全 文 ：第3 0卷 , 第9期　 　　　　　　　　　　　光 谱 学 与 光 谱 分 析 Vol.30 , No.9 , pp2355-2359
2 0 1 0 年 9 月　　　　　　　　　　　 　Spectro scopy and Spectr al Analy sis Septembe r , 2010 　
基于近红外光谱技术预测径/弦切面粗皮桉木材微纤丝角
赵荣军1 , 张　黎2 , 霍小梅1 , 任海青1＊
1.中国林业科学研究院木材工业研究所 , 北京　100091
2.青岛伯荣祥木业有限公司 , 山东青岛　266108
摘　要　采用近红外光谱分析技术 , 对不同切面粗皮桉木材的微纤丝角进行快速预测研究。使用 X 射线衍
射仪测定了粗皮桉木材生长锥无疵小试样的微纤丝角 , 并用近红外光谱仪采集试样的近红外漫反射光谱 ,
对粗皮桉木材径切面和弦切面原始光谱进行二阶导数预处理并选择一定光谱段建立回归模型。以至少 159
个试样作为校正集建立木材微纤丝角的偏最小二乘法校正模型 , 使用交互验证法进行验证。结果表明 , 两个
切面粗皮按木材的微纤丝角与近红外光谱之间有较好的相关性。利用近红外光谱分析方法可以实现不同切
面粗皮桉木材无疵小试样微纤丝角的快速预测。
关键词　近红外光谱;粗皮桉木材;径切面/弦切面;微纤丝角
中图分类号:O657.3;S781.1　　文献标识码:A　　DOI:10.3964/ j.issn.1000-0593(2010)09-2355-05
　收稿日期:2010-01-10 , 修订日期:2010-04-20
　基金项目:国家林业局(948计划)引进项目(2006-4-96)资助
　作者简介:赵荣军 , 1966年生 , 中国林业科学研究院木材工业研究所副研究员　　e-mai l:rongjun@caf.ac.cn
＊通讯联系人　　e-mai l:renhq@caf.ac.cn
引　言
　　木材的微纤丝角(microfibril ang le , MFA)为细胞次生壁
S2 层微纤丝排列方向与细胞主轴所形成的夹角 , 是木材性质
中重要的物理量之一。微纤丝角不仅影响木材的干缩湿胀性
能 , 而且影响木材的力学性质 , 还直接关系到木材的机械 、
化学 、加工 、 利用及树木的改良和材质的预测 , 是评定木材
材质的重要因子。国内外学者在木材微纤丝角方面已经进行
了些许研究[ 1 ,2] 。传统测量微纤丝角的方法主要有:碘结晶
法 、偏光显微镜法 、 纹孔法等[ 3] 。这些测量方法样品准备繁
琐 , 测量速度慢 , 难以实现对大量样品快速测量 , 而且木材
是生物质材料 , 有较大的变异性 , 为得到具有代表性的平均
值 , 要求测定大量的试验样品。有鉴于此 , 人们尝试采用近
红外光谱法来快速预测木材的微纤丝角。
近红外光谱技术是一项新的无损检测技术 , 澳大利亚的
Schimleck 用近红外光谱技术对木材微纤丝角进行了研究 ,
结果表明 , 用近红外光谱建立的分析模型预测的微纤丝角和
以 X射线衍射为基础开发的 Silv iScan-2 测定的微纤丝角有
较好的相关性 , 决定系数分别为 0.2和 0.9[ 4 ,5] 。Jone s[ 6]等利
用近红外光谱技术对火炬松 MFA 进行了预测研究 , 发现通
过对近红外光谱进行不同的预处理 , MFA 实测值与近红外
预测值之间有很好的相关性 , 其预测模型的决定系数均达到
0.80 以上。江泽慧等在近红外光谱数据与 X 射线衍射仪测
定的微纤丝角之间建立相关模型。结果表明 , 二者之间具有
很好的相关性 , 其校正模型和预测模型的决定系数分别达到
0.867 和 0.816。但就木材不同切面的微纤丝角近红外光谱
预测研究在我国还未见报道。本文利用近红外光谱技术 , 分
别对弦切面和径切面粗皮桉木材无疵小试样的微纤丝角进行
了快速预测和相关性分析 , 以期为将来粗皮桉树种的定向培
育及其木材合理加工利用提供科学依据。
1　材料和方法
1.1　实验材料及样品准备
粗皮桉试材采集于广东遂溪县城月镇雷州林业局迈进林
场 , 选择 28 个家系各伐倒粗皮桉 1 株 , 从相同 28 个家系活
立木胸高 1.3 m 处沿南北向上下平行取 2 个直径 12 mm 的
生长锥木芯 , 一个用于测量微纤丝角 , 一个备用。
1.2　近红外仪器与光谱采集
