蔣開彬, 牛 品, 王 博, 林 艷, 何紫迪, 黃少偉

(廣東省森林植物種質(zhì)創(chuàng)新與利用重點實驗室/華南農(nóng)業(yè)大學(xué)林學(xué)與風(fēng)景園林學(xué)院，廣東 廣州 510642)

火炬松木材的基本密度是反映其性能的關(guān)鍵指標(biāo)，可估計木材的質(zhì)量，判斷木材的工藝性質(zhì)和物理力學(xué)性質(zhì).火炬松木材的纖維長度是分析火炬松木材材性的主要參數(shù)之一，同時也是反映木材利用價值的指標(biāo).研究火炬松木材基本密度和纖維長度不僅對新品種的培育、人工林的定向培育具有指導(dǎo)意義，而且有助于今后火炬松大面積推廣及改善其木材的材性.但是常規(guī)測定木材基本密度與纖維長度的方法比較繁瑣，大規(guī)模檢測火炬松育種群體和子代測定林不僅工作量巨大，而且會破壞樹木，而近紅外預(yù)測這種無損快速檢測技術(shù)就可以解決這些問題.

近紅外光譜技術(shù)具有分析速度快、效率高、成本低、重現(xiàn)性好，以及便于實現(xiàn)在線分析、無損分析等特點[1-2]，不僅可以檢測谷物的品質(zhì)[3]，測定雞蛋、蔬菜和水果的品質(zhì)[4-7]，還可以測定廢水生化需氧量[8].依據(jù)木材近紅外光譜包含的化學(xué)組分，可通過化學(xué)計量學(xué)分析，建立樣品的散射、漫反射和特殊反射等信息與木材性質(zhì)之間的數(shù)學(xué)關(guān)系，從而可以預(yù)測未知木材樣品的性質(zhì)[9].近紅外光譜技術(shù)在林業(yè)上也有許多應(yīng)用，比如測定藍(lán)桉、火炬松和鵝掌楸的基本密度[10-12]，以及測定木質(zhì)素含量[13]、闊葉材纖維長度[14]、木材密度[15]、木材強度[16]、含水率[17]等.本研究基于近紅外光譜技術(shù)，探索一種快速測定木材基本密度和纖維長度的方法.

1 材料與方法

1.1 供試材料

用于建立模型的材料取自廣東樂昌龍山林場.在15年生火炬松人工林中，選取生長旺盛、胸徑16 cm以上、干型較通直的單株，用噴漆做標(biāo)記.在樹木胸徑高度處用直徑為12 mm的生長錐，從西北到東南方向(平行地面，盡量避開樹結(jié)疤)，穿透樹干，鉆取全木芯.將木芯放入密封袋，于4 ℃冰箱保存.其中72個樣品作為預(yù)測集，建立近紅外預(yù)測模型；21個樣品作為驗證集，對建立的火炬松木材基本密度的近紅外模型進行驗證；20個樣品作為驗證集，對建立的火炬松木材纖維長度的近紅外模型進行驗證.用于預(yù)測的火炬松群體取自廣東英德林業(yè)科學(xué)研究所(264個樣本).

1.2 基本密度和纖維長度的真實測定

采用排水法[18]測定72+21個火炬松樣品的木材密度.截取樣品的相應(yīng)部位，切成火柴桿大小放入試管，經(jīng)過水蒸排氣后，用30%(體積分?jǐn)?shù))硝酸和適量氯酸鉀加熱到60 ℃，浸泡直至木材細(xì)胞分離.用解剖針挑出少許纖維稀釋并放在載玻片上，于顯微鏡下觀察、拍照.采用木材分析軟件測出纖維長度.在93個樣品中，每個樣品測50根纖維長度，取平均值作為該單株的木材纖維長度.

1.3 近紅外光譜的采集、處理和模型的建立

采用瑞典Perter公司的DA7200型連續(xù)固定光柵分析儀和改進的樣品杯進行光譜收集.在對樣品進行掃描之前，為了減少溫度對樣品的影響，先將樣品放置24 h，并且預(yù)熱30 min，待光源穩(wěn)定后開始采集光譜.采集光譜的波段為650～950 nm，分辨率為5 nm.采用Umscrambler軟件，采用標(biāo)準(zhǔn)化處理法、標(biāo)準(zhǔn)正態(tài)變量轉(zhuǎn)換法(standard normal variate transformation, SNV)、平滑算法(savitzky-golay smoothing, SG)、乘積分散校正法(multiple scatter correction, MSC)與一階導(dǎo)數(shù)(first-order derivative, 1st Der)處理，對光譜進行預(yù)處理并建立模型.

