全 文 ：第３　６卷，第５期　 　　　　　　　　　　　光 谱 学 与 光 谱 分 析 Ｖｏｌ．３６，Ｎｏ．５，ｐｐ１３５８－１３６２
２　０　１　６年５月　　　　　　　　　　　 　Ｓｐｅｃｔｒｏｓｃｏｐｙ　ａｎｄ　Ｓｐｅｃｔｒａｌ　Ａｎａｌｙｓｉｓ　 Ｍａｙ，２０１６ 　
不同采收期滇龙胆的红外光谱鉴别研究
申云霞１，２，赵艳丽１，张　霁１，金　航１，王元忠１＊
１．云南省农业科学院药用植物研究所，云南 昆明　６５０２００
２．云南中医学院中药学院，云南 昆明　６５０５００
摘　要　采收是中药生产的重要环节，采收时间直接影响中药质量和产量，是中医临床安全有效用药的前
提，开展中药适时采收期的研究具有重要意义和应用价值。采用傅里叶变换红外光谱法对７２份不同采收期
的滇龙胆进行鉴别研究，用ＴＱ８．０软件对原始光谱进行一阶导数（ｆｉｒｓｔ　ｄｅｒｉｖａｔｉｖｅ，ＦＤ）、二阶导数（ｓｅｃｏｎｄ
ｄｅｒｉｖａｔｉｖｅ，ＳＤ）、标准正态变量（ｓｔａｎｄａｒｄ　ｎｏｒｍａｌ　ｖａｒｉａｔｅ，ＳＮＶ）、多元散射校正（ｍｕｌｔｉｐｌｉｃａｔｉｖｅ　ｓｃａｔｔｅｒ　ｃｏｒｒｅｃ－
ｔｉｏｎ，ＭＳＣ）和平滑（ｓａｖｉｔａｋｙ－ｇｏｌａｙ　ｆｉｌｔｅｒ，ＳＧ）预处理，样品按３∶１分为校正集和预测集，同时建立主成分分
析（ｐｒｉｎｃｉｐａｌ　ｃｏｍｐｏｎｅｎｔ　ａｎａｌｙｓｉｓ，ＰＣＡ）和偏最小二乘判别分析（ｐａｒｔｉａｌ　ｌｅａｓｔ　ｓｑｕａｒｅ　ｄｉｓｃｒｉｍｉｎａｎｔ　ａｎａｌｙｓｉｓ，
ＰＬＳ－ＤＡ）模型。结果显示，选取１　８００～６００ｃｍ－１波段范围的光谱，去除光谱噪音；ＳＮＶ结合二阶导数光谱
和ＳＧ（１５，３）平滑，预处理结果满意。主成分分析表明，前三个主成分方差贡献率为９２．４７％，５月、９月和
１０月份采收的样品差异较小。偏最小二乘判别分析建立判别模型，决定系数Ｒ２ 和校正均方根误差（ＲＭ－
ＳＥＥ）分别为０．９６７　８和０．０８６　０，可对１８个预测集样品进行准确分类。红外光谱法结合主成分分析、偏最小
二乘判别分析对不同采收期滇龙胆的分类和判别效果较好，为不同采收期的中药鉴别提供理论依据。
关键词　滇龙胆；不同采收期；傅里叶变换红外光谱；主成分分析；偏最小二乘判别分析
中图分类号：Ｏ６５７．３　　文献标识码：Ａ　　　ＤＯＩ：１０．３９６４／ｊ．ｉｓｓｎ．１０００－０５９３（２０１６）０５－１３５８－０５
　收稿日期：２０１４－１２－１９，修订日期：２０１５－０４－１５
　基金项目：国家自然科学基金项目（８１２６０６０８）和云南省自然科学基金项目（２０１３ＦＤ０６６，２０１３ＦＺ１５０）资助
　作者简介：申云霞，女，１９９１年生，云南中医学院中药学院研究生　　ｅ－ｍａｉｌ：ｓｈｅｎｙｕｎｘｉａ１９９１＠１６３．ｃｏｍ
＊通讯联系人　　ｅ－ｍａｉｌ：ｙｚｗａｎｇ１９８１＠１２６．ｃｏｍ
引　言
　　中药质量控制和评价是中药研究、应用及发展的热点及
难点［１］。品种、产地、采收加工、炮制和制剂工艺是影响中
药品质的重要因素，同时影响其药性和药效［２］。中药规范化
生产有利于确保中药材、饮片、中成药质量的稳定和用药的
安全有效。采收加工是中药生产的源头，合理采收对中药材
质量与产量具有一定影响，是中药产业实现质量稳定、可控
的重要前提［３］。
近年来，适时采收对中药质量的影响备受关注。研究表
