干红葡萄酒感官质量影响因素分析

刘 全 裴广仁 姜忠军 烟台张裕卡斯特酒庄有限公司

前言

葡萄酒是由新鲜葡萄或葡萄汁经过酒精发酵而得到的一种含酒精饮料。葡萄酒的成分来源于葡萄原料、发酵和陈酿过程。葡萄酒中的糖、酸、矿物质和酚类化合物等，组成了葡萄酒的酒体；而大量的挥发性物质，包括醇、酯、醛、缩醛、萜烯、碳氢化合物、硫化物等，构成了葡萄酒的香气。这些成分之间既存在着复杂的关系，又对感官质量产生重要的影响[1]。

虽然现代仪器在葡萄酒成分分析方面得到了广泛的应用，但感官分析仍然是评价葡萄酒质量的最有效方法。本文采用统计学方法，对来自中国不同产区的干红葡萄酒的主要成分及感官质量的关系进行分析，旨在探讨影响干红葡萄酒质量的主要因素，构建相关因素与感官质量之间的最优化数学模型，为确定干红葡萄酒合理的酿造工艺提供理论依据。

1 材料与方法

1.1 试验材料

来自中国不同产区、不同厂家、不同品种的干红葡萄酒126种；测定葡萄酒的100种理化指标，并对其进行感官评价。

1.2 成分分析

分别测定葡萄酒的糖、酒、酸、干浸出物、有机酸、矿质元素、酚类物质、香气成分共100种，测定方法见参考文献[2]。

1.3 感官品尝

感官品尝由国家级评酒员共50人进行，分别从外观（10分）、香气（30分）、滋味（40分）、典型性（20分）等方面进行品评打分，将每个评酒员的得分平均后即为该样品的最终得分。

1.4 数据分析与处理

利用SPSS11.0以及AMOS6.0软件进行相关分析、通径分析、变异系数分析和多元线性回归分析[3]。

2 结果与分析

2.1 干红葡萄酒特征成分的确定

所谓特征成分是指葡萄酒中与感官质量密切相关、并能反映产品特性的成分。将葡萄酒成分与感官质量进行相关分析，极显著相关的指标有12种；分析各成分与感官质量之间的通径系数，其中，有3种成分对感官质量有直接的正向作用，有11种成分对感官质量有直接的影响；将葡萄酒各成分进行主成分分析，其中8个主成分累计贡献率达80.96%，它包含了葡萄酒中的24种成分；对红葡萄酒的成分进行变异系数分析，变异系数大于50%的成分共有24种。

将上述4类分析确定的指标，结合葡萄酒相关标准的指标，确定出干红葡萄酒特征成分共37种。它们分别是：酒度，总酚、单宁、挥发酸、pH值、干浸出物、甘油、酪醇、丁二酸二乙酯、1，4-丁内酯、丁香醛、香草醛、乳酸乙酯、1-己醇、柠檬酸、咖啡酸、香草酸、儿茶素、2-苯乙醇、丁二酸单乙酯、铁、钾、鳞、镁、锰、硅、对羟基苯甲酸、3-羟基-丁酸乙酯、酒石酸、苹果酸、1-丁醇、原儿茶酸、2-甲基-1-丁醇、2-甲基-1-丙醇、己酸、芦丁、乳酸。

2.2 多元线性回归模型的构建

2.2.1 以特征成分为变量的回归方程

将感官评分作为因变量，所有特征性成分作为自变量，利用SPSS11.0进行多元线性回归分析，得到如下方程：

(方程各参数取值范围:[0≤W≤100]，[453mg/L≤总酚≤1362 mg/L]，[0 mg/L≤(1-已醇)≤4.4 mg/L]，[2.9mg/L≤(2-甲基-1-丙醇)≤139.7mg/L]) [0.06g/L≤柠檬酸≤3.99g/L]，[0.61mg/L≤咖啡酸≤54.1mg/L]，[0mg/L≤香草酸≤11.23mg/L]，[7.39≤酒精度(%v/v)≤14.28]，[2.7mg/L≤(2-甲基-1-丁醇)≤86.6mg/L])

2.2.2 根据通径系数选择的指标作为自变量的回归方程

通径分析可用于分析多个自变量与因变量之间的线性关系，是回归分析的拓展，可以处理较为复杂的变量关系。

以通径系数从大到小排序选出的24种指标作为自变量进行逐步回归分析，得到的最终方程为：

(方程各参数取值范围:[0≤W≤100]，[453mg/L≤总酚≤1362 mg/L]，[0 mg/L≤1-已醇≤4.4 mg/L]，[7.39≤酒精度≤14.28])

