全 文 ：第３　３卷，第２期　 　　　　　　　　　　　光 谱 学 与 光 谱 分 析 Ｖｏｌ．３３，Ｎｏ．２，ｐｐ３７１－３７５
２　０　１　３年２月　　　　　　　　　　　 　Ｓｐｅｃｔｒｏｓｃｏｐｙ　ａｎｄ　Ｓｐｅｃｔｒａｌ　Ａｎａｌｙｓｉｓ　 Ｆｅｂｒｕａｒｙ，２０１３ 　
牻牛儿苗科１１种中药材红外光谱鉴定及聚类分析
孙仁爽１，金哲雄１＊，张哲鹏１，许长华２，周　群２，孙素琴２＊
１．哈尔滨商业大学生命科学与环境科学研究中心，黑龙江 哈尔滨　１５００７６
２．清华大学化学系，北京　１０００８４
摘　要　结合傅里叶变换红外光谱技术与聚类分析法，建立牻牛儿苗科１１种中药材的快速鉴别方法。采用
傅里叶变换红外光谱法鉴别牻牛儿苗科１１种中药材；在建立主成分分析模型的基础上，采用ＳＩＭＣＡ聚类
分析法对三种中药材进行了快速的分类研究。红外光谱结合聚类分析技术对牻牛儿苗科中药材聚类结果较
理想，识别率和拒绝率达到９８％以上，盲样的预测率达到９１％。红外光谱与聚类分析法相结合可以快速、
无损识别牻牛儿苗科中药材。
关键词　牻牛儿苗科；红外光谱；聚类分析；品种鉴别
中图分类号：Ｏ６５７．３　　文献标识码：Ａ　　ＤＯＩ：１０．３９６４／ｊ．ｉｓｓｎ．１０００－０５９３（２０１３）０２－０３７１－０５
　收稿日期：２０１２－０９－１８，修订日期：２０１２－１２－２０
　基金项目：国家自然科学基金项目（２１０７５０７６）资助
　作者简介：孙仁爽，１９８０年生，哈尔滨商业大学生命科学与环境科学研究中心博士研究生　　ｅ－ｍａｉｌ：ｓｒｓ６６６＠ｓｉｎａ．ｃｏｍ
＊通讯联系人　　ｅ－ｍａｉｌ：ｊｉｎ－ａｉ－ｐｕ＠ｖｉｐ．１６３．ｃｏｍ；ｓｕｎｓｑ＠ｔｓｉｎｇｈｕａ．ｅｄｕ．ｃｎ
引　言
　　牻牛儿苗科中药材品种繁多，资源丰富。其后经历代本
草的发展，品种演变，至今已有十几个品种。其中，牻牛儿苗
（Ｅｒｏｄｉｕｍ　ｓｔｅｈａｉａｎｕｍ　Ｗｉｌｌｄ．）、老鹳草（Ｇｅｒａｎｉｕｍ　ｗｉｌｆｏｒｄｉｉ
Ｍａｘｉｍ．）和野老鹳草（Ｇｅｒａｎｉｕｍ　ｃａｒｏｌｉｎｉａｎｕｍ　Ｌ．）为２０１０版
《中国药典》收载品种［１］，鼠掌老鹳草等虽非药典收载品种，
但其资源分布广泛，在多个地区作商品使用，为保证用药安
全，正确区分牻牛儿苗科中药材品种显得尤为重要。
２０１０版《中国药典》一部仅有牻牛儿苗的性状鉴别，其质
量评价多依赖于鉴别人员的经验，主观性较强，且性状鉴别
多针对于原药材，市场上流通的饮片已切成小段，鉴别困
难。由于本类药材化学成分复杂，且均含有鞣质、黄酮类等
成分，化学反应和薄层色谱法等［２］传统鉴别手段的鉴别专属
性不强，且样品前处理繁琐，大大影响分析效率。鉴于“先分
离后分析”方法的缺点，“不分离即分析”成为更加理想的混
合物分析鉴别方法。
红外光谱法基本无需样品分离，是直接、快速、无损的
分析方法。混合物的红外光谱与其所含成分密切相关。种
属、产地等因素导致中药材成分的变化均可直接反映于其红
外光谱，据此可以对中药材的品种等进行鉴别。由于组分的
复杂性，不同药材在红外光谱上的差异可能是极其微弱的，
