不同季節(jié)綠茶香氣成分的判別與聚類分析

KANG Suyoung，朱 蔭，鄭新強，梁月榮,*，林 智,*

（1.中國農業(yè)科學院茶葉研究所，農業(yè)部茶樹生物學與資源利用重點實驗室，浙江 杭州 310008；2.浙江大學茶葉研究所，浙江 杭州 310058）

茶葉香氣是影響茶葉品質好壞和消費者選擇的重要因素之一。茶葉香氣的形成主要受茶樹品種、栽培環(huán)境、采摘季節(jié)、加工工藝等因素影響，促使茶葉香氣物質的組成和含量存在差異，從而產生不同類型的香氣品質[1-2]。根據生產季節(jié)的不同，茶葉有春茶、夏茶和秋茶之分，不同季節(jié)的茶葉香氣品質受氣候條件如光照、溫濕度、光質、雨量等影響，制成的茶葉香氣有所區(qū)別。一般而言，春茶香氣最高，秋茶次之，夏茶香氣最低[3]。張正竹等[4]研究表明春、秋季的香氣前體總量高于夏季，香氣前體種類則隨季節(jié)變化的消長規(guī)律也存在明顯差異。賴幸菲等[5]將不同季節(jié)翠玉品種加工的綠茶香氣進行對比研究發(fā)現，春茶和夏茶的香氣物質種類較多，物質組成較為相似，且春茶主導香氣成分多呈現為花香型；秋茶的香氣物質種類較少，主導香氣成分與春、夏兩季不同。由此可見，生產季節(jié)對茶葉香氣品質的形成起著至關重要的作用，查明不同季節(jié)間茶葉的關鍵差異性香氣成分有助于進一步豐富茶葉香氣化學理論，更可為綠茶香氣的形成機理研究及科學評價提供理論參考依據。

本研究旨在查明不同季節(jié)綠茶樣品間的關鍵差異性成分，因此在茶樹的產區(qū)及品種選取上需具有較強的廣泛性及針對性。中國茶葉主要分布在西南、華南、江南及江北4 個產區(qū)，其中西南產區(qū)是中國最古老的茶區(qū)，而江南產區(qū)為中國茶葉主要產區(qū)，年產量大約占全國茶葉總產量的2/3，產區(qū)內茶葉具有較強的代表性[6]。兩大產區(qū)的四季均較為分明，受茶樹生長的氣候、濕度、水分及溫度等生態(tài)因素影響大，其成品茶在揮發(fā)物質組成上也會表現出顯著性差異。因此在本研究中擬采用來自重慶永川、貴州銅仁（西南產區(qū)）及安徽安慶（江南產區(qū)）的代表性茶樹品種（碧香早、福鼎大白茶、迎霜、皖茶91和舒茶早）作為研究對象。在品種選擇上，所選取的茶樹品種具有較強代表性及地域特色，如福鼎大白茶、迎霜為國家級無性系茶樹品種，由于抗逆性強，耐旱耐寒，因此被廣泛種植于多個產區(qū)；而皖茶91和舒茶早則是安徽地區(qū)較為知名的兩個國家級茶樹品種，具有較強的地域特點及代表性[7]。

另一方面，頂空固相微萃取（headspace-solid phase microextraction，HS-SPME）法是利用萃取纖維的選擇性吸附特性對所需檢測成分進行微量萃取的一種方法，可用于收集干茶和茶湯的揮發(fā)性化合物[8-9]。HS-SPME的優(yōu)點在于集采樣、萃取、濃縮為一體，與氣相或液相色譜等儀器聯用能簡便、快捷地分析樣品，而無需有機溶劑、成本低[10-11]。因此，該方法在近年來被廣泛運用于茶葉的香氣成分定性定量分析上[12-13]。偏最小二乘判別分析（partial least squares-discriminate analysis，PLS-DA）在茶葉種類判別及品質評價等方面已有較好的應用[14-16]。葉能勝等[17]采用膠束電動色譜熒光誘導法結合PLS-DA技術將3 種不同綠茶正確區(qū)分。本課題組曾采用HS-SPME/氣相色譜-火焰離子檢測器（gas chromatography-flame ionization detector，GC-FID）及HS-SPME結合氣相色譜-質譜（gas chromatography-mass spectrometry，GC-MS）聯用技術對茶葉中常見的12 種揮發(fā)性萜類化合物的對映異構體進行分析[18-20]，結合PLS-DA技術將大葉種及小葉種紅茶區(qū)分，并采用該技術使綠茶、白茶及黑茶分別獲得良好的聚類效果[21]。本研究選取了四季較為分明的西南及江南產區(qū)的知名茶樹品種作為樣本來源，采用HSSPME法結合GC-MS分析不同茶樹品種加工而成的不同季節(jié)綠茶樣品的香氣成分，繼而利用PLS-DA技術對不同季節(jié)綠茶香氣成分進行判別分析，從而對不同季節(jié)綠茶間的關鍵差異性香氣成分進行進一步的聚類分析，旨在查明不同季節(jié)綠茶香氣形成差異的主要貢獻成分，并探索不同季節(jié)綠茶香氣成分組成及含量的分布規(guī)律。

