近日，亚林所林木遗传育种与培育研究团队基于近红外光谱技术（NIR），成功构建了木荷（Schima superb）木纤维解剖结构的偏最小二乘回归（PLSR）模型。该研究利用便携式近红外光谱仪采集不同种源的木荷光谱数据，结合木纤维的解剖结构和基本密度等多项指标，通过数据预处理和波长筛选，建立了快速预测木材材性的新模型，模型预测精度大于0.8，高效获取材性数据较传统方法缩短1月以上。该成果为大规模无损检测木材性质、提高木材利用效率提供了新方法，在木材品质评估和应用上具有重要意义。相关研究以“基于近红外光谱的木荷木纤维解剖结构PLSR模型构建”为题，发表在《应用生态学报》上。

木材是国民经济建设的重要资源，其物理和化学性质直接影响着木材的利用和价值。然而，传统的木材鉴定方法往往具有破坏性，影响木材的完整性，且检测时效长，方法复杂。为此，研究团队尝试利用近红外光谱技术对木材内部结构和性能进行评估，探索利用木材组织吸收光谱的特性，快速预测木材的物理性能。本研究以福建省建瓯市木荷种源试验林为研究对象，历时3年，通过林地实地调查、便携式近红外光谱仪采集光谱数据、钻取木芯取样等，开展木材的基本密度，木纤维的长度、宽度、腔径、双壁厚等木材多项指标的测量和鉴定，利用光谱和木纤维表型数据，对比了标准正态变量（SNV）、正交信号校正（OSC）和多元散射校正（MSC）预处理方法以及CARS对波长筛选的效果。通过多次大规模校准、拟合、建模比较，发现光谱数据可以有效评估木荷木纤维解剖结构特征，模型的预测精度室内数据的R²值最高可达0.82，林地数据的R²值最高为0.78。进一步优化模型后，最终获得以CARS进行波长筛选后再OSC处理的PLSR模型在多项木纤维结构特征模型的预测效果上表现最优，模型的预测精度达0.80-0.95。该研究为木材无损检测提供了新的方法，在大规模获取木荷材性指标时提高工作效率。

亚林所与东北林业大学联培研究生林诚富为第一作者，亚林所张蕊副研究员为通讯作者。该研究得到福建省建瓯市林业技术推广中心、福建省林业科学研究院的支持。同时，该研究由浙江省农业（林木）新品种选育重大科技专项（2021C02070-9）、福建省林木种苗科技攻关七期项目（ZMGG-0703）和江西省林业科技创新项目（201919）的资助。