Tsuchikawa S, Schwanninger M (2013) A Review of Recent Near-Infrared Research for Wood and Paper (Part 2). Appl Spectrosc Rev 48:560–587. doi: 10.1080/05704928.2011.621079

摘要：本文綜述了近十年來木材和造紙工業(yè)近紅外（NIR）光譜近期技術和科學報告的提升。許多研究人員已經(jīng)報道痴晦，NIR技術可用于檢測木材的化學和物理性質(zhì)罩引，并且已被廣泛用于保留材料的特征性細胞結(jié)構的情況置济。關于在紙漿和紙張中應用近紅外光譜迂求，許多出版物在造紙過程控制期間已經(jīng)報道了其作為在線測量技術的潛力。近紅外光譜被認為是木材和紙張應用研究的基礎章鲤。在木材和造紙工業(yè)中使用NIR光譜應考慮其作為非破壞性技術的適用性和局限性挠蛉。
關鍵詞NIR，木材断傲，紙脱吱，紙漿

介紹

近紅外（NIR）技術在800至2500 nm（12,500至4000 cm-1）的電磁波的透射或反射光譜方面主要用于農(nóng)業(yè)產(chǎn)品或食品等有機材料的非破壞性測量。然而艳悔，它在材料評估的所有方面（例如聚合物急凰，紡織品，藥品猜年，石化產(chǎn)品等）顯示出巨大的潛力抡锈。它已經(jīng)在紙漿和造紙工業(yè)中應用，以監(jiān)測在線條件下的含水量或基本重量乔外。在木材或森林產(chǎn)品的情況下床三，近紅外光譜被廣泛用于不僅保留細胞結(jié)構而且其體積大的狀態(tài)。這是一種有前途的技術杨幼，用于分析這些材料的物理狀態(tài)以及化學成分撇簿。
這篇評論文章介紹了木材和造紙業(yè)的近紅外研究，其中大部分是在2006年至2011年間出版的差购。

評論

Tsuchikawa（1）介紹了最近在木材和造紙工業(yè)中的近紅外光譜技術和科學報告四瘫，這在近幾十年來一直受到越來越多的興趣。龔和張（2）回顧了近年來NIR光譜技術的進展及其在林業(yè)領域的應用欲逃，特別是中國林業(yè)研究和實踐項目領域找蜜。姚和Pu（3）還回顧了使用NIR研究木材化學和解剖性質(zhì)的進展。 Schimleck（4）回顧了使用NIR光譜法評估與紙漿產(chǎn)量相關的紙漿產(chǎn)量和性能的所選文章稳析。他還描述了近紅外光譜如何用于估計增量核心的木材性質(zhì)洗做，以及如何使用NIR分析提供的數(shù)據(jù)用于估計遺傳參數(shù)弓叛。

木材化學

與木材相關的NIR吸收帶的分配

因為木材是一種復雜的有機材料，所以NIR光譜的解釋要復雜得多诚纸。由于與木材相關的NIR吸收帶的分配撰筷，Tsuchikawa（1）介紹了一些基礎研究。一些研究人員試圖澄清這種信息豐富的光譜信號畦徘。
Labbe毕籽？et al。 （5）使用廣義二維相關光譜法研究了火炬松（Pinus taeda）的NIR和熱解分子束質(zhì)譜（Py-MBMS）旧烧，以便在兩個光譜域中分配纖維素的特定貢獻影钉。在NIR和Py-MBMS光譜中分配纖維素的特定條帶;而在114和173（通常稱為纖維素片段）的兩個m / z不是源自纖維素的熱解。三井等（6）使用NIR光譜法在熱處理期間監(jiān)測木材中的羥基掘剪。在二次導數(shù)近紅外光譜中平委，隨著熱處理的進展，出現(xiàn)6913cm-1處的吸收帶夺谁，由于木質(zhì)素含量與乙趿猓化云杉木的光譜相比，結(jié)論性地歸因于酚羥基匾鸥。 Fackler和Schwanninger（7）能夠在OH伸縮振動的第一次泛音范圍內(nèi)對葡萄糖聚糖的O（3）-H（3）販售（5）分子內(nèi)氫鍵進行多個新的帶分配蜡塌，強烈的平行分子內(nèi)氫鍵O（2）-H（2）販稯（6）使用偏振傅里葉變換（FT）-NIR光譜。初步分配了蛋白質(zhì)I-β（6340cm-1）和纖維素I-α（6270cm-1）的強H鍵合的O-H基團的第一個泛音勿负。