因此需要使用导数光谱和二维红外光谱将它们之间的红外特
征差异进一步放大，从而达到区别不同药材的目的。当样本
数量较少时，可以采用红外光谱、导数光谱和二维红外光谱
进行鉴别，当样本数量较多时，可使用统计学的方法如模式
识别进行鉴别［３］。采用红外光谱法结合ＳＭＩＣＡ（ｓｏｆｔ　ｉｎｄｅ－
ｐｅｎｄｅｎｔ　ｍｏｄｅｌｉｎｇ　ｏｆ　ｃｌａｓｓ　ａｎａｌｏｇｙ）聚类分析法对牻牛儿苗科
中药材进行了分析，方法简便，结果满意。
１　实验部分
１．１　仪器设备
Ｓｐｅｃｔｒｕｍ　ＧＸ　ＦＴＩＲ光谱仪（ＰｅｒｋｉｎＥｌｍｅｒ，Ｉｎｃ．），ＤＴＧＳ
检测器，光谱分辨率４ｃｍ－１，测量范围４　０００～４００ｃｍ－１，扫
描累加３２次；二维相关光谱所用的变温附件为Ｌｏｖｅ　Ｃｏｎｔｒｏｌ
公司的Ｐｏｒｔａｂｌｅ　Ｃｏｎｔｒｏｌｅｒ可编程控制单元，控温范围５０～
１２０℃。
１．２　样品来源
１３７份牻牛儿苗科样品，分别由通化师范学院、辽宁中
医药大学、中国药科大学、苏州大学和佳木斯大学提供，经
通化师范学院中药教研室于俊林教授鉴定为牻牛儿苗样品
２９份，老鹳草样品７５份，野老鹳草样品２５份，鼠掌、突节、
线裂、大花、毛蕊、长白、灰背、块根老鹳草各１份，凭证标
本保存于通化师范学院标本室。
１．３　方法与数据处理
采用ＫＢｒ压片法制样，获得各样本在室温下的红外光谱
图。用ＰｅｒｋｉｎＥｌｍｅｒ公司的Ｓｐｅｃｔｒｕｍ软件获得二阶导数图
谱，平滑点数为１３点。将所压样品装入变温附件，温度程控
５０～１２０℃，温度从５０℃逐步升高，每升温１０℃采集一次
红外光谱，经清华大学分析中心红外光谱组设计的二维相关
分析软件处理采集的系列光谱—变温动态谱，即获得二维红
外相关光谱。
聚类分析采用Ｐｅｒｋｉｎ　Ｅｌｍｅｒ公司的 Ｑｕａｎｔ＋和ＳＩＭＣＡ
应用软件。
２　结果与讨论
２．１　牻牛儿苗科１１种中药材红外光谱比较
２．１．１牻牛儿苗科１１种中药材红外光谱及二阶导数谱分析
图１所示，牻牛儿苗科１１种中药材红外光谱在１　８００～
９００ｃｍ－１比较相似，１　７３４～１　７０６ｃｍ－１归属于鞣质类、黄酮
类等活性成分的 Ｃ　Ｏ 伸缩振动，１　０５８～１　０３２ｃｍ－１处为
糖类成分Ｃ—Ｏ伸缩振动，但是通过对其红外光谱进一步分
析发现，其对应峰的位置、形状、强度均有差异，表１中通
过对牻牛儿苗科１１种中药材中鞣质类、黄酮类特征峰
Ｃ　Ｏ 与糖类成分特征峰Ｃ—Ｏ比较发现，老鹳草中鞣质
类、黄酮类相对含量最高，其次为突节老鹳草，块根老鹳草
相对含量最低［４］。
　　牻牛儿苗科１１种中药材中所含成分复杂使原始图谱较
难区分，而利用二阶导数图谱增加原图谱表观分辨率，将原
图谱的特征峰分为多个特征峰，可使差异更加明显，如表２
牻牛儿苗科１１种中药材二阶导数谱相似度比较发现，老鹳
草与鼠掌老鹳草较为接近，相似度为０．９３３　６，野老鹳草差异
最大，相似度为０．６６７　７。
Ｆｉｇ．１　ＦＴＩＲ　ｓｐｅｃｔｒａ（１　８００～９００ｃｍ－１）ａｎｄ　ｓｅｃｏｎｄ　ｄｅｒｉｖａｔｉｖｅ　ｉｎｆｒａｒｅｄ　ｓｐｅｃｔｒａ
