全 文 ：第３　６卷，第６期　 　　　　　　　　　　　光 谱 学 与 光 谱 分 析 Ｖｏｌ．３６，Ｎｏ．６，ｐｐ１７２６－１７３０
２　０　１　６年６月　　　　　　　　　　　 　Ｓｐｅｃｔｒｏｓｃｏｐｙ　ａｎｄ　Ｓｐｅｃｔｒａｌ　Ａｎａｌｙｓｉｓ　 Ｊｕｎｅ，２０１６ 　
基于主成分分析和聚类分析的不同产地绒柄牛肝菌红外光谱鉴别研究
杨天伟１，２，张　霁２，李　涛３，王元忠２＊，刘鸿高１＊
１．云南农业大学农学与生物技术学院，云南 昆明　６５０２０１
２．云南省农业科学院药用植物研究所，云南 昆明　６５０２００
３．玉溪师范学院资源环境学院，云南 玉溪　６５３１００
摘　要　采用傅里叶变换红外光谱结合主成分分析和聚类分析建立快速鉴别不同产地绒柄牛肝菌的方法。
采集１５个产地绒柄牛肝菌样品的红外光谱信息，用多元散射校正（ｍｕｌｔｉｐｌｉｃａｔｉｖｅ　ｓｉｇｎａｌ　ｃｏｒｒｅｃｔｉｏｎ，ＭＳＣ）、
二阶求导（Ｓｅｃｏｎｄ　ｄｅｒｉｖａｔｉｖｅ，ＳＤ）、Ｎｏｒｒｉｓ平滑的组合方法对原始光谱进行优化处理，ＭＳＣ＋ＳＤ＋ＮＤ（１５，
５）预处理后的光谱数据进行主成分分析和聚类分析，并通过主成分载荷图分析不同产地绒柄牛肝菌样品差
异的原因。结果显示，该方法的重现性，精密度及稳定性的ＲＳＤ值分别为０．１７％，０．０８％，０．２７％，表明方
法稳定、可靠。主成分分析的前３个主成分累积贡献率达到８７．２４％，能表达红外光谱的主要信息，主成分
得分散点图中同一产地样品成簇聚集，不同产地样品分布于相对独立的空间，能有效区分不同产地样品。主
成分载荷图显示，随主成分贡献率降低，主成分所捕获的样品信息减少，其中ＰＣ１在３　５７１，２　９５８，１　６２５，
１　４５６，１　４０５，１　３４０，１　１９１，１　１４３，１　０８４，９３５，８４０，７２７ｃｍ－１波数捕获大量样品信息，归属为糖类、蛋白
质、氨基酸、脂肪、纤维素等化学物质的吸收峰，表明这些化学物质含量的差异是区分不同产地绒柄牛肝菌
样品的主要依据。基于离差平方和法（Ｗａｒｄ　ｍｅｔｈｏｄ）及欧氏距离（Ｅｕｃｌｉｄｅａｎ　ｄｉｓｔａｎｃｅ）进行聚类分析，能直观
显示不同产地样品的分类情况及样品之间的相关性，１５个产地样品基本能够按照产地来源正确聚类，正确
率为９３．３３％。傅里叶变换红外光谱结合主成分分析和聚类分析，可以有效鉴别绒柄牛肝菌产地来源，并且
能够分析不同产地样品具有差异的原因，为野生食用菌的鉴别分类和应用研究提供可靠依据。
关键词　红外光谱；主成分载荷分析；绒柄牛肝菌；鉴别
中图分类号：ＴＳ２０１．２　　文献标识码：Ａ　　　ＤＯＩ：１０．３９６４／ｊ．ｉｓｓｎ．１０００－０５９３（２０１６）０６－１７２６－０５
　收稿日期：２０１４－１２－３０，修订日期：２０１５－０３－２３
　基金项目：国家自然科学基金项目（３１２６０４９６，３１１６０４０９，３１４６０５３８）和云南省教育厅科学研究基金项目（２０１３Ｚ０７４）资助
　作者简介：杨天伟，１９８９年生，云南农业大学农学与生物技术学院硕士研究生　　ｅ－ｍａｉｌ：ｙａｎｇｔｉａｎｗｅｉｚｊ＠１２６．ｃｏｍ
＊通讯联系人　　ｅ－ｍａｉｌ：ｂｏｌｅｔｕｓ＠１２６．ｃｏｍ；ｈｏｎｇｇａｏｌｉｕ＠１２６．ｃｏｍ
引　言
　　牛肝菌是大型真菌担子菌的重要类群，因其风味独特，
食药用价值高而深受国内外消费者喜爱，市场价格逐年上
扬［１－２］。我国牛肝菌资源丰富，开发利用潜力巨大，其中云南
气候独特，植被多样，为野生菌的生长提供良好环境，成为
我国乃至世界牛肝菌种类最多和产量最大的地区之一［３－４］。
绒柄牛肝菌（Ｂｏｌｅｔｕｓ　ｔｏｍｅｎｔｉｐｅｓ）又名黑牛肝、毛脚牛肝菌、
大巴菌，是森林中最常见的牛肝菌种类之一［２］，其子实体含
有蛋白质、脂肪、糖类、氨基酸、矿质元素等多种营养物
质［５］。大量研究发现野生食用菌中矿质元素含量高于人工菌
