張毅，李強(qiáng)，王政，張一揚(yáng)，周冀衡

1湖南農(nóng)業(yè)大學(xué)生物科學(xué)技術(shù)學(xué)院，湖南省長(zhǎng)沙市芙蓉區(qū)農(nóng)大路1號(hào) 410128；

2湖南農(nóng)業(yè)大學(xué)煙草研究院，湖南省長(zhǎng)沙市芙蓉區(qū)農(nóng)大路1號(hào) 410128；

3廣西中煙工業(yè)有限責(zé)任公司，廣西壯族自治區(qū)南寧市北湖南路28號(hào) 530001

一種基于分類-回歸決策樹的烤煙產(chǎn)區(qū)識(shí)別模型

張毅1,2，李強(qiáng)2，王政3，張一揚(yáng)2，周冀衡1,2

1湖南農(nóng)業(yè)大學(xué)生物科學(xué)技術(shù)學(xué)院，湖南省長(zhǎng)沙市芙蓉區(qū)農(nóng)大路1號(hào) 410128；

2湖南農(nóng)業(yè)大學(xué)煙草研究院，湖南省長(zhǎng)沙市芙蓉區(qū)農(nóng)大路1號(hào) 410128；

3廣西中煙工業(yè)有限責(zé)任公司，廣西壯族自治區(qū)南寧市北湖南路28號(hào) 530001

為建立不同產(chǎn)區(qū)及風(fēng)格烤煙煙葉與化學(xué)指標(biāo)之間的關(guān)系，對(duì)2005～2009年湖南省、河南省、福建省和云南省等4省份共計(jì)1040份煙葉樣品的21種化學(xué)成分進(jìn)行檢測(cè)，并利用Mining Tree模型進(jìn)行分類-回歸決策樹（C&RT analysis）數(shù)據(jù)分析。結(jié)果表明：（1）從21個(gè)煙葉化學(xué)成分中，共篩選出14個(gè)特征化學(xué)指標(biāo)，其中鉀和硝酸根為4省煙葉共有特征化學(xué)指標(biāo)；（2）湖南、河南、福建和云南4省份識(shí)別概率最高的特征化學(xué)指標(biāo)分段組合（Segment）分別為：還原糖（≤24.93%）、鉀（＞1.98%）、pH值（≤5.37）（p=0.658）；鉀（≤1.98%）、灰分（＞11.03%）、水溶性灰份堿度（≤0.49）、硝酸根（≤0.06%）（p=0.776）；還原糖（＞24.93%）、鉀（＞1.98%）、硝酸根（≤0.06%）、蛋白質(zhì)（＞5.01%）（p=0.914）；鉀（≤1.98%）、灰分（≤11.03%）、水溶性總糖（＞28.94%）、硫酸根（≤1.43%）（p=0.957）。分類-回歸決策樹方法在建立烤煙化學(xué)成分識(shí)別模型中具有重要的應(yīng)用價(jià)值。

烤煙；產(chǎn)區(qū)；化學(xué)指標(biāo)；識(shí)別；分類-回歸決策樹分析；Mining Tree模型

煙葉質(zhì)量與風(fēng)格特色主要受煙葉外觀質(zhì)量、物理特性與化學(xué)成分等三個(gè)方面因素的影響，其中化學(xué)成分是煙葉質(zhì)量與風(fēng)格特色形成的物質(zhì)基礎(chǔ)[1-2]，是定位煙葉質(zhì)量風(fēng)格的重要指標(biāo)之一[3]。在生產(chǎn)中，通常以單個(gè)或多個(gè)化學(xué)成分的含量以及多種化學(xué)成分的比例來表征煙葉質(zhì)量風(fēng)格[4]。例如，劉金霞等[5]研究發(fā)現(xiàn)濃香型煙葉總氮、煙堿、降煙堿含量較高，而清香型煙葉的總糖、還原糖含量較高。云南清香型煙葉的特征化學(xué)指標(biāo)可以歸納為糖堿比10-15、煙堿2%左右、總糖25%左右[6]。因此，實(shí)現(xiàn)定量化煙葉特征化學(xué)成分指標(biāo)對(duì)于理解煙葉質(zhì)量及風(fēng)格形成具有重要的意義。

