Zāļu tēju raksturošana ar ICP-MS, FTIR un spektroradiometrijas metodēm
Autor
Sleže, Velta
Co-author
Latvijas Universitāte. Ķīmijas fakultāte
Advisor
Vīksna, Arturs
Datum
2021Metadata
Zur LanganzeigeZusammenfassung
Zāļu tēju raksturošana ar ICP-MS, FTIR un spektroradiometrijas metodēm Sleže V., zinātniskais vadītājs prof. Dr. Chem. Vīksna A., konsultants Mg. Chem. Bērtiņš M. Maģistra darbs, 56 lappuses, 16 attēli, 8 tabulas, 61 literatūras avoti. Latviešu valodā. Tēja ir iecienīts ikdienas dzēriens miljoniem cilvēku katru dienu. Mūsdienās arvien vairāk cilvēku interesējās par kvalitatīviem produktiem. Tā kā tēja ir tik svarīga sastāvdaļa no pasaules ekonomikas, ir svarīgi piemeklēt modernas analīžu metodes, kas spēj pārbaudīt to unikālo sastāvu. Maģistra darbā tika analizēti Latvijā pieejamu zāļu tēju – liepziedu, kumelīšu, kliņģerīšu, bērzu pumpuru, pelašķu un karkādes – mikro un makroelementi ar ICP-MS palīdzību. Kā arī papildus tēju atšķirības tiek pētītas ar spektroradiometrijas metodi un FTIR. Eksperimentālie rezultāti tika salīdzināti ar literatūru un analizēti ar principiālo komponentu analīzes paņēmienu, kā arī ar Varda klāsteru metodi. Charachterization of medical plants by ICP-MS, FTIR and spectroradiometric methods. Sleze V., supervisor Dr. Chem. Viksna A., consultant Mg. Chem. Bertins M. Master’s thesis, 56 pages, 16 figures, 8 tables, 61 literature references. In Latvian. Tea is a popular daily drink for millions of people every day. Nowadays, more and more people are interested in products with good quality. As tea is such an important part of the world economy, it is important to find modern methods of analysis that can test their unique composition. In the master’s thesis there is analyzed the micro and macro elements of herbal teas available in Latvia - linden flowers, chamomile, calendula, birch buds, yarrow and hibiscus - with the help of ICP-MS. As well as additional tea differences are studied by radio spectrometry and FTIR methods. The experimental results were compared with the literature and analyzed by the principal component analysis method, as well as by the Ward’s clustering method.