（１　７００～１　０００ｃｍ－１）ｏｆ　ｅｌｅｖｅｎ　ｇｅｎｅｒａ　ｏｆ　Ｃｈｉｎｅｓｅ　ｈｅｒｂｓ　ｉｎ　ｇｅｒａｎｉａｃｅａｅ
ａ：Ｇ．ｗｉｌｆｏｒｄｉｉ．；ｂ：Ｇ．ｓｉｂｉｒｉｃｕｍ．；ｃ：Ｇ．ｋｒａｍｅｒｉ．；ｄ：Ｇ．ｓｏｂｏｌｉｆｅｒｕｍ　Ｋｏｍ．；ｅ：Ｇ．ｈｉｍａｌａｙｅｎｓｅ　Ｋｌｏｔｚｓｃｈ．；ｆ：Ｇ．ｅｒｉｏｓｔｅｍｏｎ．；
ｇ：Ｅ．ｓｔｅｈａｉａｎｕｍ　Ｗｉｌｌｄ．；ｈ：Ｇ．ｃａｒｏｌｉｎｉａｎｕｍ　Ｌ．；ｉ：Ｇ．ｐａｉｓｈａｎｅｎｓｅ．；ｊ：Ｇ．ｗｌａｓｓｏｗｉａｎｕｍ．；ｋ：Ｇ．ｄａｈｕｒｉｃｕｍ．
Ｔａｂｌｅ　１　Ｉｎｔｅｎｓｉｔｉｅｓ　ｏｆ　ｐｅａｋｓ　ｏｆ　ｅｌｅｖｅｎ　ｇｅｎｅｒａ
ｏｆ　Ｃｈｉｎｅｓｅ　ｈｅｒｂｓ　ｉｎ　ｇｅｒａｎｉａｃｅａｅ
Ｇｅｎｕｓ
Ｃ Ｏ
（１　７２８ｃｍ－１，Ａ１）
Ｃ—Ｏ
（１　０３３ｃｍ－１，Ａ２）
Ａ１／Ａ２
Ｇ．ｗｉｌｆｏｒｄｉｉ ． ０．７３９　６　 ０．８８７　３　 ０．８３３　５
Ｇ．ｓｉｂｉｒｉｃｕｍ ． ０．６１３　９　 １．０７２　０　 ０．５７２　７
Ｇ．ｋｒａｍｅｒｉ ． ０．５９３　４　 ０．８５５　１　 ０．６９４　０
Ｇ．ｓｏｂｏｌｉｆｅｒｕｍ　Ｋｏｍ ． ０．７２８　４　 １．１９９　８　 ０．６０７　１
Ｇ．ｈｉｍａｌａｙｅｎｓｅ　Ｋｌｏｔｚｓｃｈ ． ０．５９０　７　 １．０５１　０　 ０．５６２　０
Ｇ．ｅｒｉｏｓｔｅｍｏｎ ． ０．５４５　５　 ０．９１６　０　 ０．５９５　５
Ｅ．ｓｔｅｈａｉａｎｕｍ　Ｗｉｌｌｄ ． ０．６２８　７　 １．１０４　４　 ０．５６９　３
Ｇ．ｃａｒｏｌｉｎｉａｎｕｍ　Ｌ ． ０．６２６　９　 １．１５６　５　 ０．５４２　１
Ｇ．ｐａｉｓｈａｎｅｎｓｅ ． ０．５８３　７　 １．１６２　１　 ０．５０２　３
Ｇ．ｗｌａｓｓｏｗｉａｎｕｍ ． ０．４７７　４　 ０．８３７　５　 ０．５７１　３
Ｇ．ｄａｈｕｒｉｃｕｍ ． ０．５６０　４　 １．４６４　３　 ０．３８２　７
Ｔａｂｌｅ　２　Ｃｏｒｒｅｌａｔｉｏｎ　ｃｏｅｆｆｉｃｉｅｎｔｓ（ｒ）ｏｆ　ｅｌｅｖｅｎ　ｇｅｎｅｒａ　ｏｆ　Ｃｈｉｎｅｓｅ
ｈｅｒｂｓ　ｉｎ　ｇｅｒａｎｉａｃｅａｅ（１　７００～１　０００ｃｍ－１）
Ｇｅｎｕｓ　 ｒ　 Ｇｅｎｕｓ　 ｒ
Ｇ．ｗｉｌｆｏｒｄｉｉ ． １．０００　０　Ｇ．ｈｉｍａｌａｙｅｎｓｅ　Ｋｌｏｔｚｓｃｈ　０．７８７　２
Ｇ．ｓｉｂｉｒｉｃｕｍ ． ０．９３３　６　 Ｇ．ｓｏｂｏｌｉｆｅｒｕｍ　Ｋｏｍ　 ０．７８１　８
Ｇ．ｐａｉｓｈａｎｅｎｓｅ ． ０．８５１　７　 Ｇ．ｄａｈｕｒｉｃｕｍ　 ０．７０９　８
Ｇ．ｅｒｉｏｓｔｅｍｏｎ ． ０．８１７　１　 Ｇ．ｗｌａｓｓｏｗｉａｎｕｍ　 ０．６９５　７
Ｅ．ｓｔｅｈａｉａｎｕｍＷｉｌｌｄ　０．８１１　５　 Ｇ．ｃａｒｏｌｉｎｉａｎｕｍ　Ｌ　 ０．６６７　７
Ｇ．ｋｒａｍｅｒｉ　 ０．７８８　７
２．１．２牻牛儿苗科１１种中药材二维相关红外光谱
