作为一种高价值热带季节性水果,近年来榴莲的产地信息深受进口商和消费者的关注,建立榴莲的产地溯源对特定地区品牌保护、维护消费者知情权益至关重要。本研究以马来西亚、泰国、越南和柬埔寨共4个产区的榴莲样品为研究对象,利用稳定同位素指纹分析技术、矿物元素指纹分析技术和拉曼光谱指纹分析技术等检测溯源技术,结合单因素方差分析、双因素方差分析、主成分分析、线性判别分析和人工神经网络等化学计量学方法筛选出不同产区间特征因子的差异,利用特征指标建立产地溯源模型,旨在为进口榴莲的产区保护提供有效的技术支持。主要的研究结果如下:利用稳定同位素技术(δ15N、δ13C、δ34S、δ~2H和δ18O)和元素分析技术（N%、C%、S%）结合单因素方差分析对不同成熟度和品种的榴莲果核和果肉进行分析,不同成熟度的榴莲除果核δ~2H和果肉δ18O外,其余指标在产区间无显著性差异。泰国产区不同品种的榴莲除果核δ18O、果肉δ34S和N%外,其余指标无显著性差异;马来西亚产区的不同品种榴莲除果核δ34S、果肉δ34S和C%外,其余指标无显著性差异。通过测定4个产区中榴莲果核和果肉的稳定同位素比值和元素含量,结果显示除榴莲果核δ18O、榴莲果肉δ13C和S%外,其余指标均在产地上存在显著性差异。基于果核和果肉同位素比值和元素含量的榴莲产地线性判别模型,初始验证和留一交叉验证准确率分别为98.6%和97.3%;基于人工神经网络的榴莲产地训练验证和检验验证准确率分别为100%和94.4%。通过测定4个产区中榴莲果核和果肉28种矿物元素含量,将具有显著性差异的矿物元素指标代入线性判别方程和人工神经网络模型,结果显示基于线性判别的初始验证和留一交叉验证准确率分别为91.8%和90.4%,人工神经网络的判别准确率分别为96.1%和95.5%。测定4个产区榴莲的拉曼光谱图,选出502 cm-1、642 cm-1、910 cm-1、1052cm-1、1080 cm-1、1206 cm-1、1459 cm-1共7段特异性波段代入线性判别方程中,结果显示判别准确率和验证准确率均为80%,基于拉曼光谱的榴莲产地溯源效果一般。将4个产区榴莲果核和果肉的稳定同位素比值、元素含量和矿物元素含量中具有显著性差异的指标耦合分析,结果显示线性判别模型和人工神经网络的判别准确率均为100%,说明多种技术的耦合可实现榴莲产地的区分。