用近红外光谱和特征指标判别国产白肋烟产地及部位间相似性

马雁军，李雪莹，马莉，杜国荣，丁睿，黄越，王允白，张义志，周骏，李军会

1上海烟草集团有限责任公司，技术中心北京工作站，北京，通州区万盛南街99号，101121；2中国农业大学，信息与电气工程学院，北京，海淀区清华东路17号，100083；3中国农业科学院烟草研究所，质量安全研究中心，青岛市科苑经四路11号，266101

用近红外光谱和特征指标判别国产白肋烟产地及部位间相似性

马雁军1，李雪莹2，马莉1，杜国荣1，丁睿3，黄越1，王允白3，张义志3，周骏1，李军会2

1上海烟草集团有限责任公司，技术中心北京工作站，北京，通州区万盛南街99号，101121；2中国农业大学，信息与电气工程学院，北京，海淀区清华东路17号，100083；3中国农业科学院烟草研究所，质量安全研究中心，青岛市科苑经四路11号，266101

以不同产地、等级的国产白肋烟和马里兰烟为试验对象，选取具有代表性特征的上部和中部样品49份，测定其近红外光谱和烟草特征指标，用一阶导数和平滑处理光谱后再进行归一化处理，各指标检测值也进行归一化处理，然后采用PPF( Projection of Basing on Principal Component and Fisher Criterion)投影方法分析样品间部位和产地的相似性。结果表明：1）近红外光谱和特征指标两条途径均可判别烟叶部位与产地；2）根据方差贡献率，最能体现部位特征的因素是生物碱和亚硝胺指标，最能体现产地特征的因素是亚硝胺指标；3）相似性判定可用于工业等级间替代和配方微调。

近红外光谱；烟草特征指标；白肋烟；产地；部位

白肋烟和马里兰烟不仅是混合型卷烟与雪茄烟的重要原料[1]，也是新型烟草制品中口含烟和嘴嚼烟的重要原料。因种植环境条件不同，同品种同部位的烟叶在不同产区，其感官质量和内在品质所彰显出特征各异[2]，不同部位间的差异更为明显，制约着工业高效应用，研发一种准确快速判别部位等级间相似性与可替代的方法尤为重要[3]。

在食品[4-5]、石油[6]、医药[7]、烟草[8]等行业广为应用的近红外光谱技术，因其谱图中包含丰富的C-H、N-H、O-H等官能团，显现出与物质本身化学成分综合信息直接或间接的相关，故代表性强。同类光谱间存在一定相似性，异类光谱存在一定差异性，定性判别烟叶样品近红外光谱间的相似性和差异性，其分析结果可用来确定样品的归属[9-10]。张鑫等[11]基于主成分分析的马氏距离判别样品的红外及近红外光谱，认为两种光谱均可良好识别烟叶部位，近红外光谱识别效果更好。施丰成等[12]用四个产区烤烟样品的近红外光谱，运用PLS-DA算法研发了烤烟产地的分类判别模型，可有效识别烟叶产地。

目前，多数文献应用近红外光谱技术来建立烟草中常规化学成分定量分析模型，研究定性判别模型方面的文章较少，且与工业企业实际生产关联较少。本文基于近红外光谱判别白肋烟和马里兰烟各等级间相似性，结果可用于工业企业各等级间替代，使用各指标检测值判别各等级间相似性结果可指出关键指标间的差异，为配方的微调提供依据。

1 材料与方法

1.1 材料与仪器

试验样品为2012年和2013年湖北、四川、云南、重庆的白肋烟烟叶样品，共49份。其中，上部样品19份，中部样品30份；不同产地的样品：湖北恩施17份，湖北宜昌15份，四川8份，云南4份，重庆5份；其中每份样品重复取样测试近红外光谱3次。说明：国内现只有湖北宜昌地区种植马里兰烟，因白肋烟是马里兰烟的一个变种，两者具有较多的遗传相似性，又均为混合型卷烟重要原料，故放在一起研究相似性。

