全 文 ：第３１卷，第１１期　 　　　　　　　　　　　光 谱 学 与 光 谱 分 析 Ｖｏｌ．３１，Ｎｏ．１１，ｐｐ２９４８－２９５１
２　０　１　１年１　１月　　　　　　　　　　　 　Ｓｐｅｃｔｒｏｓｃｏｐｙ　ａｎｄ　Ｓｐｅｃｔｒａｌ　Ａｎａｌｙｓｉｓ　 Ｎｏｖｅｍｂｅｒ，２０１１ 　
近红外光谱法预测粗皮桉木材气干密度的影响因素分析
赵荣军，霍小梅，上官蔚蔚，王玉荣＊
中国林业科学研究院木材工业研究所，北京　１０００９１
摘　要　采用近红外光谱分析技术，对粗皮桉木材气干密度校正模型的影响因素进行比较研究。使用直接
测量法测量了粗皮桉木材的气干密度，并用近红外光谱仪采集试样的近红外漫反射光谱，对不同切面、厚
度、含水率和粗糙度的粗皮桉木材试样的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５０～１４０个试样作为校正集建立木材气干密度的偏最小二乘法校正模型，使用外部验证法进行验证。结
果表明，试样切面、厚度、粗糙度和含水率对粗皮按木材气干密度的预测结果均有影响，其中分别是选取试
样横切面、厚度为２～５ｍｍ、含水率为１２％和粗糙度较细致时的木材试样所建立的各个近红外光谱预测模
型效果最好。
关键词　近红外光谱；粗皮桉木材；气干密度；影响因素
中图分类号：Ｏ６５７．３；Ｓ７８１．３　　文献标识码：Ａ　　ＤＯＩ：１０．３９６４／ｊ．ｉｓｓｎ．１０００－０５９３（２０１１）１１－２９４８－０４
　收稿日期：２０１１－０６－２８，修订日期：２０１１－０９－２０
　基金项目：中国林业科学研究院基本科研业务费专项项目（ＣＡＦＹＢＢ２００８００８）和国家自然科学基金重点项目（３０７３００７６）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－ｍａｉｌ：ｒｏｎｇｊｕｎ＠ｃａｆ．ａｃ．ｃｎ
＊通讯联系人　　ｅ－ｍａｉｌ：ｙｕｒｗａｎｇ＠ｃａｆ．ａｃ．ｃｎ
引　言
　　近红外光谱技术以其快速、无损、操作简便、绿色环保
等众多优点被应用于针叶材密度等材性快速预测研究［１－４］。
然而，由于近红外漫反射光谱是经过多次反射、折射并吸收
返回木材试样表面的光，通常利用这些光谱吸收值与木材性
质的真值进行回归分析，建立预测模型，预测结果的准确性
会因为样品种类、样品表面状况等因素而影响预测效果［５－８］，
因此近红外光谱的木材性质预测的实际应用研究就受到限
制［９］。尤其阔叶材，与针叶材相比，种类多，结构复杂多变，
木材性质差异大，导致阔叶材的近红外光谱有别于针叶树
材，光谱信息会更为复杂。有鉴于此，应针对不同阔叶树种
建立预测模型，同时考虑到各种影响因素，在利用近红外光
谱方法预测同一树种木材气干密度时，基于木材不同切面、
含水率、表面粗糙度等因素进行近红外光谱方面的研究非常