1 材料與方法

1.1 材料與試劑

為了使分析結果更具有代表性及參考意義，本研究選用來自3 個不同產區(qū)的茶樹鮮葉品種，分別為重慶永川的“碧香早（BXZ）”和“福鼎大白茶（YCFD）”、貴州銅仁的“迎霜（T RY S）”和“福鼎大白茶（TRFD）”以及安徽安慶的“皖茶91（WC）”和“舒茶早（SCZ）”。分別于2014年春季（4月20—30日）、夏季（7月21—30日）及秋季（9月12—20日）采用相同的加工工藝制備相應綠茶樣品1～2 個批次，共計32 個樣品，其中春季茶樣12 個：銅仁福鼎的2 批次茶樣、銅仁迎霜的2 批次茶樣、皖茶91的2 批次茶樣、舒茶早的2 批次茶樣、碧香早的2 批次茶樣及永川福鼎的2 批次茶樣；夏季茶樣10 個：銅仁福鼎的2 批次茶樣、銅仁迎霜的1 個茶樣、皖茶91的2 批次茶樣、舒茶早的1 個茶樣、碧香早的2 批次茶樣及永川福鼎的2 批次茶樣；秋季茶樣10 個：銅仁福鼎的1 個茶樣、銅仁迎霜的2 批次茶樣、皖茶91的2 批次茶樣、舒茶早的2 批次茶樣、碧香早的2 批次茶樣及永川福鼎的1 個茶樣。

無水乙醚（色譜級） 美國Tedia公司；正己烷（色譜級） 德國Meker公司；純凈水 杭州娃哈哈集團；氯化鈉（分析級）、愈創(chuàng)木酚（色譜級） 上海阿拉丁生化科技股份有限公司；氯環(huán)己烷（色譜級） 日本TCI公司；癸酸乙酯（色譜級） 美國Sigma-Aldrich公司。

1.2 儀器與設備

DGX-9243B-2電熱恒溫鼓風干燥箱 上海福瑪實驗設備有限公司；AB265-S電子天平 梅特勒-托利多（常州）稱重設備系統有限公司；HH-2數顯恒溫水浴鍋國華電器有限公司；QP2010 Ultra GC-MS聯用儀 日本島津公司；5 0/3 0 μ m二乙烯基苯/碳分子篩/聚二甲基硅氧烷共聚物（divinylbenzene/carboxen/polydimethylsiloxane，DVB/CAR/PDMS）SPME萃取頭、SAAB-57330U SPME手柄 美國色譜科公司。

1.3 方法

1.3.1 樣品加工

鮮葉采摘標準統一為一芽二葉，采用傳統炒青加工工藝制備綠茶，加工步驟如下：鮮葉經過攤晾5 h→230 ℃滾筒殺青5 min→揉捻20 min→120 ℃毛火干燥15 min→攤晾1 h→90 ℃足火干燥（含水量＜5%），備用。

1.3.2 樣品前處理

統計測得的巖石標本密度數據（如表1 冀北地區(qū)中生代巖漿巖部分密度數據），得知處于地表的火山巖包括火山碎屑巖、火山熔巖，一些亞類的巖石，如粗面巖、流紋巖、英安巖等，平均密度不足2.50×103kg/m3。但玄武巖、安山巖具有較高的密度，超過2.55×103kg/m3。潛火山巖、深成巖共同構成侵入地表的巖漿巖。潛火山巖、花崗巖、正長巖的亞類巖石密度菌未達到2.60×103kg/m3。但輝長巖、斜長巖、閃長巖的密度均高于2.60×103kg/m3，有的甚至超過2.70×103kg/m3，由此不難得出冀北地區(qū)中生代巖漿巖中一些偏酸性的巖石亞類密度較偏基性的巖石亞類密度低。

