可溶性固形物總含量（TSS）是決定葡萄***佳成熟度的關鍵變量之***。在這項工作中，基于漫反射光譜測量，開發了偏***小二乘（PLS）回歸模型，用于估算Godello、Verdejo（白葡萄）、Mencía 和Tempranillo（紅葡萄）等葡萄品種的TSS含量。為了確定TSS預測的***適合光譜范圍，對四個數據集進行了回歸模型的校準，其中包括以下光譜范圍：400–700 nm（可見光）、701–1000 nm（近紅外）、1001–2500 nm（短波紅外）和400–2500 nm（全光譜范圍）。我們還測試了標準正態變量變換技術。使用留***交叉驗證評估了回歸模型，評估指標包括均方根誤差（RMSE）、決定系數（R2）、性能與偏差比（RPD）和因子數（F）。紅葡萄品種的回歸模型通常比白葡萄品種的模型更準確。***佳的回歸模型是針對Mencía（紅葡萄）得到的：R2 = 0.72，RMSE = 0.55 °Brix，RPD = 1.87，因子數 n = 7。對于白葡萄，Godello取得了***佳結果：R2 = 0.75，RMSE = 0.98 °Brix，RPD = 1.97，因子數 n = 7。所使用的方法和得到的結果表明，可以使用漫反射光譜和將反射值用作預測變量的回歸模型來估算葡萄中的TSS含量。

葡萄的反射率是使用ASD FieldSpec 4 地物光譜儀進行測量，該儀器可檢測350–2500 nm光譜范圍內的反射率。葡萄樣品（每個葡萄品種60個樣品，每個樣品有100顆漿果）散布在黑色容器芯中（17 × 17 cm）。從4個不同的數據中獲取了100顆漿果的反射數據（在每次測量之前將樣品順時針旋轉90°）。然后對反射數據進行預處理，得到4次數據的平均值。

圖1. 利用ASD地物光譜儀獲取光譜數據的流程

圖2展示了四種葡萄品種的平均反射值范圍以及原始數據（圖2a）和SNV轉換數據（圖2b）的TSS反射值。在圖2a中，紅葡萄品種（Mencía和Tempranillo）具有非常相似的光譜特征。雖然在可見光范圍內的反射值相似，但從波長675 nm處可以看出***些差異，***大和***小反射值分別約為895 nm和1080 nm，以及675 nm和960 nm。白葡萄（Godello和Verdejo）的光譜特征與紅葡萄不同，但彼此非常相似。Godello和Verdejo在可見光-近紅外范圍的570 nm、830 nm和890 nm處具有***高的反射值。在這個范圍內，反射值呈現輕微差異，盡管它們具有相同的光譜特征。從波長1160 nm開始，四種葡萄品種的反射值是相同的。

圖2 四種葡萄品種（Mencía、Godello、Tempranillo和Verdejo）采樣漿果的平均光譜范圍

圖3 Godello、Mencía、Tempranillo和Verdejo葡萄品種在使用原始數據（實線）和SNV轉換數據（虛線）進行PLS回歸時加權回歸系數在全光譜范圍內的分布。對四個品種的釀酒特性進行了交叉驗證。黑線表示零相關性，并為了清晰呈現而偏移了3.0單位

圖4 利用原始光譜反射數據進行每個波長的簡單線性相關性葡萄糖度（TSS）相關圖。

圖5 利用原始（a–d）和SNV轉換（e–h）反射數據進行的偏***小二乘回歸（PLS）的均方根誤差（RMSE）值。所有圖應用相同的顏色刻度（請參閱右側圖例）。

采用漫反射光譜測量方法，利用偏***小二乘（PLS）回歸模型估計了四種葡萄品種（Godello、Verdejo、Mencía和Tempranillo）的總可溶性固形物（TSS）含量。基于所獲得的結果，紅葡萄品種的TSS含量估算***佳，特別是Mencía。

用于TSS預測的***適宜光譜范圍是近紅外（NIR）范圍（701–1000 nm）。在此光譜范圍內獲得了***高的R2和RPD值，以及***低的RMSE和F值。在所有光譜范圍內，對數據進行SNV轉換進***步改善了模型的評估指標結果。

用于估算TSS的***佳變量（圖5）分別位于860 nm處，波長201 nm的Godello；883 nm處，波長232 nm的Mencía；916 nm處，波長230 nm的Tempranillo；以及1055 nm處，波長230 nm的Verdejo。這些***佳點呈現出***低的RMSE值。

研究表明，通過光譜測量的反射值，可以迅速、非侵入性地進行現場測量，從而估算TSS含量。