如图２和表３所示，牻牛儿苗科１１种中药材１　７５０～
１　０００ｃｍ－１波数范围的二维相关光谱发现，不同品种出现不
同的自动峰，其中鼠掌老鹳草和野老鹳草自动峰个数最多为
８个，最强自动峰分别为１　６４０和１　５８０ｃｍ－１；线裂老鹳草自
２７３ 光谱学与光谱分析　　　　　　　　　　　　　　　　　　　 第３３卷
动峰数最少为４个，其中１　６３９ｃｍ－１处最强。每种老鹳草在
１　０８０ｃｍ－１处与其他位置交叉峰均为负，说明１　１８７和１　０８０
ｃｍ－１附近Ｃ—Ｏ伸缩振动吸收峰随温度升高与其他特征峰变
化趋势相反。综上所述，不同品种中所含热敏感物质不同，
二维相关红外光谱中有多处差异，因此利用二维相关红外光
谱可以直观有效地对牻牛儿苗科１１种中药材进行区分［５］。
Ｆｉｇ．２　２Ｄ－ＩＲ　ｓｙｎｃｈｒｏｎｏｕｓ　ｃｏｒｒｅｌａｔｉｏｎ　ｓｐｅｃｔｒａ（１　７５０～１　０００ｃｍ－１）ｏｆ　ｅｌｅｖｅｎ　ｇｅｎｅｒａ　ｏｆ　Ｃｈｉｎｅｓｅ　ｈｅｒｂｓ　ｉｎ　ｇｅｒａｎｉａｃｅａｅ
（ａ）：Ｇ．ｗｉｌｆｏｒｄｉｉ．；（ｂ）：Ｇ．ｓｉｂｉｒｉｃｕｍ．；（ｃ）：Ｇ．ｋｒａｍｅｒｉ．；（ｄ）：Ｇ．ｓｏｂｏｌｉｆｅｒｕｍ　Ｋｏｍ．；（ｅ）：Ｇ．ｈｉｍａｌａｙｅｎｓｅ　Ｋｌｏｔｚｓｃｈ．；（ｆ）：Ｇ．ｅｒｉｏｓｔｅｍｏｎ．；
（ｇ）：Ｅ．ｓｔｅｈａｉａｎｕｍ　Ｗｉｌｌｄ．；（ｈ）：Ｇ．ｃａｒｏｌｉｎｉａｎｕｍ　Ｌ．；（ｉ）：Ｇ．ｐａｉｓｈａｎｅｎｓｅ．；（ｊ）：Ｇ．ｗｌａｓｓｏｗｉａｎｕｍ．；（ｋ）：Ｇ．ｄａｈｕｒｉｃｕｍ．
Ｔａｂｌｅ　３　Ａｕｔｏｐｅａｋｓ　ｉｎ　２Ｄ－ＩＲ　ｓｙｎｃｈｒｏｎｏｕｓ　ｃｏｒｒｅｌａｔｉｏｎ　ｓｐｅｃｔｒａ　ｏｆ　ｅｌｅｖｅｎ
ｇｅｎｅｒａ　ｏｆ　Ｃｈｉｎｅｓｅ　ｈｅｒｂｓ　ｉｎ　ｇｅｒａｎｉａｃｅａｅ（１　８００～１　０００ｃｍ－１）
　　　　　Ｇｅｎｕｓ 　　　　　Ａｕｔｏｐｅａｋｓ（Ｉｎｔｅｎｓｉｔｙ　ｈｉｇｈｅｒ　ｔｈａｎ　２５％ｏｆ　ｔｈｅ　ｍａｘｉｍｕｍ　ａｕｔｏｐｅａｋ） Ｔｏｔａｌ
Ｇ．ｗｉｌｆｏｒｄｉｉ ． １　６２９　１　５５９　１　４６９　１　４４９　１　４１９　１　１８４　１　１３９　 ７
Ｇ．ｓｉｂｉｒｉｃｕｍ ． １　７００　１　６４０　１　５９０　１　５５９　１　４５０　１　４１９　１　３５９　１　１０９　 ８
Ｇ．ｋｒａｍｅｒｉ ． １　６２９　１　５８０　１　４４９　１　２９９　１　１８９　１　０７７　 ６
Ｇ．ｓｏｂｏｌｉｆｅｒｕｍ　Ｋｏｍ ． １　６３９　１　５５９　１　４５０　１　１７０　 ４
Ｇ．ｈｉｍａｌａｙｅｎｓｅ　Ｋｌｏｔｚｓｃｈ ． １　６２９　１　５６０　１　４４９　１　３００　１　１６０　 ５
Ｇ．ｅｒｉｏｓｔｅｍｏｎ ． １　６４９　１　５８０　１　４４９　１　４２０　１　１８０　 ５
Ｅ．ｓｔｅｈａｉａｎｕｍ　Ｗｉｌｌｄ ． １　６４９　１　６１９　１　２９９　１　１７９　１　０９０　１　０７０　１　０１９　 ７
