茶叶化学分类编制说明.docx
《茶叶化学分类编制说明.docx》由会员分享，可在线阅读，更多相关《茶叶化学分类编制说明.docx（27页珍藏版）》请在冰点文库上搜索。
茶叶化学分类编制说明
《茶叶化学分类》
国家标准编制说明
二〇一六年八月三十日
一、工作简介…………………………………………………………………3
1.1目的意义………………………………………………………………3
1.2任务来源………………………………………………………………3
1.3前期所做的工作……………………………………………………3
1.4制标原则及标准化过程………………………………………………4
二、标准主要内容的确定…………………………………………………5
2.1本标准方法的引入…………………………………………………5
2.2样品制备………………………………………………………………5
2.3化学成分检测…………………………………………………………5
2.4第一次特征性因子及判别方法的选择………………………………6
2.4.1特征性因子第一次提取…………………………………………6
2.4.2Bayes判别分析结果…………………………………………7
2.4.3新特征性因子提取……………………………………………8
2.4.4再次利用Bayes判别分析……………………………………9
2.4.5非典型样品的剔除……………………………………………11
2.4.6判别方法的选则…………………………………………………11
2.5逐步分类的基本思路…………………………………………………11
2.6判别模型的建立及逐步判别…………………………………………12
2.6.1完全发酵茶判别………………………………………………12
2.6.2红茶黑茶判别…………………………………………………13
2.6.3白茶鉴别……………………………………………………14
2.6.4乌龙茶（青茶）判别……………………………………………15
2.6.5绿茶和黄茶判别………………………………………………16
2.7逐步判别结果……………………………………………………16
三、方法验证………………………………………………………………18
四、意见稿讨论……………………………………………………20
《茶叶化学分类》国家标准编制说明
一、工作简介
1.1目的意义
目前，国际上公认的将茶叶分为红茶、绿茶、乌龙茶（青茶）、白茶、黄茶和黑茶六大茶类的方法，主要是依赖其特征性加工工艺的不同，侧重在工艺特征的表述上，品质上侧重于感官审评，而缺乏量化的分类方法和指标，加上不同茶类之间加工工艺的相互融合和借鉴，单纯依赖加工工艺和感官指标已经很难实现对茶类进行正确的鉴别，这不仅对消费者对茶叶品质的判别带来了困难，而且在国际贸易中，由于茶类不同感官审评评判规则有异，也容易造成对茶样认识的差异而导致贸易纠纷。
随着植物化学分类学和天然植物化学成分分析检测技术、化学计量学的快速发展和应用，为量化的化学分类法在茶叶分类上的应用提供了可能。
制定茶叶化学分类方法不仅符合植物化学学科发展趋势的要求，而且更为重要的是作为茶叶行业中茶叶是为基本的分类标准，对于推进茶产业的发展，促进茶叶国际间的公平、公正贸易具有重要作用。
基于上述理由，提出茶叶化学分类方法标准——化学分类的定义和基本要求。
1.2任务来源
2013年7月22日以国标委综合2013[56]号《国家标准委关于下达2013年国家第一批制修订计划的通知》中，《茶叶化学分类》（计划编号：
20131066-T-442）由安徽农业大学负责起草，全国供销总社杭州茶叶研究院、福建农林大学、中国农科院茶叶研究所、安徽省标准化研究院和华南农业大学共同参与。
1.3前期工作
标准制定项目任务下达后，安徽农业大学组织专家成立了标准编制工作组，负责编制起草工作。
编制组成立后，我们进行了广泛的调查和研究工作，收集茶样，茶样来源见表1。
表1茶样产地及数量
茶类
数量
国内
国外
绿茶
113
110：
浙江20；云南1；四川3；陕西12；山东15；江西5；江苏7；湖南10；湖北5；河南1；贵州2；广西1；广东2；福建2；安徽24
3：
日本、越南、韩国各1个
红茶
277
136：
