红外光谱结合判别分析对三七种植土壤类型的鉴别研究
作者：郑兴芳，杨春艳，王元忠，等
来源：《湖北农业科学》 2015年第16期
郑兴芳１，杨春艳１，王元忠２，刘 飞１
（１．玉溪师范学院物理系，云南 玉溪 ６５３１００；２．云南省农业科学院药用植物研究所，昆明 ６５０２００）
摘要：利用傅里叶变换红外光谱（ＦＴＩＲ）技术结合判别分析，对三七（Ｐａｎａｘ ｎｏｔｏｇｉｎｓｅｎｇ）的种植土壤类型进行鉴别研究。测试了６种种植土壤类型共１０２株三七植株主根木质部和须根样品的红外光谱；以１ ８００～９００ ｃｍ－１的光谱信息为变量，每种土壤类型任选５份样品为测试样本，其他为训练样本；利用ＳＰＳＳ １８．０ 统计分析软件中的判别分析模块依据Ｆｉｓｈｅｒ线性判别准则，采用逐步判别分析中的５种挑选样本信息变量算法，建立分类模型，对三七的种植土壤类型进行鉴别研究。结果表明，基于三七须根样品信息的种植土壤类型的判别结果明显优于基于主根木质部的判别结果，且５种挑选变量的算法建立的模型都能识别三七的种植土壤类型；综合考虑判别分析结果和模型的稳定性，“Ｓｍａｌｌｅｓｔ Ｆ ｒａｔｉｏ”法所建立的模型更适合用于三七种植土壤类
型的鉴别。
关键词：红外光谱；逐步判别分析；三七（Ｐａｎａｘ ｎｏｔｏｇｉｎｓｅｎｇ）；土壤类型
中图分类号：O657.3
海南特产水果 文献标识码：A
马丁靴如何搭配 文章编号：0439－８114（２０15）16－3887-04
ＤＯＩ：１０．１４０８８／ｊ．ｃｎｋｉ．ｉｓｓｎ０４３９－８１１４．２０１５．１６.014
收稿日期：２０１５－０５－１４
基金项目：国家自然科学基金项目（８１２６０６１０）；玉溪师范学院青年教师资助计划项目；玉溪师范学院大学生创新创业训练计划项目（２０１４Ｂ２３）
作者简介：郑兴芳（１９９４－），女，云南文山人，在读本科生，研究方向为光谱分析，（电话）１８２８７７０９３２１（）２３１７０３７３３７＠ｑｑ．ｃｏｍ；杭州有什么特产
通信作者，杨春艳，副教授，硕士，主要从事光谱分析研究，（电话）１３８８７７９４９９３（
）ｙｃｈｙｋｙ＠１６３．ｃｏｍ。
三七（Ｐａｎａｘ ｎｏｔｏｇｉｎｓｅｎｇ）是人参属植物的一种，主产于云南、广西，传统上以云南文山为道地产区［１］。清朝药学著作《本草纲目 文山三七拾遗》中记载：“人参补气第一，三七补血第一，味同而功亦等，故称人参三七，为中药之最珍贵者。”其主要功效为清热解毒、活血化瘀、止血兼补虚、降压、镇痛、抗炎、抗衰老、调节免疫［２］，主要用于咯血、吐血、便血、崩漏、外伤出血、胸腹刺痛、跌扑肿痛等［３］。研究表明，三七含有多种化学成分，其中三七总皂苷是主要有效成分，可有效提高机体免疫力［４］，对心血管系统、血液系统、中枢神经系统等具有抗炎、抗纤维化、抗肿瘤作用［５］。
