CN111272931A

CN111272931A - 一种茶叶的原产地溯源方法

Info

Publication number: CN111272931A
Application number: CN202010096490.5A
Authority: CN
Inventors: 侯如燕; 运晶; 周春松
Original assignee: Jiangsu Yiyiye High Tech Co Ltd; Anhui Agricultural University AHAU
Current assignee: Jiangsu Yiyiye High Tech Co Ltd; Anhui Agricultural University AHAU
Priority date: 2020-02-17
Filing date: 2020-02-17
Publication date: 2020-06-12

Abstract

本发明公开一种茶叶的原产地溯源方法，包括步骤：选取若干种类的茶叶，获得各类茶叶GC‑MS数据的全谱信息，并建立全谱数据库；获取待测茶叶的GC‑MS数据的全谱信息，并通过与所述全谱数据库进行比对，实现待测茶叶的鉴别；本发明以祁门红茶为主要研究对象结合国内外不同产地红茶，利用HS‑GC‑MS方法检测茶叶中挥发性成分，建立不同产地红茶挥发性成分指纹图谱，结合化学计量学对所得数据进行分析，构建了红茶产地溯源模型；利用SAFE‑AEDA‑GC‑O‑MS技术对祁门红茶活性香气物质进行定性测定，确定祁门红茶关键特征性香气化合物，筛选出用于代表“祁红香”的挥发性成分，探究风味物质在祁红产地溯源研究中的可行性，对利用制茶工艺提高茶叶香气品质等均具有重要意义。

Description

一种茶叶的原产地溯源方法

技术领域

本发明涉及茶类鉴别技术领域，具体涉及一种茶叶的原产地溯源方法。

背景技术

中国是世界红茶的主要产区，红茶是利用大叶种、中叶种和小叶种茶树品种等不同的茶叶原料经萎凋、揉捻、发酵、干燥等工序制得的茶叶品类。红茶根据加工工艺特点分为功夫红茶、小种红茶和红碎茶，功夫红茶是中国红茶的主要品类，中国红茶主要产区位于中国江南茶区、西南茶区等：世界闻名的历史名茶有安徽的祁门红茶、福建的正山小种、政和功夫等、云南产区的滇红等；加工过程包括萎凋、发酵、揉捻、干燥。祁门红茶是世界高香红茶之一，常作为提高红茶香气而拼配入其他红茶原料。“祁门香”的化学组成是世界学者和消费者关注的焦点。祁门红茶产区包括核心产区和历史传统产区，核心产区位于中国安徽黄山祁门县产区、传统产区包括祁门在内的池州区、东至县等地。小种红茶主要产于中国福建武夷山区，在红茶加工中和发酵和干燥过程中加入松烟熏制的工艺，以松烟香是茶香为特色之一。滇红产于云南，是我国大叶种茶树制得的红茶代表性产品。

一般情况下，产于传统产区的茶叶的品质由于地理条件和气候条件的不同，与周边产区所制得的茶叶有所不同，尤其是香气成分的区别，通常根据人的感官评定来区分，因其主观性和变化性，区分难度大。而茶叶香气的物质基础是与茶树品种和加工工艺均有关系。对大产区而言，决定因素二者均有作用。对使用相同茶树品种相同工艺制得的茶叶的香气物质是否可以作为产地溯源的指标，有待通过研究明确。地理标志农产品的产地溯源和保真技术一直是学术界关注的热点问题。而与人感官最为接近的茶叶香气辨别和产区区分更需要进行大量数据检测和统计学分析来评估其可行性。首先是需要建立快速、高效、重复性好的香气分析方法，再者是筛选最佳的判别模型来实现精确区分，减少误判率，这也是目前溯源技术的难点。

鉴于上述原因，本发明创作者经过长时间的研究和实践获得了本发明成果。

发明内容

为解决上述技术瓶颈，本发明采用的技术方案在于，提供一种茶叶的原产地溯源方法，包括步骤：

S1，选取若干种类的茶叶，获得各类茶叶GC-MS数据的全谱信息，并建立全谱数据库；

S2，获取待测茶叶的GC-MS数据的全谱信息，并通过与所述全谱数据库进行比对，实现待测茶叶的产地溯源。

较佳的，通过静态顶空萃取法结合气相色谱质谱联用获取所述全谱数据库和所述待测茶叶的全谱信息。

较佳的，通过对各类茶叶GC-MS数据的全谱信息进行全谱数据分析，由不同产地茶叶中不同时刻的丰度形成变量X矩阵，茶叶类别为Y矩阵，经正交偏最小二乘判别分析OPLS-DA进行降维并建立全谱数据的K近邻算法判别模型。

