基于工業(yè)CT掃描技術的蒙古櫟人工林節(jié)疤形成規(guī)律研究

翁海龍　孫楠　劉奇

摘要：? 以帶嶺林業(yè)局1999年營造的5個造林密度的蒙古櫟人工林為研究對象，利用工業(yè)CT對標準木進行掃描，對獲取的圖像進行判讀與分析，結果表明：工業(yè)CT不僅可以準確的提取節(jié)疤的數量、空間位置信息，還能夠回溯蒙古櫟人工林樹干節(jié)疤的整個形成過程。節(jié)疤形成的數量與競爭指數和氣候條件有一定的相關性：競爭指數越大，蒙古櫟人工林的節(jié)疤空洞和形成包藏節(jié)的數量就越多，反之就越小。年平均溫度升高，蒙古櫟節(jié)疤的數量減少；年降雨量升高，蒙古櫟節(jié)疤的數量增加； 晚霜出現較晚、早霜出現較早的年份，蒙古櫟人工林的節(jié)疤數量就會增多。該結論可以為蒙古櫟人工林大徑無節(jié)良材的培育經營提供理論支撐。

關鍵詞：? 工業(yè)CT；? 蒙古櫟；? 人工林；? 節(jié)疤；? 規(guī)律

中圖分類號：? ?S 722. 83? ? ? ? ? ? ? ?文獻標識碼：? ?A? ? ? ? ? ? ? ? 文章編號：１００1 － 9499（２０24）03 － 0025 － 08

Study on the Formation Law of Knot Scar in Quercus mongolica Plantation Based on Industrial CT Scanning Technology

WENG Hailong1 SUN Nan1 LIU Qi2**

（1.? Forest Science Research Institute of Heilongjiang Province，? Heilongjiang Harbin 150081;

2.? Heilongjiang Academy of Forestry，? Heilongjiang Harbin 150081）

Abstract Interpret and analyze the acquired images of the standard trees in 5 planting densities of Quercus mongolica plantation builded in 1999 in Dailing Forestry Bureau scanned by industrial CT.? The following conclusions were obtained： Industrial CT can not only accurately extract the number and spatial location information of knots， but also retrospect the whole formation process of knot scar in Quercus mongolica plantation. The number of knots formed has a certain correlation with competition index and climate conditions： the greater the competition index， the more the number of knot scar and encapsulated knots in Quercus mongolica plantation， and vice versa. The increase of annual average temperature reduces the number of knots of Quercus mongolica; the increase of annual rainfall increases the number of knots of Quercus mongolica Forest; the years with late frost occurring later and early frost occurring earlier， the number of knots of Quercus mongolica will increase. The conclusion can provide theoretical support for the cultivation and management of large diameter knotless good material of Quercus mongolica plantation.