必要。而目前基于多种影响因素研究木材性质近红外光谱预
测模型的研究报道较少。本文主要考察了阔叶材粗皮桉木材
试样切面、厚度、表面粗糙度、含水率对近红外光谱预测粗
皮桉木材气干密度的影响，为将来应用近红外光谱技术开展
粗皮桉木材性质预测研究时提供借鉴。
１　实验部分
１．１　材料
试验材料采自广东遂溪县城月镇雷州林业局迈进林场。
按照测试项目的不同，试样尺寸规格有所不同。不同切面的
试样尺寸规格为：２０ｍｍ（Ｒ）×２０ｍｍ（Ｔ）×２０ｍｍ（Ｌ），试样
数量为２１０个；不同厚度试样规格为：２０ｍｍ（Ｒ）×２０ｍｍ
（Ｔ）×２０ｍｍ（Ｌ），２０ｍｍ（Ｒ）×２０ｍｍ（Ｔ）×１０ｍｍ（Ｌ），２０
ｍｍ（Ｒ）×２０ｍｍ（Ｔ）×５ｍｍ（Ｌ），２０ｍｍ（Ｒ）×２０ｍｍ（Ｔ）×２
ｍｍ（Ｌ），试样数量均为２１０个；不同含水率 试样规格为：１０
ｍｍ（Ｒ）×１０ｍｍ（Ｌ）×１０ｍｍ（Ｔ），试样数量为２１０个；不同
粗糙度试样规格：２０ｍｍ（Ｒ）×２０ｍｍ（Ｔ）×１０ｍｍ（Ｌ），试样
数量为７５个。
１．２　仪器
美国ＡＳＤ公司生产的ＬａｂＳｐｅｃ　Ｐｒｏ近红外光谱仪，恒温
恒湿试验箱，天平。
１．３　ＮＩＲ光谱采集及数据分析
近红外光谱仪的波长范围为３５０～２　５００ｎｍ。详细扫谱
步骤见文献。在试验过程中，实验室内温度和相对湿度稳
定。
１．４　气干密度
粗皮桉木材气干密度是按照国家标准《木材物理力学性
质试验方法》（ＧＢ１９３３—２００９）进行测定。气干密度是先在试
样三个切面的相对中心位置，分别测出弦向、径向和纵向方
向尺寸，计算并得到试样体积；其次用天平称取试样重量；
最终计算试样气干密度值。
２　结果与讨论
２．１　试样切面对近红外光谱预测木材气干密度的影响
基于木材的生物结构和天然属性，它是由不同种类（如
导管、木纤维、木射线、轴向薄壁细胞等）、不同大小、不同
形状、不同排列和比例的细胞所组成的有机复合体材料。木
材的解剖构造特征与主要组成成分的信息在三个切面上有不
同体现。横切面是与树干主轴（或木材纹理）垂直的切面，反
映了木材的心边材、生长轮、早晚材、厚壁与薄壁组织等信
息；弦切面是与木材纹理或生长轮正切、与木射线垂直的切
面；径切面是与木材纹理平行，与木材射线平行的切面，实
际上，径切面是弦切面通过髓心的一个特殊的切面，主要反
映心材和边材、生长轮、木射线等信息［１０，１１］。因为木材三个
切面细胞构造与组成成分的不同，导致了近红外吸收光谱吸
收峰值有所不同，进而影响了近红外方法对粗皮桉木材气干
密度模型的预测结果。
采用近红外漫反射光谱法对粗皮桉木材三个切面采集光
谱，如图１所示。从图中可以看出，粗皮桉木材横切面的近
红外光谱吸收峰最高，信息最强，而径切面和弦切面的近红
外光谱吸收峰较低，光谱信息相对较弱。近红外漫反射光谱
