Amelioration of smoke taint in wine by treatment with commercial fining agents
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background and Aims: Fermentation of smoke-affected grapes can lead to wines that exhibit objectionable smoke-related sensory attributes, i.e. smoke taint. Fining agents are routinely used at different stages of the winemaking process to address constituents that are considered to adversely affect juice or wine quality. This study aimed to evaluate the efficacy of commercial fining agents in reducing the concentration of volatile phenols and the intensity of sensory attributes associated with smoke-tainted wine. Methods and Results: Smoke-affected wines were treated with a range of fining agents, two of which, an activated carbon and a synthetic mineral, were found to appreciably ameliorate the taint. Treated wines contained a significantly lower level of smoke-derived volatile phenols and exhibited less intense ‘smoke’ and ‘cold ash’ aromas, ‘smoky’ flavour and ‘ashy’ aftertaste, compared with that of untreated (control) wines; with little or no impact on wine colour. Conclusions: Selected fining agents can ameliorate smoke taint in wine. Whereas most fining agents showed poor specificity towards the wine components responsible for smoke taint, some, an activated carbon in particular, were highly effective. Significance of the Study: This research identifies a treatment that can be used to mitigate the impact of grapevine exposure to smoke on wine composition and sensory properties.
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.
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 | 0,001 | 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découle