随着天然林的逐渐减少，人工林已成为世界木材供应和木材加工的主要原料。桉树作为人工林重要速生树种之一，在我国分布面积广，约200多万hm²，由于这些桉树人工林的大力发展，在一定程度上缓解了我国木材供应市场的紧张局面。粗皮桉(Eucalyptus pellita)树种因其木材密度、力学强度适中，花纹美丽，具有实体木材利用的潜力，所以在林木培育和木材性质等方面的研究受到国内外学者的广泛关注。秦莉等(2008)对8年生粗皮桉生长应变及生长遗传变异进行了研究，谢林坤(2005)对5个粗皮桉家系的解剖性质、物理力学性质和化学性质进行了系统的测试研究，这些都为粗皮桉家系人工林材性改良、集约栽培和合理利用提供了理论指导。木材的力学性质是衡量木材抵抗外力的能力，是结构用材的主要材性指标(鲍甫成等，1997)。传统的木材力学性能测试方法是按照国家标准(GB 1927~1943—91)对标准无疵小试样在木材万能力学试验机上进行测试，这种测试方法准确可靠，适宜于常规木材力学性能检测，但比较费时、费力，需要伐倒树木，而且要配有相应的力学试验机，若进行大面积的人工林和大批量木材力学性质或林木早期材性选育研究时，使用传统的方法不能满足现代加工业和林木培育的实际需要。基于这些，研究一种快速、准确、简便的测试方法受到各国研究者的广泛关注。

近红外(NIR)光谱技术作为一种快速、简便、无损的分析方法已经广泛应用于农业、林业等各个领域。近红外光谱记录的主要是含氢基团C—H，O—H，N—H等振动的倍频和合频吸收，木材的主要成分纤维素和木质素分子内大量的含氢基团使其在近红外光谱区域有丰富的吸收信息，这是利用近红外光谱法预测木材性质的化学基础(陆婉珍等，2001)。国内外已有用近红外光谱技术预测木材的化学性质、物理力学性质等方面的研究报道(Schimleck et al., 1997; 黄安民等，2007; Kelley et al., 2004b; 虞华强等，2007; Schimleck et al., 2003)。Kelley等(2004a)用NIR光谱技术预测6种针叶材木材的力学性质，其抗弯弹性模量(MOE)预测模型的相关系数(R)分布在0.69~0.91之间，抗弯强度(MOR)的R值分布在0.80~0.92之间。利用近红外光谱技术对辐射松(Pinus radiata) (Schimleck et al., 2002)、火炬松(Pinus taeda)(Jones et al.，2005)、亮果桉(Eucalyptus nitens)(Schimleck et al., 2006)等木材性质进行预测研究，其结果均表明利用近红外光谱技术可以实现对木材气干密度、力学强度和弹性模量等性质的预测。我国目前报道有对杉木(Cunninghamia lanceolata)力学性质的预测研究(虞华强等，2007)，但对粗皮桉木材力学性质的预测研究还未见报道。本文利用近红外光谱技术，结合我国木材物理力学性质标准方法测试粗皮桉木材无疵小试样的力学性质，通过对近红外光谱导数预处理、不同光谱波段和木材径/弦切面光谱值建立粗皮桉木材无疵小试样力学性质的校正模型和预测模型，实现对粗皮桉木材无疵小试样力学性质的快速预测的目的，为我国人工林粗皮桉木材资源综合高效加工利用提供科学依据。

1 材料与方法 1.1 试验材料

人工林粗皮桉试材采自广东遂溪县城月镇雷州林业局迈进林场，试验林地平整，土壤为沙质砖红壤。选择28株伐倒木作为试验样木，按照国家标准GB 1927~1943—2009制作力学试样368个，将试样放在恒温恒湿箱内调节含水率至12%，然后进行光谱扫描和力学性质测定。

1.2 NIR光谱采集和数据分析

近红外光谱仪采用美国ASD公司生产的FieldSpec光谱仪，用杯光源检测器对商用聚四氟乙烯白板进行空白校准后，再对样品在全光谱范围内(350~2 500 nm)进行径/弦面近红外光谱采集，每个切面采集9个样点，每点扫描30次自动平均为1个光谱，记录并保存。实验室内温度和相对湿度稳定。

