手机浏览中华饮品届
什么是风味轮？风味轮是一个圆形的格状形式将咖啡风味排列其中。为什么我们不把咖啡风味归纳成风味树谱、或者是风味金字塔、或者你想冒险尝试做成什么样子呢？这似乎与有史以来第一个风味轮有关。有史以来第一个风味轮是早在上世纪70年代末，由化学家Morten C. Meilgaard博士与他的随从为啤酒的风味归纳的。从而在上世纪80年代中期，加州大学戴维斯分校的Ann C. Noble依据上一个啤酒风味轮制作了红酒风味轮。从那时起，其他的行业也相继依照上两个风味轮制定了自己的风味轮，咖啡业也是其中之一。风味轮格子里的诸多词汇是用来对咖啡产品进行区分类别、咖啡培训规范化、以及促进业内人士在感官和风味之间进行良好的沟通和架桥。咖啡风味轮将咖啡品鉴师、咖啡制作设备、咖啡出口商和进口商、以及咖啡消费者们紧密的联系在一起，创造共同的语言进行良好的沟通，从而对咖啡，这个客观的饮品，在主观上达到共鸣的效果。想要创造出一个风味轮，你需要将所有词汇筹备起来，并按照规律进行排列。事实证明，风味轮其实有很多种做法。市面上的许多风味轮的制作都不将科学研究作为其发展的一部分。有些是以产业或贸易集团的共识为基础的，而其他的则是由个人创造的。曾经的SCAA风味轮就是这么制作出来的，而今天，随着科技的发展，SCAA不得不与一些科技权威机构歇手成立研究小组，将这个风味轮更加完善。毕竟，老的东西需要更新，否则市面上越来越多的风味轮就因为SCAA的风味轮不完善而相继制作出来，各抒己见，却不规范。过去几年，笔者一直在研究这一课题，我发现咖啡业的风味轮与其他行业相比更加独特，这也使我们做了很多有意义的工作来提高咖啡质量。最原始的SCAA风味轮是由我们的老前辈Ted Lingle在1995年制定的，对于精品咖啡领域的发展状况来说，那时整个行业还不是很完善。所以当时，几乎所有的风味轮上的信息以及中心思想都是由老Ted一个人制定的。而且，我还发现，市面上的风味轮很少有科学依据的，通过科学研究从而得出结论为什么那样去安排这个风味轮的。几乎所有的风味轮都是借鉴与世界咖啡研究会所制定的《感官词汇表》来安排的。（Lawless and others 2012; Noble and others 1987; Koch and others 2012; Suffet and others 1999; Gawel and others 2000）而且，其他的风味轮都没有介绍其使用方法及需要注意的细节。所以，我们此项对风味轮的研究已经是风味轮史上的创举了。
从新版风味轮的词汇排列上看，就已经可以看出SCAA采用了世界咖啡研究会（WCR）制定的感官词汇表里的词汇排列方法。由堪萨斯州立大学和得克萨斯农机大学的感官学家以及他们的训练有素的平台共同合作研究此风味轮已经是一个突破性的研究课题了。继续阅读本文你可以了解更多关于该研究小组如何在感官分析中，通过训练有素的平台展开感官研究的。我个人建议有兴趣的朋友应该阅读一下关于WCR的感官词汇表，并可以了解这个表对展开感官研究起到的作用，这个表在其官方网站中可以找到。另外，如果您想谅解更多WCR（世界咖啡研究会）为咖啡风味轮作出的巨大贡献，我鼓励大家参与资助未来的研究，作为一名咖啡烘焙师，想要有所作为其实有一个非常简单的办法，那就是通过核对程序来完成心愿。从这里，大家可以看出，WCR感官描述性分析是一个很强大的工具，它可以为咖啡产品提供文字描述并在感官上对比不同的咖啡产品，通过数据化分析可以找到相似性和差异性。(Meilgaard and others 2007; Stone and others 2012)如今，它是一个最强大的，数据化的，综合的，并广泛使用的方法。将咖啡产品具体的特征形象的描述，有利于商家商业的决策，对产品的开发具有指导作用，并且可以指定对咖啡生豆产品的标准，质量的把控，以及可以跟踪咖啡质量随着时间不同而不同。