《a_谢彩香中药资源》由会员分享,可在线阅读,更多相关《a_谢彩香中药资源(4页珍藏版)》请在金锄头文库上搜索。
1、基于冠层光谱数据的甘草产地识别研究谢彩香基金项目:国家自然科学基金(30801519,30772890,41072248)资助。作者简介:谢彩香,女,副研究员,主要从事中药资源学研究,Tel:010-62899727 Email:通讯作者:陈士林,男,研究员, Email:,张学文2,黄长平2,张立福2, 陈士林1*,周应群3,曹海禄3,贾光林5,邓庭伟3,黄照强4(1中国医学科学院药用植物研究所,北京 100193; 2. 中国科学院 遥感应用研究所 遥感科学国家重点实验室,北京 100101; 3.中国药材公司,北京 100195;4.中国冶金地质总局,北京 100025;5.青岛农业大学
2、,青岛 266109)摘要:目的 建立不同产地甘草的近红外光谱识别方法. 方法 利用甘草冠层的可见光近红外光谱数据,运用Wilkslambda逐步法选择甘草的特征波长,采用Fisher 线性判别方法对不同产地的甘草进行识别.结果 利用17个特征波段,不同产地甘草的总正确识别率达到98.3%.结论 可见光近红外光谱可作为鉴别不同产地甘草的有效方法.关键词: 甘草冠层;可见光近红外;产地识别;光谱分析Identification the Glycyrrhiza uralensis Origin Using Canopy SpectroscopyXIE Cai-xiang1,ZHANG Xue-we
3、n2, HUANG Chang-ping2, ZHANG Li-fu2, CHEN Shi-lin1*, ZHOU Ying-qun3,CAO Hai-Lu3,JIANG Guang-lin5, DENG Ting-wei3,HUANG Zhao-qiang4 (1Institute of Chinese Materia Medica, China Academy of Chinese Medical Sciences, Beijing 100193, China; 2. The State Key Laboratory of Remote Sensing Sciences, Institut
4、e of Remote Sensing Applications, Chinese Academy of Sciences, Beijing 100101, China; 3. China National Corp. of Traditional & Herbal Medicine,Beijing 100195, China;4. China Metallurgical Geology Bureau,Beijing 100025, China; 5. Qingdao Agricultural University, Qingdao 266109)ABSTRACT:OBJECTIVE To d
5、evelop a novel method to identify the Glycyrrhiza uralensis from different geographic regions. METHODS Based on the canopy spectral data in visible infrared region of the Glycyrrhiza uralensis, the discrimination of the Glycyrrhiza uralensis origin from different places was conducted using the Fishe
6、r LDA with sensitive wavelengths responding to the Glycyrrhiza uralensis selected by Wilkslambda step-wise method. RESULTS The overall discriminate accuracy was up to 98.3% using the 17 sensitive wavelengths selected. CONCLUSION Results demonstrate that it may be an effective way to discriminate the
7、 Glycyrrhiza uralensis origin from different geographic regions by the visible infrared spectroscopy.KEY WORDS: Glycyrrhiza uralensis; VIS-NIR; Origin discrimination; Spectral analysis甘草为豆科(Leguminosae)蝶形花亚科(Papilionatae Taub.)甘草属(Glycyrrhizin)灌木状多年生草本宿根植物,药用甘草为乌拉尔甘草G. uralensis Fisch.、胀果甘草G. inflat
8、e Batal.、光果甘草G. glabra Linn.的干燥根及根茎1.甘草适应性强,抗逆性强,多生长在我国西部荒漠、半荒漠草原地区.一般认为,产于内蒙古杭锦旗一带的“梁外草”和产于内蒙古阿拉善左旗、磴口一带的“王爷地草”品质最优,为道地药材2.长期以来药用甘草主要以采集野生甘草为主,近年来随着甘草需求量的剧增,有限的野生资源已不能满足人们用药的需要,因此全国各地人工栽培甘草面积日益增加.但由于人工栽培甘草种源(种子种苗)混杂,导致甘草药材质量参差不齐,达不到药典标准,从而严重威胁中成药用药安全.但在实际工作中甘草药材产地来源区分难度较大3,因此,建立快速、简便、有效的甘草产地鉴别方法对于甘
