木材是一种天然、生态、可再生的材料，其各向异性并得到了广泛的应用。
同一树种木材内机械性能的变化及其典型特征都有可能阻碍它作为建筑材料的应用。
同一树种的木材还可能具有不同的特性，这取决于树木的生长环境，如土壤类型、气候和树龄，还有获取木材时它在树干中所处的位置。
根据木材在树干中的位置，我们可以观察到木材性质会有所变化。也就是说，原木的根部、原木的中间部分以及原木的顶端，部位不同性能也各不相同。
在土木工程的承重应用中使用木材需要评估用作承重结构元件的每一块木材的机械性能。
根据EN 14081-1标准，建筑用木材必须根据相关国家标准进行强度分级，无论是通过设备检测还是通过视觉观察的方法。
强度分级检测设备能够测量一种或几种木材特性，这些特性可以通过无损方式进行验证，并且已知该特性与木材弯曲强度的相关性。通常，评估木材的这些相关数据后就可以了解木材的动态与静态弹性模量以及木材密度等机械、物理性能值，由此可判断出木材的强度。
使用机械设备对木材的强度进行分级，结果显示针叶树木材被划分为C级强度，其特性已在EN 338标准中被详细说明。
现代扫描仪和木材强度分级检测设备使用多种方法（X射线照片、材料的表面照片、利用管胞效应进行激光扫描）获取深度数据，再与密度相关的机械强度或动态强度数据相结合，能够得出高精度的材料强度分级。
使用视觉观察法对建筑木材进行分级的过程包括仔细检查每一块木材，并根据木材结构、形状和木材可见的加工缺陷将其划分到适当的等级。
大多数欧盟成员国都有自己的国家标准，并根据这些标准用视觉观察法对木材强度进行分级，也可能进行一定的调整。使用视觉观察法时应符合EN 14081标准，同时，该方法一般会将木材进行分类或者进行分级。
在许多欧洲国家，已经把使用视觉观察法和机械设备检测法分级后的木材的机械性能进行了比较研究。
研究发现，当人们使用视觉观察法和机械设备检测法对同一批木材强度进行分级后，明显设备检测法的分级效率更高，而且通过其检测的木材强度等级也高，被加工厂拒收的木材更少。
Gaunt等人进行的一项研究表明，使用视觉观察法对木材强度进行分级容易发生偏差，尤其是误将强度等级高的木材降级。
强度分级的效率能够通过开发一个模型来进一步提高。可以将一系列树木和从中获得的木材相关的数据输入至模型里，包括林地（森林土壤肥力等）、造林情况（间伐情况、蓄积量、树枝大小等）、木材收获年龄、木材遗传资源（木材密度、生长率）、原木形状和在树木中的位置、树枝分布情况、锯切模式、获得木材时所处原木的部位等信息。
但如果不分配大量的财力和物质资源，就无法成功开发出能够涵盖上述所有输入数据的综合模型。
此外，我们知道这些变量数据对设备检测木材强度等级的结果影响是很大的。如今，木材行业在市场上拥有非常强大的地位，整个行业的发展战略是产出强度等级较高的建筑用材，并尽可能充分利用天然森林资源。
因此，本文介绍的研究内容旨在于拓展和补充现有的知识状态，在不影响木材分级效率的前提下（无论是使用设备检测法还是视觉观察法），还充分考虑了评估木材的原木类型（原木的根部、原木的中间部分以及原木的顶端）。
这项研究的另一个目标是通过机械设备检测法和视觉观察法评估波兰生产的结构木材的强度特性，由此根据木材的强度等级确定出哪一部分原木更适用于建筑结构用材，促使优质的木材能够得到更有效的管理和应用。
研究材料和研究过程
研究材料是一批欧洲赤松（Pinus sylvestris L.），一共510块，标称横截面尺寸为40×138 毫米，长度为3.5米。
这些木材是从波兰的一家中型锯木厂获得的。林分的技术品质分为两个层次，能够很好地适应栖息地、具有良好的发展动态、健康、笔直、干净的树干即属于优质林分，其有望提供高质量的锯材。
此外，本次选取的木材是从大约有120年历史的原木中获得的。其中的部分圆木来自于生长在潮湿混交林中的树木。这些木材来源于原木的三个部位：根部（170块）、中间部分（170块）和顶部（170块）。砍伐获得了这些木材之后放置在工业环境下的室内干燥器中进行干燥处理，其湿度大约12%，然后再锯切。
使用视觉观察法对510块松木（根部、中间部分、顶部）的强度进行了分级。
随后，使用机械设备对同一批木材进行强度分级，并使用移动式木材分级机（MTG）将这些木材划分为C级强度等级。
下一阶段的研究包括使用通用电阻测试仪（型号：TIRA Test 2300）来测量材料的静态弹性模量（MOE）和静态弯曲强度——断裂模数（MOR）。
试验过程中还采用了位移控制（载荷压头速度3 毫米/分钟）。试验结束后，从每块木板的断裂区域采集一个无缺陷且覆盖整个横截面的木材样品，再使用烘干法测量木材密度（DEN）和含水量。
