目的:草果作为传统药食同源中药,在我国有着悠久的栽培和应用历史。伴随草果的深入使用,其经济价值逐渐提升,已经成为云南山区扶贫攻坚的一份重要力量。草果分布范围广泛,不同产地草果的有效成分差异较大,致使其质量参差不齐。近年来,随着国内外消费市场对草果的需求量越来越大,对草果产地的鉴别需求也在不断增长。因此,寻求一种快速和有效区分草果产地的方法尤为重要,这既是保证草果质量和品质的前提,亦是药食同源植物发展与研究的重心。方法:本研究采用近红外光谱以及紫外可见光谱,对不同产地草果进行分析。结合主成分分析（PCA）、偏最小二乘判别分析（PLS-DA）、顺序正交偏最小二乘（SO-PLS）、顺序正交协方差选择（SO-Covsel）、顺序正交预处理（SPORT）、红-绿-蓝图像分析（RGB）、支持向量机（SVM）和残差卷积神经网络（Resnet）,深入分析不同产地草果的光谱特征,通过比较不同化学计量学方法（预处理、变量提取、数据融合）对模型分类效果的影响,探索简便、准确且成本低的草果产地鉴别方法,为科学、规范地利用草果资源提供理论基础。结果:（1）采集云南省5个产地180份草果的NIR光谱和UV-Vis光谱,通过PCA和SO-PLS两种变量降维策略,以及投影变量重要性（VIP）和SO-CovSel两种变量选择策略,提取两个数据集中的特征信息,并融合为新数据集。采用PLS-DA建立判别模型,对草果果实的产地进行鉴别。SO-PLS和SO-CovSel利用顺序建模与正交化相结合的优势,不仅可以识别两个数据集中的共同信息,而且能够在不损失分类能力的情况下提供更简洁的判别模型,可以有效地鉴别草果的产地。（2）采集云南省5个产地248份草果的NIR光谱。首先分别采用不同的散射校正技术来减小近红外光谱中的光散射现象,并结合PLS-DA分别建立判别模型。随后采用SPORT融合不同散射校正技术之间的互补信息建立判别模型。SPORT模型利用了与不同散射校正技术相关的互补信息,优于单散射校正模型。此外,与传统的数据融合策略相比,SPORT可以在不需要额外仪器、样本信息的情况下实现对草果产地经济高效的鉴别。（3）采集云南省6个产地439份草果的NIR光谱,并将其转换为同步和异步的2DCOS图像。采用RGB图像分析方法将2DCOS图像转换为一维数据矩阵,并分别建立PLS-DA和SVM模型鉴别草果果实的产地。与异步2DCOS图像相比,同步2DCOS图像包含更多适用于根据地理来源区分草果果实的有用信息。从预测的角度来看,基于同步2DCOS图像的PLS-DA和SVM模型提供了最好的分类结果,更加适合草果果实的产地鉴别。（4）本章基于同步和异步2DCOS图像分别建立Resnet模型鉴别草果果实的产地。相较于异步2DCOS图像,基于同步2DCOS图像建立Resnet图像分析模型能够有效鉴别草果果实的产地,准确率达到100%。此外,相较于传统的化学计量学方法（PLS-DA和SVM等）,Resnet无需复杂的数据处理和人工特征提取,为草果果实的产地鉴别方面提供了简便高效的技术方法。我们希望使用同步2DCOS图像结合Resnet分析可以为其他香料和中药的地理溯源提供有用的参考。