MétaCan
Menu
Retour à la cohorte
Enregistrement W2820264551 · doi:10.20870/oeno-one.2018.52.2.1669

Sensory analysis of Ontario Riesling wines from various water status zones

2018· article· en· W2820264551 sur OpenAlex
James Willwerth, Andrew G. Reynolds, Isabelle Lesschaeve

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueOENO One · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueHorticultural and Viticultural Research
Établissements canadiensBrock University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésVineyardTerroirVineHorticultureWineSensory analysisLianaGeographyEnvironmental scienceBiologyBotanyFood science

Résumé

récupéré en direct d'OpenAlex

Aims: Determinants of the terroir effect in Riesling were sought by choosing vine water status as a major factor. It was hypothesized that consistent water status zones could be identified within vineyards, and, differences in wine sensory attributes could be related to vine water status.Methods and results: To test our hypothesis, 10 Riesling vineyards representative of each Ontario Vintners Quality Alliance sub-appellation were selected. Vineyards were delineated using global positioning systems and 75 to 80 sentinel vines were geo-referenced within a sampling grid for data collection. During 2005 to 2007, vine water status measurements [leaf water potential (ψ)] were collected bi-weekly from a subset of these sentinel vines. Vines were categorized into “low” and “high” leaf ψ zones within each vineyard through use of geospatial maps and replicate wines were made from each zone. Wines from similar leaf ψ zones had comparable sensory properties ascertained through sorting tasks and multidimensional scaling (2005, 2006). Descriptive analysis further indicated that water status affected wine sensory profiles, and attributes differed for wines from discrete leaf ψ zones. Multivariate analyses associated specific sensory attributes with wines of different leaf ψ zones. Several attributes differed between leaf ψ zones within multiple vineyard sites despite different growing seasons. Wines produced from vines with leaf ψ >-1.0 MPa had highest vegetal aromas whereas those with leaf ψ <-1.3 MPa were highest in honey, petrol and tropical fruit flavors. Vines under mild water deficit had highest honey, mineral, and petrol and lowest vegetal aromas.Conclusion: Results indicate that water status has a profound impact on sensory characteristics of Riesling wines and that there may be a quality threshold for optimum water status.Significance and impact of the study: These data suggest that vine water status has a substantial impact on the sensory properties of Riesling wines. Variability of leaf ψ within vineyards can lead to wines that differ in their sensory profiles. These findings were consistent among vineyards across the Niagara Peninsula. These strong relationships between leaf ψ and sensory attributes of Riesling suggest that vine water status is a major basis for the terroir effect.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,850
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,048
Tête enseignante GPT0,260
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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