基于我国森林资源的现状、木材供需矛盾的现实以及国家对环境建设的需要，工业人工林的培育和高效利用已成为我国木材供应战略的必然选择。在人工林的培育和高效利用中，需要快速、准确、方便地对人工林木材性质进行无损检测。 近红外光谱技术是一类新型的分析技术，它不是采用传统的研究谱峰归属，再进行定性、定量分析的研究模式，而是随着化学计量学中的多元校正方法，以及现代光学、计算机数据处理技术发展起来的现代分析技术，可以方便、快速、无损地对木材性质进行分析和预测。本论文用近红外光谱分析技术对我国特有人工林树种杉木的微纤丝角、木材密度、力学性质、化学组成进行了预测；结合木材的特性，分析了木材中水分、表面温度、空气湿度、表面粗糙度等对近红外预测木材性质的影响。近红外光谱技术的应用对工业人工林的定向培育以及木材加工生产具有重大的指导意义。 论文阐述了近红外光谱技术分析木材性质的基本原理；对用近红外光谱技术预测杉木微纤丝角、木材密度与水分、力学性质和化学组成进行了系统研究，提出了将近红外光谱技术应用于木材分等的思想；研究了木材中水分、表面温度、空气湿度、表面粗糙度对近红外光谱预测木材性质效果的影响，并提出了减少不利影响的方法和思路。 论文的主要研究结果如下： 1利用近红外光谱技术，可以对杉木木材性质进行快速、准确、无损分析。 (1)利用近红外光谱和X射线衍射法对伐倒木材气干样品和从活立木上采集的生长锥样品的微纤丝角进行了快速测定与分析。实验结果表明：近红外光谱与X射线衍射仪测定的微纤丝角之间具有较强的相关性；校正模型和验证模型的相关系数r都在0.85以上，校正标准误差和预测标准误差比较小。 (2)分别从木材三个切面(横切面、径切面、弦切面)采集的近红外光谱，结合偏最小二乘法，建立了密度的近红外分析模型。结果表明，从木材横切面采集光谱建立的分析模型效果最好，相关系数r为0.93，预测标准误差为0.02g/cm3，可以实现杉木木材密度的快速无损检测。 (3)利用近红外光谱对无疵小试样的力学性质进行了分析。对MOR和MOE，近红外预测模型的相关系数r分别为0.87和0.81，预测标准误差SEP分别为6.97MPa和980MPa。 论文中首次提出了将近红外光谱技术用于木材分等的思想。分别根据MOR预测值和实测值对285个杉木试件进行了分等，正确率为88.07％。这为近红外光谱技术在木材加工中的应用提供了新的思路。 (4)用近红外光谱对杉木中综纤维素和木质素含量进行了快速测定。综纤维素校正模型和验证模型的相关系数r分别为0.97，0.94，校正标准误差SEC为0.35％，预测标准误SEP为0.48％；木质素的校正模型和验证模型的相关系数r分别为0.99、0.90，校正标准误差SEC为0.18％，预测标准误SEP为0.28％。 2水分、温度、湿度和粗糙度对近红外光谱预测木材性质有较大的影响。 (1)水分对近红外光谱预测木材性质有较大的影响。分5个含水率(7％，12％，20％，30％，60％)水平进行了实验和分析。结果表明，当预测样品含水率和校正集样品含水率一致时，预测结果较好；当预测样品含水率和校正集样品含水率不一致时，预测结果较差。最后，提出了减少水分对预测结果不利影响的方法和策略。 (2)样品温度、空气湿度、表面粗糙度对近红外光谱分析木材性质有重要的影响。当预测样品的上述条件和校正集样品的条件一致时，预测结果较好；不一致时，预测结果不理想。 因此，在条件允许的情况下，尽量将分析样品的水分、温度、湿度、粗糙度控制在较小的范围内；在实际建模(野外、室外)时，可以将水分、温度、湿度、粗糙度等条件作为变化因素，建立在一定范围内的稳健分析模型。