Epsilon Archive for Student Projects

Abstract

Den kemiska sammansättningen har en central påverkan på egenskaper och användningsområden för trä. För att kunna uppfylla dagens krav för vedens kemiska sammansättning krävs billiga och effektiva analysmetoder. I denna studie jämfördes prediktionsmodeller för halten av arabinos, galaktos, glukos, mannos, cellulosa, hemicellulosa, lignin och extraktivämnen baserad på data genererat med två metoder av vibrationsspektroskopi, FTIR och Raman. Fem olika borrkärnor av granar (Picea abies), uppdelade i tre regioner, användes som provmaterial. Från dessa skapades tre dataset, FTIR med malt träpulver mixat med kaliumbromid, Raman med rent träpulver och Raman med borrkärnor. Modellerna utarbetades genom att skapa principiella faktorer i programvaran SAS och utvärderades baserat på deras R2 efter att PRESS minimerats. Majoriteten av alla modeller misslyckades med att ta fram ett värde för R2. Av de modeller som skapades presterade FTIR bäst för mannos och lignin, och Raman för arabinos, glukos, xylos, extraktivämnen, cellulosa och hemicellulosa. Varken FTIR eller Raman kunde skapa en modell för galaktos. Ingen av metoderna framstod som entydigt bättre. Förbehandling av data samt val av provmaterial visade sig kunna ha en betydande inverkan på modellens styrka för specifika kemikalier. Bristerna i resultatet tillskrivs främst den begränsade provstorleken. Båda metoderna ansågs dock vara relevanta och intressanta för fortsatta studier, men endast med en större provstorlek.

The chemical composition plays a key role for the properties and applications of wood. In order to meet contemporary demands on the chemical composition of wood, cheap and effective methods of analysis are required. In this study, we compared predictive models for arabinose, galactose, glucose, mannose, cellulose, hemicellulose, lignin and extractives content developed from data generated with two forms of vibrational spectroscopy, FTIR and Raman. Five different wood cores from Norway spruce trees, each one split into three regions, were used as test material. From these, three data sets were created; FTIR with wood powder mixed with sodium bromide, Raman with pure wood powder and Raman with wood cores. The models were developed by creating principal factors in the software SAS, and evaluated based on their R2 after PRESS was minimized. The majority of all developed models did not meet the requirements to calculate R2. Of the models that were created, FTIR had the best performance for mannose and lignin, and Raman for arabinose, glucose, xylose, extractives, cellulose and hemicellulose. Neither FTIR nor Raman managed to create a model for galactose. None of the methods appeared unequivocally superior. The preprocessing of data and sample material of choice proved to greatly affect models for specific chemicals. Deficiencies in the results were mainly attributed to the limited sample size. However, both methods were considered relevant and interesting for continued studies, but only with larger sample sizes.