Ｇ．ｃａｒｏｌｉｎｉａｎｕｍ　Ｌ ． １　６５０　１　５８０　１　５５９　１　４６９　１　２１９　１　１９０　１　１４０　１　０９０　 ８
Ｇ．ｐａｉｓｈａｎｅｎｓｅ ． １　６４９　１　６４０　１　５７９　１　５６０　１　１９０　１　１８０　１　０８９　 ７
Ｇ．ｗｌａｓｓｏｗｉａｎｕｍ ． １　６４０　１　６１９　１　５９０　１　５５９　１　１８９　１　１３９　１　０８８　 ７
Ｇ．ｄａｈｕｒｉｃｕｍ ． １　６４９　１　５７９　１　２９９　１　１８９　１　０８０　１　０２０　 ６
　　Ｎｏｔｅ：Ｆｉｇｕｒｅｓ　ｉｎ　ｂｏｌｄ　ｄｅｎｏｔｅ　ｔｈｅ　ｍａｘｉｍｕｍ　ａｕｔｏｐｅａｋｓ；Ｆｉｇｕｒｅｓ　ｗｉｔｈ　ｕｎｄｅｒｌｉｎｅ　ｄｅｎｏｔｅ　ｔｈｅ　ｓｅｃｏｎｄ　ｍａｘｉｍｕｍ　ａｕｔｏｐｅａｋｓ
２．２　牻牛儿苗、老鹳草和野老鹳草的聚类分析
２．２．１　牻牛儿苗、老鹳草和野老鹳草聚类分析模型的建立
使用１２９个样本，随机选择１０７个样本作为训练集，其
余２２个样本为测试集。采用Ｓｐｅｃｔｒｕｍ　Ｑｕａｎｔ＋和ＳＩＭＣＡ
Ｐｒｏｃｅｄｕｒｅｓ软件，使用２　０００～４００ｃｍ－１之间信息较为丰富
的红外光谱建立已知牻牛儿苗、老鹳草和野老鹳草模型，并
训练该模型。预先对１　７７０～８３５ｃｍ－１区间的红外光谱进行
标准正态分布校正（ＳＮＶ），使用补偿式校正（Ｏｆｆｓｅｔ）以消除
光谱基线漂移［６］。
２．２．２　牻牛儿苗、老鹳草和野老鹳草聚类模型的评价指标
（１）类间距
表４为牻牛儿苗、老鹳草和野老鹳草不同类模型之间的
距离，野老鹳草与老鹳草获得的类间距为１３．８７，野老鹳草
与牻牛儿苗获得的类间距为１２．４，老鹳草与牻牛儿苗获得的
类间距为７．１４，类间距的数值越大，表明类与类之间的差异
越明显。
３７３第２期　　　　　　　　　　　　　　　　　　　　光谱学与光谱分析
Ｔａｂｌｅ　４　Ｉｎｔｅｒ　ｃｌａｓｓ　ｄｉｓｔａｎｃｅｓ　ｏｆ　ｔｈｒｅｅ　ｇｅｎｅｒａ　ｏｆ　ｓａｍｐｌｅｓ（Ｃｒｉｔｉｃａｌ　ｐｒｏｂａｂｉｌｉｔｙ　ｌｅｖｅｌ：０．０１）
Ｇｅｎｕｓ　 Ｇ．ｗｉｌｆｏｒｄｉｉ　Ｍａｘｉｍ ． Ｇ．ｃａｒｏｌｉｎｉａｎｕｍ　Ｌ ． Ｅ．ｓｔｅｈａｉａｎｕｍ　Ｗｉｌｌｄ．
Ｇ．ｗｉｌｆｏｒｄｉｉ　Ｍａｘｉｍ ． － １３．８７　 ７．１４
Ｇ．ｃａｒｏｌｉｎｉａｎｕｍ　Ｌ ． － － １２．４
　　（２）识别率与拒绝率
表５中三个品种的模型识别率和拒绝率几乎都达到
１００％，说明该模型可以很好地识别牻牛儿苗、老鹳草和野
老鹳草样本［７］。
Ｔａｂｌｅ　５　Ｒｅｃｏｇｎｉｔｉｏｎ　ｒａｔｅ　ａｎｄ　ｒｅｊｅｃｔｉｏｎ　ｒａｔｅ
ｏｆ　ｔｈｒｅｅ　ｇｅｎｅｒａ　ｏｆ　ｓａｍｐｌｅｓ
Ｇｅｎｕｓ　 Ｒｅｃｏｇｎｉｔｉｏｎ　ｒａｔｅ／％ Ｒｅｊｅｃｔｉｏｎ　ｒａｔｅ／％
Ｇ．ｗｉｌｆｏｒｄｉｉ　Ｍａｘｉｍ ． ９８（６２／６３） １００（４４／４４）
Ｇ．ｃａｒｏｌｉｎｉａｎｕｍ　Ｌ ． １００（２１／２１） １００（８６／８６）
Ｅ．ｓｔｅｈａｉａｎｕｍ　Ｗｉｌｌｄ ． １００（２３／２３） １００（８４／８４）
