cd 0.09(0.09, 0.35) 0.00 1.29 2.05 3.79 0.00 118.14
As 0.27(0.24, 0.61) 0.00 1.70 1.51 1.51 0.00 108.24

表3

荞麦不同元素的相关性分析

元素
Element		 Na Mg K Ca Fe Mn Cu Zn Se Ni Cr Co V Rb Sr Cs Ba Pb Cd As
Na 1
Mg 0.31 1
K 0.60** 0.48* 1
Ca 0.09 0.34 -0.03 1
Fe -0.11 0.03 0.17 -0.03 1
Mn 0.05 -0.03 0.13 -0.14 0.67** 1
Cu -0.21 0.14 -0.23 0.20 0.11 0.14 1
Zn 0.51** 0.27 0.15 0.19 0.12 0.24 -0.08 1
Se 0.58** -0.13 0.10 -0.20 -0.11 0.04 -0.11 0.39* 1
Ni 0.42* 0.18 0.29 0.17 -0.18 -0.33 -0.30 0.21 0.28 1
Cr 0.07 0.14 -0.04 0.17 -0.42* -0.20 -0.23 0.11 -0.11 0.34 1
Co -0.15 -0.10 0.10 0.13 0.47* 0.43* -0.06 0.18 -0.05 -0.27 -0.32 1
V -0.16 0.22 -0.04 0.19 -0.40* -0.30 -0.02 -0.12 -0.31 -0.02 0.42* -0.27 1
Rb 0.65** 0.21 0.26 0.05 -0.47* -0.39* -0.25 0.22 0.54** 0.60** 0.16 -0.26 0.05 1
Sr 0.10 0.22 -0.06 0.06 -0.30 -0.11 -0.06 0.13 -0.04 -0.06 0.43* -0.19 0.55** 0.20 1
Cs 0.13 -0.04 0.32 -0.17 -0.13 -0.29 -0.22 0.00 0.11 0.58** -0.08 -0.04 0.01 0.35 -0.23 1
Ba -0.15 0.24 0.21 -0.01 -0.15 -0.30 0.02 -0.13 -0.25 -0.01 0.10 -0.25 0.49** -0.03 0.41* 0.19 1
Pb -0.26 0.03 0.00 0.31 0.49** 0.19 -0.09 0.21 -0.21 0.02 0.01 0.76** -0.14 -0.32 -0.15 0.05 -0.17 1
Cd 0.01 0.47* 0.11 0.31 0.20 0.16 0.40* 0.33 -0.29 -0.38* -0.21 0.17 0.23 -0.35 0.26 -0.22 0.22 0.22 1
As -0.05 0.27 -0.13 0.25 0.23 0.32 0.39* 0.51** -0.02 -0.37 -0.08 0.43* 0.18 -0.29 0.27 -0.27 -0.07 0.47* 0.76** 1

