Clasificación de vinos blancos argentinos por espectroscopia UV y análisis quimiométricos.

Argentina en el mundo

Fuente: Organización Internacional del Vino y la Vid, 2012.

Argentina en el mundo

Fuente: Organización Internacional del Vino y la Vid, 2012.

graficos

Argentina en el mundo

Fuente: Organización Internacional del Vino y la Vid, 2012.

REGIÓN NOROESTE

REGIÓN CENTRO-OESTE

REGIÓN SUR

Regiones Vitivinícolas de Argentina

TERRO

IR

Torrontés

Sauvignon blanc

Seña

l

Concentración

b ± sb

a ± sa

y = a + bxR2 = 0,9999

Análisis univariado

A = ε b C (λ única)

Análisis multivariado

OBJETOS VARIABLES

V1 V2 V3… …Vp

1 X1,1 X1,2 X1,3 X1,p

2 X2,1 X2,2 X2,3 X2,p

3... X3,1 X3,2 X3,3 X3,p

…n Xn,1 Xn,2 Xn,3 Xn,p

200 250 300 350 400 450 500

-0.2

0

0.2

0.4

0.6

0.8

1

1.2

1.4

λ (nm)

Abso

rban

cia

Análisis multivariado

CUALITATIVO CUANTITATIVO

Reconocimiento de Patrones Calibración Multivariada

Análisis multivariado cualitativo: herramientas multivariadas utilizadas en reconocimiento de

patrones

• Análisis de Componentes Principales (PCA)• Análisis de Agrupamientos o Clusters (CA)• Análisis Discriminante Lineal (LDA)• Análisis Discriminante por Cuadrados Mínimos

Parciales (PLS-DA)

Clasificación de Métodos Multivariados de Clasificación

• Métodos No Supervisados:– Análisis de Componentes Principales (PCA)– Análisis de Clusters (CA)

• Métodos Supervisados– Análisis Discriminante Lineal (LDA)– Análisis Discriminante por Cuadrados Mínimos Parciales

(PLS-DA)

PCA CP1

CP2

Variable 3

Variable 1

Variable 2

Reducción de variables en PCAGráfico de Scores

CP 1

CP 2

Corresponden a las coordenadas de las muestras originales sobre las nuevas componentes principales.

Análisis de clusters

(Dlink / Dmax) x 100

C8 C6

C11 C10 C7

C13 C3

C15 C4 C5

C14 C12 C9 C2

NC12 NC3

NC16 NC17 NC14 NC15 NC10 NC6

NC13 NC2

NC11 NC8 NC7 NC1 NC9 NC5 NC4 C1

0 20 40 60 80 100 120

Análisis Discriminante Lineal (LDA)

• Análisis discriminante lineal es un método de clasificación multivariado de tipo SUPERVISADO.

• En este análisis, un grupo o set de muestras son utilizadas para obtener las llamadas funciones discriminantes.

• La función discriminante es una ecuación que es función de las variables originales utilizadas.

D1 = a + b x + c x2 + d x3

Análisis Discriminante Lineal (LDA)

Clase 1 Correctas70/75

Error6,66%

Clase 2 Correctas68/75

Error 9,33%

El objetivo de este estudio es establecer diferencias ponderables entre vinos blancos varietales de diferentes orígenes de Argentina, utilizando espectroscopía UV y empleando herramientas multivariadas de clasificación.

7 vinos Sauvignon Blanc

6 vinos Torrontés

Mendoza

San Juan

Río Negro

Mendoza

Salta

Río Negro

200 250 300 350 400 4500

0.2

0.4

0.6

0.8

1

1.2

1.4

pH 1

pH 3

pH 5

pH 7

pH 9

pH 10.2

pH 11,4

λ (nm)

Abso

sban

cia

Selección de dilución óptima

Selección de pH óptimo

Sauvignon blanc - PCA

Gráfico de scores de vinos Sauvignon Blanc procedentes de las provincias de Mendoza (M), Río Negro (RN) y San Juan (SJ).

-2 -1.5 -1 -0.5 0 0.5 1 1.5 2

-0.5

-0.4

-0.3

-0.2

-0.1

0

0.1

0.2

0.3

0.4

0.5

FNFNFNFNFN

MMMMM

PPPPP

AAA A

HCHCHCHC

HHHHH

LLLL L

LHHCAPMFN

PC 1

PC 2

M

SJ

RN

Dendograma obtenido mediante el CA de las muestras de vinos

Sauvignon blanc - CA

Sauvignon blanc - LDA

Resultado de clasificación del DA según la marca comercial de los vinos.

Resultado de clasificación del DA según el origen geográfico de los vinos.

Torrontés - PCA

Gráfico de scores de vinos Torrontés procedentes de las provincias de Mendoza (M), Río Negro (RN) y Salta (S).

Torrontés - CA

Dendograma obtenido mediante el CA de las muestras de vinos

Torrontés - LDA

Resultado de clasificación del DA según la marca comercial de los vinos.

Resultado de clasificación del DA según el origen geográfico de los vinos.

Los modelos de clasificación obtenidos por espectroscopia UV combinada con herramientas quimiométricas permitieron una correcta clasificación de las muestras de vino analizados desde los diferentes orígenes geográficos.

La espectroscopia UV a pesar de ser una técnica no selectiva ofrece frente a otras técnicas mas sofisticadas: simplicidad, disponibilidad y mínimo tratamiento de las muestras.

El método presentado aquí es de naturaleza cualitativa, lo cual evita la necesidad de un método cuantitativo que requiere el uso de estándares.

Sin embargo, algunos factores limitan la precisión de los modelos de clasificación, tales como el número de muestras usadas para construir los modelos de calibración.