Floral aroma improvement via solar withering and shaking in summer green tea: Sensory and analytical insights
Notice bibliographique
Résumé
Summer green tea leaves often exhibit excessive astringency, weak aroma and poor sensory quality, leading to low consumer acceptance, resource waste, and economic losses, which contradict sustainable development. Improving its quality and utilization remains a key challenge. This study investigated the effects of solar withering and shaking on summer green tea aroma. Sensory evaluations revealed that spreading-shaking (SR) and spreading-solar withering-shaking (SRS) significantly improved aroma, imparting floral notes. Utilizing electronic nose ( E -nose), headspace solid-phase microextraction-gas chromatography–mass spectrometry (HS-SPME-GC-MS) and headspace gas chromatography-ion mobility spectrometry (HS-GC-IMS), 61 volatile compounds were identified by HS-SPME-GC–MS and 80 by HS-GC-IMS. 9 key aroma compounds (such as geraniol and trans- β -ionone) with rOAV ≥1 and VIP ≥ 1 were selected. PLS-DA confirmed significant aroma differences among processing methods. The findings highlight the potential of solar withering and shaking in enhancing summer green tea aroma, providing a basis for optimized processing and sustainable tea production. • Solar withering and shaking enhance summer green tea aroma quality. • GC-IMS and GC–MS identified 80 and 61 volatiles, highlighting key floral compounds. • Shaking promotes trans-nerolidol, indole, and β-ionone accumulation. • PLSDA analysis confirms distinct aroma profiles among processing techniques. • Optimized processing improves summer tea aroma and industrial application potential.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».