Key words industrial CT; Quercus mongolica; plantation; knots; law

工業(yè)CT采用恒壓X射線源、高分辨率非晶硅面陣列探測器、高精度精密掃描平臺構建3D-CT掃描成像系統(tǒng)。對被檢物體進行旋轉透照，探測器采集被檢測物體在不同旋轉位置的投影圖像，根據探測器采集的投影數據，重建被檢測物體的三維圖像。法國農科院南錫研究中心的Longuetaud等通過霍夫變換（HT）和插值增強，實現了基于醫(yī)學CT掃描的挪威云杉Picea abies髓心位置完全自動檢測[ 1 ]。加拿大林產品創(chuàng)新研究院的Alkan也開展過采用工業(yè)CT技術檢測亞高山冷杉Abies lasiocarpa原木髓心的研究，實現了自動檢測并重建了原木髓心的三維圖像[ 2 ]。瑞典呂勒奧理工大學木材科學與技術研究所的 Hagman 等分別利用人工神經網絡 BP 算法和偏最小二乘法把歐洲赤松 CT 圖像中的節(jié)子分離出來，并對節(jié)子進行有效分類，準確率達到85%～97%[ 3 ]。瑞典學者 Lindgren在利用CT技術檢測木材密度方面作了系統(tǒng)的研究，隨后法國、日本等國學者也開展過 CT 值與木材密度關系的研究工作[ 4 ]。國內學者戚大偉、韓書霞等在分析處理木材 CT 圖像以及測定木材密度方面開展了一些研究，得出了相似的結論，即CT值與木材密度有很好的線性關系，當CT值變化為一個單位（HU）時，其密度相對應的變化大約為 1 kg/m3，這一關系幾乎不受木材水分的影響[ 5 ， 6 ]。利用這一線性關系，根據早晚材不同的 CT 值，可研究木材早晚材密度的變異規(guī)律和年輪特征等。費本華等利用CT技術研究了意楊 Populus×canadensis ‘I-214，落葉松 Larix gmelinii 和濕地松 Pinus elliottii的斷口形態(tài)特征[ 7 ]。彭冠云等采用 MicroCT對秋竹（Pleioblastus gozadakensis）和筇竹（Qiongzhuea tumidinoda）的節(jié)部進行掃描，在沒有對節(jié)部進行制樣的情況下，獲得了竹節(jié)主干橫切面上維管束及纖維分布清晰的圖像，然后利用圖像三維處理得到竹節(jié)部位的三維結構[ 8 ]。此外， Zhu等用隨機性紋理模型檢測原木，這是首次利用空間自回歸模型分析木材CT圖像的紋理[ 9 ]。Sepulveda等也發(fā)表過通過利用簡易CT來研究木材紋理的報道[ 10 ]。

節(jié)疤是林木大徑材培育的瓶頸問題，受氣候變化、營養(yǎng)空間競爭以及外力機械損傷等多種因素影響，容易形成節(jié)疤，前人主要采用木材切片的方法獲取節(jié)疤形態(tài)、分布位置、數量等信息，進而建立節(jié)疤模型，但是這種方法受樣本數量的限制，采集的數據量較少，影響模型精度，且無法對節(jié)疤形成機理進行分類。本研究在已有研究的基礎上，采用大數據的研究思維，以林分為對象，利用工業(yè)CT無損探傷技術掃描記錄節(jié)疤位置、解剖形態(tài)、木材密度及形成時間，建立節(jié)疤表型數據庫，再通過與氣象數據的耦合分析，揭示蒙古櫟人工林節(jié)疤形成的規(guī)律，旨在為人工林培育過程中節(jié)疤的人工干預提供理論基礎。

1 研究區(qū)域概況

帶嶺林業(yè)局位于小興安嶺南麓，地理坐標為128°37′46″～129°17′50″E，46°50′8″～47°21′32″N。地處中溫帶，屬大陸性季風氣候。全年平均氣溫1.4 ℃，無霜期115d左右。版圖呈紡錘形，南北長，東西窄，北大南小，南北高，中間低。全局總經營面積96 747 hm2，林木總蓄積量910萬m3。

2 研究方法

2. 1 試驗地設置

在帶嶺林業(yè)局選擇1999年營造的5個密度蒙古櫟人工試驗林，調查樹高、胸徑、中央直徑、枝下高、冠幅等指標，每個密度設置固定標準地 3 塊，合計 15塊，計算樣地平均木作為標準木。

2. 2 工業(yè)“CT”掃描法

工業(yè)CT是工業(yè)用計算機斷層成像技術的簡稱，它能在對檢測物體無損傷條件下，以二維斷層圖像或三維立體圖像的形式，清晰、準確、直觀地展示被檢測物體內部的結構、材質及缺損狀況，被譽為當今最佳無損檢測和無損評估技術。

選取蒙古櫟次生林與人工林每個密度的標準木各1株，截取樹干6 m發(fā)到監(jiān)測中心進行CT掃描，掃描前按30 cm一段進行切割，按樹木和區(qū)分段標記，將木段直立放置“工業(yè)CT”掃描探測儀平臺上，啟動儀器鏈接電腦軟件專業(yè)軟件（VGS tudio MAX）設置參數，啟動掃描。