利用ASD公司开发的Indio数据采集和预处理软件完成粗皮桉木材试样的近红外光谱采集，并对光谱数据进行导数和平滑预处理，因为在所采集的近红外光谱数据中，不仅含有与样品相关的信息，还含有其他的干扰信息，引起光谱基线漂移和变化，影响模型的准确性，所以在采用化学计量学方法建立模型时需要对近红外光谱进行预处理来获得高的信噪比、低背景干扰的分析信号。使用多变量统计分析软件Unscrambler 9.2对每个试样不同切面多点光谱值采集光谱，之后平均多点光谱值，采用偏最小二乘法(PLS)与光谱数据之间建立校正模型并对此模型进行外部验证，最终得到预测模型。

1.3 粗皮桉木材力学性质测试

粗皮桉木材无疵小试样抗弯弹性模量(MOE)按照国家标准《木材抗弯弹性模量测定方法》(GB 1936.2—2009)测试，抗弯强度(MOR)按照国家标准《木材抗弯强度试验方法》(GB 1936.1—2009)测试，顺纹抗压强度按照国家标准《木材顺纹抗压强度试验方法》(GB 1935—2009)测试。

2 结果与讨论 2.1 粗皮桉木材力学性质

木材抗弯弹性模量、抗弯强度和顺纹抗压强度都是表征木材力学性质的重要材性指标。本文按照国家标准测试了粗皮桉木材无疵小试样的力学性质指标(表 1)，结果表明，粗皮桉木材抗弯弹性模量算术中均值为18.08 GPa，抗弯强度平均值为124.91 MPa，顺纹抗压强度平均值为60.71 MPa。

2.2 粗皮桉木材力学性质校正模型的建立

根据试验所测得的粗皮桉木材力学性质指标数据和采集的近红外光谱数据，以2/3试样作为模型的校正集、1/3试样作为预测集，统计分析结果如表 2。从表 2可以看出，校正集样品的抗弯弹性模量、抗弯强度和顺纹抗压强度的分布范围均大于预测集样品，说明校正集样品有一定代表性，防止了模型的外推(陆婉珍，2007)，可以说明模型的预测效果很好。利用ASD开发的Indico数据采集及预处理软件，对光谱数据进行导数预处理后，采用偏最小二乘法(PLS)建立校正和预测模型。以相关系数R、校正标准偏差(SEC)、预测标准偏差(SEP)和相对分析误差(RPD)作为模型预测能力的评价指标。

2.2.1 导数预处理方法建立校正模型

对近红外光谱预处理可以消除干扰信息的影响，导数预处理方法作为一种常用的光谱处理方法已广泛应用于光谱分析中，导数预处理光谱既可以消除基线漂移或平缓背景干扰的影响，也可以提供比原光谱更高的分辨率和更清晰的光谱轮廓变化(严衍禄，2005)。导数预处理有一阶导数和二阶导数预处理，通过对原始光谱进行一阶导数和二阶导数预处理，有助于对光谱的分析和波段的选择。图 1~3分别是NIR原始光谱图、一阶导数预处理的NIR光谱图和二阶导数预处理的NIR光谱图。表 3是利用一阶导数预处理和二阶导数预处理光谱建立校正模型的分析结果，说明近红外光谱一阶导数和二阶导数预处理对粗皮桉木材力学性质预测效果均较好，二阶导数预处理后的效果更好。

2.2.2 不同波段建立校正模型

若采用全光谱(350~2 500 nm)建立模型，计算量比较大，而在有的光谱区间样品的信息较弱，可以根据相关系数图，选择较大相关系数的光谱区间，确定建模时选择的波长范围。由表 4可以看出，采用不同波段建立模型的效果不同，总体上采用全波段建立的模型效果最好，在波段1 000~2 000 nm建立的模型结果也较好，原因是在这一波段样品信息较强，样品性质和光谱之间的相关系数较高，所以可以根据实际情况，采用短波段建模，减少计算和实际工作量。

2.2.3 不同切面建立校正模型

将每个试样2个切面采集的不同位置(多点)近红外漫反射光谱值平均得到一组光谱数据，这一组平均数据代表该试样的近红外吸收光谱吸收值。粗皮桉木材径切面和弦切面的吸收光谱如图 4。从图 4中可以明显看出，径切面的近红外光谱吸收值显著高于弦切面。同时利用近红外光谱技术，对应每个试样的力学指标建立径切面、弦切面和这2个切面平均光谱值的校正模型，比较模型相关系数、标准偏差等之间的差异。

