全 文 ：第 50 卷 第 9 期
2 0 1 4 年 9 月
林 业 科 学
SCIENTIA SILVAE SINICAE
Vol. 50，No. 9
Sep．，2 0 1 4
doi:10．11707 / j．1001-7488．20140917
收稿日期: 2013 － 09 － 11; 修回日期: 2013 － 12 － 18。
基金项目: 国家林业公益性行业科研专项“木质纤维材料的固态酯化与压缩增强技术”(201104004)。
* 孙柏玲为通讯作者。
近红外光谱快速预测乙酰化木材的增重率*
柴宇博1 孙柏玲1 刘君良1 秦特夫1 储富祥2
(1．中国林业科学研究院木材工业研究所 北京 100091; 2．中国林业科学研究院 北京 100091)
摘 要: 采用近红外光谱技术对乙酰化大青杨和樟子松木材的增重率进行快速预测。在近红外波长 780 ～
2 500 nm范围内，利用偏最小二乘法(PLS)建立木材横切面原始光谱及不同预处理(一阶导数、二阶导数、归一化处
理和消噪)光谱乙酰化木材增重率数学模型，并进行比较分析。结果表明: 乙酰化大青杨和樟子松木材分别选用
归一化处理光谱和消噪光谱建立的增重率校正模型预测效果较好，预测模型相关系数(Ｒ)分别为 0. 90 和 0. 70，预
测标准差(ＲMSEP)分别为 1. 007 2 和 1. 301 2，其中乙酰化大青杨木材增重率预测模型实测能力较佳，表明利用木
材横切面近红外光谱建立的数学模型可以实现乙酰化木材增重率的快速预测。
关键词: 近红外光谱; 乙酰化; 大青杨; 樟子松; 增重率
中图分类号: TS102. 2 文献标识码: A 文章编号: 1001 － 7488(2014)09 － 0124 － 05
Ｒapid Prediction of the Weight Percentage Gain of Acetylated
Wood Using Near Infrared Spectroscopy
Chai Yubo1 Sun Bailing1 Liu Junliang1 Qin Tefu1 Chu Fuxiang2
(1 ． Ｒesearch Institute of Wood Industry，CAF Beijing 100091; 2 ． Chinese Academy of Forestry Beijing 100091)
Abstract: Near infrared ( NIＲ ) spectroscopy technique was applied to predict weigh percentage gain (WPG ) of
acetylated Populus ussuriensis wood and Pinus sylvestris var． mongolica wood． In the region of 780 － 2 500 nm，partial
least squares (PLS) was used to build models of WPG of acetylated wood based on raw spectra of wood transverse section
and pretreated spectra，including first derivative spectra，second derivative spectra，standard normalized variate spectra
and noise spectra． The results showed that the PLS models of WPG of acetylated P． ussuriensis wood and Pinus sylvestris
var． mongolica wood，based on standard normalized variate spectra and noise spectra，gave the strongest correlations，with
correlation coefficient ( Ｒ) of 0. 90 and 0. 70 and root mean standard error of prediction ( ＲMSEP) of 1. 007 2 and
1. 301 2 in prediction set． The relation between NIＲ predicted and WPG actual values of acetylated P． ussuriensis wood
was much better than that of acetylated Pinus sylvestris var． mongolica wood． Therefore，it is concluded that WPG of
acetylated wood can be estimated by NIＲ spectroscopy with sufficient accuracy．
Key words: near infrared spectroscopy; acetylation; Populus ussuriensis; Pinus sylvestris var． mongolica; weight
percentage gain
木材是一种天然有机高分子材料，具有可再生、
可降解、可回收利用等特点，被广泛用于建筑、室内
装饰、装修、家具等方面。然而，由于木材主要化学
成分(纤维素、半纤维素和木质素)中含有吸水性羟
基基团，当水分子进入或析出时木材体积尺寸会出
现湿胀和干缩，并且呈现各向异性，导致木材尺寸不
