光谱学与光谱分析
|
利用近红外光谱和X射线衍射技术分析木材微纤丝角
江泽慧,黄安民,费本华,任海青*
中国林业科学研究院木材工业研究所,北京 100091
The Analysis of Wood Microfibril Angle by Near Infrared Spectroscopy and X-Ray Diffractometry
JIANG Ze-hui, HUANG An-min,FEI Ben-hua, REN Hai-qing*
Research Institute of Wood Industry,Chinese Academy of Forestry, Beijing 100091, China
摘要 : 利用近红外光谱和X射线衍射法对木材的微纤丝角进行了快速预测。微纤丝角是影响木材性质的最重要的物理量之一,木材资源利用和林木品质改良都要求能快速、方便地测定木材的微纤丝角。 该实验首先利用X射线衍射仪,快速测量和计算出154个杉木木材样品的微纤丝角。然后,依据木材不同成分在近红外区的不同吸收特性,在近红外光谱数据与X射线衍射仪测定的微纤丝角之间建立相关模型。结果表明,二者之间具有很好的相关性,其校正模型和预测模型的相关系数(r 2 )分别达到0.867和0.816。
关键词 :微纤丝角;近红外光谱;X射线衍射
Abstract :In the present paper, near infrared (NIR) spectroscopy and X-ray diffractometry were used to rapidly predict the microfibril angle (MFA). MFA is one of the most important factors affecting wood properties. Wood resource utilization and tree improvement programs require cost-effective methods for the rapid analysis of thousands of samples. In the experiment, the average MFA of each sample were rapidly measured by X-ray scanning diffractometry. Then, the PLS model was built between NIR data and MFA by the X-ray measured. As a result, a very strong linear relationship has been found between NIR spectra fitted and X-ray measured, and the coefficients (r 2 ) of calibration and prediction models were 0.867 and 0.816 respectively.
Key words :Microfibril angle (MFA);Near infrared (NIR) spectroscopy;X-ray diffractometry
收稿日期: 2006-01-08
修订日期: 2006-03-18
通讯作者:
任海青
引用本文:
江泽慧,黄安民,费本华,任海青* . 利用近红外光谱和X射线衍射技术分析木材微纤丝角[J]. 光谱学与光谱分析, 2006, 26(07): 1230-1233.
JIANG Ze-hui, HUANG An-min,FEI Ben-hua, REN Hai-qing* . The Analysis of Wood Microfibril Angle by Near Infrared Spectroscopy and X-Ray Diffractometry . SPECTROSCOPY AND SPECTRAL ANALYSIS, 2006, 26(07): 1230-1233.
链接本文:
https://www.gpxygpfx.com/CN/Y2006/V26/I07/1230
[1] LU Wan-zhen, YUAN Hong-fu, XU Guang-tong,et al(陆婉珍,袁洪福,徐广通,等). Modern Near Infrared Spectroscopy Analysis Technology(现代近红外分析技术). Beijing: China Petrochemical Press(北京:中国石化出版社), 2001. 73. [2] Brian K Via. Doctor Thesis. Louisana State University, 2004. 12. [3] Laurence R Schimleck, Robert Evans. IAWA Journal, 2002, 23(3): 225. [4] Donaldson L A. IAWA Journal, 1996, 17(4): 421. [5] Wimmer R. IAWA Journal, 1992, 13(3): 265. [6] Sake. Cellulose Chemistry and Technology, 1987, 21(3): 225. [7] FU Xiang-xiang, YANG Wen-zhong,FANG Sheng-zuo(泭香香,杨文忠,方升佐). Journal of Nanjing Forestry University-Natural Sciences Edition(南京林业大学学报·自然科学版), 2002, 26(6): 83. [8] JIANG Ze-hui, HUANG An-min, WANG Bin(江泽慧, 黄安民, 王 斌). Spectroscopy and Spectral Analysis(光谱学与光谱分析),2006, 26(6): 1034. [9] CHEN Da,WANG Fang,SHAO Xue-guang,et al(陈 达,王 芳,邵学广,等). Spectroscopy and Spectral Analysis(光谱学与光谱分析),2004,24(6):672.
