酱香型白酒作为我国白酒工艺中最为独特且复杂的品类，其典型风格的塑造深深植根于“高温制曲、高温堆积发酵、多轮次取酒及长期贮存”等核心工艺环节[1-3]。在这种多微生物协同、长时间生化反应的体系下，形成了结构异常复杂的挥发性风味物质群。最新研究显示，酱香型白酒中已鉴定的挥发性风味物质达1 182种，涵盖了酯类、醇类、吡嗪类及含硫化合物等11大类。这种组成的复杂程度远超清香型与浓香型白酒[4-5]，构成了其香气层次丰富、风格辨识度高的坚实物质基础。
在实际生产中，勾调不仅是平衡不同轮次、不同年份、不同酒精度基酒的艺术，其本质更是对酒体关键挥发性风味物质比例的精密再平衡。然而，长期以来，勾调过程高度依赖勾调师的感官经验，面对原酒质量波动及高一致性产品需求，这种“黑箱模式”的科学性与可重复性逐渐显现出局限性[6]。因此，如何从关键挥发性风味物质的微观视角出发，将模糊的感官经验转化为精准的化学语言，已成为推动酱香型白酒勾调科学化的核心命题。
受益于分析科学的飞速发展，酱香型白酒研究已完成从“全挥发性风味物质定性”向“关键风味识别”的范式转移。气相色谱-质谱（gas chromatography-mass spectrometry，GC-MS）及其升级技术——全二维气相色谱-飞行时间质谱（comprehensive two-dimensional gas chromatography-time-of-flight mass spectrometry，GC×GC-TOFMS）极大提升了低丰度、共洗脱化合物的解析能力[7-8]；同时，分子感官科学方法（如气相色谱-嗅觉（gas chromatography-olfactometry，GC-O）、香气提取物稀释分析（aroma extract dilution analysis，AEDA）的介入，使得化学检测结果能够与嗅觉感知实现精准对标[9]。特别是气味活度值（odor activity value，OAV）的广泛应用，揭示了在千余种成分中，仅占总数约3%的关键挥发性风味物质主导酒体近80%的香气贡献[10]。这一发现为“靶向勾调”提供了可能。
尽管相关研究已在单一技术应用上取得进展，但在多技术整合及研究成果向生产实践转化方面仍缺乏系统总结。基于此，本文系统梳理了酱香型白酒勾调中关键挥发性风味物质的识别技术与作用规律。通过技术手段的跨代升级，实现了从挥发性成分检出量从200余种向1 182种的跨越，并将产品一致性合格率从72%显著提升至98%[11-12]。本文旨在为酱香型白酒勾调的精准化转型提供理论参考与实务指导。酱香型白酒从经验勾调向理性勾调的技术演进逻辑如图1所示。
图1 酱香型白酒基酒风味分析与勾调应用技术路线图
Fig. 1 Technical roadmap for flavor analysis and blending application of sauce-flavored Baijiu base liquor
1 酱香型白酒关键挥发性风味物质的识别技术进展
1.1 酱香型白酒挥发性风味物质的组成维度
酱香型白酒的风味体系由酯类、醇类、酸类及含氮、含硫杂环化合物等共同构成。这一体系既包含支撑酒体骨架的基础香气挥发性风味物质，也涵盖了含量极低但感官活性显著的特征挥发性风味物质[13]。最新解析结果显示，酱香型白酒已鉴定出的挥发性风味物质达1 182种，其中醇类（213种）与酯类（228种）构成主体，而含硫化合物（25种）与吡嗪类（68种）等虽占比微小，但却是酱香特征的重要来源[14]。研究表明，挥发性风味物质的感官权重与其含量并不成正比，这决定了风味研究必须跨越“成分检测”阶段，进入以“感官活性”为核心的筛选路径[15]。
1.2 挥发性风味物质分析技术的演进与协同
针对酱香型白酒酒体挥发性风味物质极性跨度大、丰度差异显著的特点，现代分析技术已形成多维协同的识别体系。不同技术在识别流程中的定位与性能表现存在显著差异（图2）。
图2 不同分析技术在酱香型白酒关键挥发性风味物质识别中的 特点与协同关系
