基于定量描述分析法和适合项勾选法的黄大茶香气感官特性及喜好度分析

戴前颖，安 琪，郑芳玲，肖梦暄，陈颖琦，张 莹，邱 桐

（安徽农业大学茶与食品科技学院，茶树生物学及资源利用国家重点实验室，安徽 合肥 230036）

黄大茶是主产于安徽省霍山县的一种传统黄茶，其采用一芽四五叶为原料，按传统工艺及特有工艺加工而成，具有独特的香气特征以及降血糖和降血脂功效，近年来备受消费者的关注[1-2]。黄大茶香气特征目前以茶叶传统感官审评[3]中使用的专业性术语和程度副词进行描述，对审评人员的专业能力及描述准确性要求较高，且消费者也对这些专业、抽象的感官审评术语很难理解以及辨别[4]。为了更好地促进黄大茶的消费流通，进行消费者的喜好度检验也至关重要。

定量描述分析法（quantitative descriptive analysis，QDA）和适合项勾选法（check-all-that-apply，CATA）是分别采用优选评价员和消费者评价员对产品感官品质进行描述分析的方法[5-6]。QDA法采用长期培训的优选评价员组成小组，确定样品的感官属性词汇表和具体参比样[7]，对其评价结果进行方差分析（analysis of variance，ANOVA）[8]、主成分分析（principal component analysis，PCA）[9]等数据处理，所得结果能够更全面、更科学地分析茶叶的感官特性差异。CATA法则是以消费者评价员代替专业感官评价员的一种快速感官分析方法，其将一组产品和一张CATA问卷提供给消费者，要求消费者在问卷中选出适合描述样品的描述词。该方法不需要对评价人员进行专业的培训和维护，能够节约大量的时间和成本，还能够直接反映消费者的情绪感受[10]。已有研究利用消费者勾选的频率进行Cochran’s Q检测[11-12]、对应分析（correspondence analysis，CA）[13]判断样品属性的差异，并成功应用于咖啡[14]、面包[15]、苋菜[16]、奶茶[17]等产品。此外，CATA法进行过程中还可以采用9 点喜好标度来对样品的喜好程度进行量化赋值，可以判断产品是否受到消费者喜欢，从而有助于生产企业更好地调整产品[18]。该方法目前在粳米[19]、豆腐干[20]、菠菜[21]等产品研究中已得到成功运用。

目前，黄大茶的香气评价一直依托于传统审评法[3]，有关QDA法、CATA法和喜好度检验的研究鲜见报道，本实验采用这两种方法对4 种不同焙火程度和3 种不同嫩度黄大茶的香气特性进行分析，以期筛选出不同加工程度和不同原料茶样间的感官差异。再引入消费者喜好度检验明确消费者对产品的接受度，以更好地满足市场和消费者需求，推动黄大茶产品的开发和市场调研。

1 材料与方法

1.1 材料与试剂

4 种不同焙火程度（无焙火、小火、足火、高火，分别记为HDC1、HDC2、HDC3、HDC4）以及3 种不同嫩度（依据嫩度从高到低分别记为HDC5、HDC6、HDC7）黄大茶采自安徽霍山产区。实验前，不同焙火程度和不同嫩度的各黄大茶样品由铝箔纸独立密封包装并并于4 ℃条件下保存。实验所用参比样（锅巴、蜂蜜、馒头、板栗、焦糖等）均购自合肥市当地超市。

香叶醇（食品级） 河南甜美实业有限公司；覆盆子酮（食品级） 江西源上草香料有限公司；蔗糖（食品级） 广东双桥股份有限公司。

1.2 仪器与设备

JYL-C020料理机 山东九阳股份有限公司；BCD-509WF冰箱 青岛海尔集团公司；AR224CN电子分析天平奥豪斯（上海）仪器有限公司；棕色玻璃瓶 衡水智淘医疗器械商贸有限公司；审评杯 上海清友堂实业有限公司。

1.3 方法

1.3.1 传统茶叶审评

黄大茶传统审评由国家级茶叶审评专家完成。制备员根据GB/T 23776—2018《茶叶感官审评方法》[22]冲泡茶样。审评专家对提供的黄大茶进行感官评价，给出评语并判断焙火程度及嫩度，平行实验3 次，中间休息10 min再进行下一次审评。其中，茶叶、审评杯、审评碗均采用3 位数的随机编码，且随机呈送给审评专家。

