木材識別與鑒定技術研究綜述

張潔　袁鵬飛　李君

摘 要： 在查閱大量文獻的基礎上，介紹木材識別時的術語、木材識別輔助工具和軟件、各種木材識別方法及其優(yōu)缺點，包括傳統(tǒng)木材識別、近紅外光譜技術、 氣質聯(lián)用技術、DNA法、穩(wěn)定同位素法以及基于計算機視覺的識別方法，總結木材識別理念的研究現(xiàn)狀。

關鍵詞： 木材識別方法；研究現(xiàn)狀；優(yōu)缺點

中圖分類號：S781.1 文獻標識碼：A 文章編號：1004-3020（2015）02-0030-06

木材識別是以木材的構造特征為依據(jù)，對木材的樹種進行識別。樹種不同，其內部的構造特征不同，它的用途也不同。正確識別木材的樹種，可以幫助更好地達到適材適用、物盡其用；中國地大物博，樹種資源豐富，對每一個樹種進行識別是一項浩大的工程，但識別意義卻重大而深遠，不僅體現(xiàn)在合理用材方面，在木材供應方面也顯得極為重要；木材樹種不同，價格也不同，使木材在市場流通中做到真材實料按質論價，防止非法木材交易和交易欺詐行為，對于木材家裝產業(yè)、木材家具特別是紅木家具產業(yè)的健康發(fā)展意義重大?；诖?，國內外很多學者都一直致力于木材識別方法研究[1]。

1 木材傳統(tǒng)識別方法及檢索手段

1.1 識別方法

1.1.1 宏觀特征識別

木材的宏觀特征識別是指通過肉眼或者放大鏡觀察宏觀解剖特征及表觀特征。木材的心材、生長輪、管孔大小、軸向薄壁組織與木射線的大小及排列方式，是常用的識別特征。同時，結合色澤、紋理、氣味、物理性質等進行綜合判斷。

宏觀識別方法簡單易行，在木材加工生產和流通現(xiàn)場及海關和質檢等質檢現(xiàn)場中只能采用這種方法。但對難以區(qū)分的不常見樹種或者是部分進口的熱帶木材，此方法只能識別到類。

1.1.2 解剖特征識別

解剖特征識別是指將厚度為15～20 μm的橫、徑和弦切面的切片，經染色、脫水等程序制成切片，置于光學顯微鏡下，觀察各類組織與細胞的形態(tài)與排列。該方法涉及的識別特征較多，極大地提高識別的準確性，但識別過程相對復雜。為保證木材識別的準確性，通常是將宏觀識別與微觀識別相結合，并與已知的標本木材切片相比對，或者是與國家標準相比對。該方法是目前應用最多，也是最成熟的木材識別方法。但是操作過程復雜，鑒別時間較長，需要一定的制作切片的技術和觀察組織的本領，從樣品上取樣時，特別是從紅木家具或紅木藝術品上取樣，往往會給樣品造成不同程度的破壞。

1.2 檢索手段

1.2.1 對分式檢索表法

對分式檢索表法是指運用對分法原理，將木材構造特征進行有無對比，以互相排斥為條件，循序漸進，逐漸縮小范圍，最后劃分出每個樹種來編制[1]。成俊卿等編著的《中國木材志》就是利用對分式檢索表進行樹種檢索。對分式檢索表編制方法簡單，成本低，攜帶方便，在樹種不多的情況下十分實用。但是檢索表修改時比較麻煩，甚至需要重新編制；需要按照檢索表的順序依次進行；樹種較多時，使用起來不方便。

1.2.2 穿孔卡式檢索表法

穿孔卡式檢索表法是把木材的全部識別特征排列在一張卡片周圍，并在每一特征上方打一小孔，將該種木材所具有的特征上方的小孔剪成“U”形缺口，同時將每張卡片上的左上角剪去，使所有卡片特征順序對齊。該方法可隨時增減樹種或修改木材的特征，不會影響整體工作；可以按標本的任何顯著特征進行檢索，不需要固定的順序；制作成本低。但是由于卡片多，攜帶不便且卡片容易損壞。