在横切面上主要反映了粗皮桉木材导管、纤维、木射线等细
胞的细胞壁、细胞腔、早晚材以及主要化学组分的各种信
息，而在径切面或弦切面上，这种信息相比横切面来说较
弱，甚至有可能出现仅仅反映细胞壁，或者全部是早材、晚
材或者是早晚材中间过渡处的信息，因此信息较弱［１３］。
Ｆｉｇ．１　ＮＩＲ　ｓｐｅｃｔｒａ　ｏｆ　ｗｏｏｄ　ｄｉｆｆｅｒｅｎｔ　ｓｅｃｔｉｏｎｓ　ｉｎ　Ｅ．ｐｅｌｌｉｔａ
　　通过对粗皮桉木材近红外光谱吸收峰值进行导数预处
理，并使用偏最小二乘法，在波长范围为３５０～２　５００ｎｍ的
近红外光谱区域，建立粗皮桉木材三个切面的气干密度近红
外光谱校正模型，结果见表１。
　　由表１可知，试样横切面近红外光谱气干密度校正模型
的相关系数最高，为０．９０，校正标准误差最低，为０．０３６。分
析认为，在解剖构造上，木材气干密度主要与木材细胞胞壁
率、晚材率、孔隙率、木材组织比率等相关，这些组成信息
集中体现在木材的横切面上，所以近红外光谱吸收峰最高，
预测效果最好；而径切面和弦切面上这些细胞的组成信息相
对不明显，使得近红外光谱信息相对较弱，预测结果也稍
差。同时，将三个切面的近红外光谱值进行平均，用此平均
值与粗皮桉木材气干密度建立的模型预测效果也较好。因此
建议，在进行近红外光谱木材性质预测时，采集的三个切面
近红外光谱会全面反映木材的细胞组成信息，但比较费时，
研究者可以根据自己的研究目的，选择试样的横切面、纵切
面或三个切面来采集光谱以建立理想的预测模型。
Ｔａｂｌｅ　１　Ａｉｒ－ｄｒｙ　ｄｅｎｓｉｔｙ　ｃａｌｉｂｒａｔｉｏｎ　ｏｆ　ｗｏｏｄ
ｄｉｆｆｅｒｅｎｔ　ｓｅｃｔｉｏｎｓ　ｉｎ　Ｅ．ｐｅｌｌｉｔａ
模型 评价指标 横切面 径切面 弦切面 三个切面
校正模型
Ｒ
ＳＥＣ
０．９０
０．０３６
０．８８
０．０３９
０．８７
０．０４０
０．８９
０．０３７
２．２　试样厚度对近红外光谱预测木材气干密度的影响
按照我国国家标准木材无疵小试样气干密度的尺寸、依
据近红外漫反射光谱穿透原理和上述研究结果，本节探讨试
样厚度对粗皮桉木材气干密度近红外光谱预测模型的影响。
在横切面采集光谱，选取２０，１０，５和２ｍｍ厚的木材试样，
分析不同厚度对粗皮桉木材气干密度分析模型预测结果的影
响，详见表２。
Ｔａｂｌｅ　２　Ａｉｒ－ｄｒｙ　ｄｅｎｓｉｔｙ　ｃａｌｉｂｒａｔｉｏｎ　ａｎｄ　ｖａｌｉｄａｔｉｏｎ　ｓｅｔ　ｏｆ
ｄｉｆｆｅｒｅｎｔ　ｔｈｉｃｋｎｅｓｓ　ｓａｍｐｌｅｓ　ｆｏｒ　Ｅ．ｐｅｌｌｉｔａ　ｗｏｏｄ
模型 评价指标
厚度／ｍｍ
２０　 １０　 ５　 ２
校正模型
Ｒ
ＳＥＣ
０．９２
０．０２９
０．９３
０．０２８
０．９８
０．０１７
０．９８
０．０１７
预测模型
Ｒ
ＳＥＰ
ＲＰＤ
０．９１
０．０３１
２．４２
０．９１
