李光君

（墨爾本大學(xué)農(nóng)業(yè)與動(dòng)物醫(yī)學(xué)學(xué)院，維多利亞墨爾本300457）

熱成像技術(shù)與近紅外光譜技術(shù)結(jié)合無損檢測(cè)西拉葡萄葉片水分含量

李光君

（墨爾本大學(xué)農(nóng)業(yè)與動(dòng)物醫(yī)學(xué)學(xué)院，維多利亞墨爾本300457）

西拉是一個(gè)古老而優(yōu)質(zhì)的釀酒葡萄品種，改良其種植技術(shù)與方法越來越受到人們的關(guān)注。其中，葡萄植株水分含量的測(cè)定與控制對(duì)其種植與收獲有很重要的影響，因此，尋找其快速簡(jiǎn)便且非破壞性的測(cè)量方法十分重要。為了探究實(shí)現(xiàn)對(duì)葡萄藤葉水分含量的無損且簡(jiǎn)便快捷的測(cè)量方法，用熱成像技術(shù)與近紅外光譜法結(jié)合對(duì)葉片水分進(jìn)行檢測(cè)，并找出其與葉片含水量之間的相對(duì)應(yīng)關(guān)系。結(jié)果表明，使用熱成像技術(shù)和近紅外光譜技術(shù)分別測(cè)量葡萄藤葉片水分含量參數(shù)CWSI與IG，可以通過計(jì)算得出二者均與葉片水分丟失有明顯的線性關(guān)系。熱成像技術(shù)與近紅外光譜法結(jié)合可以用來較為精確地測(cè)量葉片水分含量，同時(shí)做到快速無損。

熱成像技術(shù)；近紅外光譜檢測(cè)技術(shù)；水分流失；溫度變化；作物干旱指數(shù)

作為一種古老的農(nóng)作物，葡萄最初起源于黑海和里海之間的區(qū)域。2 500多年前，人類已經(jīng)開始在西班牙種植葡萄并開始釀造葡萄酒[1]。葡萄是適應(yīng)能力較強(qiáng)的作物之一，它可以生長(zhǎng)于各種氣候和土壤條件下。盡管如此，高溫、缺水、害蟲和疾病仍然會(huì)影響葡萄生長(zhǎng)。近年來，葡萄酒產(chǎn)業(yè)發(fā)展迅速，用來生產(chǎn)出優(yōu)質(zhì)葡萄和葡萄酒的商業(yè)種植的葡萄園受到廣泛的關(guān)注。在澳大利亞，西拉是種植最廣泛的葡萄品種之一，超過40%的澳洲紅酒都是由西拉為原料釀制的[2]。西拉最初產(chǎn)自法國(guó)，于1831年被引入澳大利亞。到了18世紀(jì)60年代，西拉在澳大利亞成為一種主要的釀酒葡萄品種，在整個(gè)澳大利亞，自濕熱的南部地區(qū)到陽光充足的北部地區(qū)均有種植。此外，西拉的生長(zhǎng)會(huì)受到不同生長(zhǎng)條件尤其是水文環(huán)境的影響。

由于近年來氣候變化，地表環(huán)境溫度升高，降雨量增加，可能會(huì)導(dǎo)致樹冠很大程度上的蒸騰量增加，但水吸收效率降低，會(huì)影響葡萄藤內(nèi)水平衡和藤蔓的營(yíng)養(yǎng)生長(zhǎng)[3]。

葡萄栽培學(xué)中，水分條件是影響葡萄質(zhì)量與數(shù)量最重要的指標(biāo)之一。一方面，經(jīng)常缺水會(huì)導(dǎo)致產(chǎn)量減少，特別是在季節(jié)初期[4]；然而，輕度缺水可在一定程度下提高葡萄的質(zhì)量[5]。在某些特殊的情況下，缺水也可以提高釀酒葡萄的質(zhì)量[6]。因此，這個(gè)特殊的臨界值必須時(shí)刻處于監(jiān)控之下，以防過度缺水給葡萄的產(chǎn)量和質(zhì)量帶來不良的影響。

