基于回歸分析法預測湖景蜜露桃果實可溶性固形物含量

張斌斌，蔡志翔，許建蘭，李 凡，錢 巍，郭 磊，馬瑞娟

基于回歸分析法預測湖景蜜露桃果實可溶性固形物含量

張斌斌，蔡志翔，許建蘭，李 凡，錢 巍，郭 磊，馬瑞娟*

（江蘇省農業科學院園藝研究所，江蘇 南京 210014）

目的：建立一種科學預測桃果實可溶性固形物含量的方法。方法：以湖景蜜露水蜜桃為實驗材料，利用多元回歸、線性回歸和二次多項式回歸分析研究果皮色差、單果質量、帶皮硬度、去皮硬度與可溶性固形物含量的關系。結果：1）以原始基礎數據為依據，較難建立穩定的預測可溶性固形物含量的多元回歸方程。2）通過將數據進行分組，以紅色飽和度（a*）、色調角（h）、紅色飽和度/黃色飽和度（a*/b*）不能建立穩定的回歸方程；單果質量與可溶性固形物含量具有極顯著的線性回歸關系，但二者所建立的二次多項式預測可溶性固形物含量效果差；帶皮硬度、去皮硬度與可溶性固形物含量的線性回歸方程預測性差，而建立的二次多項式R2都較高，回歸關系均達極顯著水平，方程：可溶性固形物含量=-0.128 2×帶皮硬度2+1.403 5×帶皮硬度+11.418 0和可溶性固形物含量= -0.481 8×去皮硬度2+1.975 0×去皮硬度+13.290 0預測湖景蜜露果實可溶性固形物含量效果較好。結論：采用二次多項式回歸法研究帶皮硬度、去皮硬度與可溶性固形物含量的關系進而進行桃果實成熟度預測是可行的。

桃；可溶性固形物含量；回歸分析

桃是一種呼吸躍變型水果，其成熟過程與乙烯的產生密切相關，桃的成熟與衰老較難控制，貯藏期較短，屬易腐爛類型[1-2]。桃果實成熟度的準確判斷對適時采收、分級、包裝、運輸、保證商品性等至關重要。在果實采收環節，確定果實成熟期和最佳采收期的傳統方法是根據經驗和目測等人為判斷，也有通過歷年的氣象數據或年積溫以及盛花后的天數等方法來預測果實的最佳采收期[3]，還有通過研究果實大小和干物質比率預測成熟度[4]，但這些方法在應用上不具有普遍性，對一些品種的預測效果不理想。Ruiz-Altisent等[5]報道，450 nm和680 nm波長條件下果實的反射率可分別反映類胡蘿卜素含量和葉綠素含量，進而可用來判定桃的成熟度。此外，利用光學和非破壞性機械探測技術監測桃果實成熟度的研究也越來越深入[6-7]。近年來，近紅外光譜技術在檢測食品、水果品質上已有較多研究，但大多數還只是在實驗室范圍內進行的檢測，很少形成真正的商業化應用[3]。有些桃品種成熟后可采時間有限，不同桃品種由于果個、著色、肉質、內在固形物含量等不同，應分別建立成熟度預測方法。研究表明，果實成熟度與可溶性固形物含量具有顯著的正相關關系[8-10]，因此，可通過可溶性固形物含量的變化簡潔反映果實成熟情況。湖景蜜露是目前長江中下游地區水蜜桃主栽品種之一，本實驗綜合果皮色差、果實大小、硬度、可溶性固形物含量等與成熟度直接相關的品質指標進行分析，建立科學預測湖景蜜露可溶性固形物含量進而預測成熟度的方程，以期為適時采收、科學分級、貯藏和評價提供理論依據。

1 材料與方法

1.1 材料

供試桃品種為湖景蜜露，采自江蘇省農業科學院桃實驗園。參試湖景蜜露桃植株樹體健壯，起壟栽培，樹形為自然開心形，共3 株，按常規栽培措施管理。于7月下旬采收樹冠中部以上全部果實（140 個），立即帶回實驗室，進行相關指標的測定。2011、2012年連續測定2年，此期間果實成熟前期環境條件差異不明顯，且所得實驗結果基本相似，本實驗選取2012年數據進行分析。