Fig. 2 Characteristics and synergistic relationships of different analytical techniques in identification of key flavor compounds in sauce-flavor Baijiu
GC-MS仍是当前批量基酒常规筛查的基础手段。实验数据显示，其对乙酸乙酯等10种典型关键挥发性风味物质的回收率保持在89.2%～93.5%[16]。虽然单次分析耗时（45～60 min）适中，但在处理酱香型白酒中高度重叠的低丰度挥发性风味物质时存在解析瓶颈。
为克服常规色谱的分离极限，GC×GC-TOFMS被引入深度解析。该技术通过双柱系统的三维空间分离，可使单一样品的共洗脱峰分离量增加32组[17]，对2-甲基-3-呋喃硫醇等低丰度物质的检测限降至0.01 μg/L[18]。尽管单次分析耗时较长（120～150 min），但在构建酱香型白酒完整风味图谱中具有不可替代的价值。
GC-IMS凭借前处理简单、检测速度快（15～20 min）的优势，成为基酒差异化评估与勾调质控的战略性工具。研究证实，GC-IMS 对不同轮次基酒的区分准确率高达92.3%[19]，是实现勾调过程快速监控的理想选择。
GC-O作为化学信息与嗅觉感知的直接桥梁，对酱香特征物质的识别命中率达86%[20]。虽然受限于检测通量，但在验证关键风味活性挥发性风味物质阶段起到“定性”作用。
1.3 关键挥发性风味物质的筛选与评价模型
在多维检测的基础上，精准识别关键挥发性风味物质需依赖严谨的评价模型。目前，OAV是衡量化合物风味贡献度的核心指标。对酱香型白酒体系研究发现，尽管挥发性风味物质逾千种，但主导整体香气轮廓的往往是少数高OAV的“香气骨干”[21]。进一步的研究通常采用OAV评价结合AEDA的策略，通过对特征酱香、烘焙香及坚果香相关物质进行分级筛选[22-24]。这种化学量化＋感官验证的双轨制为后续建立关键挥发性风味物质与感官属性之间的映射模型奠定了基础。常用挥发性风味分析技术的综合对比如表1所示。
表1 挥发性风味分析技术对比
Table 1 Comparison for analysis techniques of volatile flavor compounds
分析技术灵敏度分离信息研究阶段参考文献适用能力维度GC-MS中等一般二维常规分析[16,25-26]GC×GC-TOFMS高优异三维深度分析[17-18,27]GC-IMS中等较好二维快速筛查[19,28]GC-O高一般感官-化学活性验证[20,29]
2 关键挥发性风味物质的感官贡献与作用机制
2.1 关键挥发性风味物质的识别与感官分类
基于OAV计算与GC-O分析，酱香型白酒的风味轮廓被解析为由多种功能挥发性风味物质构成的感官映射体系。这些物质依其贡献特征可归纳为酱香、烘焙香、果香、花香及酸香等核心维度，其中酱香与烘焙香类挥发性风味物质是定义该香型典型性的决定性因素[30]。研究证实，2-乙基-3,5-二甲基吡嗪、2,3,5-三甲基吡嗪及2-乙基-6-甲基吡嗪是构建酒体“烘焙香”特征的核心支柱[31]。此外，以乙酸乙酯、丁酸乙酯为代表的酯类物质提供了丰富的背景果香[32]，而以糠醛为首的呋喃类化合物则进一步加深了酒体的烘焙香深度[32]。常见酱香型白酒关键挥发性风味物质见表2。
表2 酱香型白酒关键挥发性风味物质
Table 2 Key volatile flavor compounds of sauce-flavor Baijiu
（μg/L）OAV气味描述主要来源参考文献乙酸乙酯2080～150果香、酯香发酵[32-34]奶油香发酵[32-34]苹果香发酵[32-34]木香反应[32,35-36]酱香酸降解[20,34,37]坚果香应[21,32,36]面包香应[32,35-36]化合物名称香气阈值/丁酸乙酯15120～300果香、3-甲基丁酸乙酯8100～200果香、2-正丁基呋喃1240～80烘焙香、美拉德2-甲基-3-呋喃含硫氨基硫醇0.0830～70肉香、四甲基吡嗪10020～50烘焙香、美拉德反糠醛20010～25烘焙香、美拉德反苯乙醛1015～30花香、苯丙氨酸蜜香代谢[32-34]