葡萄藤水狀況的監(jiān)測(cè)是保障葡萄和葡萄酒優(yōu)質(zhì)的基本部分。這里包含有一些測(cè)量葡萄藤中水分狀況的技術(shù)[7]。蒸散計(jì)是一種直接測(cè)量農(nóng)作物中水狀態(tài)的設(shè)備，其作用是通過測(cè)量整個(gè)系統(tǒng)中質(zhì)量以及權(quán)重的減少量，來記錄水分在葉子中的傳送或蒸發(fā)過程，這種技術(shù)非常成熟而且簡(jiǎn)單。通常，蒸散計(jì)是一種用于地表下的敏感測(cè)量設(shè)備，其結(jié)構(gòu)和維護(hù)保養(yǎng)非常復(fù)雜，且費(fèi)用昂貴。因此，目前該設(shè)備僅僅用于葡萄藤的科學(xué)研究中[8]，很難在葡萄園中推廣應(yīng)用。而中子探測(cè)儀是運(yùn)用中子水分探針與中子散射技術(shù)測(cè)量土壤中水的含量，這可以測(cè)量不同深度土壤中的水分張力。根據(jù)由蒸散計(jì)提供的不同水分質(zhì)量以及土壤中水分張力的數(shù)據(jù)，可以計(jì)算出葡萄藤中的水分狀態(tài)及水分用量。這種設(shè)備可以建立整體根系部分的水分剖面模型，以及能在毫米級(jí)上估計(jì)土壤中的水分。另外，中子探測(cè)器可以精確地檢測(cè)土壤中水分的相關(guān)數(shù)據(jù)。這些優(yōu)勢(shì)在決定用水量方面是很實(shí)用的。然而，其也仍然存在很多缺點(diǎn)。中子探測(cè)器分析結(jié)果非常復(fù)雜，通常由專業(yè)的技術(shù)人員操作，普通種植戶支付不起這筆費(fèi)用。而且，中子探測(cè)器是用射線來測(cè)量土壤中的水分，可能對(duì)操作者和環(huán)境有害。

由于上述方法的局限性，應(yīng)該發(fā)展一些其他的技術(shù)來保障葡萄種植農(nóng)場(chǎng)的水管理系統(tǒng)。因此，一些先進(jìn)技術(shù)已被引入到農(nóng)作物種植中，比如圖像處理技術(shù)?，F(xiàn)如今熱成像分析法中2種最先進(jìn)的技術(shù)分別是溫度記錄法和溫度測(cè)定法。其中，溫度記錄法通常使用紅外溫度探測(cè)器，這種探測(cè)器可以固定在例如飛行器等裝載物上從葉片和葡萄藤上不同的部分測(cè)得不同的數(shù)據(jù)，這種數(shù)據(jù)可表明葡萄藤中的水分狀態(tài)。通常用于溫度記錄，這種方法是通過采集不同的熱成像得到相關(guān)的數(shù)據(jù)[9]。

另一種被廣泛應(yīng)用的方法是近紅外光譜檢測(cè)法，其可以提供分子鍵C-H鍵、O-H鍵之間明顯的理化性質(zhì)。所以，近紅外光譜檢測(cè)法可以檢測(cè)水中的O-H鍵，從而可以應(yīng)用在葡萄園種植的水分管理系統(tǒng)上[10]。

本試驗(yàn)通過檢測(cè)葡萄藤在不同時(shí)間內(nèi)的水分減少，從而找出失水與溫度變化的關(guān)系。使用熱成像分析法確定葉片區(qū)域溫度，同時(shí)使用近紅外光譜檢測(cè)法確定葉片構(gòu)成，從而分析出水分含量變化；通過建立偏最小二乘回歸法模型分析水分狀態(tài)與葉片構(gòu)成的關(guān)系，幫助預(yù)測(cè)葡萄園中的水分狀態(tài)和控制水分供給。

1 葡萄藤葉水分的傳統(tǒng)檢測(cè)方法

基于葡萄園的基本特征，人們想出一些非破壞性的測(cè)量監(jiān)控葡萄藤和葉片水分含量的方法，如熱力學(xué)方法包括溫度記錄法和溫度檢測(cè)法，以及近紅外光譜法。

1.1 紅外溫度測(cè)量法和溫度記錄法（熱成像法）

作為測(cè)量和描繪植物中水分狀態(tài)的工具，紅外溫度測(cè)量法和熱成像技術(shù)都是具有應(yīng)用于多種作物及不同地形測(cè)量工作的潛力的測(cè)量方法[11]。溫度高于絕對(duì)零度的物體均會(huì)由于分子運(yùn)動(dòng)向四周輻射紅外線，以熱成像技術(shù)為例，紅外探測(cè)器可以將待測(cè)物體的輻射信號(hào)轉(zhuǎn)換成電信號(hào)，然后利用掃描成像設(shè)備輸出信號(hào)，模擬待測(cè)物體表面溫度的空間分布，獲得目標(biāo)物體的溫度數(shù)據(jù)。通過使用熱成像技術(shù)，可以實(shí)現(xiàn)溫度的遠(yuǎn)程測(cè)量，并進(jìn)行了相關(guān)分析。

作為植物水分脅迫的一個(gè)指示標(biāo)準(zhǔn)，植物冠層溫度在熱成像技術(shù)發(fā)明之前很難被檢測(cè)。利用這些紅外熱能技術(shù)，植物冠層溫度可以通過熱成像相機(jī)或溫度傳感器在不同的視野和角度被測(cè)量[12]。Taghvaeian等[13]利用紅外熱成像技術(shù)測(cè)量出玉米植株的作物水分脅迫指數(shù)（CWSI）和實(shí)際蒸騰量。通過遠(yuǎn)程傳感器及溫度測(cè)量技術(shù)監(jiān)測(cè)科羅拉多州北部的向日葵植株中的水分脅迫指數(shù)以及DANS指數(shù)，從而確定水分含量及狀態(tài)[14]。熱成像技術(shù)（溫度記錄）也可以用于測(cè)定葡萄藤樹冠的溫度變化，從而計(jì)算出氣孔導(dǎo)度指數(shù)（IG）和作物水分脅迫指數(shù)（CWSI），證明氣孔導(dǎo)度的變化可以通過水分狀態(tài)顯示[15]。

