桉樹(shù)材性性狀近紅外預(yù)測(cè)模型的建立

盧萬(wàn)鴻，王楚彪，林 彥，羅建中

(國(guó)家林業(yè)局桉樹(shù)研究開(kāi)發(fā)中心，廣東 湛江 524022)

桉樹(shù)材性性狀近紅外預(yù)測(cè)模型的建立

盧萬(wàn)鴻，王楚彪，林 彥，羅建中

(國(guó)家林業(yè)局桉樹(shù)研究開(kāi)發(fā)中心，廣東 湛江 524022)

試驗(yàn)以采集的100份桉樹(shù)不同組合雜交子代的木芯及木粉樣品作為研究對(duì)象，以常規(guī)方法測(cè)定所取木材樣品的木材密度、纖維長(zhǎng)度和纖維寬度并用Polychrom ix手持式近紅外儀采集了自然風(fēng)干狀態(tài)木粉的近紅外光譜信息。光譜數(shù)據(jù)的處理及建模用Unscrambler 9.7軟件完成。建模結(jié)果顯示：木材密度、纖維長(zhǎng)度和纖維寬度的預(yù)測(cè)精度均可達(dá)90%以上。建模過(guò)程中，木材密度較纖維長(zhǎng)度和纖維寬度所需的校正樣本集數(shù)量要多，說(shuō)明要達(dá)到一定的預(yù)測(cè)精度，纖維長(zhǎng)度和纖維寬度其所建模型的預(yù)測(cè)范圍會(huì)相應(yīng)變小。

桉樹(shù)；材性指標(biāo)；近紅外光譜；預(yù)測(cè)模型

桉樹(shù)(Eucalyptus)在我國(guó)發(fā)展迅速，至2013年8月其人工林面積達(dá)450萬(wàn)hm2[1]，年產(chǎn)木材超過(guò)2000萬(wàn)m3，對(duì)解決我國(guó)木材安全問(wèn)題起著舉足輕重的作用。在我國(guó)，桉樹(shù)主要用于制漿造紙和膠合板加工，隨著市場(chǎng)的擴(kuò)大和桉樹(shù)產(chǎn)業(yè)的不斷發(fā)展，市場(chǎng)對(duì)桉樹(shù)定向育種的需求也越來(lái)越多元化，除了追求高生長(zhǎng)量、優(yōu)良干形等指標(biāo)外，對(duì)桉樹(shù)木材化學(xué)性質(zhì)和物理性狀等指標(biāo)的關(guān)注度也越來(lái)越高，即桉樹(shù)的定向育種成為現(xiàn)在的焦點(diǎn)。而這些指標(biāo)的常規(guī)測(cè)量和檢測(cè)方法費(fèi)時(shí)費(fèi)力，且需要破壞樣品，這些問(wèn)題都嚴(yán)重影響著桉樹(shù)定向育種的進(jìn)展，這要求科研工作者尋求一種非表型性狀的快速檢測(cè)技術(shù)。

早在食品加工業(yè)工藝環(huán)節(jié)的在線控制、藥品品質(zhì)及安全的監(jiān)測(cè)[2-3]、 “精準(zhǔn)農(nóng)業(yè)”、過(guò)程統(tǒng)計(jì)控制[4]、石油組分的鑒定及在線分析[5]、環(huán)境問(wèn)題的監(jiān)測(cè)尤其是在線監(jiān)測(cè)[6]、木材性質(zhì)性狀的預(yù)測(cè)[7-11]等領(lǐng)域就已經(jīng)出現(xiàn)了一種“綠色、快速、非破壞”的分析技術(shù)——近紅外光譜技術(shù)，它能在幾分鐘內(nèi)，通過(guò)采集被測(cè)樣品近紅外光譜信息，即可完成其多項(xiàng)性能指標(biāo)的測(cè)定；采集光譜時(shí)不需要破壞樣品或?qū)悠纷鲱A(yù)處理；分析過(guò)程中不消耗其他材料、成本低、分析重現(xiàn)性好。因此，本研究計(jì)劃探索近紅外技術(shù)在桉樹(shù)木材性狀預(yù)測(cè)中的應(yīng)用效果。

