预览加载中,请您耐心等待几秒...
1/5
2/5
3/5
4/5
5/5

在线预览结束,喜欢就下载吧,查找使用更方便

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

第26卷,第8期光谱学与光谱分析Vol.26,No.8,pp1464-1468 2006年8月SpectroscopyandSpectralAnalysisAugust,2006 木材中的水分及其近红外光谱分析 江泽慧,黄安民* 中国林业科学研究院木材工业研究所,北京100091 摘要水分是木材的重要特征之一,用近红外光谱分析木材性质,必须考虑水分对预测结果的影响。文章 分析了不同含水率状态下木材在近红外光谱区的吸收特性;用近红外光谱法预测木材中的水分含量,相关 系数为0.99,校正标准偏差SEC和预测标准偏差SEP分别是0.041和0.043;通过在不同含水率(7%, 12%,20%,30%,60%)状态下采集近红外光谱与固定含水率下的木材密度建立关联,结果表明,利用近红 外光谱技术可以在不同含水率下采集近红外光谱来预测木材气干密度。 主题词近红外光谱;水分;密度;木材 中图分类号:O657.3文献标识码:A文章编号:1000-0593(2006)08-1464-05 中,大多是对木材气干至一定含水率(8%或12%)后的性质 引言(比如密度)进行研究与分析[6,7]。然而,生长中的树木含水 率很高且处于不断变化之中,在不同部位含水率也存在很大 研究证实,大多数有机物在近红外区域具有丰富的、特的差异;在木材被伐倒后,其含水率仍然会随着外界温湿度 定的吸收光谱,因此,近红外光谱可以用来分析某些物质中的变化而变化。因此,研究木材中的水分与近红外光谱之间 有机物的含量和性质。由于兼备了可见光谱分析信号容易获的关系对于将近红外光谱应用于木材性质的分析具有重要意 取与红外区光谱分析信息量丰富两方面的优点,以及化学计义。 量学和计算能力方面取得的巨大进步,这使得近红外分析迅本文用近红外光谱法预测了木材中的水分含量;讨论了 速成为一种新型的分析技术,近20年来已广泛应用于化工、是否可以在不同含水率下采集近红外光谱来预测固定含水率 制药、食品、农作物等方面[1]。其在林业研究中的应用也日下木材气干密度,这对将近红外光谱应用于木材加工具有十 益展开,国内已有用近红外对木材密度和微纤丝角以及木材分重要的现实意义。 腐朽性质的研究报道[2-4];在国外,这方面的研究开展的更 早,研究也更广泛,利用近红外光谱技术预测木材化学组1仪器和方法 成、物理力学性质、解剖性质、腐朽性质以及木质复合材料 的性能等方面都有报道[5-7]。1.1仪器与光谱数据采集 木材是当今世界四大原材料中唯一可以再生的生物原材近红外光谱仪采用美国ASD公司生产的LabSpec光谱 料。树木在其全部生命活动期间,都与水分有着密不可分的仪,光谱的波长范围为350~2500nm。本实验使用两分叉 联系。在被伐倒后,作为一种原材料,无论是原木、锯材还光纤探头采集木材样品表面的近红外光谱,在采谱过程中, 是用作复合材料,都要控制木材中的水分含量,通常在加工实验室内的温度、湿度基本保持恒定,在样品的横切面垂直 前要进行干燥处理。已有的研究表明,在纤维饱和点以上,采集NIR光谱,每个样品扫描10次全光谱(350~2500 含水率对木材性质影响不大(质量除外);在纤维饱和点以nm)平均为一个光谱数据,时间为1s。利用Unscrambler 下,含水量的多少对木材的强度、刚性、硬度、耐腐朽以及9.2软件中的偏最小二乘法(PLS1)和完全交互验证法建立水 机械加工性能、燃烧值、导热性、导电性等有较大的影响[8]。分预测和密度预测相关模型。 人们早就关注和重视木材中水分的研究,近红外光谱技术的1.2水分与密度测定 飞速发展为此提供了新的方法和途径。水分试验:采用三块密度基本相同的小木材样品,纵向 在美国、澳大利亚等利用近红外预测木材性质的报道厚度为5mm,截面尺寸为10mm(R)×10mm(T),假设在 收稿日期:2006-02-22,修订日期:2006-05-08 基金项目:国家林业局“948”引进项目(2003-4-27)资助 作者简介:江泽慧,女,1938年生,中国林业科学研究院教授*通讯联系人 第8期光谱学与光谱分析1465 这5mm厚的小样品中,水分在纵向上的分布是近似均匀的光谱数据相关联,应用TheUnscrambler9.2化学计量学软 (忽略其在纵向上的含水率梯度)。为了获得建模需要的含水件的PLS1以及完全交互验证方式,经屏蔽部分噪声干扰后: 率,采用人工浸泡的方法对木材样品进行处理。浸泡到饱和主成分PCs=3,完成校正模型和预测模型的建立,结果如图 后,使其在空气中解析,并不断称重,至需要的含水率后立3所示。图3(a)是第一、二主成分的得分图,图3(b)是不同 即采集近红外光谱数据,称重到采集光谱的时间差在1s之波长对应的回归系数图,图3(c)是主成分数对应的残余