有研究發(fā)現(xiàn)，熱成像方法可以提供較為準(zhǔn)確的接近實(shí)時(shí)精確度的葡萄園水分脅迫程度的相關(guān)數(shù)據(jù)以及所測(cè)圖像中的所有像素的溫度數(shù)據(jù)。因此，它可以很容易區(qū)分陽光照射下的樹葉區(qū)域和陰影區(qū)域，從而評(píng)估葡萄藤葉中的水分狀態(tài)。此外，這種方法操作簡(jiǎn)便，可以保證葡萄種植過程不受干擾，同時(shí)適用于普通葡萄種植者，可幫助其改善灌溉計(jì)劃。這種方法主要依靠軟件分析，不需要專業(yè)顧問，用戶可以利用軟件將圖像轉(zhuǎn)換成作物水分脅迫指數(shù)，從而直接得出葡萄藤的水分狀態(tài)[13]。然而，該方法也存在缺點(diǎn)：用于圖像數(shù)據(jù)分析處理的相應(yīng)軟件非常昂貴；為獲得準(zhǔn)確的溫度數(shù)據(jù)，數(shù)據(jù)校正十分必要，但這個(gè)過程耗時(shí)長(zhǎng)且乏味；利用飛行器采集數(shù)據(jù)，飛行器的穩(wěn)定性會(huì)顯著影響圖像的質(zhì)量，而質(zhì)量較差的圖像可能會(huì)導(dǎo)致復(fù)雜且昂貴的后續(xù)處理過程[16]。

1.2 近紅外光譜技術(shù)

近紅外光譜是一種介于可見光和紅外光之間的電磁波輻射。根據(jù)美國(guó)材料測(cè)試學(xué)會(huì)檢測(cè)研究，近紅外光譜是指波長(zhǎng)在780～2 526 nm范圍內(nèi)的電磁波，通常被分為兩大部分，780～1 100 nm的近紅外短波和1 100～2 526 nm的近紅外長(zhǎng)波[17]。近年來，常使用近紅外光譜法和近紅外高光譜法這2種方法進(jìn)行葡萄植株水分含量測(cè)定。

1.2.1 近紅外光譜法近紅外光譜吸收光譜屬于分子振動(dòng)光譜，主要是由于分子運(yùn)動(dòng)產(chǎn)生的振動(dòng)能量使得能級(jí)遷移，從基態(tài)能級(jí)躍遷到高能級(jí)。近紅外光線主要吸收氫基的振動(dòng)頻率XH（X＝C，N，O），其中，包含有大多數(shù)類型的化合物分子結(jié)構(gòu)和組成的信息。不同化合物含有不同氫基的基團(tuán)，處于不同的能量水平，不同的基團(tuán)和同一種基團(tuán)在不同的物理和化學(xué)環(huán)境中對(duì)近紅外光的吸收波長(zhǎng)均有顯著差異。因此，近紅外光譜可以用來獲取有效的信息載體[17]。

當(dāng)受到近紅外光輻照時(shí)，相同頻率的光和自由基將發(fā)生共振現(xiàn)象，光能量將通過改變分子的偶極矩傳遞給分子，但如果近紅外光的振動(dòng)頻率與樣本分子不同時(shí)，此特定頻率的近紅外線將不會(huì)被相應(yīng)分子吸收。由于樣品有選擇地吸收特定范圍的近紅外光，使得此波段近紅外光強(qiáng)變?nèi)鮗17]。因此，只有不斷改變近紅外光的頻率來照射樣品，才能得到由近紅外光所攜帶的待測(cè)物質(zhì)的結(jié)構(gòu)和組成的信息。基于傳播或反射光的密度，可以確定待測(cè)樣品的相關(guān)信息。

近紅外光譜技術(shù)包括定性和定量的分析，其目的是確定樣本的組成和結(jié)構(gòu)，并確定各組分的具體含量。與傳統(tǒng)的化學(xué)分析方法相比，近紅外光譜法是一種利用統(tǒng)計(jì)學(xué)方法建立表示樣本屬性值與近紅外光譜數(shù)據(jù)之間關(guān)系的關(guān)聯(lián)模型（也稱為校準(zhǔn)模型），從而進(jìn)行分析的間接分析技術(shù)。因此，在分析未知樣品前，需要一定數(shù)量的樣本用于建立關(guān)聯(lián)模型，進(jìn)而收集獲得由近紅外光譜儀測(cè)得的光譜數(shù)據(jù)和由化學(xué)分析方法測(cè)得的真實(shí)數(shù)據(jù)。

