CN106323908A - 一种测定大花序桉木材基本密度和生材密度的方法 - Google Patents
一种测定大花序桉木材基本密度和生材密度的方法 Download PDFInfo
- Publication number
- CN106323908A CN106323908A CN201610696498.9A CN201610696498A CN106323908A CN 106323908 A CN106323908 A CN 106323908A CN 201610696498 A CN201610696498 A CN 201610696498A CN 106323908 A CN106323908 A CN 106323908A
- Authority
- CN
- China
- Prior art keywords
- density
- wood
- model
- sample
- green density
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000002023 wood Substances 0.000 title claims abstract description 90
- 238000000034 method Methods 0.000 title claims abstract description 47
- 241001480093 Eucalyptus cloeziana Species 0.000 title claims abstract description 46
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 41
- 230000003595 spectral effect Effects 0.000 claims abstract description 12
- 238000007689 inspection Methods 0.000 claims abstract description 11
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 238000005457 optimization Methods 0.000 claims abstract description 4
- 238000001228 spectrum Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 11
- 239000000843 powder Substances 0.000 claims description 11
- 239000000463 material Substances 0.000 claims description 9
- 235000013312 flour Nutrition 0.000 claims description 7
- 238000002790 cross-validation Methods 0.000 claims description 6
- 238000002360 preparation method Methods 0.000 claims description 6
- 238000013024 troubleshooting Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 4
- 238000002474 experimental method Methods 0.000 claims description 4
- 238000007605 air drying Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 5
- 230000006378 damage Effects 0.000 abstract description 3
- 238000005070 sampling Methods 0.000 abstract description 3
- 230000007547 defect Effects 0.000 abstract 1
- 238000001739 density measurement Methods 0.000 abstract 1
- 230000000875 corresponding effect Effects 0.000 description 9
- 238000004497 NIR spectroscopy Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 244000166124 Eucalyptus globulus Species 0.000 description 4