仪器设备为MPA型傅立叶变换近红外光谱仪(德国Bruker公司)。工作参数：光谱采集范围12000～3500cm-1；光谱分辨率：8cm-1；扫描次数：64次。

1.2 方法

1.2.1 样品的近红外光谱采集方法

取烟末样品25g左右放入样品杯，在样品上方放置压样器，自然压紧，利用积分球漫反射进行光谱测量，采集烟末样品的近红外光谱，每个样品重复装样、扫描3次；并且在两台近红外光谱仪器上分别采集光谱，经对比分析，不同仪器之间的所有光谱分析结果基本一致，本文以其中一台仪器的数据分析结果进行论述。

1.2.2 样品的化学指标和感官质量指标的标准检测方法

本文采用的感官质量指标、化学指标及换算比值见表1。

表1中共计65个指标：9个感官质量指标，28个化学指标，28个换算值，各指标采用的标准检测方法见表2。

表1 感官质量指标、化学指标及换算比值Tab.1 Sensory quality index, chemical index and conversion ratio

表2 白肋烟样品中化学指标和感官质量指标采用标准检测方法Tab.2 Standard test methods for chemical and sensory quality indexes of burley tobacco

1.2.3 近红外光谱数据与特征指标数据的分析处理方法

将扫描得到的近红外光谱，进行一阶求导和S.G.平滑预处理[14]，归一化处理后应用PPF投影分析方法，分别对白肋烟烟叶产地与部位进行相似性分析。

对37个化学指标和感官质量指标及28个计算指标的检测数据，采用归一化处理后，应用PPF投影分析方法，分别对白肋烟和马里兰烟烟叶产地与部位间进行相似性分析。

PPF( Projection of Basing on Principal Component and Fisher Criterion) 投影分析方法，是主成分分析和Fisher准则联用的方法。基于主成分分析方法得到的光谱主成分数据，本方法对类内散布矩阵的逆矩阵与类间散布矩阵的乘积·进行最优投影矢量求解，遵循聚类间的距离值最大和类内的离散度最小的原则，使样本的类内距离尽量小，类间距离尽量大，从而使各类别之间达到最大程度的分离，实现正确的分类[15-16]，同时也能客观表现类内的离散性和类间的相似性。

依据PPF投影值求解各类之间相似度值的计算见公式1：

式中，Dpq为类间投影均值的欧式距离，Dpp和Dqq为类内投影值的类内离散度。类内离散度的计算方法，采用统计过程控制（SPC）中使用的标准差σ值[17]，并在投影图中用圆圈表示，其半径值为2σ。当Spq＜0时，两类可实现完全区分，且Spq的绝对值越大表示差异性越大；当0＜Spq＜1时，值越大代表相似性越好[15-16]。

2 结果与分析

2.1 检测数据

49份白肋烟和马里兰烟样品的近红外光谱见图1，49份白肋烟和马里兰烟样品的各特征指标测定值分类统计见表3，换算比值本文略去。

图1 49份白肋烟和马里兰烟样品的近红外光谱Fig.1Near infrared spectrums of 49 samples of burley and Maryland

表3 49份样品的各特征指标测定值分类统计（均值±标准偏差）Tab.3 Statistical classif i cation of 49 samples of each indicator

续表3

2.2 白肋烟部位特征相似性分析

按照1.2.3中的分析处理方法，得到的PPF投影分析结果见图2，其中（a）图中按照1.2.3介绍的光谱主成分累计方差贡献率达到98%的要求，采用的主成分数值为5。图中B代表上部烟，C代表中部烟（注：图中圆圈表示各类的类内离散度，其半径值为类内各样品投影值标准差的2倍）；按照1.2.3中的相似度计算公式得到：上部烟和中部烟的近红外光谱之间的Spq=0.103；上部烟和中部烟的数据之间的Spq=-0.051。

图2 部位特征的近红外光谱数据(a)和特征指标数据(b)PPF投影分析结果Fig.2 (a)PPF projection analysis results for Site characteristics bynear infrared spectrums(b)PPF projection analysis results for Site characteristics by the characterized indexesvalues

