甜玉米葡萄糖、果糖和蔗糖含量近红外反射光谱模型构建

甜玉米是世界上重要的果蔬两用型作物之一。建立快速、无损检测甜玉米糖分含量的方法,对于甜玉米品质育种工作中的材料鉴定、筛选具有重要意义。选取了104份糖分含量变幅较大的甜玉米材料进行了近红外光谱分析,结合酶法测量的化学值,利用偏最小二乘法以及不同光谱处理和数学处理相结合,对全光谱波段进行了化学计量学的分析统计,构建了葡萄糖、果糖和蔗糖含量的近红外光谱定标模型。用外部验证样品集进行验证,对所建模型的实际预测能力进行检验。结果表明：最优光谱处理方式葡萄糖为加权多元散射校正,果糖和蔗糖的为标准正常化加去散射处理;最优的导数处理葡萄糖为2阶导数,果糖和蔗糖的为1阶和3阶导数。葡萄糖、果糖和蔗糖定标模型的交叉验证相关系数分别为0.646、0.645、0.820,交叉验证标准偏差分别为0.321、0.275、1.508;外部验证集葡萄糖、果糖和蔗糖的预测相关系数分别为0.593、0.780、0.891,表明所建立的果糖和蔗糖预测模型具有较好的预测性,可应用于甜玉米种质资源筛选,而葡萄糖模型的预测性较差,需继续完善。     

近红外透射光谱技术测定黍稷蛋白含量的研究(英文)

[目的]探索快速测定完整黍稷籽粒蛋白含量的方法。[方法]采用近红外光谱分析技术建立数学模型并进行预测,比较原始透射光谱经导数处理结合不同回归算法对模型的影响。[结果]分别经一阶和二阶导数处理后利用偏小二乘法和改进的偏小二乘法,4 种方法的分析效果相近,最优的是一阶导数结合改进的偏最小二乘回归法,黍稷蛋白定标模型的定标相关系数(RSQ)为0.880 6,定标标准误差(SEC)为0.342 4,交互定标标准误差(SECV)为 0.375 1,外部预测标准误差(SEP)为 0.454。[结论]以完整黍稷籽粒为样品所建立的蛋白 NITS 模型,可以用于黍稷蛋白含量的快速检测。     

基于NIR及PLS-PCR-SVR预测森林土壤有机碳含量

森林土壤有机碳含量是表征林地土壤营养状况的重要指标,该文建立了土壤有机碳含量的近红外光谱定标模型,并比较了偏最小二乘法（PLS）、支持向量机回归（SVR）、主成分回归（PCR）3种建模方法及Savitzky-Golay平滑＋多元散射校正、Savitzky-Golay平滑＋一阶导数、Savitzky-Golay平滑＋二阶导数、Savitzky-Golay平滑＋多元散射校正＋一阶导数、Savitzky-Golay平滑＋多元散射校正＋二阶导数5种光谱预处理方法对土壤有机碳含量定标模型精度的影响,同时进行了波段优选。结果表明：当光谱区域为1 380～1 450 nm,1 800～1 950 nm,2 050～2 300 nm,光谱数据采用Savitzky-Golay平滑＋多元散射校正＋一阶导数预处理,采用PLS的建模方法,主成分数为8时,建立的校正模型预测效果最佳。校正模型的R、RMSE、SEC分别为0.805 2、0.512 2、0.512 5;预测模型的R、RMSE、SEP分别为0.768 1、0.514 3、0.514 6。因此,利用近红外光谱技术可以实现土壤有机碳含量的快速估测,为林区实时、大面积、快速测定森林土壤有机碳含量提供了技术可行性。     

生姜水分含量的可见-近红外光谱检测

近红外光谱技术具有简便、快速和无损检测等优点,应用可见-近红外光谱方法建立生姜水分含量(moisture content)的预测模型.利用可见-近红外光谱仪采集308个生姜的光谱,其光谱范围是350～1 800 nm.分别采用一阶导数(FD)、二阶导数(SD)、标准正交变量变换(SNV)和多元散射校正(MSC)4种方法对光谱进行预处理,结合偏最小二乘法(PLS),分别在430～1 000 nm、1 000～1 800nm、430～1 800 nm 3个波段建立生姜水分含量的PLS预测模型.对实验结果进行分析表明,在波段范围430～1 800 nm使用一阶导数预处理方法建立的PLS模型最优.其验证组的相关系数为0.975 1,预测组的相关系数为0.959 7.结果表明,可见-近红外光谱可以准确、快速地对生姜的含水量进行检测.     