1.2 指標測定

1.2.1 色差

采用1976年國際照明委員會（CIE）推薦的均勻色度空間L*（亮度）、a*（紅色飽和度）、b*（黃色飽和度）表色系。按照馬瑞娟等[11]的方法以Color Quest XE色差計測定每個桃果實的果皮色差，色調角（h）=arctan（b*/a*）。本實驗使用與紅色著色相關的a*、h和a*/ b* 3 個指標進行計算分析。

1.2.2 單果質量

用G&G T500/0.1 g電子天平稱量。

1.2.3 帶皮硬度和去皮硬度

在果實縫合線兩側中部用TA. XT. Plus型質構儀測定帶皮硬度（果皮硬度）和去皮硬度（果肉硬度），探頭直徑8 mm，測試深度5 mm，貫入速率1 mm/s。取2 個點的平均值作為每個果實的帶皮硬度或去皮硬度。

1.2.4 可溶性固形物含量

果實帶皮、去皮硬度測定完成后，取測定硬度的2 個點處果肉的汁液用ATAGO便攜數顯折光儀PAL-1測定可溶性固形物含量。取2 個點的平均值作為每個果實的可溶性固形物含量。

1.3 數據處理及分析

1.3.1 以原始基礎數據預測

以色差、單果質量、硬度指標的原始基礎數據與可溶性固形物含量進行多元回歸分析，尋找最優的預測湖景蜜露桃果實可溶性固形物含量的方程。

1.3.2 以分組數據預測

參照莊飛云等[12]的方法，分別計算各指標的總體平均數（）和標準差（s），并分別按指標將材料進行分組，分組順序為自到，每0.5 s為1 組，將各指標（a*、h、a*/b*、單果質量、帶皮硬度和去皮硬度）分別與可溶性固形物含量進行線性回歸和二次多項式回歸分析。回歸分析利用SPSS16.0軟件實現。

2 結果與分析

2.1 參試果實品質指標性狀變異

表1 參試湖景蜜露桃果實品質指標性狀變異Table 1 Variations in fruit quality indexes of Hujingmilu peach

由表1可知，同期采收的湖景蜜露不同果實品質指標存在較大差異。如可溶性固形物含量變幅為9.80%～21.35%，最大值為最小值的2.18 倍；色調角（h）、單果質量、帶皮硬度、去皮硬度的最大值分別為最小值的2.42、2.53、6.85、46.60 倍；從a*和a*/b*看，變幅中最小值都為負值（絕對值較?。f明采收時有的果實外觀色澤呈現綠色，尚未成熟。由各指標的變異系數可知，實驗果實間a*、a*/b*、帶皮硬度、去皮硬度均存在較大的變異，其中以去皮硬度的變異系數最大，表明去皮硬度可能是影響湖景蜜露果實成熟狀況的重要指標之一。

2.2 各指標與可溶性固形物含量的多元回歸分析

分別將x1（a*）、x2（h）、x3（a*/b*）、x4（單果質量）、x5（帶皮硬度）、x6（去皮硬度）與y（可溶性固形物含量）進行相關性分析，結果見表2。x1～x6這6 個指標多數指標間均存在顯著或極顯著的相關關系，這表明各個指標間存在著緊密的聯系，某一性狀的變化可能促使與之對應的性狀發生同方向或反方向的顯著變化。不同指標與可溶性固形物含量的相關性分析表明，只有單果質量與可溶性固形物含量存在極顯著的正相關關系，其他指標與可溶性固形物含量均無明顯相關性。通過多元回歸建立的回歸方程（可溶性固形物含量=8.963 1+ 0.017 2×紅色飽和度+0.027 3×單果質量）中x1的偏回歸系數未達顯著水平（P=0.518 9＞0.05）而僅有x4的偏回歸系數達極顯著水平（P=0.000 1＜0.01）。因此，以原始數據為基礎數據進行多元回歸并不適合進行湖景蜜露桃果實可溶性固形物含量的預測。

表2 各指標與可溶性固形物含量的相關性分析Table 2 Correlation analysis between different indexes and soluble solid content

2.3 果皮色差與可溶性固形物含量的回歸分析

表3 基于果皮色差與可溶性固形物含量的回歸分析模型Table 3 Regression models between peel color parameters and soluble solid content

