Хох А.Н, Восканян П.С., Петросян А.А. БИК-спектроскопия с применением хемометрических алгоритмов при проведении судебно-экспертных исследований древесины // Теория и практика судебной экспертизы. 2022. Т. 17. № 3. С. 18–25. https://doi.org/10.30764/1819-2785-2022-3-18-25
Введение
Анализ экспертной практики Республик Беларусь и Армении показывает, что среди объектов растительного происхождения значительный удельный вес составляет древесина. Во многом это объясняется ее распространенностью и практической ценностью. В процессе экспертных исследований чаще всего решаются как чисто классификационные, так и диагностические, а также наиболее сложные идентификационные задачи. В большинстве случаев анализируются макрои микроскопические признаки строения древесины, как внутренне ей присущие, так и приобретенные в связи с расследуемым событием. Вместе с тем иногда одних только ботанических знаний бывает недостаточно, вследствие чего может возникнуть необходимость в применении других, в том числе физико-химических методов.
В последнее время для решения ряда экспертных задач, связанных с исследованием древесины, получили распространение хромато‐масс‐спектрометрические методы. Так, в исследовании E.C. Cabral и др. (2012) применялся метод массспектрометрии со звуковой ионизацией с использованием эффекта Вентури (V-EASIMS), позволяющий отличить свитению крупнолистную (Swietenia macrophylla G. King) от шести других визуально сходных, но таксономически удаленных видов древесины [1, с. 1]. В работе G.C. Kite и др. (2010) использовался метод жидкостной хроматографии с масс-спектрометрией, делающий возможным отличить дальбергию черную (Dalbergia nigra (Vell.) Allemão ex Benth.), подпадающую под действие Конвенции о международной торговле видами дикой фауны и флоры, находящимися под угрозой исчезновения (СИТЭС), от 15 других видов рода дальбергия (Dalbergia L.f.) [2, с. 1122]. Еще одним перспективным методом экспертного исследования древесины является изотопный анализ. В 2011 году Всемирный фонд дикой природы (WWF) опубликовал отчет по проекту, в котором подробно описана способность стабильных изотопов различать географические регионы произрастания тика (Tectona grandis L.f.) и свитении (Swietenia Jacq.), включая такие наиболее известные виды, как Swietenia macrophylla G.King, Swietenia mahagoni (L.) Jacq. и Swietenia humilis Zucc. [3, с. 197]. В работе M. Horacek и др. (2009) исследованы возможности использования стабильных изотопов O18 и C13 для дифференциации лиственницы сибирской и лиственницы европейской. Экспериментально установлено перекрытие профилей C13, однако отсутствие перекрытия для O18 позволяет достоверно отличать данные виды друг от друга [4, с. 3688].
К недостаткам изотопного и хроматомасс-спектрометрических методов анализа прежде всего относятся дороговизна и трудоемкость. Альтернативой им могут стать новые аналитические методы, среди которых следует выделить спектроскопию в ближней инфракрасной области (далее – БИК-спектроскопия), что подтверждается широким охватом научных публикаций. Несомненный интерес представляет работа, выполненная американскими исследователями, по использованию БИК-спектроскопии для дифференциации видов красного (Quercus rubra L.) и белого (Quercus alba L.) дуба на основе мягкого независимого моделирования по аналогии класса (далее – SIMCA) [5, с. 49]. В исследовании C. Lazarescu и др. (2016) с помощью дискриминантного анализа проекций на латентные структуры (далее – PLS-DA) и искусственных нейронных сетей (ANN) проведен сравнительный анализ БИК-спектров десяти существующих (по информации на июль 2016 года энциклопедического интернет-проекта The Plant List) видов рода тсуга (Tsuga (Endl.) Carrière) [6, с. 32].
Несмотря на достаточно широкое распространение физико-химических методов при исследовании древесины за рубежом, эксперты из Белоруссии и Армении делают в этом направлении только первые шаги.
