我校在杨树木材化学组成的快速定量预测领域取得系列新进展

杨树是全球栽植面积最广的人工林树种，也是我国第一大速生人工林栽培树种和用材树种。杨树木材的主要化学成分含量的检测技术对于林木遗传育种、森林经营方案优化、木材高效利用和固碳效率研究意义重大。但常规测定所使用的湿化学方法存在测试耗时多、效率低、样品用量多和消耗大量化学品造成环境污染等问题。

为了解决这一技术“瓶颈”，我校“林木材质改良与高效利用”国家林业与草原局重点实验室刘盛全课题组与长三角地区上海科技大学凌盛杰教授课题组合作，通过采集150组不同杨树木粉的傅里叶变换拉曼光谱并对其进行处理和信息提取，再基于多种化学计量学方法，建立了一系列预测模型，实现了对杨树木材综纤维素和木质素含量的快速定量预测。相关研究成果今年先后在国际高水平期刊《生物质技术》(Bioresource Technology)(中科院一区TOP期刊，影响因子为9.642)、《碳水化合物》(Carbohydrate Polymers)(中科院一区TOP期刊，影响因子为9.381)、《工业作物与产品》(Industrial crops & products)(中科院一区TOP期刊，影响因子为5.645)、《纤维素》(Cellulose)(中科院一区TOP期刊，影响因子为5.044)连续发表了5篇高水平学术论文。

此项研究工作首先通过降维算法和正则化算法建立了基于傅里叶变换拉曼光谱对杨树木材综纤维素和木质素的定量预测模型。模型质量评价结果表明上述模型已经达到了实际应用级别。通过对模型的比较，确定了综纤维素定量模型中拉曼光谱的最佳内标峰位于2945cm-1，木质素定量模型中拉曼光谱的最佳内标峰位于2895cm-1。其次，借鉴机器学习算法在工业产品工艺优化和产品性能测定等方面的应用，利用多种机器学习算法结合拉曼光谱技术分别构建了杨树木材木质素和综纤维素含量的定量预测模型，分别获得了预测精度较高、稳定可靠的综纤维素和木质素的定量预测模型，其中，基于XGBoost算法构建的综纤维素和木质素定量预测模型的决定系数R2均≥0.92，均方根误差RMSE≤0.37。这也是目前利用拉曼光谱定量预测木材化学成分含量研究中最好的模型评价结果。

上述研究论文第一作者均为“林木材质改良与高效利用”国家林业与草原局重点实验室2022届木材科学与技术博士研究生高文丽，林学与园林学院副教授周亮为共同第一作者及共同通讯作者，林学与园林学院教授刘盛全为共同通讯作者，我校为第一通讯单位。该研究得到国家重点研发计划课题“速生人工林木材品质性状的遗传基础(2017YFD0600201)”和国家自然科学基金等项目(31770596)的资助。上述论文的相关研究成果同时也申请了国家发明专利。

【免责申明】本专题图片均来源于学校官网或互联网，若有侵权请联系400-0815-589删除。