朗姆酒（rum）是以甘蔗汁、甘蔗糖蜜、甘蔗糖浆或其他甘蔗加工产物为原料，经发酵、蒸馏、陈酿、调配而成的蒸馏酒，其酒体清亮透明，无悬浮物和沉淀，呈无色、金黄色乃至棕色，口感醇和圆润，具有甘蔗和/或橡木赋予的特有芳香气味[1]，与中国白酒、白兰地、威士忌、伏特加、金酒、龙舌兰、日本清酒合称八大烈酒。有市场调查统计，2022年全球朗姆酒市场价值142.7亿美元，预计到2030年将达到239.8亿美元，2023年至2030年复合年增长率为6.5%[2]。
朗姆酒的评价是一项复杂且具有挑战性的工作。第一，朗姆酒成分复杂。利用液-液萃取[3]（liquid-liquid extraction，LLE）或 固 相 微 萃 取[4-5]（solid-phase microextraction，SPME）结合气质联用（gas chromatography-mass spectrometry，GC-MS）可分析出上百种物质，包括醇、酯、醛、酮、酚、酸以及其他有机化合物[6]，这仅包含可被提取和气化的物质，还有大量陈酿过程中获得的物质和焦糖色等食品添加剂可能未被统计。第二，朗姆酒感官评价研究进展较慢。感官评价是酒类评价的“金标准”，我国现行行标对感官试验方法作出了规定，但对酒的感官要求较模糊。2017年，ICKES C M等[7-8]创建了第一个基于网络材料（包括博客、公司描述和评论网站等）的朗姆酒风味词典。该词典包括22个类别共147个术语，且对各术语有明确定义。但词典的运用对品评者要求非常高，需按方法进行长时间训练才能使用标准术语进行描述。电子鼻、电子舌等电子感官分析能一定程度上客观、量化地描述感官，但与主观品评感受有差异，何况朗姆酒风格强烈、迥异，存在主观偏好，难以评价[9-10]。第三，朗姆酒成分与感官的对应关系不清晰，难以通过某些物质浓度高低获知酒的品质，某些物质对酒品质的影响大多是“经验之谈”，缺乏理论依据；物质的香气活力值仅一定程度上反映物质对感官的影响程度[11]，与酒品质并无直接关系。综上，朗姆酒感官评价体系尚不成熟，利用朗姆酒成分评价品质缺乏理论依据，而同时分析大量成分需要使用富集-气质联用等高级分析手段，对实验室要求较高，一般实验室难以进行。
主成分分析（principal component analysis，PCA）通过将多个指标降低数据维度，排除众多信息中相互交叉和重叠的信息，以选出具有代表性较少个数的综合指标，从而更加直观地反映出不同样品间的差异。聚类分析（cluster analysis，CA）是计算指标之间的距离或相关系数等统计量来表明不同个体之间的相关性，并根据一定的法则使得同类个体差别较小，不同类个体差别较大，从而将原始数据划分为不同的类别。PCA和CA已广泛应用于包括酒类评价的各种酒类研究[12-15]，在利用PCA以及CA可将众多影响因素通过降低数据维度的方式解析出主要因素，使其变得简单且直观，从而简化评价过程。
选择数据分析用指标/成分是评价朗姆酒品质的必然步骤。用于数据分析的指标/成分数量越多，得到的评价体系必然越完善。核磁共振氢谱（nuclear magnetic resonance spectroscopy of hydrogen，1H-NMR）[16]、拉曼光谱（Raman spectroscopy，RS）[17]、顶空固相微萃取-气质联用[18-19]、高效液相色谱-轨道阱质谱（high performance liquid chromatography-orbital trap mass spectrometry，HPLC-Orbitrap MS）[20]等分析手段能同时得到样品的多个成分/信息，但这些仪器非常昂贵，使用成本高，难以普及。本研究以16款常见的市售朗姆酒为研究对象，每款酒仅在气相色谱仪进行一次进样检测同时定量测定10种具有代表性的主要挥发性风味成分，并利用PCA和CA对不同朗姆酒的主要挥发性风味成分及酒精度进行评价，以期为朗姆酒评价提供一定的科学依据。
1 材料与方法
1.1 材料与试剂
甲醇、正丙醇、异丁醇、异戊醇、乙醛、乙缩醛、糠醛、乙酸乙酯、丙酸乙酯、乳酸乙酯、乙酸正戊酯（均为色谱纯）：上海麦克林生化科技股份有限公司。16款朗姆酒均通过电商平台购买，均为销量较高的国际知名品牌，酒样信息见表1。
表1 朗姆酒信息
Table 1 Information of rums