２．２．３　聚类分析结果图
图３为牻牛儿苗、老鹳草和野老鹳草明显地分成三组，
说明在该模型中三个品种差异显著。此外，牻牛儿苗模型中
样本比较分散，主要是由于牻牛儿苗样品分布广泛，而老鹳
草和野老鹳草分布区域相对集中。
Ｆｉｇ．３　Ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｒｅｓｕｌｔｓ　ｏｆ　ｔｈｒｅｅ　ｇｅｎｅｒａ　ｏｆ　ｓａｍｐｌｅｓ
２．２．４　未知样品的预测
经计算得出老鹳草、野老鹳草和牻牛儿苗的预测率分别
为８３．３％，１００％和１００％。
表６为某一未知样品的聚类结果，老鹳草的可能性为
９６．８２％，说明该模型具有较强的识别能力。
图４为该未知样品的聚类分析图，弧线内表示落在聚类
模型的未知样品，而野老鹳草的标准集合也在此聚类模型
内，可认定该未知样品为野老鹳草，结果与实际是一致
的［８］。
Ｔａｂｌｅ　６　Ｃｌａｓｓ　ｉｄｅｎｔｉｆｉｃａｔｉｏｎ　ｏｆ　ｕｎｋｎｏｗｎ　ｓａｍｐｌｅ
Ｇｅｎｕｓ
Ｓｐｅｃｔｒａｌ
ｒｅｓｉｄｕａｌｓ
Ｍｏｄｅｌ
ｒｅｓｉｄｕａｌｓ
Ｃｏｍｂｉｎｅｄ
ｒｅｓｉｄｕａｌｓ
Ｐｒｏｂａｂｉｌｉｔｙ
Ｇ．ｃａｒｏｌｉｎｉａｎｕｍ　Ｌ ． ０．６６８　３　 ０　 ０．６６８　３　 ０．９６８　２
Ｅ．ｓｔｅｈａｉａｎｕｍ　Ｗｉｌｌｄ ． ２．７０７　 １．９７６　 ３．３５２　 ０
Ｇ．ｗｉｌｆｏｒｄｉｉ　Ｍａｘｉｍ ． ２．４８１　 ３．５８３　 ４．３５８　 ０
Ｆｉｇ．４　Ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｒｅｓｕｌｔｓ　ｏｆ　ｕｎｋｎｏｗｎ　ｓａｍｐｌｅｓ
３　结　论
　　利用红外光谱结合二阶导数和二维相关光谱对牻牛儿苗
科１１种中药材进行鉴别，不仅可对其品种进行有效区分，还
可对其所含成分（多糖、鞣质类等）进行定性和相对含量分
析。利用ＳＩＭＣＡ法对牻牛儿苗、老鹳草和野老鹳草红外光
谱进行了聚类分析，样品的识别率和拒绝率均在９８％以上，
基本实现了三个品种中药材的鉴别，说明这种方法建立的模
型是合理的，有较强的识别能力，可以作为一种快速鉴别牻
牛儿苗、老鹳草和野老鹳草的方法。此外，如果获得足够多
的样本，增加训练集样本数，该法的准确率还会提高。总之，
傅里叶变换红外光谱法结合聚类分析的方法可以牻牛儿苗科
１１种中药材进行快速、有效、准确的鉴别。
Ｒｅｆｅｒｅｎｃｅｓ
［１］　Ｐｈａｒｍａｃｏｐｉｅａ　Ｃｏｍｍｉｔｔｅｅ　ｏｆ　ｔｈｅ　Ｍｉｎｉｓｔｒｙ　ｏｆ　Ｈｅａｌｔｈ　ｏｆ　ｔｈｅ　Ｐｅｏｐｌｅ’ｓ　Ｒｅｐｕｂｌｉｃ　ｏｆ　Ｃｈｉｎａ（中华人民共和国国家药典委员会编）．Ｐｈａｒｍａｃｏｐｉｅａ
ｔｈｅ　Ｐｅｏｐｌｅ’ｓ　Ｒｅｐｕｂｌｉｃ　ｏｆ　Ｃｈｉｎａ（中华人民共和国药典）．Ｔｈｅ　Ｍｅｄｉｃｉｎｅ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ　Ｐｒｅｓｓ　ｏｆ　Ｃｈｉｎａ（中国医药科技出版社），
２０１０．８０．