和一般的蔬菜，氨基酸的构成明显优于大豆蛋白，与肉类、
鸡蛋相当［６－９］，可作为氨基酸、矿质元素等人体营养物质的
来源，经常食用可以提高免疫力，具有抗氧化、抗病毒、防
病治病等功效［１０－１２］。然而牛肝菌营养物质的含量与种类及产
地息息相关，不同产地、种类对营养物质的富集情况具有差
异［１３］，准确区分不同产地、种类野生牛肝菌一方面可为牛肝
菌的深入开发利用提供基础，另一方面可以减少因误采、误
食引起的中毒现象。
传统的野生食用菌鉴别主要根据野生食用菌的形态特
征、生长习性、地理分布、食用经验、产地记述及受伤变色
反应等进行鉴别分类，民间还存在以貌择食的现象，因误食
有毒野生菌而引起中毒现象时有发生［１３］；市场上不良商贩
为牟取利益将不同种类、品质或有毒牛肝菌混合出售，以次
充好，严重扰乱市场秩序、威胁消费者健康［１４－１５］。野生牛肝
菌种类丰富，种间形态相似性高，为其鉴别、分类带来了巨
大困难；近年来菌物学者通过ＤＮＡ分子测序法结合牛肝菌
的形态特征建立了牛肝菌的分子系统发育树，同时通过
ＤＮＡ测序发现了多个新物种［１６－１８］，将食用菌的分类研究推
向分子水平，促进了食用菌分类研究的发展，然而分子生物
学方法操作复杂，分析昂贵，需要具备专业知识。此外高效
液相色谱、紫外光谱、红外光谱等色谱、光谱指纹图谱技术
也应用到菌物的分类鉴别研究中［１９－２１］，其中高效液相色谱法
和紫外光谱法一般需用有机溶剂提取样品特征成分，操作复
杂、价格昂贵、污染环境。
傅里叶变换红外光谱具有快速、简便、样品用量少且无
需前处理等优点［２２－２３］。目前红外光谱结合化学计量学方法已
被广泛用于食品质量控制［２４－２５］，中药材种类鉴别和道地性研
究［２６－２７］，农业上种子品种鉴别和优良品种选育等［２８－２９］，为食
品、医药、农业等行业的发展提供科学依据。采集了云南１５
个地区７５个绒柄牛肝菌子实体的红外光谱信息，通过平滑、
求导、多元散射校正等方法对光谱进行预处理，运用主成分
分析和聚类分析对绒柄牛肝菌红外光谱数据进行分析，建立
快速鉴别不同产地绒柄牛肝菌的方法。
１　实验部分
１．１　样品
绒柄牛肝菌样品由云南农业大学刘鸿高教授鉴定，样品
来源见表１。
表１　绒柄牛肝菌样品来源
Ｔａｂｌｅ　１　Ｓｏｕｒｃｅｓ　ｏｆ　Ｂｏｌｅｔｕｓ　ｔｏｍｅｎｔｉｐｅｓ　ｓａｍｐｌｅｓ
产地
编号
来源
子实体
编号
产地
编号
来源
子实体
编号
１＃ 玉溪峨山富良棚 １～５　 ９＃ 曲靖泽州桂花树村 ４１～４５
２＃ 普洱思茅区梅子湖 ６～１０　１０＃ 个旧市乍甸镇 ４６～５０
３＃ 玉溪峨山小街 １１～１５　１１＃ 香格里拉县 ５１～５５
４＃ 楚雄姚安前场 １６～２０　１２＃ 玉溪易门六街 ５６～６０
５＃ 楚雄南华天申堂 ２１～２５　１３＃ 玉溪峨山岔河 ６１～６５
６＃ 玉溪易门铜厂 ２６～３０　１４＃ 红河石屏县 ６６～７０
７＃ 楚雄南华沙桥 ３１～３５　１５＃ 大理鹤庆 ７１～７５
８＃ 普洱南邦河 ３６～４０
１．２　仪器
红外光谱仪为美国Ｐｅｒｋｉｎ　Ｅｌｍｅｒ公司生产的Ｆｒｏｎｔｅｒ型
傅里叶红外光谱仪，配有 ＤＴＧＳ检测器，光谱分辨率为４
ｃｍ－１；ＹＰ－２型压片机（上海市山岳科学仪器有限公司）；
ＦＷ－１００型粉碎机（天津市华鑫仪器厂）；８０目标准筛盘（浙
江上虞市道墟五四仪器厂）；ＫＢｒ为分析纯（天津市风船化学
试剂科技有限公司）。
１．３　绒柄牛肝菌红外光谱信息采集
绒柄牛肝菌样品采集后清洗干净，５０℃烘干，粉碎过８０
目筛，保存备用。取少量样品在５０℃下烘干１２ｈ，ＫＢｒ晶体
在１０５℃烘干５ｈ，以减少样品和ＫＢｒ中水分对实验结果的
影响。称取（１．５±０．２）ｍｇ样品和（１００±２）ｍｇ　ＫＢｒ粉末，用
玛瑙研钵混合磨细，放入压片模具，压成厚度均匀的薄片，
进行红外光谱测定。设定光谱扫描范围：４　０００～４００ｃｍ－１，