1 材料與方法

1.1 儀器設(shè)備

研究用美國(guó)Polychromix公司的Phazir手持式近紅外分析儀采集樣品近紅外光譜信息，其波長(zhǎng)范圍為1 600 ~ 2 400 nm，鎢燈光源，光學(xué)分辨率為12 nm，每次掃描完成100個(gè)光波信息的采集。近紅外光譜信息數(shù)據(jù)用 Unscrambler 9.7軟件處理分析并完成預(yù)測(cè)模型的建立及對(duì)所建模型預(yù)測(cè)精度的檢驗(yàn)。

樣本木材纖維長(zhǎng)度和纖維寬度以木芯為試驗(yàn)材料，按常規(guī)法解樣[12]，用加拿大 OpTest纖維質(zhì)量分析儀完成纖維形態(tài)的測(cè)量。木材密度按飽和排水法測(cè)量獲得[13]。

1.2 試樣及光譜信息采集

建模所取校正集樣本來(lái)自6年生桉樹(shù)雜交子代林(表1)。該試驗(yàn)林超過(guò)20個(gè)雜交組合，包括尾葉桉(E. urophylla)、巨桉(E. grandis)、細(xì)葉桉(E. tereticornis)、粗皮桉(E. pellita)和赤桉(E. camaldulensis)等樹(shù)種間的不同組合，所以樣本遺傳基礎(chǔ)比較豐富，這也就保證了相當(dāng)大的多樣性。

選擇混合樹(shù)種(雜交種)作為近紅外預(yù)測(cè)樣本集，是鑒于目前國(guó)外相關(guān)研究也在探索能否用某一樹(shù)種建立的近紅外預(yù)測(cè)模型用于其他樹(shù)種的性狀預(yù)測(cè)，或用一個(gè)立地所取樣本集建立的預(yù)測(cè)模型能否用于不同立地條件未知樣本的預(yù)測(cè)。另外，華南地區(qū)目前商用無(wú)性系均由幾個(gè)純種桉樹(shù)雜交種獲得的無(wú)性系，其本身屬于混合樹(shù)種。本研究選用不同純種桉樹(shù)的雜交種作為預(yù)測(cè)樣本集，其目的在于探索所建模型用于目前商用桉樹(shù)品種木材性狀預(yù)測(cè)的可行性極其預(yù)測(cè)精度。

建?？偣膊杉?00份胸高處木芯及對(duì)應(yīng)單株的木粉。木芯用于木材密度、纖維長(zhǎng)度和纖維寬度等材性指標(biāo)的常規(guī)法測(cè)定，這3個(gè)指標(biāo)均按常規(guī)國(guó)標(biāo)法測(cè)取(表2)。木粉經(jīng)自然風(fēng)干后用于近紅外光譜數(shù)據(jù)的采集，具體方法是將木粉裝于透明塑料袋中，用Phazir手持式近紅外儀隔袋每樣連續(xù)測(cè)取10次，然后求其均值以代表該樣品的光譜信息[14]。

