티스토리 뷰

How Coffee Varietals and Processing Affect Taste

커피 품종과 프로세스가 맛에 끼치는 영향

 

 

I recently read James Hoffman’s fantastic book The World Atlas of Coffee and followed the also fantastic new Terroir course at the Barista Hustle web site. All of this reading motivated me to think a bit more about coffee varietals when I’m enjoying a cup of coffee. Previously, I had noticed some obvious taste differences between varietals, like the fact that typical Kenyans such as the SL28 varietal tend to have a nice taste of blackberries (or tomato when the roast is underdeveloped) but I did not think about it much further.

 

나는 최근에 제임스 호프만의 환상적인 책, ‘커피 아틀라스’(한국어 판)를 읽었고, 마찬가지로 바리스타 허슬 웹사이트에서 또 하나의 끝내주는 떼루아 과정을 팔로우 했다. 이것들은 내가 한 잔의 커피를 마심에 있어, 나에게 커피 품종에 대해 더 많은 생각을 하게끔 해주었다. 이전에는 나는 품종에 대한 아주 특징적인 몇몇 차이만 알 수 있었다. 마치 전형적인 케냐 SL28 품종에서 느껴지는 아주 훌륭한 블랙베리라던가, 로스팅의 언더디벨롭(underdeveloped)에서 느낄 수 있는 토마토처럼 말이다. 그 외엔 더 이상 생각할 수 없었지만 말이다.

 

His book also made me realize that I couldn’t find much information about the typical taste profiles of different coffee varietals or processing methods, other than anecdotic facts and tasting notes of individual roast batches. Clearly, there is a ton of subjective tasting notes available out there, and I thought if we could only collate a big pile of them, I could probably distill it and see if some interesting trends come out of that.

 

그의 책(커피 아틀라스)에는 내가 이전에는 찾아보지 못했던 커피 품종이나 프로세스 방법에 따른 전형적인 테이스트 프로필(맛에 대한 정보)들이 있었고, 그 외에도 개별적인 요인이나 각각의 로스팅 배치에 따른 테이스팅 노트를 알 수 있게 해주었다. 다시 말하자면, 거기엔 수 천가지의 주관적인 테이스팅 노트가 널려있었고, 우리가 큰 표현의 덩어리를 수집,분석해서 정제할 수 있다면 무언가 흥미로운 경향을 볼 수 있을 것 같았습니다.

 

I decided to contact Alex, a friend who built a really cool mobile application (for iOS and Android) called Firstbloom, where they actually did just that. They allow users to build their own personal library of various roaster’s bags and consult other people’s ratings. One really nice thing about it is that unavailable past offerings don’t disappear (some day, someone will need to explain to me why roasters always completely delete web pages of their past offerings, rather than just unlink them). Anyway, Alex was super happy to help me with this idea, and he generously sent me his metadata on 1,500 coffee bags with varietals, tasting notes and processing for every one of them ! Alex and his team built Firstbloom as a passion project (much like my blog), and I’m highly appreciative of their work and precious help with this idea. So, in a way, today’s blog post was sponsored by Firstbloom’s incredible efforts at collating these data, otherwise it would not have been possible.

 

나는 퍼스트 블룸(FirstBloom)이라는 아주 끝내주는 모바일 앱(iOS와 안드로이드용)을 만든 알렉스라는 친구에게 연락하기로 결정했다. 그들은 내가 말한 걸 실제로 하고 있었으니까. 알렉스는 사용자들이 여러 로스터의 원두커피를 품평하고 서로 별점을 매겨 참고 할 수 있는 자료를 만들도록 해주었다. 이 서비스에서 가장 좋은 점은 지난 자료들이 사라지지 않는다는 거였다.(언제든, 누구든, 제게 설명 좀 해주세요. 왜 로스터들이 웹링크를 없애는게 아니라 완전히 홈페이지를 삭제해버리는지 말이에요) 어쟀든 알렉스는 이 아이디어에 적극 동참하기로 해서 다양한 품종, 테이스팅 노트 그리고 프로세싱이 포함된1,500 여개의 메타데이터를 제게 보내주었습니다! 알렉스와 그의 팀은 퍼스트블룸을 만들 당시에도 오직 열정적인 프로젝트로서 시작을 했는데(마치 제 블로그처럼 말이죠), 이번 일을 위해서도 기꺼이 도움을 준 일에 대해서 무한한 감사를 드립니다. , 그리하여 오늘의 포스팅은 퍼스트블룸의 놀랄만한 노력과 열정으로 완성된 자료이며, 그들이 아니었다면 이건 불가능했을 겁니다.