较佳的，通过对各类茶叶GC-MS数据的共有化合物进行数据分析，由不同产地茶叶中若干种共有化合物的峰面积形成变量X矩阵，茶叶类别为Y矩阵，经正交偏最小二乘判别分析OPLS-DA进行降维并建立全谱数据的K近邻算法判别模型。

较佳的，通过关键香气化合物进行KNN分析法进行数据分析；所述关键香气化合物由SAFE方法和SPE两种方法共同筛选得到。

较佳的，所述静态顶空萃取法包括：称取粉碎均匀的茶粉3g～6g，加入1g石英砂，在石英砂中加入100μL～700μL纯水，装入顶空瓶中加盖密封，混合均匀后置于静态顶空自动进样器样品盘中。

较佳的，所述静态顶空萃取法的顶空进样条件为：加热箱温度100℃；样品瓶平衡时间20min。

较佳的，所述气相色谱质谱联用的分析过程中，自动进样GC条件为：进样体积为1uL；进样口温度为250℃；按照一定的程序升温进行样品分析；总时65min。

较佳的，所述气相色谱质谱联用的分析过程中，顶空进样GC条件为：进样口温度为250℃，进样模式为分流比设定5：1，进样量1μL；按照一定程序升温进行样品分析，总时22min。

较佳的，所述气相色谱质谱联用的分析过程中，MS条件为：电子轰击为离子源；电子能量为70eV；离子源温度为230℃，质量扫描范围为30amu～450amu；扫描方式为全扫描。

与现有技术比较本发明的有益效果在于：本发明以祁门红茶为主要研究对象结合国内外不同产地红茶，利用HS-GC-MS方法检测茶叶中挥发性成分，建立不同产地红茶挥发性成分指纹图谱，结合化学计量学对所得数据进行分析，构建了红茶产地溯源模型。利用SAFE-AEDA-GC-0-MS技术对祁门红茶活性香气物质进行定性测定，确定祁门红茶关键特征性香气化合物，筛选出用于代表“祁红香”的挥发性成分，探究风味物质在祁红产地溯源研究中的可行性，对利用制茶工艺提高茶叶香气品质等均具有重要意义。

附图说明

图1为祁门红茶产地取样地图；

图2为五个大产区的代表性样品的红茶HS-GC-MS图；

图3为红茶的共有化合物图；

图4为102个茶样全谱数据SIMCA/0PLS-DA分类图；

图5为102个茶样共有化合物数据SIMCA/OPLS-DA分类图；

图6为利用红茶中两种关键香气成分进行产地区分KNN分析的二维图；

图7为茶叶粉碎度和样品量影响下的香气丰度对比图；

图8为平衡温度影响下的香气丰度对比图；

图9为平衡时间影响下的香气丰度对比图；

图10为加水量影响下的香气丰度对比图。

具体实施方式

以下结合附图，对本发明上述的和另外的技术特征和优点作更详细的说明。

实施例一

在本实施例中，针对祁门红茶进行鉴别，具体的鉴别方法包括步骤：

S1，祁红取样；

如表一所示，表一为不同产地祁门红茶样品信息表；祁门红茶的样品收集于2017年4月19日至2017年4月28日(连续取样，雨天不取样)生产祁门红茶的5个产地(共72个样)，分别是古溪镇、历口镇、金字牌镇、贵池、东至，古溪镇、历口镇、金字牌镇是祁门红茶的核心产区，贵池、东至是祁门红茶的传统产区。如图1所示，图1为祁门红茶产地取样地图。为了保证样品的代表性和真实性，茶树的品种均是当地的群体种，茶鲜叶均是在当地当天采摘的一芽二叶或者三叶，并且由当地规模较大的茶厂加工制成的祁门红茶样品，取样时在当天生产的成品祁门红茶中随机取样。

