近红外光谱技术用于制浆原料分析的研究进展

吴 珽， 梁 龙， 崔宏辉， 邓拥军， 房桂干

(中国林业科学研究院 林产化学工业研究所；生物质化学利用国家工程实验室；国家林业局 林产化学工程重点开放性实验室；江苏省 生物质能源与材料重点实验室，江苏 南京 210042)

·综述评论——制浆造纸·

近红外光谱技术用于制浆原料分析的研究进展

吴 珽， 梁 龙， 崔宏辉， 邓拥军， 房桂干*

(中国林业科学研究院 林产化学工业研究所；生物质化学利用国家工程实验室；国家林业局 林产化学工程重点开放性实验室；江苏省 生物质能源与材料重点实验室，江苏 南京 210042)

对近红外光谱技术的原理、分析方法及特点等作了介绍，综述了当前将近红外光谱技术应用于制浆原料的快速分类，及其在制浆原料化学成分测定、水分含量测定、基本密度测定和纤维形态分析中的运用，并分析了实际投产应用面临的问题，最后对未来发展趋势进行了展望。

近红外光谱；制浆原料；快速分类；化学成分

制浆造纸木质原料在收集、贮存、转运等过程中，不断混合、分装，来到生产线时材性差异很大。而原料的材性特征参数，化学组分(纤维素、半纤维素、木质素和抽出物)、水分含量、基本密度、纤维形态结构等，会直接影响制浆过程的工艺参数和纸浆质量，如纤维素含量高低影响浆料的价值、木质素本身存在一些生色基团会直接影响漂白过程漂白剂的用量、抽出物会阻碍制浆过程药液的浸透、水分含量会影响磨浆能耗和制浆得率等[1]。因此在实际生产过程中，有必要实现对制浆原料差异的实时检测和分析，以便及时调整制浆工艺。然而制浆原料分析的传统手段通常步骤繁琐且测试周期长，仅常规化学分析就需2～4 d。为了保证生产正常运行，企业只能转而采用高用药水平和高能耗的办法来保证产品质量，引发了化学品和电能消耗高、生产成本高、污染排放居高不下等问题[2]。近红外光谱(NIR)技术是一种高效、无损的分析方法，自美国农业部用以快速检测农产品成分以来，广泛应用于农业、石化、制药、食品等领域[3]。20世纪80年代，国外学者利用近红外光谱技术测定了硫酸盐浆的卡伯值[4]，首次将近红外光谱技术引入制浆造纸工业，这使得原料的实时检测与分析成为可能，对企业节能减排、提高生产运行稳定性、降低成本以及提高市场竞争力等具有重要的意义。

1　近红外光谱技术(NIR)

1.1NIR检测原理

近红外光谱产生于共价化学键的非谐能级振动，是倍频与合频产生的吸收光谱，主要反映化合物中含氢基团(C—H、O—H、N—H等)的振动信息。其波长范围为780～2 500 nm，具有较强的穿透力，与样品内部分子发生反射、折射、衍射、吸收等作用，能够负载样品的成分与结构信息[5]，但由于含氢基团倍频与合频的跃迁几率低且相互耦合，近红外光谱吸收强度弱，灵敏度较低，吸收带较宽且重叠严重，无法精确区分谱带归属，故而难以直接从谱图中读取信息，必须借助计算机进行数据处理方能从光谱中提取有用的信息，以用于化合物的分析[6]。随着光电、电子技术的发展，人们常用计算机数据处理技术结合化学计量学方法，从样品复杂光谱信号中提取有用信号与成分结构等信息建立数学模型，利用模型分析未知样品，预测样品相关信息。