 

Taste Descriptors by Coffee Varietal

커피 품종에 따른 맛 표현(기술)

The first thing I decided to investigate is the taste descriptors that come up most often for each coffee varietal. For this I only used coffee processed with the washing method, because it is the most abundant and I also think it is the process that will bring up varietal characteristics most clearly without influencing them (don’t tell Scott Rao, but there are some naturals that I love even if I think they distort the tasting profile). A very neat tool to visualize such data is a word cloud; each word is displayed with a size representative of how often it came up in a list. There are some Python packages that do basic word clouds, but I found out this website that offers way more options. Coding that from scratch seemed like an annoying enterprise, so I decided to just use it.

먼저 각 품종에서 가장 자주 쓰이는 표현단어를 조사하기로 했습니다. 이 시점에서 나는 워시드 프로세스의 커피만 사용하기로 했습니다. 워시드 프로세스 커피가 가장 많았을 뿐더러 이 프로세스는 여러 영향을 받지 않으면서 다양한 커피특징들을 잘 나타내주었기 때문입니다. (스캇 라오에게는 비밀로 해주세요. 

제 생각에는 테이스팅 프로파일이 왜곡되었다고 보지만, 제가 좋아하는 내추럴 커피도 있습니다) 이러한 데이터를 단어 구름(Word Cloud)으로 시각화해주는 깔끔한 도구가 있습니다. 사용되는 빈도에 따라 각 단어들이 크기별로 표시되죠. 파이썬 패키지로 간단한 단어 구름을 만들수도 있지만 저는 더 많은 옵션을 제공하는 이 웹사이트를 찾아냈습니다. 바닥부터 코딩하는 건 매우 성가신 일이니까 전 이걸 쓰기로 합니다. 

 

 

I did not just collate all of the taste descriptors and count the number of repetitions when I assigned weights to each word, the way one would typically build a word cloud. This would be an ok way to do things, but it would not necessarily amplify the differences from one varietal to the other. As you can see in that figure, there are some words that come up way more often than others when describing any kind of coffee:

 

일반적으로 단어 구름을 만들 때 쓰는 방식처럼 모든 표현단어에 대해 단어 중복, 가중치 적용을 사용하지는 않았습니다. 가중치 적용은 좋은 방법이지만, 

서로 다른 품종의 차이를 증폭시키는덴 좋지않으니까요. (중복표현에 가중치를 두면, 각 품종이 지닌 미미한/극명한 캐릭터의 차이를 제대로 인지하지 못할 수도 있다는 표현입니다) 자료에서 보듯 어떤 단어가 커피의 품종과는 상관없이 다른 단어보다도 공통적으로 많이 표현되기도 합니다.

 

These descriptors are not the most interesting to me, as they are the ones that come up most often regardless of varietal. What I would rather want to see are the specific descriptors that come out in one varietal more than in others. To do this, I counted the number of times a descriptor happened within a varietal, and normalize that to the amount of times it happened in any coffee, hence the descriptors in larger fonts above will be somewhat muted. In other words, if a taste descriptor happens a lot for SL28 and not that much for other varietals, it will be amplified more than a descriptor that happens a lot for SL28 as well as any other coffee. There is one potential drawback of doing this: Imagine there is just one bag of coffee ever that had the taste descriptor carrot. It would end up being extremely amplified in the word cloud of the one varietal where it happened, because it was never used for any other coffee. To mitigate that effect, I put a “ceiling” on the level of amplification that rare words can obtain; I decided that no word could be amplified by a factor larger than 3.3 because of its rare use in other coffee varietals.

 

이 표현들은 그다지 흥미로운 자료는 아닙니다. 품종과는 상관없이 자주 표현되는 것들이기 때문이죠. 제가 기대하는 건은 한 품종에서 더 많이 나오는 구체적인 표현입니다. 이 실험을 하기 위해서 저는 한 품종 안에서 표현되는 수를 세었고, 다른 커피에서 나타나는 수를 정상화(표준화)하여, 크게 표현된 단어들은(품종과 상관없이 커피에서 공통적으로 많이 표현되는 단어들) 잘 드러나지 않게 될 것이었습니다.

 

다시 말해서 만일 SL28에서 드러나는 표현이 다른 커피에는 많지 않다면, SL28의 표현은 실제 표현되는 것보다도 더 증폭되어 다른 커피들이 표현할 수 있는 다른 수치들 만큼  표현됩니다.