成像原理：用X線束對木段由上至下按0.1 mm厚度的層面進行掃描，由探測器接收透過該層面的X線，轉變?yōu)榭梢姽夂螅晒怆娹D換器轉變?yōu)殡娦盘?，再經模擬/數字轉換器（analog/digital converter）轉為數字信號，VGS tudio MAX處理。木段部位一定圖像形成的處理將選定層面分成若干個體積相同的長方體，掃描所得信息經計算而獲得每個長方體的X線衰減系數或吸收系數，再排列成矩陣，即數字矩陣（digital matrix），數字矩陣存儲于磁盤中。經數字/模擬轉換器（digital/anolog converter）把數字矩陣中的每個數字轉為由黑到白不等灰度的小方塊，即像素（pixel），并按矩陣排列，即構成CT圖像，層面掃描形成x，y坐標值點云數據，構成二維斷層圖像，所有層面集合為x，y，z值點云數據，構成三維立體圖像。

2. 3 圖像判讀

采用“工業(yè)CT”掃描獲取到的圖像需要結合林業(yè)知識進行判讀，木段中材質密度越大灰度越小，密度最大值為白色，密度越小灰度越大，無密度值為黑色。

2. 3. 1 節(jié)疤類型判斷

樹木年輪線密度較高，因此呈白色線條（圖4）。在有節(jié)的圖像中，白色線條由隨心向外呈放射狀，與樹木年輪線相割，年輪線不閉合，節(jié)子放射狀線條穿過邊材至樹木表皮外為外生節(jié)；邊材年輪線閉合外端不顯示節(jié)的則形成包藏節(jié)；節(jié)子外緣有明顯的黑色線條則表明節(jié)與樹干材質分離即死節(jié)，節(jié)子頂端的黑色斑塊為空洞。

2. 3. 2 節(jié)疤生長時間的判斷

節(jié)疤生長緩慢，年輪及邊材較致密，形成白色線條明顯，節(jié)年輪線不清晰，節(jié)疤形成的時間根據與年輪線相割的時間判斷。圖1749是一條白色亮線從接近髓心的部位剛剛形成，查看與其相割的年輪是5年，即枝條形成時間；圖1722是枝條停止與年輪相切，主干年輪閉合，枝條形成自己閉合年輪的時間；圖1691可以看出枝條白色線條中間開始出現黑色的空洞，即枝條死亡時間，圖1610是該枝條的白色亮線消失，即枝條死亡后被包藏的時間。

3 結果與分析

3. 1 CT成像揭示的節(jié)疤空間位置和形態(tài)特征

3. 1. 1 空間位置的確定

利用工業(yè)“CT”對木段按照0.1 mm進行掃描，獲得二維圖像，在坐標系中得到節(jié)疤相應的x、y坐標，所有的x、y數據構成點云數據，重新建立x、z坐標系和y、z坐標系，在坐標系中找到節(jié)疤對應的x、y、z坐標，確定每個節(jié)疤的空間位置（圖6）。

3. 1. 2 節(jié)疤的形態(tài)特征

節(jié)疤在木段中不是單獨的一個點，每一個節(jié)疤在坐標系中x軸、y軸和z軸上均是一個閉合的分布區(qū)間，進而構成了一個不規(guī)則的立體圖形，也就是節(jié)疤的真實形態(tài)，而節(jié)疤的材積就是求這個坐標系中不規(guī)則圖形的體積（圖7）。

求不規(guī)則立體圖形的體積可以把節(jié)疤的起始點作為一個坐標系的原點，節(jié)疤的形狀可以用分割法將外形線用一個或多個可積的函數式f（x）表示，然后再乘以y的取值長度，再乘以z軸的長度取值（取值可以是長度，也可以是周長再階除以2），節(jié)疤的材積V=f（x）dydz。

3. 1. 3 枝條形成節(jié)疤的過程

根據圖像灰度反差分析，圖8顯示一個枝條從形成到死亡，最后被完全包裹的過程，徑切面每張圖片相差0.1 mm，弦切面每張圖片相差0.2 mm。

節(jié)子靠近遂心方向的高亮位置為側枝形成的位置，其切割的年輪線為形成時的主干年齡。由1749圖片可以看出，節(jié)子所在的側枝形成于樹木幼苗期，樹齡5年時該樹木形成了這個側枝，枝條隨著樹木主干健康生長。

