北京理加联合科技有限公司

LICA United Technology Limited

服务热线: 13910499761 010-51292601
企业邮箱
应用支持 Application Support
News 应用支持

ASD | 利用新鲜葡萄浆果的反射光谱测量估算葡萄浆果中的可溶性固形物总含量

日期: 2024-02-01
浏览次数: 109

在葡萄栽培与酿酒工业中,可溶性固形物总含量(Total Soluble Solids, TSS)是衡量果实成熟度和品质的关键指标。不同品种的葡萄因其遗传特性和生长环境的差异,其TSS含量存在显著变化。准确估算各品种葡萄的TSS含量,对于预测酒的品质、调整酿造工艺以及确定最佳采收时机均具有重要意义。

那么,如何能够准确估算葡萄的TSS含量呢?跟随小编,一起来看看下面这篇论文给出了怎样的答案。



ASD | 利用新鲜葡萄浆果的反射光谱测量估算葡萄浆果中的可溶性固形物总含量



摘要 · ABSTRACT

可溶性固形物总含量(TSS)是决定葡萄最佳成熟度的关键变量之一。在这项工作中,基于漫反射光谱测量,开发了偏最小二乘(PLS)回归模型,用于估算Godello、Verdejo(白葡萄)、Mencía 和Tempranillo(红葡萄)等葡萄品种的TSS含量。为了确定TSS预测的最适合光谱范围,对四个数据集进行了回归模型的校准,其中包括以下光谱范围:400–700 nm(可见光)、701–1000 nm(近红外)、1001–2500 nm(短波红外)和400–2500 nm(全光谱范围)。我们还测试了标准正态变量变换技术。使用留一交叉验证评估了回归模型,评估指标包括均方根误差(RMSE)、决定系数(R2)、性能与偏差比(RPD)和因子数(F)。红葡萄品种的回归模型通常比白葡萄品种的模型更准确。最佳的回归模型是针对Mencía(红葡萄)得到的:R2 = 0.72,RMSE = 0.55 °Brix,RPD = 1.87,因子数 n = 7。对于白葡萄,Godello取得了最佳结果:R2 = 0.75,RMSE = 0.98 °Brix,RPD = 1.97,因子数 n = 7。所使用的方法和得到的结果表明,可以使用漫反射光谱和将反射值用作预测变量的回归模型来估算葡萄中的TSS含量。

结果 · RESULT

葡萄的反射率是使用ASD FieldSpec 4 地物光谱仪进行测量,该仪器可检测350–2500 nm光谱范围内的反射率。葡萄样品(每个葡萄品种60个样品,每个样品有100颗浆果)散布在黑色容器芯中(17 × 17 cm)。从4个不同的数据中获取了100颗浆果的反射数据(在每次测量之前将样品顺时针旋转90°)。然后对反射数据进行预处理,得到4次数据的平均值。


ASD | 利用新鲜葡萄浆果的反射光谱测量估算葡萄浆果中的可溶性固形物总含量
图1. 利用ASD地物光谱仪获取光谱数据的流程



图2展示了四种葡萄品种的平均反射值范围以及原始数据(图2a)和SNV转换数据(图2b)的TSS反射值。在图2a中,红葡萄品种(Mencía和Tempranillo)具有非常相似的光谱特征。虽然在可见光范围内的反射值相似,但从波长675 nm处可以看出一些差异,最大和最小反射值分别约为895 nm和1080 nm,以及675 nm和960 nm。白葡萄(Godello和Verdejo)的光谱特征与红葡萄不同,但彼此非常相似。Godello和Verdejo在可见光-近红外范围的570 nm、830 nm和890 nm处具有最高的反射值。在这个范围内,反射值呈现轻微差异,尽管它们具有相同的光谱特征。从波长1160 nm开始,四种葡萄品种的反射值是相同的。