明，白术的收获期以摘蕾前五月下旬到六月上旬为宜，此时
白术内酯含量最高［４］。前胡在１２月份到翌年２月份，香豆素
类成分含量达到最高阶段，与传统采收时间相吻合［５］。不同
采收期香加皮中４－甲基水杨醛的含量差异较大，夏季的平均
含量最高位０．７１％，春、秋两季的含量分别为０．２２％和
０．３９％，夏季为最佳采收期，与传统香加皮采收期为春、秋
两季有差别［６］。不同采收期的美花石斛多糖含量存在差异，
九月到次年一月多糖含量相对较高［７］。金银花的最佳采收期
为“二白”和“大白”期采摘，此时绿原酸和木犀草苷含量最
高［８］。水红花子的最佳采摘期为十月中旬，此时槲皮素的含
量最高，为０．６９７ｍｇ．ｇ－１［９］。因此，对中药采收期的研究具
有重要意义。
滇龙胆（Ｇｅｎｔｉａｎａ　ｒｉｇｅｓｃｅｎｓ　Ｆｒａｎｃｈ．）为龙胆科植物，是
治疗肝胆疾病常用中药［１０］。沈涛等［１１］采用高效液相色谱法
对不同采收期、不同部位的滇龙胆进行研究，发现不同部位
的样品所含萜类物质具有差异，９月—１１月为其最佳采收
期。目前，主要以单一指标成分及药用部位的产量作为中药
的采收期评价指标，由于地域、生产环境的差异，难以客观
地对中药采收期进行评价。红外光谱法具有特征性强、快
速、无损和简便等优点，能够反映样品化学成分整体信息，
已广泛应用于农作物［１２－１３］、食品［１４－１７］及中药［１８－１９］的鉴定及质
量分析。本实验采用傅里叶红外光谱法结合主成分分析和偏
最小二乘判别分析法对不同采收期滇龙胆进行研究，取得满
意的结果，以期为其合理采收和质量控制提供科学依据。
１　实验部分
１．１　材料
样品采自云南省农业科学院药用植物研究所种质资源
圃，于２００８年４月播种，２００９年３—１０月，每月采收９份样
品，共７２份。经云南省农业科学院药用植物研究所金航研究
员鉴定为滇龙胆根及根茎。在５０℃条件下烘４８ｈ，粉碎过
１００目筛，备用。样品采集时间和编号见表１。
表１　滇龙胆样品信息
Ｔａｂｌｅ　１　Ｉｎｆｏｒｍａｔｉｏｎ　ｏｆ　Ｇ．ｒｉｇｅｓｃｅｎｓ　ｓａｍｐｌｅｓ
编号 采收日期 编号 采收日期
Ａ　 ３月９日 Ｅ　 ７月１３日
Ｂ　 ４月９日 Ｆ　 ８月１３日
Ｃ　 ５月１３日 Ｇ　 ９月１５日
Ｄ　 ６月１３日 Ｈ　 １０月１５日
１．２　仪器与设备
Ｐｅｒｋｉｎ－Ｅｌｍｅｒ　Ｆｒｏｎｔｅｒ型傅里叶红外光谱仪，ＤＴＧＳ检测
器，光谱范围４　０００～４００ｃｍ－１，分辨率４ｃｍ－１，信号累加扫
描１６次。压片机为 ＹＰ－２（上海山岳科学仪器仪器公司）。
ＫＢｒ为分析纯，购于天津市风船化学试剂科技有限公司。
１．３　方法
取样品与ＫＢｒ粉末（１∶１００）混合研磨均匀，压制成透明
薄片，放入红外光谱仪中测定，每个样品平行测定三次，计
算平均光谱。红外光谱采集过程中室温保持在２３℃，空气
相对湿度保持在４０％～４８％。
１．４　光谱及数据处理
所有原始光谱数据用Ｎｉｃｏｌｅｔ　Ｏｍｎｉｃ８．０软件进行基线校
正、归一化预处理；用ＴＱ８．０软件进行一阶导数（ＦＤ）、二阶
导数（ＳＤ）、标准正态变量校正（ＳＮＶ）、多元散射校正
（ＭＳＣ）、ｓａｖｉｔａｋｙ－ｇｏｌａｙ　ｆｉｌｔｅｒ平滑（ＳＧ）预处理，并进行主成
分分析（ＰＣＡ）。ＳＩＭＣＡ－Ｐ＋１１．０软件用于建立偏最小二乘判
