利用近紅外光譜技術(shù)快速預(yù)測(cè)楸樹(shù)木材抗彎性質(zhì)

汪 睿， 石蘭蘭， 王玉榮

中國(guó)林業(yè)科學(xué)研究院木材工業(yè)研究所， 北京 100091

引 言

楸樹(shù)(Catalpabungei)是我國(guó)特有的珍貴材樹(shù)種， 主要分布在華北、 華中、 華東地區(qū)[1]， 具有干形通直、 材質(zhì)優(yōu)良、 耐腐等優(yōu)點(diǎn)， 被廣泛應(yīng)用于家具、 建筑、 樂(lè)器等方面[2]。 目前我國(guó)對(duì)于珍貴材楸木的需求逐漸增大， 然而楸樹(shù)的自然繁育存在困難， 需要選育優(yōu)良無(wú)性系以滿足對(duì)徑材的需求。 優(yōu)良無(wú)性系品種具有遺傳增益高， 穩(wěn)定遺傳母本優(yōu)良性狀等優(yōu)點(diǎn)。 學(xué)界已開(kāi)展了有關(guān)楸樹(shù)無(wú)性系種質(zhì)資源、 生物學(xué)特性的研究[3-4]， 但對(duì)我國(guó)重要的人工林楸樹(shù)木材的材性評(píng)價(jià)較少， 本文中新培育的優(yōu)良無(wú)性系的材質(zhì)特性數(shù)據(jù)也未見(jiàn)報(bào)道。 因此評(píng)價(jià)新培育楸樹(shù)無(wú)性系的材質(zhì)特性成為了研究關(guān)注的焦點(diǎn)。

木材力學(xué)性質(zhì)是評(píng)價(jià)木材品質(zhì)性狀的主要指標(biāo)， 其中木材抗彎強(qiáng)度用來(lái)衡量木材承受橫向荷載的能力， 抗彎彈性模量用來(lái)衡量比例極限內(nèi)木材抵抗彎曲變形的能力[5]。 二者作為最常使用的兩項(xiàng)力學(xué)性質(zhì)， 是木結(jié)構(gòu)質(zhì)量和承載性能的重要決定因子[6]。 使用傳統(tǒng)方法測(cè)量木材樣品的抗彎性質(zhì)需要耗費(fèi)大量人力、 物力。 近紅外光譜技術(shù)具有成本低、 無(wú)污染、 無(wú)損快捷的優(yōu)點(diǎn)， 目前被廣泛應(yīng)用于木材的基礎(chǔ)材性、 木材改性與降解和分類等測(cè)定[7-10]。 已有較多研究結(jié)果表明可以通過(guò)近紅外光譜完成對(duì)闊葉樹(shù)材抗彎強(qiáng)度和抗彎彈性模量的快速預(yù)測(cè)[11-16]， 例如在對(duì)水曲柳其近紅外光譜與抗彎性質(zhì)研究發(fā)現(xiàn)， 抗彎強(qiáng)度和抗彎彈性模量預(yù)測(cè)模型的相關(guān)系數(shù)均高于0.88[14]。 Schimleck等[15]采集珍稀材巴西蘇木的近紅外光譜并成功建立抗彎彈性模量預(yù)測(cè)模型， 預(yù)測(cè)模型相關(guān)系數(shù)平方值為0.77。

光譜來(lái)源和預(yù)處理方法均會(huì)影響近紅外光譜模型效果。 使用來(lái)自細(xì)葉桉樣品徑切面和弦切面復(fù)合光譜建立的PLS模型， 其相對(duì)分析誤差值達(dá)到2.46， 建模效果優(yōu)于徑切面、 弦切面的模型[17]。 不同樹(shù)種選擇的最佳預(yù)處理方法有較大差異， 火炬松在對(duì)抗彎強(qiáng)度和抗彎彈性模量光譜預(yù)處理時(shí)選用一階導(dǎo)數(shù)[18]， 南方松采用標(biāo)準(zhǔn)正態(tài)變量校正預(yù)處理方法建立抗彎強(qiáng)度和抗彎彈性模量近紅外模型[19]， 蒙古櫟抗彎彈性模量的最佳預(yù)處理方法則是一階導(dǎo)數(shù)與卷積平滑結(jié)合算法[11]。