表 5是利用径切面、弦切面和2个切面平均光谱值建立的粗皮桉木材无疵小试样力学性质校正模型。结果表明利用径切面和弦切面光谱平均值建立的粗皮桉木材无疵小试样力学性质校正模型优于单独利用径切面或弦切面光谱值建立的力学性质模型，其中，木材抗弯弹性模量校正模型的相关系数为0.90，标准偏差为1.310，抗弯强度校正模型的相关系数为0.93，标准偏差为7.705，顺纹抗压强度校正模型的相关系数为0.94，标准偏差为3.035。总之，使用径切面与弦切面光谱值建立模型的相关系数高、标准偏差低，分析认为在进行木材无疵小试样力学性质预测研究时，建议采用径切面和弦切面2个切面多点近红外光谱平均值建立木材力学性质校正模型，同时也可以根据不同的研究目的和实际情况进行木材试样单个或2个切面光谱采集。

2.3 模型的外部验证

为了确保模型的可用性，建模之后要对模型进行验证。选择123个试样作为验证集建立预测模型，见表 6。由表 6可知，抗弯弹性模量预测模型的相关系数为0.89，标准偏差为1.82，相对分析误差为2.15，抗弯强度预测模型的相关系数为0.88，标准偏差为13.09，相对分析误差为2.05，顺纹抗压强度预测模型的相关系数为0.88，标准偏差为5.08，相对分析误差为2.09，近红外光谱预测值和实测值之间有很好的相关性。图 5~7是粗皮桉木材抗弯弹性模量、抗弯强度和顺纹抗压强度预测值和实测值在外部验证的预测模型，从图中可以看出预测值与实测值关系呈密切线性相关。

通过以上分析，表明利用近红外光谱技术建立粗皮桉木材力学性质校正模型是可行的。经模型外部性检验说明利用近红外光谱技术可以实现对粗皮桉无疵小试样木材力学性质的快速预测。

3 结论

1) 利用近红外光谱技术预测粗皮桉木材无疵小试样力学性质时，二阶导数预处理光谱建立的预测模型效果最好，抗弯弹性模量校正模型的相关系数为0.90，标准偏差为1.338，抗弯强度校正模型的相关系数为0.91，标准偏差为7.984，顺纹抗压强度校正模型的相关系数为0.92，标准偏差为3.237。

2) 分析不同近红外光谱波段建立粗皮桉木材力学性质的校正模型，表明在350~25 000 nm全光谱波段建立校正模型的效果最好，其次是波段1 000~2 000 nm之间，再次是2 000~25 000 nm，最差的是波段350~1 000 nm之间。说明降低波谱范围后，其预测效果虽稍有降低，若不强调木材力学性质绝对预测值，只是比较整个林分或批量木材力学性质变化时，也可以考虑利用短波段建立模型，减少工作量。

3) 通过单独利用径切面或弦切面建立的粗皮桉木材无疵小试样力学性质的校正模型和利用径切面和弦切面2个面的近红外光谱平均值所建立的模型的比较分析认为，利用径/弦2个切面光谱平均值建立的木材抗弯弹性模量、抗弯强度和抗压强度校正模型的相关系数均高于0.90，校正标准偏差较低，表明利用径切面和弦切面平均光谱值建立的粗皮桉木材无疵小试样力学性质模型优于单独利用径切面或弦切面光谱值建立的力学性质模型。

4) 综合近红外光谱和试样切面的选取条件，作者采用二阶导数预处理、350~25 000 nm全光谱波段、径切面和弦切面平均光谱值对粗皮桉木材无疵小试样力学性质校正模型进行验证。分析认为，近红外光谱预测值和实测值之间有很好的相关性，抗弯弹性模量、抗弯强度和顺纹抗压强度预测模型的相关系数均高于0.88，相对分析误差均高于2.05，表明利用近红外光谱技术建立粗皮桉木材力学性质预测模型的效果很好，可以实现对粗皮按木材无疵小试样力学性质的快速预测。