０．０３１
２．４５
０．９５
０．０２４
３．１１
０．９５
０．０２６
３．２１
　　由表２可知，利用近红外光谱方法预测粗皮桉木材无疵
小试样气干密度时，２ｍｍ厚和５ｍｍ厚的木材试样建立的
校正模型相关系数为０．９８，而预测模型的相关系数为０．９５。
１０和２０ｍｍ厚木材试样的校正模型和预测模型的相关系数
相比较小，标准偏差又较高。从相对分析误差（ＲＰＤ）来看，２
和５ｍｍ厚的木材试样的校正与预测模型相对分析误差均大
于３，而１０和２０ｍｍ 厚木材试样模型的 ＲＰＤ 也都大于
２．４０，单从这一个指标来说，试样厚度对粗皮桉木材气干密
度值的预测模型影响不明显，但是试样厚度会影响其预测结
果。分析认为近红外光谱可以穿透２～５ｍｍ厚的木材试样，
试样厚度越薄，在上下两个横切面的差异越小，近红外光谱
吸收信息愈全面，愈能真实反映整个木材试样的密度信息，
因此厚度为２和５ｍｍ的粗皮桉木材试样的预测模型均较
好。
２．３　粗糙度对近红外光谱预测木材气干密度的影响
经过刨切或砂磨后，由于细胞裸露在切面上，木材表面
变得不很光滑。因此木材组织的构造与排列赋予木材表面以
粗糙度［１２］。通常，木质材料的粗糙度是由木材表面的解剖构
９４９２第１１期　　　　　　　　　　　　　　　　　　　　光谱学与光谱分析
造所决定的，如早晚材、导管与纤维细胞的大小与分布类
型、交错纹理等；同时刨削、砂磨等加工过程在很大程度上
也会影响木材表面的粗糙度。在分析近红外光谱方法预测粗
皮桉木材气干密度的诸多因素中，试样表面粗糙度是其中一
个重要影响因素。木材表面的粗糙度会影响近红外光谱对材
料的反射和吸收，进而影响近红外光谱吸收值。该文以粗皮
桉木材横切面试样粗糙度为变化因子，探讨木材不同表面粗
糙度对近红外光谱预测粗皮桉木材气干密度的影响。
选用三种不同锯齿密度的锯片加工粗皮桉木材密度试样
的横切面，将加工的表面粗糙度标记为三个等级，分别为粗
糙度Ⅰ（粗糙度较小／光滑）、粗糙度Ⅱ（粗糙度中等）和粗糙
度Ⅲ（粗糙度较大）三个等级。
Ｆｉｇ．２　ＮＩＲ　ｓｐｅｃｔｒａ　ｏｆ　ｄｉｆｆｅｒｅｎｔ　ｒｏｕｇｈｎｅｓｓ　ｓａｍｐｌｅｓ
　　图２是三种粗糙度条件下的粗皮桉木材横切面试样近红
外光谱图，从图中可以看出，粗糙度不同，试样的近红外光
谱吸光度也不同，其中粗糙度Ⅰ试样的吸光度最大，而主要
吸收光谱区吸光度差异不明显。
Ｔａｂｌｅ　３　Ａｉｒ－ｄｒｙ　ｄｅｎｓｉｔｙ　ｃａｌｉｂｒａｔｉｏｎ　ａｎｄ　ｖａｌｉｄａｔｉｏｎ　ｓｅｔ　ｏｆ
ｄｉｆｆｅｒｅｎｔ　ｒｏｕｇｈｎｅｓｓ　ｓａｍｐｌｅｓ　ｆｏｒ　Ｅ．ｐｅｌｌｉｔａ　ｗｏｏｄ
模型 评价指标
粗糙度
Ⅰ Ⅱ Ⅲ
校正模型
Ｒ
ＳＥＣ
０．９６
０．０１０
０．９２
０．０１６
０．８４
０．０２０
预测模型
Ｒ
ＳＥＰ
０．８９