- 235000004692 Eucalyptus globulus Nutrition 0.000 description 3
- 238000010183 spectrum analysis Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 229920001131 Pulp (paper) Polymers 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000012203 high throughput assay Methods 0.000 description 1
- 239000002655 kraft paper Substances 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 238000013138 pruning Methods 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/286—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q involving mechanical work, e.g. chopping, disintegrating, compacting, homogenising
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开一种测定大花序桉木材基本密度和生材密度的方法，包括以下步骤：(1)木屑样品采集；(2)木屑样品的近红外光谱扫描；(3)木材基本密度和生材密度的标准测定；(4)光谱预处理和模型的建立与优化；(5)模型外部检验与选择；(6)模型应用。与传统的标准测量木材密度的方法相比，本发明提供的大花序桉木材基本密度和生材密度的近红外光谱测定法是一种对活立木无损的方法，克服了常规的木材密度标准测定时间长和易出现误差的缺点，该方法具有简便快捷、准确性高、可靠性好、成本低等优点。
Description
技术领域
本发明涉及一种木材基本密度和生材密度的测定领域，具体涉及一种大花序桉的基本密度和生材密度的测定方法。
背景技术
大花序桉(Eucalyptus cloeziana)，又叫昆士兰桉，为桉树属昆士兰桉亚属的唯一树种，它生长迅速，顶端优势明显，干形通直、圆满，自然整枝良好且木材坚硬耐久，纹理通直，结构均匀，是重要的实木用材树种，适宜培育大径材，广泛用于矿柱、建筑、家具和枕木等。其木材基本密度和生材密度，所述基本密度为木材基本密度，所述生材密度为生材密度，性状显著影响木材品质和人工林的经营效益，是重要的经济性状之一。
木材基本密度和生材密度与单位体积木材的重量直接相关，与木材干缩、膨胀、硬度、强度等物理力学性质以及木材热值、纸浆得率等工艺性质也相关，根据它可以估计木材的质量，判断木材的工艺性质物理力学性质，是研究大花序桉材性利用与良种选育的常用木材性质指标。通常，测量基本密度和生材密度指标不仅耗时费工、成本高、对样品的采集、制备等有严格的要求，而且测定过程比较繁琐、操作误差大，需要比较专业的技术人员，因此，只适合在少数专业实验室中进行，很难实现大量样品的快速、高通量测定。
近红外光谱分析技术是利用样品的近红外特征吸收峰与某些成分含量或性状之间的相关来建立回归模型、再利用模型去预测大量样品的性状值，是一种高效、快速的现代分析技术，具有试样制作简单、快速、高通量、易于操作、不需破坏性取样等优点，已经广泛应用于农业、林业、石油化工、食品、造纸、医药等众多领域。
目前，近红外光谱分析技术在多类树种的木材性质测定中应用广泛。但是，目前尚无利用近红外光谱分析技术进行大花序桉材性测定的研究。并且，因树种生长和适应性等生物学特性的差异，即使是在同种型号的近红外扫描仪上，不同树种的近红外光谱分析模型也会不同。因此，其他树种建立的近红外模型很难用于大花序桉材性测定。
发明内容
为了克服现有技术的不足，本发明的目的在于提供一种测定大花序桉木材基本密度和生材密度的方法。该方法通过利用近红外光谱与木材基本密度和生材密度的关系建立模型，再通过模型预测待测样品的基本密度和生材密度，达到了操作简单、对树林损伤小的目的。
一种测定大花序桉木材基本密度和生材密度的方法，包括以下步骤：
(1)木屑样品采集：选择无缺损的大花序桉活立木进行编号，且分成A部分、B部分，并在树干高1.3米处取去皮后的木材木屑样品，将木屑样品带回实验室内风干；
(2)木屑样品的近红外光谱采集：步骤(1)的木屑样品经样品粉碎机粉碎成木粉，在24℃恒温室内利用德国Bruker公司的MPA傅立叶变换光谱仪扫描和采集近红外光谱，光谱波段范围为4000～12000cm-1、分辨率为8cm-1；
(3)木材基本密度和生材密度的标准值测定：将步骤(1)中采集过木屑样木伐倒，参照国家标准《木材密度测定方法》(GB/T 1933-2009)制样测定木材基本密度和生材密度的标准值；
