白酒地域特征鉴别技术研究进展

鲁祥凯，杨 彪,*，樊保民，孙 辉，张慧娟，孙啸涛

（1.北京工商大学化学与材料工程学院，北京 100048；2.北京工商大学轻工科学技术学院，北京 100048）

中国白酒历史悠久，与白兰地、威士忌、伏特加、朗姆酒和金酒并列为世界六大蒸馏酒。白酒是以单粮或多粮为原料，经糖化发酵后蒸馏得到基酒，再经过贮存和勾调而成。在生产环节以及风味上，与其他蒸馏酒存在较大差异[1]。

白酒中水和乙醇含量占98%左右，微量组分虽然仅占2%，却构成了白酒的整体风味[1-2]。现已检测出微量组分包括1 800余种成分，主要为酯、酸、醛、醇、酚、酮、芳烃、萜烯及杂环类化合物，其中香气化合物217 种[3-5]。根据风味不同，白酒以 浓香、清香、酱香和米香为基础共衍生形成12 种香型（图1）。

图1 中国白酒香型及衍生图[6]Fig.1 Flavor types and derivative relationships of Chinese Baijiu[6]

由于地域差异造成的发酵过程中微生物群落的多样性和特异性，以及酿酒原料的不同，白酒具有独特的地域特征，即丰富的微量成分及特殊的风味[7-8]，其外在表现为白酒的不同香型和品牌。因此，从本质上看，白酒地域特征鉴别涵盖了白酒香型、品牌、质量等级以及原产地等多个方面。本文主要从酿酒原料和微生物发酵产物两个方面对白酒地域特征鉴别技术进行总结分析。

鉴别白酒最初主要靠人工品评，即依靠专业品酒人员的视觉、嗅觉、味觉对白酒的形、色、香、味进行观察、分析、描述并开展综合评价[9]。这种方法综合性强，但局限性较大。专业品酒师需经大量训练，对白酒评价是建立在个人主观层面的，评价标准因人而异；因此只能做出模糊的判断，对白酒的特征界定难以标准化[10-11]。自20世纪60年代采用层析法定性白酒中的一些微量成分以来[12]，白酒的仪器检测技术发展迅速，如采用气相色谱（gas chromatography，GC）-质谱法、近红外光谱法和荧光光谱法检测白酒中的有机物质，分析其香型组成；采用电感耦合等离子体技术和同位素分析分别检测白酒中的无机元素和同位素，判断其原料来源。

仪器分析结果中包含大量不相关、冗余和不确定的信息，无法直接用于白酒鉴别。因此，需通过化学计量学方法提取有用信息，其中模式识别和回归校准应用最为广泛[13-14]。模式识别是常用的数据处理方法，分为无监督学习和有监督学习。无监督学习不需要任何有关数据中分组结构的先验知识，只依靠其实际情况进行分组（即聚类），如主成分分析（principal component analysis，PCA）、层次聚类分析（hierarchical clustering analysis，HCA）等；有监督学习则是预先知道分组数量，根据各组样本建立判别模型，对未知样品进行判别。常用方法包括线性判别分析（linear discriminant analysis，LDA）、支持向量机（support vector machines，SVM）、软独立模式分类（soft independent modeling of class analogies，SIMCA）和偏最小二乘判别分析（partial least squares discrimination analysis，PLS-DA）等[15-18]。通过模式识别，根据白酒中微量组分的差异可以进行品质、香型、品牌、真伪和原产地等的鉴别。

1 基于酿酒原料的白酒地域特征鉴别技术

酿酒原料（粮食、水等）中特有的无机元素以及同位素反映原料种植地及酿造地的地域特征，会保留在酒体中成为白酒的一部分。

白酒中无机元素来源主要有4 个：原料、生产设备、贮存容器、水。在生产过程中，白酒中无机元素仅有不到6%来自于粮食，而从生产设备上获取的主要是常规金属元素，如Fe、Al等，另外也有重金属（如Pb、Cr）会进入酒体[19]。白酒在贮存过程中，容器中的金属元素也会不同程度地进入酒体，影响白酒品质[20]。无机元素对白酒存放时间和口感影响较大。适量的无机元素（如Ca2+、Na+、Mg2+、K+等金属离子）能够与羧酸形成pH值相对较高的缓冲体系，抑制酯类的水解，调和及稳定白酒品质，对长期贮存有利[21-22]。但过量的无机元素会使白酒口感变差且容易变质[23]。有研究表明使用纯净水（去除98%无机元素）勾调白酒，无法形成缓冲体系，导致白酒品质变化加快，无法长期贮存[21]。因此，要生产优质白酒，勾调用水应当含有丰富的无机元素，这也是白酒中无机元素最直接最主要的来源。

