火炬松木材基本密度和纖維長度近紅外模型的建立

火炬松木材的基本密度是反映其性能的重要指標。它可以估計木材的質量，評估木材的工藝性質和物理力學性質。火炬松木材的纖維長度是分析火炬松木材材積的主要指標之一。此外，它還是一個反映木材使用價值的指標。研究火炬松木材的基本密度和纖維長度不僅對新品種的栽培和人類林業的定向培養具有指導意義，而且有助于在未來擴大和改善火火炬松的木材類型。然而，傳統的木材密度和纖維長度測量方法相對復雜。大規模重新造林和火炬松子世代采集的研究不僅工作量大，而且損壞了樹木。這些問題可以通過快速的紅色信號檢測技術來解決。近紅外光譜技術具有分析速度快、效率高、成本低、重現性好,以及便于實現在線分析、無損分析等特點1材料和方法1.1火炬松木材基本密度的近紅外模型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16cm以上、干型較通直的單株,用噴漆做標記.在樹木胸徑高度處用直徑為12mm的生長錐,從西北到東南方向(平行地面,盡量避開樹結疤),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個樣品作為預測集,建立近紅外預測模型;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.用于預測的火炬松群體取自廣東英德林業科學研究所(264個樣本).1.2基本密度和纖維長度的真實測量采用排水法1.3光譜預處理采用瑞典Perter公司的DA7200型連續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24h,并且預熱30min,待光源穩定后開始采集光譜.采集光譜的波段為650~950nm,分辨率為5nm.采用Umscrambler軟件,采用標準化處理法、標準正態變量轉換法(standardnormalvariatetransformation,SNV)、平滑算法(savitzky-golaysmoothing,SG)、乘積分散校正法(multiplescattercorrection,MSC)與一階導數(first-orderderivative,1stDer)處理,對光譜進行預處理并建立模型.1.4主要參數.將真實測定的基本密度值和纖維長度值分別與用模型預測出來的基本密度值和纖維長度值進行比較,以相關系數(R)和驗證集預測標準偏差(SEP)作為主要參數對模型進行評價.驗證集的SEP越小,則模型擬合、預測效果越好.2結果與分析2.1火炬松微纖維長度用排水法測定72個火炬松樣品的基本密度;并且應用纖維離析、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0.4725g·cm2.2火炬松木材生長和纖維長度相關模型的建立分別用MSC、標準化處理法、SNV、SG以及1stDer,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的模型參數(表2、3).從表2可看出,標準化處理法、1stDer+MSC和1stDer+SG+MSC的模型校正相關系數(R2.3基本密度模型的建立應用Umscrambler軟件,采用一階導數、平滑算法、歸一化法相結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部交叉驗證模型.從表4可知,主成分數為11時,基本密度模型的R2.4近紅外模型的驗證與評價采用驗證集樣品對已經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對模型的預測精度進行評價(表5).在基本密度模型中,預測值與實測值的R為0.85,SEP為0.033g·cm2.5火炬松子代測定林數據預測用得到的木材基本密度預測模型和纖維長度預測模型對264個火炬松子代測定林樣本進行預測,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可以看出預測數據總體上呈正態分布,符合數據的分布特征,說明預測模型在實際遺傳測定中可用,且結果可靠.3火炬松木材基本密度模型建立的結果通過1stDer、SNV和S