 

이렇게 하게되면 나타나는 문제점으로는, 당근 맛이 나는 커피가 있었다고 생각해보죠. 그렇게 되면 이 품종에서의 당근 표현이 크게 확대되어 나타날 것입니다. 다른 품종에서는 절대 나올 수가 없으니까요.

 

이런 효과를 줄이기 위해서 천장이라는 증폭 레벨을 설정하고 다른 커피에서의 표현이 없다면 3.3의 증폭 한계를 설정했습니다.

 

Now, the fun part ! Here are some collections of taste descriptors for some of the most widespread coffee varietals:

 

, 이제 재밌는 부분입니다! 여기에 다양한 커피 품종에 따른 표현 모음집이 있습니다:

 

 

 

 

 

 

This already jumped out as very representative of my experience. Ethiopian heirloom coffees often taste very floral and have a distinct citrus-like character often described as lime (see this great book review by James Hoffman where he talks a bit more about “heirlooms”). As I expected, SL28 is largely dominated by descriptors like blackberries or black currant. Just writing this makes me want to brew a good Kenyan cup. The Geisha varietal seems dominated by floral and fruity descriptives, my personal favorites (I’m so original). One thing that surprised me a bit more is how Caturra and Bourboncome out quite similar. But this is not actually that surprising, because Caturra arose from a naturally occurring mutation of the Bourbonvarietal (as described at World Coffee Research).

 

이것들은 내 경험으로도 이미 알 수 있는 것들입니다. 에티오피아 heirloom(토착종) 커피는 종종 꽃향과 시트러스 계열-라임으로도 표현합니다.(제임스 호프만의 위대한 책에서 “heirlooms”를 더 찾아볼 수도 있습니다그리고 제가 예상했듯, SL28은 블랙베리나 블랙커런트가 지배적이네요. 이 단어를 쓰는 것만으로도 좋은 케냐 한 잔을 내리고 싶어집니다게이샤 품종에서는 꽃량과 과일에 대한 묘사를 볼 수 있구요. 게이샤는 제 최.애커피(가장 좋아하는 커피)이기도 합니다. 제가 놀랬던 것 중 하나는 카투라와 버본이 매우 비슷했다는 점입니다. 그치만 그리 놀랄 일은 아닙니다. 카투라는 버본의 자연발생 돌연변이이기 때문이죠. (월드 커피 리서치에 기술되어 있습니다).

 

There are some significant caveats I should add to these results. First, there are some taste descriptors that are caused by roasting more than varietal. I suspect that some varietals like Caturra are a bit harder to roast properly, and to diagnose once they are roasted compared to most Kenyan and Ethiopian coffees. If I’m right about this, then there will be some part of the unique characters of Caturra above that might be caused by a less optimal average roasting, and not by genes. For example, I suspect that some nutty descriptors might be part of that category.

 

이제 결과에 덧붙여야 할 몇가지 중요한 주의사항이 있습니다. 먼저, 여기에는 품종보다는 로스팅으로 인한 맛의 표현이라는 점입니다. 카투라 품종은 로스팅하기가 조금 까다로운 편이고, 로스팅 후에는 케냐나 에티오피아 커피에 비해 분석하기가 어렵습니다. 제가 맞다면 최적화되지 않은 로스팅으로 인해 야기되거나 유전자에 의한 것 이상의 카투라 품종 고유의 특징이 있어야 합니다. 예를 들면 너티한 표현이 카테고리 중 하나가 되어야겠지요.

 

Another likely bias comes from terroir, which might have a strong effect on taste; by terroir, I refer to the type of soil, weather, shade and other aspects of how farmers take care of their crops. Add this to the fact that some countries like Kenya often grow a very selective list of varietals (e.g. SL28, SL34, Batian and Ruiru 11), you will end up with a strong varietal versus terroir correlation. This means that some of the taste descriptors coming up in SL28 above could have more to do with terroir than actual coffee genes. In order to tell them apart, we would need a lot more data on typical Kenyan crops grown outside of Kenya. If we look at the word clouds of these four particular species next to one another, it might make you worry even more about this strong correlation:

 

 

또 다른 요인으로는 맛에 강한 영향을 줄 수 있는 자연환경 입니다. 저는 토양성질과 날씨, 그늘 등 농부들이 농작물을 관리하는 방법에 대한 것들을 자연환경-떼루아-로 지칭하겠습니다케냐와 같은 국가들은 특정 품종(예를들면, SL28, SL34, Batian, Ruiru 11)을 기르는데 이러한 요인들을 집어넣습니다. 당신도 결국 강한 품종이냐, 환경적인 요인이냐로 갈릴겁니다. 이것은 위에 있는SL28에서 커피 자체가 가지고 있는 유전자 보다도 환경적인 요인으로 인해 더 많은 맛 표현이 가능하리라는 의미입니다이러한 요인들을 분석하기 위해서는 케냐에서 자란 좋과 밖에서 자란 종에 대한 자료가 더욱 필요합니다. 만일 우리가 상기 4종의 다른 단어 구름을 나란히 놓고 본다면 이 강한 상관관계에 대해 더 깊은 고민을 하게 됩니다.