风味轮的研制成功对于学术研究更加有利，它可以建立起相关性分析测量机制，从而可以更好了解风味的机制。创建风味词汇库乃制作咖啡风味轮的第一步(Lawless and Civille 2013)。这种方法进行研究可以遇变则变，建立因果关系，拿捏住风味的变幻莫测。对笔者来说，这意味着我们终于可以解脱数年来的一些古老固执的咖啡教条，这是多么令人振奋的事情啊！我们了解了世界咖啡研究会制定的感官词汇表的潜力后，我们也希望并努力将其发扬光大。此词汇表应该立即被业内人士所拥戴，例如风味上的词汇描述、定义、与品鉴师的互动、以及在使用上与咖啡实物上的基本吻合。这也是为什么，SCAA抓住了最好的机会来更新风味轮。WCR给予我们的力量就是将其指定的感官词汇表与我们的风味轮巧妙的兼容在了一起并面向整个咖啡行业。感官词汇表里的词汇则是我们更新咖啡风味轮的基础和依据。而我们的薄弱环节就是不知道如何将这些风味词汇安排到风味轮上，在制作感官词汇表的时候，将词汇排序并安排到风味轮的格子里是通过呀就小组讨论得出的结论，回顾这一艰苦过程，其实在风味轮上安排词汇是在整个研发过程中最简单的一项，也是最不重要的一项。(Lawless and Civille 2013)这个事实让我们曾经迷失过，毕竟，我们不想创造出来一个最有科学依据却不知道怎么用的风味轮出来，如果有人问起来，那些词汇是根据什么去在风味轮上排列的，答不出来该怎么办？我们想象在创造感官词汇表那样，不忘初衷，对在风味轮上面安排词汇这一件事上也给予尊重，付出勤奋劳动，并根据科学理论来进行排列。于是乎，我们开始研究感官词汇的最前沿科学原理和概念，是的！史上咖啡业内无人开垦过的处女地！
事实上，感觉科学是一个非常年轻且迅速发展的学科。从我自己的研究，同时完成了加州大学大卫斯应用感官和消费科学证书课程，我了解到，这一领域似乎发展和IT界一样飞快，而这并不是巧合。提供给科学家的数据收集工具、软件和分析科技的数量以指数级增长，作为科技、统计和信息管理的方法，可以是我们的研究更加有效率。SCAA需要一个研发伙伴，这个伙伴是富有创造性并愿意独立思考，并且在科学技术上有扎实的功底，并且通过反复的实验来帮助我们理解，怎样将感官词汇添加到风味轮上面去。鉴于加州大学大卫斯分校感官科学研究在世界上知名的声誉，以及我们与该学校在咖啡领域上的密切沟通，我们一起上访国家食品科学技术司，看看是否有感官科学实验室可以让我们在这个项目上进行工作。Jean-Xavier Guinard博士和他的博士生Molly Spencer接受任命。加州大学戴维斯分院感官词汇表分类研究经过与Molly和Jean-Xavier Guinard博士的讨论后，我们达成了共识，根本没有类似「一刀切」的感官词汇排列方法可以轻而易举地将那些单词有序地放到风味轮上面去。于是，Molly和Jean-Xavier Guinard博士开始起早贪黑，翻阅大量其他发表的研究结果、组背景调查、并集思广益解决我们具体的问题。他们确定了一种改进的自由多重排序方法可以用来理解风味词汇之间的关联和关系。用这种方法，我们可以了解行业内如何理解这些词汇，以及训练有素的感官风味描述小组成员将如何将这些词汇组合在一起。为了对风味词汇进行量化分级分组，加州大学大卫斯分校的研究人员创建了一个在线交流平台，将个地区的研究人员连结在一起进行词汇分组。最终，我们将会了解风味轮中主要的风味类别和种类有哪些，并且可以安排风味类别组将怎么安排到风味轮上去。排序分类练习实验排序是一种分类方法。毕竟，统筹方法是人类大脑活动最基础，也是最常见的运作方式。(Coxon 1999)而自由排序程序最初是为字母排序而创建的。(Steinberg 1967)但是后来却被用来进行感官研究分析了(Lawless and others 1995)。就我们现在的项目，虽然主要还是以咖啡杯测为主的感官风味组进行排序，但是排序分类练习还没有将咖啡杯测的词汇包括进去。