木材识别与鉴定技术研究综述

张洁　袁鹏飞　李君

摘 要： 在查阅大量文献的基础上，介绍木材识别时的术语、木材识别辅助工具和软件、各种木材识别方法及其优缺点，包括传统木材识别、近红外光谱技术、 气质联用技术、DNA法、稳定同位素法以及基于计算机视觉的识别方法，总结木材识别理念的研究现状。

关键词： 木材识别方法；研究现状；优缺点

中图分类号：S781.1 文献标识码：A 文章编号：1004-3020（2015）02-0030-06

木材识别是以木材的构造特征为依据，对木材的树种进行识别。树种不同，其内部的构造特征不同，它的用途也不同。正确识别木材的树种，可以帮助更好地达到适材适用、物尽其用；中国地大物博，树种资源丰富，对每一个树种进行识别是一项浩大的工程，但识别意义却重大而深远，不仅体现在合理用材方面，在木材供应方面也显得极为重要；木材树种不同，价格也不同，使木材在市场流通中做到真材实料按质论价，防止非法木材交易和交易欺诈行为，对于木材家装产业、木材家具特别是红木家具产业的健康发展意义重大。基于此，国内外很多学者都一直致力于木材识别方法研究[1]。

1 木材传统识别方法及检索手段

1.1 识别方法

1.1.1 宏观特征识别

木材的宏观特征识别是指通过肉眼或者放大镜观察宏观解剖特征及表观特征。木材的心材、生长轮、管孔大小、轴向薄壁组织与木射线的大小及排列方式，是常用的识别特征。同时，结合色泽、纹理、气味、物理性质等进行综合判断。

宏观识别方法简单易行，在木材加工生产和流通现场及海关和质检等质检现场中只能采用这种方法。但对难以区分的不常见树种或者是部分进口的热带木材，此方法只能识别到类。

1.1.2 解剖特征识别

解剖特征识别是指将厚度为15～20 μm的横、径和弦切面的切片，经染色、脱水等程序制成切片，置于光学显微镜下，观察各类组织与细胞的形态与排列。该方法涉及的识别特征较多，极大地提高识别的准确性，但识别过程相对复杂。为保证木材识别的准确性，通常是将宏观识别与微观识别相结合，并与已知的标本木材切片相比对，或者是与国家标准相比对。该方法是目前应用最多，也是最成熟的木材识别方法。但是操作过程复杂，鉴别时间较长，需要一定的制作切片的技术和观察组织的本领，从样品上取样时，特别是从红木家具或红木艺术品上取样，往往会给样品造成不同程度的破坏。

1.2 检索手段

1.2.1 对分式检索表法

对分式检索表法是指运用对分法原理，将木材构造特征进行有无对比，以互相排斥为条件，循序渐进，逐渐缩小范围，最后划分出每个树种来编制[1]。成俊卿等编著的《中国木材志》就是利用对分式检索表进行树种检索。对分式检索表编制方法简单，成本低，携带方便，在树种不多的情况下十分实用。但是检索表修改时比较麻烦，甚至需要重新编制；需要按照检索表的顺序依次进行；树种较多时，使用起来不方便。

1.2.2 穿孔卡式检索表法

穿孔卡式检索表法是把木材的全部识别特征排列在一张卡片周围，并在每一特征上方打一小孔，将该种木材所具有的特征上方的小孔剪成“U”形缺口，同时将每张卡片上的左上角剪去，使所有卡片特征顺序对齐。该方法可随时增减树种或修改木材的特征，不会影响整体工作；可以按标本的任何显著特征进行检索，不需要固定的顺序；制作成本低。但是由于卡片多，携带不便且卡片容易损坏。

1.2.3 数据库查询系统

用计算机系统软件查询木材，结合了对分式检索表和穿孔卡式检索表的优点，充分利用计算机高速处理数据的特性。采用数据文件或数据库形式组织、管理树种名称及构造特征数据，以能够容纳大量信息的磁盘为存贮介质，在工作效率和功能齐全性方面均优于原有的检索表方式，体现计算机快速、准确、灵活、方便、综合管理功能强、检索方法多等特点[2]。

