紅外光譜結合判別分析對三七種植土壤類型的鑒別研究

鄭興芳等

摘要：利用傅里葉變換紅外光譜（FTIR）技術結合判別分析，對三七（Panax notoginseng）的種植土壤類型進行鑒別研究。測試了6種種植土壤類型共102株三七植株主根木質部和須根樣品的紅外光譜；以1 800～900 cm-1的光譜信息為變量，每種土壤類型任選5份樣品為測試樣本，其他為訓練樣本；利用SPSS 18.0 統計分析軟件中的判別分析模塊依據Fisher線性判別準則，采用逐步判別分析中的5種挑選樣本信息變量算法，建立分類模型，對三七的種植土壤類型進行鑒別研究。結果表明，基于三七須根樣品信息的種植土壤類型的判別結果明顯優于基于主根木質部的判別結果，且5種挑選變量的算法建立的模型都能識別三七的種植土壤類型；綜合考慮判別分析結果和模型的穩定性，“Smallest F ratio”法所建立的模型更適合用于三七種植土壤類型的鑒別。

關鍵詞：紅外光譜；逐步判別分析；三七（Panax notoginseng）；土壤類型

中圖分類號：O657.3 文獻標識碼：A 文章編號：0439-8114（2015）16-3887-04

DOI：10.14088/j.cnki.issn0439-8114.2015.16.014

Identification of Planting Agrotype of Panax notoginseng by Infrared Spectroscopy Combined with Stepwise Discriminant Analysis

ZHENG Xing-fang1，YANG Chun-yan1，WANG Yuan-zhong2，LIU Fei1

（1.Department of Physics， Yuxi Normal University，Yuxi 653100，Yunnan，China；

2. Institute of Medicinal Plants， Yunnan Academy of Agricultural Sciences， Kunming 650200， China）

Abstract： A method based on Fourier transform infrared spectroscopy（FTIR） combined with stepwise discriminant analysis was used to distinguish the planting agrotypes of Panax notoginseng. The spectra in the range of 1 800～900 cm-1 of xylems of taproot and fibril of 102 P. notoginseng plants from 6 planting agrotypes was analyzed using the discriminant model based upon the Fisher linear discriminant criterion. The discrimination effectiveness was compared for the part of plants and the choice among the 5 discriminant indexes in the discrimination function. The results indicated that the models based on the spectra of fibril showed better recognition effect than that of xylems of taproot， and synthesizes discrimination effectiveness and the stability of model， the Smallest F ratio method of stepwise discriminant analysis should be better for recognizing of planting agrotypes of P. notoginseng.

Keywords： infrared spectroscopy； discriminant analysis； Panax notoginseng； agrotype

三七（Panax notoginseng）是人參屬植物的一種，主產于云南、廣西，傳統上以云南文山為道地產區[1]。清朝藥學著作《本草綱目 文山三七拾遺》中記載：“人參補氣第一，三七補血第一，味同而功亦等，故稱人參三七，為中藥之最珍貴者?！逼渲饕π榍鍩峤舛?、活血化瘀、止血兼補虛、降壓、鎮痛、抗炎、抗衰老、調節免疫[2]，主要用于咯血、吐血、便血、崩漏、外傷出血、胸腹刺痛、跌撲腫痛等[3]。研究表明，三七含有多種化學成分，其中三七總皂苷是主要有效成分，可有效提高機體免疫力[4]，對心血管系統、血液系統、中樞神經系統等具有抗炎、抗纖維化、抗腫瘤作用[5]。

道地性是評價中藥材品質的綜合性指標，是遺傳基因與變異、栽培技術和生態環境三個因素綜合作用的結果[6]，土壤是除溫度、光照等氣候因素外的重要生態環境因素。研究表明，土壤的構成及其中所含的微量元素組合是藥材生長和有效成分形成必不可少的條件[7]。因此，土壤類型對三七的品質有著重要影響，所以對三七藥材的種植土壤類型的鑒別非常重要。