试验结果的统计分析在Statistica v.13.3软件中进行（这是一个整合数据分析、图表绘制、数据库管理与自订应用发展系统环境的专业软件）。考虑到存在标准偏差，我们获得了木材物理和机械性能的相关数据后再计算出平均值，然后进行分析。
接着，我们对欧洲赤松的物理和机械性能（即木材密度值DEN、静态弹性模量MOE和静态弯曲强度——断裂模数MOR）进行了双因素方差分析（Two-factor ANOVA），根据原木类型（根部、中间部位、顶部）和通过机械设备测试材料强度分级获得的锯材质量（结果显示C级）并结合视觉观察法进行的强度分级测试结果，最终确定出这些木材的分级等级（主要分为KW、KS、KG和拒收（即废品）这几个等级；KW代表最佳质量、KS代表中等质量、KG代表劣质、其余木材属于会被拒收的类型）。所有测试的显著性水平均为p<0.05（显著性水平significance level指的是估计总体参数落在某一区间内，可能犯错误的概率，p值即概率）。
设备检测法和视觉观察法的区别
根据原木类型使用视觉观察法对木材进行分级，分析结果表明，使用等级较高的、顶部的原木（KW-4.1%和KS-5.3%）产出建筑木材效率非常低，而等级稍低的（KG）顶部木材产出效率为39.4%，有高达51%的顶部原木被拒收。
这是因为树木顶部容易出现大的节疤，这些节疤在树木被砍伐之前一直被用于标记树枝，然后生成树冠。
使用原木的中间部分和根部产出建筑木材的效率则明显好转。对比KW和KS等级的原木根部和原木中间部分，发现原木的部位对使用视觉观察法检测木材等级的结果没有影响。
我们再观察KG等级的木材和被拒收的木材，可以发现原木的部位对木材等级检测结果影响很大。而且这类木材源于原木根部的数量少于源于原木中间部分的数量。
综合以上结果，可以发现最优质的木材可以从原木的根部获得（它们通常含有木髓部附近过度生长的节疤，但体积小，并且横截面的大面积表面没有缺陷）；相反，用于产出建筑用材时质量最差的木材来自原木的顶部（它们通常含有开口比较大的节疤，从锯材的侧面和边缘处突起）。
与其他来源类似（波兰不同的林区）的木材相比，研究中选取的这批木材的特点是质量较低（属于KG类和被拒收类的木材数量占67.6%）。
前几年进行的研究在确保木材分级效率的前提下对特定批次的木材按数量比例做出了更详细的分类：KS级的木材数量占14.8%, KG级的木材数量占28.6%，被拒收的木材数量占17.1%.
对波兰五个不同林区的木材进行的研究表明，在一个特定的地区——西里西亚林区——其供应了更多高质量木材（KW级），比其余林区的平均比例高出24.6%。
回到我们的研究中，对同一批欧洲赤松（510块）采用机械设备检测法进行强度分级，结果显示只有9件被拒收（它们的密度和动态弹性模量值低），有8件无法分类（移动式木材分级机MTG显示错误）。
将这17块木材归为不适用于建筑用材，相当于这批木材中有3.3%的木材是不合格的。
根据设备检测法和视觉观察法对木材强度进行分级的结果，可以得到以下结论：视觉观察法更具限制性，以这种方式进行分类的木材有较大的安全边际。
根据之前对波兰赤松的研究，我们先通过视觉观察法把检测出的KW级木材与等级C30相对应，把KS级木材与等级C24相对应，把KG级木材与等级C18相对应（之前通过使用移动式木材分级机MTG已将这些木材划分为C级强度等级，所以对应等级以C30、C24、C18……做标记）。
然后统计得出，使用视觉观察法将52件实验木材（占整批赤松的10.2%）归类为C30，而使用机械设备检测法能够将250件实验木材（占整批赤松的49%）归类为C30甚至级别更高（C30+C35+C40）。
使用视觉观察法将53件实验木材归类为C24（占整批赤松的10.4%），而使用机械设备检测法对木材强度进行分类，能够将200件实验木材归类为C24（占整批赤松的39.2%）。
使用视觉观察法分类得出的C18级别的实验木材有187件（占该批次的36.7%），而通过机械设备检测法分类得出的C18级别的实验木材数量只有43件（占该批次的8.4%）。
其他研究人员也观察到了其中的相关性，不难发现使用机械设备分级木材强度的方法效率更高，而且能够分类得出更多高级别、高质量的木材。
再进一步分析原木木材的部位对强度分级结果的影响，我们观察到取自原木根部的木材强度级别更高（大多数可被归为C40和C35），而且分类这种木材的效率最高。
就C30级别的木材而言，采用机械设备检测法对木材强度进行分级，我们发现分级原木中间部分的效率最高（有55块，占这批赤松C30级木材的42.3%），而分级顶部原木的效率最低（有29块，占这批赤松C30级木材的22.3%）。