由图3可知，酱香型白酒关键挥发性风味物质的OAV与感官强度之间存在显著的非线性关联。在对代表性高品质酱酒样品的分析中发现，乙酸乙酯（OAV分布于80～150，典型值为120±20）与丁酸乙酯（OAV＝210±30）表现出极高的风味贡献度。作为酱香型白酒中重要的酯类成分，这两类物质的高水平富集为酒体奠定了清爽、愉悦的果香基底。通过图3的趋势可以观察到，这类果香成分与酱香特征（感官强度3.8±0.3）及烘焙香特征（感官强度3.5±0.2）在感官表现上呈现出良好的协同效应，共同构筑了优质酱香型白酒复杂且平衡的感官层次[32-37]。这种基于“成分丰度-感官强度”的量化映射关系，不仅验证了关键挥发性风味物质对整体风味的贡献权重，也为白酒勾调过程中的香气平衡与品质量化评价提供了精密的数据支撑。然而，理化层面的OAV贡献并不能完全等同于最终的感官知觉强度。通过感官贡献热图（图4）进一步分析发现，不同风味挥发性风味物质在特定香气属性上的贡献存在交叉与重叠，且部分挥发性风味物质的感官权重与其OAV水平存在“非对称性”偏差。这种偏差暗示了酱酒复杂的风味轮廓并非单一挥发性风味物质的简单叠加，而是多类物质在酒体体系中通过复杂的相互作用共同调制的产物。基于此，本文进一步探讨关键挥发性风味物质间的协同与掩蔽效应机制。
图3 酱香型白酒中关键挥发性风味物质的OAV与感官强度关系
Fig. 3 Relationship between OAV and sensory intensity of key volatile flavor compounds in sauce-flavor Baijiu
图4 酱香型白酒关键挥发性风味物质的感官贡献热图
Fig. 4 Heatmap of sensory contribution of key volatile flavor compounds in sauce-flavor Baijiu
2.2 挥发性风味物质间的协同与掩蔽效应机制
酱香型白酒复杂的风味轮廓并非单一挥发性风味物质的叠加，而是多类物质在酒体体系中通过协同或掩蔽效应共同调制的产物[38]。
协同增强效应：特定低丰度挥发性风味物质能显著提升主体香气的表现力。如痕量的2-甲基-3-呋喃硫醇（2.4～5.6 ng/L）能使乙酸乙酯的果香感知强度从2.1分跨越式提升至3.6分[39]；3-甲硫基丙醇与四甲基吡嗪的协同作用可使烘焙香感知强度提升35%[40]，3-甲硫基丙醇对吡嗪类物质的烘焙香特征亦具有显著的放大作用（提升42%）。
与协同效应相对，酒体中还存在着重要的掩蔽与平衡机制，用于调控香气的整体协调性。掩蔽与平衡效应：酒体中的酸类成分常通过嗅觉掩蔽效应起到平衡香气浓郁度的调控作用。高浓度的乳酸或乙酸会通过嗅觉掩蔽效应，抑制酯类的果香及苯乙醛的花香特征，在模拟乙醇体积分数53%酱香型白酒酒体环境下，乳酸对乙酸乙酯果香的掩蔽率最高可达35%[38,41]。这种机制确保了酱香型白酒风味的醇厚协调，避免单一香气过于突出。
2.3 非挥发性成分的感官调制作用
除挥发性风味物质外，酒体中存在的微量非挥发性成分（如多糖、多酚及矿物质）亦通过“基质效应”参与风味表达的调制。这些成分通过氢键或疏水相互作用，改变了挥发性风味物质在水-乙醇体系中的气液分配平衡，从而控制其释放速率与感知持久性[42]。这种调制作用解释了高质量酱香型白酒“空杯留香持久”的物理化学本质[43]。
3 关键挥发性风味物质在勾调中的调控基础
3.1 多变量统计分析在精准勾调中的应用
在解析复杂酒体体系时，多变量统计分析方法是连接微观化学成分与宏观分类特征的核心工具。常见多变量统计分析方法与模型的应用特点及对比见表3，其中PCA、PLS-DA及聚类分析等算法，为揭示基酒间的风味差异提供了科学依据[24]。研究表明，PCA可实现对不同轮次、产区基酒的直观聚类与模式识别；而PLS-DA则进一步通过计算变量投影重要性值，精准筛选出影响酒体分类的关键风味标志物[44]。这一技术的应用，标志着酱香型白酒勾调已从传统“经验感知”模式向“数据驱动的理性决策”范式转变[45]。
表3 多变量统计与模型应用对比
