[发明专利]一种快速预测尾细桉木材基本密度的方法

摘要

一种快速预测尾细桉木材基本密度的方法，该方法通过利用近红外光谱与尾细桉木材基本密度的标准测量值之间的关系建立数学预测模型，利用模型来实现对尾细桉木材基本密度的快速测定，包括以下步骤：(1)木芯样品取样：(2)木屑样品采集：(3)木材基本密度标准测量：(4)木屑样品的近红外光谱采集：(5)光谱预处理和交叉校正模型的建立与优化：(6)模型的外部检验和检验参数；(7)模型应用，将建好的模型通过上述步骤和方法用于预测尾细桉木材基本密度。本发明的方法操作简便快捷、准确性和可靠性高、测试成本低，对树木的损伤少以及绿色环保，并且无须专业技术人员操作。

主权项

一种快速预测尾细桉木材基本密度的方法，其特征在于，包括以下步骤：(1)木芯样品取样：在同一批试验材料两个不同试点的8～10年生尾细桉试验林中选择无缺陷的林木160株取其木芯样品，装入试管内，并编上号，带回室内按照国家标准《木材密度测定方法》(GB/T 1933‑2009)测定木材基本密度；(2)木屑样品取样：在取木芯样品的位置用电钻钻取木材鲜木屑，装入与木芯样品同一编号的信封袋内封存，带回于24℃空调房内自然风干10～15天；(3)木材基本密度标准测量：将木芯样品按照国家标准《木材密度测定方法》(GB/T1933‑2009)饱和排水法测定；(4)木屑样品粉碎与光谱采集：将风干后的木屑粉碎成木粉，然后装入光谱仪配备的石英杯内，样品厚度以不透光为宜，并适度晃动杯子使木粉均匀分布在杯底内，在恒温24℃室内用MPA傅立叶变换光谱仪扫描样品和采集近红外光谱，光谱波段范围为4000～12000cm‑1、分辨率为8cm‑1，采样窗口为2cm，每扫描64次平均成为一个光谱数据，每件样品重复装样扫描采集3次光谱；(5)样品集编辑：将步骤(1)两个不同试点的样品的木材基本密度实测值分别排序，然后从第一个试点中抽出20个样品、第二个试点中抽出14个样品作为光谱模型的验证集样品，其余126个样品则用于光谱交叉校正模型的建模即校正集样品；(6)光谱谱图预处理和模型的建立与优化：运用光谱分析软件OPUS 7.0对样品原始光谱数据进行17点平滑处理，以及采用消除常数偏移量、减去一条直线、矢量归一化(SNV)、多元散射校正(MSC)、最大‑最小归一化处理、一阶导数、二阶导数、一阶导数+矢量归一化(SNV)、一阶导数+MSC、一阶导数+减去一条直线的多种方法对光谱进行预处理；利用偏最小二乘法(PLS)和完全交叉检验方式建立尾细桉木材基本密度与对应的光谱数据之间的相关性交叉校正模型；模型质量以决定系数(R2)、交叉验证均方根误差(RMSECV)和残留预测偏差(RPD)3个参数作为评价指标，在建模过程中要求RPD值至少大于2.0，此时模型的线型相关系数接近0.90，共选7个模型作为预选模型。(7)模型的参数与外部检验结果：采用34个验证集样品对7个预选模型进行外部独立检验，检验结果决定系数R2为0.801的模型测试样品的预测值与实测值的相关因子最大为0.730，将该模型定为最终模型,最终模型的光谱预处理方法为一阶导数处理、光谱有效波段范围在9400.1～7447.3cm‑1和4601.7～4246.8cm‑1间、决定系数(R2)为0.801、交叉验证均方根误差(RMSECV)为0.018和残留预测偏差(RPD)值为2.24、模型线性相关系数为0.895。