表一不同产地祁门红茶样品信息表

S2，国内外商品取样：10个不同产地的102个红茶样品。

如表二所示，表二为不同产地红茶样品信息表；提供30个除祁门红茶外的其他类红茶的判别样，具体包括国内其他样品：收集于福建正山小种和政和工夫共11个红茶样品，云南滇红的5个红茶样品，以及国外斯里兰卡红茶的6个红茶样品和印度大吉岭红茶的8个红茶样品，用于进行祁门红茶和其他产地的红茶进行产地区分。

表二不同产地红茶样品信息表

采用静态顶空萃取法(HS)结合气相色谱质谱联用(GC-MS)技术，对来自国内外10个产地的102个样品进行香气成分提取检测分析比较。如图2所示，图2为五个大产区的代表性样品的红茶HS-GC-MS图；结果表明，每个产地的茶叶质谱图具有显著性差异，化合物种类和数量不同，具有差异性化合物种类、含量和比例构成了每个产地的红茶的独特风味。

根据102个茶样的香气总离子流图，经NIST17检索，AMDIS解卷积定性化合物，共检测到59种主要的挥发性成分，经筛选，102个茶样样品的共有化合物有22种，如图3所示，图3为红茶的共有化合物图；有19种化合物都是在做GC-0时可以通过嗅觉感知到的，19种化合物主要香型是花香，果香，甜香，青香，木香等，符合红茶茶汤的香气特征。

S3，通过各样品的检测数据获得全谱数据库，对待检测茶样进行香气成分提取检测分析鉴定。

S31，主成分分析和OPLS-DA分析大产区的可视化判别；

大产区红茶分为5个产地：安徽祁红、云南滇红、福建红茶、印度大吉岭红茶、斯里兰卡红茶。采用SIMCA13.0软件对5个不同产地的102份红茶样品中的全谱数据分析，由不同产地红茶总离子流图3min～20min共3911个不同时刻的丰度为变量X矩阵，102个样品的产地类别为Y矩阵，将所有样品数据汇总到一个表格中，然后将这些数据导入SIMCA13.0软件，首先对数据进行无监督的主成分分析(选中数据然后选择PCA模型，软件自动计算)，然后再选择可以用于产地区分的有监督的正交偏最小二乘判别分析OPLS-DA，经OPLS-DA进行降维和建立模型。

本模型R2X＝0.882(自变量拟合指数)、R2Y＝0.933(因变量拟合指数)、Q2＝0.909(模型预测指数)，理论上R2和Q2数值越接近1越好，通常情况下R2和Q2高于0.5较好，高于0.4即可接受。200次置换后验证R²＝0.0178、Q²＝-0.0977，Q2值小于零表示模型可靠，不存在过度拟合。

如图4所示，图4为102个茶样全谱数据SIMCA/0PLS-DA分类图。图4为国内外5个大产地102个样品通过顶空方法提取茶叶香气的GC-MS全谱数据进行偏最小二乘判别分析0PLS-DA的鉴别结果。由图可看到5个大产地的红茶具有很明显的区分，由于样本量数据变异较大，导致其他产地的样本出现在圈外，但同一产地具有一定的聚类趋势。

结果表明：用顶空法结合GC-MS的全谱数据可以用来进行红茶的产地溯源，OPLS-DA给出了大致的区分模式。

S32，基于顶空全谱数据KNN分析和RF随机森林分析红茶的小产地溯源结果对比；

分类主要使用Python机器学习库Scikit-learn进行实现，KNN分类和RF随机森林分类分别调用其中的KNeighborsClassifier(K近邻算法)和RandomForestClassifier(随机森林)方法。先使用train_test_split方法将数据集随机分成30％的测试集数据和70％训练集数据，然后调用GridSearchCV方法进行五折交叉验证并调最优参数，KNN分类主要进行K值的最优选取，随机森林则主要进行了决策树最大深度和最大特征数的调参，最终选取最优参数进行分类效果的预测并利用metrics方法得到分类相关的混淆矩阵，总结出具体的分类效果。

KNN应用于对未知样品的归属识别，判断未知样品的特征和哪一类已知事物的特征最接近，判断思想是：依据数学方法(常用欧几里得方法)即判断未知样品属于哪一类。随机森林算法是用随机的方式建立一个森林，森林里面有很多的决策树组成，随机森林的每一颗决策树之间是没有关联的。在得到随机森林之后，当有一个新的输入样本进入的时候，就让森林中的每一棵决策树分别进行一下判断，实验样本为哪一类。