别分析（ＰＬＳ－ＤＡ）模型。
１．５　方法学考察
精密度实验：取同一份滇龙胆样品，参照１．３测定方法，
连续测定５次，获得５个红外光谱图，计算图谱间的相似度
及相对标准偏差。
稳定性实验：取同一份样品，参照１．３测定方法，每隔
一个小时测定一次，共测５次，计算图谱间的相似度及相对
标准偏差。
重现性实验：取一份样品，平行制备５个样品片，分别
测定，计算图谱间的相似度及相对标准偏差。
２　结果与讨论
　　精密度、稳定性和重现性考察结果表明，图谱间相似度
的相对标准偏差（ＲＳＤ）分别为０．０３％，０．９８％和０．２４％；该
方法可靠、重复性和稳定性强。
２．１　滇龙胆光谱特征
根据１．３中实验方法，扫描７２份样品的傅里叶红外光
谱，所得光谱如图１和图２所示，滇龙胆不同采收季节的原
始图谱特征峰相似，难以从图谱进行鉴别，需要采用化学计
量学方法对其进行区分。
图１　滇龙胆的傅里叶变换红外光谱
Ｆｉｇ．１　ＦＴＩＲ　ｓｐｅｃｔｒａ　ｏｆ　Ｇ．ｒｉｇｅｓｃｅｎｓ
图２　滇龙胆的二阶导数光谱
Ｆｉｇ．２　Ｓｅｃｏｎｄ　ｄｅｒｉｖａｔｉｖｅ　ｏｆ　ＦＴＩＲ　ｏｆ　Ｇ．ｒｉｇｅｓｃｅｎｓ
２．２　光谱预处理结果
红外光谱在测定过程中，受样品粒度、光的散射和仪器
响应等因素的影响，产生噪音和光谱的基线漂移；适当的预
处理方法，可以提高光谱的分辨率、有效消除基线漂移和噪
声［２０］。表２显示，选取１　８００～６００ｃｍ－１波段范围内的光谱，
主成分数为１０的条件下，经ＳＮＶ＋ＳＤ＋ＳＧ（１５，３）预处理
后对样品的误判数最少，变量特征的解释能力为９６．６％，该
表２　不同预处理方法的结果（主成分数为１０）
Ｔａｂｌｅ　２　Ｒｅｓｕｌｔｓ　ｏｆ　ｄｉｆｆｅｒｅｎｔ　ｐｒｅｔｒｅａｔｍｅｎｔ　ｍｅｔｈｏｄｓ
（Ｔｈｅ　ｎｕｍｂｅｒ　ｏｆ　ｐｒｉｎｃｉｐａｌ　ｃｏｍｐｏｎｅｎｔｓ＝１０）
预处理方法
光谱范围
／ｃｍ－１
主成
分数
解释变量
特征／％
误判数
未处理 ４　０００～４００　 １０　 ９９．６　 ３
ＭＳＣ　 ４　０００～４００　 ９　 ９９．１　 １
ＳＮＶ　 ４　０００～４００　 ９　 ９９．２　 ５
ＭＳＣ＋ＦＤ　 ３　６００～５００　 １０　 ８９．２　 ４
ＭＳＣ＋ＦＤ＋ＳＧ（１５，３） １　８００～６００　 １０　 ９６．１　 １
ＭＳＣ＋ＦＤ＋ＳＧ（１３，３） １　８００～６００　 ８　 ９３．０　 ２
ＳＮＶ＋ＦＤ＋ＳＧ（１１，５） ４　０００～４００　 ８　 ８６．９　 ２
ＳＮＶ＋ＦＤ＋ＳＧ（１３，５） ３　６００～５００　 ９　 ９４．８　 １
ＭＳＣ＋ＳＤ＋ＳＧ（１５，５） １　８００～５００　 １０　 ９３．７　 １
ＭＳＣ＋ＳＤ＋ＳＧ（１５，３） ３　６００～５００　 ８　 ９２．６　 ２
ＳＮＶ＋ＳＤ＋ＳＧ（１３，３） ４　０００～４００　 ８　 ９１．２　 １
ＳＮＶ＋ＳＤ＋ＳＧ（１５，３） １　８００～６００　 １０　 ９６．６　 ０
９５３１第５期　　　　　　　　　　　　　　　　　　　　光谱学与光谱分析
方法可用于模型的建立。
２．３　主成分分析
主成分分析是一种数据降维方法，将多个相关变量简化
为少数几个不相关变量的多元统计分析方法［２１］。选用２．２中
最优预处理方法，对数据进行主成分分析，前三个主成分分
别为６５．３２％，２２．０１％，５．１４％，累积贡献率大于９０％，包
