基于微損探測(cè)的古建筑木構(gòu)件常用樹(shù)種識(shí)別*

袁 霄 陳勇平,2 唐啟恒,2 郭文靜,2

(1.中國(guó)林業(yè)科學(xué)研究院木材工業(yè)研究所 北京 100091； 2.中國(guó)林業(yè)科學(xué)研究院林業(yè)新技術(shù)研究所 北京 100091)

木材樹(shù)種識(shí)別是古建筑木構(gòu)件無(wú)損檢測(cè)和安全評(píng)估的重要內(nèi)容(姜笑梅等， 2010； 李鑫， 2017)，因?yàn)闃?shù)種不同，材料的物理力學(xué)性能不同，其健康評(píng)價(jià)的基準(zhǔn)也不同，若不明確樹(shù)種信息可能產(chǎn)生一定誤判； 同時(shí)，木材樹(shù)種識(shí)別也是木結(jié)構(gòu)古建筑維修和保護(hù)的基礎(chǔ)性工作，通過(guò)樹(shù)種識(shí)別獲取木材名稱(chēng)和材質(zhì)參數(shù)，可為制定木結(jié)構(gòu)古建筑保護(hù)方案及更換木構(gòu)件提供選材依據(jù)，且樹(shù)種識(shí)別結(jié)果也可作為檔案信息或?yàn)榭茖W(xué)研究服務(wù)(晉宏逵等， 2007； 曹靜等， 2019； 李世民等， 2019)。

1 材料與方法

1.1 試樣制備

選取落葉松(Larixsp.)、杉木(Cunninghamiasp.)、硬木松(Pinussp.)、軟木松(Pinussp.)、楊木(Populussp.)5種木結(jié)構(gòu)古建筑常用木材樹(shù)種以及櫟木(Quercussp.)、核桃木(Juglanssp.)、水曲柳(Fraxinussp.)3種補(bǔ)充木材樹(shù)種為研究對(duì)象。將以上樹(shù)種木材加工成100 cm×50 cm×50 cm試樣，每樹(shù)種試樣8塊，以落葉松為例編號(hào)依次為落葉松-No1～落葉松-No8； 采集以上樹(shù)種且不同批的驗(yàn)證木材，同樣加工成100 cm×50 cm×50 cm試樣，每樹(shù)種試樣2塊，以落葉松為例編號(hào)為落葉松-Y1、落葉松-Y2，試樣制備示意如圖1。選用木材均為氣干材，為與實(shí)際應(yīng)用接軌，試樣含水率使用便攜式含水率測(cè)定儀進(jìn)行檢測(cè)，落葉松、杉木、硬木松、軟木松、楊木、櫟木、核桃木和水曲柳試樣含水率均在8%～12%之間。

圖1 試樣制備Fig. 1 Sample preparation

1.2 數(shù)據(jù)采集

利用Resistograph 4452-P阻抗儀檢測(cè)試樣，檢測(cè)時(shí)微型探針沿木材年輪法線(xiàn)從邊材往心材方向探測(cè)，獲取相應(yīng)的微損檢測(cè)曲線(xiàn)。根據(jù)現(xiàn)場(chǎng)實(shí)際檢測(cè)情況，為排除一些干擾因素，檢測(cè)曲線(xiàn)前后各去除5 cm，即檢測(cè)曲線(xiàn)有效分析范圍為探測(cè)深度的5～45 cm區(qū)間，如圖2。

