曾慶軍，周鴻翔，2*，曾佳佳，邱樹毅，2，劉 凡

（1.貴州大學(xué) 釀酒與食品工程學(xué)院，貴州 貴陽 550025；2.貴州省發(fā)酵工程與生物制藥重點實驗室，貴州 貴陽 550025；3.貴州白酒交易所，貴州 貴陽 550081；4.貴州數(shù)字白酒產(chǎn)業(yè)發(fā)展研究院，貴州 貴陽 550081）

醬香型白酒是各大香型白酒中釀造工藝、微生物體系和風(fēng)味結(jié)構(gòu)最為復(fù)雜的，醬香白酒的不同風(fēng)格特征與不同類型的基酒勾調(diào)密切相關(guān)，如不同產(chǎn)地基酒中各類風(fēng)味化合物含量與種類有較大差異。據(jù)初步統(tǒng)計，貴州赤水河流域白酒企業(yè)有400家，白酒產(chǎn)能達(dá)到40萬kL，其中醬香型白酒產(chǎn)能約30萬kL，白酒中的風(fēng)味成分會受到產(chǎn)區(qū)因素的影響，即使是同種工藝類型的白酒，產(chǎn)區(qū)環(huán)境和氣候條件都會造成白酒風(fēng)味的差異[1]。貴州各地具有獨特的土壤、水分、地勢條件等一系列自然條件，因此不同流域釀造出來的白酒具有不同的口感和風(fēng)味。對赤水河流域各大醬酒產(chǎn)業(yè)不同空間分布及特征影響進(jìn)行深入研究分析，對于建立赤水河流域不同產(chǎn)區(qū)醬香白酒特征模型有重要意義。

近年來，隨著氣相色譜（gas chromatography，GC）分析技術(shù)廣泛應(yīng)用于白酒香氣物質(zhì)的定性定量分析使得白酒質(zhì)量、香型、品牌的鑒別結(jié)果更加準(zhǔn)確[2-4]。統(tǒng)計學(xué)分析已經(jīng)逐步滲入到食品科學(xué)領(lǐng)域，與儀器檢測相結(jié)合展示了較高的優(yōu)越性。主成分分析（principal component analysis，PCA）是一種比較常用的多元統(tǒng)計分析方法，常用于酒類、茶葉和食品等領(lǐng)域[5-8]，正交偏最小二乘-判別分析（orthogonal partial least-squares-discrimination analysis，OPLS-DA）是在偏最小二乘-判別分析（partial least-squares-discrimination analysis，PLS-DA）的基礎(chǔ)上，進(jìn)行了正交變換的矯正，判別效果及主成分得分圖的可視化效果更加明顯。李愛蘭等[9]使用吹掃捕集-氣質(zhì)聯(lián)用方法鑒別不同產(chǎn)地、品牌濃香型白酒?；跐庀阈桶拙频膿]發(fā)性風(fēng)味成分的差異，通過OPLS-DA可對其產(chǎn)地進(jìn)行準(zhǔn)確區(qū)分，通過變量投影重要性（variable importance for the projection，VIP）值分析篩選出辛酸乙酯、己酸己酯等40種潛在差異性化合物。程平言等[10]對于白酒原產(chǎn)地的鑒定通過偏最小二乘-判別分析法和逐步線性判別分析法篩選出27個重要特征離子，然后用篩選出的27個特征離子構(gòu)建反向傳播（back propagation，BP）神經(jīng)網(wǎng)絡(luò)模型和支持向量機(jī)（support vector machine，SVM）模型，其原產(chǎn)地預(yù)測準(zhǔn)確率分別達(dá)96.2%和97.7%。

本研究以赤水河不同產(chǎn)區(qū)的醬香型白酒為研究對象，采用氣相色譜法對酒樣中的64種揮發(fā)性風(fēng)味物質(zhì)進(jìn)行定量分析及差異分析，采用正交偏最小二乘-判別分析（OPLS-DA）構(gòu)建模型，并利用變量投影重要性（VIP）值篩選差異揮發(fā)性風(fēng)味化合物，并進(jìn)行聚類分析（cluster analysis，CA）。以期對醬香型地域劃分、企業(yè)品牌標(biāo)準(zhǔn)體系建立提供研究基礎(chǔ)與理論指導(dǎo)，對醬香產(chǎn)區(qū)分類有一定指導(dǎo)意義。

