魯祥凱，楊 彪,*，樊保民，孫 輝，張慧娟，孫嘯濤

（1.北京工商大學化學與材料工程學院，北京 100048；2.北京工商大學輕工科學技術學院，北京 100048）

中國白酒歷史悠久，與白蘭地、威士忌、伏特加、朗姆酒和金酒并列為世界六大蒸餾酒。白酒是以單糧或多糧為原料，經糖化發(fā)酵后蒸餾得到基酒，再經過貯存和勾調而成。在生產環(huán)節(jié)以及風味上，與其他蒸餾酒存在較大差異[1]。

白酒中水和乙醇含量占98%左右，微量組分雖然僅占2%，卻構成了白酒的整體風味[1-2]?，F(xiàn)已檢測出微量組分包括1 800余種成分，主要為酯、酸、醛、醇、酚、酮、芳烴、萜烯及雜環(huán)類化合物，其中香氣化合物217 種[3-5]。根據(jù)風味不同，白酒以 濃香、清香、醬香和米香為基礎共衍生形成12 種香型（圖1）。

圖1 中國白酒香型及衍生圖[6]Fig.1 Flavor types and derivative relationships of Chinese Baijiu[6]

由于地域差異造成的發(fā)酵過程中微生物群落的多樣性和特異性，以及釀酒原料的不同，白酒具有獨特的地域特征，即豐富的微量成分及特殊的風味[7-8]，其外在表現(xiàn)為白酒的不同香型和品牌。因此，從本質上看，白酒地域特征鑒別涵蓋了白酒香型、品牌、質量等級以及原產地等多個方面。本文主要從釀酒原料和微生物發(fā)酵產物兩個方面對白酒地域特征鑒別技術進行總結分析。

鑒別白酒最初主要靠人工品評，即依靠專業(yè)品酒人員的視覺、嗅覺、味覺對白酒的形、色、香、味進行觀察、分析、描述并開展綜合評價[9]。這種方法綜合性強，但局限性較大。專業(yè)品酒師需經大量訓練，對白酒評價是建立在個人主觀層面的，評價標準因人而異；因此只能做出模糊的判斷，對白酒的特征界定難以標準化[10-11]。自20世紀60年代采用層析法定性白酒中的一些微量成分以來[12]，白酒的儀器檢測技術發(fā)展迅速，如采用氣相色譜（gas chromatography，GC）-質譜法、近紅外光譜法和熒光光譜法檢測白酒中的有機物質，分析其香型組成；采用電感耦合等離子體技術和同位素分析分別檢測白酒中的無機元素和同位素，判斷其原料來源。

儀器分析結果中包含大量不相關、冗余和不確定的信息，無法直接用于白酒鑒別。因此，需通過化學計量學方法提取有用信息，其中模式識別和回歸校準應用最為廣泛[13-14]。模式識別是常用的數(shù)據(jù)處理方法，分為無監(jiān)督學習和有監(jiān)督學習。無監(jiān)督學習不需要任何有關數(shù)據(jù)中分組結構的先驗知識，只依靠其實際情況進行分組（即聚類），如主成分分析（principal component analysis，PCA）、層次聚類分析（hierarchical clustering analysis，HCA）等；有監(jiān)督學習則是預先知道分組數(shù)量，根據(jù)各組樣本建立判別模型，對未知樣品進行判別。常用方法包括線性判別分析（linear discriminant analysis，LDA）、支持向量機（support vector machines，SVM）、軟獨立模式分類（soft independent modeling of class analogies，SIMCA）和偏最小二乘判別分析（partial least squares discrimination analysis，PLS-DA）等[15-18]。通過模式識別，根據(jù)白酒中微量組分的差異可以進行品質、香型、品牌、真?zhèn)魏驮a地等的鑒別。