木材化學成分近紅外研究

近幾十年來馏艾，出版了關于木材化學成分的相關研究。然而奴愉，它們的主要目的是借助于多變量數(shù)據(jù)分析方法（如化學計量學）進行非破壞性評估琅摩。
Huang et al。 （8）使用紫外可見（UV-Vis）-NIR光譜測定了中國杉木中的全纖維素和木質(zhì)素含量锭硼，發(fā)現(xiàn)了良好的校準方程房资。 Toivanen和Alen（9）提出了傅里葉變換紅外璸最小二乘法（FTIR-PLS）方法來確定樺木莖木的化學成分變化√赐罚基于這種方法轰异，準備了干木矩陣內(nèi)主要成分含量變化的不同表面圖，用于對從樹皮到樹皮的化學或微原纖維角（MFA）的徑向輪廓的NIR預測暑始。 Meder等（10）使用光纖配件與線性驅(qū)動傳輸系統(tǒng)耦合到NIR儀器搭独，以沿掃描長度為1毫米的增量從站立樹掃描增量核心。 Pasquini等人（11）開發(fā)了基于NIR的偏最小二乘回歸（PLS-R）模型廊镜，以估計桉樹木屑中乙醇/甲苯中總木素含量牙肝，基本密度和提取物含量。姚等人（12）表明，可以通過包括NIR光譜和新的位點的數(shù)據(jù)來擴展相思樹spm的半纖維素含量校準范圍惊奇。姚等人（13）也在相思樹中應用半纖維素含量數(shù)據(jù)。以證明噪聲對參考數(shù)據(jù)對NIR校準模型結(jié)果的影響播赁。 Rodrigues等人（14）還研究了通過具有噪聲颂郎，低精度參考值的校準獲得的NIR-PLS-R結(jié)果。姚等人（15）故意和人為地添加了相思樹的半纖維素含量的參考數(shù)據(jù)容为。有四種不同的方式乓序。結(jié)果表明，如果噪聲不太大坎背，NIR校準模型預測值是可以接受的替劈。
Ramadevi等人（16）開發(fā)了NIR-PLS-R模型，用于快速測定桉樹和白僵菌的牛皮紙漿產(chǎn)量（KPY）和木質(zhì)素得滤，具有良好的相關系數(shù)陨献，用于KPY的交叉驗證為0.90，木質(zhì)素為0.95懂更，均方根誤差的KPY預測為1.53％眨业，木質(zhì)素為0.77％。 Hodge和Woodbridge（17）也沿襲了發(fā)展全球近紅外模型的趨勢沮协。他們使用了令人印象深刻的樣品組來預測松木的木質(zhì)素（517個樣品）和纖維素（457個樣品）含量龄捡。樣品來自七個不同的松樹，包括五個不同國家的熱帶物種和溫帶物種慷暂。全球模型在獨立驗證數(shù)據(jù)集上進行了測試聘殖，對木質(zhì)素（測定系數(shù)= 0.97，預測標準誤差= 0.44％）和纖維素（r2 = 0.82和SEP = 1.08％）的良好適用性進行了測試行瑞， 奸腺。唐斯等人（18）開發(fā)了一個大型（> 1,000個樣品）多位點和多物種數(shù)據(jù)集的近紅外模型，并測試了其性能蘑辑，以預測從增量核心洋机，木片，桉樹洋魂，桉樹等獲得的桉樹（主要是桉樹绷旗，和莖橫截面「笨常基于主成分分析衔肢，他們建議添加更多種化學物質(zhì)的木材樣品，以更充分地捕獲屬中存在的化學變異豁翎。
Peydecastaing等（19）應用NIR光譜分析來定量化學修飾的纖維素和木質(zhì)纖維素的酯含量角骤。可以使用PLS分析來確定取代度（DS）。也可以通過氫鍵從通過共價鍵連接的那些區(qū)分與纖維素底物連接的試劑分子邦尊。瓊斯等人（20）使用漫反射NIR光譜法檢查了徑向木條部分的木材化學成分（纖維素背桐，葡聚糖，木聚糖蝉揍，甘露聚糖和木質(zhì)素）的非破壞性估計链峭。可能由于測試集中樣本的不同來源又沾，預測誤差很高弊仪。
Huang et al。 （21）應用紫外 - 可見 - 近紅外光譜法預測竹子杖刷，樅樹励饵，泡桐和楊樹的克朗森木質(zhì)素含量。 Li et al滑燃。 （22）還開發(fā)了一種快速的近紅外反射光譜法來預測竹子的木質(zhì)素含量役听。結(jié)果表明，NIR可以很好地預測它們表窘。 NIR-PLS-R模型預測相思樹的木質(zhì)素含量（酸溶性木質(zhì)素禾嫉，木質(zhì)素和總木質(zhì)素）。 Yao等人開發(fā)了廣西不同年齡蚊丐，不同家庭種植的樹木熙参。 （23）。他等（24）開發(fā)了一種基于NIR的PLS-R模型麦备，使用106個木粉樣品的光譜孽椰，使用積分球來預測纖維素，戊糖和克朗森木質(zhì)素含量凛篙。
Maranan和Laborie（25）應用NIR光譜和PLS方法開發(fā)混合楊樹克隆的化學計量學模型黍匾。一階導數(shù)光譜處理提供了木質(zhì)素，半乳聚糖和甘露聚糖含量以及木質(zhì)素丁香酰/愈創(chuàng)木酚（S / G）比率的最佳校準模型呛梆。 U锐涯？ner等（26）使用NIR光譜和基于濕法標準參考方法的木質(zhì)素和提取物含量報告了黑松木木質(zhì)素和提取物含量的預測。使用遺傳反最小二乘法構建多變量校準模型填物。 U纹腌？ner等（27）還確定了土木松木（Pinus brutia Ten。）樹木的木質(zhì)素和提取物含量滞磺。山田等（28）使用透射NIR光譜法檢查轉(zhuǎn)基因樹的快速分析肠缔。 NIR數(shù)據(jù)和木質(zhì)素变隔，纖維素和木糖含量以及S / G比率的常規(guī)濕化學結(jié)果之間獲得非常強的相關性肚吏。
Zahri等（29）報道轿偎，NIR技術與多變量分析結(jié)合使用時，可以為歐洲橡木心材提取物提供可靠，快速蛛枚，無損的評估谅海。所以和Eberhardt（30）檢測了從工業(yè)來源的南部黃松樹皮的內(nèi)部和外部樹皮組成的快速分析。數(shù)學處理對NIR數(shù)據(jù)的應用改進了校準性能蹦浦，從而改進了預測胁赢。泰勒等人（31）報道，基于NIR的模型可以提供合理的預測白櫟單個提取成分的濃度白筹，但總萃取物含量的NIR預測能力相對較差，這可能是由于年齡相關的變化提取物在半徑范圍內(nèi)的混合物谅摄。 Li等人使用PLS回歸建立了竹樣品的化學成分含量與漫反射NIR光譜的關系徒河。 （32）。 Petisco等（33）應用近紅外光譜作為快速和非破壞性的工具送漠，用于預測幾種木本植物的葉面有機成分顽照。他們得出結(jié)論，這樣一種技術可以顯著減少采樣和分析時間闽寡，而不會對模型的質(zhì)量產(chǎn)生不利影響代兵。

木材化學近紅外研究

渡邊等人（34）使用具有二維相關光譜和主成分分析（PCA）的NIR光譜研究水吸附到微晶纖維素上。據(jù)透露爷狈，約3植影？吸附水的重量％負責在纖維素表面的微晶纖維素中穩(wěn)定氫鍵網(wǎng)絡。渡邊等人（35）還使用紅外和近紅外光譜與微擾相關移動窗口二維相關分析（PCMW2D）對微晶纖維素中氫鍵的溫度依賴性結(jié)構變化進行了研究涎永∷急遥基于PCMW2D相關分析的結(jié)果，提出了O-H拉伸第一泛音振動區(qū)域的波段分配羡微。 Alves等人（36）研究了NIR的校準谷饿，以使用分析熱解作為參考方法評估海洋松木中的木質(zhì)素組成（H / G比）。獲得的PLS-R模型顯示妈倔，NIR可用于評估與參考方法相當?shù)木龋?.005）的木質(zhì)素組成（對羥基苯基[H] /愈創(chuàng)木酸[G]比））博投。
Giordanengo等人（37）研究了水分對NIR吸光度和校準的影響，以準確確定該技術常規(guī)使用的應用潛力盯蝴。通過在可變水分含量下評估樣本與參考校準獲得的多酚含量估計顯示預測偏差毅哗。發(fā)現(xiàn)深度校準和外部參數(shù)正交化（EPO）是抵消這一因素的最有效方法。 Hein等（38）研究了研磨工藝捧挺，實體木材表面的粒度和質(zhì)量對PLS回歸的影響黎做，用NIR光譜法預測桉樹木材的化學性質(zhì)。樣品表現(xiàn)（固體或磨碎木材）的效果比細木和粗木粉末之間的粒度差異的影響強松忍。 Poke和Raymond（39）表明蒸殿，固體桉樹的NIR分析可以可靠地用于預測提取物，木質(zhì)素和纖維素含量。他們還確定宏所，現(xiàn)有的木材校準雖然可以提供木材化學價值的粗略估計值酥艳，但需要重新開發(fā)才能從實木的準確預測。

木材物理學

許多研究人員正在關注近紅外光譜與多變量數(shù)據(jù)分析（如化學計量學）的適用性爬骤，以評估木材的各種物理性質(zhì)充石。我們回顧過去幾年的實際狀況。
水分含量
失水和吸收是木材最重要的行為之一霞玄，因此在使用NIR光譜的木材性能分析中必須考慮水分含量對結(jié)果的影響骤铃。姜和黃（40）分析了各種水分含量木材的近紅外光譜，得到的測定系數(shù)為0.99坷剧，標準誤差為0.043％惰爬。渡邊等人（41）檢查了亞高山冷杉（Abies lasiocarpa）的濕袋分類。統(tǒng)計結(jié)果證實了對綠色木材進行水分分選的有用性惫企。渡邊等人（42）還應用了NIR技術撕瞧，用于綠色樅木木材的水分分選。他們的研究結(jié)果清楚地表明狞尔，近紅外光譜可以間接地估計綠色木材的平均水分丛版，盡管它本質(zhì)上僅提供表面含水量值，因為它受到掃描深度的限制偏序。
Defo等人研究了使用NIR光譜測定新鮮紅花櫟木的水分含量和密度页畦。 （43）。一般來說研儒，從橫向和徑向表面收集的光譜比從切向表面收集的光譜提供了更好的預測寇漫。 Karttunen等（44）報道了使用近紅外光譜法對兩套蘇格蘭松原木進行的水分分布調(diào)查。木材表面的橫截面由具有連接到FT-NIR分光光度計的光纖探針的自動掃描裝置掃描殉摔。使用預測的均方根誤差評估水分含量模型州胳，心材為0.8％，邊材為10％逸月。以高精度檢測水分含量的樹間變化栓撞。使用多層（ML）-PLS方法將NIR光譜法應用于木材含水量的測量，以收集挪威云杉（云杉）木材樣品表面的光譜（45）碗硬。
密度
Alves等人（46）根據(jù)每種物種Pinus pinaster和Larix瓤湘？eurolepis和兩種物種的X射線微量密度數(shù)據(jù)計算木材密度的PLS-R模型。普通模型提供了3.1的殘留預測偏差（RPD）恩尾，Pinus pinaster和Larix弛说？eurolepis的單一模型提供了3.5和3.2的RPD。據(jù)我們所知翰意，獲得的所有PLS-R型號是首先符合美國谷物化學家協(xié)會（AACC）39-00（47）號協(xié)會篩選要求（RPD 2.5）的要求木人。此外信柿，這項工作遵循一些趨勢，在一些研究中觀察到開發(fā)更多的全球模型醒第，包括幾個物種或遺址渔嚷。大約在同一時間，Inagaki等（48）開發(fā)了PLS-R模型稠曼，用于預測桉樹的空氣干燥密度形病，RPD為3.8。此外霞幅，他們證明漠吻，在交叉驗證步驟中，通過移除40％的樣本司恳，該模型是相當穩(wěn)健和穩(wěn)定的途乃，最終得到3.2的RPD。

