基于品評小組可靠性篩選葡萄酒的香氣描述符

楊 潔，郭少鵬，李金梁，郭安鵲,2,

（1.西北農(nóng)林科技大學葡萄酒學院，陜西 楊凌 712100；2.陜西省葡萄與葡萄酒工程技術(shù)研究中心，陜西 楊凌 712100）

香氣是葡萄酒的重要感官特性，是構(gòu)成葡萄酒品質(zhì)和風格的主要因素[1-2]。近年來，隨著香氣成分萃取方法和分析技術(shù)的發(fā)展，色譜技術(shù)，特別是氣相色譜-質(zhì)譜聯(lián)用技術(shù)，已經(jīng)成為定性、定量分析葡萄酒香氣成分的有效方法，為分析鑒定葡萄酒氣味物質(zhì)提供了強有力的手段[3]。報道顯示，在葡萄酒中已鑒定出1 300多種揮發(fā)性成分，但是由于受氣味物質(zhì)種類、含量、感覺閾值及其相互作用的影響，僅有一小部分揮發(fā)性成分對葡萄酒的香氣具有貢獻[4-5]。截至目前，儀器分析方法還不能全面評價葡萄酒的風味特征，特別是難以“檢測”氣味之間的相互作用和非揮發(fā)性物質(zhì)對整體香氣的影響[6]；感官評價仍然是衡量葡萄酒品質(zhì)和風格最直接、有效的方法[7-8]。

感官評價是通過喚起（組織）、測定、分析和解釋產(chǎn)品進而獲得產(chǎn)品感官特性的一種科學方法[9]。簡單來講，就是品評員利用器官去了解、確定產(chǎn)品（如葡萄酒）的感官特性及其優(yōu)缺點，并最終評價產(chǎn)品品質(zhì)的一種方法[10]。由于以人的感覺器官作為“測定分析儀器”，因此人在感官評價過程中起著決定性的作用[11]。然而，考慮到品評員之間普遍存在評價尺度、評價位置和評價方向等方面的差異，為保證感官分析結(jié)果的客觀性和科學性，需要由一定數(shù)量品評員組成的品評小組對葡萄酒進行正式品評[10,12-14]。如今，隨著感官評價技術(shù)的不斷發(fā)展與完善，描述性分析尤其是定量描述性分析（quantitative descriptive analysis，QDA）在葡萄酒風味研究中的應用最為廣泛[15]，其主要借助多元統(tǒng)計分析方法篩選葡萄酒的香氣描述符[8,12,16-17]。

因此，在葡萄酒感官評價中，為獲得可靠的感官數(shù)據(jù)，其關(guān)鍵取決于品評小組及其成員的表現(xiàn)[13,18]。然而，在上述有關(guān)葡萄酒香氣感官特性的研究中，涉及品評員的培訓方法和考核指標很多[19]，但是卻罕見評估品評小組及其成員可靠性的相關(guān)數(shù)據(jù)報道，很大程度上限制了感官評價結(jié)果的準確性和可信度。為此，本研究旨在通過評估葡萄酒品評小組及其成員表現(xiàn)，獲得可靠的感官數(shù)據(jù)；并在此基礎上，科學規(guī)范葡萄酒特征香氣描述符的篩選方法，為進一步明確我國產(chǎn)區(qū)葡萄酒的品質(zhì)和風格提供科學依據(jù)和技術(shù)支撐。

1 材料與方法

1.1 材料

9 款‘赤霞珠’干紅葡萄酒的基本信息見表1。酒樣分別來自甘肅紫軒、寧夏玉泉國際、寧夏長城天賦等企業(yè)，均是利用所在產(chǎn)區(qū)葡萄原料生產(chǎn)的商品葡萄酒。