 

 

 

 

 

These four varietals are also sometimes grown, roasted and sold as a blend , so the taste descriptors for the three species will also tend to be somewhat mixed together, even in the unlikely scenario where there was no effect from terroir.

 

상기4종은 때로 블렌드로 재배되거나 로스팅되어 팔립니다. 그렇기 때문에3종의 맛이 서로 뒤섞인 듯한 경향이 나타날 때도 있습니다. 환경적인 요인을 전혀 받지 않았다고 하더라도 이런 시나리오를 생각해볼 수 있는 겁니다.

 

Although these word clouds are biased by terroir and roasting, they are still super useful to me, because the bags of coffee that I’m gonna drink are also affected by the same biases. From a user perspective, it’s therefore really fun to know which varietals will typically get you in what kind of taste territories. I would however bet that in 10 years, a typical user experience might shift far from the word clouds above.

 

비록 이런 단어 구름이 환경적인 요인과 로스팅에 의해 갈리지만, 내가 마시게 되는 커피도 이와 같은 영향을 받기 때문에 나에게는 무척이나 유용한 자료입니다. 소비자의 관점에서 어떤 품종이 어떤 맛을 내는지 알아가는게 재밌는 일이기 때문이죠. 그리고 10년 쯤 지났을 땐, 위와 같은 단어구름이 또 멀리 옮겨 가리라 확신합니다.

 

But even this more limited use of the word clouds above is not perfect, because there’s yet another effect that clearly taints these word clouds, and will make them a little bit less reliable as a guide to which coffee you want to buy: human bias. I found that roasters will very rarely write tomato on their bag of Kenyan coffee, even when it tastes like nothing else but tomato soup. This is not surprising, because tomato it is widely known as a roast defect form under-developed Kenyan coffee, so it would be a bit of a bad self publicity to write that on a bag of coffee. Therefore, there are some “surprise” taste descriptors that won’t end up in the word clouds above, but may end up in your cup of coffee !

 

위의 단어 구름은 완벽하지 않기에 제한적으로 사용해야 합니다. 확실하지 않은 또다른 영향이 표현에 있을 것이고, 당신이 커피를 구매할 때에 있어 인간이 가지고 있는 편견을 조금 더 덜어주는 도구가 되기 때문입니다나는 로스터들이 케냐 커피에 토마토라고 잘 쓰지 않는 것을 발견했습니다. 그것들이 토마토 수프 말고는 아무것도 나지 않는데도 불구하고 말이죠그다지 놀랄만한 일은 아닌데요. 토마토는 케냐 커피가 언더디벨롭일때 나타나는 로스팅 디펙트로 널리 알려졌기 때문입니다. 그렇기 때문에 토마토를 쓰는 건 스스로 결점이 있는 커피라고 알리는 일이 되는 거죠.

 

그렇기 때문에 놀라운 맛 표현의 구름은 계속해서 커져갈 겁니다. 오직 당신이 마시는 커피 한 잔에서는 끝나겠지만요! (음용하는 사람은 자신의 컵만을 표현하지만 집단지성을 이용한 퍼스트블룸의 맛 표현 데이터는 꾸준히 쌓여가고 이동할 것이라는 표현입니다)

 

 


이하의 내용은 더 업로드 하진 않겠습니다만, 굉장히 흥미로운 이야기를 나누고 있는 것을 볼 수 있습니다. 상기 내용은 블로그 원작자의 동의를 구해 번역/업로드 하였습니다.

 

원문은 아래와 같습니다.

 

https://coffeeadastra.com/2019/07/23/how-coffee-varietals-and-processing-affect-taste-2/

 

How Coffee Varietals and Processing Affect Taste

In this post, I used tasting notes from 1500 bags of coffee too bring out how perceived flavor is affected by coffee varietal and processing

coffeeadastra.com

 

댓글
댓글쓰기 폼