在这种方式下进行的话，排序练习实验还是以项目参加者的过往经验为主导作用。通过自由式多项排序法（FMS）测试参加者们还是通过对过往食物中的风味经验以及一些咖啡样品中进行排序，是他们每个人对这些制定风味的感官结论进行总结归纳。这些参与者们通过排序将被选定的风味主题划分成单个的风味组。(Coxon 1999; Dehlholm and others 2012)在练习实验过程中，参与者可以从不同的样品集中加入更多的感官风味，多多益善，挑战无限可能。(Steinberg 1967)我们为了研究风味谱，我们改变了积累并排序观感味谱的方法，与以往的并列排序法相比，现在我们将研究参与者们每个人都分配不同的味谱和子味谱，而且每位研究人员只研究一种味谱，从而区分开来。另外，我们的研究人员用金字塔结构来分布味谱和子味谱的关系，以此类推排序下去，直到无法再找到额外的子味谱为止。我们还为此项研究做了一个人性化的网站（见下图1）从而更简单高效的将99种属性进行排序。研究项目组的用户可以通过这个网站数据库中每一个味谱属性的介绍以及属性列表，点击每一个属性都可以弹出关于这个属性的对话框，里面囊括了味谱属性中的细节介绍以及其他学术信息，这些信息都是由堪萨斯州立大学（KSU）和得克萨斯农机大学（TX A&M）共同合作定义的。假如研究人员对某一个味谱属性不理解或者不确定，他们可以点击那个属性，就可以看到相应的解释。项目参与者还有权限修改味谱目录和子目录通过用鼠标拖动它们来进行重新排序纠正。就因为上述方法，造成了大量的风味属性需要排序、累积，我们请大量的专家（72名）对自己总结出来的感官描述方法进行比配、对照，而所得出的最终风味轮结果，是每一位专家第一次的排序实验所得出的结果。这种方法要比小数目专家进行多次排序要准确的多得多，但是少量的描述性小组成员（8–15）可以对同一样品进行同样的排序任务多次，直到他们觉得他们已经耗尽了排序的可能性。将99种芳香属性进行多次重复性排序实验，会造成专家们疲劳从而结果不准确。从而我们可以看出，新的风味轮是在专家们非常愉悦的状态下完成的，从而将他们的以往经验和专业素养发挥到最大值。排序活动结束以后，我们利用三种不同的统计分析模式来将所积累的信息进行节译，来帮助我们对所得出的结果进行进一步的理解。
（上图为我们制作的排序网页，实例为99个风味属性其中的9个）我们一共有两个研究小组，两组最终研究出来的结果将被处理成为一个结果。第一组一共有29个成员，都是来自加州大学戴维斯分院的训练有素、经验丰富的研究人员，他们主攻巧克力和红酒味谱部分，这些研究人员没有受过咖啡的专业训练，但是他们都参加了接触咖啡风味活动的杯测感官活动。他们通过我们所建立的网页平台对风味属性进行重复性排序。为了确保结果准确地反映了行业内的需求，我们知道我们必须邀请专业咖啡人来参与这项研究并创造感官风味的数据。SCAA（美国精品咖啡组织）邀请了数百名咖啡专业人士为我们提供了有建设性的宝贵意见，他们都是来自各个民间咖啡组织、SCAA内部董事会、委员会、研发小组、SCAA培训使、不同的咖啡课题专家、WCR（世界咖啡研究会）内部股东和成员、杯测师（Q-Grader)、以及CQI和ACE的同事、以及其他的行业领导者。同时，SCAA还聘请了43名资深评判官来与美国加州大学戴文斯分院的研究人员共同合作，进行在线风味感官数据库的更新。风味感官数据库的分析此项分析主要注重并了解如何将所积累起来的感官风味属性联系起来，为了整理我们共同总结出来的原始感官风味数据，我们用Ruby语言（一种计算机语言）编写这些原始数据，并将其归纳成矩阵模式进行分析。下面的两种详细的分析方法中，我们为每一位参与者创建前面的两个二进制数据库（如果两种风味有关系的选“1”，没有关系的选“0”）其中的一个矩阵是兄弟姐妹关系的，也就是说，其中的风味内容出现在相同的子类别里面；另一个矩阵是父子关系的，也就是两个风味子类别中出现了同一种感官风味。（图例请看下面）从所有的个人分类收集的数据，上段文章里提到的72位参与者通过这两种关系的相似性对风味总目录和子目录进行统一编辑。之后所得到的相似性风味矩阵用来做接下来的分析。