圖2 數(shù)據(jù)采集Fig. 2 Data collection

1.3 曲線(xiàn)量化及基礎(chǔ)數(shù)據(jù)庫(kù)建立

描述數(shù)據(jù)曲線(xiàn)主要有2點(diǎn)： 一是曲線(xiàn)數(shù)值； 二是曲線(xiàn)走勢(shì)。

1.3.1 曲線(xiàn)數(shù)值量化 曲線(xiàn)數(shù)值采用整體均值和曲線(xiàn)占比2種方式量化。整體均值指對(duì)應(yīng)橫坐標(biāo)區(qū)間每隔1 cm讀取數(shù)值100個(gè)，5～45 cm區(qū)間共讀取數(shù)值4 000個(gè)，計(jì)算各對(duì)應(yīng)數(shù)值求取平均值，并完善數(shù)據(jù)和曲線(xiàn)編號(hào)，以落葉松為例，編號(hào)落葉松-No1修改為落葉松-阻抗儀檢測(cè)平均值-No1。曲線(xiàn)占比指以顏色直方圖方式評(píng)估曲線(xiàn)在整幅圖像中的占比。顏色直方圖在許多圖像檢索系統(tǒng)中被廣泛采用，其描述的是不同色彩在整幅圖像中所占比例，并不關(guān)心每種色彩所處空間位置。曲線(xiàn)占比一定程度上反映峰谷變化幅度，對(duì)所有檢測(cè)曲線(xiàn)來(lái)說(shuō)畫(huà)布大小不變，即整幅圖像像素點(diǎn)是一定的，而曲線(xiàn)可分成多個(gè)像素點(diǎn)，同等條件下峰谷變化越大像素點(diǎn)的接長(zhǎng)越長(zhǎng)，該顏色占比越高?？紤]到顏色直方圖基于不同的顏色空間，而本研究檢索色彩較少，故采用Gray顏色直方圖。

1.3.2 曲線(xiàn)走勢(shì)量化 曲線(xiàn)走勢(shì)一定程度上反映圖像的紋理特征，故本研究曲線(xiàn)走勢(shì)采用紋理特征方式量化。紋理特征量化包括特征點(diǎn)選取、特征點(diǎn)主方向確定和特征點(diǎn)描述3個(gè)步驟。

1) 特征點(diǎn)選?。?在灰度圖像下建立一個(gè)Hessian二階偏導(dǎo)矩陣，求一定范圍內(nèi)像素點(diǎn)的極值，選用二階標(biāo)準(zhǔn)高斯函數(shù)作為濾波器。高斯過(guò)濾是一種低通濾波，可除去圖像細(xì)節(jié)而保持整體不變。

建立的Hessian矩陣如下：

H(x,y,σ)=

對(duì)該矩陣進(jìn)行運(yùn)算：

若det(H)>0，則為極值點(diǎn)，對(duì)Hessian矩陣檢測(cè)到的極值設(shè)立一個(gè)閾值，若det(H)小于該閾值，則不計(jì)算； 若det(H)大于該閾值且比鄰近26個(gè)點(diǎn)響應(yīng)值均大，則設(shè)為特征點(diǎn)。

2) 特征點(diǎn)主方向確定： 在以特征點(diǎn)為中心、以6s(s為特征點(diǎn)的尺度)為半徑的圓形區(qū)域內(nèi)，對(duì)圖像進(jìn)行Haar小波(邊長(zhǎng)4s)響應(yīng)運(yùn)算。具體步驟為： 在以 6s為半徑的特征點(diǎn)鄰域范圍內(nèi)，計(jì)算每個(gè)像素點(diǎn)x和y方向上的Haar小波響應(yīng)值，并將其記為hx和hy； 以特征點(diǎn)為中心，對(duì)以 6s為半徑范圍內(nèi)的像素點(diǎn)進(jìn)行σ= 2s高斯加權(quán)，加權(quán)后的值分別表示在水平和垂直方向上的Haar小波響應(yīng)值，記為Whx和Why； 采用大小為π/3的滑動(dòng)窗口，計(jì)算窗口內(nèi)水平和垂直方向的響應(yīng)值總和，記為∑Whx和∑Why； 以步長(zhǎng)5°左右旋轉(zhuǎn)滑動(dòng)窗口，依次計(jì)算每個(gè)π/3窗口中的∑Whx和∑Why，找到最長(zhǎng)矢量作為該特征點(diǎn)的方向。

3) 特征點(diǎn)描述： 以特征點(diǎn)為中心，沿主方向?qū)?0s×20s的圖像劃分成4×4個(gè)子區(qū)域，每個(gè)子區(qū)域利用尺寸2s的Haar小波模板進(jìn)行響應(yīng)計(jì)算，并統(tǒng)計(jì)響應(yīng)值形成特征矢量。具體步驟為： 分別在 16 個(gè)子區(qū)域中計(jì)算每個(gè)像素點(diǎn)x和y方向上的Haar小波響應(yīng)值并進(jìn)行σ=3.3s的高斯加權(quán)平均，計(jì)為dx和dy； 將每個(gè)子區(qū)域中Haar小波響應(yīng)值dx和dy分別相加，得到每個(gè)區(qū)域的響應(yīng)值之和，記為∑dx和∑dy； 將每個(gè)子區(qū)域中Haar小波響應(yīng)值dx和dy的絕對(duì)值相加，得到每個(gè)區(qū)域所有像素點(diǎn)的響應(yīng)值絕對(duì)值之和，記為 ∑|dx|和∑|dy|； 將每個(gè)區(qū)域中的∑dx、∑dy、∑|dx|、∑|dy|組合成一個(gè)四維向量，16個(gè)子區(qū)域就得到一個(gè) 16×4=64 的特征向量，即為描述算子。