０．０１７
０．８６
０．０２２
０．８２
０．０２１
　　根据实验测得粗皮桉木材气干密度值，结合试样横切面
的近红外光谱数据，建立校正模型和预测模型，见表３。由
表中可知，粗糙度为Ⅰ的粗皮桉木材试样校正模型和预测模
型的的相关系数均最高，分别是０．９６和０．８９，而校正模型
和预测模型的标准偏差 ＳＥＣ 均最低，分别为 ０．０１０ 和
０．０１７。结果说明表面光滑时木材试样建立的近红外分析模
型效果最好，分析认为试样不同表面粗糙度所建立的模型效
果存在一定差异，在进行近红外预测模型研究时，应尽量控
制试样表面粗糙度基本一致，尽可能减小因试样表面粗糙质
量而影响分析模型的精度。
２．４　含水率对近红外光谱预测木材气干密度的影响
由于含 Ｈ—Ｏ键的水分在近红外光谱区有较强的光谱
吸收，而木材在气干状态含水率在６％～１５％左右，因为水
分的存在使得木材试样在近红外光谱区域的吸收峰形状发生
改变，进而对近红外光谱产生影响［１３］。通常，气干木材中的
水分会随着周围环境相对湿度的变化而变化，因此在利用近
红外光谱分析木材性质时需要考虑水分对模型分析结果的影
响。
木材中的水分是用含水率来表示，本文选取含水率为
０％，１２％，２０％和１００％四种不同含水率的木材试样作为主
要研究材料。为了试样易于吸收或解吸水分，试样采用非标
准规格尺寸，按照国家标准（ＧＢ１９３３－２００９）方法测试试样含
水率，同时调节试样至所需的含水率。采集试样三个切面的
近红外光谱（图３），建立预测模型，结果见表４。
Ｆｉｇ．３　ＮＩＲ　ｓｐｅｃｔｒａ　ｏｆ　ｄｉｆｆｅｒｅｎｔ　ｍｏｉｓｔｕｒｅ　ｃｏｎｔｅｎｔ　ｓａｍｐｌｅｓ
　　由图３可以明显看出，木材不同含水率试样的近红外光
谱吸光度明显不同，随着试样含水率增加，近红外区域的光
谱吸收也相应增大，尤其是当粗皮桉木材试样处于饱水状态
（含水率为１００％）时，其光谱吸光度值最高。
Ｔａｂｌｅ　４　Ａｉｒ－ｄｒｙ　ｄｅｎｓｉｔｙ　ｃａｌｉｂｒａｔｉｏｎ　ａｎｄ　ｖａｌｉｄａｔｉｏｎ　ｓｅｔ　ｏｆ　ｄｉｆ－
ｆｅｒｅｎｔ　ｍｏｉｓｔｕｒｅ　ｃｏｎｔｅｎｔ　ｓａｍｐｌｅｓ　ｆｏｒ　Ｅ．ｐｅｌｌｉｔａ　ｗｏｏｄ
模型 评价指标
含水率
０％ １２％ ２０％ １００％
校正模型
Ｒ
ＳＥＣ
０．８９
０．０３１
０．９２
０．０２８
０．８７
０．０３４
０．６９
０．０５１
预测模型
Ｒ
ＳＥＰ
ＲＰＤ
０．８５
０．０３７
１．８７
０．８８
０．０３３
２．１０
０．８２
０．０３９
１．７３
０．６４
０．０５５
１．２９
　　由表４可知，四种不同含水率条件下的粗皮桉木材气干
密度校正模型相关系数变化范围在０．６９～０．９２之间，预测
模型的相关系数在０．６４～０．８８区间变化，其中含水率为
１２％时试样的校正模型和预测模型的相关系数最高，标准偏