中国在木材数据库检索系统方面的研究起步较晚，从20世纪80年代开始，取得丰硕的成果。1992年刘鹏等建立的东南亚阔叶树材数据库查询系统共包含201种东南亚阔叶树材[3]；1995年程放等在收集、整理中国木材科学领域研究成果和实验数据的基础上，建立大型木材科学综合信息数据查询应用软件包，系统收录包括木材解剖识别在内的12个专项子数据库[4]；1998年广西大学的徐峰教授开发中国和东南亚1 000种木材图像计算机查询系统，创新性的加入图像核对板块，以木材图像作为主要的木材识别依据，图文并茂，使检验结果更直观、准确，为今后木材数据库检索系统的创建打下基础[5]；2000年王艳君等在建立的拉丁美洲热带木材树种数据库查询系统中，共收录200种拉丁美洲热带木材、600幅木材解剖图片，为了解与认识、开发与利用拉丁美洲木材资源提供了1个有效的工具[6]；2003年中国林科院木材工业研究所建立红木和红木家具网络鉴定平台，为广大的消费者和从事本专业的科研人员提供很好的交流与分享平台[7]；2007年叶丽建立基于Web的世界主要商用木材信息查询系统，实现按木材名称、木材宏观特征、木材微观特征、木材物理力学性质等各类属性特征，关键字和多关键字的计算机查询检索功能[8]；2013年孙书冬等建立基于Visual Basic的木材识别系统，该系统包含208种进口或国产常见商品材，在数据库检索功能的基础上，兼具图像处理技术，以期辅助木材树种准确识别及提高识别速度[9]。

目前，各种木材数据库检索查询系统已建立，树种信息以及木材特征信息得到有效的分类和保存。然而基于操作者主观描述的数据库查询系统仍然是一种专家鉴定系统，对鉴定者有较高的专业水平要求，非专业人员使用起来还是有一定的困难。

2 基于计算机数字图像处理技术的识别方法

木材图像在计算机中的显示是一种创新，借助生物显微镜把木材切片的图像反映到计算机上，再利用计算机上的自动识别程序，即通过木材解剖图像自动识别木材，把图像的显示纳入计算机自动的检索系统中。

2.1 图像语义特征

语义特征包括木材的各种不同组织细胞，如导管、轴向薄壁组织、早材、晚材、木射线和树脂道等。主要集中在对导管细胞形态的研究，对其他诸如轴向薄壁组织、木射线等的研究较少，而这些特征在传统识别方法中具有特别重要的意义。王锋等在传统木材识别传统方法基础上，应用语义学原理对木材识别特征进行聚类分析，提高木材识别智能化程度，该方法快递，准确，具有较强的模糊识别能力[10]。

2.2 图像纹理特征

木材纹理特征是从宏观角度观察木材，包括木材的颜色、组织特征、纹理、灰度等。基于图像纹理特征最大相似性的木材树种检索识别较易实现，是一种值得发展和进一步研究的方法。常用的纹理特征提取方法有结构法、统计法和模型法。日本京都大学的增田稔博士开创木材纹理研究的先河[11]，白雪冰等利用灰度共生矩阵参数对木材表面纹理特征进行描述，并据此实现对木材表面纹理分类[12]。东北林业大学的于海峰等在研究木材纹理物理量的基础上，借助数字图像处理技术和纹理算法实现对木材纹理的定量化分析，并利用木材纹理特征最大相似性实现了木材树种检索识别[13-16]。王亚超重点研究了第二代小波变换的阀值去早方法，探索了木材图像纹理的频域特征参数，并利用这些参数比较了针叶树材和阔叶树材木材纹理的统计差异[17]。