应用近红外光谱和化学计量法测定甜玉米种子活力

【目的】建立一种利用近红外光谱和化学计量学检测甜玉米种子活力指数的方法，为种子批量无损筛选提供新方法。【方法】在反射和透射模式下分别收集甜玉米种子的近红外光谱，采用主成分分析和蒙特卡罗交叉验证方法对异常值进行识别与剔除；选取最合适的预处理方法和变量选择方法，建立并选取最优偏最小二乘法预测模型。【结果】对于漫反射活力指数定量分析模型，采用532份样品进行建模研究，其最佳预处理方法为多项式平滑导数（Savitzky-Golay derivative，SG）+均值中心化（Mean Center，MC），最佳变量选择方法为竞争自适应重加权抽样（Competitive adaptive reweighted sampling，CARS），其模型的性能参数校正相关系数（R_c）、交互验证相关系数（R_cv）、预测相关系数（R_p）、校正均方根误差（RMSEC）、交互验证均方根误差（RMSECV）和预测均方根误差（RMSEP）分别为0.826、0.783、0.663、0.137、0.151和0.199。对于透射活力指数定量分析模型，采用415份样品进行研究，其最佳预处理方法为SG一阶导数平滑，最佳变量选择方法为相关系数法（Correlation coefficients，CC），模型的性能参数R_c、R_cv、R_p、RMSEC、RMSECV和RMSEP分别为0.783、0.680、0.728、0.121、0.142和0.133，该模型不存在过拟合现象，说明光谱采集的透射模型可能更适合测定种子活力指数。【结论】透射光谱可获得更多有关甜玉米种子活力的信息，透射模块是光谱采集预测种子活力的较好方法。     

茄衣烟叶 7 种化学成分近红外预测模型的建立

【目的】常规化学检测方法检测茄衣烟叶内总氮、钾、总糖、还原糖、总碱、氯和镁等 7 种化学成分含量的过程复杂、费时费力,而近红外光谱技术操作简单、检测快速。旨在建立一种近红外光谱检测模型,对茄衣烟叶内 7 种化学成分的含量实现快速定量分析。【方法】以云南雪茄茄衣烟叶为试材,采用常规化学方法检测茄衣烟叶 7 种化学成分含量,再利用近红外光谱技术结合偏最小二乘法对茄衣烟叶中 7 种化学成分含量及其光谱数据进行近红外模型分析,通过比较模型均方根误差和相关系数确定预测性能最佳的模型。【结果】7种化学成分分别采用原始光谱、一阶导数、一阶导数、原始光谱、原始光谱、一阶导数 + 中值滤波和一阶导数+ 中值滤波预处理方法建立的模型预测效果最佳,最佳主成分数分别为 20、7、4、24、21、9 和 7。7 种模型的训练集相关系数分别为 0.9441、0.8589、0.7664、0.9511、0.9547、0.9031 和 0.8620,交叉验证均方差分别为 0.1288、0.2846、0.0280、0.0096、0.1894、0.2965 和 0.0795;验证集相关系数分别为 0.8958、0.7675、0.7181、0.7928、0.7282、0.8062 和 0.7980,验证集均方差分别为 0.1789、0.3011、0.0324、0.0193、0.3855、0.3990 和 0.0999。模型外部验证结果表明,7 种化学成分预测值与化学值的平均相对标准偏差值皆小于 32%。【结论】利用近红外光谱技术对茄衣烟叶 7 种化学成分含量进行快速定量分析是可行的,该模型对 7 种化学成分含量具有良好的预测效果,可为茄衣烟叶 7 种化学成分含量快速定量分析提供参考。     

