近紅外光譜技術預測木材性能研究新進展*

賈 茹 呂志宏 汪 睿 趙榮軍 王玉榮

（1.中國林業科學研究院木材工業研究所，北京 100091；2.中國林業科學研究院林業新技術研究所，北京100091；3.天津科技大學，天津 300457）

近紅外光譜（NIRs）技術因具有檢測快速方便、無需破壞樣品、可以在線監測等優點，而被廣泛應用于農副產品分析、石油化工、生物化工、臨床醫學等領域[1-3]。采用近紅外光譜技術預測木材性能在國外開展得較早，且最先應用于木材化學性能的預測[4-5]。我國于十多年前將該技術引入木材科學領域，用于檢測人工林木材性能。隨著光譜技術以及木材科學的快速發展，近紅外光譜多變量數據分析方法也在不斷進步[6-9]，國內外在利用近紅外光譜技術預測和檢測木材性能研究方面取得了一定進展[10-13]，但對于近些年來近紅外光譜技術的應用，特別是在木材性能檢測以及數據分析等方面的研究，尚未有較為全面的報道。

本文將重點闡述近紅外光譜技術在檢測和預測木材化學、物理和力學等材性指標方面的最新研究進展，以期為今后近紅外光譜分析技術在木材科學及技術領域的應用研究提供理論依據，促進木材性能無損檢測技術的發展。

1 近紅外光譜技術在木材化學成分含量預測中的應用

1.1 木質素含量預測

木質素是重要的可再生生物質資源[14]，具有增強細胞壁強度、運輸水分和水溶性物質的作用[15]，但同時也是木材在造紙、生物質能源等領域應用的主要障礙。快速獲取木質素含量對制漿造紙、轉基因林木定向培育等有重要的理論指導與科學意義，如通過預測紫丁香基（S）與愈創木基（G）含量的比值可以快速按需評估制漿用材[16]。應用近紅外光譜技術對不同針葉材和闊葉材的酸溶木素[11]、酸不溶木素[17-21]、總木質素[22]含量進行預測，結果如表1所示。分析對比發現，采用偏最小二乘法預測，對針葉材木質素含量的預測模型效果均較好，但對于闊葉材楊樹木質素含量預測模型相關系數不高；對另一闊葉材相思樹采用迭代法作為化學計量分析方法，則可以獲得較好的預測模型效果。在木材遺傳改良育種領域，有學者進行多位點楊樹無性系試驗時，利用近紅外光譜技術結合偏最小二乘法預測黑楊（Populus nigra）中木質素含量，以此判斷樹種來源及變異程度，獲得的木質素含量模型相關系數為0.77[23]。由此可見，將近紅外光譜技術應用于針葉材木質素含量的預測可以獲得更高的精度，而對于闊葉材樹種，在今后木質素預測的研究中應嘗試采用不同的分析方法進行模型精度較正。除了定量分析，Zuzana等[24]利用近紅外光譜技術對木質素進行定性分析研究，探究了木材熱處理時木質素的結構變化，同時分析了纖維素和半纖維素的結構變化，這對木材成分的熱穩定性評估具有重要意義，有待不斷深入研究，以獲得改性處理材性能快速評估的新方法和手段。

1.2 纖維素和半纖維素含量預測

纖維素是木材三大素之一，是細胞壁的骨架，其含量對木材性能及加工利用有重要的影響。國內，近紅外光譜技術從2006年開始逐漸被應用于木材纖維素含量的預測[18,25]，近年逐漸由預測單一品種木材纖維素含量，轉變為將2種或2種以上木材纖維素混合，預測其含量。國外有學者將近紅外光譜技術應用于桉木（E. tereticornis×E. camaldulensis）等6種雜交樹種木材綜纖維素的快速預測，發現其模型相關系數（R）達到0.88[26]。

