馮志恒, 呂欣欣, 李賽楠, 周曉煦, 蔣開彬, 黃少偉

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

火炬松(PinustaedaL.)原產(chǎn)于美國東南部，于20世紀(jì)30年代引入我國，并進(jìn)行了廣泛的引種栽培，具有速生、材脂兼用、經(jīng)濟(jì)效益高等優(yōu)點，是我國南方地區(qū)重要的造林和工業(yè)用材樹種之一[1].我國對木材資源需求大，火炬松作為我國重要的紙漿材樹種之一，對其優(yōu)良品種、家系進(jìn)行選育具有重要意義.建立5年生火炬松木材基本密度近紅外模型，有利于開展火炬松木材密度這一性狀的早期選擇，以達(dá)到縮短育種周期、提高選擇效率的目的.

近紅外光譜(near infrared spectroscopy, NIRS)技術(shù)已廣泛應(yīng)用于農(nóng)林業(yè)[2,3]、畜牧業(yè)[4]、食品[5]、醫(yī)藥[6,7]等領(lǐng)域的成分預(yù)測[8]、等級評定[9].利用傳統(tǒng)的測量方法測量木材基本密度往往要進(jìn)行大量繁瑣的工作，會對木材造成了一定的損傷[10].近紅外光譜技術(shù)具有便捷、無損的優(yōu)點，僅通過在近紅外光譜區(qū)掃描收集木材的有機(jī)分子中含氫基團(tuán)(O-H、N-H、C-H)的特征信息，并對光譜信息進(jìn)行計算，最終得到木芯密度差異的化學(xué)值[11].

本研究利用近紅外成分分析儀結(jié)合木材基本密度實測值，構(gòu)建5年生火炬松木材基本密度的近紅外預(yù)測模型；并探究最佳預(yù)處理方法，對該模型進(jìn)行優(yōu)化；最終建立5年生火炬松木材基本密度的近紅外快速預(yù)測模型.

1 材料與方法

1.1 試驗地概括

試驗樣品的采集地廣東省英德市林業(yè)科學(xué)研究所，地理坐標(biāo)24°15′N，113°25′E.該地屬于亞熱帶季風(fēng)氣候，多年平均氣溫20.7 ℃，一年中1月是最冷月份(最低氣溫-3.6 ℃)，7月是最熱月份(最高氣溫40.1 ℃)，年平均日照時數(shù)1 631.7 h，降水量充沛，年降水量達(dá)到1 918 mm.土壤為中黏紅壤，呈酸性，pH值為5.2～6.7.

1.2 樣品的采集與制備

試驗材料來自廣東省英德市林業(yè)科學(xué)研究所的火炬松種子園第二代自由授粉子代林，于2012年春造林.造林采用隨機(jī)完全區(qū)組設(shè)計，8次重復(fù)，5株行式小區(qū).全林地采樣，采用生長錐在每一株樹的向陽面，由東向西鉆取木芯，鉆取高度距地面1.3 m，鉆得的木芯直徑12 mm.由于受到植株死亡、林地疏伐以及木芯保存率的影響，最終獲取用于試驗的樣品共計219份.共采集試驗樣品219個，并將所有樣品隨機(jī)分為校正集和驗證集，其中校正集180個，驗證集39個.

1.3 火炬松木材基本密度實際值的測定

參照文獻(xiàn)[12]測定火炬松木芯的木材基本密度.將木芯做好標(biāo)記浸水至飽和，利用排水法測定體積.將木芯在105 ℃的烘箱中烘至全干，測定木芯質(zhì)量.最終通過計算得到木芯的基本密度.

1.4 近紅外光譜數(shù)據(jù)的采集、預(yù)處理和模型的建立

利用瑞典Perter公司生產(chǎn)的DA7200多功能近紅外成分分析儀，采集近紅外光譜數(shù)據(jù).掃描波長為950～1 650 nm，分辨率為5 nm，掃描方式為漫反射，光斑直徑為3.5 cm.

采集光譜前先將樣品在室內(nèi)放置24 h以適應(yīng)掃描環(huán)境，減少環(huán)境變化對試驗產(chǎn)生的影響；開機(jī)后預(yù)熱30 min，待光源穩(wěn)定后，開始采集光譜數(shù)據(jù)，每個樣品掃描3次，重復(fù)裝樣3次；導(dǎo)出光譜數(shù)據(jù)平均值.