（上图表格可以看到对7个风味特性进行相似性矩阵研究）首先，我们需要将两个研究组（专业组和学术研究组）得出的结论进行比较。我们需要知道这两个研究组通过不同的观点得出的结论在风味词汇表中是否不同。我们知道不同组得出的结论一定很有建设性，但是两组因为经验及领域不同，得出的风味感官结论肯定不一样，只是想论证这一点，从而更加准确的最创建风味词汇表。为此，两组创建的两大矩阵数据库，也就是一个是大学研究所里的数据，一个是咖啡专业人员得出的数据，分别用于运行两个独立的五维多元尺度分析（5d-mds）。该5d-mds分析的结果被用来运行一个多因素分析（MFA），目的是为了在这两组矩阵数据库中找到交集。这一部分的具体分析是XLSTAT® 2015完成的。根据多因素分析模式（MFA）显示，美国加州大学戴维斯分校的研究人员所得出的结论戏剧性的与咖啡业内组所积攒出来的数据并无差异，RV值大与0.7也就意味着两组结论基本相同。因此，我们可以进阶将两个组的出来的结论继续进行分析评估。凝聚层次聚类（AHC）分析是根据所得到的两个相似矩阵的数据进行。AHC根据上一段描述中的两个组搜集的相似数据中，将所得出的感官风味内容进行分层，也就是将总类别和子类别从新组合。AHC的聚类通常以树形图的形式显示出来。树形图形式是一个经典的方法来陈述物种的分类和遗传工程学的形式，从而阐述不同等级之间的联系。AHC通常是从最初的子集开始归纳，通过非加权组平均连锁群的方法进行连结的内容一起回来，一次一对，从底部到顶部（最相似）（至少是相似的）。在每一个连续的反覆运算（联动），它凝聚（合并）最近对对象（无论是一个人或一个群体的平均）以满足指定的相似准则，直到所有的数据是一个大范畴的一部分。树形图中的X轴，也就是横轴代表不同风味之间的联系，而Y轴则代表了合并后的相似性（从0～72）主要类别的数目可以由用户指定或由该软件确定。通过XLSTAT®2015软件，将主要类别的数目决定好，然而光光将主要类别列出是不够的，对于风味轮来说，主要风味类别被划分成9组，9组下面细分的风味一共有99种。风味排序任务中，还有一种方法经常使用，它叫做多元尺度排序（MDS）(Lawless and others 1995)。MDS是在相似矩阵中利用二维代表风味特种之间的关系。此种分析方法通过72的参与者所列出的具体风味来创建一个在视觉上可以直接看到不同风味特征来进行运行。具体而言，MDS在运行过程中，意义在于风味特征之间的“距离”（利用克鲁斯卡尔的应力值）计算的相似矩阵匹配在表示空间的距离/订单排序。这样做是为了补充AHC数据和指导的主要类别顺序（集羣）在一个圆形的风味轮形式排列好。所有的分析都由®XLSTAT2015软件来进行计算并完成的。分析研究成果集结所有该研究项目的参与者的工作成果，凝聚层次聚类（AHC）分析法将风味轮分为9大类风味区（见图2）。所有72名参与者通过多元尺度排序（MDS）所编制的原始数据（见图3）。通过上俩个数据分析，我们建立起了新版的风味轮。然而，我们仍然缺失的是将横向关联（或较大的风味群体）命名。因此，对于9大风味区的命名是至关重要的。
（图2: 通过AHC分类法分解出来的风味词汇组合）
