Spettroscopia nel vicino infrarosso per la predizione del contenuto di umidità in biomassa legnosa mischiata a suolo

Perché l’umidità nella biomassa legnosa è importante

Con la crescente ricerca di fonti energetiche più pulite, trucioli di legno e altri scarti vegetali stanno diventando combustibili rilevanti. Ma esiste un dettaglio semplice che può determinare la loro utilità: la quantità d’acqua che contengono. Troppa umidità significa meno energia utile, più muffa e persino il rischio di auto‑riscaldamento e incendi durante lo stoccaggio. La sfida aumenta quando particelle di suolo si mescolano al materiale legnoso durante il raccolto. Questo studio verifica se un metodo basato sulla luce, la spettroscopia nel vicino infrarosso (NIR), possa misurare rapidamente l’umidità in cumuli di biomassa contaminati da suolo, offrendo un’alternativa più veloce ai lenti test di essiccazione in forno.

Dai residui forestali ai campioni di prova

I ricercatori si sono concentrati su due tipi di biomassa rappresentativi di comuni fonti di combustibile. Il primo era costituito dai residui di taglio—rami e cime lasciati dopo l’abbattimento degli alberi. Si tratta di pezzi legnosi densi con pareti cellulari robuste e struttura relativamente stabile. L’altro era il sorgo dolce, un’erba alta con tessuti più porosi e alto contenuto di zuccheri. Il sorgo dolce si comporta in modo molto diverso rispetto alla luce, rendendolo un buon rappresentante delle colture erbacee usate per la bioenergia. Per simulare condizioni reali, il team ha essiccato tutti i campioni e poi li ha re‑umidificati in una camera climatica impostata su diverse temperature e livelli di umidità, creando un ampio intervallo di contenuti d’acqua da circa 3% a 16%.

Aggiungere sporco realistico al miscuglio

Nelle operazioni di taglio vero, la biomassa raramente rimane pulita. Il suolo aderisce ai rami trascinati a terra o ai cumuli stoccati all’aperto. Per rappresentare questa realtà, gli scienziati hanno miscelato con cura un suolo forestale controllato nella biomassa a sei livelli: 0, 1, 5, 10, 20 e 30% in peso. I livelli più bassi somigliano ad operazioni pulite; quelli più alti rappresentano cumuli pesantemente contaminati. Per ogni combinazione di tipo di biomassa e livello di suolo, hanno formato “dischi” compatti e uniformi in uno stampo. Questo passaggio ha ridotto l’effetto della densità di imballaggio irregolare, che altrimenti può distorcere il percorso della luce attraverso il materiale e confondere le misure di umidità.

Illuminare e pulire il segnale

Successivamente il team ha misurato come i campioni riflettevano la luce nel vicino infrarosso su lunghezze d’onda da 870 a 2.500 nanometri. L’acqua all’interno della biomassa assorbe la luce in modo particolarmente marcato vicino a certe lunghezze d’onda, quindi il pattern di riflessione contiene indizi sul contenuto di umidità. Tuttavia, le particelle di suolo e le superfici irregolari disperdono la luce, aggiungendo “rumore” al segnale. Per affrontare questo problema, i ricercatori hanno applicato due passaggi di pulizia dei dati agli spettri. Il primo, chiamato Standard Normal Variate (SNV), rimuove gran parte della variazione causata dalla dispersione e dalle superfici irregolari dei campioni. Il secondo, un filtro derivata seconda di Savitzky–Golay, mette in evidenza picchi sovrapposti e appiattisce linee di base inclinate. Insieme, questi passaggi fanno emergere in modo più chiaro le firme d’umidità nascoste.

Trasformare i modelli di luce in valori di umidità

Con spettri più puliti a disposizione, i ricercatori hanno utilizzato un metodo statistico noto come regressione a minimi quadrati parziali (partial least squares) per collegare i pattern di luce ai contenuti di umidità reali misurati mediante essiccazione in forno. Hanno scoperto che per i residui di taglio la combinazione di SNV e Savitzky–Golay offriva le migliori prestazioni, con valori predetti molto vicini ai livelli di umidità reali. Il sorgo dolce, con la sua struttura più complessa e chimica ricca di zuccheri, si è rivelato più difficile da modellare ma ha comunque fornito risultati ragionevolmente accurati. È importante notare che la qualità del modello è rimasta abbastanza stabile anche con l’aumento del contenuto di suolo dallo 0 al 30%, dimostrando che i passaggi di preprocessing hanno ridotto con successo gli effetti disturbanti dello sporco. Quando i dati sono stati raggruppati per livello di suolo noto, la precisione è ulteriormente migliorata, suggerendo che includere informazioni sulla contaminazione può affinare le predizioni.

Cosa significa per l’uso pratico della biomassa

Lo studio dimostra che la spettroscopia nel vicino infrarosso, combinata con una pulizia intelligente dei dati, può stimare rapidamente e in modo non distruttivo l’umidità nella biomassa legnosa contaminata da suolo. Per gli operatori che gestiscono residui forestali o colture energetiche, ciò potrebbe significare verificare la qualità dei carichi in ingresso in pochi secondi anziché in ore, contribuendo a prevenire il deterioramento, migliorare l’efficienza di combustione e ridurre i rischi di sicurezza. Il metodo non è ancora perfetto: ha faticato a determinare con precisione la quantità di suolo presente e i test sono stati limitati a un solo tipo di suolo e a condizioni di laboratorio. Tuttavia, i risultati indicano la fattibilità di dispositivi NIR portatili o in linea che potrebbero monitorare l’umidità in tempo reale lungo le filiere della biomassa, rendendo i combustibili solidi rinnovabili più affidabili ed efficienti.

Citazione: Batjargal, BU., Kang, M., Cho, Y. et al. Near-infrared spectroscopy for moisture content prediction in soil-mixed woody biomass. Sci Rep 16, 6096 (2026). https://doi.org/10.1038/s41598-026-36901-8

Parole chiave: spettroscopia nel vicino infrarosso, umidità della biomassa, residui legnosi, contaminazione del suolo, bioenergia