由于煙葉的化學(xué)成分指標(biāo)多而復(fù)雜，通常利用相關(guān)分析[3]、通徑分析[3]、逐步判別分析[7]、因子分析[8]、聚類分析[9]等多種數(shù)量統(tǒng)計(jì)方法進(jìn)行煙葉特征化學(xué)指標(biāo)的分析與篩選。然而，由于各個(gè)化學(xué)成分指標(biāo)間關(guān)系的不確定性與復(fù)雜性，導(dǎo)致這些統(tǒng)計(jì)方法很少能實(shí)現(xiàn)對(duì)煙葉特征化學(xué)成分進(jìn)行定量化和篩選，更難以系統(tǒng)性地建立煙葉的特征化學(xué)指標(biāo)識(shí)別模型。分類-回歸決策樹（Classification and Regression Tree approaches，C&RT）分析提供了一種可以從大量指標(biāo)中篩選出特征指標(biāo)并進(jìn)行定量化的方法[10]，它分析過程不需要預(yù)先了解相關(guān)自變量間的內(nèi)在聯(lián)系，同時(shí)由于采取非參數(shù)性檢驗(yàn)，自變量可以是連續(xù)變量或者分類變量，非常便于數(shù)據(jù)的挖掘與分析[11]。本研究利用基于分類-回歸決策樹方法的Mining Tree模型對(duì)不同省份煙葉化學(xué)成分進(jìn)行分析，篩選出不同區(qū)域煙葉的特征化學(xué)指標(biāo)，以期為理解煙葉質(zhì)量與風(fēng)格特色的形成機(jī)理與調(diào)控措施的研究提供理論與技術(shù)支持。

1 材料與方法

1.1 煙葉樣品

本論文研究中共收集到本課題組以及合作伙伴2005～2009年在湖南省、河南省、福建省和云南省等4省份所開展煙葉試驗(yàn)中的1040份烤煙煙葉樣品，其中各省分別有169、142、210、519份樣品。主要的烤煙品種為K326、中煙101、中煙100、云煙87、云煙85、紅花大金元、NC89、NC82、翠碧1號(hào)、G80等10個(gè)品種，煙葉等級(jí)為X2F、C2F、C3F、B2F等4個(gè)等級(jí)。

為了對(duì)Mining Tree模型所篩選出的煙葉特征化學(xué)指標(biāo)正確性進(jìn)行驗(yàn)證，選取《中國(guó)煙草科學(xué)技術(shù)數(shù)據(jù)庫》（http://sjk.ztri.com.cn/tobacco/index.jsp）之“煙葉主要化學(xué)成份分析數(shù)據(jù)庫”中湖南省、河南省、福建省、云南省等4省份2006～2007年共計(jì)331個(gè)煙葉樣品進(jìn)行特征化學(xué)成分指標(biāo)正確性的驗(yàn)證。在驗(yàn)證煙葉樣品數(shù)據(jù)庫中，烤煙品種為K326、中煙100、云煙87、云煙85、紅花大金元、NC82、翠碧1號(hào)、G80等8個(gè)品種，煙葉等級(jí)為X2F、C2F、C3F、B2F等4個(gè)等級(jí)。

1.2 煙葉化學(xué)成分指標(biāo)

研究共選取水溶性總糖、總植物堿、蛋白質(zhì)、總氮、還原糖、總揮發(fā)酸、總揮發(fā)堿、石油醚提取物總量、醚提取物中性總量、醚提取物酸性總量、醚提取物堿性總量、pH值、鉀（K2O）、氯離子、硝酸根、硫酸根、灰份、水溶性灰份堿度、氮堿比、糖堿比、鉀氯比等21個(gè)化學(xué)指標(biāo)進(jìn)行區(qū)域煙葉特征化學(xué)指標(biāo)的分析與篩選。相關(guān)化學(xué)指標(biāo)的測(cè)定方法參照文獻(xiàn)[12-14]進(jìn)行。