Table 3 Comparison of multivariate statistic and model application
模式识别差异可视化无监督解释性有限[44,46-47]预测相似性分析配方优化知识影响[45-47]分析方法主要功能应用场景优势局限性参考文献PCA数据降维、样品分类、直观、PLS-DA分类建模、质量控制、能力强可能过拟合[44-45,48]变量筛选标志物筛选聚类分析样品分组、基酒分类、无需先验结果受方法人工神经 非线性建勾调配方处理复杂需要大量网络模、预测优化关系数据[49-51]
3.2 数据驱动勾调的技术路径与闭环逻辑
酱香型白酒勾调的未来方向在于构建“数据驱动”的智能闭环体系。该体系的逻辑框架及核心性能指标（图5）主要包含以下4个关键环节：1）多维基酒数据库的构建：通过对120个涵盖1～7轮次的基酒样品进行全谱解析，检测维度逾200种挥发性风味物质，构建了包含“基酒指纹-风味组成-感官属性”的结构化数据库，数据完整性高达99.2%[46]。2）高精度关联模型建立：基于PLS-DA算法，从千余种成分中锁定了乙酸乙酯、四甲基吡嗪等28种关键标志物[35]。以这些标志物为输入变量建立感官预测模型，其对酒体品质的预测准确率达94.5%[35]。3）基于多目标遗传算法的配方优化：在勾调实践中，通过设定“风味相似度 95%”与“成本控制”双重目标，利用遗传算法在海量候选配方中高效筛选最优方案[52]。 4）验证与反馈调节：实测数据显示，数据驱动模式下的风味一致性合格率由传统模式的72%大幅提升至98.3%，且实验值与模型预测值的偏差控制在2.1%以内[49]。
图5 酱香型白酒数据驱动勾调技术闭环逻辑及核心性能指标
Fig. 5 Closed-loop logic and core performance indicators of data-driven blending technology for sauce-flavor Baijiu
3.3 智能勾调技术的工业化展望
近年来，人工智能（artificial intelligence，AI）与深度学习算法的介入，为解决酱香型白酒勾调中“感官认知数字化”这一瓶颈提供了新路径。智能勾调平台通过识别多达200种以上的风味活性物质（范围较人工提升 3倍），显著提高了优质酒的产率[50,53]。这种从“经验驱动”向“模型驱动”的跨越，不仅有效解决了传统勾调中难以科学量化的感官感知问题，更为酱香型白酒的个性化定制与标准化生产提供了坚实的技术支撑[49,52]。
4 结 语
本文系统梳理了酱香型白酒关键挥发性风味物质解析及勾调调控的研究路径。研究表明，现代分析技术的跨代升级已推动酱香型白酒挥发性风味物质的识别规模从早期的200余种跨越至1 182种，为构建精细化的风味特征图谱奠定了物质基础。基于OAV评价与GC-O验证，本文明确了乙酸乙酯、四甲基吡嗪等少数高活性挥发性风味物质对酱香典型性的核心贡献，并进一步揭示了酒体风味并非各挥发性风味物质的简单加和，而是受多种活性物质协同与掩蔽效应深度调制的产物。此外，多变量统计分析与AI技术的深度融合，正促使酱香型白酒勾调范式由感官经验驱动”向“数据理性驱动”转型。数据驱动模型在提升产品一致性与勾调效率方面的显著优势，证实了建立科学化勾调体系的可行性与必要性。
尽管酱香型白酒风味解析已取得阶段性进展，但实现完全意义上的理性勾调仍需在以下领域深耕。首先是风味组学与多组学的整合解析，未来应通过代谢组学与分子感官科学的深度耦合，从生物合成源头探索关键挥发性风味物质的动态演变规律[21,54]。其次是复杂体系下风味交互机制的量化模拟，利用计算风味化学手段模拟不同酒体基质中分子间的化学平衡与感官调制，以期突破“风味黑箱”[40]。最后是人机协作智能勾调系统的开发，通过大语言模型与多目标优化算法的集成，构建具备自主学习能力的勾调辅助系统，在保障酱香型白酒风格典型性的前提下，实现生产过程的高效标准化[49,55]。同时，在推动技术革新的过程中，也需关注产业可持续发展，平衡技术创新与生态环境保护[56-57]。通过产学研协同攻关，建立涵盖挥发性风味物质检测、智能勾调模型、生产过程控制的酱香型白酒精准勾调标准体系，将为我国白酒产业的高质量发展注入新的活力[58-62]。此外，对风味感知的神经科学解析[63]以及基于大数据的消费者偏好建模[64]将为勾调技术的未来发展提供更加个性化和精准化的指导。最终，构建挥发性风味物质-感官感知-消费者偏好的全链条解析体系，实现从分子到感官再到市场的全维度精准调控[65]。