浙江2；云南32；四川1；山东5；江西11；江苏1；湖北5；河南5；广东3；福建22；安徽49
141：
越南3；印尼21；印度18；乌拉维3；乌干达3；坦桑尼亚2；斯里兰卡26；莫桑比克15；缅甸3；肯尼亚40；布隆迪7
白茶
87
86：
福鼎48；政和38
1：
斯里兰卡1
乌龙茶（青茶）
94
94：
闽北乌龙11；武夷岩茶15；大红袍3；广东乌龙4；闽南色种30；铁观音31
黄茶
21
21：
湖北4；浙江9；湖南2；安徽6
黑茶
58
58：
云南25；四川6；湖南12；湖北4；广西11
合计
650
505
145
围绕茶叶的特性和标准适用的范围，重点考虑了以下问题：
茶样收集的范围；茶样的等级确定。
为了统一茶叶中儿茶素、咖啡碱和氨基酸的检测方法，安徽农业大学、全国供销总社杭州茶叶研究院、福建农林大学、安徽省标准化研究院四个单位选派检测人员到全国供销总社杭州茶叶研究院进行统一培训。
1.4制标原则及标准化过程
在广泛调查研究和必要的实验验证的工作基础上，根据GB/T1.1-2009《标准化工作导则第1部分：
标准的结构和编写》给出的内容和格式编写完成《茶叶化学分类》。
本标准的制定编写过程，以提高茶类的判别率及减少判别因子为总的指导原则。
使其能体现基本使用性能，确保标准既保持技术上先进性，又有经济上合理性。
遵循了标准制定过程中的先进性和适用性。
在标准制定过程中严格遵循国家有关方针，严格执行国家标准，与同体系标准及相关的各种基础标准以及配套使用的取样、检测等标准相衔接，遵循了政策和协调统一性原则。
在标准制定过程中力求做到：
技术内容的叙述正确无误，文字表达准确、简明、易懂，标准的结构严禁合理，内容编排、层次划分等符合逻辑与规定。
二、标准主要内容的确定
2.1本标准方法的引入
2.1.1GB/T8302茶取样
2.1.2GB/T8303茶磨碎试样的制备及其干物质含量测定
2.1.3GB/T8304茶水分测定
2.1.4GB/T8312茶咖啡碱测定
2.1.5GB/T8313茶叶中茶多酚和儿茶素类含量的检测方法
2.1.6
2.2样品制备
2.2.1样品的收集充分考虑年份、产地、等级和季节等因素，所收集的样品均匀分布，且能代表该茶类所覆盖的范围。
对于不具备该茶类典型特点的茶样，通过感官审评的办法将其剔除。
考虑到生茶是由晒青毛茶压制而成，其品质特点与晒青绿茶接近，在收集黑茶样品的时候，未将生茶统计在内。
2.2.2样品收集由安徽农业大学、福建农林大学负责，样品由茶叶加工企业免费提供，或从茶叶加工企业采购，样品来源可信。
样品收集后，从中称取一定量样品置于已知质量的铝盒中于电热烘箱中烘干，测定样品水分含量。
2.2.3样品制备由安徽农业大学统一负责制备。
茶样经复火后用粉碎机粉碎，使用牢固的包装密封袋保存样品，并放在5℃冰柜中保存。
按照GB/T8302的方法，将样品6等份，一份留存，另外5份分别统一分发到全国供销总社杭州茶叶研究院，中国农业科学院杭州茶叶研究所，福建农林大学，安徽省标准化研究院和安徽农业大学5家单位同时检测。
2.3化学成分检测
茶样的化学成分如表2所示。
表2干茶化学成分含量
化学成分
含量（干物质%）
绿茶
红茶
白茶
乌龙茶（青茶）
黄茶
黑茶
GA
EGC
+C
咖啡碱
EGCG
EC
ECG
儿茶素总量
简单儿茶素
茶氨酸
0.07±0.03
2.43±1.15
0.09±0.06
3.26±0.69
6.96±1.69
0.84±0.23
1.99±0.67
12.30±2.58
3.36±1.26
1.05±0.44
0.24±0.09
0.40±0.42
0.21±0.28
3.05±0.82
0.35±0.54
0.24±0.27
0.55±0.45
1.75±1.44
0.86±0.72
0.83±0.37
0.22±0.12
0.53±0.39
0.15±0.19
3.95±0.54
3.98±1.90
0.28±0.16
1.46±0.64
6.4±2.83
0.96±0.53
1.20±0.59
0.11±0.08
2.13±0.79
0.07±0.03
2.28±0.57
4.47±1.71
0.60±0.19
1.08±0.36
8.35±2.49
2.80±0.96
