茶叶产地及新旧鉴别研究现状

盛产多种多样品种茶叶的我国，被视作茶的故乡。在茶叶的分类方面，我国学者发表了“茶叶植物资源的订正”，确定了茶组植物中共有32种和3个变种。随着研究工作的开展，有部分研究人员开始参与到以下分类工作中，各自根据自身的研究资料为主要依据，提出了一些很有参考价值的分类意见。例如，庄晚芳教授等人主张在茶种下设立2个亚种和7个变种。2个亚种分别为云南亚种和武夷亚种：云南亚种包括云南变种、川黔变种、苦茶变种、阿萨姆变种；武夷亚种包括武夷变种、江南变种、不孕变种。安徽农业大学陈椽教授提出的按制法和品质为基础，以茶多酚氧化程度为序把初制茶叶分为绿茶、黄茶、黑茶、青茶、白茶、红茶六大茶类，这种方法已被业界广泛应用。此外，结合茶叶的商品形态可把茶叶分成红茶、绿茶、花茶、乌龙茶、白茶、紧压茶和速溶茶七大茶类。

茶叶产地分类的方法主要有X射线荧光技术、近红外光谱分析、ICP-MS、ICP-AES等光谱法和高效液相色谱（HPLC）法、气相色谱（GC）法和高效毛细管电泳（HPCE）法等色谱法。

X射线荧光技术已应用于金属含量的检测。不同产地茶叶的重金属元素含量存在一定的差异，可以作为X射线荧光光谱分析茶叶产地鉴别的依据。茶叶中的主要重金属元素对应的谱线集中在313keV波段，该波段是X射线荧光光谱分析技术进行茶叶产地鉴别的有效波段。采用主成分分析方法和马氏距离法进行茶叶产地鉴别时，选取前4个主成分即可。采用X射线荧光光谱分析技术进行茶叶产地鉴别时，应采用原始光谱数据直接进行分类。

稳定同位素与矿物元素检测用于农产品产地溯源，不同产地同位素和矿物元素含量或比率不同，在作物栽培和动物饲养过程中发生转移，造成产品中这些元素含量或比率的不同，通常结合化学计量学，进行原产地验证和鉴别。元素含量主要受产地环境因素，如离海边距离、温度、海拔以及土壤的基本组成等影响较大，而受加工、品种和外形等因素的影响较小。因此该技术的稳定性好，适合用于茶叶产地溯源。

Marcos等人对10个国家15种茶叶（其中红茶11种、绿茶2种、花茶1种、乌龙茶1种）采用ICP-AES测定了Al、Ba和Zn等11种高含量元素，ICP-MS测定了Cd、Co和Zr等11种低含量元素，采用统计软件UNSCRAMBLER进行主成分分析（PCA），亚洲茶（中国、孟加拉国、印度、日本、斯里兰卡）与非洲茶（肯尼亚、布隆迪、马拉维、津巴布韦、坦桑尼亚）得到了很好的区分，而且中国与亚洲其他国家产的茶叶也得到了区分。尽管日本与中国的地理位置相近，但由于日本气候和土壤特点与印度的相近，使得日本茶在区分上更接近印度。当然茶叶中元素含量也不单纯来自土壤，还有来自农药和肥料的，茶叶种类也可能影响元素含量，这需要通过SLDA（统计线性判别分析）、SIMCA（软件独立模拟分类）和UNEQ（有监督模式识别）等方法优化，才能判定。Moreda-Pineiro等人对非洲（n=17）和亚洲（n=36）产的茶叶，采用ICP-MS测定Co、Cr、Cs等7种元素和ICP-AES测定Ba、Ca、Fe等7种元素，对数据进行自动归一化（Autoscaling）等6方式的预处理，确定了PC1、PC2和PC33个主成分，其中Sr、Co、Cs和Fe的权重值最高。结果表明，不同的数据预处理和判别模式对茶叶产地判定准确率有不同影响，如采用半幅-中值变换后，PCA分析能有效区分非洲和亚洲产的茶叶；而线性判别分析（LDA）却不受各预处理的影响，识别准确率分别为100%和97.2%，与LDA相比，SIMCA判别模式更具局限性，经半幅-中值变换处理后才有效避免数据噪声，对非洲和亚洲产的茶叶识别率分别为97.2%和88.9%。Tamara等人测定了中国（n=12）、印度（n=43）、斯里兰卡（n=23）等地产的茶叶中稳定同位素和多矿物元素（49Ti、53Cr、209Bi等20种），LDA分析表明，茶叶原产地的判定易受判别函数的影响。如只采取函数1和函数2能够很好地区分印度、斯里兰卡和中国产的茶叶，但不能有效区分我国大陆地区和我国台湾省产的茶叶；而结合函数1和函数3则能够有效区分各地产的茶叶，识别准确率为97.5%。该方法还能区分印度阿萨姆邦（东北部）、大吉岭（东北部）、尼尔吉里（南部）等不同地区的茶叶。结果表明，矿物元素结合稳定同位素的检测和判别分析方法，不受茶叶种类（红茶、绿茶和乌龙茶）、品质或年份的影响，适用于各国或地区茶叶的产地溯源。

