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。
教育期刊网 http://www.jyqkw.com
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 文献标识码：A 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（电子信箱）２３１７０３７３３７＠ｑｑ．ｃｏｍ；
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（电子信箱）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
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、红色石灰土、黄壤性土、紫色壤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。
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。
３ 小结与讨论
利用ＦＴＩＲ技术测试了６种种植土壤类型共１０２株三年生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范围的光谱信息为样本特征，按每种种植土壤类型任取５份样品为测试样本，其余为训练样本，利用统计分析软件ＳＰＳＳ １８．０中的判别分析模块，按照Ｆｉｓｈｅｒ判别准则，采用逐步判别分析方法来建立分类模型对三七种植土壤类型进行识别研究。研究结果表明，通过三七植株须根的红外光谱技术结合判别分析方法来鉴别三七的种植土壤类型，有望为三七种植土壤类型的初步鉴别提供一种简便快捷的新方法。
红外光谱反映样品的整体化学信息，三七主根木质部和须根的红外光谱是其所有组成成分的叠加光谱，虽然不同种植土壤中三七主根木质部和须根所含物质组分和含量有差异，但由于各相应的主要成分相同，含量差异不大，导致不同种植土壤三七样品木质部和须根的成分与含量差异的光谱信息被主要成分的光谱所掩盖，因此不同种植土壤三七木质部和须根的红外光谱在外观上很相似，直接从光谱上来鉴别很困难。但是不同土壤中种植的三七主根木质部和须根的成分差异信息始终是包含于光谱中的，通过模式识别的统计方法可以将这些信息挖掘出来。
本试验的研究中，表２和表３分别反映了基于主根木质部和须根光谱数据的判别分析结果。基于须根光谱数据的判别分析结果明显优于基于主根木质部光谱数据的判别结果，这可能源于土壤中的各种矿物离子需要先吸附在须根表面，然后经能量转换和传输过程后才进入木质部导管，因此土壤中的矿物元素特征在须根中体现得较主根木质部明显。而且虽然依据不同挑选变量算法得到的判别模型不同，但判别结果差异不显著。试验结果表明，基于三七须根红外光谱数据的判别分析，有望成为三七种植土壤类型鉴别的新方法。
教育期刊网 http://www.jyqkw.com
参考文献：
［１］ 崔秀明，徐珞珊，王 强，等．云南三七道地产区地质背景及土壤理化状况分析［Ｊ］．中国中药杂志，２００５，３０（５）：３３２－３３５．
［２］ 何 晶．三七的药理作用及研究进展［Ｊ］．天津药学，２００４，１６（５）：５８－６０．
［３］ 中华人民共和国药典委会．中华人民共和国药典（第一部）［Ｍ］．北京：中国医学科学出版社，２０１０．
［４］ 王振峰，高云涛，张文斌，等．不同生长年限三七中总皂苷含量的变化特征［Ｊ］．安徽农业科学，２０１２，４０（１５）：８４５８－８４５９，８４６３．
［５］ 江刘平，焦林如．三七总皂苷的药用生物活性研究进展［Ｊ］．氨基酸和生物资源，２０１３，３５（３）：２１－２５．
［６］ 朱 艳，崔秀明，施莉屏．中药道地性的研究进展［Ｊ］．现代中药研究与实践２００６，２０（１）：５８－６１．
［７］ 余德顺，杨 军，田戈夫，等．中药道地性相关因素研究进展与生物地球化学［Ｊ］．时珍国医国药，２０１０，２１（２）：４７２－４７４．
［８］ 刘 飞，王元忠，杨春艳，等．红外光谱结合判别分析对三七道地性及产地的鉴别研究［Ｊ］．光谱学与光谱分析，２０１５，３５（１）：１０８－１１２．
［９］ 卢纹岱．ＳＰＳＳ统计分析［Ｍ］．第四版．北京：电子工业出版社，２０１２．
［１０］ 刘 飞，王忠元，杨春艳，等．基于红外光谱的石斛品种判别分析［Ｊ］．光谱学与光谱分析，２０１４，３４（１１）：２９６８－２９72．
［１１］ 刘 飞，王元忠，邓星燕，等．红外光谱结合光谱检索对石斛品种的鉴别研究［Ｊ］．光谱学与光谱分析，２０１４，３４（６）：１５４８－１５５２．
［１２］ 李建蕊，陈建波，周 群，等．中药三七不同部位和组织的红外光谱分析［Ｊ］．光谱学与光谱分析，２０１４，３４（３）：６３４－６３７．
［１３］ 史虞花，司真明．鼠曲草的红外光谱分析［Ｊ］．光散色学报，２００９，２１（４）：９２－９６．
［１４］ 孙素琴，周 群，陈建波．中药红外光谱分析与鉴定［Ｍ］．北京：化学工业出版社，２０１０．
［１５］ 刘 飞，刘 刚．油菜根肿病的傅里叶变换红外光谱研究［Ｊ］．光散射学报，２０１３，２５（２）：８７－９２．
［１６］ 杨贯羽，张敬华，邹卫华，等．梧桐树叶吸附铜离子前后红外光谱分析比较［Ｊ］．光谱实验室，２００６，２３（２）：３９０．
［１７］ 池玉杰．６种白腐菌病朽后的山杨木材和木质素官能团的变化的红外光谱分析［Ｊ］．林业科学，２００５，４１（２）：１３６－１４０．