半纖維素也是木材的重要化學組分之一，其含量的高低是評價制漿造紙及其應用于生產生物燃料替代化石能源的重要標準[27]。針葉木的半纖維素包含戊聚糖和己聚糖, 闊葉木的半纖維素則主要為戊聚糖[28]。目前國內外對應用近紅外快速預測草本植物[29-30]中半纖維素含量的研究較多，而對木材半纖維素含量的近紅外預測相關研究較少，對戊聚糖含量的預測研究表明：運用偏最小二乘法、多模型建模等方法，得到的模型準確性較好，相關系數可達0.99[28,31]。

1.3 其他化學組分含量預測

除了三大素化學組分，木材中還有灰分等少量成分。這些成分直接或間接與樹木的生理作用有關，也會影響木材的性能，以前主要用傳統方法進行測定。近年來，開始將近紅外光譜技術應用于對木材中這些少量成分的預測，嘗試對木材不同成分的含量進行測定。如利用近紅外光譜技術，建立闊葉材黑楊中抽提物、葡萄糖、木糖等含量的模型，除木糖外，其余組分模型的決定系數（R2）均在0.75以上[23]，其中針葉材輻射松木材細胞壁中葡萄糖和甘露糖含量模型的相關系數（R）可達到0.80以上[20]，預測效果好于闊葉材。這些研究為木材細胞壁中單糖含量的預測提供了一定的思路。

此外，開始探索更為精確的用近紅外預測木材中少量成分含量的方法，如根據木材在10 000～4 000cm-1波長范圍內的近紅外光譜，運用偏最小二乘法建立多種混合木材中灰分含量的預測模型，得到的模型決定系數（R2）為0.77，而采用遞歸加權偏最小二乘法（rPLS），可將建立的模型決定系數（R2）提高至0.80，且預測誤差均方根由0.47%降至0.44%，近紅外光譜預測灰分含量的準確性進一步提高[32]。

綜上可知，目前近紅外光譜技術在快速預測木材三大素（纖維素、半纖維素、木質素）含量方面均有應用，其中以木質素含量預測居多?？焖兕A測涉及的樹種有輻射松、杉木、楊木等針闊葉材，而針葉材化學組分預測效果好于闊葉材?，F階段國內還沒有對木材三大素外的其他化學組分進行近紅外預測方面的研究，國外相關研究也較少，且主要研究對象為灰分。提高闊葉材化學組分快速預測模型精度，應用近紅外預測木材其他化學組分應是今后研究的重點。

2 在木材物理性能預測中的應用

2.1 木材密度預測

木材密度是評價木材力學性能、重量和加工工藝的一項重要指標。研究近紅外光譜技術預測木材密度的方法和模型具有十分重要的意義。近年來，開展的有關針、闊葉材密度預測研究，研究對象主要有伐倒木和活立木。

相對于針葉材，近紅外光譜技術在闊葉材活立木密度檢測中的應用研究較多。江澤慧等[11]研究了泡桐（Paulownia elongate）活立木，鉆取生長錐快速獲得其密度指標值，建立了偏最小二乘模型，相關系數（R）為0.83；趙榮軍等[33]建立了粗皮桉（Eucalyptus pellita）生長錐氣干密度的偏最小二乘模型，其相關系數（R）可達到0.92。研究表明：采用相同的取樣方法和分析方法進行近紅外光譜預測密度，建立的模型對密度較小、材質較輕的木材預測精度相對較差，這可能是由木材本身不同的微觀結構造成的。

對于伐倒木，目前也建立了闊葉材黑木相思（Acacia melanoxylon）木材密度偏最小二乘回歸模型[34]，楓樺（Betula costata）木材定標分析模型[35]，柞木（Xylosma racemosum）反向區間偏最小二乘(BiPLS)回歸模型[36]，以及針葉材杉木（Cunninghamia lanceolata）的偏最小二乘模型，其相關系數（R）均在0.80以上[37]（表2）。這些模型對針闊葉材預測效果均較好，且無較大差別。但對杉木不同切面（橫切面、縱切面、弦切面）的近紅外光譜數據采集發現，采用橫切面光譜建立的模型相關系數最高，表明不同的木材切面光譜所包含的信息不同，橫切面光譜更有助于密度預測。也有學者混合了多種木材進行預測，并建立效果較優的模型[38-40]。此外，研究發現，相較于中紅外光譜法，近紅外在預測木材密度時制樣速度更快、掃描時間更短、準確性更高[41]。