1.2分析方法

通常对样品的分析分为定量分析和定性分析，定性分析用于样品种类的识别与鉴定，该方法通过化学计量学算法先建立识别模型，再用该模型判别未知样品的归属情况，常用的判别分析方法有偏最小二乘判别分析(PLS-DA)、主成分分析法、Fisher判别等。国内外在利用近红外定性判别食品、木材等方面作了很多研究：Talens等[7]利用偏最小二乘法判别分析鉴别不同种类的火腿；杨忠等[8]利用主成分分析法作出三维PCA得分图直观地区分出8类红木；张毅民等[9]运用近红外光谱技术结合Fisher判别提出了可适用于6种常见塑料识别的模型。

定量分析用于样品成分、结构等信息数据的测定。多使用偏最小二乘法(PLS)、主成分回归(PCA)、支持向量机(SVM)、人工神经网络(ANN)等化学计量学方法，通过对光谱数据结构降维，把相互影响的变量转换成独立变量建立模型[10]。其中偏最小二乘法较好地把多元线性回归、典型相关分析和主成分分析结合，近年在近红外光谱分析中有着广泛的运用。Duan等[11]利用偏最小二乘法建立模型测定了中国西南部烟草中的27种化学成分；Cai等[12]则利用联合区间偏最小二乘法测定了猪肉中的挥发性盐基氮值和剪切力值。

1.3NIR的特点

与其它分析测定手段相比，近红外光谱技术具有如下特点： 1)分析过程简单无损，无需经过繁琐的预处理和化学反应[13]； 2)分析速度快、效率高，光谱的采集往往在一分钟内完成，而通过已建立的校正模型可以同时对样品的多个参数进行测定； 3)分析精度高、范围广，随着数据的积累，校正模型不断优化，得以提高分析精度、拓展分析范围； 4)便于远程分析和在线分析，由于近红外光在光纤中有着良好的传导性能，利用外置探头和光纤传导技术，可实现远程分析，也可将近红外分析系统做成分析模块，在测量现场灵活组装，从而实现实时在线分析； 5)由于分子振动的非谐振吸收跃迁几率较低，导致近红外光谱分析的灵敏度相对较低，通常在样品组分分析中要得到较为准确的结果，要求待测组分质量分数大于0.1%[14]。

2　近红外光谱技术在制浆原料分析中的应用

2.1制浆原料的NIR分析过程

制浆原料分析的一般过程包括[15]： 1)选择含量范围广且有代表性的校正集样品，并根据样品的物态选择近红外光谱测定方式，一般木粉样品的测定采用近红外漫反射光谱，木片样品应采用短波漫透射方式。设定光谱采集的参数(工作条件、扫描次数、分辨率等)，采集其近红外光谱； 2)采用平滑、微分、基线漂移扣减、多元散射校正(MSC)、有限脉冲响应滤波(FIR)等方法对光谱进行预处理，以消除仪器因素、环境因素、样品颜色形态等对光谱的影响，也可用小波变换(WT)进行局部化处理； 3)采用国标法测定样品材性数据，多次重复剔除异常值； 4)借助化学计量学方法从近红外光谱中提取有用的信号并与测定的样品材性数据建立校正模型； 5)采集未知样品的近红外光谱，将光谱数据代入校正模型得到所需样本信息。

2.2NIR在制浆原料分析中的应用

2.2.1原料快速分类制浆原料由于结构和化学成分的差异具有不同的制浆性能，对制浆原料进行分类评估，有助于选择合适的制浆工艺参数。通常原料的分类采用传统化学法测定其化学成分含量并据此查表确定，步骤繁琐且耗时较长。Nascimbem等[16]利用近红外光谱技术结合偏最小二乘判别分析(PLS-DA)将水分含量不同的制浆材分类；崔宏辉等[17]采集桉木、相思、马尾松等56种制浆材样品的近红外光谱特征曲线，设计正交试验对采集的光谱进行优化处理，并结合主成分分析建立了制浆材品种鉴别模型，结果显示主成分数的累积贡献率达97.6%，校正集及验证集的识别率均可达到100%，说明近红外光谱技术结合现代化学计量学可以对制浆材品种进行快速分类且效果较好。