1 材料與方法

1.1 材料與試劑

51個醬香白酒樣品，其中包括16個MT產(chǎn)區(qū)系列酒樣（MT1～MT16），9個ZJ產(chǎn)區(qū)系列酒樣（ZJ1～ZJ9），11個XJ產(chǎn)區(qū)系列酒樣（XJ1～XJ11），10個JS產(chǎn)區(qū)系列（JS1～JS10）酒樣，5個LJ產(chǎn)區(qū)系列酒樣（LJ1～LJ5），均由市場采購獲得。

叔戊醇、乙酸正戊酯、2-乙基丁酸（純度均＞98%）、乙酸乙酯、丙酸乙酯、異丁酸乙酯等35個標(biāo)準(zhǔn)品（純度≥97.0%）：上海阿拉丁生化科技股份有限公司；無水乙醇（色譜純）：天津市科密歐化學(xué)試劑有限公司；乙醛（純度≥97.0%）：美國Sigma-Aldrich公司；2-甲基丁酸乙酯（純度≥97.0%）：上海賢鼎生物科技有限公司；異戊酸乙酯、丁二酸二乙酯、鄰苯二甲酸二丁酯等標(biāo)準(zhǔn)品（純度均≥97.0%）：上海易恩化學(xué)技術(shù)有限公司；庚酸乙酯、壬酸乙酯、異丁醇、2,3-丁二醇、異戊醛（純度均≥97.0%）：上海麥克林生化科技有限公司。

1.2 儀器與設(shè)備

7890A氣相色譜儀：安捷倫科技有限公司；PAL多功能自動進(jìn)樣器：瑞士斯特分析儀器有限公司；Millipore-Q超純水系統(tǒng)、2 mL進(jìn)樣瓶：佰奧萃（天津）生物科技有限公司。

1.3 方法

1.3.1 酒樣預(yù)處理

移取5 mL酒樣過0.22 μL有機(jī)濾膜，吸取990 μL過膜后的酒樣于2 mL氣相進(jìn)樣瓶中，加入體積分?jǐn)?shù)1%的叔戊醇（內(nèi)標(biāo)）溶液10 μL，加蓋密封，備用，每個樣品重復(fù)2～3次。

1.3.2 揮發(fā)性風(fēng)味物質(zhì)檢測

采用氣相色譜法檢測白酒樣品中的揮發(fā)性風(fēng)味物質(zhì)。

GC條件：SH-Rtx-Wax色譜柱（30 m×0.25 mm×0.25 μm）；載氣為氮氣（N2）（99.999%）；進(jìn)樣口溫度250 ℃；分流比30∶1；檢測器溫度250 ℃；氫氣流量30 mL/min，空氣流量300mL/min，升溫程序為初始溫度30℃，保持3min，以3℃/min升溫至180 ℃，再以15 ℃/min升溫至210 ℃，保持8 min。

定性、定量分析：采用保留時間定性，根據(jù)張曉婕等[11]方法對白酒風(fēng)味進(jìn)行定量，以待測物與內(nèi)標(biāo)物的含量比（X）為橫坐標(biāo)，峰面積比（Y）為縱坐標(biāo)，采用內(nèi)標(biāo)法定量酒樣中各風(fēng)味物質(zhì)。繪制各揮發(fā)性風(fēng)味物質(zhì)的標(biāo)準(zhǔn)曲線，獲得其標(biāo)準(zhǔn)曲線回歸方程。

香氣活度值（odor active value，OAV）分析：通過查閱相關(guān)文獻(xiàn)確定每個物質(zhì)閾值計算得到OAV，一般認(rèn)為OAV＞1則代表該物質(zhì)具有貢獻(xiàn)作用，計算公式如下：

式中：C為各揮發(fā)性物質(zhì)質(zhì)量濃度，mg/L；OT為各揮發(fā)性物質(zhì)閾值，μg/L。

1.3.3 正交偏最小二乘-判別分析

從146個觀測值中篩選掉異常值后，從每個產(chǎn)區(qū)隨機(jī)選取3個樣本作為測試集，共計15個，其余樣本為訓(xùn)練集，利用正交偏最小二乘-判別分析構(gòu)建不同產(chǎn)區(qū)醬香白酒鑒別模型。并利用VIP值篩選不同流域醬香白酒產(chǎn)區(qū)的揮發(fā)性差異物，根據(jù)所選差異物繪制層次聚類熱圖，直觀表達(dá)風(fēng)味化合物的潛在聯(lián)系。

