近红外光谱技术预测木材性能研究新进展*

贾 茹 吕志宏 汪 睿 赵荣军 王玉荣

（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林业新技术研究所，北京100091；3.天津科技大学，天津 300457）

近红外光谱（NIRs）技术因具有检测快速方便、无需破坏样品、可以在线监测等优点，而被广泛应用于农副产品分析、石油化工、生物化工、临床医学等领域[1-3]。采用近红外光谱技术预测木材性能在国外开展得较早，且最先应用于木材化学性能的预测[4-5]。我国于十多年前将该技术引入木材科学领域，用于检测人工林木材性能。随着光谱技术以及木材科学的快速发展，近红外光谱多变量数据分析方法也在不断进步[6-9]，国内外在利用近红外光谱技术预测和检测木材性能研究方面取得了一定进展[10-13]，但对于近些年来近红外光谱技术的应用，特别是在木材性能检测以及数据分析等方面的研究，尚未有较为全面的报道。

本文将重点阐述近红外光谱技术在检测和预测木材化学、物理和力学等材性指标方面的最新研究进展，以期为今后近红外光谱分析技术在木材科学及技术领域的应用研究提供理论依据，促进木材性能无损检测技术的发展。

1 近红外光谱技术在木材化学成分含量预测中的应用

1.1 木质素含量预测

木质素是重要的可再生生物质资源[14]，具有增强细胞壁强度、运输水分和水溶性物质的作用[15]，但同时也是木材在造纸、生物质能源等领域应用的主要障碍。快速获取木质素含量对制浆造纸、转基因林木定向培育等有重要的理论指导与科学意义，如通过预测紫丁香基（S）与愈创木基（G）含量的比值可以快速按需评估制浆用材[16]。应用近红外光谱技术对不同针叶材和阔叶材的酸溶木素[11]、酸不溶木素[17-21]、总木质素[22]含量进行预测，结果如表1所示。分析对比发现，采用偏最小二乘法预测，对针叶材木质素含量的预测模型效果均较好，但对于阔叶材杨树木质素含量预测模型相关系数不高；对另一阔叶材相思树采用迭代法作为化学计量分析方法，则可以获得较好的预测模型效果。在木材遗传改良育种领域，有学者进行多位点杨树无性系试验时，利用近红外光谱技术结合偏最小二乘法预测黑杨（Populus nigra）中木质素含量，以此判断树种来源及变异程度，获得的木质素含量模型相关系数为0.77[23]。由此可见，将近红外光谱技术应用于针叶材木质素含量的预测可以获得更高的精度，而对于阔叶材树种，在今后木质素预测的研究中应尝试采用不同的分析方法进行模型精度较正。除了定量分析，Zuzana等[24]利用近红外光谱技术对木质素进行定性分析研究，探究了木材热处理时木质素的结构变化，同时分析了纤维素和半纤维素的结构变化，这对木材成分的热稳定性评估具有重要意义，有待不断深入研究，以获得改性处理材性能快速评估的新方法和手段。

1.2 纤维素和半纤维素含量预测

纤维素是木材三大素之一，是细胞壁的骨架，其含量对木材性能及加工利用有重要的影响。国内，近红外光谱技术从2006年开始逐渐被应用于木材纤维素含量的预测[18,25]，近年逐渐由预测单一品种木材纤维素含量，转变为将2种或2种以上木材纤维素混合，预测其含量。国外有学者将近红外光谱技术应用于桉木（E. tereticornis×E. camaldulensis）等6种杂交树种木材综纤维素的快速预测，发现其模型相关系数（R）达到0.88[26]。

半纤维素也是木材的重要化学组分之一，其含量的高低是评价制浆造纸及其应用于生产生物燃料替代化石能源的重要标准[27]。针叶木的半纤维素包含戊聚糖和己聚糖, 阔叶木的半纤维素则主要为戊聚糖[28]。目前国内外对应用近红外快速预测草本植物[29-30]中半纤维素含量的研究较多，而对木材半纤维素含量的近红外预测相关研究较少，对戊聚糖含量的预测研究表明：运用偏最小二乘法、多模型建模等方法，得到的模型准确性较好，相关系数可达0.99[28,31]。