(4)光谱预处理和模型的建立与优化：
a、将A部分样品在步骤(2)中测得的近红外光谱和步骤(3)中所测得的相对应的木材基本密度的标准值输入到光谱分析软件OPUS 7.0中，进行原始近红外光谱预处理，同时利用偏最小二乘法(PLS)和交叉验证方法建立近红外光谱与基本密度或与生材密度的标准值之间的交叉校正模型，排除模型中的异常点，使决定系数R2≥0.75和残留预测偏差RPD≥2.0，获得若干个木材基本密度预选模型；
b、将A部分样品在步骤(2)中测得的近红外光谱和步骤(3)中所测得的相对应的木材生材的标准值输入到光谱分析软件OPUS 7.0中，进行原始近红外光谱预处理，同时利用偏最小二乘法(PLS)和交叉验证方法建立近红外光谱与基本密度或与生材密度的标准值之间的交叉校正模型，排除模型中的异常点，使决定系数R2≥0.75和残留预测偏差RPD≥2.0，获得若干个木材生材密度预选模型；
在本步骤中，所述异常点为预测值严重偏离标准值的点称为异常点。
(5)模型外部检验与选择：利用B部分样品数据对预选模型进行外部检验，将步骤(2)和步骤(3)中所测的B部分样品的近红外光谱和标准值输入POUS7.0中，并且选用全部木材基本密度预选模型或全部木材生材密度预选模型，通过运用光谱软件OPUS 7.0中的光谱模型质量分析方法对B部分样品光谱进行预测，根据预测值和标准值的相关因子最大和/或预测值均方根误差(RMSEP)最小的原则选出一个模型，即为近红外光谱的交叉校正模型也定为相应的快速测定模型；
(6)模型应用：选择待测样木，实施步骤(1)、步骤(2)，将所获得的近红外光谱输入光谱软件OPUS 7.0，应用步骤(5)所获得的快速测定模型即可测出样木相应的木材基本密度或生材密度。
优选地，步骤(1)所述木屑样品采集中所选择大花序桉活立木数量为110株。
优选地，步骤(1)所述大花序桉林龄为9～12年。
优选地，步骤(1)中所述木屑样品进行风干，所述风干的条件为24℃空调房内自然风干10～20天。
优选地，步骤(2)所述风干后的木屑样品经样品粉碎机粉碎成木粉，木粉粒度为60～80目。
优选地，步骤(1)所述A部分，B部分的样品个数比A:B＝5:1
优选地，步骤(4)所建的木材基本密度模型的光谱预处理方法为多元散射校正。
优选地，步骤(4)所建的生材密度模型的光谱预处理方法为一阶导数和多元散射校正。
优选地，步骤(4)所建的木材基本密度模型选用的有效光谱波段范围为9400.1～6098.3cm-1和4601.7～4246.8cm-1。
优选地，步骤(4)所建的生材密度模型选用的有效光谱波段范围为9400.1～5446.4cm-1和4601.7～4246.8cm-1。
相比现有技术，本发明的有益效果在于：
1、本发明采用近红外光谱通过与大花序桉样品的基本密度和生材密度建模，并且将该模型用于测定其他大花序桉的基本密度和生材密度，该方法不仅能显著地提高工作效率，节省大量人力物力和财力，又能减少对林木的破坏，可以充分发挥近红外快速分析的优点，从而实现了对大花序桉大批量样品木材材性指标的快速测定工作。
2、本发明通过在建立基本密度模型选用的有效光谱波段范围为9400.1～6098.3cm-1和4601.7～4246.8cm-1，建立的生材密度模型选用的有效光谱波段范围为9400.1～5446.4cm-1和4601.7～4246.8cm-1；选用该波段的光谱能够减少在建模过程中的异常点，增强模型在使用时候的准确性。
3、本发明还通过在建模过程中，控制决定系数R2≥0.75和残留预测偏差RPD≥2.0，使模型能更好的反应近红外光谱与木材性质的关系，用于预测木材的基本密度和生材密度更加准确可靠。
附图说明
图1为大花序桉基本密度近红外光谱分析模型图；
图2为大花序桉基本密度近红外光谱分析模型的线性相关图；
图3为大花序桉基本密度近红外光谱分析模型外部检验图；
图4为大花序桉生材密度近红外光谱分析模型图；
图5为大花序桉生材密度近红外光谱分析模型的线性相关图；
图6为大花序桉生材密度近红外光谱分析模型外部检验图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述：
实施例1：
如图1～6所示，一种测定大花序桉木材基本密度和生材密度的方法，包括以下步骤：
(1)木屑样品采集：选择110株9～12年树龄的无缺损的大花序桉活立木进行编号，且分成A部分、B部分，其中A部分为92株，B部分为18株，并在树干高1.3米处取去皮后的木材木屑样品，将木屑样品带回实验室内风干；所述风干的条件为24℃空调房内自然风干10～20天。
(2)木屑样品的近红外光谱采集：步骤(1)的木屑样品经样品粉碎机粉碎成木粉，木粉粒度为60～80目；在恒温24℃室内利用德国Bruker公司的MPA傅立叶变换光谱仪扫描和采集近红外光谱，光谱波段范围为4000～12000cm-1、分辨率为8cm-1；
(3)木材基本密度和生材密度的标准值测定：将步骤(1)中采集过木屑样木伐倒，参照国家标准《木材密度测定方法》(GB/T 1933-2009)制样测定木材基本密度和生材密度的标准值。