1 基于釀酒原料的白酒地域特征鑒別技術

釀酒原料（糧食、水等）中特有的無機元素以及同位素反映原料種植地及釀造地的地域特征，會保留在酒體中成為白酒的一部分。

白酒中無機元素來源主要有4 個：原料、生產設備、貯存容器、水。在生產過程中，白酒中無機元素僅有不到6%來自于糧食，而從生產設備上獲取的主要是常規(guī)金屬元素，如Fe、Al等，另外也有重金屬（如Pb、Cr）會進入酒體[19]。白酒在貯存過程中，容器中的金屬元素也會不同程度地進入酒體，影響白酒品質[20]。無機元素對白酒存放時間和口感影響較大。適量的無機元素（如Ca2+、Na+、Mg2+、K+等金屬離子）能夠與羧酸形成pH值相對較高的緩沖體系，抑制酯類的水解，調和及穩(wěn)定白酒品質，對長期貯存有利[21-22]。但過量的無機元素會使白酒口感變差且容易變質[23]。有研究表明使用純凈水（去除98%無機元素）勾調白酒，無法形成緩沖體系，導致白酒品質變化加快，無法長期貯存[21]。因此，要生產優(yōu)質白酒，勾調用水應當含有豐富的無機元素，這也是白酒中無機元素最直接最主要的來源。

電感耦合等離子體質譜法（inductively coupled plasma mass spectrometry，ICP-MS）具有檢測限低、靈敏度高、可同時測定多種元素等優(yōu)勢。采用ICP-MS法檢測白酒中的無機元素，通過用模式識別方法，依據(jù)其種類和含量所反映的地域特征，可對白酒樣品的種類或產地進行區(qū)分。研究發(fā)現(xiàn)，即使是同香型白酒，因原料、生產工藝和貯存方式不同，無機元素種類及含量也會存在差異[24]。姜濤等[25]對黔川兩地白酒的ICP-MS檢測結果進行PCA，提取出15 種特征元素，并依據(jù)其中6 種元素（Mn、Ga、Sc、V、Na和Cs）建立Fisher判別模型和距離判別模型，鑒別正確率分別為94.7%和100%。李清亮等[26]則采用無監(jiān)督學習聚類分析方法，成功將12 個品牌共175 份白酒樣品依據(jù)12 種無機元素的指紋圖譜分為4 類。楊雯懿等[27]采用PCA提取Al、Fe、Ba作為白酒的地域特征元素，并使用聚類分析方法區(qū)分了四川、廣州、重慶和湖南4 個產地的18 種白酒。另外，采用 ICP-MS法檢測原料中的無機元素可鑒別原料產地[28]。

不同產地糧食表現(xiàn)出的地域特征差異體現(xiàn)在同位素組成的不同，如光合作用差異造成碳同位素差異，不同地域和氣候造成氫、氧同位素差異等[29]。酒體中仍會保留反映地域特征的同位素信息，且白酒與原料中的同位素含量和比例呈正相關[30-32]，因此，通過白酒中同位素信息， 結合模式識別方法，可達到白酒地域特征鑒別的目的，同樣也能對釀酒原料進行溯源。

李賀賀等[33]采用有機溶劑稀釋法結合GC-燃燒-同位素比值質譜法證實了白酒中的碳同位素比值（δ13C）與原料產地存在關系。單獨采用δ13C能夠對糧源穩(wěn)定的白酒進行鑒別，但對糧源不穩(wěn)定的白酒則無法鑒別。另外還發(fā)現(xiàn)酒精度和年份對δ13C基本無影響。采用多種同位素（如δ13C和δ15N）結合分析可以提高準確性[34]。

通過研究分析無機元素與白酒的內在聯(lián)系，可為白酒地域特征鑒別提供參考。但是，白酒中無機元素的來源豐富，其含量在不同批次及長期穩(wěn)定性方面存在差異，這勢必會增加判別的難度。糧食中的同位素屬于其本身的固有屬性，對于糧源穩(wěn)定的白酒可借助同位素進行地域特征鑒別，但對糧源不穩(wěn)定的白酒則無法使用該方法進行鑒別。因此，無機元素和同位素結果雖能部分反映白酒的地域差別，但用于鑒別白酒時則只能作為參考，不能作為主要判斷依據(jù)。