[1] 中国酒业协会. 中国白酒产业发展报告(2022)[R]. 北京: 中国轻工业出版社, 2022.
[2] GAO M X, HAN X L, YANG Y F, et al. Characterization of volatile compounds in aged Jiangxiangxing Baijiu by GC × GC-TOFMS and means of the sensomics approach[J]. Food Chem, 2025, 492: 145638.
[3] HE X, JELEŃ H H. Comprehensive two-dimensional gas chromatography-time of flight mass spectrometry (GC × GC-TOFMS)in conventional and reversed column configuration for the investigation of Baijiu aroma types and regional origin[J]. J Chromatogr A, 2021,1636: 461774.
[4] 郭雪峰, 程玉鑫, 黄永光, 等. 不同香型白酒感官风味及挥发性化合物结构特征[J]. 食品科学, 2022, 43(20): 195-203.
[5] WU J H, CHEN R Y, LI X B, et al. Comprehensive identification of key compounds in different quality grades of soy sauce-aroma type Baijiu by HS-SPME-GC-MS coupled with electronic nose[J]. Front Nutr, 2023, 10: 1132527.
[6] HE F, DUAN J, JIANG Y, et al. Discrimination of Maotai-flavor liquors with different storage times using gas chromatography-ion mobility spectrometry and chemometrics[J]. LWT-Food Sci Technol,2020, 133: 109987.
[7] 王典芳, 唐维媛, 朱强, 等. 基于电子鼻和气相色谱-质谱的酱香型白酒不同轮次基酒风味差异分析[J]. 食品工业科技, 2023, 44(12):234-241.
[8] HUANG Q, LIU Y, TIAN L, et al. Effects of storage time on flavor characteristics of bran-free fermented Baijiu by using electronic sensory, descriptive sensory analysis, GC × GC-MS, and ICP-MS[J]. Food Chem X, 2024, 23: 101667.
[9] CHEN L, YAN R Y, ZHAO Y, et al. Characterization of the aroma release from retronasal cavity and flavor perception during Baijiu consumption by Vocus-PTR-MS, GC × GC-MS, and TCATA analysis[J]. LWT-Food Sci Technol, 2023, 174: 114430.