品牌 酒款 是否添加焦糖色酒精度/%vol 原产国 折合每升价格/元AAAAAABBBCCCDDEE 3星朗姆酒黑朗姆酒珍藏朗姆酒陈年朗姆酒20周年朗姆酒秘鲁2004朗姆酒白朗姆酒金朗姆酒黑朗姆酒白朗姆酒金朗姆酒黑朗姆酒白朗姆酒朗姆酒朗姆酒3年陈酿朗姆酒7年陈酿否是是是是是否是是否否是否是否是41.2 40 40 42 40 43.5 40 40 40 43 37.5 40 40 40 40 40巴巴多斯巴巴多斯巴巴多斯危地马拉巴巴多斯秘鲁波多黎各波多黎各波多黎各特立尼达和多巴哥特立尼达和多巴哥特立尼达和多巴哥法国法国古巴古巴440 440 510 1 550 1 060 1 060 110 103 116 111 109 111 79 65 127 209
1.2 仪器与设备
7890B气相色谱[配带氢火焰离子化检测器（flame ionization detection，FID）]、CP-Wax 57 CB毛细管色谱柱（50 m×0.25 mm，0.20 μm）：美国Agilent公司。
1.3 方法
1.3.1 朗姆酒成分分析
采用GC检测甲醇、正丙醇、异丁醇、异戊醇、乙醛、乙缩醛、糠醛、乙酸乙酯、丙酸乙酯、乳酸乙酯的含量。
GC条件：升温程序为起始温度35℃，保持5min；以5℃/min升至130 ℃；再以10 ℃/min升至180 ℃，保持6 min。分流比为30∶1，载气为氮气（N2）（纯度99.999%），流速1.3 mL/min；进样口温度250 ℃。FID条件：加热器温度300 ℃；空气流量400mL/min；氢气燃气流量30mL/min；尾吹气流量3 mL/min。每个样品进样2次，取平均值。由于乙醛和乙缩醛峰无法分开，使用乙醛＋乙缩醛的含量进行后续分析。
定性定量：以各物质单标准品色谱峰的保留时间为依据进行定性。以各物质质量浓度与内标物（乙酸正戊酯，1 mL/100 mL）质量浓度的比值为横坐标，各物质峰面积与内标物峰面积的比值为纵坐标，绘制标准工作曲线，根据标准工作曲线计算待测组分的含量。
1.3.2 评价方法
参照文献[21]的方法，运用隶属函数法和PCA法相结合进行评价。利用隶属函数法对各主成分得分的原始数据进行标准化处理，将其转化成0～1之间的标准化数据，按式（1）计算隶属函数值：
式中：xi 为第i 个主成分得分（i=1，2，…，n）；μ（xi）为第i 个原始数据转化后的隶属函数值；xmax和xmin分别为所有参试样品中第i 个主成分得分的最大值和最小值。
按照式（2）计算综合指标权重：
式中：Ri 为PCA得到第i 个综合指标的贡献率；Wi 为第i 个综合指标在全部综合指标中的权重。
朗姆酒综合得分D按式（3）计算：
1.3.3 数据统计分析
采用Excel 2024统计软件进行数据整理与计算，采用SPSS Statistics 21软件进行PCA以及系统聚类分析，样本之间的距离采用平方欧氏距离。相关性分析热图采用在线网站CNSknowall绘图。
2 结果与分析
2.1 不同朗姆酒酒精度及主要挥发性风味成分之间的比较
对朗姆酒酒精度及主要挥发性风味物质含量进行测定，结果见表2，部分酒样的某些成分含量低于检出限，则赋值为检出限的50%，平均值和变异系数见表3。
表2 朗姆酒酒精度及主要挥发性风味物质含量
Table 2 Alcohol content and concentrations of major volatile flavor compounds in rum
注：X1为酒精度，%vol；X2为乙醛＋乙缩醛；X3为乙酸乙酯；X4为糠醛；X5为甲醇；X6为乳酸乙酯；X7为丙酸乙酯；X8为正丙醇；X9为异丁醇；X10为异戊醇。X2～X10单位为mg/L，下同。
样品序号 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 1 2 3 4 5 6 7 8 9 1 0 11 12 13 14 15 16 41.2 40 40 42 40 43.5 40 40 40 43 37.5 40 40 40 40 40 37.2±0.72 76.8±1.80 46.7±0.56 118.0±3.16 81.8±2.37 152.9±8.09 0.7 48.3±0.95 60.0±2.21 0.7 0.7 0.7 0.7 0.7 45.2±0.24 94.0±0.25 65.5±0.24 87.7±0.80 28.8±0.68 190.7±4.97 79.2±0.21 277.5±13.06 34.7±1.82 57.7±1.68 92.7±1.97 40.1±0.68 65.9±2.09 71.8±0.81 17.9±0.36 25.5±0.14 45.4±0.50 106.1±2.94 