随着世界天然林资源的锐减以及木材资源消耗的不断加剧，木材的供需矛盾日益尖锐。为了缓解这一矛盾，必须大力发展人工林和高效利用木材资源。从目前来看，人工林已经成为世界木材供应和木材加工利用原料的主要来源，人工林木材也成为当代世界木材科学的主要研究对象(江泽慧等，2001)。与天然林木材相比，人工林木材生长速度快、培育周期短，但木材质量有所下降，因此必须从营林措施和遗传改良出发，紧密结合木材性质的研究，确定人工林木材品质改良的基础理论，建立控制和优化林木材质生物学模型，以实现林木的定向培育和木材资源的高效利用(江泽慧，2002)。为了林木的定向培育和木材资源的最优化利用，需要采集大量的木材样品，以广泛、全面地获取有关木材性质的基本信息，为有效的决策提供重要信息。然而，传统的木材性质评价方法需要采伐一定量的树木，并消耗大量的人力、物力及时间，因此，寻求一种快速、准确、低成本地评价木材性质的方法，已经成为林木培育和木材科学研究的重要内容之一。

近红外(near infrared, NIR)光谱技术是一项新的无损检测技术，能够迅速、准确地对固体、液体、粉末等有机物样品的物理力学和化学等性质进行无损检测，目前已经在农业(Batten, 1998)、化工(陆婉珍等，2001)、食品(Osborne et al., 1998)、纺织(Faughey et al., 2000)、制浆造纸(Wright et al., 1990；Michell，1995)、生物技术与医药(Conway et al., 1984)等领域得到了广泛而迅速的应用，并已实现野外检测、在线检测和产品质量控制。在线NIR光谱分析的应用已给工业带来巨大的经济效益和社会效益，随着科学技术和市场经济的不断发展，NIR光谱分析技术正在掀起一场分析效率的革命(陆婉珍等，2001)。

应用NIR光谱技术预测木材性质是近几年才快速发展起来的一种新方法。在澳大利亚、美国及日本等国家的应用报道比较多(Schimleck et al., 2002a；2002b；Rials et al., 2002；Kelley et al., 2004；Iwamoto et al., 1995；Tsuchikawa et al., 1996a；1998a；Kniest，1992)，然而，有关的研究在我国木材科学领域至今尚未见报道。本文重点介绍了NIR光谱技术在木材化学组成、物理力学性质、木材加工利用和木质复合材料等方面的研究成果及应用，以促进NIR技术在我国木材科学与技术中的应用。

1 NIR光谱技术的基本原理及应用 1.1 基本原理

NIR光谱是指波长范围在780~2 500 nm(波数范围在12 800~4 000 cm^-1)的红外光谱(Bokobza, 1998)，波长介于可见光和中红外光之间。NIR光谱主要是由于分子振动的非谐振性使分子振动从基态向高能级跃迁时产生的，记录了分子化学键基频振动的倍频和合频信息，主要是含氢基团(C－H，O－H，N－H，S－H)的信息，包含了绝大多数类型有机物组成和分子结构的丰富信息，不同的基团和同一基团在不同化学环境中的吸收波长有明显差别，可以作为获取组成或性质信息的有效载体。NIR光谱不仅能够反映绝大多数的有机化合物的组成和结构性能信息，而且对某些无机离子化合物也能够通过它对共存的本体物质影响引起的光谱变化，间接地反映它存在的信息。

NIR光谱区是在1800年由Herschel发现的，距今已有200多年的历史(Barton，2002)。但是，由于NIR光谱的吸收较红外光谱的吸收弱，谱带复杂且重叠严重(图 1)，受当时在光谱仪性能和信息提取技术条件的限制，信息无法有效的分离和解析，限制了其应用。20世纪初，人们采用摄谱的方法首次获得了有机化合物的NIR光谱，但由于缺乏仪器基础，直到50年代以前人们对NIR光谱只有初步的认识，尚未得到实际应用；20世纪50年代后，由于NIR光谱仪器和计算机技术的发展及前人所做的大量工作，NIR光谱技术首先在农副产品分析中得到广泛应用，60年代由于(中)红外光谱技术的快速发展及广泛应用，使得NIR技术的发展没有得到人们的重视。直到20世纪80—90年代以后，随着计算机技术和化学计量学(chemometrics)的发展，NIR光谱分析技术得到了迅速发展，使吸收弱、重叠严重的NIR光谱分析得到了解决，NIR光谱在许多领域中的迅速而广泛的研究和应用。