1.3.4 數(shù)據(jù)處理

采用SIMCA軟件13.0進(jìn)行主成分分析以及模型構(gòu)建。采用MetaboAnalyst2.0繪制聚類分析熱圖。

2 結(jié)果與分析

2.1 赤水河流域不同產(chǎn)區(qū)醬香白酒揮發(fā)性風(fēng)味物質(zhì)分析

不同產(chǎn)區(qū)各揮發(fā)性風(fēng)味化合物相對含量見表1，不同產(chǎn)區(qū)醬香型白酒揮發(fā)性風(fēng)味物質(zhì)測定結(jié)果及OAV見表2。由表1和表2可知，不同酒樣中共檢出揮發(fā)性風(fēng)味化合物64種，其中，酯類19種，醇類13種，酸類8種，醛酮類7種，吡嗪類2種，呋喃類5種，芳香族類8種，酚類2種，不同產(chǎn)區(qū)酒樣的揮發(fā)性風(fēng)味物質(zhì)總含量存在差異，ZJ產(chǎn)區(qū)酒樣揮發(fā)性風(fēng)味物質(zhì)總含量略偏低，為9 125.45 mg/L，其余酒樣總含量較為接近，為11 010.40～11 716.49 mg/L，這與李利利[14]的研究結(jié)果一致。不同產(chǎn)區(qū)醬香白酒風(fēng)味物質(zhì)主要為酯類物質(zhì)，其次是醇類、酸類、醛酮類，吡嗪類物質(zhì)在白酒中含量極低，但賦予白酒堅果和焙烤香氣，對其他化合物有明顯的烘香作用[11]。酯類物質(zhì)在白酒中能賦予其花香和果香[15]，對白酒空杯后味具有貢獻(xiàn)，酸類化合物是重要的呈味物質(zhì)，能夠調(diào)和酒體口味、穩(wěn)定香氣[15]，醇類物質(zhì)沸點低易揮發(fā)，對白酒風(fēng)味層次具有貢獻(xiàn)作用[16]。XJ和MT產(chǎn)區(qū)酒樣中的酯類物質(zhì)和酸類物質(zhì)含量較高，且酯類物質(zhì)中的乙酸乙酯和酸類物質(zhì)中的乙酸在醬香型白酒樣品中的含量最高。JS產(chǎn)區(qū)酒樣的酯類物質(zhì)含量最低，但醇類、呋喃類化合物含量最高，LJ產(chǎn)區(qū)酒樣的酚類化合物和醛酮類化合物明顯高于其他產(chǎn)區(qū)，MT產(chǎn)區(qū)酒樣與LJ產(chǎn)區(qū)酒樣相反，ZJ產(chǎn)區(qū)酒樣中的芳香族類物質(zhì)相對含量最高。

表1 不同產(chǎn)區(qū)酒樣各類揮發(fā)性風(fēng)味化合物相對含量Table 1 Relative contents of various types of volatile flavor compounds in Baijiu samples from different producing areas

表2 不同產(chǎn)區(qū)醬香型白酒揮發(fā)性風(fēng)味物質(zhì)測定結(jié)果及香氣活度值Table 2 Determination results of volatile flavor compounds and odor active value of sauce-flavor Baijiu from different producing areas

XJ和MT產(chǎn)區(qū)酒樣酯類和酸類化合物含量明顯高于其他產(chǎn)區(qū)的原因主要是乙酸乙酯和乙酸含量高，乙酸乙酯和乙酸是醬香白酒中占比最大的酯類和酸類物質(zhì)。此外，OAV結(jié)果表明，乙酸苯乙酯只對XJ產(chǎn)區(qū)酒樣有香氣貢獻(xiàn)，乙酸苯乙酯在釀造過程中合成率較低，XJ產(chǎn)區(qū)酒樣可能具有更多適宜具有合成乙酸苯乙酯能力的微生物。通過計算OAV可知，正戊醇和2-庚醇對JS和LJ產(chǎn)區(qū)酒樣有香氣貢獻(xiàn)，對XJ和MT產(chǎn)區(qū)酒樣則無香氣貢獻(xiàn)，這可能是造成它們香氣差異的主要物質(zhì)。辛醇對JS產(chǎn)區(qū)酒樣無香氣貢獻(xiàn)，而對其余酒樣均有貢獻(xiàn)，苯甲醛只對JS產(chǎn)區(qū)酒樣有香氣貢獻(xiàn)。

