酒類屬于發酵產品，其發酵過程的微生物區系與生產產地環境密切相關，因此，其質量與產地具有密切關聯性。不同產地的酒，其口感和風味上有差異，主要體現在揮發性物質、多酚類物質、顏色、微量元素和同位素、花青素等物質含量的不同。紅外光譜在地理標志酒類食品的產地檢驗中表現優越，尤其是近紅外光譜。Cynkar 等將可見-近紅外光譜結合化學計量學的方法用于區分產自澳大利亞和西班牙的市售 Tempranillo 葡萄酒。
研究發現，兩種葡萄酒的近紅外光譜圖無顯著差異，但對獲得的近紅外光譜圖進行 PCA，分別用 PLS-DA 和 LDA 建立判別模型，并對校正模型用全交叉驗證法進行驗證，發現 PLS-DA 模型對澳大利亞葡萄酒的鑒別準確率可達100%，對西班牙葡萄酒的鑒別率則為84.7%。相比之下，LDA 校準模型對澳大利亞葡萄酒的鑒別準確率只有72%，對西班牙葡萄酒的鑒別率為85%。于海燕等將近紅外光譜技術用于區分產于紹興和嘉善的中國米酒。在全近紅外波長范圍內，兩種米酒的光譜帶幾乎重疊。用 PCA 和偏最小二乘相關分析法（PLSR）建立判別模型進行區分時，該判別模型對紹興和嘉善米酒的分辨準確率高達100%。Cozzolino 等應用可見光-近紅外光譜結合化學計量學的方法區分產自不同國家的市售 Riesling 葡萄酒。
通過掃描可見光-近紅外光譜，并在 PCA 基礎上建立 PLS-DA 模型和逐步線性判別分析（SLDA）模型。結果表明 PLS-DA 模型對產自澳大利亞、新西蘭和歐洲國家（法國和德國）的 Riesling 葡萄酒的鑒別正確率分別為97.5%、80%和70.5%。而 SLDA 模型對澳大利亞、新西蘭、法國和德國的 Riesling 葡萄酒的鑒別正確率分別為86%、67%、67%和87.5%。