仪器为美国 ASD 公司生产的 FieldSpec光谱仪 , 波长范
围为 350 ～ 2 500 nm。采用光纤探头采集样品表面的近红外
光谱 , 光谱空白校准采用商用聚四氟乙烯制成的白色材料 ,
照射光源用 DC 直流灯 , 在样品上方与样品成 60°夹角 , 并与
样品纵轴保持平行。在每个样品中央采集光谱。
1.3　微纤丝角
微纤丝角测定采用美国 Pana ly tical公司粉末 X 射线衍
射仪(X Per t Pr o)。
粗皮桉生长锥弦切面样品规格太小 , 无法直接粘贴到 X
射线衍射仪的旋转样品台上 , 需要制作小模具 , 首先将模具
固定在样品台上 , 再将生长锥样品粘贴到模具上进行测试。
生长锥径切面微纤丝角为初次尝试 , 由于仪器配置所限制 ,
所以必须手动进样。光斑大小为 2 mm×2 mm , 参考边材年
轮宽度较窄 , 心材较宽的特点 , 径切面上样点的选取 , 按照
边材每隔 2 mm , 心材每隔 5 mm , 过渡区间隔 3 mm , 测试时
将每一个测试点位于旋转样品台的中间测试。利用 X射线衍
射法 , 从(002)面衍射强度曲线采用 0.6 T [ 7]法即二阶导数法
计算微纤丝角 , 求得平均微纤丝角。
1.4　近红外光谱分析木材微纤丝角的一般步骤
用近红外光谱技术分析木材性质前必须建立相应的数学
模型 , 数学模型的建立主要包括以下几个步骤。
1.4.1　建立近红外光谱数据库
为了全面收集近红外光谱分析样品的复杂背景 , 需要大
量收集近红外光谱分析样品 , 并在规范条件下测定这些样品
的近红外光谱。样品光谱应当区分样品种类 、 样品产地 、 样
品状态(固体或者粉末)、 样品表面状态 , 并用高精度 、 高分
辨率的仪器在规范一致的条件下 , 用尽可能宽的谱区扫描样
品 , 本实验采用 ASD开发的 Indico 数据采集软件。
图 1 为微纤丝角分别为 10.0°, 12.2°, 14.3°, 16.2°,
19.5°, 21.7°, 25.9°和 32.8°粗皮桉木材样品的近红外原始光
谱图。在 1 000～ 2 200 nm 波段 , 吸光度最大的是 32.8°的样
品 , 最小的是 29.5°的样品。从光谱图中可以看出 , 不同微纤
丝角度的粗皮桉木材样品的近红外光谱比较复杂 , 它们的光
谱曲线形状类似 , 只是吸光度值有所差别。
1.4.2　选择有代表性的样品
根据待测样品的可知因子参数如:不同种源 、 家系 、 产
地 、材料状态等及化学计量学软件选择有代表性的样品。通
过代表性样品的选择可以使图谱库样品的海量信息压缩上百
倍。到底挑选多少有代表性的样品来建模才算最好 , 不能一
概而论 , 要根据建模对象的复杂程度而具体问题具体分析 ,
但对于大多数生物材料一般来说所挑选的建模样品数应不少
于 50 个较好[ 8] 。
Fig.1　NIR dif fuse reflectance spectra of
E.pellita wood samples
1.4.3　近红外光谱预处理
弱信号的恢复主要是降低噪声与消除系统误差 , 采用的
主要方法是对光谱数据进行预处理 , 比如平滑处理 、 基线校
正 、 标准化处理 、求导处理等。数据或者信号的平滑是消除
小方差 、 保留大方差的常用处理方法之一;基线校正主要是
扣除背景或漂移信号的影响 , 把光谱曲线的最低点定义为零
点 , 其余变量值按照线性关系进行变换;标准化处理可用来
校正样品间因散射而引起的光谱误差;导数处理有一阶和二
阶导数处理 , 二次求导可以显示整个光谱变化率的变化 , 可
以帮助找出吸收峰的准确位置。本文近红外光谱预处理选择
导数处理中二次求导方法。
1.4.4　近红外光谱建模区间的选择
对于波长连续的近红外光谱 , 为了保证对样品光谱的分
辨 , 光谱的数据一般有数百到数千个数据点 , 单谱曲中各个
数据点包含的信息是不同的 , 为了压缩光谱数据可以运用算
法在全光谱中选择部分谱区用于建立数学模型。光谱区间的
选择也是对光谱数据集压缩的一种方法。分析谱区过宽会增
加无效信息 , 降低有效信息率;分析谱区过窄 , 则可能丢掉
有效信息 , 降低数学分析模型的准确度。其实质就是通过对
光谱数据集的压缩选择部分有效信息量高的建模谱区 , 减少
直接用于建立数学模型的光谱数据点 , 提高建模光谱数据的