為進(jìn)一步分析赤水河五個不同產(chǎn)區(qū)的醬香白酒的香氣特征化合物，以對五種酒樣的香氣具有貢獻(xiàn)的化合物（OAV＞1）做載荷分析，結(jié)果見圖1。由表1和圖1可知，碳原子數(shù)＞4的酯類物質(zhì)對LJ產(chǎn)區(qū)酒樣影響較大，包括辛酸乙酯、戊酸乙酯、己酸乙酯，其中己酸乙酯呈水果香和花香，LJ產(chǎn)區(qū)酒樣果香味較濃，己酸乙酯含量明顯高于其他幾個酒樣，分析原因可能是LJ產(chǎn)區(qū)酒樣既生產(chǎn)醬香型白酒又生產(chǎn)濃香型白酒，己酸乙酯是濃香型白酒中酯類物質(zhì)含量最高的物質(zhì)，在LJ產(chǎn)區(qū)釀造環(huán)境和釀造工藝中存在一些己酸乙酯的代謝物。乙酸、乙酸乙酯與丙酸、丙酸乙酯之間會發(fā)生水解和酯化反應(yīng)，該四種化合物與MT產(chǎn)區(qū)酒樣相關(guān)性較大，異戊醛、異戊醇、丁酸乙酯、糠醛對JS產(chǎn)區(qū)酒樣貢獻(xiàn)較大，與ZJ和XJ產(chǎn)區(qū)酒樣相關(guān)性較大的多為一些酯類化合物，如異丁酸乙酯、癸酸乙酯、壬酸乙酯、異戊酸乙酯、癸酸乙酯、乳酸乙酯。

圖1 基于OAV＞1的特征化合物不同產(chǎn)區(qū)酒樣的主成分分析載荷圖Fig.1 Load diagram of principal component analysis of Baijiu samples from different regions based on characteristic compounds with OAV＞1

2.2 不同產(chǎn)區(qū)醬香型白酒揮發(fā)性風(fēng)味物質(zhì)差異分析

2.2.1 主成分分析

對赤水河流域五個不同產(chǎn)區(qū)的醬香型白酒中的64個揮發(fā)性風(fēng)味物質(zhì)含量的數(shù)據(jù)進(jìn)行處理，PCA散點圖見圖2。由圖2可知，五個產(chǎn)區(qū)白酒樣品大致被分成三類，LJ產(chǎn)區(qū)酒樣位于坐標(biāo)軸左下方，JS產(chǎn)區(qū)酒樣集中位于坐標(biāo)軸左上軸。MT產(chǎn)區(qū)酒樣位于坐標(biāo)軸右上半軸，XJ和ZJ產(chǎn)區(qū)酒樣基本位于坐標(biāo)軸下半軸。ZJ、XJ、MT三大產(chǎn)區(qū)酒樣則集中分布在原點附近，聚集度較高。JS產(chǎn)區(qū)酒樣組內(nèi)分布較為散亂，可能是JS產(chǎn)區(qū)酒樣中存在部分年份白酒，放置一段時間后風(fēng)味物質(zhì)含量發(fā)生了改變。據(jù)文獻(xiàn)報道，金沙地區(qū)醬香白酒分布較為集中，茅臺鎮(zhèn)核心地區(qū)、習(xí)水地區(qū)分布聚攏，這可能是因為金沙醬酒與其他幾個地區(qū)醬香白酒的礦質(zhì)含量有差異[17]。由此可見，JS與LJ產(chǎn)區(qū)酒樣組間差異大，與其余三個產(chǎn)區(qū)分布明顯區(qū)分開，XJ、MT和ZJ三個產(chǎn)區(qū)酒樣的風(fēng)味物質(zhì)分布較一致的原因可能是地理位置接近，環(huán)境條件以及微生物種類較相似。

圖2 不同產(chǎn)區(qū)酒樣揮發(fā)性風(fēng)味物質(zhì)主成分分析散點圖Fig.2 Scatter plots of principal component analysis of volatile flavor compounds in Baijiu samples from different producing regions

2.2.2 模型構(gòu)建及驗證

總體來看，雖然五個產(chǎn)區(qū)白酒大致被區(qū)分開，但組間和組內(nèi)之間分布都較為散亂，為建立一個快速準(zhǔn)確的赤水河流域產(chǎn)區(qū)鑒別模型，采用Hotelling's T2和DmodX法排除異常值，主成分分析的異常值篩選見圖3。由圖3可知，排除異常值15個，剩下116個訓(xùn)練集、15個測試集基于揮發(fā)性風(fēng)味物質(zhì)含量結(jié)果對不同赤水河流域產(chǎn)區(qū)醬香型白酒構(gòu)建模型。