NIR分析技术是利用样品的近红外特征吸收峰与样品成分含量及性能之间建立的数学关系，来预测未知样品的化学成分含量及其性能。从NIR光谱中提取被测样品的组成或各种物化性质的有用信息是NIR光谱分析的技术核心，化学计量学是一种有效的NIR光谱分析技术，利用它可以非常有效地对NIR光谱进行解析。由于被测物质的NIR光谱取决于样品的组成和结构，利用化学计量学可确定出样品性质与NIR光谱之间的重要函数关系(即建立数学模型)。通过建立的数学模型就可以利用样品的NIR光谱在几十秒至几分钟内完成一个样品的多种性质(可多达十几种)的测量，与传统的方法相比，节省了大量设备、人力和物力，分析工作效率大大提高。但是，建立和维护稳定的NIR分析数学模型是相当复杂的过程，必须要优秀的NIR分析软件、有经验的专业技术人员和一批样品资源，进行大量困难与复杂的开发工作。

与中红外(MIR)相比，尽管NIR光谱的倍频或合频峰吸收强度比基频峰强度大约低1~2个数量级，但用于这些弱的吸收带没有在MIR吸收带显示出的边缘干扰(fringe interference)，所以在一个较大的吸收动态范围内这些吸收带强度与被测物浓度之间有线性关系；另外，NIR光谱与中红外光谱不同的是水分的吸收不会覆盖C—H、N—H和O—H的吸收带(Schultz et al., 1990)，因此，NIR可用于对水溶液样品、含水固体和泥浆状样品的直接分析，而不必经溶剂稀释或制备溴化钾片等处理，这样可以免除样品制备时带入的误差，因而其定量效果优于FTIR等方法。

1.2 NIR分析技术的主要应用

20世纪60年代，NIR光谱分析技术在农业中才得到了应用, 发展速度非常快，到19 98年有关NIR光谱的论文就有7 000多篇，其中有很高比例的论文直接与农业有关，其主要应用于土壤、水分和作物分析等方面(Batten et al., 1998)。利用NIR分析技术可以测定土壤的许多性质，如有机物料、棕黄酸(fulvic acid)、N和C、阳离子交换能力、水分含量和土壤组成等，还可以估计蔗糖庄稼的氮需求量，探测和监测土壤的酸度、盐度和有机物料等的变化。NIR还可对进入和流出农业用地的水分盐度、营养成分、悬浮微粒、生物活性和化学污染等进行监测。在作物分析中，利用NIR技术可以通过改善庄稼管理(如监测营养成分、水分等并及时反馈于生产)和育种及选种以提高农作物的产量。NIR技术还用于谷物、果实和蔬菜等的质量评估。

在石油化工领域(陆婉珍等，2001)，NIR光谱可以快速分析原油、汽油、航煤、柴油、润滑油、渣油和沥青等的组成及各种物化性质，如辛烷值、馏程、密度、蒸汽压、冰点、凝点、十六烷值、闪点、蜡含量等。可分析高聚物的组成和平均分子量、物性(拉伸强度、熔融指数、延伸度)等。可以测定尼龙6和尼龙66的结晶度，生产工艺中多种己内酰胺含量，表面活性剂羟值等。用常规分析方法分析这些指标需要大量时间，并且要把样品破坏，而用NIR分析快捷，还可在线分析。

近年来，NIR光谱分析技术也在生命科学与医药领域得到了广泛的应用(Conway et al., 1984；Yano et al., 2000)，NIR光谱可以直接进行活体无探伤检测(Heise et al., 1998)，可以用于检测乳癌、血色素测定、临床分析、人体内血液中的氧含量、人体血清及体液成分等分析，使过去无法开展的研究工作成为可能，对生命化学和临床研究具有重大意义。在制药工业中若使用传统的检验方法(如薄层色谱、高效液相色谱、原子吸收、质谱和红外等)测定活性组分含量和其他组分含量以进行质量控制，则操作过程复杂、成本高且费时费力，而利用NIR光谱分析技术可以替代许多仪器分析，简化常规分析的步骤，提高分析工作效率。

