在葡萄种植中，通过嫁接可以改善其生长、生理和可持续性，砧木会影响接穗的光合作用，但相关的生理和分子机制研究尚不明确，选择能提高光合能力的砧木是一个复杂且漫长的过程，需要高通量的测量方法。直接使用光合仪测量光合作用耗时且环境要求高，不适合高通量测量，而高光谱成像可用于间接评估冠层水平的光合作用，且一些研究已将高光谱反射测量与人工智能算法结合来预测光合参数，但在葡萄中的相关验证实验有限。近期，一项发表于Frontiers in Plant Science的研究通过高光谱成像结合人工智能（AI），为预测整株葡萄的光合特性带来了新的见解。
该研究选用‘Marquette’葡萄作为接穗嫁接在 5 种不同砧木和自身砧木上作为实验材料，通过光合仪测量葡萄叶片的光合参数（Vcmax和Jmax），同时使用SPECIM IQ高光谱相机收集冠层反射数据来预测光合参数。此外，还测量了环境和叶绿素特征用于建模。
结果表明，不同基因型砧木的光合效率存在显著差异，且随着昼长的减少，光合效率也会降低。基因型在响应昼长下降时表现出不同的光谱特征，PCA分析（图5）揭示了基因型光谱特征的差异与波长反射模式的变化有关。在光合参数预测方面，VIT-CNN1D模型表现最佳。
研究指出，砧木基因型对光合参数的影响可能与遗传基础有关，需要全面、长期的研究来确定适合特定条件的砧木。高光谱成像能有效区分基因型，但相关生理信号仍需深入探究。此外，VIT-CNN1D 模型性能优于其他算法，可能是因为光合测量与光谱特征的相关性更强。
该研究强调了选择合适砧木对提高葡萄园应对气候变化能力的重要性，同时展示了利用AI算法验证高光谱遥感进行无损、高效监测的潜力。期待进一步优化高光谱成像和AI模型，为葡萄种植和农业可持续发展提供更有力的支持。
图3 田间条件下Vcmax（A）和Jmax（B）随日长减少的时间趋势
图4 不同昼长下田间每种砧木组合的平均光谱特征
霜降：人间至此秋色尽，草木摇落露为霜。