将102个样品分为10个小产地：金字牌、古溪、历口、贵池、东至、云南、福建其他地区红茶、福建武夷山正山小种、印度、斯里兰卡。将10个小产地的102个样品的GC-MS全谱数据(总离子流图3min～20min共3911个不同时刻的丰度)放入python进行KNN和RF分析对比，KNN算法和RF算法将102个样品随机分为70％的训练集和30％的测试集。根据判别率最小原则和交叉验证，寻找最优参数，筛选K值，当K＝1时，判别率最高。KNN分类结果和RF分类结果对比如表所示，KNN分析训练集识别率和测试集识别率均为100％，RF分析的训练集识别率6个产地100％，古溪的测试集识别率为96％，贵池的测试集识别率为88％，东至的测试集识别率为83％，福建其他地方的红茶测试集识别率为60％。

结果表明：基于10个产地红茶样品的GC-MS的全谱数据进行KNN和RF产地溯源分析，KNN算法在产地判别上优于RF算法，KNN分析法可以100％的产地判别分析；为快速产地分析提供了很好的依据。

表三10个产地102个茶样全谱数据进行KNN和RF溯源对比分析表

S33，基于顶空法结合22种共有化合物数据对不同红茶产地溯源。

同样的，对来自10个小产地的102个红茶样品的GC-MS数据进行解谱分析，以红茶样品中的22个共有化合物面积为原始数据，采用多元统计分析方法，对不同红茶进行产地溯源研究。10个产地红茶中共有化合物在的含量和相对比例不同，且对于目标化合物的解谱较为方便，可用于判别红茶产地溯源的指标。

采用SIMCA13.0软件对5个不同产地的102份红茶样品中的22个共有化合物面积分析。由不同产地红茶中22个化合物峰面积为变量X矩阵(化合物峰面积由自动积分得到)，102个样品的产地类别为Y矩阵，将样品数据汇总到一个表格中，然后将这些数据导入SIMCA13.0软件，首先对数据进行无监督的主成分分析(选中数据然后选择PCA模型，软件自动计算)，然后再选择可以用于产地区分的有监督的正交偏最小二乘判别分析OPLS-DA，经OPLS-DA进行降维和建立模型。

本模型R2X＝0.893(自变量拟合指数)、R2Y＝0.752(因变量拟合指数)、Q2＝0.727(模型预测指数)，理论上R2和Q2数值越接近1越好，通常情况下R2和Q2高于0.5较好，高于0.4即可接受。200次置换后验证R2＝0.0112、Q2＝-0.0932，Q2值小于零表示模型可靠，不存在过度拟合。

如图5所示，图5为国内外5个大产地102个样品通过顶空方法提取茶叶香气的GC-MS22个共有化合物数据进行偏最小二乘判别分析OPLS-DA的鉴别结果。由图5可看到5个大产地的红茶具有一定的区分趋势，但是也有一定的重叠，样品数据变异较大，导致其他产地的样本出现在圈外，但是同一产地具有一定的聚类趋势。具体判别数据用KNN和RF进行红茶产地判别。

在步骤S33中，采用python软件实现KNN算法和RF算法，10个产地的102个红茶样品中的22个共有化合物面积数据被用于KNN算法和RF算法的红茶产地溯源模型的建立。

表四10个产地102个茶样22种共有化合物进行KNN和RF溯源对比分析表

分析对比结果如表四，KNN算法的识别率多是100％，RF算法的测试集识别率低于KNN算法，福建其他地方红茶的测试集识别率是60％、福建武夷山正山小种红茶的测试集判别率是89％，印度测试集判别率是86％。结果表明：基于顶空法结合10个产地的22种共有化合物，进行KNN分析红茶产地溯源效果更好，达到了100％的茶叶产地判别，RF算法不能进行茶叶的全部产地判别。红茶GC-MS谱中有目标化合物，更容易解谱，可以很快速的找到目标化合物，进行快速产地溯源。这说明22种化合物包含了充分的产地溯源信息，对10个产地的红茶产地溯源有应用价值。