2.2.2化学成分的测定通常制浆原料中纤维素、半纤维素和木质素3种成分占原料总质量的80%～95%， 3种主要化学成分的差异造成了各类原料在生产工艺和反应机理方面的差别[18]。此外原料中通常含有少量的抽出物和灰分等物质，对制浆、漂白等过程及成浆质量造成不良影响。

近红外光谱分析技术作为高效、无损、无污染的分析方法，如何取代操作繁琐费时的传统分析方法，是当前研究的热点。He等[19]用常规方法测定116种木材样品的木质素、纤维素含量，建立了决定系数达0.982 7、0.970 5的校正模型，验证了近红外光谱技术预测木材化学成分的可行性。Hodge等[20]收集多种热带和温带松树样品，建立用于预测纤维素和木质素的全局性近红外模型，通过独立的测试集样品进行验证，该全局性模型对木质素和纤维素的预测相关系数分别是0.97和0.82，标准预测误差分别是0.44%和1.08%，均能满足定量分析的要求，同时得出种类齐全、数量足够多的样品集有助于提高模型的准确性和稳定性的结论。姚胜[21]用常规化学法测量了78个取自广西和33个取自福建相思树样品的聚戊糖含量，用偏最小二乘法建立了广西相思样品聚戊糖含量的近红外光谱模型。尝试用广西模型预测福建样品，结果不准确，加入有代表性的福建样品后，预测效果有较大改善，进一步确认了样品的广泛性有助于提高模型精度。而特定波段的选择对于模型的建立也有重要意义，Üner等[22]将遗传算法和最小二乘回归结合使用，经迭代优化筛选出塞埔路斯松样品的特征波段，用于回归建模预测木质素含量。特征波段中主要包含与塞埔路斯松中木质素有关的谱峰信息，避免了无用波段的干扰，提高了模型预测能力。

在制浆原料中，抽出物含量越低，制浆得率越高，近年对于制浆原料中少量化学成分的测定研究以抽出物为主。贺文明等[23]选取了112种常见制浆原料(包含针叶木、阔叶木)，磨粉平衡后测定其冷水、热水、 1.0%NaOH和苯醇抽出物含量并采集近红外光谱， 4个校正模型的决定系数高达96%以上；交叉验证均方根偏差均低于0.5%；前3者的残留预测偏差达到7以上；偏移值较小。预测结果与实测值的偏差分别为-0.19%～0.20%、-0.29%～0.28%、-0.36%～0.42%和-0.25%～0.14%，略小于基本方法可能产生的误差，模型效果好，可用于快速测定制浆原料抽出物含量。

2.2.3水分含量的测定制浆原料的水分含量影响着磨浆能耗的同时，也影响着制浆得率——高于50%或低于20%～30%的水分含量都将导致制浆得率下降，成浆质量差。江泽慧[24]根据水分在近红外光谱区的强吸收特性，通过人工浸泡木片至饱和并由其在空气中解析的手法获取不同含水率下木片样品的近红外光谱建立模型，预测木片中的水分含量。贺文明等[25]收集了94种阔叶木和18种针叶木样品混合建模，得到了决定系数接近1，预测偏差小于0.2%的水分含量预测模型。张慧娟等[26]利用近红外光谱技术结合偏最小二乘法在不同波段下预测了黑龙江人工红松林采集的红松样品的含水率，比较了未处理光谱、一阶导数光谱和二阶导数光谱在不同波段内所建立的模型，得出了预测红松含水率的最优选择。郝斯琪等[27]基于近红外光谱法通过BP神经网络法建立模型，预测了落叶松的含水率，校正集相关系数达0.98，验证集相关系数为0.99，效果较好。