由表3可知，無論是采用線性回歸還是二次多項式回歸方法，利用果皮色差指標（a*、h和a*/b*）與可溶性固形物含量進行擬合，決定系數R2均明顯偏低，且P值較高，色差指標與可溶性固形物含量進行回歸所得直線或曲線回歸系數的F檢驗結果均為差異不顯著（P＞0.05）。

2.4 單果質量與可溶性固形物含量的回歸分析

表4 基于單果質量與可溶性固形物含量的線性回歸分析Table 4 Liner regression analysis between single fruit weight and soluble solid content

表4顯示了以單果質量為依據分組后其與可溶性固形物含量的線性回歸結果，方差分析F檢驗結果為差異顯著（P＜0.01），Durbin-Watson統計量為2.435 1，R2=0.777 0，表明單果質量與可溶性固形物含量具有極顯著的相關關系，所得線性回歸方程為可溶性固形物含量=0.022 8×單果質量+10.044 0。

表5 基于單果質量與可溶性固形物含量的二次多項式回歸分析Table 5 Quadratic polynomial regression analysis between single fruit weight and soluble solid content

將分組后的單果質量與可溶性固形物含量進行二次多項式回歸，結果見表5。所建立的回歸方程決定系數R2=0.839 1，P=0.01，達極顯著水平，然而二次項和一次項的方差分析結果顯示偏回歸系數均未達顯著水平（P＞0.05）（表6），表明回歸方程可溶性固形物含量= -0.000 1×單果質量2+0.087 5×單果質量+3.089 5預測效果較差。

表6 回歸系數的方差分析Table 6 Analysis of variance for the regression coefficients

2.5 硬度與可溶性固形物含量的回歸分析

表7 基于硬度與可溶性固形物含量的線性回歸分析Table 7 Liner regression analysis between firmness and soluble solid content

分別將以帶皮硬度、去皮硬度為依據分組后的數據與可溶性固形物含量進行線性回歸分析，結果如表7所示。顯著性檢驗表明回歸關系均未達顯著水平（P值分別為0.226 7和0.363 6），Durbin-Watson統計量分別為0.892 7和0.633 5（均明顯偏離2），R2也過低（僅為0.200 6和0.118 8），可見以帶皮硬度、去皮硬度分別與可溶性固形物含量擬合均較難建立合適的線性回歸方程。

分別以帶皮硬度與可溶性固形物含量、去皮硬度與可溶性固形物含量進行二次多項式回歸，由表8可知，2 個模型的R2分別為0.891 0和0.798 8，P值分別為0.001 3和0.008 1（均小于0.01），回歸關系均達極顯著水平。在對帶皮硬度與可溶性固形物含量、去皮硬度與可溶性固形物含量進行二次多項式回歸分析的同時，對二次項和一次項進行方差分析。顯著性檢驗結果（表9）表明，帶皮硬度模型和去皮硬度模型的二次項、一次項方差分析結果偏回歸系數均達極顯著水平（P＜0.01）。經回歸預測，估計值與實際觀察值差異不顯著，回歸方程擬合效果良好。因此帶皮硬度模型（可溶性固形物含量=-0.128 2×帶皮硬度2+1.403 5×帶皮硬度+11.418 0）和去皮硬度模型（可溶性固形物含量= -0.481 8×去皮硬度2+1.975 0×去皮硬度+13.290 0）均可以簡便可靠的應用于實際生產中湖景蜜露桃果實可溶性固形物含量的預測。

表8 基于硬度與可溶性固形物含量的二次多項式回歸分析Table 8 Quadratic polynomial regression analysis between firmness and soluble solid content

表9 回歸系數的方差分析Table 9 Analysis of variance for the regression coefficients

3 結論與討論

相關性分析只反映變量間的綜合關系，不能反映變量間的真實、直接關系，因此，本實驗在進行所有指標相關性分析的基礎上進行了色差、單果質量和硬度指標與可溶性固形物含量的多元回歸分析。然而，分析結果表明，建立的回歸方程僅有單果質量的偏回歸系數達極顯著水平，模型不具有明顯的穩定性，預測值與實測值之間存在一定差距。因此，本實驗對不同指標進行了分組，分別與可溶性固形物含量進行線性回歸和二次多項式回歸，以期尋找更合理的預測方程。