含了原始数据的绝大部分信息和样本的聚类信息。ＰＣ１，
ＰＣ２和ＰＣ３得分散点图见图３，样品按采收期的差异分为八
类，在散点图上的位置与实际有一定的相关性。５月、９月和
１０月采收的样品空间分布较相近，形成一个聚集区域，即此
时采收的样品差异较小，与药典规定的春、秋两季采挖相
符［１０］；７月采集的样品离散程度较大，８月采集的样品距离
其他样品较远，显示出较大的差异性。
图３　不同采收期滇龙胆样品的主成分得分图
Ｆｉｇ．３　Ｓｃｏｒｅ　ｐｌｏｔ　ｆｏｒ　ＰＣ１，ＰＣ２ａｎｄ　ＰＣ３ｏｆ　Ｇ．ｒｉｇｅｓｃｅｎｓ
ｗｉｔｈ　ｄｉｆｆｅｒｅｎｔ　ｈａｒｖｅｓｔ　ｔｉｍｅｓ
２．４　偏最小二乘判别分析建立与验证
２．４．１　异常值的检测
仪器的噪声、基线漂移和测定条件改变等因素会产生异
常光谱，利用傅里叶红外光谱数据建模时，异常样品的存在
会影享模型的稳健性。利用ＳＩＭＣＡ－Ｐ＋１１．０软件 Ｈｏｔｔｅｌｉｎｇ
Ｔ２控制图对所有样品进行检测，若样品超出９９％的置信区
间，即判定为异常样品。图４为７２个样品的异常值检测结
果，除友４个样品在９５％～９９％置信区间内，剩余样品均在
９５％的置信区间，表明没有异常样品需要剔除。
２．４．２　ＰＬＳ－ＤＡ模型的建立
ＰＬＳ－ＤＡ方法是基于ＰＬＳ建立的样本分类变量与傅里叶
红外光谱特征间的回归模型。在进行光谱预处理和异常值检
验之后，选取２．２中经ＳＮＶ＋ＳＤ＋ＳＧ（１５，３）预处理的光谱
对训练集样品建立偏最小二乘判别模型，前三个主成分累积
贡献率为８０．６８％，Ｒ２ 为０．９６７　８，校正均方根误差（ＲＭ－
ＳＥＥ）为０．０８６，表明模型具有良好的预测能力。由图５所示，
建立的模型将样品根据不同采收期分为８类，３月、５月、９
月和１０月份采集的样品在空间分布上较相近，即所含的化
学成分具有相似性。图６显示了所建立的模型对八个不同采
集时间的滇龙胆样品光谱数据的累积贡献能力（Ｒ２　Ｙ（ｃｕｍ））和
模型的预测能力（Ｑ２　Ｙ（ｃｕｍ）），Ｒ２　Ｙ（ｃｕｍ）值均大于９５．５９％，
Ｑ２　Ｙ（ｃｕｍ）值均大于８３．１０％，适用于样品的鉴别。
图４　样品异常值检测
Ｆｉｇ．４　Ｏｕｔｌｉｅｒ　ｄｅｔｅｃｔｅｄ　ｏｆ　ｓａｍｐｌｅｓ
图５　滇龙胆的偏最小二乘判别分析结果
Ｆｉｇ．５　Ｒｅｓｕｌｔｓ　ｏｆ　ＰＬＳ－ＤＡ　ｏｆ　Ｇ．ｒｉｇｅｓｃｅｎｓ
图６　不同采收期滇龙胆的累计贡献率和预测率
Ｆｉｇ．６　Ａｃｃｕｍｕｌａｔｉｖｅ　ｃｏｎｔｒｉｂｕｔｉｏｎ　ｒａｔｅ　ａｎｄ　ｐｒｅｄｉｃｔｉｖｅ　ｒａｔｅ
ｏｆ　Ｇ．Ｒｉｇｅｓｃｅｎｓｉｎ　ｄｉｆｆｅｒｅｎｔ　ｈａｒｖｅｓｔ　ｔｉｍｅｓ
２．４．３　ＰＬＳ－ＤＡ模型的验证
将建立好的判别模型用于验证，随机选取１８份样品作
为验证集，对验证集样品进行判定。即考察预测值Ｙｐｒｅ与偏
差Ｙｄｅｖ，判定准则为：（１）当Ｙｐｒｅ＞０．５，Ｙｄｅｖ＜０．５，判定样品
属于该类；（２）当Ｙｐｒｅ＜０．５，Ｙｄｅｖ＜０．５，判定样品不属于该
类；（３）Ｙｄｅｖ＞０．５，判定不稳定［２２］。结果如表３所示，根据判
别准则，建立的判别模型能对１８份验证集样品进行准确预
测。
０６３１ 光谱学与光谱分析　　　　　　　　　　　　　　　　　　　 第３６卷
表３　验证集的偏最小二乘判别分析结果