2 基于發(fā)酵菌群產物的白酒地域特征鑒別技術

白酒中微量風味組分主要有3 種來源：生產原料、發(fā)酵過程（發(fā)酵菌群和酶）、貯存過程。不同種類的糧食經發(fā)酵可產生特異性物質。高粱中的單寧經發(fā)酵形成丁香酸、丁香醛等香味化合物，大麥經發(fā)酵形成香蘭素等特殊香味物質，玉米中的植酸經發(fā)酵形成環(huán)己六醇和磷酸[6]。釀酒的實質就是獲取糧食發(fā)酵后的產物，發(fā)酵過程是風味物質的最主要來源[35]，而微生物和酶是發(fā)酵的關鍵[7-8,36-37]，如克拉瓦梭菌將低級脂肪酸合成較高級脂肪酸，轉?；负王セ赶群笞饔孟聦⒁宜幔ㄐ枰掖即嬖冢┺D化成乙酸乙酯，酵母菌和細菌將香草醛轉化為 4-乙基愈創(chuàng)木酚等[6]。

白酒中風味物質的儀器檢測技術主要分為色譜法、光譜法兩類。此外，基于仿生電子鼻、電子舌等傳感器分析技術也被用來檢測白酒中的風味物質。白酒中風味物質種類復雜，儀器分析時為了分離提取風味組分，需要進行前處理[38-39]。根據(jù)儀器特點不同，白酒樣品的前處理方法包括頂空制樣法[40]、固相萃取法[41]、固相微萃取法[42]、液液萃取法[43]、攪攔棒吸附萃取法[44]等。

2.1 色譜法

色譜法具有分離效率高、選擇性好以及快速的特點，被廣泛用于物質成分檢測。通常易揮發(fā)組分采用GC法，而難揮發(fā)組分采用高效液相色譜法，具有相同或相近保留時間的化合物則采用二維或多維色譜分析[45]。 白酒中酸、醛、醇、酯類化合物多為揮發(fā)性有機物質，因此白酒多采用GC法進行研究。但單一的色譜檢測物質成分存在局限性，需結合使用多種檢測方式， 如GC-質譜法[46]、GC-嗅聞-質譜法[47]、全二維GC-飛行時間-質譜法[48]、GC-離子遷移譜法（GC-ion mobility spectrometry，GC-IMS）[49]，以確保檢測結果的準確性。

白酒香型劃分是基于風味物質種類與含量的差異。不同香型白酒在主體風味上存在差異，而同香型不同品種的白酒在非主體風味物質的含量及種類上存在差異[47]。 錢沖等[50]使用GC-質譜法分析了不同香型及產地的白酒，選取55 種共有組分進行聚類分析，依據(jù)香型分為5 類，再從中選取29 種組分進行PCA，提取特征組分用于鑒別白酒?；舻と旱萚51]采用GC-質譜法分析了不同產地和品牌的7 種白酒中10 種香氣物質，通過PCA發(fā)現(xiàn)其中3 個主成分累計方差貢獻率達86.527%，基本反映出原酒產地和品牌的信息，F(xiàn)isher判別模型中校正集和預測集的判別準確率分別為100%和93.9%。

隨著白酒風味研究中對分析層次和廣度要求的進一步提高，常規(guī)的GC法因峰容量小、分離效率低，已經不能完全滿足分析的需求，全二維GC的應用日益受到重視。全二維GC極大提高了峰容量和靈敏度，結合飛行時間質譜可定性定量更多的化合物，非常適合白酒這種復雜微量組分的體系[52-53]。蔡炳彪等[54]采用全二維 GC-飛行時間-質譜法檢測出汾酒、紅星二鍋頭和杏花村等清香型白酒中分別含有255、250 種和218 種香氣化合物。Li Hehe等[43]鑒別出芝麻香型白酒中含有509 種揮發(fā)性組分。劉志鵬[55]在醬香型白酒中檢測出4 726 種揮發(fā)性組分。目前，全二維GC法仍主要用于白酒的風味分析，在白酒特征鑒別方面有待進一步發(fā)展。