目前， 尚缺乏應(yīng)用近紅外光譜預(yù)測(cè)楸樹(shù)木材抗彎強(qiáng)度和抗彎彈性模量的研究， 且建立楸樹(shù)木材抗彎性質(zhì)近紅外模型的最佳切面選擇、 預(yù)處理方法及采譜點(diǎn)數(shù)也未見(jiàn)報(bào)導(dǎo)。 鑒于此， 以新培育的優(yōu)良無(wú)性系“洛楸1號(hào)”、 “洛楸4號(hào)”和“天楸2號(hào)”為研究對(duì)象， 探索應(yīng)用近紅外光譜分析建立抗彎強(qiáng)度和抗彎彈性模量的預(yù)測(cè)模型的可行性， 并研究了不同切面、 不同預(yù)處理方法和采譜點(diǎn)數(shù)對(duì)模型精度的影響。 本論文旨在為楸樹(shù)木材優(yōu)良無(wú)性系的木材力學(xué)性質(zhì)快速評(píng)估和和其加工利用提供理論依據(jù)。

1 實(shí)驗(yàn)部分

1.1 材料

試驗(yàn)材料為“洛楸1號(hào)”、 “洛楸4號(hào)”和“天楸2號(hào)”， 每個(gè)無(wú)性系選取三株樣木。 試驗(yàn)材料采自甘肅省天水市林場(chǎng)(34°06′—34°48′N, 105°25′—106°43′E)。 樹(shù)齡均為13年， “洛楸1號(hào)”、 “洛楸4號(hào)”和“天楸2號(hào)”的平均樹(shù)高分別為12.5， 8.77和11.6 m， 平均胸徑分別為15.9， 11.7和14.8 cm。

從原樹(shù)高1.5～3.5 m范圍內(nèi)截取出長(zhǎng)為450 mm的木段， 從每條450 mm木段上制取出3～4個(gè)截面尺寸為30 mm×30 mm的毛坯條， 精加工后的截面尺寸為20 mm×20 mm。 按國(guó)標(biāo)要求從試條上縱向制取抗彎強(qiáng)度/抗彎彈性模量試樣(300 mm×20 mm×20 mm)， 總計(jì)94個(gè)。

1.2 近紅外光譜采集

光譜儀為美國(guó)ASD公司生產(chǎn)的LabSpec Pro近紅外光譜儀。 采用兩分叉光纖探頭獲取三個(gè)無(wú)性系楸木抗彎樣品的近紅外光譜信息， 儀器的波長(zhǎng)區(qū)域?yàn)?50～2 500 nm。 分別采集楸樹(shù)木材抗彎性質(zhì)樣品的徑切面和弦切面的光譜， 每個(gè)面采集5個(gè)樣點(diǎn)(圖1)， 抗彎強(qiáng)度和抗彎彈性模量各選取一點(diǎn)(D3)， 三點(diǎn)(D1， D3， D5)和五點(diǎn)(D1—D5)建立模型， 相鄰采譜點(diǎn)之間的距離為37.5 mm。 每掃描30次自動(dòng)平均為一條光譜并保存。 樣品表面光斑直徑約為15 mm。 試驗(yàn)在溫度為20 ℃、 濕度為30%的條件下進(jìn)行。

圖1 抗彎強(qiáng)度和抗彎彈性模量樣品采譜位置示意圖Fig.1 Diagram of the spectra acquisition for MOR and MOE sample

1.3 楸樹(shù)木材力學(xué)性質(zhì)測(cè)試

楸樹(shù)木材抗彎樣品被調(diào)至平衡含水率約為12%。 楸樹(shù)木材無(wú)疵小試樣抗彎彈性模量和抗彎強(qiáng)度分別參照國(guó)家標(biāo)準(zhǔn)《木材抗彎彈性模量測(cè)定方法》(GB 1936.2—2009)和《木材抗彎強(qiáng)度試驗(yàn)方法》(GB 1936.1—2009)， 使用萬(wàn)能力學(xué)試驗(yàn)機(jī)測(cè)試。

1.4 數(shù)據(jù)處理與分析方法

使用Unscrambler 9.7軟件， 通過(guò)完全交互驗(yàn)證法建立PLS模型。 分別采用一階導(dǎo)數(shù)、 二階導(dǎo)數(shù)和多元散射校正法結(jié)合卷積平滑法三種方法對(duì)木材光譜進(jìn)行預(yù)處理， 以消除噪音、 樣品背景和基線漂移等非目標(biāo)因素對(duì)光譜的影響。 通過(guò)校正相關(guān)系數(shù)Rc、 預(yù)測(cè)相關(guān)系數(shù)Rp、 校正標(biāo)準(zhǔn)誤差SEC、 預(yù)測(cè)標(biāo)準(zhǔn)誤差SEP和相對(duì)分析誤差RPD評(píng)價(jià)模型質(zhì)量。 校正相關(guān)系數(shù)、 預(yù)測(cè)相關(guān)系數(shù)和相對(duì)分析誤差越大， 表明所建模型擬合性越好。 校正標(biāo)準(zhǔn)誤差和預(yù)測(cè)標(biāo)準(zhǔn)誤差越小， 且兩者越接近， 模型適應(yīng)性越好， 所建模型的預(yù)測(cè)能力越強(qiáng)。 當(dāng)RDP值>1.5時(shí)， 建立模型可以用于樣品的初級(jí)篩選。

