目的:滇重楼因其具有“清热解毒,息风止痉,凉肝定惊”的作用而广泛应用于临床。此外,作为民族药之一,在云南,滇重楼在许多少数民族中均有应用。“药材好,药才好”,随着中医药面向现代化的发展,饮片的质量越来越受到人们的关注。诸药所生,皆有其境,滇重楼的质量受到其地理因素、生长年限、加工方式等因素影响。因此,建立快速而又准确的滇重楼鉴别体系,从中药源头保证其质量是亟需的。本研究以栽培滇重楼为研究对象,采收云南省多个产地及不同生长年限的滇重楼样品。对不同产地、不同生长年限、不同部位及不同地理居群的药材进行分析,根据现代数理统计的方法,分析不同药材组之间的差异,为滇重楼的质量评价提供可行方法及理论依据。方法:1、对采自云南省7个地区（保山、楚雄、大理、红河、丽江、玉溪）及四川成都的滇重楼进行了FT-NIR（Fourier transform infrared spectroscopy）及ATR-FTMIR（Attenuate total reflection Fourier transform mid infrared spectroscopy）分析,结合多种特征变量提取方法及低级、中级数据融合模型进行产地判别研究;2、采用新颖的顺序正交预处理融合-偏最小二乘判别分析（SPORT-PLS-DA,Sport-Partial least squares discriminant analysis）对滇重楼植株的不同部位（根茎、须根、茎和叶）进行鉴别分析;3、采集不同年限的滇重楼样品的FT-NIR及ATR-FTMIR光谱数据,结合化学计量学分析,对不同年份样品进行了鉴别;4、对来自重楼属的12个种进行中红外光谱分析,结合偏最小二乘判别分析和支持向量机（SVM,support vector machine）分析,对不同种重楼进行了判别。结果:低级数据融合是鉴别不同产地栽培滇重楼的有效方法,正确率达到了100%。多元散射校正（MSC,multiplicative scatter correction）、标准正态变量变换（SNV,standard normal variate transformation）、二阶导数（2D,second derivative）和归一化变量排序（VSN,variable sorting for normalization）预处理后的变量对模型均有贡献,最终预测集正确率为100%,表明采用序列正交预处理融合-偏最小二乘判别分析模型能够实现对滇重楼不同部位的鉴别。本章对3-8年生的共87份滇重楼根茎样品进行分析,结果表明采用3000-2800 cm-1波段进行建立偏最小二乘判别分析对不同年限滇重楼分析的模型效果最优。数据可视化结果表明滇重楼和五指莲具有与其他种重楼分离的趋势,并且SVM在对重楼属不同物种的鉴别效果上优于PLS-DA模型,预测集正确率达到了100%。结论:数据预处理正交融合、光谱特征波段提取是有效的数据预处理方法,不同特征变量提取方法的中级数据融合模型效果差于低级数据融合。基于SVM的判别模型在重楼属不同种的判别上非常有效。