2.2.4基本密度的测定制浆原料的基本密度是影响原料质量、磨浆能耗、纸浆性能的重要因素，多采用排水法测定。赵荣军等[28]对不同切面、厚度、粗糙度和含水率的粗皮桉木材的原始近红外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、粗糙度和含水率对气干密度的预测结果都有影响；选取试样横切面、厚度为2～5 mm、含水率12%和粗糙度较细致时试样建立的各个近红外光谱预测模型效果最好。这在基本密度的测定中同样具有重要意义。Mora等[29]通过线性和非线性方法解析近红外光谱，成功预测了蓝桉、火炬松和长叶松的基本密度；Santos等[30]运用近红外光谱技术和偏最小二乘法采集了45个黑木相思样本建模用于预测16个验证样本的基本密度，残留预测偏差值高于2.5的限制，进一步证实了近红外光谱技术预测制浆原料基本密度的可行性。

2.2.5纤维形态分析制浆原料纤维形态特征如纤维长度、长宽比、壁腔比的差异，直接影响化学品用量、磨浆能耗等制浆工艺参数。传统制浆工业中常使用冰醋酸和过氧化氢溶液对原料进行纤维离析，而后制片并以纤维测定仪分析数据的方法[31]，仅加热离析一步就需要3～5 d。而近红外光谱技术采集样品的光谱信息，利用化学计量学方法提取特征变量并建立与纤维长度之间的数学模型，用数学模型分析纤维形态则大大缩短了检测时间。王玉荣等[32]采集了制浆常用树种湿地松和滩地72杨木片样品的近红外光谱，通过偏最小二乘法结合传统纤维形态测定方法建立校正模型，成功预测了相应材种的纤维长度。Wang等[33]对华南地区6种棕榈的纤维和导管形态特征进行了观测，发现纤维长度和导管长度模型的建立采用偏最小二乘法和完全交互验证法，在350～2 454 nm谱区内用一阶导数处理的光谱与纤维长度之间建立的模型的相关性较好。这一研究尚需要更加多元化的样本树种来证实其普适性，但对于制浆原料的纤维长度的快速评估提供了依据。

2.3存在问题

近红外光谱技术用于制浆原料分析的研究日渐增多，但国内制浆厂家并未大规模应用，其原因为缺少精确的校正模型。制浆厂家因成本、供应、社会需求等原因，原料往往不局限于某单一树种，也不局限于特定树种的固定比例混合。实际应用中固然不可能存在普适的单一校正模型，能分别应对各种原料情况的校正模型库也很不完善。并且众多研究本身仅基于探索，不以精确建模为实际生产服务为目的，如实验环境下静态采谱与生产线的动态条件存在差异等。同时，国内制浆行业本身面临着薄利低投入、小型企业居多的现状。近红外光谱仪及校正模型库价格不菲，带来的效益相对并不明显。

3　展 望

在传统制浆造纸原料分析方法普遍繁琐耗时的情况下，近红外技术正逐渐成为制浆造纸行业原料分析测定的研究热点。未来近红外光谱技术在制浆行业中的发展趋势分为两方面：一是建立更加高效、稳健的校正模型库。实验室研究模拟工业化生产情况，使得校正模型的实用性更强；并针对制浆行业内常用原料及混合模式选取更加全面的校正集样本采集数据。二是推进在线检测系统的研究，以期通过实时反馈的分析结果确定制浆工艺参数。

随着时代的发展，制浆行业将逐步淘汰兼并一批高污染、低利润、劳动密集型企业，转而加大科技投入，向技术密集转型。而近红外光谱技术作为一种高效、无损、无污染的分析方法，将以其强大的生命力和发展前景推动制浆行业的前进。

[1]李忠正.林纸一体化与中国主要速生人工造纸树种的制浆造纸性能[J].中华纸业,2001,22(7):6-12.

[2]杨淑慧.植物纤维化学[M].北京：中国轻工业出版社,2011:6-8.

[3]TSUCHIKAWA S.A review of recent near infrared research for wood and paper[J].Applied Spectroscopy Reviews,2007,42 (1):43-71.

[4]刘文波.近红外技术在纤维素工业上的应用[J].国际造纸,2007,26(5):50-53.

[5]刘建学.实用近红外光谱分析技术[M].北京：北京科学出版社,2007:2-4.