[10] HONG J X, ZHAO D R, SUN B G. Research progress on the profile of trace components in Baijiu[J]. Food Rev Int, 2021, 39(3): 1666-1693.
[11] SUN X Z, DU J W, XIONG Y Q, et al. Characterization of the key aroma compounds in Chinese Jingjiu by quantitative measurements, aroma recombination, and omission experiment[J]. Food Chem, 2021, 352: 129450.
[12] 李娜, 张伟. 基于非靶向代谢组学的酱香型白酒不同年份基酒挥发性风味物质差异分析[J]. 中国酿造, 2023, 42(5): 123-129.
[13] WANG Y H, ZHENG J, ZHANG D N, et al. Flavoromic exploration of regional variations, consumer preferences, and the role of volatile and nonvolatile compounds in strong-aroma Baijiu[J]. J Agr Food Chem, 2025, 73(28): 17888-17900.
[14] 范文来, 徐岩. 酱香型白酒勾调科学化的理论路径探讨[J]. 食品与发酵工业, 2024, 50(12): 301-310.
[15] MA N, YI F P, ZHU J C. Characterization of aroma-active compounds and perceptual interaction between esters and sulfur compounds in Xi Baijiu[J]. Eur Food Res Technol, 2020, 246: 2517-2535.
[16] FAN Q, WANG X L, ZHAO Y F, et al. Characterization of key aroma compounds in Laobaigan Chinese Baijiu by GC × GC-TOF/MS and means of molecular sensory science[J]. Flavour Frag J, 2019, 34(6): 514-525.
[17] YE H, WANG J, SHI J, et al. Automatic and intelligent technologies of solid-state fermentation process of Baijiu production: applications, challenges, and prospects[J]. Foods, 2021, 10(3): 680.
[18] CHEN B Y, WANG L, WANG L M, et al. A novel data fusion strategy of GC-MS and 1H NMR spectra for the identification of different vintages of Maotai-flavor Baijiu[J]. J Agr Food Chem, 2024, 72(26): 14865-14873.
[19] 孙宝国, 洪九端, 阿拉木斯. 白酒风味化学研究进展与未来趋势[J].食品科学技术学报, 2024, 42(1): 1-12.
[20] LYU X T, ZHOU M Y, WANG Q, et al. Non-volatile compounds as aroma modulators in Jiangxiang-flavor Baijiu: regional flavor differentiation and synergistic interactions with volatile aromas[J]. Food Chem, 2025, 490: 145015.
[21] NIU M S, MA L, YANG Y, et al. Uncovering the key volatile compounds affecting the roasted aroma in sauce-flavor Baijiu and their perceptual interactions[J]. LWT-Food Sci Technol, 2025, 237: 118705.
[22] CHEN P P, LIU Y, WU J H, et al. Sensory-directed decoding of key aroma compounds from Jiugui-series Baijiu, the representative of Fuyu-flavor-type Baijiu (FFTB)[J]. J Food Compos Anal, 2022, 114: 104799.
[23] 黄永光, 邱树毅. 酱香型白酒生产工艺及其挥发性风味物质形成机理研究进展[J]. 酿酒科技, 2024(12): 17-25.
[24] WU Z Y, QIN D, DUAN J W, et al. Characterization of benzenemethanethiol in sesame-flavour Baijiu by high-performance liquid chromatography-mass spectrometry and sensory science[J]. Food Chem, 2021, 364: 130345.
[25] SHI X, FAN C M, HUI M, et al. Integrated metagenomic and metabolomic analysis reveals regional style differences in Maotaiflavour Baijiu[J]. Curr Res Microb Sci, 2026, 10: 100558.
[26] 杨亮, 王典芳, 朱强, 等. 基于感官评价与化学计量学的酱香型白酒轮次基酒特征分析[J]. 食品工业科技, 2023, 44(2): 112-119.
[27] AMANPOUR A, GUCLU G, KELEBEK H, et al. Characterization of key aroma compounds in fresh and roasted terebinth fruits using aroma extract dilution analysis and GC-MS-olfactometry[J]. Microchem J,2019, 145: 96-104.
