樟树叶精油成分的初步研究

1、樟树叶精油成分的初步研究*王怀青（吴江市苗圃，江苏 吴江215222）摘要：以气相色谱仪精确测量，确定了樟树樟油中的8种成分：族烯、漩 烯、桜叶油素、芳樟醇、樟脑、菇品烯、橙花醇和黄樟油素。以主成分分析法 提取了支配上述8个化学成分的4个主成分。第1主成分中玫烯、桜叶油素和 旅烯占有较大的负荷系数，第2主成分中帖品烯和橙花醇占有较大的负荷系数, 第3主成分中黄樟油素占有较大的负荷系数，第4主成分中樟脑占有较大的负 荷系数。关键词：樟树；主成分分析；精油樟树（cinnamomum camphora l.）是中国亚热带常绿阔叶林中重要组成树 种，樟树的根、枝、叶、种子均可提取樟脑及樟油，是医药卫生

2、、化工、食品、 香料的重耍原料，其枝、叶还含有桜叶索、黄樟油、芳樟醇、樟脑、松油醇、 柠檬醛等重要成分，是外贸上重要出口物资。据有关资料记载，1920年中国出 口樟脑达145万kg；而台湾所产樟脑数量和质量为全中国之冠，占世界市场首 位。但是，由于人们对樟树天然资源的过度开发利用，我国的樟树精油资源日 渐稀少，精油品质大大下降，精油市场缺口越来越大。为使樟树资源开发和樟 油的利用跃上一个新的台阶，必须选择单一纯生化型的优良植株作为繁殖母本, 研究无性繁殖（组织培养）育苗方法，人工营造樟树香料林。通过矮林作业，一次 性就可生产出高纯度的芳樟醇、樟脑、桜叶油素等精油产品。选择优良樟树精 油资源品种

3、已迫在眉睫。对樟树叶精油成分类型划分的研究变得尤为重要。我 国许多学者在樟油化学组分测定分析、樟油生化类型划分和高樟油品系选育、 天然樟脑提取和制取工艺以及樟籽、叶等综合利用均取得了良好的结果，为樟 树全树综合利用，减少对有限资源的破坏与浪费奠定了技术基础川。1材料与方法1.1试验地概况圃地地势平坦，海拔高415418 m, 土壤属稻山土。年平均气温15.7°c,年 积温是4311.9°c,年降水量达1 019.15 mm,无霜期224 d12j3jo1.2试验材料共收集了 505株樟树叶片的精油，其中叶片主要采自吴江市苗圃八圻圃地 和行道樟树。采用手工揉搓闻香法，结合本试

4、验的科研人员长期积累的辨别经验，定向 选择优良的樟树。大约从4万株樟树选择了 800株提取樟油，并对其屮的505 株樟叶精油进行气相色谱分析。为了消除叶片的位置效应和年龄效应的影响，分别在同株上的东、南、西、 北、中的上、屮、下层采集樟树叶片，就地称取3份100 g叶分装在3个塑料袋 中。及时用水蒸汽蒸憾法提取叶片精油。1.3精油成分的测定樟树桜叶油、芳樟醇和樟脑等成分采用上海科创色谱仪器有限公司生产的 gc112型气和色谱仪测定。色谱条件：交联se-30弹性石英毛细管柱。程序升温：100°c(l min)-10°c(l min)-230°c(30 min)-60

5、°c。汽化室温度 250°c,检测器为氢火焰检测器，检测器温度为250°c；载气：n2,流速度30 ml/min,尾吹 5 ml/min, h2 流速 40 ml/min,空气流速 300 ml/min。进料量 0.1 plo灵敏度为8。采用n2000色谱数据工作站，归一法计算精油各组分的含 里。1.4主成分分析 主成分分析的模型如下zyyp为第1、第2、第p主成分，xxp是对原始数据进行标准化后 的变量，呵为标准化后原始数据的相关矩阵的特征根九1，九2,眉，妬对应的 特征向量。2结果与分析2.1求特征根和特征向量考虑到樟树叶精油成分的多样性，以茨烯x、漩玫烯x2

6、、扌安叶油素x3、芳 樟醇x4、樟脑x5、菇品烯x6、橙花醇x7、黄樟油素xg共8个原始变量进行主 成分分析。通常以累计贡献率80%来选择主成分的个数何。在累计贡献率在80.406%处，可选择y、丫2、丫3和丫44个主成分（见表1）。yi特征值为3.260, 丫2的特征值为1.233, y3特征值为1.048, 丫4的特征值为0.89k表1各主成分的特征根.贡献率和累积贡献率主成分yi丫2丫3丫4丫5丫6丫7y8特征根3.2601.2331.0480.8910.6290.4390.3130.186贡献率/%40.75115.41413.10111.1397.8595.4943.9132.329

7、累积贡献40.75156.16569.26680.40688.26593.75897.671100.000率/%前4个主成分特征值之和占总方差的80.406%,也可以说前4个主成分所包 含的信息占原始变量所包含的总信息的80.406%o所以完全能够以前4个主成分 对原始的观测值进行分析。2.2估计原始变量对主成分的作用在spss 10.0统计软件中，为了探明原始变量与主成分的关系，用因子负荷量来估计原始变量对主成分的作用o 这里，可以利用因子负荷量的数学性质检验上述数据的正确性。以y|为例,0.8442+0.8272+0.8452+(-0.655)2+0.0452+0.5352+0.6572+