(4)光谱预处理和模型的建立与优化：
a、将A部分样品在步骤(2)中测得的近红外光谱和步骤(3)中所测得的相对应的木材基本密度的标准值输入到光谱分析软件OPUS 7.0中，进行原始近红外光谱预处理，同时利用偏最小二乘法(PLS)和交叉验证方法建立近红外光谱与基本密度或与生材密度的标准值之间的交叉校正模型，排除模型中的异常点，使决定系数R2≥0.75和残留预测偏差RPD≥2.0，获得若干个木材基本密度预选模型；所建的木材基本密度模型选用的有效光谱波段范围为9400.1～6098.3cm-1和4601.7～4246.8cm-1；
b、将A部分样品在步骤(2)中测得的近红外光谱和步骤(3)中所测得的相对应的木材生材的标准值输入到光谱分析软件OPUS 7.0中，进行原始近红外光谱预处理，同时利用偏最小二乘法(PLS)和交叉验证方法建立近红外光谱与基本密度或与生材密度的标准值之间的交叉校正模型，排除模型中的异常点，使决定系数R2≥0.75和残留预测偏差RPD≥2.0，获得若干个木材生材密度预选模型；所建的生材密度模型选用的有效光谱波段范围为9400.1～5446.4cm-1和4601.7～4246.8cm-1。
在本步骤中，所述异常点为预测值严重偏离标准值的点称为异常点。
(5)模型外部检验与选择：利用B部分样品数据对预选模型进行外部检验，将步骤(2)和步骤(3)中所测的B部分样品的近红外光谱和标准值输入POUS7.0中，并且选用全部木材基本密度预选模型或全部木材生材密度预选模型，通过运用光谱软件OPUS 7.0中的光谱模型质量分析方法对B部分样品光谱进行预测，根据预测值和标准值的相关因子最大和/或预测值均方根误差(RMSEP)最小的原则选出一个模型，即为近红外光谱的交叉校正模型也定为相应的快速测定模型；
(6)模型选择结果及参数：通过外部检验，预选的木材基本密度模型中决定系数R2为0.811的模型对检测样品的预测值与标准值的相关因子最大为0.72、预测值均方根误差(RMSEP)为0.0487，生材密度预选模型中决定系数R2为0.764的模型对检测样品的预测值与标准值的相关因子最大为0.67、预测值圴方根误差(RMSEP)为0.0406，故将上述两个模型分别定为大花序桉木材基本密度和生材密度的近红外光谱的交叉校正模型，即为快速测定模型(模型详细参数见表1)；
表1大花序桉木材基本密度和生材密度的近红外光谱分析模型建模和模型外部检验参数
实施例2
一种测定大花序桉木材基本密度和生材密度的方法，包括以下步骤：
(1)木屑样品取样；在9.5年生的大花序桉试验林中选择无缺陷的活立木13株进行编号，在树干高1.3m处(胸径部位)用刀去除高5cm宽6cm的树皮，用带有1.2cm宽扁型钻头的电钻钻取木材木屑8～10g/样品，钻入深度不超4cm、钻孔2～3个、钻孔下放置塑料小桶以接取木屑，然后将木屑装入编号的牛皮纸信封，带回实验室于24℃空调下风干15天。
(2)木屑样品的近红外光谱采集；风干后的木屑样品经样品粉碎机粉碎成60～80目木粉，将木粉样品装入光谱仪配制的直径5cm的石英杯内，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℃室内利用德国Bruker公司的MPA傅立叶变换光谱仪扫描和采集样品近红外光谱，光谱波段范围为4000～12000cm-1、分辨率为8cm-1。每个样品重复装样扫描3次，然后用光谱分析软件OPUS 7.0求出该样品的平均值。
(3)木材基本密度和生材密度的标准值测定；将步骤(1)中采集过木屑的13株样木伐倒，参照国家标准《木材密度测定方法》(GB/T 1933-2009)制样用于测定木材基本密度和生材密度的标准值。
(4)模型应用结果；运用光谱分析软件OPUS 7.0在模型质量分析方法中，调用本专利实施例1所建的大花序桉木材基本密度和生材密度的快速测定模型，然后调入步骤(2)所测的样品近红外光谱和输入步骤(3)中相对应的样品的基本密度和生材密度的标准值，软件预测出木材的基本密度和生材密度，然后与标准值进行比较和统计分析，结果见表2。在本专利的模型实施案例应用中，大花序桉木材基本密度和生材密度快速测定模型对本案例样品的预测值与标准值的相关因子分别为0.71和0.69、预测值均方根误差(RMSEP)分别为0.0663和0.0416，其中基本密度模型预测相对误差范围为-10.3％～18.2％，生材密度模型预测相对误差范围为-7.4％～2.0％，基本满足大田试验数据要求，表明模型可用于预测大花序桉其他样品的基本密度和生材密度。
表2为大花序桉基本密度和生材密度的近红外光谱分析模型案例实施统计结果
对于本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及变形，而所有的这些改变以及变形都应该属于本发明权利要求的保护范围之内。
Claims (10)
1.一种测定大花序桉木材基本密度和生材密度的方法，其特征在于，包括以下步骤：