ASD | 利用新鲜葡萄浆果的反射光谱测量估算葡萄浆果中的可溶性固形物总含量
图2 四种葡萄品种(Mencía、Godello、Tempranillo和Verdejo)采样浆果的平均光谱范围
ASD | 利用新鲜葡萄浆果的反射光谱测量估算葡萄浆果中的可溶性固形物总含量
图3 Godello、Mencía、Tempranillo和Verdejo葡萄品种在使用原始数据(实线)和SNV转换数据(虚线)进行PLS回归时加权回归系数在全光谱范围内的分布。对四个品种的酿酒特性进行了交叉验证。黑线表示零相关性,并为了清晰呈现而偏移了3.0单位
ASD | 利用新鲜葡萄浆果的反射光谱测量估算葡萄浆果中的可溶性固形物总含量
图4 利用原始光谱反射数据进行每个波长的简单线性相关性葡萄糖度(TSS)相关图。
ASD | 利用新鲜葡萄浆果的反射光谱测量估算葡萄浆果中的可溶性固形物总含量
图5 利用原始(a–d)和SNV转换(e–h)反射数据进行的偏最小二乘回归(PLS)的均方根误差(RMSE)值。所有图应用相同的颜色刻度(请参阅右侧图例)。


结论 · CONCLUSION

采用漫反射光谱测量方法,利用偏最小二乘(PLS)回归模型估计了四种葡萄品种(Godello、Verdejo、Mencía和Tempranillo)的总可溶性固形物(TSS)含量。基于所获得的结果,红葡萄品种的TSS含量估算最佳,特别是Mencía。

用于TSS预测的最适宜光谱范围是近红外(NIR)范围(701–1000 nm)。在此光谱范围内获得了最高的R2和RPD值,以及最低的RMSE和F值。在所有光谱范围内,对数据进行SNV转换进一步改善了模型的评估指标结果。

用于估算TSS的最佳变量(图5)分别位于860 nm处,波长201 nm的Godello;883 nm处,波长232 nm的Mencía;916 nm处,波长230 nm的Tempranillo;以及1055 nm处,波长230 nm的Verdejo。这些最佳点呈现出最低的RMSE值。

研究表明,通过光谱测量的反射值,可以迅速、非侵入性地进行现场测量,从而估算TSS含量。

点击下方链接,阅读原文:

ASD | 利用新鲜葡萄浆果的反射光谱测量估算葡萄浆果中的可溶性固形物总含量


News / 相关新闻 More
2026 - 03 - 17
研究背景随着全球气候变化及水体富营养化加剧,蓝藻及其他藻类爆发已成为全球关注的环境问题。这些藻华不仅干扰航运与娱乐,更严重的是,部分蓝藻会释放致命毒素,威胁人类和野生动物的健康。传统监测方法往往难以快速、准确地在大空间尺度上区分产毒与不产毒的蓝藻属种。而光谱成像技术通过获取植物光合色素的“特征指纹”,为解决这一难题提供了可能。然而,现有的遥感监测也面临挑战:(1)光谱库不足:卫星遥感依赖端元光谱库,但经验证的代表性蓝藻光谱数据稀缺;(2)水体干扰强:水深、浊度等光学参数复杂,影响大范围遥感反演精度;(3)培养与野外的差异:实验室藻类光谱难以完全还原自然生境下的真实特征;基于此,美国地质调查局(USGS)联合美国国家标准与技术研究院(NIST)利用高光谱显微镜成像系统,以俄勒冈州上克拉马斯湖的不同区域水体的蓝藻样品为研究对象,通过系统验证与野外采样相结合的方法,获取了不同蓝藻属在细胞尺度的高...
2026 - 03 - 17
研究背景在北半球,多年冻土覆盖了约22%的陆地面积,封存着全球陆地最大的土壤碳库。然而,在全球变暖的驱动下,多年冻土正面临快速退化的严峻挑战。一旦这些被长期封冻的古老碳库随冻土融化而释放入大气,将触发剧烈的温室效应正反馈,从而进一步加速气候变暖。因此,系统探明冻土区碳储量及其稳定性特征,不仅是厘清碳循环机制的关键,更为预测气候变暖背景下全球碳平衡的动态演变提供重要依据。基于此,哈尔滨师范大学臧淑英老师团队以中国东北大兴安岭高纬度多年冻土区南部边界为研究对象,通过机械钻探及物理化学分组法,研究了不同地表类型深层土壤碳的组分与稳定性。研究发表在《Permafrost and Periglacial Processes》期刊。结果发现,深层冻土(尤其是森林地带)富含高活性碳,面临极高的变暖释放风险。该研究为气候模型中冻土碳反馈机制提供了重要的实测数据支撑。为什么选择大兴安岭?1. 大兴安岭位于高...
2026 - 03 - 09
研究背景 氮素是水稻生长发育的关键元素,其利用效率备受关注。传统研究多聚焦于土壤氮流失,而忽视了植株地上部分的氮气损失。研究发现,水稻植株尤其在开花和灌浆后期,会排放大量氨气。这一时期,叶片中的叶绿体成分大量降解,产生大量的NH4+。谷氨酰胺合成酶(GS)通常促进氮的循环利用,但衰老过程中GS活性的下降会损害NH4+的同化能力,导致NH3挥发损失。叶片由绿变黄是灌浆期氮素再利用最直观的指标。那么,叶片变色的快慢是否可以预测氨挥发的多少?中国水稻研究所的王丹英老师团队联合华中农业大学和浙江大学等团队对此进行了深入探讨。相关成果发表在《The Crop Journal》期刊。研究以灌浆期不同叶片颜色变化特征的水稻品种为研究对象,采用15N同位素示踪结合动态流通室技术精准量化植株源氨挥发,并同步监测叶片颜色动态变化及关键生理指标。研究发现,水稻叶片颜色变化率与灌浆期氨挥发量呈极显著正相关,叶片变...
2026 - 03 - 09
研究背景在陆地生态系统的水循环中,蒸散是连接地表与大气水分和能量交换的关键途径。尤其对于农田生态系统而言,准确估算作物的实际蒸散量,不仅有助于理解作物水分利用效率,还能为农业水资源管理和干旱应对提供科学依据。然而,现有的估算方法却面临诸多挑战:(1)传统气象模型:理论基础扎实,但依赖完整的气象数据,且难以捕捉植被光合作用的生理过程;(2)遥感指标局限性:太阳诱导叶绿素荧光(SIF)虽能直接反映光合活性,但在水分胁迫下存在响应滞后;光化学反射指数(PRI)能灵敏跟踪短期胁迫响应,但鲜少被纳入机器学习模型中;因此,如何融合多源数据,利用深度学习挖掘气象与生理指标的协同价值,成为了提高实际蒸散量(ETc act)估算精度的新途径。近期,西北农林科技大学蔡焕杰老师的团队联合沈阳大学和石河子大学的团队在《Agricultural Water Management》期刊发表最新研究成果,该研究通过融合...
关闭窗口】【打印
Copyright ©2018-2023 北京理加联合科技有限公司
犀牛云提供企业云服务

北京理加联合科技有限公司

地址:北京市海淀区安宁庄东路18号光华创业园5号楼(生产研发)
          光华创业园科研楼四层
电话:13910499761 13910124070  010-51292601
传真:010-82899770-8014
邮箱:info@li-ca.com
邮编:100085

 



 


 


  • 您的姓名:
  • *
  • 公司名称:
  • *
  • 地址:
  • *
  • 电话:
  • *
  • 传真:
  • *
  • 电子邮箱:
  • *
  • 邮政编码:
  • *
  • 留言主题:
  • *
  • 详细说明:
  • *
在线留言
关注我们
  • 官方微信
  • 官方手机端
友情链接:
X
1

QQ设置

3

SKYPE 设置

4

阿里旺旺设置

等待加载动态数据...

等待加载动态数据...

5

电话号码管理

  • 010-51292601
6

二维码管理

等待加载动态数据...

等待加载动态数据...

展开