枝條發(fā)育一段時間后就會停止形成年輪，也就是樹干里的年輪不向枝條內彎曲，圖1722可以看出節(jié)子停止與年輪相切，主干年輪閉合，枝條開始形成自己閉合的年輪。此時枝條在沿著主干方向生長了（1 749-1 722）*0.1=2.7 mm。

枝條存活5年后，由于生長被壓或是其他原因，枝條停止生長，此時，在圖像中會出現黑色的弧線，表示枝條與樹干自動分離，從而形成疏松節(jié)。圖1700中可以明顯看出節(jié)子的部位開始出現黑色弧線，枝條在沿著主干方向繼續(xù)生長了（1 722-1 700）*0.1=2.2 mm。

枝條死亡后由于外力或自身的原因折斷，留在主干部分的殘枝部分隨著樹木的生長逐漸被包裹起來，圖1610 ～圖1700清楚的演示了枝條殘枝被包裹的整個過程，樹木年齡顯示為15 a時開始被主干包裹，至25 a時完全包藏在主干內，由于該側枝基部的木質部發(fā)生腐朽，因此成為該株樹木第一個死節(jié)。此時枝條在沿著主干方向繼續(xù)生長了（1 700-1 610）*0.1=9 mm。

3. 1. 4 “CT”掃描節(jié)疤數量

對蒙古櫟人工林5株解析木進行“CT”斷層掃描圖像判讀后，獲得蒙古櫟林木節(jié)疤的準確數量，由表1可以看出，每個造林密度的蒙古櫟標準木，由“CT”掃描圖像判讀出的節(jié)疤數量都遠遠超過肉眼看見的數量，最大的是造林密度3 300株/hm2的林分，超出了一倍以上，最小的是造林密度2 500株/hm2的林分，也增加了33.33%，用“CT”掃描節(jié)疤總量較肉眼看見的增加了57.53%。

3. 2 競爭指數對節(jié)疤形成規(guī)律的影響

3. 2. 1 標準木競爭指數

采用Heigyi簡單競爭指標（CI）來反映對象木所承受的競爭壓力。CI的表達式為：

式中，CIi是對象木i的簡單競爭指標；Di是對象木的直徑；Dj是對象木周圍第j株競爭木的直徑（j=1，2，3……n）;DISTij表示對象木i與競爭木j之間的距離。在用臨近木筏確定對象木周圍競爭木時，取距離對象木最近的4棵樹來計算簡單競爭指標（CI）。

表2 不同造林密度標準木的競爭指數

對不同造林密度蒙古櫟人工林的胸徑進行絕對平均計算，根據計算結果選取標準木，調查標準木周圍競爭木樹高和與標準木之間的距離，通過簡單競爭指標公式來計算不同造林密度蒙古櫟人工林標準木的競爭指數。由表2可見，造林密度越大，周圍競爭木對標準木的影響越大，5 000株/hm2的林分，標準木的競爭指數最大，達到了2.93。

3. 2. 2 競爭指數節(jié)疤形成規(guī)律的影響

分別建立了節(jié)疤數量、空洞數量、包藏節(jié)數量與競爭指數的相關性，均呈現顯著的線性相關，相關系數R2分別為0.881，0.967 3和0.639 1，說明競爭指數對蒙古櫟節(jié)疤、空洞和形成包藏節(jié)的數量有顯著影響，競爭指數越大，蒙古櫟人工林的節(jié)疤空洞和形成包藏節(jié)的數量就越多，反之就越小。

3. 3 節(jié)疤數量隨年齡的生長規(guī)律

建立了節(jié)疤數量隨著蒙古櫟標準木年齡的相關性，結果顯示兩者呈拋物線的關系，擬合方程為y=-1.062x2+23.757x-56.303，相關系數R2=0.558 4。節(jié)疤數量隨著蒙古櫟年齡的增大呈現出先增多后減少的趨勢，在14齡時，節(jié)疤數量最多，達到了111個。