桃果實成熟度的科學確定和等級劃分一直是桃果實采后研究的重要方向之一。一般認為，隨著桃果實的成熟，果皮色澤逐漸變化，花色素苷積累，紅色色澤呈現，綠色色澤減少，內含物也隨之變化。利用色差計測定桃果實的外觀色澤具有檢測方便、無損傷的優點，一定程度上指示了果實的商品性，近年來在果實比較評價中應用廣泛[11,13]。a*/b*值基本能反映果實的真實色澤，負值時果實為綠色；零值時表示果實顏色由綠色轉為黃色或橙紅色；正值時，表示果實色澤為黃色或橙紅色[14-15]。本研究所選湖景蜜露桃果實成熟時有較大的紅色著色面積，然而，本研究結果表明，利用線性回歸和二次多項式回歸都不能建立起穩定的可溶性固形物含量預測模型，預測效果較差。果實著色好或著色面積大常作為品種選育的重要指標之一，使得新育成的品種不僅著色好而且著色早，因此，根據著色進行可溶性固形物含量的判斷將不占優勢。

本實驗發現，以單果質量為依據將果實分組后其與可溶性固形物含量的相關系數R為0.881 4，決定系數R2為0.777 0，線性回歸方程表明二者具有顯著的正相關性，但并不能確定最佳的采收點。從二者的二次多項式回歸方程可溶性固形物含量=-0.000 1×單果質量2+ 0.087 5×單果質量+3.089 5可以看出，當單果質量為435 g時才具有最佳的可溶性固形物含量22.01%，但由表1可知，湖景蜜露單果質量的最大值為327.20 g，可溶性固形物含量最大值為21.35%，回歸方程所得的最佳值超出了該品種實際單果質量和可溶性固形物含量的范圍，不能準確預測湖景蜜露的可溶性固形物含量。

適宜的成熟期判斷和最佳內含物時期預測對桃的貯藏和長途運輸至關重要。采收過早影響果實的可食性，采收過遲則出現縫合線軟化現象[16]。陸秋君等[17]研究發現，桃果實內不同部位的糖度和堅實度存在著差異，在果心兩側的赤道線段中心附近的測點值彼此接近，且各部位的糖度與堅實度呈正相關，因此本實驗選擇與進行硬度測定相同的2 個點作為可溶性固形物含量的測定點，以保證數據的可靠性。本實驗表明，隨著帶皮硬度、去皮硬度的增加，可溶性固形物含量均呈先升高后降低的趨勢，曲線為較勻稱的拋物線。根據預測方程可以判斷（表8），當帶皮硬度為5.47 kg/cm2時，最佳可溶性固形物含量為15.26%；當去皮硬度為2.05 kg/cm2時，最佳可溶性固形物含量為15.31%。根據帶皮硬度和去皮硬度計算所得的可溶性固形物含量相差不大，可以推斷以帶皮硬度、去皮硬度為自變量的二次多項式回歸模型預測湖景蜜露桃果實可溶性固形物含量具有較強的穩定性。

[1] GRIERSON D. Senescence in fruits[J]. HortScience, 1987, 22: 859-862.

[2] 肖功年, 沙力爭, 嚴玲燕, 等. 內層涂保鮮劑紙板包裝盒對水蜜桃的保鮮效果[J]. 農業工程學報, 2012, 28(6): 274-277.

[3] 毛莎莎, 曾明, 何紹蘭, 等. 近紅外光譜技術在水果成熟期預測中的應用[J]. 亞熱帶植物科學, 2010, 39(1): 82-87.

[4] COGGINS J R C W. Feasibility of using fruit size and percentage dry weight to predict maturity[J]. California Avocado Society Yearbook, 1984, 68: 145-160.

[5] RUIZ-ALTISENT M, LLEO L, RIQUELME F. Instrumental quality assessment of peaches: fusion of optical and mechanical parameters[J]. Journal of Food Engineering, 2006, 74(4): 490-499.

[6] ZIOSI V, NOFERINI M, FIORI G, et al. A new index based on vis spectroscopy to characterize the progression of ripening in peach fruit[J]. Postharvest Biology and Technology, 2008, 49(3): 319-329.

[7] HERRERO-LANGREO A, FERNáNDEZ-AHUMADA E, ROGER J M, et al. Combination of optical and non-destructive mechanical techniques for the measurement of maturity in peach[J]. Journal of Food Engineering, 2012, 108(1): 150-157.