S34，基于顶空法结合2种关键香气物质KNN分析法对不同产地红茶产地溯源；

由步骤S32、步骤S33可知，KNN分类模型更适合茶叶产地溯源模型的建立和判别，在步骤S34中采用python软件KNN分析，10个产地的102个红茶样品中的2个关键香气化合物数据被用于KNN算法的红茶产地溯源模型的建立，这两种关键香气化合物是由SAFE方法和SPE两种方法共同筛选得到。

结果如表五，除古溪祁红错判到金字牌祁红中，判别率为89％，其他产地判别率均为100％。

如图6所示，图6为利用红茶中两种关键香气成分(芳樟醇和香叶醇)进行产地区分KNN分析的二维图，其中，A为安徽祁门金字牌；B为安徽祁门古溪；C为安徽祁门历口；D为安徽贵池；E为安徽东至；F为云南；G为福建其他地区；H为福建武夷山正山小种；I为印度；J为斯里兰卡。在图6中10个产地红茶可以很明显的区分开。同时，在图6中，同一形状黑色填充的为70％的训练集，空白的为30％的测试集。

表五：两种关键香气成分(芳樟醇和香叶醇)进行产地区分KNN对比分析表

结果表明：不同产地红茶中芳樟醇和香叶醇含量有显著差异，结合KNN分类模型，建立了不同红茶芳樟醇和香叶醇两种化合物的产地判别模型，判别准确率9个达到100％，一个89％，利用芳樟醇和香叶醇进行红茶产地溯源研究是一种有效和准确的手段。

目前基于GC-MS数据进行产地判别研究，主要通过解谱得到的具体化合物面积或者相对含量利用多元统计分析进行产地判别。解谱要有细心和丰富的解谱经验，每个产地样品中所含有和挥发性成分有相同的也有不相同的，解谱费时费力长。

本发明首次基于GC-MS数据的全谱信息进行产地溯源分析，不依赖解谱，将所有样品的全谱信息导入一张表格中进行数据分析，快速高效，且包含了样品所有的挥发性成分。

首次利用GC-MS图谱的全部数据进行红茶产地溯源，无需解谱获得茶叶香气化合物数据，构建了不同产地红茶香气的全部指纹信息。通过KNN分析和RF分析对比，KNN分析的判别率可以达到100％，RF分析判别率较低，结果表明KNN溯源模型对红茶产地溯源效果较好。

通过传统的解谱方法，102个茶样中共检测到59种挥发性物质，其中共有化合物22种，利用每个茶样种的22种化合物数据进行产地溯源分析。通过KNN分析和RF分析对比，KNN分析的判别率可以达到100％，RF分析判别率较低。结果表明利用传统的解谱方法找出不同产地红茶挥发性共有化合物数据信息可以通过KNN分析进行产地溯源分析。

利用祁红中找出的两个关键香气物质，作为茶叶的特征香气成分，结合KNN分类模型，建立了不同红茶芳樟醇和香叶醇两种化合物的产地判别模型。判别准确率9个达到100％，一个89％，利用芳樟醇和香叶醇两种化合物数据进行红茶产地溯源研究是一种有效和准确的手段。

实施例二

针对共102个红茶样品进行检测，本实施例采用安捷伦7697A-7890A-5975C气相色谱质谱联用仪进行分析，通过优化后的HS(顶空固萃取技术)祁门红茶香气提取方法进行香气提取。

具体的，选取了对HS影响较大的4大单因素进行单因素实验，4大单因素包括茶叶粉碎度和样品量、不同加水量、平衡温度、平衡时间，考察这些因素对红茶香气的萃取效果(峰面积)的影响，实验中，将单因素质谱图叠放进行对比。

本实验对HS提取红茶香气的萃取条件进行了优化，建立了一种快速，准确测定红茶香气的方法，优化结果最终确定为：取一定量茶叶，用粉碎机粉碎，准确称取粉碎均匀的茶粉3g，加入1g石英砂，在石英砂中加入100μL纯水，装入20mL的顶空瓶中加盖密封，充分混合均匀后置于静态顶空自动进样器上，待进样。

顶空进样条件：加热箱温度100℃；定量环温度110℃；传输线温度120℃；样品瓶平衡时间20min，进样时间0.5min，定量环体积5mL，定量环平衡时间0.1min。