1.2.2 近紅外高光譜技術(shù)作為一個(gè)快速且非破

壞性的測(cè)量技術(shù)，近紅外高光譜技術(shù)已經(jīng)被應(yīng)用在許多農(nóng)作物和食品檢測(cè)中，例如茶葉。Deng等[18]使用近紅外高光譜技術(shù)測(cè)量了龍井茶葉的含水量，首先將茶葉分為2組（對(duì)照組和測(cè)試組），在整個(gè)失水過程中多次測(cè)量葉片質(zhì)量；同時(shí)，使用高光譜圖像系統(tǒng)在每次失水過程中掃描每一片茶葉得到相應(yīng)的近紅外光譜圖像；接下來利用偏最小二乘回歸法（PLS）構(gòu)建模型，并利用模型預(yù)測(cè)龍井茶葉中的含水量。不同的反射光譜可以顯示葉片中不同的水分含量。因此，處理樣品的數(shù)據(jù)可以計(jì)算測(cè)試樣品的水分含量。此外，近紅外高光譜成像也用來測(cè)量葡萄果實(shí)中花青素含量的變化[19]和油菜葉中氮（N）、磷（P）、鉀（K）三大營(yíng)養(yǎng)元素的含量[20]。

1.2.3 近紅外光譜和高光譜之間的比較近紅外光譜法被認(rèn)為是比其他分析技術(shù)如氣相、高效液相色譜法和傳統(tǒng)化學(xué)方法更可靠的方法，因?yàn)樗僮骱?jiǎn)便、快速，不需要化學(xué)試劑，且對(duì)受試對(duì)象沒有破壞性。近紅外光譜分析方法的主要缺點(diǎn)是依賴化學(xué)計(jì)量學(xué)方法得出的模型和對(duì)照參考法。近紅外光譜分析方法只能提供樣品的平均光譜值，從而失去了樣品中各組分的空間分布信息。相比之下，近紅外高光譜方法吸收了近紅外光譜方法的優(yōu)勢(shì)，可以同時(shí)測(cè)定待測(cè)物質(zhì)的空間信息和光譜信息[21]。

2 材料和方法

試驗(yàn)分為3個(gè)步驟。第1步是葡萄藤葉的準(zhǔn)備：墨爾本大學(xué)農(nóng)學(xué)院和動(dòng)物醫(yī)學(xué)學(xué)院開展葡萄藤的種植。第2步是用質(zhì)量檢測(cè)儀檢測(cè)葡萄葉中水分的流失；同時(shí)，紅外熱成像儀以及近紅外光譜檢測(cè)相同樣品的相應(yīng)數(shù)據(jù)。最后一步是分析水分壓力以及各項(xiàng)結(jié)果之間的關(guān)系。

2.1 樣品的準(zhǔn)備

樣品葉片取自盆栽西拉葡萄藤，葡萄藤已在Mt Langi Ghiran葡萄農(nóng)場(chǎng)生長(zhǎng)了3 a。葡萄藤在4℃的冷藏箱中處于休眠狀態(tài)，冬天過后于2015年9月25日移栽出來。保持合理灌溉和施肥直至新葉片長(zhǎng)出，之后用Seasol Foliar Spray噴霧劑（濃度0.5%，v/v）每2 d噴一次，持續(xù)20 d，噴于葡萄的葉片上。停止2 d后，隨機(jī)從不同的葡萄藤上剪下10片帶柄葉子，標(biāo)號(hào)，并且分別放在不同的塑料存儲(chǔ)袋中，然后放置在冰袋中。另外，將整個(gè)葡萄藤連盆一起放到實(shí)驗(yàn)室，與葉片樣本放置于同一位置。準(zhǔn)備2把干燥清潔的刷子，肥皂水（濃度0.01%，v/v），純凈的凡士林和電子天平。

2.2 葡萄藤中的水分流失的檢測(cè)

葉子中水分的蒸發(fā)作用會(huì)讓水分從氣孔中流失，所以當(dāng)葉子從植物上被剪下來后，它們開始通過蒸發(fā)作用失水，并且由于無法從植物中得到水分的補(bǔ)充而持續(xù)失水[22]。

本試驗(yàn)中，用電子天平（精度為0.001 g，最小測(cè)量質(zhì)量為0.000 1 g）依次測(cè)量10片葉子減掉葉柄后的質(zhì)量減少量，并且記錄數(shù)據(jù)。然后，將其放在實(shí)驗(yàn)桌清潔的白紙上，并置于通風(fēng)良好且直接光照處。10 min后，按照之前的方法重新測(cè)量一遍。不斷重復(fù)上述過程直至葉片的質(zhì)量沒有明顯的變化為止。

2.2.1 紅外熱成像技術(shù)法測(cè)定紅外照相機(jī)用來獲取物體的溫度分布圖，方便監(jiān)測(cè)物體的溫度變化，不同的溫度用不同的形狀和顏色表示。每一片葉子均用一張白紙作為背景，在電子天平稱質(zhì)量后再立即用FLIR ONE型紅外照相機(jī)拍攝熱成像圖。參數(shù)參考溫度T干和T濕，取自于大小相似、距離較近但不在同一藤上的2片葉子上的紅外檢測(cè)結(jié)果。在獲取熱成像圖之前，分別用2把清潔干燥的刷子蘸取肥皂水和凡士林并涂滿整個(gè)葉子的兩面，等待2 min后拍攝圖像。參考溫度T干和T濕將由涂滿凡士林的葉子和涂滿肥皂水的葉子上得到。所有的圖片都會(huì)保存在相應(yīng)的軟件中（FLIR QuickReport），用于之后的數(shù)據(jù)分析。