基于改进偏最小二乘法的甜椒可溶性固形物和总酸的近红外光谱检测

以黄色甜椒为研究对象,利用改进偏最小二乘法(MPLS)建立其近红外漫反射光谱无损检测可溶性固形物(SSC)和总酸含量的数学模型。在400~2 500 nm以及400~980 nm+1 108~1 900 nm 2个波长范围内分别建立了甜椒的SSC和总酸质量分数的定标MPLS模型,并用最优模型进行预测。结果表明,最优的预处理是在400~980 nm+1 108~1 900 nm下建立的模型,SSC采用SNV处理的定标模型较好,交互验证相关系数(RCV)、交互验证标准误差(SECV)分别为0.926 9和0.186 2,预测集的相关系数RP和预测标准误差(SEP)分别为0.924 8和0.158 9;总酸则是采用None处理的模型较好,交互验证相关系数(RCV)、交互验证标准误差(SECV)分别为0.868 0和0.012 5,预测集的相关系数RP预测标准误差(SEP)分别为0.903 8和0.011 1。试验结果说明,基于改进偏最小二乘法对甜椒鲜果SSC和总酸含量的近红外漫反射快速无损检测是可行的,近红外光谱与SSC和总酸含量呈显著相关性。     

FTIR结合化学计量学快速预测铁皮石斛中总多糖含量

有效成分含量检测是评价药用植物质量的主要手段,采集时间不同对药用植物有效成分含量有显著影响。通过傅里叶变换红外光谱结合化学计量学,建立了快速预测不同采收时间铁皮石斛中总多糖含量的方法。采收2014年1¹2月的样品干燥粉碎;以苯酚硫酸法测定铁皮石斛中总多糖含量,分析了不同采收时间铁皮石斛中总多糖随时间的累积规律;采集样品红外光谱信息,归属红外光谱吸收峰,拟合光谱数据和总多糖含量数据,结合一阶导数、二阶导数、标准正态变量、多元散射校正、正交信号校正等对数据进行预处理,建立偏最小二乘回归模型预测样品中总多糖含量。结果显示:(1)样品和标准品葡萄糖均在488 nm附近有共有吸收峰,以488 nm为总多糖定量波长,标准曲线为y=0.0079x+0.027,相关系数R2=0.9995,线性关系良好;精密度、重现性和稳定性相对标准偏差分别为0.2%、0.31%和1.3%,该方法稳定可靠;(2)总多糖含量随时间变化趋势为先升高后降低,112月的样品干燥粉碎;以苯酚硫酸法测定铁皮石斛中总多糖含量,分析了不同采收时间铁皮石斛中总多糖随时间的累积规律;采集样品红外光谱信息,归属红外光谱吸收峰,拟合光谱数据和总多糖含量数据,结合一阶导数、二阶导数、标准正态变量、多元散射校正、正交信号校正等对数据进行预处理,建立偏最小二乘回归模型预测样品中总多糖含量。结果显示:(1)样品和标准品葡萄糖均在488 nm附近有共有吸收峰,以488 nm为总多糖定量波长,标准曲线为y=0.0079x+0.027,相关系数R2=0.9995,线性关系良好;精密度、重现性和稳定性相对标准偏差分别为0.2%、0.31%和1.3%,该方法稳定可靠;(2)总多糖含量随时间变化趋势为先升高后降低,1⁴月和12月样品含量较高,平均含量大于0.284 g/g;(3)铁皮石斛红外光谱数据与总多糖含量拟合后进行一阶导数、二阶导数、标准正态变量、多元散射校正、正交信号校正等组合处理,用PLSR模型预测铁皮石斛的总多糖含量,结果最佳预处理方式为2D+OSC+MSC+SNV+SG5-PLSR,训练集和验证集R2分别为0.843和0.782,验证均方根误差(RMSEE)和预测均方根误差(RMSEP)分别为2.8904和3.5513,铁皮石斛中总多糖含量预测值与测量值较接近,表明PLSR模型可用于总多糖含量的快速预测。傅里叶变换红外光谱结合化学计量学能实现铁皮石斛中总多糖含量准确预测,为铁皮石斛质量评价提供快速、有效的方法。     

