下载:
-
林产品生长具有一定的地域特征。一些特定地区的林产品因具备某些优秀品质，更受消费者的青睐，然而普通消费者难以通过产品外观或其他物理特性区分特定产地和其他产地的产品。受经济利益的驱使，有些商家伪造产品产地或掺假蒙骗消费者，损害了消费者和原产地的利益，因此，需要一种分析技术能识别林产品的产地，鉴定产品的真伪。稳定同位素技术在溯源和掺假鉴别方面有着较好的优势，目前已应被用于农产品[1]和食品领域[2]。为推动这项技术在林产品领域中的应用，在广泛查阅国内外文献的基础上，对稳定同位素技术在林产品中的溯源和鉴别应用研究进行综述及展望。
-
具有相同质子数，不同中子数的同一元素的不同核素互为同位素。其中不具有放射性的同位素称为稳定同位素，其来源有2种：一部分是由放射性同位素衰变之后的稳定产物，例如206Pb和87Sr等；另一部分是自然界本身存在的天然稳定同位素，例如12C和13C，18O和16O等。
利用稳定同位素可以鉴别不同种类的产品以及追溯产地来源的原理：①自然界中的植物因其固碳方式不同，可分为C3植物(如小麦Triticum aestivum，水稻Oryza sativa，大豆Glycine max，棉花Gossypium spp.等)，C4植物(如玉米Zea mays，甘蔗Saccharum officinarum，高粱Sorghum bicolor，苋菜Amaranthus tricolor等)和CAM植物(如仙人球Echinopsis tubiflora，芦荟Aloe vera，龙舌兰Agave americana以及景天Sedum erythrostictum等)，不同种类的植物碳同位素比值(δ13C)分布不同，其中C4植物为-14‰~-10‰，CAM植物为-30‰~-10‰，C3植物为-35‰~-22‰[3]。②同一种生物体因受气候、环境和生物代谢的影响，导致同位素在生物体内产生分馏，使得不同地区的生物体体内的碳、氢、氧、氮等同位素的丰度不同[4]。
由于稳定同位素在自然界中的含量很低，很难用绝对值来表达同位素的差异，同时人们更加关心的是同位素组成的微小变化，因此国际上常用同位素比值δ表示。公式为：
$$ \delta = ({R_{样品}}/{R_{标准}} - 1) \times 1\;000{\rm{‰ }}。 $$ (1) 式(1)中：R样品为所测样品中的重同位素与轻同位素丰度之比，即：13C/12C，D/H，18O/16O和15N/14N。R标准为国际标准样中，δ13C以维也纳-PeeDee箭石标准(V-PDB)为基准，δ18O和δD以平均海洋水(SMOW)为基准，δ15N以大气中的氮气(N2-atm)为基准。通过同位素质谱仪(IRMS)可以精确地测定同位素比值。
-
某些林产品出自不同的产地会存在品质和性能上的差异。另外，随着人们生活水平的提高，道地性产品得到推崇，消费市场对某些产品的原产地有所要求。普通消费者很难通过外观判别特定产地和普通产地的商品，容易买到冒牌产地的产品[5]。建立林产品的溯源体系既能够保护原产地的利益，也能够确保产品质量，保护消费者的利益。目前，稳定同位素技术已用于经济林产品，如水果、林产饮料、木本油料等的产地溯源。
-
猕猴桃有很强的地域特征，马奕颜等[6]采集了陕西省(周至县、眉县)，四川省和湖南省的中华猕猴桃Actinidia chinensis样品，检测其δ13C，δD和δ15N以及维生素C、维生素E和总糖。结果发现：单个元素的判别率较低，其中δD和δ15N对产地的判别略优于δ13C，而δ13C，δD和δ15N三者结合，对3个省总体的判别率也仅为57.8%，对周至县、眉县亚地区的判别率为80%。利用线性判别-主成分分析(LDA-PCA)，δ13C，δD和δ15N结合维生素C、维生素E和总糖含量，3个省的总体判别率提高至88.9%，对亚地区的判别率提升至93.3%。
LONGOBARDI等[7]采集了阿普利亚地区(40°47′N，17°06′E)和艾米利亚罗马涅(44°35′N，11°13′E)的樱桃Cerasus pseudocerasus样品，艾米利亚罗马涅地区的δ13C，δ18O和δD的平均值分别为-26.5‰，33.2‰和-38.5‰；阿普利亚地区的δ13C，δ18O和δD的平均值分别为-26.4‰，35.4‰和-30.7‰。从艾米利亚罗马涅到阿普利亚，δ13C，δ18O和δD都有不同程度的增加，由于北方(艾米利亚罗马涅)到南方(阿普利亚)气候、环境改变导致同位素分馏。利用δ13C，δ18O和δD三者的线性判别分析，对2个地区的判别率为94.9%；此外，通过电子鼻检测技术，采用3个不同的分析模型(VES1，VES2和VES3)，得到最高的判别率只有89.7%。这说明稳定同位素技术相比于其他检测手段在溯源领域确实有着较好的优势。
胡桂仙等[8]研究了浙江、福建、云南、贵州和江苏等地区杨梅Myrica rubra的稳定同位素和多元素的特征，采用LDA-PCA方法对不同地区的杨梅进行判别，其中浙江省杨梅的准确判别率为99.6%，福建省为90.3%，云南、贵州、江苏省样品归为一类，其准确判别率为98.4%。陈历水等[9]研究了黑加仑Ribes nigrum果实的碳氮同位素，发现两者联合对黑加仑产地溯源的准确率达86.9%。
-
橄榄Canarium album油有着极佳的天然保健、美容功效以及理想的烹调用途，其物理特性和化学成分因不同的品种和地理环境而有所不同。CAMIN等[10]利用δ13C，δ18O，δD以及镁、钾、钙、钒、锰、锌、铅、锶、铯、镧、铈、钐、铕及铀这14种元素对橄榄油的产地进行线性判别，准确率达95.0%。PORTARENA等[11]测定了意大利沿海岸7个产地的38个初榨橄榄油样品，由于都是沿海地区，气候环境条件相似，7个产地δ13C和δ18O变化范围较小，分别为-30.2‰~-27.5‰和21.7‰~26.5‰，发现单独用δ13C和δ18O很难判别不同的产地，采用与拉曼光谱相结合，线性判别分析7个产地初榨橄榄油样品的准确判别率为82.0%，对于其中5个产地的判别率为100%。FRANCESCA等[12]连续追踪了3 a意大利9个产地初榨橄榄油的δ13C和δ18O值，由此建立的地理模型能够清晰地判别意大利北方、中南部的第勒尼安、中央亚得里亚海、西西里岛和撒丁岛初榨橄榄油。
-
MAGGI等[13]研究了来自希腊、伊朗、意大利、西班牙藏红花Crocus sativus香料中的16种特征参数(着色程度、藏红花苦甙、藏红花醛等)以及碳氢氮同位素比值，发现若只通过16种特征参数对4个产地的判别率为60.7%，而结合δ13C，δD和δ15N值，采用后交叉验证得到100%的判别率。