Acuna和Murphy（49）研究了使用NIR光譜和多變量分析來預測鏈鋸切片的道格拉斯杉木的木材密度抵赢。他們的研究結(jié)果表明，機械化采收設備可以利用NIR技術對木材密度進行對數(shù)分離唧取。 Hein等（50）評估了基于近紅外光譜的模型的魯棒性铅鲤，以使用兩個完全獨立的樣本集來預測桉樹木材的基本密度》愕埽可以使用優(yōu)選使用徑向表面的實木樣品建立的PLS-R模型來評估未知樣品中的木材密度邢享。 Hein等（51）還使用NIR光譜法評估了桉樹和桉樹中的木材基本密度。
Huang et al淡诗。 （52）研究了樣品表面粗糙度對木材密度的NIR定量分析數(shù)學模型的影響骇塘。他們發(fā)現(xiàn)混合粗糙度模型的預測能力比單粗糙度模型的預測能力好得多。江等（53）研究并比較了中國杉木樣品三個部分（十字韩容，徑向和切線）得到的NIR光譜對木材密度的預測精度款违。預測結(jié)果表明，基于截面截面的近紅外光譜的模型是最好的群凶。江等（54）進一步報道了使用近紅外光譜快速預測泡桐伸長立方發(fā)芽的年密度插爹。徐等（55）報道了使用近紅外光譜法測定苦瓜和黑云杉的木材密度和彈性模量。他們表明请梢，每個木條的三個點足以建模和預測密度赠尾。研究還證實，從烘干的木材樣品中收集的NIR光譜比從綠色木材樣品中收集到的更好的結(jié)果毅弧。在另一項研究中气嫁，PLS-R校準由Galleguillos-Hart等進行。 （56）使用從8歲的桉樹桉樹取得的濕增量核心收集的NIR光譜和基本的木材密度值够坐。
通過Via（57）校準FT-NIR光譜寸宵，以預測來自定向刨花板的木片的木線密度崖面。他發(fā)現(xiàn)木質(zhì)素相關波長（范圍為1,660？邓馒，670 nm）在預測絲束密度方面提供了最大的杠桿作用嘶朱，盡管纖維素的結(jié)晶和非晶組分也發(fā)揮了作用。

解剖參數(shù)

江等（58）研究了光譜預處理對木纖維素結(jié)晶度預測的影響光酣。江等（59）也報道了使用NIR光譜法對斜坡松（樟子松）種植園木材結(jié)晶度的快速預測疏遏。結(jié)果表明，NIR數(shù)據(jù)可以與使用PLS回歸的斜紋松木的X射線衍射（XRD）測定結(jié)晶度相關救军。
木質(zhì)細胞壁中結(jié)晶纖維素沿莖軸的MFA對木材的剛度和縱向收縮有重要影響财异，對木材質(zhì)量至關重要。 Schimleck等（60）應用近紅外光譜法基于切向面測量預測ta木木材樣品的MFA唱遭。預測統(tǒng)計數(shù)據(jù)較強;然而戳寸，誤差大于先前針對從徑向璴縱向面收集的近紅外光譜進行研究的誤差。還研究了空氣干密度拷泽，MFA和剛度的相同物種校準（61）疫鹊。江等（62）報道，用于預測微原纖維角的基于NIR的PLS-R模型顯示了NIR光譜和X射線測量之間非常強的線性關系司致，測定系數(shù)為0.82拆吆。 Hein等（63）基于在切向和徑向表面上測量的NIR光譜，檢查了桉樹木材中的MFA的PLS-R模型脂矫≡嬉基于切向面的NIR光譜的MFA校準優(yōu)于使用來自徑向面的NIR光譜的校準。 Zhao et al庭再。 （64）還討論了使用NIR光譜法基于徑向和切向截面的桉樹木材樣品的MFA預測捞奕。
Viana等人（65）使用NIR技術預測桉樹克隆木的形態(tài)特征和基本密度。獲得基本密度預測的最佳校準相關性拄轻。 Inagaki等（48）使用基于NIR的PLS-R模型颅围，從實木樣品中預測桉樹的纖維長度為3.8，RPD為3.8恨搓。 Wang等（66）建立了基于NIR的PLS-R模型谷浅，以預測斜坡松和楊樹的纖維長度。

機械性能

Andre奶卓？et al一疯。 （67）使用近紅外光譜法對木材負荷狀況進行了評估。使用從小木梁的拉伸和壓縮表面采集的光譜獲得測量和預測載荷之間的良好相關性夺姑。
Schimleck等人簡要描述了可以檢測幼樹中木材彈性模量（MOE）變化的幾種非破壞性技術墩邀。 （68）。他們指出盏浙，如果檢查的樹木數(shù)量在低數(shù)千眉睹，則近紅外光譜或超聲波是更具成本效益的荔茬，如果需要評估數(shù)千棵樹，并且不需要徑向變化知識竹海，則飛行時間（ToF ）聲樂器是最適合的慕蔚。
藤本等（69）研究了NIR光譜學在彎曲試驗中估計MOE和斷裂模量（MOR）的可行性。得出結(jié)論斋配，由于纖維素的半結(jié)晶或結(jié)晶區(qū)域中的OH基團的吸收帶強烈影響了混合落葉松的彎曲剛度的校準孔飒。藤本等（70）還預測了小型透明木材樣品和混合落葉松全長木材標本的實木機械性能。還從全長木材試樣獲得了木材剛度的合理預測模型艰争，但預測校準的準確性小于小透明樣品的準確度坏瞄。 Hedrick等（71）使用NIR預測了從使用中的南方松木公用電桿的木材的縱向拉伸模量，縱向拉伸強度和雜酚油含量甩卓。機械性能估算精度高;然而鸠匀，雜酚油含量難以用整個樣品的近紅外光譜預測。
Horvath等人使用NIR光譜法（72）預測1歲和2歲的轉(zhuǎn)基因和野生型白楊的綠色機械性質(zhì)逾柿，為森林遺傳學家提供及時反饋缀棍。綠色極限壓縮強度與光譜具有很強的相關性，綠色MOE與光譜具有良好的相關性机错。 Yu et al爬范。 （73）使用可見光和近紅外光譜預測了中國杉木的機械性能。 Zhao et al毡熏。 （74）使用近紅外光譜估計了桉樹木材的MOE坦敌。結(jié)果表明侣诵，實驗室確定的桉樹桉樹的MOE值和NIR預測值之間獲得了較高的相關系數(shù)痢法。
Carneiro et al。 （75）應用NIR和化學計量學來預測松屬的比重和彎曲彈性模量杜顺。貼面财搁。由于波長選擇避免了用于預測MOE和比重的任何不必要的信息，所以僅具有統(tǒng)計學顯著波長的模型可能更加魯棒躬络。從Eucalyptus tereticornis的徑向和切向面收集的近紅外光譜提供了與MOE尖奔，MOR和比重相似質(zhì)量的NIRPLS-R模型（76）。
在桉樹上進行基于木材共振的動態(tài)縱向和橫向試驗穷当，以獲得動態(tài)彈性模量提茁，第一共振頻率，損耗角正切和比模量馁菜。 Hein等（77）還應用共振和近紅外光譜來評估動態(tài)木材性質(zhì)茴扁。這樣的動態(tài)特征和木材的空氣干燥密度是使用偏最小二乘回歸到在縱向璻面的中心位置測量的近紅外光譜相關的。

