林药复合种植滇龙胆红外光谱鉴别研究

申云霞， 赵艳丽， 张 霁， 金 航， 王元忠*

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

林药复合种植滇龙胆红外光谱鉴别研究

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

林药复合种植是一种缓解中药资源减少及提高土地利用率的方法。 采用傅里叶变换红外光谱法对70份不同种植模式的滇龙胆进行研究， 通过Omnic8.0软件对原始光谱进行基线校正、 归一化、 二阶导数光谱预处理； 对样品与龙胆苦苷标准品的二阶导数光谱进行分析； 利用各类样品的平均光谱建立两个光谱数据库Lib1和Lib2， 其中Lib1在1 800～600 cm-1光谱范围内进行专家检索， Lib2在全谱范围内进行相关性和平方微分差检索。 结果表明， 样品的红外光谱较为相似， 难以直观分析鉴别； 样品与龙胆苦苷标准品具有多个共有峰， 其中1 611和1 076 cm-1为标准品的特征峰， 各样品在1 076 cm-1处峰形差异较小， 通过对1 611 cm-1处峰面积的比较， 种植于核桃林下的样品龙胆苦苷含量最高， 荒坡种植及与木瓜复合种植的样品有效成分含量最低； 不同种植模式样品中有效成分的不同表现为光谱匹配值之间的差异， 与核桃树、 旱冬瓜、 桉树、 茶树、 杉树复合种植的样品间匹配值的差异小于与木瓜复合种植及荒坡种植的样品， 专家检索法对样品的误判数为11， 相关性检索和平方微分差检索法对样品的误判数分别为4和9， 即在全谱范围内相关性检索法对样品鉴别效果最佳， 正确识别率为94.29%。 红外光谱法结合二阶导数光谱、 光谱检索对不同复合种植模式滇龙胆的鉴别效果较好， 为不同复合种植中药药源鉴别提供理论依据。

滇龙胆； 复合种植； 傅里叶变换红外光谱； 二阶导数光谱； 光谱检索

引 言

土地资源是一切资源可持续利用的基础， 我国是土地资源大国， 人均土地占有量较少， 耕地尤为短缺[1]。 当前耕地资源瓶颈作用日渐凸显， 因此合理、 高效地利用土地是缓解资源短缺与需求之间矛盾的根本[2]。 中药资源作为陆地生态系统的一部分， 与其他自然资源一样受土地利用和土地覆盖变化的影响[3]。

随着中医药科学的深入研究， 中药资源需求量逐年增加， 野生资源难以满足市场需求， 药用植物栽培及野生变家种已成为中药行业可持续发展必然趋势[4]。 中药的种植须依赖土地， 在我国西南地区， 土地生态环境脆弱， 山地和高原土地面积广阔， 耕地资源稀缺[5]； 建立多生物、 多层次和多时序的立体复合性农业结构， 对实现耕地的可持续利用和农业的发展具有重要作用[6]。 农林复合系统是突破传统的单一种植模式， 通过利用物种间的生态互补功能， 能够有效提高土地资源利用率， 具有良好的生态效益、 社会效益和经济效益[7]。 研究发现， 荔枝与旋扭山绿豆复合种植系统较单一种植系统可有效减少病虫害[8]； 在亚热带茶园中间种豆科植物白三叶草可改善土壤生态环境， 并提高茶叶产量[9]； 桑树与谷子间作可增加桑叶的产量， 提高桑树叶的光合生产能力[10]。

滇龙胆GentianarigescensFranch.为龙胆科植物， 多年生草本植物， 生于山坡草地、 灌从中及林下[11]， 为濒危药用植物。 为了缓解药材与粮食争地的矛盾， 根据药材的生长习性， 目前， 在云南临沧地区， 于荒坡和林下实现规模化种植。 王文杰等[12]研究表明不同生境对白屈菜中单宁、 黄酮和生物碱类次生代谢产物的含量有影响， 因此， 对林药复合种植的研究具有重要意义。 红外光谱法具有快速、 无损和简便等优点， 能够反映样品化学成分整体信息， 广泛用于食品[13-15]、 中药[16-18]的鉴别和质量分析。 本实验采用傅里叶变换红外光谱结合二阶导数及光谱检索法对七种不同种植模式下的滇龙胆进行研究， 以期为滇龙胆立体复合种植提供依据。