[8] 趙懷勇, 李群, 張紅菊. 加工番茄可溶性固形物含量相關因素研究[J].北方園藝, 2007(2): 22-24.

[9] 魏天軍, 竇云萍. 靈武長棗果實發育成熟期生理生化變化[J]. 中國農學通報, 2008, 24(4): 235-239.

[10] 李東華, 紀淑娟, 重滕和明. 果實成熟度對南果梨近紅外無損檢測技術模型的影響[J]. 食品科學, 2009, 30(12): 266-269.

[11] 馬瑞娟, 張斌斌, 蔡志翔, 等. 不同類型果袋對霞光油桃果實品質的影響[J]. 江蘇農業學報, 2012, 28(3): 627-631.

[12] 莊飛云, 趙志偉, 李錫香, 等. 中國地方胡蘿卜品種資源的核心樣品構建[J]. 園藝學報, 2006, 33(1): 46-51.

[13] 滕玉柱, 樊連梅, 沈俊嶺, 等. 無紡布果袋 (PP 果袋) 對紅地球和玫瑰香葡萄果實品質的影響[J]. 果樹學報, 2011, 28(5): 787-791.

[14] STEWART I, WHEATON T A. Carotenoids in citrus: their accumulation induced by ethylene[J]. Journal of Agricultural and Food and Chemistry, 1972, 20(2): 448-449.

[15] RODRIGO M J, ZACARIAS L. Effect of postharvest ethylene treatment on carotenoid accumulation and the expression of carotenoid biosynthetic genes in the flavedo of orange (Citrus sinensis L. Osbeck) fruit[J]. Postharvest Biology and Technology, 2007, 43(1): 14-22.

[16] 周慧娟, 葉正文, 喬勇進. 不同成熟度水蜜桃果實軟化的影響因素[J].經濟林研究, 2012, 30(1): 67-72.

[17] 陸秋君, 王俊, 陳善鋒. 桃子糖度和堅實度的相關性研究[J]. 浙江農業學報, 2000, 12(2): 97-100.

Prediction of Soluble Solid Content of Hujingmilu Peach Based on Regression Analysis

ZHANG Bin-bin, CAI Zhi-xiang, XU Jian-lan, LI Fan, QIAN Wei, GUO Lei, MA Rui-juan*
(Institute of Horticulture, Jiangsu Academy of Agricultural Sciences, Nanjing 210014, China)

Objective: To establish a prediction method for soluble solid content (SSC) of peach. Methods: Hujingmilu peaches were investigated for the relationships of SSC with peel color value, single fruit weight, fi rmness with skin, and fi rmness without skin based on multiple regression analysis, linear regression and quadratic polynomial regression. Results showed that 1) stable multiple regression equations between SSC and each of the other quality indexes could hardly be established based on the original data; 2) stable regression equations could neither be established using respectively a value (a*), hue angle (h) and a*/b* (b* is b value) as the independent variable based on the grouped data. There was a very signifi cant linear relationship between single fruit weight and SSC; however, the quadratic polynomial model established provided a poor prediction. Poor prediction of SSC as a function of fi rmness with skin and fi rmness without skin respectively was also observed by linear regression. Yet the quadratic polynomial regression equations SSC = - 0.128 2 × (fi rmness with skin)2+ 1.403 5 × (fi rmness with skin) + 11.418 0, and SSC = - 0.481 8 × (fi rmness without skin)2+ 1.975 0 × (fi rmness without skin) + 13.290 0 had higher coeffi cient of determination (R2) and indicated very signifi cant regression relationship. Conclusion: It is feasible to predict the maturity of peach by analyzing the relationships of SSC with fi rmness with skin and fi rmness without skin based on quadratic polynomial regression.

peach; soluble solid content; regression analysis

S662.1

A

1002-6630（2014）17-0068-04

10.7506/spkx1002-6630-201417014

2013-08-20

國家現代農業（桃）產業技術體系建設專項（CARS-31）

張斌斌（1982—），男，助理研究員，碩士，研究方向為果樹栽培生理。E-mail：binbin1714@163.com

*通信作者：馬瑞娟（1964—)，女，研究員，碩士，研究方向為桃栽培和育種。E-mail：rjmajaas@aliyun.com