至此，整體均值、曲線(xiàn)占比和曲線(xiàn)走勢(shì)量化完成，形成無(wú)損檢測(cè)曲線(xiàn)基礎(chǔ)數(shù)據(jù)庫(kù)如圖3。

圖3 基礎(chǔ)數(shù)據(jù)庫(kù)Fig. 3 Basic database

1.4 比對(duì)算法

因已對(duì)曲線(xiàn)進(jìn)行量化，故曲線(xiàn)之間的比較等同于2組數(shù)字之間的比較。

1) 曲線(xiàn)占比相似度算法： 假設(shè)Q代表待檢圖像，D代表數(shù)據(jù)庫(kù)圖像，HQ(k)和HD(k)分別為2幅圖像顏色直方圖，則2幅圖像之間的顏色匹配值P(Q,D)可借助相關(guān)系數(shù)算法來(lái)實(shí)現(xiàn)，即：

2) 曲線(xiàn)走勢(shì)相似度算法： 曲線(xiàn)走勢(shì)識(shí)別即找到曲線(xiàn)中具有典型代表性的局部特征，對(duì)該區(qū)域進(jìn)行描述，并建立描述算子，通過(guò)描述算子進(jìn)行相似度搜索。紋理特征比對(duì)算法經(jīng)比較確定為Surf算法。Surf特征識(shí)別算法主要先找出特征點(diǎn)建立描述算子，后通過(guò)描述算子進(jìn)行相似度比較。2個(gè)局部紋理描述算子的相似性度量，本研究采用歐式距離進(jìn)行計(jì)算：

式中：Xik表示待檢圖像中第i個(gè)特征描述算子的第k個(gè)元素；Xjk表示標(biāo)準(zhǔn)圖像中第j個(gè)特征描述算子的第k個(gè)元素；n表示特征向量維數(shù)。

對(duì)待檢圖像上的特征點(diǎn)，計(jì)算其到標(biāo)準(zhǔn)圖像上所有特征點(diǎn)的歐氏距離，得到一個(gè)距離集合，對(duì)距離集合進(jìn)行比較運(yùn)算得到小歐氏距離和次小歐式距離。設(shè)定一個(gè)閾值0.7，當(dāng)最小歐氏距離和次小歐式距離的比值小于該閾值時(shí)，認(rèn)為特征點(diǎn)與對(duì)應(yīng)最小歐氏距離的特征點(diǎn)是匹配的，否則沒(méi)有點(diǎn)與該特征點(diǎn)匹配。逐個(gè)度量待檢圖像中的描述算子，最后用匹配點(diǎn)數(shù)除以描述算子總數(shù)即曲線(xiàn)走勢(shì)相似度。為將繁瑣的計(jì)算比對(duì)過(guò)程轉(zhuǎn)化為直觀的界面，本研究采用自主研發(fā)的ImageCV圖像識(shí)別軟件，該軟件主要是以1.2中量化后的標(biāo)準(zhǔn)曲線(xiàn)信息為基礎(chǔ)數(shù)據(jù)，植入1.3中曲線(xiàn)數(shù)值和曲線(xiàn)走勢(shì)相似度算法進(jìn)行待識(shí)別曲線(xiàn)的檢索和識(shí)別。

2 結(jié)果與討論

利用阻抗儀微損檢測(cè)曲線(xiàn)進(jìn)行木材樹(shù)種識(shí)別不同于以往木材無(wú)損鑒定(劉紅清等， 2014； 李敏華等， 2012)，該方法主要基于數(shù)理統(tǒng)計(jì)和相似度分析理論，其樹(shù)種識(shí)別手段為固定區(qū)域范圍內(nèi)的選擇性比對(duì)鑒定方法。識(shí)別原理可以簡(jiǎn)述為： 通過(guò)建立木材微損檢測(cè)曲線(xiàn)中整體均值、曲線(xiàn)占比、區(qū)域走勢(shì)等關(guān)鍵參數(shù)與古建筑木構(gòu)件常用樹(shù)種信息之間的映射關(guān)系，構(gòu)建古建筑木構(gòu)件常用樹(shù)種微損檢測(cè)信息數(shù)據(jù)庫(kù)，而后采集待識(shí)別木構(gòu)件的微損檢測(cè)曲線(xiàn)，并將該微損檢測(cè)曲線(xiàn)與微損檢測(cè)信息數(shù)據(jù)庫(kù)中的各微損檢測(cè)曲線(xiàn)進(jìn)行比對(duì)獲得樹(shù)種識(shí)別結(jié)果。