本研究采用HS-SPME法提取揮發(fā)性化合物，萃取步驟如下：茶水比為1∶50（g/mL），即稱取3 g茶樣加熱水150 mL（100 ℃），在70 ℃水浴提取10 min后，通過4 層棉布過濾除去茶渣。取10 mL過濾后的茶湯至20 mL玻璃瓶中，加內標（0.002 mg/L的氯環(huán)己烷5 μL，25 mg/L的愈創(chuàng)木酚5 μL，0.5 mg/L的癸酸乙酯5 μL）和經過120 ℃烘干機烘干1 h以上的氯化鈉2 g。蓋上聚四氟乙烯瓶蓋均勻振蕩后，往玻璃瓶中插入含DVB/CAR/PDMS（50/30 μm）萃取纖維的手動SPME裝置，在40 ℃恒溫水浴吸附60 min。取出后立即插入GC-MS進樣口中解吸附3.5 min，同時啟動儀器收集數據。

1.3.3 GC-MS條件

G C條件：進樣口溫度25 0 ℃，色譜柱為HP-INNOWax（30 m×0.25 mm，0.25 μm）；不分流進樣，載氣為高純氦（純度為99.999%），柱流量為1 mL/min；升溫程序為50 ℃保持10 min，以3 ℃/min的速率升到150 ℃保持5 min，再以10 ℃/min的速率升溫至230 ℃，保持3 min。

MS條件：電子電離源，離子源溫度180 ℃，電子能量-70 eV，掃描質量范圍35～400 u，掃描模式為全離子掃描。

1.3.4 綠茶香氣成分的定性定量

安捷倫數據工作站中NIST2014標準譜庫自動檢索，通過與標準質譜數據的比對，篩選匹配度達到90%以上的化合物，同時結合化合物結構分析，排除雜質或柱流失等干擾性化合物。采用內標法對最終確定的香氣化合物進行相對定量，采用待測組分的峰面積與內標物的峰面積（總和）的比值作為相應化合物的相對含量。每個茶樣重復測量3 次，取平均值并計算相對標準偏差。

1.4 數據統計分析

對原始數據進行標準化處理，采用Excel 2010（美國Microsoft公司）進行相對標準偏差計算及數據分析；PLS-DA采用SIMCA-P 11.5軟件（瑞典Umetrics公司）完成；Mann-Whitney檢驗采用SPSS Statistics 20.0（美國IBM公司）分析；關鍵香氣成分在綠茶不同季節(jié)中的分布規(guī)律使用MeV生物信息學分析軟件（美國Oracle公司）中的層次聚類分析（hierarchical cluster analysis，HCA）來完成。

2 結果與分析

2.1 不同季節(jié)綠茶香氣成分的組成及含量

圖1 綠茶揮發(fā)性成分的總離子流圖Fig.1 Total ion chromatogram of volatile components in green tea

表1 不同季節(jié)綠茶樣品（TRYS、TRFD及WC品種）中鑒定出的揮發(fā)性化合物及其相對含量Table1 The identif i ed volatile components and their relative contents in green tea (TRYS, TRFD and WC cultivars) harvested in different seasons

表2 不同季節(jié)綠茶樣品（SCZ、BXZ及YCFD品種）中鑒定出的香氣化合物及其相對含量Table2 The identif i ed volatile components and their relative contents in green tea (SCZ, BXZ and YCFD cultivars) harvested in different seasons

定量分析結果表明，雖然3 個季節(jié)綠茶的香氣成分的種類基本相同，但在含量比例上有著較為顯著的差異。如圖2所示，在3 個季節(jié)中，醇類化合物均占有最高比例，介于49%～54%之間，其中秋季綠茶中醇類含量最高；醛類化合物在3 個季節(jié)綠茶中的含量均僅次于醇類，相對含量介于18%～32%之間，其中夏季綠茶中該類化合物含量最高；其他類化合物的含量最低，在3 個季節(jié)中相對含量均低于3%。

圖2 春（A）、夏（B）、秋（C）季綠茶的揮發(fā)性化合物的分布比較Fig.2 Comparison in distribution prof i les of volatile compounds among green teas harvested in spring (A), summer (B) and autumn (C)