差最小，而相对分析误差最大，说明在这一含水率条件下模
型的预测效果最好。而含水率等于或大于２０％以上时，预测
模型效果较差。由此可见，利用近红外光谱技术预测木材气
干密度时，水分是不容忽视的重要影响因素。
３　结　论
　　（１）试样三个不同切面条件下建立粗皮桉木材气干密度
分析模型，其中横切面近红外光谱信息最强，径切面和弦切
面的信息相对较弱，在建立的具有不同近红外光谱信息的三
个切面的气干密度校正模型中，横切面相关系数最高０．９０，
０５９２ 光谱学与光谱分析　　　　　　　　　　　　　　　　　　　 第３１卷
校正标准偏差最低０．０３６，建模效果最好。
（２）四种不同厚度密度试样建立粗皮桉木材气干密度分
析模型，效果均较好，相对分析误差均大于２．４，表明这几种
厚度试样均可以很好预测粗皮桉木材的气干密度，其中２
ｍｍ和５ｍｍ厚试样的模型效果均很好，其校正模型相关系
数为０．９８，预测模型相关系数为０．９５，相对分析误差都大于
３．０，表明试样厚度会影响粗皮桉木材气干密度模型的预测
精度。
（３）三种不同表面粗糙度条件下建立粗皮桉木材气干密
度分析模型，预测效果存在一定的差异，其中表面粗糙度光
滑时试样的校正模型的相关系数为０．９６，预测模型的相关系
数为０．８９，均最高；而校正模型和预测模型的标准偏差分别
是０．０１０和０．０１７，均最小，此时模型预测效果最好。说明建
模时尽量保持试样表面粗糙度光滑并且基本一致，进而避免
因试样表面粗糙质量而影响预测结果。
（４）四种不同含水率条件下试样的近红外光谱吸光度明
显不同，所建立粗皮桉木材气干密度分析模型效果也不近相
同，其中含水率为１２％时校正模型和预测模型的相关系数最
高，分别是 ０．９２和 ０．８８，而标准偏差分别为 ０．０２８ 和
０．０３３，预测模型的相对分析误差为２．１。表明利用近红外光
谱方法进行木材气干密度预测研究时，木材水分是重要的影
响因素之一，试样含水率为１２％时模型的预测效果最好。
Ｒｅｆｅｒｅｎｃｅｓ
［１］　Ｓｃｈｉｍｌｅｃｋ　Ｌ　Ｒ，Ｓｔｕｒｚｅｎｂｅｃｈｅｒ　Ｒ，Ｍｏｒａ　Ｃ，ｅｔ　ａｌ．Ｈｏｌｚｆｏｒｓｃｈｕｎｇ，２００５，５９（２）：２１４．
［２］　Ｓｃｈｉｍｌｅｃｋ　Ｌ　Ｒ，Ｍｏｒａ　Ｃ，Ｄａｎｉｅｌｓ　Ｒ　Ｆ．Ｃａｎａｄｉａｎ　Ｊｏｕｒｎａｌ　ｏｆ　Ｆｏｒｅｓｔ　Ｒｅｓｅａｒｃｈ，２００３，３３（１２）：２２９７．
［３］　Ｈｏｆｆｍｅｙｅｒ　Ｐ，Ｐｅｄｅｒｓｅｎ　Ｊ　Ｇ．Ｈｏｌｚ　ａｌｓ　Ｒｏｈ－ｕｎｄ　Ｗｅｒｋｓｔｏｆｆ，１９９５，５３：１６５．
［４］　ＷＡＮＧ　Ｘｉａｏ－ｘｕ，ＨＵＡＮＧ　Ａｎ－ｍｉｎ，ＹＡＮＧ　Ｚｈｏｎｇ，ｅｔ　ａｌ（王晓旭，黄安民，杨　忠，等）．Ｓｐｅｃｔｒｏｓｃｏｐｙ　ａｎｄ　Ｓｐｅｃｔｒａｌ　Ａｎａｌｙｓｉｓ（光谱学与光