1.3 Mining Tree模型

Mining Tree是PS-Explore NC軟件中數(shù)據(jù)分析模塊之一，它提供了一種簡(jiǎn)單易用從大批量數(shù)據(jù)組中挖掘數(shù)據(jù)組間相互關(guān)系與未知趨勢(shì)的工具[15]。Mining Tree模型基于分類-回歸決策樹方法（C&RT，Classification and RegressionTree）進(jìn)行數(shù)據(jù)的統(tǒng)計(jì)分析[10-11]，它通過結(jié)合逐步線性回歸與回歸樹[16]方法去識(shí)別出相關(guān)的自變量[16]。如圖1所示，Mining tree模型通過對(duì)多個(gè)有效自變量（諸如A、B、C、D等）按一定規(guī)則進(jìn)行連續(xù)二分處理（successive dichotomy），最終完成對(duì)因變量X的產(chǎn)生進(jìn)行合理的分析與解釋[11,17]。即在對(duì)自變量進(jìn)行連續(xù)二分處理過程中，產(chǎn)生不同的自變量分段組合（Segment，SNr.），以分段SNr.5為例，概率p值為自變量A（數(shù)值≤…）、B（數(shù)值≤…）、C（數(shù)值＞…）可以解釋因變量X的概率，分析過程如下圖1所示。

圖1 Mining Tree模型數(shù)據(jù)分析示意圖Fig.1 Mining Tree model for data analysis

在Mining Tree模型分析中，自變量可以是連續(xù)變量或者分類變量，連續(xù)變量、分類變量分別采用F-test、Chi2-test方法進(jìn)行顯著性檢驗(yàn)分析[11]，本研究中顯著性檢驗(yàn)水平為P＜0.05。由于因變量可能受到眾多自變量的影響，在模型對(duì)自變量進(jìn)行連續(xù)二分處理中，本研究中自變量可以解釋的最小分段大?。╯egment size）設(shè)置為因變量總樣本數(shù)的5%，即自變量最低可以解釋因變量的5%形成原因。

2 結(jié)果與分析

2.1 煙葉化學(xué)成分指標(biāo)

不同省份煙葉化學(xué)成分?jǐn)?shù)據(jù)的統(tǒng)計(jì)分析見表1。

煙葉水溶性總糖含量湖南?。?5.66%）和河南?。?3.91%）均低于福建省（30.63%）和云南?。?0.22%）。

湖南省煙葉的總植物堿（2.88%）、總氮（2.59%）、總揮發(fā)堿（0.35%）、石油醚提取物總量（6.28%）、水溶性灰份堿度（0.81）、氮堿比（0.96）等6項(xiàng)化學(xué)指標(biāo)數(shù)值最高；

河南省煙葉的醚提取物中性總量（11.3 mg/g）、醚提取物酸性總量（127.99 μg/g）、氯離子（0.40%）、灰分（12.69%）等4項(xiàng)化學(xué)指標(biāo)數(shù)值最高；

福建省煙葉的蛋白質(zhì)（5.19%）、還原糖（27.60%）、總揮發(fā)酸（0.31%）、醚提取物堿性總量（5.75%）、鉀（2.77%）、硫酸根（1.74%）、糖堿比（11.73%）、鉀氯比（12.09%）等8項(xiàng)化學(xué)指標(biāo)數(shù)值最高；

云南省煙葉僅有pH值（5.45）、硝酸根（0.10%）等2項(xiàng)化學(xué)指標(biāo)數(shù)值最高。

表1 不同省份煙葉主要化學(xué)指標(biāo)描述性統(tǒng)計(jì)Tab.1 Statistical summary of chemical components of flue-cured tobacco of different provinces %

2.2 煙葉特征化學(xué)指標(biāo)

利用Mining Tree模型對(duì)不同省份煙葉21個(gè)化學(xué)指標(biāo)進(jìn)行分類-回歸決策樹（C&RT analysis）統(tǒng)計(jì)分析，如表2所示，4個(gè)省份共篩選出14個(gè)煙葉特征化學(xué)指標(biāo)。對(duì)于不同省份煙葉特征化學(xué)指標(biāo)數(shù)量，湖南省篩選出8個(gè)特征化學(xué)指標(biāo)，河南省煙葉篩選出6個(gè)特征化學(xué)指標(biāo)，福建省煙葉篩選出5個(gè)特征化學(xué)指標(biāo)，云南省煙葉篩選出9個(gè)特征化學(xué)指標(biāo)。

