Un nuovo modello predittivo per rivoluzionare la raccolta delle olive

Ottimizzare il momento della raccolta e preservare al meglio la qualità dell’olio extravergine di oliva sono due delle sfide più strategiche per il futuro del settore olivicolo. A fornire nuove risposte è il lavoro di ricerca di Fatima Zahra Akhrif, realizzato nell’ambito del Master internazionale in Olivicoltura ed Elaiotecnica promosso da CIHEAM Zaragoza e dall’Universidad de Córdoba, in collaborazione con la Junta de Andalucía, il Consejo Superior de Investigaciones Científicas, il Consejo Oleícola Internacional e la Fundación Patrimonio Comunal Olivarero.

La ricerca, supervisionata da Hristofor Miho e Concepción Muñoz Díez, affronta due questioni centrali della filiera: la lipogenesi dell’olio nel frutto e la sua degradazione durante lo stoccaggio.

Quando raccogliere? La risposta in un modello matematico

Il primo asse dello studio ha portato allo sviluppo di un modello predittivo in grado di stimare l’accumulo di olio nelle olive sulla base di variabili climatiche come temperatura, radiazione solare e precipitazioni. L’analisi ha coinvolto cinque varietà di riferimento – Arbequina, Arbosana, Picual, Koroneiki e Cornicabra – mettendo in evidenza differenze significative nei ritmi di accumulo lipidico.

Il risultato è uno strumento capace di stimare il momento ottimale di raccolta con un livello di accuratezza vicino all’80% rispetto ai dati sperimentali. Un passo avanti rispetto al tradizionale indice di maturazione, che si basa principalmente sul colore del frutto e che non sempre riflette il reale contenuto in olio.

Per i produttori, ciò significa poter pianificare la raccolta in modo più oggettivo, massimizzare la resa e, allo stesso tempo, preservare il profilo sensoriale dell’olio extravergine.

Uno strumento contro l’incertezza climatica

In uno scenario agricolo sempre più influenzato dalla variabilità climatica, integrare dati ambientali nei processi decisionali rappresenta una leva strategica. Il modello sviluppato nel TFM introduce un approccio matematico orientato ai dati, capace di migliorare la resilienza produttiva e ridurre le perdite legate a raccolte anticipate o tardive.