MétaCan
Menu
Retour à la cohorte
Enregistrement W3194193714 · doi:10.1111/ajgw.12515

Application of foliar urea to grapevines: productivity and flavour components of grapes

2021· article· en· W3194193714 sur OpenAlexaff
Gastón Gutiérrez‐Gamboa, Francisco Diez-Zamudio, Lincon Oliveira Stefanello, Adriele Tassinari, Gustavo Brunetto

Notice bibliographique

RevueAustralian Journal of Grape and Wine Research · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFermentation and Sensory Analysis
Établissements canadiensNova Scotia Department of Agriculture
Organismes subventionnairesnon disponible
Mots-clésFlavourUreaProductivityAgronomyHorticultureMathematicsChemistryBiologyFood scienceEconomicsOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Urea is a non-electrically charged nitrogen (N) molecule suitable for foliar application, since it easily penetrates the epicuticular waxes and the cutin layer of leaves. Several field trials have been conducted to understand how foliar application of urea to grapevines may affect yield and grape composition compared to other N fertilisers. The effectiveness of foliar application of urea to change the flavour components of grapes depends on the N status of the grapevines related to crop load and the timing of the foliar application, which could also play a key role in basal bud fertility and stored N reserves. The application of foliar urea to grapevines may affect the concentration of N, volatile compounds, and phenolic substances in grapes without influencing yield and its components in the short term. During alcoholic fermentation, grape N concentration favours the production of non-volatile and volatile compounds that affect wine attributes, aroma, bitterness, and astringency. Other N-compounds such as biogenic amines may also be formed in wines which can be toxic to the consumer. Gene expression related to grapevine N metabolism and the identification of putative chemical markers in red and white wines after foliar N application deserves further investigation. This review aimed to evaluate the factors involved in N uptake by leaves after foliar urea fertilisation, to summarise effects on grapevine yield components and grape composition and to provide also research options for future studies in this area.

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 enseignants0,836
Score d'incertitude au seuil0,109

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 savante0,0000,000
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 Opus0,103
Tête enseignante GPT0,355
Écart entre enseignants0,252 · 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

Citations8
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

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