表1 本研究中的酒樣基本信息Table1 Basic information of wine samples tested in this study

1.2 方法

1.2.1 葡萄酒品評小組的組建

品評小組由國家級品酒員和葡萄酒行業(yè)內(nèi)從業(yè)人員組成，從業(yè)時間均在5 年以上，品評員平均年齡為35 歲，男女比例接近1∶1。按照GB/T 16291.1—2012《感官分析 選拔、培訓與管理評價員一般導則 第1部分：優(yōu)選評價員》、GB/T 16291.2—2010《感官分析 選拔、培訓和管理評價員一般導則 第2部分：專家評價員》對品評員進行培訓、考核與篩選。經(jīng)過葡萄酒品評、香氣參比樣辨別測試和定量描述性分析等訓練后，最終確定由14 名品評員組成的品評小組進行正式實驗。

1.2.2 葡萄酒香氣的定量描述性分析

品評前準備：品評地點在西北農(nóng)林科技大學葡萄酒學院感官分析實驗室。室內(nèi)采用隔板分隔成獨立的品評小室，光源為發(fā)出均勻散射光的日光燈（色溫6 500 K），室內(nèi)溫度為20～22 ℃，相對濕度為60%～70%。每個品評小室配有用來傳遞樣品的窗口、電腦操作臺、座椅、水池、筆、紙等，并提供純凈水和無鹽餅干。所有酒樣（含重復樣）采用隨機三位數(shù)編碼，上樣順序遵循平衡不完全區(qū)組設計[20]。依照實驗設計，提前將葡萄酒樣品編號和定量描述性分析方法錄入“CSAS-輕松感官分析軟件系統(tǒng)”。

QDA法：首先，品評員對18 個樣品（9 款葡萄酒加上各自的重復）進行2 輪品評，每輪完成后休息10 min。其次，對于提供的每一個樣品，要求每位品評員使用4 個香氣描述符評價該葡萄酒的特征香氣。最后，按照GB/T 16861—1997《感官分析 通過多元分析方法鑒定和選擇用于建立感官剖面的描述詞》中的方法，要求品評員對使用的每一個香氣描述符在標度0～5上標出它的位置，即記錄感覺到的強度。具體強度描述為沒有感覺（0）、弱（1）、稍弱（2）、平均（3）、稍強（4）和強（5）。

1.2.3 品評員可靠性和品評小組一致性評價

首先，通過刪除不恰當描述詞匯，合并同義術(shù)語，對葡萄酒香氣描述符進行規(guī)范整理[21]，獲得原始感官數(shù)據(jù)。然后，計算品評員平均重現(xiàn)性指數(shù)（Ri），并通過Panel Check軟件提供的檢驗統(tǒng)計量F值、均方誤差（mean-square error，MSE）值、Manhattan圖等可視化數(shù)據(jù)，評估品評員的重現(xiàn)性、區(qū)分能力和可重復性，以及品評小組的一致性[22-24]。

其中Ri反映品評員的重現(xiàn)性，按式（1）計算。

式中：descom為兩次重復品評中品評員出現(xiàn)相同描述符的次數(shù)；desrep1+desrep2為兩次重復品評中品評員給出的描述符總數(shù)；n為酒樣數(shù)量；Ri值的范圍為0～1。

MSE值用來衡量品評員的可重復性，按式（2）計算，如果N個數(shù)據(jù)分為r組，且第i組的樣本方差為Si2，則全體的均方誤差為MSE；如果只有一組數(shù)據(jù)，樣本方差即均方誤差。

式中：F是組間均方（mean square average，MSA）與MSE的比值。通常情況下，一個品評員所評價屬性的F值越高、MSE值越小，說明該品評員對該屬性的辨別能力越強；個體的可重復性越好，區(qū)分樣品的能力就越強[25]。

Manhattan圖：通過Panel Check軟件繪制的Manhattan圖中，主成分分析（principal component analysis，PCA）實現(xiàn)了品評員感官數(shù)據(jù)的可視化。針對特定香氣屬性，“灰度”代表該主成分（縱坐標）解釋每個品評員（橫坐標）變異量的大?。荷钌碜儺惲亢苄?，淺色反之[26-27]。從Manhattan圖中可以看出，品評員對應的每個主成分會發(fā)生灰度的變化，通常主成分1（PC1）的顏色較深，隨著其他主成分的累積（累計解釋變異量），顏色從上到下逐漸變淺[26]。