1.4 模型的驗證

將真實測定的基本密度值和纖維長度值分別與用模型預(yù)測出來的基本密度值和纖維長度值進行比較，以相關(guān)系數(shù)(R)和驗證集預(yù)測標(biāo)準(zhǔn)偏差(SEP)作為主要參數(shù)對模型進行評價.驗證集的SEP越小，則模型擬合、預(yù)測效果越好.

2 結(jié)果與分析

2.1 木材基本密度和纖維長度實測值的數(shù)據(jù)特征

用排水法測定72個火炬松樣品的基本密度；并且應(yīng)用纖維離析、顯微制片、顯微觀察測定其纖維長度.72個火炬松樣品的基本密度最大值為0.472 5 g·cm-3，最小值為0.372 8 g·cm-3，平均值為0.425 0 g·cm-3，變動系數(shù)為5.402 3；纖維長度最大值為3.527 8 mm，最小值為2.501 4 mm，平均值為3.088 1 mm，變動系數(shù)為6.087 8.為了了解72個火炬松樣品的代表性，對基本密度和纖維長度數(shù)據(jù)采用SAS軟件進行正態(tài)性檢驗分析[19]，結(jié)果如表1所示.由表1可知，火炬松木材基本密度數(shù)據(jù)的偏度為0.014 5，峰度為-0.526 8.雖然峰度有傾斜性，但在正態(tài)檢驗中，prob0.050 0,故認(rèn)為木材基本密度樣本來自正態(tài)分布總體.火炬松木材纖維長度的偏度為-0.355 8，峰度為0.286 8.雖然偏度有輕微的傾斜性，但是由于偏度與峰度偏離不大，且正態(tài)檢驗中，prob0.050 0，故認(rèn)為木材纖維長度樣本來自正態(tài)分布總體.基本密度與纖維長度數(shù)據(jù)基本符合正態(tài)分布，具有良好的連續(xù)性與代表性，能滿足標(biāo)定條件的要求，可用于建立近紅外模型.

2.2 不同光譜處理方法的比較

分別用MSC、標(biāo)準(zhǔn)化處理法、SNV、SG以及1st Der，對采集的光譜進行處理，得到火炬松木材基本密度和纖維長度相應(yīng)的模型參數(shù)(表2、3).從表2可看出，標(biāo)準(zhǔn)化處理法、1st Der+MSC和1st Der+SG+MSC的模型校正相關(guān)系數(shù)(RC)都小于0.95，并且主成分較多，處理不理想，可以舍棄；SNV和1st Der+標(biāo)準(zhǔn)化處理法的交互驗證相關(guān)系數(shù)(RCV)小于0.85，偏低，可以舍棄.MSC、SG、1st Der+SNV、1st Der+SG、1st Der+SNV+MSC和1st Der+SG+SNV的RC值都大于0.95，且RCV都大于0.85.考慮到RC起著主導(dǎo)作用，RC、RCV越大,模型越好;校正標(biāo)準(zhǔn)偏差(RC(MSE)、交叉驗證標(biāo)準(zhǔn)偏差(RCV(MSE)越小,模型越好;RC與RCV值越接近，模型越好.在這些處理中,1st Der+SG+SNV的RC和RCV都最大，RC(MSE)與RCV(MSE)最小，而且RC與RCV的差值也是最小的，因此1st Der+SG+SNV的光譜處理方法對于火炬松木材基本密度建模，效果最佳.同樣，從表3可以看出， 1st Der+SG+SNV處理對火炬松木材纖維長度建模效果最佳.

表1 火炬松木材基本密度與纖維長度樣本的正態(tài)性檢驗1)Table 1 Normality test of basic density and fiber length of loblolly pine samples

1)00.05，則表明數(shù)據(jù)來自正態(tài)分布總體；如果P<0.05，則表明數(shù)據(jù)不是來自正態(tài)分布總體.