道地性是评价中药材品质的综合性指标，是遗传基因与变异、栽培技术和生态环境三个因素综合作用的结果［６］，土壤是除温度、光照等气候因素外的重要生态环境因素。研究表明，土壤的构成及其中所含的微量元素组合是药材生长和有效成分形成必不可少的条件［７］。因此，土壤类型对三七的品质有着重要影响，所以对三七药材的种植土壤类型的鉴别非常重要。
对于中药材的鉴别，目前的技术主要有ＨＰＬＣ指纹图谱技术、ＤＮＡ分子标记技术和ＦＴＩＲ技术等。其中，ＨＰＬＣ指纹图谱技术和ＤＮＡ分子标记技术需对药材进行分离提纯，专业性强、技术难度大；ＦＴＩＲ技术具有样品用量少、简便、快捷且灵敏度高等优点［８］。判别分析是一种通过
若干已知类别样本的数据信息，总结分类规律，建立分类模型，以对未知类别的样本进行判别，预测其所属类别的分类方法［９］。基于傅里叶变换红外光谱技术结合判别分析方法对中药材进行鉴别研究已有成功应用的报道，如刘飞等［８，１０］应用傅里叶变换红外光谱技术对石斛品种和三七道地性及产地进行判别分析，但对三七种植土壤类型的鉴别研究尚未见报道。因此，本研究测试了６种种植土壤类型共１０２株三年生三七药材主根木质部和须根样品的红外光谱，采用判别分析中的逐步判别法对样品的种植土壤类型进行鉴别研究，以期为三七种植土壤类型的鉴别提供一种简便快捷的方法。
１ 试验设计
１．１ 仪器及参数
红外光谱仪为ＰＥ公司生产的Ｆｒｏｎｔｉｅｒ型傅里叶变换红外光谱仪，装备ＤＴＧＳ检测器，光谱扫描范围为４ ０００～４００ ｃｍ－１，累加扫描次数为１６次，分辨率为４ ｃｍ－１。光谱数据处理使用Ｏｍｎｉｃ８．０软件，判别分析使用ＳＰＳＳ１８．０软件。
１．２ 样品制备及光谱预处理降雨量50毫米是什么意思
测试的１０２株三七植株样品分别取自云南省文山州文山市和红河州建水县，共涉及黄棕壤、红壤
、石灰岩红壤、红石灰土、黄壤性土、紫壤６种土壤地质背景。表１为各试验样品的产地、种植土壤类型及编号。样品在５０ ℃恒温下烘干至恒重，按１∶５０的质量比用电子天平称量三七样品２０ ｍｇ、溴化钾１ ０００ ｍｇ待测。
测试时，将已称量好的三七样品放入玛瑙研钵磨为均匀的细粉，再加入溴化钾搅磨均匀，然后压片测试，每株三七植株样品的主根木质部和须根各压制１个扫描片测试其光谱，所有光谱均已扣除背景，并在光谱软件Ｏｍｎｉｃ ８．０中进行自动基线校正、九点平滑和归一化处理。
２ 结果与分析
２．１ 三七主根木质部的红外光谱分析
不同种植土壤类型三七主根木质部第３个样品的红外光谱如图１所示。由图１可知，不同种植土壤三七主根木质部样品的红外光谱非常相似，主要在３ ３９３、２ ９２９、１ ６４３、１ ４１５、 １ ３７３、１ ２４２、１ １５４、１ ０７９、１ ０２３、９２７、８５０、７６２、７０７、５７７、５３０和４７７ ｃｍ－１附近出现吸收峰。