(1)木屑样品采集：选择无缺损的大花序桉活立木进行编号，且分成A部分、B部分，并在树干高1.3米处取去皮后的木材木屑样品，将木屑样品带回实验室内风干；
(2)木屑样品的近红外光谱采集：步骤(1)的木屑样品经样品粉碎机粉碎成木粉，在24℃恒温室内利用德国Bruker公司的MPA傅立叶变换光谱仪扫描和采集近红外光谱，光谱波段范围为4000～12000cm-1、分辨率为8cm-1；
(3)木材基本密度和生材密度的标准值测定：将步骤(1)中采集过木屑样木伐倒，参照国家标准《木材密度测定方法》(GB/T 1933-2009)制样测定木材基本密度和生材密度的标准值；
(4)光谱预处理和模型的建立与优化：
a、将A部分样品在步骤(2)中测得的近红外光谱和步骤(3)中所测得的相对应的木材基本密度的标准值输入到光谱分析软件OPUS7.0中，进行原始近红外光谱预处理，同时利用偏最小二乘法(PLS)和交叉验证方法建立近红外光谱与基本密度或与生材密度的标准值之间的交叉校正模型，排除模型中的异常点，使决定系数R2≥0.75和残留预测偏差RPD≥2.0，获得若干个木材基本密度预选模型；
b、将A部分样品在步骤(2)中测得的近红外光谱和步骤(3)中所测得的相对应的木材生材的标准值输入到光谱分析软件OPUS 7.0中，进行原始近红外光谱预处理，同时利用偏最小二乘法(PLS)和交叉验证方法建立近红外光谱与基本密度或与生材密度的标准值之间的交叉校正模型，排除模型中的异常点，使决定系数R2≥0.75和残留预测偏差RPD≥2.0，获得若干个木材生材密度预选模型；
(5)模型外部检验与选择：利用B部分样品数据对预选模型进行外部检验，将步骤(2)和步骤(3)中所测的B部分样品的近红外光谱和标准值输入POUS7.0中，并且选用全部木材基本密度预选模型或全部木材生材密度预选模型，通过运用光谱软件OPUS 7.0中的光谱模型质量分析方法对B部分样品光谱进行预测，根据预测值和标准值的相关因子最大和/或预测值均方根误差(RMSEP)最小的原则选出一个模型，即为近红外光谱的交叉校正模型也定为相应的快速测定模型；
(6)模型应用：选择待测样木，实施步骤(1)、步骤(2)，将所获得的近红外光谱输入光谱软件OPUS 7.0，应用步骤(5)所获得的快速测定模型即可测出样木相应的木材基本密度或生材密度。
2.根据权利要求1所述的测定大花序桉木材基本密度和生材密度的方法，其特征在于，步骤(1)所述木屑样品采集中所选择大花序桉活立木数量为110株。
3.根据权利要求1所述的测定大花序桉木材基本密度和生材密度的方法，其特征在于，步骤(1)所述大花序桉林龄为9～12年。
4.根据权利要求1所述的测定大花序桉木材基本密度和生材密度的方法，其特征在于，步骤(1)中所述木屑样品进行风干，所述风干的条件为24℃空调房内自然风干10～20天。
5.根据权利要求1所述的测定大花序桉木材基本密度和生材密度的方法，其特征在于，步骤(2)所述风干后的木屑样品经样品粉碎机粉碎成木粉，木粉粒度为60～80目。
6.根据权利要求1所述的测定大花序桉木材基本密度和生材密度的方法，其特征在于，步骤(1)所述A部分，B部分的样品个数比A:B＝5:1
7.根据权利要求1所述的测定大花序桉木材基本密度和生材密度的方法，其特征在于，步骤(4)所建的木材基本密度模型的光谱预处理方法为多元散射校正。
8.根据权利要求1所述的测定大花序桉木材基本密度和生材密度的方法，其特征在于，步骤(4)所建的生材密度模型的光谱预处理方法为一阶导数和多元散射校正。
9.根据权利要求1所述的测定大花序桉木材基本密度和生材密度的方法，其特征在于，步骤(4)所建的木材基本密度模型选用的有效光谱波段范围为和
10.根据权利要求1所述的测定大花序桉木材基本密度和生材密度的方法，其特征在于，步骤(4)所建的生材密度模型选用的有效光谱波段范围为和
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610696498.9A CN106323908A (zh) | 2016-08-19 | 2016-08-19 | 一种测定大花序桉木材基本密度和生材密度的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610696498.9A CN106323908A (zh) | 2016-08-19 | 2016-08-19 | 一种测定大花序桉木材基本密度和生材密度的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106323908A true CN106323908A (zh) | 2017-01-11 |
Family
ID=57741026