图2（a）显示，上部样品集（B）和中部样品集（C）有少部分交集，这与烟叶样品的外观质量得分相一致，即样品集中有小于20%的部位相混现象。图2（b）显示，上部（B）样品集和中部（C）样品集完全分开，没有交集。原因分析：因近红外光谱采集了样品中与近红外响应相关的绝大多数化学物质信息，较全面表征了整体样品信息；而指标测定值只体现最受关注的烟叶特征，存在表征信息缺失，但也更能显现出烟叶重要性能特征间的差异程度。

综合分析认为，近红外光谱和特征指标测定值均可判别样品部位，两方法得到的结果合理，较为一致。

2.3 白肋烟产地特征相似性分析

将1.1中的49份白肋烟样品的近红外光谱数据和各特征指标数据，以产地区域划分，即HB-NS代表湖北恩施，HB-YC代表湖北宜昌，SC代表四川（含重庆达州），YN代表云南宾川；按照1.2.3中处理分析方法，得到的PPF投影分析结果见图3。按照1.2.3中相似度计算公式进行计算，得到各产地间的判别分析结果见表4和表5。

图3 (a) 各产地的近红外光谱数据PPF投影分析结果 (b) 各产地的特征指标数据PPF投影分析结果Fig.3 (a)PPF projection analysis results for various origins by near infrared spectra(b) PPF projection analysis results for various origins by the characterized indexesvalues

表4 基于近红外光谱数据分析的各产地间相似度值Tab.4 Similarity value between various origins by near infrared spectra

表5 基于特征指标数据分析的各产地之间相似度值Tab.5 Similarity value between variousoriginsby the characterized indexes values

图3(a)为采用样本的近红外光谱数据判别分析结果，由图3(a)知：湖北恩施样本集完全包含于湖北宜昌样本集，四川达州样本集与湖北宜昌样本集间存在较少部分交集，云南宾川样本集完全独立。原因分析：同一种植地域和相似地理气候条件，加上白肋烟是马里兰烟的一个变种，马里兰烟样本的特征完全包含白肋烟的特征；云南宾川由于地理气候差异，则显示完全独立于其它。

图3(b)为采用样本的各特征指标值来判别分析结果，云南宾川样本集与其它样本集没有交集；湖北恩施样本集与湖北宜昌样本集间相似度较高，存在少部分交集，但不是被包含关系；四川达州样本集与湖北两个样本集间存在部分交集，不同取样点之间的差异（类内离散度）最大。

综合图3、表4及表5，两个方法得到的云南宾川产地结果一致，其它产地有接近结果，两个方法相比，采用近红外光谱数据进行判别分析更符合实际情况。

2.4 小等级替代性研究

根据前面部位特征和产地特征的分析结果，采用近红外光谱数据进行判别分析对国内湖北恩施、湖北宜昌及四川达州三个烟叶主产区各等级间样本，研究它们之间的可替代性。基于近红外光谱数据PPF投影分析技术，三个产区的各小等级之间的相似度结果详见表6，为便于分析分析结果一致性，对光谱数据进行主成分分析时采用的主成分数为7，与前面分析时用的一样。

表6 湖北恩施、湖北宜昌及四川达州各小等级之间相似度值Tab.6 Similarity value between different grades

为各地区小等级间的相似性大小表达得更为直观，采用系统聚类分析法[17-18]对表6中数据进行系统聚类分析，其分析结果详见图4。由相似度Spq的定义可知-∞＜Spq＜1，Spq越大，等级之间的相似性越大。为便于统计分析，本文采用1-Spq进行系统聚类分析，1-Spq越小，等级间的相似性越大。

图4 样品间相似性值系统聚类分析Fig.4 Cluster analysis of similarity value between samples

从Spq的定义可知1-Spq＜1时，1-Spq值越小，等级之间的相似性越大，而1-Spq＞1时，可以实现完全分离。上图标示了0.5、1两处1-Spq的等值线，1-Spq在0.5以下的有四川达州B3与四川达州B1；湖北恩施C3F与C2L；湖北宜昌C3与湖北宜昌C2；湖北宜昌B1与湖北宜昌B2，等级替代较好。1-Spq在0.5～1的有湖北恩施C1L与湖北宜昌C3；湖北恩施C1L与湖北宜昌C2，湖北宜昌C1与湖北宜昌B1；湖北宜昌C1与湖北宜昌B2；湖北恩施B2F与湖北宜昌B1；湖北恩施B2F与湖北宜昌B2；湖北恩施B2F与湖北宜昌C1；湖北恩施C2F与湖北宜昌B1；湖北恩施C2F与湖北宜昌B2；湖北恩施C2F与湖北宜昌C1；湖北恩施C2F与湖北恩施B2F等，这些具有一定的等级替代性。