有效信息率。
采用全光谱(350～ 2 500 nm)建模时 , 计算工作量较大。
为了确定相关性较大的光谱区域 , 可以将样品性质数据与光
谱数据进行关联 , 求出相关系数 , 得到相关系数与波长的相
关关系图(图 2), 以确定建模时要选择的波长范围。
Fig.2　Regression Coef ficient between NIR spectra
and the lab-determined MFA
　　由表 1和 2 可以看出 , 采用不同波段范围建立的数学模
型预测效果有明显的差异。从相关系数和预测标准误差来
看 , 采用 350～ 2 500 nm 全波段建立的模型效果最好。对于
弦切面 MFA 的部分光谱波段建立的分析模型效果差异不
大;而对于径切面 MFA , 在波段为 1 500～ 2 500 nm 时建立
的分析模型与其他区间相比效果较好 , 预测模型相关系数为
0.91。因此 , 使用近红外光谱方法预测不同切面木材微纤丝
角时光谱波段建议选择 350～ 2 500 nm。
1.4.5　近红外光谱分析数学模型的试建与验证
经过光谱数据预处理及建模区间选择后 , 可以采用某一
算法来关联光谱和待测木材性质 , 建立数学模型。最常见的
多元校正方法有多元线性回归(mutivariate linear r egr ession ,
M LR)、主成分回归(principal components reg ression , PCR)、
偏最小二乘法(pa rtial least-squa res , PLS)等 。本文利用 The
2356 光谱学与光谱分析　　　　　　　　　　　　　　　　　　　 第 30 卷
Unscramble r 9.2 计量化学软件中的偏最小二乘法对数据进
行分析和处理。
Table 1　MFA calibration and predict ion results
of E. pe llita in tangential section
类型
波长/ nm
全波段Ⅰ
350 ～ 2 500
波段Ⅱ
350 ～ 1 000
波段Ⅲ
1 000 ～ 1 500
波段Ⅳ
1 500 ～ 2 500
相关系数 r 0.93① ,
0.91②
0.86① ,
0.81②
0.84① ,
0.81②
0.85① ,
0.82②
校正标准误差SEC 1.21 1.70 1.84 1.77
预测标准误差 SEP 1.37 1.96 2.00 1.93
最佳主成分数PC 7 9 5 5
Table 2　MFA calibration and predict ion results
of E. pe llita in radial section
类型
波长/ nm
全波段Ⅰ
350 ～ 2 500
波段Ⅱ
350 ～ 1 000
波段Ⅲ
1 000 ～ 1 500
波段Ⅳ
1 500 ～ 2 500
相关系数 r 0.94①
0.92②
0.82①
0.78②
0.87①
0.84②
0.93①
0.91②
校正标准误差SEC 1.25 2.08 1.83 1.36
预测标准误差 SEP 1.44 2.32 1.99 1.56
最佳主成分数PC 8〗 8 6 8
　注:①为校正模型的相关系数;②为预测模型的相关系数
　　模型的验证采用完全交互验证法 , 这种方法通过用校正
集本身的数据去模拟未知样品集的数据 , 以此评价模型的实
际预测能力。目前常采用内部交叉留一法计算各主成分数对
应的预测残差平方和(PRESS)值。在建模时采用不同的主成
分数 , 便可计算出不同的 PRESS , 通过绘图得到主成分数与
PRESS 值之间的关系。一般主成分数从 0 开始 , 随着数目的
增加 , PRESS 值成递减趋势。当 PRESS 值达到最低点而后
又开始上升 , 说明在这点之后加入的主成分是与被测组分无
关的噪音成分的主成分 , 将降低模型的预测能力。
1.4.6　数学模型的优化
选择 PLS 算法 , 采用完全交互验证 , 建立校正和预测模
型。同时综合考虑预处理算法 、 波长区间 、 主成分数(PC),
考察相关系数(r)、 校正标准误差(standa rd err or of calibr a-
tion , SEC)、 预测标准误差(standard er ro r o f prediction ,