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610696498.9A Pending CN106323908A (zh) | 2016-08-19 | 2016-08-19 | 一种测定大花序桉木材基本密度和生材密度的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106323908A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108776079A (zh) * | 2018-06-13 | 2018-11-09 | 上海建为历保科技股份有限公司 | 利用虫蛀信息预测木构件密度的方法 |
| CN109060718A (zh) * | 2018-11-05 | 2018-12-21 | 黑龙江八农垦大学 | 一种近红外光谱测定哈密瓜硬度值的方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1936537A (zh) * | 2006-10-12 | 2007-03-28 | 中国林业科学研究院木材工业研究所 | 利用近红外光谱测量活立木木材密度的方法 |
| CN102192890A (zh) * | 2010-03-03 | 2011-09-21 | 中国制浆造纸研究院 | 利用近红外光谱分析技术快速测定木材化学成分 |
| CN102192891A (zh) * | 2010-03-03 | 2011-09-21 | 中国制浆造纸研究院 | 利用近红外光谱分析技术快速测定木材气干密度 |
| CN104132865A (zh) * | 2014-08-15 | 2014-11-05 | 华南农业大学 | 一种用近红外光谱技术预测火炬松木材密度的方法 |
| CN105181639A (zh) * | 2015-09-29 | 2015-12-23 | 中国林业科学研究院林产化学工业研究所 | 基于近红外光谱技术快速测定阔叶材聚戊糖含量 |
| CN105223102A (zh) * | 2015-09-29 | 2016-01-06 | 中国林业科学研究院林产化学工业研究所 | 一种利用近红外光谱技术快速测定制浆材基本密度的方法 |
-
2016
- 2016-08-19 CN CN201610696498.9A patent/CN106323908A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1936537A (zh) * | 2006-10-12 | 2007-03-28 | 中国林业科学研究院木材工业研究所 | 利用近红外光谱测量活立木木材密度的方法 |
| CN102192890A (zh) * | 2010-03-03 | 2011-09-21 | 中国制浆造纸研究院 | 利用近红外光谱分析技术快速测定木材化学成分 |
| CN102192891A (zh) * | 2010-03-03 | 2011-09-21 | 中国制浆造纸研究院 | 利用近红外光谱分析技术快速测定木材气干密度 |
| CN104132865A (zh) * | 2014-08-15 | 2014-11-05 | 华南农业大学 | 一种用近红外光谱技术预测火炬松木材密度的方法 |
| CN105181639A (zh) * | 2015-09-29 | 2015-12-23 | 中国林业科学研究院林产化学工业研究所 | 基于近红外光谱技术快速测定阔叶材聚戊糖含量 |
| CN105223102A (zh) * | 2015-09-29 | 2016-01-06 | 中国林业科学研究院林产化学工业研究所 | 一种利用近红外光谱技术快速测定制浆材基本密度的方法 |
Non-Patent Citations (5)
| Title |
|---|
| 卢万鸿等: "桉树材性性状近红外预测模型的建立", 《桉树科技》 * |
| 李昌荣等: "大花序桉研究现状与发展趋势", 《桉树科技》 * |
| 李耀翔等: "基于近红外技术的落叶松木材密度预测模型", 《东北林业大学学报》 * |
| 黄安民、江泽慧: "近红外光谱技术在木材性质预测中的应用研究进展", 《世界林业研究》 * |
| 龚玉梅、张炜: "近红外光谱检测技术及其在林业中的应用", 《光谱学与光谱分析》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108776079A (zh) * | 2018-06-13 | 2018-11-09 | 上海建为历保科技股份有限公司 | 利用虫蛀信息预测木构件密度的方法 |
| CN109060718A (zh) * | 2018-11-05 | 2018-12-21 | 黑龙江八农垦大学 | 一种近红外光谱测定哈密瓜硬度值的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhou et al. | FTIR-ATR-based prediction and modelling of lignin and energy contents reveals independent intra-specific variation of these traits in bioenergy poplars | |