0.6 23.4±1.37 14.4±0.17 34.8±0.98 23.4±0.51 46.0±1.64 0.6 15.0±0.80 18.1±0.60 0.6 0.6 0.6 0.6 0.6 14.5±0.19 26.6±0.47 15.4±0.37 10.8±1.22 13.8±0.80 21.3±1.13 14.6±0.16 29.0±1.89 1.9 1.9 12.9±1.05 1.9 1.9 1.9 1.9 1.9 1.9 13.6±0.10 3.8 3.8 3.8 33.5±1.98 3.8 3.8 3.8 3.8 43.0±0.23 3.8 3.8 3.8 3.8 3.8 3.8 3.8 0.7 33.2±1.53 41.8±1.88 41.5±1.46 71.7±1.62 21.8±2.58 0.7 0.7 51.3±1.30 0.7 0.7 0.7 0.7 0.7 0.7 0.7 54.4±0.14 264.8±2.07 28.8±0.73 123.6±1.35 66.9±1.79 67.7±2.79 57.2±2.07 62.6±2.85 150.4±8.43 164.9±3.79 185.6±3.67 192.1±3.21 50.9±1.58 158.3±4.29 52.0±1.52 86.0±0.09 18.2±0.05 14.7±0.06 11.5±0.11 92.0±1.63 17.3±0.57 27.6±0.85 38.5±0.17 32.0±1.56 76.2±3.27 22.1±0.98 18.8±0.73 19.8±0.37 20.7±0.90 11.4±0.26 81.7±2.45 71.0±0.31 32.1±0.30 24.1±0.21 17.1±0.65 132±2.86 23.3±0.58 53.2±26.50 80.2±3.54 79.0±3.59 176.8±0.06 27.5±1.02 23.6±0.71 24.8±0.64 0.3 12.5±0.44 167.7±3.13 181.0±0.79
表3 朗姆酒酒精度及主要挥发性风味物质的平均值和变异系数
Table 3 Alcohol content and mean values and variation coefficient of major volatile flavor compounds in rum
成分 平均值 含量范围 变异系数/%X1 X2 X3 X4 40.45 47.8 80.5 13.8 37.5～43.5 ND～152.9 17.9～277.5 ND～46.0 3.37 95.95 80.67 100.50
续表
注：ND表示未检出。
成分 平均值 含量范围 变异系数/%X5 X6 X7 X8 X9 X10 9.2 8.1 16.8 110.4 35.8 66.0 ND～29.0 ND～43.0 ND～71.7 28.8～264.8 11.4～92.0 ND～181.0 90.13 142.04 136.02 59.65 74.71 92.86
由表2、表3可知，朗姆酒样品的酒精度为37.5%vol～43.5%vol，变异系数为3.37%，其变异系数在10个指标中最小。而其余指标的变异系数较大，最大的是乳酸乙酯，其含量为ND～43.0 mg/L，变异系数为142.04%。通过变异系数，在一定程度上说明造成朗姆酒差异的指标/成分影响顺序为乳酸乙酯＞丙酸乙酯＞糠醛＞乙醛＋乙缩醛＞异戊醇＞甲醇＞乙酸乙酯＞异丁醇＞正丙醇＞酒精度。酯类物质是朗姆酒香气的重要来源，暂未见乳酸乙酯在朗姆酒中的作用，但在白酒中，它对酒质的影响极其重要[22]。乳酸乙酯、丙酸乙酯含量高于检出限的酒款的平均售价分别为833元/L、789元/L，而低于检出限的酒款的平均售价分别为324元/L、146元/L，这在一定程度上说明酯类含量和丰富程度影响着朗姆酒售价。我国现行行标QB/T 5333—2018《朗姆酒》要求酒精度≥35%vol[1]。朗姆酒酒精度的选择有着复杂的历史、经济、政策、市场等原因[23]，一般在35%vol～45%vol，大多为40%vol，故不同酒的酒精度波动不大。综上，通过变异系数分析发现，乳酸乙酯、丙酸乙酯的变异系数较大，对朗姆酒售价和品质有着较大影响；酒精度变异系数较小，不是朗姆酒售价和品质的主要影响因素。
2.2 不同朗姆酒酒精度及主要挥发性风味物质之间的相关性分析
为了揭示各酒精度及主要挥发性风味物质之间的关联程度，对朗姆酒的酒精度及主要挥发性风味物质进行相关性分析，结果见图1。