近幾年，GC-IMS成為風味組分檢測的熱門方法。與常規(guī)GC的梯度升溫不同，GC-IMS中的GC采用梯度改變載氣流速，洗脫分離后進入離子遷移管中進一步分離。它能夠將檢測結果通過三維譜圖（物質保留時間-物質漂移時間-物質濃度）直觀展示出來，雖不如全二維GC檢測到的物質種類多，但仍可反映出各風味物質種類和含量的差異。目前已成功應用于黃酒的產地及品牌鑒別[56-57]。 朱玲等[49]將稀釋的白酒樣品用GC-IMS進行組分分析，發(fā)現(xiàn)清香型白酒中揮發(fā)性組分最少，濃香型白酒中酯類物質豐富，醬香型白酒中酮類和醛類物質豐富。同香型不同品牌的白酒，雖揮發(fā)性組分大體上相似，但在某些揮發(fā)性組分含量上存在差異。在此基礎上，通過PCA可較好地區(qū)分不同香型白酒。GC-IMS法不受水和乙醇的影響，不用對白酒樣品進行特殊處理。因此，GC-IMS法在白酒的品質監(jiān)控及地域特征鑒別方面具有更大的潛力。

基于色譜柱卓越分離能力的檢測方法仍在不斷發(fā)展與完善。雖然色譜法可檢測出酒中大量的揮發(fā)性組分，但這些組分不可能全部可用于鑒別地域特征。因此，科學合理地提取特征信息將是色譜法用于白酒地域特征 鑒別的重點研究內容。

2.2 光譜法

相比于色譜法，光譜法的檢測速度更快、成本更低、不會產生各種化學藥品廢棄物，被越來越多地應用于食品、藥品、農產品等領域[58]。白酒分析中用到的光譜法主要有紅外吸收光譜法、紫外-可見吸收光譜法和熒光光譜法等。

2.2.1 紅外吸收光譜法

通常所講的紅外光譜指中紅外光譜。白酒的紅外光譜是多種組分的信息疊加，互相之間會產生干擾，影響特征峰的選取，很難建立標準譜圖庫。

依據(jù)白酒宏觀紅外圖譜，李長文等[59]提出三級鑒定法，成功對金士力白酒進行了分級鑒定。發(fā)現(xiàn)在一級、二級鑒定中，主要呈現(xiàn)白酒宏觀指紋特征，而在三級鑒定中，通過二維相關紅外譜圖的特征峰和交叉峰可直接展示白酒指紋特征。此外，利用三級鑒定法也可對不同品牌的同香型白酒（茅臺、金士力酒和郎酒3 種醬香型白酒）進行分類鑒別[60]。劉效林[61]提出多尺度搜索算法選取特征，采用SVM分類模型對22 種不同品牌、不同香型的白酒共440 條光譜信息進行鑒別，品牌和香型分類鑒別正確率分別為99.545 4%和96.590 9%。王同暉[62]提出一種基于小波多頻段特征提取方法，結合SVM和馬氏距離判斷，提出層次分類結構的鑒別模型，實現(xiàn)了對22 種白酒的分類，預測準確率91.14%。

值得注意的是，依靠中紅外光譜圖提取的特征并不是白酒中具體物質組分的特征，而是譜圖本身峰型的特征。因此，檢測儀器、實驗操作等因素會對譜圖產生影響，最終影響譜圖特征提取結果。

近紅外光譜不受酒中乙醇和水的影響，可用于基酒中酯、酸、醇類等風味組分檢測分析[63-65]。徐睿等[66]采用一階求導和Savitzky-Golay卷積平滑方法，對金沙藍鉆酒與其他品牌和香型共8 種白酒的傅里葉變換近紅外光譜進行預處理。然后根據(jù)4 119.20～9 881.46 cm-1區(qū)間的光譜特征建立金沙藍鉆酒相似度匹配分析模型，通過計算發(fā)現(xiàn)相似度鑒別正確率達到100%。

2.2.2 紫外-可見吸收光譜法

紫外-可見吸收光譜主要反映化合物共軛體系和官能團之間的關系，不僅能對白酒中可吸收峰的特性進行定性和簡單的結構分析，還能對溶液中有機或無機的物質分子或離子進行測定[67]。白酒中酸、醇、醛、酯等類風味物質種類和含量差異顯著，因此可通過紫外-可見吸收光譜對白酒進行鑒別。