2 NIR光谱技术在木材科学与技术中的应用 2.1 木材的NIR光谱分析技术

NIR光谱技术在木材科学研究中，应用得较早也较多的是对纸浆木材的纸浆产量和化学组成等的预测(Wright et al., 1990；Michell，1995；1998a；1998b；Sefara et al., 2000)，目前NIR技术已广泛应用于木材物理力学性质、木材加工利用和木质复合材料性能的预测中。木材性质的NIR光谱预测技术，是依据样品NIR光谱所包含的化学组分、键强度、电负性和氢键，还有样品的散射、漫反射、特殊反射、表面光泽、折光指数和反射光的偏振等信息与木材性质之间建立的数学关系，来预测未知木材样品的性质，其基本流程如图 2所示，首先采集与制备一批校正集木材样品，所选择校正集样品的光谱特征及其性质范围应能涵盖以后未知样品的光谱特征，以保证校正模型的适用性和测试结果的准确性；根据实验室方法对木材样品的性质(如化学组成和物理力学等性质)进行测定；然后用NIR光谱仪采集木材样品的NIR光谱；通过多元数据分析方法(化学计量学)将光谱数据和与样品的性质进行相关分析(一般先将光谱数据进行转换，如一阶或二阶导数预处理)，然后得出对样品性质预测的数学模型，再对预测模型进行校正；最后，对未知性质的待测样品进行NIR光谱扫描，根据光谱值利用建立的校准模型预测得到样品的性质。

NIR用于木材成份的定量测定时，因其谱带较宽且重叠(如图 1)，不能用比尔定律简单式进行分析，需用化学计量学方法进行分析(Antti，1999；Bokobza, 1998；Dardenne et al., 2000)。目前，应用于NIR光谱分析的化学计量学方法主要有主成分分析(principal component analysis, PCA)、主成分回归(principal component regression, PCR)、多元线性回归(multiple linear regression, MLR)与偏最小二乘法(partial least square regression, PLS)、人工神经网络(artificial neural network, ANN)等(Bokobza, 1998；Antti，1999；Dardenne et al., 2000)。在木材NIR光谱的分析中，应用最多的是PCA和PLS 2种(Schimleck et al., 1996；2000；Hauksson et al., 2001；Hoffmeyer et al., 1995；Michell et al，1998a)。模型的校准和预测效果一般采用相关系数(Correlation coefficients, R)、校准标准误差(standard error of calibration, SEC)、预测标准误差(standard error of prediction, SEP)和预测均方根误差(root mean square error of prediction, RMSEP)等评价。

获得NIR光谱的方法主要有透射和反射2种技术，透射光谱主要用于液体状样品或透过率较大的样品分析，而反射光谱主要用于粉末状样品或固体样品进行分析。对于粉末样品一般采用漫反射分析技术，测定固体样品的NIR光谱时，一般要测定样品不同面的光谱以减小测定误差并获得可靠的信息，有时可以进行光谱的重复测定以提高光谱图的信噪比。在得到NIR光谱图后，一般还需对光谱进行预处理，如基线校正、一阶导数、二阶导数和正交信号校正(orthogonal signal correction)等(Antti, 1999；Hauksson et al., 2001；Schimleck et al., 1997；Wold et al., 1998)。然而，Kelley等(2004)则认为这些处理技术会使回归系数的化学解析变得特别复杂，因此，他们在木材化学、力学性质的NIR光谱预测研究中没有对光谱采用任何预处理。用于NIR分析的木材样品有实木木块(无节木材)、木粉和生长锥等不同形式(Kelley et al., 2004；Schimleck et al., 2001a；2002a；2002c)。木材的NIR光谱采集一般也采用漫反射和透射2种技术(Thygesen，1994；Tsuchikawa et al，1998b)。Thygesen(1994)采用这2种NIR技术对固体刨花的性质进行了研究，结果表明这2种技术得到的测定模型的预测能力没有显著的差别。但由于NIR光对木材的穿透能力很弱，因此，应用最多的是NIR漫反射光谱技术(Raymond et al., 2001；Tsuchikawa et al., 2001)。

NIR光谱分析被称为“黑匣子”技术(陆婉珍等，2001)，是一种二级分析方法，因此，其准确度取决于湿分析方法、破损检测方法，同时也与定标采集的样品和数字统计处理方法有关。NIR技术是前景非常诱人的木材无损检测方法，该方法使用方便、成本低，当然，成功地开发这种方法则需要投入大量的人力、物力和财力。

2.2 预测木材的性质

由于NIR光谱分析技术的众多优点，木材性质的NIR光谱预测研究一直备受关注。Kelley等(2004)结合多元统计分析方法，应用NIR技术对火炬松(Pinus taeda)木材在不同径向和高度位置的化学和力学性质进行了较详细的研究，他们将木材的NIR光谱(500~2 400 nm)与分别用传统的化学分析法及三点弯曲试验法测得的木材化学组成和力学性质，用PLS法进行相关分析建立了预测模型，成功地预测了木材中的木质素、抽提物、葡萄糖、木糖、甘露糖和半乳糖含量(相关系数0.80以上)，对木材的力学性质预测效果也很好(相关系数一般都在0.85以上)。而且，研究发现将NIR的波长范围降至650~1 150 nm时还能对木材的力学性质进行预测，这为开发便携式的NIR光谱木材性质测定仪提供了很有价值的信息。Schimleck等(1997)利用波长范围在1 100~2 500 nm的NIR光谱和PLS回归法对人工林蓝桉(Eucalyptus globulus)和亮果桉(E. nitens)木材的化学组成进行的研究表明，用NIR光谱技术和PLS法可以对木材的糖类进行较精确的估计，并认为采集足够多的数据可以使PLS模型更健全、预测效果更好。对木材化学性质NIR预测的研究还有很多且涉及许多树种和分析方法，如对多种桉树树种的木素和纤维素含量预测(Garbutt et al., 1992)、落叶松(Larix gmelinii)木材抽提物和酚含量预测等(Gierlinger et al., 2002)。

