研究旨在明确“赤霞珠（Cabernet Sauvignon, Vitis Vinifera L.）”葡萄健康叶片和缺磷胁迫不同时期下的光谱信号特征变化, 构建基于光谱技术的“赤霞珠”葡萄叶片缺磷胁迫快速无损诊断模型, 为葡萄园病害防治与管理提供理论参考和技术支持。 以酿酒葡萄“赤霞珠”葡萄叶片为研究对象, 分别采集了正常、 缺磷胁迫初期和末期葡萄叶的VIS/NIR反射率信息。 对比Savitzky-Golay卷积平滑（S-G Smoothing）、 移动平均平滑（MAS）、 标准正态变换（SNV）和多元散射校正（MSC）4种预处理及组合方法对于去除葡萄叶光谱信号中随机噪声的能力, 确定最佳预处理方法。 采用连续投影法（SPA）筛选与“赤霞珠”葡萄叶缺磷胁迫相关的光谱特征变量, 分别构建基于线性核函数（Linear）、 多项式核函数（Poly）、 径向基核函数（RBF）和二层神经网络核函数（Sigmoid）的支持向量机（SVM）模型, 以灵敏度（SEN）和准确率（CCR）为依据评估模型诊断性能, 形成基于VIS/NIR光谱的“赤霞珠”葡萄叶片缺磷胁迫快速无损诊断方法。 S-G Smoothing预处理后的光谱信号的信噪比为110.58, 以其为校正集构建的缺磷胁迫诊断模型最佳, 因此确定其为最佳的预处理方法。 采用主成分分析（PCA）计算样本光谱贡献率, 以95%置信空间为依据检测数据集中的异常样本, 最终发现并剔除了22的离群点。 通过SPA筛选出402.6、 404.6、 409、 411.5、 539.4、 691.9、 729.9、 838.7、 1 011.9、 1 017.5和1 020.5 nm等11个反映“赤霞珠”葡萄叶缺磷胁迫的光谱特征波段, 作为缺磷胁迫快速无损诊断模型的输入变量。 通过对比分析上述4种核函数SVM的诊断结果, 以Linear为核函数构建的“赤霞珠”葡萄叶缺磷胁迫诊断模型能力最佳, 对正常叶片诊断的SEN为81.08%, CCR为100%; 对缺磷胁迫早期叶片诊断的SEN为100%, CCR为84.78%; 对缺磷胁迫末期叶片诊断的SEN为100%, CCR为100%。 该研究建立了基于VIS/NIR光谱的“赤霞珠”葡萄叶片缺磷胁迫快速无损诊断方法, 能够满足葡萄园病害防治与智能化管理的生产需求, 为酿酒葡萄智慧农业发展提供了技术参考。

采用数据可视化技术开发一种干红葡萄酒的光谱指纹图谱, 用于不同类别干红葡萄酒的鉴别。 实验采集我国河北沙城和昌黎两个产区的干红葡萄酒样品, 酒样在酿造年份、 品种和陈酿方式上有差异。 葡萄酒样品经反相C18柱分馏得到9个馏分, 低压旋转浓缩至干后, 再用与分馏样品等量的模拟酒溶解。 随后, 葡萄酒及其分馏样品经UV-Visible分析, 收集190～1 100 nm波段的光谱吸收值, 利用可视化技术处理数据得到供试酒样的光谱指纹图谱。 最后, 采用高效液相色谱-二极管阵列检测器(HPLC-DAD), 在指纹图谱差异明显的波段选择检测波长, 定性分析葡萄酒和馏分中的单体酚及其衍生物。 结果显示, 供试干红葡萄酒样品光谱特征的差异在190～600 nm。 不同品种干红葡萄酒的光谱数据可视化结果差异不大, 但不同年份酒样有明显的区别, 主要集中在520 nm的波段, 不同产地葡萄酒的差异主要体现在F8馏分上, 不同陈酿方式葡萄酒的可视化特征几乎涵盖整个可视化波段。 HPLC-DAD在280, 313, 365和520 nm波长下定性分析结果揭示了对光谱指纹图谱的特征有影响的单体酚及其衍生物。 研究结果表明, 采用可视化技术设计的葡萄酒光谱指纹图谱可以区分不同年份、 产地和陈酿方式的干红葡萄酒产品。