气候和文化因素对冷气候诺伊雷葡萄酒葡萄中罗丹酮浓度影响的模拟
《简明英语研究》提供了康奈尔大学教职员工、学生和工作人员撰写的期刊文章的简短、非技术摘要．
作者:Andrew D. Harner, Justine E. Vanden Heuvel, Richard P. Marini, Ryan J. Elias和Michela Centinari
植物科学前沿，10:1255Doi: 10.3389 / fpls.2019.01255．2019年10月。
丽贝卡·维普兹总结。
外卖。
- 在许多葡萄酒葡萄中发现的“黑胡椒”香气，通常与设拉子葡萄酒葡萄联系在一起。
- 以前的研究已经评估了气候或葡萄栽培方法如何影响烂果的积累，但没有一项研究同时评估了气候和葡萄栽培因素。
- 本研究评估了21个葡萄栽培、中气候和小气候变量对7个葡萄园中轮酮浓度的共同贡献。
- 作者利用这些测量数据，利用多元回归构建了预测和描述性模型。
- 葡萄园生长度、日数和累积太阳辐射量是与rotundo浓度最相关的变量。
- 冠层内小气候(受果区叶片去除的影响)与轮枯的相关性较弱。
- 低(<15℃)和高(>30℃)浆果温度与低rotundo浓度相关。
- 四变量模型(1)成熟期GDD, 2)作物负荷(Ravaz指数)，3)叶柄磷浓度和4)钙浓度解释了80%的轮酮浓度变化。
- 了解环境如何影响这种化合物的积累，可以帮助种植者控制其在葡萄酒中的含量。
- 多元回归是一个很好的工具，可以了解各种因素中哪一个影响变量的问题。在本研究中使用它可以开发一个简单的模型，种植者可以使用该模型为他们的种植和管理决策提供信息，并解释哪些因素对轮浑油浓度有显著影响。
背景。
葡萄生长的环境对葡萄酒的最终风味有很大的影响。在某种程度上，这是由于来自葡萄品种和当地气候的二级风味化合物的积累。最近发现的一种风味化合物，rotundo，是产生设拉子著名的“胡椒味”的原因之一。虽然设拉子是最常与rotundo联系在一起的葡萄酒，但它也曾从多种红酒中提取，包括康奈尔大学2006年推出的诺伊雷(Noiret)。
多元回归是一种统计技术，旨在分析一组变量对单个响应变量的影响。要利用这种技术，必须在分析中引入多种影响因素，以便在生成的模型中使用。例如，一杯咖啡的冷却速度可以用多元回归来建模。影响因素可能包括容器的特性(大小、绝缘、表面积)、环境(空气温度、风)和咖啡本身(体积、初始温度)。通过测量大量的这些因素，并将它们引入分析，我们可以描述它们与我们的响应变量(咖啡温度)之间的关系，以及它们之间的关系。最合适的模型不仅可以告诉我们要操纵哪些环境因素来保持咖啡的温度，还可以预测给定时间内咖啡的温度。
实验。
关注的焦点作者测量了21个不同的因素(表1)，包括2016年和2017年在纽约和PA的7个葡萄园的生产指标、营养和水状况、中间气候(现场天气)和小气候(冠层内)(图1)，并使用多元回归统计分析来确定哪些变量组合影响Noiret葡萄中rotton浓度。
大纲在7个Noiret葡萄园中，每一个都对单个面板实验单元(每面板3-4株葡萄)进行了两种处理(去叶或不去叶)。落叶处理被用来最大化冠层内的温度和阳光范围，而不是在两种处理之间建立直接比较。当浆果长到从基部节到远端簇上方的豌豆大小时，叶片被移除，整个季节簇区保持无营养生长。
模型的组件。
选择。首次采用统计分析软件中的多元回归分析方法，分析了醚酮浓度与潜在影响变量之间的相关性。在观察到哪些变量本身高度相关后，采用多种方法确定中观和微观气候数据集的最佳模型。每个模型都根据它在数据集中所占的变化量进行分析。在此基础上，选择了一个缺乏共线性和基于估计误差的潜在预测能力的模型。基于所有这些标准，选择了一个解释度高、必要变量最少的模型。
Meso-climate:成熟季节(从版本到收获)的天气参数与败育的相关性优于整个季节的天气参数。虽然从版本到收获的累积日照(CSEv)和从版本到收获的生长度日数(GDDv)都与rotundon浓度具有高度的独立相关性，但由于两个变量之间的高共线性，只有一个变量在最终模型中。一般来说，高太阳和高温是密切相关的。
最终的模型是基于预测能力和对四个被选择的变量之外的变量的递减回报来选择的。所选模型表明，磷、作物负荷和GDDv对轮酮浓度有正向影响，而钙对轮酮浓度有负向影响。
为了验证该模型，数据被分成两个随机集，其中第一个数据集用于确定模型，然后用于计算第二个数据集的预测轮浑油浓度。基于预测值与实际浓度的相似性，该模型是一个良好而准确的预测模型。
气候:轮草酮浓度与冠层内变量之间的直接相关性很小。果粒温度仅在15 ~ 20℃之间与果粒未熟程度直接相关，叶片和簇上日照量在两个季节均不相关。
最佳模型包括10 - 15°C和30-35°C(分别为DH10和DH30)之间的度小时百分比，以及浆果豌豆大小时的簇光暴露(CEFAp)，占变异的略多于一半。虽然这些因素都没有单独影响轮酮浓度，但它们的相互作用加起来占了数据集中变化的一半多一点。
结论和展望。
高可变性，类似于在其他rotundo研究中所看到的，使该数据集成为回归分析的一个很好的候选者。额外的验证将有利于四变量预测模型，但总体上它是可靠的和可预测的。对于定期进行叶柄分析并拥有历史修剪重量和种植数据的种植者来说，该模型可能在预测轮枯水平方面很有用。
在较冷的东北气候中，太阳曝光度和温度对轮松的影响与之前的轮松研究不同。成熟时间的长短可能是另一个影响因素。在本研究中，成熟期最长的地点有最高的旋回油浓度，这表明在凉爽的气候中较长的成熟期可能有利于旋回油的积累。同样，钙和磷的影响可能表明环境对模型的影响。尤其是钙，可以与葡萄的水分状况联系在一起。研究人员建议，需要进一步的调查，以更好地了解宏量营养素的直接和间接影响。
小气候因子与轮状浑油的积累有着独特的关联，因为该模型的各组成部分并不直接相关，过去也没有与轮状浑油的高浓度有关。然而，该模型告诉我们，高温和低温都不利于滚粕的积累。这些簇与光暴露的正相关关系是出乎意料的，因为它以前被认为是对rotundo的负面影响。先前的研究表明，在变种前的阳光照射可能导致一种旋回前体的积累，从而影响后期季节的浓度。
本研究的结论表明，与结果区因素(即结果区因素)的相关性要高得多。积极的叶片去除暴露簇)。结合已建立的包含GDDv、Ca、P和作物负荷的中观气候模型，为研究轮粕产量的影响因素提供了新的视角。它也有可能成为东北诺伊雷种植者的一种工具，以确定更有利于轮状野松生产但不支持使用园艺实践来操纵树冠的地点。该模型在使用之前确实需要进一步的验证。
Rebecca Wiepz是日内瓦康奈尔农业技术学院园艺部门的推广支持专家，纽约。