茶葉真實屬性的光譜與色譜指紋分析技術淺析

　　摘要：本文主要通過光譜、色譜、同位素指紋等技術分析我國著名茶葉品種，包括西湖龍井、福建白茶等茶葉的品質特征和原產地特征，提供茶葉真實屬性鑒別參考依據。
　　關鍵詞：茶葉真假 產地鑒別 光譜 色譜 同位素指紋分析 礦質元素
　　中圖分類號：TS272.7 文獻標識碼：A 文章編號：1672-3791(2011)10(c)-0000-00
　　
　　1綜述
　　1.1 茶葉相關標準的國內外研究
　　茶葉是世界上消費量最大的消費飲料之一，我國是世界上生產茶葉的大國。隨著人們生活水平的提升，對茶葉的要求也越來越高，同時許多不法商販以假亂真，擾亂茶葉市場，所以如何規(guī)范市場是一個大難題。長期以來，國際標準化組織農產品食品技術委員會茶葉分技術委員會一直致力于茶葉國際標準的制定工作，并取得了顯著成效。從20 世紀60年代開始組織制定紅茶標準，通過大量調查分析試驗研究，于70 年代先后推出ISO-1572 等標準，涉及茶葉標準共24 項。
　　1.2 茶葉鑒別手段
　　茶葉現(xiàn)行標準中對茶葉質量的表述主要包括感官指標、理化指標及衛(wèi)生指標，而感官指標的檢測需要依賴人的感覺器官，其表征的整體性和模糊性客觀存在。目前，國內外茶葉品質評定一般采用感官和理化審評相結合的方法，采用現(xiàn)代科技手段可以簡化實驗的繁瑣過程使得理化評審方法更為簡便。建立茶葉光譜、色譜指紋圖譜、同位素指紋分析技術已經可以基本實現(xiàn)快速鑒別茶葉品質和產地的目的。氣相色譜和質譜的應用加快了茶葉香氣組成的研究，運用神經網絡可綜合評價茶葉品質。同位素指紋分析技術可以快速判定茶葉原產地。大量的研究已經表明同位素指紋分析是用于地域判別很有前途的方法。
　　2 實例解析
　　2.1 同位素指紋分析技術鑒別西湖龍井茶葉的品質和產地
　　2.1.1 引言
　　同位素指紋分析技術是用于食品產地溯源有效的方法之一，其原理是同位素的自然分餾效應。因為在自然界中，生物體體內同位素組成受氣候、環(huán)境、生物代謝類型等因素的影響而發(fā)生自然分餾效應，從而使不同來源的物質中同位素自然豐度存在差異，利用自然界生物體的自然分餾效應采用同位素指紋分析技術分析生物體內穩(wěn)定同位素。本節(jié)介紹同位素指紋分析技術在我國茶葉產地溯源中的可行性。據前人研究影響植物碳同位素分餾的氣候環(huán)境因素有溫度、降水、壓力、光照、大氣壓及大氣中CO2的碳同位素組成等。植物中的氮取決于土壤中的“氮池”(硝酸鹽和氨水)，而土壤中氮同位素組成取決于地理和氣候條件，并與農業(yè)施肥有關，它們會影響礦化、硝化、氮的吸收和反硝化等生物轉化過程，進而影響氮同位分餾。
　　2.1.2實驗部分
　　樣品制備：將茶葉70℃烘干至恒重。研細，用天平稱重0.1～2mg。
　　主要檢測儀器： Flash EA1112型元素分析儀， DELTA Plus Thermo Finnigan 質譜儀。
　　2.1.3實驗結果
　　穩(wěn)定性碳、氮同位素比率分別用δ13C‰和δ15N‰表示，δ13C 的相對標準為V-PDB，δ15N 的相對標準為Air，
　　
　　2.1.4實驗結果分析
　　不同取樣地域間茶葉中的δ13C值有差異， δ13C的平均值依次遞減的次序為：湖北碧螺春>西湖龍井>洞庭碧螺春>福建碧螺春>蒼南龍井。不同地域茶葉中氮同位素有極顯著差異，排序依次為湖北碧螺春>蒼南龍井>福建碧螺春>洞庭碧螺春>西湖龍井。δ15N變化極為顯著。
　　2.2基于支持向量機的近紅外光譜鑒別茶葉的真?zhèn)巍?】
　　2.2.1引言
　　近紅外漫反射光譜(NIR)分析具有速度快、成本低以及結果重現(xiàn)性好的優(yōu)點。國內外學者f36b06cb1fa01ff2face271db151c9d7b8b98b271648cc7858a95a96d2f3954c利用近紅外光譜方法定性和定量地分析了茶葉中蛋白質、咖啡堿、氨基酸、多酚類以及水分的含量。本節(jié)介紹利用近紅外光譜分析技術結合支持向量機(SVM)模式識別原理建立碧螺春茶真?zhèn)舞b別模型，研究茶葉鑒別真?zhèn)蔚姆椒ā?br/>　　2.2.2實驗部分
　　采用近紅外光譜儀，保持室內的溫度和濕度基本一致，將樣本倒入樣品杯中，充分壓實。在不同時問，不同位置分別對每個樣本采集4次，取平均值作為該樣本的原始光譜數(shù)據。
　　
　　圖1是正品和幾種偽品碧螺春樣本的原始光譜圖1(a)和一階導數(shù)光譜圖2(b)，從圖1(a)中可以看出茶葉的原始近紅外光譜在5155 cm-1和6944 cm-1附近有一個明顯的吸收峰，一階導數(shù)光譜附近有明顯的波動。因為純水中的O—H伸縮振動的一級倍頻位于6944 cm-1附近，它的一個合頻區(qū)位于5155 cm-1附近，在這兩個波長附近是水分吸收的敏感區(qū)。
　　2.2.3 實驗結果分析
　　通過模型的建立，訓練和預測，并且結合常規(guī)的貝葉斯(Bayes)判別分析模型以及反向傳播神經網絡(BP-ANN)模型相比較得出的實驗結果如下：
　　
　　從訓練結果和預測結果看，貝葉斯判別模型的回判鑒別率最低，盡管反向傳播神經網絡的訓練結果與支持向量機相差不大甚至略高它，但是從預測結果看，支持向量機模型明顯優(yōu)于反向傳播神經網絡模型。由此建立了碧螺春茶真?zhèn)蔚慕t外光譜鑒別模型，該模型基本能正確鑒別碧螺春茶葉的真?zhèn)?，對模型的訓練和預測結果進行了分析性的說明。
　　2.3基于紅外光譜的茶葉產地鑒別
　　2.3.1引言
　　紅外光譜分析技術是利用樣品內部分子的某些官能團結構，主要是含H