其中，GC-MS(气相色谱-质谱)的分析方法为：

自动进样GC条件：DB-5MS石英毛细管柱(30m×0.25um×0.25um)；进样口温度为250℃，进样模式：不分流；载气为氦气(纯度为99.99％)；流速2.4mL/min；程序升温：初始温度50℃，保持5min，以3℃/min的速率升至180℃，保持2min；然后以10℃/min的速率升至250℃，保持3min；再以10℃/min升至280℃，保持2min，共65min。进样体积为1uL。

顶空进样GC条件：DB-5MS石英毛细管柱(30m×0.25um×0.25um)；进样口温度为250℃，进样模式：分流比5∶1，进样量1μL；载气为氦气(纯度为99.99％)；流速2.4mL/min；程序升温：初始温度60℃，保持1min，以5℃/min的速率升至130℃，保持1min；然后以18℃/min升至220℃，保持1min，共22min。

MS条件：电子轰击(electronimpact，EI)离子源；电子能量：70eV；辅助加热区温度：280℃；离子源温度：230℃，四级杆温度：150℃；质量扫描范围：30amu～450amu；扫描方式：全扫描；溶剂延迟3min。调谐文件自动调谐。

定性：通过GC-MS分析得到的质谱数据进过国家标准技术谱库(NIST17.L)检索结合AMDIS解卷积，相似度＞80％的确认为该化合物，利用C7-C40的正构烷烃，计算出未知色谱峰的保留指数RI，同时查阅NIST17数据库中化合物的保留指数，同时参考文献中报道化合物的保留指数、标准品和香气特征来进行匹配定性。

定量：采用内标法对最终确定的香气化合物进行相对定量，采用待测组分的峰面积与内标物的峰面积(总和)的比值作为相应化合物的相对含量。每个茶样重复测量三次，取平均值并计算相对标准偏差(RelativeStandardDeviation，RSD)。

在相同条件下进样，分析C7～C40正构烷烃，计算保留指数(RI值)：

其中，t_i为目标化合物的保留时间；n和n+1为目标化合物第i次流出前后正构烷烃碳原子的数目，t_n代表组分及碳数位n+1正构烷烃的保留时间；t_n+1代表组分及碳数位n+1正构烷烃的保留时间。

茶样的粉碎度和样品量的确定：准确称量3g未粉碎的茶样、3g粉碎后的茶样和6g粉碎后的茶样，分别放入20mL的顶空瓶中，加盖密封，样品平衡温度固定为100℃平衡时间固定为30min，待序列进样。

如图7所示，图7为茶叶粉碎度和样品量影响下的香气丰度对比图；在图中从上至下依次为3g未粉碎的茶样、3g粉碎后的茶样和6g粉碎后的茶样的曲线图；在相同重量下，经粉碎后茶叶的香气丰度比未粉碎的茶样香气丰度高，说明粉碎能够让茶叶中的香气更好地释放出来。在粉碎的状态下3g和6g茶样丰度相对增加，但是没有成倍增加的关系，因此，选取3g粉碎茶样为以后的样品重量。

平衡温度选择：准确称量粉碎后的茶样3g，放入20mL顶空瓶中，样品平衡时间固定为30min，顶空平衡温度分别为80℃、100℃和120℃，其他条件不变，依次单进样。

如图8所示，图8为平衡温度影响下的香气丰度对比图；在图中从上至下依次为平衡温度80℃、100℃和120℃的曲线图；在选定的萃取温度范围内，随着温度的升高，茶叶香气的丰度有了显著的增高，80℃、100℃，120℃的丰度依次增高，根据人的感官和仪器相结合的挑选原则，80℃时打开顶空瓶，有很微弱的茶叶香气在，100℃的打开瓶子气味是红茶的特征性香气，没有异味，非常舒服的红茶香气，在120℃时打开顶空瓶，茶叶有明显的焦糊味，茶叶香气失真。因此，选择100℃为以后的茶叶样品平衡温度。

平衡时间的选择：准确称量粉碎后的茶样3g，放入20mL顶空瓶中，样品平衡温度固定为100℃，平衡时间分别为10min、20min、30min和40min，其他条件不变，依次单进样。

如图9所示，图9为平衡时间影响下的香气丰度对比图；在图中从上至下依次为平衡时间10min、20min、30min和40min的曲线图；在选定的平衡时间范围内，随着样品平衡时间的增加，香气物质的丰度也逐次增高，20min比10min显著高，其他增高不是很明显，20min事香气物质全部释放出来，时间相对较短，因此，选择平衡时间是20min。