2 結(jié)果與討論

2.1 楸樹(shù)木材力學(xué)性質(zhì)

三個(gè)楸樹(shù)無(wú)性系木材的抗彎強(qiáng)度最大值為104.9 MPa， 最小值為51.6 MPa， 平均值為87.8 MPa， 變異系數(shù)為14.1%(表1)。 三個(gè)楸樹(shù)無(wú)性系的抗彎彈性模量最大值為13.3 GPa， 最小值為7.63 GPa， 平均值為11.0 GPa， 變異系數(shù)為11.0%。

表1 楸樹(shù)木材抗彎強(qiáng)度和抗彎彈性模量的測(cè)定結(jié)果Table 1 Measured of MOR and MOE for C.bungei wood

2.2 楸樹(shù)木材近紅外光譜特征

分別采集94個(gè)樣品徑切面和弦切面的光譜。 將兩切面平均光譜分別進(jìn)行1stDer+S-G， 2ndDer+S-G以及MSC+S-G三種預(yù)處理后， 得到近紅外光譜圖如圖2所示。 分析光譜可以發(fā)現(xiàn)， 楸樹(shù)木材樣品的原始光譜出現(xiàn)明顯偏移。 且原始光譜吸收峰并不十分明顯， 而經(jīng)過(guò)導(dǎo)數(shù)預(yù)處理后的光譜的波峰變得突出和窄小， 從而更易于分析[20]。 采用多元散射校正后， 避免了被測(cè)物體表面粒徑大、 分布不均勻等光譜散射效應(yīng)， 提高了光譜數(shù)據(jù)的利用率和平滑度。

圖2 楸樹(shù)木材近紅外原光譜和預(yù)處理后的光譜Fig.2 NIR raw spectra and pretreated spectra of C. bungei wood

2.3 切面對(duì)楸樹(shù)木材抗彎性質(zhì)近紅外模型的影響

2.3.1 切面對(duì)抗彎強(qiáng)度近紅外模型的影響

結(jié)合偏最小二乘法， 在波段400～2 500 nm范圍內(nèi)建立了楸樹(shù)木材不同切面的抗彎強(qiáng)度校正模型和預(yù)測(cè)模型， 結(jié)果見(jiàn)表2。

表2 基于不同切面、不同預(yù)處理方法的抗彎強(qiáng)度建模效果比較Table 2 MOR model comparison with different sections and pretreatments

比較楸樹(shù)木材抗彎強(qiáng)度不同切面模型的建模結(jié)果發(fā)現(xiàn)， 選用兩切面平均光譜建立校正模型和預(yù)測(cè)模型有最佳的模型參數(shù)， 相關(guān)系數(shù)Rc值在0.830～0.860之間，Rp值在0.604～0.843之間， SEP值在3.75～5.71之間， RDP值在0.88～1.88之間。 弦切面的校正模型和預(yù)測(cè)模型效果優(yōu)于徑切面的， 選用MSC+S-G預(yù)處理方法時(shí)， 弦切面和徑切面的預(yù)測(cè)模型相關(guān)系數(shù)分別為0.751和0.699， SEP值分別為5.54和8.01。 根據(jù)以上結(jié)果， 對(duì)于抗彎強(qiáng)度， 兩切面平均光譜相較于徑切面和弦切面包含了更多捕捉的樣品信息， 因此在應(yīng)用近紅外光譜預(yù)測(cè)楸樹(shù)木材抗彎強(qiáng)度建立模型時(shí)， 應(yīng)選用木材徑切面和弦切面的平均光譜。

2.3.2 切面對(duì)抗彎彈性模量近紅外模型的影響

采用徑切面、 弦切面和兩切面平均光譜建立楸樹(shù)木材抗彎彈性模量的校正模型和預(yù)測(cè)模型列于表3中。 從校正模型和預(yù)測(cè)模型的相關(guān)系數(shù)可以看出， 近紅外光譜法預(yù)測(cè)的抗彎彈性模量和按國(guó)標(biāo)法測(cè)定的標(biāo)準(zhǔn)值具有較強(qiáng)的相關(guān)性， 其校正模型決定系數(shù)最高達(dá)到了0.931， 預(yù)測(cè)模型相關(guān)系數(shù)最高達(dá)到了0.846。

