王胜鹏，龚自明*，郑鹏程，刘盼盼，高士伟，滕 靖，王雪萍，叶 飞，郑 琳，桂安辉

（湖北省农业科学院果树茶叶研究所，湖北 武汉 430064）

青砖茶是我国独有的一种黑茶，主产于湖北省赤壁市，距今已有200余年历史。青砖茶加工时，渥堆是非常关键的一道工序，会发生一系列以多酚类物质为主的生化反应，形成青砖茶茶汤特有的汤色明亮、滋味醇和的品质特点。由于青砖茶具有分解脂肪[1]、舒畅肠胃[2]、抗氧化[3]和降血糖[4]等功效，已成为少数民族群众日常生活中的一种必需品。当前，对青砖茶的研究主要集中在加工技术[5]、香气成分分析[6]、菌类鉴别[7]和生理保健[8]上，而在青砖茶茶汤品质评价方面的研究较少。青砖茶茶汤含有茶多酚、茶褐素、茶红素和表没食子儿茶素没食子酸酯（epigallocatechin gallate，EGCG）等多达数十种内含成分，这些成分与茶汤滋味品质都具有一定的关联关系，因此，如何对青砖茶茶汤滋味品质进行评价非常重要。

通常应用感官审评方法[9]对茶汤品质进行评价。感官审评是专业人员运用自身视觉、味觉、嗅觉和触觉等人体感官器官对评审物品质进行综合评判的一门实用技术，已实现对小麦[10]、水稻[11]、蜂蜜[12]和中药[13]等进行感官审评。应用感官审评方法已对绿茶[14]、红茶[15]、乌龙茶[16]和普洱茶[17]等茶类进行品质评价。传统感官审评法虽然经典，但专业性较强，易受审评员嗜好差异、身体状况和环境等多种因素影响，结果主观性强，重复性较差，且费时费力，因此，亟待研发一种科学、客观、便捷的品质评价方法。

虽然电子舌技术已用于酒类和茶汤滋味识别[18]，但常用线性方法建立模型，没有考虑非线性方法，预测结果常与实际结果不符；测色技术已用于茶叶色泽感官审评方面研究[19]，但茶汤内含成分复杂，应用该方法建立的线性模型难以确保预测结果的稳定性和一致性，还需进行深入研究。

青砖茶茶汤品质高低与其内含成分含量间具有密切关系，但茶汤内含成分丰富，如何寻找一种或者多种与茶汤滋味品质密切相关的内含成分非常关键。因此，本实验通过应用国标方法先测定茶汤内含成分化学物质含量，再应用SPSS 19.0统计软件对这些内含成分进行主成分分析（principal component analysis，PCA）和相关关系分析，筛选代表性内含成分，得出各成分间的相关关系，再应用多种化学计量学方法尝试建立茶汤滋味品质得分与代表性内含成分含量间的拟合方程，用以评价茶汤品质，为青砖茶茶汤滋味品质评价提供一种准确、快捷的方法。

1 材料与方法

1.1 材料

青砖茶样品共158 个，148 个样品分别来自湖北省赤壁市羊楼洞茶业股份有限公司、赵李桥茶厂有限责任公司、洞庄茶业有限公司和思庄茶业有限公司，10 个样品来源未知，用于检验回归方程的实际预测效果；加工时间2015年5月—2015年9月，将样品冲泡后进行感官审评，而后立刻测定内含成分含量。按照3∶1比例随机划分样品，其中111 个样品用于建立校正拟合方程，37 个样品用于验证拟合方程的预测效果。

1.2 仪器与设备

手动固相萃取进样器、50/30 μm DVB/CAR/PDMS固相微萃取头 美国Supeclo公司；HHS型恒温水浴锅上海博迅实业有限公司医疗设备厂；UV-2550紫外-可见光分光光度计 日本岛津公司；Milli-RO PLUS 30纯水机 法国Millipore公司；CM-5色差计 柯尼美能达投资有限公司；2695高效液相色谱（high performance liquid chromatography，HPLC）、2998二极管阵列检测器、AccQ.Tag C18氨基酸专用分析柱 美国Waters公司；ODS C18反相柱（250 mm×4.6 mm，5 μm）美国Phenomenex公司。

1.3 方法

1.3.1 茶汤感官审评

根据GB/T 23776—2009《茶叶感官审评方法》，用四分法取得青砖茶样品5.0 g，置于250 mL评审杯中，注满沸水，加盖浸泡5 min，按照冲泡次序依次等速将茶汤沥入评茶碗中，茶汤以滋味醇厚、回味干爽为最佳。3 名感官审评专家对青砖茶茶汤品质进行打分，满分为100 分，茶汤品质越好，分数越高。审评过程中要求评审员身体健康，个人卫生条件好，全程禁止吸烟。

1.3.2 内含成分检测

应用国家标准方法检测水浸出物含量[20]、茶多酚含量[21]、游离氨基酸含量[22]；蒽酮-硫酸法测定总糖含量[23]；三氯化铝法测定黄酮含量[24]；系统分析法测定茶红素、茶黄素和茶褐素含量[25]；HPLC法检测没食子酸、咖啡碱和儿茶素和其单体含量。