加水量的选择：准确称量粉碎后的茶样3g，1g石英砂，在石英砂中依次添加100μL、300μL、500μL和700μL放入20mL顶空瓶中，将石英砂、茶粉和水混匀，使水充分分布在茶粉样品中，石英砂起到分散介质的作用，样品平衡温度固定为100℃，平衡时间20min，其他条件不变。

如图10所示，图10为加水量影响下的香气丰度对比图；在图中从上至下依次为加水量100μL、300μL、500μL和700μL的曲线图；水的加入，使茶叶香气在高温加热时充分释放出来。加水100μL时比不加水的茶叶香气物质丰度显著增高。随之加水量增多，香气物质丰度逐渐增强，500μL和700μL的丰度相差不大，加水量太大对柱子有较大的损伤，因此，选择100μL加水量。

为了比较顶空方法对祁门红茶中特征性香气成分的影响，首先采用溶剂辅助风味蒸发提取法(SAFE)结合AEDA/GC-O-MS法鉴定出祁门红茶中关键性香气成分，然后再采用本发明中所使用的优化后的静态顶空法(HS)结合GC-MS法提取祁门红茶香气成分，对比两种方法对祁门红茶关键性香气。

如表六所示，表六为SADE和HS两种方法化合物种类的相对含量百分比对比表；用两种不同提取方法对祁门红茶香气化合物种类及其相对含量百分比分析，结果表明，两种方法共检测到107种化合物，检测共有化合物26种分别是：己醛、青叶醛、正己醇、gamma-丁内酯、苯己醛、甲基庚烯酮、己酸、苯甲醇、苯乙醛、茶吡咯、gamma-己内酯、2-乙酰基吡咯、芳樟醇氧化物1、芳樟醇氧化物2、芳樟醇、3，5-辛二烯-2-酮、苯乙醇、N-乙酰琥珀酰亚胺、芳樟醇氧化物3、芳樟醇氧化物4、水杨酸甲酯、alpha-松油醇、2，3-二氢-2，2，6-三甲基苯甲醛、香叶醇、beta-紫罗酮、二氢猕猴桃内酯。

SAFE方法结合GC-MS共检测到85种挥发性成分，主要是22种醇类占总含量66.21％、13种酯类占总含量10.67％，16种醛类占总含量7.77％，5种其他类占总含量5.37％。

优化后的HS结合GC-MS法共检测到48种挥发性化合物，13种醇类占总含量50.83％，8种醛类占总含量22.30％，4种杂环类占总含量6.42％，7种酮类占总含量5.97％。两种方法都提取出较多醇类香气成分，醇类化合物呈现花果香。

SAFE结合AEDA/GC-0MS法检测祁门红茶中的关键活性香气成分，结果表明：香气活性成分有29种，其中香气稀释因子高(FD＞8)的化合物有20种：青叶醛(8)新鲜绿叶香气、gamma-丁内酯(8)芳香气味、苯甲醇(8)酒花香、苯乙醛(64)花香、芳樟醇氧化物1(8)樟脑气味、芳樟醇氧化物2(8)木香、3，5-辛二烯-2-酮(8)青花香、芳樟醇(64)花香、苯乙醇(32)玫瑰花香气、芳樟醇氧化物3(32)松烟香、芳樟醇氧化物4(32)焦糖香、水杨酸甲酯(32)冬青叶香气、橙花醇(32)玫瑰花和柠檬香、香叶醇(64)甜花香、吲哚(32)花香、丁香酚(8)麝香气味、椰子醛(8)椰奶气味、茉莉内酯(8)甜椰子香气、丁位癸内酯(8)甜香、二氢猕猴桃内酯(8)甜香，其中苯乙醛、芳樟醇和香叶醇具有最高的稀释因子，表明这三种成分对“祁门香”有较大的贡献。

苯甲醇、苯乙醛、芳樟醇氧化物1、芳樟醇氧化物2、芳樟醇、苯乙醇、N-乙基琥珀酰亚胺、芳樟醇氧化物3、芳樟醇氧化物4、水杨酸甲酯、香叶醇和二氢猕猴桃内酯12种香气物质茶汤香气中相对含量高，且稀释因子高(FD＞8)，感官属性为花香、果香、甜香、蜜香、清香

