[發明專利]一種用近紅外光譜技術預測火炬松松脂產量的方法

有效

• 申請號: 201410401597.0
• 申請日: 2014-08-15
• 公開（公告）號: CN104142311A
• 公開（公告）日: 2014-11-12
• 發明（設計）人: 黃少偉;劉天頤;劉純鑫;王向南;祝文娟
• 申請（專利權）人: 華南農業大學
• 主分類號: G01N21/3563
• 分類號: G01N21/3563;G01N21/359;G06F17/50
• 代理公司: 廣州市南鋒專利事務所有限公司 44228
• 代理人: 劉媖

技術領域

本發明涉及一種基于光譜技術預測松樹松脂產量的方法，具體是一種利用近紅外光譜技術預測火炬松松脂產量的方法。?

背景技術

松脂（Pine?oleoresin）是由松屬樹種樹脂道內的分泌脂細胞分泌產生的一種天然樹脂，是松樹生理代謝的次生產物，主要由松香和松節油組成，其中松節油含量的高低是衡量松脂品質優劣的主要指標之一。松脂作為一種重要的工業原料，經過簡單處理后可以加工成松香、松節油等產品，松香和松節油是我國重要的林產化工產品之一，也是重要的出口產品，更是我國特色的資源產品，可廣泛地應用于造紙、肥皂、飲食、橡膠、塑料、油漆、火柴、醫藥、農藥、炸藥、紡織、印染等多個領域。?

近年來由于受到自然災害、大量的砍伐松樹、過度違規采脂等多種因素的影響，我國松樹資源正在呈現逐年下降的趨勢，適宜并具備采脂條件的松樹資源越來越少，為解決市場對松脂和松節油供不應求的現狀，發展人工脂用原料林是推動我國松香產業和松節油產業發展的關鍵途徑和必然趨勢。然而不同樹種、相同樹種的不同類型產脂量差異很大，并且產脂量還受到較高的遺傳力控制，因此，選育高產脂和高松節油含量的優良松樹種質資源并加以繁殖利用已迫在眉睫。?

在高產優質人工脂用原料林育種中，人工割脂法是測定松樹產脂量的傳統方法，但這一傳統的方法必須破壞樹體或樣品本身，存在成本高、效率低、時間長、誤差大、具破壞性、易產生污染和重復性差等缺點，不能滿足生產和科研的需要。因此，亟需建立一種分析松樹產脂量的方法，在原料林的育種過程中實現對松樹產脂量的快速、準確、無損地測定，從而為高產優質火炬松產脂種質資源的快速篩選提供有力的科學依據，為高產優質人工脂用原料林的營建提供參考。?

近年來近紅外光譜技術在林業方面也得到了廣泛的應用，如在木材性質的分析、林副產品的品質檢測、林木育種材料的篩選和林木種質資源的鑒定等方面，但利用近紅外光譜技術來預測火炬松松脂產量方面的研究未見報道。?

發明內容

本發明的目的是提供一種用近紅外光譜技術預測火炬松松脂產量的方法，該方法是通過建立火炬松松脂產量的預測模型，可在火炬松原料林的育種過程中實現對火炬松松脂產量的快速、準確、無損地預測。?

本發明所采用的技術方案如下：一種預測火炬松松脂產量的方法，包括以下步驟：?

（1）建立校正模型：選擇火炬松單株作為建模研究對象，采用人工割脂法對火炬松單株產脂量進行常規測定；采集火炬松單株的生長錐木芯樣品，測定生長錐木芯樣品的近紅外光譜數據；確定校正集和外部驗證集的樣本集；用化學計量學軟件將采集得到的校正集樣品光譜數據進行光譜預處理和多元回歸統計分析，將預處理后的光譜數據與產脂量的常規測定相關聯，采用偏最小二乘法結合交互驗證法將預處理后的光譜數據和產脂量數據擬合起來建立校正模型；

（2）模型的驗證：利用未參與建模的外部驗證集樣品對所建校正模型進行檢驗，即：以近紅外光譜儀掃描驗證集樣品，獲得近紅外光譜圖，將近紅外光譜特征數據輸入校正模型獲得預測結果，將預測結果和采用人工割脂法對該驗證集樣品測定得到的常規測定值進行多元回歸統計分析，應用內部交叉驗證法和外部驗證法對模型進行驗證和評價；

（3）用模型來預測待測的火炬松松脂產量：在預測時，對于待測的火炬松，采集其生長錐木芯樣品，以近紅外光譜儀掃描其近紅外光譜圖，將采集到的特征光譜數據輸入到模型中，得到該待測火炬松松脂產量預測值；?

所述近紅外光譜數據的采集條件如下：測樣方式為漫反射，光斑直徑為3.5cm，光譜掃描范圍為950nm-1650nm，分辨率為5nm，環境溫度控制在22-23℃，環境濕度控制在30%-70%，每一個木芯樣品都采用掃描2次和重復裝樣2次取平均的光譜收集方式；

所述光譜預處理是采用一階導數FD+平滑SG+多元散色校正MSC的組合法。

所述近紅外光譜數據進行預處理和多元回歸統計分析優選采用化學計量學軟件The?unscramble?9.8進行。?

所述步驟（1）在利用校正集建立模型時，需對校正集中的異常樣品進行剔除，異常樣品的確定方法是：利用化學計量學軟件The?Unscrambler?9.8中的杠桿值影響圖和學生化殘差功能對異常樣品進行判斷，如果一個樣品相對于校正集中其它樣品同時具有較高的杠桿值和學生化殘差，則確定該樣品為異常樣品，將其從校正集中剔除，之后再利用其余的樣品通過偏最小二乘法PLS重新建模，如此反復上述操作，直至將所有異常樣品剔除完畢得到理想的模型為止。?