一种快速测定尾细桉木材化学成分含量的方法

摘要

本发明公开一种快速测定尾细桉木材化学成分含量的方法，该方法通过利用已知尾细桉木材样品的近红外光谱特征吸收峰和各化学成分含量之间建立数学模型，来实现对尾细桉其他待测木材化学成分的快速测定，含以下步骤：1)样品取样；2)样品粉碎与近红外光谱采集；3)样品木材化学成分的标准测量；4)光谱处理和建模；5)模型检验；6)模型应用。本发明测定尾细桉木材纤维素、半纤维素和木质素成分含量的方法实施简便快捷、准确性和可靠性高，不仅显著降低测试成本以及减少对树木的破坏和化学药品的使用，从而实现了对尾细桉大批量样品木材化学成分含量测量的目的。

主权项

一种快速测定尾细桉木材化学成分含量的方法，其特征在于，包括以下步骤：1)样品取样：选择正常生长且无明显缺陷的活立木进行编号，并于树干高1.2‑1.4米处取去皮后的木材木屑样品，将样品带回实验室内风干；将样品分成A部分样品和B部分样品；2)样品粉碎与近红外光谱采集：将步骤1)中A部分样品和B部分样品经粉碎机磨成木粉并过筛，在24℃恒温室内利用德国Bruker公司的MPA傅立叶近红外光谱仪扫描样品并采集近红外光谱，获得A部分样品近红外光谱数据和B部分样品近红外光谱数据，扫描过程所选光谱波段范围为4000‑12000cm^‑1、分辨率为8cm^‑1；3)样品化学成分含量的标准值测量：3‑1)采用硝酸‑乙醇法对步骤2)中采集完近红外光谱数据的全部样品进行纤维素含量测定，获得A部分样品纤维素标准值和B部分样品纤维素标准值；3‑2)按照GB/T 2677.9‑1994中四溴化法对步骤2)中采集完近红外光谱数据的全部样品进行半纤维素含量测定，获得A部分样品半纤维素标准值和B部分样品半纤维素标准值；3‑3)按照GB/T 2677.8‑1994中的方法对步骤2)中采集完近红外光谱数据的全部样品进行木质素含量测定，获得A部分样品木质素标准值和B部分样品木质素标准值；4)光谱处理和模型建立：4‑1)将A部分样品近红外光谱数据和A部分样品纤维素标准值根据编号相对应的输入到光谱分析软件OPUS 7.0中，进行原始光谱预处理，利用偏最小二乘法和完全交叉验证方式建立尾细桉近红外光谱与木材纤维素含量标准值之间的交叉校正模型，删除模型中的异常点，使模型决定系数R²≥0.75和残留预测偏差RPD＞2.0，获得若干个纤维素含量预选模型；4‑2)将A部分样品近红外光谱数据和A部分样品半纤维素标准值根据编号相对应的输入到光谱分析软件OPUS 7.0中，进行原始光谱预处理，利用偏最小二乘法和完全交叉验证方式建立尾细桉近红外光谱与木材半纤维素含量标准值之间的交叉校正模型，删除模型中的异常点，使模型决定系数R²≥0.75和残留预测偏差RPD＞2.0，获得若干个半纤维素含量预选模型；4‑3)将A部分样品近红外光谱数据和A部分样品木质素标准值根据编号相对应的输入到光谱分析软件OPUS 7.0中，进行原始光谱预处理，利用偏最小二乘法和完全交叉验证方式建立尾细桉近红外光谱与木材木质素含量标准值之间的交叉校正模型，删除模型中的异常点，使模型决定系数R²≥0.75和残留预测偏差RPD＞2.0，获得若干个木质素含量预选模型；5)模型的检验：5‑1)将B部分样品近红外光谱数据和B部分样品纤维素标准值根据编号相对应的输入软件OPUS 7.0中，选用步骤4‑1)所获全部纤维素含量预选模型，通过运用光谱软件中的光谱模型质量分析方法对B部分样品的光谱进行预测，根据预测值和标准值间的相关因子最大和/或预测值均方根误差最小的原则选出一个模型，即为纤维素快速测定模型；5‑2)将B部分样品近红外光谱数据和B部分样品半纤维素标准值根据编号相对应的输入软件OPUS 7.0中，选用步骤4‑2)所获全部半纤维素含量预选模型，通过运用光谱软件中的光谱模型质量分析方法对B部分样品的光谱进行预测，根据预测值和标准值间的相关因子最大和/或预测值均方根误差最小的原则选出一个模型，即为半纤维素快速测定模型；5‑3)将B部分样品近红外光谱数据和B部分样品纤维素标准值根据编号相对应的输入软件OPUS 7.0中，选用步骤4‑3)所获全部木质素含量预选模型，通过运用光谱软件中的光谱模型质量分析方法对B部分样品的光谱进行预测，根据预测值和标准值间的相关因子最大和/或预测值均方根误差最小的原则选出一个模型，即为木质素快速测定模型；6)模型应用：选择待测样木，实施步骤1)和步骤2)获得的样木的近红外光谱并输入光谱软件OPUS 7.0的定量分析方法中；利用纤维素快速测定模型或半纤维素快速测定模型或木质素快速测定模型即可测出样木的木材相应的化学成分含量。