Assessing Estonia’s viticultural potential based on the compositional analysis of sugars and acid compositional analysis of wine grape cultivars
Notice bibliographique
Résumé
The primary objective of this study was to assess Estonia’s potential for viticulture through the calculation of the Heliothermal Index and analysis of its 20-year dynamics. The secondary objective was to determine the variability in grape sugars and acids composition depending on vintage (2023, 2024) and cultivar characteristics in ‘Solaris’, ‘Regent’, ‘Leon Millot’, ‘Cabernet Cortis’, ‘Marquette’, ‘Hasansky Sladky’, ‘Zilga’, and ‘Rondo’. Over the twenty years, the Heliothermal Index ranged from 872 to 1622, showing a warming trend with implications for viticultural potential. Fructose content in grapes ranged from 72 to 98 g l⁻¹, with ‘Marquette’ having the highest and ‘Zilga’ the lowest. Glucose content was lowest in ‘Zilga’ (64 g l⁻¹) and highest in ‘Marquette’ (98 g l⁻¹). ‘Zilga’ had the highest tartaric acid content (5.9 g l⁻¹), while ‘Leon Millot’ (3.5 g l⁻¹) and ‘Regent’ (3.7 g l-1) had the lowest. ‘Hasansky Sladky’ had the highest malic acid content (5.5 g l⁻¹), while ‘Regent’ (2.1 g l⁻¹) and ‘Solaris’ (2.5 g l⁻¹) had the lowest. The study confirmed that the tested cultivars are suitable for producing dry wine in Estonia, which belongs to the EU viticulture zone A.
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 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».