蔷薇科植物的红外光谱分类研究

作     者：郑钧文 宋霄雪 甘玉佳 吴衷宇 杨忠钰 欧全宏 时有明 刘刚 Zheng Junwen;Song Xiaoxue;Gan Yujia;Wu Zhongyu;Yang Zhongyu;Ou Quanhong;Shi Youming;Liu Gang

作者机构：云南师范大学物理与电子信息学院云南昆明650500 曲靖师范学院物理与电子工程学院云南曲靖655011 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2024年第61卷第9期

页      面：492-500页

核心收录：

学科分类：081704[工学-应用化学] 07[理学] 08[工学] 0817[工学-化学工程与技术] 070302[理学-分析化学] 0703[理学-化学] 

基　　金：国家自然科学基金(31760341) 云南省教育厅基金(2022J0129) 云南省高校科技创新团队支持计划 

主　　题：红外光谱 蔷薇科 化学计量学 主成分分析 系统聚类分析 簇类独立软模式法 

摘      要：不同蔷薇科植物种类资源信息的收集与明确其科、属间亲缘关系对蔷薇科植物资源的开发利用有重要意义。以不同种类蔷薇科植物的叶片、花瓣及雄蕊为材料,用傅里叶变换红外(FTIR)光谱结合主成分分析(PCA)、系统聚类分析(HCA)、簇类独立软模式法(SIMCA)判别模型对蔷薇科植物进行研究。结果表明,蔷薇科叶片、花瓣及雄蕊中均含有多糖、蛋白质、脂类、草酸钙、木质素等成分,花瓣和雄蕊中还含有酚类物质。不同种类叶片之间的FTIR光谱吸收特征相似,但在1660~1000 cm^(-1)范围内吸收峰强度存在明显差异,利用此范围进行PCA,前两个主成分可获得97%以上的累计方差贡献率,用HCA可将11种植物在亚科级别正确分类。结合SIMCA判别模型,对不同叶片、花瓣及雄蕊的蔷薇科植物进行分类,用全谱4000~400 cm^(-1)范围数据,正确分类率可达96.08%;用1800~800 cm^(-1)范围数据,正确分类率可达100%。研究表明,FTIR光谱结合统计分析方法及判别模型,可以将不同种类蔷薇科植物在亚科、属级别上正确分类。