MétaCan
Menu
Retour à la cohorte
Enregistrement W2849084705 · doi:10.5539/jas.v10n8p388

Climatic Variables and Their Effects on Phenolic Maturation and Potassium Uptake in Cabernet Sauvignon Wines

2018· article· en· W2849084705 sur OpenAlexvenueno aff
Tiago Stein, Ivan Ricardo Carvalho, Renata Gimenez Sampaio Zocche, Suziane Antes Jacobs, Vinícius Jardel Szareski, Fernando Zocche, Keila Garcia Aloy, Lucas de Vargas dos Santos, Tiago Corazza da Rosa, Velci Queiróz de Souza

Notice bibliographique

RevueJournal of Agricultural Science · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueHorticultural and Viticultural Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPotassiumChemistryTitratable acidWineHorticulturePolyphenolBotanyFood scienceAntioxidantBiochemistryBiologyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The aimed at identifying and understanding the relationships of phenolic maturation and potassium uptake dynamics jointly with climatic variables for Cabernet Sauvignon variety. The experiment was carried out in Dom Pedrito, Rio Grande do Sul-Brazil, in the 2016 growing season. The experimental design was randomized blocks with treatments arranged in three replicates. The physical-chemical characteristics were measured: Density, Glucometric degree, Hydrogen ionic potential, Titratable Total Acidity, Total polyphenol index, Potassium, Phenolic maturity index. The periods preceding grapes phenolic maturation directly influence the physical and chemical conformity of must and wine. Potassium, pH and total acidity directly influence the poor phenolic maturation of Cabernet Sauvignon. Minimum and maximum air temperature, thermal amplitude, incident solar radiation and accumulated rainfall interfere in the photosynthetic dynamics, potassium accumulation in the grapes and phenolic maturation of Cabernet Sauvignon.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,959
Score d'incertitude au seuil0,328

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,017
Tête enseignante GPT0,250
Écart entre enseignants0,233 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetHorticultural and Viticultural ResearchTravaux en français237 207