［２］　ＬＩＮ　Ｘｉ－ｔｉｎｇ（林夕霆）．Ｓｔｒａｉｔ　Ｐｈａｒｍａｃｅｕｔｉｃａｌ　Ｊｏｕｒｎａｌ（海峡药学），２００４，１６（５）：９７．
［３］　ＣＡＯ　Ｇａｎｇ，ＣＯＮＧ　Ｘｉａｏ－ｄｏｎｇ，ＣＡＩ　Ｈａｏ（曹　岗，丛晓东，蔡　皓，等）．Ｃｈｉｎｅｓｅ　Ｊｏｕｒｎａｌ　ｏｆ　Ｎｅｗ　Ｄｒｕｇｓ（中国新药杂志），２０１２，２１（１２）：
１４２７．
［４］　ＳＵＮ　Ｓｕ－ｑｉｎ，ＺＨＯＵ　Ｑｕｎ，ＣＨＥＮ　Ｊｉａｎ－ｂｏ（孙素琴，周　群，陈建波）．Ａｎａｌｙｓｉｓ　ｏｆ　Ｔｒａｄｉｔｉｏｎａｌ　Ｃｈｉｎｅｓｅ　Ｍｅｄｉｃｉｎｅ　ｂｙ　Ｉｎｆｒａｒｅｄ　Ｓｐｅｃｔｒｏｓｃｏｐｙ
４７３ 光谱学与光谱分析　　　　　　　　　　　　　　　　　　　 第３３卷
（中药红外光谱分析与鉴定）．Ｂｅｉｊｉｎｇ：Ｃｈｅｍｉｃａｌ　Ｉｎｄｕｓｔｒｙ　Ｐｒｅｓｓ（北京：化学工业出版社），２０１０．
［５］　ＳＵＮ　Ｓｕ－ｑｉｎ，ＺＨＯＵ　Ｑｕｎ，ＱＩＮ　Ｚｈｕ（孙素琴，周　群，秦　竹）．Ａｔｌａｓ　ｏｆ　Ｔｗｏ－Ｄｉｍｅｎｓｉｏｎａｌ　Ｃｏｒｒｅｌａｔｉｏｎ　Ｉｎｆｒａｒｅｄ　Ｓｐｅｃｔｒｏｓｃｏｐｙ　ｆｏｒ　Ｔｒａｄｉ－
ｔｉｏｎａｌ　Ｃｈｉｎｅｓｅ　Ｍｅｄｉｃｉｎｅ　Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ（中药二维相关红外光谱鉴定图集）．Ｂｅｉｊｉｎｇ：Ｃｈｅｍｉｃａｌ　Ｉｎｄｕｓｔｒｙ　Ｐｒｅｓｓ（北京：化学工业出版社），
２００３．
［６］　Ｇｈａｓｅｍｉ－Ｖａｒｎａｍｋｈａｓｔｉ　Ｍａｎｄｉ，Ｍｏｈｔａｓｅｂｉ　Ｓｅｙｅｄ　Ｓａｉｅｄ，Ｌｕｚ　Ｒｏｄｒｉｇｕｅｚ－Ｍｅｎｄｅｚ，ｅｔ　ａｌ．Ｔａｌａｎｔａ，２０１２，８９：２８６．
［７］　Ｍｏｎｆｒｅｄａ　Ｍ，Ｇｏｂｂｉ　Ｌ，Ｇｒｉｐｐａ　Ａ．Ｆｏｏｄ　Ｃｈｅｍｉｓｔｒｙ，２０１２，１３４：２２８３．
［８］　Ｓｉｒｉｓｏｍｂｏｏｎ　Ｐａｎｍａｎａｓ，Ｔａｎａｋａ　Ｍｕｎｅｈｉｒｏ，Ｋｏｊｉｍａ　Ｔａｋａｙｕｋｉ，ｅｔ　ａｌ．Ｊｏｕｒｎａｌ　ｏｆ　Ｆｏｏｄ　Ｅｎｇｉｎｅｅｒｉｎｇ，２０１２，１１２：２１８．
Ｄｉｓｃｒｉｍｉｎａｔｉｏｎ　ｏｆ　Ｅｌｅｖｅｎ　Ｇｅｎｅｒａ　ｏｆ　Ｃｈｉｎｅｓｅ　Ｈｅｒｂｓ　ｉｎ　Ｇｅｒａｎｉａｃｅａｅ　ｂｙ
ＦＴＩＲ　Ｓｐｅｃｔｒｏｓｃｏｐｙ　ａｎｄ　Ｃｌｕｓｔｅｒｉｎｇ　Ａｎａｌｙｓｉｓ
ＳＵＮ　Ｒｅｎ－ｓｈｕａｎｇ１，ＪＩＮ　Ｚｈｅ－ｘｉｏｎｇ１＊，ＺＨＡＮＧ　Ｚｈｅ－ｐｅｎｇ１，ＸＵ　Ｃｈａｎｇ－ｈｕａ２，ＺＨＯＵ　Ｑｕｎ２，ＳＵＮ　Ｓｕ－ｑｉｎ２＊
１．Ｃｅｎｔｅｒ　ｏｆ　Ｒｅｓｅａｒｃｈ　ａｎｄ　Ｄｅｖｅｌｏｐｍｅｎｔ　ｏｎ　Ｌｉｆｅ　Ｓｃｉｅｎｃｅｓ　ａｎｄ　Ｅｎｖｉｒｏｎｍｅｎｔ　Ｓｃｉｅｎｃｅｓ，Ｈａｒｂｉｎ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｃｏｍｍｅｒｃｅ，Ｈａｒｂｉｎ
１５００７６，Ｃｈｉｎａ