春季綠茶中香葉醇的含量最高（平均相對含量為10.13%），芳樟醇及順茉莉酮的相對含量次之（平均相對含量分別為9.11%和7.16%）；夏季綠茶中，芳樟醇與（反,反）-2,4-庚二烯醛占有最高比例（平均相對含量分別為14.35%和13.15%）；秋茶中芳樟醇的相對含量最高（平均相對含量為10.06%），脫氫芳樟醇及（反,反）-2,4-庚二烯醛含量次之（平均相對含量分別為7.07%和6.31%）。香葉醇、芳樟醇及脫氫芳樟醇均屬于萜烯醇類化合物，這類物質普遍具有怡人的香氣和較低的香氣閾值，沸點相對較高，對綠茶香氣的形成有重要作用[22]。香葉醇是茶葉中含量較高的香氣物質之一，在春茶中的含量最高，而夏季中降至最低，它被認為是茶葉花香來源的關鍵化合物[23]；芳樟醇具有百合或玉蘭花香氣，它本身大量存在于茶樹鮮葉中，也來源于加工過程中葡萄糖苷的水解，因此在成品茶中有極高的含量，同樣也被認為是茶葉花香的重要來源[22]。

2.2 不同季節(jié)綠茶香氣成分的判別分析

由于茶葉香氣成分繁多復雜，且受茶樹品種、產區(qū)、季節(jié)及加工因素等多方面影響，很難通過簡單的數據分析獲得有效的變量。多元統計分析手段能夠在多個對象和多個指標互相關聯的情況下分析目標樣品的統計規(guī)律，因此被廣泛運用于茶葉科學領域。其中主成分分析（principal component analysis，PCA）是常見的統計學分析手段，在烏龍茶[24]、白茶[25]及蘭香型茶葉[26]的判別分析上有廣泛的應用。本研究基于不同季節(jié)綠茶香氣成分的相對含量建立了相應的PCA模型，如圖3a所示，統計分析結果表明，綠茶樣品無法以季節(jié)為指定變量獲得較好聚類效果。推測由于PCA采用無監(jiān)督的降維分析方法，樣品中品種及產地等因素對該模型的干擾較大，所以無法獲得理想效果。PLS-DA是一種用于判別分析的多變量統計分析方法，其原理是對不同處理樣本（如觀測樣本、對照樣本）的特性分別進行訓練，產生訓練集，并檢驗訓練集的可信度。該方法可以預先對所需的觀察變量進行分組，后根據組別性質對數據進行統計分析，從而可以精確獲悉影響分組的關鍵變量[15]。本研究采用SIMCA-P 11.5軟件對香氣檢測結果進行分析，基于不同季節(jié)綠茶香氣成分的相對含量建立了相應的PLS-DA模型。如圖3b所示，通過該PLS-DA模型可成功區(qū)分春、夏、秋三季的綠茶樣品，且良好的擬合參數（R2Y=0.903，Q2=0.570）證明了該模型的準確性。由于當變量數量大于樣品數量時，使用有監(jiān)督判別方法進行分析時易產生過擬合現象，因此需要使用置換檢驗方法考察PLS-DA在無差異情況下的建模效果[27]。如圖3c所示，經過200 次交叉驗證之后，Q2回歸直線與Y軸的截距均小于0，表明該PLS-DA判別模型不存在過擬合現象，模型較為可靠。

PLS-DA變量重要性因子（variable importance in the projection，VIP）可以量化PLS-DA的每個變量對分類的貢獻，VIP值越大，變量在不同季節(jié)間差異越顯著，當VIP值大于1時，可界定對應的變量為該判別模型的關鍵變量[15]。如表3所示，本研究已建立的PLS-DA模型中，VIP值大于1的化合物共有16 種，它們分別是順-茉莉酮、苯甲醇、3,5-辛二烯-2-酮、反-2-辛烯醛、β-環(huán)檸檬醛、1-己醇、5,6-環(huán)氧-β-紫羅蘭酮、（反,反）-2,4-庚二烯醛、壬醛、脫氫芳樟醇、2,2,6-三甲基環(huán)己酮、1-壬醇、3-甲基呋喃、1-庚醇、2-甲基呋喃及1-乙基-1-吡咯-2-甲醛，以上化合物被鑒定為不同季節(jié)綠茶間的關鍵差異性香氣成分；其中，順-茉莉酮的VIP值最高（1.72），其含量在不同季節(jié)綠茶間的差異極大，在春茶中的平均相對含量（7.16%）高于夏茶（0.64%），應該為受季節(jié)因素影響最大的香氣化合物。此外，這16 種化合物的香氣特征各不相同，主要表現為花果香、青草香、甜香及烘烤香型等（表3）[28]，推測它們在不同季節(jié)綠茶中迥異的含量分布對相應綠茶的香氣品質形成有著重要的影響。