电感耦合等离子体质谱法（inductively coupled plasma mass spectrometry，ICP-MS）具有检测限低、灵敏度高、可同时测定多种元素等优势。采用ICP-MS法检测白酒中的无机元素，通过用模式识别方法，依据其种类和含量所反映的地域特征，可对白酒样品的种类或产地进行区分。研究发现，即使是同香型白酒，因原料、生产工艺和贮存方式不同，无机元素种类及含量也会存在差异[24]。姜涛等[25]对黔川两地白酒的ICP-MS检测结果进行PCA，提取出15 种特征元素，并依据其中6 种元素（Mn、Ga、Sc、V、Na和Cs）建立Fisher判别模型和距离判别模型，鉴别正确率分别为94.7%和100%。李清亮等[26]则采用无监督学习聚类分析方法，成功将12 个品牌共175 份白酒样品依据12 种无机元素的指纹图谱分为4 类。杨雯懿等[27]采用PCA提取Al、Fe、Ba作为白酒的地域特征元素，并使用聚类分析方法区分了四川、广州、重庆和湖南4 个产地的18 种白酒。另外，采用 ICP-MS法检测原料中的无机元素可鉴别原料产地[28]。

不同产地粮食表现出的地域特征差异体现在同位素组成的不同，如光合作用差异造成碳同位素差异，不同地域和气候造成氢、氧同位素差异等[29]。酒体中仍会保留反映地域特征的同位素信息，且白酒与原料中的同位素含量和比例呈正相关[30-32]，因此，通过白酒中同位素信息， 结合模式识别方法，可达到白酒地域特征鉴别的目的，同样也能对酿酒原料进行溯源。

李贺贺等[33]采用有机溶剂稀释法结合GC-燃烧-同位素比值质谱法证实了白酒中的碳同位素比值（δ13C）与原料产地存在关系。单独采用δ13C能够对粮源稳定的白酒进行鉴别，但对粮源不稳定的白酒则无法鉴别。另外还发现酒精度和年份对δ13C基本无影响。采用多种同位素（如δ13C和δ15N）结合分析可以提高准确性[34]。

通过研究分析无机元素与白酒的内在联系，可为白酒地域特征鉴别提供参考。但是，白酒中无机元素的来源丰富，其含量在不同批次及长期稳定性方面存在差异，这势必会增加判别的难度。粮食中的同位素属于其本身的固有属性，对于粮源稳定的白酒可借助同位素进行地域特征鉴别，但对粮源不稳定的白酒则无法使用该方法进行鉴别。因此，无机元素和同位素结果虽能部分反映白酒的地域差别，但用于鉴别白酒时则只能作为参考，不能作为主要判断依据。

2 基于发酵菌群产物的白酒地域特征鉴别技术

白酒中微量风味组分主要有3 种来源：生产原料、发酵过程（发酵菌群和酶）、贮存过程。不同种类的粮食经发酵可产生特异性物质。高粱中的单宁经发酵形成丁香酸、丁香醛等香味化合物，大麦经发酵形成香兰素等特殊香味物质，玉米中的植酸经发酵形成环己六醇和磷酸[6]。酿酒的实质就是获取粮食发酵后的产物，发酵过程是风味物质的最主要来源[35]，而微生物和酶是发酵的关键[7-8,36-37]，如克拉瓦梭菌将低级脂肪酸合成较高级脂肪酸，转酰基酶和酯化酶先后作用下将乙酸（需乙醇存在）转化成乙酸乙酯，酵母菌和细菌将香草醛转化为 4-乙基愈创木酚等[6]。

白酒中风味物质的仪器检测技术主要分为色谱法、光谱法两类。此外，基于仿生电子鼻、电子舌等传感器分析技术也被用来检测白酒中的风味物质。白酒中风味物质种类复杂，仪器分析时为了分离提取风味组分，需要进行前处理[38-39]。根据仪器特点不同，白酒样品的前处理方法包括顶空制样法[40]、固相萃取法[41]、固相微萃取法[42]、液液萃取法[43]、搅拦棒吸附萃取法[44]等。