1.3.2 QDA法审评

从安徽农业大学茶学专业学生中根据从事研究时间、兴趣、描述能力等筛选出25 名候选评价员，所有候选评价员均已具有2～7 年的茶叶感官审评经验。根据GB/T 16291.1—2012《感官分析选拔、培训与管理评价员一般导则 第1部分：优选评价员》[23]中的方法,在感官分析实验室中进行基本嗅觉检验、香气匹配实验、排序检验、描述能力的检验，选择出16 人，然后对每位评价员进行20～30 h的感官描述分析培训，培训内容包括感官分析基础知识、感官特性的识别及标度的确立和使用等。培训合格且多次参加感官实验的10 名优选评价员（2男8女）组成优选评价小组。

依据GB/T 16861—1997《感官分析 通过多元分析方法鉴定和选择用于建立感官剖面的描述词》[24]中的方法确定描述词。让优选评价小组成员头脑风暴初步给出黄大茶香气描述术语，然后通过讨论将得到的描述词进行初筛，删除快感、定量、无关术语等，初步整理后采用5 点标度（0：无；1：弱；2：稍弱；3：平均；4：稍强；5：强），应用上述得到的描述词分别对7 种黄大茶进行强度评价，并通过下式计算几何平均值M，对描述词进行排序、删减以确定香气描述词；最后采用9 点标度（1～3弱；4～6：中；7～9：强）来描述属性的强度。实验重复3 次，需在1 h内完成，每次均采用3位数的随机编码，且随机呈送。

式中：F为描述词实际被述及的次数占该描述词所有可能被述及总次数的比例；I为代表评价小组实际给出一个描述词的强度和占该描述词最大可能所得强度的比例。

1.3.3 CATA法审评

从安徽农业大学中招募到100 名（46男54女）无审评背景知识、无长期饮茶经验的消费者组成消费者评价小组。实验开始前，对招募的消费者评价员进行实验所需的流程介绍以及嗅闻方式等基本知识培训。

CATA问卷单包含了10 名不参加CATA法的消费者（1男9女）从56 个香气描述词挑选出达到高于70%共识度的香气属性词和提供待测的10 个情绪描述词。词汇排列遵循随机顺序，避免首因性偏见，茶样均采用3位数的随机编码，呈送顺序遵循拉丁方设计[25]。

1.3.4 消费者喜好度检验

消费者接受度检验采用9点喜爱标度（1 分：非常不喜欢；9 分：非常喜欢）[26]对黄大茶的整体喜好度进行勾选，在CATA审评中进行（100 名）。

1.4 数据处理与分析

QDA过程中所得优选评价员数据采用PanelCheck 1.4.0平台分析评价员的表现（http://www.panelcheck.com）[27]。其余数据均利用XLSTAT 2016软件处理。对于QDA所得数据分别进行方差分析、主成分分析；对CATA法得到的描述词频率进行Cochran’s Q检验、CA；对消费者喜好检验进行方差分析、聚类分析（agglomerative hierarchical clustering，AHC）[28]、偏好图分析[18]。

2 结果与分析

2.1 黄大茶传统审评方法评价结果

传统审评方法审评专家给出的评审结果如表1所示，7 种黄大茶在感官评价上差异明显，均有各自的香气特征。4 种不同焙火程度的茶样中，HDC1和HDC2均显纯正的香气特征，HDC3和HDC4随着焙火程度的增加均带有焦火香。3 种不同嫩度的茶样中，HDC5因采用较嫩的原料，带有甜香的香气特征，HDC6和HDC7分别显锅巴香和焦香。由于黄大茶焙火程度和嫩度的确定不仅与香气品质有关，还包括外形、滋味、汤色、叶底等因素，这些因素在传统方法审评中都很好地被专家区分开。

由表1可知，传统审评方法对评价专家专业能力有极高的要求，包括对茶叶术语、程度副词的准确使用以及对焙火程度和嫩度判断的熟练掌握程度，同时对解读评审结果的人也有较高的专业要求，其需要充分了解术语的褒义或贬义以及程度的深浅等信息，对于普通消费者来说难以通过该结果得到购买指导。

表1 黄大茶样品香气感官传统审评法结果Table 1 Results of sensory evaluation of large-leaf yellow tea samples

2.2 QDA法的黄大茶香气评价结果

2.2.1 QDA法黄大茶香气描述词汇表的建立

QDA过程中，将7 种黄大茶茶样提供给感官评价小组，初步得到43 个描述词，根据排序筛选出M大于0.26的描述词（表2），最终确立了16 个描述词。评价员对筛选出的16 个描述词进行讨论、定义、并结合相关文献报道和对比体会，确定描述词的参比样及相对强度，如表3所示。有别于传统审评中简单概括性的术语描述，QDA法的描述词汇表中将黄大茶术语中常见词汇进行细化及量化，如“焦气”在QDA法中被细化为“焦苦”“糊味”；“甜香”被细化为“焦糖香”“熟栗香”“甘草香”。