1.3 其他化学组分含量预测

除了三大素化学组分，木材中还有灰分等少量成分。这些成分直接或间接与树木的生理作用有关，也会影响木材的性能，以前主要用传统方法进行测定。近年来，开始将近红外光谱技术应用于对木材中这些少量成分的预测，尝试对木材不同成分的含量进行测定。如利用近红外光谱技术，建立阔叶材黑杨中抽提物、葡萄糖、木糖等含量的模型，除木糖外，其余组分模型的决定系数（R2）均在0.75以上[23]，其中针叶材辐射松木材细胞壁中葡萄糖和甘露糖含量模型的相关系数（R）可达到0.80以上[20]，预测效果好于阔叶材。这些研究为木材细胞壁中单糖含量的预测提供了一定的思路。

此外，开始探索更为精确的用近红外预测木材中少量成分含量的方法，如根据木材在10 000～4 000cm-1波长范围内的近红外光谱，运用偏最小二乘法建立多种混合木材中灰分含量的预测模型，得到的模型决定系数（R2）为0.77，而采用递归加权偏最小二乘法（rPLS），可将建立的模型决定系数（R2）提高至0.80，且预测误差均方根由0.47%降至0.44%，近红外光谱预测灰分含量的准确性进一步提高[32]。

综上可知，目前近红外光谱技术在快速预测木材三大素（纤维素、半纤维素、木质素）含量方面均有应用，其中以木质素含量预测居多。快速预测涉及的树种有辐射松、杉木、杨木等针阔叶材，而针叶材化学组分预测效果好于阔叶材。现阶段国内还没有对木材三大素外的其他化学组分进行近红外预测方面的研究，国外相关研究也较少，且主要研究对象为灰分。提高阔叶材化学组分快速预测模型精度，应用近红外预测木材其他化学组分应是今后研究的重点。

2 在木材物理性能预测中的应用

2.1 木材密度预测

木材密度是评价木材力学性能、重量和加工工艺的一项重要指标。研究近红外光谱技术预测木材密度的方法和模型具有十分重要的意义。近年来，开展的有关针、阔叶材密度预测研究，研究对象主要有伐倒木和活立木。

相对于针叶材，近红外光谱技术在阔叶材活立木密度检测中的应用研究较多。江泽慧等[11]研究了泡桐（Paulownia elongate）活立木，钻取生长锥快速获得其密度指标值，建立了偏最小二乘模型，相关系数（R）为0.83；赵荣军等[33]建立了粗皮桉（Eucalyptus pellita）生长锥气干密度的偏最小二乘模型，其相关系数（R）可达到0.92。研究表明：采用相同的取样方法和分析方法进行近红外光谱预测密度，建立的模型对密度较小、材质较轻的木材预测精度相对较差，这可能是由木材本身不同的微观结构造成的。

对于伐倒木，目前也建立了阔叶材黑木相思（Acacia melanoxylon）木材密度偏最小二乘回归模型[34]，枫桦（Betula costata）木材定标分析模型[35]，柞木（Xylosma racemosum）反向区间偏最小二乘(BiPLS)回归模型[36]，以及针叶材杉木（Cunninghamia lanceolata）的偏最小二乘模型，其相关系数（R）均在0.80以上[37]（表2）。这些模型对针阔叶材预测效果均较好，且无较大差别。但对杉木不同切面（横切面、纵切面、弦切面）的近红外光谱数据采集发现，采用横切面光谱建立的模型相关系数最高，表明不同的木材切面光谱所包含的信息不同，横切面光谱更有助于密度预测。也有学者混合了多种木材进行预测，并建立效果较优的模型[38-40]。此外，研究发现，相较于中红外光谱法，近红外在预测木材密度时制样速度更快、扫描时间更短、准确性更高[41]。