图1 不同朗姆酒酒精度及主要挥发性风味物质间的相关性分析
Fig.1 Correlation analysis between alcohol content and major volatile flavor compounds in different rums
“*”代表显著相关（P＜0.05）、“**”代表极显著相关（P＜0.01）；“***”代表显著强相关（P＜0.005）、“****”代表极显著强相关（P＜0.001）。
由图1可知，乙醛＋乙缩醛、乙酸乙酯、糠醛、甲醇两两之间均存在极显著强正相关（P＜0.001），异丁醇和异戊醇存在极显著强正相关（P＜0.001），这可能与发酵过程微生物的代谢途径有关。而酒精度与乙酸乙酯、甲醇存在显著正相关（P＜0.05），丙酸乙酯与乙醛＋乙缩醛、糠醛、甲醇存在显著正相关（P＜0.05），乳酸乙酯与异丁醇存在极显著正相关（P＜0.01）、与异戊醇存在显著正相关（P＜0.05）。以上测定的朗姆酒酒精度及主要挥发性风味物质间均有着复杂的相关性，进一步说明各指标间存在不同的信息交叉和重叠现象，不能使用某一个或几个指标直接作为准确评价朗姆酒品质优劣的主要影响因素，因此，为了全面系统地评价朗姆酒的品质，需消除单一指标评价朗姆酒的不足。
2.3 不同朗姆酒酒精度及主要挥发性风味物质的主成分分析
对16款朗姆酒的酒精度及10种主要挥发性风味物质进行主成分分析（PCA），主成分得分图、载荷图、主成分特征值碎石图分别见图2～图3，其因子载荷矩阵和方差贡献率结果见表4。
图2 基于酒精度及主要挥发性风味物质16款朗姆酒主成分分析得分散点图（a）及载荷图（b）
Fig.2 Score scatter plot (a) loading plot (b) of principal component analysis of 16 types of rum based on alcohol content and major volatile flavor compounds
图3 主成分特征值碎石图
Fig.3 Scree plot of principal component eigenvalue
表4 主成分的因子载荷矩阵和累计贡献率
Table 4 Factor loading matrix and cumulative contribution rates of principle components
成分PC1载荷值PC2 PC3 X1 X2 X3 X4 X5 X6 X7 X8 X9 X10特征值贡献率/%累计贡献率/%0.527 0.945 0.860 0.932 0.880 0.558 0.575-0.139 0.589 0.546 4.860 48.604 48.604-0.397-0.202-0.274-0.168-0.362 0.557-0.110 0.033 0.763 0.767 1.927 19.266 67.870-0.302-0.043-0.012-0.002 0.016 0.408 0.544 0.770-0.184-0.233 1.237 12.368 80.238
由图2可知，主成分1（PC1）的方差贡献率为48.6%，主成分2（PC2）的方差贡献率为19.27%，16款朗姆酒中，除4号、6号、9号外，其他酒分布较近；由图3可知，乙醛、乙缩醛、乙酸乙酯、糠醛、甲醇在PC1中贡献较大且相关性较强，异丁醇、异戊醇在PC2中贡献较大且相关性较强，说明这两组风味物质对于朗姆酒的品质有较大影响[24-25]。结合图3和表4可知，前3个主成分的特征值均＞1，且其累计方差贡献率达到80.24%，表明该模型概括了朗姆酒各指标/成分绝大多数的原始信息，其符合PCA的要求，故可以用这3个主成分综合评价和判断不同朗姆酒品质。
2.4 不同朗姆酒的综合评价
将3个主成分定义为xn（n=1，2，3），各系数可从SPSS Statistics 21.0的成分得分系数矩阵获取，Xi 为原始数据的标准化后数据（表4），按式（4）～（6）计算xn：
采用隶属函数法对朗姆酒进行综合指标、隶属函数值和综合得分值的计算，结果见表5。由表5可知，针对同一综合指标，6、9、2号样品分别为μ（x1）、μ（x2）、μ（x3）最大，说明它们在对应的PC中呈现出的品质最优；11、6、15号样品分别为μ（x1）、μ（x2）、μ（x3）最小，说明它们在对应的PC中呈现出的品质最劣。用式（2）计算3个综合指标的权重，分别为0.606、0.240、0.154。综合得分D值计算结果表明，综合得分排名前3的朗姆酒分别是4、9、6号样品。
