不同塑料基体木塑复合材料（WPC）的识别及主要组分的定量分析对于废弃WPC产品的分类回收、 高效再利用, 以及产品生产过程中的质量控制、 产品销售和使用过程中规范市场秩序和维护消费者合法权益, 具有重要意义。 建立不同塑料基体WPC的主要组分的通用定量分析模型, 有助于降低检测成本, 扩大模型的适用范围。 然而。 目前国内外关于不同塑料基体的WPC定性识别研究, 尚未与WPC主要组分的定量分析相联系, 未能构建完整的技术体系。 WPC主要组分定量分析研究尚局限在单一塑料基体WPC的定量分析模型。 针对此种情况, 分别以聚乙烯（PE）和聚丙烯（PP）为增强体, 杉木为生物质填料, 加入一定量的添加剂后, 采用挤出成型法分别制备了20个不同杉木/PE配比和20个不同杉木/PP配比的WPC样品。 采用溴化钾压片法获取了40个WPC样品的红外光谱, 利用多变量统计软件对光谱数据先进行一阶导数处理, 再进行变量标准化。 利用主成分分析法（PCA）对杉木/PE和杉木/PP两种复合材料进行了分类, 由于PP和PE化学结构的差异明显, 两种复合材料在二维主成分空间中呈带状分布, 每种WPC样品处于相对独立空间, 分类正确率达100%。 利用偏最小二乘法（PLS）建立了两种复合材料通用定量分析模型, 木粉和塑料的校正模型的决定系数R2分别为0984和0985, 校正标准偏差SEC分别为1034%和1206%; 木粉和塑料的预测模型的R2均为0956, 交互验证标准偏差SECV分别为1779%和1792%; RPD值分别为483和485。 为更客观准确地检验模型的预测能力, 随机选取10个样品对所建通用定量分析模型进行外部验证。 结果显示, 模型预测准确性高, 木粉含量的预测相对偏差在±8%以内, 塑料含量的预测相对偏差在±7%以内。 建立了一套PE基和PP基WPC快速准确的识别方法和通用定量分析模型, 为红外光谱法应用于WPC生产、 质检及回收再利用过程中的定性识别和定量分析奠定了技术基础。

木塑复合材料(wood plastic composites, WPC)中生物质和塑料的比例影响其物理力学性能和价格。 建立一种快速、 准确的方法预测WPC中生物质和塑料的含量对于WPC市场的进一步发展具有重要作用。 现有的检测方法主要为热分析法, 然而, 热分析法固有的缺陷(包括检检测时间长、 测精度低、 操作复杂等)严重限制了其应用范围。 为此, 本研究采用红外光谱(FTIR)结合偏最小二乘法(PLS)对毛竹/聚丙烯(PP)复合材料样品中毛竹及PP的含量进行了快速测定。 以毛竹为生物质填料、 PP为基体材料, 同时加入一定量的添加剂, 采用挤出成型法制备了42个不同毛竹/PP比例的WPC样品。 采用KBr压片法收集42个WPC样品的红外光谱数据, 利用PLS-2和完全交互验证方式建立样品中毛竹及PP含量和光谱数据间的相关性模型。 内部交互验证结果表明, 对原始光谱进行一阶导数和SNV预处理后, 选择1 800～800 cm-1 波段建立的模型性能最佳。 毛竹和PP含量的校正模型决定系数R2均为0.955, 校正标准偏差SEC分别为1.827和1.848。 毛竹和PP含量的预测模型决定系数R2均为0.950, 交互验证标准偏差SECV分别为1.927和1.950, RPD值均为4.45。 外部验证结果表明, 毛竹和PP含量相对预测偏差均低于6%, FTIR结合PLS法可以同时快速、 准确地预测毛竹/PP复合材料中毛竹及PP含量。