表4

不同产地荞麦中矿质元素含量差异分析

元素
Element		 吉林
Jilin		 内蒙古东部
Eastern
Inner Mongolia		 内蒙古西部
Western
Inner Mongolia		 陕西
Shaanxi		 甘肃
Gansu		 四川
Sichuan		 贵州
Guizhou		 云南
Yunnan
Na 32.08±6.29f 169.48±10.43a 76.28±3.26d 61.82±22.91de 51.02±7.02ef 39.03±11.51ef 108.04±11.99c 145.23±22.20b
Mg 2054.64±219.72c 2274.96±24.09bc 2702.97±59.96a 2346.78±83.67b 2295.52±166.07b 2272.45±90.12bc 2419.67±101.76b 2307.16±59.44b
K 3686.75±1147.08cd 5233.55±133.97b 3433.51±77.75d 4634.96±203.06bc 4383.46±820.83bcd 4169.54±520.79bcd 5159.61±649.51b 6401.06±353.27a
Ca 64.98±7.27d 56.20±5.36d 76.73±15.39cd 95.40±8.66c 178.09±31.23a 135.60±4.74b 145.89±21.93b 144.73±10.61b
Fe 32.96±5.39b 26.93±1.91bc 22.08±2.57c 21.34±3.46c 26.01±5.34bc 29.90±0.33bc 43.67±4.52a 27.64±9.42bc
Mn 28.79±2.57c 27.55±2.82c 25.97±5.58cd 20.05±1.52d 47.65±5.58a 35.93±6.64b 35.92±4.03b 34.67±2.51b
Cu 14.31±11.87cd 6.76±0.47d 40.16±1.59b 7.14±0.34d 23.51±11.46c 15.11±2.25cd 53.45±7.81a 7.32±0.37d
Zn 17.32±3.35b 21.24±1.84b 16.41±4.19bc 18.10±3.05b 13.96±6.19c 18.49±3.79b 28.07±1.01a 18.13±3.51b
Se 0.06±0.02bc 0.17±0.02a 0.04±0.02bc 0.04±0.03bc 0.03±0.01c 0.04±0.01bc 0.03±0.02c 0.10±0.08b
Ni 4.61±0.69b 5.19±1.60b 4.98±0.86b 5.23±0.48b 11.01±1.07a 5.66±1.80b 4.64±0.41b 5.47±0.85b
Cr 0.51±0.05bc 0.58±0.29bc 0.84±0.11bc 1.11±0.16b 1.08±0.79b 2.13±0.04a 0.21±0.04c 0.94±0.38bc
Co 1.61±0.33a 0.33±0.05cd 0.42±0.32bcd 0.29±0.03d 0.50±0.25bcd 0.79±0.37b 0.71±0.18bc 0.51±0.11bcd
V 0.06±0.04a 0.03±0.03a 0.09±0.12a 0.31±0.44a 0.13±0.16a 0.13±0.18a 0.08±0.09a 0.08±0.09a
Rb 26.96±5.24bc
 37.07±5.25a 25.06±8.12bc 23.60±5.23bc 15.27±5.93cd 11.28±2.21d 15.07±3.25cd 13.75±4.59d
Sr 3.25±0.62bc 3.25±0.81bc 4.07±1.84b 7.62±1.82a 1.28±0.29c 3.50±2.35bc 4.82±0.43b 3.14±0.67bc
Cs 0.05±0.03a 0.23±0.04a 0.12±0.08a 0.14±0.04a 0.33±0.51a 0.04±0.01a 0.05±0.02a 0.17±0.13a
Ba 2.19±1.35d 2.39±0.86d 2.84±1.14d 13.31±1.28a 7.03±3.37b 1.21±0.23d 5.61±0.92c 2.87±0.28d
Pb 0.05±0.03b 0.04±0.04b 0.12±0.16b 0.08±0.02b 0.37±0.48b 1.41±0.82a 1.05±0.26a 0.12±0.08b
Cd 0.15±0.18b 0.07±0.02b 0.15±0.19b 0.45±0.45b 0.05±0.06b 0.12±0.01b 0.92±0.34a 0.06±0.04b
As 0.03±0.04c 0.26±0.04b 0.31±0.20b 0.52±0.77ab 0.43±0.7ab 0.62±0.18ab 1.18±0.46a 0.16±0.07c