2.3 板材材种识别方法

工业化的木材识别要求无损、快速、方便和准确。但以上木材识别技术工作都离不开木材切片的制作，这就严重妨碍板材识别方法的工业化。基于微观细胞数字理论方法的研究摒弃了传统切片制造工艺，使板材识别方法的工业化成为可能。图像处理技术的发展为微观细胞数字化理论的研究提供了技术支持。东北林业大学的马岩教授对细胞系统数学模型进行研究[18]。在此基础上，任洪娥等提出基于数字图像处理技术提取出细胞数字特征参数，并利用计算机统计出理想的数学模型，采用合理的判别算法对材种进行识别，即基于板材端面细胞实体检测图像的数字特征参数的板材材种识别方法[19，20]。

基于计算机数字图像处理技术的识别方法识别时比较的是数字参数，而不是传统的像素点特征，存储空间极小，从而大幅度地加快了识别和比较的速度。这种方法克服了传统识别和检索识别方法按照人的主观描述特征的缺点，它具有客观、准确、高效的特点。

3 基于化学成分及基因测序的木材识别技术

3.1 近红外光谱技术

近红外光谱技术是指波长在780～2 500 nm范围内的电磁波，是一种新型无损独立的检测分析技术，在定性和定量分析领域应用广泛。近红外光谱技术在木材识别中的研究较多。主要包括近红外光谱技术对不同产地来源的木材进行识别[21，22]、外观相似的木材识别[23]、同一树种不同部位的识别[24]、同属的几种木材识别[25]、通过物理或化学处理后的木材识别[26，27]。国内中国林科院木材工业研究所的研究最为突出，2003年木工所申请了红木NIR识别专利；杨忠、江泽慧、吕斌等利用近红外光谱技术并结合主成分分析方法对八类红木的近红外光谱进行分析，结果表明近红外光谱与红木色度学参数之间的相关性很高，可以很好地区分开八类红木[28]；杨忠等利用近红外光谱技术对一种针叶树（杉木）和一种阔叶树（桉树）分别采集其近红外漫反射光谱，结合偏最小二乘判别分析法建立的识别模型对未知样品的识别率很高，说明NIR技术可以快速、准确识别针叶材和阔叶材[29]；刘亚娜探讨影响木材识别模型稳定性和可靠性的因素，建立木材近红外光谱识别模型的标准化要求，并对基于近红外光谱技术的木材识别机理进行探讨[30]。中南林业科技大学的罗莎等论述近红外光谱技术预测木材纤维素结晶度、木材微纤丝角和纤维形态等木材解剖特征中的研究现状，以期将近红外光谱技术预测木材解剖特征与木材树种识别更加有效地结合起来[31]。首都师范大学的马明宇等利用人工神经网络建立了NIR树种识别模型[32]。

近红外光谱技术作为一种先进的检测技术，具有无损、快速、操作简便等优点；样品的形态可以是多样的，如固态、液态或粉末；无需对样品进行化学或物理的预处理；分辨率高、光通量大、偏振特性小；对样品进行1次光谱采集，就能确定样品的某一项或多项性质指标，无需多次采集数据，省时省力[33]；在近红外光谱区分析是一种安全分析，不会对人体造成危害；实验过程无需化学试剂，对样品或环境不会造成污染，是一种绿色分析。但近红外光谱所在的谱区也具有谱带宽、谱带重叠严重、吸收强度较低、需要依靠计算机技术及化学计量学提取信息等缺点，容易受到外界条件、测量条件的影响。

3.2 气质联用技术

色谱的定性、定结构能力较差，通常只是利用各组份的保留特性来定性，这在组份完全未知情况下进行定性分析就更加困难了。随着一些定性和定结构的分析手段如质谱、红外光谱、紫外光谱、核磁共振波普等级数的发展，确定1个纯组分及其结构如何已是一件比较容易的事。