累积扫描次数１６次，每个样品重复测定３次，取平均光谱。
重复称取７份样品，制备 ＫＢｒ压片，测定红外光谱信
息，根据７份样品红外光谱相似度的ＲＳＤ值考察方法重现
性；取一片样品重复测定７次，以相似度ＲＳＤ值考察精密
度；取一片样品分别在０，１０，２０，３０，４０，５０，６０ｍｉｎ时测
定红外光谱（每次测完立即放到红外线灯下，以防吸潮），计
算红外光谱相似度，考察稳定性。
１．４　光谱预处理及数据分析
绒柄牛肝菌红外光谱采集后用平滑、多元散射校正、标
准正态变量、一阶导数、二阶导数的不同组合方式进行预处
理，消除或减小仪器噪音干扰，提高光谱分析准确度。光谱
预处理后采用主成分分析、聚类分析法处理光谱数据。
２　结果与讨论
２．１　绒柄牛肝菌红外光谱解析
图１为前４个产地绒柄牛肝菌的平均红外光谱，由图可
看出，不同产地绒柄牛肝菌红外光谱的峰形、峰位、峰高等
基本相似，反映出不同产地绒柄牛肝菌的化学组分基本相
似。３　２８５ｃｍ－１附近宽大的吸收峰主要是糖类、蛋白质、脂
类、纤维素等羟基的 Ｏ—Ｈ 伸缩振动及蛋白质、氨基酸的
Ｎ—Ｈ伸缩振动；２　９２５ｃｍ－１附近归属为蛋白质、多糖、纤维
素等甲基（—ＣＨ３）的伸缩振动；１　６５２ｃｍ－１附近明显的吸收
峰主要为蛋白质酰胺Ⅰ带的 Ｃ　Ｏ 伸缩振动；１　５４５ｃｍ－１附
近归属为蛋白质酰胺Ⅱ带的的 Ｃ　Ｏ 伸缩振动；１　４５６ｃｍ－１
附近归属为亚甲基的弯曲振动；１　０７２～１　０２１ｃｍ－１明显的吸
收峰为糖类、蛋白质等的Ｃ—Ｏ和Ｃ—Ｃ伸缩振动；绒柄牛
肝菌的这些特征吸收峰与其化学成分主要为蛋白质、糖类、
氨基酸、维生素等结论相符。
图１　绒柄牛肝菌红外光谱
Ｆｉｇ．１　Ｉｎｆｒａｒｅｄ　ｓｐｅｃｔｒａ　ｏｆ　Ｂ．ｔｏｍｅｎｔｉｐｅｓ
２．２　光谱预处理
红外光谱信息采集时受仪器噪音、实验环境、样品差异
等多方面的干扰。适当的光谱预处理在红外光谱分析中是必
要和有效的，它可以减少或消除干扰，便于提取有用信息，
提高光谱分析的准确性和针对性。本实验采用多元散射校
正、标准正态变量、一阶导数、二阶导数、平滑等多种光谱
预处理方法进行处理，结果见表２。由表２可知，采用 ＭＳＣ
＋ＳＤ＋ＮＤ（１５，５）预处理组合方式样品错判数仅为１，样品
７２７１第６期　　　　　　　　　　　　　　　　　　　　光谱学与光谱分析
正确识 别 率 为 ９８．７％，前 １０ 个 主 成 分 累 积 贡 献 率 为
９８．４％，能够描述红外光谱的大量信息。因此选择 ＭＳＣ＋
ＳＤ＋ＮＤ（１５，５）光谱预处理方法。
表２　光谱预处理结果
Ｔａｂｌｅ　２　Ｒｅｓｕｌｔｓ　ｏｆ　ｔｈｅ　ｓｐｅｃｔｒａｌ　ｐｒｅｔｒｅａｔｍｅｎｔ
预处理方式 错判数 正确识别率／％ 前１０个主成分贡献率／％
无 ５　 ９３．３　 ９９．１
ＭＳＣ＋ＦＤ＋ＮＤ（１５，５） ３　 ９６．０　 ９７．８
ＭＳＣ＋ＦＤ＋ＳＧ（７，２） ４　 ９４．６　 ９６．７
ＭＳＣ＋ＳＤ＋ＮＤ（１５，５） １　 ９８．７　 ９８．４
ＭＳＣ＋ＳＤ＋ＳＧ（７，２） ５　 ９３．３　 ９２．９
ＳＮＶ＋ＦＤ＋ＮＤ（１５，５） ２　 ９７．３　 ９７．４
ＳＮＶ＋ＦＤ＋ＳＧ（７，２） ４　 ９４．６９　 ６．０
ＳＮＶ＋ＳＤ＋ＮＤ（１５，５） ２　 ９７．３　 ９６．７
ＳＮＶ＋ＳＤ＋ＳＧ（７，２） ６　 ９２．０　 ９２．８
　　方法学考察的红外光谱分别计算重现性、精密度、稳定
性的平均光谱，并作为标准，采用ＴＱ软件定性分析模块的
相似度匹配方法计算样品的相似度。结果显示考察重现性样
品的相似度匹配值在９９．７６～９９．９８之间，ＲＳＤ为０．１７％；
精密度的相似度匹配值介于９９．８９～１００之间，ＲＳＤ 为
０．０８％；稳定性的相似度匹配值在９９．６３～９９．９６之间，ＲＳＤ
为０．２７％，表明该方法稳定、可靠。
２．３　主成分分析