西洋参Panax quinquefolius是一种地域性的药材，制成的西洋参片同样具有地域特征。TIAN等[14]首先测定了中国山东、北京、吉林，加拿大，美国的西洋参δ13C，δD，δ18O和δ15N，分别为-28.52‰~22.19‰，-43.41‰~90.6‰，18.3‰~30.5‰以及-2.46‰~3.97‰。由于δD，δ18O和δ15N与地域的相关性较大，因此利用δD，δ18O和δ15N建立模型，对4个产地的判别率为88%。此外，西洋参制成药片前后δD，δ18O和δ15N没有变化，表明上述模型同样适用于判别西洋参药片的产地。利用该模型对药店购买的10盒西洋参药片进行产地判别，成功地区分了来自美国的7盒产品和来自中国北京的3盒产品。
李国琛[15]采集了辽宁、吉林、黑龙江、陕西、湖北、湖南和广西7个产地的五味子Schisandra chinensis样品，发现δ13C和δ15N是追溯五味子产地的良好指标，同时进一步发现五味子中的δ15N与相应地区土壤样品中的δ15N和氮含量呈正相关性。
在追溯产品的体系时，首先要保证收集样品的产地准确无误。通过测定样品的δ13C，δD，δ18O和δ15N，或者其中的几种同位素比值，采用线性判别方法对数据进行判别分析。如果采用单个同位素指标判别，则需达显著差异(P＜0.05)时才能判别。有时，还需结合其他的分析检测，将产品的同位素比值测定结果与其他有效成分(如维生素C，维生素E和总糖)的指标结合，同时用线性判别方法，以提高产地的判别率。
-
目前，市场销售产品的掺假有2种：一种是C4植物某些成分对C3植物产品的掺杂，如果汁中加入玉米糖浆、C4植物油对C3植物油的掺杂；另一种是外源的水分、乙醇等的掺杂，如苹果醋中加入人工合成的乙酸、天然来源的香精香料中添加工业用料、植物与动物源产品的掺杂等。这些掺杂行为会损害消费者的利益，甚至影响消费者健康，也使企业在不公平的竞争中受到侵害。为了稳定市场，避免消费者购买到假冒产品，打假鉴别势在必行[5]。稳定同位素技术适用于对林产品的鉴别掺假。目前大多集中在林产饮料、木本草本油料以及某些香精香料方面。
-
在林产饮料方面主要是一些水果汁的掺假鉴别。MAGDAS等[16]研究发现：往纯正果汁中加入不同比例的自来水，果汁中的δ18O和δD随着自来水比例的增加而减小，自来水体积分数从9%增加到41%，δ18O和δD分别从-5.5‰和-51.4‰减小到-7.5‰和-59.7‰。δ18O所占的比例与自来水添加的百分比很接近。在往苹果汁(C3)中添加蔗糖(C4)后，发现δ13C的变化与蔗糖的含量存在着线性变化。以此对8种市售水果汁检测，结果发现：其中4种的δ18O和δD异常高，分别大于-6.5‰和-50.0‰，认为这4种添加了自来水；而这4种中的3种，其δ13C也异常的高，大于-14.6‰，认为添加了蔗糖或者玉米糖浆。
GUYON等[17]采用高效液相质谱联用同位素比例质谱(HPLC-IRMS)，分离并检测了25个真实柑橘Citrus reticulata类果汁的有机酸、葡萄糖、果糖的δ13C。将葡萄糖的δ13C值分别与有机酸、果糖的δ13C值建立散点图，发现样品呈现一定的分布区间。对30个市售的果汁样品(6个浓缩果汁、24个“纯果汁”)检测发现某些市售果汁中的有机酸葡、萄糖、果糖δ13C远大于真实果汁的δ13C，认为添加了外源性C4类的有机酸、外源性糖；利用散点图模型验证发现：有10个市售“纯果汁”其有机酸的δ13C值超出了模型中的置信区间，说明“纯果汁”并不纯。
在国内，牛丽影等[18]利用稳定同位素技术对非浓缩果汁和浓缩果汁进行鉴别，发现非浓缩果汁中的δ18O和δD要高于浓缩果汁。李鑫等[19]采用液相色谱联用同位素比例质谱(LC-IRMS)研究发现橙汁中的多种糖组分(葡萄糖、果糖等)的δ13C能用于橙汁掺假鉴别。徐生坚等[20]发现：外源性糖浆的δ18O要比果汁中的δ18O低，且小于25.0‰，根据果汁的δ18O也能鉴别果汁掺假。除了普通的橙汁饮料掺假，水果醋类饮料也有掺假现象，此类饮料的掺假主要是添加了玉米来源的冰乙酸。钟其顶等[21]研究发现：苹果醋中乙酸的δ13C与玉米来源冰乙酸的掺入量具有线性正相关关系。利用该研究检测了20个市售苹果醋饮料的δ13C，发现其中6个δ13C明显高于正常范围，认为有玉米来源的冰乙酸添加。此外研究还扩展到石榴Punica granatum汁[22]、苹果Malus domestica汁[23]等。
-
角鲨烯和角鲨烷是常用的保健品，能从橄榄油和深海鲨鱼中提炼而出。欧盟禁止从鲨鱼中提炼角鲨烯、角鲨烷，但是从鲨鱼中提炼产量高，成本低，导致很多不法厂家依然掺杂从鱼类中提炼的角鲨烯、角鲨烷。FEDERICA等[24]发现从橄榄油提炼出的角鲨烯、角鲨烷的δ13C平均值为-28.4‰±0.5‰，比从鲨鱼中提炼出的-20.5‰±0.7‰要低。角鲨烯、角鲨烷的δ13C与鲨鱼中提炼的角鲨烯、角鲨烷的掺入量呈线性正相关关系，且一旦掺入量体积分数高于10%就能鉴别。鉴于此，对4个标明橄榄油提炼市售样品检测，发现有1个样品添加了体积分数为70%的鲨鱼提炼出的角鲨烯或者角鲨烷，2个样品添加了体积分数为20%的鲨鱼提炼出的角鲨烯或者角鲨烷。郭莲仙等[25]研究发现：纯橄榄油的全油δ13C要小于掺假橄榄油，同时表明，植物油的脂肪酸组成联合植物全油、主要脂肪酸的δ13C值能综合判别植物油掺假。
-
FEDERICA等[26]结合气相联用质谱(GC-MS)和气相联用火焰离子化检测(GC-FID)发现玫瑰Rosa rugosa精油的δ13C平均值为-27.5‰，典型的C3植物，而一般的掺假精油来源于C4植物，且5%~8%的掺入量难以通过玫瑰精油的中的δ13C平均值检测。FEDERICA发现玫瑰精油的成分乙酸香叶酯、香叶醇的δ13C值没有随C4精油的掺入量发生改变，可以用于玫瑰精油掺假鉴别。BONACCORSI[27]检测了莱姆Citrus aurantifolia精油中α-苹烯、苧烯、β-苹烯等多个组分的δ13C值，通过多组分的折线图比较了市售莱姆精油和真实莱姆精油各组分δ13C值的差异，发现市售精油中有5瓶掺假。
SCHMIDT等[28]采用稳定同位素技术检测香草醛的掺假，发现天然香草醛的δ13C值为-16.8‰~ -21.5‰，而人工合成的香草醛的δ13C值为-24.9‰~36.2‰，因此可以用碳同位素比值检测天然香草醛的掺假。GREULE等[29]测定香草醛分子以及香草醛甲氧基上的δ13C和δD，并将2组δ13C和δD用散点图分析，建立了判别香草醛掺假的区间。