表1 測(cè)試樣本的親本信息

表2 預(yù)測(cè)樣本集各木材性狀均值

2 結(jié)果與分析

2.1 桉樹(shù)木粉的近紅外光譜原始信息

圖1為100個(gè)桉樹(shù)木粉樣品的近紅外光譜原始信息的反射率光譜。從圖1可知，在除了個(gè)別偏離較遠(yuǎn)的離散樣本的前提下，不同樣品的近紅外光譜原始信息反射率的變化趨勢(shì)基本相似或一致。不同樣品近紅外光譜原始信息反射率的變化趨勢(shì)基本一致，說(shuō)明了此次所收集校正模型預(yù)測(cè)集的同質(zhì)性，從而保證了建立預(yù)測(cè)模型的意義，最終保證所建模型的預(yù)測(cè)精度。由圖1還可知，在研究所用儀器可測(cè)量的范圍內(nèi)，樣品在不同的波長(zhǎng)處其光波發(fā)射率有著極其明顯的變化，且隨著波長(zhǎng)的增大反射率有增加的趨勢(shì)。在波長(zhǎng)1 870 ~ 1 940 nm的區(qū)間、2 315 nm波長(zhǎng)附近，樣品的反射率有較大的變化，說(shuō)明這兩個(gè)波長(zhǎng)區(qū)域?qū)λ鶞y(cè)試樣品的特征有較好的反應(yīng)。

2.2 樣品近紅外光譜信息的預(yù)處理

用遠(yuǎn)紅外、近紅外和紅外等光譜技術(shù)進(jìn)行樣品檢測(cè)時(shí)，采集樣品光譜信息的過(guò)程中都會(huì)受到隨機(jī)高頻噪音、偏移、樣本不均勻和光散射等因素的影響，采集的原始光譜信息常常存在一定的偏差，從而降低檢測(cè)精度[15]，因此在數(shù)據(jù)分析前應(yīng)對(duì)原始數(shù)據(jù)進(jìn)行相應(yīng)的預(yù)處理，這是關(guān)系近紅外分析技術(shù)準(zhǔn)確性的一個(gè)必不可少的環(huán)節(jié)。本研究用Unscrambler 9.7軟件對(duì)近紅外光譜的原始數(shù)據(jù)進(jìn)行S. Golay(平滑處理)和Normalize(標(biāo)準(zhǔn)化處理)兩步預(yù)處理，不僅去除原始光譜數(shù)據(jù)存在的偏差，也是為了明晰預(yù)處理對(duì)校正模型的建立有無(wú)影響及影響的程度，從而確定對(duì)于特定的光譜數(shù)據(jù)采用何種預(yù)處理會(huì)得到最佳的樣品特征校正模型。

圖2為經(jīng)平滑和標(biāo)準(zhǔn)化兩步預(yù)處理后得到的樣品反射率，較圖1相比反射率存在很大的差別，但在不同波長(zhǎng)處反射率的變化趨勢(shì)卻完全一致，因?yàn)檫@兩種光譜數(shù)據(jù)的預(yù)處理只是經(jīng)過(guò)相應(yīng)數(shù)學(xué)函數(shù)處理后所得的函數(shù)值，所以從相對(duì)性上來(lái)說(shuō)沒(méi)有從本質(zhì)上改變數(shù)據(jù)的性質(zhì)。

所不同的是從圖2中能更明確地看出不同樣本在特定波長(zhǎng)處反射率的差異情況，如在波長(zhǎng)約1 600 ~ 1 900 nm間和2 254 ~ 2 380 nm區(qū)間，樣本的近紅外光譜反射率存在明顯的差異，這對(duì)在何種波長(zhǎng)范圍進(jìn)行異質(zhì)樣本的區(qū)分具有重要的依據(jù)。

2.3 樣品材性性狀近紅外校正模型的建立

多合一多元數(shù)據(jù)分析和試驗(yàn)設(shè)計(jì)軟件包 Unscrambler是目前處理近紅外光譜數(shù)據(jù)比較好的化學(xué)計(jì)量軟件。利用近紅外光譜數(shù)據(jù)建立樣品特征的快速預(yù)測(cè)模型其核心就是選擇合適的數(shù)學(xué)回歸方法，建立樣品光譜數(shù)據(jù)與其對(duì)應(yīng)的特征值間的回歸方程。