综合上述研究结果可以得到初步小结：原木根部是建筑应用中高级木材的最佳来源。另一方面，关于比较视觉观察法和机械设备检测法，我们发现对来源于原木同一部位的木材进行强度分级时，使用机械设备检测法总是效率更高。
有其他研究对比了两种分级方法对欧洲赤松锯材的分级效率。使用视觉观察法：C40级分级效率为0.5%、C35级分级效率为5.8%、C30级分级效率为16.7%、C24级分级效率为36.8%、C18级分级效率为22.7%、分级被拒收的木材效率为17.5%；使用机械设备检测法：C40级分级效率为5.7%、C35级分级效率为17.8%、C30级分级效率为25.5%、C24级分级效率为39.2%、C18级分级效率为8.4%、分级被拒收的木材效率为1.8%。其结果也显示了使用机械设备检测法能够更高效地检测出强度高、级别高的木材。
根据研究得出的材料密度值、MOR值和MOE值
根据我们对研究材料的实验过程和分析结果，可以观察到原木根部的平均密度值最高，原木顶部的平均密度值最低。我们测试了从C18到C40的每个等级的材料密度，发现根部木材的密度达到了最高值。
使用ANOVA方差分析法证实了原木部位（根部、中间部位、顶部）、机械设备检测强度结果（结果显示级别为C级）和视觉观察法检测强度结果对木材密度值的影响。Mirski等人也发现了与欧洲赤松木材相关的类似相关性：原木根部的木材密度最高，为610千克/立方米，而原木顶部的木材密度最低，为548千克/立方米。
关于原木根部的密度值更高的原因，主要是因为从原木根部获得的木材通常含有心材的占比较高，边材的占比更少。心材的形成涉及许多生理方面、结构方面、细胞方面和化学方面的变化。
此外，与边材相比，心材具有更紧密的组织、更高的密度和更优秀的强度参数，将其转化为建筑等应用材料能提升产品的最终质量和性能。
关于MOR值（材料的静态弹性模量），从原木的根部到原木的顶部由高到底；通关视觉观察法确定木材强度等级后，根据原木所处的部位独立计算其MOR值，发现质量更低的木材MOR值更低。
此外，根据ANOVA方差分析表明，MOR值与原木部位和强度等级之间存在直接关系，而且这两个因素会产生各自的影响，即使两个因素同时作用，也会分别影响着材料的MOR值。
根据之前我们对欧洲挪威云杉木材进行的研究，其证实了树木中所处垂直位置较高的木材，其MOR值会降低。
分别测量树木35%的茎高和65%的茎高所对应的MOR值，发现MOR值减少了20%。
就云杉木材而言，原木部位与木材弯曲强度之间存在着类似的相关性。来自原木根部的木材的平均MOR值为56 MPa，而来自原木顶部的木材的MOR值比根部木材低45%。
关于MOE值（材料的静态弯曲强度——断裂模数），通过原木底部获得的木材的平均MOE值最高，通过原木顶部获得的木材的平均MOE值最低，ANOVA方差分析也证实了原木部位对材料MOE值的影响，但影响程度有限。
在采用视觉观察法对木材强度进行分级的情况下，原木部位对木材的MOE值有着显著影响，但在采用机械设备检测法对木材进行强度分级的情况下，未观察到这种影响（p<0.05）。
部的木材高出近27%。Antony等人通过在美国观察研究火炬松也发现了相同的现象。
研究结果
我们汇总了所有的研究数据得出结论：采用机械设备检测法相比使用视觉观察法对木材强度进行分级，前者检测出来的被拒收的木材数量要少的多（用设备检测法被拒收的木材只占3.3%，而用视觉观察法被拒收的木材占42.7％）。
此外，与视觉观察法相比，采用机械设备检测法对木材强度进行分级具有更高的效率，尤其是在分级强度级别更高的木材的时候，这有助于让木材得到更好的管理，也有益于产出建筑用的锯材。
当我们使用视觉观察法对木材强度进行分级，根据数据统计我们确认了原木部位对研究材料（木材）的平均密度值、平均MOE值和平均MOR值会产生显著影响。在使用设备检测法对木材强度进行分级的情况下，根据数据统计我们仅观察到材料的平均密度值和平均MOR值之间有着显著相关性。
当我们对研究材料（木材）同时使用视觉观察法和设备检测法进行强度分级时，根据数据统计我们发现木材质量（分级等级/强度等级）对材料（木材）的平均密度值、平均MOE值和平均MOR值有着显著影响。
还有一点，通过研究者在不同地区对多种树木进行观察后得出的分析结论，我们可以初步判断原木根部是建筑应用中高级木材的最佳来源，其质量相比原木的其他部位（如中间部位或顶部）更高。在未来希望来源于原木根部的木材能够得到更广泛的应用，尤其是建筑用材方面。
