《Smart Agricultural Technology》：PocketSTRESS: A new mobile technology for estimating stomatal conductance in vineyards to optimize water stress management
编辑推荐：
本研究针对葡萄园水分胁迫管理难题，开发了一款名为PocketSTRESS的智能手机应用。它利用手机内置传感器获取叶片3D扫描，通过估算坎贝尔椭球叶角分布参数χ，进而线性推导气孔导度(gs)，并将其与阈值对比，将水分状态自动分类为无胁迫、轻度、中度及重度胁迫。该技术成功扩展至霞多丽、玛尔维萨、白皮诺、桑娇维塞和蒙特普尔恰诺五个品种，验证试验表明其能有效区分不同水分胁迫等级，且具备成本低、易操作、结果直观等优势，为优化葡萄栽培中的水分管理，特别是中小型农场，提供了实用新工具。
在葡萄栽培中，水分管理是一门精妙的艺术。适量的水分胁迫可以提升葡萄品质，但过度缺水则会导致减产。然而，在气候变化导致干旱事件频发的今天，精准把握葡萄藤的水分状态变得愈发困难。传统评估方法各有局限：遥感技术成本高昂且需地面数据校准；基于土壤的方法（如土壤湿度传感器）因土壤空间异质性和根系深度问题，难以直接关联植株水分状况；而基于植株的直接生理测量方法，如茎水势测定，虽可靠但耗时、具破坏性且设备笨重。被视为可靠且灵敏的早期水分胁迫指标——气孔导度(gs)，也因测量仪器昂贵复杂，多限于研究用途。因此，农业生产者急需一种能够快速、低成本、非破坏性且易于解读的田间水分状况评估工具。
针对这一需求，一项发表于《Smart Agricultural Technology》的研究提出了一种创新解决方案：PocketSTRESS。这是一款基于智能手机的应用程序，旨在通过估测气孔导度(gs)来为葡萄种植者提供易于解读的水分胁迫信息。其核心原理在于利用水分胁迫引起的叶片朝向变化。研究团队将Paleari等人先前提出的方法——基于3D叶片扫描和坎贝尔椭球叶角分布来估算gs——集成到了这款手机应用中。
为了开展这项研究，研究人员主要运用了以下几项关键技术方法：1. 智能手机传感与3D叶片扫描：利用智能手机内置的3轴加速度计和磁力计，以200毫秒的间隔自动采集叶片的天顶角和方位角，通过低通滤波算法稳定读数，从而重建叶片3D朝向。2. 叶角分布参数(χ)计算与gs估测模型：基于扫描得到的叶角数据，自动估算坎贝尔椭球叶角分布参数χ，该参数是冠层结构直立度的综合指标。通过建立的品种特异性线性方程，由χ推导出gs。3. 便携式光合作用系统验证：使用CIRAS-3便携式光合作用系统测量叶片的气孔导度(gs)真实值，用于校准和验证PocketSTRESS的估测准确性。4. 受控水分处理实验：在米兰大学校园进行盆栽试验，对白皮诺、桑娇维塞、蒙特普尔恰诺等葡萄品种施加不同的水分处理（充分灌溉、减量灌溉、停止灌溉），以获取从充分供水到不同程度水分胁迫的数据。5. 方法学验证（ISO 5725协议）：设计环式试验，由多个操作员组在不同环境条件下对选定葡萄藤进行测量，以量化该方法的准确度，包括正确度以及包含重复性和再现性的精密度。
研究结果
1. 移动技术的工作原理
PocketSTRESS的工作流程清晰明确。用户首先在应用中选择葡萄品种，然后将手机屏幕平行于叶片表面，从叶柄处移动至叶尖进行扫描。应用利用手机传感器获取叶片3D方向数据，计算叶角分布参数χ，再通过品种特异性线性关系计算出gs估值。最后，将该估值与预设的gs阈值（>300为充分供水，150-300为轻度胁迫，50-150为中度胁迫，<50为重度胁迫，单位：mmol m-2s-1）进行比较，从而以直观的类别（如“轻度胁迫”）向用户反馈水分状态。田间操作建议为每公顷7个采样点，每点随机选取13片冠层中部叶片。