利用Unscrambler軟件中的regression算法獲得回歸方程，同時(shí)用該軟件中的 prediction過(guò)程對(duì)所建模型進(jìn)行精度驗(yàn)證，不斷修正優(yōu)化，從而得到最優(yōu)的校正模型，實(shí)現(xiàn)樣本的最精確預(yù)測(cè)目的。此次建模選擇PLS法(即Partial Least-squares，偏最小二乘法)進(jìn)行數(shù)據(jù)回歸，選擇全交互式驗(yàn)證，默認(rèn)主成分?jǐn)?shù)量設(shè)為20個(gè)。在得到校正模型(圖3)后，通過(guò)反復(fù)去掉離散型樣本數(shù)據(jù)，對(duì)已得到的模型進(jìn)而修正優(yōu)化，不斷提高所建模型的預(yù)測(cè)精度，獲得最優(yōu)預(yù)測(cè)模型。

圖3為樣品木材密度的近紅外校正模型建模結(jié)果，所建模型預(yù)測(cè)精度達(dá)到 R2=0.950，回歸模型RMSE(均方根)值為0.006 (表3)。通過(guò)多次模擬回歸，根據(jù)校正模型的預(yù)測(cè)精度和主成分分布圖，反復(fù)去掉離散型樣品數(shù)據(jù)，最終獲得預(yù)測(cè)精度最理想而又能保證有一定數(shù)量的預(yù)測(cè)樣本集的校正模型。獲得本次木材密度近紅外校正模型共用了 85個(gè)樣本的數(shù)據(jù)，充足的樣本數(shù)量可以保證校正模型較廣的預(yù)測(cè)范圍。

同樣對(duì)光譜數(shù)據(jù)進(jìn)行桉樹(shù)纖維長(zhǎng)度近紅外預(yù)測(cè)模型的建模，結(jié)果顯示(圖4)，所得模型的預(yù)測(cè)精度達(dá)到R2=0.965，回歸模型RMSE值為0.010 (表 3)。該模型的預(yù)測(cè)樣本數(shù)量為77個(gè)，較木材密度預(yù)測(cè)模型建模所需樣本數(shù)量少。桉樹(shù)纖維長(zhǎng)度預(yù)測(cè)模型的建模過(guò)程也經(jīng)過(guò)多次模擬回歸，依據(jù)所得校正模型的預(yù)測(cè)精度和主成分分布圖(圖4)，反復(fù)去掉離 散型樣品數(shù)據(jù)，最終獲得預(yù)測(cè)精度的校正模型。

桉樹(shù)纖維寬度近紅外預(yù)測(cè)模型的預(yù)測(cè)精度為R2=0.951，回歸模型RMSE值為0.204(表3)，此處RMSE的值比木材密度和纖維長(zhǎng)度的大，原因是由木材纖維寬度本身的計(jì)量大小引起，并非校正模型相關(guān)性的降低而導(dǎo)致。纖維寬度近紅外預(yù)測(cè)模型的建模去掉一部分離散型樣本數(shù)據(jù)后，獲得該精度預(yù)測(cè)模型使用了79個(gè)樣本的校正集。

桉樹(shù)木材密度、纖維長(zhǎng)度和纖維寬度的近紅外光譜校正模型，其建模結(jié)果顯示，這3個(gè)性狀的近紅外預(yù)測(cè)模型建模所需的校正數(shù)量大致相同。說(shuō)明此次試驗(yàn)所采集的100個(gè)樣本集對(duì)于這3個(gè)性狀的預(yù)測(cè)模型建模來(lái)說(shuō)很穩(wěn)定。另外，3個(gè)性狀的近紅外預(yù)測(cè)模型具有一定的預(yù)測(cè)精度，可靠性較強(qiáng)。

表3 桉樹(shù)材性性狀近紅外校正模型相關(guān)參數(shù)

表4是用Unscrambler軟件建立的近紅外預(yù)測(cè)模型進(jìn)行未知樣本木材材性預(yù)測(cè)的結(jié)果，包括木材密度和木材纖維形態(tài)的預(yù)測(cè)值，同時(shí)也列出了用所建模型進(jìn)行預(yù)測(cè)時(shí)的精度區(qū)間，從精度區(qū)間的數(shù)據(jù)來(lái)看，所建近紅外預(yù)測(cè)模型的預(yù)測(cè)值其精度范圍非常小，說(shuō)明近紅外技術(shù)用于桉樹(shù)材性性狀的預(yù)測(cè)是可靠的。本研究所建立的預(yù)測(cè)模型能較好地用于采樣區(qū)域桉樹(shù)木材材性的預(yù)測(cè)。

