基于近红外光谱与BP神经网络预测落叶松木屑的含水率

利用近红外光谱(NIR)技术结合BP神经网络定量预测了落叶松木屑的含水率。首先对采集的落叶松木屑原始近红外光谱进行9点平滑及多元散射校正预处理,然后利用主成分分析法提取光谱数据主成分作为BP神经网络的输入,最后建立BP神经网络预测模型并采用交叉验证法对模型进行验证。所建模型校正集的相关系数R为0.98,校正集的均方根误差RMSEC为0.001 7;预测集的相关系数R为0.99,预测集的均方根误差RMSEP为0.001 5。研究表明,此方法可以实现对落叶松木屑含水率的快速预测。     

表面粗糙度对NIR预测落叶松基本密度的影响

【目的】对不同表面粗糙度的落叶松木材光谱进行分析,建立适合不同表面粗糙度的近红外模型,为提高近红外模型预测木材密度精度和普适性提供理论依据。【方法】以黑龙江省星火林场落叶松木材为研究对象,对未打磨（M0）、150目打磨（M1）和320目打磨样品（M2）的近红外光谱进行分析。分别采用11点移动平均平滑、基线校正（baseline）和SG平滑进行了光谱预处理以去除冗余光谱信息,采用人工选择、反向区间偏最小二乘法（BiPLS）和联合区间偏最小二乘法（SiPLS）完成波段优选,构建针对不同表面粗糙度的单一预测模型及包含3种表面粗糙度样品的近红外混合模型。【结果】M0样品包含的光谱信息要多于另外2种粗糙度,3种预处理方法中,SG平滑预处理的建模效果综合评价最好。基于3种波段优选方法分别建立M0、M1和M2的基本密度预测模型,SiPLS波段选择方法效果更好,对于M0、M1、M2这3种表面粗糙度样品,验证集相关系数R及均方根误差（RMSEP）分别为0.865 9和0.022 7、0.766 0和0.021 4、0.725 6和0.027 4。以3种不同粗糙度混合建立的SiPLS-混合预测模型,对于不...     

近红外光谱法快速预测栓皮栎木材密度可行性研究

采用偏最小二乘法(PLS),建立近红外光谱快速预测栓皮栎木材气干密度的方法。以来自4棵栓皮栎木材不同径向部位的131个样品为研究对象,按GB/T1933—2009《木材密度测定方法》测定气干密度,并采集其近红外光谱,结果显示采用横切面光谱建立的模型效果最佳。通过梯度法选择多个建模样本集建立了多个PLS模型,模型的校正及预测相关系数均大于0.9。研究表明近红外光谱法快速预测栓皮栎木材气干密度具有可行性。     

基于不同预处理的椴树木材基本密度近红外光谱估测及模型优化

【目的】木材的基本密度在木材质量等级评定中起着重要的作用,是木材分流及精细化利用的重要依据。利用近红外光谱技术,实时监测木材性质,掌握木材性质的变化,为进一步制定和改善林木培育方法提供理论依据。【方法】借助树木生长锥对椴树活立木取样,以椴树样品基本密度真值和近红外光谱数据为输入,分别通过卷积平滑、一阶导数和二阶导数预处理方法来实现近红外光谱数据的预处理,建立了基于偏最小二乘法(PLS)的椴树木材基本密度的近红外估测模型。【结果】在350~2 500 nm波段范围内,一阶导数预处理的椴树木材基本密度模型是最优的,校正集相关系数为0.964 8,校正均方根误差为0.002 7,验证集相关系数为0.943 2,预测均方根误差为0.003 3。在对近红外光谱数据进行去噪优化处理,构建椴树木材基本密度模型后,在500~2 300 nm波段范围内,一阶导数预处理椴树木材基本密度模型依旧最优,其校正集相关系数为0.987 1,校正均方根误差为0.001 6,验证集的相关系数是0.948 6,预测的均方根误差是0.002 1。【结论】选择特定的预处理方法,结合样本特征,建立椴树木材基本密度模型,可以显著降低建模成本,提高模型预测精度,快速测定椴树木材的基本密度。     

基于NIR-PLS的土壤碳含量预测模型研究

以东北小兴安岭林区带岭林业局东方红林场的土壤为研究对象,对120个土壤样品近红外光谱做去噪、Savitzky-Golay平滑和多元散射校正预处理,利用偏最小二乘（PLS）法建立关于土壤碳含量和吸光度之间的定量分析模型,并进行模型校、验证及部分预测集样品碳含量预测.结果表明：主成分数为4时,模型最优.校正模型的决定系数R2和均方根误差（RMSE）分别为0.784和5.752;验证模型的决定系数R2和均方根误差（RMSE）分别为0.621和7.521,预测集样品的实测值和预测值的决定系数R2达到0.735,均方根误差RMSE为7.202,预测标准差SEP为10.356.应用近红外技术可以实现对小兴安岭次生林土壤碳含量的有效预测,为大面积快速测定土壤碳含量提供理论依据与技术支撑,进而为林分土壤碳循环的相关研究提供新的思路.     