2. 向更多葡萄品种的扩展
除了已为霞多丽和玛尔维萨建立的关系，本研究为白皮诺、桑娇维塞和蒙特普尔恰诺这三个新品种推导了gs与χ之间的线性关系。结果表明，所有品种的gs与χ均存在显著的线性关系，决定系数(R2)在0.69到0.92之间。这证实了利用叶角变化作为作物水分状态指示器的潜力，并为将这些品种纳入PocketSTRESS的应用范围提供了关键参数。s与χ之间的关系图。误差线表示标准误。">
3. 检测水分胁迫程度的潜力
通过比较PocketSTRESS估算的gs与使用CIRAS-3测量的gs，并依据已知的水分胁迫阈值进行分类，评估了该应用区分水分胁迫状态的能力。总体而言，该应用能够有效区分充分供水和遭受水分胁迫的植株。在49个案例中，仅有两例水分胁迫植株被误判为充分供水，而没有充分供水植株被误判为受胁迫。在全部案例中，71%的估测值落在了正确的水分状态类别内，其余29%的误差也从未超过一个等级。这证明了该应用在支持水分胁迫管理（如指导灌溉）方面提供可靠信息的整体潜力。s阈值。红色实线区分充分供水和水分胁迫条件。灰色象限表示测量值和估算值落在相同的水分胁迫类别内。黑线表示测量值与估算值完全一致。">
4. 依据ISO 5725对PocketSTRESS进行准确度测定
为量化该方法的可靠性，研究依据ISO 5725协议设计了环式试验，评估了其正确度和精密度（包括重复性和再现性）。试验针对桑娇维塞和蒙特普尔恰诺两个品种进行。结果表明，该方法的平均重复性相对标准偏差(RSDr)和再现性相对标准偏差(RSDR)分别为44.8%和48.3%，且重复性与再现性差异很小，说明操作员和环境条件对精密度的影响可忽略，主要不确定性来源于测量本身的内在变异性。在正确度方面，估算值与参考值之间的R2为0.74，平均绝对误差(MAE)为49.9 mmol m-2s-1。这些性能指标优于之前对LI-600气孔计在玉米上的验证结果，与其它关于叶片结构与水分状态关系的研究结果一致。
结论与展望
PocketSTRESS研究证实，利用智能手机估算气孔导度(gs)来管理葡萄园水分胁迫是一种可行且前景广阔的策略。该技术成功地将基于叶片3D扫描的gs估测模型集成到手机应用中，使其能够快速（约一分钟）提供直观的水分状态分类。研究不仅验证了该方法在原有品种上的可靠性，还成功将其扩展到白皮诺、桑娇维塞和蒙特普尔恰诺三个新品种，显示了良好的普适性。
尽管在29%的情况下水分状态被误判一个等级，且精密度指标相对于高度标准化的实验室分析方法较低，但考虑到现有植物水分状态测定方法在复杂性、成本和/或可行性方面的局限，PocketSTRESS的表现已具实际应用价值。其正确度令人满意，且操作员和环境差异对结果影响甚微。更重要的是，该方法成本极低（仅需智能手机）、非破坏性、易于使用和解读。通过增加测量重复次数，可以进一步降低其不确定性。
该研究的深远意义在于，它为葡萄种植者，特别是资源有限的中小型农场，提供了一种前所未有的、易于获取的精准水分管理工具。遵循ISO 5725协议进行的严谨验证，为用户提供了透明、量化的性能指标，有助于对结果进行批判性解读。如果未来在多样化的农田条件下进一步评估能证实其可靠性，PocketSTRESS有望为葡萄栽培中的水分胁迫管理优化开启新的机遇，帮助生产者在气候变化背景下更智能地利用水资源，在保证产量的同时提升果实品质。