表2 不同光譜處理方法得到的火炬松木材基本密度預(yù)測模型的參數(shù)Table 2 Parameters of loblolly basic density prediction model using different processing methods

2.3 火炬松木材基本密度與纖維長度近紅外模型的建立

應(yīng)用Umscrambler軟件，采用一階導(dǎo)數(shù)、平滑算法、歸一化法相結(jié)合的方法對光譜進行處理，并且用偏最小二乘法的回歸分析和完全交互驗證法建立校正模型與內(nèi)部交叉驗證模型.從表4可知，主成分?jǐn)?shù)為11時，基本密度模型的RC為0.970 0，RC(MSE)為0.003 8 g·cm-3，RCV為0.897 2，RCV(MSE)為0.007 2 g·cm-3；纖維長度模型的RC為0.966 4，RC(MSE)為0.032 4 mm，RCV為0.878 2，RCV(MSE)為0.062 2 mm.兩模型的RC和RCV均比較高，校正相關(guān)系數(shù)標(biāo)準(zhǔn)偏差和交叉驗證得到的預(yù)測標(biāo)準(zhǔn)偏差都比較低，表明建立的模型較好.

2.4 近紅外模型的驗證與評價

采用驗證集樣品對已經(jīng)建立的火炬松木材基本密度和纖維長度2個近紅外模型進行驗證和評價，并采用R和SEP對模型的預(yù)測精度進行評價(表5).在基本密度模型中，預(yù)測值與實測值的R為0.85，SEP為0.033 g·cm-3，符合標(biāo)準(zhǔn)方法的誤差要求，說明模型的質(zhì)量比較好.在纖維長度模型中，預(yù)測值與實測值的R為0.88，SEP為0.216 mm，說明模型質(zhì)量良好.

2.5 近紅外模型的應(yīng)用

用得到的木材基本密度預(yù)測模型和纖維長度預(yù)測模型對264個火炬松子代測定林樣本進行預(yù)測，得到264個火炬松子代測定林樣本的木材基本密度和纖維長度.從圖1、2可以看出預(yù)測數(shù)據(jù)總體上呈正態(tài)分布，符合數(shù)據(jù)的分布特征，說明預(yù)測模型在實際遺傳測定中可用，且結(jié)果可靠.

表3 不同光譜處理方法得到的火炬松木材纖維長度預(yù)測模型的參數(shù)Table 3 Parameters of loblolly fiber length prediction model using different processing methods

表4 火炬松木材基本密度和纖維長度近紅外模型的主要參數(shù)Table 4 Parameters of NIR prediction model for loblolly basic density and fiber length

表5 外部樣品對木材基本密度和纖維長度近紅外模型的驗證參數(shù)Table 5 Validation parameters for basic density and fiber length prediction model with external samples

圖1 264個樣本基本密度預(yù)測值的直方圖與正態(tài)分布曲線Fig.1 Normal distribution curve and histogram of predicted basic density of 264 genetic test samples

圖2 264個樣本纖維長度預(yù)測值的直方圖與正態(tài)分布曲線Fig.2 Normal distribution curve and histogram of predicted fiber length of 264 genetic test samples

3 討論

通過1st Der、SNV和SG對光譜進行預(yù)處理，并用偏最小二乘法回歸分析建立了火炬松木材基本密度和纖維長度2個預(yù)測模型，用外部樣品對建立的模型進行了驗證和評價，并加以應(yīng)用.結(jié)果表明，火炬松木材基本密度模型的RC及RCV分別為0.970 0和0.897 2，模型外部驗證的預(yù)測值與實測值的R為0.85，SEP為0.033 g·cm-3；火炬松木材纖維長度模型的RC及RCV分別為0.966 4和0.878 2，模型外部驗證的預(yù)測值與實測值的R為0.88，SEP為0.216 mm.盧萬鴻等[20]建立的桉樹木材密度和纖維長度近紅外校正模型的RC分別為0.950和0.965；李耀翔等[21]建立落葉松木材密度近紅外校正模型的RC及RCV分別為0.964和0.918，SEP為0.021 g·cm-3；李耀翔等[22]建立榆樹基本密度的RC及RCV別為0.899 6和0.866 2.本研究中木材基本密度和纖維長度模型的RC及RCV與以上研究結(jié)果差別不大.同時應(yīng)用預(yù)測模型對子代測定樣本進行預(yù)測，結(jié)果數(shù)據(jù)呈正態(tài)分布，符合數(shù)據(jù)的分布特征，說明預(yù)測模型在實際遺傳測定中可用.因此，利用近紅外光譜技術(shù)能夠快速、無損、省時省力、比較準(zhǔn)確地預(yù)測火炬松木材的基本密度和纖維長度.