（图3:5D-MDS点状分析法）设计最终风味轮咖啡风味轮的发展当然也需要一个定性的方法。因为任何的数据化分析法计算出来的结果需要被定性，也就是需要做出一个合理的节译。这也就是为什么我们通过类聚法和MDS等数据分析法从而得出了今天的风味轮。正如大家所看到的，没有完全准确的方法将其做得天衣无缝。科学发现是人类社会发展的使命，幸运的是，我们团队有许多的精英，他们来自加州大学戴维斯分校、世界咖啡研究中心、美国精品咖啡协会、以及堪萨斯理工大学的感官科学家们。风味轮制作完成后，我们花了很长时间对其进行测试，反覆运算。我们对运用了MDS、AHC等具类分析方法感到欣慰，因为这些科学性地工具，是我们和世界咖啡研究中心、以及堪萨斯理工大学的科学家们，在咖啡风味轮的9大风味区里，达成了共识。为了创建咖啡风味轮这一模板，我们采用了聚集分析法，从而建立了主要风味的分类别图表。（见下图4、5、6和7）然后，我们再回到我们花了大量时间做出的MDS，与咖啡风味轮的结果进行比较，此项回顾工作不仅分成小组进行，但个研究人员也要自己完成，目的是为了更准确的发现在9大风味区中，它们之间应该如何排序，如何循序渐进，并可以绕成一个圈圈。这样可以帮助我们识别咖啡风味轮中风味区之间的连续性。因此，咖啡风味轮的设计不仅诠释了9大风味区之间的关系，而且还显示出单个风味之间的关系。越是接近彼此的但个风味词汇，越说明两者越相似。例如水果（Fruity）和柑橘（Citrus）在MDS里面都具有酸的特征，因此这两大区是相关联的。根据堪萨斯理工大学的科学家们的建议，一些像“甜”或者“水果”在风味词汇表中包含的意义更加笼统，因为水果有的也是甜的。所以在某些状况下，用破折号来将两种不同词汇放在一起来诠释可以达到更好的效果。考虑到世界咖啡研究中心所做的咖啡风味词汇表和风味轮是同时完成的，很多词汇被挪用、篡改、或者有更多的词汇添加进来，因此，一切以风味轮为基准作为最后的结论。请看图8，为最终的新版咖啡风味轮。
（图4: 彩色圈圈表示在坚果味／可可味风味集群中是如何显示出来的）
（图5: 在花香群组中，彩色圈圈中可以看出如何集结组合起来的）
（图6： 果味区的诠释）
（图7: 甜味区的诠释）总结此次新版咖啡风味轮研究项目的最终目的就是，无论粗略还是详细，你都可以通过新版咖啡风味轮来更具体的描述世界上任何一种咖啡的风味。我们应用了科学的数据分析排列方法开发咖啡风味的总类别和子类别，从而制成新版咖啡风味轮。AHC分析提供了一种层次上的结构，MDS提供视觉表现如何的主要风味类别应安排在风味轮上。如果你仔细研究一下风味轮的话，你会发现，世界咖啡研究中心的风味词汇表与风味轮中的词汇有许多共性，并可以描述不同的咖啡产品。前面提到的红酒风味轮，也被新版的咖啡风味轮囊括其中，你可以找到香料味、水果味、花卉味、植物味、坚果味(Noble and others 1984)。这不是因为酒和咖啡有许多相似之处，而是因为，我们所记录的和分析的，正是人类的感官世界。感官，作为人类的重要工具之一，在食物和饮料的认知中发现许多相似之处，我们只是发现了这些风味，找到相似之处而已。总之，新版咖啡风味轮项目已完成。我们精心设计制作的这一风味轮相信一定会有助于咖啡杯测以及其他咖啡业领域，也可以用来进行咖啡培训和产品开发。也许最重要的是，它是一个与客户和消费者沟通的坚实工具。它是世界咖啡业、世界咖啡研究中心、美国精品咖啡协会、感官科学家、以及加州大学戴维斯分校的研究人员们的共同努力得来的伟大剧作。我们为此项工作的成果做出了巨大贡献而骄傲和自豪。如果你看完了这篇文章，那么，你也是这一巨作的一部分，你也变成了新版咖啡风味轮背后科学研究分析每一个过程中的一份子。我们为你们创造了这一工具，你要好好钻研来激发它的无限可能！它已经成为你在咖啡业共同成长、与他人分享的工具。这就是新版咖啡风味轮。
文章出处：http://www.scaa.org/chronicle/2016/01/28/the-science-behind-the-coffee-tasters-flavor-wheel/版权信息：以上文章内容授权转载自公众号【浆果精品咖啡】，未经允许不得转载。原文作者：Emma Sage, SCAA咖啡科技部总监；Molly Spencer,加州大学戴维斯分院博士后原文翻译：浆果华夏侵权请联系：weixin@coffeesalon.com投稿合作：tips@coffeesalon.com