色谱一质谱联用仪是开发最早的色谱联用仪器，发展最完善，应用最广泛，由于从气相色谱柱分离后的样品呈气态，流动相也是气体，与质谱的进样的要求相匹配，最容易将这两种仪器联用。在所有联用技术中气质联用，即GC-MS发展最完善，应用最广泛，目前有机分析实验几乎都把GC-MS作为主要的定性手段之一，在很多情况下又用GC-MS进行定量分析。戚江晨等利用GC-MS技术从赤桉木材的苯醇提取液中鉴定出了100余种物质，用于分析抽提物对桉树木材改性、胶合、涂饰等加工性能的影响[34]；粟本超等利用GC-MS技术对广西柳州产马尾松和湿地松松针挥发油进行分析，分别得到96种和133种成分[35]。

国内外利用GC-MS技术对木材种类进行的研究较少。例如：周佳璐等采用GC-MS技术对不同产地的柚木、重蚁木、松木和杉木样品的抽提液进行分析，得出不同类木材的总离子流图差别非常明显，而同类木材总离子流图基本相同[39]；罗莎等利用FTIR及GC-MS技术对四种红木的有机溶剂抽提物进行分析，建立各木材FTIR与GC-MS指纹图谱，并探索指纹图谱信息对木材分类与鉴定的作用[40]；朱涛等利用气质联用技术，采用苯醇抽提和顶空直接导入两种不同进样方式，对9种红木样品进行分析，并建立各木材的指纹图谱[41]。

该方法取样量少、方便快捷、无形状尺寸要求，而且对操作人员要求较低，识别工作效率高，得出的总离子流图分离度较好。但是GC-MS技术需要将木材样品进行有机溶剂抽提，前期准备工作比较繁琐，而且实验精密度要求较高，样品采集过程易污染；抽提物受木材产地、树龄、采伐季节、存放时间、运输方式等不确定因素影响，对木材样品的要求高；现阶段，基于GC-MS构建的指纹图谱应用于木材鉴定的研究仍处于起步阶段，其准确性和可重复性人需要大量的实验进行验证。除了完善现有色谱质谱技术外，还需要更加充分的利用现有的分析技术。如何更好的借鉴与比对现有研究成果，建立多维指纹图谱，多角度全面挖掘图谱信息，是今后研究和发展的方向。

3.3 DNA条形码识别

由于木材的树种和产地不同其DNA也不同，反过来可以利用DNA技术来鉴定树种。采用电泳的方法将DNA提取出来，将提取出来的DNA片段进行扩增，进行纯化处理后选择适当浓度的模板DNA，并进行DNA重复性试验，序列测定分析及提交结果到数据库。DNA条形码识别技术是利用短的DNA片段对树种进行识别与鉴定的新的生物分子技术，就像超市条形码识别物品一样，利用A、T、C和G 4个碱基在基因中的排列顺序来识别物种[42]。

DNA条形码技术在动物物种鉴别中得到了成熟的应用，在植物中的应用也正在积极的展开。目前为止，已有很多学者通过单一片段或多组合片段DNA条形码对植物物种进行分类鉴定[43，44]、对木材进行分类鉴定[45，46]以及古木的研究发展[47]。Jiao Lichao等证明使用Qiagen kit protocol比使用传统CTAB提取出更多高质量的DNA，并且由于受干燥工艺的影响，木材中的DNA的数量要明显低于新鲜木材中的数量[48]。Lee Hong Tnah等认为从木材的形成层和边材提取DNA的效率要高于心材部分；与核基因组相比，叶绿体基因组具有更高的扩增成功率；经过热处理的木材只有叶绿体基因组才能被提取出来[49]。利用单一片段实现对所有物种的分类鉴定几乎是不可能的，但根据现有结果分析出的片段组合还不能满足现有DNA条形码标准，仍然需要大量的实验来验证其分类鉴别能力[43]。