1.2.3 數(shù)據(jù)庫查詢系統(tǒng)

用計算機系統(tǒng)軟件查詢木材，結合了對分式檢索表和穿孔卡式檢索表的優(yōu)點，充分利用計算機高速處理數(shù)據(jù)的特性。采用數(shù)據(jù)文件或數(shù)據(jù)庫形式組織、管理樹種名稱及構造特征數(shù)據(jù)，以能夠容納大量信息的磁盤為存貯介質，在工作效率和功能齊全性方面均優(yōu)于原有的檢索表方式，體現(xiàn)計算機快速、準確、靈活、方便、綜合管理功能強、檢索方法多等特點[2]。

中國在木材數(shù)據(jù)庫檢索系統(tǒng)方面的研究起步較晚，從20世紀80年代開始，取得豐碩的成果。1992年劉鵬等建立的東南亞闊葉樹材數(shù)據(jù)庫查詢系統(tǒng)共包含201種東南亞闊葉樹材[3]；1995年程放等在收集、整理中國木材科學領域研究成果和實驗數(shù)據(jù)的基礎上，建立大型木材科學綜合信息數(shù)據(jù)查詢應用軟件包，系統(tǒng)收錄包括木材解剖識別在內的12個專項子數(shù)據(jù)庫[4]；1998年廣西大學的徐峰教授開發(fā)中國和東南亞1 000種木材圖像計算機查詢系統(tǒng)，創(chuàng)新性的加入圖像核對板塊，以木材圖像作為主要的木材識別依據(jù)，圖文并茂，使檢驗結果更直觀、準確，為今后木材數(shù)據(jù)庫檢索系統(tǒng)的創(chuàng)建打下基礎[5]；2000年王艷君等在建立的拉丁美洲熱帶木材樹種數(shù)據(jù)庫查詢系統(tǒng)中，共收錄200種拉丁美洲熱帶木材、600幅木材解剖圖片，為了解與認識、開發(fā)與利用拉丁美洲木材資源提供了1個有效的工具[6]；2003年中國林科院木材工業(yè)研究所建立紅木和紅木家具網(wǎng)絡鑒定平臺，為廣大的消費者和從事本專業(yè)的科研人員提供很好的交流與分享平臺[7]；2007年葉麗建立基于Web的世界主要商用木材信息查詢系統(tǒng)，實現(xiàn)按木材名稱、木材宏觀特征、木材微觀特征、木材物理力學性質等各類屬性特征，關鍵字和多關鍵字的計算機查詢檢索功能[8]；2013年孫書冬等建立基于Visual Basic的木材識別系統(tǒng)，該系統(tǒng)包含208種進口或國產常見商品材，在數(shù)據(jù)庫檢索功能的基礎上，兼具圖像處理技術，以期輔助木材樹種準確識別及提高識別速度[9]。

目前，各種木材數(shù)據(jù)庫檢索查詢系統(tǒng)已建立，樹種信息以及木材特征信息得到有效的分類和保存。然而基于操作者主觀描述的數(shù)據(jù)庫查詢系統(tǒng)仍然是一種專家鑒定系統(tǒng)，對鑒定者有較高的專業(yè)水平要求，非專業(yè)人員使用起來還是有一定的困難。

2 基于計算機數(shù)字圖像處理技術的識別方法

木材圖像在計算機中的顯示是一種創(chuàng)新，借助生物顯微鏡把木材切片的圖像反映到計算機上，再利用計算機上的自動識別程序，即通過木材解剖圖像自動識別木材，把圖像的顯示納入計算機自動的檢索系統(tǒng)中。

