火炬松木材基本密度和纤维长度近红外模型的建立.docxVIP

火炬松木材基本密度和纤维长度近红外模型的建立 火炬松木材的基本密度是反映其性能的重要指标。它可以估计木材的质量，评估木材的工艺性质和物理力学性质。火炬松木材的纤维长度是分析火炬松木材材积的主要指标之一。此外，它还是一个反映木材使用价值的指标。研究火炬松木材的基本密度和纤维长度不仅对新品种的栽培和人类林业的定向培养具有指导意义，而且有助于在未来扩大和改善火火炬松的木材类型。然而，传统的木材密度和纤维长度测量方法相对复杂。大规模重新造林和火炬松子世代采集的研究不仅工作量大，而且损坏了树木。这些问题可以通过快速的红色信号检测技术来解决。 近红外光谱技术具有分析速度快、效率高、成本低、重现性好, 以及便于实现在线分析、无损分析等特点 1 材料和方法 1.1 火炬松木材基本密度的近红外模型 用于建立模型的材料取自广东乐昌龙山林场.在15年生火炬松人工林中, 选取生长旺盛、胸径16 cm以上、干型较通直的单株, 用喷漆做标记.在树木胸径高度处用直径为12 mm的生长锥, 从西北到东南方向 (平行地面, 尽量避开树结疤) , 穿透树干, 钻取全木芯.将木芯放入密封袋, 于4℃冰箱保存.其中72个样品作为预测集, 建立近红外预测模型;21个样品作为验证集, 对建立的火炬松木材基本密度的近红外模型进行验证;20个样品作为验证集, 对建立的火炬松木材纤维长度的近红外模型进行验证.用于预测的火炬松群体取自广东英德林业科学研究所 (264个样本) . 1.2 基本密度和纤维长度的真实测量 采用排水法 1.3 光谱预处理 采用瑞典Perter公司的DA7200型连续固定光栅分析仪和改进的样品杯进行光谱收集.在对样品进行扫描之前, 为了减少温度对样品的影响, 先将样品放置24 h, 并且预热30 min, 待光源稳定后开始采集光谱.采集光谱的波段为650~950 nm, 分辨率为5 nm.采用Umscrambler软件, 采用标准化处理法、标准正态变量转换法 (standard normal variate transformation, SNV) 、平滑算法 (savitzky-golay smoothing, SG) 、乘积分散校正法 (multiple scatter correction, MSC) 与一阶导数 (first-order derivative, 1st Der) 处理, 对光谱进行预处理并建立模型. 1.4 主要参数. 将真实测定的基本密度值和纤维长度值分别与用模型预测出来的基本密度值和纤维长度值进行比较, 以相关系数 (R) 和验证集预测标准偏差 (SEP) 作为主要参数对模型进行评价.验证集的SEP越小, 则模型拟合、预测效果越好. 2 结果与分析 2.1 火炬松微纤维长度 用排水法测定72个火炬松样品的基本密度;并且应用纤维离析、显微制片、显微观察测定其纤维长度.72个火炬松样品的基本密度最大值为0.472 5 g·cm 2.2 火炬松木材生长和纤维长度相关模型的建立 分别用MSC、标准化处理法、SNV、SG以及1st Der, 对采集的光谱进行处理, 得到火炬松木材基本密度和纤维长度相应的模型参数 (表2、3) .从表2可看出, 标准化处理法、1st Der+MSC和1st Der+SG+MSC的模型校正相关系数 (R 2.3 基本密度模型的建立 应用Umscrambler软件, 采用一阶导数、平滑算法、归一化法相结合的方法对光谱进行处理, 并且用偏最小二乘法的回归分析和完全交互验证法建立校正模型与内部交叉验证模型.从表4可知, 主成分数为11时, 基本密度模型的R 2.4 近红外模型的验证与评价 采用验证集样品对已经建立的火炬松木材基本密度和纤维长度2个近红外模型进行验证和评价, 并采用R和SEP对模型的预测精度进行评价 (表5) .在基本密度模型中, 预测值与实测值的R为0.85, SEP为0.033 g·cm 2.5 火炬松子代测定林数据预测 用得到的木材基本密度预测模型和纤维长度预测模型对264个火炬松子代测定林样本进行预测, 得到264个火炬松子代测定林样本的木材基本密度和纤维长度.从图1、2可以看出预测数据总体上呈正态分布, 符合数据的分布特征, 说明预测模型在实际遗传测定中可用, 且结果可靠. 3 火炬松木材基本密度模型建立的结果 通过1st Der、SNV和SG对光谱进行预处理, 并用偏最小二乘法回归分析建立了火炬松木材基本密度和纤维长度2个预测模型, 用外部样品对建立的模型进行了验证和评价, 并加以应用.结果表明, 火炬松木材基本密度模型的R