毛竹化学成分的近红外光谱法测定-国际竹藤中心.docVIP

毛竹化学成分的近红外光谱法测定 李改云1，王戈2，黄安民1，傅峰1 ，江泽慧1* 1. 中国林业科学研究院木材工业研究所, 北京 100091 2. 国际竹藤网络中心【-7】资助项目：国家林业局948引进项目“人工林木材的NIR材性预测及增值利用”（2003－4－27） 作者简介：李改云，女，1974年生，中国林科院木材工业研究所助理研究员，在读博士生，主要从事木材化学研究。﹡ 通讯联系人 ligy@forestry.ac.cn, 010 1 实验部分 1.1 试剂与仪器 亚氯酸钠（74.6％），工业纯；苯、乙醇、冰醋酸、丙酮、硫酸均为分析纯。 毛竹试材采自浙江省杭州市萧山区，地处东经120°04-120°43，北纬 29°50- 30°23之间；低山丘陵坡地（东北坡），海拔在500-600米之间，红壤土，竹杉混交林；属亚热带季风性气候。取2年生、4年生和6年生毛竹各3棵，截取0.5-2.5米高和4.5 -6.5米高两个竹段，风干，将每个竹段按外、中和内三等分竹壁，切成小薄片后分别包装，粉碎，筛分,取40-60目的竹粉，放置于样品瓶中，供分析和采谱用。 美国ASD公司生产的LabSpec? Pro近红外光谱仪，检测器：350-2500nm，低噪声512阵元PDA; 光谱采样间隔：1.4nm@350-1050nm 2nm@1000-2500nm光谱分辨率： 3nm@700nm 10nm@1400, 2100nmGB/T 2677.10-95测定竹粉中综纤维素的含量。同时做两份平行测定，取其算术平均值作为测定结果。 1.4 NIR光谱采集 近红外光谱仪和光谱采集均在装有空调的恒温（20℃±2℃）室内进行，样品在恒温室内敞口放置2周后采谱。用杯光源监测器对商用聚四氟乙烯白板进行空白校准后，再对样品的近红外光谱在全光谱范围内（350-2500nm）进行采集，每次扫描30次并自动平均为一个光谱，每个样品装样3次。 1.5 多变量数据分析 利用ASD开发的Indico数据采集和预处理软件，完成对竹子近红外光谱的采集，并对光谱数据进行微分和平滑预处理。使用瑞典CAMO Unscrambler对每个样品的三个光谱平均后用偏最小二乘法（PLS1）和完全交互验证方式在样品木质素含量和光谱数据之间建立相关性模型。 2 结果与讨论 2.1光谱预处理 图1是54个竹粉样品的原始NIR谱图。因为近红外光谱仪采集的原始数据中除包含与样本物质化学结构相关的信息外，还包含其他干扰信息，影响建模的准确性。本文在采用二阶微分处理的同时，采用25点平滑处理，扣除仪器背景或漂移对信号的影响，较好的净化了谱图信息，同时去掉高频噪音对信号的干扰，最终提高了光谱的分辨率。 2.2 波长的选择 从图1看出，竹材在350nm-1010nm的可见光和短波区域内，光谱信息量较少。但对相关性存在严重的干扰，建立模型时应消除此波长的影响。在1676nm-1880nm波长区域，光谱的信噪比差，分辨率较低，样品的吸光度变化较小，对相关系数的贡献非常小。1923 nm附近为水的合频吸收峰，对模型的精度有负面影响。删除1676nm-1929nm波长后提高了模型的准确度。另外，在近红外的长波区域（2489nm-2500nm），主要是一些干扰信息，经过二阶微分处理后干扰信息被消除。消除350nm-1010nm，1676nm-1929nm和2489nm-2500nm这三段光谱后，利用偏最小二乘法和完全交互验证方式建立54个毛竹样品的Klason木质素校正和预测模型，校正集的相关系数（RC）达到0.99，校正集标准偏差（SEC）为0.36；预测集的相关系数（RP）达到0.97，预测集标准偏差（SEP）为0.59。在54个毛竹样品中挑选41个样品用于建立毛竹样品的综纤维素含量模型，也获得了较好的预测效果，校正集的相关系数（RC）达到0.98，校正集标准偏差（SEC）为0.45；预测集的相关系数（RP）达到0.95，预测集标准偏差（SEP）为0.76。图2分别是木质素和综纤维素的实测值和预测值的相关系数图。 图1 毛竹木粉的近红外吸收光谱图 图2 毛竹样品实测化学组成和和NIR预测化学组成的的相关系数 3 结论 本文对竹材的漫反射近红外光谱进行二阶微分和25点平滑处理后，在合适的光谱区间内，用偏最小二乘法对54个竹材样品建立了Klason木质素含量预测模型，以及对41个竹材样品建立了综纤维素含量预测模型，均取得了很好的预测效果，证明用近红外光谱技术可以实现对竹材样品中Klason木质素含量和综纤维素含量的快速预测。 Determination of chemical compositions in Bamboo by