2.1 圖像語義特征

語義特征包括木材的各種不同組織細胞，如導管、軸向薄壁組織、早材、晚材、木射線和樹脂道等。主要集中在對導管細胞形態(tài)的研究，對其他諸如軸向薄壁組織、木射線等的研究較少，而這些特征在傳統(tǒng)識別方法中具有特別重要的意義。王鋒等在傳統(tǒng)木材識別傳統(tǒng)方法基礎上，應用語義學原理對木材識別特征進行聚類分析，提高木材識別智能化程度，該方法快遞，準確，具有較強的模糊識別能力[10]。

2.2 圖像紋理特征

木材紋理特征是從宏觀角度觀察木材，包括木材的顏色、組織特征、紋理、灰度等。基于圖像紋理特征最大相似性的木材樹種檢索識別較易實現(xiàn)，是一種值得發(fā)展和進一步研究的方法。常用的紋理特征提取方法有結構法、統(tǒng)計法和模型法。日本京都大學的增田稔博士開創(chuàng)木材紋理研究的先河[11]，白雪冰等利用灰度共生矩陣參數(shù)對木材表面紋理特征進行描述，并據(jù)此實現(xiàn)對木材表面紋理分類[12]。東北林業(yè)大學的于海峰等在研究木材紋理物理量的基礎上，借助數(shù)字圖像處理技術和紋理算法實現(xiàn)對木材紋理的定量化分析，并利用木材紋理特征最大相似性實現(xiàn)了木材樹種檢索識別[13-16]。王亞超重點研究了第二代小波變換的閥值去早方法，探索了木材圖像紋理的頻域特征參數(shù)，并利用這些參數(shù)比較了針葉樹材和闊葉樹材木材紋理的統(tǒng)計差異[17]。

2.3 板材材種識別方法

工業(yè)化的木材識別要求無損、快速、方便和準確。但以上木材識別技術工作都離不開木材切片的制作，這就嚴重妨礙板材識別方法的工業(yè)化。基于微觀細胞數(shù)字理論方法的研究摒棄了傳統(tǒng)切片制造工藝，使板材識別方法的工業(yè)化成為可能。圖像處理技術的發(fā)展為微觀細胞數(shù)字化理論的研究提供了技術支持。東北林業(yè)大學的馬巖教授對細胞系統(tǒng)數(shù)學模型進行研究[18]。在此基礎上，任洪娥等提出基于數(shù)字圖像處理技術提取出細胞數(shù)字特征參數(shù)，并利用計算機統(tǒng)計出理想的數(shù)學模型，采用合理的判別算法對材種進行識別，即基于板材端面細胞實體檢測圖像的數(shù)字特征參數(shù)的板材材種識別方法[19，20]。

基于計算機數(shù)字圖像處理技術的識別方法識別時比較的是數(shù)字參數(shù)，而不是傳統(tǒng)的像素點特征，存儲空間極小，從而大幅度地加快了識別和比較的速度。這種方法克服了傳統(tǒng)識別和檢索識別方法按照人的主觀描述特征的缺點，它具有客觀、準確、高效的特點。

