不同产区天麻药材的功效和质量具有较大差异,产区鉴别有助于药材的科学合理利用。采用近红外光谱结合方差光谱、主成分分析、间隔偏最小二乘、遗传算法对云南省外、省内(除昭通)及昭通天麻特征光谱进行提取,分别建立了i PLS-DA和GA-SVM模式识别模型,并对模式识别模型的适配性进行验证。结果显示,建立的i PLS-DA模型的预测正确率为96. 15%,R2,RMSECV,RMSEP分别为0. 893,0. 224,0. 321; GA-SVM的预测正确率为100%,RMSECV为0. 719 4,i PLS-DA和GA-SVM方法均能较好识别不同产区天麻样品。进一步将i PLS和GA提取的特征光谱进行二维相关光谱分析。结果表明,省外和省内天麻差异性光谱主要位于多糖类、芳香烃类、酰胺类和淀粉等物质的C-H,C-N,O-H,N-H键的伸缩、弯曲及倍频吸收区;省外与昭通天麻差异性光谱主要分布在植物蛋白、芳香烃类、多糖类及醇类物质的C-H,O-H,N-H键的伸缩、弯曲及倍频吸收区;省内与昭通天麻差异光谱主要集中于木质素、芳香烃类、醇类、多糖类及脂肪族类物质的CHO,N-H,C-H,O-H,HOH伸缩、弯曲、变形及倍频吸收区。应用近红外光谱结合多变量选择及二维相关光谱,可有效识别不同产区天麻及探析天麻组分的差异特征,对天麻的合理开发与高效利用奠定基础依据。