木塑复合材料(wood plastic composites, WPCs)中木材和塑料的配比影响其性能和价格, 传统的热化学方法尚不能快速准确地测定WPCs中木塑配比。 为探究红外光谱法定量分析WPCs中木粉和塑料的可行性, 以杉木、 聚丙烯(PP)以及各种添加剂为原料, 经过木粉改性、 混料和挤出造粒制备出13种不同杉木含量(9.8%～61.5%)的WPCs。 采用KBr压片法对制得的样品进行红外光谱分析, 通过对比WPCs、 杉木、 PP以及其他添加剂的红外谱图, 确定杉木特征吸收峰为1 059, 1 033和1 740 cm-1, 1 377, 2 839和841 cm-1表征PP特征峰。 建立木粉含量、 PP含量和二者特征吸收峰峰高比之间的相关关系, 结果表明, 木粉含量与I1 059/I1 377和I1 033/I1 377之间均存在极强的线性相关, R2分别为0.992和0.993, PP含量与I1 377/I1 740和I2 839/I1 740之间存在高度线性相关, R2分别为0.985和0.981, 形成了杉木/PP复合材料中木粉和PP含量的红外光谱定量分析方法, 木粉含量预测方程依次为y=53.297x-9.107和y=55.922x-10.238, PP含量预测方程依次为y=6.828 5x+5.403 6和y=8.719 7x+3.295 8。 方法精密性和准确性检验表明, 方法可重复性强、 准确度高, 木粉与塑料含量预测平均相对误差约为5%, 与传统热化学方法相比, 预测精度有较大提高, 更重要的是红外光谱法操作更为简便。 该研究为杉木/PP复合材料中木粉及塑料含量的测定提供了一种简便、 快速、 准确的方法。

用傅立叶变换红外光谱(FTIR)研究了马尾松木材被茯苓褐腐菌降解过程中化学成分的变化。 测量了木质素和综纤维素的相关红外吸收峰的峰高比值, 用湿化学方法测定了未褐腐和不同褐腐时间木材的Klason木质素含量和综纤维素含量, 分析了红外吸收峰峰高比值与Klason木质素含量和综纤维素含量的相关性。 褐腐15周内, 1 736和1 372 cm-1处归属于综纤维素的吸收峰强度逐渐减弱, 1 510和1 225 cm-1处归属于木质素的吸收峰强度逐渐增强； 但褐腐15周后, 1 736和1 372 cm-1处的吸收强度却开始略微增强, 1 510和1 225 cm-1处吸收强度略微下降。 I1 510/I1 736, I1 510/I1 372, I1 225/I1 736和I1 225/I1 372与Klason木质素和综纤维素含量之间均存在非常好的线性相关, R2为0.96～0.99。 I1 736/I1 510和I1 372/I1 510与综纤维素含量之间存在高度线性相关, R2＝0.96。 结果说明用红外光谱技术可以对木材褐腐过程中的综纤维素含量和Klason木质素含量进行准确分析。

采用FTIR、 UV-Visible、 NMR和GPC分析手段研究了褐腐木质素被NaBH4还原前后的化学结构变化。 FTIR表明褐腐木质素还原后1 677 cm-1处与苯环共轭的羰基峰消失, 1 715 cm-1处非共轭羰基峰强度减弱, 1 509和1 603 cm-1处苯环骨架振动吸收峰强度变化很小； UV表明褐腐木质素还原后位于288 nm的最强吸收峰和300～400nm区域的吸收强度降低； 1H NMR表明褐腐木质素还原后甲氧基和酚羟基数量减少, 醇羟基数量增加, 褐腐木质素芳香环和结构单元联接键上的氢质子数增加； GPC表明褐腐木质素还原后分子量分布向高分子区域扩展, 数均和重均分子量增大, 分子量分布明显变宽。 NaBH4在碱性环境中可以将褐腐木质素中的共轭羰基完全还原为羟基, 非共轭羰基部分还原为羟基, 其侧链结构部分被改变, 苯环结构稳定, 褐腐木质素在还原过程中发生了缩合反应。

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。