Identificación de patrones de reflectancia espectral y colorimétricos en madera seca de Peltogyne purpurea Pittier

Contenido principal del artículo

Juan Carlos Valverde
Dagoberto Arias Aguilar
Kevin Arias
Marvin Castillo
Cornelia Miller
Heileen Aguilar
Daniel Flores

Resumen

Se determinaron lo patrones hiperespectrales y colorimétricos a partir de aspectos anatómicos y físicos para la caracterización de la madera seca de Peltogyne purpurea Pittier, procedente de árboles de bosque natural. Se tomó una muestra de 24 discos de madera de P. purpurea y se caracterizaron anatómicamente (densidad y diámetro de vasos, porcentaje de vasos solitarios), densidad madera, color (CIELab) y reflectancia hiperespectral en el rango de 310 a 1 100 nm en la madera seca, tanto en la sección de la albura como del duramen. Se encontraron diferencias significativas a nivel anatómico entre albura y duramen; encontrando una presencia mayor de vasos solitarios en albura (34,28 %) pero con una densidad de vasos de 27,07 poros mm-2 y diámetro de 148,53 ìm. En el análisis de la colorimetría, la luminosidad y b* (amarillamiento) fue mayor en albura, pero con valores significativamente menores en a* (enrojecido), generando con ello que la diferencia del color sea total (superior a 14,55). En cuanto la reflectancia se encontraron tres puntos de diferenciación significativa entre ambas secciones, que fueron a los 460, 580 y 1 020 nm; al correlacionar estos tres segmentos no se encontró correlación alguna con los aspectos anatómicos, pero sí con la densidad de la madera (superiores a 0,69), a nivel de color no se encontraron relaciones con el parámetro de color L* (luminosidad), mientras que a* solo mostró correlaciones inversas a los 580 nm y lineales con b* a 580 nm. En este estudio no se encontraron relaciones colorimétricas con aspectos anatómicos.

Descargas

Los datos de descargas todavía no están disponibles.

Detalles del artículo

Cómo citar
Valverde, J. C., Arias Aguilar, D., Arias, K., Castillo, M., Miller, C., Aguilar, H., & Flores, D. (2020). Identificación de patrones de reflectancia espectral y colorimétricos en madera seca de Peltogyne purpurea Pittier. Revista Cubana De Ciencias Forestales, 8(2), 262–281. Recuperado a partir de https://cfores.upr.edu.cu/index.php/cfores/article/view/589
Sección
Artículos científicos

Citas

AFFONSO, C., ROSSI, A.L.D., VIEIRA, F.H.A. y DE CARVALHO, A.C.P. de L.F., (2017). Deep learning for biological image classification. Expert Systems with Applications [en línea], vol. 85, pp. 114-122. [Consulta: 13 mayo 2020]. ISSN 0957-4174. DOI 10.1016/j.eswa.2017.05.039. Disponible en: http://www.sciencedirect.com/science/article/pii/S0957417417303627.

BAIANO, A., (2017). Applications of hyperspectral imaging for quality assessment of liquid based and semi-liquid food products: A review. Journal of Food Engineering [en línea], vol. 214, pp. 10-15. [Consulta: 13 mayo 2020]. ISSN 0260-8774. DOI 10.1016/j.jfoodeng.2017.06.012. Disponible en: http://www.sciencedirect.com/science/article/pii/S0260877417302546.

BONIFAZI, G., CALIENNO, L., CAPOBIANCO, G., LO MONACO, A., PELOSI, C., PICCHIO, R. y SERRANTI, S., (2015). Modeling color and chemical changes on normal and red heart beech wood by reflectance spectrophotometry, Fourier Transform Infrared spectroscopy and hyperspectral imaging. Polymer Degradation and Stability [en línea], vol. 113, pp. 10-21. [Consulta: 13 mayo 2020]. ISSN 0141-3910. DOI 10.1016/j.polymdegradstab.2015.01.001. Disponible en: http://www.sciencedirect.com/science/article/pii/S0141391015000129.

CAO, X., GE, Y., LI, R., ZHAO, J. y JIAO, L., (2019). Hyperspectral imagery classification with deep metric learning. Neurocomputing [en línea], vol. 356, pp. 217-227. [Consulta: 13 mayo 2020]. ISSN 0925-2312. DOI 10.1016/j.neucom.2019.05.019. Disponible en: http://www.sciencedirect.com/science/article/pii/S0925231219306800.