對于中藥材的鑒別，目前的技術主要有HPLC指紋圖譜技術、DNA分子標記技術和FTIR技術等。其中，HPLC指紋圖譜技術和DNA分子標記技術需對藥材進行分離提純，專業性強、技術難度大；FTIR技術具有樣品用量少、簡便、快捷且靈敏度高等優點[8]。判別分析是一種通過若干已知類別樣本的數據信息，總結分類規律，建立分類模型，以對未知類別的樣本進行判別，預測其所屬類別的分類方法[9]?；诟道锶~變換紅外光譜技術結合判別分析方法對中藥材進行鑒別研究已有成功應用的報道，如劉飛等[8，10]應用傅里葉變換紅外光譜技術對石斛品種和三七道地性及產地進行判別分析，但對三七種植土壤類型的鑒別研究尚未見報道。因此，本研究測試了6種種植土壤類型共102株三年生三七藥材主根木質部和須根樣品的紅外光譜，采用判別分析中的逐步判別法對樣品的種植土壤類型進行鑒別研究，以期為三七種植土壤類型的鑒別提供一種簡便快捷的方法。

1 試驗設計

1.1 儀器及參數

紅外光譜儀為PE公司生產的Frontier型傅里葉變換紅外光譜儀，裝備DTGS檢測器，光譜掃描范圍為4 000～400 cm-1，累加掃描次數為16次，分辨率為4 cm-1。光譜數據處理使用Omnic8.0軟件，判別分析使用SPSS18.0軟件。

1.2 樣品制備及光譜預處理

測試的102株三七植株樣品分別取自云南省文山州文山市和紅河州建水縣，共涉及黃棕壤、紅壤、石灰巖紅壤、紅色石灰土、黃壤性土、紫色壤6種土壤地質背景。表1為各試驗樣品的產地、種植土壤類型及編號。樣品在50 ℃恒溫下烘干至恒重，按1∶50的質量比用電子天平稱量三七樣品20 mg、溴化鉀1 000 mg待測。

測試時，將已稱量好的三七樣品放入瑪瑙研缽磨為均勻的細粉，再加入溴化鉀攪磨均勻，然后壓片測試，每株三七植株樣品的主根木質部和須根各壓制1個掃描片測試其光譜，所有光譜均已扣除背景，并在光譜軟件Omnic 8.0中進行自動基線校正、九點平滑和歸一化處理。

2 結果與分析

2.1 三七主根木質部的紅外光譜分析

不同種植土壤類型三七主根木質部第3個樣品的紅外光譜如圖1所示。由圖1可知，不同種植土壤三七主根木質部樣品的紅外光譜非常相似，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附近出現吸收峰。3 393 cm-1附近強而寬的吸收峰來自多聚體分子中締合羥基的伸縮振動；2 929 cm-1附近反映亞甲基C-H的伸縮振動吸收的吸收峰強度較小，說明飽和碳上的氫較少[11]；1 643 cm-1附近吸收峰主要來自苷類、糖類、黃酮類物質O-H彎曲振動和C=O的伸縮振動[8]；在脂類、蛋白質和多糖的混合振動區，1 415 和1 373 cm-1附近吸收峰來自C-H彎曲振動；1 242 cm-1附近吸收峰主要來自C-0伸縮振動和C-O-C伸縮振動；在多糖吸收區，1 154、1 079、1 023 cm-1附近3個階梯增強的吸收峰，主要為苷類、糖類物質中C-O伸縮振動[12]，其中1 023 cm-1附近吸收峰為光譜最強峰，1 079 cm-1附近吸收峰為第二強峰，說明三七主根木質部中含有較高含量的糖類和苷類物質[13]；在糖環的骨架振動區（950～700 cm-1），927、850和762 cm-1附近出現的弱吸收峰，說明樣品含有α-型糖苷鍵[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個吸收峰與淀粉的特征峰類似[14]，說明三七主根木質部含有較高含量的淀粉。光譜特征表明，三七主根木質部的主要物質成分為淀粉、皂苷和黃酮類物質，且淀粉含量最高。