表4 桉樹(shù)材性近紅外預(yù)測(cè)模型精度檢驗(yàn)

3 結(jié)論與討論

利用近紅外技術(shù)進(jìn)行樣品特征的快速預(yù)測(cè)研究在國(guó)內(nèi)外已有很多報(bào)道，其中很多研究結(jié)果都表明其預(yù)測(cè)精度很高。本研究結(jié)果表明，利用近紅外技術(shù)對(duì)桉樹(shù)材性性狀進(jìn)行預(yù)測(cè)可獲得很好的效果，預(yù)測(cè)模型具有很高的預(yù)測(cè)精度。建模結(jié)果顯示，桉樹(shù)木材密度、纖維長(zhǎng)度和纖維寬度的近紅外預(yù)測(cè)精度均達(dá)90%以上。因此，利用近紅外光譜技術(shù)進(jìn)行桉樹(shù)木材材性的預(yù)測(cè)是可行的。

應(yīng)用近紅外技術(shù)建立樣品特征快速預(yù)測(cè)的模型除了采用合理的化學(xué)計(jì)量方法外，選擇合適的樣本校正集是保證模型預(yù)測(cè)精確性和穩(wěn)定性的重要前提。本研究共采集了100份木材樣本，對(duì)于利用近紅外技術(shù)進(jìn)行樣本特征快速預(yù)測(cè)模型的建立，及用化學(xué)計(jì)量軟件和建模方法(偏最小二乘法)的要求而言，該樣本數(shù)量完全符合建模需求。Unscrambler建模結(jié)果顯示，達(dá)到90%以上的預(yù)測(cè)精度，桉樹(shù)木材密度、纖維長(zhǎng)度和纖維寬度建模需要的樣本數(shù)分別為85、77和79個(gè)。這幾個(gè)性狀的建模樣本集數(shù)量相差不大，表明試驗(yàn)所采集的100個(gè)樣本對(duì)于這3個(gè)性狀預(yù)測(cè)模型的建模來(lái)說(shuō)很穩(wěn)定，保證了所建模型的可靠性及預(yù)測(cè)精度。

另外，結(jié)合本研究結(jié)論及相關(guān)文獻(xiàn)[16-17]可推測(cè)：第一，能否用來(lái)源于不同立地條件下的多品種樣本建立混合校正模型用于預(yù)測(cè)不同品種的未知樹(shù)種樣本；第二，利用某一立地的樣本群建立的校正模型能否用于其它立地未知樣本的預(yù)測(cè)；第三，以生長(zhǎng)樣木的數(shù)據(jù)為基礎(chǔ)建立的校正模型能否用來(lái)評(píng)估整株樣木的性狀特征。以上3個(gè)問(wèn)題有待在日后的工作中繼續(xù)開(kāi)展。

[1] 陳少雄,陳小菲.我國(guó)桉樹(shù)經(jīng)營(yíng)的技術(shù)問(wèn)題與思考[J].桉樹(shù)科技,2013,30(3):52?59.

[2] 鄧波,周玉榮,龐小峰.FT?NIR與主成分分析在中藥貝母鑒別和聚類(lèi)中的應(yīng)用研究[J].光譜實(shí)驗(yàn)室,2006,23(5): 1103?1106.

[3] 石杰,李長(zhǎng)濱,吳擁軍.近紅外光譜法快速定量分析那格列奈[J].鄭州大學(xué)學(xué)報(bào)(工學(xué)版),2010,31(6):104?107.

[4] 楊萌.近紅外光譜技術(shù)在棉氨綸面料分析中的應(yīng)用[J].中國(guó)纖檢,2010,11:61?63.