３ ３９３ ｃｍ－１附近强而宽的吸收峰来自多聚体分子中缔合羟基的伸缩振动；２ ９２９ ｃｍ－１附近反映亚甲基Ｃ－Ｈ的伸缩振动吸收的吸收峰强度较小，说明饱和碳上的氢较少［１１］；１ ６４３ ｃｍ－１附近吸收峰主要来自苷类、糖类、黄酮类物质Ｏ－Ｈ弯曲振动和Ｃ＝Ｏ的伸缩振动［８］；在脂类、蛋白质和多糖的混合振动区，１ ４１５ 和１ ３７３ ｃｍ－１附近吸收峰来自Ｃ－Ｈ弯曲振动；１ ２４２ ｃｍ－１附近吸收峰主要来自Ｃ－０伸缩振动和Ｃ－Ｏ－Ｃ伸缩振动；在多糖吸收区，１ １５４、１ ０７９、１ ０２３ ｃｍ－１附近３个阶梯增强的吸收峰，主要为苷类、糖类物质中Ｃ－Ｏ伸缩振动［１２］，其中１ ０２３ ｃｍ－１附近吸收峰为光谱最强峰，１ ０７９ ｃｍ－１附近吸收峰为第二强峰，说明三七主根木质部中含有较高含量的糖类和苷类物质［１３］；在糖环的骨架振动区（９５０～７００ ｃｍ－１），９２７、８５０和７６２ ｃｍ－１附近出现的弱吸收峰，说明样品含有α－型糖苷键［８］；另外，在３ ３９３、２ ９２９、１ ６４３、１ ４１５、１ ３７３、１ ２４２、１ １５４、１ ０７９、９２７、８５０、７６２、７０７、５７７、５３０和４７７ ｃｍ－１附近的１４个吸收峰与淀粉的特征峰类似［１４］，说明三七主根木质部含有较高含量的淀粉。光谱特征表明，三七主根木质部的主要物质成分为淀粉、皂苷和黄酮类物质，且淀粉含量最高。
２．２ 三七须根的红外光谱分析
不同种植土壤类型三七须根第３个样品的红外光谱如图２所示。由图２可知，不同土壤类型三七须根的红外光谱类似，主要在３ ３７３、２ ９２６、２ ８５５、１ ７３９、１ ６４２、１ ５１４、１ ３８４、１ ３２７、１ ２４３、１ １５３、１ ０７７、１ ０５１、１ ０３３、８３０、５３６和４７２ ｃｍ－１附近出现吸收峰。３ ３７３ ｃｍ－１附近强而宽的吸收峰来自于Ｏ－Ｈ的伸缩振动；２ ９２６和２ ８５５ ｃｍ－１附近的吸收峰来自于亚甲基的反对称和对称伸缩振动；１ ７３９ ｃｍ－１附近的吸收峰主要来自纤维素中羰基的伸缩振动［１５］；１ ６４２ ｃｍ－１附近吸收峰主要来自于木质素和甾体皂苷元中羰基Ｃ＝Ｏ的伸缩振动［１５，１６］；１ ５１４ ｃｍ－１附近的吸收峰来自于苯环的骨架伸缩振动和Ｎ－Ｈ的面内弯曲振动；在１ ３８４和８３０ ｃｍ－１附近吸收峰与硝酸盐的特征峰十分相似，说明三七须根中含有硝酸盐物质成分［１６］；１ ３２７ ｃｍ－１附近的吸收峰来自于甲基的弯曲振动；１ ２４３ ｃｍ－１附近的吸收峰主要来自于木质素酚醚键Ｃ－Ｏ－Ｃ伸缩振动［１７］和苯羟基中Ｃ－Ｏ伸缩振动［１７］；另外１ １５３、１ ０７７、１ ０５１和１ ０３３ ｃｍ－１附近４个阶梯增强的吸收峰主要来自于纤维素中Ｃ－Ｏ－Ｃ的伸缩振动以及Ｃ－Ｏ和Ｃ－Ｃ伸缩振动［１５］；在低波数区域出现的５３６和４７２ ｃｍ－１附近吸收峰结合１ ０３３ ｃｍ－１附近的吸收峰，构成了高岭土的特征吸收峰，这可能是须根表面附有少量泥土所致［１７］。光谱特征表明，三七须根的主要物质成分为纤维素和木质素，同时含有一定量的苷类物质和硝酸盐类物质。中国最紧缺的15个专业
２．３ 基于ＦＴＩＲ光谱的判别分析