各種木材物理性能研究

本節(jié)介紹了近期關于木材各種物理特性的近紅外光譜研究汪疮。當構建魯棒的校準方程時峭火，從木材工業(yè)的觀點來看毁习，這些是有用的。
瓊斯等人（78）檢查了使用NIR光譜法從增量芯切割的徑向條的高分辨率掃描卖丸》那遥基于低RPD，他們得出結(jié)論稍浆，所檢測的儀器都不適合以2mm的空間分辨率掃描徑向條载碌。 Schimleck等（79）使用來自增量核心的NIR光譜估計全樹木品質(zhì)性狀〈馀龋基于增量核心的校準用于全樹估計木質(zhì)量性狀恐仑。
Mora等人（80）指出，重復測量的使用并不代表用于使用徑向樣品預測木材性質(zhì)的NIR校準模型的發(fā)展的嚴重問題为鳄，并且當僅使用模型時可能不需要相關結(jié)構的規(guī)范用于預測目的裳仆。 Schimleck等人研究了使用NIR光譜法估算桉樹腈木材性質(zhì)。 （81）孤钦∑缯澹空氣干燥濃度校準提供了最好的結(jié)果，盡管由于校準和預測組的范圍有限偏形，MFA校準表現(xiàn)不佳静袖。 Schimleck等（82）也應用近紅外光譜法來確定ta木屬性的樹內(nèi)變異】∨ぃ基于從幾個不同高度的木條的徑向縱向表面收集的基于近紅外漫反射光譜的木材性質(zhì)校準被成功地獲得队橙。校準和預測統(tǒng)計與以前使用乳房高度樣本的研究報告相似。 Schimleck等（83）進一步研究了基于每個核心和每個種植園核心的可變數(shù)量的近紅外光譜的松屬木材屬性校準萨惑。他們指出捐康，將每個種植園的核心數(shù)量增加到10個（最大值）是不必要的，而且小的改進是不值得的庸蔼。 Schimleck等人使用NIR光譜和PLS-R （84）建立多站點解总，多物種（或全球）校準，以大規(guī)模評估木材性質(zhì)姐仅。他們探索了熱帶花枫，亞熱帶和溫帶松樹的全球木材物種校準的發(fā)展。有可能為松樹建立多站點多物種校準掏膏。
安東尼等人（85）研究了中轉(zhuǎn)受精對火炬松（Pinus taeda L.）木材性質(zhì)的影響劳翰。計算基于NIR的PLS-R校準模型，用于預測彈性模量（MOE）馒疹，MFA佳簸，空氣干燥密度和氣管解剖學性質(zhì)，以跟隨木材性質(zhì)變化行冰，由四種級別的氮肥從徑向面從磁盤切割的條溺蕉。泰勒等人（86）使用近紅外光譜預測桃花心木收縮伶丐。這些模型提供了收縮，密度和萃取物含量的合理預測疯特。使用非線性內(nèi)核和小波統(tǒng)計技術改進了模型性能哗魂。 Kokutse等（87）使用NIR構建模型，用于預測多哥柚木的收縮率和纖維飽和點漓雅。徑向和切向收縮和纖維飽和點的預測模型提供了0.72,0.83和0.87的測定系數(shù)录别。

使用近紅外光譜評估木材化學和物理性能的總體研究

已經(jīng)出版了許多使用近紅外光譜法評估多種木材性質(zhì)的文章。這些被認為是NIR光譜的典型和合理的應用邻吞。
Lestander等（88）使用NIR光譜和雙正交PLS回歸預測了13個木材參數(shù)组题。參數(shù)和NIR測量的分析是在兩個地點的樹木上從蘇格蘭松（Pinus sylvestris L.）的基底和中間的清木樣品進行的。使用NIR技術對少年和成熟木材進行分類抱冷。 Lepoittevin等人（89）報告說崔列，使用無提取物的木材（Pinus pinaster）提供的NIR-PLS-R型號與未提取的木材相比具有更高的精度。孫等人（90）使用NIR來預測竹子的化學成分旺遮，并得到了令人印象深刻的PLS-R纖維素模型赵讯，RPD為5.4。通過組合NIR光譜和遺傳工具對Pinus pinaster Aiton精選樹選擇收獲技術的改進由da Silva Perez等人進行了研究耿眉。 （91）边翼。達席爾瓦佩雷斯等人（92）還討論了NIR和拉曼光譜的不同方面及其在木材和紙漿性能預測中的應用。他們調(diào)查了采樣技術的重要性以及對近紅外光譜質(zhì)量和物性估計精度的影響鸣剪。
丁等（93）使用反向傳播人造神經(jīng)網(wǎng)絡（BP-ANN）結(jié)合近紅外光譜法檢測了中國杉木的全纖維素和木質(zhì)素和MFA的量的預測组底。結(jié)果表明，該方法快速無損筐骇，滿足定量分析的要求债鸡。 Schimleck等（94）使用近紅外光譜表征了伯南布哥（Caesalpinia echinata Lam）的木材品質(zhì)。根據(jù)主成分分數(shù)和木材性質(zhì)之間的關系拥褂，他們認為密度和剛度是基于質(zhì)量的樣品鑒別中最重要的娘锁。 Via等人建立了一個理論模型牙寞。 （95）預測了MFA與木質(zhì)素含量之間的關系饺鹃。長尾af的MFA校準也由NIR吸光度構建，并顯示出與理論和實驗模型的強烈相似性间雀。木質(zhì)素含量在NIR吸光度與MFA的關系中發(fā)揮了重要作用悔详。瓊斯等人（96）比較了使用各種采樣選項獲得的使用漫反射NIR光譜的Pinus taeda L.全樹木屬性校準。
全樹木質(zhì)素的校正和基于全樹片（研磨或完整）的NIR光譜的基本比重具有最強的統(tǒng)計學意義;基于研磨增量核心的NIR光譜的校準是相似的惹挟。泰森等（97）表明茄螃，使用NIR光譜法測定木質(zhì)素和戊糖含量的全樹木材性質(zhì)校準可以應用于巴西南部各種桉樹種類和雜交種，并在巴西南部分開種植桉樹连锯。

工程木材

經(jīng)常設計木材以提供剛度或均勻的機械性能归苍。近紅外光譜可用作工程木制品（例如膠合板用狱，刨花板等）的制造中的在線工藝控制。
在單板貼面板和工程木制品工業(yè)中的在線測量水分含量對于過程控制是至關重要的拼弃。 Adedipe和Dawson-Andoh（98）研究了近紅外光譜與多變量數(shù)據(jù)分析相結(jié)合的可行性夏伊，以預測黃楊木單板的含水量。 Adedipe和Dawson-Andoh（99）也使用相同的技術預測了黃楊的單板剛度和體積密度吻氧。所有預測模型在預測不包括在校準模型中的新測試樣本的體積密度和剛度方面表現(xiàn)良好溺忧。朱利葉斯等人（100）在木顆粒生產(chǎn)設備中安裝了在線NIR光譜系統(tǒng)，將實時光譜轉(zhuǎn)化為有用的化學信息盯孙，如熱值和水分和灰分鲁森。他們成功地確定了含水量和熱值，盡管灰分含量證明是麻煩的振惰。