根据上面结果，对比分析相似程度高的等级中常规化学指标和感官质量指标，四川达州B1与B3、湖北恩施C2L与C3F、湖北宜昌B1和B2、湖北宜昌C2和C3间细微差异分别见图5与图6。

结果分析：实验样品均来自实际样品，烟叶外观质量检测结果显示有少部分部位混级现象，故以上结果符合实际情况。此结果可供研究烟叶配伍性复烤打叶时参考，细微差别处可供部分烟叶混合时比例微调。例如：从图5（C）和（D）中知总糖、还原糖、总植物碱、总氮及其感官质量等都非常接近情况下，湖北恩施C2L和C3F复烤时的配打比例可设计为1：1。而对于图5（A）和（B）的情况，则要考虑总烟碱和总氮差异，从均质化角度考虑，如果四川达州B3烟叶量较少时，制作复烤模块时，四川达州B1复烤比例可多一些；如果四川达州B3烟叶量较多时，制作复烤模块时，四川达州B1复烤比例尽可能少一些。同样方法亦用于类似的图6中情况。

图5 达州B1和B3的化学值（A）、感官质量评价值（B）及恩施C2L和C3F的化学值（C）、感官质量评价值（D）对比Fig.5 ComparisonofDazhou B1 and B3 for chemical values (A)and sensoryevaluation values(B) ,comparisonof Enshi C2L and C3F for chemical values (C) and sensoryevaluation values(D)

图6 宜昌B1和B2的化学值（A）、感官质量评价值（B）及宜昌C2和C3的化学值（C）、感官质量评价值（D）对比Fig.6 Comparison of Yichang B1 and B2 for chemical values (A)and sensoryevaluation values (B) ,comparison of Yichang C2 and C3 for chemical values (C) and sensoryevaluation values (D)

2.5 部位与产地特征的典型指标分析

烟叶与烟气各种检测指标之间，如总糖与还原糖，生物碱与烟气中烟碱量等均存在较高的共相关关系，要分析影响类别（部位或产地）差异的典型指标，需剔除部分共相关较高的指标，但会丢失掉部分有效信息，或采用典型变量分析等方法，以消除共相关关系影响；本文在前述中对白肋烟部位与产地特征相似性分析中采用的PPF方法，在特征提取过程中和PCA方法类似，并采用了归一化处理，具有数据正交化过程来消除各特征指标间存在的共相关影响，故在数据分析中未进行其它消除共相关处理，按类别信息得到的各个指标方差贡献率，可代表单个检测指标对分析结果的影响力，方差贡献率越大，则影响力越大[19-20]，从单一典型指标角度和数据分析中的正交化处理，本文中的典型指标分析方法与典型变量分析方法的思路和结果一致。依据方差贡献率筛选白肋烟部位和产地特征指标，方差贡献率大于4%的特征指标见表7和表8。

表7 白肋烟部位特征差异的主要指标方差贡献率Tab.7 Variance contribution rate of the main indexes of the characteristics of burley tobacco

表8 白肋烟产地差异的主要指标方差贡献率Tab.8 Variance contribution rate of the main indicators of differences in originof burley tobacco

由表7知，最能体现部位特征差异的因素是生物碱和亚硝胺指标，方差贡献率依次为35.2%和29.1%；由表8知，TSNAs的方差贡献率为39.1%，明显高于其它指标，故最能体现其产地特征是TSNAs。本文旨在分析最能体现部位或产地特征差异的单个或两个指标，如进一步综合分析多个指标的组合影响，可采用典型变量分析等方法。