利用稳定同位素技术鉴别时，往往选取产品中的某一种或者几种组分测定研究。此时，需要其他仪器的辅助，比如HPLC-IRMS和GC-IRMS等，将待测组分分离后检测。掺假鉴别一般研究的是δ13C同位素的比值，这主要是由于市面上的掺假大部分为C4成分对C3成分的掺假，此外也有与氢、氧、氮等同位素相结合分析。研究过程必须要有真实的样品，对其所测的数据与其他待检样品的数据比较，才能得出最终的结果。
-
有机产品是指不使用人工合成物质如化学农药、化肥、植物生长调节剂、饲料添加剂等通过有机生产体系生产出来的产品，它与绿色食品和无公害食品共同组成中国的安全食品。中国政府自2002年起在全国范围内全面推进“无公害食品行动计划”，旨在实现中国食用农林产品的无公害生产，保障消费安全。对有机产品，除了需要对产地进行认证外，还要求在产品的加工、包装、运输、储存、销售过程中不受到污染，同时需要有完善的质量控制、跟踪审查体系，以及可靠的产品认证方法。稳定同位素技术以δ15N为判定指标，进行植物性有机产品与普通产品的区别。因为植物性有机产品不允许使用氮肥，只能使用有机肥料，研究发现氮肥的δ15N值接近于0，而有机肥料的δ15N值较高，施用有机肥料的植物通过同位素分馏使得有机产品的δ15N高于普通产品[30-31]。
RAPISARDA等[32]分别检测了2种橙子Citrus的δ15N，发现有机橙子中果肉蛋白质和氨基酸的δ15N值都要高于普通橙子，利用这2个参数对有机橙子的鉴别率能达90.63%。CAMIN等[33]检测了橙子、草莓Fragaria × ananassa，柑橘的δ13C，δ2H，δ18O，δ15N和δ34S以及其他的物理化学参数(pH、葡萄糖、果糖等)，发现根据δ15N值、抗坏血酸和固体可溶物能够有效鉴别有机产品，但是δ15N容易受到水果种类、年份、种植地区的影响。冯海强等[34]发现与施尿素的茶树Camellia sinensis相比，施有机肥的茶树其茶叶的δ15N明显要高，因为有机肥为粪便，其本身的δ15N就高，表明根据δ15N判别有机茶叶具有可行性。
-
稳定同位素技术的优点有：①灵敏度高。用于检测的样品只需几毫克甚至零点几毫克，极大方便了低含量组分的检测。②实验过程简单快速。使用高自动化的同位素质谱仪，许多样品可以直接检测，避免了繁琐的提取和纯化工作。③适用范围广。在掺假鉴别过程中，普通方法难以检测结构相似的掺假物，而稳定同位素技术利用同位素的比值及分布能鉴别这一类物质；④安全环保。稳定同位素没有放射性，且实验过程中不会造成二次污染。这些优点使得稳定同位素技术的使用越来越广。
然而该技术还存在一些不足之处。首先，稳定同位素技术所需设备较为昂贵，普通实验室难以配备，使得样品的分析成本高。其次，该技术在鉴别、溯源时，如果不同的地区具有相似的环境，则同位素比值分布差异性有可能不显著，这将对产品的溯源造成一定的困难。因此，在使用稳定同位素技术时还需考虑多方面的因素。
-
稳定同位素技术在追溯林产品产地来源、鉴别掺假、有机产品认证等方面有着重要的作用。但是，目前，稳定同位素技术对林产品产地溯源及鉴别主要源于植物自身代谢导致的同位素分馏效应，由于中国幅员辽阔，气候、纬度等因素也对稳定同位素分馏有一定影响，因此植物生长机理与产地环境之间的关系需要深入研究，并将研究结果深入推广，使之能够用于更多林产品的溯源和鉴别问题。单一元素指标难以达到检测目的，可研究采用多元素，多种化合物检测，并利用LDA-PCA对测定结果进行分析，或联用其他的检测手段HPLC-IRMS和GC-IRMS等，进行有效成分的深入研究，及分子内的稳定同位素分布研究，从而建立更为可靠的林产品检测方法和溯源识别体系。
Progress in application of stable isotope in forest product traceability and adulteration detection
-
摘要: 稳定同位素技术能够有效应用于林产品的产地溯源和掺假鉴别。利用碳、氢、氧、氮同位素技术，结合线性判别-主成分分析，能够较好地追溯中华猕猴桃Actinidia chinensis，樱桃Cerasus pseudocerasus，橄榄Canarium album油等林产品的产地；采用单一的同位素比例质谱，或者结合高效液相色谱、气相色谱，能够鉴别果汁饮料、保健品、香精香料的掺假；利用氮同位素能认证有机产品。基于国内外学者在林产品溯源、鉴别、有机产品认证等方面的研究工作，总结了稳定同位素技术的基本原理及其在林产品产地溯源和掺假鉴别中的应用研究进展，以期推动稳定同位素技术的更广泛应用，及完善中国林产品的检测技术并构建产品溯源体系。Abstract: Stable isotope technology can be used in forest product traceability and adulteration detection. Combined with LDA-PCA, the isotope ratios (13C/12C, D/H, 18O/16O, 15N/14N) were able to trace the geographical origin of kiwifruit, sweet cherries and extra-virgin olive oils. Stable carbon isotope was applied to authentication of fruit juice, health products and flavours by IRMS, HPLC-IRMS or GC-IRMS. Stable nitrogen isotope can verify the organic product. Based on the research of forest and organic product traceability and adulteration detection, this paper summarized the theory of stable isotope technology and application of stable isotope in forestry adulteration detection and trace ability. This paper aims to promote the application of stable isotope technology and to improve the method of adulteration detection and traceability in forest product.