農(nóng)作物水分脅迫指數(shù)（CWSI）是用來描述植物中水分狀態(tài)，可以用公式（1）進(jìn)行計(jì)算[23-24]。氣孔導(dǎo)度指數(shù)（IG）可以建立葉片溫度和葉片電導(dǎo)率之間的關(guān)系，也可用公式（2）得出[22，25]。

2.2.2 近紅外光譜法測(cè)定近紅外光譜可以通過不同物質(zhì)對(duì)波長(zhǎng)的吸收率不同測(cè)量出被測(cè)物體的成分組成[26]，從而得出各成分的準(zhǔn)確數(shù)據(jù)。微型熱電偶RX分析儀是一種便攜式的測(cè)量?jī)x器，可以通過簡(jiǎn)單、低成本的樣品制備操作和快速、非破壞性的測(cè)量過程，從而幫助監(jiān)控樣品的質(zhì)量，得到精確的數(shù)據(jù)[27]。

在本研究中，基于水可以在1790～1940nm被檢測(cè)到，近紅外光譜區(qū)域選擇在1 590～2 370 nm[17]。

微型熱電偶RX分析儀需要首先在（25±1）℃的室溫下進(jìn)行校準(zhǔn)，然后在對(duì)葉子進(jìn)行熱成像拍照之后，立刻分別測(cè)量其上部中心點(diǎn)、左下中心點(diǎn)和右下中心點(diǎn)的光譜值，從而求得平均值（圖1）。

2.3 數(shù)據(jù)分析

熱成像圖片通過MatLab軟件2014（Math-Works，MA）的定制代碼進(jìn)行分析，并保存在Excel表格中。這種半自動(dòng)化的方法可以通過選擇葉片面積，分析其顏色，得出相應(yīng)溫度數(shù)據(jù)，從而獲得待測(cè)數(shù)值，算出CWSI和IG值。

近紅外光譜圖像和主成分分析圖由近紅外光譜分析儀測(cè)量出的數(shù)據(jù)經(jīng)過Unscrambler軟件（version X 10.1 CAMO，Oslo，Norway）分析處理完成。PCA用于選擇主要的變量和分析樣本及其特征之間的關(guān)系，從而建立出可能的關(guān)系模型[27]。應(yīng)用偏最小二乘回歸法（PLSR）可以建立出包含多個(gè)因變量和多個(gè)自變量的回歸模型，尤其是在內(nèi)部線性相關(guān)的情況下[28]，最能反映出數(shù)據(jù)的可變性，同時(shí)預(yù)測(cè)數(shù)據(jù)的趨勢(shì)。在本研究中，通過展示預(yù)測(cè)值和真實(shí)值的線性相關(guān)性和差異顯著性水平，偏最小二乘回歸法被用來構(gòu)建和校準(zhǔn)可以表達(dá)出水分流失和CWSI值、IG值之間關(guān)系的模型。

3 結(jié)果與分析

3.1 葡萄葉片失水分析

所有的葉子初始質(zhì)量均在0.8～1.6 g之間，使用電子天平每隔10 min測(cè)量一次各葉片的質(zhì)量，直到第90分鐘時(shí)停止，質(zhì)量顯著下降（圖2），換句話說，每片葉子均被測(cè)量10次。圖2顯示出所有葉片在第一個(gè)10 min的質(zhì)量均顯著減小，除葉片7外，大部分葉片的失水狀態(tài)處于一個(gè)緩慢和穩(wěn)定的下降趨勢(shì)，所有葉片在最后一個(gè)10 min質(zhì)量都沒有顯著變化。

3.2 熱成像結(jié)果

Matlab軟件中的特殊代碼可以將原始的熱成像圖轉(zhuǎn)換成帶有目標(biāo)圖像的溫標(biāo)，這樣可以比較容易地區(qū)分出目標(biāo)區(qū)域，然后可以自動(dòng)地檢測(cè)不同區(qū)域的溫度與它們的SD值，用來確認(rèn)是否在這些數(shù)據(jù)中有明顯區(qū)別，以及這些葉片的平均輸出溫度（圖3）。

參考溫度（T干與T濕）與統(tǒng)計(jì)分析結(jié)果列于表1，與提供的公式（1）與公式（2）中的基本數(shù)據(jù)一起來計(jì)算葉片中CWSI和IG值。在這些葉片中的參考溫度沒有明顯的區(qū)別，說明在相同葉片的不同部位溫度基本相同，并且可以被認(rèn)同為參考溫度。

表1 參考溫度數(shù)據(jù)