1.2.4 基于多元統(tǒng)計分析篩選葡萄酒香氣描述符

品評小組經(jīng)可靠性評估后確定最終成員名單，以他們的感官數(shù)據(jù)作為原始變量進行統(tǒng)計分析。首先參照GB/T 16861—1997中的方法，計算幾何平均值M。M值是產(chǎn)品出現(xiàn)的每一描述符頻率F和相對強度I乘積的平方根（式（4））。然后，按M值大小對描述符進行排序，整理出排名前10的香氣描述符。最后，借助多元統(tǒng)計分析方法，主要是PCA和聚類分析（cluster analysis，CA），篩選出3～5 個葡萄酒特征香氣描述符[28]。

式中：F為描述符實際被述及的次數(shù)占該描述符所有可能被述及總次數(shù)的百分率/%；I為品評小組實際給出的一個描述符的強度和占該描述符最大可能所得強度的百分率/%。

1.3 數(shù)據(jù)統(tǒng)計與分析

利用CSAS-輕松感官分析軟件系統(tǒng)V2.0收集品評員的原始感官數(shù)據(jù)，采用Panel Check V1.4.2軟件獲得MSE值、F值及Manhattan圖等，借助數(shù)據(jù)處理軟件DPS V6.50和Origin Pro 2018軟件對感官數(shù)據(jù)進行主成分分析和聚類分析。

2 結(jié)果與分析

2.1 品評小組及其成員的表現(xiàn)評估

2.1.1 品評員的個體表現(xiàn)

通過對18 個樣品（9 款酒樣各重復1 次）香氣屬性的定量描述性分析，獲得每款葡萄酒及其重復樣品的香氣描述符。14 名品評員的平均重現(xiàn)性指數(shù)（Ri）計算結(jié)果如表2所示。Campo等[24]經(jīng)研究認為，Ri＜0.2的品評員應被淘汰。由表2可知，14 名品評員的Ri均大于0.25，初步顯示各品評員的個人表現(xiàn)均較好。

表2 品評員的平均重現(xiàn)性指數(shù)Table2 Average repeatability index of each assessor

2.1.2 品評員辨別能力和可重復性表現(xiàn)

采用Panel Check軟件獲得品評員的F值和MSE值（圖1），圖中的每條線代表一個香氣描述符。由圖1A可知，部分品評員對一些香氣描述符的辨別能力較好，F(xiàn)值高于或接近5%顯著水平；圖1B顯示，大部分品評員對大多數(shù)香氣描述符的可重復性較好（MSE值較?。＠?，8號和9號品評員的辨別能力和可重復性都比較好，而2號品評員的表現(xiàn)則較差（MSE值偏大）。值得注意的是，MSE值很小也可能是由于樣品之間沒有區(qū)分度[22]，通常要結(jié)合F值進行綜合分析。

結(jié)合圖1A和圖1B發(fā)現(xiàn)，2號品評員在描述酒樣的香氣屬性時，F(xiàn)值沒有達到5%顯著水平且MSE值明顯大于其他成員，表明其對香氣屬性的辨別能力和可重復性較差，尤其是對覆盆子、黑醋栗和櫻桃的評價。因此，為保證分析結(jié)果的可靠性，考慮將2號品評員淘汰。

p*MSE圖（圖2）能更加直觀地顯示出可重復性差或辨別能力差的品評員[26]。如果樣品之間的差異確實存在，所有品評員所評價的香氣屬性應為低p值和低MSE值，即香氣描述符主要集中于圖2中各圖的左下角。很明顯，2號品評員所提供的部分香氣描述符（圖中橢圓內(nèi)的實心方點）明顯偏離其他品評員所描述的香氣屬性（圖2）。因此，需要淘汰2號品評員。