表5

荞麦中矿质元素含量的主成分分析

变量
Variable		 主成分Principal component
PC1 PC2 PC3 PC4 PC5 PC6
Na -0.18 0.85 0.30 0.17 0.15 -0.14
Mg 0.19 0.02 0.39 0.01 -0.43 -0.59
K -0.09 0.49 0.29 0.56 0.36 0.10
Ca 0.16 -0.44 0.18 0.74 0.29 -0.11
Fe 0.63 0.33 -0.30 0.45 -0.15 0.26
Mn 0.33 0.23 -0.42 0.10 0.62 0.09
Cu 0.59 -0.16 0.15 0.19 -0.60 -0.19
Zn 0.67 0.63 0.08 0.02 -0.02 -0.06
Se -0.45 0.75 -0.01 0.06 -0.01 -0.08
Ni -0.45 -0.49 0.16 0.59 -0.03 0.01
Cr 0.08 -0.39 -0.09 -0.29 0.58 -0.52
Co 0.26 -0.02 -0.66 -0.09 -0.15 0.52
Rb -0.59 0.57 0.38 -0.13 -0.06 -0.08
Sr 0.28 0.14 0.58 -0.55 0.16 0.28
Ba -0.05 -0.37 0.71 0.10 -0.04 0.34
Pb 0.76 -0.07 -0.05 0.26 0.21 -0.28
Cd 0.73 0.09 0.46 0.04 -0.16 0.27
As 0.81 0.11 0.31 -0.04 0.19 -0.08
特征值Eigenvalue 5.25 3.16 2.43 2.01 1.54 1.14
方差贡献率Variance contribution rate (%) 26.27 15.80 12.14 10.05 7.72 5.70
累积方差贡献率Cumulative variance contribution rate (%) 26.27 42.06 54.20 64.25 71.98 77.67

图1

不同产地荞麦矿质元素含量的主成分分析

图2

不同产地荞麦的Fisher判别函数图

表6

不同产地荞麦逐步判别分析验证结果

检验类型
Test type		 产地
Producing area		 预测组Prediction group 总数
Total
内蒙古东部
Eastern Inner
Mongolia		 吉林
Jilin		 内蒙古西部
Western
Inner Mongolia		 甘肃
Gansu		 陕西
Shaanxi		 四川
Sichuan		 云南
Yunnan		 贵州
Guizhou
回代检验
Original test		 内蒙古东部 10 0 0 0 0 0 0 0 10
吉林 0 8 0 0 0 0 0 0 8
内蒙古西部 0 0 10 0 0 0 0 0 10
甘肃 0 0 0 8 0 0 0 0 8
陕西 0 0 0 1 7 0 0 0 8
四川 0 0 0 0 0 5 0 0 5
云南 0 0 0 0 0 0 5 0 5
贵州 0 0 0 0 0 0 0 6 6
正确判别率 (%) 100.0 100.0 100.0 100.0 87.5 100.0 100.0 100.0 98.3
交叉验证
Cross validation		 内蒙古东部 10 0 0 0 0 0 0 0 10
吉林 0 8 0 0 0 0 0 0 8
内蒙古西部 0 0 10 0 0 0 0 0 10
甘肃 0 0 0 7 1 0 0 0 8
陕西 0 0 0 0 8 0 0 0 8
四川 0 0 0 0 0 4 1 0 5
云南 0 0 0 0 0 1 3 1 5
贵州 0 0 0 0 0 0 0 6 6
正确判别率 (%) 100.0 100.0 100.0 87.5 100.0 80.0 60.0 100.0 93.3