优点：利用小块儿生物体组织进行鉴别；能够在生物的不同生长阶段鉴别物种；准确地辨别形态相似度很高的物种；降低鉴别的模糊性；鉴别过程迅速快捷，且只需要简单的培训就可以掌握[50]；获取信息量大；精确度高。缺点：DNA技术在立木组织（叶绿素、线粒体等）中的研究较多，在木质部提取困难，而且降解严重；在寻找不同目的基因的过程是繁琐和困难的，仍需要进行大量的科学试验，以得到更多重要树种和木材的DNA条形码信息。

3.4 稳定同位素分析技术

稳定同位素分析技术是指木材中一些稳定同位素（C、H、P、N、S）的比率在不同地理区域是唯一的，故依此可推断木材的原产地。

据殷亚方介绍，木材中的D/H比率可以跟踪木材的产地，而同时利用D/H和18O/16O将能提高识别的准确性，开发利用N或S等其他元素的技术也得到新进展[51]。Agroisolab Gmbh实验室的研究人员对来自不同国家的233个产地1 651个样本进行萃取研究，表明根据木材有机物中氢的D/H比值，可以获知原产地。Y.Gori等发现在整个木材和纤维素组分的各同位素比值之间（13C/12C、2H/1H、18O/16O）具有显著的相关性，据此也可以跟踪木材的原产地[52]。Keppler F利用稳定同位素H的比率测得了木材的地理起源，并得出利用该方法可以很明显的将来自北部森林的和热带地区的木材区别开来[53]。2007年在德国召开的国际研讨会《指纹识别方法识别木材起源》中，Boner M等分别测定北欧1 651个树种和东南亚487个树种D/H和18O/16O比率的变化情况，以此来跟踪木材的产地，同时他还提出使用87Sr/86Sr比率也能追踪木材原产地[54]。该技术拓宽木材识别的范围，提高识别精度，但该方法需要大量的实验和样本采集，对样本具体来源有更高要求。今后应从木材中分离不同的纯物质，增加其他同位素对的测定，进一步改进测试技术和方法，开展大规模的实验。

4 结语

木材传统识别是目前大多数检验机构采用的方法，也是发展最成熟的识别方法，在未来很长一段时间仍然会占据主导地位。在实际工作中，掌握木材识别与鉴定的基本方法也是木材检验人员一项重要的基本技能。但是传统识别方法鉴定准确度难以得到保证，而且取样量大，对木制品特别是红木产品样品破坏大，采取与现代科技结合，且简便、高效、微损的方法来鉴别木材显得迫在眉睫。与此同时，近红外光谱技术、气质联用技术、DNA技术、稳定同位素技术以及基于计算机数字图像处理技术快速发展，拓宽了木材识别范围，并提高了精度，是非常值得研究和利用的新技术。我国在此方面，应尽快展开此方面的研究，更快的实现新技术的工业化应用，以更好的为森林保护和木材工业的发展做出贡献。

参考文献

[1]汪杭军，张广群，祁亨年，等.木材识别方法研究综述[J].浙江林学院学报，2009，26（6）：896-902.

[2]任洪娥，高洁，马岩.我国木材材种识别技术的新进展[J].木材加工机械，2007，（04）：38-41.

[3]刘鹏，程放.东南亚阔叶树材数据库查询系统[J].林业科学，1992，28（5）：480-484.

[4]程放，王艳君，陆熙娴.木材综合信息数据库查询系统的研究[J].木材工业，1995，（04）：16-19.

[5]徐峰.中国和东南亚1000种木材图象计算机查询系统[J].四川农业大学学报，1998，16（1）：181.

[6]王艳君，程放.拉丁美洲热带木材树种数据库查询系统[J].木材工业，2000，14（2）：31-32.

[7]陈勇平，周玉成，姜笑梅.红木识别鉴定平台的设计与实现[J].人造板通讯，2004，11（10）：12-15.

[8]叶丽.基于Web的世界主要商用木材信息查询系统的研究[D].南京：南京林业大学，2007.