圖3 不同季節(jié)綠茶香氣成分PLS-DA得分圖及其驗證模型Fig.3 Score plot and PLS-DA model of volatile components in green teas grown in different seasons

為了使分析結果更為精確，采用Kruskal-Wallis及Mann-Whitney檢驗[29]對VIP值大于1的化合物進行進一步分析。如表3所示，16 種VIP值大于1的化合物中，大部分化合物的P值小于0.05，即在3 個季節(jié)樣品中存在統計學差異；其中反-2-辛烯醛、1-己醇、（反,反）-2,4-庚二烯醛、壬醛、脫氫芳樟醇、2,2,6-三甲基環(huán)己酮在3 個組別樣品中存在顯著性差異（P＜0.01）；而VIP值大于1的順-茉莉酮的P值小于0.001，表明其含量在組別間表現出極為顯著的差異性，與PLS-DA的分析結果一致。此外，3,5-辛二烯-2-酮、1-壬醇、2-甲基呋喃及1-乙基-1-吡咯-2-甲醛的檢驗結果與PLS-DA差異較大，并未在組別間呈現統計學差異。因此，在綜合了PLS-DA及兩種非參數檢驗分析結果之后，鑒定出春、夏及秋季綠茶中的關鍵差異性成分有12 種。

表3 16 種PLS-DA模型中VIP值大于1的揮發(fā)性化合物的P值及香氣特征Table3 The 16 volatile components with VIP ＞1 in PLS-DA model and their P values and aroma characteristics

2.3 不同季節(jié)綠茶關鍵成分的HCA

為了更直觀體現這12 種關鍵差異性化合物在三季綠茶中的分布情況，進一步采用HCA法[30-31]對這12 種關鍵香氣成分進行分析，生成的熱圖如圖4所示。這12 種關鍵差異性成分在春、夏及秋季綠茶中的含量分布上具有一定的規(guī)律性（圖中化合物相對含量從綠色到紅色為逐漸升高）：I區(qū)內化合物（反-2-辛烯醛、（反,反）-2,4-庚二烯醛、2,2,6-三甲基環(huán)己酮、β-環(huán)檸檬醛、5,6-環(huán)氧-β-紫羅蘭酮）在大部分夏茶中具有最高的含量，這些化合物主要為醛類和酮類，香氣特征普遍偏甜香和脂肪香（表3，序號4、5、7～8、11）。由于茶樹品種及種植地區(qū)的差異性較大，以上化合物在夏茶的不同樣本間也顯現出較大的差異性，如反-2-辛烯醛及（反,反）-2,4-庚二烯醛在永川種植的碧香早和福鼎大白茶中的含量最高，2,2,6-三甲基環(huán)己酮在銅仁福鼎大白茶、迎霜及安慶舒茶早中的含量最高，而β-環(huán)檸檬醛及5,6-環(huán)氧-β-紫羅蘭酮在安慶皖茶91中的含量要顯著低于其他夏茶。

II區(qū)內化合物（1-庚醇、苯甲醇、3-甲基呋喃、壬醛、順-茉莉酮及1-己醇）在大部分春茶中的含量高于其他兩季，其中醇類化合物數量最多，包括低沸點的鏈狀脂肪醇和高沸點的苯甲醇，其中苯甲醇的含量最高，春季相對含量平均值為0.67±0.27、夏季0.20±0.05、秋季0.18±0.13；春季綠茶中銅仁的迎霜、福鼎大白茶以及安慶皖茶91中苯甲醇的含量分布更為顯著。與苯甲醇分布略有不同的是，銅仁地區(qū)的茶樹品種中3-甲基呋喃、壬醛及1-己醇在春、夏及秋季綠茶樣品中的含量并未顯現明顯差異性，而其他地區(qū)或品種的茶葉樣品中以上化合物的含量在春季中的含量顯著高于其他兩季。順-茉莉酮是新茶的重要成分之一，有強烈而愉快的茉莉花香，對春茶優(yōu)異香氣品質形成起著重要的貢獻作用[22,32-33]，在本研究中與PLS-DA及非參數檢驗分析結果對應的是，順-茉莉酮在含量分布上的變化趨勢最為明顯，其含量在春茶中遠高于夏、秋季綠茶，被鑒定為春茶的特征性香氣成分；尤其在永川碧香早及福鼎大白茶中其相對含量（3.72±0.19，3.57±0.92）比其他春茶樣品高出2～3 倍之多。II區(qū)內化合物的香氣特征普遍為草本的清香及花果香（表3，序號1、2、6、9、13、14），這與春茶的感官審評結果較為一致[34-37]，說明它們可能對春茶優(yōu)質香氣品質形成起著重要作用。

