鞠興榮 丁哲慧 高瑀瓏 袁 建 何 榮

(南京財經大學食品科學與工程學院；江蘇省現代糧食流通與安全協同創(chuàng)新中心,南京 210023)

精米中重金屬As、Cd和Pb殘留量分布的響應面預測研究

鞠興榮 丁哲慧 高瑀瓏 袁 建 何 榮

(南京財經大學食品科學與工程學院；江蘇省現代糧食流通與安全協同創(chuàng)新中心,南京 210023)

為了探究糙出白率和糙米重金屬含量初始值與精米中重金屬含量的關系，研究糙出白率與重金屬去除率的關系。結果表明Pb元素在水稻中分布最不均勻，在糙出白率為83.09%時，Pb去除率最大；但當糙出白率為75.36時，大米加工精度達到1級，3種重金屬中As的去除率最大為37.48%，Cd的去除率最低為20.71%，Pb去除率為41.40%。并采用精米的糙出白率和糙米中重金屬As、Cd、Pb二因素五水平的中心組合設計(Central Composite Design)的響應面法(Response Surface Methodology)，建立了精米中重金屬As、Cd、Pb的二次多項數學模型，驗證了模型的有效性，并考察了糙出白率的和糙米中初始重金屬As、Cd、Pb的含量對精米中重金屬元素的影響；模型驗證試驗表明，試驗值與擬合值無顯著性差異(P<0.05)，說明試驗結果可靠有效。

糙出白率 糙米 重金屬含量 As Cd Pb

隨著我國經濟的發(fā)展，重金屬污染日趨嚴重，包括含Hg(汞)、Cd(鎘)、Cr(鉻)、Pb(鉛)及As(砷)等生物毒性顯著的重金屬元素及其化合物對土壤、水質和空氣等的污染，其中As雖然不是金屬元素，但其來源及危害都與重金屬相似，因此將其歸為重金屬研究范疇內。監(jiān)測和防治重金屬的污染已成為世界各國普遍關注的問題。重金屬的污染是威脅人類健康的主要問題之一，尤其是通過水稻、小麥等谷物的遷移即食物鏈富集。水稻在糧食作物中對Cd的富集能力較強，對大米生產、加工及質量安全構成了潛在威脅[1-3]。研究表明，我國受重金屬污染的耕地約占耕地面積的1/5[4]。GB 2762—2012規(guī)定成品糧中砷、鎘、鉛含量以As、Cd、Pb計不得超過0.02 mg/kg[5]。2002年對全國市場稻米安全性抽檢結果表明，Pb是稻米中超標最嚴重的重金屬，超標率為28.4%；其次是Cd，超標率為10.3%;As超標率為2.8%。因此，研究減少水稻籽粒中重金屬含量的方法，降低大米的重金屬污染，具有重要的理論意義和實際應用價值。已有研究表明，經過不同的精工精度可以去除部分重金屬[6-10]，但糙出白率與大米中重金屬含量的關系鮮有研究。

本研究通過采用中心組合設計法(Central Composite Design)，研究精米中的重金屬含量的變化情況，該方法是一種五水平的響應面試驗設計法，在國際上較為常用。中心組合法能夠在有限的試驗次數內，對影響生物過程的關鍵因子及其交互作用進行評價，以獲得影響過程的規(guī)律[11-13]。通過研究糙米中重金屬初始含量、糙出白率對精米中重金屬含量的影響，建立精米中As、Cd、Pb元素含量的的二次多項數學模型，以期通過糙米中重金屬初始含量和碾米精度來預測大米中重金屬的去除，為其在食品工業(yè)中的應用提供參考。

1 材料與方法

1.1 試劑

蘇丹紅-Ⅲ、乙醇(99.5%，優(yōu)級純)、硝酸(65%，優(yōu)級純)、H2O2(30%優(yōu)級純)、Pb、Cd、As單一元素標準溶液：國家標準物質中心、國家有色金屬及電子材料分析測試中心；生物標準參考物質大米GBW10010：地質礦產部物化探研究所。

1.2 儀器設備

MARS微波消解儀：美國培安公司；7700xICP-Ms：安捷倫科技有限公司；JGMJ8098礱米機；上海嘉定糧油儀器有限公司；JNMJ6碾米機:江蘇省臺州市儀器廠。

1.3 試驗方法

1.3.1 水稻加工方法

稻谷經礱谷得糙米和穎殼。糙米經碾米得精米和米糠。通過調節(jié)碾米時間，控制糙出白率，得不同糙出白率下的精米樣品。

1.3.2 加工精度的檢驗

參照GB/T 5502—2008，采用染色法對不同碾米時間所得大米進行加工加工精度檢驗。

1.3.3 樣品消解

樣品經粉碎機粉碎，過100目篩，精確稱取0.5 g置于消解罐內，并加入5 mL硝酸，靜置1 h，加入2 mL過氧化氫。按表1試驗條件進行微波消解。微波消解完畢后，將消解液冷卻后取出，放置加熱板加熱至160 ℃趕酸，直至黃煙冒盡，轉移至25 mL容量瓶內，用2.0%硝酸定容待測，同時做空白，采用國家標準樣品大米GBW10010進行試驗對照[12-13]。