圖2 14 名品評員的p*MSE圖Fig. 2 p*MSE plot for 14 assessors

2.1.3 品評小組一致性評估

淘汰2號品評員后，對剩余13 名品評員的感官數(shù)據(jù)進行標準化處理，結(jié)果如圖3所示（共得到15 幅Manhattan圖）。需要說明的是，特定香氣屬性上標準偏差為0的感官數(shù)據(jù)將被剔除，即會空缺某些品評員（該品評員的香氣描述符中沒有使用該詞匯）。由圖3可知，描述符黑醋栗對應的白色區(qū)域最多，所有成員的前3 個主成分累計解釋變異量達到80%左右，說明品評小組在該香氣屬性上表現(xiàn)一致；綜合分析顯示，其他大部分香氣描述符的前3 個主成分累計貢獻率達到了70%左右。另外，雙因素方差分析結(jié)果顯示描述符“覆盆子”差異達到顯著水平（P＜0.05）、描述符“咖啡”達到了高度顯著水平（P＜0.001）。

圖3 評估品評小組一致性表現(xiàn)的Manhattan圖Fig. 3 Manhattan plots for aromatic descriptors to assess the consistency within sensory panel

綜上，經(jīng)過嚴格、科學規(guī)范的感官培訓，單個品評員辨別能力和可重復性較好；淘汰2號品評員后，品評小組表現(xiàn)出良好的一致性。因此，最終確定由13 人組建成立品評小組，他們的感官數(shù)據(jù)將用于葡萄酒特征香氣描述符的篩選研究。

2.2 ‘赤霞珠’葡萄酒特征香氣描述符的篩選

以M值排名前10香氣描述符的強度值為原始變量，進行主成分分析、聚類分析，并結(jié)合M值排序結(jié)果，篩選出各款葡萄酒的特征香氣?，F(xiàn)以酒樣S1為例說明葡萄酒特征香氣描述符的篩選過程。其他單個酒樣亦如此，品種、年份或產(chǎn)地葡萄酒的香氣描述符篩選方法也相同。

首先，計算該款‘赤霞珠’葡萄酒香氣描述符對應的M值，確定排名前10的香氣描述符。酒樣S1排名前10的香氣描述符見表3。

表3 M值排名前10的葡萄酒香氣描述符Table3 Top 10 most important aromatic descriptors of wine according to M values

其次，對S1的感官數(shù)據(jù)進行主成分分析。根據(jù)表4可以得出，前5 個主成分的累計貢獻率達到了87.63%（＞85%），說明前5 個主成分基本包含了全部指標（上述10 個香氣描述符）所包含的信息。特征向量是單位尺度的載荷，根據(jù)特征值對應的規(guī)格化特征向量，將所占權(quán)重大的描述符選取出來。由表5可以看出，在主成分1中X（7）和X（9）所占權(quán)重最大，即分別代表描述符巧克力和櫻桃；在主成分2中X（2）和X（3）所占權(quán)重最大，分別代表黑醋栗和紅醋栗。同理，在前5 個主成分中，還可以篩選出胡椒、焦糖、覆盆子、煙熏描述符，一共8 個香氣描述符。

表4 酒樣S1各主成分的特征值、貢獻率和累計貢獻率Table4 Characteristic values, contribution rates and cumulative contribution rates of first 10 principal components for S1

表5 酒樣S1主成分分析規(guī)格化特征向量Table5 Standardized feature vectors of first 10 principal components for wine sample S1

接著，對上述8 個描述符的原始感官數(shù)據(jù)進行系統(tǒng)聚類分析（聚類距離為歐氏距離，聚類方法為離差平方和法）。

由圖4可以看出，在歐氏距離為12.76時酒樣S1的特征香氣可以劃分為3 個類別：1）黑醋栗；2）胡椒、焦糖或櫻桃；3）煙熏、覆盆子、紅醋栗或巧克力。

圖4 酒樣S1特征香氣描述符的系統(tǒng)聚類圖Fig. 4 Clustering dendrogram of characteristic aroma descriptors of wine sample S1

最后，綜合香氣描述符的M值排序、主成分分析和聚類分析結(jié)果，描述酒樣的特征香氣。酒樣S1特征香氣：以果香（黑醋栗、紅醋栗、櫻桃、覆盆子）為主，且焙烤類香氣（焦糖、巧克力、煙熏）突出，兼有佐料（胡椒）香氣。同理，基于多元統(tǒng)計分析可以獲得其他8 款酒樣的特征香氣（表6）。

