Interactions of Vine Age and Reflective Mulch Upon Berry, Must, and Wine Composition of Five<i>Vitis vinifera</i>Cultivars
Notice bibliographique
Résumé
ABSTRACT Four- and 14-year-old Cabernet Franc, Cabernet Sauvignon, Pinot Meunier, Pinot noir, and 15-year-old Riesling vines located at Thirty Bench Vineyards in Beamsville, Ontario, were assessed in terms of vine age (2002 and 2003) and reflective mulch treatments (2003) with respect to berry, must, and wine composition as well as wine sensory attributes. In 2002, but not 2003, old vines had higher yields, clusters per vine, cluster weights, and berry weights than young vines. Berries from young vines tended to have higher Brix and lower titratable acidity (TA), pH, and total phenols than those from old vines in 2002; in 2003, age showed little impact on berry composition. Wines made from young vines in 2002 were higher in TA, and often lower in pH, color intensity, and anthocyanins than those from old vines, while in 2003, young vines produced wines with lower TA, and higher pH, intensity, and total phenols. Reflective mulch showed few effects on the berry, must, and wine composition of the red wine cultivars; however, mulch increased free and bound terpenes in the Riesling berries. Wines produced from young Cabernet Sauvignon and Cabernet Franc vines exhibited more intense vegetal aromas and flavors than those from old vines in 2002 but not in 2003. The red wines made from the mulched vines generally exhibited the least amount of vegetal aroma and flavor. Reflective mulch also led to less perceived acidity in Riesling wines.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».