表1 CEM MARS微波消解條件

1.3.4 重金屬含量測定

樣品As、Cd、Pb含量采用ICP-MS測定，ICP-MS工作參數設置參照SN/T 0448—2011的方法[14]。

1.3.5 重金屬去除率計算

重金屬去除率按公式計算：

式中：D為去除率/%；W為去除部位質量/g；c為去除部位質量濃度/mg/kg；W0為總質量/g；c0為總質量濃度/mg/kg。

1.4 試驗設計

采用Central Composite Design模型，以糙米重金屬含量的初始值、糙出白率為主要的考察因子(自變量)，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分別代表自變量的高、中、低水平，按方程xji=(Xij-X0)/X對自變量進行編碼。其中，xij為自變量的編碼值，Xij為自變量的真實值，X0為試驗中心點處自變量的真實值，X為自變量的變化步長，因子編碼及水平見表2。

表2 試驗因素水平及編碼

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為評價指標(響應值)，設不同糙出白率條件下精米中As、Cd、Pb含量的預測模型由最小二乘法擬合的二次多項方程分別為(1)、(2)、(3)。

(1)

(2)

(3)

式中：A0、B0、C0為常數項；A1、A2、B1、B2、C1、C2分別為線性系數；A12、B12、C12為交互項系數；A11、A22、B11、B22、C11、C22為二次項系數。為了求得(1)、(2)、(3)方程的各項系數，對于每個元素，至少須13組試驗來對其求解。試驗設計及結果見表3。利用統計軟件Design Expert來進行數據分析及建立模型。

2 結果與討論

2.1 糙出白率與重金屬含量及去除率的關系

碾米精度對大米中As、Cd、Pb含量及去除率的影響，結果見表3。

表3 碾米精度對精米中As、Cd、Pb含量影響

注：同列不同小寫字母表示差異顯著，P<0.05。

圖1 糙出白率與精米中As、Cd、Pb的去除率的關系

由表3可以看出，As、Cd、Pb的濃度隨著加工精度的提高而遞減。糙出白率與精米中As、Cd、Pb的去除率的關系見圖1，可以看出在碾米時間達到120 s后，As、Pb去除率減緩，而Cd的去除率隨時間關系基本呈線性關系。且在糙出白率為83.09時，Pb去除率的斜率最大。由此可知，3種金屬中分布最不均勻的為Pb，Cd的分布最為均勻。較Cd、As而言，糙米外層富集著更多的Pb。當糙出白率為75.36時，大米加工精度達到1級，因此對于Pb、As含量較高的大米，當加工精度達到1級以后，再度增加碾米時間，其去除效率不高，但若大米中Cd含量較高時，即使加工精度達到1級，增加碾米時間仍可以去除大米中部分Cd，但3種元素中，碾米時間與Cd的去除率的斜率最小，因而可能通過碾米方法去除Cd的效果最小。

2.2 模型的建立及其顯著性檢驗

表4列出不同糙出白率中As、Cd、Pb含量的實測值及其預測值。

利用Design Expert軟件進行多元回歸擬合，分別得精米中As、Cd、Pb含量對自變量糙出白率(X1)、糙米中As、Cd、Pb含量(X12)、(X22)、(X32)的二次多項回歸預測模型方程為(4)、(5)、(6)。對這3個模型進行方差分析，結果分別見表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)極顯著，不同處理間的差異極顯著；F=0.920.05，不顯著；模型的校正決定系數AdjR2=0.942 0，說明該模型能解釋94.2%響應值的變化，僅有總變異的5.80%不能用此模型來解釋；復相關系數為0.980 5。說明該模型擬合程度良好，試驗誤差小，該模型是合適的，可以用此模型預測糙米中AS含量初始值和不同糙出白率下精米中As含量。

表4 試驗設計及其結果

表5 As含量預測回歸模型(4)的方差分析

表6 Cd含量預測回歸模型(5)的方差分析

表7 Pb含量預測回歸模型(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)極顯著，不同處理間的差異極顯著；F=0.180.05，不顯著；模型的校正決定系數AdjR2=0.994 8，說明該模型能解釋94.48%響應值的變化，僅有總變異的5.52%不能用此模型來解釋；復相關系數為0.995 2，說明該模型擬合程度良好，試驗誤差小，該模型是合適的，可以用此模型預測糙米中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)極顯著，不同處理間的差異極顯著；F=6.060.05，不顯著；模型的校正決定系數AdjR2=0.940 5，說明該模型能解釋94.05%響應值的變化，僅有總變異的5.95%不能用此模型來解釋；復相關系數為0.977 4，說明該模型擬合程度良好，試驗誤差小，該模型是合適的，可以用此模型預測糙米中Pb含量初始值和不同糙出白率下精米中Pb含量。