[6]徐广通,袁洪福,陆婉珍.现代近红外光谱技术及应用进展[J].光谱学与光谱分析,2000,20(2):134-142.

[7]TALENS P,MORA L,MORSY N,et al.Prediction of water and protein contents and quality classification of Spanish cooked ham using NIR hyperspectral imaging[J].Journal of Food Engineering,2013,117(3):272-280.

[8]杨忠,江泽慧,吕斌.红木的近红外光谱分析[J].光谱学与光谱分析,2012,32(9):2405-2408.

[9]张毅民,白家瑞,刘红莎,等.基于近红外的Fisher判别法鉴别废塑料[J].工程塑料应用,2014,42(5):75-79.

[10]陆婉珍.现代近红外光谱分析技术[M]．北京：中国石化出版社,2007:44-45.

[11]DUAN Jia,HUANG Yue,LI Zu-hong,et al.Determination of 27 chemical constituents in Chinese southwest tobacco by FT-NIR spectroscopy[J].Industrial Crops and Products,2012,40(1):21-26.

[12]CAI Jian-rong,CHEN Quan-sheng,WAN Xin-min,et al.Determination of total volatile basic nitrogen (TVB-N) content and Warner-Bratzler shear force (WBSF) in pork using Fourier transform near infrared (FT-NIR) spectroscopy[J].Food Chemistry,2011,126(3):1354-1360.

[13]ZHANG Hao,SONG Shu-ping,LANG Qian,et al.Rapid predictive models for minimally destructive kappa number and pulp yield ofAcaciaspp.with near infrared reflectance (NIR) spectroscopy[J].BioResources,2011,7(1):616-623.

[14]FUJIMOTO T,KURATA Y,MATSUMOTO K,et al.Feasibility of near-infrared spectroscopy for on-line grading of sawn lumber[J].Applied spectroscopy,2010,64(1):92-99.

[15]RATURI A,KOTHIYAL V,UNIYAL K K,et al.Development and evaluation of models for specific gravity ofEucalyptustereticorniswood by fourier transformed near infrared spectroscopy and partial least squares regression analysis[J].Journal of the Indian Academy of Wood Science,2012,9(1):40-45.

[16]NASCIMBEM L B L R,RUBINI B R,POPPI R J.Determination of quality parameters in moist wood chips by near infrared spectroscopy combining PLS-DA and support vector machines[J].Journal of Wood Chemistry and Technology,2013,33(4):247-257.

[17]崔宏辉,房桂干,梁龙.基于近红外光谱快速鉴别木材种类的研究[J].现代化工,2015,35(2):169-171.

[18]BACHLE H,ZIMMER B,WEGENER G.Classification of thermally modified wood by FT-NIR spectroscopy and SIMCA[J].Wood Science and Technology,2012,46(6):1181-1192.

[19]HE Wen-ming,HU Hui-ren.Prediction of hot-water-soluble extractive pentosan and cellulose content of various wood species using FT-NIR spectroscopy[J].Bioresource technology,2013,140(7):299-305.

[20]HODGE G R,WOODBRIDGE W C.Global near infrared models to predict lignin and cellulose content of pine wood[J].Journal of Near Infrared Spectroscopy,2010,18(6):367-380.

[21]姚胜.相思树聚戊糖含量近红外光谱分析模型的建立及修正[J].光谱学与光谱分析,2010,30(5):1206-1209.

[22]ÜNER B,KARAMAN I,TANRIVERDI H,et al.Determination of lignin and extractive content of turkish pine(PinusbrutiaTen.) trees using near infrared spectroscopy and multivariate calibration[J].Wood Science and Technology,2011,45(1):121-134.

[23]贺文明,薛崇昀,聂怡,等.近红外光谱技术快速测定木材抽出物含量的研究[J].中华纸业,2010,31(16):18-22.

[24]江泽慧.木材中的水分及其近红外光谱分析[J].光谱学与光谱分析,2006.26(8):1464-1468.