有研究表明，采用胶束电动色谱法建立了以相对峰面积为基础的数字化色谱指纹图谱，实现了在无需标准样本的前提下可有效地进行红茶产地识别。采用MEKC法对红茶进行指纹图谱分析，优化了实验条件和样本的前处理技术，建立红茶样本数字指纹图谱的研究方法。采用支持向量分类机、聚类分析法、主成分分析法和线性判别分析法分别对11种红茶样本进行了合理分类，分析结果与茶叶产地完全一致，而且未知来源的红茶样本应用该模式进行判别可以实现正确分类。该分类方法可对红茶的产地进行判别，为红茶产地识别提供了一种合理、准确、可靠、快速、简便的方法模式。

聂光华用差示扫描量热（DSC）法和热重（TG/DTG）法对同期采摘的不同原产地的茶叶进行热分析研究。DSC法是在程控温度下测量输入到物质和参比物之间功率差与温度关系的技术。由于试样的热量变化随时可得到补偿，试样与参比物的温度始终相等，避免了参比物与试样之间的热传递，故仪器反应灵敏、分辨率高、重现性好。实验中使用的CDR-4P型差动热分析仪采用计算机自动采集数据系统，测量误差小于1%。用国际热分析协会（ICTA）规定的光谱纯校准物质In和Sn对仪器校准，实验条件如下：试样质量为3～5mg，加热速率为10℃/min，参考物质为光谱纯Al₂O₃，静态空气气氛，铂金坩埚。在上述实验条件下，对鹤峰茶叶和恩施茶叶从室温到600℃进行DSC法扫描。热重法是在程序控制温度下借助热天平以获得物质的质量与温度关系的一种技术。仪器用光谱纯的Ni校准。使用WRT-2P热重分析仪在程序温度控制（等速升温）下，用10℃/min的升温速率测量茶叶样本从室温到600℃的热重曲线。结果发现不同产地的茶叶，因鞣质含量、半纤维素和纤维素的含量不同，其热化学性质必然存在差异。因此，热分析方法是一种鉴别不同原产地茶叶的有效方法。通过热分析法建立不同原产地茶叶的标准热谱曲线，从加热失重、焓变和峰的位置可快速、简便地鉴别不同产地的茶叶，提高对伪劣茶叶进行监管的科学性。