圖3 主成分分析的異常值篩選Fig.3 Abnormal value screening of principal component analysis

篩選完異常值后，將剩余訓(xùn)練集樣品的揮發(fā)性風(fēng)味化合物定量結(jié)果構(gòu)建OPLS-DA模型，結(jié)果見圖4。由圖4可知，MT產(chǎn)區(qū)酒樣基本與XJ和ZJ產(chǎn)區(qū)酒樣分離開，但XJ和ZJ產(chǎn)區(qū)酒樣分離效果依然不佳?？傮w來說模型分類良好，且模型的解釋變量（R2Y）和預(yù)測能力（Q2Y）分別為0.966和0.945。

圖4 不同酒樣揮發(fā)性風(fēng)味化合物正交偏最小二乘-判別分析Fig.4 Orthogonal partial least squares-discriminant analysis of volatile flavor compounds in different Baijiu samples

此外進(jìn)行了200次的置換檢驗，結(jié)果見圖5。由圖5可知，置換檢驗的R2截距為0.926，Q2截距為-0.454，且圖中左側(cè)的點均低于右側(cè)的點，說明模型對數(shù)據(jù)未過擬合。

圖5 置換檢驗結(jié)果Fig.5 Results of the permutation test

將從每個產(chǎn)區(qū)隨機(jī)抽取三個觀測值作為測試集代入上述模型中，以評估模型對于不同產(chǎn)區(qū)的識別情況，五個不同產(chǎn)區(qū)的訓(xùn)練集和測試集在兩個模型中的分布情況見圖6。由圖6可知，大多數(shù)酒樣正確分布到相應(yīng)的區(qū)域，個別酒樣除外。

圖6 測試集酒樣分布Fig.6 Distribution of test set Baijiu samples

2.3 差異揮發(fā)性風(fēng)味化合物的篩選

VIP值可以量化PLS-DA的每個變量對分類的貢獻(xiàn)度[18]，VIP值越大，認(rèn)為變量在不同產(chǎn)地間差異越顯著[19]，以VIP值＞1為篩選標(biāo)準(zhǔn)，確認(rèn)了28種對赤水河流域不同產(chǎn)區(qū)白酒具有貢獻(xiàn)的物質(zhì)。赤水河流域不同產(chǎn)區(qū)醬香型白酒風(fēng)味物質(zhì)VIP分布圖見圖7。

圖7 基于正交偏最小二乘-判別分析不同酒樣揮發(fā)性風(fēng)味物質(zhì)變量投影重要性值Fig.7 Variable importance in the projection values of volatile flavor compounds in different Baijiu samples based on orthogonal partial least squares-discriminant analysis

由圖7可知，28種對赤水河流域不同產(chǎn)區(qū)白酒具有貢獻(xiàn)的物質(zhì)為2-丁基呋喃、壬酸乙酯、癸酸、2-壬酮、乳酸乙酯、仲丁醇、乙酸、乙偶姻、肉豆蔻酸乙酯、2,3,5,6-四甲基吡嗪、癸酸乙酯、異戊醛、乙酸乙酯、己醛、2,3,5-三甲基吡嗪、辛酸乙酯、正丙醇、鄰苯二甲酸二丁酯、異戊醇、異丁醛、2-戊醇、苯乙酸乙酯、2-壬醇、庚酸乙酯、異戊酸乙酯、己酸、糠醛、丁酸。其中，2-丁基呋喃（1.60）、壬酸乙酯（1.40）、癸酸（1.30）對區(qū)分不同產(chǎn)區(qū)酒樣貢獻(xiàn)度更大。

為進(jìn)一步探索赤水河流域不同產(chǎn)區(qū)醬酒風(fēng)味差異物，根據(jù)VIP值篩選出來的28種潛在差異物繪制聚類熱圖，直觀展示了64種揮發(fā)性風(fēng)味成分在不同產(chǎn)區(qū)間的分布規(guī)律，結(jié)果見圖8。由圖8可知，不同產(chǎn)區(qū)的酒樣之間分類效果較好，LJ和JS產(chǎn)區(qū)酒樣明顯區(qū)分于其他三個酒樣，MT、ZJ和XJ產(chǎn)區(qū)酒樣風(fēng)格類似，其中MT和ZJ產(chǎn)區(qū)酒樣聚類效果更佳。不同產(chǎn)區(qū)醬香白酒中的關(guān)鍵差異物是造成不同酒樣品質(zhì)風(fēng)格不同的主要原因，五個產(chǎn)區(qū)被分成不同類別，進(jìn)一步驗證了赤水河流域不同醬香白酒產(chǎn)區(qū)風(fēng)格差異顯著性。