0.21±0.16
0.15±0.07
1.36±0.87
0.08±0.04
3.06±0.62
4.54±1.67
0.51±0.20
1.81±0.91
8.3±3.46
1.95±1.07
1.11±0.68
0.32±0.22
0.45±0.40
0.03±0.03
2.70±0.93
0.36±0.51
0.17±0.15
0.15±0.18
1.16±1.05
0.64±0.50
0.04±0.05
注：
表中值均为该类茶平均值
2.4第一次特征性因子及判别方法的选择
2.4.1特征性因子第一次提取
将测定的8个有效化学成分及其构成的组合变量，运用SPSS数据处理软件进行主成分分析，得到的原始数据解释总方差如表3所示。
从统计学上来说，累积方差贡献率达85%以上，选取的新变量就能基本反映原始变量的综合信息，即可作为抽提出来的主成分。
从表3可以看出，前五个主成分的累积贡献率达85.08%，满足要求，可作为新变量来代替原始数据并作分析判别。
表3原始数据解释总方差表
成份
初始特征值
提取平方和载入
合计
方差的%
累积%
合计
方差的%
累积%
1
7.442
41.346
41.346
7.442
41.346
41.346
2
4.379
24.327
65.674
4.379
24.327
65.674
3
1.549
8.605
74.279
1.549
8.605
74.279
4
1.080
6.002
80.280
1.080
6.002
80.280
5
0.863
4.795
85.075
0.863
4.795
85.075
6
0.777
4.318
89.394
7
0.684
3.799
93.192
8
0.408
2.266
95.458
9
0.301
1.671
97.129
10
0.196
1.090
98.220
11
0.154
0.857
99.077
12
0.064
0.355
99.432
13
0.040
0.223
99.655
14
0.030
0.169
99.824
15
0.021
0.118
99.942
16
0.011
0.058
100.00
17
-9.397E-17
-5.221E-16
100.000
根据上述主成分分析结果，我们对前五个主成分进行因子分析（如表4）。
因子分析是主成分分析的推广，目的是选择每个主成分中的载荷贡献率最高的因子来代替该主成分，从而代表原始变量进行判别分析。
因子对每个主成分的载荷贡献值越大，才能全面的反映原始信息，并作为主要成分因子来替代主成分。
由表4可以得到五个主成分的代表因子，分别为儿茶素总量、茶氨酸*咖啡碱、EGC/儿茶素总量、咖啡碱/儿茶素总量、+C。
表4主成分因子筛选结果
%
成分
1
2
3
4
5
GA
-0.071
0.143
-0.276
0.198
0.111
EGC
0.758
-0.375
0.418
-0.024
0.069
+C
0.370
0.025
-0.287
0.156
0.827
咖啡碱
-0.042
0.768
-0.036
0.405
0.033
EGCG
0.950
0.045
0.005
0.052
-0.094
EC
0.866
-0.143
0.174
-0.020
0.148
ECG
0.874
0.274
-0.135
0.081
-0.019
儿茶素总量
0.975
-0.024
0.086
0.041
-0.019
简单儿茶素
0.824
-0.331
0.357
-0.015
0.138
茶氨酸
0.456
0.835
0.136
0.097
-0.064
茶氨酸2
0.417
0.782
0.086
0.192
-0.117
EGC/儿茶素总量
-0.425
-0.445
0.575
0.219
0.008
EGCG/儿茶素总量
0.812
0.043
-0.358
-0.255
-0.164
咖啡碱/儿茶素总量
-0.589
0.018
0.179
0.529
-0.020
ECG/儿茶素总量
-0.317
0.613
-0.260
-0.383
0.085
茶氨酸/儿茶素总量
-0.492
0.579
0.453
-0.360
0.169
茶氨酸2/儿茶素总量
