MétaCan
Menu
Retour à la cohorte
Enregistrement W2917410280 · doi:10.1111/ajgw.12384

Effect of passive oxygen exposure during pressing and handling on the chemical and sensory attributes of Chardonnay wine

2019· article· en· W2917410280 sur OpenAlexfundno aff
Martin Day, Simon A. Schmidt, Wes Pearson, Radka Kolouchova, Paul A. Smith

Notice bibliographique

RevueAustralian Journal of Grape and Wine Research · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensnon disponible
Organismes subventionnairesWine AustraliaAlberta Water Research Institute
Mots-clésWinemakingWineOxygenPressingSensory analysisFood scienceChemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

Background and Aims The significance of oxygen in winemaking has been well established, but knowledge gaps exist regarding the extent and impact passive oxygenation has on chemical and sensory properties during the initial stages. Methods and Results Using in-press oxygen monitors, controlling oxygen exposure during the earliest stages of grape processing was shown to be highly effective. This work demonstrated that pressing management has far more impact on wine composition than handling management; the earliest and highest exposure to oxygen has the most profound impact on the composition of the resulting wine compared to the lower levels of repeated exposure typical of normal handling procedures. Furthermore, control of oxygen exposure during post-pressing operations offers the possibility of modulating specific classes of compounds, described in sensory analysis as floral and confection. Conclusions Significant modulation of aromatic, phenolic and protein profiles of wine occurred through controlling oxygen exposure during the earliest stages of grape processing. Significance of the Study This work shows the possible stylistic potential and limitations of oxygen control, albeit with investment in press technology. The understanding of the relative influence of processing variables assessed in this work can be immediately applied by winemakers.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,285
Score d'incertitude au seuil0,100

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,049
Tête enseignante GPT0,308
Écart entre enseignants0,259 · 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

Citations11
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAustralian Journal of Grape and Wine ResearchMême sujetFermentation and Sensory AnalysisTravaux en français237 207