蔬菜農藥殘留檢測的研究進展

張藝瀟 王寧

摘 要：當前，隨著科技的進步與發展，化學農藥被大量使用，農藥殘留問題受到人們的廣泛關注。農藥的不規范使用會導致農藥殘留超標問題，影響食品安全。本文介紹了幾種常見的農藥殘留檢測方法，分析了檢測方法的原理和優缺點，以提升蔬菜中農藥殘留的檢測水平，避免農藥殘留超標的蔬菜流入市場，確保食品安全。

關鍵詞：農藥殘留；檢測方法；食品安全

Recent Advances in the Detection of Pesticide Residues in Vegetables

ZHANG Yixiao， WANG Ning*

（Pingliang Agricultural Products Quality Safety Inspection and Testing Center， Pingliang 744000， China）

Abstract： Currently， with the progress and development of technology， chemical pesticides are widely used， and the problem of pesticide residues has received widespread attention. The non-standard use of pesticides can lead to excessive pesticide residues and affect food safety. This article introduces several common pesticide residue detection methods， analyzes the principles， advantages and disadvantages of detection methods， in order to improve the detection level of pesticide residues in vegetables， avoid vegetables with excessive pesticide residues from entering the market， and ensure food safety.

Keywords： pesticide residues; detection methods; food safety

隨著科技的進步與發展，化學農藥被大量使用，食品農藥殘留問題逐漸受到人們的廣泛關注。近年來，人們對安全蔬菜的呼聲越來越高，發展無公害食品，走可持續發展之路，已成為必然趨勢。截至2021年12月31日，我國在有效登記狀態的農藥成分達745個，登記產品44 603個。有機氯農藥不易降解，易于累積，目前已逐漸被有機磷農藥取代。蔬菜中農藥殘留常見的色譜檢測方法有氣相色譜-串聯質譜法（Gas Chromatography-Tandem Mass Spectrometry，GC-MS）、液相色譜-串聯質譜法（Liquid Chromatography-Tandem Mass Spectrometry，LC-MS）、高效液相色譜法（High Performance Liquid Chromatography，HPLC）等。《食品安全國家標準 食品中農藥最大殘留限量》（GB 2763—2021）[1]對各類食品中農藥的殘留限量作出了規定。研究食品中農藥殘留檢測方法可提升檢測水平，有效避免農藥殘留超標的蔬菜流入市場。基于此，本文對常見的農藥殘留檢測方法及其檢測原理進行介紹和分析，以期為提升蔬菜中農藥殘留的檢測水平、維護食品安全提供助力。

1 常見的農藥殘留檢測技術

1.1 分光光度法

分光光度法是將目標農藥配制成一定濃度的溶液，通過測定其在特定波長處或一定波長范圍內的吸收度，對目標農藥進行定量、定性檢測的方法。該方法因儀器簡單、操作簡便等優點而被廣泛使用。為提高該方法的回收率，很多研究人員對酸解流程進行了優化。王棚等[2]利用分光光度法監測了蔬菜中的對硫磷、辛硫磷和氧化樂果殘留，3種農藥在0.001～5.000 mg·L-1均表現出良好的線性關系，加標回收率分別為96.5%、100.5%和99.0%，該檢測方法快速簡便、靈敏度高，適用于現場檢測和大量樣品的篩查，具有良好的發展前景。肖珊美等[3]利用濁點萃取技術和分光光度法聯用技術檢測了蔬菜中辛硫磷的殘留情況，該方法提高了農藥殘留的萃取率和檢測的靈敏度，檢出限低于傳統方法

（GB/T 5009.199—2003），檢測結果準確可靠，為分光光度法的進一步深入研究打下了堅實的基礎。分光光度法操作雖然簡單，但是其限制條件較多，檢測結果不穩定，已基本被其他方法取代。

1.2 氣相色譜法

氣相色譜法是以氣體為載體，對一些沸點較低且不易分解的目標農藥組分進行分離分析的方法。由于不同農藥組分具有不同的理化性質，因此在進行氣相色譜分析時，不同農藥成分可與色譜柱固定相產生不同的相互作用，具有不同的流動速率。當各組分被分離時，可產生不同的響應信號，從而達到分離和檢測的效果。例如，韓順林[4]利用氣相色譜法檢測了蔬菜中乙酰甲胺磷、敵敵畏、毒死蜱、樂果和三唑磷農藥殘留，結果顯示5種目標農藥在一定范圍內均表現出良好的線性關系，檢出限為2～