主成分分析法以降维的方式将多个原始变量，综合为少
数几个变量，使综合后的变量能够表达原始变量的主要信
息，提高数据分析速率［３０］。将绒柄牛肝菌的红外光谱经过
ＭＳＣ＋ＳＤ＋ＮＤ（１５，５）预处理后的数据转置后导入ＳＩＭＣＡ－
Ｐ软件进行主成分分析。第一主成分得分为４６．９３％，是绒
柄牛肝菌红外光谱的最重要信息，第二、第三主成分得分分
别为２７．６０％ 和 １２．７１％，前三个主成分累积贡献率为
８７．２４％，仅１２．７６％信息丢失，能够反映红外光谱大量信
息。图２为前三个主成分的得分散点图，由图可看出，同一
图２　前３个主成分得分散点图
Ｆｉｇ．２　Ｓｃａｔｔｅｒ　ｐｌｏｔ　ｏｆ　ｔｈｅ　ｆｉｒｓｔ　ｔｈｒｅｅ
ｐｒｉｎｃｉｐａｌ　ｃｏｍｐｏｎｅｎｔｓ　ｓｃｏｒｅｓ
产地绒柄牛肝菌样品的得分分布能够成簇聚集，不同产地样
品可以按产地来源聚集在不同的区域，反映出不同产地绒柄
牛肝菌样品具有差异性；表明红外光谱经适当预处理结合主
成分分析法能有效区分绒柄牛肝菌产地来源。
２．４　主成分载荷分析
主成分载荷图能够显示不同变量对主成分的贡献大小，
获取更多不同产地绒柄牛肝菌样品的差异信息。主成分分析
结果表明ＰＣ１是主成分分析中最重要的成分，由主成分载荷
图（图３）可知，ＰＣ１在３　５７１，２　９５８，１　６２５，１　４５６，１　４０５，
１　３４０，１　１９１，１　１４３，１　０８４，９３５，８４０，７２７ｃｍ－１等波数附近
捕获大量信息，即在这些波数附近有吸收峰的物质对第一主
成分的贡献较大；对ＰＣ２贡献较大的吸收峰主要有３　６２２，
２　９５８，１　６１９，１　４８２，１　２８０ｃｍ－１等；ＰＣ３较ＰＣ１和ＰＣ２所捕
获的信息量较少，其中２　９４６，１　５９９，１　４０５，１　２８３ｃｍ－１等吸
收峰对ＰＣ３贡献较大。通过光谱解析结合绒柄牛肝菌化学成
分信息可知主成分载荷图的吸收峰主要归属为糖类、蛋白
质、氨基酸、脂肪、纤维素等。由于前３个主成分累积贡献
率达到８７．２４％，能反映绒柄牛肝菌红外光谱的主要信息，
因此可知糖类、蛋白质、氨基酸、纤维素等物质成分含量的
差异对区分不同产地绒柄牛肝菌贡献较大，表明不同产地绒
柄牛肝菌因土壤背景、地质地貌等生长环境的差异所积累的
糖类、蛋白质、氨基酸、脂肪、纤维素等含量存在差异。
图３　前３个主成分的载荷图
Ｆｉｇ．３　Ｌｏａｄｉｎｇ　ｐｌｏｔ　ｏｆ　ｔｈｅ　ｆｉｒｓｔ　ｔｈｒｅｅ
ｐｒｉｎｃｉｐａｌ　ｃｏｍｐｏｎｅｎｔｓ
２．５　聚类分析
聚类分析以“物以类聚”的思想，通过计算样品间的聚类
统计量（距离、相关系数等），逐步将相关性最大的样品聚在
一起，直到所有样品归为一类。将绒柄牛肝菌红外光谱经主
成分分析的因子得分值（累积贡献率达到９９．７％）作为变量，
以欧氏距离（Ｅｕｃｌｉｄｅａｎ　ｄｉｓｔａｎｃｅ）为样品相似度的距离公式，
采用离差平方和法（Ｗａｒｄ’ｓ　ｍｅｔｈｏｄ）对１５个产地样品进行聚
类分析。图４为基于 Ｗａｒｄ法进行聚类分析的树形图，树形
图可以直观显示每个样品的聚类情况及样品之间的相似程
度。由图４可知只有５个样品聚类错误，其余样品均能够正
确分类，聚类正确率为９３．３３％；大部分采自同一地区的绒
柄牛肝菌子实体在距离小于５时能够根据产地聚在一起，而
部分产地样品（如３＃、４＃等）距离大于５时才能聚在一起，
表明同一产地绒柄牛肝菌子实体的化学成分存在微小差异。
８２７１ 光谱学与光谱分析　　　　　　　　　　　　　　　　　　　 第３６卷
图４　不同产地绒柄牛肝菌聚类分析树状图
Ｆｉｇ．４　Ｄｅｎｄｒｏｇｒａｍ　ｏｆ　Ｂ．ｔｏｍｅｎｔｉｐｅｓ　ｆｒｏｍ　ｄｉｆｆｅｒｅｎｔ
ｒｅｇｉｏｎｓ　ｂｙ　ｃｌｕｓｔｅｒｉｎｇ　ａｎａｌｙｓｉｓ
不同产地样品根据差异大小先后聚为一类，其中采自普洱思
茅区梅子湖（２＃）地区的样品与其余产地样品最后才聚为一
类，反映出采自２＃产地的样品与其他产地样品差异最大，