图3

不同产地荞麦矿质元素含量的系统聚类分析

[1] 任长忠, 赵钢. 中国荞麦学. 北京: 中国农业出版社, 2015.
[2] 任长忠, 崔林, 何峰, 等. 我国燕麦荞麦产业技术体系建设和发展. 吉林农业大学学报, 2018, 40(4):524-532.
[3] 张剑, 王前菲, 武垒垒, 等. 荞麦化学成分的研究进展. 西部中医药, 2020, 33(9):133-144.
[4] 黄凯丰, 李振宙, 王炎, 等. 我国荞麦高产栽培生理研究进展. 贵州师范大学学报(自然科学版), 2019, 37(1):119-124.
[5] 冯利芳, 郭军. 内蒙古荞麦和燕麦矿物质测定与分析. 食品研究与开发, 2020, 41(4):176-183.
[6] 章洁琼, 邹军, 卢扬, 等. 不同荞麦品种主要功能成分分析及评价. 种子, 2020(2):107-112.
[7] 王丽, 魏茂琼, 邵金良, 等. 荞麦类黄酮成分的含量测定与分析研究. 食品安全质量检测学报, 2018, 9(20):121-126.
[8] Hidalgo M J, Fechner D C, Marchevsky E J, et al. Determining the geographical origin of Sechium edule fruits by multielement analysis and advanced chemometric techniques. Food Chemistry, 2016, 210:228-234.
doi: 10.1016/j.foodchem.2016.04.120 pmid: 27211642
[9] 郑雷, 郭玉海. 不同种质肉苁蓉矿质元素分析. 光谱学与光谱分析, 2019, 39(12):3921-3924.
[10] 林立, 聂鲜钰, 陆春云, 等. 基于多糖和白及胶及矿质元素分析的白及种质资源特征研究. 中药材, 2019, 42(5):1000-1006.
[11] Zhang Q, Xu J G. Determining the geographical origin of common buckwheat from China by multivariate analysis based on mineral elements, amino acids and vitamins. Scientific Reports, 2017, 7(14):1-7.
doi: 10.1038/s41598-016-0028-x
[12] Zhang S S, Wei Y M, Wei S, et al. Authentication of Zhongning wolfberry with geographical indication by mineral profile. International Journal of Food Science and Technology, 2016, 52(2):457-463.
doi: 10.1111/ijfs.2017.52.issue-2
[13] He Y Y, Sun Q Q, Zhang X W, et al. Authentication of the geographical origin of Maca (Lepidium meyenii Walp.) at different regional scales using the stable isotope ratio and mineral elemental fingerprints. Food Chemistry, 2020, 311:1-8.
[14] Zhang J, Yang R D, Li Y C, et al. The role of soil mineral multi- elements in improving the geographical origin discrimination of tea (Camellia sinensis). Biological Trace Element Research, 2021, 199:4330-4341.
doi: 10.1007/s12011-020-02527-8 pmid: 33409909
[15] 中华人民共和国国家卫生和计划生育委员会. 食品安全国家标准:食品中钾、钠的测定:GB 5009. 91-2017. 北京: 中国标准出版社, 2017.
[16] 中华人民共和国国家卫生和计划生育委员会. 食品安全国家标准:食品中钙的测定:GB 5009. 92-2016. 北京: 中国标准出版社, 2016.
[17] 中华人民共和国国家卫生和计划生育委员会. 食品安全国家标准:食品中镁的测定:GB 5009. 241-2017 北京: 中国标准出版社, 2017.
[18] 中华人民共和国国家卫生和计划生育委员会. 食品安全国家标准:食品中多元素的测定:GB 5009. 268-2016. 北京: 中国标准出版社, 2016.
[19] 中华人民共和国国家卫生和计划生育委员会. 食品安全国家标准:食品中污染物限量GB 2762-2017. 北京: 中国标准出版社, 2017.
[20] 曹刚红. 葡萄酒的分离分析和产地识别研究. 深圳:深圳大学, 2019.
[21] 王晓慧. 线性判别分析与主成分分析及其相关研究评述. 中山大学研究生学刊(自然科学医学版), 2007(4):50-61.