在英语的句法分析中，Ratnaparkhi最早引入了最大熵的方法，他利用上下文特征，通过最大熵的方法来预测下一步要执行的操作。其上下文特征主要包括：成分的核心词，核心词的组合，非特定组合信息，以及部分已完成的子树信息。

1.4 数据分析

应用SPSS 19.0软件对青砖茶茶汤内含成分进行相关关系分析[26]；应用Matlab 2012a软件程序包对青砖茶茶汤内含成分进行PCA[27]。应用的化学计量学方法为主成分回归方法和逐步回归方法。所得结果用校正集决定系数（determination coefficient of cross validation，）、预测集决定系数（determination coefficient of prediction，Rp2）、交互验证均方根误差（root mean square error of cross validation，RMSECV）、预测均方根误差（root mean square error of prediction，RMSEP）[28]和因子数表示。其中，R2越大、RMSEP越小时，方程预测效果越好。RMSECV、RMSEP、R2的计算见式（1）～（3）：

式中：n为校正集样品数；yi为样品i实测值；yi’为校正集样品i预测值。

式中：n为验证集样品数；yi为样品i实测值；yi’为验证集样品i预测值。

式中：yi和yi’分别为样本中第i个样本实测值和预测值；y为所有样本实测值的平均值。

2 结果与分析

2.1 茶汤滋味评分及内含成分测定结果

根据感官审评专家对茶汤滋味进行评分，然后应用化学方法对茶汤内含成分进行测定，结果见表1。

表1 茶汤滋味得分及其内含成分测定结果Table 1 Chemical composition and sensory score of Qingzhuan tea infusion

从表1可以看出，茶汤滋味分数最大值为93，最小值为85，平均值为88.37，标准偏差为2.21，样品茶汤滋味得分间差距较小。19 种内含成分中含量较高的分别为CAF、EGCG、儿茶素总量、茶多酚、水浸出物、茶红素、茶褐素和总糖。含量较低的成分分别为GA、GC、EGC、C、ECG、CG和ECG。物质成分的含量高低是相对的，这些成分对茶汤滋味的形成都起到一定作用，但对茶汤滋味贡献度并不同。为求得对青砖茶茶汤滋味贡献较大的内含成分，舍弃贡献较小的内含成分，因此需要对上述内含成分进行PCA和相关关系分析。

2.2 PCA和相关关系分析

表2 茶汤内含成分PCA贡献率Table 2 Contribution rates of first 6 principal components to total variance

从表2可以看出，PC1～PC6前6 个主成分的累计贡献率达到99.98%，根据PCA原理，前6 个主成分就可以完全解释全部内含物的化学信息。PC1和PC2分别可以解释84.65%和13.17%的青砖茶19 种主要内含成分的变异，总解释率为97.82%。从表3可以看出，青砖茶茶汤滋味得分与EGC（0.09%～0.46%）、EGCG（0.91%～2.38%）和ECG（0.1%～0.73%）呈显著正相关（P＜0.05）。EGC、EGCG和ECG为儿茶素单体，均具有较强抗氧化活性，能够清除体内的自由基，具有抗衰老的功效。青砖茶原料在渥堆过程中，会发生多酚类物质的氧化反应，但由于翻堆不及时，无法跟外界空气进行充分接触，一些儿茶素物质未被完全氧化而被保留了下来，是茶汤爽口和刺激性的成分，有利于茶汤的品质提升。青砖茶茶汤滋味得分与C（1.99%～4.42%）和茶多酚（3.40%～11.11%）含量呈显著正相关（P＜0.05）。茶多酚是一类存在于茶树中的多元酚混合物，其主要成分是以儿茶素为主体的黄烷醇类物质，在茶汤中主要呈现涩味，量多时不利于茶汤品质的提高。由于茶多酚含有大量—OH化学键，青砖茶原料在渥堆时极易氧化变性成其他类物质，导致茶多酚类物质含量大量降低，可以起到降低茶汤涩味的功效，同时保留的茶多酚还具有抗氧化、抗病毒及杀菌作用[29]。从表3还可以看出，EGC、EGCG、ECG、儿茶素总量和茶多酚5 种成分间均呈极显著正相关（P＜0.01），彼此间相互起正作用，共同影响着青砖茶茶汤品质。除上述5 种成分外，茶褐素（3.40%～8.13%）与茶汤品质得分的相关关系最大，为0.41，但二者间并不呈显著相关（P＞0.05），虽然咖啡碱（1.18%～3.37%）和茶红素（1.17%～4.62%）的贡献值也较大，但它们与茶汤品质得分间并无显著相关（P＞0.05）。可见，茶汤内含成分含量高低与茶汤滋味品质得分间并无必然联系，内含成分含量高，不一定对茶汤品质得分贡献就大，内含成分含量低，也不一定对茶汤品质得分贡献就小。从表3还可以看出，青砖茶茶汤滋味得分与EGC、EGCG、ECG、儿茶素总量和茶多酚的相关系数分别为0.49、0.57、0.50、0.56和0.51，与之对应的P值分别为0.049 8、0.023、0.049 6、0.025 5和0.044，可见，这5 种成分对茶汤品质得分的贡献大小顺序为EGCG、儿茶素总量、茶多酚、ECG和EGC。

