咖啡沙龙迁移后找不到了?
以便第一时间获取我们的推送
不知道在看这篇文章的你,会不会和我一样,在描述咖啡风味的时候,脑海里想起的总是旧版咖啡风味轮?
(1995版咖啡风味轮,图源SCA)
是的,就是那个出版已经超过25年的旧版咖啡风味轮。
新版风味轮于2016年发布,距今已经5年。如果这个科学家们大量研究得来的宝贵成果没办法用到实处,将是相当可惜。
那么,是新版风味轮的研发出了什么问题?抑或是我们还没有真正了解它?
既然新版风味轮从科研中来,那想要纯熟地使用它,就要先回到那篇原始文献中。
科研文献虽然复杂,但三岁的这篇文章尽量简单。不需要计算,更不必紧张,睡前看看更加健康~
旧版风味轮为什么好用?
回到1995年,时任SCAA执行总监的泰德·林格(Ted Lingle)发布了第一版咖啡风味轮,为他那本奠定行 业规范的《咖啡杯测手册》(The Coffee Cupper's Handbook)提供了清晰有力的补充。
而在此之前,全球咖啡人对于咖啡中的基本风味并没有达成共识。大家不清楚咖啡中有哪些风味,或者知道一些风味但却对不知道它的来源以及好坏,更不用说风味的类别以及从属关系了。
如果不同地方的咖啡从业者没有办法对风味产生共识,也就没有共同语言,广东人叫“鸡同鸭讲”。这显然成为了在全球推广精品咖啡时的一大障碍。
所以,可以想象泰德先生在看到1984年出版的葡萄酒风味轮时,那种“就是它了”的雀跃,以及跨越产业、超越时间的共鸣——这是一个梳理了风味产生的逻辑,再将其分门别类,可以供全产业使用可视化工具。
(葡萄酒香气轮,图源网络)
1995版风味轮经久不衰,主要是因其从咖啡本身的特点出发,描述了种植、处理、烘焙、萃取以及感官的五个规律。我们自上而下观察正向风味轮右半边的芳香组,会发现香气的排列对应:
香气物质生成的阶段,即酶促化的产物主要在种植和生豆加工处理的阶段产生,焦糖化和干馏化反应的物质分别在烘焙的一爆和二爆后产生;
咖啡烘焙的过程,即从浅烘焙到深烘焙,香气依次以酶促化、焦糖化以及干馏化反应的产物为主导;
萃取程度由低到高时, 香气物质进入杯中的次序,即酶促化反应的物质更早进入杯中;
香气化学物质的分子量,分子量越小的化学物质越靠上,即越容易挥发也越容易被感知。
(1995版咖啡风味轮中的香气部分,图源网络)
如此一来,推广风味轮不仅促进了共同语言的建立,还让大家了解到了咖啡科学中的底层逻辑。
新版风味轮有哪些创新?
可是,比对旧版咖啡风味轮和葡萄酒风味轮可以轻易发现,前者是左右两个轮,后者则是一个轮。
为什么咖啡风味轮不是一个轮呢?
另外,对于旧版咖啡风味轮而言,左边是瑕疵风味,右边是味道和正向香气。左右两个轮虽然都是咖啡的风味,但彼此之间却割裂开了。
我们能够了解瑕疵和正向风味是对立的两面,可是到底有多对立?
在旧版风味轮中,“花香(flowery)”和“果香(fruity)”相邻,可以理解这两者都是酶促化反应带来的香气。但与此同时,“花香”也和“酸味(Soury)”相邻,那这又该如何理解它们之间的关系呢?
(1995版咖啡风味轮中的“花香”及周边风味属性,图源三岁)
风味是香气和味道的结合。旧版风味轮或许可以从生物、物理和化学的角度上解释部分咖啡的规律,比如香气之间的联系,味道之间的联系,但却没办法在可视化的层面解释香气和味道的关系,瑕疵风味和正向风味的联系。
SCAA(彼时还没和SCAE联合为SCA)敏锐地注意到了这点,于2016年发布了全新的咖啡风味轮。
新版风味轮为什么值得再三研究?是因为它背后是科学家们严谨的分析和对进一步建立咖啡产业共同语言的渴望。
SCAA首先和世界咖啡研究所(World Coffee Research,简称WCR)、堪萨斯州立大学和德州农工大学的感官科学家们以及行业代表们合作,测试与分析全球13个国家105个不同咖啡样本的风味,选出了最具代表性的110种,汇编成了《感官词典》(Sensory Lexicon),作为新版风味轮的基础研究。鲜为人知的是,该词典还在一年后更新了第二版,新增了24个新词。
(第二版《感官词典》,图源网络)
不过,科学家们在编制新版风味轮时剔除了不易测量的触感类词汇,如“涩的(Astringent)”、 “质地(Texture)”和“口腔触感(Mouthfeel)”,最后剩下99个词。
有了关于咖啡风味大量数据后,该如何分析它们之间的深层关系并组织为一个统一的可视化工具呢?
SCAA找到了加州大学戴维斯分校的Jean-Xavier Guinard教授和莫利·斯宾塞(Molly Spencer)博士。
Jean-Xavier Guinard教授何许人也?
