Impact of harvest date on the chemical composition of berries and wines produced from interspecific Vitis sp. cultivars grown in Nova Scotia, Canada over two seasons
Bibliographic record
Abstract
La Nouvelle-Écosse présente des conditions climatiques annuelles variables, ce qui en fait un environnement difficile pour la production de raisin pour la vinification. La relation entre la maturité des baies et la composition chimique du vin a été étudiée chez les cultivars de Vitis vinifera, mais peu d'études ont porté sur les hybrides interspécifiques Vitis sp. comme celles cultivés dans l'Est du Canada. Dans ce contexte, ce projet visait à étudier la relation entre la composition chimique du raisin et du vin, dont les composés volatils libres et liés, chez les hybrides interspécifiques Vitis sp. L'Acadie blanc, Osceola Muscat et Seyval blanc récoltés à trois stades de maturation en Nouvelle-Écosse, au cours des saisons 2019 et 2020. Parmi les trois variétés analysées dans cette étude, Osceola Muscat a montré des caractéristiques intéressantes pour la production de vin de climat froid pendant la saison chaude : au dernier stade de maturité (HD3), il a montré un niveau significativement plus élevé de terpènes dans le vin, ce qui suggère que le vin résultant était potentiellement de meilleure qualité, avec des notes florales désirables. Dans des conditions climatiques difficiles, une accumulation plus élevée de GDD (saisons plus chaudes) et une maturité plus tardive (HD3) ont eu un impact positif sur la composition aromatique du vin dans toutes les variétés hybrides interspécifiques de Vitis cultivées en Nouvelle-Écosse.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".