8、(-0.024)2=3.260 1 , y】 列中的数据的平方和正好等于第1主成分的特征根，完全符合负荷量的数学性 质(见表2)。表2各原始变量对主成分的负荷原始变yi丫2丫3丫4丫5丫6丫7y8茨烯0.8440.0770.088-0.0840.2400.317-0.2570.207菠烯0.8270.0700135-0.3670.2050.1300.097-0.300桜叶油0.8450.060-0.162-0.217-0.147-0.1750.3380.207素芳樟醇-0.6550.574-0.0450.0840.0980.3880.2650.041樟脑0.045-0.2030.949-0.1

9、60-0.0880.0800.124-0.014祜品烯0.5350.1920.2120.6660.378870.093-0.036橙花醇0.6570.133-0.0240.408-0.5800.198-0.041-0.084黄樟油-0.024-0.891-0.2170.2440.1050.2470.1650.018素在表2中，对第1主成分y1作用较大的有玫烯、菠烯、桜叶油素、芳樟醇 和橙花醇，分别为0.844,0.827, 0.845, -0.655和0.657。这5种化学成分对y的作用相差不大，但是，总共才8种化学成分，用这5种化学成分來解释第 1主成分显得过于笼统，因为还有其他3个主成分需

10、要解释，而前4个主成分的 信息之和才是原始信息的80.406%o在进行主成分分析的过程中，选择方差最大化旋转，spss10.0自动给出旋转矩阵t。旋转的目的是更准确、更简练、更专业地解释原始变量对主成分的影 响，从而给主成分命名。0.8650.488 0.1021 0.050t=-0.1310.171-0.175 0.961-0.484 0.828 0.223-0.1720.003 0.215 -0.95j -0.211将表2中的负荷矩阵乘以转换矩阵t,就可以得到旋转后的负荷矩阵(见表3)o在表2和表3中，可以看出，旋转前后，原始变量对主成分因子的负荷值 明显向极小(0)和极大(±1

11、)分化。以主成分y为例，旋转前桜叶油素(0.845)、欢 烯(0.844)、狼烯(0.827)、橙花醇(0.657)和芳樟醇(0655)5个原始变量对主成分因 子的负荷量都很大，负荷绝对值也相差不大。旋转后菠烯(0.911)、樓叶油素(0.857)和菠烯(0.759)3个原始变量对主成分因 了的负荷量很大，且负荷绝对值远远超过其他5种成分。丫2中负荷量较大的是 祜品烯(0.891)和橙花醇(0.683), 丫3中负荷量较大的是黄樟油素(0.939), 丫4中负 荷量较人的是樟脑(0.985) o由矩阵的运算可知，一个矩阵与1和乘，等于将矩阵屮每元素乘以1。在表2和表3中，每一负荷值的止负号，并

12、不代表与主成分的关系是同向或反向。旋转后各原始变量对主成分的负荷原始 y| y2 ¥3¥4 原始 y y2 y3 y4变量变量顼烯 0.7590.375-0.0210.124 樟脑-0.0090.007-0.0040.985漲烯0.9110.093-0.041-0.040帖品烯0.1130.891-0.0170.075桜叶0.8570.2180.009-0.090橙花0.3740.6830.036-0.089油索醇芳樟-0.600-0.135-0.588-0.211黄樟-0.114-0.0380.939-0.063醇油素因为旋转矩阵t是正交矩阵，所以方差最大化旋转是正交旋转

13、。旋转后， 其各列数据的平方和肯定不等于旋转前的对应的特征根。但是，旋转前后前4 个主成分各列之和均为6.432,那么它们的累计贡献率也是80.406% （见表4）, 每一行原始变量的平方和也没有改变，说明旋转后的负荷阵同旋转前一样，都 能够反映同样大的原始信息量。旋转只是数据形式上的改变，数据的本质并没 有改变。表4中，h?表示k个主成分对第i个变量&的方差贡献。代越大，表示& 对这k个主成分的共同依赖程度越大，也就是说,用这k个主成分描述变量xi 就越有效。在表4中，前4个主成分对樟脑的共同度最大，为0.970,其次是对黄樟油 素的0.900,对橙花醇共同度最小，为0.61

14、6o共同度的平均值为0.804o说明前 4个主成分对笔者所选的8个变量的共同性是很高的。表4 8种精油成分对前4个主成分的负荷量精油成分未旋转的主成分旋转后的主成分共同度h?y丫2丫3¥4y1丫2¥3丫4琰烯0.8440.077 0.088 -0.080.759 0.375-0.020240.733菠烯0.8270.070-0.135-0.3670.9110.093-0.041-0.0400.842桜叶油素0.8450.060-0.16-0.210.8570.2180.009-0.090.790270芳樟醇-0.650.574-0.040.084-0.60013-0.58-

15、0.210.768550581樟脑0.045-0.200.949-0.16-0.000.007-0.000.9850.9703094砧品烯0.5350.1920.2120.6660.1130.891-0.0170.0750.812橙花醇0.6570.133-0.020.4080.3740.683/0.036-0.080.61649黄樟油索-0.02-0.89-0.210.244-0.11-0.030.939-0.060.900417483特征根（九）3.2601.2331.0480.8912.6671.4771.2311.057信息百分比40.7515.4113.1011.1333.3318.4515.3913.2180.406/%14198944信息百分比是笔者选择了某一主成分作为樟树分类依据后，所能反映的原 始数据的信息量，当然，期望反映的该信息量越大越好，笔者选择前4个主成 分作为樟树分类依据，保留的原始数据信息为80.406%o根据前人的经验与科学