基于近红外光谱波段优选的针叶木材基本密度估测模型的优化研究

【目的】木材基本密度在木材质量等级评定中具有重要作用,是木材分流及精细化利用的重要依据。【方法】以东北林区典型针叶树种为研究对象,结合近红外光谱技术,构建红松、落叶松、云冷杉木材基本密度近红外估测模型,分析比较了不同波段优选算法并进行了模型优化。研究采用竞争性自适应重加权法(CARS)、无信息变量消除法(UVE)和间隔偏最小二乘法(iPLS)对木材近红外光谱波段进行优化,基于卷积平滑算法对近红外光谱数据进行预处理,结合偏最小二乘法(PLS)建立针叶木材基本密度估测模型。依据相关系数(R)、均方根误差(RMSEC)等模型参数对模型效果进行评价,对比分析确定最佳波段优选方法,得到最优针叶木材基本密度近红外估测模型。【结果】利用CARS、UVE、i PLS的波段优化方法对近红外光谱波段的筛选,可以起到优化针叶木材基本密度模型的作用,减少参与建模的近红外光谱的波段变量数,明显提升模型的运算速度,使得模型准确度更高、稳定性更好;利用间隔偏最小二乘法结合偏最小二乘法(iPLS-PLS)进行波段优选的针叶木材基本密度模型效果最好,其模型校正相关系数为0.938 0,校正均方根误差为0.021 8,验证相关系数为0.8959,验证均方根误差为0.028 0。【结论】基于波段优选及模型优化构建东北林区典型针叶树种基本密度近红外估测模型,可以有效提高运算速度及估测精度,实现针叶材基本密度的快速、准确、无损估测,为针叶木材材性研究和森林培育提供了理论依据与技术支撑,有利于进一步实现木材的高效节约与精细化利用。     

粗皮桉木材力学性质的近红外光谱方法预测

以人工林粗皮桉木材为研究对象,采用常规力学测试方法和近红外光谱方法对其无疵小试样力学性质进行研究。用近红外光谱仪采集试样表面的近红外光谱,对采集的近红外漫反射光谱进行导数预处理并对不同波段光谱建立校正模型,以1/3试样作为预测集对校正模型进行验证。结果表明:二阶导数预处理、350～25000nm全光谱波段、径切面和弦切面平均光谱值对粗皮桉木材力学性质模型预测效果最好。抗弯弹性模量和抗弯强度、顺纹抗压强度的实测值与近红外光谱方法的预测值存在较好的相关性,相关系数均大于0.88,相对分析误差大于2.0,表明利用近红外光谱方法预测人工林粗皮桉木材力学性质效果较好。     

基于近红外光谱及 BP 神经网络分析法磁预测森林土壤有机碳含量

为快速测定森林土壤的有机碳含量,从取自小兴安岭带岭林业局东方红林场的120个土壤样品中采集350～2500 nm的土壤近红外光谱数据,对光谱做一定的预处理后,运用主成分分析法压缩提取前8个主成分,结合BP神经网络非线性方法建立土壤有机碳含量的预测模型并进行验证。结果表明,验证集的相关系数为0.78002,均方根误差为0.5002,预测集的相关系数为0.84941,均方根误差为0.4538。应用近红外光谱技术及BP神经网络非线性方法建模可以有效地预测土壤的有机碳含量,为野外大面积快速测定森林土壤碳含量提供了技术依据。     

基于近红外光谱的紫丁香叶片叶绿素含量的估测研究

近红外具有快速无损检测特点,利用该特点能够对紫丁香叶片叶绿素的含量进行估测。采用的试验方法是采取东北林业大学城市示范实验林场中的紫丁香叶片60片,从中随机抽取40片作为建模集,其余20片为验证集,并用偏最小二乘法建立建模集的叶片的近红外光谱和叶绿素含量的关系模型。再利用该模型来估测验证集紫丁香的叶绿素含量。本次试验,建模集的预测集和校验集的R2分别达到0.86和0.73,相关系数均达到85%以上,并且验证集的R2值达到0.82,相关系数为90.85%,说明近红外技术具有应用于叶片叶绿素含量估测的潜力。     

近红外光谱快速预测乙酰化木材的增重率

采用近红外光谱技术对乙酰化大青杨和樟子松木材的增重率进行快速预测。在近红外波长780～2500 nm范围内,利用偏最小二乘法( PLS)建立木材横切面原始光谱及不同预处理(一阶导数、二阶导数、归一化处理和消噪)光谱乙酰化木材增重率数学模型,并进行比较分析。结果表明：乙酰化大青杨和樟子松木材分别选用归一化处理光谱和消噪光谱建立的增重率校正模型预测效果较好,预测模型相关系数( R)分别为0.90和0.70,预测标准差(RMSEP)分别为1.0072和1.3012,其中乙酰化大青杨木材增重率预测模型实测能力较佳,表明利用木材横切面近红外光谱建立的数学模型可以实现乙酰化木材增重率的快速预测。     