稳定，产生开裂、翘曲等现象。因此，提高木材尺寸
稳定性是木材加工利用研究的重要方面。木材乙酰
化处理技术是将乙酰化试剂中的乙酰基与木材化学
成分中的亲水性羟基发生置换，来减少木材中的羟
基，提高木材的尺寸稳定性。大量研究表明，木材经
乙酰化试剂处理后，不但尺寸稳定性大大提高，而且
其耐腐性能、抗紫外线性能、物理力学性质也明显改
善(Chang et al．，2002; Hill et al．，2000; 2009; Hill，
2008; Kumar，1994; Larsson et al．，1994; Obataya
et al．，2005; Popescu et al．，2014; Ｒamsden et al．，
1997)。木材乙酰化改性效率通常采用增重率来评
价，然而，目前对增重率的测定多基于常规测试方
第 9 期 柴宇博等: 近红外光谱快速预测乙酰化木材的增重率
法，通过测定木块处理前后烘干质量计算获得，该
方法很难满足工业化大批量生产的需要。因此，
本文尝试利用近红外光谱技术建立乙酰化木材增
重率预测模型，以期为乙酰化木材质量快速评价
提供参考。
近红外光谱 ( near infrared spectroscopy，简称
NIＲS)技术作为现代分析测试方法，同化学计量学
相结合，已被广泛用于木材性质的分析预测(王晓
旭等，2011; 赵荣军等，2009; 2011)，具有操作简
单、速度快、非破坏、成本低等优点。在木材乙酰
化改性研究方面，Celen 等(2008)利用近红外光谱
技术对乙酰化北美鹅掌楸 ( Liriodendron tulipifera)
未处理和抽提处理木粉增重率及其化学反应的羟
基数目进行分析预测，结果表明，近红外光谱技术
建立的乙酰化未抽提处理木粉增重率和反应的羟
基数目分析模型预测效果很好，预测模型决定系
数分别达到 0. 89 和 0. 85;Stefke 等(2008)应用近
红外光谱技术分析预测乙酰化云杉 ( Picea abies)
试样增重率，将未处理云杉木材、乙酰化云杉刨花
和乙酰化云杉单板试样分别研磨成木粉组成样本
集，结果表明，在 6 080 ～ 5 760 cm － 1光谱范围内，
由二阶导数光谱建立的偏最小二乘模型预测效果
最好，模型决定系数达到 0. 99。在国内，还未见近
红外光谱技术分析预测乙酰化木材性质的相关报
道。本研究以阔叶材大青杨 ( Populus ussuriensis)
和针叶材樟子松(Pinus sylvestris var． mongolica)为
研究对象，利用近红外光谱技术分析预测二者乙
酰化木材增重率，选用一阶导数、二阶导数、归一
化处理和消噪方法对木材横切面原始光谱进行预
处理，并用偏最小二乘法 ( partial least squares，
PLS)建立原始光谱和各预处理光谱的增重率数学
模型并进行比较分析，得到最佳预测模型，实现乙
酰化木材增重率的快速预测。
1 材料与方法
1. 1 试验材料
大青杨和樟子松木材分别采自吉林省白河林业
局和黑龙江省绥芬河市绥芬河林场。在大青杨胸径
25 ～ 30 cm 和樟子松胸径 35 ～ 50 cm 处取长度为
2 m的原木段作为试材，锯解成规格为 1 000 mm ×
30 mm × 30 mm(纵向 × 径向 × 弦向)的木条，充分
气干后加工成尺寸为 20 mm × 20 mm × 20 mm(纵
向 ×径向 × 弦向)的小木块。每个树种分别选取
100 块试样，用烘箱干燥至恒重后，分成 5 组，每组
20 块，用于乙酰化处理。
1. 2 木材乙酰化处理
将木块置于电加热的密闭罐体中，负压状态下
导入乙酸酐溶液，浸泡 2 h 后，将化学溶液加热至
120 ℃，5 组木块试样分别反应 30 min、1 h、2 h、4 h
和 8 h。化学反应过程结束后，用循环冷却水使反应
液降温至 40 ℃以下，排出反应液，取出试样，再将试
样放置在 60 ℃真空干燥箱中干燥 48 h，之后，调节
箱体温度至 100 ℃，干燥试样至恒重。
1. 3 增重率测定
木块未经处理前的烘干质量记为 M0，经乙酰化
处理后的烘干质量记为 Mt，按照式(1)计算木块的
增重率(WPG，weight percentage gain)。
WPG =
Mt － M0
M0
× 100%。 (1)
1. 4 近红外光谱采集
采用美国 ASD 公司生产的 LabSpec  Pro 光谱
仪，光谱波长范围 350 ～ 2 500 nm。光谱采集时，以
漫反射方式测量试样光谱，先用两分叉光纤探头对
商用聚四氟乙烯白板进行空白校准，再对试样进行
扫谱，分别采集试样 2 个横切面光谱，每个表面均匀
采集两点，并求平均。每个光谱由 30 次扫描平均所
得，扫描光斑直径为 8 mm。
1. 5 多元数据分析及模型建立
采用多变量统计软件 Unscramber 建立近红外
光谱模型，校正模型选用偏最小二乘方法建立，之后
将预测集代入校正模型进行验证。分析模型最佳主
成分数由预测残差平方和 ( prediction residual error
sum of square，PＲESS)确定，该方法是使用一定数目
的主成分建立一个模型，然后用这个模型对参加建
模的每个样品进行预测，求出每个样品的预测值和
已知值的差，按式(2)计算:
PＲESS = ∑
n
i = 1
∑
d
j = 1
( yp，ij － yij)
2。 (2)
式中: n 为校正集中样品数目; d 为建立模型使用
的主成分数目; yp，ij为样品的预测值; yij为样品的已
知值。PＲESS 值越小，模型的预测能力越好。
对于建立的校正模型和预测模型，分别采用相
关系数 ( Ｒ)、校正标准差 ( ＲMSEC)和预测标准差