-
Key words:
- food science /
- stable isotope /
- forest product /
- traceability /
- detection /
- organic product /
- review
-
南方集体林区以丘陵为主的地形特征决定了林业生产过程中客观上存在着机械替代率低的问题。由于大量农村劳动力进入城市非农就业，林业经营主体需要通过雇佣劳动力以解决劳动力不足的问题[1]；日趋扩大的规模化经营对雇佣劳动力的依赖程度急剧增大，委托代理关系也应运而生。委托代理关系下的营林生产过程往往存在着信息不对称和“道德风险”等问题，导致雇主对劳动过程的监督不到位[2]；而相对粗放的林业生产中，雇主无法准确观测劳动力的投入程度，雇工生产效率较低[3]。因此，在南方集体林区不断推进林业规模化经营的背景下，开展雇工劳动质量对农户营林技术效率的影响研究具有重要的理论和现实意义。国内外学者关于雇佣劳动对农林业生产影响的研究主要集中在农业领域。一种观点认为雇佣劳动对农业生产效率产生了负面影响。雇佣劳动存在“道德风险”，雇佣劳动力的边际产出小于自有劳动力的边际产出，要保证劳动质量必须要付出大量的监督成本。有研究发现：存在雇工行为的家庭农业经营雇主，需要花费10%的劳动力时间来监督雇工，对劳动力在其他用途上的配置产生挤出效应。还有研究表明：团队组织内部监督不完备与激励不足，将会降低生产效率[4]。另一观点则认为雇佣劳动对农业生产效率有正向影响。张五常[5]认为分成制、定租制和混合制等委托-代理机制[3]是有效的。相比之下，目前针对林业雇工研究较少，从雇工视角探讨南方集体林区农户营林生产效率影响因素的研究还未见报道。本研究基于浙江省的实地调研数据，采用计量模型测算样本农户的营林技术效率，分析雇工劳动质量对农户营林技术效率的影响，以期为林业规模化经营中存在的雇工劳动问题提供决策依据。
1. 雇工劳动质量对农户营林技术效率影响的理论机制分析
1.1 研究假说
根据委托-代理理论[3]，存在于雇佣劳动中“道德风险”会导致雇佣劳动力的边际产出小于自有劳动力的边际产出；而相对粗放的林业生产管理会增加劳动力的监督难度，加重林业雇佣劳动中的机会主义行为。即营林生产过程中雇佣劳动会在一定程度上影响技术效率的提高。同时，雇工投入水平的差异对农户营林技术效率的影响也是不同的。雇工投入越多，则家庭自有劳动力越少，劳动监督难度越大，雇工劳动力的道德风险也越大，从而导致劳动生产质量下降，林业生产效率会因此受到影响（落入到生产可能性曲线内部）。就家庭自有劳动力与雇工关系而言，拥有剩余索取权的家庭自有劳动力更多地参与到营林生产中，则边际产出会随之升高，劳动质量会得到更大程度的保证，雇佣劳动对林业生产效率的负面影响程度也相对减弱。因此，可提出以下研究假说：农户营林生产过程中的雇佣劳动会对营林生产造成负面影响，且雇工劳动质量不同，雇佣劳动对农户营林技术效率的影响程度也不同。
1.2 理论模型
技术效率（technical efficiency, TE）是目前测度生产单位效率水平最常见的指标之一，一般用生产单位的实际产出与其理论上所能实现的最大潜在产出的比值来表示，本研究选用技术效率来衡量样本经营农户营林生产效率水平。用Yi表示第i个农户的林业产出，则随机前沿生产函数（stochastic frontier approach，SFA）可表示为：Yi＝f（Xi，β）exp（Vi-Ui）。其中：f（Xi，β）代表生产前沿面，Xi为生产要素的投入，本研究指资本、土地和劳动力的投入；（Vi-Ui）为混合误差，其中Vi表示随机误差，包含测度误差及不可控因素；Ui为技术效率损失，表示农户i的技术非效率项，服从独立的截断正态分布N（mi，δu2），其中mi为数学期望，δu2为方差。
技术无效率函数（mi）可设定为：$ {m_i} = {\delta _0} + \sum\limits_j {{\delta _j}{Z_{ji}} + {\mu _i}} $。其中：i表示第i位样本农户，Zji表示影响技术效率的各外生变量，δj为待估参数，反映各外生变量对技术效率的影响程度，μi为纯随机误差项。
在此基础上求解出技术效率水平：Ti＝E（Yi∣Ui，Xij）/E（Yi∣Ui＝0，Xij）＝exp（-Ui），从而求解出平均技术效率：$ T = \frac{1}{n}\sum\limits_{i = 1}^n {{T_i}} $。其中：n为农户数量，本研究采用最大似然估计法来估计前沿生产函数的参数。
2. 数据来源、实证模型与变量选择
2.1 数据来源
本研究以浙江省南方集体林区为案例点，充分考虑地理位置、自然资源和社会经济发展差异，按农民人均可支配收入分层抽样选取浙江省建德市、开化县2个县（市）作为样本县（市）。2地农民人均可支配收入为23 998和15 736元，存在明显差异，反映出浙江省不同地区经济发展的差异性；森林覆盖率为76.2%和80.9%，均超出浙江省的平均水平，林业代表性较好。采取随机抽样法，在2个样本县（市）随机选取6个乡（镇），其中开化3个乡（镇），建德3个乡（镇）。为保证问卷的质量与信息的真实性，调查采取“一对一”的访谈模式。共得到农户有效样本245户，其中有雇工参与的农户151户，无雇工参与的农户94户。
杉木Cunninghamia lanceolata是样本地区分布最广的树种之一，也是当地农户最主要的林业收入来源之一；因此，本研究以杉木为案例树种进行调研。调查内容包括农户家庭基本情况、林地基本情况、1个营林周期内最大地块上杉木的生产投入和产出情况等。样本分布见表 1。
表 1 农户有效样本分布情况Table 1. Specific distribution of effective sample of farmers县（市） 乡（镇） 村 合计/户 比例/% 开化 华埠 许家源 20 8.2 联丰 20 8.2 池淮 芹源 20 8.2 玉坑 20 8.2 芹阳 泉坑 21 8.6 小桥头 20 8.2 建德 李家 沙墩头 8 3.3 长林 23 9.4 石鼓 9 3.7 龙桥 1 0.4 新桥 2 0.8 李家 2 0.8 建德 大同 上马 1 0.4 小溪源 24 9.8 永平 1 0.4 竹林 1 0.4 竹源 13 5.3 航头 大店口 21 8.6 东村 14 5.7 溪沿 1 0.4 罗源 1 0.4 曹源 2 0.8 总计 245 100.0 2.2 实证模型与变量选择
在测算林业技术效率之前，需要先确定前沿函数的具体形式，常见的前沿函数形式有C—D生产函数和超越对数生产函数。相对于前者，后者不仅形式灵活、易估计、包容性强，而且允许要素间替代弹性可变，没有对技术变化附加任何限制条件，因此近似性更好。考虑到南方集体林区农户拥有林地地块数量普遍较多，而农户林业生产中最重视且存更大雇佣劳动可能性的一般是最大地块，因此，本研究采用农户最大地块1个经营周期内的营林投入产出变量来构建生产函数。超越对数生产函数公式如下：lnYi＝β0+β1lnKi+β2lnLi+β3lnMi+β4（lnKi）2+β5（lnLi）2+β6（lnMi）2+β7lnKilnLi+β8lnMilnMi+β9lnKilnMi+Vi-Ui。其中：Y表示最大地块1个经营周期内的林业产出（主伐量）（m3）；K表示农户在最大地块的1个经营周期内所投入的费用（元）；L表示农户在最大地块的1个经营周期内所投入的劳动投工数量（工）；M表示最大地块面积（hm2）；β0~β9为待估参数。
通过对超越对数生产函数求导可以分别计算出各投入要素的产出弹性。资本投入要素的产出弹性为：η1＝β1+2β4lnK+β7lnL+β9lnM。劳动力投入要素的产出弹性为：η2＝β2+2β5lnL+β7lnK+β8lnM。土地投入要素的产出弹性为：η3＝β3+2β6lnM+β8lnL+β9lnK。农户技术无效率函数表示为：$ {m_i} = {\delta _0} + \sum\limits_{j = 1}^{j = 5} {{\delta _j}{h_j} + \sum\limits_{j = 6}^{j = 16} {{\delta _j}{Z_{ji}} + {\mu _i}} } $。其中hj为关键变量，代表雇工劳动质量，表示农户最大地块1个经营周期内雇佣劳动力的投工质量情况，Zj为控制变量。
为全面测度营林雇工劳动质量问题，本研究构建了雇工年龄比例、雇工性别比例、雇工投工所占比例、受过技术培训的雇工所占比例等具体指标[6]作为关键变量。具体如下。①雇工年龄比例：40岁以下雇工所占比例（h1）、60岁以上雇工所占比例（h2）；②雇工性别比例：男雇工所占比例（h3）；③雇工投工所占比例：总投工中雇工所占比例（h4）；④受过技术培训的雇工所占比例（h5）。