表3 基于不同切面、 不同預(yù)處理方法的抗彎彈性模量建模效果比較Table 3 MOE model comparison with different sections and pretreatments

比較不同切面模型的預(yù)測(cè)效果可以得出， 徑切面的預(yù)測(cè)效果與弦切面較為接近。 當(dāng)使用MSC+S-G預(yù)處理方法時(shí)， 抗彎彈性模量?jī)汕忻嫫骄庾V的校正相關(guān)系數(shù)相較于徑切面和弦切面分別提高了20.2%和6.48%， 校正標(biāo)準(zhǔn)誤差分別降低了27.2%和5.31%。 通過(guò)比較可以得出， 當(dāng)使用兩切面平均光譜時(shí)， 模型效果最優(yōu)。 因此， 對(duì)于楸樹(shù)木材抗彎彈性模量樣品， 應(yīng)選取兩切面平均光譜建立抗彎彈性模量的近紅外PLS模型。

2.4 預(yù)處理方法對(duì)楸樹(shù)木材抗彎性質(zhì)近紅外模型的影響

2.4.1 預(yù)處理方法對(duì)抗彎強(qiáng)度近紅外模型的影響

對(duì)測(cè)得的樣本光譜數(shù)據(jù)分別采用1stDer、 2ndDer和MSC結(jié)合S-G卷積平滑法， 在400～2 500波段范圍內(nèi)建立抗彎強(qiáng)度近紅外PLS模型。 不同預(yù)處理后的建模數(shù)據(jù)如表2所示。 一階導(dǎo)數(shù)預(yù)處理方法具有消除基線漂移， 較少背景干擾的作用[21]； 二階導(dǎo)數(shù)預(yù)處理方法可以去除波長(zhǎng)線性相關(guān)的漂移， 且能提供高分辨率和更清晰的光譜輪廓變化[22]； 多元散射校正預(yù)處理方法可以消除光譜散射效應(yīng)， 增強(qiáng)光譜中與成分含量相關(guān)的光譜吸收信息， 且能消除噪聲[23]； 卷積平滑法可以濾除光譜信號(hào)中噪音， 以提高模型精度。 為了更好地預(yù)測(cè)楸樹(shù)木材抗彎強(qiáng)度和抗彎彈性模量， 將一階導(dǎo)數(shù)、 二階導(dǎo)數(shù)、 多元散射校正法和卷積平滑法組合起來(lái)作為預(yù)處理方法。

由表2可知， 采用3種不同預(yù)處理方法對(duì)原光譜預(yù)處理后得到的模型系數(shù)有較大差異。 選用兩切面平均光譜， 預(yù)處理方法按校正模型相關(guān)系數(shù)從大到小排序?yàn)镸SC+S-G>2ndDer+S-G>1stDer+S-G， 按預(yù)測(cè)模型相關(guān)系數(shù)從大到小排序?yàn)镸SC+S-G>2ndDer+S-G>1stDer+S-G。 發(fā)現(xiàn)使用MSC+S-G預(yù)處理方法時(shí)， 相關(guān)系數(shù)均達(dá)到最大值， 且校正標(biāo)準(zhǔn)誤差和預(yù)測(cè)標(biāo)準(zhǔn)誤差最低為3.75和3.94， RPD值達(dá)到1.88。 最優(yōu)楸樹(shù)木材抗彎強(qiáng)度模型的測(cè)量值和預(yù)測(cè)值的相關(guān)關(guān)系如圖3(a)所示， 由圖可知， 楸樹(shù)木材的實(shí)測(cè)值和模型預(yù)測(cè)值之間存在較好的相關(guān)關(guān)系。 因此， 建立楸樹(shù)木材抗彎強(qiáng)度時(shí)， 應(yīng)使用MSC+S-G預(yù)處理方法， 以得到最佳建模精度。