9、草的质量评价具有重要意义.在甘草质量评价研究中,经常采用高效液相测定分析方法4-5.此外也有利用红外光谱技术对中药材原粉进行无损质量检测2.但国内尚未有利用甘草冠层进行研究的报道.本文选择近红外光谱分析技术,通过研究不同来源的甘草冠层,建立快速、简便、有效的甘草产地鉴别方法用于甘草的质量监控,同时为甘草资源的遥感监测奠定基础.1仪器与材料1.1仪器本试验使用HR-1024便携式地物光谱仪(spectral visat corporation,SVC),其光谱范围350nm-2500nm,通道数1024个,线阵列探测器:512 Si,350-1000nm;256 InGaAs,1000-1850
10、nm;256扩展的InGaAs,1850-2500nm,光谱分辨率分别为 3.5nm(3501000 nm);8.5nm(10001850 nm);6.5nm(18502500 nm).1.2实验材料实验样品均为2010年8月中国医学科学院药用植物所课题组成员在中国境内采集得到,由曹海禄鉴定.见表1.Table1 Information of SamplesName OriginSamplesWild Glycyrrhiza uralensisMinqi, Gansu33Wild Glycyrrhiza uralensisDengkou, Inner Mongolia15Wild Glycyr
11、rhiza uralensisHangjinqi, Inner Mongolia15Wild Glycyrrhiza uralensisGaoshawo, Ningxia302方法与结果2.1光谱数据获取利用SVC HR-1024对样品进行测量,获取样品的可见光近红外高光谱数据.每份甘草样品获取5个光谱数据样本,4个产地分别得到165、75、75、150个光谱数据样本.测量时间为10:00-14:00,积分时间1ms.2.2数据预处理对不同产地的甘草高光谱数据,每种各取60个样本,其中分别选择30个样本作为训练样本,建立回归模型,30个样本作为验证样本,评价模型精度,共240个样本.对于采集的
12、高光谱数据,波长在1000nm和1850nm附近由于探测器材料变化,产生波段重叠,利用SVC HR-1024 自带软件进行匹配处理,消除重叠波段;波长大于2400nm的波段,由于信噪比较低而舍弃.为消除高频随机噪声和基线偏移,改善多重共线性,对所有样本做一阶微分处理6-7.图1为预处理前后甘草光谱曲线对比,其中横坐标为波长,纵坐标为吸收度(log (1/R)),R为反射率.从图中可以看出,同种甘草由于光照不均导致曲线差异很大,但线型基本一致,经一阶微分处理后这种偏差基本得到消除.(a)before preprocessing(b) 1D processingFig.1 Comparisons
13、of glycyrrhiza spectral curves between before and after preprocessing2.3波段选择和分类方法在训练样本集上,利用SPSS软件,运用Wilkslambda逐步法选择甘草的特征波长.然后在选定特征波长的基础上,采用Fisher LDA法(linear discriminant analysis)进行不同甘草产地的识别.Fisher LDA是根据类间距离最大、类内距离最小的原则确定线性判别函数,根据建立的线性判别方程判定未知样本的类别.2.4识别结果利用Wilkslambda逐步法选择甘草的特征波长有17个,中心波长分别是:420
14、.2 nm、2300.4 nm、1818.5 nm、1007.5 nm、1900.1 nm、2007.7 nm、348.5 nm、381.4 nm、376.8 nm、1431 nm、1011.6 nm、1544.1 nm、2191 nm、1415.8 nm、1793.5 nm、1988.8 nm、2363.1 nm.按波长入选的顺序,基于不同的特征波段数建立的判别模型识别不同产地的甘草,结果如表2所示.Table2 Classification results of glycyrrhiza using selected bandsNumber of bandsMinqi classificat
15、ion accuracy (%)Dongkouclassification accuracy(%)Hangjinqiclassification accuracy(%)Gaoshawoclassification accuracy (%)Overallaccuracy(%)130.0 20.0 46.7 10.0 26.7 280.0 20.0 50.0 66.7 54.2 383.3 66.7 50.0 90.0 72.5 473.3 66.7 50.0 86.7 69.2 570.0 76.7 96.7 100.0 85.8 673.3 76.7 96.7 100.0 86.7 783.3 80.0 96.7 100.0 90.0 890.0 86.7 96.7 100.0 93.3 990.0 86.7 96.7 100.0 93.3 1080.0 86.7 96.7 100.0 90.8 1193.3 80.0 96.7 100.0 92.5 1293.3 80.0 96.7 100.0 92.5 1393