表3 青砖茶茶汤组成成分间相关关系Table 3 Correlation between the components in Qingzhuan tea soup

2.3 茶汤滋味得分回归方程建立

以EGC、EGCG、ECG、儿茶素总量和茶多酚成分为自变量，以茶汤滋味得分值为因变量，以SPSS 19.0软件为平台，分别应用主成分回归方法和逐步回归方法，构建内含成分与滋味得分间的回归方程。

当取前4 个主成分时，建立的主成分回归方程结果最佳，其方程为：

式中：y为滋味得分；x1为EGCG；x2为C；x3为茶多酚；x4为ECG；x5为EGC。

方程中样品实测值和预测值间R2c为0.911 7，RMSECV为0.421 1；然后应用主成分回归方程对37 个样品茶汤滋味分数进行预测，得到为0.889 8，RMSEP为0.432 6。

2.3.2 逐步回归拟合方程建立

在建立逐步回归方程过程中，根据自变量间的组合以及对方程的贡献大小，建立13 个回归方程。

表4 逐步回归方程结果Table 4 Results of step-wise regression equation

从表4可以看出，根据自变量对茶汤滋味得分的贡献率而建立的13 个回归方程中，随着方程中自变量个数增加，回归方程的预测效果逐渐提高，其中效果最差的回归方程只应用x1单个自变量（R2c=0.494 4，RMSECV=1.632 2），用此回归方程对验证样品茶汤滋味分数进行预测时，Rp2=0.490 1，RMSEP=1.654 5；当应用2 个自变量建立回归方程时，以应用x1和x3建立的回归方程预测较佳（=0.628 0，RMSECV=1.450 3），对验证样品茶汤滋味分数的预测结果Rp2=0.600 5，RMSEP=1.472 4，这是由于x3对茶汤滋味分数的贡献要大于x5，所以回归方程预测结果较佳，但此时建立回归方程的信息较少，方程预测结果欠佳；同理，以应用3 个自变量x1、x3和x2建立的回归方程预测结果（R2c=0.838 5，RMSECV=1.324 0；R2p=0.811 7，RMSEP=1.376 2）要优于其他3 个自变量建立的回归方程得到的预测结果，也优于全部应用2 个自变量或者1 个自变量建立回归方程的预测结果。这主要是由于回归方程的自变量信息不充分造成的。因此，当以x1、x2、x3、x4、x5全部5 个自变量建立回归方程时预测结果最佳（Rc2=0.973 5，RMSECV=0.380 7），当用此回归方程对验证样品茶汤滋味分数进行预测时，R2p=0.968 1，RMSEP=0.400 0（图1）。

建立的最佳逐步回归方程为：

式中：y为滋味得分；x1为EGCG；x2为C；x3为茶多酚；x4为ECG；x5为EGC。

图1 最佳逐步回归方程预测结果比较Fig. 1 True values versus predicted values from the best stepwise regression equation

2.3.3 回归方程预测效果检验

为检验回归方程的实际预测效果，应用建立的主成分回归方程和逐步多元回归方程对10 个未知样品茶汤滋味品质得分进行预测，所得结果见表5。

表5 未知样品预测效果Table 5 Prediction efficiency of unknown samples by two equations

从表5可以看出，主成分回归方程对10 个未知样品的茶汤滋味品质得分进行预测，所的结果为0.958 6，RMSEP为0.401 1；当用逐步多元回归方程对10 个未知样品的茶汤滋味品质得分进行预测时，为0.974 6，RMSEP为0.391 5。逐步多元回归方程预测结果要优于主成分回归方程结果，所得结论与建立回归方程结果相符。

3 结论与讨论

本实验尝试建立一种青砖茶茶汤品质的化学评价方法。在感官审评评价基础上，分析检测茶汤19 种内含成分含量，通过PCA和相关关系分析，筛选5 种与茶汤滋味品质得分关系密切的成分，分别为EGCG、儿茶素总量、茶多酚、ECG和EGC。然后应用主成分回归方法和逐步回归方法分别建立青砖茶茶汤滋味得分的拟合回归方程，经比较2 种方法的预测结果，以应用5 种内含成分建立的逐步回归方程预测结果最佳（=0.973 5，RMSECV=0.380 7；0.968 1，RMSEP=0.400 0）。结果表明，应用化学分析方法结合化学计量学方法预测青砖茶茶汤滋味品质是可行的，实现青砖茶茶汤品质的快速、准确评价。但本实验也存在一些不足之处，样品采集的多样性不够，在实际应用过程中，建议进一步补充采集不同渥堆程度青砖茶样品数据，尤其是品质较差青砖茶样品，扩大样品的品质得分范围，使得实验数据更具有代表性和全面性，建立的拟合方程有较大的使用范围，更加准确地预测样品品质得分。