CAREVIÆ, I., SERDAR, M., ŠTIRMER, N. y UKRAINCZYK, N., (2019). Preliminary screening of wood biomass ashes for partial resources replacements in cementitious materials. Journal of Cleaner Production [en línea], vol. 229, pp. 1045-1064. [Consulta: 13 mayo 2020]. ISSN 0959-6526. DOI 10.1016/j.jclepro.2019.04.321. Disponible en: http://www.sciencedirect.com/science/article/pii/S0959652619314180.

CESPRINI, E., RESENTE, G., CAUSIN, V., URSO, T., CAVALLI, R. y ZANETTI, M., (2020). Energy recovery of glued wood waste A review. Fuel [en línea], vol. 262, pp. 116520. [Consulta: 13 mayo 2020]. ISSN 0016-2361. DOI 10.1016/j.fuel.2019.116520. Disponible en: http://www.sciencedirect.com/science/article/pii/S0016236119318745.

CHI, G., MA, J., SHI, Y. y CHEN, X., (2016). Hyperspectral remote sensing of cyanobacterial pigments as indicators of the iron nutritional status of cyanobacteria-dominant algal blooms in eutrophic lakes. Ecological Indicators [en línea], vol. 71, pp. 609-617. [Consulta: 13 mayo 2020]. ISSN 1470-160X. DOI 10.1016/j.ecolind.2016.06.014. Disponible en: http://www.sciencedirect.com/science/article/pii/S1470160X16303144.

COLARES, C.J.G., PASTORE, T.C.M., CORADIN, V.T.R., MARQUES, L.F., MOREIRA, A.C.O., ALEXANDRINO, G.L., POPPI, R.J. y BRAGA, J.W.B., (2016). Near infrared hyperspectral imaging and MCR-ALS applied for mapping chemical composition of the wood specie Swietenia Macrophylla King (Mahogany) at microscopic level. Microchemical Journal [en línea], vol. 124, pp. 356-363. [Consulta: 13 mayo 2020]. ISSN 0026-265X. DOI 10.1016/j.microc.2015.09.022. Disponible en: http://www.sciencedirect.com/science/article/pii/S0026265X15002234.

DE SOUSA FERNANDES, D.D., DE ALMEIDA, V.E., FONTES, M.M., DE ARAÚJO, M.C.U., VÉRAS, G. y DINIZ, P.H.G.D., (2019). Simultaneous identification of the wood types in aged cachaças and their adulterations with wood extracts using digital images and SPA-LDA. Food Chemistry [en línea], vol. 273, pp. 77-84. [Consulta: 13 mayo 2020]. ISSN 0308-8146. DOI 10.1016/j.foodchem.2018.02.035. Disponible en: http://www.sciencedirect.com/science/article/pii/S0308814618302620.

FENG, Y., JIANLONG, L., XIAOYU, G., YURONG, Q., XIAOLING, W. y QI, Y., (2010). Assessing nutritional status of Festuca arundinacea by monitoring photosynthetic pigments from hyperspectral data. Computers and Electronics in Agriculture [en línea], vol. 70, no. 1, pp. 52-59. [Consulta: 13 mayo 2020]. ISSN 0168-1699. DOI 10.1016/j.compag.2009.08.010. Disponible en: https://europepmc.org/article/agr/ind44306392.

HALL, E.M., BRADY, S.P., MATTHEUS, N.M., EARLEY, R.L., DIAMOND, M. y CRESPI, E.J., (2017). Physiological consequences of exposure to salinized roadside ponds on wood frog larvae and adults. Biological Conservation [en línea], vol. 209, pp. 98-106. [Consulta: 13 mayo 2020]. ISSN 0006-3207. DOI 10.1016/j.biocon.2017.02.013. Disponible en: http://www.sciencedirect.com/science/article/pii/S0006320716304517.

HERRERO-LANGREO, A., SCANNELL, A.G.M. y GOWEN, A., (2020). Chapter 3.5 - Hyperspectral imaging for food-related microbiology applications. En: J.M. AMIGO (ed.), Data Handling in Science and Technology [en línea]. S.l.: Elsevier, Hyperspectral Imaging, pp. 493-522. [Consulta: 13 mayo 2020]. Disponible en: http://www.sciencedirect.com/science/article/pii/B9780444639776000201.

HOLM, S., THEES, O., LEMM, R., OLSCHEWSKI, R. y HILTY, L.M., (2018). An agent-based model of wood markets: Scenario analysis. Forest Policy and Economics [en línea], vol. 95, pp. 26-36. [Consulta: 13 mayo 2020]. ISSN 1389-9341. DOI 10.1016/j.forpol.2018.07.005. Disponible en: http://www.sciencedirect.com/science/article/pii/S138993411830234X.