5 pg·kg-1。雖然該方法分析速度快，分離效率、準確度和靈敏度較高，選擇性好，但仍具有一定的局限性，如設備復雜、設備維修價格昂貴、成本高。此外，使用氣相色譜法檢測，大多數農藥表現出不同程度的基質效應，且基質效應很難消除。若在實際樣品分析過程中未考慮基質效應，計算待測物在實際樣品中的含量時會產生較大的誤差。

1.3 液相色譜法

液相色譜法是以液體為流動相的色譜法，利用待測物質在兩相中的分配系數、吸附能力等親和能力的不同對其進行分離，適用于檢測沸點高、相對分子量大的農藥殘留物質。該方法已成為食品安全、化學工業等學科領域中重要的分離分析技術。鄭碧秋等[5]利用高效液相色譜法對蔬菜中的氯氰菊酯、聯苯菊酯、噻蟲嗪以及吡蟲啉4種農藥進行了檢測，以乙腈為提取劑，凈化后使用甲醇+二氯甲烷混合液（體積比為1∶19）進行洗脫。結果顯示，氯氰菊酯、聯苯菊酯、噻蟲嗪和吡蟲啉在0.02～0.30 mg·mL-1具有良好的線性關系，檢出限均為0.05 mg·kg-1，該方法準確度高、快速簡便，具有很強的實用性，能滿足日常蔬菜中農藥殘留的檢測需求。李琴[6]利用高效液相色譜法檢測了番茄中啶蟲脒的農藥殘留含量，加標回收率達到102.3%～108.7%，RSD為0.52%～1.85%，該方法流程簡單，檢測周期短，檢測結果均符合常規的農藥殘留檢測標準。雖然該方法靈敏度高、操作步驟簡單、檢測結果準確可靠，但仍具有一定的局限性，如檢測儀器復雜、維修價格昂貴、流動相難以選擇。

1.4 酶抑制法

利用酶抑制法對農藥殘留進行檢測具有響應速度快、靈敏度高、樣品前處理步驟簡單、無需專門培養操作人員進行儀器操作等優點。王棚等[2]以雞腦為酶源提取乙酰膽堿酯酶（Acetylcholinesterase，AChE），利用酶抑制分光光度法檢測蔬菜中有機磷農藥殘留含量，并成功應用到實際的樣品檢測中。肖珊美等[7]建立了一種新型的濁點萃取-酶抑制法，能夠快速檢測蔬菜中有機磷農藥的殘留，同時提高殘留農藥的萃取率和靈敏度，辛硫磷在0.001～

10.000 mg·L-1表現出良好的線性關系，白菜中辛硫磷的加標回收率達到101%，此方法的應用為蔬菜中農藥殘留的檢測提供了更多可能性。

1.5 質譜法

質譜法可以高效準確地定量檢測目標農藥，每種化合物在磁場或電場的作用下，有規律地形成一系列碎片離子與分子離子組合，根據粒子的質荷比進行全方位掃描記錄，隨后運用軟件進行數據處理，根據不同化合物具有不同的保留時間，將所得的圖譜與標準譜圖進行對照比較，對所有化合物逐一進行定性定量分析。唐澈等[8]建立了QuEChERS前處理方法結合氣相色譜-串聯質譜法測定了蔬菜中烯酰嗎啉、蟲螨腈、嘧菌酯和醚菊酯的含量，在檢測過程中以甘藍和葡萄提取液為基質，從而減少基質效應對檢測結果的影響，結果顯示4種農藥在0.005～

0.500 mg·L-1呈現良好的線性關系，相關系數均大于0.995，加標回收率在89.1%～113.1%，各組分定量限為0.01 mg·kg-1。鄧淙友等[9]采用固態萃取-超高效液相色譜串聯質譜技術對白扁豆中522種農藥殘留進行檢測，并分析了檢出農藥的膳食風險，為白扁豆的食用、售賣和種植提供理論依據。結果顯示，在白扁豆中，共檢出18種農藥殘留，包括除草劑、殺蟲劑、有機殺螨劑、殺菌劑、植物生長調節劑和殺鼠劑，檢出的18種農藥均處于較低的風險水平。所有農藥的加標回收率控制在71.2%～125.3%，相關系數在0.999以上。雖然該方法應用廣泛，靈敏度和準確度高，操作簡單，但仍具有一定的局限性，如分析過程復雜、需要對照相應的標準圖譜、儀器維修費用昂貴，以及不適宜移動檢測等。