表2 黄大茶香气描述词的几何平均值MTable 2 Geometric mean of aroma attributes of large-leaf yellow tea

续表2

表3 黄大茶主要的感官属性定量描述词汇表Table 3 Defniition and references of large-leaf yellow tea sensory proflies

蛛网图可以直观地勾勒出茶样在不同香气特征上的强度差异程度，优选评价员在表3的基础上采用9 点标度法对4 个不同焙火程度和3 个不同嫩度中不同香气属性强度进行打分，制得蛛网图如图1所示。在不同焙火程度的茶样中，焙火程度越高，焦苦味和糊味越来越重，但有些描述词并不与茶叶焙火程度呈完全正相关，如在甜香强度上：HDC2＞HDC1＞HDC3＞HDC4；在锅巴香强度上：HDC3＞HDC4＞HDC2＞HDC1、在焦糖香强度上：HDC2＞HDC3＞HDC4＞HDC1。在不同嫩度的茶样中，粗气的强度：HDC5＞HDC6＞HDC7，可以发现随着嫩度等级降低，粗气越来越高，这些都能很好地被评价员区分开。

2.2.2 优选评价员能力分析结果

通过PanelCheck软件评估优选评价员对7 种茶样的区分能力、评价结果的重复性和评价小组的一致性[20]。

评价员的区分能力可以用F值来评估，如图2A所示，横坐标表示1～10号评价员，不同彩色线条各代表一个描述词，纵坐标代表F值，值越大说明评价员对其描述词的区分能力就越好。10 位优选评价员对多数描述词的F值都高于或接近5%显著水平，其中2号、3号、7号和8号评价员F值总体高于其他评价员，区分能力强。

图2B中横坐标表示1～10号评价员，纵坐标表示均方误差（mean squared error，MSE），MSE越小代表评价员的重复性越好。当评价员同时具有较高的F值和较低的MSE时，表明该评价员具备良好的评估能力。从图2A、B中可以看出，评价员2号、3号、7号和8号区分能力强且重复性较好；1号评价员区分样品的能力较差，且重复性差。评价小组在长期评审过程中，只有不断地提高和稳定评价员的感官灵敏度、降低评价员之间和感官评价结果之间的偏差、控制得当的外部环境条件以及与参与实验的评价员密切配合，才能有效减少评审中的不准确性，得到准确性高且重现性强的客观评价结果。

评价小组整体的一致性可以用Profile plot分析来评估，图2C1～C16各代表一个描述词，边框颜色表示该描述词的显著性水平，小图中的不同彩线代表不同评价员，加粗黑线为平均值，彩线向黑线越聚拢，评价小组在该描述词的一致性越高，相反，彩线越散乱则一致性较差。由图2C可知，酸馊气在0.01水平上具有显著性差异，其他气味均在0.001水平上具有显著性差异；熟栗香、咖啡香、粗气、青气、酸馊气等气味评价小组的评价一致性较高；木质香、糊味、焦苦等气味评价一致性较差。综上所述，评价小组整体的一致性较好，后续也可通过长时间训练来提高评价小组的一致性。

图2 评价员区分黄大茶样品的能力（A）、重复性（B）和一致性（C）Fig. 2 Panelists’ ability to discriminate large-leaf yellow tea samples (A)and repeatability (B) and consistency (C) of results

2.2.3 方差分析结果

对QDA法得分结果进行单因素方差分析和多重比较分析，如表4所示，16 个描述词对于不同茶样均在0.000 1水平上具有高度显著差异。在不同焙火程度中，HDC1和HDC2由于采用低温烘干，以甜香、青气、玉米须等主要香气特性区别于其他茶样；HDC3和HDC4以高温促进内质转化，以锅巴香、高火香等主要的香气特性区别于其他茶样。在不同嫩度中，HDC5以甜香、熟栗香、玉米须、嫩香为主要的香气特性显著区别于其他茶样，由于黄大茶特级原料比较细嫩，所以常会伴随着优质的甜香和熟栗香；HDC6和HDC7由于原料较为粗老，以粗气为主要的香气特性显著区别于HDC5。

表4 QDA法方差分析结果Table 4 Analysis of variance for mean intensity scores for large-leaf yellow tea samples determined by QDA

2.2.4 主成分分析结果

为更直观地展示各样品香气之间的区别和联系，对16 个描述词平均值进行PCA，结果如图3所示。图3A中前两个主成分PC1与PC2解释了香气属性总变异量的96.94%；图3B中展示了前二个主成分PC1与PC2解释了香气属性总变异量的100%，说明PCA解释度较高，可继续进行分析。