该产地样品较易于区分。绒柄牛肝菌样品聚类分析结果反映
出，采自同一地区的绒柄牛肝菌子实体之间及采自不同地区
的样品之间化学组分或成分含量有差异，表明绒柄牛肝菌样
品的化学组成及含量可能与个体差异和生长环境有关。
３　结　论
　　采用傅里叶变换红外光谱结合主成分分析和聚类分析法
对不同产地绒柄牛肝菌进行鉴别分析，运用ＴＱ软件选择最
佳光谱预处理方式，结果显示红外光谱经 ＭＳＣ＋ＳＤ＋ＮＤ
（１５，５）预处理，样品正确识别率为９８．７％。红外光谱预处理
后进行主成分分析，前３个主成分累积贡献率达到８７．２４％，
能表达样品的主要信息；主成分得分散点图显示同一产地样
品能够成簇聚集，不同产地样品分布于相对独立的区域。前
三个主成分载荷图反映出不同产地绒柄牛肝菌样品中糖类、
蛋白质、氨基酸、脂肪、纤维素等化学物质含量存在差异，
这些化学物质的差异对鉴别不同产地样品贡献较大。将主成
分分析的因子得分作为变量，对１５个产地样品进行聚类分
析，结果显示，同一产地样品基本能正确聚类，所有样品的
聚类正确率为９３．３３％。采用傅里叶变换红外光谱结合主成
分分析、聚类分析法能够直观、快速鉴别不同产地绒柄牛肝
菌样品，能为野生食用菌的分类和品质评价提供有效方法。
　
Ｒｅｆｅｒｅｎｃｅｓ
［１］　Ｙｉｎ　Ｌ　Ｌ，Ｓｈｉ　Ｇ　Ｑ，Ｔｉａｎ　Ｑ，ｅｔ　ａｌ．Ｊｏｕｒｎａｌ　ｏｆ　Ｆｏｏｄ　Ｓｃｉｅｎｃｅ，２０１２，７７（８）：Ｔ１５１．
［２］　ＬＩ　Ｔａｉ－ｈｕｉ，ＳＯＮＧ　Ｂｉｎ（李泰辉，宋　斌）．Ａｃｔａ　Ｅｄｕｌｉｓ　Ｆｕｎｇｉ（食用菌学报），２００２，９（２）：２２．
［３］　ＭＡＯ　Ｘｉａｏ－ｌａｎ（卯晓岚）．Ｔｈｅ　Ｍａｃｒｏｆｕｎｇｉ　ｉｎ　Ｃｈｉｎａ（中国大型真菌）．Ｚｈｅｎｇｚｈｏｕ：Ｈｅｎａｎ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ　Ｐｒｅｓｓ（郑州：河南科学技
术出版社），２０００，３２２．
［４］　Ｆｅｎｇ　Ｂ，Ｘｕ　Ｊ，Ｗｕ　Ｇ，ｅｔ　ａｌ．ＰＬｏＳ　Ｏｎｅ，２０１２，７（５）：ｅ３７５６７．
［５］　ＬＩ　Ｔａｏ，ＷＡＮＧ　Ｙｕａｎ－ｚｈｏｎｇ，ＬＩ　Ｒｏｎｇ－ｃｈｕｎ（李　涛，王元忠，李荣春）．Ａｃｔａ　Ｅｄｕｌｉｓ　Ｆｕｎｇｉ（食用菌学报），２００９，１５（４）：７０．
［６］　Ｋａｌａｃ　Ｐ，Ｓｖｏｂｏｄａ　Ｌ．Ｆｏｏｄ　Ｃｈｅｍｉｓｔｒｙ，２０００，６９（３）：２７３．
［７］　Ｋａｌａｃ　Ｐ．Ｆｏｏｄ　Ｃｈｅｍｉｓｔｒｙ，２００９，１１３（１）：９．
［８］　ＹＩＮ　Ｊｉａｎ－ｚｈｏｎｇ，ＺＨＯＵ　Ｌｉｎｇ－ｘｉａｎ（殷建忠，周玲仙）．Ｆｏｏｄ　Ｒｅｓｅａｒｃｈ　ａｎｄ　Ｄｅｖｅｌｏｐｍｅｎｔ（食品研究与开发），２００８，２９（７）：１３３．
［９］　Ｗａｎｇ　Ｘ　Ｍ，Ｚｈａｎｇ　Ｊ，Ｗｕ　Ｌ　Ｈ，ｅｔ　ａｌ．Ｆｏｏｄ　Ｃｈｅｍｉｓｔｒｙ，２０１４，１５１：２７９．
［１０］　Ｒａｍíｒｅｚ－Ａｎｇｕｉａｎｏ　Ａ　Ｃ，Ｓａｎｔｏｙｏ　Ｓ，Ｒｅｇｌｅｒｏ　Ｇ，ｅｔ　ａｌ．Ｊｏｕｒｎａｌ　ｏｆ　ｔｈｅ　Ｓｃｉｅｎｃｅ　ｏｆ　Ｆｏｏｄ　ａｎｄ　Ａｇｒｉｃｕｌｔｕｒｅ，２００７，８７（１２）：２２７２．
［１１］　Ｖａｍａｎｕ　Ｅ，Ｎｉｔａ　Ｓ．ＢｉｏＭｅｄ　Ｒｅｓｅａｒｃｈ　Ｉｎｔｅｒｎａｔｉｏｎａｌ，２０１２，２０１３：１．
［１２］　ＮＩ　Ｚｏｎｇ－ｙａｏ（倪宗耀）．Ｅｄｉｂｌｅ　ａｎｄ　Ｍｅｄｉｃｉｎａｌ　Ｍｕｓｈｒｏｏｍｓ（食药用菌），２０１３，２１（１）：２２．
［１３］　ＬＩ　Ｓｈｕ－ｈｏｎｇ，ＺＨＡＯ　Ｙｏｎｇ－ｃｈａｎｇ，ＹＵ　Ｆｕ－ｑｉａｎｇ，ｅｔ　ａｌ（李树红，赵永昌，于富强，等）．Ｅｄｉｂｌｅ　Ｆｕｎｇｉ　ｏｆ　Ｃｈｉｎａ（中国食用菌），２０１１，３０
（５）：３４．