Основная часть (методология, результаты)
В статье изложены результаты совместной экспериментальной работы за период 2021–2022 годов по изучению возможностей метода БИК-спектроскопии при проведении судебно-экспертных исследований древесины; рассмотрены примеры практической реализации метода с целью установления видовой и географической принадлежности древесных пород. Ввиду того, что в БИК-диапазоне нет узких характеристичных полос поглощения (или диффузного отражения), полученные спектры анализировали с использованием хемометрических алгоритмов: формального независимого моделирования аналогий классов (SIMCA) и дискриминантного анализа проекций на латентные структуры (PLS-DA).
Статистическую обработку результатов проводили с использованием пакета программ The Unscrambler X v.10.4.1 (CAMO, США).
Особенности анатомического строения древесины одного вида часто не являются сугубо специфическими. В подобном случае определение только рода не имеет серьезного доказательственного значения, например, при установлении факта фальсификации лесоматериалов путем искажения информации о стране происхождения.
Поэтому алгоритм определения видовой принадлежности методом БИКспектроскопии может быть востребован в экспертной практике. В настоящей работе объектами исследования являлись пиломатериалы диптерикса душистого (Dipteryx odorata (Aubl.) Willd.; Cumaru) – ценной породы древесины, используемой для изготовления мебели и паркета (7 образцов, длина – 1900 мм, ширина – 140 мм, толщина – 20 мм). Страной происхождения была заявлена Венесуэла. Однако по имеющейся предварительной информации предоставленные пиломатериалы относятся к виду диптерикс многолистный (Dipteryx polyphylla Huber; Cumarurana). Требовалось провести сравнительный анализ и подтвердить или опровергнуть данную информацию.
Пробоподготовка образцов заключалась в высушивании последних при температуре 30–35 °C (не более, поскольку даже умеренной термической обработки при 50 °C достаточно для изменения химической структуры древесины) до остаточной влажности не более 7 % и минимизации шероховатости в зоне записи БИК-спектра.
БИК-спектры регистрировались способом, описанным в работе Хох А.Н. и Звягинцева В.Б. (2022) [7, с. 52]. В качестве обучающей выборки выступали БИК-спектры диптерикса душистого (44 шт.) и диптерикса многолистного (40 шт.) из электронной базы, созданной по контрольным образцам древесных пород с разных континентов из ксилотеки кафедры лесозащиты и древесиноведения Белорусского государственного технологического университета и натурной коллекции Научно-практического центра Государственного комитета судебных экспертиз Республики Беларусь, прошедшие проверку подлинности.
Последующие вычисления проводились на производных второго порядка БИКспектров с использованием SIMCA.
Известно, что мягкое независимое моделирование аналогии классов основано на создании классификационной модели методом главных компонент (далее – МГК) для каждого класса в обучающем наборе. В рассматриваемом случае класс 1 – это Cumaru, класс 2 – это Cumarurana. Полученные МГК-модели, определяющие правила классификации, представлены на рисунке 1 (в направлении максимального изменения данных лежит первая главная компонента [далее – ГК-1]).
Рис. 1. МГК-модели: а – диптерикс душистый, б – диптерикс многолистный.
Поскольку метод SIMCA основан на предположении, что у всех объектов в одном классе общие свойства, то при построении классификационной модели учитывались именно эти свойства, а возможные особенности объектов отбрасывались как шум. Поэтому каждый класс из обучающего набора независимо моделировался с помощью МГК с разным числом главных компонент. Затем вычислялось расстояние между классами, а также расстояние от каждого класса до нового объекта. Следует отметить, что построенная на основе SIMCA классификационная модель в пределах обучающей выборки обладала 100%-й точностью предсказаний. Затем 7 образцов пиломатериалов сравнивались с моделями классов в соответствии с их близостью к обучающим образцам. По результатам SIMCAклассификации они были отнесены к классу Cumarurana (на рисунке 2 обозначены зеленым цветом).