从图3可以直观地看到Y轴将4 种不同焙火程度的黄大茶按照低焙火和高焙火区分开，将3 种不同嫩度的黄大茶按照高嫩度和低嫩度进行区分。样品与描述词之间越接近，说明该描述词属性越强[29]，7 种黄大茶在香气属性上各有特点：其中HDC1的香气特征主要表现为青气、甘草香；HDC2的香气特点主要为甜香、玉米须、熟栗香、焦糖香；HDC3在咖啡香、锅巴香方面表现突出；HDC4和HDC3比较接近，在烟丝香、糊味、焦苦等香气表现相似，但呈现出独特的木质香；HDC5的香气特征主要表现为熟栗香、玉米须、甜香；HDC6和HDC7相近，具有高火香和咖啡香等香气特征。

图3 基于QDA的黄大茶样品PCA得分图和载荷图Fig. 3 CA score plot and loading plot of large-leaf yellow tea samples based on QDA

2.3 CATA法的黄大茶香气评价结果

2.3.1 CATA法黄大茶香气描述词汇表的建立

CATA法和前2 个方法获得描述词的方式明显不同，它是从文献和前期实验中收集到56 个黄大茶香气描述词，由10 名不参与CATA法的消费者根据共识挑选出超过70%共识度的18 个香气描述词，如表5所示，其中青草香/青气、甘草香、甜香、熟栗香、玉米须、焦糖香、锅巴香、烟丝香、咖啡香、木香/木质香、糊味、焦苦、酸馊气13 个感官描述词在QDA法中也被使用，消费者所选用描述词和经过培训的感官评价员所选用描述词在一定程度上相近，但也存在一定的差异，如红薯皮、中药味、大麦茶、水闷味、干枝枯叶等描述词并没有被优选评价员提及。

表5 CATA法建立的香气描述词表及被提及的频率统计Table 5 Aroma descriptors developed by CATA and their frequency of mention

2.3.2 基于香气描述词的Cochran’s Q检验分析结果

为了直观地展示描述词的差异显著性，对CATA法中18 个香气描述词被提及的频率进行Cochran’s Q检验，如表5所示，不同焙火程度的4 个茶样中有17 个香气特征描述词有显著性差异；不同嫩度的3 个茶样中有15 个香气特征描述词有显著差异。在不同焙火程度的茶样中，被选择频率较高并且与其他茶样有高度显著差异的描述词有青草香、甜香、烟丝香、糊味、焦苦等；在不同嫩度的茶样中，被选择频率较高且有高度显著差异的描述词有甘草香、甜香、锅巴香、糊味、干枝枯叶等。针对显著性差异性高的描述词，消费者能够区分出茶样间的香气差异并判断出差异的具体属性；而针对差异不显著的属性如大麦茶、焦糖香、咖啡香等，消费者的评判效果不及QDA法的优选评价员。

2.3.3 基于香气描述词的对应分析结果

对具有显著性差异的香气描述词采用CA以展示样品与描述词之间的关系[10]，所得结果如图4所示。HDC1被描述为具有青草香、甘草香和水闷味；HDC2具有甜香、玉米须、焦糖香、熟栗香等香气特征；HDC3和HDC4相近，都带有糊味、焦苦、中药味、烟丝香等香气特征（图4A）。HDC5被描述为带有生红薯皮、甜香、玉米须、焦糖香等香气特征；HDC6和HDC7比较接近，都带有焦苦、糊味、水闷味等香气特征，但HDC6呈现出独特的锅巴香和烟丝香（图4B）。CATA法和QDA法得出的香气特征在一定程度上相近，从图4中可以直观地看到未经培训的消费者也将4 种不同焙火程度的黄大茶按照低焙火和高焙火区分开，并将3 种不同嫩度的黄大茶按照高嫩度和低嫩度分开，与QDA法的结果一致。

图4 基于CATA的香气描述词的对应分析Fig. 4 Correspondence analysis of the aroma descriptors from CATA

2.3.4 基于情绪描述词的Cochran’s Q检验分析结果

消费者评价员对给定的黄大茶香气的情绪描述词进行勾选并对结果进行Cochran’s Q检验，结果如表6所示，在不同焙火程度的4 个茶样中有8 个情绪描述词有显著性差异；在不同嫩度的3 个茶样中有7 个情绪描述词有显著差异。