[1]
高 峰, 邢雅阁, 罗华平, 张远华, 郭 玲. 基于可见/近红外光谱与化学计量学的杏品种无损鉴别方法 [J]. 光谱学与光谱分析, 2024, 44(01): 44-51.
[2]
鲍 浩,张 艳. 基于改进哈里斯鹰优化算法的光谱特征波段选择模型研究 [J]. 光谱学与光谱分析, 2024, 44(01): 148-157.
[3]
胡彩平,何成遇,孔丽微,朱优优,武 斌,周浩祥,孙 俊. 模糊线性判别QR分析的茶叶近红外光谱鉴别分析 [J]. 光谱学与光谱分析, 2023, 43(12): 3802-3805.
[4]
刘鑫鹏,孙祥洪,秦玉华,张 敏,宫会丽. 基于Wasserstein散度的t-SNE相似性度量方法研究 [J]. 光谱学与光谱分析, 2023, 43(12): 3806-3812.
[5]
孙伟吉,刘 浪,侯东壮,邱华富,屠冰冰,辛 杰. 改性镁渣的物化特性及水化活性试验研究 [J]. 光谱学与光谱分析, 2023, 43(12): 3877-3884.
[6]
白雪冰,宋昌泽,张倩玮,代斌秀,靳国杰,刘文政,陶永胜. “赤霞珠”葡萄叶片缺磷胁迫的VIS/NIR光谱快速无损诊断方法 [J]. 光谱学与光谱分析, 2023, 43(12): 3719-3725.
[7]
王琦标,何余锴,罗雨诗,王淑君,谢 波,邓 超,刘 勇,庹先国. 基于卷积神经网络和近红外光谱的酒醅酸度分析方法研究 [J]. 光谱学与光谱分析, 2023, 43(12): 3726-3731.
[8]
骆 立,王静仪,徐兆军,那 斌. 基于近红外光谱技术建立木材产地鉴别模型 [J]. 光谱学与光谱分析, 2023, 43(11): 3372-3379.
[9]
张淑芳,雷 蕾,雷顺新,谭学才,刘绍刚,严 军. 近红外漫反射光谱的茉莉花产地溯源 [J]. 光谱学与光谱分析, 2023, 43(11): 3389-3395.
[10]
杨 群,凌琪涵,魏 勇,宁 强,孔发明,周艺凡,张海琳,王 洁. 基于可见-近红外光谱的柑橘叶片功能性氮含量无损监测模型研究 [J]. 光谱学与光谱分析, 2023, 43(11): 3396-3403.
[11]
黄孟强,匡文剑,刘 向,何 良. 基于1D-CNN的近红外光谱定量分析棉/涤纶/羊毛混纺纤维含量方法研究 [J]. 光谱学与光谱分析, 2023, 43(11): 3565-3570.
[12]
黄招娣,陈再良,王 琛,田 彭,章海亮,谢潮勇,刘雪梅. 比较用可见/短波近红外光谱结合机器学习算法测量土壤性质的不同多元校准方法分析 [J]. 光谱学与光谱分析, 2023, 43(11): 3535-3540.
[13]
康明月,王 成,孙鸿雁,李作麟,罗 斌. 基于改进的WOA-LSSVM樱桃番茄内部品质检测方法研究 [J]. 光谱学与光谱分析, 2023, 43(11): 3541-3550.
[14]
黄 华,刘 亚,库尔班古丽·都力昆,曾繁琳,玛依热·麦麦提,阿瓦古丽·麦麦提,买地努尔汗·艾则孜,郭俊先. 融合分数阶微分与PIMP-RF算法的集成学习模型预测成熟期苹果可溶性固形物含量 [J]. 光谱学与光谱分析, 2023, 43(10): 3059-3066.
[15]
陈嘉伟,周德强,崔晨昊,任志俊,左文娟. 近红外光谱的小麦粉粉质特性预测模型研究 [J]. 光谱学与光谱分析, 2023, 43(10): 3089-3097.