Ｔａｂｌｅ　３　Ｒｅｓｕｌｔｓ　ｏｆ　ＰＬＳ－ＤＡ　ｍｏｄｅｌ　ｆｏｒ　ｄｉｓｃｒｉｍｉｎａｔｉｏｎ　ｏｆ　ｖａｌｉｄａｔｉｏｎ　ｓｅｔ
编号
分类变量预测值 类别
Ｙｐｒｅ Ｙｄｅｖ 预测 实际
编号
分类变量预测值 类别
Ｙｐｒｅ Ｙｄｅｖ 预测 实际
１　 ０．９９２　１　 ０．２５５　９ Ａ Ａ　 １０　 ０．９６７　２　 ０．２０７　９ Ｅ Ｅ
２　 １．４４４　１　 ０．３２０　４ Ａ Ａ　 １１　 ０．９７３　９　 ０．２１５　１ Ｅ Ｅ
３　 ０．８２５　９　 ０．１９１　９ Ｂ Ｂ　 １２　 ０．９８７　８　 ０．２１２　７ Ｆ Ｆ
４　 ０．７９３　１　 ０．１８１　１ Ｂ Ｂ　 １３　 ０．８４５　４　 ０．１８１　７ Ｆ Ｆ
５　 ０．９５２　９　 ０．２１１　７ Ｃ Ｃ　 １４　 ０．７６６　９　 ０．１７０　９ Ｇ Ｇ
６　 ０．９８２　３　 ０．２１２　３ Ｃ Ｃ　 １５　 １．０６０　５　 ０．２３３　８ Ｇ Ｇ
７　 ０．９５８　１　 ０．２０５　５ Ｄ Ｄ　 １６　 ０．９１０　４　 ０．１９６　４ Ｈ Ｈ
８　 １．１５８　４　 ０．２５９　７ Ｄ Ｄ　 １７　 ０．６２８　８　 ０．１４４　２ Ｈ Ｈ
９　 ０．９５０　１　 ０．２１７　９ Ｄ Ｄ　 １８　 ０．７３３　５　 ０．１５５　１ Ｈ Ｈ
　　注：Ｙｐｒｅ为预测值，Ｙｄｅｖ为偏差
　　Ｎｏｔｅ：Ｙｐｒｅｉｓ　ｐｒｅｄｉｃｔｉｖｅ　ｖａｌｕｅ，Ｙｄｅｖｉｓ　ｄｏｖｉａｔｉｏｎ
３　结　论
　　采集不同采收期滇龙胆的傅里叶变换红外光谱，考察样
品的精密度、稳定性和重现性，试验结果表明该方法稳定和
可靠。用ＴＱ８．０软件对所有原始光谱进行预处理，选取１
８００～６００ｃｍ－１光谱波段，采用标准正态变量结合二阶导数
法及ＳＧ平滑预处理，建立主成分分析模型，前三个主成分
的累积贡献率为９２．４７％，能够反映原始数据的大部分信息，
显示滇龙胆样品成分之间的相关性，不同采收期样品在空间
中离散分布，其中５月、９月和１０月采收的样品在空间分布
较近，即所含化学成分相似性较高，与药典规定的春、秋两
季采挖相符。为了对样品准确鉴别，利用ＳＩＭＣＡ－Ｐ＋１１．０
软件，选择预处理后的光谱，建立ＰＬＳ－ＤＡ模型，根据经累
积贡献能力、Ｒ２ 和ＲＭＳＥＥ对模型进行评估，表明模型的稳
定性较好。所建立的模型对验证样品的准确识别率为１００
％；与目前沿用的以药用部位单一指标性活性成分结合生物
产量的采收期确定方法相比，ＦＴＩＲ具有简便、无损、真实宏
观及反应样品综合信息等优点，为快速鉴别中药不同采收期
提供参考。
Ｒｅｆｅｒｅｎｃｅｓ
［１］　ＸＩＡＯ　Ｐｅｉ－ｇｅｎ，ＸＩＡＯ　Ｘｉａｏ－ｈｅ（肖培根，肖小河）．Ｃｈｉｎａ　Ｊｏｕｒｎａｌ　ｏｆ　Ｃｈｉｎｅｓｅ　Ｍａｔｅｒｉａ　Ｍｅｄｉｃａ（中国中药杂志），２０００，２５（２）：６７．
［２］　ＸＩＡＯ　Ｘｉａｏ－ｈｅ，ＪＩＮ　Ｃｈｅｎｇ，ＺＨＡＯ　Ｚｈｏｎｇ－ｚｈｅｎ，ｅｔ　ａｌ（肖小河，金　城，赵中振，等）．Ｃｈｉｎａ　Ｊｏｕｒｎａｌ　ｏｆ　Ｃｈｉｎｅｓｅ　Ｍａｔｅｒｉａ　Ｍｅｄｉｃａ（中国中药
杂志），２００７，３２（１４）：１３７７．
［３］　ＤＵＡＮ　Ｊｉｎ－ａｏ，ＹＡＮ　Ｈｕｉ，ＳＵ　Ｓｈｕ－ｌａｎ，ｅｔ　ａｌ（段金廒，严　辉，宿树兰，等）．Ｃｈｉｎａ　Ｔｒａｄｉｔｉｏｎａｌ　ａｎｄ　Ｈｅｒｂａｌ　Ｄｒｕｇｓ（中草药），２０１０，４１
