木蜡油涂饰对檀香紫檀易混树种的红外光谱影响分析

卢氏黑黄檀和染料紫檀木材特征与檀香紫檀相似，特别是两者经过加色精的木蜡油涂饰后，用肉眼很难与珍贵的檀香紫檀分辨。市场上销售的很多红木家具为了达到防腐、防尘、防开裂的性能以及提高红木表面光泽度和显现珍贵木材的纹理，大都进行了木蜡油表面涂饰加工，因而只研究木材本身的鉴别不能满足市场需求。借助红外光谱（FTIR）结合二阶导数红外光谱（SDIR）和二维相关红外光谱（2D-IR）技术，对经过木蜡油涂饰的檀香紫檀（Pterocarpus santalinus）、染料紫檀（P.tinctoricus Welw）和卢氏黑黄檀（Dalbergia louuelii）进行了红外光谱分析。通过打磨-涂底油-打磨-涂面油-干燥的涂饰工艺对3个树种进行表面涂饰。分别取3个树种素材的木粉和经过表面涂饰的木材表面的木粉进行FTIR，SDIR和2D-IR三级鉴别分析，同时测定了木蜡油的FTIR谱图。结果表明：(1）木蜡油FTIR谱图在2 925，1 733，1 465和1 378 cm-1较强的特征峰出峰位置与3个树种木材本身的出峰位置基本重合，且在2 854 cm-1处归属于亚甲基C-H对称伸缩振动，1 233 cm-1处归属于羧基C-O伸缩振动，729 cm-1处归属于长链的亚甲基C-H弯曲振动的特征峰在涂饰后三种样品的FTIR谱图中有相同的体现，说明木蜡油涂饰未对3个树种红外谱图的特征峰产生影响；3个树种表面涂饰前后FTIR谱图的相关系数同时可以对木蜡油涂饰未对3个树种的特征峰产生影响进行佐证；(2）FTIR谱图在1 595，1 060和836 cm-1处可以将染料紫檀与檀香紫檀和卢氏黑黄檀两个树种区分开；SDIR谱图可以在1 551 cm-1将卢氏黑黄檀区分开，并能进一步对染料紫檀的特征峰进行验证；在2D-IR光谱中，在1 425~1 800和850~1 300 cm-1两个波段范围，檀香紫檀的自动锋明显区别于其他两个树种，在1 250 cm-1处归属于醚类化合物的吸收峰可以将檀香紫檀区分开。目前红木识别主要利用木材解剖方法，表面涂饰大多集中在木材材色变化研究。借助红外光谱技术，最终利用各个树种和木蜡油在红外光谱谱图中不同的特征峰体现的官能团差异直接推测特征成分的含量差异，无须测定其特征成分的具体物质，进而实现准确、快速地把经木蜡油表面涂饰的檀香紫檀及与其易混淆的染料紫檀和卢氏黑黄檀区分鉴别。     

关于Udo Simon猜测的注记

设ψ:S2→Sn为线性满的极小浸入,Gauss曲率K满足1/10≤K≤1/6。若K不是常数,则n=6,且ψ的准线φ0至少有2个不同的分歧点。作为它的推论,如果1/7相似文献   

抛物型旋转超曲面

进一步研究Ｅ＾５１中双曲空间Ｈ＾４和ｄｓＳｉｔｔｅｒ中空间Ｓ＾４１中坐标函数是其Ｌａｌａｃｉａｎ的特征函数的抛物型旋转超曲面的特征,证明它们是极大或极大超曲面。     

基于小波变换的木材近红外光谱去噪研究

木材近红外光谱常常被一系列噪声所污染,影响光谱分析结果.为了提高近红外光谱分析精度,需要对光谱数据进行预处理.光谱导数可以消除光谱背景干扰和基线漂移等因素影响,提高光谱分辨率,但导数光谱在增强信号的同时,也使信号噪声得到增强.应用小波变换对杉木木材近红外一阶导数光谱进行去噪研究,分别采用9点平滑法、25点平滑法、非线件小波硬阈值和软阈值法、9点平滑+小波变换法和25点平滑+小波变换法对光谱数据进行去噪研究.结果显示,小波变换能够有效去除导数光谱中的噪声信号,保留光谱中的有效信息,提高光谱信噪比,提高光谱的分析能力,在木材近红外光谱分析中具有很好的应用前景.     