２．Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｃｈｅｍｉｓｔｒｙ，Ｔｓｉｎｇｈｕａ　Ｕｎｉｖｅｒｓｉｔｙ，Ｂｅｉｊｉｎｇ　１０００８４，Ｃｈｉｎａ
Ａｂｓｔｒａｃｔ　Ａ　ｆａｓｔ　ｉｄｅｎｔｉｆｉｃａｔｉｏｎ　ｍｅｔｈｏｄ　ｏｆ　ｅｌｅｖｅｎ　ｇｅｎｅｒａ　ｏｆ　Ｃｈｉｎｅｓｅ　ｈｅｒｂｓ　ｉｎ　ｇｅｒａｎｉａｃｅａｅ　ｗａｓ　ｄｅｖｅｌｏｐｅｄ　ｂｙ　ｔｈｅ　ｃｏｍｂｉｎａｔｉｏｎ　ｏｆ
Ｆｏｕｒｉｅｒ　ｔｒａｎｓｆｏｒｍ　ｉｎｆｒａｒｅｄ　ｓｐｅｃｔｒｏｓｃｏｐｙ　ｗｉｔｈ　ｃｌｕｓｔｅｒｉｎｇ　ａｎａｌｙｓｉｓ．ＦＴＩＲ　ｓｐｅｃｔｒｏｓｃｏｐｙ　ｗａｓ　ｅｍｐｌｏｙｅｄ　ｔｏ　ｉｄｅｎｔｉｆｙ　ａｎｄ　ａｎａｌｙｚｅ　ｅｌｅｖｅｎ
ｇｅｎｅｒａ　ｏｆ　Ｃｈｉｎｅｓｅ　ｈｅｒｂｓ　ｉｎ　ｇｅｒａｎｉａｃｅａｅ．Ｏｎ　ｔｈｅ　ｂａｓｉｓ　ｏｆ　ａ　ｐｒｉｎｃｉｐａｌ　ｃｏｍｐｏｎｅｎｔ　ａｎａｌｙｓｉｓ（ＰＣＡ）ｍｏｄｅｌ，ｔｈｒｅｅ　ｇｅｎｅｒａ　ｏｆ　Ｃｈｉｎｅｓｅ
ｈｅｒｂｓ　ｗｅｒｅ　ｒａｐｉｄｌｙ　ｃｌａｓｓｉｆｉｅｄ　ｂｙ　ｕｓｉｎｇ　ｔｈｅ　ｍｅｔｈｏｄ　ｏｆ　ＳＩＭＣＡ　ｃｌｕｓｔｅｒｉｎｇ　ａｎａｌｙｓｉｓ．Ｔｈｅｓｅ　ｓａｍｐｌｅｓ　ｃｏｕｌｄ　ｂｅ　ｓｕｃｃｅｓｓｆｕｌｙ　ｃｌａｓｓｉｆｉｅｄ
ｂｙ　ＳＩＭＣＡ．Ｒｅｃｏｇｎｉｔｉｏｎ　ｒａｔｅ　ａｎｄ　ｒｅｊｅｃｔｉｏｎ　ｒａｔｅ　ｒｅａｃｈｅｄ　ｕｐ　ｔｏ　９８％．Ｔｈｅ　ａｃｃｕｒａｃｙ　ｏｆ　ｃｌｕｓｔｅｒｉｎｇ　ｒｅａｃｈｅｄ　ｕｐ　ｔｏ　９１％ｄｕｒｉｎｇ　ｂｌｉｎｄ
ｓａｍｐｌｅ　ｔｅｓｔｉｎｇ．Ｉｔ　ｉｓ　ｃｏｎｃｌｕｄｅｄ　ｔｈａｔ　ｉｎ　ｃｏｍｂｉｎａｔｉｏｎ　ｗｉｔｈ　ｃｌｕｓｔｅｒｉｎｇ　ａｎａｌｙｓｉｓ，ＦＴＩＲ　ｍｅｔｈｏｄ　ｐｒｏｖｉｄｅｓ　ａｎ　ｅｆｆｅｃｔｉｖｅ　ｗａｙ　ｔｏ　ｒａｐｉｄｌｙ
ｅｖａｌｕａｔｅ　Ｃｈｉｎｅｓｅ　ｈｅｒｂｓ　ｉｎ　Ｇｅｒａｎｉａｃｅａｅ．
Ｋｅｙｗｏｒｄｓ　Ｇｅｒａｎｉａｃｅａｅ；ＦＴＩＲ；Ｃｌｕｓｔｅｒｉｎｇ　ａｎａｌｙｓｉｓ；Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ　ｏｆ　ｐｌａｎｔ　ｖａｒｉｅｔｉｅｓ
（Ｒｅｃｅｉｖｅｄ　Ｓｅｐ．１８，２０１２；ａｃｃｅｐｔｅｄ　Ｄｅｃ．２０，２０１２）　　
＊Ｃｏｒｒｅｓｐｏｎｄｉｎｇ　ａｕｔｈｏｒ
敬告读者———《光谱学与光谱分析》已全文上网
　　从２００８年第７期开始在《光谱学与光谱分析》网站（ｗｗｗ．ｇｐｘｙｇｐｆｘ．ｃｏｍ）“在线期刊”栏内
发布《光谱学与光谱分析》期刊全文，读者可方便地免费下载摘要和ＰＤＦ全文，欢迎浏览、检
索本刊当期的全部内容；并陆续刊出自２００４年以后出版的各期摘要和ＰＤＦ全文内容。２００９
年起《光谱学与光谱分析》每期出版日期改为每月１日。
《光谱学与光谱分析》期刊社
５７３第２期　　　　　　　　　　　　　　　　　　　　光谱学与光谱分析