一般研究将影响技术效率的地块特征、农业生产特征、户主特征等外生因素作为控制变量。①地块特征主要包括地块的地理位置（最大地块离家距离）、农户家庭山林总面积、农户家庭林地总块数、最大地块立地质量。地块离家距离越近，越便于林农对林地进行管理，所以，预期最大地块离家距离会对农户营林技术效率产生负向影响。农户家庭山林总面积越大、林地总块数越多意味着农户管理林地的难度也越大，平均到每个地块的管理时间就会越少，因此，预期其会对农户营林技术效率产生负向影响[7]。土地细碎不利于先进机械设备和技术的推广，控制病虫害难度加大，难以实现规模经营[8]，虽然也有研究表明耕地面积与生产率之间的反向关系[9]，但有些研究却表明此种关系并不显著[10]，因此预期其总效应不明确。地块的立地质量对效率的影响是显而易见的，肥沃的土壤相对于贫瘠的土壤更能提高农户的生产效率[11]，因此预期其会对农户营林技术效率会产生正向影响。②农业生产特征包括家庭务农人数、家庭总收入以及农户是否为补贴户。家庭务农人数会直接影响到劳动力要素的投入，因此预期其会对农户营林技术效率产生正向影响。农户家庭总收入的增加会加大农户的林业投资[12]，预期会对农户营林技术效率产生正向影响。农户若为补贴户，林业补贴的增加也会增加农户对林业的资本投入，因此假设其会对农户营林技术效率产生正向影响。③户主特征。包括户主年龄、户主的受教育年限、户主健康状况、户主是否担任过村干部。户主年龄对其技术效率的影响方向取决于该农户是更富有经验还是更守旧[13]；户主受教育年限越长，越能有效利用先进的农业生产技术[14]，因此，假设其会对农户营林技术效率产生正向影响。户主健康状况对农户营林技术效率的影响也是显而易见的：户主健康状况越好，越有利于家庭营林生产劳动和决策，因此假设其会对技术效率产生正向影响。干部身份一方面会带来收入效应，即干部获得先进生产技术和农业生产信息的渠道更多，这会对农户营林技术效率产生正效应；另一方面，干部身份同样存在替代效应，即干部用于家庭经营的时间更少，从事家庭经营的机会成本也较高，这会对农户营林技术效率产生负效应[15]。因此其具体影响尚不可知。具体控制变量如下：Z6表示农户是否为补贴户（0代表否，1代表是）；Z7表示户主是否为村干部（0代表否，1代表是）；Z8为农户家庭务农人数（人）；Z9为户主年龄（岁）；Z10为户主受教育年限（年）；Z11为户主健康状况（1代表好，2代表中，3代表差）；Z12表示农户家庭总收入（元）；Z13为农户家庭山林总面积（hm2）；Z14表示农户经营的山林总块数（块）；Z15表示农户经营山林中最大地块的立地质量（1代表好，2代表中，3代表差）；Z16表示最大地块离家的距离（km）。
3. 结果与分析
3.1 描述性统计分析
由表 2可知：样本农户最大地块整个营林周期内单位面积的平均产出为108.62 m3·hm-2，农户最大地块整个营林周期内单位面积的平均资本投入为8 214.47元·hm-2，单位面积平均劳动力投入为375.23工·hm-2，平均林地投入为2.02 hm2。
表 2 随机前沿生产函数模型变量的描述性统计Table 2. Descriptive statistics of variables in Stochastic Frontier Approach's model统计值变量 最大地块总产出/（m3·hm-2） 最大地块资本投入/（元·hm-2） 最大地块面积/hm2 最大地块劳动力投入/（工·hm-2） 平均值 108.62 8 214.47 2.02 375.23 标准差 94.70 5 187.26 1.14 278.28 技术效率损失模型中（表 3），户主的平均年龄为57.24岁，平均受教育年限为7.20 a，可以看出该地区的劳动力质量较差。88.00%的立地质量为中等及以上，最大地块离家距离平均为1.97 km，表明样本地区的立地质量和交通条件对林业经营相对有利。样本农户家庭户均地块为3.41块，表明样本地区林地细碎化问题并不严重。农户的家庭总收入均值为95 501.74元，说明样本地区当地的经济条件利于林业发展。所有样本农户中仅有27.00%的农户为补贴户，说明国家的林补政策还未真正地惠及该地区。
表 3 技术效率损失模型变量的描述性统计Table 3. Descriptive statistics of variables in the loss of technical efficiency's model变量类型 具体变量 平均值 标准差 最小值 最大值 雇工劳动质量 40岁以下雇工所占比例 0.45 0.24 0.10 1.00 60岁以上雇工所占比例 0.49 0.17 0.01 1.00 男雇工所占比例 0.85 0.16 0.20 1.00 总投工中雇工所占比例 0.72 0.25 0.05 1.00 雇佣的工人中受过技术培训的工人所占比例 0.78 0.42 0.10 1.00 户主特征 户主年龄（岁） 57.24 9.38 27 86 户主教育年限 7.20 3.52 0 16 户主是否为村干部（0代表否，1代表是） 0.33 0.46 0 1 户主健康状况：好 0.84 0.36 0 1 户主健康状况：差 0.12 0.22 0 1 农业生产特征 家庭务农人数（人） 1.18 1.05 0 5 家庭总收入（元） 95 501.74 104 235.30 520 724 652 是否为补贴户（0代表否，1代表是） 0.27 0.44 0 1 地块特征 家庭总地块数 3.41 2.87 0 20 最大地块质量：好 0.54 0.49 0 1 最大地块质量：差 0.12 0.31 0 1 最大地块离家距离（km） 1.97 2.03 0.02 15 山林总面积 3.52 8.26 0.03 96.67 说明：“户主健康状况”参照组为“中”，“最大地块质量”参照组为“中” 为消除因自变量之间多重共线性导致的模型估计结果偏差，在模型估计前对雇工质量各指标进行相关性检验。结果发现（表 4）：雇工质量各指标之间不存在多重共线性问题，各指标可以作为自变量放入模型进行估计。
表 4 雇工质量各指标系数相关矩阵Table 4. Relevance matrix of index coefficients of employee quality40岁以下雇工所占比例 60岁以上雇工所占比例 男雇工所占比例 总投工中雇工所占比例 雇佣的工人中受过技术培训的工人所占比例 40岁以下雇工所占比例 1.00 60岁以上雇工所占比例 0.18 1.00 男雇工所占比例 0.24 0.15 1.00 总投工中雇工所占比例 0.01 0.00 0.33 1.00 雇佣的工人中受过技术培训的工人所占比例 0.24 0.02 0.10 0.23 1.00 3.2 实证结果分析
利用广义似然比（LR）检验可降低对SFA模型的依赖，避免函数形式的误设，从而从设定的待估计模型中筛选出最能拟合样本数据的模型。LR公式可表示为：RL＝-2[lnL（H0）-lnL（H1）] ~χ2（k）。其中：L（H0）和L（H1）分别是零假设H0和备择假设H1下的似然函数值，表示受约束条件的自由度。将LR统计量与临界值进行比较，当LR统计量值大于临界值时拒绝原假设，否则，接受原假设。给出的2个零假设为：（1）规模户和非规模户的前沿面并没有显著的差异，即模型不需要添加是否为规模户的虚拟变量。（2）外生变量对技术效率无任何影响，即模型不需要添加外生变量影响因素。LR验证结果如表 5所示。相对于基准模型，假设1在1%显著性水平上没有被拒绝，而假设2在1%显著性水平上拒绝原假设；说明原假设1对应的模型较好地拟合了样本数据，可作为本研究测度技术效率的主要模型。
表 5 假设检验结果Table 5. Hypothesis test results零假设 LR统计量 自由度 χ2 0.01临界值 结论 H0：不应该设置规模户虚拟变量 0.001 9 20.97 接受 H0：外生变量对技术效率无影响 126.310 14 28.49 拒绝 3.2.1 随机前沿生产函数模型估计结果分析
表 6为随机前沿生产函数模型的估计结果。将表 6的回归系数代入上文生产投入要素产出弹性计算公式中可得到各投入要素的产出弹性。计算得：土地投入要素的产出弹性为2.25，说明样本地区林业生产对土地投入的依赖程度较高，即林业生产中最为稀缺的生产要素是土地，增加土地投入可以大幅度地提高林业产出。资本（-0.09）和劳动力（-0.23）投入要素的产出弹性均为负值，说明目前样本地区林业存在过度投入资本和劳动力的情况，单纯依靠增加林业劳动力和林业资本投入并不会带来林业产出的增加，相反还可能导致林业产出减少。