Andre歌溉？et al。 （101）通過近紅外光譜檢測了刨花板配料的緩沖能力的在線監(jiān)測骑晶。在4天測試期間研底，建立并測試了幾種多變量校準模型。 Campos等人（102）研究了NIR光譜法使用NIR光譜法評估用不同組成的桉樹和松木顆粒和甘蔗渣生產(chǎn)的農(nóng)用刨花板的組成的能力透罢。需要開發(fā)工作榜晦，以減少標準誤差并提高預測模型性能，以構建可用作質(zhì)量控制工具的魯棒模型羽圃。 Hein等（103）研究了使用NIR光譜法估計農(nóng)用刨花板的物理和機械性能乾胶。面板使用桉樹和松木顆粒和甘蔗渣制成。內(nèi)部粘合強度（IB）朽寞，24h后吸水率（WA24H）和24小時后的厚度膨脹（TS24H）的NIR模型提供了令人滿意的測定系數(shù)识窿。 Campos等人（102）還使用NIR光譜法評估了用不同組成的桉樹和松木顆粒和甘蔗渣生產(chǎn)的農(nóng)用刨花板的組成。估計桉樹和松樹顆粒和甘蔗渣含量的PLS模型具有很強的測定系數(shù)脑融，但也觀察到交叉驗證的標準誤差大喻频。
Gaspar等人（104）應用近紅外光譜和多變量數(shù)據(jù)分析，評估老化前后未處理和銅酸鉍層壓木材的膠合線肘迎。 NIR和PCA的組合允許區(qū)分老化和非老化樣品以及不同的銅唑類防腐處理水平的苯酚璻or ol璮或醛醛膠線甥温。 Hein等（105）評估了近紅外光譜估計木材板材的物理和機械性能的能力。面板的MOR妓布，IB和TS24h的交叉驗證模型產(chǎn)生了良好的測定系數(shù)姻蚓。 Hein等（105）表明木質(zhì)素中的纖維素和芳族基團是在校準中起重要作用的成分。結(jié)合多元統(tǒng)計學方法的NIR光譜由Taylor和Lloyd（106）進行評估匣沼，作為定量測定處理木材中硼基防腐劑濃度的可能方法狰挡。基于NIR的模型能夠成功地預測經(jīng)處理的松木邊材立方體的硼酸鹽濃度，表明它可為快速加叁，易于操作和便攜式分析工具提供依據(jù)倦沧。

木材改性和降解

一些研究人員研究了近紅外光譜儀來監(jiān)測木材修飾的效用。木材退化是由真菌引起的它匕，這被認為是不合需要的刀脏，因此需要采取預防措施。對木材退化的監(jiān)測工作進行了大量研究超凳。

木材修改

Ba╟hle等人（107）使用FT-NIR光譜法評估熱修飾的山毛櫸和云杉木及其性質(zhì)愈污。重點是在工業(yè)規(guī)模的窯爐中進行熱改性的材料制成的樣品。此外轮傍，Esteves和Pereira（108）研究了使用松樹（Pinus pinaster）和桉樹（Eucalyptus globulus）木材進行兩種類型處理的熱處理木材性能預測的能力暂雹。近紅外光譜顯示了熱處理木材質(zhì)量控制和表征的良好潛力。 Windeisen等（109）研究了熱處理木材的化學變化與機械性能之間的關系创夜。 NIR結(jié)果證實杭跪，除了多糖的降解之外，木質(zhì)素是最熱穩(wěn)定的化合物驰吓，顯示出顯著的熱變化涧尿。 Kaushik等人記錄了紙漿樣品在不同溫度下對紙漿熱處理的NIR光譜和顏色參數(shù)（CIELAB）的變化。 （110）使用漫反射附件檬贰。 Rousset等（111）應用近紅外光譜來表征烘焙作為生物量的溫和預處理姑廉。他們報告說，不僅可以區(qū)分經(jīng)過不同熱處理的木材樣品翁涤，而且可以回溯一片木材的熱歷史桥言。中等和近紅外反射光譜被用來區(qū)分巴西本地（ipe）與人造藤（桉樹）由Davrieux等。 （112）葵礼。
C号阿？elen等（113）將FTIR和NIR光譜應用于乙酰化白楊木粉鸳粉。根據(jù)酯化水平對光譜數(shù)據(jù)進行的PCA顯示簇扔涧。從NIR數(shù)據(jù)開發(fā)的PLS回歸模型能夠預測體重增加和反應OH基團的百分比。 Stefke等人（114）使用FTIR和NIR方法測定乙踅焯福化木材的重量百分比增益（WPG）和乙蹩菀梗基含量。雖然使用了廣泛的輸入?yún)?shù)疼约，但獲得了非常滿意的結(jié)果卤档。 Vena皊和Rinnan（115）應用近紅外光譜法來確定用原位固化的糠醇改性的蘇格蘭松木實木的處理程度蝙泼。使用PLS回歸來構建體重百分比增益模型程剥。

木材退化

Brienzo等人（116）利用化學和近紅外光譜法檢測了利用香菇菌株檢測桉樹廢物成分的降解。在本研究中開發(fā)的NIR校準被證明是完全適合作為在生物降解過程中預測木質(zhì)纖維素組成變化的分析方法。 Fackler等（117）在短時固態(tài)發(fā)酵期間監(jiān)測了白腐真菌對云杉木屑的木質(zhì)素降解织鲸。使用FT-NIR光譜技術舔腾，可以在頭2周內(nèi)監(jiān)測已被各種白腐菌降解的滅菌云杉木屑的木質(zhì)素損失。 Fackler等（118）也評估了使用FT-NIR技術和電子順磁共振光譜法的真菌修飾過程的微小變化和追蹤搂擦。光譜可用于生物制漿/生物修飾過程的動力學研究稳诚，NIR技術是評估真菌在短時間內(nèi)修飾木材表面的能力的好方法。 Fackler等（119）還使用NIR光譜技術評估了白腐病菌的選擇性瀑踢。近紅外光譜方法被證明是方便快速篩選選擇性白腐菌扳还。結(jié)果表明，在早期降解階段橱夭，木質(zhì)素降解的高選擇性更顯著氨距。 Fackler等（120）進一步追蹤使用FT-NIR和FT-MIR方法的真菌木材修飾。使用單個PLS-R模型對白腐病和褐腐真菌以及來自包含兩種降解類型的樣品的模型棘劣，從木材表面估計衰變樣品的重量損失俏让。 Fackler等評估了云杉和櫸木的真菌衰變（118），另外與Fackler等人（121）的單變量和多變量數(shù)據(jù)分析結(jié)合使用茬暇。
肯特等人（122）應用NIR光譜法研究暴露于真菌Postia胎盤的定向砧板的衰變過程首昔。使用NIR光譜的預測模型顯示出有希望作為減肥，剪切強度糙俗，定位承載強度和溶解度的預測因子勒奇。 Leinonen等（123）使用配備有光纖探針的FT-NIR光譜預測了蘇格蘭松心木中的褐腐菌（Conifphora puteana）引起的質(zhì)量損失。發(fā)現(xiàn)PLS回歸模型對于質(zhì)量損失和提取物濃度（總酚類巧骚，樹脂酸撬陵，pinosylvin和pinosylvin單甲醚）的預測是令人滿意的。 Schmutzer et al网缝。 （124）比較用于評估短時間處理后云杉木材衰變真菌生長潛力的方法巨税。使用FT-NIR光譜法和濕法化學分析確定木質(zhì)素含量，表明兩種方法之間非常好的相關性粉臊。近紅外光譜法預測南方松（Pinus spp草添。）通過Gloeophyllum trabeum的降解水平為1？天和邊材晶片扼仲，使用從衰減測試之前和之后的徑向和橫截面面收集的NIR光譜1?0天远寸，由Green等人研究。 （125）屠凶。
Stirling等人（126）報道驰后，近紅外光譜與PLS模型聯(lián)合提供了確定木材密度和衰減程度的快速方法，并可應用于常規(guī)實驗室分析以及過程控制應用的在線測量矗愧。 Sykacek等（127）使用NIR光譜法檢驗了商業(yè)可用的歐洲和西伯利亞落葉松的天然耐久性的預測灶芝。與軸向表面相比，校準模型較強，對徑向表面獲得的光譜表現(xiàn)出更好的適應性夜涕。泰勒等人（128）還研究了近紅外光譜技術評估熱帶硬木提取物含量和耐腐蝕性的熱能硬木[Goncalo alves（Astronium graveolens）]的潛力犯犁。近紅外光譜準確預測了熱水璼
Via等人研究了藍色真菌對可見光和NIR波長吸光度的影響。 （129）女器。他們指出酸役，可見光和近紅外波長處的吸光度可用于對染色木材進行分類。此外驾胆，他們檢查了近紅外漫反射光譜對藍色染色和木材年齡的響應涣澡，并確定了對藍色染色和年齡敏感的波長（130）。 Yang等人研究了使用NIR耦合PCA和類別類比（SIMCA）模式識別的軟獨立建模來檢測木材生物衰變丧诺。 （131）暑塑。基于非腐爛锅必，白腐病和褐腐病腐爛樣本的訓練集的SIMCA模型的鑒別精度高事格，樣品分類良好。楊等（132）還研究了使用NIR和PLS璬評估分析（DA）對木材生物衰變的歧視搞隐。使用PLS-DA模型的判別精度優(yōu)于SIMCA模型驹愚。 Ono等人（133）報道了NIR區(qū)域的吸收特性與分解山毛櫸（Fagus crenata）和松木（Pinus densiflora）的化學變化之間的關系，以跟蹤降解并確定該過程中涉及的化學成分劣纲。光譜以及化學物質(zhì)的含量彼此接近并且與分解相融合逢捺，盡管櫸木和松木之間的初始特征明顯不同。
蘭德等人（134）報道了使用NIR和熱重分析（TGA）來制作用于確定糠基化水平的PLS預測模型癞季。當使用單獨的測試集進行驗證時劫瞳，NIR和TGA都提供了良好的預測。 Lee等人成功地應用了NIR光譜法預測木質(zhì)纖維素生物質(zhì)的熱分解行為绷柒。 （135）以及統(tǒng)計分析志于。他們報告說，使用小波PLS模型預測的數(shù)據(jù)與使用TGA的原始數(shù)據(jù)吻合良好。 Mehrotra等（136）使用近紅外光譜觀察木材的熱降解。他們得出結(jié)論档押，近紅外光譜是確定熱處理期間木材的物理化學和結(jié)構變化的有力工具仰猖。