由圖2可以看出，隨著糙出白率降低，精米中As、Cd、Pb含量隨之降低，可以去除部分精米中重金屬元素，這與查燕等[15]研究結果一致。其中Pb元素去除效果最明顯，Cd元素去除效果最小，這主要是因為重金屬在水稻中分布不均勻，主要與蛋白質相結合[16-18]。米糠層主要組分為皮層和胚，一般占糙米總質量的6%～8%，其主要成份為碳水化合物(51.00%)、脂肪(20.50%)以及蛋白質(14.50%)[19]。由于米糠中蛋白質含量較高[20]，因而，隨著糙出白率較低，會逐步去除米糠，從而達到去除大米中重金屬元素含量的目的。Pb元素去除效果最好，因此，推測Pb除了和蛋白質結合，可能還與粗纖維結合，因而米糠中Pb含量遠大于精米中Pb含量。

2.3 模型的驗證

為了檢驗精米中重金屬As、Cd、Pb含量模型的合適性和有效性，對3個元素分別進行了5組驗證試驗，其結果分別見表8、表9、表10。利用SPSS10.0對數據進行相關性分析，精米中As含量Y1實測值和預測值的相關系數為0.944 8；Cd含量Y2實測值和預測值的相關系數為0.995 4；Pb含量Y3實測值和預測值的相關系數為0.991 6，進一步證實As、Cd、Pb含量模型是合適有效的。

圖2 糙出白率、糙米中不同重金屬含量及其交互作用對精米中對應重金屬含量影響的響應面圖

表8 As含量預測模型的驗證結果

表9 Cd含量預測模型的驗證結果

表10 Pb含量預測模型的驗證結果

3 結論

經檢驗證明模型合理可靠，利用模型可以預測不同品種大米和在不同糙出白率條件下As、Cd、Pb含量，為糧食食品生產加工提供參考。

[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,李戀卿,潘根興,等.蘇北地區(qū)土壤—水稻系統重金屬分布及其食物安全風險評價[J].生態(tài)與農村環(huán)境學報,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]楊春剛,廖西元,章秀福,等.不同基因型水稻籽粒對鎘積累的差異[J].中國水稻科學,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,周啟星,陳蘇,等.基于小麥產品質量的土壤鉛修復基準[J].生態(tài)科學,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]田陽.稻米加工技術對產品鎘含量的影響[D].北京:中國農業(yè)科學院,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]陳麗萍,郝景波.米糠蛋白中砷元素的脫除[J].黑龍江糧食,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]李文蓮,陳袆清.石墨爐原子吸收光譜法測定稻米各加工階段鉛含量[J].糧食與油脂,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,章月瑩.不同加工程度對稻米中鉛含量的影響稻谷加工[J].糧油倉儲科技通訊,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]劉平輝,芮玉奎,葉長盛.南豐蜜桔中稀土元素與土壤的關系[J].光譜學與光譜分析,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,黃昆侖,等.應用ICP-MS檢測轉Bt基因玉米中重金屬含量[J].光譜學與光譜分析,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進出口食品中砷、汞、鉛、鎘的檢測方法電感耦合等離子質譜儀 SN/T 0448—2011 Determination of arsenic,lead,mercury,cadmium in foodstuffs—ICP-MS method

[15]楊居榮,查燕,劉虹.污染稻、麥籽實中Cd、Cu、Pb的分布及其存在形態(tài)初探[J].中國環(huán)境科學,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]喬麗娜,魏立立,朱旭東,等.粳稻谷中鎘和無機砷分布初探[J].糧油食品科技,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,楊居榮,查燕,等.污染作物籽實中As的分布及其結合形態(tài)初探[J].應用生態(tài)學報,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,楊居榮,劉虹,等.污染谷物中重金屬的分布及加工過程的影響[J].環(huán)境科學,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]劉永樂.稻谷及其制品加工技術[M].北京：中國輕工業(yè)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,劉英.不同碾減率與稻米成分的關系[J].糧油加工,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

糧食公益性行業(yè)科研專項經費(201313007),糧食公益性行業(yè)科研專項經費(201413007-05)；江蘇省自然科學基金(BK20131435)，江蘇省教育廳省屬高校自然科學研究(12KJB550003)，國家科技支撐計劃(2014BAD04B03)

2015-12-30

鞠興榮，男，1957年出生，教授，食品營養(yǎng)、功能食品及農產品深加工

TS21

A

1003-0174(2017)06-0159-06