KIAT, P.E., MALEK, M.A. y SHAMSUDDIN, S.M., (2020). Net carbon stocks change in biomass from wood removal of tropical forests in Sarawak, Malaysia. Journal of King Saud University - Science [en línea], vol. 32, no. 1, pp. 1096-1099. [Consulta: 13 mayo 2020]. ISSN 1018-3647. DOI 10.1016/j.jksus.2019.09.012. Disponible en: http://www.sciencedirect.com/science/article/pii/S1018364719317835.

KNAUF, M., (2016). The wood market balance as a tool for calculating wood use's climate change mitigation effect An example for Germany. Forest Policy and Economics [en línea], vol. 66, pp. 18-21. [Consulta: 13 mayo 2020]. ISSN 1389-9341. DOI 10.1016/j.forpol.2016.02.004. Disponible en: http://www.sciencedirect.com/science/article/pii/S1389934116300156.

KOBAYASHI, K., HWANG, S.-W., OKOCHI, T., LEE, W.-H. y SUGIYAMA, J., (2019). Non-destructive method for wood identification using conventional X-ray computed tomography data. Journal of Cultural Heritage [en línea], vol. 38, pp. 88-93. [Consulta: 13 mayo 2020]. ISSN 1296-2074. DOI 10.1016/j.culher.2019.02.001. Disponible en: http://www.sciencedirect.com/science/article/pii/S1296207418306927.

LI, F., LU, H. y ZHANG, P., (2019). An innovative multi-kernel learning algorithm for hyperspectral classification. Computers & Electrical Engineering [en línea], vol. 79, pp. 106456. [Consulta: 13 mayo 2020]. ISSN 0045-7906. DOI 10.1016/j.compeleceng.2019.106456. Disponible en: http://www.sciencedirect.com/science/article/pii/S0045790619309693.

LIU, Y., ZHOU, S., HAN, W., LIU, W., QIU, Z. y LI, C., (2019). Convolutional neural network for hyperspectral data analysis and effective wavelengths selection. Analytica Chimica Acta [en línea], vol. 1086, pp. 46-54. [Consulta: 13 mayo 2020]. ISSN 0003-2670. DOI 10.1016/j.aca.2019.08.026. Disponible en: http://www.sciencedirect.com/science/article/pii/S0003267019309675.

MACHADO, J.S., PEREIRA, F. y QUILHÓ, T., (2019). Assessment of old timber members: Importance of wood species identification and direct tensile test information. Construction and Building Materials [en línea], vol. 207, pp. 651-660. [Consulta: 13 mayo 2020]. ISSN 0950-0618. DOI 10.1016/j.conbuildmat.2019.02.168. Disponible en: http://www.sciencedirect.com/science/article/pii/S0950061819304635.

MVONDO, R.R.N., MEUKAM, P., JEONG, J., MENESES, D.D.S. y NKENG, E.G., (2017). Influence of water content on the mechanical and chemical properties of tropical wood species. Results in Physics [en línea], vol. 7, pp. 2096-2103. [Consulta: 13 mayo 2020]. ISSN 2211-3797. DOI 10.1016/j.rinp.2017.06.025. Disponible en: http://www.sciencedirect.com/science/article/pii/S2211379717304862.

NABEELA, F., MURAD, W., KHAN, I., MIAN, I.A., REHMAN, H., ADNAN, M. y AZIZULLAH, A., (2015). Effect of wood ash application on the morphological, physiological and biochemical parameters of Brassica napus L. Plant Physiology and Biochemistry [en línea], vol. 95, pp. 15-25. [Consulta: 13 mayo 2020]. ISSN 0981-9428. DOI 10.1016/j.plaphy.2015.06.017. Disponible en: http://www.sciencedirect.com/science/article/pii/S0981942815300462.

POWERS, J.S., BECKNELL, J.M., IRVING, J. y PÈREZ-AVILES, D., (2009). Diversity and structure of regenerating tropical dry forests in Costa Rica: Geographic patterns and environmental drivers. Forest Ecology and Management [en línea], vol. 258, no. 6, pp. 959-970. [Consulta: 13 mayo 2020]. ISSN 0378-1127. DOI 10.1016/j.foreco.2008.10.036. Disponible en: http://www.sciencedirect.com/science/article/pii/S0378112708008165.

PRÄGER, F., PACZKOWSKI, S., SAILER, G., DERKYI, N.S.A. y PELZ, S., (2019). Biomass sources for a sustainable energy supply in Ghana A case study for Sunyani. Renewable and Sustainable Energy Reviews [en línea], vol. 107, pp. 413-424. [Consulta: 13 mayo 2020]. ISSN 1364-0321. DOI 10.1016/j.rser.2019.03.016. Disponible en: http://www.sciencedirect.com/science/article/pii/S1364032119301492.

