《Food Research International》:Flush-dependent formation of industrial black tea liquor color: Integrating oxidation pigments with physicochemical quality indices through predictive modeling
编辑推荐:
•红茶汤色形成的多元综合模型。•仅靠色素无法解释茶汤颜色的变化。•非色素因素对颜色参数有显著影响。•TF和AIA被确定为决定茶汤颜色的关键因素。•多元分析方法有助于更准确地判断颜色以评估品质。引言茶树是一种具有全球经济、文化、药用及农业价值的常绿多年生植物,是全球仅次于水的第二大
• 红茶汤色形成的多元综合模型。
• 仅靠色素无法解释茶汤颜色的变化。
• 非色素因素对颜色参数有显著影响。
• TF和AIA被确定为决定茶汤颜色的关键因素。
• 多元分析方法有助于更准确地判断颜色以评估品质。
引言 茶树 是一种具有全球经济、文化、药用及农业价值的常绿多年生植物,是全球仅次于水的第二大饮用饮料的来源(Shi等人,2023;Zhang等人,2021)。据联合国粮食及农业组织统计,2022年全球加工茶(黑茶、绿茶及半发酵茶)的产量约为3100万公吨(联合国粮食及农业组织,2024)。茶叶富含多种次生代谢物,包括酚类化合物(儿茶素、表儿茶素、茶黄素TF、茶红素TR以及黄酮醇苷)、氨基酸、咖啡因以及其他生物活性成分(Pan等人,2022;Shi等人,2023;Zhang等人,2021)。这些特性既受化学成分的影响,也受制于诸如萎凋、揉捻、发酵(氧化)和干燥等加工工艺的影响(Pan等人,2022;Samanta,2022;Wong等人,2022)。每个加工环节都会对茶叶的化学成分、香气以及生物活性成分含量产生重要影响,尤其是黑茶中的氧化过程,它是决定最终产品特性的关键因素。
根据发酵程度的不同,茶叶可分为六大类:绿茶、黄茶、白茶、乌龙茶、黑茶和暗茶,可见发酵程度是决定茶叶种类及其最终特性的核心因素(Zhao等人,2019)。在黑茶中,发酵过程会将儿茶素转化为复杂的多酚类物质,这些物质决定了黑茶独特的颜色与风味(Pan等人,2022)。
茶叶的品质主要取决于香气和颜色,其中颜色对黑茶而言尤为重要(Munim Khan等人,2023)。茶汤的颜色由冲泡过程中释放的水溶性化合物决定,尤其是多酚类物质(TF、TR)、咖啡因以及矿物质(Polat等人,2022)。水分、总灰分、AIA、水浸出物和咖啡因等物理化学参数会影响冲泡过程中的萃取过程及各种成分之间的相互作用,进而影响茶汤颜色;其中咖啡因尤其能提升茶汤的鲜艳度与亮度(Chen等人,2024;Hu等人,2024;Singh等人,2023)。水浸出物含量反映了茶叶中的可溶物质比例,与茶叶的口感浓度相关(Obanda & Owuor,1995)。总灰分则能体现茶叶中的矿物质含量以及水分平衡状况:水分过低会导致灰分升高,而灰分异常偏低则可能表明茶叶存在掺假现象(Adnan等人,2013)。
黑茶汤色主要受氧化作用产生的酚类物质影响,尤其是TF和TR。然而,目前仅有少数研究探讨了物理化学因素(如水分、总灰分、AIA、水浸出物含量)在氧化后对茶汤颜色的影响。尽管这些参数在质量控制中会被常规检测,但其在颜色形成过程中的作用机制在统计模型中仍缺乏深入研究。回归分析技术能够快速、无损且客观地评估茶叶品质,有助于实现加工过程的自动化分级,同时还能用于控制发酵进程、检测掺假以及预测感官品质(Akuli等人,2012;Amsaraj & Mutturi,2023;Dong等人,2018;Hossain等人,2022;Turgut等人,2022)。
本研究旨在通过多元统计分析和机器学习方法,量化化学参数(TF、TR、咖啡因、TPC)以及物理化学参数(水分、总灰分、AIA、水浸出物含量)对氧化后黑茶汤色的影响,并分析不同采茶时段带来的差异。随机森林算法能够帮助识别与颜色相关的关键指标,从而有效预测茶叶的感官品质(Lu等人,2023)。该算法具备处理非线性、高维数据的能力,还能对变量重要性进行排序,因此特别适合用于分析颜色与品质之间的关系(Carrillo等人,2023;Dong等人,2018)。本研究的结果为构建一种将颜色与成分参数相关联的客观品质评估模型提供了依据。
章节要点 采集不同采茶期的黑茶样本 本研究从土耳其黑海东部茶叶种植区的三个典型采茶期获得了黑茶样本:第一采茶期为5月至6月,第二采茶期为7月至8月,第三采茶期为9月至10月。这些样本来自土耳其里泽市的茶叶研究与应用中心?AYMER(
https://www.caymer.com.tr/ )。?AYMER是由欧盟资助的茶叶研究与应用机构,同时也是一家获得土耳其认证机构TüRKAK认可的食品检测实验室,可提供相关检测服务。
测定水浸出物含量并比较不同采茶期的差异 根据Shapiro–Wilk检验的结果,水浸出物数据符合正态分布,但不满足方差齐性条件,因此采用了Welch ANOVA分析方法。不同采茶期的水浸出物含量存在显著差异(F (2, 3.12)?=?862.14,p ?=?0.0001,ε 2 ?=?0.9982)。通过Games–Howell检验发现,第一采茶期的水浸出物含量明显高于第二和第三采茶期,而第二采茶期的含量又高于第三采茶期(第一采茶期与第二采茶期相比:Δ ?=?4.6214,p ?0.001;第二采茶期与第三采茶期相比:Δ ?=?1.7704,p ?=?0.002)。
结论 本研究通过多元分析框架,综合考虑了氧化色素、总多酚含量TPC、咖啡因以及不同采茶期的各类物理化学指标,对黑茶的汤色、亮度和颜色强度进行了分析。研究表明,仅靠色素(TF、TR)无法完全解释黑茶汤色的形成,此外,可溶性固体、矿物质含量和水分等因素也与茶汤颜色存在密切关联。
作者贡献说明 G?nül D?nmez Akda?: 项目管理、实验研究、资金筹措。Havagül Suba??: 实验研究。Derya Aliko?: 资源协调、实验研究、数据整理。Ay?enur Emino?lu: 论文撰写与修改、初稿编写、数据可视化、研究监督、方法设计、正式分析、数据整理以及概念构建。
资金支持 本研究得到了TüB?TAK 2209/A研究项目的资助。
未引用参考文献 Ansari, Asi?l, Rabiei和Dadashpour,2011
Bhandari, De和Goswami,2019
Inanc和C?fteaslan,2017
Jiang, Hua, Wang, Yuan和Ma,2018
Jianhao, Jianhua, Yuanyuan, Le和Jianye,2012
Munim Khan等人,2023
Parajuli, Khatri和Shiwakoti,2020
R核心团队,2024
RStudio团队,2024
Yao等人,2005
利益冲突声明 作者声明不存在任何可能影响本文研究结果的已知利益冲突或个人关系。
致谢 本研究是在茶叶研究与应用中心 (?AYMER)完成的。作者们对相关工作人员的技术支持表示衷心感谢。
G?nül D?nmez Akda?|Havagül Suba??|Derya Aliko?|Ay?enur Emino?lu