表2 我国不同树种密度预测模型参数Tab.2 Prediction model parameters of density in different tree species in China

虽然目前对近红外在针、阔叶材密度快速预测中的应用均有研究，但对我国的树种研究还不多，相关研究也主要集中于阔叶材。研究发现，对活立木的密度预测，模型精度较高，且相对于伐倒木密度预测而言，活立木更能体现近红外光谱分析技术无损快速的优点。今后在扩充近红外预测木材密度数据库，提高模型稳定性和准确性时，应注重活立木密度的快速预测研究。

2.2 木材含水率预测

含水率是影响木材性能的重要因素之一，特别是在纤维饱和点以下时，含水量的多少对木材强度、刚性、硬度以及机械加工性能、导电性等均有较大的影响[42]。由于木材中的水分会影响其近红外光谱的产生，因此可以利用木材的近红外光谱预测其含水率。江泽慧等[7]采集了不同含水率状态下杉木样品的近红外光谱，并利用偏最小二乘法建立水分预测相关模型，发现其校正模型和预测模型的相关系数(R)达到0.99以上。Hans等[43]则对不同干燥程度的胡杨（Populus tremuloides）和白杨（Populus balsamifera）木材样品进行近红外光谱测量，建立了偏最小二乘法回归模型，发现其决定系数(R2)可达0.83。在对欧洲赤松（Pinus sylvestris）和英国栎（Quercus robur）木材的研究中也发现，其混合试样木材含水率的近红外预测模型决定系数(R2)达到0.96[38]。这些研究表明，采用近红外光谱预测木材含水率具有较高的准确性。但部分研究表明，当样品体积较大或水分分布不均时，近红外光谱法预测精度会下降[44]。

除了对木材本身不同的含水率进行预测外，近红外光谱技术还应用于和含水率相关的制浆造纸工业以及木材尺寸稳定性等方面的预测。比如对蓝桉（Eucalyptus globulus）等4种常见制浆材在制浆过程中的混合木片含水率进行快速预测，采用偏最小二乘法和完全交叉验证方式建立具有较高准确性和稳健性的样品水分模型，模型交叉验证的相关系数(R)均可达到0.98以上[45]。也有学者采集不同含水率状态下的杨木近红外光谱，与杨木尺寸变化率相对应，建立了木材尺寸变化的近红外模型，得到的验证模型决定系数（R2）在弦向和径向分别为0.98和0.96，表明近红外光谱可以对木材尺寸稳定性进行快速预测[46]。

近年来，开始注重近红外光谱技术的实际应用。如在制浆造纸工业中，应用近红外光谱技术大幅缩短预测木材含水量的时间，但该技术对试件的无损度和水分分布均匀程度要求较高，因此仍需要继续进行探索，降低其使用要求，并提高模型准确度。

3 在木材力学性能预测中的应用

3.1 抗弯强度预测

木材抗弯强度(MOR)是木材抵抗弯曲的最大纤维应力。国外对不同树种的抗弯强度进行了预测研究，如Kelley等[47]用近红外光谱法预测6种针叶木材的抗弯强度，对山毛榉（Fagus longipetiolata）、南方松（Pinusspp.）木材也有研究，并取得了良好的预测效果。国内赵荣军等[12,33]建立了杉木抗弯强度的全波段（350～2 500 nm）近红外预测模型，发现其横切面效果好于径切面，之后采集人工林粗皮桉的近红外光谱，并用偏最小二乘法建立了其抗弯强度的预测和校正模型，得到的校正模型相关系数(R)可达0.91，预测模型相关系数(R)也达到0.88，研究表明，近红外光谱技术可以预测阔叶树木材的抗弯强度。也有学者通过二阶导数预处理方法建立了粗皮桉抗弯强度的预测模型，发现在波段1 000～2 000 nm建立的模型最好，相关系数(R)为0.92[48]。还有学者对蒙古栎（Quercus mongolica）的抗弯强度进行了快速预测，预测模型相关系数(R)在0.81以上[49-50]。