S EP)等 , 对模型进行反复训练和优化 , 最终选择相关系数
高 、校正标准误差和预测标准误差低的数学模型。
2　结果分析
2.1　粗皮桉木材不同切面近红外光谱特征
　　图 3是同一个粗皮桉试样两个切面的近红外光谱图。由
图中可以看出 , 木材两个切面的近红外光谱具有明显的差
异。在径切面上 , 可以充分反应早晚材信息 , 因此要比弦切
面信息略强。
2.2　根据不同切面采集的近红外光谱分别建立分析模型
参照建立数学模型的一般步骤 , 从原始数据中挑选出
159 和 169 个代表性样品分别用于弦切面和径切面建模 , 并
对从木材不同侧面采集的近红外光谱数据采用同样的 25 点
平滑和二阶导数预处理方法;结合偏最小二乘法(PLS1), 在
全波段范围内建立了不同侧面的粗皮桉木材微纤丝角校正模
型和预测模型 , 采用完全交互验证法对模型结果进行验证和
评价 , 如图 4 和图5 所示。图中 1 为样品的得分(sco re), 2 为
不同波长的相关关系图 , 3 为主成分与预测残差平方和的相
关关系图 , 4 为校正模型和验证模型实测值与预测值的散点
图。
Fig.3　NIR dif fuse reflectance spectra of E. pe llita s
samples from radial and tangential sections
　　比较不同侧面模型的预测结果发现 , 径切面和弦切面预
测效果相差不大 , 预测相关系数相同 , 而径切面的模型预测
标准误差略大于弦切面。这与 Schimleck 等[ 9] 得出的弦切面
微纤丝角分析模型的预测误差高于径切面微纤丝角分析模型
的结果相反。分析原因 , 应与径切面微纤丝角度的测定采用
SilviScan , 该方法可以实现 0.2 ～ 10 mm 范围内的分辨率 ,
当与近红外光谱关联建立模型时 , 径切面微纤丝角原始值是
一个平均值 , 因此得出的微纤丝角应是一个比弦切面微纤丝
角内容更丰富的综合值 。
Table 3　MFA calibration and prediction results of E.pellita
模型类别 评价指标 径切面 弦切面
校正模型 相关系数 r 0.94 0.94
校正均方根误差 RMSEC 1.25 1.17
校正标准误差 SEC 1.25 1.17
预测模型 相关系数 r 0.92 0.92
预测均方根误差 RMSEP 1.43 1.32
预测标准误差 SEP 1.44 1.33
3　结　论
　　木材微纤丝角是木材性质中重要的物理量之一 , 国内学
者使用 X射线衍射仪测试木材微纤丝角通常选取弦切面 , 若
测试树木生长锥试样弦切面时 , 制样损失大 , 进取样速度
慢。本文尝试测试木材径切面微纤丝角 , 利用近红外光谱技
术对不同切面粗皮桉木材生长锥小试样的微纤丝角进行预测
研究 , 并重点探讨了粗皮桉木材径切面和弦切面微纤丝角对
分析模型预测的可行性 。
2357第 9 期　　　　　　　　　　　　　　　　　　　　光谱学与光谱分析
Fig.4　MFA model of E.pellita in radial section
Fig.5　MFA model of E.pellita in tangential section
　　分析认为 , 利用近红外光谱技术可实现对粗皮桉木材径
切面和弦切面微纤丝角的快速预测 , 预测相关系数均能达到
0.92 , 径切面预测模型的标准误差略大于弦切面。此外 , 本
文受实验原始数据范围所限 , 使得微纤丝角度大于 20°的原
始数据参与建模数量较少 , 因此两切面微纤丝角分析模型对
20°以上预测效果较差 , 这是模型的局限性 , 有必要扩大样本
集范围 , 建议开展多种阔叶树木材微纤丝角的近红外光谱预
测研究 , 建立混合树种预测模型 , 提高模型的实用性 , 实现
较宽范围木材微纤丝角的快速准确预测。
2358 光谱学与光谱分析　　　　　　　　　　　　　　　　　　　 第 30 卷
参 考 文 献
[ 1] 　RUAN Xi-gen , YU Guan-xia(阮锡根 , 余观夏).Wood Physic(木材物理学).Beijing:C hinese Fo rest ry Publi shing House(北京:中国林业
出版社), 2005.