[28] 中国食品工业协会. 2025年度白酒行业技术创新趋势报告[R].上海: 中国食品工业协会, 2025.
[29] WANG S Q, CHEN H T, SUN B G. Recent progress in food flavor analysis using gas chromatography-ion mobility spectrometry (GC-IMS)[J]. Food Chem, 2020, 315: 126158.
[30] 何东梅, 邱树毅. 酱香型白酒基酒中挥发性风味物质的指纹图谱构建及应用[D]. 贵州: 贵州大学, 2024.
[31] LI S, HAN Y R, WANG L, et al. Machine learning-enhanced flavoromics: identifying key aroma compounds and predicting sensory quality in sauce-flavor Baijiu[J]. Food Chem, 2025, 475: 143328.
[32] 易封萍, 马宁, 朱建才. 关键挥发性风味物质在酒体勾调中的演变规律研究[J]. 食品与发酵工业, 2023, 49(15): 88-95.
[33] SONG X B, JING S, ZHU L, et al. Untargeted and targeted metabolomics strategy for the classification of strong aroma-type Baijiu (liquor) according to geographical origin using comprehensive two-dimensional gas chromatography-time-of-flight mass spectrometry[J]. Food Chem, 2020, 314: 126098.
[34] DU Y H, WANG X W, TAN H, et al. Key aroma compounds and their perceptual interaction effects on floral aroma perception in two typical light-flavour Baijiu (Qingcha Daqu and Xucha Daqu)[J]. Food Res Int,2025, 220: 117059.
[35] ZHENG J, HE Z L, YANG K Z, et al. Volatile analysis of Wuliangye Baijiu by LiChrolut EN SPE fractionation coupled with comprehensive GC × GC-TOFMS[J]. Molecules, 2022, 27(4): 1318.
[36] ZHENG Y, SUN B G, ZHAO M M, et al. Characterization of the key odorants in Chinese Zhima aroma-type Baijiu by gas chromatographylfactometry, quantitative measurements, aroma recombination, and omission studies[J]. J Agr Food Chem, 2016, 64(26): 5367-5374.
[37] 徐岩, 范文来. 中国白酒风味化学研究的昨天、今天与明天[J].酿酒, 2024, 51(1): 1-10.
[38] SCHREURS M, PIAMPONGSANT S, RONCORONI M, et al.Predicting and improving complex beer flavor through machine learning[J]. Nat Commun, 2024, 15: 2368.
[39] WANG D, ZHAO Z Y, YU J B, et al. Intelligent Baijiu blending model based on meta-goal programming[C]. 2024 14th Asian Control Conference (ASCC), 2024: 2473-2478.
[40] LIN L Y, FAN W L, XU Y, et al. Characterization of key odorants in Chinese Texiang aroma and flavor type Baijiu (Chinese liquor) by means of a molecular sensory science approach[J]. J Agr Food Chem,2024, 72(2): 1256-1265.
[41] QIAO L N, WANG J, WANG R F, et al. A review on flavor of Baijiu and other world-renowned distilled liquors[J]. Food Chem X, 2023,20: 100870.
[42] 张文博, 杨平. 酱香型白酒勾调过程中的数字化转型研究[J]. 酿酒科技, 2024(11): 102-108.
[43] LI Z J, FAN Y, HUANG X N, et al. Microbial diversity and metabolites dynamic of light-flavor Baijiu with stacking process[J].Fermentation, 2022, 8(2): 67.
[44] SHI X, FAN C M, HUI M, et al. Multiomics analysis of microbial succession and flavor formation mechanism during the fermentation process of Maotai-flavour Baijiu[J]. Food Chem X, 2025, 32:103236.
[45] 孙宏亮, 贾智勇, 刘英. 现代感官分析技术在酱香型白酒勾调中的应用[J]. 食品科学, 2024, 45(8): 321-329.