3. 4 氣候條件對節(jié)疤形成規(guī)律的影響

試驗選的蒙古櫟人工林造林時間為1999年，所以收集了1999～2019年以來的氣候數據，包括溫度、降水、日照時數、早晚霜時間等。

3. 4. 1 溫度與節(jié)疤數量的相關性

1999～2019年間平均溫度最高的年份出現在2007年（2.3 ℃），平均溫度最低的年份出現在2006年（0.5 ℃），20年間帶嶺林業(yè)局的溫度是呈上升趨勢的。節(jié)疤數量與年平均溫度有一定的相關性，隨著年平均溫度的升高，蒙古櫟節(jié)疤的數量呈現減少的趨勢，在年平均溫度最低時（0.5 ℃），蒙古櫟人工林的節(jié)疤數量最多（111個），在年平均溫度1.5 ℃時，蒙古櫟人工林的節(jié)疤數量最少（6個）。

3. 4. 2 降水與節(jié)疤數量的相關性

1999～2019年間年降雨量最高的年份出現在2012年（756.1 mm），年降雨量最低的年份出現在2001年（282.9 mm），20年間帶嶺林業(yè)局的年降雨量在500mm上下波動。節(jié)疤數量與年降雨量有一定的相關性，隨著年降雨量的升高，蒙古櫟節(jié)疤的數量呈現增加的趨勢，在年降雨量554.1 mm時，蒙古櫟人工林的節(jié)疤數量最多（111個），在年降雨量455.2 mm時，蒙古櫟人工林的節(jié)疤數量最少（6個）。

3. 4. 3 日照時數與節(jié)疤數量的相關性

1999～2019年間年日照時數最高的年份出現在2001年（3 099.1 h），年日照時數最低的年份出現在2014年（1 065.1 mm），20年間帶嶺林業(yè)局的年日照時數呈明顯下降趨勢。節(jié)疤數量與年日照時數的相關性不強，在年日照時數2 198.4 h時，蒙古櫟人工林的節(jié)疤數量最多（111個），在年日照時數1 942.5 h時，蒙古櫟人工林的節(jié)疤數量最少（6個）。

3. 4. 4 早晚霜時間與節(jié)疤數量的相關性

20年間晚霜最晚的年份出現在2004年（5月30日），晚霜最早的年份出現在2015年（3月27日），20年間帶嶺林業(yè)局的晚霜時間逐漸提前。節(jié)疤數量與晚霜的時間有較強的相關性，線性擬合方程為y=1.157 5x-51 230，相關系數R2=0.448 5，在晚霜出現較晚的年份，蒙古櫟人工林的節(jié)疤數量就會增多，晚霜出現較早的年份，節(jié)疤數量就會減少。

20年間早霜最早的年份出現在2003年（9月16日），早霜最晚的年份出現在2017年（10月3日），20年間帶嶺林業(yè)局的早霜時間稍有推后趨勢。節(jié)疤數量與早霜的時間有較強的相關性，線性擬合方程為y=-4.659 8x+207 247，相關系數R2=0.749 3，在早霜出現較早的年份，蒙古櫟人工林的節(jié)疤數量就會增多，早霜出現較晚的年份，節(jié)疤數量就會減少。

4 結論與討論

4. 1 結 論

4. 1. 1 對工業(yè)“CT”掃描獲得的圖像利用圖像灰度反差進行判讀，可準確的提取節(jié)疤的數量信息；對節(jié)疤的類型（外生節(jié)、包藏節(jié)）進行直觀的展示；準確的確定節(jié)疤的空間位置，立體的展示其形態(tài)特征，并根據其三維的閉合分布區(qū)間，通過微積分的方法對節(jié)疤的材積進行計算；通過圖像的連續(xù)可以動態(tài)的展示枝條從出生到死亡再被完全包裹的整個過程。

4. 1. 2 工業(yè)“CT”掃描節(jié)疤的數量較肉眼識別的節(jié)疤增加57.53%。節(jié)疤數量、空洞數量、包藏節(jié)數量隨著競爭指數的增大而增多，呈顯著的線性相關。

蒙古櫟人工林生長20年間，節(jié)疤形成的數量與氣象指標有一定的相關性，分析結果顯示：年平均溫度升高，蒙古櫟節(jié)疤的數量減少；年降雨量升高，蒙古櫟節(jié)疤的數量增加； 晚霜出現較晚、早霜出現較早的年份，蒙古櫟人工林的節(jié)疤數量就會增多。