[ 2] 　S chim leck L R , Evans R , Matheson A C.Journal of Wood Science , 2002 , 48(2):132.
[ 3] 　F U Xiang-xiang , YANG Wen-zhong , FANG Sheng-zuo(洑香香 , 杨文忠 , 方升佐).Journal of Nanjing Forest ry Universi ty(Natu ral Sci-
ences Edi tion)(南京林业大学学报·自然科学版).2002, 26(6):83.
[ 4] 　S chim leck L R , Evans R.IAWA Jou rnal , 2002 , 23(3):225.
[ 5] 　S chim leck L R , Dow nes G M , Evans R.Appita Jou rnal , 2000 , 59(2):136.
[ 6] 　J ones P D , S chim leck L R , Peter G F , et al.Canadian Journal of Fores t Research , 2005 , 35(10):2423.
[ 7] 　LI Jian(李　坚).Wood Spectros copy(木材波谱学).Bei jing:S cience Press(北京:科学出版社), 2003.31.
[ 8] 　YAN Yan-lu(严衍禄).Near In frared Spect roscopy Analy sis and Applicat ion(近红外光谱分析基础与应用).Beijing:C hina Ligh t Indu st ry
P ress(北京:中国轻工业出版社), 2005.121.
[ 9] 　S chim leck L R , Su ssenbach E , Leaf G.IAWA Jou rnal , 2007 , 28(1):1.
Microfibril Angle Prediction of Eucalyptus pellita Wood Samples Based
on Radial and Tangential Section by Near Infrared Spectroscopy
ZHAO Rong- jun1 , ZHANG Li2 , HUO Xiao-mei1 , REN H ai-qing 1＊
1.Resea rch Institute of Wood Industry , Chinese Academy of For estry , Beijing　100091 , China
2.Fo rtune Wooden Products Co., L td., Qingdao　266108 , China
Abstract　Near infrared spect roscopy(NIR)technique was applied to predict wood microfibril ang le(MFA)o f euca ly ptus pellita
in radial / tangential sec tion.The MFA of small clea r increment co re samples were measured by X-ray diffractome try.Af te r co l-
lecting the near infrared reflectance spectr a o f each sample , the N IR spectra we re prepro ce ssed with the second-deriva tive and the
reg ression models w ere built fo r cer tain spect ra.The calibration models were established using at least 159 samples with the par-
tial least squa res me thod and va lidated with full cr oss va lidation method.The results show ed that high co rre lation coefficients
were obtained betw een the labo rato ry-determined data and N IR fitted data.The finding sugge sts tha t an N IR instrument could be
calibra ted to estimate the limited M FA range of the increment co re sample s of eucalyptus pellita in radial/ tangential section r ap-
idly.Fur ther w o rk is required using diffe rent species wood sample sets that display a wide range of M FA variation.
Keywords　Near infr ared(NIR)spectro scopy;Wood of eucalyptus pellita ;Radial/ tangential section;Micro fibril angle
(Received Jan.10 , 2010;accepted Apr.20 , 2010)　　
＊Co rr esponding author
2359第 9 期　　　　　　　　　　　　　　　　　　　　光谱学与光谱分析