本研究由中国农业科学院茶叶研究所、国家茶树改良中心、茶树种质创新与资源利用全国重点实验室及农业农村部特种经济动植物生物学与遗传育种重点实验室的柴智超、钱肖娜、于永晨、李喜旺、孙晓玲等人完成，发表于《中国农业科学》2026年第59卷第18期。该研究属于茶学与农业高光谱遥感、植物生理学和化学计量学交叉领域。研究背景在于，茶叶品质评价长期依赖高效液相色谱等破坏性理化检测方法，难以满足智慧茶园对茶树叶片品质原位、实时、无损和大尺度监测的需求。高光谱成像具有“图谱合一”的优势，但在茶叶儿茶素快速预测中仍存在生理先验约束不足、小样本高维条件下稳健建模困难和多指标高通量检测能力弱等问题。研究旨在提出融合植物生理学先验的可见—近红外高光谱成像多组分定量预测方法，实现儿茶素等次生代谢物含量的快速评估。
研究以12个国家级优良茶树品种为材料，分别是浙农117、浙农21、福鼎大白茶、浙农12、浙农113、中茶102、中茶108、中茶302、南江1号、蜀永401、蜀永906和龙井43。按照叶位设置嫩叶、成熟叶和老叶三个成熟度梯度，对应第2—3叶、第4—5叶和第6—7叶。每个品种选取12株，每株分别采集嫩叶、成熟叶和老叶各1片，由于过程中损失3个样本，最终获得429个独立叶片样本。鲜叶采集后首先在新鲜状态下完成高光谱图像采集，随后立即在液氮下速冻以灭活多酚氧化酶等酶活性，降低运输和前处理过程中氧化或降解对理化测定结果的干扰，最后转移至-80℃冰箱保存备用。
高光谱图像采集系统由成像光谱仪、传送平台和光纤卤素灯组成，光谱分辨率为2.8 nm，覆盖400—1000 nm范围。在采集前使用黑板和白板参考图像进行辐射校正以消除暗电流和光照不均影响。成像时平台移动速度为1.25 mm·s⁻¹，相机曝光时间为4 ms，样品与镜头距离约29 cm，试验在室温约25℃条件下进行。利用ENVI 5.6软件从每幅高光谱图像中提取叶片感兴趣区域平均光谱，共获得429条光谱曲线。采用分层划分策略，以品种和成熟度为分层因素，按4∶1比例将样本划分为校正集和预测集。光谱预处理、参数寻优及特征波段筛选均严格在校正集内完成，预测集仅用于最终泛化评估。化学成分测定参照国家标准GB/T 8313—2018，采用高效液相色谱法测定9种目标成分含量，包括儿茶素、表儿茶素、表没食子儿茶素、表儿茶素没食子酸酯、表没食子儿茶素没食子酸酯（epigallocatechin gallate，EGCG）、没食子儿茶素、没食子儿茶素没食子酸酯（gallocatechin gallate，GCG）7种儿茶素单体，以及咖啡因和没食子酸。样品提取采用70%甲醇水溶液，在70℃水浴条件下提取20 min，以兼顾提取效率并降低高温条件下EGCG向GCG差向异构化带来的测定偏差。
光谱预处理方面，研究比较了原始光谱与“Savitzky-Golay平滑+标准正态变量变换（standard normal variate，SNV）+一阶导数”组合预处理的效果。SG平滑窗口长度设为11，多项式阶数设为2；一阶导数采用沿波长维度的数值梯度法计算；SNV采用逐样本去均值并除以标准差的方式实现。建模算法方面，系统比较了偏最小二乘回归、支持向量回归、极端梯度提升树（XGBoost）、多层感知机与一维卷积神经网络（1D-CNN-SE）的性能。在此基础上，构建多任务XGBoost框架，对同一输入光谱同步输出9个目标变量，提高多组分检测效率。此外，采用连续投影算法（successive projections algorithm，SPA）从557个波段中筛选关键波段，验证以少数离散波段替代全谱的可行性。模型性能采用决定系数、均方根误差和相对分析误差（residual prediction deviation，RPD）进行评价。