NIR光谱技术在木材的物理力学性质(如MOE和MOR、密度、微纤丝角)等方面也得到了广泛地研究。Hoffmeyer等(1995)评价了NIR光谱和木材密度、含水率、压缩和弯曲强度之间的相关性。所用样品尺寸为20 mm×20 mm×60 mm，Hoffmeyer等使用偏最小二乘法(PLS)和主成分回归(PCR)统计方法来建立校准模型，并采用独立检验对其有效性进行检验，研究表明NIR预测对压缩强度(R＝0.96)、密度(R＝0.87)和含水率(R＝0.99)的预测能力非常高。Schimleck等(2002b)基于SilviScan-2仪器测定的微纤丝角(MFA)，通过NIR光谱用生长锥样品预测了辐射松木材的微纤丝角，结果表明用NIR光谱预测的MFA值与SilviScan-2测定的MFA值十分吻合，R值为0.96~0.98，预测标准误差也很小。Gindl等(2001)用NIR光谱和PLS方法预测了欧洲的落叶松属植物木材的MOE、MOR和压缩强度。由于应压木的力学性质一般都和正常木材的不同，Gindl等(2001)还研究了应压木对NIR预测性的影响，NIR吸收与预期的正常材及应压木力学性质相关性很好，这表明在NIR光谱中存在着关于木材特性的其他信息而不只是密度。

目前，对木材MOR和MOE的NIR预测研究基本上都采用无节木材(Thumm et al., 2001；Schimleck et al., 2001a；2002c)，预测得到的结果相关性都非常高, 而对于含有树节、纹理斜度变化大及其他生长特性的弯曲试验样品，NIR就难以表现出很强的预测能力(Hoffmeyer et al., 1995)，这是由于NIR方法是以扫描到的面积代表整个样品(均匀的样品)的光谱信息。Kelley等(2004)在木材试样MOE的NIR预测时，就用NIR对每个木材样品受拉和受压两端的分别扫描了4次，求其平均光谱以代表该样品的NIR特征光谱。

Thumm等(2001)用NIR光谱对辐射松(Pinns radiata)无节木材的MOE进行了预测研究，用于定标模型的样品和检验模型的样品总数分别为486块和80块。在NIR长波区域(1 100~2 500 nm)对MOE的预测效果比在全区域(400~2 500 nm)的稍好，而显著地比可见光区域的好，其相关系数R分别为0.85、0.84和0.77。对原始光谱与一阶导数及二阶导数预处理光谱的进行的比较结果表明，一阶导数处理得到的结果最好(R=0.85)，其次是原始光谱(R=0.84)和二阶导数处理(R=0.84)。

对于一种能用于野外的无损检测技术来说，使基于广泛树种建立的模型能用来预测未知树种的MOE，将是一个值得研究的方向。Schimleck等(2001b)从世界各地的重要商用树种中采集了59种能代表广泛木材性质的木材样本，并用NIR建立了测定广泛树种木材密度、MOE和MFA的模型，其中的MOE预测效果十分令人鼓舞(R=0.84)。Schimleck等(1999)还用NIR对蓝桉木材的基本密度进行了研究。Thygesen等(2000a；2000b)在温度动态变化条件下，研究了用NIR光谱技术测定的木材含水率。Tsuchikawa(1996b)则研究了木材表面粗糙度和纤维定向对NIR吸收的影响，发现随着纤维定向相对入射光方向的增大以及表面粗糙度的增大，NIR的吸收减弱。另外，NIR技术在木材的天然耐久性预测(Gierlinger et al., 2003)、林木培育和基因改良评估(Raymond et al., 2002；Schimleck et al., 1998)等方面也得到了应用。