近紅外光譜數(shù)據(jù)預(yù)處理和建模在The Umscrambler 9.7軟件上進(jìn)行，將一階導(dǎo)數(shù)(first-order-derivative, 1st Der)、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)和歸一化處理法以及幾種預(yù)處理方法結(jié)合起來，進(jìn)行數(shù)據(jù)預(yù)處理，根據(jù)殘差圖和杠桿圖來剔除異常值.采用偏最小二乘法(partial least square regression, PLS)建立近紅外預(yù)測模型.

2 結(jié)果與分析

2.1 火炬松木材基本密度近紅外預(yù)測模型的樹齡適應(yīng)性

利用15年生火炬松木材基本密度近紅外預(yù)測模型[13]對5年生火炬松木材基本密度進(jìn)行預(yù)測，木材基本密度平均值為0.552 8 g·cm-3；利用排水法對5年生火炬松木材基本密度進(jìn)行測定，木材基本密度平均值為0.362 9 g·cm-3.可見通過15年生火炬松木材基本密度近紅外預(yù)測模型無法準(zhǔn)確預(yù)測5年生火炬松的基本密度.

2.2 火炬松木材基本密度實測值的特征

用排水法測得的校正集火炬松木芯樣品基本密度為0.297 1～0.444 0 g·cm-3，平均值為0.362 9 g·cm-3，標(biāo)準(zhǔn)差為0.025 1 g·cm-3.利用SAS 9.4軟件對校正集火炬松木芯樣品進(jìn)行正態(tài)性檢驗分析[14](表1).校正集火炬松木芯樣品的基本密度數(shù)據(jù)來自正態(tài)總體，具有代表性，可以作為模型的校正集.

表1 火炬松木芯基本密度校正集的正態(tài)性檢驗統(tǒng)計表 Table 1 Normality test of basic density of loblolly pine cores

2.3 不同預(yù)處理方法的比較

通過對比各種方法(表2)的校正集相關(guān)系數(shù)(RC)、 交互驗證集相關(guān)系數(shù)(RCV)、校正集均方根誤差[RC(MSE)]和交互驗證集均方根誤差[RCV(MSE)]，得到建模效果最好的預(yù)處理方法.RC和RCV的值越大，RC(MSE)和RCV(MSE)的值越小，模型越好[13].最終篩選出1st Der+MSC處理、歸一化處理和1st Der+SG處理3種預(yù)處理方法(表2).

表2 采用不同光譜預(yù)處理方法得到的火炬松基本密度近紅外預(yù)測模型參數(shù)的比較 Table 2 Comparison on parameters of near-infrared spectroscopy models for basic density of loblolly pine pretreated by different function processing methods

2.4 火炬松木材基本密度近紅外預(yù)測模型的建立

將光譜數(shù)據(jù)導(dǎo)入The Umscrambler 9.7軟件，分別以1st Der+MSC、歸一化和1st Der+SG 3種預(yù)處理方法建模.通過比較模型參數(shù)可以看出1st Der+MSC預(yù)處理方法是最好的預(yù)處理方法.但后續(xù)驗證結(jié)果表明1st Der+SG預(yù)處理方法的表現(xiàn)更優(yōu)(圖1)，最佳主成分為17，RC值為0.925 2，RC(MSE)值為0.005 7 g·cm-3，RCV值為0.796 2，RCV(MSE)值為0.009 5 g·cm-3.

2.5 火炬松木材基本密度近紅外預(yù)測模型的驗證和評價

為了進(jìn)一步驗證近紅外預(yù)測模型的準(zhǔn)確度，利用建立的火炬松木材基本密度近紅外預(yù)測模型對39個校正集樣品的木材基本密度進(jìn)行預(yù)測(圖2)，并與實測值進(jìn)行比較.驗證結(jié)果表明，預(yù)測值與實測值的最大標(biāo)準(zhǔn)偏差為0.036 g·cm-3，最小標(biāo)準(zhǔn)偏差為0，模型的預(yù)測值與實測值的相關(guān)性達(dá)到0.805 7，預(yù)測均方根誤差為0.013 9 g·cm-3，說明該模型有較好的預(yù)測效果.

3 小結(jié)

本研究基于近紅外光譜技術(shù)，運用1st Der、SNV、SG、MSC、歸一化處理以及幾種預(yù)處理方法相結(jié)合的方式，對5年生火炬松木芯樣品校正集的近紅外光譜數(shù)據(jù)進(jìn)行預(yù)處理，經(jīng)過比較分析得出最優(yōu)的建模預(yù)處理方法，即1st Der+SG的預(yù)處理方法；并基于此構(gòu)建了5年生火炬松木材基本密度近紅外快速預(yù)測模型.該模型的預(yù)測值與實測值的相關(guān)性為0.805 7，均方根誤差為0.013 9 g·cm-3，能預(yù)測5年生火炬松的木材基本密度.