3 基于化學成分及基因測序的木材識別技術

3.1 近紅外光譜技術

近紅外光譜技術是指波長在780～2 500 nm范圍內的電磁波，是一種新型無損獨立的檢測分析技術，在定性和定量分析領域應用廣泛。近紅外光譜技術在木材識別中的研究較多。主要包括近紅外光譜技術對不同產地來源的木材進行識別[21，22]、外觀相似的木材識別[23]、同一樹種不同部位的識別[24]、同屬的幾種木材識別[25]、通過物理或化學處理后的木材識別[26，27]。國內中國林科院木材工業(yè)研究所的研究最為突出，2003年木工所申請了紅木NIR識別專利；楊忠、江澤慧、呂斌等利用近紅外光譜技術并結合主成分分析方法對八類紅木的近紅外光譜進行分析，結果表明近紅外光譜與紅木色度學參數(shù)之間的相關性很高，可以很好地區(qū)分開八類紅木[28]；楊忠等利用近紅外光譜技術對一種針葉樹（杉木）和一種闊葉樹（桉樹）分別采集其近紅外漫反射光譜，結合偏最小二乘判別分析法建立的識別模型對未知樣品的識別率很高，說明NIR技術可以快速、準確識別針葉材和闊葉材[29]；劉亞娜探討影響木材識別模型穩(wěn)定性和可靠性的因素，建立木材近紅外光譜識別模型的標準化要求，并對基于近紅外光譜技術的木材識別機理進行探討[30]。中南林業(yè)科技大學的羅莎等論述近紅外光譜技術預測木材纖維素結晶度、木材微纖絲角和纖維形態(tài)等木材解剖特征中的研究現(xiàn)狀，以期將近紅外光譜技術預測木材解剖特征與木材樹種識別更加有效地結合起來[31]。首都師范大學的馬明宇等利用人工神經網(wǎng)絡建立了NIR樹種識別模型[32]。

近紅外光譜技術作為一種先進的檢測技術，具有無損、快速、操作簡便等優(yōu)點；樣品的形態(tài)可以是多樣的，如固態(tài)、液態(tài)或粉末；無需對樣品進行化學或物理的預處理；分辨率高、光通量大、偏振特性??；對樣品進行1次光譜采集，就能確定樣品的某一項或多項性質指標，無需多次采集數(shù)據(jù)，省時省力[33]；在近紅外光譜區(qū)分析是一種安全分析，不會對人體造成危害；實驗過程無需化學試劑，對樣品或環(huán)境不會造成污染，是一種綠色分析。但近紅外光譜所在的譜區(qū)也具有譜帶寬、譜帶重疊嚴重、吸收強度較低、需要依靠計算機技術及化學計量學提取信息等缺點，容易受到外界條件、測量條件的影響。

3.2 氣質聯(lián)用技術

色譜的定性、定結構能力較差，通常只是利用各組份的保留特性來定性，這在組份完全未知情況下進行定性分析就更加困難了。隨著一些定性和定結構的分析手段如質譜、紅外光譜、紫外光譜、核磁共振波普等級數(shù)的發(fā)展，確定1個純組分及其結構如何已是一件比較容易的事。

色譜一質譜聯(lián)用儀是開發(fā)最早的色譜聯(lián)用儀器，發(fā)展最完善，應用最廣泛，由于從氣相色譜柱分離后的樣品呈氣態(tài)，流動相也是氣體，與質譜的進樣的要求相匹配，最容易將這兩種儀器聯(lián)用。在所有聯(lián)用技術中氣質聯(lián)用，即GC-MS發(fā)展最完善，應用最廣泛，目前有機分析實驗幾乎都把GC-MS作為主要的定性手段之一，在很多情況下又用GC-MS進行定量分析。戚江晨等利用GC-MS技術從赤桉木材的苯醇提取液中鑒定出了100余種物質，用于分析抽提物對桉樹木材改性、膠合、涂飾等加工性能的影響[34]；粟本超等利用GC-MS技術對廣西柳州產馬尾松和濕地松松針揮發(fā)油進行分析，分別得到96種和133種成分[35]。

國內外利用GC-MS技術對木材種類進行的研究較少。例如：周佳璐等采用GC-MS技術對不同產地的柚木、重蟻木、松木和杉木樣品的抽提液進行分析，得出不同類木材的總離子流圖差別非常明顯，而同類木材總離子流圖基本相同[39]；羅莎等利用FTIR及GC-MS技術對四種紅木的有機溶劑抽提物進行分析，建立各木材FTIR與GC-MS指紋圖譜，并探索指紋圖譜信息對木材分類與鑒定的作用[40]；朱濤等利用氣質聯(lián)用技術，采用苯醇抽提和頂空直接導入兩種不同進樣方式，對9種紅木樣品進行分析，并建立各木材的指紋圖譜[41]。