（１０）：１７５５．
［４］　ＢＡＩ　Ｙａｎ，ＣＨＥＮ　Ｌｅｉ，ＷＡＮＧ　Ｘｉａｏ－ｎｉ，ｅｔ　ａｌ（白　岩，陈　磊，王小妮，等）．Ｃｈｉｎａ　Ｔｒａｄｉｔｉｏｎａｌ　ａｎｄ　Ｈｅｒｂａｌ　Ｄｒｕｇｓ（中草药），２０１０，４１
（１）：１２９．
［５］　ＹＵ　Ｊｕｎ－ｎｉａｎ，ＷＵ　Ｗｅｎ－ｌｉｎｇ，ＬＩＵ　Ｓｈｏｕ－ｊｉｎ，ｅｔ　ａｌ（俞军年，吴文铃，刘守金，等）．Ｃｈｉｎａ　Ｊｏｕｒｎａｌ　ｏｆ　Ｃｈｉｎｅｓｅ　Ｍａｔｅｒｉａ　Ｍｅｄｉｃａ（中国中药杂
志），２０１３，３８（１０）：１４８９．
［６］　ＬＩ　Ｔｉａｎ－ｘｉａｎｇ，ＺＨＡＮＧ　Ｌｉ－ｊｕａｎ，ＬＩＵ　Ｈｏｎｇ，ｅｔ　ａｌ（李天祥，张丽娟，刘　虹，等）．Ｃｈｉｎａ　Ｔｒａｄｉｔｉｏｎａｌ　ａｎｄ　Ｈｅｒｂａｌ　Ｄｒｕｇｓ（中草药），２００７，
３８（８）：１２５６．
［７］　ＷＵ　Ｋｏｎｇ－ｙｕａｎ，ＷＡＮＧ　Ｑｕａｎ－ｗｅｎ，ＪＩＮ　Ｊｉａ－ｘｉｎｇ，ｅｔ　ａｌ（武孔媛，王全文，金家兴，等）．Ｃｈｉｎａ　Ｔｒａｄｉｔｉｏｎａｌ　ａｎｄ　Ｈｅｒｂａｌ　Ｄｒｕｇｓ（中草药），
２０１０，３５（１０）：１２２１．
［８］　ＺＨＡＮＧ　Ｙａｎ，ＷＡＮＧ　Ｗｅｎ－ｑｕａｎ，ＧＵＯ　Ｌａｎ－ｐｉｎｇ，ｅｔ　ａｌ（张　燕，王文全，郭兰萍，等）．Ｃｈｉｎａ　Ｔｒａｄｉｔｉｏｎａｌ　ａｎｄ　Ｈｅｒｂａｌ　Ｄｒｕｇｓ（中草药），
２０１３，４４（１８）：２６１１．
［９］　ＺＨＥＮＧ　Ｚｏｎｇ－ｊｉａｎ，ＺＨＡＩ　Ｙａｎ－ｊｕｎ，ＣＨＵ　Ｚｈｅｎｇ－ｙｕｎ，ｅｔ　ａｌ（郑宗建，翟延君，初正云，等）．Ｃｈｉｎａ　Ｊｏｕｒｎａｌ　ｏｆ　Ｃｈｉｎｅｓｅ　Ｍａｔｅｒｉａ　Ｍｅｄｉｃａ（中
国中药杂志），２００９，３４（６）：７８３．
［１０］　Ｃｈｉｎｅｓｅ　Ｐｈａｒｍａｃｏｐｏｅｉａ　Ｃｏｍｍｉｓｓｉｏｎ（中华人民共和国药典委员会）．Ｐｈａｒｍａｃｏｐｏｅｉａ　ｏｆ　ｔｈｅ　Ｐｅｏｐｌｅ’ｓ　Ｒｅｐｕｂｌｉｃ　ｏｆ　Ｃｈｉｎａ（中华人民共和国药
典），Ｐａｒｔ　Ｏｎｅ（第一部）．Ｂｅｉｊｉｎｇ：Ｃｈｉｎａ　Ｍｅｄｉｃａｌ　Ｓｃｉｅｎｃｅ　Ｐｒｅｓｓ（北京：中国医药科学出版社），２０１０．８９．
［１１］　ＳＨＥＮ　Ｔａｏ，ＹＡＮＧ　Ｍｅｉ－ｑｕａｎ，ＺＨＡＯ　Ｚｈｅｎ－ｌｉｎｇ，ｅｔ　ａｌ（沈　涛，杨美权，赵振玲，等）．Ｃｈｉｎｅｓｅ　Ｂｕｌｅｔｉｎ　ｏｆ　Ｂｏｔａｎｙ（植物学报），２０１１，４６
（６）：６５２．
［１２］　Ｌｕ　Ｙ　Ｚ，Ｄｕ　Ｃ　Ｗ，Ｙｕ　Ｃ　Ｂ，ｅｔ　ａｌ．Ｃｏｍｐｕｔｅｒｓ　ａｎｄ　Ｅｌｅｃｔｒｏｎｉｃｓ　ｉｎ　Ａｇｒｉｃｕｌｔｕｒｅ，２０１４，１０７：５８．
［１３］　Ｍａｒｔíｎｅｚ－Ｖａｌｄｉｖｉｅｓｏ　Ｄ，Ｆｏｎｔ　Ｄ，Ｔｅｒｅｓａ　Ｍ，ｅｔ　ａｌ．Ｃｏｍｐｕｔｅｒｓ　ａｎｄ　Ｅｌｅｃｔｒｏｎｉｃｓ　ｉｎ　Ａｇｒｉｃｕｌｔｕｒｅ，２０１４，１０８：７１．
［１４］　Ｐｉｎａｒ　Ｄ，Ｓｅｒｔａｃ　Ｏ，Ｆｅｒｉｄｅ　Ｓ．Ｓｐｅｃｔｒｏｃｈｉｍｉｃａ　Ａｃｔａ　Ｐａｒｔ　Ａ，２０１５，１３５：７５７．
１６３１第５期　　　　　　　　　　　　　　　　　　　　光谱学与光谱分析