2.1 色谱法

色谱法具有分离效率高、选择性好以及快速的特点，被广泛用于物质成分检测。通常易挥发组分采用GC法，而难挥发组分采用高效液相色谱法，具有相同或相近保留时间的化合物则采用二维或多维色谱分析[45]。 白酒中酸、醛、醇、酯类化合物多为挥发性有机物质，因此白酒多采用GC法进行研究。但单一的色谱检测物质成分存在局限性，需结合使用多种检测方式， 如GC-质谱法[46]、GC-嗅闻-质谱法[47]、全二维GC-飞行时间-质谱法[48]、GC-离子迁移谱法（GC-ion mobility spectrometry，GC-IMS）[49]，以确保检测结果的准确性。

白酒香型划分是基于风味物质种类与含量的差异。不同香型白酒在主体风味上存在差异，而同香型不同品种的白酒在非主体风味物质的含量及种类上存在差异[47]。 钱冲等[50]使用GC-质谱法分析了不同香型及产地的白酒，选取55 种共有组分进行聚类分析，依据香型分为5 类，再从中选取29 种组分进行PCA，提取特征组分用于鉴别白酒。霍丹群等[51]采用GC-质谱法分析了不同产地和品牌的7 种白酒中10 种香气物质，通过PCA发现其中3 个主成分累计方差贡献率达86.527%，基本反映出原酒产地和品牌的信息，Fisher判别模型中校正集和预测集的判别准确率分别为100%和93.9%。

随着白酒风味研究中对分析层次和广度要求的进一步提高，常规的GC法因峰容量小、分离效率低，已经不能完全满足分析的需求，全二维GC的应用日益受到重视。全二维GC极大提高了峰容量和灵敏度，结合飞行时间质谱可定性定量更多的化合物，非常适合白酒这种复杂微量组分的体系[52-53]。蔡炳彪等[54]采用全二维 GC-飞行时间-质谱法检测出汾酒、红星二锅头和杏花村等清香型白酒中分别含有255、250 种和218 种香气化合物。Li Hehe等[43]鉴别出芝麻香型白酒中含有509 种挥发性组分。刘志鹏[55]在酱香型白酒中检测出4 726 种挥发性组分。目前，全二维GC法仍主要用于白酒的风味分析，在白酒特征鉴别方面有待进一步发展。

近几年，GC-IMS成为风味组分检测的热门方法。与常规GC的梯度升温不同，GC-IMS中的GC采用梯度改变载气流速，洗脱分离后进入离子迁移管中进一步分离。它能够将检测结果通过三维谱图（物质保留时间-物质漂移时间-物质浓度）直观展示出来，虽不如全二维GC检测到的物质种类多，但仍可反映出各风味物质种类和含量的差异。目前已成功应用于黄酒的产地及品牌鉴别[56-57]。 朱玲等[49]将稀释的白酒样品用GC-IMS进行组分分析，发现清香型白酒中挥发性组分最少，浓香型白酒中酯类物质丰富，酱香型白酒中酮类和醛类物质丰富。同香型不同品牌的白酒，虽挥发性组分大体上相似，但在某些挥发性组分含量上存在差异。在此基础上，通过PCA可较好地区分不同香型白酒。GC-IMS法不受水和乙醇的影响，不用对白酒样品进行特殊处理。因此，GC-IMS法在白酒的品质监控及地域特征鉴别方面具有更大的潜力。

基于色谱柱卓越分离能力的检测方法仍在不断发展与完善。虽然色谱法可检测出酒中大量的挥发性组分，但这些组分不可能全部可用于鉴别地域特征。因此，科学合理地提取特征信息将是色谱法用于白酒地域特征 鉴别的重点研究内容。

2.2 光谱法

相比于色谱法，光谱法的检测速度更快、成本更低、不会产生各种化学药品废弃物，被越来越多地应用于食品、药品、农产品等领域[58]。白酒分析中用到的光谱法主要有红外吸收光谱法、紫外-可见吸收光谱法和荧光光谱法等。

2.2.1 红外吸收光谱法

通常所讲的红外光谱指中红外光谱。白酒的红外光谱是多种组分的信息叠加，互相之间会产生干扰，影响特征峰的选取，很难建立标准谱图库。

依据白酒宏观红外图谱，李长文等[59]提出三级鉴定法，成功对金士力白酒进行了分级鉴定。发现在一级、二级鉴定中，主要呈现白酒宏观指纹特征，而在三级鉴定中，通过二维相关红外谱图的特征峰和交叉峰可直接展示白酒指纹特征。此外，利用三级鉴定法也可对不同品牌的同香型白酒（茅台、金士力酒和郎酒3 种酱香型白酒）进行分类鉴别[60]。刘效林[61]提出多尺度搜索算法选取特征，采用SVM分类模型对22 种不同品牌、不同香型的白酒共440 条光谱信息进行鉴别，品牌和香型分类鉴别正确率分别为99.545 4%和96.590 9%。王同晖[62]提出一种基于小波多频段特征提取方法，结合SVM和马氏距离判断，提出层次分类结构的鉴别模型，实现了对22 种白酒的分类，预测准确率91.14%。