毛竹化学成分光谱分析的快速建模方法研究

研究了毛竹综纤维素和木质素含量近红外光谱定量分析方法的建立。选用不同竹龄、纵向和横向部位的54个竹材粉末样品,用湿化学方法测定其综纤维素和木质素含量。在综纤维素和木质素含量的分布范围内,从低值、中间值和高值中挑选11个代表性样品,11个样品按预定比例混合得到21个混合样品,混合样品的综纤维素和木质素含量计算得到,再挑选22个目标成分含量不同的样品组成54个样品的校正集。用偏最小二乘法分别建立样品综纤维素含量、木质素含量和近红外漫发射光谱之间的相关模型。结果表明,综纤维素含量的预测模型的相关系数（Rp）为0.92,标准偏差（SEP）为1.04％;木质素含量的预测模型的Rp为0.93,SEP为0.91％,与常规方法建立的模型预测精度相似。说明利用样品混合的方式可快速增加校正集样品的数量、改善校正集样品的分布状况,继而建立稳定可靠的近红外定量分析模型。     

de Sitter空间Sn+11中的有限型球型旋转超曲面

研究En+21中de Sitter空间Sn+11的坐标函数是其Laplacian的特征函数的球型旋转曲面Mn,得到Mn或为Sn+1 1的极小或极大超曲面,或者可与Sn-1(a)×H1(-(a2-1))或Sn-1(a)×S11((1-a2))叠合.     

Hn+1(c)中的有限型旋转曲面

研究E1n+2中双曲空间Hn+1(c)的坐标函数是其Laplacian的特征函数的球型、双曲型及抛物型旋转曲面Ma的性质,得到Ma或为Hn+1(c)的极小超曲面.或者可与 (球型),或 (双曲型)叠合.     

Hn+1(c)中的有限型球型旋转曲面

研究En1+2中双曲空间的坐标函数是其Laplacian的特征函数的球型旋转曲面Mn,得到Mn或为Hn1+1(c)的极小超曲面,或者可与Sn1-1(a-2)× H1(1/c-1-a2)叠合.     

表面粗糙度对近红外光谱分析木材密度的影响

近红外(NIR)光谱技术是一种基于多元统计分析建立预测模型的定量分析技术,应用十分广泛,然而,近红外光谱分析结果的准确性会受到多种因素的影响.文章分析了木材表面粗糙度对近红外光谱预测木材密度的影响.结果表明,当待预测样品的粗糙度和建模样品的粗糙度一致时,分析结果较好;二者不一致时,分析误差较大.采用不同粗糙度样品建立混合预测模型,可以显著提高模型对粗糙度的适应性和稳健性.     

近红外光谱法快速测定毛竹Klason木质素的含量

研究了用近红外漫反射光谱法对毛竹Klason木质素含量的快速预测.选取了代表不同竹龄、不同高度和横向不同位置的54个竹材粉末样品,用常规实验室方法测定了54个样品的Klason木质素含量,用近红外光谱仪漫反射方式在350～2 500 nm范围内采集相应样品的光谱,利用多变量统计分析软件建立样品木质素含量和光谱数据之间的相关性模型.结果表明,对原始光谱进行二阶导数预处理后,选择1 011～1 675 nm和1 930～2 488 nm波长区间,用偏最小二乘法(PLS1)和完全交互验证方式建立了的校正模型和预测模型的相关系数分别为0.99,和0.97,校正标准误差SEC=0.36%,预测标准误差SEP=0.59%,说明毛竹Klason木质素含量和近红外光谱之间存在非常好的相关性,用近红外光谱技术可以实现对竹材样品中Klason木质素含量的快速预测.