1 实验部分

1.1 材料

所有样品于2012年10月采自云南省临沧市， 均为栽培品。 七种不同种植模式包括荒坡种植、 核桃树、 旱冬瓜、 桉树、 茶树、 杉树和木瓜林下种植， 样品的详细信息见表1， 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48 h， 粉碎过100目筛， 备用。

表1 不同种植模式滇龙胆的样品信息

1.2 仪器与试剂

Perkin-Elmer Fronter型傅里叶变换红外光谱仪， DTGS检测器， 光谱范围4 000～400 cm-1， 分辨率4 cm-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； 龙胆苦苷标准品(批号： 110770-201314)， 购于中国食品药品检定研究院。

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 光谱预处理及数据处理

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Omnic8.0建立2个光谱数据库， 光谱库1(Lib1)由各类种植模式下样品的平均光谱组成， 所有样品的光谱作为总体， 在1 800～600 cm-1光谱范围内与Lib1中的各平均光谱进行光谱检索； 光谱库2(Lib2)由全部样品的平均光谱组成， 全谱范围内分别进行相关性和平方微分差检索， 软件自动得出匹配分值。 匹配值的大小反映样品的亲密程度， 数值越大匹配程度越好， 数值为100.00表示两类样品完全匹配[19]。

2 结果与讨论

2.1 不同复合种植模式滇龙胆红外光谱分析

图1 不同种植模式滇龙胆的傅里叶变换红外光谱

2.2 不同复合种植模式的滇龙胆及龙胆苦苷二阶导数红外光谱分析

滇龙胆富含多种化学成分， 红外光谱吸收峰出现叠加， 二阶导数光谱可增强光谱分辨率， 呈现多个被掩盖的吸收峰[20]。 不同复合种植模式的滇龙胆红外光谱峰形和峰位相似(图2)， 表明所含的化学成分相近。 样品与龙胆苦苷标准品(H)在1 678， 1 611， 1 468， 1 207， 1 104， 1 076， 1 052， 1 032， 1 017， 986， 935 cm-1出现吸收峰。 龙胆苦苷在1 611和1 076 cm-1处特征吸收峰较强； 样品在1 076 cm-1处吸收峰强度差异较小， 1 611 cm-1处吸收峰强具有差异， 种植于核桃树下的滇龙胆(b)在此处吸收峰强于其他类型的样品， 既该复合种植的样品中所含龙胆苦苷类成分较高； 荒坡种植(a)与木瓜复合种植(g)的样品在该处的吸收峰弱于其他样品， 说明龙胆苦苷类成分含量相对较低， 两类样品均在1 033, 1 017和986 cm-1处出现尖峰。 该结果与前人研究结果相似， 即不同复合种植模式滇龙胆样品中龙胆苦苷的含量有差异， 滇龙胆与核桃树复合种植质量最佳， 种植在旱冬瓜、 桉树、 茶树、 杉树下的样品优于荒坡种植。 植物生长需要依赖土壤、 温度、 光照、 水分等生态因子[21-23]， 这些因素的改变会对其产量和质量产生一定的影响[24]。 不同复合种植模式的滇龙胆所含化学物质之间有差异， 可能与生态因子之间的差异有一定的关系。