值得注意的是，依靠中红外光谱图提取的特征并不是白酒中具体物质组分的特征，而是谱图本身峰型的特征。因此，检测仪器、实验操作等因素会对谱图产生影响，最终影响谱图特征提取结果。

近红外光谱不受酒中乙醇和水的影响，可用于基酒中酯、酸、醇类等风味组分检测分析[63-65]。徐睿等[66]采用一阶求导和Savitzky-Golay卷积平滑方法，对金沙蓝钻酒与其他品牌和香型共8 种白酒的傅里叶变换近红外光谱进行预处理。然后根据4 119.20～9 881.46 cm-1区间的光谱特征建立金沙蓝钻酒相似度匹配分析模型，通过计算发现相似度鉴别正确率达到100%。

2.2.2 紫外-可见吸收光谱法

紫外-可见吸收光谱主要反映化合物共轭体系和官能团之间的关系，不仅能对白酒中可吸收峰的特性进行定性和简单的结构分析，还能对溶液中有机或无机的物质分子或离子进行测定[67]。白酒中酸、醇、醛、酯等类风味物质种类和含量差异显著，因此可通过紫外-可见吸收光谱对白酒进行鉴别。

李曌[68]选取200～325 nm波长范围的紫外-可见吸收光谱，构建SIMCA、PCA-LDA和SVM 3 种模型对22 种白酒进行鉴别。结果表明PCA-LDA模型鉴别效果最好，训练集和验证集鉴别正确率分别为99.83%和100%，SVM鉴别模型次之，其训练集和验证集鉴别正确率分别为99.38%和99.68%，SIMCA鉴别模型效果最差，其训练集和验证集鉴别正确率分别只有87.4%和72.08%。张苗苗[69]选取200～400 nm波长范围的光谱，分析发现米香型白酒中β-苯乙醇含量较高，酱香型白酒中糠醛含量较高，清香型白酒中醇类物质和醛类物质相当，而浓香型白酒因吸收峰杂乱，无法判断其形成原因。对该范围内光谱直接进行相似度计算，结合模式识别可有效地鉴别8 种白酒。

2.2.3 荧光光谱法

荧光光谱是由荧光物质被光激发后产生能级跃迁形成的。白酒中虽含有大量的水和乙醇，但影响不大，白酒荧光光谱的差异主要是由微量组分的差异造成的[70-71]。白酒鉴别分析中常用的主要是荧光光谱法、三维荧光光谱法以及同步荧光光谱法等。

张苗苗[69]采用200～300 nm波长的紫外光激发酒样，获得荧光光谱。分析发现240 nm激发波长产生的荧光光谱可作为白酒香型的特征谱图。朱焯炜等[72]采用平行因子方法分析得出白酒中3 类荧光成分（微量成分与乙醇-水形成的团簇分子、酯类物质和酸类物质）的激发/发射波长差异显著，分别为285/324 nm、355/438 nm和320/380 nm。构建的SVM模型对白酒品牌的鉴别准确率达97.5%。为提高运算效率（分析时间由58.8 s缩短到28.4 s）引入了遗传算法计算浓度得分，作为SVM模型的输入变量，准确率为96.7%。

三维荧光光谱解决了普通荧光光谱信息贫乏和定量时无法避免组分之间干扰的问题，可以同时获得激发和发射波长及其对应的荧光强度信息，能够更加准确全面地描述物质的特征。通过选取最佳激发波长和发射波长范围，获取白酒中风味物质的荧光光谱、分析谱图、提取主荧光峰、峰值位置等参量，结合模式识别可对白酒香型、品牌和产地进行鉴别[73-74]。杨建磊等[75]通过对105 份白酒样品的荧光光谱中主荧光峰个数、最佳激发波长和波峰位置3 个参量进行聚类分析，可对不同产地、品牌和年份的白酒进行分类，正确率达到96%以上。

此外，通过对荧光光谱全谱图进行变换、过滤、分解等处理方式，从谱图中提取出所需的特征信息，结合模式识别也可对白酒进行地域特征鉴别。徐瑞煜等[76]直接对全谱图进行处理，先后采用一阶导数、二阶导数和小波变换将数据压缩，以PCA-SVM模型鉴别7 种不同品牌白酒。辜姣等[77]以小波分解后的第4层近似系数构建正交因子分析模型，选取累计贡献率达85%以上的因子鉴别10 份白酒的香型，正确率为80%，加入部分贡献率较低的因子后，正确率提高至90%。