［１４］　Ｄｅｎｔｉｎｇｅｒ　Ｂ　Ｔ　Ｍ，Ｓｕｚ　Ｌ　Ｍ．Ｐｅｅｒ　Ｊ　ＰｒｅＰｒｉｎｔｓ，２０１４，２：ｅ５７０．
［１５］　Ｓｉｔｔａ　Ｎ，Ｆｌｏｒｉａｎｉ　Ｍ．Ｅｃｏｎｏｍｉｃ　Ｂｏｔａｎｙ，２００８，６２（３）：３０７．
［１６］　Ｚｈａｏ　Ｋ，Ｗｕ　Ｇ，Ｆｅｎｇ　Ｂ，ｅｔ　ａｌ．Ｍｙｃｏｌｏｇｉｃａｌ　Ｐｒｏｇｒｅｓｓ，２０１４，１３（４）：１１２７．
［１７］　Ｌｉ　Ｙ　Ｃ，Ｆｅｎｇ　Ｂ，Ｙａｎｇ　Ｚ　Ｌ．Ｆｕｎｇａｌ　Ｄｉｖｅｒｓｉｔｙ，２０１１，４９（１）：１２５．
［１８］　Ｚｅｎｇ　Ｎ　Ｋ，Ｃａｉ　Ｑ，Ｙａｎｇ　Ｚ　Ｌ．Ｍｙｃｏｌｏｇｉａ，２０１２，１０４（６）：１４２０．
９２７１第６期　　　　　　　　　　　　　　　　　　　　光谱学与光谱分析
［１９］　Ｄｕｂｏｓｔ　Ｎ　Ｊ，Ｂｅｅｌｍａｎ　Ｒ　Ｂ，Ｐｅｔｅｒｓｏｎ　Ｄ，ｅｔ　ａｌ．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｍｅｄｉｃｉｎａｌ　Ｍｕｓｈｒｏｏｍｓ，２００６，８：２１５．
［２０］　ＹＡＮＧ　Ｔｉａｎ－ｗｅｉ，ＬＩ　Ｔａｏ，ＺＨＡＮＧ　Ｊｉ，ｅｔ　ａｌ（杨天伟，李　涛，张　霁，等）．Ｆｏｏｄ　Ｓｃｉｅｎｃｅ（食品科学），２０１４，３５（１６）：１０５．
［２１］　ＺＨＯＵ　Ｚａｉ－ｊｉｎ，ＬＩＵ　Ｇａｎｇ，ＲＥＮ　Ｘｉａｎ－ｐｅｉ（周在进，刘　刚，任先培）．Ｌａｓｅｒ　ａｎｄ　Ｉｎｆｒａｒｅｄ（激光与红外），２００９，３９（１１）：１１５８．
［２２］　Ｊａｗａｉｄ　Ｓ，Ｔａｌｐｕｒ　Ｆ　Ｎ，Ａｆｉｒｉｄｉ　Ｉ　Ｈ，ｅｔ　ａｌ．Ａｎａｌｙｔｉｃａｌ　Ｍｅｔｈｏｄｓ，２０１４，６：５２６９．
［２３］　ＨＡＮ　Ｌｉｎ－ｎａ，ＺＨＯＵ　Ｆｅｎｇ－ｑｉｎ（韩琳娜，周凤琴）．Ｔｈｅ　Ｊｏｕｒｎａｌ　ｏｆ　Ｌｉｇｈｔ　Ｓｃａｔｔｅｒｉｎｇ（光散射学报），２０１１，２３（２）：１８１．
［２４］　Ｃｈｅ　Ｍａｎ　Ｙ　Ｂ，Ｍａｒｉｎａ　Ａ　Ｍ，Ｒｏｈｍａｎ　Ａ，ｅｔ　ａｌ．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｆｏｏｄ　Ｐｒｏｐｅｒｔｉｅｓ，２０１４，１７（２）：３５４．
［２５］　Ａｌａｍｐｒｅｓｅ　Ｃ，Ｃａｓａｌｅ　Ｍ，Ｓｉｎｅｌｉ　Ｎ，ｅｔ　ａｌ．ＬＷＴ－Ｆｏｏｄ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，２０１３，５３（１）：２２５．
［２６］　Ｙａｏ　Ｘ，Ｐｅｎｇ　Ｙ，Ｚｈｏｕ　Ｑ，ｅｔ　ａｌ．Ｊｏｕｒｎａｌ　ｏｆ　Ｍｏｌｅｃｕｌａｒ　Ｓｔｒｕｃｔｕｒｅ，２０１０，９７４（１）：１６１．
［２７］　Ｚｈａｏ　Ｙ，Ｚｈａｎｇ　Ｊ，Ｙｕａｎ　Ｔ，ｅｔ　ａｌ．ＰｌｏＳ　Ｏｎｅ，２０１４，９（２）：ｅ８９１００．
［２８］　Ｌｕ　Ｙ　Ｚ，Ｄｕ　Ｃ　Ｗ，Ｙｕ　Ｃ　Ｂ，ｅｔ　ａｌ．Ｃｏｍｐｕｔｅｒｓ　ａｎｄ　Ｅｌｅｃｔｒｏｎｉｃｓ　ｉｎ　Ａｇｒｉｃｕｌｔｕｒｅ，２０１４，１０７：５８．
［２９］　Ｌｕ　Ｙ　Ｚ，Ｄｕ　Ｃ　Ｗ，Ｙｕ　Ｃ　Ｂ，ｅｔ　ａｌ．Ａｎａｌｙｓｉｓ　Ｍｅｔｈｏｄｓ，２０１４，６（５）：１４１２．
［３０］　Ａｂｄｉ　Ｈ，Ｗｉｌｉａｍｓ　Ｌ　Ｊ．Ｗｉｌｅｙ　Ｉｎｔｅｒｄｉｓｃｉｐｌｉｎａｒｙ　Ｒｅｖｉｅｗｓ：Ｃｏｍｐｕｔａｔｉｏｎａｌ　Ｓｔａｔｉｓｔｉｃｓ，２０１０，２（４）：４３３．
Ｄｉｓｃｒｉｍｉｎａｔｉｏｎ　ｏｆ　Ｂｏｌｅｔｕｓ　Ｔｏｍｅｎｔｉｐｅｓ　ｆｒｏｍ　Ｄｉｆｆｅｒｅｎｔ　Ｒｅｇｉｏｎｓ　Ｂａｓｅｄ　ｏｎ
Ｉｎｆｒａｒｅｄ　Ｓｐｅｃｔｒｕｍ　Ｃｏｍｂｉｎｅｄ　ｗｉｔｈ　Ｐｒｉｎｃｉｐａｌ　Ｃｏｍｐｏｎｅｎｔ　Ａｎａｌｙｓｉｓ　ａｎｄ
Ｃｌｕｓｔｅｒ　Ａｎａｌｙｓｉｓ
ＹＡＮＧ　Ｔｉａｎ－ｗｅｉ　１，２，ＺＨＡＮＧ　Ｊｉ　２，ＬＩ　Ｔａｏ３，ＷＡＮＧ　Ｙｕａｎ－ｚｈｏｎｇ２＊，ＬＩＵ　Ｈｏｎｇ－ｇａｏ１＊