表5 不同朗姆酒的预测综合评价结果
Table 5 Prediction comprehensive evaluation results of different rums
综合指标值x1 x2样品序号 综合得分D值 排序x3隶属函数值μ（x1） μ（x2） μ（x3）1 2 3 4 5 6 7 8 9 1 0 10 6 8 1 5 3 1 2 9 2 1 4 11 12 13 14 15 16指标权重-0.306 0.077-0.144 1.966 0.442 1.983-0.743-0.327 1.053-0.708-1.094-0.882-1.004-1.049 0.001 0.735-0.657-0.781-0.770 0.768-0.968-2.057 0.557 0.215 1.954-0.434 0.250-0.105-0.167-0.213 1.518 0.889-0.845 1.897-0.029 0.466 0.795-0.943-0.853-0.805 1.503-0.144 1.027 0.642-0.574 0.422-1.430-1.128 0.256 0.380 0.309 0.994 0.499 1.000 0.114 0.249 0.698 0.125 0.000 0.069 0.029 0.015 0.356 0.594 0.606 0.349 0.318 0.321 0.704 0.271 0.000 0.652 0.566 1.000 0.405 0.575 0.487 0.471 0.460 0.891 0.734 0.240 0.176 1.000 0.421 0.570 0.669 0.146 0.173 0.188 0.881 0.387 0.738 0.623 0.257 0.556 0.000 0.091 0.154 0.266 0.461 0.329 0.859 0.471 0.628 0.252 0.316 0.799 0.233 0.252 0.255 0.170 0.205 0.430 0.550 13 11 16 15 7 4
采用组间连接法对不同朗姆酒的综合得分进行聚类分析，并建立聚类树状图，结果见图4。
图4 不同朗姆酒的聚类分析结果
Fig.4 Cluster analysis results of different rums
由图4可知，在欧氏距离为2处，可将供试的16款朗姆酒的品质分为4大类。I类包括2款朗姆酒，占总数的12.5%，为4、9号样品，其品质最优；II类包括2款朗姆酒，占总数的12.5%，为6、16号样品，其品质较优；Ⅲ类包括3款朗姆酒，占总数的18.8%，为2、5、15号样品，其品质中等；Ⅳ类包括9款朗姆酒，占总数的56.2%，为1、3、7、8、10、11、12、13、14号样品，其品质较差。4类酒的平均售价分别为833元/L、634元/L、542元/L、182元/L，即品质越优的分类中，其售价越贵，这在一定程度上能反映其分类的准确性。
3 结论
本研究利用气相色谱法测定16款朗姆酒的酒精度及10种主要挥发性风味成分，由变异系数大小得出指标/成分对品质指标影响的顺序为乳酸乙酯＞丙酸乙酯＞糠醛＞乙醛＋乙缩醛＞异戊醇＞甲醇＞乙酸乙酯＞异丁醇＞正丙醇＞酒精度。通过PCA确定3个主成分，累计方差贡献率达到80.238%，可以代替上述10种指标/成分综合评价和判断不同朗姆酒的品质。PC1主要综合了乙醛、乙缩醛、乙酸乙酯、糠醛、甲醇，PC2主要综合了异丁醇和异戊醇，PC3主要贡献是正丙醇。通过聚类分析将16款朗姆酒的品质分为4大类，其分类情况与产品售价高低趋势一致，一定程度上说明该方法有一定科学性。
[1]中华人民共和国工业和信息化部.QB/T 5333—2018 朗姆酒[S].北京：中国标准出版社，2018.
[2]无限数据专家.朗姆酒市场规模、按产品（黑朗姆酒、金朗姆酒、白朗姆酒）、分销渠道（线下和线上）进行的行业分析-全球、趋势、分享和预测2023-2030[EB/OL].[2024-09-13]https：//www.infinitivedataexpert.com/zh-CN/industry-report/rum-market#：～：text=%E6%88%AA%E6%AD%A2%E6%97%A5%E6%9C%9F%20-%20202
[3]王松，史冬梅，刘国英，等.液液微萃取分析不同层酒醅原酒的挥发性成分[J].精细化工，2020，37（5）：1010-1017.