FTIR结合化学计量学快速预测铁皮石斛中总多糖含量

有效成分含量检测是评价药用植物质量的主要手段,采集时间不同对药用植物有效成分含量有显著影响。通过傅里叶变换红外光谱结合化学计量学,建立了快速预测不同采收时间铁皮石斛中总多糖含量的方法。采收2014年1~12月的样品干燥粉碎;以苯酚硫酸法测定铁皮石斛中总多糖含量,分析了不同采收时间铁皮石斛中总多糖随时间的累积规律;采集样品红外光谱信息,归属红外光谱吸收峰,拟合光谱数据和总多糖含量数据,结合一阶导数、二阶导数、标准正态变量、多元散射校正、正交信号校正等对数据进行预处理,建立偏最小二乘回归模型预测样品中总多糖含量。结果显示:(1)样品和标准品葡萄糖均在488 nm附近有共有吸收峰,以488 nm为总多糖定量波长,标准曲线为y=0.0079x+0.027,相关系数R2=0.9995,线性关系良好;精密度、重现性和稳定性相对标准偏差分别为0.2%、0.31%和1.3%,该方法稳定可靠;(2)总多糖含量随时间变化趋势为先升高后降低,1~4月和12月样品含量较高,平均含量大于0.284 g/g;(3)铁皮石斛红外光谱数据与总多糖含量拟合后进行一阶导数、二阶导数、标准正态变量、多元散射校正、正交信号校正等组合处理,用PLSR模型预测铁皮石斛的总多糖含量,结果最佳预处理方式为2D+OSC+MSC+SNV+SG5-PLSR,训练集和验证集R2分别为0.843和0.782,验证均方根误差(RMSEE)和预测均方根误差(RMSEP)分别为2.8904和3.5513,铁皮石斛中总多糖含量预测值与测量值较接近,表明PLSR模型可用于总多糖含量的快速预测。傅里叶变换红外光谱结合化学计量学能实现铁皮石斛中总多糖含量准确预测,为铁皮石斛质量评价提供快速、有效的方法。     

基于近红外光谱不同波段的红松木材含水率预测分析

运用近红外光谱技术结合偏最小二乘法(PLS),对所采集光谱进行一阶导数和二阶导数处理,并对未处理原始光谱、一阶导数处理光谱和二阶导数处理光谱分别在7个不同波段范围内建立红松含水率预测模型.结果表明红松样本近红外光谱经一阶导数处理,波段在1 000～2 100nm范围内所建模型最优,其校正集相关性系数为0.992 5,校...     

青花菜中矿质元素的近红外光谱快速测定

青花菜矿质元素含量丰富,传统的青花菜矿质养分评价方法步骤繁琐、耗时费力。通过电感耦合等离子体原子发射光谱法(Inductively Coupled Plasma Optical Emission Spectrometer,ICP-OES)测定青花菜中钾(K)、硫(S)、磷(P)、钙(Ca)、铁(Fe)、镁(Mg)等矿质元素含量,同时使用近红外光谱仪扫描样品,获取样品光谱文件,拟建立青花菜矿质元素的近红外光谱快速测定的方法。对化学分析结果与光谱文件在偏最小二乘法(partial least square,PLS)分析的基础上,通过Savitzky-Golay卷积平滑处理,采用不同的散射处理方式[多元散射校正(multiplicative scatter correction,MSC)和标准正态变量变换(standard normal variate transformation,SNV)],以及不同导数处理方式[一阶导数(first derivative, FD)和二阶导数(second derivative,SD)]对光谱进行预处理,从而获得定标方程。结果表明:(1)K、Mg、Ca经过MSC+FD处理的结果最好,校正相关系数(coefficient of determination in calibration, RSQ)分别为0.884、0.944、0.651,验证决定系数(coefficient of determination in valibration, R²)分别为0.893、0.928、0.604,相对分析误差(residual predictive deviation, RPD)分别为2.491、2.710、1.344;(2)P经过SNV+FD处理的效果最好,RSQ、R²和RPD分别为0.733、0.703和1.117;(3)S、Fe经过MSC+SD处理的结果最好,RSQ分别为0.523、0.581,R²分别为0.537和0.416,RPD分别为1.133、1.100。建立的K和Mg的近红外光谱快速检测模型,可以用于实际应用;P可以近似定量预测,但还需要通过增加样品种类提高模型的准确度与稳定度;Ca、S和Fe的近红外模型可以通过建立高浓度和低浓度2个模型来提高模型预测度。     

水稻籽粒直链淀粉含量非破坏性活体测定方法研究

对533份杂交稻和常规稻材料的糙米和精米直链淀粉含量进行化学分析,并结合近红外透射光谱数据,采用改进偏最小二乘法（MPLS）分别建立糙米、精米的直链淀粉含量（AC）预测定标模型,并对其进行内部和外部验证.结果表明,杂交稻糙米及精米模型的定标相关系数（RSQ）分别为0.873和0.922,常规稻糙米及精米模型的RSQ则分别为0.924和0.939,定标标准偏差（SEC）分别为1.100,0.956,1.537,1.547;内部交叉验证预测值和真实值之间的RSQ分别为0.866,0.901,0.892和0.921,外部验证的RSQ分别为0.9506,0.9352,0.9116,0.9180,所建模型的相关性较高,预测值与真实值之间的误差小.常规稻模型可应用于大量育种材料快速、无损的早代筛选,杂交稻模型可用于新组合直链淀粉含量的快速鉴定,促进稻米品质改良,提高育种效率.     