圖8 不同酒樣揮發(fā)性風(fēng)味化合物的聚類分析熱圖Fig.8 Heat map of cluster analysis of volatile flavor compounds in different Baijiu samples

其中庚酸乙酯、辛酸乙酯、肉豆蔻酸乙酯、己酸在LJ和JS產(chǎn)區(qū)酒樣含量明顯高于其他三個產(chǎn)區(qū)，根據(jù)定量結(jié)果可知，LJ和JS產(chǎn)區(qū)酒樣的己酸乙酯含量偏高，己酸乙酯是濃香型白酒中酯類物質(zhì)含量最高的物質(zhì)，在LJ產(chǎn)區(qū)釀造環(huán)境和釀造工藝中存在一些己酸乙酯的代謝物，這與唐平等[20-21]研究結(jié)果一致。JS產(chǎn)區(qū)酒樣的異丁醛、異戊醛、糠醛和異戊醇含量較高，糠醛是醬酒中的主要呋喃類物質(zhì)，高沸點、不易揮發(fā)，具有空杯留香的特點，其在JS產(chǎn)區(qū)酒樣中的含量遠(yuǎn)遠(yuǎn)高于其他產(chǎn)區(qū)，JS醬酒濃郁的空杯香很有可能就是高含量、高沸點的糠醛與其他香氣物質(zhì)形成的復(fù)合香氣。這與周靖等[22]對金沙醬酒風(fēng)味研究研究結(jié)果一致，XJ產(chǎn)區(qū)酒樣中的乙酸和乙酸乙酯含量最高，乙酸是白酒中最豐富的酸，具有酸香和醋香氣味，它由酵母菌在發(fā)酵過程中產(chǎn)生[23]，脂肪酸通過酯類水解來促進(jìn)XJ產(chǎn)區(qū)酒樣的香氣平衡，這對芳香酯含量有重要影響。MT產(chǎn)區(qū)酒樣的吡嗪類物質(zhì)含量相對于其他產(chǎn)區(qū)而言較高，大部分吡嗪類物質(zhì)對人體健康有益，吡嗪類物質(zhì)是醬香白酒焦香風(fēng)味的主要來源[24]。異戊醛、異戊醇、丁酸乙酯、糠醛對JS產(chǎn)區(qū)酒樣貢獻(xiàn)較大，這與張情亞等[25]研究結(jié)果一致。

3 結(jié)論

本研究圍繞了赤水河流域中的JS、LJ、ZJ、MT、ZJ五個不同產(chǎn)區(qū)代表性的52個樣品醬香型白酒中的64種揮發(fā)性物質(zhì)定量結(jié)果進(jìn)行分析。主成分分析結(jié)果顯示，JS產(chǎn)區(qū)和LJ產(chǎn)區(qū)酒樣明顯與其他產(chǎn)區(qū)酒樣分開，ZJ、XJ產(chǎn)區(qū)酒樣聚集度較高，MT產(chǎn)區(qū)酒樣靠近ZJ和XJ產(chǎn)區(qū)酒樣，總體來說，五個產(chǎn)區(qū)的醬香白酒風(fēng)味分布有一定的差異性。利用PCA和OPLS-DA建立赤水河流域不同醬香白酒產(chǎn)區(qū)分類模型，部分酒樣作為驗證模型，模型預(yù)測率為100%，基本可以實現(xiàn)不同產(chǎn)區(qū)的醬香白酒鑒別。根據(jù)VIP值篩選出的28種重要差異物做聚類分析熱圖以直觀表達(dá)不同流域產(chǎn)區(qū)白酒風(fēng)味成分分布規(guī)律，結(jié)合載荷圖和OAV分析最終確立了19個對貴州不同產(chǎn)區(qū)風(fēng)味物質(zhì)差異具有貢獻(xiàn)的物質(zhì)，包括6種酯類、3種酸類、2種醛類、3種醇類、2種吡嗪類、1種呋喃類、2種芳香族類物質(zhì)。本研究可對赤水河不同流域產(chǎn)區(qū)白酒風(fēng)味差異提供一定的數(shù)據(jù)和理論支持，豐富了不同產(chǎn)區(qū)白酒的地理環(huán)境存在差異，為了建立更具實用價值、更穩(wěn)定的白酒判別模型，還需擴(kuò)大采樣范圍和樣本量進(jìn)行更深層次的研究。