Evaluating Viticulture Manipulations Effects on Glycoside Abundance and Diversity in Vancouver Island Pinot Gris
Notice bibliographique
Résumé
Common techniques to modify growing conditions of wine grapes such as leaf removal, kaolin application and cluster thinning are assumed to improve grape quality. Abundance and diversity of appropriate aroma compounds are key markers of wine grape quality. Grape varietal and location specific responses to these common vineyard management techniques have not been explored on Vancouver Island. To evaluate the response of Pinot gris to common vineyard management techniques a stratified random block design encompassing three management strategies in two Vancouver Island vineyards, both growing Pinot gris over the 2018 and 2019 growing seasons was conducted. Vines were manipulated with seven treatment combinations that included reference, heavy leaf removal, kaolin application on fruit and cluster thinning. Vine physiology metrics were monitored during the growing season, while mature grapes were evaluated at harvest for total soluble solids (TSS), titratable acidity (TA), and (pH). Further, gas chromatography and mass spectrometry were used to quantify glycoside aroma compounds abundance and diversity across the treatments and vineyards. Results show heavy leaf removal decreased incidence of botrytis bunch rot and affected aroma compound abundance over the two growing seasons. Cluster thinning yielded consistent increased TSS and decreased TA at both vineyards. Kaolin did not significantly affect grape quality metrics. These results suggest heavy leaf removal and/or cluster thinning may yield significant benefit in the form of reduced botrytis pressure and improved grape quality in Vancouver Island grown Pinot Gris.
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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».