表2中的SD值表明葉片在不同時(shí)間段內(nèi)的平均溫度，顯示在不同葉片中，相同時(shí)間段內(nèi)的溫度沒有明顯區(qū)別。另外，隨著時(shí)間的增加，平均溫度呈現(xiàn)出下降的趨勢(shì)，從24.665 65℃降到19.188 67℃。

葉片的CWSI和IG值可以用參考溫度T干，T濕和葉片溫度T葉片計(jì)算出來。表3顯示了CWSI和IG在不同時(shí)間段內(nèi)的平均值。從表3可以看出，隨著時(shí)間的增長(zhǎng)，IG值呈增加趨勢(shì)，而CWSI值呈減少趨勢(shì)，其中，IG值由0.112 01升至2.389 94，CWSI值從0.900 91降到0.329 36。

表2 不同時(shí)間葉片平均溫度

表3 葉片平均CWSI與IG值

3.3 近紅外光譜結(jié)果

光譜連續(xù)性是建立回歸模型最重要的因素[18]。圖4展現(xiàn)了近紅外光譜在光譜范圍1 595.7～2 367 nm的100次測(cè)量結(jié)果，顯示出了總體趨勢(shì)在光譜曲線中幾乎相同，基于光譜曲線所包含的相關(guān)信息可以分析出樣品的相關(guān)成分。

不同的化合物有不同的吸收波長(zhǎng)，用于確定不同類型的分子、原子或特定的原子基團(tuán)，由于葉片包含大量復(fù)雜的化學(xué)成分，近紅外光譜顯示一個(gè)廣泛的吸收波長(zhǎng)。

波長(zhǎng)和對(duì)應(yīng)的化合物水分的典型波段1 790～1 940 nm在圖4中也有顯示。另外，最高特征波段大約為1 930 nm，很有可能由纖維素或者淀粉或者氫氧基團(tuán)組成。同時(shí)發(fā)現(xiàn)，整個(gè)光帶趨勢(shì)有一個(gè)連續(xù)性的降低，光譜吸收量在延長(zhǎng)時(shí)間和最后的時(shí)間段中為最小值。

關(guān)于PCA，2個(gè)PC解釋了100%的總方差（圖5），第1種主要成分量占了所有變量的88%，第2種占了12%。這10組樣品被大概分成3組，第1組為前10 min，第2組為后10 min，其余的為第3組。其中，第3組中，樣品的顏色相同，說明他們?cè)谙嗤瑫r(shí)間內(nèi)集合在一起，少部分異常值除外。

所有近紅外光譜的原始數(shù)據(jù)在10個(gè)時(shí)間組中的波長(zhǎng)介于1 595.7～2 367 nm，被用來建立和CWSI和IG值，相符的預(yù)測(cè)模型。然后去除模型線中的異常值，從而重新修正模型。圖6和圖7為修正的CWSI和IG值的PLSR模型。

圖6中，藍(lán)色的線（標(biāo)記為Cal）是CWSI的理想預(yù)計(jì)線，紅色線（標(biāo)記為Val）是由沒有異常值的數(shù)據(jù)建立的模型線。如果用公式來體現(xiàn)產(chǎn)出，理想模型PLSR模型是y＝0.990 441。2個(gè)模型的R2都大于95%，同時(shí)2條模型線彼此非常接近。

相同的理想模型表示IG值在圖7中，PLSR模型RMSE＝0.012 983 5。同樣，2個(gè)模型的R2都大于95%，同時(shí)2條模型線幾乎彼此重疊。

3.4 水分流失與溫度和水分狀態(tài)在葡萄藤中的關(guān)系

葉片質(zhì)量的減少最主要是由蒸發(fā)和呼吸作用共同影響，后者所造成的質(zhì)量流失在較短的時(shí)間段中可以被忽略[28]。由于葉片的蒸發(fā)作用會(huì)導(dǎo)致葉片表面溫度下降，葉片失水和溫度變化之間應(yīng)該有一定關(guān)系[29]。圖8顯示了葉片失水和相應(yīng)的葉片表面溫度變化之間的圖像關(guān)系。由圖8可知，隨著葉片中水分的流失，葉片表面溫度在穩(wěn)定下降，所以在一定范圍內(nèi)，葉片表面溫度可以指示葉片中的水分狀況。

CWSI是樣本溫度與參考溫度測(cè)定出的指數(shù)，通常被用來描述農(nóng)作物中的水分狀態(tài)。從圖9可以看出，CWSI值與相應(yīng)的葡萄藤葉片中的水分丟失在不同時(shí)間內(nèi)相互對(duì)應(yīng)。在草莓的試驗(yàn)中發(fā)現(xiàn)了GS值（氣孔導(dǎo)度），也通常用來顯示水分狀態(tài)，與葉片溫度和CWSI值呈負(fù)相關(guān)，也就是說彼此之間為正相關(guān)[29]。

