Pyroligneous Acid Affects Grapevine Growth, Yield, and Chemical Composition of Leaf, Pomace, and Juice
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide In the past decade, many studies have investigated the effects of biostimulants on viticulture. However, the impact of pyroligneous acid (PA) on grape ( Vitis vinifera ) production has not yet been reported. In this study, PA at varying concentrations (0, 4, 8, and 12% PA) and application frequencies (14-, 21-, and 28-day intervals) were applied to enhance the growth, yield, and quality of grapes (cv. KWAD7-1). The results showed that the treated grapes responded differently to PA application. The 4 and 8% PA showed a nonsignificant ( p > 0.05) increase in yield of about 0.37- and 0.18-fold, respectively, compared to the 0% PA. The 12% PA, on the other hand, reduced the yield by approximately 0.03-fold compared to the 0% PA. Carotenoid, total phenolics, flavonoid, and sugar were altered by the PA. Interestingly, the 4% PA significantly ( p < 0.05) improved total carotenoids (0.34-fold), total phenolics (0.26-fold), and flavonoids (0.26-fold) compared to the 0% PA. The 4% PA applied at 21-day and 28-day intervals remarkably improved vine and leaf growth, respectively. In conclusion, the 21-day interval of PA application significantly ( p < 0.05) improved fruit fresh weight, juice weight, juice volume, press weight, °Brix, pH, salinity, total dissolved solids, electrical conductivity, and titratable acidity. Further study is necessary to assess how PA can influence the metabolites present in grape wine.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».