[25]贺文明,薛崇昀,聂怡,等.利用近红外光谱技术快速测定木材水分和气干密度的研究[J].中华纸业,2010,31(6):13-16.

[26]张慧娟,李耀祥,张洪富,等.基于近红外光谱不同波段的红松木材含水率预测分析[J].东北林业大学学报,2011,39(4):83-85.

[27]郝斯琪,宋博骐,李湃,等.基于近红外光谱与BP神经网络预测落叶松木屑的含水率[J].森林工程,2012,28(4):9-11.

[28]赵荣军,霍小梅,上官蔚蔚,等.近红外光谱法预测粗皮桉木材气干密度的影响因素分析[J].光谱学与光谱分析,2011,31(11): 2948-2951.

[29]MORA C R,SCHIMLECK L R.Kernel regression methods for the prediction of wood properties ofPinustaedausing near infrared spectroscopy[J].Wood Science and Technology,2010,44(4):561-578.

[30]SANTOS A J A,ALVES A M M,SIMOES R M S.Estimation of wood basic density ofAcaciamelanoxylon(R.Br.) by near infrared spectroscopy[J].Near Infrared Spectrosc,2012,20(2):267-274.

[31]张平东,姚胜,康向阳,等.三倍体毛白杨超短轮伐纸浆林产量及其纤维形态分析[J].林业科学,2011,47(8):121-126.

[32]王玉荣,费本华,傅峰.基于近红外光谱技术预测木材纤维长度[J].中国造纸,2008,27(6):6-9.

[33]WANG Yu-rong,REN Hai-qing,ZHAO Rong-jun,et al.Prediction of the lengths of fibers and vessels of rattans using near infrared spectroscopy[J].Spectroscopy and Spectral Analysis,2011,31(4):966-969.

《生物质化学工程》征稿简约

《生物质化学工程》是中国林科院林产化学工业研究所主办的技术类刊物。报道范围是可再生的木质和非木质生物质资源的化学加工与利用，包括生物质能源、生物质化学品、生物质新材料、生物质天然活性成分和制浆造纸等。主要报道内容为松脂化学、生物质能源化学、生物质炭材料、生物基功能高分子材料、胶黏剂化学、森林植物资源提取物化学利用、环境保护工程、木材制浆造纸为主的林纸一体化和林产化学工程设备研究设计等方面的最新研究成果。为了保证刊物的质量，根据国家的有关标准和本刊的实际，特制定本简约。

1文稿具体要求

1.1基本要求论文应有一定的科学性、创新性、实用性和可读性，要求内容充实，数据可靠，论点明确，文字精练。

1.2书写顺序题目(题目应简洁、明确地反映研究成果的实质及特点，字数不超过20字)，作者姓名、单位(署名顺序按对文章贡献大小排列)，中文摘要，关键词(关键词3～5个)，中图分类号，英文摘要，正文，致谢，参考文献。

1.3摘要论文摘要的基本要素包括研究的目的、方法、结果和结论。应具有独立性和自明性，即不阅读全文，就能获得必要的信息(中文摘要以200～300字为宜)。英文摘要与中文摘要内容一致，语句通顺(长度一般不超过150 words)。

1.4前言论文的前言部分不编号，不计算进正文层次。文字应尽可能的简明扼要，对之前的同类研究数据简短概括并标注参考文献即可，且前言部分应少分段，尽可能不分段，不出现图、表、分子式和化学式等。

1.5正文层次标注层次标题应简短明确，各层次一律用阿拉伯数字连续编号，不同层次的数字之间用下圆点“.”相隔，最末数字后面不加标点，如：“1”、“2.1”、“3.1.2”，一律左顶格。

1.6外文、计量单位及符号论文中的外文及符号要求区分文种、正/斜体、黑/白体、上/下角和大/小写，动植物及微生物名称在正文中第一次出现时，须加注拉丁文学名(斜体)。计量单位按GB/T 3100～3102—1993，符号按GB/T 15834—2011的规定执行。