該方法取樣量少、方便快捷、無形狀尺寸要求，而且對操作人員要求較低，識別工作效率高，得出的總離子流圖分離度較好。但是GC-MS技術需要將木材樣品進行有機溶劑抽提，前期準備工作比較繁瑣，而且實驗精密度要求較高，樣品采集過程易污染；抽提物受木材產地、樹齡、采伐季節(jié)、存放時間、運輸方式等不確定因素影響，對木材樣品的要求高；現(xiàn)階段，基于GC-MS構建的指紋圖譜應用于木材鑒定的研究仍處于起步階段，其準確性和可重復性人需要大量的實驗進行驗證。除了完善現(xiàn)有色譜質譜技術外，還需要更加充分的利用現(xiàn)有的分析技術。如何更好的借鑒與比對現(xiàn)有研究成果，建立多維指紋圖譜，多角度全面挖掘圖譜信息，是今后研究和發(fā)展的方向。

3.3 DNA條形碼識別

由于木材的樹種和產地不同其DNA也不同，反過來可以利用DNA技術來鑒定樹種。采用電泳的方法將DNA提取出來，將提取出來的DNA片段進行擴增，進行純化處理后選擇適當濃度的模板DNA，并進行DNA重復性試驗，序列測定分析及提交結果到數(shù)據(jù)庫。DNA條形碼識別技術是利用短的DNA片段對樹種進行識別與鑒定的新的生物分子技術，就像超市條形碼識別物品一樣，利用A、T、C和G 4個堿基在基因中的排列順序來識別物種[42]。

DNA條形碼技術在動物物種鑒別中得到了成熟的應用，在植物中的應用也正在積極的展開。目前為止，已有很多學者通過單一片段或多組合片段DNA條形碼對植物物種進行分類鑒定[43，44]、對木材進行分類鑒定[45，46]以及古木的研究發(fā)展[47]。Jiao Lichao等證明使用Qiagen kit protocol比使用傳統(tǒng)CTAB提取出更多高質量的DNA，并且由于受干燥工藝的影響，木材中的DNA的數(shù)量要明顯低于新鮮木材中的數(shù)量[48]。Lee Hong Tnah等認為從木材的形成層和邊材提取DNA的效率要高于心材部分；與核基因組相比，葉綠體基因組具有更高的擴增成功率；經過熱處理的木材只有葉綠體基因組才能被提取出來[49]。利用單一片段實現(xiàn)對所有物種的分類鑒定幾乎是不可能的，但根據(jù)現(xiàn)有結果分析出的片段組合還不能滿足現(xiàn)有DNA條形碼標準，仍然需要大量的實驗來驗證其分類鑒別能力[43]。

優(yōu)點：利用小塊兒生物體組織進行鑒別；能夠在生物的不同生長階段鑒別物種；準確地辨別形態(tài)相似度很高的物種；降低鑒別的模糊性；鑒別過程迅速快捷，且只需要簡單的培訓就可以掌握[50]；獲取信息量大；精確度高。缺點：DNA技術在立木組織（葉綠素、線粒體等）中的研究較多，在木質部提取困難，而且降解嚴重；在尋找不同目的基因的過程是繁瑣和困難的，仍需要進行大量的科學試驗，以得到更多重要樹種和木材的DNA條形碼信息。

