茶叶真实属性的光谱与色谱指纹分析技术浅析

　　摘要：本文主要通过光谱、色谱、同位素指纹等技术分析我国著名茶叶品种，包括西湖龙井、福建白茶等茶叶的品质特征和原产地特征，提供茶叶真实属性鉴别参考依据。
　　关键词：茶叶真假 产地鉴别 光谱 色谱 同位素指纹分析 矿质元素
　　中图分类号：TS272.7 文献标识码：A 文章编号：1672-3791(2011)10(c)-0000-00
　　
　　1综述
　　1.1 茶叶相关标准的国内外研究
　　茶叶是世界上消费量最大的消费饮料之一，我国是世界上生产茶叶的大国。随着人们生活水平的提升，对茶叶的要求也越来越高，同时许多不法商贩以假乱真，扰乱茶叶市场，所以如何规范市场是一个大难题。长期以来，国际标准化组织农产品食品技术委员会茶叶分技术委员会一直致力于茶叶国际标准的制定工作，并取得了显著成效。从20 世纪60年代开始组织制定红茶标准，通过大量调查分析试验研究，于70 年代先后推出ISO-1572 等标准，涉及茶叶标准共24 项。
　　1.2 茶叶鉴别手段
　　茶叶现行标准中对茶叶质量的表述主要包括感官指标、理化指标及卫生指标，而感官指标的检测需要依赖人的感觉器官，其表征的整体性和模糊性客观存在。目前，国内外茶叶品质评定一般采用感官和理化审评相结合的方法，采用现代科技手段可以简化实验的繁琐过程使得理化评审方法更为简便。建立茶叶光谱、色谱指纹图谱、同位素指纹分析技术已经可以基本实现快速鉴别茶叶品质和产地的目的。气相色谱和质谱的应用加快了茶叶香气组成的研究，运用神经网络可综合评价茶叶品质。同位素指纹分析技术可以快速判定茶叶原产地。大量的研究已经表明同位素指纹分析是用于地域判别很有前途的方法。
　　2 实例解析
　　2.1 同位素指纹分析技术鉴别西湖龙井茶叶的品质和产地
　　2.1.1 引言
　　同位素指纹分析技术是用于食品产地溯源有效的方法之一，其原理是同位素的自然分馏效应。因为在自然界中，生物体体内同位素组成受气候、环境、生物代谢类型等因素的影响而发生自然分馏效应，从而使不同来源的物质中同位素自然丰度存在差异，利用自然界生物体的自然分馏效应采用同位素指纹分析技术分析生物体内稳定同位素。本节介绍同位素指纹分析技术在我国茶叶产地溯源中的可行性。据前人研究影响植物碳同位素分馏的气候环境因素有温度、降水、压力、光照、大气压及大气中CO2的碳同位素组成等。植物中的氮取决于土壤中的“氮池”(硝酸盐和氨水)，而土壤中氮同位素组成取决于地理和气候条件，并与农业施肥有关，它们会影响矿化、硝化、氮的吸收和反硝化等生物转化过程，进而影响氮同位分馏。
　　2.1.2实验部分
　　样品制备：将茶叶70℃烘干至恒重。研细，用天平称重0.1～2mg。
　　主要检测仪器： Flash EA1112型元素分析仪， DELTA Plus Thermo Finnigan 质谱仪。
　　2.1.3实验结果
　　稳定性碳、氮同位素比率分别用δ13C‰和δ15N‰表示，δ13C 的相对标准为V-PDB，δ15N 的相对标准为Air，
　　
　　2.1.4实验结果分析
　　不同取样地域间茶叶中的δ13C值有差异， δ13C的平均值依次递减的次序为：湖北碧螺春>西湖龙井>洞庭碧螺春>福建碧螺春>苍南龙井。不同地域茶叶中氮同位素有极显著差异，排序依次为湖北碧螺春>苍南龙井>福建碧螺春>洞庭碧螺春>西湖龙井。δ15N变化极为显著。
　　2.2基于支持向量机的近红外光谱鉴别茶叶的真伪【1】
　　2.2.1引言
　　近红外漫反射光谱(NIR)分析具有速度快、成本低以及结果重现性好的优点。国内外学者f36b06cb1fa01ff2face271db151c9d7b8b98b271648cc7858a95a96d2f3954c利用近红外光谱方法定性和定量地分析了茶叶中蛋白质、咖啡碱、氨基酸、多酚类以及水分的含量。本节介绍利用近红外光谱分析技术结合支持向量机(SVM)模式识别原理建立碧螺春茶真伪鉴别模型，研究茶叶鉴别真伪的方法。
　　2.2.2实验部分
　　采用近红外光谱仪，保持室内的温度和湿度基本一致，将样本倒入样品杯中，充分压实。在不同时问，不同位置分别对每个样本采集4次，取平均值作为该样本的原始光谱数据。
　　
　　图1是正品和几种伪品碧螺春样本的原始光谱图1(a)和一阶导数光谱图2(b)，从图1(a)中可以看出茶叶的原始近红外光谱在5155 cm-1和6944 cm-1附近有一个明显的吸收峰，一阶导数光谱附近有明显的波动。因为纯水中的O—H伸缩振动的一级倍频位于6944 cm-1附近，它的一个合频区位于5155 cm-1附近，在这两个波长附近是水分吸收的敏感区。
　　2.2.3 实验结果分析
　　通过模型的建立，训练和预测，并且结合常规的贝叶斯(Bayes)判别分析模型以及反向传播神经网络(BP-ANN)模型相比较得出的实验结果如下：
　　
　　从训练结果和预测结果看，贝叶斯判别模型的回判鉴别率最低，尽管反向传播神经网络的训练结果与支持向量机相差不大甚至略高它，但是从预测结果看，支持向量机模型明显优于反向传播神经网络模型。由此建立了碧螺春茶真伪的近红外光谱鉴别模型，该模型基本能正确鉴别碧螺春茶叶的真伪，对模型的训练和预测结果进行了分析性的说明。
　　2.3基于红外光谱的茶叶产地鉴别
　　2.3.1引言
　　红外光谱分析技术是利用样品内部分子的某些官能团结构，主要是含H