| He et al. | Rapid prediction of different wood species extractives and lignin content using near infrared spectroscopy | |
| He et al. | Prediction of hot-water-soluble extractive, pentosan and cellulose content of various wood species using FT-NIR spectroscopy | |
| Yao et al. | Determination of lignin content in Acacia spp. using near-infrared reflectance spectroscopy | |
| CN104142311B (zh) | 一种用近红外光谱技术预测火炬松松脂产量的方法 | |
| Downes et al. | A multi-site, multi-species near infrared calibration for the prediction of cellulose content in eucalypt woodmeal | |
| CN106706553A (zh) | 一种快速无损测定玉米单籽粒直链淀粉含量的方法 | |
| CN106383094A (zh) | 一种快速测定尾细桉木材化学成分含量的方法 | |
| Raymond et al. | Nondestructive sampling of Eucalyptus globulus and E. nitens for wood properties. III. Predicted pulp yield using near infrared reflectance analysis | |
| CN1936537A (zh) | 利用近红外光谱测量活立木木材密度的方法 | |
| Downes et al. | Climate and growth influences on wood formation and utilisation | |
| CN104155264A (zh) | 一种用近红外光谱技术预测火炬松松脂中松节油含量的方法 | |
| CN109211829A (zh) | 一种基于SiPLS的近红外光谱法测定大米中水分含量的方法 | |
| CN105158195A (zh) | 基于近红外光谱技术快速测定制浆材综纤维素含量的方法 | |
| Kostryukov et al. | Determination of lignin, cellulose, and hemicellulose in plant materials by FTIR spectroscopy | |
| Huang et al. | Use of visible and near infrared spectroscopy to predict klason lignin content of bamboo, Chinese fir, Paulownia, and Poplar | |
| CN104132865A (zh) | 一种用近红外光谱技术预测火炬松木材密度的方法 | |
| CN106442382A (zh) | 一种快速预测尾细桉木材基本密度的方法 | |
| CN104316492A (zh) | 近红外光谱测定马铃薯块茎中蛋白质含量的方法 | |
| CN106323908A (zh) | 一种测定大花序桉木材基本密度和生材密度的方法 | |
| Sandak et al. | Near infrared spectroscopy as a tool for in-field determination of log/biomass quality index in mountain forests | |
| Meder | The magnitude of tree breeding and the role of near infrared spectroscopy | |
| CN105223102A (zh) | 一种利用近红外光谱技术快速测定制浆材基本密度的方法 | |
| CN106706554A (zh) | 一种快速无损测定玉米单穗籽粒直链淀粉含量的方法 | |
| CN106248613A (zh) | 一种测定大花序桉木材力学性质的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170111 |