当然，近年来也有研究基于基因分析、X射线荧光和电子鼻等检测技术进行产地溯源，但准确性较低，目前应用价值不大。Cho等人采用CAP（切割扩增多态序列）标记，进行系统发育分析和RFLP（限制性片段长度多态性）分析，5SrRNA表明韩国河东郡（Hadong）产的绿茶具有独特的多态现象，与日本绿茶和中国绿茶有很好的区分；而且PAL（苯丙氨酸解氨酶）基因中3个CAPS标记能够很好地将HadongCheon-nyeon野生种与其他野生种区分开。这说明HadongCheon-nyeon野生种具有不同的遗传进化途径，相同种系在不同产地也具有一定的差异性，对茶叶的产地溯源具有一定的借鉴意义。饶秀勤等人采用X射线荧光检测技术（有效波段3～13keV）分析不同产地的重金属含量，对原始光谱数据直接进行分类，不同地区茶叶中重金属（Fe、Cu、Ca）含量存在差异，结合主成分分析和马氏距离法能够鉴别不同产地（杭州、安吉、金华、台州）茶叶，但试验准确率仅为58%，应用价值不高。Zoltán等人利用电子鼻、电子舌和感官分析斯里兰卡不同海拔的康提（650～1300m）、乌瓦（1200～1500m）、迪不拉（1200～1700m）、努沃勒埃利耶（2000m）和卢哈纳（600m）5个产地的红茶（n=40），LDA表明能够区分不同产地和种植高度的茶叶，而且PLS法表明电子鼻和电子舌检测与专家感官分析间存在显著相关性。

鉴别茶叶的传统方法是通过茶叶的色、香、味的不同进行判别，这种方法依赖于人们的经验，易受主观因素影响。为了能客观地对茶叶进行分析和鉴别，研究者们开发了新的方法。利用化学分析方法对茶叶进行分类：Antonio等人利用电感耦合等离子体原子发射光谱法和电感耦合等离子体质谱法对85个茶叶样本中的17种金属元素进行检测。Valera等人利用各种化学方法检测了绿茶和黑茶中咖啡因、可可碱、茶碱、多酚等成分含量。Fernández等人使用高效液相色谱法测定了茶叶中的儿茶酚和咖啡因等成分的含量。Togari等人利用气相色谱法和气相色谱-质谱分析法对茶叶中的挥发性成分进行了检测。Hérrador等人利用电感耦合等离子体原子发射光谱法测得了茶叶中Zn、Mn、Mg、Cu和Al等8种主要元素。

Pongsuwan等人结合代谢学原理对绿茶的等级进行分类。利用电子鼻对茶叶进行分类：Yu等人采用电子鼻和模式识别技术对4类不同等级的茶叶进行了区分试验；Bhattacharyya等人利用电子鼻对6类不同的黑茶进行了区分。Dutta等人对5类茶叶进行的分类表明，模糊C均值算法、自组织映射结合径向基函数网络模型分类效果最好。利用近红外光谱技术对茶叶进行分类：Zhao等人对绿茶、乌龙茶和黑茶等的区分研究。Li等人利用因次分析（FA）法和BP神经网络技术对不同品牌的茶叶进行了区分试验。Chen等人利用近红外光谱法和软独立建模分类（SIMCA）法对茶叶分类试验。此外，Seetohul等人利用荧光光谱技术和主成分分析技术进行了茶叶分类试验研究，但是这些方法不能对同类茶叶进行产地鉴别。

质谱（Mass Spectrum，MS）法是将样本提取液置于质谱仪中进行电子轰击电离，可获取提取液中化学成分的电子轰击质谱（EI-MS）图，不同样本提取液所含成分不同，所得质谱图显示的分子离子峰及进一步的裂解碎片峰亦各有特征，可用以鉴别。其常与高效液相色谱法、气相色谱法、高效毛细管电泳法等技术联用，可对指纹图谱中的部分色谱峰无标准物质验证的情况下，起到定性鉴别的作用。(www.xing528.com)

紫外光谱法一般用于总提取物或部分提取物中某类成分的含量分析，在定性实验中，可作为辅助方法。以紫外光谱为基础的导数光谱能校正无关吸收、排除干扰，适用于亲缘关系较近而且普通紫外光谱不易区分的植物样本。