2 結語

常規蔬菜中農藥殘留檢測技術的發展與探究關乎當地食品安全，在檢測過程中所選技術的準確度、精密度和檢出限均會直接或間接影響檢測結果，進而影響人們對蔬菜食品質量安全的判斷[10-15]。因此，應充分利用好現有的檢測技術，查閱資料總結經驗，不斷對農藥殘留檢測方法進行比較，充分利用每種檢測方法的優點，不斷改進與完善檢測方法，為把好蔬菜質量安全關提供技術保障[16-20]。

參考文獻

[1]國家衛生健康委員會，農業農村部，國家市場監督管理總局.食品安全國家標準 食品中農藥最大殘留限量：GB 2763—2021[S].北京：中國標準出版社，2021.

[2]王棚.分光光度法檢測蔬菜中有機磷農藥殘留的研究[J].現代農業科技，2010（11）：168-169.

[3]肖珊美，羅小會.濁點萃取-酶抑制-分光光度法測定蔬菜中有機磷農藥殘留量[J].理化檢驗（化學分冊），2015，51（5）：713-715.

[4]韓順林.雙柱雙進樣氣相色譜法測定蔬菜中５種有機磷農藥殘留[J].食品安全導刊，2021（35）：84-86.

[5]鄭碧秋.高效液相色譜法測定蔬菜中4種農藥殘留[J].現代食品，2022，28（13）：161-163.

[6]李琴.高效液相色譜法檢測幾種蔬菜中啶蟲脒農藥殘留[J].輕工科技，2021，37（6）：111-112.

[7]肖珊美，羅小會.濁點萃取-酶抑制-分光光度法測定蔬菜中有機磷農藥殘留量[J].理化檢驗（化學分冊），2015，51（5）：713-715.

[8]唐澈，郭自國，周天明，等.氣相色譜-串聯質譜法同時測定水果蔬菜中的四種農藥殘留[J].中南農業科技，2023，44（5）：61-63.

[9]鄧淙友，王閩予，羅文安，等.液相色譜-串聯質譜法對云南省白扁豆中多種農殘的質量檢測分析[J].按摩與康復醫學，2023，14（1）：76-80.

[10]姚昊宇，朱陸華，范文瑩，等.QuEChERs-氣相色譜法測定蔬菜中的有機氯農藥殘留[J].農產品加工，2022（24）：51-54.

[11]張璐，孔祥虹，何強，等.Turbo flow在線凈化-超高效液相色譜-串聯質譜法檢測水果中5種咪唑類農藥殘留[J].色譜，2014，32（6）：559-565.

[12]ZHANG M R，ZHANG Y，WANG H，et al.Review and prospect of application of rapid detection technologies on food contamination residues[J].Journal of Food Safety & Quality，2014，5（7）：1951-1959.

[13]李芳.淺析常規蔬菜農殘檢測技術[J].農民致富之友，2016（6）：101.

[14]ZHANG J Q， QIN Z Q， BAI X M，et al.The acute dietary risk assessment of pesticide residues from fresh edible vegetables for human health[J].Chinese Agricultural Science Bulletin，2013，29（21）：200-205.

[15]LIU W，QUAN J，HU Z.Detection of organophosphorus pesticides in wheat by ionic liquid-based dispersive liquid-liquid microextraction combined with HPLC[J].Journal of Analytical Methods in Chemistiy，2018，2018：8916393.

[16]MUJAHID M，LATIF S，AHMED M，et al.Modified matrix solid phase dispersion-HPLC method for determination of pesticide residue in vegetables and their impact on human health： a risk assessment[J].Frontiers in Chemistry，2022，10：1084350.

[17]WANG Z P，LI S J，HU P Y，et al.Recent developments in the spectrometry of fluorescence， ultraviolet visible and surface-enhanced Raman scattering for pesticide residue detection[J].Bulletin of Materials Science，2022，45（4）：202.

[18]PADALIYA S R，PARMAR K D，CHAWLA S.Processing of raw agricultural produce and its effect on pesticide residues： a review[J].Agricultural Reviews，2020，41（2）：160-165.

[19]王麗娟，孫學麗，于奎峰.氣質聯用法在食品農殘檢測中的應用[J].食品安全導刊，2022，358（29）：174-176.

[20]葉學敏.新型QuEChERS方法在果蔬農殘分析中的應用研究[D].杭州：浙江工業大學，2020.