１．Ｃｏｌｅｇｅ　ｏｆ　Ａｇｒｏｎｏｍｙ　ａｎｄ　Ｂｉｏｔｅｃｈｎｏｌｏｇｙ，Ｙｕｎｎａｎ　Ａｇｒｉｃｕｌｔｕｒａｌ　Ｕｎｉｖｅｒｓｉｔｙ，Ｋｕｎｍｉｎｇ　６５０２０１，Ｃｈｉｎａ
２．Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｍｅｄｉｃｉｎａｌ　Ｐｌａｎｔｓ，Ｙｕｎｎａｎ　Ａｃａｄｅｍｙ　ｏｆ　Ａｇｒｉｃｕｌｔｕｒａｌ　Ｓｃｉｅｎｃｅｓ，Ｋｕｎｍｉｎｇ　６５０２００，Ｃｈｉｎａ
３．Ｃｏｌｅｇｅ　ｏｆ　Ｒｅｓｏｕｒｃｅｓ　ａｎｄ　Ｅｎｖｉｒｏｎｍｅｎｔ，Ｙｕｘｉ　Ｎｏｒｍａｌ　Ｕｎｉｖｅｒｓｉｔｙ，Ｙｕｘｉ　６５３１００，Ｃｈｉｎａ
Ａｂｓｔｒａｃｔ　Ｗｉｔｈ　ｔｈｅ　ａｉｍ　ｏｆ　ｅｓｔａｂｌｉｓｈｉｎｇ　ａ　ｒａｐｉｄ　ｍｅｔｈｏｄ　ｔｏ　ｄｉｓｃｒｉｍｉｎａｔｅ　Ｂｏｌｅｔｕｓ　ｔｏｍｅｎｔｉｐｅｓ　ｓａｍｐｌｅｓ　ｆｒｏｍ　ｄｉｆｆｅｒｅｎｔ　ｒｅｇｉｏｎｓ，ＦＴＩＲ
ｓｐｅｃｔｒｏｓｃｏｐｙ　ｗｉｔｈ　ｔｈｅ　ａｉｄ　ｏｆ　ｐｒｉｎｃｉｐａｌ　ｃｏｍｐｏｎｅｎｔ　ａｎａｌｙｓｉｓ　ａｎｄ　ｃｌｕｓｔｅｒｉｎｇ　ａｎａｌｙｓｉｓ　ｗｅｒｅ　ｕｓｅｄ　ｉｎ　ｔｈｅ　ｐｒｅｓｅｎｔ　ｓｔｕｄｙ．Ｔｈｅ　ｉｎｆｏｒｍａｔｉｏｎ
ｏｆ　ｉｎｆｒａｒｅｄ　ｓｐｅｃｔｒａ　ｏｆ　Ｂ．ｔｏｍｅｎｔｉｐｅｓ　ｓａｍｐｌｅｓ　ｏｒｉｇｉｎａｔｅｄ　ｆｒｏｍ　１５ｒｅｇｉｏｎｓ　ｈａｓ　ｂｅｅｎ　ｃｏｌｅｃｔｅｄ．Ｔｈｅ　ｏｒｉｇｉｎａｌ　ｉｎｆｒａｒｅｄ　ｓｐｅｃｔｒａ　ｗａｓ　ｐｒｅ－
ｔｒｅａｔｅｄ　ｂｙ　ｍｕｌｔｉｐｌｉｃａｔｉｖｅ　ｓｉｇｎａｌ　ｃｏｒｒｅｃｔｉｏｎ（ＭＳＣ）ｉｎ　ｃｏｍｂｉｎａｔｉｏｎ　ｗｉｔｈ　ｓｅｃｏｎｄ　ｄｅｒｉｖａｔｉｖｅ　ａｎｄ　Ｎｏｒｒｉｓ　ｓｍｏｏｔｈ．Ｔｈｅ　ｓｐｅｃｔｒａｌ　ｄａｔａ
ｗｅｒｅ　ａｎａｌｙｚｅｄ　ｂｙ　ｐｒｉｎｃｉｐａｌ　ｃｏｍｐｏｎｅｎｔ　ａｎａｌｙｓｉｓ　ａｎｄ　ｃｌｕｓｔｅｒ　ａｎａｌｙｓｉｓ　ａｆｔｅｒ　ｔｈｅ　ｏｐｔｉｍａｌ　ｐｒｅｔｒｅａｔｍｅｎｔ　ｏｆ　ＭＳＣ＋ＳＤ＋ＮＤ（１５，５），
ａｎｄ　ｔｈｅ　ｒｅａｓｏｎｓ　ｆｏｒ　ｔｈｅ　ｄｉｆｆｅｒｅｎｃｅｓ　ｏｆ　Ｂ．ｔｏｍｅｎｔｉｐｅｓ　ｓａｍｐｌｅｓ　ｆｒｏｍ　ｄｉｆｆｅｒｅｎｔ　ｒｅｇｉｏｎｓ　ｃｏｕｌｄ　ｂｅ　ｅｘｐｌａｉｎｅｄ　ｔｈｒｏｕｇｈ　ｔｈｅ　ｐｒｉｎｃｉｐａｌ　ｃｏｍ－
ｐｏｎｅｎｔ　ｌｏａｄｉｎｇ　ｐｌｏｔ．Ｔｈｅ　ｒｅｓｕｌｔｓ　ｓｈｏｗｅｄ　ｔｈａｔ，ｔｈｅ　ＲＳＤｓ　ｏｆ　ｒｅｐｅａｔａｂｉｌｉｔｙ，ａｃｃｕｒａｃｙ　ａｎｄ　ｓｔａｂｉｌｉｔｙ　ｏｆ　ｔｈｅ　ｍｅｔｈｏｄ　ｗｅｒｅ　０．１７％，
０．０８％ａｎｄ　０．２７％，ｒｅｓｐｅｃｔｉｖｅｌｙ，ｗｈｉｃｈ　ｉｎｄｉｃａｔｅｄ　ｔｈｅ　ｍｅｔｈｏｄ　ｗａｓ　ｓｔａｂｌｅ　ａｎｄ　ｒｅｌｉａｂｌｅ．Ｔｈｅ　ｃｕｍｕｌａｔｉｖｅ　ｃｏｎｔｒｉｂｕｔｉｏｎ　ｏｆ　ｆｉｒｓｔ　ｔｈｒｅｅ
ｐｒｉｎｃｉｐａｌ　ｃｏｍｐｏｎｅｎｔｓ　ｏｆ　ＰＣＡ　ｗａｓ　８７．２４％ ｗｈｉｃｈ　ｃｏｕｌｄ　ｒｅｆｌｅｃｔ　ｔｈｅ　ｍｏｓｔ　ｉｎｆｏｒｍａｔｉｏｎ　ｏｆ　ｔｈｅ　ｓａｍｐｌｅｓ．Ｐｒｉｎｃｉｐａｌ　ｃｏｍｐｏｎｅｎｔ　ｓｃｏｒｅｓ
ｓｃａｔｔｅｒ　ｐｌｏｔ　ｄｉｓｐｌａｙｉｎｇ　ｔｈｅ　ｓａｍｐｌｅｓ　ｆｒｏｍ　ｓａｍｅ　ｏｒｉｇｉｎ　ｃｏｕｌｄ　ｃｌｕｓｔｅｒｅｄ　ｔｏｇｅｔｈｅｒ　ａｎｄ　ｓａｍｐｌｅｓ　ｆｒｏｍ　ｄｉｆｆｅｒｅｎｔ　ａｒｅａｓ　ｄｉｓｔｒｉｂｕｔｅｄ　ｉｎ　ａ　ｒｅｌ－
ａｔｉｖｅｌｙ　ｉｎｄｅｐｅｎｄｅｎｔ　ｓｐａｃｅ．Ｗｈｉｃｈ　ｃａｎ　ｄｉｓｔｉｎｇｕｉｓｈ　ｓａｍｐｌｅｓ　ｃｏｌｅｃｔｅｄ　ｆｒｏｍ　ｄｉｆｆｅｒｅｎｔ　ｏｒｉｇｉｎｓ，ｅｆｆｅｃｔｉｖｅｌｙ．Ｔｈｅ　ｌｏａｄｉｎｇ　ｐｌｏｔ　ｏｆ　ｐｒｉｎｃｉ－
