طبقه‌بندی جغرافیایی زعفران ایتالیایی (Crocus sativus L.) با استفاده از روش‌های چندبسته‌ای داده‌های طیف‌سنجی UV-Vis و IR

یکصد و چهارده نمونه زعفران که در چهار منطقه مختلف ایتالیا (سه منطقه در ایتالیا مرکزی و یک منطقه در جنوب) برداشت شده بودند، با استفاده از طیف‌سنجی IR و UV-Vis مورد بررسی قرار گرفتند. دو استراتژی چندبلوکی متفاوت، تحلیل تفکیک خطی جزئی و ترتیبی با حداقل مربعات (SO-PLS-LDA) و تحلیل تفکیک خطی جزئی و ترتیبی با انتخاب هم‌واریانس (SO-CovSel-LDA)، برای به طور همزمان مدیریت دو بلوک داده و طبقه‌بندی نمونه‌ها بر اساس منشا جغرافیایی آنها استفاده شد.

هر دو روش چندبلوکی نتایج بسیار رضایت‌بخشی را ارائه دادند. هر مدل مورد بررسی قرار گرفت تا مشخص شود کدام متغیرهای طیفی بیشترین تأثیر را در تفکیک نمونه‌ها دارند، یعنی در توصیف زعفرانی که در چهار منطقه مختلف برداشت شده است. دقیق‌ترین راه‌حل توسط SO-PLS-LDA ارائه شد که تنها سه نمونه تست از 31 نمونه را در ارزیابی خارجی به اشتباه طبقه‌بندی کرد.

One-hundred and fourteen samples of saffron harvested in four different Italian areas (three in Central Italy and one in the South) were investigated by IR and UV-Vis spectroscopies. Two different multi-block strategies, Sequential and Orthogonalized Partial Least Squares Linear Discriminant Analysis (SO-PLS-LDA) and Sequential and Orthogonalized Covariance Selection Linear Discriminant Analysis (SO-CovSel-LDA), were used to simultaneously handle the two data blocks and classify samples according to their geographical origin.

Both multi-block approaches provided very satisfying results. Each model was investigated in order to understand which spectral variables contribute the most to the discrimination of samples, i.e., to the characterization of saffron harvested in the four different areas. The most accurate solution was provided by SO-PLS-LDA, which only misclassified three test samples over 31 (in external validation).