[46] LI P Q, LING Y T, SHEN X M, et al. Characterization of key aroma compounds in aged Chinese Nongxiangxing Baijiu based on sensory and quantitative analysis: emphasis on the contribution of trace compounds[J]. Molecules, 2025, 30(14): 2963.
[47] 中国食品工业协会. 2022年度中国白酒产业技术发展报告[R].北京: 中国轻工业出版社, 2022.
[48] DE-LA-FUENTE-BLANCO A, ARIAS-PÉREZ I, ESCUDERO A,et al. The relevant and complex role of ethanol in the sensory properties of model wines[J]. OENO One, 2024, 58(3): 7864.
[49] 王晓欣, 范文来, 徐岩. 酱香型白酒中含硫化合物的研究进展[J].食品与发酵工业, 2023, 49(10): 315-322.
[50] LYU X T, JIANG Q, LINGHU K, et al. Digital transformation of Jiangxiangxing Baijiu production: integrating flavor compound analysis, machine learning recognition, and genetic algorithm blending of multi-rounds[J]. Food Res Int, 2026, 230: 118635.
[51] SHI X, FAN C M, HUI M, et al. Multiomics analysis of microbial succession and flavor formation mechanism during the fermentation process of Maotai-flavour Baijiu[J]. Food Chem X, 2025, 32: 103236.
[52] 邱树毅, 王晓丹. 贵州酱香型白酒核心产区微生物多样性及其与风味关联性研究[J]. 中国食品学报, 2024, 24(5): 234-245.
[53] WU J H, CHEN R Y, LI X B, et al. Comprehensive identification of key compounds in different quality grades of soy sauce-aroma type Baijiu by HS-SPME-GC-MS coupled with electronic nose [J]. Front Nutr, 2023, 10: 1132527.
[54] LI X F, DAI W, WANG J L, et al. Thermodynamic equilibrium-driven blending technology for Baijiu standardization[J]. Food Chem, 2025, 493: 145960.
[55] XU H, YANG Z Z, HUANG B T, et al. Fermentation-linked conversion of dimethylpyrazines in moutai-flavor liquor: insight from HPLC-FLD analysis[J]. J Food Compos Anal, 2025, 138: 107021.
[56] 赵阳, 陈晨. 酿造环境对酱香型白酒特征挥发性风味物质积累的影响[J]. 微生物学报, 2023, 63(3): 456-468.
[57] LI X F, DAI W, WANG J L, et al. Thermodynamic equilibrium-driven blending technology for Baijiu standardization[J]. Food Chem, 2025,493: 145960.
[58] 中国食品科学技术学会. 中国食品科学技术发展报告(2022)[R].北京: 中国轻工业出版社, 2022.
[59] YU M G, YANG P, SONG H L, et al. Research progress in comprehensive two-dimensional gas chromatography-mass spectrometry and its combination with olfactometry systems in the flavor analysis field[J]. J Food Compos Anal, 2022, 114: 104790.
[60] 贾雷, 张明. 机器学习算法在复杂白酒基酒分类中的性能评估[J].食品与机械, 2024, 40(9): 12-18.
[61] DUAN J, HE F. Contribution of terpenes to the floral aroma of Maotaiflavor liquor[J]. Food Research International, 2022, 157: 111456.
[62] 陈志远. 酱香白酒智能制造与勾调技术[M]. 贵阳: 贵州科技出版社,2025: 124-156.
[63] ZHANG N, QI W, ZHANG A, et al. NIR-based chemometric modeling for fermentation round classification and physicochemical indicator prediction during stacking fermentation of sauce-flavor Baijiu[J]. Food Biosci, 2025, 73: 107680.
[64] 孙宏亮, 贾智勇. 基于大数据分析的酱香型白酒定制化勾调技术研究[J]. 酿酒, 2024, 51(3): 45-51.
[65] ZHANG J Q, TANG H Z, YU X, et al. Co-production of ferulic acid and p-coumaric acid from distiller grain by a putative feruloyl esterase discovered in metagenome assembled genomes[J]. J Clean Prod, 2024,439: 140814.