The Effect of Pre-Veraison Smoke Exposure of Grapes on Phenolic Compounds and Smoky Flavour in Wine
Notice bibliographique
Résumé
Background and Aims. Smoke exposure occurred in the Adelaide Hills region in December 2019 due to a wildfire, when wine grapes were peppercorn-size green berries. Previously, pre-veraison smoke exposure had been identified through model experiments as unlikely to affect grape composition, whereas smoke exposure after veraison can have a major effect on wine flavour. Hence the effects of pre-veraison smoke on grape and wine composition, and smoky sensory properties of wine were investigated. Methods and Results. Chardonnay, Pinot Noir and Shiraz were investigated and eight blocks with varied smoke exposure were selected for each cultivar. Berries were sampled initially four weeks after the fire and at harvest, and mature grapes were made into unoaked wines. Established smoke exposure markers, phenolic glycosides, were found in berries at pre-veraison and at harvest from the high smoke exposure sites, with concentrations well above those found in non-smoke exposed fruit. Volatile phenols were also elevated in grapes at harvest. The resulting red wines from some exposure vineyards were high in volatile phenols, glycosides and smoky flavours. However, most of the Chardonnay wines expressed much less smoky flavours, despite similar levels of smoke exposure of grapes. Conclusions. Pre-veraison smoke exposure can result in elevated concentrations of volatile phenols and their glycosidic metabolites in grape berries and wine and cause strong smoky flavour in wine. Significance. The wine sector and land management agencies responsible for controlled burns need to consider the effect of smoke from fires near vineyards even very early in the growing season.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».