在所有篩選出來的特征化學(xué)指標(biāo)中，鉀和硝酸根這兩個(gè)指標(biāo)為4省煙葉共有的特征化學(xué)指標(biāo)。醚提取物酸性總量和鉀氯比兩個(gè)指標(biāo)為湖南省煙葉所獨(dú)有，總植物堿為河南省煙葉所獨(dú)有，水溶性總糖和硫酸根兩個(gè)指標(biāo)為云南省煙葉所獨(dú)有。

2.3 煙葉特征化學(xué)指標(biāo)定量化

利用Mining Tree模型對(duì)湖南省煙葉特征化學(xué)成分進(jìn)行定量化分析，共產(chǎn)生18個(gè)分段組合（Segment），各分段組合對(duì)于湖南省煙葉的識(shí)別概率p最高為0.658，其特征化學(xué)指標(biāo)分段組合為：還原糖（≤24.93%）、鉀（＞1.98%）、pH值（≤5.37）。利用該分段組合從4省煙葉中篩選出湖南省煙葉的正確率為65.8%。

對(duì)于河南省煙葉，Mining Tree模型共計(jì)算出13個(gè)分段組合，各分段組合的識(shí)別概率p最高為0.776，其特征化學(xué)指標(biāo)分段組合為：鉀（≤1.98%）、灰分（＞11.03%）、水溶性灰份堿度（≤0.49）、硝酸根（≤0.06%）。

表2 不同省份烤煙煙葉主要特征化學(xué)指標(biāo)Tab.2 Specific-chemical component of flue-cured tobacco of different provinces

表3 湖南省煙葉特征化學(xué)成分指標(biāo)的定量化Tab.3 Overview of specific-chemical component of flue-cured tobacco of Hunan Province

表4 河南省煙葉特征化學(xué)成分指標(biāo)的定量化Tab.4 Overview of specific-chemical component of flue-cured tobacco of Henan Province

對(duì)于福建省煙葉，Mining Tree模型共計(jì)算出16個(gè)分段組合，各分段組合的識(shí)別概率最高為0.914，其特征化學(xué)指標(biāo)分段組合為：還原糖（＞24.93%）、鉀（＞1.98%）、硝酸根（≤0.06%）、蛋白質(zhì)（＞5.01%）。

對(duì)于云南省煙葉，Mining Tree模型共計(jì)算出22個(gè)分段組合，各分段組合的識(shí)別概率最高為0.957，其特征化學(xué)指標(biāo)分段組合為：鉀（≤1.98%）、灰分（≤11.03%）、水溶性總糖（＞28.94%）、硫酸根（≤1.43%）。

表5 福建省烤煙煙葉特征化學(xué)成分指標(biāo)的定量化Tab.5 Overview of specific-chemical component of flue-cured tobacco of Fujian Province

表6 云南省煙葉特征化學(xué)成分指標(biāo)的定量化Tab.6 Overview of specific-chemical component of flue-cured tobacco of Yunnan Province

2.4 模型指標(biāo)驗(yàn)證

為了進(jìn)一步驗(yàn)證Mining Tree模型分析結(jié)果的正確性，在《中國(guó)煙草科學(xué)技術(shù)數(shù)據(jù)庫》中“煙葉主要化學(xué)成份分析數(shù)據(jù)庫”中選取湖南省、河南省、福建省、云南省等四省份煙葉進(jìn)行特征化學(xué)成分指標(biāo)正確性的驗(yàn)證。在煙葉特征化學(xué)成分指標(biāo)正確性校驗(yàn)中，分別選取在模型計(jì)算中識(shí)別概率（p）最高的分段組合進(jìn)行不同省份煙葉特征化學(xué)成分指標(biāo)正確性檢驗(yàn)。

表7 不同省份煙葉特征化學(xué)成分指標(biāo)正確性校驗(yàn)Tab.7 Validation of results of specific-chemical component of flue-cured tobacco of different provinces

如表7所示，從331個(gè)校驗(yàn)煙葉樣品中，湖南省、河南省、福建省、云南省的單個(gè)分段組合的鑒別率（從總樣本中成功篩選出的目標(biāo)樣本數(shù)占總樣本數(shù)的百分率）分別為23.40%、27.66%、35.19%、18.58%，其中河南省分段鑒別正確概率達(dá)到1，高于模型分段識(shí)別概率（0.658）；湖南省、福建省分段的鑒別正確概率略高于模型計(jì)算的分段識(shí)別概率；云南省分段的鑒別正確概率（0.912）略低于模型分段識(shí)別概率（0.957）。