相比春、夏綠茶，秋季綠茶的關鍵香氣成分最少，并未呈現明顯規(guī)律性，僅脫氫芳樟醇的含量在大部分秋茶中高于其他兩季，其香氣特征為清香、花香及木香（表3，序號10），其中安慶地區(qū)的舒茶早及皖茶91的秋茶樣品中脫氫芳樟醇的相對含量最高（4.58±0.61，2.3 2±0.2 8），永川品種次之（1.8 8±0.0 2，1.10±0.22），而銅仁地區(qū)的品種中該化合物的含量并未體現明顯的季節(jié)差異性。由此可見，脫氫芳樟醇的含量不僅與季節(jié)顯著相關，產地因素也是影響其分布的重要因素之一。而2,2,6-三甲基環(huán)己酮、1-己醇及壬醛等化合物僅在部分品種的秋季綠茶中有較高含量，如2,2,6-三甲基環(huán)己酮在福鼎大白品種中含量最高，1-己醇及壬醛在產自銅仁地區(qū)的茶樣中含量最高，可能是相應品種或地區(qū)的綠茶所具有的個體屬性。

圖4 12 種關鍵差異性香氣成分在不同季節(jié)綠茶中的含量分布熱圖Fig.4 Heat map of 12 key aroma components among green teas harvested in different seasons

3 結 論

本實驗采用HS-SPME技術結合GC-MS技術，對春、夏、秋3 季綠茶中的32 種香氣成分進行定性定量分析。這些化合物根據化學結構可分為醇類14 種、酮類4 種、醛類7 種、酯類2 種、雜環(huán)類3 種、烷類1 種、其他1 種等，其中醇類的種類最多，烷類和其他類最少。研究結果表明，不同季節(jié)的綠茶中共有香氣物質含量的差異性對其香氣類型造成了一定的影響[38]，醇類在春、夏、秋季綠茶中含量均最高。采用基于揮發(fā)性化合物相對含量的PLS-DA模型將3 個不同季節(jié)的綠茶成功區(qū)分，并鑒定出VIP值大于1的差異性香氣成分16 種；繼而采用非參數檢驗方法輔助驗證分析結果，確定在3 個季節(jié)間具有極顯著性差異的化合物1 種（順-茉莉酮）、顯著性差異化合物6 種（反-2-辛烯醛、1-己醇、（反,反）-2,4-庚二烯醛、壬醛、脫氫芳樟醇及2,2,6-三甲基環(huán)己酮）及差異性化合物5 種（苯甲醇、β-環(huán)檸檬醛、5,6-環(huán)氧-β-紫羅蘭酮、3-甲基呋喃及1-庚醇）。進一步的聚類分析結果表明，醇類及順-茉莉酮等化合物在春茶中含量顯著高于其他季節(jié)，它們的香氣特征普遍為草本的清香及花果香；夏茶中甜香及脂肪香的醛酮化合物含量較高，其中（反,反）-2,4-庚二烯醛含量最高[39]；秋茶中的關鍵香氣成分種類最為單一，僅清香、花香及木香型的脫氫芳樟醇的含量相對較高，其余化合物并未在秋茶中有明顯規(guī)律性。此外，由于茶樹品種及種植地區(qū)的差異性較大，因此盡管生產季節(jié)相同，不同品種及地區(qū)的綠茶樣品仍存在一定的差異性，如脫氫芳樟醇的含量具有一定的地域特征性，順-茉莉酮在福鼎大白品種的含量最高。然而，由于本研究旨在查明不同季節(jié)茶葉樣品間的關鍵差異性化合物，因此在樣品選擇上更多考慮季節(jié)因素，并鑒定出不同地區(qū)及茶樹品種來源的茶葉中的共有差異性物質。在今后的研究中，將擴大樣本量研究茶葉產區(qū)及品種對茶葉香氣品質的具體影響，以期為科學分析和評價不同季節(jié)綠茶的香氣品質奠定良好的理論基礎，也為后續(xù)優(yōu)良茶樹品種選育提供一定的參考依據。