(ＲMSEP)指标进行评价。
2 结果与分析
2. 1 处理时间对乙酰化木材增重率的影响
图 1 为不同处理时间乙酰化大青杨和樟子松木
材的增重率变化，由图可知，2 种乙酰化木材增重率
都随处理时间增加而提高。在处理时间 1 ～ 8 h 之
521
林 业 科 学 50 卷
间，乙酰化大青杨木材增重率明显高于樟子松木材，
其中，大青杨木材增重率最大值达到 18. 89%，樟子
松增重率最大值为 15. 81%，这可能是由于樟子松
木材中含有较多的抽提物，影响了乙酰化药液的渗
透，进而影响了樟子松木材的增重率。
对于乙酰化木材近红外光谱分析模型的建
立，在各树种 100 个乙酰化试样中，随机抽取 2 /3
试样作为校正集(65 个)，建立校正模型，剩余 1 /3
试样作为预测集 (35 个)，不参与建模，对模型进
行外部验证。各样本集增重率统计结果如表 1
所示。 图 1 不同处理时间乙酰化大青杨和樟子松木材增重率
Fig． 1 The effect of treatment time on WPG of acetylated Populus
ussuriensis and Pinus sylvestris var． mongolica
表 1 乙酰化大青杨和樟子松木材增重率统计结果
Tab． 1 Statistical description of WPG of acetylated Populus ussuriensis and Pinus sylvestris var． mongolica
树种
Wood species
样本集
Sample set
最大值
Maximum
最小值
Minimum
平均值
Mean
标准差
SD(% )
大青杨 Populus ussuriensis
校正集 Calibration set 20. 12 11. 27 16. 31 2. 62
预测集 Prediction set 19. 92 11. 57 13. 31 2. 12
樟子松 Pinus sylvestris var． mongolica
校正集 Calibration set 19. 02 10. 64 14. 61 2. 04
预测集 Prediction set 17. 77 11. 67 14. 83 1. 62
2. 2 不同增重率木材近红外光谱
图 2 为乙酰化大青杨木材不同增重率近红外光
谱图，由于光谱波长 350 ～ 780 nm 间存在较大噪音，
因此本研究选择近红外波长 780 ～ 2 500 nm 范围进
行谱 图 分 析 和 模 型 建 立。由 图 2 可 以 看 出，
1 216 nm处 C—H 伸缩振动二级倍频吸收峰和
1 450 nm处 O—H 伸缩振动一级倍频吸收峰强度都
随乙酰化木材增重率的增加而降低(Pu et al．，2008;
Curran，1989); 1 687 和 1 727 nm 处 C—H 伸缩振
动一级倍频吸收峰强度随增重率增加而增加
(Lande et al．，2010); 1 923 nm 处吸收峰为水 O—H
伸缩振动和弯曲振动合频(Hageman et al．，2005);
2 230 nm附近处强吸收峰为纤维素 O—H 振动吸收
峰(Kelley et al．，2004); 2 270 nm 处吸收峰可能为
O—H 伸缩振动、C—C 伸缩振动、C—H 伸缩振动和
C—H 弯曲振动合频(Celen et al．，2008)，该处吸收
峰也随乙酰化木材增重率增加而增加。谱图中吸收
峰强度的变化主要是因为乙酰化处理减少了木材中
羟基数目; 1 216，1 687 和 1 727 nm 处吸收峰强度
的变化与 Stefke 等 (2008) 研究中相应吸收峰强度
的变化规律一样。
2. 3 不同树种乙酰化木材增重率校正模型建立
利用偏最小二乘法分别建立乙酰化大青杨和樟
子松木材增重率校正模型，并选用 4 种不同光谱预
处理方法消除由于仪器随机噪声、测定环境背景以
图 2 乙酰化大青杨木材不同增重率近红外光谱
Fig． 2 NIＲ spectra of acetylated Populus ussuriensis with
increasing degree of WPG from bottom to top
及试件表面粗糙度等因素导致的光谱基线偏移和光
散射的影响，其中包括一阶导数(1st derivative)、二
阶导 数 ( 2st derivative )、归 一 化 处 理 ( standard
normalized variate，SNV)和消噪( noise)。表 2 所示
为基于不同光谱建立的乙酰化大青杨和樟子松木材
增重率校正模型结果。
由表 2 可见，选用原始光谱、一阶导数光谱和归
一化处理光谱建立的乙酰化大青杨木材增重率校正
模型相关系数(Ｒ)均达到 0. 98，其中归一化处理光
谱建 立 的 模 型 校 正 标 准 差 ( ＲMSEC ) 最 低 为
0. 497 4，预测效果较好; 采用消噪光谱建立的乙酰
621
第 9 期 柴宇博等: 近红外光谱快速预测乙酰化木材的增重率
化樟子松木材增重率校正模型预测效果最佳，模型
Ｒ 为 0. 89，ＲMSEC 为 0. 910 6，同原始光谱建立的校
正模型( Ｒ 为 0. 65，ＲMSEC 为 1. 536 4)相比，模型
预测能力显著提高。由分析结果可以看出，乙酰化
大青杨木材建立的增重率最佳校正模型预测效果明
显高于樟子松木材相应模型，这可能因为大青杨为
阔叶材，其谱图采集的横切面早材和晚材区别不明
显，而樟子松针叶材其横切面早材和晚材差异较大，
早材材质松软、材色浅，晚材组织致密、材色深，这对