表2 我國不同樹種密度預測模型參數Tab.2 Prediction model parameters of density in different tree species in China

雖然目前對近紅外在針、闊葉材密度快速預測中的應用均有研究，但對我國的樹種研究還不多，相關研究也主要集中于闊葉材。研究發現，對活立木的密度預測，模型精度較高，且相對于伐倒木密度預測而言，活立木更能體現近紅外光譜分析技術無損快速的優點。今后在擴充近紅外預測木材密度數據庫，提高模型穩定性和準確性時，應注重活立木密度的快速預測研究。

2.2 木材含水率預測

含水率是影響木材性能的重要因素之一，特別是在纖維飽和點以下時，含水量的多少對木材強度、剛性、硬度以及機械加工性能、導電性等均有較大的影響[42]。由于木材中的水分會影響其近紅外光譜的產生，因此可以利用木材的近紅外光譜預測其含水率。江澤慧等[7]采集了不同含水率狀態下杉木樣品的近紅外光譜，并利用偏最小二乘法建立水分預測相關模型，發現其校正模型和預測模型的相關系數(R)達到0.99以上。Hans等[43]則對不同干燥程度的胡楊（Populus tremuloides）和白楊（Populus balsamifera）木材樣品進行近紅外光譜測量，建立了偏最小二乘法回歸模型，發現其決定系數(R2)可達0.83。在對歐洲赤松（Pinus sylvestris）和英國櫟（Quercus robur）木材的研究中也發現，其混合試樣木材含水率的近紅外預測模型決定系數(R2)達到0.96[38]。這些研究表明，采用近紅外光譜預測木材含水率具有較高的準確性。但部分研究表明，當樣品體積較大或水分分布不均時，近紅外光譜法預測精度會下降[44]。

除了對木材本身不同的含水率進行預測外，近紅外光譜技術還應用于和含水率相關的制漿造紙工業以及木材尺寸穩定性等方面的預測。比如對藍桉（Eucalyptus globulus）等4種常見制漿材在制漿過程中的混合木片含水率進行快速預測，采用偏最小二乘法和完全交叉驗證方式建立具有較高準確性和穩健性的樣品水分模型，模型交叉驗證的相關系數(R)均可達到0.98以上[45]。也有學者采集不同含水率狀態下的楊木近紅外光譜，與楊木尺寸變化率相對應，建立了木材尺寸變化的近紅外模型，得到的驗證模型決定系數（R2）在弦向和徑向分別為0.98和0.96，表明近紅外光譜可以對木材尺寸穩定性進行快速預測[46]。

近年來，開始注重近紅外光譜技術的實際應用。如在制漿造紙工業中，應用近紅外光譜技術大幅縮短預測木材含水量的時間，但該技術對試件的無損度和水分分布均勻程度要求較高，因此仍需要繼續進行探索，降低其使用要求，并提高模型準確度。

3 在木材力學性能預測中的應用

3.1 抗彎強度預測

木材抗彎強度(MOR)是木材抵抗彎曲的最大纖維應力。國外對不同樹種的抗彎強度進行了預測研究，如Kelley等[47]用近紅外光譜法預測6種針葉木材的抗彎強度，對山毛櫸（Fagus longipetiolata）、南方松（Pinusspp.）木材也有研究，并取得了良好的預測效果。國內趙榮軍等[12,33]建立了杉木抗彎強度的全波段（350～2 500 nm）近紅外預測模型，發現其橫切面效果好于徑切面，之后采集人工林粗皮桉的近紅外光譜，并用偏最小二乘法建立了其抗彎強度的預測和校正模型，得到的校正模型相關系數(R)可達0.91，預測模型相關系數(R)也達到0.88，研究表明，近紅外光譜技術可以預測闊葉樹木材的抗彎強度。也有學者通過二階導數預處理方法建立了粗皮桉抗彎強度的預測模型，發現在波段1 000～2 000 nm建立的模型最好，相關系數(R)為0.92[48]。還有學者對蒙古櫟（Quercus mongolica）的抗彎強度進行了快速預測，預測模型相關系數(R)在0.81以上[49-50]。

