研究人员报告称，对葡萄藤叶片进行高光谱成像，或可提供一种更快、无损的方式来评估葡萄藤水分状况；这一任务通常依赖生理方法测量，虽然准确，但速度慢、成本高且具有侵入性。
这项研究由 IVES OpenScience 以 IVES Conference Series 形式发表，作为 GiESCO 2017 的扩展摘要。研究聚焦西拉葡萄藤，即 Vitis vinifera L. cv. Shiraz，并测试可见光和近红外高光谱图像是否能够检测叶片水分条件的差异。
据摘要称，研究团队使用线扫描传感器采集了高光谱图像，分辨率为 813 x 456 像素，覆盖 450-980 nm 波段。随后，他们使用自编 MATLAB 代码从叶片中提取并插值光谱特征。作为植物水分状况的参考，研究人员用红外气体分析仪测量了叶片气孔导度，即 gs。
该研究将由光谱特征导出的五种常见植被指数与 gs 值进行了比较。初步结果未显示植被指数与气孔导度之间存在显著的线性回归关系。但研究人员表示，机器学习方法取得了更强的结果。借助高光谱成像数据中包含的更广泛信息，他们能够以较高准确率区分不同的气孔导度类别，尤其是在正午左右拍摄的图像中。
作者包括 Alessandro Bellotto、Nicola Manzan、Enrico Peterlunger 以及来自意大利乌迪内大学、南非斯泰伦博斯大学和意大利帕多瓦大学的同事。Carlos Poblete-Echeverría 被列为通讯作者。
这些发现进一步推动了葡萄栽培领域一项日益增长的努力，即在不切取组织、也不完全依赖耗费人力的田间检查的情况下测量葡萄藤胁迫。水分状况是葡萄园的核心问题，因为它会影响葡萄藤生长、果实发育，以及种植者在整个季节如何管理灌溉。
对于饮料行业而言，其潜在价值在于实用性。如果种植者能够更快、更一致地在叶片层面监测葡萄园水分胁迫，他们或许能够更精准地做出分区灌溉决策，并减少葡萄成熟度的差异。这可能会影响产量和葡萄酒质量，不过该摘要只报告了水分状况分类，并未测试对葡萄或成品酒的直接影响。
该研究也指出了一个重要限制。仅靠简单的植被指数，无法在这一数据集中对气孔导度做出显著的线性预测。更强的表现来自将机器学习应用于高光谱信息，这表明叶片中的水分胁迫信号可能比标准基于指数的方法所能捕捉到的更为复杂。
研究人员将高光谱成像描述为一种比传统生理测量更便宜、更快速的替代方法，可用于检测叶片中的生化变化。他们的结果还表明，时间点同样重要，因为在正午采集图像时，不同水分状况类别的分类表现最佳。
尽管这只是作为扩展摘要而非完整论文发表的初步发现，但这项工作反映出，在气候更温暖、更干燥、生产者面临更高效用水压力的条件下，葡萄园管理对光学工具的持续兴趣。