1.7图、表图、表应具有自明性，其内容要与正文相呼应，并附相应的英文对照。表格设计要合理，一律用三线表(必要时可加辅助线)。

1.8参考文献参考文献必须标全并注意引用国内外及本刊的最新文献，以公开发表的、作者亲自阅读的文献为限，并由作者对照原文一一核实。格式按GB/T 7714—2015的规定，采用顺序编码制，即所引文献应按文中出现的顺序随文标注，在正文引用处右上角用方括号标出文献序号。

1.9作者简介(加注在论文的首页页脚)来稿请注明第一作者的出生年，性别(民族——汉族可省略)，籍贯(含省、县)，职称，学位及研究方向。如有通讯作者的，请注明职称、学位、博(硕)导等状况及专业领域。

2投稿约定

2.1来稿请登录本刊主页(http://www.bce.ac.cn)进行在线投稿，稿件书写格式按上述要求，请注明作者详细通讯地址、邮政编码及联系电话。稿件一经受理即交纳审稿费。稿件处理结果在3个月内通知作者。

2.2稿件经编辑部初审后送1～2位专家审阅，之后编辑部将审稿意见反馈给作者，对于拟发表的稿件，作者应根据审稿人和编辑部的意见对稿件进行修改，在指定时间内修回，同时提供电子文档，交纳版面费。修改后的稿件统一由主编终审后再排版印刷(稿件一经发排，不得擅自修改或变更作者署名，且一般不得对文稿进行增删)。来稿一经发表，即按篇酌付稿酬，并赠送当期期刊2册、单行本5份。

2.3所有稿件均需提供“版权转让协议书”，内容包括：文章题名、作者姓名及其排序，无泄密情况，无一稿多投；若为基金项目请给出项目名称及编号(加注在论文的首页页脚)。

2.4来稿文责自负，请勿一稿多投。编辑部对来稿有权作技术性和文字修饰，但实质性内容的修改须征得作者同意。

2.5凡本刊发表的文章将有可能进入国内外相关数据库并在互联网上运行，其作者著作权使用费与本刊稿酬一次性给付。如作者不同意将文章编入相关数据库，请在来稿时声明，本刊将做适当处理。

3编辑部联系方式

地址：210042 南京市锁金五村16号 林化所内《生物质化学工程》编辑部；电话：(025)85482492；传真：(025)85482492；E-mail：bce@vip.163.com；http: // www.bce.ac.cn。

《生物质化学工程》编辑部

Research Progress on Application of Near-infrared Spectroscopy inPulping Material Analysis

WU Ting, LIANG Long, CUI Hong-hui, DENG Yong-jun, FANG Gui-gan

(Institute of Chemical Industry of Forest Products,CAF;National Engineering Lab.for Biomass Chemical Utilization;Key and Open Lab.of Forest Chemical Engineering,SFA;Key Lab.of Biomass Energy and Material,Jiangsu Province, Nanjing 210042, China)

The principles, analysis methods and characteristics of near-infrared spectroscopy technology were introduced. It also comprehensively summarized current studies of applications of near-infrared spectroscopy in pulping material analysis on the following aspects. They were fast classification, chemical components, moisture content, basic density and fiber morphology. Finally, the problems in actual production were analyzed and the future development trend was prospected.

near-infrared spectroscopy; pulping material; fast classification; chemical components

10.3969/j.issn.1673-5854.2015.06.009

2015- 04- 24

国家林业局948技术引进项目(2014-4-31)

吴珽(1988—)，男，江苏兴化人，硕士生，主要从事制浆造纸工艺参数在线检测工作

*通讯作者：房桂干，研究员，博士生导师，研究领域为制浆造纸清洁生产、环保和生物质利用研究；E-mail:fangguigan@icifp.cn。

TQ35；TS721

A

1673-5854(2015)06- 0045- 05