3.2 抗彎彈性模量預測

木材抗彎彈性模量(MOE)表示木材在比例極限內，應力與應變之間的相關程度。在近紅外應用于木材抗彎彈性模量預測初期，通過對杉木、桉木等的大量研究[51-52]，建立了相關性較好的預測模型。之后的研究發現，試樣的大小會對近紅外光譜預測木材抗彎彈性模量的準確度有一定的影響，較小木材試樣的預測模型決定系數（0.61～0.89）略高于較大試樣[53-54]。近年來，為尋求更加適合、準確的預測方法，展開了不斷的對比研究，研究發現，對于杉木[7]、落葉松（Larix gmelini）[55]等樹種，應用橫切面光譜信息建立的模型準確度高于以徑切面的光譜信息建立的模型。此外，除了木材本身，預處理方式和分析方法也會影響模型效果，在輻射松（Pinus radiata）的抗彎彈性模量預測模型中，一階導數預處理比二階導數處理效果更好，長波區域（1 100～2 500 nm）比全區域（400～2 500 nm）預測效果更好，相關系數(R)達到0.85[56]。采用多種算法改進的偏最小二乘法，建立蒙古櫟抗彎彈性模量的預測模型，相關系數可達0.88[49]。

木材力學性能與物理性能對于近紅外光譜都屬于二級屬性，目前采用近紅外光譜技術對針葉材與闊葉材力學性能的預測主要集中在抗彎強度和抗彎彈性模量方面，對抗壓強度和硬度研究較少。對多個楊木和杉木無性系的上述4個主要力學性能快速預測發現，近紅外光譜技術對抗壓強度和硬度也有較好的預測效果，而闊葉材楊木的預測效果不如杉木。試材的大小、不同的切面均會使近紅外光譜分析方法對木材力學性能預測模型的精度造成影響。因此，今后應著重綜合分析這些因素，實現對更多樹種特別是材質較輕的闊葉材樹種木材力學性能的快速預測。

4 結語

雖然近紅外光譜技術在木材科學領域起步較晚，但該技術在木材性能預測方面的研究已取得一定進展。其中涉及的人工林樹種主要有輻射松、楊木、杉木、泡桐和桉樹等?，F有研究表明，近紅外光譜技術可以實現針闊葉材的化學性能（木質素、纖維素、半纖維素及其他化學組分）、物理性能（木材密度、含水率）以及力學性能（抗彎強度及抗彎彈性模量）等品質性狀的快速預測，其中木材化學成分含量預測相關性最高，力學性能預測精度較低。對于同一性能預測，樹種不同、采用的分析方法不同，預測效果也不同。目前，在光譜數據處理與建模分析中，最常用的光譜預處理方法為導數法和小波變換法，其中偏最小二乘法為主要分析方法。

總體上，近紅外光譜可以快速預測部分樹種木材基礎性能，但目前的研究主要集中于伐倒木，未涉及珍貴樹種木材和急需快速篩選手段的遺傳改良林木，且木材性能預測模型相關系數低于食品和化工等領域的模型相關系數。近紅外光譜分析技術在木材領域還有很大的發展空間，未來研究首先應圍繞以下3個方面展開：

1）對不同針、闊葉材樹種，同一樹種不同的材質特性進行系統分類研究，有針對性地摸索試樣尺寸、采譜部位、光譜采集與處理以及不同的化學計量學分析方法，建立一整套國內人工林不同木材物理、力學性能近紅外快速預測方法與標準；

2）推進近紅外預測木材性能在實際生產中的應用研究，特別是近紅外光譜分析技術在遺傳改良苗木品質性狀篩選中的應用，解決遺傳改良林木快速篩選問題；

3）開展活立木材性預測，在無需砍伐樹木的情況下，利用近紅外光譜技術對幼齡材和成熟材不同生長發育階段的林木材性進行無損測定，快速獲取特定發育階段林木的木材品質性狀。