论文部分内容阅读
本文对绿茶香气的HS-SPME提取方法进行研究,选择适宜的提取方法;应用Stepdisc过程从102个茶样中筛选出栗香型与非栗香型茶样的区分性香气成分后,通过判别分析对各茶样进行识别,考察栗香型与非栗香型茶样的识别效果;应用方差分析对栗香香型转化的差异性香气成分进行筛选,通过主成分分析对各茶样的区分情况进行考察,再结合各香气成分的阈值、香型等信息,推断栗香香型呈现的特征性香气成分。主要研究结果如下:1、对设置的4种HS-SPME提取方法进行比较研究,并对选用的提取方法进行重复性分析,结果表明,占香精油总量79.64%的33个香气成分,其相对含量的变异系数都在15%以内,检出量的稳定性较好。具体参数如下:称取10.0g磨碎茶样于250ml三角瓶中,加入100mg/L癸酸乙酯(内标)500μL,100mL沸蒸馏水,用打过孔的橡皮塞(经丙酮浸泡12小时,去味)塞紧,磁力搅拌速度:450rpm,在50℃水浴中平衡5min后,将萃取头(50/30μm PDMS/DVB/CAR)插入三角瓶,于茶汤液面上空吸附60min后,缩回萃取头,联用GC-MS进行检测分析。2、应用Stepdisc过程从102个绿茶样中筛选出栗香型与非栗香型茶样的区分性成分——2,6-双(1,1-二甲基乙基)-4-甲基苯酚、α-白菖考烯、喇叭茶醇、4,11-二甲基十四烷、α-环柠檬醛、1,1,6-三甲基-1,2,3,4-四甲基萘、古巴烯、杜松醇T、萘、3,7,11-三甲基-1-十二醇、香叶基丙酮、Cadinadiene、β-杜松烯、橙花醇、2,6-二叔丁基苯醌、十四烷等16个香气成分;以筛选出的香气成分为变量,分别用Bayes判别法和典型判别法对栗香型与非栗香型茶样进行识别,结果表明,Bayes判别法对102个茶样识别的正确率为100.00%,交叉验证的判别正确率也为100.00%,识别效果显著;以筛选成分为基础,通过提取典型变量而建立的判别方程对各茶样进行识别,在102个茶样中,有2个栗香型茶样被误判,总茶样判别正确率为98.04%,15个栗香型茶样的判别正确率为86.67%,87个非栗香型茶样判别正确率为100.00%,交叉验证的结果与典型判别的结果一致,识别效果良好。判别分析的结果表明,Stepdisc过程可从众多的香气成分中过滤干扰信息,筛选出识别栗香的有效信息;以筛选出的香气成分为基础建立的Bayes判别法和典型判别法对栗香型与非栗香型茶样都能实现良好的化学识别。3、先用方差分析对栗香型转化形成的两类茶样中差异性香气成分进行筛选,并用主成分分析对各茶样及筛选出的香气成分的分布规律进行考察,结果显示,4个栗香型茶样与非栗香型茶样的区分性香气成分为2-甲基十五烷、橙花叔醇、植醇、十七烷、2,6-二叔丁基苯醌、β-紫罗酮、2,6,10-三甲基十六烷、壬醛和苯甲醇,结合各香气成分对栗香香型呈现与转化的作用,推断β-紫罗酮、2,6-二叔丁基苯醌、橙花叔醇、植醇、顺-茉莉酮为栗香香型呈现的主要香气成分。