[9]孙书冬，甘雪菲，霍丽平，等.基于Visual Basic的木材识别系统[J].木材工业，2013（05）：21-25.

[10]汪杭军.基于纹理的木材图像识别方法研究[D].合肥：中国科学技术大学，2013.

[11]贾潇然，刘迎涛.木材树种管理检索系统研究现状与发展趋势[J].西南林学院学报，2009，29（6）：77-81.

[12]白雪冰，王克奇，王辉.基于灰度共生矩阵的木材纹理分类方法的研究[J].哈尔滨工业大学学报，2005，37（12）：1667-1670.

[13]董君伟，于海鹏，刘一星.木材纹理物理量的分析与定义[C]：中国林学会木材科学分会第十次学术研讨会论文集，2005.

[14]于海鹏，刘一星，刘镇波.木材纹理的定量化算法探究[J].福建林学院学报，2005，25（2）：157-162.

[15]于海鹏，刘一星，刘镇波.基于图像纹理特征的木材树种识别[J].林业科学，2007，43（4）：77-81.

[16]于海鹏，刘一星，刘镇波.应用数字图像处理技术实现木材纹理特征检测[J].计算机应用研究，2007，24（4）：173-175.

[17]王亚超.基于小波变换的木材图像处理技术研究[D].内蒙古：内蒙古农业大学，2013.

[18]任洪娥，高洁，马岩.我国木材材种识别技术的新进展[J].木材加工机械，2007，18（4）：38-41.

[19]任洪娥.板材端面细胞实体检测图像的切片化处理研究[J].林业机械与木工设备，2006，34（3）：26-28.

[20]高洁，任洪娥，马岩.基于细胞数字特征的板材材种识别技术[J].林业机械与木工设备，2006，34（1）：39-41.

[21]Rana R， Müller G， Naumann A， et al. FTIR spectroscopy in combination with principal component analysis or cluster analysis as a tool to distinguish beech （Fagus sylvatica L.） trees grown at different sites[J]. Holzforschung， 2008，62（5）： 530-538.

[22]Sandak A， Sandak J， Negri M. Relationship between near-infrared （NIR） spectra and the geographical provenance of timber[J]. Wood Science and Technology， 2011，45（1）：35-48.

[23]Flaete P O， Haartveit E Y， K V. Near-infrared Spectroscopy with Multivariate Statistical Modelling as a Tool for Differentiation of Wood from Tree Species with Similar Appearance[J]. New Zealand Journal Of Forestry Science， 2006，36（2）：382-392.

[24]Sandberg K， Sterley M. Separating Norway spruce heartwood and sapwood in dried condition with near-infrared spectroscopy and multivariate data analysis[J]. European Journal of Forest Research， 2009，128（5）：475-481.

[25]Cooper P A， Jeremic D， Radivojevic S， et al. Potential of near-infrared spectroscopy to characterize wood products[J]. Canadian Journal of Forest Research， 2011，41（11）：2150-2157.

[26]Schwanninger M， Hinterstoisser B， Gierlinger N， et al. Application of Fourier Transform Near Infrared Spectroscopy （FT-NIR） to thermally modified wood[J]. Holz als Roh- und Werkstoff， 2004，62：483-485.

[27]Bchle H， Zimmer B， Wegener G. Classification of thermally modified wood by FT-NIR spectroscopy and SIMCA[J]. Wood Science and Technology， 2012，46（6）：1181-1192.

[28]杨忠， 江泽慧，吕斌.红木的近红外光谱分析[J].光谱学与光谱分析，2012，32（9）：2405-2408.

[29]杨忠，吕斌，黄安民，等.近红外光谱技术快速识别针叶材和阔叶材的研究[J].光谱学与光谱分析，2012，32（7）：1785-1789.

[30]刘亚娜.基于近红外光谱技术的木材识别初步研究[D].北京：中国林业科学研究院，2014.