紙漿和造紙

涉及造紙系統(tǒng)的近紅外研究有很大差異套啤。紙漿和造紙工業(yè)的目標是獲得木材和紙漿組合物對原材料的快速可靠的表征。一種可能性是借助于多變量數(shù)據(jù)分析或化學計量學的近紅外光譜。基礎科學與應用有很大差異杖挣。
Fardim和Dura磏（137）使用X射線衍射，交叉極化魔角旋轉(zhuǎn)（CP / MAS）刚陡，13C核磁共振（NMR）和NIR與PCA結(jié)合研究了桉樹硫酸鹽制漿的分子裝配惩妇。他們的結(jié)果表明株汉，工業(yè)蒸煮器中通常存在的堿性電荷的變化可能導致在非常敏感的極限中形成不同的分子組件。
Alves等人（138）引入了NIR-PLS-R模型屿附，用于海上松散硫酸鹽紙漿的卡伯數(shù)預測郎逃。用于預測具有未知卡伯數(shù)的紙漿的模型的預測能力允許根據(jù)在該過程期間發(fā)現(xiàn)的最小數(shù)量的異常值來選擇模型哥童。 Monrroy等人（139）應用FT-NIR光譜法監(jiān)測桉樹牛皮紙漿中殘留木質(zhì)素挺份，卡貝值和己烯醛酸（HexA）含量。木質(zhì)素含量和卡貝值預測相當準確贮懈。 HexA濃度更難預測匀泊。
唐斯等人（140）開發(fā)了NIR光譜校準，以預測桉樹硝化樹的牛皮紙漿產(chǎn)量和纖維素含量朵你。實驗室和便攜式近紅外光譜儀都有效預測徑向變化各聘。唐斯等人（141）還開發(fā)和評估了多基因和多物種近紅外校準，用于預測桉樹中的牛皮紙漿產(chǎn)量抡医。使用兩個獨立和對比的數(shù)據(jù)集進行最終校準的性能表明躲因，多站點和多物種校準是可行的。 Pu等（142）使用NIR光譜測定硫酸鹽紙漿制漿期間的脫氧脫氧產(chǎn)率忌傻〈舐觯基于NIR光譜數(shù)據(jù)的PLS模型具有良好的預測能力。 Schimleck等（143）將NIR紙漿產(chǎn)量校準擴展到新的位點和物種水孩。使用來自不同物種（桉樹）的樣品增強了塔斯馬尼亞范圍的桉樹硝化物校準镰矿，并成功應用于其他桉樹球形樣品。白等人（144）指出俘种，造紙商可以使用近紅外光譜來估計a a全樹樣品的可漂白和紙板級紙漿產(chǎn)量秤标。 Kipuputwa等人（145）使用近紅外掃描來預測南非姆普馬蘭加懸崖地區(qū)松柏的紙漿產(chǎn)量和化學性質(zhì)。
Brink等人（146）報道了使用NIR光譜和多變量數(shù)據(jù)分析在未漂白的硬木漿中的Aspen纖維和樺樹皮含量的在線預測宙刘。 NIR分析儀是由標準NIR組件構建的原型苍姜。評估的預測模型適合于質(zhì)量評估，而不是定量測定悬包。 Martorana等（147）證明使用NIR光譜法可以定量測定合成施膠劑（烯基琥珀酸酐[ASA] /烷基乙烯酮二聚體[AKD]）怖现。在多變量數(shù)據(jù)分析和PLS回歸的幫助下，評估了CH區(qū)域玉罐，主要是4300和5750 cm-1附近的帶屈嗤。使用提取的紙樣品的NIR光譜法也可以分析結(jié)合和未結(jié)合的ASA / AKD的百分比。使用NIR光譜測定施膠劑甚至可以作為紙漿和造紙工業(yè)的在線應用吊输。收集具有不同定徑度（Cobb值）的紙張的NIR光譜饶号，通過應用直線相減和使用波數(shù)范圍12,493?446和4424?247cm-1（148）建立PLS-R模型。使用FTIR和NIR光譜數(shù)據(jù)對歷史印刷紙的個別成分進行定量無損分析季蚂，由Cse磃alvayova等人（149）茫船。 FTIR和UV-Vis-NIR兩種技術提供的測量系數(shù)高于0.99的模型琅束，交叉驗證的均方根誤差低于0.2％，校準范圍約為1％算谈。
楊等（150）報道了基于NIR光譜和支持向量機在線測量紙漿卡伯值涩禀。實驗結(jié)果表明，紙漿卡帕值的NIR測量方法的可行性和有效性然眼，并證實了基于支持向量機的紙漿卡伯值預測模型比線性回歸模型更準確艾船，魯棒。 Pigorsch和Behnsen（151）開發(fā)了一種使用不同造紙廠生產(chǎn)脫墨紙漿或瓦楞紙板的紙漿樣品的NIR校準模型高每。驗證結(jié)果表明屿岂，可以以足夠的精度確定微粘度負載。
Wang等（152）借助于SIMCA和PLS鲸匿，使用NIR光譜進行卷煙紙的質(zhì)量評估爷怀。通過Pigorsch（153），使用基于在線NIR測量的PLS判別分析带欢，使用波長為1,372至1875nm的工藝二極管陣列光譜儀分類偏移和柔印印刷報紙运授，并且實現(xiàn)了約90％的分類精度。 Riba等（154）研究了NIR光譜與擴展規(guī)范變量分析結(jié)合識別不同紙張類型的潛力乔煞。使用與k-最近鄰（k-NN）方法組合的擴展規(guī)范變量分析（ECVA）進行鑒別吁朦。在這些條件下，用兩種技術（FTIR和NIR）對100％的預測樣本進行正確分類瘤缩。建立了基于NIR的PLS-R校準喇完，用于測定兩個墨水區(qū)域和紙張的pH和聚合度，并用于評估大英博物館館藏中二十七至十九世紀鐵壺油墨圖紙（ 155）剥啤。在所有情況下锦溪，墨水區(qū)域比周圍的紙張變得更酸性和劣化。