表6 9 款‘赤霞珠’紅葡萄酒的香氣感官特征Table6 Sensory aroma characteristics of nine brands of ‘Cabernet Sauvignon’ wine

綜上，通過匯總9 款‘赤霞珠’葡萄酒的原始感官數(shù)據(jù)，依照單個酒樣特征香氣描述符的篩選方法，明確了實驗‘赤霞珠’干紅葡萄酒（品種）的特征香氣：以黑色漿果香氣為主（黑醋栗、藍莓），且紅色漿果（櫻桃、紅醋栗、覆盆子）和焙烤類香氣（煙熏、焦糖、巧克力）突出，兼有佐料香氣（胡椒）。

為區(qū)分上述酒樣在香氣描述符方面的產(chǎn)地差異，對9 款酒樣特征香氣描述符的強度進行主成分分析。結(jié)果顯示，前兩個主成分解釋原始變量的62.7%（圖5）。根據(jù)PC1（40.8%）和PC2（21.9%）上的載荷分布，描述符櫻桃、草莓、覆盆子位于PC1正半軸，而描述符咖啡等焙烤類香氣位于PC1負半軸；此外，朝向PC2負半軸，黑色漿果香氣濃郁，反之則橡木、胡椒等香氣濃郁。酒樣得分結(jié)果顯示，寧夏地區(qū)酒樣S3、S4主要分布在PC1正半軸，紅色水果香氣較其他樣品突出，而新疆石河子地區(qū)酒樣S9與其他樣品區(qū)分明顯，位于PC1負半軸，咖啡香氣突出；甘肅地區(qū)酒樣S1、S2位于PC2的負半軸，以黑色漿果香氣為主。根據(jù)香氣描述符的相似性，實驗酒樣被聚為4 類（圖5），其中S3、S4同為寧夏產(chǎn)區(qū)。綜上可知，酒樣之間雖有差別，但產(chǎn)區(qū)之間的差異并不明顯，這可能與產(chǎn)區(qū)差異的典型性[2]、評價尺度的精細程度[29-30]等因素有關(guān)。

圖5 9 款‘赤霞珠’葡萄酒特征香氣的主成分分析Fig. 5 Biplot of PCA for characteristic aromas of nine brands of‘Cabernet Sauvignon’ wine

3 結(jié) 論

本實驗明確了葡萄酒品評小組可靠性評估的重要指標。專家品評小組的可靠性是保證葡萄酒感官分析結(jié)果客觀、科學的關(guān)鍵因素?；谄吩u員對重復酒樣的定量描述性分析，借助Panel Check軟件，通過平均重現(xiàn)性指數(shù)Ri、檢驗統(tǒng)計量F值、均方誤差MSE值以及p*MSE圖和Manhattan圖，有效評估了品評員對葡萄酒香氣特性的辨別能力、可重復性，以及品評小組的一致性，確定了最終品評小組成員名單，獲得了可靠的感官品評數(shù)據(jù)。

與此同時，本實驗規(guī)范了基于定量描述性分析篩選葡萄酒特征香氣描述符的方法。以獲得的可靠感官數(shù)據(jù)為原始變量，綜合M值排序、主成分分析和聚類分析結(jié)果，規(guī)范了葡萄酒特征香氣描述符的篩選方法，明確了實驗‘赤霞珠’干紅葡萄酒的特征香氣。

總之，基于品評小組及其成員表現(xiàn)評估構(gòu)建的葡萄酒特征香氣描述符篩選方法，為客觀評價和明確我國產(chǎn)區(qū)葡萄酒的品質(zhì)和風格提供了科學依據(jù)和技術(shù)支撐，對形成和提升我國葡萄酒的國際市場競爭優(yōu)勢、實現(xiàn)國產(chǎn)葡萄酒產(chǎn)業(yè)的可持續(xù)發(fā)展具有一定意義。同時，該規(guī)范方法具有廣泛的普適性，不僅適用于葡萄酒，也適用于果酒飲料及其他食品領域中相關(guān)產(chǎn)品感官特征描述符的篩選研究。