综上所述，对于传统的茶叶鉴别方法：感官评定法和化学方法，前者因受人为因素和外界环境的干扰，存在识别结果的主观性强和一致性差等缺点，会影响到结果的客观性；后者虽然能够准确地鉴别茶叶，但是需要对茶叶进行组分分离、提取等前期工作后才能进入实质分析过程，存在着实验分析周期长、手续繁琐的问题，对于现场或短时间要求结果的工作状况难以适应，使其不能应用到茶叶的快速识别上。因此，需要建立一种快速、准确鉴别茶叶品质及真伪的新方法。

2006年，浙江大学何勇等人通过WT预处理、采用主成分回归（PCA）和（BP）建立了BP-ANN模型，用以识别不同种类的绿茶。李晓丽等人采用主成分分析法对5个品种茶叶进行聚类分析并获得了茶叶的可见-近红外光谱数据的主成分，再结合人工神经网络技术建立模型进行品种鉴别。分析表明，以主成分1和2对所有建模样本的得分值做出的得分图，对不同种类茶叶具有较好的聚类作用，可以定性地分析茶叶的种类。把主成分分析得到的6个主成分作为神经网络的输入，茶叶品种值作为神经网络的输出，建立了茶叶品种鉴别的3层BP人工神经网络模型，对茶叶品种的识别准确率达到了100%。

陈全胜等人采用一种近红外光谱结合SIMCA模式识别的方法对茶叶进行识别与分类。他们选取5300～6500nm波长的光谱，通过SNV预处理后，利用SIMCA的模式识别力法分别为龙井、碧螺春、祁红和铁观音4类茶叶建立了类模型。并且指出主成分分别为4、5、2和3时，类模型对未知样本的识别效果最佳。赵文杰等人选用同样波段的光谱，通过多元散射校正（MSC）预处理后，结合主成分-马氏距离模式识别方法鉴别了龙井、碧螺春、毛峰和铁观音。蔡健荣等人采用近红外光谱结合K最近邻（KNN）法模式识别方法对上述4种茶叶进行识别和分类，结果表明，4主成分因子建立的KNN法判别模型最佳，模型对训练集与预测集中样本的识别率都达到了100%。该研究为快速、准确识别茶叶提供了一种新思路。

近红外光谱是指介于可见光和中红外光之间的电磁波，不同基团或同一基团在不同环境中产生的光谱在吸收峰的位置和强度上有所不同，适用于碳氢有机物的性质分析与组分测定。茶叶中不同组分具有丰富的结构和组成信息，由此利用近红外光谱扫描结合数据处理与统计分析，可以确定茶叶产地或类别，具有分析速度快、成本低和重现性好的特点，但该技术容易受茶叶种类、加工、样本制备（水分含量）以及扫描波数等因素影响。

近红外光技术在国外已有应用的报道，相关的应用，比如农产品的品质检测、病虫害检测、杂草识别、作物收获机械导航和作物生长状态监测等，已经在美国、日本、德国等技术先进的发达国家得到了熟练的应用。例如在果品品质检测方面，此技术结合红外光谱分析，不仅可以对果品颜色、大小、损伤压伤、吸虫孔进行检验，而且可以对果品的营养成分含量进行判断，从而对果品进行合理的市场定价或品种鉴别。国内的研究成果在近些年来有了突飞猛进的发展，但和发达国家相比，仍有很大的待提高空间。

现阶段，红外光谱法以其无污染、无损伤取样、实时性、使用方便等特点成为检测的首选，越来越受到人们的关注。根据所涉及的红外辐射波段的不同，红外光谱法又分为近红外光谱法、中红外光谱法和远红外光谱法，其中前两种方法在物质定性和定量分析中的应用较为普遍。