2.1 曲線(xiàn)與木材樹(shù)種信息的關(guān)系

不同樹(shù)種具有不同的阻抗儀檢測(cè)曲線(xiàn)形式，尤其當(dāng)木材密度不同時(shí)表現(xiàn)得更為明顯。一般來(lái)說(shuō)，當(dāng)樹(shù)種不同且密度相差較大時(shí)，曲線(xiàn)數(shù)值和走勢(shì)差異明顯，如圖4。

圖4 密度差異顯著樹(shù)種的阻抗儀檢測(cè)曲線(xiàn)Fig. 4 Resistograph testing curves of wood species with significant density differences

這是因?yàn)槊芏扰c阻抗儀檢測(cè)值呈正相關(guān)，木材密度越大，其實(shí)體物質(zhì)含量越多，微型探針刺入木材內(nèi)部消耗的能量越大，阻抗儀檢測(cè)值越高。圖4中，櫟木木材實(shí)測(cè)密度約為0.86 g·cm-3，落葉松木材實(shí)測(cè)密度約為0.61 g·cm-3。

樹(shù)種不同但密度接近的木材，其阻抗儀檢測(cè)曲線(xiàn)也有一定差異，如圖5。

圖5 密度差異不顯著樹(shù)種的阻抗儀檢測(cè)曲線(xiàn)Fig. 5 Resistograph testing curves of wood species with similar density

由圖5可知，雖然二者密度接近(硬木松木材密度約0.46 g·cm-3，軟木松木材密度約0.42 g·cm-3)，但其阻抗儀檢測(cè)曲線(xiàn)形式有一定差異，可能是因?yàn)槌芏韧饽静能浻驳绕渌馁|(zhì)特性也會(huì)影響阻抗儀檢測(cè)值，這一點(diǎn)從櫟木和落葉松的阻抗儀檢測(cè)值差值也可以看出。

2.2 曲線(xiàn)識(shí)別結(jié)果

為提高識(shí)別精度，本研究采用2種識(shí)別判定方法： 第1種識(shí)別模式，與待識(shí)別曲線(xiàn)比對(duì)，相似度最高曲線(xiàn)對(duì)應(yīng)的樹(shù)種為樹(shù)種識(shí)別結(jié)果； 第2種識(shí)別模式，與待識(shí)別曲線(xiàn)比對(duì)，相似度較高8條曲線(xiàn)對(duì)應(yīng)的樹(shù)種為樹(shù)種識(shí)別備選結(jié)果，備選結(jié)果中樹(shù)種占比最高的為樹(shù)種識(shí)別結(jié)果，若備選結(jié)果中樹(shù)種占比最高的出現(xiàn)2組或2組以上，則對(duì)8條曲線(xiàn)按相似度高低排序，排序號(hào)相加最低的為樹(shù)種識(shí)別結(jié)果。

從表1可以看出，無(wú)論何種識(shí)別模式，用于驗(yàn)證的8組16個(gè)樣本曲線(xiàn)均可被準(zhǔn)確識(shí)別； 但這并不能說(shuō)明該識(shí)別方法的準(zhǔn)確率為100%，首先數(shù)據(jù)庫(kù)樣本量目前并不足以涵蓋所有常用樹(shù)種以及各樹(shù)種所有的曲線(xiàn)組合，其次驗(yàn)證樣本還需要根據(jù)實(shí)際情況進(jìn)行不斷補(bǔ)充和完善。表1可以證明，利用阻抗儀微損檢測(cè)曲線(xiàn)進(jìn)行樹(shù)種輔助鑒定的思路是可行的： 從小處看，一個(gè)建筑單體用材樹(shù)種是有限的，取樣產(chǎn)地也是有限的，通過(guò)前期建立的微損檢測(cè)曲線(xiàn)數(shù)據(jù)庫(kù)對(duì)待識(shí)別曲線(xiàn)進(jìn)行比對(duì)分析得出鑒定結(jié)果是科學(xué)可行的； 從大處看，隨著數(shù)據(jù)庫(kù)逐漸完善，一個(gè)地區(qū)乃至全國(guó)木結(jié)構(gòu)建筑就如同一個(gè)建筑單體一樣，其比對(duì)鑒定原理是相同的。當(dāng)然，每次應(yīng)用時(shí)根據(jù)前期調(diào)研結(jié)果和部分樣品分析，限定比對(duì)的適宜樹(shù)種，可縮小選擇范圍，提高識(shí)別精度； 而且，持續(xù)對(duì)部分未知樹(shù)種構(gòu)件的比對(duì)結(jié)果進(jìn)行傳統(tǒng)方法驗(yàn)證，也可以完善該輔助技術(shù)。