[5] 畢衛(wèi)紅,張權(quán).基于近紅外光電傳感技術(shù)的溢油監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[J].儀表技術(shù)與傳感器,2010(9):43?49.

[6] 馬翔,溫亞?wèn)|,王毅,等.傅里葉變換近紅外光譜儀在制絲線上的應(yīng)用[J].煙草科技,2006(1):22?24.

[7] Schim leck L R,Evans R.Estimation of Pinus radiata D.Don tracheid morphological characteristics by near infrared spectroscopy[J].Holzforschung,2004,58(1):66?73.

[8] Via B K，Shupe T F,Stine M,et al.Tracheid length prediction in Pinus palustris by means of near infrared spectroscopy: the influence of age[J].Holz Als Rohund Werkstoff,2005,63(3):231?236.

[9] Schim leck L R,Jones P D,Peter G F, et al.Nondestructive estimation of tracheid length from sections of radial wood strips by near infrared spectroscopy[J].Holzforschung, 2004,58(4):375?381.

[10] Schim leck L R,Evans R. Estimation of Eucalyptus delegatensis wood properties by near infrared spectroscopy[J].Canadian Journal of Forest Research,2001, 31(10):1671?1675.

[11] Sykes R,Li B,Hodge G,et al.Prediction of loblolly pine wood properties using transmittance near?infrared spectroscopy[J].Canadian Journal of Forest Research, 2005,35(10):2423?2431.

[12] 盧萬(wàn)鴻.美洲黑楊無(wú)性系材性性狀變異研究[D].南京:南京林業(yè)大學(xué),2008.

[13] 成俊卿.木材學(xué)[M].北京:中國(guó)林業(yè)出版社,1985.

[14] Jones P D,Schim leck L R,Peter G F,et al.Nondestructive estimation of wood chemical composition of sections of radial wood strips by diffuse refectance near infrared spectroscopy[J].Wood Science and Technology,2006, 40(8):709?720.

[15] 韓瑞珍,宋韜,何勇.基于可見(jiàn)/近紅外光譜的土壤有機(jī)質(zhì)含量預(yù)測(cè)[J].中國(guó)科學(xué):信息科學(xué),2010(40):111?116.

[16] Schim leck L R,Mora C,Daniels R F.Estimation of Tracheid Morphological Characteristics of Green Pinus Taeda L.Radial Strips by Near Infrared Spectroscopy[J]. Wood and Fiber Science,2004,36(4):527?535.

[17] Roger M,Nicholas E.NIR spectroscopy for rapid determination of permethrin or bifenthrin retention in P. radiata sapwood[C].International Research Group on Wood Preservation 44th Annual Meeting,Stockholm, Sweden,2013.

NIRS Calibration for Predicting Wood Properties of Eucalyptus

LU Wan-hong, WANG Chu-biao, LIN Yan, LUO Jian-zhong
(China Eucalypt Research Centre, Zhanjiang 524022, Guangdong, China)

100 increment cores and wood powder samples from a range of Eucalyptus taxa were collected in order to develop a Near Infra Red Spectral (NIRS) calibration for predicting wood properties of such species. Measurements of wood density, fiber length and fiber w idth of samples were first obtained from the increment cores using conventional methods. A Polychromix Phazir was then used to collect the near infrared spectra of the air-dried wood powder samples. The software Unscrambler 9.7 was used for data analyses and developing calibration models. The accuracy the calibrations obtained for predicting wood density, fiber length and w idth were all greater than 90%. The number of samples used for the calibration for NIR prediction of wood density was higher than for other traits, fiber length and w idth.

Eucalyptus; wood properties; near infrared (NIR);

S725.5

A

2015-03-12

廣東省科技計(jì)劃項(xiàng)目“近紅外光譜技術(shù)用于桉樹(shù)木材制漿性能的研究(2012B020302005)

盧萬(wàn)鴻(1982— )，男，在讀博士，工程師，主要從事桉樹(shù)遺傳育種研究. E-mail :luwanhong@outlook.com