表 6 随机前沿生产函数模型估计结果Table 6. Estimated results of Stochastic Frontier Approach's model变量 系数 变量 系数 最大地块资本投入 0.589***（0.091） 劳动力投入的平方项 -0.029*（0.016） 最大地块面积（土地投入） 0.746***（0.240） 资本投入×土地投入 0.160**（0.068） 最大地块劳动力投入 0.017（0.125） 土地投入×劳动力投入 0.108*（0.063） 资本投入的平方项 0.051***（0.010） 资本投入×劳动力投入 -0.014（0.035） 土地投入的平方项 -0.410***（0.137） 常数项 -0.368（0.259） 说明：*，**，***分别表示通过10%，5%，1%水平下的显著性检。括号内数值为回归标准误 3.2.2 技术效率损失模型估计结果分析
在245份有效样本农户中，家庭最大地块1个营林周期内有雇佣劳动力的农户有151户，占总体样本的61.63%。总体农户平均技术效率值为0.57，有雇工农户平均技术效率值为0.59，无雇工农户的平均技术效率值为0.76。由表 7可知：如果消除技术效率的损失，总体样本农户的平均技术效率还有43.00%的提升空间。由描述性统计结果可粗略看出无雇工农户的平均技术效率高于有雇工农户的平均技术效率，但雇佣劳动对农户技术效率的具体影响有待进一步计量分析。由样本农户雇工情况对农户营林技术效率损失影响的估计结果（表 8）可知：在控制其他变量不变的情况下，雇工会对农户营林技术效率造成负面影响（P＜0.10）。雇工劳动质量指标中，总投工中雇工所占比例对农户的营林技术效率具有负向影响（P＜0.05）；原因可能是家庭自有劳动力和雇佣劳动力劳动质量存在异质性，雇主对劳动过程的监督很难到位，由此造成总投工中雇工所占比例越高，农户营林技术效率越低。户主年龄对农户的营林技术效率具有正向的影响（P＜0.10）；原因可能是随着户主年龄增大，其营林生产经验越丰富，对家庭营林生产越有利。户主良好的身体状况对农户营林生产技术效率具有正向影响（P＜0.05）；作为家庭最主要的林业劳动力和决策者，户主身体健康程度对林业生产至关重要。家庭总收入对农户营林生产技术效率具有正向影响（P＜0.05）；原因在于农户家庭总收入的增加会减少农户家庭林业生产的资金约束，农户林业投资概率会增大。山林总面积和家庭总地块数都对农户的营林技术效率具有负向影响（P＜0.10）；农户家庭山林总面积越大、家庭总地块数越多，农户管理林地的难度也越大，平均到每个地块的管理时间就会越少，农户无法对林地进行精细化地管理，影响了技术效率的提高。好的地块质量对农户营林生产技术效率具有负向影响（P＜0.10）；这与预期的影响方向相反，可能的原因是：农户会对质量较好的地块相对投入更少的肥料和劳动力等生产要素，因此使立地质量较优的地块产出情况反而不如立地质量较差的地块。
表 7 样本农户营林技术效率总体情况Table 7. Overall situation of technical efficiency of sample farmers in forestry management描述性统计农户类型 平均值 标准差 最小值 最大值 全部农户 0.57 0.20 0.12 0.92 有雇工农户 0.59 0.25 0.06 0.98 无雇工农户 0.76 0.12 0.24 0.92 表 8 雇工情况及雇工劳动质量对农户营林技术效率损失的影响估计结果Table 8. Estimation of the impact of employment and labor quality of employees on technical efficiency of farmers' forestry management变量类型 具体变量 系数 具体变量 系数 雇工情况 是否雇工（0代表否，1代表是） 0.373*（0.212） 40岁以下雇工所占比例 1.139（0.814） 及雇工劳 60岁以上雇工所占比例 -0.474（0.509） 动质量 男雇工所占比例 0.662（0.511） 总投工中雇工所占比例 1.205**（0.538） 雇佣的工人中受过技术培训的工人所占比例 -2.115（1.328） 户主特征 户主年龄（岁） -0.011（0.009） 户主年龄（岁） -0.027*（0.016） 户主教育年限 -0.008（0.022） 户主教育年限 0.052（0.044） 户主是否为村干部（0代表否，1代表是） 0.182（0.160） 户主是否为村干部（0代表否，1代表是） 0.181（0.245） 户主健康状况：好 -0.498**（0.242） 户主健康状况：好 -1.130**（0.489） 户主健康状况：差 -0.180（0.324） 户主健康状况：差 -0.132（0.883） 农业生产 家庭务农人数（人） 0.035（0.078） 家庭务农人数（人） 0.084（0.106） 特征 家庭总收入（元） -0.000**（0.000） 家庭总收入（元） -0.000**（0.000） 是否为补贴户（0代表否，1代表是） 0.333**（0.165） 是否为补贴户（0代表否，1代表是） 0.317（0.259） 地块特征 家庭总地块数 0.035（0.026） 家庭总地块数 0.090*（0.049） 最大地块质量：好 0.221（0.155） 最大地块质量：好 0.640*（0.359） 最大地块质量：差 -0.117（0.241） 最大地块质量：差 0.196（0.460） 最大地块离家距离（km） -0.040（0.037） 最大地块离家距离（km） -0.052（0.061） 山林总面积 -0.005（0.022） 山林总面积 0.042*（0.022） 常数项 1.643***（0.623） 常数项 0.303（1.099） σ2 0.318***（0.070） σ2 0.801***（0.268） γ 0.876***（0.073） γ 0.995***（0.003） 说明：“户主健康状况”参照组为“中”，“最大地块质量”参照组为“中”；*，**，***分别表示通过10%，5%，1%水平下的显著性检验。括号内数值为回归标准误 4. 结论及建议
4.1 结论
本研究发现：样本农户的营林技术效率的平均值为0.57，表明样本农户在当前技术水平下平均56.60%的产出可以通过现有的生产要素组合来获得，样本农户的营林技术效率还有43.40%的提升空间。农户营林生产过程中的雇佣劳动确实会对营林生产造成负面影响，雇工劳动质量不同，对提高农户营林技术效率的影响程度不同；营林生产总投工中雇工所占比例越大，对提高农户营林技术效率的负面影响程度越大。
4.2 建议
建立有效的劳动监督和管理机制。雇佣劳动力在劳动过程中缺乏有效的劳动监督，雇工劳动质量低下，是营林生产技术效率下降的主要原因。因此，农户应根据雇工实际情况建立有效劳动监督机制，在劳动生产可计量的环节尝试使用绩效工资，并根据劳动成果给予一定的激励措施，减少雇工过程中“搭便车”行为的发生，从而提高雇工劳动的质量。在目前林业规模经营日趋普遍的情况下，传统的生产经营和管理方式越来越难以适应，迫切需要建立高效的林业生产管理机制。革新传统林业管理理念，启用具有现代管理才能的人才管理林业经营；在林业生产的各个环节，制定科学合理的管理细则和林业生产流程。
推进适度规模经营，加大林业科技服务投入。解决各林业经营主体营林生产过程中的雇工劳动质量问题的关键是解决农村劳动力不足的问题。因此，推广林业机械化生产、开拓新型经营方式、积极推进林业适度规模经营均能在很大程度上解决上述问题。在地形条件较平缓的地区的林业规模经营户中可以依靠推进农业机械化替代劳动力，解决雇佣劳动所带来的劳动质量问题。同时，在机械替代较为困难的地区，可以尝试开拓林业服务外包、农户之间合作经营和托管经营等新型林业经营方式，促使劳动力要素配置更加专业化，也可以缓解由于雇佣劳动力所带来的劳动质量问题。对规模经营中出现的雇工劳动问题，需要进一步研究以寻找雇工劳动最优的比例，从劳动力层面对农户适度规模经营提出要求。
-