表1 樹(shù)種識(shí)別結(jié)果Tab.1 Identification results of wood species

由表1同時(shí)可以看出，采用第2種模式進(jìn)行識(shí)別時(shí)，相似度較高8條曲線(xiàn)對(duì)應(yīng)的樹(shù)種并不是單一樹(shù)種(圖6)，這一定程度上說(shuō)明可能會(huì)存在誤判風(fēng)險(xiǎn)。為了更好地分析，以落葉松-35-Y1為例，分別就整體均值、曲線(xiàn)占比和曲線(xiàn)走勢(shì)進(jìn)行詳細(xì)比對(duì)說(shuō)明。

從圖6可以看出，落葉松-35-Y1雖然被準(zhǔn)確識(shí)別為落葉松，但在顏色相似度比較中，與其他樹(shù)種并無(wú)太大區(qū)別，如與落葉松-35-No3顏色相似度為99.99%，與楊木-29-No7顏色相似度為99.35%。這主要是因?yàn)闄z測(cè)曲線(xiàn)所在圖像中背景色占比均超過(guò)90%，曲線(xiàn)占比差異在整體圖像中比率較小(圖7)，故顏色相似度較為接近僅表現(xiàn)為略有差異。

圖7 圖像背景分析Fig. 7 Background color analysis of image

從圖7可以看出，落葉松-35-No3檢測(cè)曲線(xiàn)所在圖像中背景色占比為92.99%，即曲線(xiàn)和輔助坐標(biāo)占比為7.01%； 楊木-29-No7背景色占比為94.13%，即曲線(xiàn)和輔助坐標(biāo)占比為5.87%。進(jìn)一步去除輔助坐標(biāo)的影響，落葉松-35-No3曲線(xiàn)占比為2.41%，楊木-29-No7曲線(xiàn)占比為1.18%，如圖8，2樹(shù)種曲線(xiàn)占比存在明顯差異，該過(guò)程相當(dāng)于曲線(xiàn)拉伸，后續(xù)應(yīng)對(duì)顏色直方圖算法進(jìn)行修正。

圖8 曲線(xiàn)占比分析Fig. 8 Curves ratio analysis of image

從圖6也可以看出，落葉松-35-Y1與水曲柳-128-No5檢測(cè)曲線(xiàn)顏色相似度接近，這是因?yàn)樗?128-No5背景色占比為92.48%，與落葉松-35-No3背景色占比極其接近，但水曲柳在初始的整體均值比較中與落葉松差異較大，如圖9所示(圖中3條曲線(xiàn)為示意的曲線(xiàn)拉伸效果，并非實(shí)際拉伸長(zhǎng)度)，3樹(shù)種曲線(xiàn)在實(shí)際分析中存在較明顯差異。

圖9 曲線(xiàn)拉伸Fig. 9 Curves stretch

值得一提的是，硬木松-13-Y1和硬木松-14-Y2雖然均識(shí)別為硬木松，但在8條相似度較高曲線(xiàn)中僅有3條識(shí)別為硬木松，如硬木松-14-Y2識(shí)別中出現(xiàn)杉木、核桃木等樹(shù)種(圖10)，不可排除多樣品驗(yàn)證時(shí)可能出現(xiàn)極大概率的誤判。為此，本研究就硬木松木材增加4條驗(yàn)證曲線(xiàn)進(jìn)行補(bǔ)充分析，其識(shí)別比例也多為3～4之間。究其原因主要是上述幾種木材現(xiàn)有的阻抗儀檢測(cè)值略接近且均較低，導(dǎo)致從整體均值、曲線(xiàn)占比和紋理特征難以明顯區(qū)分。