4 討論

4.1 近紅外光譜和PCA分析

近紅外光譜圖顯示，隨著時(shí)間的延長(zhǎng)，葉片中水分含量持續(xù)下降。說明樣品葉片隨著時(shí)間的流逝水分也在流失。

PCA在圖5中顯示了10個(gè)葉片在10個(gè)不同時(shí)間段內(nèi)的相對(duì)位置，所有的樣品在前10 min內(nèi)被分為一組，顯示了他們具有相同的特性，最后10 min也與其相同。至于中間的時(shí)間段內(nèi)，所有的樣品彼此接近，表明水分流失并沒有明顯的區(qū)別。對(duì)于每組來說，10個(gè)樣品有著相似的相關(guān)位置，這顯示它們的脫水速度相似。此外，近紅外光譜顯示了水分流失和時(shí)間之間的趨勢(shì)。

4.2 CWSI和IG的PLSR模型分析

根據(jù)圖6，7，CWSI和IG值有相同的理想模型，因?yàn)樗麄兪褂孟嗤脑紲囟葦?shù)據(jù)。R2顯示了趨勢(shì)的擬合程度，值越高說明實(shí)際數(shù)據(jù)和估計(jì)數(shù)據(jù)越接近，同時(shí)說明趨勢(shì)線越可靠。這2個(gè)數(shù)據(jù)中，R2都接近于99%（分別是98.953 73%和99.008 26%）。說明變量的實(shí)際值與預(yù)測(cè)值有極其相關(guān)的線性關(guān)系。同時(shí)，RMSE值僅僅是0.01，說明樣品誤差非常小，可以被忽略掉?？偟膩碚f，由于2個(gè)預(yù)測(cè)模型線都與理想模型線一致，2個(gè)預(yù)測(cè)模型都達(dá)到了令人滿意的表現(xiàn)。因此，這些預(yù)測(cè)模型可以被用來估計(jì)葡萄藤葉片中水分狀態(tài)。Diniz等[25]、Deng等[18]也在近紅外光譜數(shù)據(jù)上建立了PLSR預(yù)測(cè)模型來預(yù)測(cè)茶葉葉片中的水分狀態(tài)。

5 結(jié)論

作為2種間接和非破壞性的測(cè)量水分的方法，熱成像和近紅外光譜測(cè)量法在測(cè)量葡萄葉片水分中均有各自的優(yōu)缺點(diǎn)。對(duì)于相同樣品的測(cè)量，熱成像和近紅外光譜法都表現(xiàn)出良好的精確測(cè)量結(jié)果，并可以聯(lián)合通過構(gòu)建PLSR模型顯示出CWSI和IG真實(shí)值和預(yù)測(cè)值之間良好的線性關(guān)系。表明熱成像和近紅外光譜法結(jié)合是一種可靠的可以用來檢測(cè)葡萄植株水分狀態(tài)的方法。

［1］Lloret J，Bosch I，Sendra S，et al.A Wireless sensor network for vineyard monitoring that uses image processing[J].Sensors，2011，11：6165-6196.

［2］Mayr C，Geue J，Holt H，et al.Characterization of the key aroma compounds in Shiraz wine by quantitation，aroma reconstitution，and omission studies[J].Journal of Agricultural and Food Chemistry，2014，62：4528-4536.

［3］Kizildeniza T，Meknia I，Santestebana H，et al.Effects of climate change including elevated CO2concentration，temperature and water deficit on growth，water status，and yield quality of grapevine（Vitis vinifera L.）cultivar[J].Agricultural Water Management，2015，159：155-164.

［4］Merli MC，Gatti M，Galbignani M，et al.Comparison of whole-canopy water use efficiency and vine performance of cv.Sangiovese（Vitis vinifera L.）vines subjected toa post-veraison water deficit[J].Scientia Horticulturae，2015，185：113-120.

［5］Fuentes S，Echeverria C P，Lobos G，et al.Size does not matter for infrared water status assessment：Newly-developed infrared scanners could offer comparable results against high-resolution thermal cameras[J].Wine and Viticulture Journal，2014，29（3）：45-51.

［6］Leeuwen C V，Tregoat O，Choné X，et al.Vine water status is a key factor in grape ripening and vintage quality for red bordeaux wine. Howcan it be assessed for vineyard management purposes?[J].Journal International des Sciences de la Vigne et du Vin，2009（3）：121-134.

［7］Williams L E，Phene C J，Grimes D W，et al.Midday measurements of leaf water potential and stomatal conductance are highly correlated with daily water use of Thompson Seedless grapevines[J].Irrigation Science，2012，30：201-212.

［8］Johnson R S，Williams L E，Ayars J E，et al.Weighing lysimeters aid study of water relations in tree and vine crops[J].California Agriculture，2005，59（2）：133-136.

［9］Bellvert J，Marsal J，Girona J，et al.Seasonal evolution of crop water stress index in grapevine varieties determined with high resolution remote sensing thermal imagery[J].Irrigation Science，2015，33：81-93.

［10］Yin Z，Lei T，Yan Q，et al.A near-infrared reflectance sensor for soil surface moisture measurement[J].Computers and Electronics in Agriculture，2013，99：101-107.