2.3 未知样品与光谱库1光谱检索鉴别

用光谱检索法对不同复合种植模式的滇龙胆样品进行鉴

别。 限于篇幅， 文中仅列出部分未知样品与光谱库之间的检索结果， 黑色字体表示样品与所属类型的样品正确匹配， 斜体表示不能对样品正确分类。 光谱库1(Lib1)在1 800～600 cm-1波段范围内的专家检索结果见表2， 荒坡种植的样品值(A)在所属类别中匹配值最高， 能进行正确匹配； A类别的样品与G(与木瓜复合种植)匹配值平均值为96.61， 大于A类样品与其他类样品匹配的平均值， 表明两类样品相似度较高， 与荒坡种植和与木瓜复合种植的样品二阶导数图谱的研究结果一致； 种植于核桃树林下的样品(B)与自身所在类型、 旱冬瓜(C)、 桉树(D)、 茶树(E)、 杉树(F)、 木瓜(G)种植模式样品匹配值的平均值分别为98.27， 96.45， 97.18， 97.06， 96.96， 92.39； B5与F类型的样品的匹配值(98.84)大于在本类中的匹配值(97.56)， 即为匹配错误。 所有样品中， 有59份样品的光谱匹配值在自身所在类别中最高， 占84.29%， 说明专家检索法对样品的正确识别率为84.29%。

图2 龙胆苦苷及不同种植模式滇龙胆的红外光谱

未知样品ABCDEFGA199 1191 0493 7993 7691 9794 3594 96A298 9290 1993 2893 0691 2593 9194 59A399 5292 8293 5894 5192 6093 9098 01A499 2993 7894 0195 1493 3693 2398 41A597 9888 0990 0890 7588 7591 5393 71A699 4994 6095 8296 2894 8195 9397 24A799 2095 0295 2696 1294 7795 3098 18A899 0495 0695 1696 0894 7395 2098 04A998 6895 4695 2596 2995 0295 1798 05A1099 1191 0493 7693 7691 9794 3594 96B191 6998 6196 3397 1696 9697 2192 55B292 8799 2996 6697 6797 0997 0893 70B388 9897 2894 2395 9796 0793 6289 78B490 6398 3095 5996 5796 9895 3391 92B594 6397 5698 1997 4297 1698 3493 62B694 3799 0697 3698 2698 4398 2193 81B792 5197 5697 3897 5497 1797 6791 15B890 6798 3697 3197 8898 3796 6991 27B993 4598 0396 2996 4795 7696 9894 52B1090 5198 6795 1496 8496 6395 7691 64

2.4 未知样品与光谱库2中平方微分差和相关性检索鉴别

在全谱范围内， 计算各类别样品与平均光谱的相关性和平方微分差算法的光谱匹配值， 结果见表3和表4， 样品与自身所在的类别中匹配值最高， A与G类样品匹配值的平均值差异小于A与其他类样品的差异， 荒坡及木瓜复合种植样品间的差异较小， 与核桃树、 旱冬瓜、 茶树、 桉树和杉树复合种植的样品间差异较小。 相关性光谱检索表明， 66份样品的判别结果与所在类别中匹配值最高， 误判的样品分别为B5， B7， C5及D1， 正确匹配率为94.29%。 平方微分差检索中， 61份样品的结果与所在类别中得分值最高， 占87.14%。 在全谱范围内， 光谱相关性检索和平方微分差检索的方法可对不同复合种植模式滇龙胆进行鉴别。 相关性检索中， 样品与未知样品的匹配值彼此间的差异较大， 匹配正确率较高， 说明该方法有更利于不同种植模式的滇龙胆样品的鉴别。