Рис. 2. Результаты SIMCA-классификации.
Расстояние между классами Cumaru и Cumarurana составило 111,89. В хемометрике расстояния свыше 3 считаются подходящими для надежного различия между классами [8, с. 87–99], следовательно, полученные результаты следует рассматривать как достоверные, т. е. пиломатериалы относятся к виду диптерикс многолистный (D. odorata (Aubl.) Willd.). Для оценки предположения страны происхождения (Венесуэла) был проанализирован ареал распространения диптерикса многолистного с использованием Глобальной информационной системы по биоразнообразию (Global Biodiversity Information Facility, GBIF) [9, с. 1]. На рисунке 3 отчетливо показано, что данный вид не произрастает на территории Венесуэлы.
Рис. 3. Ареал распространения диптерикса многолистного.
Полученные результаты имеют практическое значение и могут быть востребованы при исследовании видов, занесенных в приложения к СИТЕС. Например, в упомянутые приложения включен один из видов диптерикса – диптерикс панамский (Dipteryx panamensis (Pittier) Record & Mell). Еще одним перспективным направлением для установления места происхождения срубленной древесины является БИК-спектроскопия.
Для оценки возможности дифференциации древесины различного географического происхождения был выбран граб обыкновенный (Carpinus betulus L.), который достаточно распространен и на территории Белоруссии, и на территории Армении. БИКспектры были записаны для 137 образцов (буровых кернов), отобранных в указанных на рисунке 4 точках. При этом 117 образцов были в последующем включены в обучающую выборку, а 20 – в тестовую.
Рис. 4. Расположение точек отбора образцов.
Дальнейший анализ проводился с помощью PLS-DA, основанном на квадратичном дискриминантном анализе. Это крайне эффективный инструмент для бинарной классификации лиственных древесных пород [8, с. 184].
Для построения классификационной модели производные второго порядка БИКспектров были разделены на 2 класса, соответствующие территории отбора. Так, образцам из Белоруссии был присвоен класс (1), образцам из Армении был присвоен класс (-1). Далее для 2-х исследуемых классов на основе PLS-DA строилась классификационная модель, которая обладала 99,8%-й точностью предсказаний в пределах обучающей выборки и 99,6%-й – в пределах валидационной, что свидетельствует о стабильности модели и предполагает низкую погрешность в дальнейших определениях (рис. 5).
Рис. 5. Результаты PLS-DA-классификации.
Для проверки работоспособности модели применялся метод полной кроссвалидации. По результатам проверки ошибки предсказания отсутствовали. На рисунке 6 представлен график объясненной дисперсии. С его помощью путем проведения перпендикуляра в месте, где кривые, взятые для построения (красная) и для проверки (синяя), стремятся к равному 100 % значению, определялось количество факторов, необходимых для построения модели. В нашем случае оно составило 4.
Рис. 6. График объясненной дисперсии.
Полученную PLS-DА-модель использовали для классификации тестовой выборки (по 10 образцов для каждого класса: образцы №№ 1-10 – Беларусь, образцы №№ 11-20 – Армения, которые не использовали непосредственно в процессе обучения модели). В таблице 1 представлены результаты проведенного исследования.
Таблица 1. Результаты классификации тестовой выборки.
С учетом рассчитанных прогнозируемых значений исследованные «неизвестные образцы» с использованием построенной PLS-DА-модели были классифицированы корректно, при этом стандартное отклонение ни в одном случае не превысило значения 0,1. Результаты носят предварительный характер, однако в дальнейшем классификационная модель может быть улучшена за счет включения большего числа образцов для получения дополнительной информации относительно допустимых вариаций.