［11］Cohen Y，Alchanatis V，Sela E，et al.Crop water status estimation using thermography：multi-year model development using ground based thermal images[J].Precision Agriculture，2015，16：311-329.

［12］Alchanatis V，Cohen S，Moller M，et al.Evaluation of different approaches for estimating and mapping crop water status in cotton with thermal imaging[J].Precision Agriculture，2010，11：27-41.

［13］Taghvaeian S，Chávez J L，Altenhofen J，et al.Remote sensing for evaluating crop water stress at field scale using infrared thermography：potential and limitations[J].Hydrology Days，2013，4：74-83.

［14］Taghvaeian S，Comasb L，DeJongeb K C，et al.Conventional and simplified canopy temperature indices predict water stress in sunflower[J].Agricultural Water Management，2014，144：69-80.

［15］Pou A，Diago MP，Medrano H，et al.Validation of thermal indices for water status identification in grapevine[J].Agricultural Water Management，2014，134：60-72.

［16］Handcock R N，Torgersen C E，Cherkauer K A，et al.Thermal infrared remote sensing of water temperature in riverine landscapes [J].Fluvial Remote Sensing for Science and Management，2012，12：85-113.

［17］Ciurczak E W，Burns D A.Handbook of near-infrared analysis[M]. Third Edition.Florida，USA：CRC Press，2007：357.

［18］Deng S，Xu Y，Li X，et al.Moisture content prediction in tealeaf with near infrared hyperspectral imaging[J].Computers and Electronics in Agriculture，2015，118：38-46.

［19］Chen S，Zhang F，Ning J，et al.Predicting the anthocyanin content of wine grapes by NIR hyperspectral imaging[J].Food Chemistry，2015，172：788-793.

［20］Zhang X，Liu F，He Y，et al.Detecting macronutrients content and distribution in oilseed rape leaves based on hyperspectral imaging [J].Biosystems Engineering，2013，115：56-65.

［21］Manley M.Near-infrared spectroscopy and hyperspectral imaging: non-destructive analysis of biological materials[J].Chemical Society Reviews，2014，43：8200-8214.

［22］Reinert S，B?gelein R，Thomas F M.Use of thermal imaging to determine leaf conductance along a canopy gradient in European beech（Fagus sylvatica）[J].Tree Physiology，2012，32：294-302.

［23］Id so S B.Non-water-stressed baselines:a key to measuring and interpreting plant water stress[J].Agriculture Meteorology，1982，27（1/2）：59-70.

［24］Jones H G.Use of infrared thermometry for estimation of stomata conductance as a possible aid to irrigation scheduling[J].Agriculture Forest Meteorology，1999，95：139-149.

［25］Diniz P H G D，Pistonesi M F，Araujo M C U.Using iSPA-PLS and NIR spectroscopy for the determination of total polyphenols and moisture in commercial tea samples[J].Analytical Methods，2015，7：3379-3384.

［26］Abdi H.Partial least squares regression and projection on latent structure regression（PLS regression）[J].Wiley Interdisciplinary Reviews:Computational Statistics，2010，2：97-106.

［27］Catoni R，Gratani L.Variations in leaf respiration and photosynthesis ratioin response toair temperature and water availability among Mediterranean evergreen species[J].Journal of Arid Environments，2014，102：82-88.

［28］Holbrook N M，Sinclair T R.Water balance in the arbores cent palm，Sabal palmetto.II.Transpiration and stem water storage[J]. Plant，Cell and Environment，1992，15：401-409.

［29］Grant O M，Davies MJ.Thermal imaging and carbon isotope composition indicate variation amongst strawberry（Fragaria×ananassa）cultivars in stomatal conductance and water use efficiency[J]. Environmental and Experimental Botany，2012，76：7-15.

Combination of Thermal Imaging and NIR Spectroscopy Technology to Test Water Content in Shiraz Leaves

LI Guangjun
（College of Agriculture and Animal Medicine，Melbourne University，Melbourne 300457，Australia）

Shiraz is one of the ancient and high quality wine grape varieties,improving its cultivation technologies and the methods are more and more important in current wine making industry.Grapevine water content measuring and control plays a significant role in its cultivation and harvest.Therefore,looking for a quick,easy and non-destructive measurement is very important.To explore the relations between grapevine water content and CWSI by thermal technology and NIR,this paper uses thermal imaging and near-infrared spectroscopy combination to test the leaf water content and temperature,and finding out their corresponding relation.The results show that the combination of thermal imaging technology and near-infrared spectroscopy can be used tome a sure the water content of grapevine leaf to come up to CWSI and IG,and show an obvious linear relation between them.Thermal imaging technology combined with near infrared spectroscopy can be used for more accurate measurements of leaf water content,and be quick and non-destructive at the same time.

thermal imaging technology;NIR;water loss;temperature change;CWSI

O657.7＋8；O657.33

A

1002-2481（2016）10-1467-09

10.3969/j.issn.1002-2481.2016.10.11

2016-06-08

李光君（1991-），女，山西太原人，在讀碩士，研究方向：葡萄酒感觀評(píng)價(jià)。