表3 未知样品在光谱库2全波段范围内的相关性检索结果

表4 未知样品在光谱库2全波段范围内平方微分差算法的光谱匹配结果

3 结 论

采用傅里叶变换红外光谱法对七种不同复合种植模式的70份滇龙胆进行研究， 用Omnic8.0软件对所有原始光谱进行基线校正和归一化预测处理， 计算红外光谱的二阶导数光谱； 光谱检索中选择专家检索、 相关性和平方微分差检索法计算所有样品的匹配值。 结果显示， 样品的红外光谱图相似度较高， 难以对其鉴别； 样品与龙胆苦苷标准品的二阶导数光谱在1 678， 1 611， 1 468， 1 207， 1 104， 1 076， 1 052， 1 032， 1 017， 986， 935 cm-1处呈现吸收峰， 1 611和1 076 cm-1为龙胆苦苷类成分的特征峰， 通过谱峰比对， 不同类别的样品具有差异， 与核桃树复合种植的样品中龙胆苦苷含量最高， 荒坡种植和木瓜复合种植样品间的差异小于与其他类样品的差异； 专家检索、 相关性和平方微分差检索法对样品的正确识别率分别为84.29%, 94.29%和87.14%， 相关性检索算法对样品的鉴别效果最优。 红外光谱法结合二阶导数和光谱检索法可直观、 快速和准确地对不同复合种植的滇龙胆样品进行鉴别， 为不同种植模式中药的质量研究提供参考。

[1] PENG Li(彭 里). Research of Soil and Water Conservation(水土保持学报), 2006, 13(2): 234.

[2] REN Ping, WU Tao, ZHOU Jie-ming(任 平, 吴 涛, 周介铭). Transactions of the Chinese Society of Agricultural Engineering(农业工程学报), 2014, 30(20): 279.

[3] ZHANG Xiao-bo, GUO Lan-ping, HUANG Lu-qi(张小波, 郭兰萍, 黄璐琦). China Journal of Chinese Materia Medica(中国中药杂志), 2012, 37(11): 1517.

[4] LIU Da-hui, HUANG Lu-qi, GUO Lan-ping, et al(刘大会, 黄璐琦, 郭兰萍, 等). China Journal of Chinese Materia Medica(中国中药杂志), 2009, 34(5): 524.

[5] CHEN Yun-chun, WU Li-sha, YU Jian-xin(陈运春, 吴莉莎, 余建新). Guangdong Agricultural Science(广东农业科学), 2012, 9: 162.

[6] XU Meng-jie, XIA Min, YANG Jie(徐梦洁, 夏 敏, 杨 洁). Journal of Yunnan Agriculture University(云南农业大学学报), 2003, 18(2): 115.

[7] HUANG Bao-long, HUANG Wen-ding(黄宝龙, 黄文丁). Chinese Journal of Ecology(生态学杂志), 1991, 10(3): 27.

[8] OUYANG Ge-cheng, YANG Yue-ping, LIU De-guang, et al(欧阳革成, 杨悦屏, 刘德广, 等). Chinese Journal of Applied Ecology(应用生态学报), 2006, 17(1): 151.

[9] XIANG Zuo-xiang, XIAO Run-lin, WANG Jiu-rong(向佐湘, 肖润林, 王久荣, 等). Acta Prataculturae Sinica(草业学报), 2008, 17(1): 29.

[10] ZHU Wen-xu, ZHANG Hui-hui, XU Nan, et al(朱文旭, 张会慧, 许 楠, 等). Chinese Journal of Applied Ecology(应用生态学报), 2012, 23(7): 1817.

[11] Flora of China Board Editor(中国植物志编辑委员会主编). Flora of China(中国植物志). Beijing: Science Press(北京: 科学出版社), 1988, 62: 100.

[12] WANG Wen-jie, LI Wen-xin, XU Hui-nan, et al(王文杰, 李文馨, 许慧男, 等). Acta Ecologica Sinica(生态学报), 2008, 28(11): 5228.

[13] Santosh L, Sangdae L, Wang-Hee L, et al. Journal of Agricultural and Food Chemistry, 2014, 62: 9246.

[14] Sandra D S, Rodrigo P F , Luís V B, et al. Food Chemistry, 2014, 150: 489.

[15] Aderval S L, Arnaldo P S, Jéssica S A P, et al. Food Research International, 2015, 67: 206.

[16] Stella A O, Marcelino M P , Maria Z T. Food Chemistry, 2014, 150: 414.

[17] Chuang Y K, Yang C I, Yang M L, et al. Journal of Food and Drug Analysis, 2014, 22(3): 336.

[18] Chen N D, Chen H, Li J, et al. Journal of Molecular Structure, 2015, 1068: 255.