李曌[68]選取200～325 nm波長范圍的紫外-可見吸收光譜，構建SIMCA、PCA-LDA和SVM 3 種模型對22 種白酒進行鑒別。結果表明PCA-LDA模型鑒別效果最好，訓練集和驗證集鑒別正確率分別為99.83%和100%，SVM鑒別模型次之，其訓練集和驗證集鑒別正確率分別為99.38%和99.68%，SIMCA鑒別模型效果最差，其訓練集和驗證集鑒別正確率分別只有87.4%和72.08%。張苗苗[69]選取200～400 nm波長范圍的光譜，分析發(fā)現(xiàn)米香型白酒中β-苯乙醇含量較高，醬香型白酒中糠醛含量較高，清香型白酒中醇類物質和醛類物質相當，而濃香型白酒因吸收峰雜亂，無法判斷其形成原因。對該范圍內光譜直接進行相似度計算，結合模式識別可有效地鑒別8 種白酒。

2.2.3 熒光光譜法

熒光光譜是由熒光物質被光激發(fā)后產生能級躍遷形成的。白酒中雖含有大量的水和乙醇，但影響不大，白酒熒光光譜的差異主要是由微量組分的差異造成的[70-71]。白酒鑒別分析中常用的主要是熒光光譜法、三維熒光光譜法以及同步熒光光譜法等。

張苗苗[69]采用200～300 nm波長的紫外光激發(fā)酒樣，獲得熒光光譜。分析發(fā)現(xiàn)240 nm激發(fā)波長產生的熒光光譜可作為白酒香型的特征譜圖。朱焯煒等[72]采用平行因子方法分析得出白酒中3 類熒光成分（微量成分與乙醇-水形成的團簇分子、酯類物質和酸類物質）的激發(fā)/發(fā)射波長差異顯著，分別為285/324 nm、355/438 nm和320/380 nm。構建的SVM模型對白酒品牌的鑒別準確率達97.5%。為提高運算效率（分析時間由58.8 s縮短到28.4 s）引入了遺傳算法計算濃度得分，作為SVM模型的輸入變量，準確率為96.7%。

三維熒光光譜解決了普通熒光光譜信息貧乏和定量時無法避免組分之間干擾的問題，可以同時獲得激發(fā)和發(fā)射波長及其對應的熒光強度信息，能夠更加準確全面地描述物質的特征。通過選取最佳激發(fā)波長和發(fā)射波長范圍，獲取白酒中風味物質的熒光光譜、分析譜圖、提取主熒光峰、峰值位置等參量，結合模式識別可對白酒香型、品牌和產地進行鑒別[73-74]。楊建磊等[75]通過對105 份白酒樣品的熒光光譜中主熒光峰個數(shù)、最佳激發(fā)波長和波峰位置3 個參量進行聚類分析，可對不同產地、品牌和年份的白酒進行分類，正確率達到96%以上。

此外，通過對熒光光譜全譜圖進行變換、過濾、分解等處理方式，從譜圖中提取出所需的特征信息，結合模式識別也可對白酒進行地域特征鑒別。徐瑞煜等[76]直接對全譜圖進行處理，先后采用一階導數(shù)、二階導數(shù)和小波變換將數(shù)據(jù)壓縮，以PCA-SVM模型鑒別7 種不同品牌白酒。辜姣等[77]以小波分解后的第4層近似系數(shù)構建正交因子分析模型，選取累計貢獻率達85%以上的因子鑒別10 份白酒的香型，正確率為80%，加入部分貢獻率較低的因子后，正確率提高至90%。

2.3 仿生學方法（傳感器法）

1993年，Pearce等[78]將傳感器應用于啤酒鑒別，次年，Gardner等[79]提出“電子鼻”概念。此后，電子鼻 這類仿生傳感器迅速發(fā)展，并逐步應用于酒類產地鑒別，如Cynkar[80]和Men Hong[81]等結合化學計量學方法成功鑒別出葡萄酒及啤酒的產地。仿生傳感器主要由敏感材料構建而成，在一定條件下可對白酒中風味組分（醇類、酯類、酸類、醛類等物質）響應，如2,4-二硝基苯肼+濃 硫酸+銦卟啉可對白酒中醛類物質進行響應[82]。