目前，对快速识别茶叶种类及真伪的研究虽然处于起步阶段，但是已有大量文献报道集中在近红外光谱法的探讨中，具体包括：夏贤明和丁宁用近红外光谱法检测绿茶中品质成分的研究；H.Schulz等人采用PLS法测定绿茶中的生物碱和酚类物质的含量；蒋迎提出了基于积分球漫反射近红外光谱技术的花茶容制过程中水分含量的测定方法；J.Luypaert等人探讨了近红外光谱技术在绿茶定量和定性分析中的应用；龚加顺等人进行了对茶饮料品质相关成分的近红外光谱技术分析；孙耀国等人利用近红外光谱法测定了绿茶中氨基酸、咖啡碱和茶多酚的含量；徐立恒等人应用PLS法建立了茶多酚、氨基酸及咖啡碱等主要品质成分的二阶导数近红外光谱与其含量间关系的分析模型；陈华才和吕进等人建立了基于径向基函数神经网络（RBFN）的茶多酚总儿茶素含量的近红外光谱分析模型。

现阶段利用近红外光谱技术进行产地溯源：Budínová等对斯里兰卡（n=2）、中国（n=5）、印度（n=2）、日本（n=2）、爪哇（n=1）、肯尼亚（n=1）等12个茶叶样本，包括红茶、绿茶和乌龙茶3类，进行近红外光扫描（波数为400～4000cm^-1），并采用SIMCA来定性区分不同茶叶，PCA和全交叉验证表明1278～1738cm^-1为最大变异区，不同产地茶的差异程度不同，中国祁门红茶和日本煎茶的差异最大。而基于PCA进行LDA分析，所有样本得到了很好的聚类和区分。虽然结果表明该技术能够区分不同产地的茶叶，但由于该研究中茶叶的产地、类别均不同，因此无法判定该结果的准确性是由于类别还是产地不同造成的。

现阶段利用近红外光谱进行类别鉴定：赵杰文等人采用近红外光谱仪对龙井（n=20）、碧螺春（n=20）、毛峰（n=20）和铁观音（n=20）扫描，波数为5300～6500cm^-1，通过MSC预处理，结合主成分-马氏距离模式识别法选用8个主成分建立预测模型，结果表明，校正集和预测集的鉴别准确率分别为98.75%和95%，但龙井样本易误判为碧螺春。上述研究中茶叶属于不同类别或具有不同外形，无需通过仪器检测而通过感官分析也可鉴别，所以应用该方法具有很大的局限性。李晓丽等人采用可见-近红外光谱仪（波长为325～1075nm）测定西湖龙井茶（n=30）、浙江龙井茶（n=30）、羊岩勾青茶（n=30）、雪水云绿茶（n=30）和庐山云雾茶（n=30），主成分分析法能够很好地区分羊岩勾青、雪水云绿、庐山云雾和龙井茶叶，而西湖龙井和浙江龙井存在部分重叠区；但采用人工神经网络技术构建的鉴别模型则能有效区分西湖龙井和浙江龙井及其他产地茶叶，预测准确率均为100%。周健等人采用近红外光谱仪对滇青、青饼普洱和熟饼普洱茶进行吸收光谱扫描（3500～10000cm^-1），欧式距离比较、主成分分析和系统聚类分析结果表明，熟饼与青饼和滇青存在显著差异，容易区分开；而青饼与滇青茶的性质接近，存在较高类似性，不易区分开。周健等人对4个茶叶品种（龙井43、群体种、迎霜和乌牛早）为原料加工成的龙井茶进行近红外光谱扫描，采用PLS法建立模型，结果表明，对定标集样本识别的准确率分别为89.8%、90.9%、96.1%和99.5%，而验证集的准确率分别为87.1%、84.2%、96.1%和97.5%。该方法对不同茶叶品种加工成相同外形的茶叶具有较好的区分和鉴别，但没有对外形相同而产地不同的茶叶进行溯源和验证。上述研究结果表明，种类相同而产地不同，或产地相同而种类不同（如加工外形或发酵程度）的茶叶，采用近红外光谱结合判别模型可以有效区分，但对于产地、种类（外形）相近的茶叶则难以有效区分。除了上述提到的应用，近红外光谱技术还用于茶制品中化学成分的多组分快速无损检测、茶叶等级的快速评定、茶树育种和栽培、茶制品生产过程在线检测以及茶叶真假、伪劣识别等。