2.4.2 預(yù)處理方法對(duì)抗彎彈性模量光譜的影響

通過(guò)比較采用MSC+S-G， 2ndDer+S-G和1stDer+S-G三種預(yù)處理方法所建立的楸樹(shù)木材抗彎彈性模量的校正模型和預(yù)測(cè)模型(表3)， 選取最適合的預(yù)處理方法。 選用兩切面平均光譜， 預(yù)處理方法按校正模型相關(guān)系數(shù)從大到小排序?yàn)镸SC+S-G>2ndDer+S-G>1stDer+S-G， 按預(yù)測(cè)模型相關(guān)系數(shù)從大到小排序?yàn)镸SC+S-G>1stDer+S-G>2ndDer+S-G。 當(dāng)使用MSC+S-G對(duì)抗彎彈性模量光譜進(jìn)行預(yù)處理時(shí)， 得到最高RPD值為1.88。 其抗彎彈性模量實(shí)測(cè)值與預(yù)測(cè)值之間的相關(guān)性如圖3(b)所示， 可以看出實(shí)測(cè)值與預(yù)測(cè)值之間呈較好的線性相關(guān)。 由此可知， 選擇MSC+S-G作為楸樹(shù)木材抗彎彈性模量近紅外建模的最佳預(yù)處理方法。

2.5 采譜點(diǎn)數(shù)對(duì)楸樹(shù)木材抗彎性質(zhì)近紅外模型的影響

選擇最優(yōu)的光譜切面來(lái)源和預(yù)處理方法后， 基于不同采譜點(diǎn)數(shù)得到的光譜建立抗彎強(qiáng)度和抗彎彈性模量的PLS模型。 采譜點(diǎn)數(shù)為1點(diǎn)(D3)、 3點(diǎn)(D1、 D3、 D5)和5點(diǎn)(D1—D5)， 依次建立模型， 建模結(jié)果見(jiàn)表4。 對(duì)于抗彎強(qiáng)度和抗彎彈性模量?jī)身?xiàng)力學(xué)性質(zhì)， 在三種采譜點(diǎn)數(shù)中， 使用五點(diǎn)采譜法時(shí)模型預(yù)測(cè)能力最佳， 抗彎強(qiáng)度的Rc值最高為0.860，SEC值最低為3.75， 抗彎彈性模量的Rc值最高為0.887。 通過(guò)比較可以看出采用三點(diǎn)光譜建立校正模型和預(yù)測(cè)模型的參數(shù)和一點(diǎn)之間沒(méi)有明顯差異。

表4 基于不同采譜點(diǎn)數(shù)的MOR和MOE建模效果比較Table 4 Model comparison with different sampling points for MOR and MOE

抗彎強(qiáng)度和抗彎彈性模量采用一點(diǎn)采譜法時(shí)的預(yù)測(cè)相關(guān)系數(shù)較采用五點(diǎn)采譜法時(shí)僅分別降低了5.93%和2.96%。 實(shí)際生產(chǎn)應(yīng)用中， 需大批量采集光譜， 因此在保證一定模型精度的同時(shí)， 可以選擇采用一點(diǎn)采譜法， 以減少采譜和建模工作。

3 結(jié) 論

通過(guò)采集樣品在400～2 500 nm波段的近紅外光譜， 采用偏最小二乘法結(jié)合完全交互驗(yàn)證法對(duì)楸樹(shù)木材抗彎彈性模量和抗彎強(qiáng)度進(jìn)行了快速預(yù)測(cè)。 根據(jù)預(yù)測(cè)結(jié)果進(jìn)行分析， 得出以下結(jié)論：

利用兩切面平均光譜建立的抗彎強(qiáng)度和抗彎彈性模量校正模型和預(yù)測(cè)模型的效果優(yōu)于利用徑切面或弦切面的光譜。 通過(guò)比較發(fā)現(xiàn)MSC+S-G是抗彎強(qiáng)度和抗彎彈性模量建立模型的最佳預(yù)處理方法。 對(duì)兩切面平均光譜選用MSC+S-G預(yù)處理后， 抗彎強(qiáng)度最佳預(yù)測(cè)模型相關(guān)系數(shù)、 預(yù)測(cè)標(biāo)準(zhǔn)誤差和相對(duì)分析誤差分別為0.843， 3.94和1.88， 抗彎彈性模量最佳預(yù)測(cè)模型相關(guān)系數(shù)、 預(yù)測(cè)標(biāo)準(zhǔn)誤差和相對(duì)分析誤差分別為0.846， 0.600和1.88， 即近紅外光譜技術(shù)可以完成對(duì)楸樹(shù)木材抗彎強(qiáng)度和抗彎彈性模量樣品的初步篩選。 比較了1點(diǎn)、 3點(diǎn)和5點(diǎn)采譜方法對(duì)建模的影響， 結(jié)果表明大批量采集光譜時(shí)選用1點(diǎn)采譜法， 實(shí)驗(yàn)室或小樣本研究時(shí)建議選用5點(diǎn)采譜法。 近紅外光譜分析為楸樹(shù)木材提供了有效的抗彎性質(zhì)的預(yù)測(cè)方法， 有利于楸樹(shù)木材的加工利用和遺傳改良。