3.4 穩(wěn)定同位素分析技術

穩(wěn)定同位素分析技術是指木材中一些穩(wěn)定同位素（C、H、P、N、S）的比率在不同地理區(qū)域是唯一的，故依此可推斷木材的原產地。

據(jù)殷亞方介紹，木材中的D/H比率可以跟蹤木材的產地，而同時利用D/H和18O/16O將能提高識別的準確性，開發(fā)利用N或S等其他元素的技術也得到新進展[51]。Agroisolab Gmbh實驗室的研究人員對來自不同國家的233個產地1 651個樣本進行萃取研究，表明根據(jù)木材有機物中氫的D/H比值，可以獲知原產地。Y.Gori等發(fā)現(xiàn)在整個木材和纖維素組分的各同位素比值之間（13C/12C、2H/1H、18O/16O）具有顯著的相關性，據(jù)此也可以跟蹤木材的原產地[52]。Keppler F利用穩(wěn)定同位素H的比率測得了木材的地理起源，并得出利用該方法可以很明顯的將來自北部森林的和熱帶地區(qū)的木材區(qū)別開來[53]。2007年在德國召開的國際研討會《指紋識別方法識別木材起源》中，Boner M等分別測定北歐1 651個樹種和東南亞487個樹種D/H和18O/16O比率的變化情況，以此來跟蹤木材的產地，同時他還提出使用87Sr/86Sr比率也能追蹤木材原產地[54]。該技術拓寬木材識別的范圍，提高識別精度，但該方法需要大量的實驗和樣本采集，對樣本具體來源有更高要求。今后應從木材中分離不同的純物質，增加其他同位素對的測定，進一步改進測試技術和方法，開展大規(guī)模的實驗。

4 結語

木材傳統(tǒng)識別是目前大多數(shù)檢驗機構采用的方法，也是發(fā)展最成熟的識別方法，在未來很長一段時間仍然會占據(jù)主導地位。在實際工作中，掌握木材識別與鑒定的基本方法也是木材檢驗人員一項重要的基本技能。但是傳統(tǒng)識別方法鑒定準確度難以得到保證，而且取樣量大，對木制品特別是紅木產品樣品破壞大，采取與現(xiàn)代科技結合，且簡便、高效、微損的方法來鑒別木材顯得迫在眉睫。與此同時，近紅外光譜技術、氣質聯(lián)用技術、DNA技術、穩(wěn)定同位素技術以及基于計算機數(shù)字圖像處理技術快速發(fā)展，拓寬了木材識別范圍，并提高了精度，是非常值得研究和利用的新技術。我國在此方面，應盡快展開此方面的研究，更快的實現(xiàn)新技術的工業(yè)化應用，以更好的為森林保護和木材工業(yè)的發(fā)展做出貢獻。

參考文獻

[1]汪杭軍，張廣群，祁亨年，等.木材識別方法研究綜述[J].浙江林學院學報，2009，26（6）：896-902.

[2]任洪娥，高潔，馬巖.我國木材材種識別技術的新進展[J].木材加工機械，2007，（04）：38-41.

[3]劉鵬，程放.東南亞闊葉樹材數(shù)據(jù)庫查詢系統(tǒng)[J].林業(yè)科學，1992，28（5）：480-484.

[4]程放，王艷君，陸熙嫻.木材綜合信息數(shù)據(jù)庫查詢系統(tǒng)的研究[J].木材工業(yè)，1995，（04）：16-19.

[5]徐峰.中國和東南亞1000種木材圖象計算機查詢系統(tǒng)[J].四川農業(yè)大學學報，1998，16（1）：181.

[6]王艷君，程放.拉丁美洲熱帶木材樹種數(shù)據(jù)庫查詢系統(tǒng)[J].木材工業(yè)，2000，14（2）：31-32.

[7]陳勇平，周玉成，姜笑梅.紅木識別鑒定平臺的設計與實現(xiàn)[J].人造板通訊，2004，11（10）：12-15.

[8]葉麗.基于Web的世界主要商用木材信息查詢系統(tǒng)的研究[D].南京：南京林業(yè)大學，2007.

[9]孫書冬，甘雪菲，霍麗平，等.基于Visual Basic的木材識別系統(tǒng)[J].木材工業(yè)，2013（05）：21-25.

[10]汪杭軍.基于紋理的木材圖像識別方法研究[D].合肥：中國科學技術大學，2013.