2.6 讨论

白肋烟部位特征的主要典型指标分析结果：最能体现部位特征的指标是生物碱和亚硝胺。白肋烟产地特征的主要典型指标分析结果：最能体现产地特征的指标是亚硝胺（TSNAs）。这与前人的研究成果[21-22]相符合，即生物碱的主要成分为烟碱，占95%以上，烟碱含量在烟叶不同部位存在较大差异；亚硝胺也具有这样特点，即TSNAs是烟草生物碱和亚硝酸盐发生亚硝化反应生成的化合物，在烟叶和烟气中特有的[23-25]；TSNAs与种植烟草的土壤、温湿度及晾制条件、方法等产地特征密切相关，不同产地的亚硝胺含量存在一定差异。

本文应用近红外光谱数据判别分析各产地的烟叶小等级间的相似性和可替代性的方法，有一定的合理性和可操作性。原因分析：近红外光谱数据表征样品整体信息较全面客观；而各特征指标值是最关注的特征，用于表征样品整体信息会有缺失，不够全面。两者结合效果会更好，即先用近红外光谱数据判别分析出样品整体趋势，再用各特征指标值分析出最关注的特征，以便找到工业应用中需要的改进，如在复烤配比打叶时，可参考各特征指标细微差别进行混合比例微调。而在本文研究中单料烟的感官质量评价数据方差贡献率仅在5%左右，不够显著，可能与其评分偏重主观感受的综合指标和各样本间的感官评价分值差异过小有关，未能在本文研究中显现出来。

3 结论

依据近红外光谱和特征指标两条途径，采用PPF投影方法均可判别国产白肋烟产地及部位间相似性，采用近红外光谱的分析结果更具整体代表性；其相似性判定结果可用于工业等级间替代和烟叶复烤配方的微调，降低其加工质量波动性。依据单指标方差贡献率，最能体现部位特征差异的因素是生物碱和亚硝胺指标，方差贡献率依次为35.2%和29.1%；最能体现产地特征差异的因素是亚硝胺指标，方差贡献率为39.1%；而单料烟间的感官评分方差贡献率仅在5%左右，不够显著，今后此类研究还需改进其量化评价方式。

[1]王瑞云,樊在斗,周海燕,等.云南白肋烟中性香气物质含量及与国内外烟叶对比分析[J].中国烟草科学,2014,(1):108-112.Wang Ruiyun, Fan Zaidou, Zhou Haiyan,et al.Comparative Analysis of Neutral Aroma Components between Yunnan and Domestic and International Burley Tobacco[J].Chinese Tobacco Science,2014,(1):108-112.

[2]谢剑平,赵明月,吴鸣，等.白肋烟重要香味物质组成的研究[J].烟草科技,2002,(10):3-16.Xie Jianping, Zhao Mingyue, Wu Ming,et al.Studies on Some Important Aroma Compositions in Burley Tobacco[J].Tobacco Science&Technology,2002,(10):3-16.

[3]束茹欣,王国东,张建平，等.国产烤烟烟叶的NIRS模式识别[J].烟草科技.2006,(8):12-15,20.Shu Ruxin, Wang Guodong, Zhang Jianping,et al.NIRS-based Pattern Recognition of Domestic Flue-cured Tobacco[J].Tobacco Science&Technolo gy,2006,(8):12-15,20.

[4]Graham S F, Haughey S A, Ervin R M, et al. The application of near-infrared (NIR) and Raman spectroscopy to detect adulteration of oil used in animal feed production[J].Food Chemistry, 2012, 132(3): 1614-1619.

[5]Xu H, Qi B, Sun T, et al. Variable selection in visible and near-infrared spectra: Application to on-line determination of sugar content in pears[J]. Journal of Food Engineering,2012, 109(1): 142-147.

[6]Balabin R M, Safieva R Z, Lomakina E I. Near-infrared(NIR) spectroscopy for motor oil classification: From discriminant analysis to support vector machines[J].Microchemical Journal, 2011, 98(1): 121-128.

[7]Hamaoka T, McCully K K, Niwayama M, et al. The use of muscle near-infrared spectroscopy in sport, health and medical sciences: recent developments[J]. Philosophical Transactions of the Royal Society of London A:Mathematical, Physical and Engineering Sciences, 2011,369(1955): 4591-4604.