[31]罗莎，吴义强，刘元，等.近红外光谱技术在木材解剖特征预测中的研究进展[J].中南林业科技大学学报，2012，32（1）：37-42.

[32]马明宇，王桂芸，黄安民，等.人工神经网络结合近红外光谱用于木材树种识别[J].光谱学与光谱分析，2012，（09）：2377-2381.

[33]张慧娟.基于近红外光谱的落叶松含碳量预测分析[D].哈尔滨：东北林业大学，2013.

[34]戚江晨.人工林赤桉木材抽提物特性与胶合微扰机理研究[D].株洲：中南林业科技大学，2011.

[35]粟本超，谢济运，陈小鹏，等.广西柳州产马尾松和湿地松松针挥发油的GC-MS分析[J].质谱学报，2008，29（2）：257-260.

[36]周佳璐，丛培盛，汤桂林，等.用气质联用技术对木材进行分类和鉴别[J].建筑材料学报，2006，9（1）：36-40.

[37]罗莎.四种红木抽提物的FTIR与GC--MS指纹图谱鉴别研究[D].株洲：中南林业科技大学，2013.

[38]朱涛.基于GC-MS技术不同进样方式的红木识别研究及其指纹图谱构建[D].合肥：安徽农业大学，2013.

[39]闫化学，于杰.DNA条形码技术在植物中的研究现状[J].植物学报，2010，（1）：102-108.

[40]刘宇婧，刘越，黄耀江，等.植物DNA条形码技术的发展及应用[J].植物资源与环境学报，2011，20（1）：74-82.

[41]Ohyama M， Baba K， Itoh T. Wood identification of Japanese Cyclobalanopsis species （Fagaceae） based on DNA polymorphism of the intergenic spacer between trnT and trnL 5'exon[J]. The Japan Wood Research Society， 2001，（47）：81-86.

[42]Asif M J， Cannon C H. DNA Extraction From Processed Wood： A Case Study for the Identification of an Endangered Timber Species （Gonystylus bancanus）.[J]. Plant Molecular Biology Reporter， 2005，23（2）：185-192.

[43]Michael Hltken A， Schrder H， Wischnewski N， et al. Development of DNA-based methods to identify CITES-protected timber species： a case study in the Meliaceae family[J]. Holzforschung， 2012，66（1）：97-104.

[44]Gugerli F， Parducci L， Petit R J. Ancient plant DNA： review and prospects[J]. New Phytologist， 2005，166（2）：409-418.

[45]Jiao L， Yin Y， Xiao F， et al. Comparative analysis of two DNA extraction protocols from fresh and dried wood[J]. Iawa Journal， 2012，4（33）：441-456.

[46]Tnah L H， Lee S L， Ng K K S， et al. DNA extraction from dry wood of Neobalanocarpus heimii（Dipterocarpaceaefor forensic DNA profiling and timber tracking[J]. Journal of the International Academy of Wood Science， 2011，46：813-825.

[47]彭居俐，王绪桢，何舜平.DNA条形码技术的研究进展及其应用[J].水生生物学报，2008，32（6）：916-919.

[48]张锋.稳定同位素——能鉴定红木产地木材原产地识别技术有新突破[J].市场与产业.2012，12：70-71.

[49]Gori Y， Wehrens R， Greule M， et al. Carbon， hydrogen and oxygen stable isotope ratios of whole wood， cellulose and lignin methoxyl groups of[J]. Rapid Communications in Mass Spectrometry， 2013，27（1）：265-275.

[50]Keppler F， Harper D B， Kalin R M， et al. Stable hydrogen isotope ratios of lignin methoxyl groups as a paleoclimate proxy and constraint of the geographical origin of wood[J]. New Phytologist， 2007，176（3）：600-609.

[51]M B， T S， C E. Stable isotopes as a tool to trace back the origin of wood[C] Proceedings of the international workshop "Fingerprinting methods for the identification of timber origin"， Germany， 2007：47-57.

（责任编辑：郑京津）