2.2 三七須根的紅外光譜分析

不同種植土壤類型三七須根第3個樣品的紅外光譜如圖2所示。由圖2可知，不同土壤類型三七須根的紅外光譜類似，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附近出現吸收峰。3 373 cm-1附近強而寬的吸收峰來自于O-H的伸縮振動；2 926和2 855 cm-1附近的吸收峰來自于亞甲基的反對稱和對稱伸縮振動；1 739 cm-1附近的吸收峰主要來自纖維素中羰基的伸縮振動[15]；1 642 cm-1附近吸收峰主要來自于木質素和甾體皂苷元中羰基C=O的伸縮振動[15，16]；1 514 cm-1附近的吸收峰來自于苯環的骨架伸縮振動和N-H的面內彎曲振動；在1 384和830 cm-1附近吸收峰與硝酸鹽的特征峰十分相似，說明三七須根中含有硝酸鹽物質成分[16]；1 327 cm-1附近的吸收峰來自于甲基的彎曲振動；1 243 cm-1附近的吸收峰主要來自于木質素酚醚鍵C-O-C伸縮振動[17]和苯羥基中C-O伸縮振動[17]；另外1 153、1 077、1 051和1 033 cm-1附近4個階梯增強的吸收峰主要來自于纖維素中C-O-C的伸縮振動以及C-O和C-C伸縮振動[15]；在低波數區域出現的536和472 cm-1附近吸收峰結合1 033 cm-1附近的吸收峰，構成了高嶺土的特征吸收峰，這可能是須根表面附有少量泥土所致[17]。光譜特征表明，三七須根的主要物質成分為纖維素和木質素，同時含有一定量的苷類物質和硝酸鹽類物質。

2.3 基于FTIR光譜的判別分析

FTIR光譜能夠反映樣品所有組分的整體信息，每一個光譜數據點代表一個信息變量，反映了樣品不同層面的物質信息。逐步判別分析法能夠按照設定的規則采用有進有出的調節變量的方法，篩選出對樣本分類影響比較大的變量來建立判別模型進行判別分類[7]。所以本試驗選擇SPSS 18.0統計分析軟件中的逐步判別分析對全部6種種植土壤類型102株樣品主根木質部和須根在1 800～900 cm-1范圍的光譜信息進行研究。判別分析中，按每種土壤類型任選5份樣品為測試樣本，其他為訓練樣本；依據Fisher線性判別準則，分別采用“WilksLambda”、“Unexplained variance”、“Mahalanobis distance”、“Smallest F ratio”和“Raos V（R=0）”5種挑選樣本信息變量方法，建立分類模型，對三七的種植土壤類型進行鑒別研究，具體判別結果見表2和表3。

2.3.1 基于三七主根木質部紅外光譜的判別分析 基于三七主根木質部紅外光譜數據對三七種植土壤類型的判別分析結果見表2。由表2可知，挑選樣品信息的方法對判別結果有影響，其中“Smallest F ratio”法所建立的模型對樣本的判別效果較好，訓練樣本回判正確率為97.2%，測試樣本預測正確率為63.3%，總判別正確率為87.3%；“Unexplained variance”法所建立的模型對樣本的判別分類正確率較低，訓練樣本回判正確率為73.6%，測試樣本預測正確率為50.0%，總判別正確率為66.7%。

2.3.2 基于三七須根紅外光譜的判別分析 基于三七須根紅外光譜數據對三七種植土壤類型的判別分析結果見表3。由表3可知，挑選樣本信息變量的不同算法建立的判別模型對試驗樣本的判別同樣有影響?！癠nexplained variance” 法所建立的模型對樣本的判別分類正確率最高，訓練樣本回判正確率為95.8%，測試樣本預測正確率為93.3%，總判別正確率為95.1%；“WilksLambda”和“Mahalanobis distance”法所建立的模型對樣本的判別分類正確率較低且判別結果相同，訓練樣本回判正確率均為93.1%，測試樣本預測正確率均為83.3%，總判別正確率均為90.2%。結合表2和表3，說明基于三七須根紅外光譜數據的三七種植土壤類型的判別分析結果明顯優于基于主根木質部光譜數據的結果。為了驗證方法的可靠性，采用十折五次交叉驗證法檢驗判別模型的穩定性，訓練樣本的平均回判正確率均在89.4%以上，測試樣本的平均預測正確率均在71.3%以上，平均總判別正確率均高于87.1%，其中“Smallest F ratio”算法建立的模型交叉驗證平均回判正確率為89.0%，預測平均正確率為78.7%，平均總判別正確率為93.3%。上述分析結果表明，三七須根光譜數據結合判別分析可為三七種植土壤類型的初步鑒別提供新的思路，且采用“Smallest F ratio”算法挑選信息變量建立的模型的穩定性較好。

3 小結與討論

利用FTIR技術測試了6種種植土壤類型共102株三年生三七植株主根木質部和須根樣品的紅外光譜。以1 800～900 cm-1范圍的光譜信息為樣本特征，按每種種植土壤類型任取5份樣品為測試樣本，其余為訓練樣本，利用統計分析軟件SPSS 18.0中的判別分析模塊，按照Fisher判別準則，采用逐步判別分析方法來建立分類模型對三七種植土壤類型進行識別研究。研究結果表明，通過三七植株須根的紅外光譜技術結合判別分析方法來鑒別三七的種植土壤類型，有望為三七種植土壤類型的初步鑒別提供一種簡便快捷的新方法。