水稻直链淀粉含量近红外模型的创建

利用近红外分析仪,对30份不同直链淀粉含量的水稻品系进行了光谱扫描,并用国标化学法对其直链淀粉含量的参比值进行了测定.通过近红外定标软件(WinISI III),采用多种计量数学处理方法和不同的回归统计方法进行定标曲线的开发和比较,优化建立了水稻直链淀粉含量测定的近红外分析定标模型.其定标标准偏差(Standard error of calibration, SEC)、交叉检验标准误差(Standard error of cross-validation,SECV)和定标决定系数(Regression squared,RSQ)分别为0.277、1.492和0.979.利用建立的近红外定量分析模型,实现了对水稻航天育种后代材料的快速筛选与鉴定.     

水稻籽粒直链淀粉含量非破坏性活体测定方法研究

对533份杂交稻和常规稻材料的糙米和精米直链淀粉含量进行化学分析, 并结合近红外透射光谱数据, 采用改进偏最小二乘法(MPLS)分别建立糙米、精米的直链淀粉含量(AC)预测定标模型, 并对其进行内部和外部验证. 结果表明, 杂交稻糙米及精米模型的定标相关系数(RSQ)分别为0.873和0.922, 常规稻糙米及精米模型的RSQ则分别为0.924和0.939, 定标标准偏差(SEC)分别为1.100,0.956,1.537,1.547; 内部交叉验证预测值和真实值之间的RSQ分别为0.866,0.901,0.892和0.921, 外部验证的RSQ分别为0.9506,0.9352,0.9116,0.9180, 所建模型的相关性较高, 预测值与真实值之间的误差小. 常规稻模型可应用于大量育种材料快速、无损的早代筛选, 杂交稻模型可用于新组合直链淀粉含量的快速鉴定, 促进稻米品质改良, 提高育种效率.     

玉米籽粒淀粉含量的遗传效应分析

以玉米完整籽粒为试验材料,采用偏最小二乘回归法建立近红外反射光谱测定其淀粉含量的数学模型,光谱预处理结果表明,采用一阶导数+多元散射校正建立淀粉含量的校正模型效果最佳,外部验证结果表明,校正后模型预测结果与化学值之间的相关系数达0.924 0。用13个普通玉米自交系,按NCⅡ设计(6×7)研究玉米籽粒品质性状的遗传效应,结果表明:粗淀粉含量不同程度地体现为种子、母体和细胞质效应,而母体遗传效应和种子直接效应占主导,细胞质效应相对较小,遗传效应以母体加性和胚乳直接加性为主,存在显著的正向母体杂种优势。遗传效应预测值表明,铁7922、郑58是选育高淀粉品种的优良材料,同时说明以校正模型测定其含量结果准确、可靠。     

近红外光谱法快速检测藜麦蛋白含量

[目的]建立一种藜麦粗蛋白含量快速、无损、简便的测定方法,为藜麦的资源评价和品质育种提供技术支持.[方法]以100份藜麦种质资源为材料,其中80％为校正集,20％为验证集,扫描得到藜麦近红外原始光谱,利用OPUS/QUAN T5.5光谱定量分析软件建立藜麦蛋白质含量的快速检测模型.[结果]采用一阶导数+矢量归一化光谱方法进行预处理,结合化学方法测定数据建立藜麦粗蛋白近红外定量模型,校正和预测效果最好,藜麦粗蛋白近红外定量模型的交叉验证决定系数为0.9182,外部验证决定系数为0.9151.[结论]基于近红外光谱法(NIRS)测定藜麦籽粒的蛋白含量是完全可行的.     