谱分析），２０１１，３１（４）：９７５．
［５］　Ｍａｒｃｏ　Ｆ，Ｌｅｏｎａｒｄｏ　Ｍ，Ｖａｌｅｎｔｉｎａ　Ｑ．Ｃａｎａｄｉａｎ　Ｓｏｃｉｅｔｙ　ｆｏｒ　Ｅｘｅｒｃｉｓｅ　Ｐｈｙｓｉｏｌｏｇｙ，２００４，２９（４）：４６３．
［６］　Ｘｕ　Ｑｉｎｇｈｕａ，Ｑｉｎ　Ｍｅｎｇｈｕａ，Ｎｉ　Ｙｏｎｇｈａｏ，ｅｔ　ａｌ．Ｃａｎａｄｉａｎ　Ｊｏｕｒｎａｌ　ｏｆ　ｆｏｒｅｓｔ　Ｒｅｓｅａｒｃｈ，２０１１，４１（２）：３５２．
［７］　Ｈｅｉｎ　Ｐ　Ｒ　Ｇ，Ｌｉｍａ　Ｊ　Ｔ，Ｃｈａｉｘ　Ｇ．Ｊｏｕｒｎａｌ　ｏｆ　Ｎｅａｒ　Ｉｎｆｒａｒｅｄ　Ｓｐｅｃｔｒｏｓｃｏｐｙ，２００９，１７（３）：１４１．
［８］　Ｌａｕｒｅｎｃｅ　Ｒ　Ｓ，Ｒｅｉｎｈａｒｄ　Ｓ，Ｃｈｒｉｓｔｉａｎ　Ｍ，ｅｔ　ａｌ．Ｈｏｌｚｆｏｒｓｃｈｕｎｇ，５９（２）：２１４．
［９］　Ｓｉｅｓｌｅｒ　Ｈ　Ｗ．Ｎｅａｒ－Ｉｎｆｒａｒｅｄ　Ｓｐｅｃｔｒｏｓｃｏｐｙ：Ｐｒｉｎｃｉｐｌｅｓ，Ｉｎｓｔｒｕｍｅｎｔｓ，Ａｐｐｌｉｃａｔｉｏｎｓ．Ｅｓｓｅｎ：Ｊｏｈｎ　Ｗｉｌｅｙ　ａｎｄ　Ｓｏｎｓ，２００６．
［１０］　ＬＩＵ　Ｙｉ－ｘｉｎｇ，ＺＨＡＯ　Ｇｕａｎｇ－ｊｉｅ（刘一星，赵广杰）．Ｍａｔｅｒｉａｌ　ｆｏｒ　Ｗｏｏｄ　Ｒｅｓｏｕｒｃｅ（木质资源材料学）．Ｂｅｉｊｉｎｇ：Ｃｈｉｎｅｓｅ　Ｆｏｒｅｓｔｒｙ　Ｐｕｂｌｉｓｈｉｎｇ
Ｈｏｕｓｅ（北京：中国林业出版社），２００４．
［１１］　ＬＩ　Ｊｉａｎ（李　坚）．Ｗｏｏｄ　Ｓｃｉｅｎｃｅ（木材科学）．Ｂｅｉｊｉｎｇ：Ｈｉｇｈｅｒ　Ｅｄｕｃａｔｉｏｎ　Ｐｒｅｓｓ（北京：高等教育出版社），２００２．
［１２］　ＬＩ　Ｊｉａｎ（李　坚）．Ｒｅｓｅａｒｃｈ　ｏｎ　Ｗｏｏｄ　Ｓｃｉｅｎｃｅ（木材科学研究）．Ｂｅｉｊｉｎｇ：Ｓｃｉｅｎｃｅ　Ｐｒｅｓｓ（北京：科学出版社），２００９．
［１３］　ＬＵ　Ｗａｎ－ｚｈｅｎ，ＹＵＡＮ　Ｈｏｎｇ－ｆｕ，ＸＵ　Ｇｕａｎｇ－ｔｏｎｇ，ｅｔ　ａｌ（陆婉珍，袁洪福，徐广通，等）．Ｍｏｄｅｒｎ　Ｎｅａｒ　Ｉｎｆｒａｒｅｄ　Ｓｐｅｃｔｒｏｓｃｏｐｙ　Ａｎａｌｙｓｉｓ
Ｔｅｃｈｎｏｌｏｇｙ（现代近红外分析技术）．Ｂｅｉｊｉｎｇ：Ｃｈｉｎａ　Ｐｅｔｒｏｃｈｅｍｉｃａｌ　Ｐｒｅｓｓ（北京：中国石化出版社），２００１．２
Ｉｎｆｌｕｅｎｃｅ　Ｆａｃｔｏｒ　ｆｏｒ　Ｐｒｅｄｉｃｔｉｏｎ　ｏｆ　Ａｉｒ－Ｄｒｙ　Ｄｅｎｓｉｔｙ　ｏｆ　Ｅｕｃａｌｙｐｔｕｓ　Ｐｅｌｌｉｔａ
ｂｙ　Ｎｅａｒ　Ｉｎｆｒａｒｅｄ　Ｓｐｅｃｔｒｏｓｃｏｐｙ
ＺＨＡＯ　Ｒｏｎｇ－ｊｕｎ，ＨＵＯ　Ｘｉａｏ－ｍｅｉ，ＳＨＡＮＧＧＵＡＮ　Ｗｅｉ－ｗｅｉ，ＷＡＮＧ　Ｙｕ－ｒｏｎｇ＊