ｐａｌ　ｃｏｍｐｏｎｅｎｔ　ｓｈｏｗｅｄ　ｔｈａｔ　ｗｉｔｈ　ｔｈｅ　ｐｒｉｎｃｉｐａｌ　ｃｏｍｐｏｎｅｎｔ　ｃｏｎｔｒｉｂｕｔｉｏｎ　ｒａｔｅ　ｄｅｃｒｅａｓｉｎｇ，ｔｈｅ　ｃａｐｔｕｒｅｄ　ｓａｍｐｌｅ　ｉｎｆｏｒｍａｔｉｏｎ　ｏｆ　ｐｒｉｎｃｉ－
ｐａｌ　ｃｏｍｐｏｎｅｎｔ　ｗａｓ　ａｌｓｏ　ｒｅｄｕｃｉｎｇ．Ｉｎ　ｔｈｅ　ｗａｖｅ　ｎｕｍｂｅｒ　ｏｆ　３　５７１，２　９５８，１　６２５，１　４５６，１　４０５，１　３４０，１　１９１，１　１４３，１　０８４，９３５，
８４０，７２７ｃｍ－１，ｔｈｅ　ｆｉｒｓｔ　ｐｒｉｎｃｉｐａｌ　ｃｏｍｐｏｎｅｎｔ　ｃａｐｔｕｒｅｄ　ａ　ｌａｒｇｅ　ａｍｏｕｎｔ　ｏｆ　ｓａｍｐｌｅ　ｉｎｆｏｒｍａｔｉｏｎ　ｗｈｉｃｈ　ａｔｔｒｉｂｕｔｅｄ　ｔｏ　ｃａｒｂｏｈｙｄｒａｔｅｓ，
ｐｒｏｔｅｉｎｓ，ａｍｉｎｏ　ａｃｉｄｓ，ｆａｔ，ｆｉｂｅｒ　ａｎｄ　ｏｔｈｅｒ　ｃｈｅｍｉｃａｌ　ｓｕｂｓｔａｎｃｅｓ．Ｗｈｉｃｈ　ｓｈｏｗｅｄ　ｔｈａｔ　ｔｈｅ　ｄｉｆｆｅｒｅｎｔ　ｃｏｎｔｅｎｔｓ　ｏｆ　ｔｈｅｓｅ　ｃｈｅｍｉｃａｌ　ｓｕｂ－
ｓｔａｎｃｅｓ　ｍａｙ　ｂｅ　ｔｈｅ　ｂａｓｉｓ　ｏｆ　ｄｉｓｃｒｉｍｉｎａｔｉｏｎ　ｏｆ　Ｂ．ｔｏｍｅｎｔｉｐｅｓ　ｓａｍｐｌｅｓ　ｆｒｏｍ　ｄｉｆｆｅｒｅｎｔ　ｏｒｉｇｉｎｓ．Ｃｌｕｓｔｅｒ　ａｎａｌｙｓｉｓ　ｂａｓｅｄ　ｏｎ　ｗａｒｄ　ｍｅｔｈ－
ｏｄ　ａｎｄ　Ｅｕｃｌｉｄｅａｎ　ｄｉｓｔａｎｃｅ　ｈａｓ　ｓｈｏｗｎ　ｔｈｅ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ａｎｄ　ｃｏｒｒｅｌａｔｉｏｎ　ａｍｏｎｇ　ｓａｍｐｌｅｓ．Ｓａｍｐｌｅｓ　ｏｒｉｇｉｎａｔｅｄ　ｆｒｏｍ　１５ｒｅｇｉｏｎｓ　ｃｏｕｌｄ
ｂｅ　ｃｌｕｓｔｅｒｅｄ　ｃｏｒｒｅｃｔｌｙ　ｉｎ　ａｃｃｏｒｄａｎｃｅ　ｗｉｔｈ　ｔｈｅ　ｂａｓｉｃ　ｏｒｉｇｉｎｓ　ａｎｄ　ｔｈｅ　ｃｏｒｒｅｃｔ　ｒａｔｅ　ｗａｓ　９３．３３％．Ｗｈｉｃｈ　ｃａｎ　ｂｅ　ｕｓｅｄ　ｔｏ　ｉｄｅｎｔｉｆｙ　ａｎｄ
ａｎａｌｙｚｅ　Ｂ．ｔｏｍｅｎｔｉｐｅｓ　ｃｏｌｅｃｔｅｄ　ｆｒｏｍ　ｄｉｆｆｅｒｅｎｔ　ｓｉｔｅｓ．Ｆｏｕｒｉｅｒ　ｔｒａｎｓｆｏｒｍ　ｉｎｆｒａｒｅｄ　ｓｐｅｃｔｒｏｓｃｏｐｙ　ｃｏｍｂｉｎｅｄ　ｗｉｔｈ　ｐｒｉｎｃｉｐａｌ　ｃｏｍｐｏｎｅｎｔ
ａｎａｌｙｓｉｓ　ａｎｄ　ｃｌｕｓｔｅｒ　ａｎａｌｙｓｉｓ　ｃａｎ　ｂｅ　ｅｆｆｅｃｔｉｖｅｌｙ　ｕｓｅｄ　ｔｏ　ｄｉｓｃｒｉｍｉｎａｔｅ　ｏｒｉｇｉｎｓ　ｏｆ　Ｂ．ｔｏｍｅｎｔｉｐｅｓ　ｍｕｓｈｒｏｏｍｓ　ａｎｄ　ｔｈｅ　ｒｅａｓｏｎｓ　ｆｏｒ　ｔｈｅ
ｄｉｆｆｅｒｅｎｃｅｓ　ｏｆ　Ｂ．ｔｏｍｅｎｔｉｐｅｓ　ｓａｍｐｌｅｓ　ｆｒｏｍ　ｄｉｆｆｅｒｅｎｔ　ｒｅｇｉｏｎｓ　ｃｏｕｌｄ　ｂｅ　ｅｘｐｌａｉｎｅｄ．Ｔｈｉｓ　ｍｅｔｈｏｄ　ｃｏｕｌｄ　ｐｒｏｖｉｄｅ　ａ　ｒｅｌｉａｂｌｅ　ｂａｓｉｓ　ｆｏｒ
ｄｉｓｃｒｉｍｉｎａｔｉｏｎ　ａｎｄ　ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ｗｉｌｄ　ｅｄｉｂｌｅ　ｍｕｓｈｒｏｏｍｓ．
Ｋｅｙｗｏｒｄｓ　Ｉｎｆｒａｒｅｄ　ｓｐｅｃｔｒｏｓｃｏｐｙ；Ｐｒｉｎｃｉｐａｌ　ｃｏｍｐｏｎｅｎｔ　ｌｏａｄｉｎｇｓ　ａｎａｌｙｓｉｓ；Ｂｏｌｅｔｕｓ　ｔｏｍｅｎｔｉｐｅｓ；Ｄｉｓｃｒｉｍｉｎａｔｉｏｎ
＊Ｃｏｒｒｅｓｐｏｎｄｉｎｇ　ａｕｔｈｏｒｓ （Ｒｅｃｅｉｖｅｄ　Ｄｅｃ．３０，２０１４；ａｃｃｅｐｔｅｄ　Ｍａｒ．２３，２０１５）　　
０３７１ 光谱学与光谱分析　　　　　　　　　　　　　　　　　　　 第３６卷