秦輝[83]采用設計的可視化仿生嗅覺系統(tǒng)檢測白酒中的醇、酸、醛、酯等香味物質含量，發(fā)現(xiàn)不同濃度下具有特異性的響應差譜圖，結合PCA、聚類分析和LDA方法可100%識別不同原產地的白酒以及不同年份的基酒，對未知樣品的預測準確率也達100%。Li Qiang等[84]采用電子鼻結合多維尺度算法鑒別白酒，對10 個品牌的白酒鑒別平均正確率為98.3%，優(yōu)于反向人工神經網絡（93.3%）和移動平均LDA（87.6%）。Zeng Hui等[85]采用基于石英晶體微天平設計的傳感器構建電子鼻來檢測振動頻率信號，通過PCA降維后，結合反向傳播網絡可鑒別3 個產地的6 個品牌白酒，正確率達93.33%。為了解決傳感器老化導致檢測結果不準確的問題，Wang Yanfang等[86]通過小波分解電子鼻空載數(shù)據(jù)并將其轉化為適合樣本的閾值函數(shù)，用于校正“樣本測量時間窗口”的數(shù)據(jù)，當樣本測量時間窗口向前遞歸時，便可校正所有樣本數(shù)據(jù)。并在1 年內對3 個品牌的6 種白酒進行間歇性測試，鑒別正確率達100%。

采用電子鼻、電子舌等傳感器只能對特定物質進行響應，且容易受乙醇影響。因此，提高乙醇耐受性，開發(fā)針對白酒地域特征中多種組分的傳感器，是未來仿生鑒別技術應該重點關注的方向。

3 白酒地域特征鑒別方法比較與思考

采用不同檢測和鑒別方法所挖掘的信息廣度和深度各不相同。人工品評綜合性強且準確，但易受個體因素影響，并且對評價結果只能描述，無法量化表達[39]，而儀器設備檢測可克服這些問題。由于白酒具有蒸餾勾調的特點，因此即使同一種類但批次不同的白酒也存在一定差異，過分強調白酒與各組分種類以及含量的精確對應關系有失妥當，只能盡量縮小標準的量化范圍，但無論采取哪類方法，都有各自的優(yōu)勢與局限性（表1）。

表1 白酒地域特征鑒別方法比較Table 1 Comparison of identification methods for Baijiu geographical characteristics

儀器分析方法可用于白酒生產過程中的品質監(jiān)控，基酒、年份酒等的鑒別，風味分析以及原產地鑒別。雖然都存在一定的局限性，但可依據(jù)分析目的不同進行選擇或幾種方法組合使用。通過不斷優(yōu)化儀器分析方法、完善數(shù)據(jù)處理算法和特征信息的提取模式，可以提高鑒別效率和準確率。

4 結 語

白酒地域特征來自于發(fā)酵時微生物群落以及原料不同導致的微量組分的差異，進一步形成不同的香型及風味。特征信息提取很關鍵，不同儀器檢測方法能夠提取的特征信息量差異明顯。采用仿生傳感器以及檢測白酒中無機元素和同位素含量的方法，所獲取的信息都比較少，更多的是用于區(qū)分白酒種類，或是監(jiān)控生產過程中的白酒品質，而非對未知白酒進行鑒別。采用色譜法和光譜法檢測分析白酒中風味物質組分，獲取的信息十分豐富，是進行白酒地域特征鑒別的主要方法。

在白酒的地域特征提取和鑒別過程中，需綜合考慮白酒地域特征中共有和獨有的特征。在獲取大量檢測信息的基礎上，提取的特征信息少，對白酒的特征反映不夠全面；如果提取特征信息過多，會使差異產生放大效應，導致準確率下降。如何平衡特征信息提取數(shù)量及其權重是應該重點考慮的問題。目前還沒有一種方法能夠完美實現(xiàn)白酒的地域特征鑒別，不同方法檢測的白酒中微量組分各有側重，提取的特征信息也各不相同，需要根據(jù)應用場合選取合適的方法。