[8]谢娟,罗建群,姚鹤鸣,等.基于NIR和化学指标的国产烤烟烟叶产地、部位模式识别[J].烟草科技,2008(7):42-44,47.Xie Juan, Luo Jianqun,Yao Heming,et al.Pattern Recognition of Growing Area and Stalk Position of Domestic Fluecured Tobacco Based on NIR and Chemical Components[J].Tobacco Science&Technology,2008(7):42-44,47.

[9]Xu F, Yu J, Tesso T, et al. Qualitative and quantitative analysis of lignocellulosic biomass using infrared techniques: a mini-review[J]. Applied Energy, 2013, 104:801-809.

[10]Haughey S A, Graham S F, Cancouët E, et al. The application of Near-Infrared Reflectance Spectroscopy(NIRS) to detect melamine adulteration of soya bean meal[J]. Food chemistry, 2013, 136(3): 1557-1561.

[11] 张鑫,郭佳,倪力军,等.基于红外与近红外光谱的烟叶部位识别[J].光谱学与光谱分析，2007，27(12)：2437-2440.Zhang Xin, Guo Jia, Nie Lijun, et al.Recognition of Plant Parts of Tobaccos Based on Infrared and Near Infrared Spectra[J]. Spectroscopy and Spectral Analysis,2007，27(12)：2437-2440.

[12]施丰成,李东亮,冯广林,等.基于近红外光谱的PLSDA算法判别烤烟烟叶产地[J].烟草科技,2013,(4):56-59.Shi Fengcheng, Li Dongliang, Feng Guanglin, et al.Discrimination of Producing Areas of Flue-cured Tobacco Leaves with Near Infrared Spectroscopy-Based PLS-DA Algorithm[J].Tobacco Science&Technology,2013,(4):56-59.

[13]Jie Zhang, RuoshiBai, XiaoliYi,etal.Fully automated analysis of four tobacco-specific N-nitrosamines inmainstream cigarette smoke using two-dimensional online solid phaseextraction combined with liquid chromatography–tandem massspectrometry[J].Talanta,2016,146(1):216–224.

[14]严衍禄. 近红外光谱分析基础与应用[M]. 北京：中国轻工业出版社, 2005：146-150.Yan Yanlu.Basis and Application of Near Infrared Spectroscopy[M].Beijing: China Light Industry Press,2005:146-150.

[15]米津锐,马翔,张雅娟,等.基于近红外光谱投影及蒙特卡洛方法的烟叶配方比例上限分析[J].光谱学与光谱分析,2011,31(4):915-919.Mi Jinrui, Ma Xiang, Zhang Yajuan, et al.The Highest Proportion of Tobacco Materials in the Blend Analysis Using PPF Projection Method for the Near-Infrared Spectrum and Monte Carlo Method[J].Spectroscopy and Spectral Analysis,2011,31(4):915-919.

[16]王毅,马翔,温亚东,等.应用近红外光谱分析不同产区工业分级烟叶样品的特性[J].光谱学与光谱分析,2012,32(10):2694-2697.Wang Yi, Ma Xiang, Wen Yadong, et al.Tobacco Quality Analysis of Industrial Classi fi cation of Di ff erent Producing Area Using Near-Infrared (NIR) Spectrum[J].Spectroscopy and Spectral Analysis,2012,32(10):2694-2697.

[17]Zhang X M, Li Z Y, Zheng Y. Multi-threshold image segmentation based on combining Fisher criterion and potential function [J].Journal of Computer Applications,2012, 10: 044.Hui Xuan .Applied Multivariate Statistical Analysis[M];Peking University Press, 2005：271-273.

[18]Ankit Patras, Nigel P Brunton, Gerard Downey, etal.Application of principal component and hierarchical cluster analysis to classify fruits and vegetables commonly consumed in Ireland based on in vitro antioxidant activity[J]. Journal of Food Composition and Analysis, 2011，24（3）, 250–256.

[19]Zhang Jie,Yang Xianhui. Multivariate Statistical Process Control[M]. Chemical Industry Press, 2000：8-9.

[20] 惠璇. 应用多元统计分析[M]. 北京大学出版社, 2005：271-273.

[21]张杰，阳宪惠.多变量统计过程控制[M]. 化学工业出版社, 2000：8-9.