样品近红外漫反射光谱产生一定的影响，进而影响
分析模型的预测效果。
图 4 乙酰化大青杨( a)和樟子松(b)木材增重率预测模型预测值与实测值相关性
Fig． 4 Correlation between measured and predicted WPG of acetylated Populus ussuriensis ( a)
and Pinus sylvestris var． mongolica ( b)
图 3 为乙酰化大青杨木材较佳校正模型归一
化处理光谱与增重率回归相关系数图，波长对应的
回归系数值越大，表明该波长对所建模型越重要。
由图可见，1 448，1 910 和 2 055 nm 处 O—H 基团振
动峰、1 679 和 1 725 nm 处 C—H 伸缩振动一级倍频
峰以及 2 251 nm 处—CH2 基团振动合频峰均具有
较大的回归系数值，表明木材乙酰化处理过程中相
应基团吸收峰强度的变化对乙酰化木材增重率校正
模型建立具有重要作用。
2. 4 不同树种乙酰化木材增重率校正模型外部
验证
建立校正模型后，利用预测集对模型进行外部
验证，将不同树种乙酰化木材增重率预测集分别带
入相应的最佳校正模型，进行分析预测，结果如图 4
和图 5 所示。乙酰化大青杨和樟子松木材增重率预
测模型 Ｒ 分别为 0. 90 和 0. 70，ＲMSEP 分别为
1. 007 2 和 1. 301 2，2 种乙酰化木材预测集样本的
相对残差值大部分分布在 ± 2 之间，表明近红外光
谱与乙酰化木材增重率具有较好的线性关系，并且
乙酰化大青杨木材预测集样本预测值和实测值之间
相关性更好。
表 2 乙酰化大青杨和樟子松增重率校正模型结果
Tab． 2 Calibration results of WPG of acetylated
Populus ussuriensis and Pinus sylvestris var． mongolica
树种
Wood Species
光谱预处理方法
Pretreatment
methods
主成分数
Number of
PCs
相关系数
Ｒ
校正标
准差
ＲMSEC
大青杨
Populus
ussuriensis
樟子松
Pinus sylvestris
var． mongolica
原始光谱 None 6 0. 98 0. 536 0
一阶导数 1st derivative 5 0. 98 0. 565 6
二阶导数 2st derivative 3 0. 96 0. 699 6
变量标准化 SNV 6 0. 98 0. 497 4
消噪 Noise 4 0. 97 0. 612 1
原始光谱 None 3 0. 65 1. 536 4
一阶导数 1st derivative 2 0. 74 1. 353 6
二阶导数 2st derivative 2 0. 79 1. 239 7
变量标准化 SNV 3 0. 77 1. 212 2
消噪 Noise 3 0. 89 0. 910 6
图 3 乙酰化大青杨木材归一化处理光谱与
增重率回归相关系数
Fig． 3 Ｒegression coefficients of the PLS model to predict
WPG of acetylated Populus ussuriensis
721
林 业 科 学 50 卷
图 5 乙酰化大青杨( a)和樟子松(b)木材增重率预测模型残差
Fig． 5 Ｒesidual of prediction model of WPG of acetylated Populus ussuriensis ( a) and
Pinus sylvestris var． mongolica ( b)
3 结论
本文采用近红外光谱技术快速预测乙酰化大青
杨和樟子松木材增重率。结果表明，采用乙酰化木
材横切面近红外光谱建立增重率分析模型，模型预
测效果较为理想，最佳乙酰化大青杨和樟子松木材
增重率预测模型相关系数 ( Ｒ) 分别为到 0. 90 和
0. 70，预测标准差 ( ＲMSEP ) 分别为 1. 007 2 和
1. 301 2。近红外光谱技术结合偏最小二乘法可以
实现乙酰化木材增重率的预测，对工业化生产中乙
酰化木材质量的快速评价具有积极意义。
参 考 文 献
王晓旭，黄安民，杨 忠，等 ． 2011． 近红外光谱用于杉木木材强度
分等的研究 ． 光谱学与光谱分析，31(4) : 975 － 978．
赵荣军，霍小梅，上官蔚蔚，等 ． 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 ． 光谱学与光谱分析，31 ( 11 ) :
2948 － 2951．
赵荣军，霍小梅，张 黎 ． 2009． 利用近红外光谱技术预测粗皮桉木
材弹性模量 ． 光谱学与光谱分析，29(9) : 2392 － 2395．
Celen I，Harper D，Labbe N． 2008． A multivariate approach to the
acetylated poplar wood samples by near infrared spectroscopy．
Holzforschung，62(2) : 189 － 196．
Chang H T， Chang S T． 2002． Moisture excluding efficiency and
dimensional stability of wood improved by acetylation． Bioresour
Technol，85(2) : 201 － 204．
Curran P J． 1989． Ｒemote sensing of foliar chemistry． Ｒemote Sens