3 討論與結(jié)論

研究表明，不同省份煙葉的特征化學(xué)成分指標(biāo)有較大的差別，而且特征化學(xué)成分指標(biāo)的數(shù)量也有較大的差別。其中，總植物堿、水溶性總糖分別為河南省、云南省煙葉所獨(dú)有的特征化學(xué)成分指標(biāo)，這部分解釋了河南省、云南省煙葉分別作為典型性濃香型、清香型煙葉代表的原因。特征化學(xué)成分指標(biāo)數(shù)量的影響一方面受到自變量與因變量之間的相關(guān)性影響，另一方面還會(huì)受到樣本量大小的影響[11]。在4個(gè)省份中，利用Mining Tree模型分析所產(chǎn)生的分段組合數(shù)以云南省煙葉最多（22個(gè)分段組合），以河南省煙葉最少（13個(gè)分段組合），這主要是受到數(shù)據(jù)樣本量大小的影響（519 vs.142）。

在模型指標(biāo)校驗(yàn)中，單個(gè)分段組合從大樣本數(shù)據(jù)中的鑒別率在18%～35%間，總體上處于較高的水平，未來在構(gòu)建地區(qū)烤煙化學(xué)指標(biāo)識(shí)別特征模型時(shí)，可以考慮適當(dāng)增加分段組合數(shù)，以提高識(shí)別模型的鑒別率。同時(shí)，在構(gòu)建烤煙化學(xué)指標(biāo)識(shí)別模型中，還應(yīng)該適當(dāng)對(duì)分段組合數(shù)量進(jìn)行敏感性分析，從而能更好的建立烤煙化學(xué)指標(biāo)識(shí)別模型。

總體上，分類-回歸決策樹方法可以很好的從眾多化學(xué)成分指標(biāo)中篩選和定量化出煙葉特征化學(xué)成分指標(biāo)，這為進(jìn)一步理解和分析煙葉質(zhì)量和風(fēng)格特色的形成提供了有力的方法與工具支持。同時(shí)，在本研究中，僅對(duì)區(qū)域間煙葉的特征化學(xué)成分的差異進(jìn)行分析，未對(duì)煙葉品種、部位等級(jí)等方面的影響進(jìn)行分析研究，未來在系統(tǒng)性建立區(qū)域煙葉特征化學(xué)成分?jǐn)?shù)據(jù)庫中應(yīng)當(dāng)適當(dāng)加以考慮。

[1]唐遠(yuǎn)駒.煙葉風(fēng)格特色的定位[J].中國(guó)煙草科學(xué),2008,29(3):1-5.

[2]杜文,譚新良,易建華,等.用煙葉化學(xué)成分進(jìn)行煙葉質(zhì)量評(píng)價(jià)[J].中國(guó)煙草學(xué)報(bào),2007,13(6):25-31.

[3]吳春,王軼,蒲文宣,等.中間香型煙葉特色彰顯度與主要化學(xué)成分的相關(guān)及通徑分析[J].中國(guó)煙草科學(xué),2012,33(4):1-6.

[4]李長(zhǎng)江,溫曉霞,孫渭,等.陜南主栽煙草品種化學(xué)成分綜合評(píng)價(jià)與分析[J].西北農(nóng)林科技大學(xué)學(xué)報(bào):自然科學(xué)版,2013,41(7):67-74.

[5]劉金霞,李元實(shí),黃飛,等.不同香型烤煙化學(xué)成分含量的差異研究[J].河南農(nóng)業(yè)科學(xué),2012,41(9):50-52.

[6]張崇范.對(duì)煙葉質(zhì)量的再認(rèn)識(shí)[J].中國(guó)煙草,1993,4:12-14.

[7]畢淑峰,朱顯靈,馬成澤.逐步判別分析在中國(guó)烤煙香型特色鑒定中的應(yīng)用[J].熱帶作物學(xué)報(bào),2006,27(4):104-107.