[22] 金闻博, 戴亚,烟草化学[M]. 清华大学出版社,1994: 23-24.JinWenbo, Dai Ya, Tobacco Chemistry [M]. Tsinghua University Press,1994: 23-24

[23]苏德成, 烟草化学与分析[M]. 中国财政经济出版社,2000：22-24.Su Decheng, Tobacco Chemistry and Analysis [M]. China Financial and Economic Press,2000：22-24.

[24]丁睿,王乃顺,于存峰，等.不同产区晒红烟TSNAs含量分析[J].中国烟草学报,2014,(4):18-22.Ding Rui, Wang Naishun, Yu Cunfeng,et al.Determination of TSNAs in red sun-cured tobacco leaves from different growing areas[J]. Acta Tabacaria Sinica,2014,(4):18-22.

[25]陈利平,宁维,李瑜，等.烟草特有亚硝胺的研究进展[J].河南农业科学,2012,41(12):7-11.Chen Liping, Ning Wei, Li Yu,et al.Research Development of the Tobacco-speci fi c N-nitrosamines[J].Journal of Henan Agricultural Sciences,2012,41(12):7-11.

[26]张颖璞.烟草N-亚硝胺概述[J].科技信息,2009,(5):732-733.Zhang Yingpu. Summary of N-Nitrite amine In Tobacco[J].Science &Technology Information, 2009,(5):732-733.

：MA Yanjun, LI Xueying, MA Li , et al. [J].Assessing similarity between domestic burley tobacco leaves from di ff erent stalk positions and producing areas based on near infrared spectrum and tobacco characteristic indexes[J]. Acta Tabacaria Sinica, 2017,23(3)

*Corresponding author.Email：dxf@ahau.edu.cn; sheshike@qq.com

Assessing similarity between domestic burley tobacco leaves from different stalk positions and producing areas based on near infrared spectrum and tobacco characteristic indexes

MA Yanjun1, LI Xueying2, MA Li1, DU Guorong1, DING Rui3, HUANG Yue1, WANG Yunbai3, ZHANG Yizhi3, ZHOU Jun1*,LI Junhui2*
1 Beijing Working Station, Technical Center, Shanghai Tobacco Group Co., Ltd., 99 South Wansheng Street, Tongzhou District, Beijing 101121, China;2 College of Information and Electrical Engineering, China Agricultural University, 17 East Road, Haidian District, Beijing 100083, China;3 Quality and Safety Research Center， Tobacco Research Institute, Chinese Academy of Agricultural Sciences, 11, Keyuan Road, Qingdao 266101, China

49 samples from upper and middle part of domestic Burley and Maryland tobacco were selected to determine their near-infrared spectra and chemical- physical indexes. The near-infrared spectroscopy were processed by fi rst derivative and SG smooth, and then by normalization as well as all index values. Similarity of position and origin of the samples were analyzed by PPF projection analysis method.Results indicated that 1) both near infrared spectrum and characteristic indexes could distinguish leaf position and origin; 2) according to contribution rate of variance factors, characteristics of position was a ff ected by index of alkaloid and TSNAs, while characteristics of origin was a ff ected by index of TSNAs; 3) similarity discrimination could be used for replacement between formula and fi ne-tuning in burley tobacco manufacture.

near-infrared; characterized indexes; burley; origin; position

马雁军，李雪莹，马莉，等. 用近红外光谱和特征指标判别国产白肋烟产地及部位间相似性[J]. 中国烟草学报，2017,23（3）

上海烟草集团有限责任公司科技项目“国产晾晒烟资源调查与工业可用性研究”（No. K2012-2-003Z）

马雁军（1970—），硕士，高级工程师，主要从事烟草化学和原料应用研究，Tel: 010-59028236，Email: 13366036175@189.cn

周 骏（1966—），研究员，主要从事烟草化学研究，Tel：010-59028201，Email：zhouguanli@sina.com；李军会（1974—），副教授，主要从事信息处理和光谱分析技术研究，Tel：010-62732881，Email：caunir@cau.edu.cn

2016-04-14；< class="emphasis_bold">网络出版日期：

日期：2017-06-22