Temperatura e marciumi: un modello dinamico per controllare la shelf life delle ciliegie

20 ott 2026
15

La gestione della qualità post-raccolta delle ciliegie dolci richiede un controllo preciso delle condizioni lungo la catena del freddo, poiché le oscillazioni termiche possono accelerare la proliferazione dei microrganismi responsabili dei marciumi.

L’epidermide sottile, la consistenza relativamente tenera e l’elevato contenuto in acqua rendono infatti questo frutto particolarmente suscettibile ai danni meccanici e alla successiva colonizzazione microbica.

Penicillium, Monilinia, Rhizopus, Mucor e Alternaria rappresentano tra i principali generi fungini associati al deterioramento postraccolta e, una volta instaurata l’infezione, possono determinare una rapida perdita di qualità commerciale.

In questo contesto, un recente studio ha sviluppato un modello predittivo dinamico capace di descrivere la crescita dei funghi in condizioni di temperatura variabile, con l’obiettivo di supportare la gestione della conservazione e della shelf life del ciliegio dolce.

Sperimentazione e crescita fungina

La sperimentazione è stata condotta su ciliegie ‘Mei Zao’, raccolte a maturità commerciale, inoculate con una miscela standardizzata di cinque specie fungine rappresentative: Penicillium expansum, Monilinia fructicola, Rhizopus stolonifer, Mucor racemosus e Alternaria alternata.

I frutti sono stati conservati a 5, 10, 15, 20, 25 e 30 °C, monitorando nel tempo la popolazione fungina.

I risultati hanno evidenziato una tipica dinamica di crescita a sigmoide e una marcata dipendenza dalla temperatura: all’aumentare della temperatura, la durata della fase di latenza si è ridotta da circa 101 ore a 5 °C a poco più di 7 ore a 30 °C, mentre il tasso specifico massimo di crescita è aumentato da 0,009 a 0,076 h−1.

Il modello di Baranyi ha descritto efficacemente la crescita fungina alle diverse temperature, con coefficienti di determinazione compresi tra 0,955 e 0,978.

Modelli secondari e validazione dinamica

Per trasferire queste informazioni a condizioni termiche realistiche, i ricercatori hanno successivamente integrato questo modello primario con due modelli secondari: uno a radice quadrata per descrivere la relazione tra temperatura e velocità massima di crescita e una regressione lineare per la durata della fase di latenza.

Il modello secondario relativo alla velocità di crescita ha mostrato un R2 di 0,927, mentre quello relativo alla fase di latenza ha raggiunto 0,974, confermando la buona capacità delle equazioni di rappresentare la risposta dei microrganismi alla temperatura.

I modelli sono stati quindi integrati in un sistema dinamico in grado di aggiornare la previsione della crescita fungina quando la temperatura cambia nel tempo.

La validazione è stata effettuata simulando due profili termici caratterizzati rispettivamente da variazioni lente e rapide.

Previsioni e applicabilità nelle filiere reali

In entrambi i casi, i dati sperimentali hanno mostrato una buona concordanza con le previsioni e quasi tutti i valori di errore sono rientrati nell’intervallo di previsione accettabile compreso tra −1,0 e 0,5 log CFU/g.

Il modello sviluppato può quindi rappresentare uno strumento utile per trasformare il semplice monitoraggio della temperatura in una previsione quantitativa del rischio di deterioramento dei frutti, fornendo indicazioni potenzialmente applicabili alla gestione della catena del freddo e alla stima della shelf life.

Gli stessi ricercatori sottolineano tuttavia che il modello necessita di ulteriori verifiche in condizioni commerciali: la sperimentazione ha utilizzato un consorzio fungino inoculato artificialmente e profili di temperatura definiti sperimentalmente, che non riproducono necessariamente tutta la variabilità microbiologica e termica delle filiere reali.

L’utilizzo futuro di dati provenienti dal monitoraggio delle effettive catene del freddo potrà quindi contribuire a verificare e migliorare l’applicabilità operativa del modello.

Fonte: Xing, S., Xing, W., Fan, X., & Zeng, X. (2026). Dynamic modeling of the growth of spoilage fungi on sweet cherries under fluctuating temperatures. Frontiers in Microbiology, 17, 1858080. https://doi.org/10.3389/fmicb.2026.1858080

Fonte immagine: Stefano Lugli

Andrea Giovannini
Dottore di Ricerca in Scienze e Tecnologie Agrarie, Ambientali e Alimentari - Arboricoltura Generale e Coltivazioni Arboree, Università di Bologna, IT


Cherry Times - Tutti i diritti riservati

Potrebbe interessarti anche

Dalla Valle del Jerte a Ferrero: le ciliegie extremeñe nei Mon Chéri

Tipicità

17 lug 2025

Da oltre trent’anni, l’azienda extremeña Espagry Ibérica fornisce le ciliegie per i Mon Chéri di Ferrero. Dalla raccolta nel Jerte alla trasformazione alcolica, una filiera d’eccellenza che punta su export, tecnologia e nuove linee di prodotto come snack e cosmetici naturali.

Coltivazioni di ciliegie e uva in Puglia: finanziamenti fino all'80% per rinnovare gli impianti

Gestione

20 mar 2025

Vuoi modernizzare le coltivazioni di ciliegie e uva da tavola? Approfitta dei finanziamenti attivi: contributi a fondo perduto fino all'80% per impianti protettivi e interventi agronomici per aumentare produttività, qualità e resistenza ai cambiamenti climatici.

In evidenza

Megatunnel: una nuova tecnologia per la produzione precoce e protetta nel ciliegio

Coperture

20 ott 2026

Il Megatúnel di MSC Invernaderos protegge ciliegie e piccoli frutti da pioggia e grandine e, secondo l’azienda e Frutotech, anticipa di circa 15 giorni la raccolta delle ciliegie precoci. Archi gotici e ventilazione favoriscono la gestione del clima senza riscaldamento.

Temperatura e marciumi: un modello dinamico per controllare la shelf life delle ciliegie

Post-raccolta​

20 ott 2026

Un modello predittivo dinamico stima la crescita fungina nelle ciliegie dolci al variare della temperatura. Validato su profili termici sperimentali, può supportare la gestione della catena del freddo e la stima della shelf life, ma richiede ulteriori verifiche sul campo.

Tag Popolari