在不同焙火程度的4 种茶样中，被选择频率较高并且有极显著差异的描述词有清新的、失望的、令人不快的等。在不同嫩度的3 种茶样中，被选择频率较高并且有极显著差异的描述词有清新的、舒服的、失望的等。消费者对不同茶样的情绪感受是不同的，QDA法较CATA法而言虽然能确定香气差异的强度，精确度更高，但是无法得知消费者的情绪变化。

表6 CATA法建立的情绪描述词表及被提及的频率统计Table 6 Emotion attributes established by CATA and their frequency of mention

2.3.5 基于情绪描述词的对应分析结果

对具有显著性差异的情绪描述词进行CA以得到茶样与描述词的关系，结果如图5所示，HDC1被消费者描述为带有清新的、放松的、舒服的香气；HDC2被描述为带有愉快的、令人满意的、舒服的香气特征；HDC3和HDC4较为相近，被消费者描述为带有厌恶的、失望的、令人不快的气味（图5A）。HDC5给消费者带来清新的、满意的、愉快的、舒服的情绪感受；HDC6和HDC7带有厌恶的、失望、令人不快的气味特征（图5B）。结合图4可知，消费者喜爱青草香、甜香、玉米须、熟栗香等香气特征，不喜欢糊味、焦苦、中药味等香气特征。所以在生产黄大茶时需要改变营销策略，尽量避免生产具有这些感官特征的样品，以提升样品的消费者喜好度。综上，CATA法较QDA法能够更好地调查消费者喜好驱动因子及其产品的改进方向，能够相对快速、轻松地直接从消费者中获得产品的感官特性信息。

图5 基于CATA的情绪描述词的对应分析Fig. 5 Correspondence analysis of the emotion descriptors from CATA

图6 基于9 点喜爱标度的黄大茶样品AHC树形图Fig. 6 Agglomerative hierarchical clustering dendrogram of large-leaf yellow tea samples on 9-point hedonic scale

综上所述，3 种感官评价方法分别采用专家评价员[3]、优选评价员[30]和消费者评价员[31]对4 种焙火程度和3 种不同嫩度的黄大茶进行评审，其在应用方面的优缺点如表7所示。

表7 黄大茶香气感官评价方法的优缺点Table 7 Comparison of three methods for aroma sensory evaluation of large-leaf yellow tea

2.4 消费者喜好度检验

对消费者喜好度检验数据分别进行方差分析、聚类分析、偏好图分析，7 种黄大茶的总体喜好度平均值如表8所示，消费者对这7 种黄大茶样品的喜好度排序为HDC5＞HDC2＞HDC1＞HDC6＞HDC7＞HDC4＞HDC3，尽管消费者对各种黄大茶的喜爱程度相似，但总体上焙火程度低和嫩度高的HDC2和HDC5明显优于焙火程度高和嫩度低的HDC4和HDC7。

表8 黄大茶样品总体喜好均值Table 8 Mean scores for overall hedonic acceptability of large-leaf yellow tea samples

如图6所示，通过聚类分析将100 名消费者分为6 类：组1～6分别占总消费者的15%、16%、26%、15%、16%和12%。

消费者对7 种黄大茶样品的偏好如图7所示。图中不同背景色所占百分比表示消费者对该样品的喜好超过平均喜好度的占比，占比越高，表明该样品越受到消费者的喜爱[16]。组1位于浅蓝色区域，偏好率为20%～40%，接近HDC3和HDC6，说明该茶样只有小部分人喜欢；组2、组3和组4位于橙色区域，偏好率为60%～80%，接近HDC1；组5和组6偏爱HDC2和HDC5，两样品的平均喜好度分别为5.89和6.23，都位于红色区域，偏好率为80%～100%，这意味着大部分消费者喜欢这两种黄大茶；HDC4和HDC7位于深蓝色区域，偏好率为0～20%，这意味着大部分消费者都不喜爱这两种黄大茶。综合来看，小火烘焙和高嫩度的黄大茶更受消费者喜爱。

图7 基于CATA的黄大茶样品偏好图分析Fig. 7 Preference mapping of large-leaf yellow tea samples based on CATA

3 结 论

本实验结果表明，传统茶叶感官审评对评价专家专业能力要求极高，具有一定的主观性；QDA法准确率高，能够准确区分香气强度差异且能够对感官属性进行细化及量化，但是对评价员要求较高且培训时间较长；CATA法能够相对轻松、快速、低成本地从消费者中获取香气特征差异，且能得到消费者直接的情绪感受，但无法评价香气特征强度。

此外，本实验引入的消费者喜好度检验可以了解消费者对黄大茶的偏好性，能够直接反映消费者的需求，可为黄大茶生产企业提供消费者偏好信息，从而生产更符合消费者购买意愿的产品，更好地促进黄大茶市场繁荣。