分類技術

Adedipe et al府怯。 （156）報道了使用NIR光譜法和SIMCA在線快速分類和分離紅橡木（Quercus rubra）和白橡木（Quercus alba）木材刻诊。完整的近紅外光譜區(qū)域800？500 nm為區(qū)分兩種物種提供了最有用的信息牺丙。 Russ等人研究了使用NIR反射光譜法測定PCA的片狀硬木物種的方法则涯。 （157）。成功地鑒定了七種木材的濕木片冲簿，比干木片高得多粟判，這可能是由于物種含水量的顯著變化，而不是化學成分的微小差異峦剔。
藤本和Tsuchikawa（158）收集死亡和聲結(jié)的NIR漫射光譜档礁，并從每個結(jié)（普通木材）附近收集。 SIMCA模型能夠識別死結(jié)和聲結(jié)之間的差異以及結(jié)的存在吝沫。 Sandak等人（159）驗證是否可以用FT-NIR技術檢測出于原產(chǎn)地的同一木材種群之間的顯著差異呻澜。分析了從芬蘭递礼，波蘭北部和南部以及意大利的展臺收集的云杉（云杉）。在各個地方種植的樹木有不同的化學成分羹幸，而FT-NIR足以檢測出這樣的差異脊髓。吳等（160）報道了使用NIR光譜法進行造紙的不同木材材料的快速分類。
卡斯蒂略等人（161）通過在k-NN栅受，SIMCA和PLSDA的幫助下將NIR光譜學應用于葉子來區(qū)分桉樹和桉樹的種子将硝。葉片和近紅外光譜的使用避免了破壞性分析，并有助于這些物種對森林應用的快速分類窘疮。 Kobori等人（162）提出了一種使用VisNIR成像分析和化學計量學的組合技術來自動分離木材廢物的新型光學系統(tǒng)袋哼。使用樣本的亮度和亮度之間的差異來檢查基于SIMCA的分類模型冀墨。他們新開發(fā)的系統(tǒng)在分離木材廢物方面表現(xiàn)出有希望的表現(xiàn)闸衫。 Casale等（163）使用近紅外光譜對伯南布哥（Caesalpina echinata Lam。）木材進行了分類诽嘉。一組30粒伯南布哥木棍根據(jù)其適用于制作高質(zhì)量弓箭并分配到以下類別之一進行排名：0 =非常貧窮蔚出，1 =好到非常好，2 =優(yōu)秀虫腋〗拘铮基于線性判別分析，100％的樣本被正確分類悦冀，92.6％的樣本使用交叉驗證程序正確預測趋翻。
Pastore等人使用NIR光譜法（164）用于鑒別桃花心木（Swietenia macrophylla King。）盒蟆，安哥拉或螃木（Carapa guianensis Aubl踏烙。），雪松（Cedrela odorata L.）和curupixa（Micropholis melinoniana Pierre）木材历等。結(jié)果表明讨惩，可以以對樣品進行錯誤分類的可能性非常低的方式進行安全鑒別。在進一步的研究中寒屯，使用具有光纖探針的NIR掃描實木橫向荐捻，徑向和切向表面以分離Swietenia macrophylla King，Carapa guianensis Aubl寡夹。处面，Cedrela odorata L.和Micropholis melinoniana Pierre（165）。
Canals等人（166）開發(fā)了一種新的方法菩掏，用于在用于構建校準模型的樣品之外準確分類和鑒定紙張表面魂角。為此，他們對預測集中的樣本應用了判別式化學計量技術和規(guī)范變量分析（CVA）患蹂，其次是k最近鄰算法或颊。該方法也用于將涂覆的樣品分成三個亞組砸紊。 Wang等（167）應用NIR進行木材分級。

木材和紙張近紅外研究進展

數(shù)據(jù)分析

Mora和Schimleck（168）探討了使用減少的校準集對開發(fā)NIR校準模型以預測桉樹硝酸鹽中牛皮紙漿產(chǎn)量的影響囱挑。對于數(shù)據(jù)分析醉顽，他們使用三種基于NIR光譜數(shù)據(jù)的選擇技術（計算機輔助實驗設計; CADEX，DUPLEX和SELECT算法）和基于測量屬性（RANKING算法）的一種選擇方法平挑∮翁恚基于不同選擇技術的結(jié)果比較和使用所有數(shù)據(jù)的模型表明，所有模型的性能相似通熄。此外唆涝，他們調(diào)查了使用不同尺寸的校準組的效果，并獲得了足夠的NIR校準模型唇辨，減少了樣本數(shù)量廊酣，允許剩余的樣品用于模型驗證。 Mora和Schimleck（169）收集了10 mm截面的近紅外漫反射光譜赏枚，并檢查了空氣干密度（AD）亡驰，MFA，剛度（MOE）饿幅，氣管粗糙度（COARS）和氣管壁厚度（WTHICK）的估計來自60棵松屬芋樹的木材徑向條凡辱。內(nèi)核方法包括徑向基函數(shù)（RBF）-PLS和最小二乘支持向量機（LS-SVM）。 RBF-PLS和LS-SVM模型在擬合統(tǒng)計方面優(yōu)于PLS-CV校準栗恩。在預測能力方面透乾，RBF-PLS表現(xiàn)優(yōu)于PLS預測MFA，MOE和COARS磕秤。 LS-SVM在所有情況下均顯示出更好的預測統(tǒng)計學資料乳乌，WTHICK除外，與PLS統(tǒng)計學相似亲澡，優(yōu)于RBF-PLS钦扭。

光譜噪聲和參考方法噪聲均影響NIR預測值的精度和精度。 Rodrigues等人（14）由于參考數(shù)據(jù)集中的精度和準確度低床绪，為海松（Pinus pinaster Ait客情。）木粉的木質(zhì)素含量校準提供了模型。他們表明癞己，基于嘈雜參考數(shù)據(jù)的NIR PLS-R模型導致預測比校準統(tǒng)計數(shù)據(jù)預期更好的結(jié)果膀斋。 Wang等（170）引入了小波變換，消除了木材NIR初級光譜的噪聲痹雅。結(jié)果表明仰担，小波變換對NIR光譜的噪聲消除進行了良好的準備，同時保留了有用的光譜信息绩社。它還可以提高頻譜的信噪比摔蓝。
Zhu et al赂苗。 （171）基于Vis-NIR光譜和LS-SVM檢查了中國杉木的密度預測。使用基于聯(lián)合x瓂距離（SPXY）算法的樣本集分割來分割校準和預測樣本贮尉，這對于涉及復雜矩陣的屬性的預測是有價值的拌滋。他們的結(jié)果表明，使用NIR光譜和LS-SVM結(jié)合SPXY算法作為非線性多變量校準程序猜谚，建立魯棒模型來量化樅樹的密度的可能性败砂。方等（172）提出使用具有高維NIR光譜數(shù)據(jù)的PCR和PLS的混合模型來增強木材性質(zhì)的預測。為了整合PCR和PLS的優(yōu)點魏铅，在PCR中定義的主要成分和PLS中的潛在變量在混合模型中被利用在使用相互正交的約束條件下的共同迭代過程昌犹。所提出的混合方法可以應用于具有高維頻譜數(shù)據(jù)的廣泛應用中。
Thumm等人開發(fā)了使用耦合到近紅外照相機（900览芳？斜姥，700 nm）的成像光譜儀對來自樹木的橫截面盤的橫向面的化學成分的二維映射的方法，以獲得NIR高光譜數(shù)據(jù)集路操。人疾渴。 （173）千贯。使用PLS-R可視化R2的松散盤中木質(zhì)素屯仗，半乳糖和葡萄糖的分布和變化，性能值分別為0.84和1.48％搔谴，0.87和0.68％魁袜，標準誤差分別為0.87和0.95％。 NIR成像系統(tǒng)被設計為以4mm2 /像素的空間分辨率在整個光盤上映射化學成分的快速且成本有效的方法敦第。生成的化學成分圖清楚地表明峰弹，在高空間分辨率下，日志中發(fā)生的異質(zhì)性程度芜果。