[11]賈瀟然，劉迎濤.木材樹種管理檢索系統(tǒng)研究現(xiàn)狀與發(fā)展趨勢[J].西南林學院學報，2009，29（6）：77-81.

[12]白雪冰，王克奇，王輝.基于灰度共生矩陣的木材紋理分類方法的研究[J].哈爾濱工業(yè)大學學報，2005，37（12）：1667-1670.

[13]董君偉，于海鵬，劉一星.木材紋理物理量的分析與定義[C]：中國林學會木材科學分會第十次學術研討會論文集，2005.

[14]于海鵬，劉一星，劉鎮(zhèn)波.木材紋理的定量化算法探究[J].福建林學院學報，2005，25（2）：157-162.

[15]于海鵬，劉一星，劉鎮(zhèn)波.基于圖像紋理特征的木材樹種識別[J].林業(yè)科學，2007，43（4）：77-81.

[16]于海鵬，劉一星，劉鎮(zhèn)波.應用數(shù)字圖像處理技術實現(xiàn)木材紋理特征檢測[J].計算機應用研究，2007，24（4）：173-175.

[17]王亞超.基于小波變換的木材圖像處理技術研究[D].內蒙古：內蒙古農業(yè)大學，2013.

[18]任洪娥，高潔，馬巖.我國木材材種識別技術的新進展[J].木材加工機械，2007，18（4）：38-41.

[19]任洪娥.板材端面細胞實體檢測圖像的切片化處理研究[J].林業(yè)機械與木工設備，2006，34（3）：26-28.

[20]高潔，任洪娥，馬巖.基于細胞數(shù)字特征的板材材種識別技術[J].林業(yè)機械與木工設備，2006，34（1）：39-41.

[21]Rana R， Müller G， Naumann A， et al. FTIR spectroscopy in combination with principal component analysis or cluster analysis as a tool to distinguish beech （Fagus sylvatica L.） trees grown at different sites[J]. Holzforschung， 2008，62（5）： 530-538.

[22]Sandak A， Sandak J， Negri M. Relationship between near-infrared （NIR） spectra and the geographical provenance of timber[J]. Wood Science and Technology， 2011，45（1）：35-48.

[23]Flaete P O， Haartveit E Y， K V. Near-infrared Spectroscopy with Multivariate Statistical Modelling as a Tool for Differentiation of Wood from Tree Species with Similar Appearance[J]. New Zealand Journal Of Forestry Science， 2006，36（2）：382-392.

[24]Sandberg K， Sterley M. Separating Norway spruce heartwood and sapwood in dried condition with near-infrared spectroscopy and multivariate data analysis[J]. European Journal of Forest Research， 2009，128（5）：475-481.

[25]Cooper P A， Jeremic D， Radivojevic S， et al. Potential of near-infrared spectroscopy to characterize wood products[J]. Canadian Journal of Forest Research， 2011，41（11）：2150-2157.

[26]Schwanninger M， Hinterstoisser B， Gierlinger N， et al. Application of Fourier Transform Near Infrared Spectroscopy （FT-NIR） to thermally modified wood[J]. Holz als Roh- und Werkstoff， 2004，62：483-485.

[27]Bchle 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.

[28]楊忠， 江澤慧，呂斌.紅木的近紅外光譜分析[J].光譜學與光譜分析，2012，32（9）：2405-2408.

[29]楊忠，呂斌，黃安民，等.近紅外光譜技術快速識別針葉材和闊葉材的研究[J].光譜學與光譜分析，2012，32（7）：1785-1789.

[30]劉亞娜.基于近紅外光譜技術的木材識別初步研究[D].北京：中國林業(yè)科學研究院，2014.

[31]羅莎，吳義強，劉元，等.近紅外光譜技術在木材解剖特征預測中的研究進展[J].中南林業(yè)科技大學學報，2012，32（1）：37-42.