2.3 在木材加工利用及木质复合材料中的应用

木材的加工利用以及用材树种的合理选用均与木材的力学性质密切相关。表征木材力学性质的重要参量有10多项，如何利用这些参量去判定不同树种间木材性质的相近程度和木材的最佳利用，对木材的加工利用及合理选材十分重要。由于木材的NIR光谱包含有木材的物理力学等性质信息，因此，Brunner等(Brunner et al., 1996；Michell et al., 1998a；Schimleck et al., 1996；Tsuchikawa et al., 2003a)利用NIR技术中的主成分分析(PCA)等方法对木材树种的判别和木材质量分级进行了研究，结果表明利用NIR技术可以迅速、准确判定新树种的所属类别，并揭示木材在本质上的差别与联系，这对木材的合理高效利用具有重要意义。

木材颜色的显著性变化一般认为是由于化学成分的变化引起的，光辐照木材的颜色变化与木素的降解有关，可利用NIR从1 680 nm处苯环骨架上－CH吸收带的变化观察到。因此，用NIR可以研究光辐照及热处理后的木材表面性质，Tsuchikawa等(2003b)将木材样品放入人工自然光气候箱中处理不同的照射时间后，对样品用漫反射方式测定了NIR光谱，并与CIE LAB颜色参量(L^*、a^*和b^*)的计算值进行相关分析，结果表明，NIR光谱可以用于光辐照及热处理后木材的化学结构变化和颜色变化。Leinonen等(2003)用FT-NIR研究了热处理(160~230 ℃)对木材性质的影响，在PCA分析中不同温度处理的木材样品会分别聚在不同的类，即能够用NIR光谱很容易地区分出处理条件不同的样品，通过PLS建立的模型，所得到的含水率、颜色L^*和颜色b^*的预测效果最好，而密度、弯曲强度和压缩强度等次之。

木材表面的涂饰对木材的保护和增值利用具有重要的意义。在木材涂饰过程中，漆膜的厚度控制十分关键，目前漆膜厚度一般是在离线条件下利用重量分析法测得。NIR分析技术可以用于在线测定漆膜的厚度(Anduaga，2003)，它是根据从漆层表面到漆层与木材界面的NIR反射吸收光谱强度的差别，再经过计算得到漆膜的厚度，这种方法可以为NIR技术在木材加工利用中的应用开辟了新的思路。

在美国和德国等国家，无毒废弃木材被用作制造碎片刨花板，然而，有毒的废弃木材则必须在特殊的条件下焚烧或沉积在合适的地点。因此，快速、可靠地对处理和未处理木材进行辨别和分类，对大量废弃木材的回收利用十分重要。Feldhoff等(1998)利用NIR技术来检测木材中的无机木材防腐剂，结果表明，NIR技术不但能区分防腐处理与否的木材，而且，还可以辨别出不同类型无机防腐剂处理过的木材。

NIR光谱技术在木质复合材料中也得到了应用。利用NIR技术研制的在线含水率检测仪，在国内外的中密度纤维板生产中已得到了较广泛地应用。Rials等(2002)还将NIR技术应用于MDF样品性质的预测当中，有效地预测了MDF样品的MOE、MOR和内结合强度，表明NIR技术具有在木材加工监测和质量控制中的应用潜力。NIR技术还可以用来预测单板的弹性模量(Meder et al., 2002)，研究表明NIR技术有潜力应用于单板纵向弹性模量在线预测，这为单板层积材的结构优化提供了有效的途径。NIR在木材加工利用及木质复合材料中的广泛应用，证明了NIR技术的优势及其潜力，为木材的高效综合利用提供了新的技术手段。

3 结论与展望

NIR光谱技术在木材科学中得到了广泛应用，并取得了较大进展。利用NIR技术不但能对木材物理力学和化学等基本性质进行预测，而且还能对加工处理后的木材性质进行评估。NIR技术有潜力在木材质量检验、木材加工过程中木材性质的在线检测、木质复合材料加工过程中的质量控制及木质复合材料性能预测等方面取得新进展。同时，便携式NIR木材性质测定仪及其技术的研究与开发也将会引起重视。

我国是世界上人工林种植面积最大的国家，人工林木材也将会成为我国木材资源的主要供应源，然而，伴随着人工林树木的快速生长，其木材质量也相对降低。为了提高人工林木材质量并实现木材的高效利用，可以通过林木定向培育和基因工程，以及在木材的加工利用过程中引入先进技术和方法来实现。因此，利用NIR技术可以通过少量木材样品或生长锥，对大批量树木及木材样品的物理力学、化学和解剖等性质进行全面、快速、无损地预测和评估，不但能及时地反馈于人工林树木的培育和基因改良，最终为调整林木培育和遗传改良措施以及提高林木质量奠定基础，而且也能为人工林木材的高效利用提供科学依据。