［１５］　Ｆｅｒｎáｎｄｅｚ－Ｇｏｎｚáｌｅｚ　Ａ，Ｍｏｎｔｅｊｏ－Ｂｅｒｎａｒｄｏ　Ｊ　Ｍ，Ｒｏｄｒíｇｕｅｚ－Ｐｒｉｅｔｏ　Ｈ，ｅｔ　ａｌ．Ｓｐｅｃｔｒｏｃｈｉｍｉｃａ　Ａｃｔａ　Ｐａｒｔ　Ａ，２０１５，１３５：７５７．
［１６］　Ｙａｓｍｉｎａ　Ｓ，Ｄａｎｉｅｌ　Ｃ，Ｓｔｅｖｅ　Ｆ，ｅｔ　ａｌ．Ｆｏｏｄ　Ｃｈｅｍｉｓｔｒｙ，２０１５，１７２：２０７．
［１７］　Ｌａｒｏｕｓｓｉ－Ｍｅｚｇｈａｎｉ　Ｓ，Ｖａｎｌｏｏｔ　Ｐ，Ｍｏｌｉｎｅｔ　Ｊ．Ｆｏｏｄ　Ｃｈｅｍｉｓｔｒｙ，２０１５，１７３：１２２．
［１８］　Ｚｈａｏ　Ｙ　Ｌ，Ｚｈａｎｇ　Ｊ，Ｙｕａｎ　Ｔ　Ｊ，ｅｔ　ａｌ．Ｐｌｏｓ　Ｏｎｅ，２０１４，９（２）：１．
［１９］　Ｙｏｎｇ－Ｋｏｏｋ　Ｋ，Ｍｙｕｎｇ　Ｓｕｋ　Ａ，Ｊｏｎｇ　Ｓｕｋ　Ｐ，ｅｔ　ａｌ．Ｊｏｕｒｎａｌ　ｏｆ　Ｇｉｎｓｅｎｇ　Ｒｅｓｅａｒｃｈ，２０１４，３８：５２．
［２０］　Ｌｉ　Ｄ，Ｊｉｎ　Ｚ　Ｘ，Ｚｈｏｕ　Ｑ，ｅｔ　ａｌ．Ｊｏｕｒｎａｌ　ｏｆ　Ｍｏｌｅｃｕｌａｒ　Ｓｔｒｕｃｔｕｒｅ，２０１０，９７４：６８．
［２１］　Ｌｉ　Ｎ，Ｃｈｅ　Ｙ　Ｙ，Ｚｈａｎｇ　Ｌ，ｅｔ　ａｌ．Ｊｏｕｒｎａｌ　ｏｆ　Ｃｈｉｎｅｓｅ　Ｐｈａｒｍａｃｅｕｔｉｃａｌ　Ｓｃｉｅｎｃｅｓ，２０１３，２２：５５．
［２２］　Ｇａｌｔｉｅｒ　Ｏ，Ｄｕｐｕｙ　Ｎ，Ｌｅ　Ｄｒｅａｕ　Ｙ，ｅｔ　ａｌ．Ａｎａｌｙｔｉｃａ　Ｃｈｉｍｉｃａ　Ａｃｔａ，２００７，５９５（１－２）：１３６．
Ｓｔｕｄｙ　ｏｎ　ｔｈｅ　Ｄｉｓｃｒｉｍｉｎａｔｉｏｎ　ｏｆ　ＦＴＩＲ　Ｓｐｅｃｔｒｏｓｃｏｐｙ　ｏｆ　Ｇｅｎｔｉａｎａ　Ｒｉｇｅｓｃｅｎｓ
ｗｉｔｈ　Ｄｉｆｆｅｒｅｎｔ　Ｈａｒｖｅｓｔ　Ｔｉｍｅ
ＳＨＥＮ　Ｙｕｎ－ｘｉａ１，２，ＺＨＡＯ　Ｙａｎ－ｌｉ　１，ＺＨＡＮＧ　Ｊｉ　１，ＪＩＮ　Ｈａｎｇ１，ＷＡＮＧ　Ｙｕａｎ－ｚｈｏｎｇ１＊
１．Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｍｅｄｉｃｉｎａｌ　Ｐｌａｎｔｓ，Ｙｕｎｎａｎ　Ａｃａｄｅｍｙ　ｏｆ　Ａｇｒｉｃｕｌｔｕｒａｌ　Ｓｃｉｅｎｃｅｓ，Ｋｕｎｍｉｎｇ　６５０２００，Ｃｈｉｎａ
２．Ｃｏｌｅｇｅ　ｏｆ　Ｃｈｉｎｅｓｅ　Ｍａｔｅｒｉａ　Ｍｅｄｉｃａ，Ｙｕｎｎａｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｔｒａｄｉｔｉｏｎａｌ　Ｃｈｉｎｅｓｅ　Ｍｅｄｉｃｉｎｅ，Ｋｕｎｍｉｎｇ　６５０５００，Ｃｈｉｎａ
Ａｂｓｔｒａｃｔ　Ｔｈｅ　ｈａｒｖｅｓｔ　ｔｉｍｅ　ｏｆ　ｔｒａｄｉｔｉｏｎａｌ　Ｃｈｉｎｅｓｅ　ｍｅｄｉｃｉｎｅ（ＴＣＭ）ｉｓ　ａ　ｖｅｒｙ　ｅｓｓｅｎｔｉａｌ　ｐａｒｔ　ｆｏｒ　ｔｈｅ　ｐｒｏｄｕｃｔｉｏｎ　ａｎｄ　ｑｕａｌｉｔｙ　ｏｆ　ＴＣＭ
ｗｈｉｃｈ　ｉｓ　ｔｈｅ　ｐｒｅｒｅｑｕｉｓｉｔｅ　ｆｏｒ　ｓａｆｅ　ａｎｄ　ｅｆｆｅｃｔｉｖｅ　ｃｌｉｎｉｃａｌ　ｕｓｅ　ｏｆ　ＴＣＭ．Ｉｔ　ｉｓ　ｏｆ　ｇｒｅａｔ　ｉｍｐｏｒｔａｎｃｅ　ｔｏ　ｃａｒｒｙ　ｏｕｔ　ｔｈｅ　ｒｅｓｅａｒｃｈ　ｏｆ　ｔｉｍｅｌｙ
ｈａｒｖｅｓｔ　ｔｉｍｅ　ｏｆ　ＴＣＭ．Ｗｉｔｈ　Ｆｏｕｒｉｅｒ　ｔｒａｎｓｆｏｒｍ　ｉｎｆｒａｒｅｄ　ｓｐｅｃｔｒｏｓｃｏｐｙ（ＦＴＩＲ）ｔｏ　ｓｔｕｄｙ　ｈａｒｖｅｓｔ　ｔｉｍｅ　ｏｆ　Ｓｅｖｅｎｔｙ－ｔｗｏ　Ｇｅｎｔｉａｎａ　Ｒｉ－