3.2 抗弯弹性模量预测

木材抗弯弹性模量(MOE)表示木材在比例极限内，应力与应变之间的相关程度。在近红外应用于木材抗弯弹性模量预测初期，通过对杉木、桉木等的大量研究[51-52]，建立了相关性较好的预测模型。之后的研究发现，试样的大小会对近红外光谱预测木材抗弯弹性模量的准确度有一定的影响，较小木材试样的预测模型决定系数（0.61～0.89）略高于较大试样[53-54]。近年来，为寻求更加适合、准确的预测方法，展开了不断的对比研究，研究发现，对于杉木[7]、落叶松（Larix gmelini）[55]等树种，应用横切面光谱信息建立的模型准确度高于以径切面的光谱信息建立的模型。此外，除了木材本身，预处理方式和分析方法也会影响模型效果，在辐射松（Pinus radiata）的抗弯弹性模量预测模型中，一阶导数预处理比二阶导数处理效果更好，长波区域（1 100～2 500 nm）比全区域（400～2 500 nm）预测效果更好，相关系数(R)达到0.85[56]。采用多种算法改进的偏最小二乘法，建立蒙古栎抗弯弹性模量的预测模型，相关系数可达0.88[49]。

木材力学性能与物理性能对于近红外光谱都属于二级属性，目前采用近红外光谱技术对针叶材与阔叶材力学性能的预测主要集中在抗弯强度和抗弯弹性模量方面，对抗压强度和硬度研究较少。对多个杨木和杉木无性系的上述4个主要力学性能快速预测发现，近红外光谱技术对抗压强度和硬度也有较好的预测效果，而阔叶材杨木的预测效果不如杉木。试材的大小、不同的切面均会使近红外光谱分析方法对木材力学性能预测模型的精度造成影响。因此，今后应着重综合分析这些因素，实现对更多树种特别是材质较轻的阔叶材树种木材力学性能的快速预测。

4 结语

虽然近红外光谱技术在木材科学领域起步较晚，但该技术在木材性能预测方面的研究已取得一定进展。其中涉及的人工林树种主要有辐射松、杨木、杉木、泡桐和桉树等。现有研究表明，近红外光谱技术可以实现针阔叶材的化学性能（木质素、纤维素、半纤维素及其他化学组分）、物理性能（木材密度、含水率）以及力学性能（抗弯强度及抗弯弹性模量）等品质性状的快速预测，其中木材化学成分含量预测相关性最高，力学性能预测精度较低。对于同一性能预测，树种不同、采用的分析方法不同，预测效果也不同。目前，在光谱数据处理与建模分析中，最常用的光谱预处理方法为导数法和小波变换法，其中偏最小二乘法为主要分析方法。

总体上，近红外光谱可以快速预测部分树种木材基础性能，但目前的研究主要集中于伐倒木，未涉及珍贵树种木材和急需快速筛选手段的遗传改良林木，且木材性能预测模型相关系数低于食品和化工等领域的模型相关系数。近红外光谱分析技术在木材领域还有很大的发展空间，未来研究首先应围绕以下3个方面展开：

1）对不同针、阔叶材树种，同一树种不同的材质特性进行系统分类研究，有针对性地摸索试样尺寸、采谱部位、光谱采集与处理以及不同的化学计量学分析方法，建立一整套国内人工林不同木材物理、力学性能近红外快速预测方法与标准；

2）推进近红外预测木材性能在实际生产中的应用研究，特别是近红外光谱分析技术在遗传改良苗木品质性状筛选中的应用，解决遗传改良林木快速筛选问题；

3）开展活立木材性预测，在无需砍伐树木的情况下，利用近红外光谱技术对幼龄材和成熟材不同生长发育阶段的林木材性进行无损测定，快速获取特定发育阶段林木的木材品质性状。