Заключение
Результаты исследований показали, что метод БИК-спектроскопии в комплексе с хемометрическими алгоритмами анализа спектров может быть использован для решения экспертных задач, связанных с установлением видовой принадлежности и места произрастания срубленной древесины. Необходимым условием правильной интерпретации полученных результатов является наличие постоянно обновляемой базы эталонных БИК-спектров, так как набор образцов в обучающих выборках должен быть представителен по отношению к тем древесным образцам, которые анализируются экспертом. Основные преимущества БИК-спектроскопии заключаются в экспрессности, а также минимальном количестве используемых при исследовании расходных материалов, их невысокой стоимости и доступности.
Предложенные алгоритмы могут быть применены и для других, в том числе коммерчески ценных, пород древесины. Данный факт имеет большое значение, поскольку в мире существует более 14 тысяч видов растений, древесина которых имеет практическое использование, а объемы ее заготовки и масштабы глобальной торговли лесоматериалами ежегодно возрастают.
Полагаем, что внедрение БИК-спектроскопии в экспертную практику расширит возможности судебной экспертизы, позволит решать экспертные задачи на более высоком качественном уровне и будет способствовать совершенствованию научно-методических подходов к их решению.
Список литературы:
1. Cabral E.C., Simas R.C., Santos V.G., Queiroga C.L., da Cunha V.S., de Sá G.F., Daroda P.J., Eberlin M.N. Wood Typification by Venturi Easy Ambient Sonic Spray Ionization Mass Spectrometry: The Case of the Endangered Mahogany Tree // Journal of Mass Spectrometry. 2012. Vol. 47. No. 1. P. 1–6. https://doi.org/10.1002/jms.2016
2. Kite G.C., Green P.W., Veitch N.C., Groves M.C., Gasson P.E., Simmonds M.S. Dalnigrin, а Neoflavonoid Marker for the Identification of Brazilian Rosewood (Dalbergia Nigra) in CITES Enforcement // Phytochemistry. 2010. Vol. 71. No. 10. P. 1122–1131. https://doi.org/10.1016/j.phytochem.2010.04.011
3. Förstel H., Boner M., Höltken A.M., Fladung M., Degen B., Zahnen J. Fighting Illegal Logging Through the Introduction of a Combination of the Isotope Method for Identifying the Origins of Timber and DNA Analysis for Differentiation of Tree Species // Deutsche Bundesstiftung Umwelt. 2011. P. 197–225.
4. Horacek M., Jakusch M., Krehan H. Control of Origin of Larch Wood: Discrimination between European (Austrian) and Siberian Origin by Stable Isotope Analysis // Rapid Communications in Mass Spectrometry. 2009. Vol. 23. No. 23. P. 3688–3692. https://doi.org/10.1002/rcm.4309
5. Adedipe O.E., Dawson-Andoh B., Slahor J., Osborn. L. Classification of Red Oak (Quercus Rubra) and White Oak (Quercus Alba) Wood Using a Near Infrared Spectrometer and Soft Independent Modelling of Class Analogies // Journal of Near Infrared Spectroscopy. 2008. Vol. 16. No. 1. P. 49–57 https://doi.org/10.1255/jnirs.760
6. Lazarescu C., Hart F., Pirouz K., Panagiotidis K, Mansfield S.D., Barrett J.D. & Avramidis S. Wood Species Identification by Near-Infrared Spectroscopy // International Wood Products Journal. 2017. Vol. 8. No. 1. P. 32–35. https://doi.org/10.1080/20426445.2016.1242270
7. Хох А.Н., Звягинцев В.Б. Установление породы древесины по спектрам диффузного отражения в ближней инфракрасной области с применением линейного дискриминантного анализа // Теория и практика судебной экспертизы. 2022. Т. 17. № 1. С. 50–57. https://doi.org/10.30764/1819-2785-2022-1-50-57
8. Multivariate Pattern Recognition in Chemometrics. Illustrated by Case Studies. Elsevier, Amsterdam. 1992. 325 p.
9. Lane M.A., Edwards J.L. The Global Biodiversity Information Facility (GBIF) // Systematics Association Special Volume. 2007. Vol. 73. P. 1.
