稳定同位素联合机器学习：精准溯源凤凰单丛茶采收季与海拔的创新策略

在茶叶市场中，凤凰单丛茶常因产地、采收季和海拔被误标，损害消费者权益。研究人员分析了 δ13C、δ15N、δ2H 和 δ18O，结合机器学习开展研究。结果显示不同季节和海拔的茶样本同位素比差异显著，SVM 模型分类准确率超 93%，该研究为茶叶溯源提供新方法。

　　在当今全球化的时代，人们对食品的要求越来越高，不仅关注其口感和营养价值，更在意食品的来源和品质。茶叶，作为一种备受喜爱的饮品，其品质和价值因产地、采收季节以及生长海拔的不同而有显著差异。特别是像凤凰单丛茶这种具有独特风味和较高经济价值的茶叶，其品质与采收季节、海拔紧密相关。然而，市场上却存在着诸多不规范的现象，为了追求高额利润，一些商家故意将普通茶叶冒充凤凰单丛茶，或者对其地理来源、采收季节和海拔进行错误标注，这不仅严重损害了消费者的权益，还破坏了市场的公平竞争环境。

为了解决这些问题，来自相关研究机构的研究人员开展了一项关于凤凰单丛茶溯源的研究。他们希望通过研究，找到一种可靠的方法来鉴别凤凰单丛茶的采收季节和生长海拔，从而保护消费者权益，维护市场公平。经过一系列深入研究，研究人员发现不同季节和海拔的凤凰单丛茶样本在稳定同位素比值上存在显著差异，并且利用支持向量机（SVM）等机器学习算法构建的模型，能够有效区分不同采收季节和海拔的茶叶，分类准确率较高。这一研究成果意义重大，为凤凰单丛茶的溯源提供了新的有效途径，有助于打击市场上的假冒伪劣行为，保障消费者和商家的合法权益。该研究成果发表在《Food Chemistry: X》上。

研究人员在开展这项研究时，用到了几个主要关键的技术方法。首先是样本采集，研究人员从广东潮州凤凰山当地茶农处收集了不同品种、采收季节和产地的凤凰单丛茶样本。然后进行稳定同位素比分析，使用元素分析仪（EA IsoLink）与同位素比质谱仪（IRMS，Delta V Advantage）联用的设备，测定样本中碳（C）、氮（N）、氢（H）、氧（O）的稳定同位素比值。最后，运用多种统计分析方法，包括方差分析（ANOVA）、皮尔逊相关分析、层次聚类分析（HCA）以及多种机器学习算法如线性判别分析（LDA）、支持向量机（SVM）等对数据进行处理和分析 。

下面来具体看看研究结果：

1. 不同采收季节和海拔的凤凰单丛茶稳定同位素比值差异
   • 不同采收季节：研究发现，不同采收季节的凤凰单丛茶样本，其稳定同位素组成存在明显差异。δ¹³C 值在不同季节间差异显著，春季和冬季采收样本的 δ¹³C 值显著高于夏季和秋季，这可能与不同季节的温度变化有关。夏季和秋季气温较高，导致植物气孔导度增加，使得叶片中¹³C/¹²C 比值降低。而 δ¹⁵N 值在四个季节中未观察到显著差异，这可能是因为不同季节土壤特性和所使用的农业肥料较为一致。δ²H 和 δ¹⁸O 值在不同季节也有显著差异，春季采收茶叶的 δ²H 值最高，冬季次之，夏季和秋季最低；δ¹⁸O 值则是冬季最高，春季和秋季次之，夏季最低。这种差异主要是由于不同季节的气候条件不同，影响了氢和氧同位素在蒸腾和凝结过程中的自然分馏。
   • 不同海拔：研究人员以春季采收的茶叶为研究对象，分析不同海拔对稳定同位素组成的影响。将茶叶样本按照海拔分为高（>800m）、中（500 - 800m）、低（<500m）三个范围。结果显示，δ¹³C、δ¹⁵N 和 δ¹⁸O 值在不同海拔范围存在显著差异，而 δ²H 值无显著差异。高海拔地区茶叶的 δ¹³C 值显著高于中低海拔地区，且随海拔升高而增加；高海拔地区茶叶的 δ¹⁵N 值显著低于其他两个海拔范围；高海拔地区茶叶的 δ¹⁸O 值略低于中低海拔地区。此外，研究还发现 2019 年和 2020 年春季茶叶的稳定同位素比值存在年际变化，但各同位素比值随海拔的变化趋势在两年间保持一致。
   • 采收季节、海拔及其交互作用的影响：通过多因素方差分析发现，采收季节对茶叶稳定同位素比值变化的影响最大，其次是海拔，两者的交互作用影响最小。这表明季节性气候变化对茶叶中碳、氢和氧同位素的分馏有显著影响，而海拔主要影响 δ¹⁵N 值的变化，可能是因为海拔变化导致土壤氮矿化效率和硝化速率不同。
   