RUFFINATTO, F., CREMONINI, C., MACCHIONI, N. y ZANUTTINI, R., (2014). Application of reflected light microscopy for non-invasive wood identification of marquetry furniture and small wood carvings. Journal of Cultural Heritage [en línea], vol. 15, no. 6, pp. 614-620. [Consulta: 13 mayo 2020]. ISSN 1296-2074. DOI 10.1016/j.culher.2013.11.013. Disponible en: http://www.sciencedirect.com/science/article/pii/S1296207413002227.

SCHMIDT, C., WESTERMANN, H.-H. y STEINHILPER, R., (2019). An investigation of buzz saw blade cutting forces depending on tool geometry for cutting frozen wood. Procedia Manufacturing [en línea], vol. 33, pp. 778-785. [Consulta: 13 mayo 2020]. ISSN 2351-9789. DOI 10.1016/j.promfg.2019.04.098. Disponible en: http://www.sciencedirect.com/science/article/pii/S2351978919305797.

SCHREINER, B., SONA, B. y LOOS, H., (2018). The smell of wood and its impact on physiological responses. International Journal of Psychophysiology [en línea], pp. 131:S40. [Consulta: 13 mayo 2020]. DOI. 10.1016/j.ijpsycho.2018.07.123. Disponible en: https://www.researchgate.net/publication/328060187_The_smell_of_wood_and_its_impact_on_physiological_responses.

SIMO-TAGNE, M., RÉMOND, R., ROGAUME, Y., ZOULALIAN, A. y BONOMA, B., (2016). Modeling of coupled heat and mass transfer during drying of tropical woods. International Journal of Thermal Sciences [en línea], vol. 109, pp. 299-308. [Consulta: 13 mayo 2020]. ISSN 1290-0729. DOI 10.1016/j.ijthermalsci.2016.06.012. Disponible en: http://www.sciencedirect.com/science/article/pii/S1290072916307232.

TAN, K., WANG, H., CHEN, L., DU, Q., DU, P. y PAN, C., (2020). Estimation of the spatial distribution of heavy metal in agricultural soils using airborne hyperspectral imaging and random forest. Journal of Hazardous Materials [en línea], vol. 382, pp. 120987. [Consulta: 13 mayo 2020]. ISSN 0304-3894. DOI 10.1016/j.jhazmat.2019.120987. Disponible en: http://www.sciencedirect.com/science/article/pii/S0304389419309410.

ULRICI, A., SERRANTI, S., FERRARI, C., CESARE, D., FOCA, G. y BONIFAZI, G., (2013). Efficient chemometric strategies for PETPLA discrimination in recycling plants using hyperspectral imaging. Chemometrics and Intelligent Laboratory Systems [en línea], vol. 122, pp. 31-39. [Consulta: 13 mayo 2020]. ISSN 0169-7439. DOI 10.1016/j.chemolab.2013.01.001. Disponible en: http://www.sciencedirect.com/science/article/pii/S0169743913000129.

WHITAU, R., DILKES-HALL, I.E., DOTTE-SAROUT, E., LANGLEY, M.C., BALME, J. y O'CONNOR, S., (2016). X-ray computed microtomography and the identification of wood taxa selected for archaeological artefact manufacture: Rare examples from Australian contexts. Journal of Archaeological Science: Reports [en línea], vol. 6, pp. 536-546. [Consulta: 13 mayo 2020]. ISSN 2352-409X. DOI 10.1016/j.jasrep.2016.03.021. Disponible en: http://www.sciencedirect.com/science/article/pii/S2352409X1630089X.

WILCZYÑSKI, S., KOPROWSKI, R., MARMION, M., DUDA, P. y B£OÑSKA-FAJFROWSKA, B., (2016). The use of hyperspectral imaging in the VNIR (4001000nm) and SWIR range (10002500nm) for detecting counterfeit drugs with identical API composition. Talanta [en línea], vol. 160, pp. 1-8. [Consulta: 13 mayo 2020]. ISSN 0039-9140. DOI 10.1016/j.talanta.2016.06.057. Disponible en: http://www.sciencedirect.com/science/article/pii/S0039914016304830.

YANG, H., CHAO, W., WANG, S., YU, Q., CAO, G., YANG, T., LIU, F., DI, X., LI, J., WANG, C. y LI, G., (2019). Self-luminous wood composite for both thermal and light energy storage. Energy Storage Materials [en línea], vol. 18, pp. 15-22. [Consulta: 13 mayo 2020]. ISSN 2405-8297. DOI 10.1016/j.ensm.2019.02.005. Disponible en: http://www.sciencedirect.com/science/article/pii/S2405829718313850.