-0.361
0.652
0.481
-0.318
0.159
茶氨酸*咖啡碱
0.386
0.880
0.095
0.153
-0.068
2.4.2Bayes判别分析结果
运用上述分析得到的主成分代表因子作为判别因子（儿茶素总量、茶氨酸*咖啡碱、EGC/儿茶素总量、咖啡碱/儿茶素总量、+C）来进行Bayes判别，判别分类结果如表5所示。
我们从表中结果可以看出，六大类茶判别的判别率很低，绿茶的判别率仅为66.4%，黄茶的判别率仅为22.2%，不符合统计学判别分离要求；典则判别效果图显示分类效果较差，同类茶分布不集中，不同种茶类相互重叠，所以提取的成分因子无法实现六大茶类的判别。
表5六大茶类Bayes判别分类结果
茶类
绿茶
红茶
白茶
乌龙茶（青茶）
黄茶
黑茶
判别率
66.4%
76.3%
70.0%
94.7%
22.2%
69.0%
1：
绿茶；2：
红茶；3：
白茶；4：
乌龙茶（青茶）；5：
黄茶；6：
黑茶
图1六大茶类Bayes判别分析结果分布图
运用主成分分析和因子分析提取得到的成分因子并不能代替原始数据进行判别分析，需要重新对测定的化学成分及其组合变量进行因子分析。
从表3可见，第一主成分与第二主成分的特征值较大，抓住这个特点，重点分析前两个主成分。
表3有前两个主成分的因子载荷，每一列代表一个主成分作为原来变量线性组合的系数。
同一变量在这两个主成分上，有不同的载荷（即它同各主成分的相关系数），相关系数越大，主成分对它的代表性越高，也就是说该变量对这个主成分起主要作用。
在第一主成分中，EGC、EGCG、EC、ECG、儿茶素总量、简单儿茶素、EGCG/儿茶素总量的载荷较大，均起主要作用；第二主成分中，咖啡碱、茶氨酸、茶氨酸2、茶氨酸*咖啡碱的载荷较大，说明这4个因子起主要作用。
仔细观察上述成分因子，不难发现，第一主成分中起主要作用的都是儿茶素类因子，在这里我们把它们命名为第一类因子；而第二主成分中起主要作用的是咖啡碱与茶氨酸相关因子，我们把这类因子命名为第二类因子。
这两个主成分相互独立，所以我们接下来可以考虑把所有因子分成这样的两类因子，重新分析。
2.4.3新特征性因子提取
根据上述分析，我们得到第一类因子，包括EGC、EGCG、EC、ECG、儿茶素总量、简单儿茶素和EGCG/儿茶素总量共7个因子，因子总数较多，因此需要对第一类因子做主成分分析，从表6可以看出前两个主成分的累计方差贡献率已达到91.78%，说明前两个主成分可以代表第一类因子做判别分析。
表6原始数据解释总方差表
成份
初始特征值
提取平方和载入
合计
方差的%
累积%
合计
方差的%
累积%
1
5.501
78.583
78.583
5.501
78.583
78.583
2
0.924
13.200
91.783
0.924
13.200
91.783
3
0.327
4.665
96.448
4
0.164
2.349
98.797
5
0.082
1.176
99.973
6
0.002
0.027
100.00
7
1.464E-15
2.091E-14
100.00
由表7可知，第一个主成分中儿茶素总量的因子载荷最大，所以提取儿茶素总量作为第一主成分的代表因子；第二个主成分中EGCG/儿茶素总量的因子载荷最大，所以提取EGCG/儿茶素总量作为第二个主成分的代表因子。
表7主成分因子筛选结果
成分
1
2
EGC
0.842
-0.497
EGCG
0.949
0.224
EC
0.905
-0.192
ECG
0.848
0.378
简单儿茶素
0.895
-0.436
儿茶素总量
0.990
0.070
EGCG/儿茶素总量
0.756
0.502
综上所述，我们找到了第一类因子的代表因子即儿茶素总量与EGCG/儿茶素总量。
结合第二类因子（咖啡碱、茶氨酸、茶氨酸2、茶氨酸*咖啡碱），共选取6个因子作为原始变量的代表因子。
2.4.4再次利用Bayes判别分析
以儿茶素总量、EGCG/儿茶素总量、咖啡碱、茶氨酸、茶氨酸2和茶氨酸*咖啡碱这6个因子作为新变量对六大茶类做判别分析。
如表8可见，六大茶类的判别率达到了84.6%，较之前的判别率已经提高了很多，但仍不符合统计学上达到85%的要求。