[4]郭亚芸，邵学东，张正文，等.基于HS-SPME-GC-MS分析不同基酒装量对美乐葡萄蒸馏酒挥发性成分的影响[J].食品科学，2023，44（24）：269-276.
[5]严红光，罗配琴，林莉，等.三种蓝莓酿造果酒风味物质成分GC-MS和GC-IMS分析[J].食品与发酵工业，2023，49（17）：283-290.
[6]ZHANG M J, CHEN Y, LIU J D, et al.Comparison of LLE and SPME methods for screening the aroma compounds in rum[J].J Am Soc Brewing Chem,2022,80(2):136-145.
[7]ICKES C M,LEE S,CADWALLADER K R.Novel creation of a rum flavor lexicon through the use of web-based material[J].J Food Sci,2017,82(5):1216-1223.
[8]ICKES C M,CADWALLADER K R.Characterization of sensory differences in mixing and premium rums through the use of descriptive sensory analysis[J].Food Science and Human Nutrition, 2017, 82(11): 2679-2689.
[9]王润铃，于恩洋，张涛，等.不同烘烤度的澳洲坚果壳对其露酒品质的影响[J].食品科学，2025，46（17）：90-100.
[10]林先丽，张晓娟，李晨，等.气相色谱-质谱和电子舌对不同质量等级酱香型白酒的判别分析[J].食品科学，2023，44（24）：329-338.
[11]赵培城，蔡际豪，顾赛麒，等.不同酒龄传统绍兴黄酒的特征风味物质分析[J].食品科学，2020，41（22）：231-237.
[12]付勋，聂青玉，张文玲，等.不同前处理工艺红桔果汁与红桔果酒挥发性风味物质分析[J].中国酿造，2024，43（5）：81-90.
[13]李征，王媚，黄河，等.近红外光谱结合气相色谱对浓香型白酒基酒定性鉴别分析[J].中国酿造，2023，42（3）：222-228.
[14]余松柏，吴奇霄，黄张君，等.基于HPLC结合多元统计方法分析不同种类酒中有机酸的差异[J].中国酿造，2023，42（2）：46-52.
[15]姚翠萍，李玉萍，伍中玉，等.基于聚类分析实现高温大曲发酵过程品温的精准预测[J].中国酿造，2025，44（3）：121-128.
[16]SILVEIRA A L, BARBEIRA P J S.Synchronous fluorescence spectroscopy and multivariate classification for the discrimination of cachacas and rums[J].Mol Biomol Spectr,2022,270:120821.
[17]CHI H W, HU S W, LIN D Z.Development of an automated Raman system and use of principal component analysis to classify real and counterfeit liquors[J].RSC Adv,2023,13(47):33288-33293.
[18]BELMONTE-SÁNCHEZ J R,GHERGHEL S,ARREBOLA-LIÉBANAS J,et al.Rum classification using fingerprinting analysis of volatile fraction by headspace solid phase microextraction coupled to gas chromatographymass spectrometry[J].Talanta,2018,187:348-356.
[19]许强，蒋晓，谭溪莉，等.苹果枸杞酒的研制及挥发性成分分析[J].食品工业科技，2023，44（10）：151-159.
[20]BELMONTE-SÁNCHEZ J R,ROMERO-GONZÁLEZ R,ARREBOLA F J,et al.An innovative metabolomic approach for golden rum classification combining ultrahigh-performance liquid chromatography-orbitrap mass spectrometry and chemometric strategies[J].J Agr Food Chem,2019,67(4):1302-1311.
[21]冯莹莹，董立强，马亮，等.基于主成分及聚类分析的东北南部地区优质粳稻品质的综合评价[J].食品科学，2024，45（18）：17-24.
[22]张英，鄢定波，胡景辉，等.清香型白酒发展概述[J].中国酿造，2024，43（9）：1-8.
[23]酒百科.世界上这么多烈酒，为啥净是40度的？[EB/OL].北京：北京智者天下科技有限公司，2022-4-12[2025-1-2].https：//zhuanlan.zhihu.com/p/496990122.
[24]BARNES Q, VIAL J, THIÉBAUT D, et al.Characterization of flavor compounds in distilled spirits developing a versatile analytical method suitable for micro-distilleries[J].Foods,2022,11(21):3358.
[25]NICOLOTTI L, MALL V, SCHIEBERLE P.Characterization of key aroma compounds in a commercial rum and an Australian red wine by means of a new sensomics-based expert system(SEBES)-an approach to use artificial intelligence in determining food odor codes[J].J Agr Food Chem,2019,67(14):4011-4022.