SAFE检测到的化合物种类比HS种类多，两种方法共有化合物26种，但是在SAFE中检测到的20种关键活性香气成分中，HS检测到了15种，最关键的三种香气化合物也都在，表明HS可以检测到祁门红茶的大部分关键香气成分。在进样之前通过感官分析，检测进仪器的样品是否有茶样香气特征，这两种方法提取的茶叶香气都具有显著的祁红香气特征。仪器检测和感官评价一致，说明这两种方法均可用来提取祁门红茶香气物质。SAFE方法步骤繁琐，耗费大量人力财力，制样时间较长，一般前处理时间是至少5个小时，不适合做大批量的茶叶香气分析。HS方法简单快捷，样品制备加GC-MS进样只需要45分钟，且HS重复性很好，适合做大批量快速的茶叶的香气成分分析。

表六SADE和HS两种方法化合物种类的相对含量百分比对比表

本发明首次采用静态顶空-气相色谱质谱联用技术(HS-GC-MS)检测祁门红茶香气成分，以出峰的数量和峰面积为依据，确定了祁门红茶挥发性成分静态顶空法最佳实验条件：1g石英砂，3g粉碎的茶样，平衡温度100℃，平衡时间20min，加水量100μL，建立了适用于以祁门红茶为代表的红茶香气物质分析的HS-GC-MS方法。该方法操作简单，重复性好，分析速度快，且成本低。

以上所述仅为本发明的较佳实施例，对本发明而言仅仅是说明性的，而非限制性的。本专业技术人员理解，在本发明权利要求所限定的精神和范围内可对其进行许多改变，修改，甚至等效，但都将落入本发明的保护范围内。

Claims

1.一种茶叶的原产地溯源方法，其特征在于，包括步骤：

2.如权利要求1所述的茶叶的原产地溯源方法，其特征在于，通过静态顶空萃取法结合气相色谱质谱联用获取所述全谱数据库和所述待测茶叶的全谱信息。

3.如权利要求1所述的茶叶的原产地溯源方法，其特征在于，通过对各类茶叶GC-MS数据的全谱信息进行全谱数据分析，由不同产地茶叶中不同时刻的丰度形成变量X矩阵，茶叶类别为Y矩阵，经正交偏最小二乘判别分析OPLS-DA进行降维并建立全谱数据的K近邻算法判别模型。

4.如权利要求1所述的茶叶的原产地溯源方法，其特征在于，通过对各类茶叶GC-MS数据的共有化合物进行数据分析，由不同产地茶叶中若干种共有化合物的峰面积形成变量X矩阵，茶叶类别为Y矩阵，经正交偏最小二乘判别分析0PLS-DA进行降维并建立全谱数据的K近邻算法判别模型。

5.如权利要求1所述的茶叶的原产地溯源方法，其特征在于，通过关键香气化合物进行KNN分析法进行数据分析；所述关键香气化合物由SAFE方法和SPE两种方法共同筛选得到。

6.如权利要求2所述的茶叶的原产地溯源方法，其特征在于，所述静态顶空萃取法包括：称取粉碎均匀的茶粉3g～6g，加入1g石英砂，在石英砂中加入100μL～700μL纯水，装入顶空瓶中加盖密封，混合均匀后置于静态顶空自动进样器样品盘中。

7.如权利要求6所述的茶叶的原产地溯源方法，其特征在于，所述静态顶空萃取法的顶空进样条件为：加热箱温度100℃；样品瓶平衡时间20min。

8.如权利要求2所述的茶叶的原产地溯源方法，其特征在于，所述气相色谱质谱联用的分析过程中，自动进样GC条件为：进样体积为1uL；进样口温度为250℃；按照一定的程序升温进行样品分析；总时65min。

9.如权利要求8所述的茶叶的原产地溯源方法，其特征在于，所述气相色谱质谱联用的分析过程中，顶空进样GC条件为：进样口温度为250℃，进样模式为分流比设定5∶1，进样量1μL；按照一定程序升温进行样品分析，总时22min。

10.如权利要求9所述的茶叶的原产地溯源方法，其特征在于，所述气相色谱质谱联用的分析过程中，MS条件为：电子轰击为离子源；电子能量为70eV；离子源温度为230℃，质量扫描范围为30amu～450amu；扫描方式为全扫描。