[1] ZHAO Yan, ZHANG Bin, CHEN Gang, et al. Recent developments in application of stable isotope analysis on agro-product authenticity and traceability[J]. Food Chem, 2014, 145:300-305. [2] 郭莲仙, 麦展华, 赵行, 等.稳定碳同位素技术在食品掺杂和溯源检测的应用[J].现代食品科技, 2016, 26(3):281-290. GUO Lianxian, MAI Zhanhua, ZHAO Xing, et al. Application of stable carbon isotopes in detection of food adulteration and traceability[J]. Mod Food Sci Technol, 2016, 26(3):281-290. [3] 张遴, 蔡砚, 乐爱山, 等.稳定同位素比质谱法鉴别蔗糖和甜菜糖[J].食品科学, 2010, 31(2):124-126. ZHANG Lin, CAI Yan, LE Aishan, et al. Element analysis stable isotope ratio mass spectrometric differentiation of cane sugar and beet sugar[J]. Food Sci, 2010, 31(2):124-126. [4] 林光辉.稳定同位素生态学[M].北京:高等教育出版社, 2013. [5] 段鹤军, 赵立文.稳定同位素质谱分析技术及其在食品检验中的应用研究进展[J].食品研究与开发, 2016, 37(20):207-209. DUAN Hejun, ZHAO Liwen. Application of stable isotope mass spectrometry in food safety inspection[J]. Food Res Dev, 2016, 37(20):207-209. [6] 马奕颜, 郭波莉, 魏益民, 等.稳定同位素-有机成分结合判别猕猴桃的产地来源[J].中国食品学报, 2015, 15(8):238-244. MA Yiyan, GUO Boli, WEI Yimin, et al. Identification of kiwi fruit geographical origin using stable isotopes and organic compounds[J]. J Chin Inst Food Sci Technol, 2015, 15(8):238-244. [7] LONGOBARDI F, CASIELLO G, VENTRELLA A, et al. Electronic nose and isotope ratio mass spectrometry in combination with chemometrics for the characterization of the geographical origin of Italian sweet cherries[J]. Food Chem, 2015, 170(1):90-96. [8] 胡桂仙, 邵圣枝, 张永志, 等.杨梅稳定同位素和多元素特征在其产地溯源中的应用[J].核农学报, 2017, 31(12):2450-2459. HU Guixian, SHAO Shengzhi, ZHANG Yongzhi, et al. Characterization of stable isotope and multi-elements in myricarubra for its traceability of geographic origin[J]. Acta Agric Nucl Sin, 2017, 31(12):2450-2459. [9] 陈历水, 丁庆波, 苏晓霞, 等.碳和氮稳定同位素在黑加仑产地区分中的应用[J].食品科学, 2013, 34(24):249-253. CHEN Lishui, DING Qingbo, SU Xiaoxia, et al. Stable isotope distribution of carbon and nitrogen in blackcurrant-producing region[J]. Food Sci, 2013, 34(24):249-253. [10] CAMIN F, LARCHER R, NICOLINI G, et al. Isotopic and elemental data for tracing the origin of European olive oils[J]. J Agric Food Chem, 2010, 58(1):570-577. [11] PORTARENA S, BALDACCHINI C, BRUGNOLI E. Geographical discrimination of extra-virgin olive oils from the Italian coasts by combining stable isotope data and carotenoid content within a multivariate analysis[J]. Food Chem, 2017, 215(1):1-6. [12] FRANCESCA C, SILVIA P, MARCO C, et al. Isoscapes of carbon and oxygen stable isotope compositions in tracing authenticity and geographical origin of Italian extra-virgin olive oils[J]. Food Chem, 2016, 202(1):291-301. [13] MAGGI L, CARMONA M, KELLY S D, et al. Geographical origin differentiation of saffron spice (Crocus sativus L. stigmas):preliminary investigation using chemical and multi-element (H, C, N) stable isotope analysis[J]. Food Chem, 2011, 128(1):543-548. [14] TIAN Zhihao, DU Shouying, LIU Chunsheng, et al. Identification of geographical origins of raw American ginseng and tablets based on stable isotope ratios[J]. J Chromatogr B, 2016, 108(10):73-79. [15] 李国琛. 五味子产地溯源技术研究[D]. 北京: 中国科学院研究生院, 2011. LI Guochen. Study on the Traceability Technology for Schisandra Fruits[D]. Beijing: Graduate University of Chinese Academy of Sciences, 2011. [16] MAGDAS D A, VEDEANU N S, PUSCAS R. The use of stable isotopes ratios for authentication of fruit juices[J]. Chem Papers, 2012, 66(2):152-155. [17] GUYON F, AUBERGER P, GAILLARD L. 13C/12C isotope ratios of organic acids, glucose and fructose determined by HPLC-co-IRMS for lemon juices authenticity[J]. Food Chem, 2014, 146(3):36-40. [18] 牛丽影, 胡小松, 赵镭, 等.稳定同位素比率质谱法在NFC与FC果汁鉴别上的应用初探[J].中国食品学报, 2009, 9(4):192-197. NIU Liying, HU Xiaosong, ZHAO Lei, et al. The primary research of stable isotope ratio mass spectrometry method in application of NFC and FC juice authentic identification[J]. J Chin Ins Food Sci Technol, 2009, 9(4):192-197. [19] 李鑫, 刘柱, 蒋鑫, 等.液相色谱/元素分析-同位素比率质谱联用法鉴定橙汁掺假[J].食品科技, 2013, 20(5):323-327. LI Xin, LIU Zhu, JIANG Xin, et al. Identification of orange juice adulteration by using liquid chromatography/elemental analysis-isotope ratio mass spectrometry[J]. Food Sci Technol, 2013, 20(5):323-327. [20] 徐生坚, 李鑫, 陈小珍, 等.氢和氧稳定同位素比率在橙汁掺假溯源鉴别中的应用初探[J].