不同成熟时期骏枣糖度近红外光谱模型的建立

该研究对采摘于新疆阿克苏十团枣园的9月、10月、11月份3个月的骏枣进行了近红外光谱测定和总糖测定。结果表明,阿克苏骏枣总糖含量的测定采用PLS所建模型预测效果最佳,但最佳预处理方法不同;白熟期骏枣糖含量的最佳模型是经一阶导数处理后对骏枣糖度预测效果最优,校正相关(Rc)为0.985 8,RM-SEC为0.650,RMSEP为2.01,预测相关系数(RP)为0.903 4;脆熟期、完熟期骏枣糖含量的最佳模型都是经二阶微分处理后对骏枣糖度预测效果最优,校正相关系数(Rc)分别0.961 3、0.972 4,RMSEC分别为0.801、1.30,RMSEP分别为0.944 2、1.000 0,预测相关系数(RP)分别为2.90、1.56。该试验所建近红外PLS校正模型具有较好的稳定性,能满足红枣总糖含量的检测要求。     

近红外光谱快速检测葡萄酒品质

为实现葡萄酒品质及理化指标的快速检测,在选择最优波段和光谱最佳处理方法的基础上,利用近红外光谱结合偏最小二乘分析法分别建立葡萄酒样品的总糖、总酸、酒精度、总多酚、花色苷的定量模型。结果表明,模型验证的相关系数分别为0.992 7、0.994 8、0.990 2、0.969 8和0.937 5,模型验证效果较好。基于化学计量学方法和近红外光谱数据可实现葡萄酒理化指标的快速检测。     

麻疯树种子含油量近红外光谱定标模型的建立

目的本研究旨在建立麻疯树种子含油量的近红外光谱定标模型, 为近红外光谱技术应用于麻疯树种子含油量的测定提供依据。方法利用瑞典波通DA7200型近红外光谱成分分析仪采集了125份麻疯树种子样品的光谱数据, 通过样品化学值测定、光谱数据预处理以及回归统计方法建立了麻疯树含油量的近红外光谱定标模型, 并利用10份未知含油量的种子样品对模型的准确性进行了检验。结果本研究建模所选125份样品的含油量范围为25.23%~39.73%, 平均值为33.91%±2.64%, 中位数为34.31%, 基本覆盖了当前麻疯树的主要品种, 在种子油含量上具有一定的代表性。二阶导数联合标准正态变量转换法为建立麻疯树种子含油量近红外光谱定标模型的最佳预处理方法, 偏最小二乘法为最佳的回归方法。模型验证结果显示, 样品的化学测定值与近红外光谱定标模型预测值极显著相关, 且相关系数达0.9556, 预测标准偏差为0.6536。结论检验结果说明该模型具有较高的可靠性, 可应用于后期麻疯树种子油分含量的大批量快速测定。      

基于近红外光谱技术的杉木总酚含量模型构建与应用

【目的】木样总酚含量化学测定耗时长、过程复杂,建立杉木木样总酚含量的快速无损检测模型,对实现木材无损检测及木材腐朽预测具有重要意义。【方法】试验以114个杉木（Cunninghamia lanceolata）木样为研究对象,用福林酚法测定样品总酚含量,利用MPA傅立叶变换光谱仪对杉木木材进行漫反射光谱数据采集。将木样分为校正集和验证集,通过不同光谱预处理方法和建模方法建立总酚的定量模型,选择出最优模型并用验证集对其进行验证。【结果】测定的114个杉木木样中总酚含量变异幅度大,可用于构建近红外模型。对114个杉木木样进行近红外光谱扫描,得出建模光谱范围为9403.9~7498.4 cm-1、6102.1~5446.4 cm-1及4605.5~4242.9 cm-1。对杉木木样的近红外光谱进行预处理,得出最优组合:标准正态变量转换法（SNV）和一阶导数,采用偏最小二乘回归法（PLS）建立模型最优。校正集和交叉验证集的决定系数分别是0.8679和0.7549;校正均方根误差（RMSEE）和交叉验证均方根误差（RMSECV）分别为0.448和0.586,数值均较小且接近,说明模型具有很好稳定性;预测均方根误差（RMSEP）和相对标准偏差（RPD）分别为0.521和2.16,说明模型可进行定量分析。【结论】采用近红外光谱技术检测杉木总酚含量可行,能为木材化学成分快速测定提供一种有效、无损方法。受拟合规则影响,构建的模型虽然不能用于精确定量测定,仍可应用于日常科研和生产检测,在木材材质预测及良种选育等方面具有广阔应用前景。