Effects of Frozen Materials Other Than Grapes on Red Wine Aroma Compounds. Impacts of Harvest Technologies
Notice bibliographique
Résumé
An undesirable sensory attribute (“floral taint”) has been detected in red wines in North America, caused by leaves and petioles (materials other than grapes [MOG]) introduced during mechanical harvest after killing frosts. From 2017 to 2019, several harvest strategies were evaluated on Ontario Cabernet franc: hand harvest (HH), conventional machine harvesting (MECH), Braud-New Holland Opti (OPTI), Gregoire GL8, MECH + optical sorting (MECH+OS), and MECH with preharvest leaf removal (MECH+BLR). Concentrations of 41 odor-active compounds were quantified by gas chromatography-mass spectrometry. Harvest treatment effects varied by season. In 2017, HH resulted in lowest ethyl isobutyrate (MECH+BLR), ethyl nonoate, cis-linalool oxide (plus MECH and OPTI), trans-linalool oxide (plus MECH+OS), β-citral, and cis- and trans-rose oxide (plus MECH and OPTI). Ethyl hexanoate was lowest in MECH, and MECH+BLR, isoamyl hexanoate was lowest in all treatments except HH, and α-ionone was lowest in MECH and MECH+BLR. In 2018, HH resulted in the lowest β-damascenone, ethyl salicylate (plus OPTI and Gregoire), citronellol (plus Gregoire), cis- and trans-rose oxide (plus Gregoire), and eugenol (plus Gregoire). Isobutyl acetate, isoamyl hexanoate, and nerol were additionally reduced by Gregoire, and isopropylmethoxypyrazine was reduced by all treatments except HH. In 2019, harvest strategy affected 27 of 41 compounds, including 11 esters and 12 terpenes. Treatments leading to lowest concentrations were HH (nine compounds), MECH (eight compounds), MECH+BLR (10 compounds), OPTI (21 compounds), Gregoire (10 compounds), and MECH+OS (22 compounds). Wines from fruit that had undergone a killing frost contained different concentrations of 14 and eight compounds (2018), and 17 and 13 compounds (2019) for Cabernet franc and Cabernet Sauvignon, respectively. Results suggest that specific harvest technologies can reduce MOG and associated increases in aroma compounds, although seasonal differences may occur.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».