研究结果显示，不同成熟度叶片中代谢物积累量存在明显梯度。嫩叶组EGCG含量约为6—9 mg·g⁻¹，咖啡因含量约为3—4 mg·g⁻¹；随着叶片衰老，EGCG含量逐渐降低，而GCG、表儿茶素等组分含量相应升高。在忽略成熟度进行混合分析时，EGCG与GCG之间呈显著负相关关系，相关系数为-0.312，p＜0.001。但按嫩叶、成熟叶和老叶分组后，各组内EGCG与GCG的相关性均明显减弱，相关系数分别为-0.027、-0.001和-0.005，均未达到显著水平。这一结果表明，全样本中的“全局负相关”主要是由成熟度这一混杂因子驱动的伪相关，属于典型的辛普森悖论现象。这一发现提示在建模时必须按成熟度分层或显式校正，否则模型可能学习到由成熟度-成分共变所诱导的伪相关，并在叶龄分布变化时产生系统性偏差。
在模型性能比较中，XGBoost结合“SG+SNV+一阶导数”预处理在小样本高维光谱数据上表现最优。以EGCG为例，使用支持向量回归算法时，引入预处理后模型决定系数由0.42提升至0.61，相对提升了45.2%。XGBoost对EGCG和GCG的预测决定系数分别约为0.60和0.59。相比之下，1D-CNN-SE虽然在校正集决定系数大于0.90，但预测集决定系数仅为0.40—0.50，过拟合明显。多任务XGBoost可以一次扫描同步预测9种成分，主要成分EGCG预测决定系数约为0.57，EGCG、GCG和咖啡因的相对分析误差为1.48—1.52，单一成分精度略降但检测效率显著提升。SPA将波段数由557降至18个关键波段后，EGCG预测决定系数仍为0.54，相对分析误差为1.482。筛选出的关键波段主要分布于可见光区及近红外倍频吸收区，包括763.2、872.3、715.0、414.5、669.2、843.6、906.6、908.8、926.5、867.9、549.9、887.8、943.0、445.2、911.0、852.5、928.7和940.8 nm。
研究结论指出，融合成熟度等生理先验的光谱建模能够提升模型解释力并增强跨品种、跨叶龄的泛化稳定性。叶片成熟度应作为茶树儿茶素高光谱建模中不可忽视的植物生理学先验。在小样本高维光谱条件下，以XGBoost为代表的boosting树模型具有较好的稳健性与应用潜力，而深度模型在样本量有限时更易过拟合。多任务学习通过共享表示能够提高多指标联合建模效率，以轻微精度代价换取检测通量提升在茶园快速筛查场景下具有现实价值。SPA波段压缩验证了“以少数离散波段替代全谱”的传感器策略在主要成分上具有可行性，为便携式多光谱品质传感器开发提供了定量依据。
本研究的学术价值在于，明确揭示了成熟度混杂导致的辛普森悖论现象，强调了生理先验在光谱建模中的约束作用，为茶叶高光谱无损检测提供了可解释的建模策略。应用价值在于，建立的单任务和多任务XGBoost框架结合波段筛选，可为茶园多指标快速评价提供理论依据与技术支撑，推动高光谱技术从实验室研究向田间原位监测和便携式传感器开发转化。研究亮点包括：首次在茶树叶片高光谱建模中系统论证了成熟度分层校正的必要性；构建了多任务XGBoost框架实现9种成分一次扫描同步预测；通过SPA将557个波段压缩至18个关键波段，为低成本传感器设计提供了定量依据。此外，研究对光谱预处理、模型选择与泛化能力的系统比较，也为其他作物高光谱定量分析提供了可借鉴的方法学参考。