2.3 仿生学方法（传感器法）

1993年，Pearce等[78]将传感器应用于啤酒鉴别，次年，Gardner等[79]提出“电子鼻”概念。此后，电子鼻 这类仿生传感器迅速发展，并逐步应用于酒类产地鉴别，如Cynkar[80]和Men Hong[81]等结合化学计量学方法成功鉴别出葡萄酒及啤酒的产地。仿生传感器主要由敏感材料构建而成，在一定条件下可对白酒中风味组分（醇类、酯类、酸类、醛类等物质）响应，如2,4-二硝基苯肼+浓 硫酸+铟卟啉可对白酒中醛类物质进行响应[82]。

秦辉[83]采用设计的可视化仿生嗅觉系统检测白酒中的醇、酸、醛、酯等香味物质含量，发现不同浓度下具有特异性的响应差谱图，结合PCA、聚类分析和LDA方法可100%识别不同原产地的白酒以及不同年份的基酒，对未知样品的预测准确率也达100%。Li Qiang等[84]采用电子鼻结合多维尺度算法鉴别白酒，对10 个品牌的白酒鉴别平均正确率为98.3%，优于反向人工神经网络（93.3%）和移动平均LDA（87.6%）。Zeng Hui等[85]采用基于石英晶体微天平设计的传感器构建电子鼻来检测振动频率信号，通过PCA降维后，结合反向传播网络可鉴别3 个产地的6 个品牌白酒，正确率达93.33%。为了解决传感器老化导致检测结果不准确的问题，Wang Yanfang等[86]通过小波分解电子鼻空载数据并将其转化为适合样本的阈值函数，用于校正“样本测量时间窗口”的数据，当样本测量时间窗口向前递归时，便可校正所有样本数据。并在1 年内对3 个品牌的6 种白酒进行间歇性测试，鉴别正确率达100%。

采用电子鼻、电子舌等传感器只能对特定物质进行响应，且容易受乙醇影响。因此，提高乙醇耐受性，开发针对白酒地域特征中多种组分的传感器，是未来仿生鉴别技术应该重点关注的方向。

3 白酒地域特征鉴别方法比较与思考

采用不同检测和鉴别方法所挖掘的信息广度和深度各不相同。人工品评综合性强且准确，但易受个体因素影响，并且对评价结果只能描述，无法量化表达[39]，而仪器设备检测可克服这些问题。由于白酒具有蒸馏勾调的特点，因此即使同一种类但批次不同的白酒也存在一定差异，过分强调白酒与各组分种类以及含量的精确对应关系有失妥当，只能尽量缩小标准的量化范围，但无论采取哪类方法，都有各自的优势与局限性（表1）。

表1 白酒地域特征鉴别方法比较Table 1 Comparison of identification methods for Baijiu geographical characteristics

仪器分析方法可用于白酒生产过程中的品质监控，基酒、年份酒等的鉴别，风味分析以及原产地鉴别。虽然都存在一定的局限性，但可依据分析目的不同进行选择或几种方法组合使用。通过不断优化仪器分析方法、完善数据处理算法和特征信息的提取模式，可以提高鉴别效率和准确率。

4 结 语

白酒地域特征来自于发酵时微生物群落以及原料不同导致的微量组分的差异，进一步形成不同的香型及风味。特征信息提取很关键，不同仪器检测方法能够提取的特征信息量差异明显。采用仿生传感器以及检测白酒中无机元素和同位素含量的方法，所获取的信息都比较少，更多的是用于区分白酒种类，或是监控生产过程中的白酒品质，而非对未知白酒进行鉴别。采用色谱法和光谱法检测分析白酒中风味物质组分，获取的信息十分丰富，是进行白酒地域特征鉴别的主要方法。

在白酒的地域特征提取和鉴别过程中，需综合考虑白酒地域特征中共有和独有的特征。在获取大量检测信息的基础上，提取的特征信息少，对白酒的特征反映不够全面；如果提取特征信息过多，会使差异产生放大效应，导致准确率下降。如何平衡特征信息提取数量及其权重是应该重点考虑的问题。目前还没有一种方法能够完美实现白酒的地域特征鉴别，不同方法检测的白酒中微量组分各有侧重，提取的特征信息也各不相同，需要根据应用场合选取合适的方法。