Environ，30(3) : 271 － 278．
Hageman J A，Westerhuis J A，Smilde A K． 2005． Temperature robust
multivariate calibration: an overview of methods for dealing with
temperature influences on near infrared spectra． J Near Infrared
Spectrosc，13(1) : 53 － 62．
Hill C A S，Cetin N S． 2000． Surface activation of wood for graft
polymerization． Int J Adhesion Adhes，20(1) : 71 － 76．
Hill C A S． 2008． The reduction in the fibre saturation point of wood due
to chemical modification using anhydride reagents: a reappraisal．
Holzforschung，62(4) : 423 － 428．
Hill，C A S，Curling，S，Kwon，J H，et al． 2009． Decay resistance of
acetylated and hexanoylated hardwood and softwood species exposed
to Coniophora puteana． Holzforschung，63 (5) : 619 － 625．
Kelley S S，Ｒials T G，Snell Ｒ，et al． 2004． Use of near infrared
spectroscopy to measure the chemical and mechanical properties of
solid wood． Wood Sci Technol，38(4) : 257 － 276．
Kumar S． 1994． Chemical modification of wood． Wood Fiber Sci，
26(2) : 270 － 280．
Lande S，Ｒiel S，Schneider M H． 2010． Development of chemometric
models based on near infrared spectroscopy and thermogravimetric
analysis for predicting the treatment level of furfurylated Scots pine．
Wood Sci Technol，44(2) : 189 － 203．
Larsson P， Simonson Ｒ． 1994． A study of strength， hardness and
deformation of acetylated Scandinavian softwoods． Holz als Ｒoh-und
Werkstoff，52(2) : 83 － 86．
Obataya E，Yamauchi H． 2005． Compression behaviors of acetylated
wood in organic liquids． Part Ⅱ ． Drying-set and its recovery． Wood
Sci Technol，39(7) : 546 － 559．
Popescu，C M，Hill，C A S，Curling，S，et al． 2014． The water vapour
sorption behaviour of acetylated birch wood: how acetylation affects
the sorption isotherm and accessible hydroxyl content． Journal of
Materials Science，49(5) : 2362 － 2371．
Pu Y， Ｒagauskas A J， Lucia L A， et al． 2008． Near-infrared
spectroscopy and chemometric analysis for determining oxygen
delignification yield． J Wood Chem Technol，28(2) : 122 － 136．
Ｒamsden M J，Blake F S Ｒ，Fey N J． 1997． The effect of acetylation on
the mechanical properties，hydrophobicity，and dimensional stability
of Pinus sylvestris． Wood Sci Technol，31(2) : 97 － 104．
Stefke B，Windeisen E，Schwanninger M，et al． 2008． Determination of
the weight percentage gain and of the acetyl group content of
acetylated wood by means of different infrared spectroscopic
methods． Anal Chem，80(4) : 1272 － 1279．
(责任编辑 石红青)
821