圖10 硬木松識(shí)別結(jié)果Fig. 10 Identification results of pine

對(duì)于此類(lèi)情況，應(yīng)對(duì)檢測(cè)曲線(xiàn)的獲取或在后期處理上進(jìn)行適當(dāng)調(diào)整，擴(kuò)大差異，如圖11所示為后期調(diào)整的曲線(xiàn)。

圖11 曲線(xiàn)調(diào)整Fig. 11 Curves adjustment

從圖11可以看出，后期調(diào)整的曲線(xiàn)走勢(shì)略為明顯，據(jù)此本研究重建硬木松、杉木、核桃木和軟木松等密度相近木材的樹(shù)種數(shù)據(jù)庫(kù)，并以硬木松-14-Y2為例進(jìn)行再次對(duì)比，但重建后數(shù)據(jù)庫(kù)比對(duì)效果并無(wú)明顯改觀。單純依靠后期處理無(wú)法解決問(wèn)題，曲線(xiàn)調(diào)整應(yīng)結(jié)合實(shí)際檢測(cè)過(guò)程進(jìn)行，實(shí)際檢測(cè)過(guò)程中若部分曲線(xiàn)數(shù)值過(guò)低，應(yīng)對(duì)儀器檢測(cè)速度進(jìn)行實(shí)時(shí)調(diào)整，以增大探針能耗，相對(duì)提高阻抗儀檢測(cè)值，從而得出特征更為清晰的曲線(xiàn)。當(dāng)然，曲線(xiàn)調(diào)整并非是調(diào)整個(gè)別樹(shù)種問(wèn)題，需要綜合考慮整體數(shù)據(jù)庫(kù)的基準(zhǔn)或建立多基準(zhǔn)數(shù)據(jù)庫(kù)； 此外，對(duì)于某些樹(shù)種是否適用于此類(lèi)方法也值得進(jìn)一步探究。

綜上所述，利用微損檢測(cè)曲線(xiàn)進(jìn)行古建筑木構(gòu)件用材樹(shù)種識(shí)別是可行的，且不論對(duì)于一個(gè)特定的木結(jié)構(gòu)古建筑來(lái)說(shuō)，其用材樹(shù)種是相當(dāng)有限的。若木材密度相差較大，可分析曲線(xiàn)高低直接區(qū)分； 若木材密度接近但曲線(xiàn)峰谷變化差異大，可根據(jù)曲線(xiàn)占比和曲線(xiàn)走勢(shì)區(qū)分； 若木材密度和曲線(xiàn)占比均接近，需綜合古建筑歷史記錄、木材取材信息以及其他特征加以確定。實(shí)際應(yīng)用中，結(jié)合傳統(tǒng)取樣鑒定結(jié)果并將取樣構(gòu)件的微損檢測(cè)曲線(xiàn)增列至數(shù)據(jù)庫(kù)，可提高識(shí)別精度。

3 結(jié)論

1) 以多基準(zhǔn)的木材微損檢測(cè)曲線(xiàn)數(shù)據(jù)庫(kù)為基礎(chǔ)，通過(guò)待識(shí)別曲線(xiàn)的比對(duì)分析，可實(shí)現(xiàn)木結(jié)構(gòu)古建筑常用落葉松、杉木、松木、楊木等木材樹(shù)種的初步鑒定。

2) 古建筑木構(gòu)件用材樹(shù)種現(xiàn)場(chǎng)識(shí)別是一個(gè)長(zhǎng)期性工作，需不斷應(yīng)用-反饋-改進(jìn)，未必所有用材樹(shù)種均適合此類(lèi)分析方法，但隨著基礎(chǔ)數(shù)據(jù)庫(kù)、比對(duì)算法、適宜樹(shù)種、微損曲線(xiàn)特征的不斷完善，其鑒定可靠性將得以提高。

3) 古建筑木構(gòu)件用材樹(shù)種現(xiàn)場(chǎng)識(shí)別是一種區(qū)域范圍內(nèi)的選擇性鑒定方法，是針對(duì)文物建筑特點(diǎn)的一種適宜性保護(hù)識(shí)別技術(shù)，該技術(shù)無(wú)法取代傳統(tǒng)樹(shù)種微觀鑒定方法，但可作為傳統(tǒng)鑒定手段的有效補(bǔ)充。