2.2.3 以显著相关的成分为变量的回归方程

以与感官质量显著相关和极显著相关的成分为自变量进行多元回归分析，得到的方程为：

(方程各参数取值范围:[0≤W≤100]，[453mg/L≤总酚≤1362 mg/L]，[0 mg/L≤1-已醇≤4.4 mg/L]，[0mg/L≤香草醛≤8.41mg/L]，[0.06g/L≤柠檬酸≤3.99g/L]，[1.1mg/L≤(1,4丁内酯)≤45.99mg/L])

2.3 多元线性回归模型的检验

求出的回归模型是否能反映变量之间的相互关系，模型能否应用于实际，必须通过相关检验。一般讲，回归模型要至少通过两方面的检验：经济意义检验和统计检验。

2.3.1 拟合验证(经济意义检验)

将上述三个回归方程（方程1、2、3）所得到的感官预测值与实际值比较，分别见图1、2、3。

图1 以特征成分为自变量的预测值与实际值的比较(部分)Fig.1. The comparison of predicted value and actual value which take characteristics as their independent variable (part)

图2 以通径系数选择值为自变量的预测值与实际值的比较(部分)Fig.2. The comparison of predicted value and actual value which take selected path coefficent as their independent variable (part)

图3 以显著相关的成分为自变量的预测值与实际值的比较(部分)Fig.3. The comparison of predicted value and actual value which take significant Correlation as their independent variable (part)

结果表明，各回归方程预测值与实际感官评分值之间有较好的拟合度，预测值能够比较准确地反映实际感官得分及不同红葡萄酒感官质量之间的差异。

此外，尽管各方程的预测效果都较好，但是整个回归方程依然只是反映了原有数据集的大部分信息，而非全部信息。而且，三个方程之间也存在一定的差异。

2.3.2 统计检验

方程1、2、3的自变量均通过了F检验和t检验,并达到显著水平。对于检验，各方程的检验结果如表1，从中可以看出方程1和方程3均达到了显著水平。

表1 三个方程的R2检验Table 1. The checkout of R2 about the three regression equations

2.3.3 方差分析

将方程1、2、3计算得到的预测值与实际评分值进行方差分析，结果(表2)可以看出，在α＝0.05的显著水平上，各组间均没有显著性差异，表明各方程的计算得分与实际得分无显著差异，其吻合度较高，证明各方程均有一定的有效性。

表2 方程1、2、3预测值与实际感官评分值的方差分析Table 2. The analysis of variance between predicted value and actual value depending on the three regression equations

?

2.3.4 残差直方图及逐步回归残差正态概率P-P图

图4 不同回归方程的残差直方图及残差正态概率P-P图Fig.4. The charts of residuals histogram and residuals normal distribution probability P-P depending on the three regression equations

为了进一步分析各模型的正态性，即残差是否服从正态分布，分别做出不同方程的标准残差频数直方图及逐步回归残差正态概率P-P图（见图4）。可见，各模型残差基本服从正态分布，其中方程1与方程3要明显优于方程2。经过综合比较，以特征成分为自变量的回归模型（即回归方程1）能较好地预测干红葡萄酒的感官质量。

3 讨论

从干红葡萄酒感官得分与各成分之间的回归模型可以看出：在一定范围内，总酚、酒度、香草酸、咖啡酸、1-己醇、2-甲基-1丙醇、2-甲基-1-丁醇含量越高，干红葡萄酒的质量越好。对于大多数干红葡萄酒，由于酒度在11-13%，要使感官质量达到90分以上的优质酒水平，各指标值应为：总酚≧1000mg/L，柠檬酸≤1g/L，咖啡酸≧40mg/L，香草酸≧8mg/L，1-已醇≧2mg/L，2-甲基-1-丙醇≧80mg/L，2-甲基-1-丁醇≧50mg/L。

因此，在干红葡萄酒的生产过程中，我们可以通过一定的工艺措施，将各个指标控制在上述范围内，以获得品质优良的干红葡萄酒；另外，通过测定上述指标，也可以对干红葡萄酒的感官质量进行预测和评价。统计学方法是一种重要的分析方法，它有助于从数量上认识现象之间的相互依存关系，并对其变化进行预测。但由于葡萄酒成分的复杂性，在运用统计学方法时，必须结合定性分析，并要充分考虑各指标的生物学意义及使用范围。