[19] Tarantilis P A, Troianou V E, Pappas C S, et al. Food Chemistry, 2008, 111: 192.

[20] Luo C, He T, Chun Z. Journal of Molecular Structure, 2013, 1073: 40.

[21] Morenoa G, Obrador J J, Garcíac A. Agriculture, Ecosystems and Environment, 2007 ,119: 270.

[22] Chen Y H, Guo Q S, Liu L, et al. Journal of Medicinal Plants Research, 2011, 5(9): 1749.

[23] Ma Z Q, Li S S, Zhang M J, et al. Hort Science, 2010, 45(6): 863.

[24] MENG Xiang-cai, CHEN Shi-lin, WANG Jun-xi(孟祥才, 陈士林, 王军喜). Journal of Chinese Materia Medica(中国中药杂志), 2011, 36(13): 1687.

*Corresponding author

Study onGentianaRigescenswith Silvomedicinal and Agriosivomedicinal Systems with FTIR Spectroscopy

SHEN Yun-xia1, 2, ZHAO Yan-li1, ZHANG Ji1, JIN Hang1, WANG Yuan-zhong1*

1. Institute of Medicinal Plants, Yunnan Academy of Agricultural Sciences, Kunmin 650200, China

2. College of Chinese Materia Medica, Yunnan University of Traditional Chinese Medicine, Kunming 650500, China

Multiple cropping systems are the way to cope with the shortage of traditional Chinese medicine (TCM) resources and enhance the utilization ratio of land. The aim of this study was to investigate seventyGentianarigescensFranch samples which were planted in slope and in multiple cropping system mixed withJuglansregia, Alnus nepalensis, Eucalyptus robusta, Alnus nepalensis, Camellia sinensis, Chaenomeles sinensis using Fourier transform infrared (FTIR) spectroscopy. The pretreatments such as baseline correction, normalization and second derivative of all the original spectra were performed with Omnic 8.0 software. Moreover, second derivative spectra of samples and gentiopicroside standard were analyzed. In addition, two spectral databases were set up based on the average spectra of every variety with Omnic 8.0 software. The first library (Lib1) which included the spectra region from 1 800 to 600 cm-1had the algorithm of expert retrieve while the correlation retrieve and square differential retrieve were dealt with the second library (Lib2) in the full spectral range. The results indicated that it is difficult to identify the infrared spectra of samples directly because they had high similarities. There were multiple common peaks between spectra of samples and gentiopicroside standards. The absorption peaks of 1 611 and 1 076 cm-1of gentiopicroside were the two main characteristic peaks in the second derivative spectra. The difference of peak shape of every sample in the wave number of 1 076 cm-1was small. By comparing peak area at 1 611 cm-1, the samples planted withJ.regiacontained highest content of gentiopicroside while the content of this effective constituent was the lowest in the samples which were planted in the slope and in the multiple cropping systems mixed withCsinensis. The differences of effective components in the samples with different planting patterns were represented by the variances of spectral matching values. The difference of matching values of samples planted withJ.regia,A.nepalensis,E.RobustaandA.nepalensiswere lower than that with slope andC.Sinensis. The number of misjudgment of expert retrieval, correlation retrieve and square differential retrieve were 11, 4 and 9, respectively. The discrimination result of correlation retrieve was the best in the full spectral range and the correct recognition rate was 94.29%. Fourier transforms infrared (FTIR) spectroscopy combined with second derivative and retrieval had good ability to discriminateG.rigescenswith different cropping systems. It could provide a basis for the discrimination of different planting patterns of TCM

Gentianarigescens; Multiple cropping; Fourier transform infrared spectroscopy; Second derivative; Spectrum retrieval

Jan. 10, 2015; accepted May 11, 2015)

2015-01-10，

2015-05-11

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

申云霞， 女， 1991年生， 云南中医学院中药学院硕士研究生 e-mail： shenyunxia1991@163.com *通讯联系人 e-mail： yzwang1981@126.com

O657.3

A

10.3964/j.issn.1000-0593(2016)08-2468-06