紅外光譜反映樣品的整體化學信息，三七主根木質部和須根的紅外光譜是其所有組成成分的疊加光譜，雖然不同種植土壤中三七主根木質部和須根所含物質組分和含量有差異，但由于各相應的主要成分相同，含量差異不大，導致不同種植土壤三七樣品木質部和須根的成分與含量差異的光譜信息被主要成分的光譜所掩蓋，因此不同種植土壤三七木質部和須根的紅外光譜在外觀上很相似，直接從光譜上來鑒別很困難。但是不同土壤中種植的三七主根木質部和須根的成分差異信息始終是包含于光譜中的，通過模式識別的統計方法可以將這些信息挖掘出來。

本試驗的研究中，表2和表3分別反映了基于主根木質部和須根光譜數據的判別分析結果?；陧毟庾V數據的判別分析結果明顯優于基于主根木質部光譜數據的判別結果，這可能源于土壤中的各種礦物離子需要先吸附在須根表面，然后經能量轉換和傳輸過程后才進入木質部導管，因此土壤中的礦物元素特征在須根中體現得較主根木質部明顯。而且雖然依據不同挑選變量算法得到的判別模型不同，但判別結果差異不顯著。試驗結果表明，基于三七須根紅外光譜數據的判別分析，有望成為三七種植土壤類型鑒別的新方法。

參考文獻：

[1] 崔秀明，徐珞珊，王 強，等.云南三七道地產區地質背景及土壤理化狀況分析[J].中國中藥雜志，2005，30（5）：332-335.

[2] 何 晶.三七的藥理作用及研究進展[J].天津藥學，2004，16（5）：58-60.

[3] 中華人民共和國藥典委會.中華人民共和國藥典（第一部）[M].北京：中國醫學科學出版社，2010.

[4] 王振峰，高云濤，張文斌，等.不同生長年限三七中總皂苷含量的變化特征[J].安徽農業科學，2012，40（15）：8458-8459，8463.

[5] 江劉平，焦林如.三七總皂苷的藥用生物活性研究進展[J].氨基酸和生物資源，2013，35（3）：21-25.

[6] 朱 艷，崔秀明，施莉屏.中藥道地性的研究進展[J].現代中藥研究與實踐2006，20（1）：58-61.

[7] 余德順，楊 軍，田戈夫，等.中藥道地性相關因素研究進展與生物地球化學[J].時珍國醫國藥，2010，21（2）：472-474.

[8] 劉 飛，王元忠，楊春艷，等.紅外光譜結合判別分析對三七道地性及產地的鑒別研究[J].光譜學與光譜分析，2015，35（1）：108-112.

[9] 盧紋岱.SPSS統計分析[M].第四版.北京：電子工業出版社，2012.

[10] 劉 飛，王忠元，楊春艷，等.基于紅外光譜的石斛品種判別分析[J].光譜學與光譜分析，2014，34（11）：2968-2972.

[11] 劉 飛，王元忠，鄧星燕，等.紅外光譜結合光譜檢索對石斛品種的鑒別研究[J].光譜學與光譜分析，2014，34（6）：1548-1552.

[12] 李建蕊，陳建波，周 群，等.中藥三七不同部位和組織的紅外光譜分析[J].光譜學與光譜分析，2014，34（3）：634-637.

[13] 史虞花，司真明.鼠曲草的紅外光譜分析[J].光散色學報，2009，21（4）：92-96.

[14] 孫素琴，周 群，陳建波.中藥紅外光譜分析與鑒定[M].北京：化學工業出版社，2010.

[15] 劉 飛，劉 剛.油菜根腫病的傅里葉變換紅外光譜研究[J].光散射學報，2013，25（2）：87-92.

[16] 楊貫羽，張敬華，鄒衛華，等.梧桐樹葉吸附銅離子前后紅外光譜分析比較[J].光譜實驗室，2006，23（2）：390.

[17] 池玉杰.6種白腐菌病朽后的山楊木材和木質素官能團的變化的紅外光譜分析[J].林業科學，2005，41（2）：136-140.