ｇｅｓｃｅｎｓ　ｓａｍｐｌｅｓ．Ｆｉｒｓｔ　ｄｅｒｉｖａｔｉｖｅ，ｓｅｃｏｎｄ　ｄｅｒｉｖａｔｉｖｅ，ｓｔａｎｄａｒｄ　ｎｏｒｍａｌ　ｖａｒｉａｔｅ，ｍｕｌｔｉｐｌｉｃａｔｉｖｅ　ｓｃａｔｔｅｒ　ｃｏｒｒｅｃｔｉｏｎ　ａｎｄ　Ｓａｖｉｔａｋｙ－Ｇｏ－
ｌａｙ（１５，３）ｓｍｏｏｔｈｉｎｇ　ｏｆ　ａｌ　ｏｒｉｇｉｎａｌ　ｓｐｅｃｔｒａ　ｗｅｒｅ　ｐｒｅｔｒｅａｔｅｄ　ｗｉｔｈ　ＴＱ８．０ｓｏｆｔｗａｒｅ．Ｓａｍｐｌｅｓ　ｗｅｒｅ　ｄｉｖｉｄｅｄ　ｉｎｔｏ　ｃａｌｉｂｒａｔｉｏｎ　ｓｅｔ　ａｎｄ
ｐｒｅｄｉｃｔｉｏｎ　ｓｅｔ　ａｔ　ｔｈｅ　ｒａｔｉｏ　ｏｆ　３∶１．Ｐｒｉｎｃｉｐａｌ　ｃｏｍｐｏｎｅｎｔ　ａｎａｌｙｓｉｓ（ＰＣＡ）ａｎｄ　ｐａｒｔｉａｌ　ｌｅａｓｔ　ｓｑｕａｒｅ　ｄｉｓｃｒｉｍｉｎａｎｔ　ａｎａｌｙｓｉｓ（ＰＬＳ－ＤＡ）
ｍｏｄｅｌ　ｗｅｒｅ　ｅｓｔａｂｌｉｓｈｅｄ．Ｔｈｅ　ｒｅｓｕｌｔ　ｉｎｄｉｃａｔｅｄ　ｔｈａｔ　ａｆｔｅｒ　ｒｅｍｏｖｉｎｇ　ｎｏｉｓｅ　ｓｐｅｃｔｒｕｍ，ｔｈｅ　ｓｐｅｃｔｒａ　ｒａｎｇｅ　ｗａｓ　ｆｒｏｍ　１　８００ｔｏ　６００ｃｍ－１，
ｔｈｅ　ｍｅｔｈｏｄ　ＳＮＶ　ｃｏｍｂｉｎｅｄ　ｗｉｔｈ　ＳＤ　ａｎｄ　ＳＧ　ｐｒｅｓｅｎｔ　ｔｈｅ　ｂｅｓｔ　ｒｅｓｕｌｔ　ｏｆ　ｓｐｅｃｔｒａ　ｐｒｅｔｒｅａｔｍｅｎｔ．Ｔｈｅ　ｃｏｎｔｒｉｂｕｔｉｏｎ　ｒａｔｅｓ　ｏｆ　ｆｉｒｓｔ　ｔｈｒｅｅ
ｐｒｉｎｃｉｐａｌ　ｃｏｍｐｏｎｅｎｔｓ　ｗｅｒｅ　９２．４７％ ｗｉｔｈ　ＰＣＡ．Ｓｍａｌ　ｄｉｆｆｅｒｅｎｃｅｓ　ｗｅｒｅ　ｆｏｕｎｄ　ｆｏｒ　ｔｈｅ　ｓａｍｐｌｅｓ　ｈａｒｖｅｓｔｅｄ　ｉｎ　Ｍａｙ，Ｓｅｐｔｅｍｂｅｒ　ａｎｄ
Ｏｃｔｏｂｅｒ．Ｓａｍｅ　ｓｐｅｃｔｒｕｍ　ｒａｎｇｅ　ｗａｓ　ｃｈｏｓｅｎ　ａｎｄ　ＰＬＳ－ＤＡ　ｗａｓ　ａｐｐｌｉｅｄ　ｔｏ　ｅｓｔａｂｌｉｓｈ　ｔｈｅ　ｍｏｄｅｌ．Ｔｈｅ　Ｒ２　ａｎｄ　ＲＭＳＥＥ　ｗｅｒｅ　０．９６７　８，
０．０８６　０，ｒｅｓｐｅｃｔｉｖｅｌｙ，ａｎｄ　ｔｈｅ　ｐｒｅｄｉｃｔｉｏｎ　ａｃｃｕｒａｃｙ　ｉｓ　１００％．Ｔｈｅ　ｍｅｔｈｏｄｓ　ｏｆ　ＰＣＡ　ａｎｄ　ＰＬＳ－ＤＡ　ｈａｖｅ　ｇｏｏｄ　ａｂｉｌｉｔｙ　ｔｏ　ｃｌａｓｓｉｆｙ　ａｎｄ
ｉｄｅｎｔｉｆｙ　ｄｉｆｆｅｒｅｎｔ　ｈａｒｖｅｓｔ　ｔｉｍｅ　ｏｆ　Ｇｅｎｔｉａｎａ　Ｒｉｇｅｓｃｅｎｓ．Ｉｔ　ｐｒｏｖｉｄｅｄ　ａ　ｂａｓｉｓ　ｆｏｒ　ｔｈｅ　ｉｄｅｎｔｉｆｉｃａｔｉｏｎ　ｏｆ　ｄｉｆｆｅｒｅｎｔ　ｈａｒｖｅｓｔ　ｔｉｍｅ　ｏｆ　ＴＣＭ．
Ｋｅｙｗｏｒｄｓ　Ｇｅｎｔｉａｎａ　ｒｉｇｅｓｃｅｎｓ；Ｄｉｆｆｅｒｅｎｔ　ｈａｒｖｅｓｔ　ｓｅａｓｏｎｓ；Ｆｏｕｒｉｅｒ　ｔｒａｎｓｆｏｒｍ　ｉｎｆｒａｒｅｄ　ｓｐｅｃｔｒｏｓｃｏｐｙ；Ｐｒｉｎｃｉｐａｌ　ｃｏｍｐｏｎｅｎｔ　ａｎａｌｙ－
ｓｉｓ；Ｐａｒｔｉａｌ　ｌｅａｓｔ　ｓｑｕａｒｅ　ｄｉｓｃｒｉｍｉｎａｎｔ　ａｎａｌｙｓｉｓ
（Ｒｅｃｅｉｖｅｄ　Ｄｅｃ．１９，２０１４；ａｃｃｅｐｔｅｄ　Ａｐｒ．１５，２０１５）　　
＊Ｃｏｒｒｅｓｐｏｎｄｉｎｇ　ａｕｔｈｏｒ
２６３１ 光谱学与光谱分析　　　　　　　　　　　　　　　　　　　 第３６卷