[32]馬明宇，王桂蕓，黃安民，等.人工神經網(wǎng)絡結合近紅外光譜用于木材樹種識別[J].光譜學與光譜分析，2012，（09）：2377-2381.

[33]張慧娟.基于近紅外光譜的落葉松含碳量預測分析[D].哈爾濱：東北林業(yè)大學，2013.

[34]戚江晨.人工林赤桉木材抽提物特性與膠合微擾機理研究[D].株洲：中南林業(yè)科技大學，2011.

[35]粟本超，謝濟運，陳小鵬，等.廣西柳州產馬尾松和濕地松松針揮發(fā)油的GC-MS分析[J].質譜學報，2008，29（2）：257-260.

[36]周佳璐，叢培盛，湯桂林，等.用氣質聯(lián)用技術對木材進行分類和鑒別[J].建筑材料學報，2006，9（1）：36-40.

[37]羅莎.四種紅木抽提物的FTIR與GC--MS指紋圖譜鑒別研究[D].株洲：中南林業(yè)科技大學，2013.

[38]朱濤.基于GC-MS技術不同進樣方式的紅木識別研究及其指紋圖譜構建[D].合肥：安徽農業(yè)大學，2013.

[39]閆化學，于杰.DNA條形碼技術在植物中的研究現(xiàn)狀[J].植物學報，2010，（1）：102-108.

[40]劉宇婧，劉越，黃耀江，等.植物DNA條形碼技術的發(fā)展及應用[J].植物資源與環(huán)境學報，2011，20（1）：74-82.

[41]Ohyama M， Baba K， Itoh T. Wood identification of Japanese Cyclobalanopsis species （Fagaceae） based on DNA polymorphism of the intergenic spacer between trnT and trnL 5'exon[J]. The Japan Wood Research Society， 2001，（47）：81-86.

[42]Asif M J， Cannon C H. DNA Extraction From Processed Wood： A Case Study for the Identification of an Endangered Timber Species （Gonystylus bancanus）.[J]. Plant Molecular Biology Reporter， 2005，23（2）：185-192.

[43]Michael Hltken A， Schrder H， Wischnewski N， et al. Development of DNA-based methods to identify CITES-protected timber species： a case study in the Meliaceae family[J]. Holzforschung， 2012，66（1）：97-104.

[44]Gugerli F， Parducci L， Petit R J. Ancient plant DNA： review and prospects[J]. New Phytologist， 2005，166（2）：409-418.

[45]Jiao L， Yin Y， Xiao F， et al. Comparative analysis of two DNA extraction protocols from fresh and dried wood[J]. Iawa Journal， 2012，4（33）：441-456.

[46]Tnah L H， Lee S L， Ng K K S， et al. DNA extraction from dry wood of Neobalanocarpus heimii（Dipterocarpaceaefor forensic DNA profiling and timber tracking[J]. Journal of the International Academy of Wood Science， 2011，46：813-825.

[47]彭居俐，王緒楨，何舜平.DNA條形碼技術的研究進展及其應用[J].水生生物學報，2008，32（6）：916-919.

[48]張鋒.穩(wěn)定同位素——能鑒定紅木產地木材原產地識別技術有新突破[J].市場與產業(yè).2012，12：70-71.

[49]Gori Y， Wehrens R， Greule M， et al. Carbon， hydrogen and oxygen stable isotope ratios of whole wood， cellulose and lignin methoxyl groups of[J]. Rapid Communications in Mass Spectrometry， 2013，27（1）：265-275.

[50]Keppler F， Harper D B， Kalin R M， et al. Stable hydrogen isotope ratios of lignin methoxyl groups as a paleoclimate proxy and constraint of the geographical origin of wood[J]. New Phytologist， 2007，176（3）：600-609.

[51]M B， T S， C E. Stable isotopes as a tool to trace back the origin of wood[C] Proceedings of the international workshop "Fingerprinting methods for the identification of timber origin"， Germany， 2007：47-57.

（責任編輯：鄭京津）