本研究开发了一种无损方法，通过整合感官评价、化学分析、电子鼻/舌、高光谱成像和16S rRNA测序，用于识别普洱生茶的储存年份及其品质演变。结果表明，芽孢杆菌（Bacillus）和泛菌属（Pantoea）的变化驱动了化学成分的转化；特别是，在杭州储存六年后，芽孢杆菌的丰度达到40.44%，与多酚和酯型儿茶素的显著降解相关。特定波长1633 nm、1085 nm和1250 nm分别与咖啡因、多酚和氨基酸的变化内在关联。在测试模型中，结合标准正态变量预处理的随机森林模型在近红外波段实现了100%的分类准确率。此外，随机森林回归成功基于光谱数据可视化了细菌演替趋势。总体而言，这种综合策略为茶叶质量控制提供了一种快速、无创的方法论框架，为未来扩展和验证多种茶叶陈化过程提供了有价值的参考。
01
研究背景
普洱生茶的品质在自然储藏过程中会随时间发生复杂的生化演变，其感官风味、化学成分和微生物群落都会发生显著变化。储藏微环境（如温度、湿度）是影响这个演变进程的关键因素。
然而，传统评估方法（感官、化学分析）耗时费力，且难以动态追踪微生物与化学成分间的相互作用。高光谱成像作为一种快速、无损的技术，在农产品检测中应用广泛，但此前尚未被用于深入探究普洱生茶储藏年份、微生物演替与光谱特征之间的深层关联。
本研究旨在填补这一空白，建立一种高效、无损的方法来鉴定普洱生茶的储藏年份，并揭示其背后微生物驱动的化学变化机制。
02
主要方法
多模态数据采集
收集了在不同微气候（杭州温热湿润、普洱干冷）下储藏0-6年的普洱生茶样品，系统测定了其感官品质、主要化学成分（多酚、氨基酸、可溶性糖、蛋白质、儿茶素、咖啡因）、电子鼻/舌响应值、细菌群落结构（16S rRNA测序）以及高光谱图像（可见-近红外和近红外波段）。
高光谱数据分析与建模
对原始高光谱数据进行预处理（如SG平滑、SNV、MSC）以消除噪声。运用二维相关光谱（2D-COS）分析特定波长与化学物质变化的关联。最后，利用多种机器学习算法（随机森林、决策树、K近邻）基于预处理后的光谱数据构建储藏年份的分类模型。
关联分析与可视化
通过相关性分析（热图）和功能预测（PICRUSt2）探究优势细菌属与关键化学成分之间的关联。并创新性地使用随机森林回归模型，尝试直接从光谱数据预测并可视化关键细菌（如芽孢杆菌）的相对丰度分布。
03
主要发现
1、储藏微环境塑造了截然不同的陈化轨迹
在温热湿润的环境中（杭州），茶叶的化学转化和微生物演替更为活跃。
细菌α-多样性随储藏时间显著下降，优势菌属芽孢杆菌的相对丰度在储藏6年后从11.38%激增至40.44%，多酚、酯型儿茶素加速降解以及可溶性糖、蛋白质积累。
而在干冷的环境下（普洱），化学成分和微生物群落则相对稳定，变化平缓。
2、高光谱技术可精准鉴定储藏年份
通过机器学习建模，研究发现经SNV或MSC预处理后的近红外光谱数据结合随机森林模型，能实现对杭州储藏样品储藏年份的100%准确分类。
表明光谱特征中蕴含了与储藏时间紧密相关的“指纹”信息。
3、揭示了光谱特征与关键成分/微生物的关联
识别出与特定化学成分变化强相关的特征波长，如1633纳米（咖啡因）、1085纳米（多酚）和1250纳米（氨基酸）。
芽孢杆菌、泛菌的丰度与多酚、咖啡因呈显著负相关，而与可溶性糖、蛋白质呈正相关，揭示了微生物驱动化学转化的具体路径。
（部分内容来自AI，仅供参考）
「三茶统筹发展」聚焦茶文化、茶产业、茶科技融合发展，旨在服务茶叶全产业链从业者。
我们持续解读政策趋势，追踪科技创新，剖析产业实践，传承茶道精神，让我们携手同行，共同把握时代机遇，推动中国茶业高质量发展。
三茶统筹发展
以情怀为本 与时代同行
以科技为源 与产业共进