[22] Hung A T, Leury B J, Sabin M A, et al. Nano chromium picolinate improves gene expression associated with insulin signaling in porcine skeletal muscle and adipose tissue. Animals, 2020, 10(9):1-14.
doi: 10.3390/ani10010001
[23] 崔胜先, 陈越. 微量元素钒在动物体内的生物学作用. 饲料与畜牧, 2000(6):13-17.
[24] 顾志荣. 当归多指标质量评价方法及其与土壤、海拔、经纬度和矿质元素的相关性研究. 兰州:甘肃中医药大学, 2015.
[25] 潘美娜. 不同光质对蓝莓幼苗矿质元素和光合作用的影响. 北京: 北京林业大学, 2018.
[26] Qian L L, Zhang C D, Zuo F, et al. Effects of fertilizers and pesticides on the mineral elements used for the geographical origin traceability of rice. Journal of Food Composition and Analysis, 2019, 83:103276-103283.
doi: 10.1016/j.jfca.2019.103276
[27] Zhao H Y, Tang J, Yang Q L. Effects of geographical origin, variety, harvest season, and their interactions on multi elements in cereal, tuber, and legume crops for authenticity. Journal of Food Composition and Analysis, 2021, 100:103900-103910.
doi: 10.1016/j.jfca.2021.103900
[28] Wang F, Zhao H Y, Yu C D, et al. Determination of the geographical origin of maize (Zea mays L.) using mineral element fingerprints. Journal of the Science of Food and Agriculture, 2019, 100(3):1294-1300.
doi: 10.1002/jsfa.v100.3
[1] 曹丽霞, 周海涛, 张新军, 石碧红, 张丽霞, 李云霞, 刘君馨, 白静, 赵世锋. 播种量对冀北地区2个荞麦品种产量的影响[J]. 作物杂志, 2021, (5): 140–145
[2] 杨崇庆, 常克勤, 穆兰海, 杜燕萍, 张久盘, 李耀栋, 张晓娟. 荞麦品种改良与产业发展现状及趋势分析[J]. 作物杂志, 2021, (2): 28–34
[3] 曹昌林, 吕慧卿, 郝志萍, 高翔, 周忠宇. 叶面喷施锌、硼肥对晋荞麦（苦）5号产量和品质的影响[J]. 作物杂志, 2020, (4): 135–142
[4] 郭琪琳,吴海云,李欢,刘庆. 不同类型甘薯茎和叶中碳、氮、磷化学计量学特征研究[J]. 作物杂志, 2020, (2): 41–47
[5] 张凯旋,丁梦琦,李发良,唐宇,杨克理,杨富裕,张汉民,袁仁贵,胡永平,周美亮. 药饲两用金荞麦中金1号的选育与效益分析[J]. 作物杂志, 2020, (1): 29–34
[6] 曹丽霞,赵世锋,周海涛,张新军,石碧红,刘君馨,李云霞,李天亮. 冀北坝上地区荞麦品种的适宜播期分析[J]. 作物杂志, 2019, (6): 145–149
[7] 魏益民. 东灰山遗址荞麦子粒的发现及年代分析[J]. 作物杂志, 2019, (1): 85–89
[8] 王宏信,袁祎,杨素丹,刘红梅. 水培对金荞麦生理生化特性及根系形态指标的影响[J]. 作物杂志, 2017, (1): 83–87
[9] 万燕, 韦爽, 贾晓凤, 等. 荞麦抗旱性研究进展[J]. 作物杂志, 2015, (2): 23–26
[10] 刘迎春, 乌朝鲁门, 李永娟, 等. 荞麦氮、磷、钾肥的效应研究[J]. 作物杂志, 2014, (6): 95–98
[11] 胡丽雪, 刘学仪, 向达兵, 等. 叶面喷施硼对苦荞麦生长、产量及黄酮类物质的影响[J]. 作物杂志, 2014, (1): 105–108
[12] 姜涛, 孔令聪, 王光宇. 植物生长调节剂对苦荞麦产量及农艺性状的影响[J]. 作物杂志, 2013, (6): 114–117
[13] 田晓庆, 徐宏亚, 汪灿, 等. 用SSR标记分析荞麦栽培种资源的遗传多样性[J]. 作物杂志, 2013, (5): 28–33
[14] 向达兵, 彭镰心, 赵钢, 邹亮, 赵江林, 万静, 陈艳,. 荞麦栽培研究进展[J]. 作物杂志, 2013, (3): 1–6
[15] 杨洪兵,. 渗透胁迫和盐胁迫对荞麦硝酸还原酶及亚硝酸还原酶活性的影响[J]. 作物杂志, 2013, (3): 53–55
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!