ＦＴＩＲ光谱能够反映样品所有组分的整体信息，每一个光谱数据点代表一个信息变量，反映了样品不同层面的物质信息。逐步判别分析法能够按照设定的规则采用有进有出的调节变量的方法，筛选出对样本分类影响比较大的变量来建立判别模型进行判别分类［７］。所以本试验选择ＳＰＳＳ １８．０统计分析软件中的逐步判别分析对全部６种种植土壤类型１０２株样品主根木质部和须根在１ ８００～９００ ｃｍ－１范围的光谱信息进行研究。判别分析中，按每种土壤类型任选５份样品为测试样本，其他为训练样本；依据Ｆｉｓｈｅｒ线性判别准则，分别采用“Ｗｉｌｋｓ’Ｌａｍｂｄａ”、“Ｕｎｅｘｐｌａｉｎｅｄ ｖａｒｉａｎｃｅ”、“Ｍａｈａｌａｎｏｂｉｓ ｄｉｓｔａｎｃｅ”、“Ｓｍａｌｌｅｓｔ Ｆ ｒａｔｉｏ”和“Ｒａｏ’ｓ Ｖ（Ｒ＝０）”５种挑选样本信息变量方法，建立分类模型，对三七的种植土壤类型进行鉴别研究，具体判别结果见表２和表３。
２．３．１ 基于三七主根木质部红外光谱的判别分析 基于三七主根木质部红外光谱数据对三七种植土壤类型的判别分析结果见表２。由表２可知，挑选样品信息的方法对判别结果有影响，其中“Ｓｍａｌｌｅｓｔ Ｆ ｒａｔｉｏ”法所建立的模型对样本的判别效果较好，训练样本回判正确率为９７．２％，测试样本预测正确率为６３．３％，总判别正确率为８７．３％；“Ｕｎｅｘｐｌａｉｎｅｄ ｖａｒｉａｎｃｅ”法所建立的模型对样本的判别分类正确率较低，训练样本回判正确率为７３．６％，测试样本预测正确率为５０．０％，总判别正确率为６６．７％。
２．３．２ 基于三七须根红外光谱的判别分析 基于三七须根红外光谱数据对三七种植土壤类型的判别分析结果见表３。由表３可知，挑选样本信息变量的不同算法建立的判别模型对试验样本的判别同样有影响。“Ｕｎｅｘｐｌａｉｎｅｄ ｖａｒｉａｎｃｅ” 法所建立的模型对样本的判别分类正确率最高，训练样本回判正确率为９５．８％，测试样本预测正确率为９３．３％，总判别正确率为９５．１％；“Ｗｉｌｋｓ’Ｌａｍｂｄａ”和“Ｍａｈａｌａｎｏｂｉｓ ｄｉｓｔａｎｃｅ”法所建立的模型对样本的判别分类正确率较低且判别结果相同，训练样本回判正确率均为９３．１％，测试样本预测正确率均为８３．３％，总判别正确率均为９０．２％。结合表２和表３，说明基于三七须根红外光谱数据的三七种植土壤类型的判别分析结果明显优于基于主根木质部光谱数据的结果。为了验证方法的可靠性，采用十折五次交叉验证法检验判别模型的稳定性，训练样本的平均回判正确率均在８９．４％以上，测试样本的平均预测正确率均在７１．３％以上，平均总判别正确率均高于８７．１％，其中“Ｓｍａｌｌｅｓｔ Ｆ ｒａｔｉｏ”算法建立的模型交叉验证平均回判正确率为８９．０％，预测平均正确率为７８．７％，平均总判别正确率为９３．３％。上述分析结果表明，三七须根光谱数据结合判别分析可为三七种植土壤类型的初步鉴别提供新的思路，且采用“Ｓｍａｌｌｅｓｔ Ｆ ｒａｔｉｏ”算法挑选信息变量建立的模型的稳定性较好。
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论