食品工业, 2014, 32(6):175-178. XU Shengjian, LI Xin, CHEN Xiaozhen, et al. Preliminary application of hydrogen and oxygen stable isotope ratios in the orange juice adulteration traceable identification[J]. Food Ind, 2014, 32(6):175-178. [21] 钟其顶, 王道兵, 李国辉.稳定碳同位素技术在苹果醋饮料掺假鉴别中的应用初探[J].饮料工业, 2016, 19(4):14-17. ZHONG Qiding, WANG Daobing, LI Guohui. The primary research of stable carbon isotope ratio techniques in the detection of adulteration of apple vinegar[J]. Beverage Ind, 2016, 19(4):14-17. [22] ZHANG Yanjun, KRUEGER D, DURST R, et al. International multidimensional authenticity specification (IMAS) algorithm for detection of commercial pomegranate juice adulteration[J]. J Agric Food Chem, 2009, 57(6):2550-2557. [23] CARTER J F, YATES H S, TINGGI U, et al. Stable isotope and chemical compositions of European and Australasian ciders as a guide to authenticity[J]. J Agric Food Chem, 2015, 63(3):975-982. [24] FEDERICA C, LUANA B, LUCA Z. Stable isotope ratios of carbon and hydrogen to distinguish olive oil from shark squalene-squalane[J]. Rapid Commun Mass Spectrom, 2010, 24(12):1810-1816. [25] 郭莲仙, 梁福睿, 梁一, 等.基于稳定碳同位素示踪技术的商品植物油掺杂鉴别研究[J].现代食品科技, 2014, 51(5):292-296. GUO Lianxian, LIANG Furui, LIANG Yi, et al. Discrimination of the adulteration of commercial vegetable oils by stable carbon isotope analysis[J]. Mod Food Sci Technol, 2014, 51(5):292-296. [26] FEDERICA P, GIULIA O, KATRYNA A, et al. Gas chromatography combined with mass spectrometry, flame ionization detection and elemental analyzer isotope ratio mass spectrometry for characterizing and detecting the authenticity of commercial essential oil[J]. Rapid Commun Mass Spectrom, 2013, 27(5):591-602. [27] BONACCORSI I, SCIARRONE D, SCHIPILLITI L, et al. Multidimensional enantio gas chromtography/mass spectrometry and gas chromatography-combustion-isotopic ratio mass spectrometry for the authenticity assessment of lime essential oils[J]. J Chromatogr A, 2012, 1226(4):87-95. [28] SCHMIDT H L, WERNER R A, ROBMANN A, et al. Stable isotope ratio analysis in quality control of flavourings[J]. Flavour Prod, Compos, Appl Regul, 1998, 102(10):539-594. [29] GREULE M, TUMINO L, KRONEWALD T, et al. Improved rapid authentication of vanillin using δ13C and δ2H values[J]. Eur Food Res Technol, 2010, 231(6):933-941. [30] 袁玉伟, 张志恒, 杨桂玲, 等.氮稳定同位素的印迹规律与有机食品鉴别[J].核农学报, 2009, 23(4):659-663. YUAN Yuwei, ZHANG Zhiheng, YANG Guiling, et al. Signatures of nitrogen stable isotope and determination of organic food authentication[J]. Acta Agric Nucl Sin, 2009, 23(4):659-663. [31] 项景欣.有机食品稳定同位素溯源技术研究进展[J].食品科学, 2014, 35(15):345-348. XIANG Jingxin. A review of the application of stable isotope technology to traceability of organic foods[J]. Food Sci, 2014, 35(15):345-348. [32] RAPISARDA P, CALABRETTA M, ROMANO G. Nitrogen metabolism components as a tool to discriminate between organic and conventional citrus fruits[J]. J Agric Food Chem, 2005, 53(7):2664-2669. [33] CAMIN F, PERINI M, BONTEMPO L. Potential isotopic and chemical markers for characterising organic fruits[J]. Food Chem, 2011, 125(3):1072-1082. [34] 冯海强, 潘志强, 于翠平, 等.利用15N自然丰度法鉴别有机茶的可行性分析[J].核农学报, 2011, 25(2):308-312. FENG Haiqiang, PAN Zhiqiang, YU Cuiping, et al. Feasibility analysis of organic tea authentication using 15N natural abundance method[J]. Acta Agric Nucl Sin, 2011, 25(2):308-312. 期刊类型引用(4)
1. 朱臻，薛家依，宁可. 规模化经营背景下劳动监督对营林质量的影响研究：来自南方集体林区三省规模户的实证数据. 农林经济管理学报. 2021(01): 78-91 . 
百度学术2. 高润，刘洁. 林业经济实现可持续发展的重要性分析. 林产工业. 2021(04): 99-101 . 百度学术3. 肖琦，洪英. 新形势下林业科技对林业发展的重要性分析. 林产工业. 2021(05): 69-71+76 . 百度学术4. 修丕师，张晓梅. 重点国有林区职工林下经济创业潜力及支持路径研究. 林业经济问题. 2020(06): 626-633 . 百度学术其他类型引用(8)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.2018.05.023
点击查看大图
计量
- 文章访问数: 3751
- HTML全文浏览量: 838
- PDF下载量: 961
- 被引次数: 12
下载:
