Characterization of Niagara Peninsula Cabernet franc Wines by Sensory Analysis
Notice bibliographique
Résumé
Chemical and descriptive sensory analysis was conducted on nine (2005) and eight (2006) experimental Niagara Peninsula Cabernet franc wines to illustrate differences that might support the subappellation system in Niagara. Twelve trained judges evaluated six aroma and flavor (red fruit, black cherry, black currant, black pepper, bell pepper, and green bean) and three mouthfeel (astringency, bitterness, and acidity) sensory attributes plus color intensity. Data were analyzed using analysis of variance (ANOVA), principal component analysis (PCA), and discriminant analysis. ANOVA of sensory data showed regional differences for all sensory attributes. In 2005, wines from Château des Charmes (CDC), Henry of Pelham (HOP), and Hernder sites showed highest red fruit aroma and flavor. Wines from Lakeshore and Niagara River sites (Harbour, Reif, George, and Buis) showed higher bell pepper and green bean aroma and flavor due to the cool growing conditions in proximity to the large bodies of water. In 2006, all sensory attributes except black pepper aroma were different. PCA revealed that wines from HOP and CDC sites were higher in red fruit, black currant, and black cherry aroma and flavor, and black pepper flavor, while wines from Hernder, Morrison, and George sites were high in green bean aroma and flavor. Buis wines were high in bell pepper aroma and flavor and acidity due to cooler conditions within the proximity of Lake Ontario. ANOVA of chemical data in 2005 indicated that hue, color intensity, and titratable acidity were different across the sites, while in 2006, hue, color intensity, and ethanol were different. These data indicate that there is the likelihood of substantial chemical and sensory differences between clusters of subappellations within the Niagara Peninsula.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 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 ».