   
2. 稳定同位素比值与气象因素、茶叶品种的关系
   • 与气象因素的关系：利用皮尔逊相关分析研究稳定同位素比值与气象因素（平均温度、降水量和日照时数）之间的关系。结果发现，δ¹³C 值与温度和日照时数呈负相关，与降水量无显著相关性；δ²H 值与温度和日照时数呈负相关，与降水量也呈负相关；δ¹⁸O 值与温度呈负相关，与降水量呈负相关，且 δ²H 和 δ¹⁸O 值之间呈正相关。这些结果表明，温度、日照时数和降水量等气象因素会影响植物的蒸腾和光合作用，进而影响稳定同位素的分馏。
   • 与茶叶品种的关系：研究人员采集了 12 个不同品种的凤凰单丛茶样本，分析品种对稳定同位素组成的影响。结果发现，不同品种的茶叶在稳定同位素比值上存在差异。通过层次聚类分析，将这些品种分为不同的组，表明茶叶品种会导致稳定同位素组成的变化，这可能与不同品种茶叶的光合代谢、氮代谢差异有关。
   
   
3. 不同采收季节和海拔的凤凰单丛茶分类
   • 采收季节分类：研究人员运用 LDA、SVM、随机森林（RF）、K 近邻（KNN）和反向传播神经网络（BPNN）等机器学习算法，基于稳定同位素数据建立分类模型。在区分四个采收季节时，SVM 模型表现出色，测试集准确率达到 86.2%；在区分春季茶叶时，多个模型准确率较高，其中 SVM 模型测试集准确率达到 96.6%。此外，研究发现 δ²H 和 δ¹⁸O 值是区分采收季节的关键变量，使用这两个同位素构建的模型分类准确率与使用四个同位素构建的模型相近。
   • 海拔分类：同样利用上述机器学习算法对不同海拔的茶叶进行分类。在区分三个海拔范围时，SVM 和 RF 模型在训练集上准确率超过 90%，但在测试集上准确率下降到 70% 以下，主要是低海拔和中海拔茶叶样本难以区分。而在区分高海拔茶叶样本时，SVM、RF 和 BPNN 模型表现较好，测试集准确率均超过 90%。
   
   

研究结论和讨论部分指出，该研究综合分析了不同采收季节和海拔的凤凰单丛茶稳定同位素比值，明确了气象因素、茶叶品种对其的影响，并利用机器学习算法成功区分不同采收季节和海拔的茶叶。SVM 模型在分类中表现突出，δ²H 和 δ¹⁸O 值是区分采收季节的关键指标。同时，研究也指出存在的局限性，如样本量不足、稳定同位素数据区分能力有限等。未来可以通过增加不同采样时间点的数据，以及将稳定同位素分析与代谢组学相结合等方式，进一步提高模型的适应性和预测能力。这项研究为凤凰单丛茶的溯源提供了科学依据和有效方法，对保护茶叶品牌、维护市场秩序具有重要意义。