Evaluating return-on-investment from vine to wine: sensory evaluation and consumer willingness-to-pay of vineyard management strategies for Vancouver Island Pinot gris
Notice bibliographique
Résumé
Cluster thinning, leaf removal and kaolin application are three commonly employed means of modifying fruit zone microclimates assumed to improve grape and wine quality. High labour costs in addition to the potential for location and varietal-specific responses make the benefits of these practices equivocal. To explore this question, I employed a stratified random block design in two Vancouver Island commercial vineyards where Pinot gris vines were manipulated with one of four experimental treatments: control, cluster thinning to one cluster per shoot, heavy leaf removal with a Kaolin clay application, or a combined heavy leaf removal – cluster thinning - Kaolin treatment. The resulting wines were subjected to detailed sensory evaluations, consumer valuation, and a cost-benefit analysis to determine their respective return-on-investment. Results indicate that despite apparent sensory changes driven by vineyard treatments, the lack of any perceived added value suggests that regional producers of Pinot gris should avoid using the assessed treatments as strategies to increase wine quality. The cost-benefit analysis revealed that heavy leaf removal combined with Kaolin clay application may provide a benefit outside of changes to wine quality. The demonstrable improvement in growing conditions under this treatment resulted in a significant decrease in rot pressure. This suggests that the treatment may be a viable option for increasing usable yields of Pinot gris without placing an insurmountable financial cost on the producer.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».