Harvest date effects on aroma compounds in aged Riesling icewines
Notice bibliographique
Résumé
BACKGROUND: Riesling icewine is an important product of the Ontario wine industry. The objective of this study was to characterize concentrations in aroma compounds in aged icewines associated with three harvest dates (H1, H2, H3) using stir bar sorptive extraction-gas chromatography-mass spectrometry and to make inferences, where appropriate, with respect to their roles in potential wine quality. RESULTS: Delaying harvest decreased concentrations of many odorants, but increased many critical odor-active compounds; e.g. 1-octen-3-ol, ethyl benzoate, ethyl octanoate, cis-rose oxide, and β-ionone. H1 wines had higher concentrations of four aldehydes, three alcohols, nine esters, seven terpenes, γ-nonalactone, p-vinylguaiacol, β-damascenone, and 2-furanmethanol. However, many of these compounds, with some exceptions, have relatively high odor thresholds. Fourteen compounds were above their odor thresholds, including decanal, 1-octen-3-ol, phenylethyl alcohol, four ethyl esters, cis-rose oxide, linalool, γ-nonalactone, p-vinylguaiacol, ethyl cinnamate, β-damascenone, and 1,1,6-trimethyl-1,2-dihydronaphthalene. H3 wines contained higher concentrations of highly odor-active compounds, e.g. 1-octen-3-ol, cis-rose oxide, and β-ionone. Only phenylethyl alcohol [H3 odor activity value (OAV) = 0.33 (honey, spice, rose)] and linalool [H3 OAV = 0.92 (floral, lavender)] had H3 OAVs < 1. CONCLUSIONS: Early harvest increased many esters and aliphatic compounds, but delayed harvest appeared to substantially increase concentrations of several highly odor-active compounds. © 2016 Society of Chemical Industry.
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 | 0,001 |
| 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 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 ».