[8]于建軍,郭瑋,畢慶文,等.烤煙主要化學(xué)成分因子分析和綜合評(píng)價(jià)[J].浙江農(nóng)業(yè)學(xué)報(bào),2010,22(2):244-248.

[9]李國(guó)棟,胡建軍,周冀衡,等.基于主成分和聚類分析的烤煙化學(xué)品質(zhì)綜合評(píng)價(jià)[J].煙草科技 2008,12:5-9,13.

[10]Sonquist J A,Morgan J N.The Detection of Interaction Effects - A Report on a Computer Program for the Selection of Optimal Combinations of Explanatory Variables [M].Ann Arbor: University of Michigan,1964.

[11]Kuchenbuch R O,Uwe B.Re-visiting potassium- and phosphate-fertilizer responses in field experiments and soiltest interpretations by means of data mining [J].Journal of Plant Nutrition and Soil Science,2011,174(2):171-185.

[12]張槐苓.煙草分析與檢驗(yàn)[M].鄭州:河南科學(xué)技術(shù)出版社,1994.

[13]肖協(xié)忠.煙草化學(xué)[M].北京:中國(guó)農(nóng)業(yè)科技出版社,1997.

[14]王瑞新.煙草化學(xué)[M].北京:中國(guó)農(nóng)業(yè)出版社,2003.

[15]VGSPS mbH.PS-Explore-Handbuch [M].Neustadt/Wied,2007.

[16]Lobell D B,Ortiz-Monasterio J I,Asner G P,et al.Combining field surveys,remote sensing,and regression trees to understand yield variations in an irrigated wheat landscape [J].Agronomy Journal,2005,97(1): 241-249.

[17]Strobl C,Malley J,Tutz G.An Introduction to Recursive Partitioning [EB/OL].[2009].http://www.stat.unimuenchen.de.

A classification and regression decision tree method-based model for identifying tobacco growing areas

ZHANG Yi1,2，LI Qiang2，Wang zheng3，ZHANG Yiyang2，ZHOU Jiheng1,2
1 College of Bioscience and Biotechnology,Hunan Agricultural University,Changsha 410128,China;
2 Tobacco Research Institute,Hunan Agricultural University,Changsha 410128,China;
3 China Tobacco Guangxi Industrial Co.Ltd.,Nanning,530001,China

An identification model of chemical components in flue-cured tobacco was established through classification and regression decision tree method (C&RT analysis) based on a database composed of 1040 samples (21 chemical components were tested) of fluecured tobacco collected during 2005 to 2009 in Hunan,Henan,Fujian,and Yunnan provinces Results showed that: (1) a total of 14 specificchemical components were selected from 21 chemical components,among which K2O and NO3-components were selected in each province; (2) Specific-chemical component segments of highest identification rate branch calculated by the Mining Tree model based on C&RT analysis in Hunan,Henan,Fujian,and Yunnan provinces were: reducing sugar (≤ 24.93%),K2O (＞1.98%),pH (≤ 5.37) (p=0.658);K2O (≤1.98%),ash (＞11.03%),water soluble ash alkalinity (≤0.49),NO3-(≤0.06%) (p=0.776); reducing sugar (＞24.93%),K2O (1.98%)＞,NO3

-(≤0.06%),protein (＞5.01%) (p=0.914); K2O (≤1.98%),ash (≤11.03%),water dissoluble sugar (＞28.94%),SO42-(≤1.43%) (p=0.957),respectively.Experimental results validated the significance of applying classification and regression decision tree method in establishing an identification model of chemical components in flue-cured tobacco.

flue-cured tobacco; chemical component; classification and regression decision tree method; Mining Tree model

10.3969/j.issn.1004-5708.2014.06.005

TS411，TS42 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1004-5708（2014）06-0028-06

廣西中煙工業(yè)有限責(zé)任公司項(xiàng)目（1212013022 ）；紅云紅河煙草（集團(tuán)）有限責(zé)任公司項(xiàng)目（HYHH2012YL03）

張毅（1985—），博士，講師，主要研究方向?yàn)轲B(yǎng)分資源管理、煙草營(yíng)養(yǎng)，Email:zyi1219@163.com

周冀衡（1957—），本科，教授，主要研究方向?yàn)闊煵萆砼c生物化學(xué)，Email:jhzhou2005@163.com

2013-11-12