Ｒｅｓｅａｒｃｈ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｗｏｏｄ　Ｉｎｄｕｓｔｒｙ，Ｃｈｉｎｅｓｅ　Ａｃａｄｅｍｙ　ｏｆ　Ｆｏｒｅｓｔｒｙ，Ｂｅｉｊｉｎｇ　１０００９１，Ｃｈｉｎａ
Ａｂｓｔｒａｃｔ　Ｎｅａｒ　ｉｎｆｒａｒｅｄ　ｓｐｅｃｔｒｏｓｃｏｐｙ（ＮＩＲ）ｔｅｃｈｎｉｑｕｅ　ｗａｓ　ａｐｐｌｉｅｄ　ｔｏ　ｃｏｍｐａｒｅ　ｔｈｅ　ｉｎｆｌｕｅｎｃｅ　ｆａｃｔｏｒｓ　ｏｆ　Ｅｕｃａｌｙｐｔｕｓ　ｐｅｌｌｉｔａ’ｓ　ａｉｒ－
ｄｒｙ　ｄｅｎｓｉｔｙ．Ａｉｒ－ｄｒｙ　ｄｅｎｓｉｔｙ　ｏｆ　ｅｕｃａｌｙｐｔ　ｗｏｏｄ　ｗａｓ　ｔｅｓｔｅｄ　ｂｙ　ｄｉｒｅｃｔ　ｍｅａｓｕｒｅｍｅｎｔ．Ａｆｔｅｒ　ｃｏｌｅｃｔｉｎｇ　ｔｈｅ　ｎｅａｒ　ｉｎｆｒａｒｅｄ　ｒｅｆｌｅｃｔａｎｃｅ
ｓｐｅｃｔｒａ　ｏｆ　ｓａｍｐｌｅｓ　ｉｎ　ｄｉｆｆｅｒｅｎｔ　ｓｅｃｔｉｏｎ　ａｎｄ　ｗｉｔｈ　ｄｉｆｆｅｒｅｎｔ　ｔｈｉｃｋｎｅｓｓ，ｍｏｉｓｔｕｒｅ　ｃｏｎｔｅｎｔ　ａｎｄ　ｒｏｕｇｈｎｅｓｓ，ｔｈｅ　ＮＩＲ　ｓｐｅｃｔｒａ　ｗｅｒｅ　ｐｒｅ－
ｐｒｏｃｅｓｓｅｄ　ｗｉｔｈ　ｔｈｅ　ｓｅｃｏｎｄ－ｄｅｒｉｖａｔｉｖｅ　ａｎｄ　ｔｈｅ　ｒｅｇｒｅｓｓｉｏｎ　ｍｏｄｅｌｓ　ｗｅｒｅ　ｂｕｉｌｔ　ｉｎ　ｃｅｒｔａｉｎ　ｓｐｅｃｔｒａ．Ｔｈｅ　ｃａｌｉｂｒａｔｉｏｎ　ｍｏｄｅｌｓ　ｗｅｒｅ　ｅｓｔａｂ－
ｌｉｓｈｅｄ　ｕｓｉｎｇ　５０～１４０ｓａｍｐｌｅｓ　ｗｉｔｈ　ｔｈｅ　ｐａｒｔｉａｌ　ｌｅａｓｔ　ｓｑｕａｒｅｓ　ｍｅｔｈｏｄ　ａｎｄ　ｖａｌｉｄａｔｅｄ　ｗｉｔｈ　ｅｘｔｅｒｎａｌ　ｖａｌｉｄａｔｉｏｎ　ｍｅｔｈｏｄ．Ｔｈｅ　ｒｅｓｕｌｔｓ
ｓｈｏｗｅｄ　ｔｈａｔ　ｔｈｅ　ｐｒｅｄｉｃｔｅｄ　ｒｅｓｕｌｔｓ　ｗｅｒｅ　ｉｎｆｌｕｅｎｃｅｄ　ｂｙ　ｓａｍｐｌｅ’ｓ　ｓｅｃｔｉｏｎ，ｔｈｉｃｋｎｅｓｓ，ｒｏｕｇｈｎｅｓｓ　ａｎｄ　ｍｏｉｓｔｕｒｅ　ｃｏｎｔｅｎｔ．Ｔｈｅ　ｂｅｓｔ
ｎｅａｒ　ｉｎｆｒａｒｅｄ　ｓｐｅｃｔｒｏｓｃｏｐｙ　ｐｒｅｄｉｃｔｉｏｎ　ｍｏｄｅｌ　ｗａｓ　ｂｕｉｌｔ　ｕｎｄｅｒ　ｔｈｅ　ｃｏｎｄｉｔｉｏｎ　ｏｆ　ｔｒａｎｓｖｅｒｓｅ　ｓｅｃｔｉｏｎ，２～５ｍｍ　ｔｈｉｃｋｎｅｓｓ，１２％ ｍｏｉｓ－
ｔｕｒｅ　ｃｏｎｔｅｎｔ　ａｎｄ　ｍｅｔｉｃｕｌｏｕｓ　ｒｏｕｇｈｎｅｓｓ　ｏｆ　ｗｏｏｄ．
Ｋｅｙｗｏｒｄｓ　Ｗｏｒｄｓ　ｎｅａｒ　ｉｎｆｒａｒｅｄ（ＮＩＲ）ｓｐｅｃｔｒｏｓｃｏｐｙ；Ｗｏｏｄ　ｏｆ　Ｅｕｃａｌｙｐｔｕｓ　ｐｅｌｌｉｔａ；Ａｉｒ－ｄｒｙ　ｄｅｎｓｉｔｙ；Ｉｎｆｌｕｅｎｃｅ　ｆａｃｔｏｒ
＊Ｃｏｒｒｅｓｐｏｎｄｉｎｇ　ａｕｔｈｏｒ （Ｒｅｃｅｉｖｅｄ　Ｊｕｎ．２８，２０１１；ａｃｃｅｐｔｅｄ　Ｓｅｐ．２０，２０１１）　　
１５９２第１１期　　　　　　　　　　　　　　　　　　　　光谱学与光谱分析