4. 2 討 論

4. 2. 1 工業(yè)“CT”掃描蒙古櫟標準木能夠發(fā)現肉眼看不到的節(jié)疤，其中有很多是被包藏的有空洞的節(jié)疤，這樣的節(jié)疤對木材的材性影響是最致命的，因此，統(tǒng)計并分析林木內部有空洞的節(jié)疤是評價林木材性的一個重要指標。

4. 2. 2 蒙古櫟人工林標準木節(jié)疤中沒有形成空洞的包藏節(jié)和外生節(jié)對林木的材性都不會有影響，同時還會增加木材的美觀。但實際上形成空洞的節(jié)疤占的比例較大，約70%，形成空洞的原因是林木枝條死亡后，枝條基部繼續(xù)保留在主干上，隨著林木的徑生長逐漸被包裹，從而形成了與木材主干相分離的空洞，影響木材材性。建議：（1）在樹枝直徑低于樹木年增量（年輪間厚度）進行整枝易形成無節(jié)材。（2）樹枝死亡后，及時沿樹木表皮剔除，深度至木質部，形成包藏節(jié)，減少死節(jié)和節(jié)疤形成。

4. 2. 3 蒙古櫟節(jié)疤形成與當年的氣候條件有一定的相關性，尤其是早晚霜對節(jié)疤數量的影響很大，建議生產經營部門在春秋季節(jié)，根據天氣預報信息，及時對蒙古櫟進行防凍害保護措施，避免早霜對未進行木質化的蒙古櫟枝條、晚霜對已經開始萌動的蒙古櫟枝條造成凍害，形成節(jié)疤。

4. 2. 2 工業(yè)“CT”掃描分析節(jié)疤形成規(guī)律屬于一個新的研究內容，由于數據分析時間短，很多有用數據信息沒有被提取，目前只是一個初步探索階段，在以后的相關研究中會繼續(xù)挖掘，深入分析，找出蒙古櫟節(jié)疤形成的重要因素，并加以人為干擾，從而形成無節(jié)良材，為蒙古櫟人工林乃至其他珍貴樹種的大徑材培育提供理論基礎。

參考文獻

［1］ LONGUETAUD F， LEBAN J M， MOTHE F， et al. Automatic detection of pith on CT images of spruce logs ［J］. Comput Electron Agric， 2004， 44（2）： 107 - 119

［2］ ALKAN S. Industrial Computed Tomography（CT） Scanning of Subalpine Fir Logs： Proof of Concept ［R］. Vancouver： ［s. n.］， 2003.

［3］ HAGMAN P O G， GRUNDBERG S A. Classification of scots pine （Pinus sylvestris） knots in density images from CT scanned

logs ［J］. Holz Roh Werkst， 1995， 53（1）： 75 - 81.

［4］ LINDGREN L O. Medical CAT-scanning： X-ray absorption

coefficients， CT-numbers and their relation to wood density ［J］. Wood Sci Technol， 1991， 25： 341 - 349.

［5］ 戚大偉，? 牟洪波.? 具有圖像處理功能的原木 X 射線檢測系統(tǒng)［J］. 森林工程， 2007， 23（1）： 30 - 31， 75.

［6］ 韓書霞，? 于雷，? 孔超，? 等.? 基于計算機斷層掃描技術的木材密度檢測研究［J］. 森林工程， 2007， 23 （1）： 19 - 23

［7］ 費本華，? 趙勇，? 覃道春，? 等.? 應用 CT 技術研究木材斷口形態(tài)特征［J］. 林業(yè)科學， 2007， 43（4）： 137 - 140.

［8］ 彭冠云，? 江澤慧，? 覃道春，? 等.? 基于 CT 技術的人造板剖面密度檢測［J］. 木材工業(yè)， 2009， 23（5）： 19 - 21.

［9］ ZHU Dongping， BEEX A A. Robust spatial autoregressive modeling for hardwood log inspection ［J］. J Vis Commun Image Represent， 1994， 5（1）： 41 - 51.

［10］ SEPULVEDA P， OJA J， GRONLUND A. Predicting spiral grain by computed tomography of Norway spruce ［J］. J Wood Sci， 2002， 48（6）： 479 - 483.