结合图2，我们发现红茶、黑茶、白茶和乌龙茶（青茶）的判别率达到85%以上，但是黄茶和绿茶的判别率很低，分别为75.0%、57.1%。
表8利用新因子Bayes交叉验证分类结果
编号
预测组成员
合计
1
2
3
4
5
6
初始
计数
1
87
0
2
10
17
0
116
2
2
85
2
1
2
5
97
3
1
1
43
0
4
1
50
4
3
0
0
91
0
0
94
5
3
0
0
6
12
0
21
6
0
0
0
7
0
51
58
%
1
75.0
0.0
1.7
8.6
14.7
0.0
100.0
2
2.1
87.6
2.1
1.0
2.1
5.2
100.0
3
2.0
2.0
86.0
0.0
8.0
2.0
100.0
4
3.2
0.0
0.0
96.8
0.0
0.0
100.0
5
14.3
0.0
0.0
28.6
57.1
0.0
100.0
6
0.0
0.0
0.0
12.1
0.0
87.9
100.0
交叉验证a
计数
1
86
0
2
10
18
0
116
2
1
84
3
1
3
5
97
3
1
1
40
0
7
1
50
4
3
0
0
90
1
0
94
5
3
0
0
6
12
0
21
6
0
0
0
7
0
51
58
%
1
74.1
0.0
1.7
8.6
15.5
0.0
100.0
2
1.0
86.6
3.1
1.0
3.1
5.2
100.0
3
2.0
2.0
80.0
0.0
14.0
2.0
100.0
4
3.2
0.0
0.0
95.7
1.1
0.0
100.0
5
14.3
0.0
0.0
28.6
57.1
0.0
100.0
6
0.0
0.0
0.0
12.1
0.0
87.9
100.0
a.仅对分析中的案例进行交叉验证。
在交叉验证中，每个案例都是按照从该案例以外的所有其他案例派生的函数来分类的。
b.已对初始分组案例中的84.6%个进行了正确分类。
c.已对交叉验证分组案例中的83.3%个进行了正确分类。
d.1：
绿茶；2：
红茶；3：
白茶；4：
乌龙茶（青茶）；5：
黄茶；6：
黑茶
1：
绿茶；2：
红茶；3：
白茶；4：
乌龙茶（青茶）；5：
黄茶；6：
黑茶
图2利用新因子Bayes判别六大茶类分布图
2.4.5非典型样品的剔除
在数据分析结果中，我们发现绿茶与黄茶的化学成分含量非常接近，建模过程中同样发现绿茶与黄茶样品较难区分。
在这样的情况下，我们决定结合感官审评对Bayes判别分析中错判的绿茶与黄茶样品进行筛选。
邀请安徽农业大学的3位茶叶审评专家对误判的样品进行盲审。
感官审评的内容是干茶的色泽、冲泡后茶样的香气、滋味、汤色，如果感官审评后茶叶的类别还是被错判了，说明这个茶样不具备它本身该有的品质特点，不具有典型性，更不具有代表性，所以我们予以剔除
2.4.6判别方法的选择
从上述判别的结果来看，利用Bayes判别总体判别率不高，于是我们尝试采用Fisher逐步判别的方法。
Fisher判别是以各未知茶样距离判别函数组质心处的距离来进行判别分类，该方法在区分少数种类时具有直观、快速简便的优势，且最优为两类之间的判别，经过不断地分析与总结，发现逐步Fisher判别是区分六大茶类的最优思路。
2.5逐步分类的基本思路
将化学成分结合Fisher模式识别方法，建立判别方程，并确定质心点距离。
由于fisher方法每次只能对两类进行判别，所以茶类的鉴别逐步实施，利用判别方程逐步地鉴别，直到鉴别出该茶类别，整体思路如下图3。
图3六类茶逐步判别思路
2.6判别模型的建立及逐步判别
根据主成分分析结果将咖啡碱含量（X1）、儿茶素总量（EGCG、ECG、EGC、EC、+C）（X2）、茶氨酸含量（X3）、EGCG含量/儿茶素总量（X4）、茶氨酸含量×茶氨酸含量（X5）、茶氨酸含量×咖啡碱含量（X6）这六个因子作为茶叶化学分类的特征性因子，采用Fisher方法，得出判别方程和质心点距离，判别方程及判别步骤如下：
2.6.1完全发酵茶判别，将红茶和黑茶判为一个类别，绿茶、白茶、黄茶和乌龙茶（青茶）判为另外一个类别分开,判别方程为：
Fisher1=0.150X1+0.254X2-1.364X3+6.175X4+1.126X5-0.271
升级会员 