Nondestructive determination of paper properties of Populus × euramericana with near infrared spectroscopy

Five Populus x euramericana wood samples representing three different sites were selected and nearinfrared （NIR） spectra were obtained. For these sections, basis weight, brightness and three mechanical properties （tensile index, tearing index and bursting index） were determined by standard analytical methods. Calibrations were developed for each paper property using the NIR spectra, data on paper properties, using partial least squares （PLS） regression. The results show that the coefficients of correlation of calibration and validation for basis weight were 0.8824 and 0.8299, respectively; the standard error of calibration （SEC） and prediction （SEP） were 1.150 and 1.170, respectively. In testing for brightness, the correlation coefficient of calibration was 0.9621 and for validation 0.9612, while the SEC and SEP were 0.997 and 1.300, respectively; paper brightness and NIR spectroscopy were highly correlated. NIR spectroscopy can be used to predict tensile, tearing and bursting indices of paper samples rapidly. We found that the paper properties fitted by NIR and GB methods were highly correlated. The coefficients of correlation of calibration and validation for basis weight exceeded 0.8000, while the SEC and SEP were very small. These results reveal that the five paper properties of Populus x euramericana and those predicted by the NIR model were highly correlated. We conclude that the NIR models can be used for the prediction of paper properties.     

Rapid estimation of kraft pulp yield and lignin in Eucalyptus camaldulensis and Leucaena leucocephala by diffuse reflectance near-infrared spectroscopy (NIRS)

Near-infrared spectroscopy has been used to develop calibration models for the rapid determination of kraft pulp yield (KPY) and lignin in Eucalyptus camaldulensis and Leucaena leucocephala. The correlation coefficient for cross-validation is 0.90 for KPY and 0.95 for lignin prediction, while the root mean square error for cross-validation for KPY and lignin prediction are 1.46 and 0.77, respectively. The method has been validated with 37 samples of E. camaldulensis and 18 samples of L. leucocephala. The root mean square error of prediction for KPY (1.53) is higher than for lignin (0.77). The method is rapid and can be used for screening a large number of samples.     

Predicting oven-dry density of Sugi (Cryptomeria japonica) using near infrared (NIR) spectroscopy and its effect on performance of wood moisture meter

We propose a non-destructive method to predict the oven-dry density of Sugi (Cryptomeria japonica D. Don) using near infrared (NIR) spectroscopy so as to calibrate a commercial moisture meter. A prediction model for oven-dry density was developed using NIR spectra obtained from Sugi samples with a known density. The density of air-dried Sugi boards was predicted with the developed model. Then, the moisture content (MC) of the boards was measured by a hand-held capacitance-type and an in-line microwave moisture meters. For each board, the moisture meters were calibrated by the predicted density. The predicted density was correlated with the measured one with an R ² of 0.81 and a standard error of prediction (SEP) of 15.3 kg/m³ within the measured density of 279.2–436.4 kg/m³, indicating that the developed model was applicable for predicting oven-dry density of Sugi. The MC readings of both moisture meters showed a good correlation with the oven-dry MC that ranged from 12.1 to 28.9 %. For both moisture meters, the density calibration with the NIR-predicted density gave a higher R ² and a lower SEP than with the conventional calibration with the mean density. These results demonstrate that the present density calibration using NIR spectroscopy could improve the performance of the moisture meters for the air-dried Sugi boards with varying densities.     

基于偏最小二乘法的近红外光谱定量分析模型测定八角茴香中莽草酸含量

采用偏最小二乘法(PLS)建立测定八角茴香中莽草酸含量的近红外(NIR)光谱定量分析模型.应用多种光谱预处理方法分别对八角茴香固体粉末样品的NIR光谱进行预处理,并采用预处理后的光谱建立定量分析模型,每个模型均经过选择最有效的光谱区域和最适主因子数进行优化.经过比较各个模型的内部交互验证均方根误差(RMSECV)和交互验证预测值与真实值间的相关系数(RV),外部预测均方根误差(RMSEP),选取最优的模型,结果表明定量分析模型稳健性好和测定精度高,在中药有效成分定量分析方面有很好的应用前景.     

杂种落叶松F1代生长性状、木材性状的变异及相关分析

通过对44株日×兴杂种落叶松F1代个体的生长性状、木材性状调查结果进行变异分析发现,杂种群体中的生长指标、材性均存在较大变异,其中材积变异系数达25.69%,管胞长度、宽度变异系数为11.67%、17.5%,管胞长/宽变异系数为19.45%。相关分析结果表明,日×兴F1代群体树高与胸径显著相关,树高、胸径均与材积极显著相关,冠幅与材积显著相关。