新光譜技術

D'Andrea et al鞠呈。 （174）表明，在700右钾？蚁吝，040 nm區(qū)域的皮秒時間分辨光譜是對軟木和硬木進行非侵入性表征的有用技術。在所有情況下舀射，觀察到吸收和散射光譜的改變窘茁，揭示由于在森林淹水期間發(fā)生的老化過程導致的化學和結(jié)構組成的變化。
Gierlinger和Schwanninger（175）回顧了NIR-FT-拉曼在植物研究中的潛力脆烟。他們通過消除樣品熒光的問題山林，為綠色植物材料引入了許多應用。對于整個植物器官（種子邢羔，果實驼抹，葉子）的測繪和成像桑孩，NIR-FT技術的橫向分辨率（類似于10米）證明是足夠的。
藤本等（176）研究了NIR光譜對鋸材在線分級的可行性框冀。使用PLS分析開發(fā)了機械性能預測模型洼怔。對于所有的木材性質(zhì)，從移動條件下收集的數(shù)據(jù)作為在線測量的類似物獲得的模型優(yōu)于從靜態(tài)條件數(shù)據(jù)獲得的模型左驾。此外镣隶，F(xiàn)ujimoto等（177）研究了木材輸送速度和光譜測量分辨率對校準的影響。他們指出诡右，盡管測量條件苛刻安岂，但是近紅外光譜具有相當大的潛力，可以對鋸材進行在線分級帆吻。
Kurata等人（178）引入了一種新的光學測量系統(tǒng)域那，其主要部件是二極管泵浦固態(tài)激光器和雪崩光電二極管，從ToF近紅外光譜的角度闡明木材的光學特性猜煮〈卧保基于對輻射傳遞方程的擴散近似的光學模型證明對于厚樣品是有用的，盡管木材是具有非均勻的細胞結(jié)構的結(jié)構材料王带，但可以將其視為理想的擴散器淑蔚。

考古學應用

Inagaki等（179）研究了由于強度隨NIR光譜和化學計量學的變化而引起的軟木退化機制。將樣品在蒸汽氣氛中進行水熱處理愕撰，得到考古木材的類似物刹衫。壓縮楊氏模量隨水熱處理的變化由多糖的解聚和纖維素結(jié)晶度的變化決定。 Inagaki等（180）也分析了水熱處理后硬木的退化機理搞挣。此外带迟，Inagaki等人（181）利用近紅外光譜法研究了現(xiàn)代考古木材中水的吸附/解吸機理和吸水率變化。使用水的混合模型將NIR差分光譜分解為基于PCA的三個組分囱桨。木材中的老化現(xiàn)象是由于半纖維素和無定形纖維素的吸附位點減少仓犬。
Inagaki等（182）還研究了使用FT-NIR結(jié)合氘交換法和X射線衍射的水熱處理檜木的晶體結(jié)構變化。由于D2O和叔丁醇的結(jié)晶區(qū)域的可接近性降低舍肠，所以假設由于使用水熱處理的結(jié)晶域的膨脹搀继，幾個元素原纖維被布置在0.3nm以下的距離處。
Sandak等人（183）驗證了FT-NIR光譜對考古學的有效性貌夕。使用從波蘭淹水場收集的五個考古木材橡木片律歼。 NIR是評估纖維素和木質(zhì)素含量以及考古和歷史木質(zhì)材料退化狀態(tài)的新型工具。 Sandberg和Sterley（184）研究了使用NIR光譜和PLS分析在干燥條件下分離挪威云杉心材和邊材啡专。在實驗室環(huán)境中測量的NIR光譜可以分離云杉的邊材和心材险毁。日本傳統(tǒng)紙（washi）被Yonenobu等人研究（185），采用氘交換法和FT-NIR透射光譜法對氘代水的擴散過程進行光譜分析。建議在老化過程中畔况，與紙中的纖維素形成復合材料的半纖維素被逐漸水解鲸鹦，導致纖維素鏈之間的分子間距離的擴大。
Henniges等人（186）使用NIR-PLS回歸進行紙漿手冊和歷史論文中的纖維素官能團的非破壞性測定和分子量的測定跷跪。使用不同紙張樣本的平均光譜獲得了羰基含量馋嗜，羧基含量和分子量的PLS-R模型，具有良好的相關系數(shù)和低的交叉驗證誤差吵瞻。
應用于生物質(zhì)能
Jensen等人（187）使用電介質(zhì)和NIR反射方法研究固體生物燃料中的含水量測定葛菇。生物燃料的范圍從針葉和落葉木屑，鋸屑和樹皮在短時間旋轉(zhuǎn)的瓢蟲向向日葵種子和橄欖石橡羞。 Jensen等人（187）使用NIR反射方法獲得了最有希望的校準和兩個介質(zhì)器件眯停，其中樣品放置在集成在器件中的容器中。
所以和Eberhardt（188）使用基于NIR的PLS-R模型檢查了總熱值（GCV）和龍眼松樹的提取物含量的預測卿泽。他們指出莺债，NIR可以預測生物能源原料的GCV，并提供對燃料價值影響最大的化學特征的洞察签夭。侯和李（189）計算了楊樹和桉樹對于CKason木質(zhì)素齐邦，纖維素，全纖維素措拇，木質(zhì)素S / G比值和酶消化率的化學成分，高測定系數(shù)和低誤差的近紅外反射光譜的PLS-R模型的預測儡羔。
熒光光譜法將PLS-R預測模型與來自Nkansah等人的以前研究使用相同群體的NIR光譜相似性質(zhì)的預測模型進行比較璧诵。 （190）仇冯。基于NIR的預測模型顯示出比相似性質(zhì)的熒光光譜預測模型略高的模型強度苛坚。
Lestander（191）使用PLS回歸來模擬單顆粒料的NIR光譜比被，并預測吸附值和含水量的差熱。結(jié)果表明泼舱，在木材顆粒中對熱差異進行基于在線NIR的預測具有很強的潛力等缀。 Lestander等（192）也使用鋸屑的在線NIR光譜來實時預測水分含量，鋸屑混合物和顆粒壓榨機的能量消耗娇昙。應用近紅外光譜和多變量分析來確定山楊的熱值和比重尺迂。 Maranan和Laborie評估了克隆（193）。他們指出噪裕，近紅外模型有助于快速測定混合楊樹的熱值和比重蹲盘，但精度比相應的實驗室測量要低。
Nkansah等人（190）使用NIR光譜耦合多變量數(shù)據(jù)分析來快速表征黃楊膳音，這是生物煉制業(yè)的潛在原料召衔。黃楊的物理化學性質(zhì)的測定和預測產(chǎn)生中等至高的相關性。 Reeves等人（194）研究了炭化對可能存在于森林火災中的材料的近紅外光譜的影響祭陷，以確定確定土壤中炭焦炭的可行性苍凛。雖然由炭化引起的光譜變化似乎對每種材料來說都是相對獨特的，但是成功地創(chuàng)建了總酸兵志，羧酸毫深，內(nèi)酯和酚的PLS校準。