简单检索Google Scholar,他的H指数为42,即有42篇论文被引用过42次,且在“消费者科学(consumer science)”领域引用量排名第一,是一名一流的科学家。
(Jean-Xavier Guinard教授的Google Schlor专页,图源网络)
(Google Schlor中“消费者科学”领域学者的引用量排名,图源网络)
两人先是召集了29名没有正式受过咖啡感官训练,但有长期喝咖啡的习惯且了解描述性分析的成员,以及43名来自咖啡行业的专家。这些成员之间没有讨论,也不会接受进一步的训练,这是为了保持他们对于风味之间关系的独立判断,以客观反映人对于咖啡风味的感知。
在正式测试中,他们会在一个线上软件对《感官词典》中的词汇进行分类,如下图:
(测试人员为风味分类时的界面,图源原始论文)
像在这位测试员的认知中,他认为“黑莓(Blackberry)”、“树莓(Raspberry)”、“蓝莓(Blueberry)”和“草莓(Strawberry)”都是包含在“莓果类果香(Fruity,berry)”风味之下的,而“莓果类果香(Fruity,berry)”又包含在“果香(Fruity)”之下。
如此一来,得到了一位测试人员对于风味之间关系的认知,并在有关系的一对风味之间标注“1”,没关系则标注“0”,如下图:
(某位测试人员的部分结果,图源原始论文)
然后,再统计所有测试人员对于风味关系的认知,如下:
(部分测试结果的统计,图源原始论文)
分数越高,也就意味着越多测试人员认为那对风味之间是有联系的。
那么,该如何整合所有测试人员的数据呢?科学家们用到了一种称之为“凝聚层次聚合分析法(agglomerative hierarchical clustering ,简称AHC)的方式,将一盘散沙般的数据按照它们之间联系的紧密程度进行分类,逐步归为更大的类别,直至到达指定条件,最终得到结果如下:
(AHC结果统计,图源原始论文)
我们简单拿一个组别出来看,相同颜色的圈指示同一个风味类别。
(部分测试结果的统计,图源原始论文)
这样一来,弄清楚了一个大类之下的风味联系。
那么,大类之间的关系又如何?在风味轮上应该按照什么顺序来排列呢?科学家们拿出了另外一种方法——多维尺度分析法( multidimensional scaling,MDS),将各种风味之间的多维联系转化为二维平面上的联系,如下图:
(MDS结果的统计,图源原始论文)
我们可以清晰看到“花香(Floral)”和“其他(Others)”分居两极,说明测试人员认为它们的差异很大,实际上“其他”就约等于旧版风味轮中的瑕疵,而“花香”和“果香”、“甜(Sweet)”相邻,即这两大类是比较类似的。
双管齐下,一个基于感官科学的风味轮就此诞生。
(2016版咖啡风味轮,图源SCA)
怎么用新版风味轮?
了解新版风味轮的原理后,使用起来就得心应手了。
和旧版一样,新版风味轮也需要 从里往外看 ,先看容易分辨的大类,再看容易混淆的细类。
比如,先分辨咖啡是不是有水果香气,再去思考是“柑橘(Citrus)”还是“莓果(Berry)”。
(从里往外,类别逐渐细分,图源网络)
当想要了解风味之间的关联,我相信新版风味轮会帮上大忙。
仔细看风味轮,风味之间有各种大小的空隙。 空隙越小,说明两种风味越相似 ,越不容易分辨,反之亦然。
(风味间间隙越小,越相似,图源网络)
特别有趣的是,我们可以用新版咖啡风味轮上各种风味的颜色做联想。比方说,如果在喝咖啡的时候联想到棕色但想不出是什么风味,就可以看看风味轮,发现棕色的有“丁香(Clove)”、“肉桂(Cinnamon)”、“肉豆蔻(Nutmeg)”和“茴香(Anise)”,就可以参考是不是想要表达的那个风味。
除此之外,我自己还会 在思考特调咖啡配方时用到新版风味轮 。
在特调咖啡中,该使用什么食材才更搭?
新版风味轮很有启发性地告诉我们,如果选用相邻的风味,则更容易搭配,但可能缺乏层次感;而使用相距较大的风味做搭配,则风险较高,但可能会有意想不到的效果。
后记
《旧约全书》中,上帝为了阻止人类修建通天的巴别塔,而让人分散到各地并说不同的语言。人们无法交流,思想的交易效应无法产生,超越人界的计划随之失败。
在精品咖啡的世界里,风味轮就是建造巴别塔的图纸,来自世界各地的咖啡人只要学习风味轮就可以交流,即便语言不通,对咖啡风味的描述却可以相差无几。
希望下一次,当我们想要描述咖啡风味的时候,脑海中不仅会浮现描述咖啡基本规律的旧版风味轮,还可以自如运用清晰呈现风味联系的新版风味轮。
参考资料
Spencer, Molly, Sage, Emma, Velez, Martin, & Guinard, Jean-Xavier. (2016). Using Single Free Sorting and Multivariate Exploratory Methods to Design a New Coffee Taster’s Flavor Wheel. Journal of Food Science, 81(12), S2997-S3005.
https://en.wikipedia.org/wiki/Ann_C._Noble
https://en.wikipedia.org/wiki/Hierarchical_clustering
https://en.wikipedia.org/wiki/Multidimensional_scaling
https://en.wikipedia.org/wiki/Tower_of_Babel
https://scanews.coffee/2016/01/19/a-new-flavor-wheel-a-message-from-ric-rhinehart/
https://scanews.coffee/2016/01/28/a-science-primer-on-the-scaawcr-coffee-tasters-flavor-wheel/
https://scanews.coffee/2016/02/05/how-to-use-the-coffee-tasters-flavor-wheel-in-8-steps/
https://scanews.coffee/2016/04/27/the-science-behind-the-coffee-tasters-flavor-wheel/
侵权请联系:weixin@coffeesalon.com
热门跟贴