Ближняя инфракрасная спектроскопия для прогнозирования влажности в древесной биомассе, смешанной с почвой

Почему влажность в древесном топливе важна

По мере того как общества ищут более чистые источники энергии, щепа и другие растительные остатки становятся важным топливом. Но есть простой фактор, который определяет их пригодность: сколько в них воды. Слишком высокая влажность означает меньше энергии, больше плесени и даже риск самонагревающихся пожаров при хранении. Проблема усугубляется, когда во время заготовки в древесину попадает грунт. В этом исследовании проверяли, способен ли световой метод — ближняя инфракрасная (БИК) спектроскопия — быстро измерять влажность в таких загрязнённых почвой массах биомассы, предлагая более быстрый альтернативный способ по сравнению с медленными печными испытаниями.

От лесных остатков к пробам для анализа

Ученые сосредоточились на двух типах биомассы, представляющих типичные источники топлива. Первый — остатки лесозаготовок: ветки и вершины деревьев, оставшиеся после вырубки. Это плотные древесные фракции с прочными клеточными стенками и относительно стабильной структурой. Второй — сладкий сорго, высокая трава с более пористой тканью и высоким содержанием сахаров. Сладкий сорго по‑разному взаимодействует со светом, что делает его хорошей моделью для травянистых культур, используемых в биоэнергетике. Чтобы смоделировать реальные условия, команда высушила все образцы, затем повторно увлажняла их в климатической камере при разных температурах и уровнях влажности, получив широкий диапазон содержания воды — примерно от 3% до 16%.

Добавление реалистичного грунта

В реальных лесозаготовках биомасса редко бывает чистой. Почва налипает на ветки, тащимые по земле, или при хранении в открытых кучах. Чтобы учесть это, учёные аккуратно смешали контролируемый образец лесного грунта с биомассой в шести дозах: 0, 1, 5, 10, 20 и 30% по массе. Низкие уровни соответствуют аккуратным операциям; высокие — сильно загрязнённым кучам. Для каждой комбинации типа биомассы и содержания почвы они формовали компактные, однородные «блинчики» в форме. Этот шаг уменьшал влияние неравномерной плотности уплотнения, которая в противном случае искажала бы прохождение света через материал и путала измерения влажности.

Освещение и очистка сигнала

Далее команда измеряла, как образцы отражают ближний инфракрасный свет в диапазоне длин волн от 870 до 2500 нанометров. Вода в биомассе особенно сильно поглощает свет вблизи определённых длин волн, поэтому отражённый спектр содержит подсказки о содержании влаги. Однако частицы почвы и неровные поверхности рассеивают свет, добавляя «шум» в сигнал. Чтобы с этим справиться, исследователи применили две процедуры очистки данных к спектрам. Первая, называемая Standard Normal Variate (SNV), устраняет большую часть вариаций, вызванных рассеянием и неровной поверхностью образца. Вторая — фильтр Савицкого–Голея второго порядка производной — сглаживает наложенные пики и выравнивает дрейф фона. Вместе эти шаги позволяют ярче проявиться скрытым признакам влажности.

Преобразование световых паттернов в числа влажности

Имея очищенные спектры, исследователи использовали статистический метод, известный как частичная наименьших квадратов (PLS-регрессия), чтобы связать световые паттерны с фактической влажностью, измеренной сушкой в печи. Они обнаружили, что для древесных остатков сочетание SNV и фильтра Савицкого–Голея обеспечивало наилучшие результаты: предсказанные значения близко соответствовали реальным уровням влажности. Сладкое сорго, со своей более сложной структурой и сахаристым составом, оказалось моделировать сложнее, но показало всё же приемлемую точность. Важно, что качество моделей оставалось довольно стабильным даже при увеличении содержания почвы от 0 до 30%, что указывает на то, что методы предварительной обработки успешно снизили разрушающее влияние грязи. Когда данные группировали по известному уровню почвенного загрязнения, точность ещё улучшалась, что говорит о том, что учёт информации о загрязнении может уточнить прогнозы.

Что это значит для практического использования биомассы

Исследование показывает, что ближняя инфракрасная спектроскопия в сочетании с продуманной очисткой данных может быстро и неразрушающе оценивать влажность в древесной биомассе, загрязнённой почвой. Для операторов, работающих с лесными остатками или энергокультурами, это может означать проверку качества поступающих грузов за секунды вместо часов, что помогает предотвратить порчу, повысить эффективность сгорания и снизить риски безопасности. Метод пока не идеален: ему трудно точно определить количество почвы, и испытания проводились только с одним типом почвы и в лабораторных условиях. Тем не менее результаты указывают на перспективу практических портативных или он‑лайн NIR‑устройств, которые могли бы в реальном времени контролировать влажность по всей цепочке поставок биомассы, делая твердые возобновляемые топлива более надёжными и эффективными.

Цитирование: 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

Ключевые слова: ближняя инфракрасная спектроскопия, влажность биомассы, древесные остатки, загрязнение почвой, биоэнергетика