近红外光谱预测人工林湿地松木材性质与腐朽特性的研究

近红外光谱预测人工林湿地松木材性质与腐朽特性的研究

ID:36843501

大小:5.12 MB

页数:144页

时间:2019-05-16

近红外光谱预测人工林湿地松木材性质与腐朽特性的研究_第1页
近红外光谱预测人工林湿地松木材性质与腐朽特性的研究_第2页
近红外光谱预测人工林湿地松木材性质与腐朽特性的研究_第3页
近红外光谱预测人工林湿地松木材性质与腐朽特性的研究_第4页
近红外光谱预测人工林湿地松木材性质与腐朽特性的研究_第5页
资源描述:

《近红外光谱预测人工林湿地松木材性质与腐朽特性的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、———————————_———————●_—_——-————P——————————————————__————-————●————————一一一一一——.——————————————————i!!!!—.————.————————————————————.—————————.——————一摘要为了实现人工林木材的遗传改良和术材资源最优化利用,需要迅速、准确、广泛地获取有关木材性质的重要信息,然而,采用传统的木材性质评价方法一般需要消耗大量的人力、物力及时间,因此,寻求一1种快速、准确评价木材性质的方法,已经成为林木遗传改良和木材科学研究的重要内容之一。近红外光谱投术是一项新的术材无损评

2、价方法,能够迅速、准确地对生长锥、固体木材或木粉等试样的性质进行全面无损评价。在圉外应用NIR技术预测木材性质的报道比较多,然而,有关研究在我国木材科学领域至今尚未见报道。本文利用近红外光谱技术在固内首次实现了人:I:林湿地松(PinuselliottiiEngelm)术材化学组成的快速、准确预测。同时,根据对国内外大量相关文献的综合分析及博士论文创新性的要求,提出了利用近红外光谱结合多变量数据分析技术预测木材纤维素结晶度与木材生物腐朽(特别是早期腐朽)特性的设想,并进行大量的试验工作。主要研究结果如下:1)应用近红外光谱结合多变量数据分析技术对木杓综纤维素、“.纤维素、术质紊等化学组

3、成的预测与实测结果的相关系数r叮以达NO.82以上,说明利用近红外光谱技术ar以对我国人工林湿地松木材的化学组成进行快速、准确的预测:2)采用未处理与一阶导数预处理的校正和验证效果比较理想;通过对多元线性回Ⅱ二I(MLR)、主成分回归(PcR)与偏最小二乘法(PLS)等建模方法的比较和综合评价,结果表明采用PLS方法对木材性质的快速、准确预测效果最理想;3)木材纤维素结晶度与树木生长特性和木材化学组成之间具有显著的相关性,说}必木材纤维素结晶度可以作为一项评价木村性质的重要指标;在此基础上,本文应用近红外光谱技术对x射线衍射法(XRD)测定的木材纤维素结晶度进行了快速、准确地预测,通过

4、PLS模型预测结果与实测结果的相关系数r一般部住0.84以上:在近红外)l[I谱的短波区,预测效果也相对较差;面在1250ima~2050nm和2050nm~2500BITIl眄个区域的光谱信息则更为丰富,模型校征及预测效果均比较好;4)腐朽时间、菌种与生长速度对失重率及力学强度均在n=O.05水半显著;向腐和褐腐木材的失重率均随腐朽时间的增加而增大,褐腐对力学强度的影响比白腐人,而且褐腐木材的力学强度损失与失重率的相关性比白腐显著;早期腐朽对力学强度影响特别人,对于褐腐早期(失重率

5、材,MWL、MOR和MOE与失重率的比值分别为7.2=1、6.4:1与3.8:1;对于白腐菌处理的木材,MWL、MOR和MOE与失重率的比值分另0为3.O:1、2.2:1与4.1:1:摘要5、,本研究利用SIMCA与PLS判别分析方法建立了早期腐朽的判别模型,结果表明:11q种判别方法均可有效的判别试样的腐朽类型,说明在实验室范围内,近}I:外光谱技术町以快速、准确地检测木材的早期腐朽;6)在实验室范围内,对于腐朽木材(失重率在o%~30%)失重率的近红外光谱模型校『r及预测结果与实测结果的r分别达到O.97和O.96,预测效果非常理想;对于早期腐朽的木材样本(失重率在(0%~10%)

6、,近红外光谱对失重率的预测效果仍然非常理想,校正及预测结果与实测结果的r分别达到0.94和O.93;即使是对于更早期的早期腐朽木村(失重率在O%~5%的试样),甚至对失重率仅为3%以内的腐朽样本,利用近红外光}辛}对失重率的预测效果仍然非常理想,校正及预测结果与实测结果的r均分别达到O.85和O.83以上:7)对于失重率在0%~30%范围内取样的腐朽木材,利用近红外光谱结合PLS2方法得到的WML、MOR与MOE校正及验证结果均比较理想,其中以WML的模型校『E及预测效果(r分别达到0.90和0.88)与MOR的效果(r分别达到O.89和O.87)最好,MOE的校

7、I:及预测效果相对较

8、差(r均为O.83):对于所有早期腐朽(失再率在0%~10%的试样)的木材样本,利用近红外光谱结合PLS2方法可以同时对WML、MOR与MOE进行预测,预测结果与实测结果的r分别达到O.85、0.85和o.88;即使是对了二更早期的腐朽木材(失重率在(o%~5%),甚至对失重率仅为3%以内的腐朽样本,利用近红外光谱对WML、MOR’jMOE的预测效果仍然比较理想,WML、MOR与MOE预测结果与实测结果的r均分别在O.84、0.84和0.80。

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。