Dagli olivi di San Lorenzo Maggiore arriva la prima "carta d'identità" chimica e spettroscopica dell'olio

San Lorenzo Maggiore è un piccolo comune della Valle Telesina, in provincia di Benevento, dove l'olivicoltura è radicata in un paesaggio collinare e condotta soprattutto da piccoli produttori. Tra le cultivar locali figurano Racioppella, Ortice, Ortolana e Sprina, spesso presenti in blend aziendali più che in monovarietali rigorosamente autenticati. Proprio questa combinazione di diversità varietale e trasformazione su piccola scala ha reso il comune un caso utile per esaminare la variabilità all'interno di un'area produttiva compatta. Eppure, fino ad oggi, nessuno studio peer-reviewed aveva raccolto e analizzato una collezione Ex novo specificamente da San Lorenzo Maggiore.

La campagna, coordinata nell'ambito di un Master Agreement tra il Dipartimento di Architettura e Disegno Industriale dell'Università della Campania "Luigi Vanvitelli" e il Comune di San Lorenzo Maggiore, non è stata una routine: i produttori sono stati contattati uno per uno, la raccolta è stata pianificata in una rete rurale dispersa e ogni contributo è stato identificato prima di entrare in un flusso analitico comune. La partecipazione è stata volontaria e ha dipeso dalla disponibilità e dalla fiducia di aziende familiari. Il risultato sono 45 oli, un primo significativo addensamento conoscitivo della rete locale accessibile, anche se non un censimento esaustivo. Le analisi hanno riguardato acidità libera, valore di perossidi e indici UV (K232, K272 e ΔK), affiancati da spettri ATR-FTIR. I campioni sono stati conservati a 15-18 °C e al riparo dalla luce per limitare l'ossidazione; le determinazioni chimiche sono state eseguite in doppio.

Il profilo chimico: una collezione eterogenea, non un blocco uniforme

I 45 oli coprono un intervallo chimico ampio ma interpretabile. L'acidità libera ha superato lo 0,8% in due campioni (0,84% e 1,01%), mentre il valore di perossidi ha superato i 20 meq O₂ kg⁻¹ in due campioni diversi (29,4 e 40,5 meq O₂ kg⁻¹). In sintesi, 41 campioni risultano entro entrambi i limiti individuali considerati, mentre quattro li superano. Un dato incoraggiante per il contesto produttivo locale, ma che al tempo stesso spiega perché la collezione non possa essere descritta come uniformemente conforme. Gli autori sottolineano con chiarezza che nemmeno i campioni entro i due limiti possono essere assegnati alla categoria extravergine, mancando le restanti analisi richieste e la valutazione sensoriale. La classificazione commerciale formale, quindi, non è stata attribuita.

La PCA chimica, condotta su acidità libera, perossidi, K232, K272 e ΔK autoscalati, ha mostrato una distribuzione continua: le prime due componenti spiegano il 45,88% e il 22,18% della varianza (68,06% in totale). I campioni che superano un limite individuale occupano posizioni periferiche, soprattutto sul lato positivo della PC1, mentre la maggior parte della collezione forma una nuvola continua. I loadings indicano che acidità libera e perossidi contribuiscono nella stessa direzione generale della PC1, mentre ΔK pesa maggiormente sulla PC2. Si tratta di pattern che descrivono i principali contrasti chimici interni, senza stabilire gruppi discreti di cultivar o geografici.

Il confronto con la letteratura: variabilità locale, nessuna superiorità

Il confronto con i dataset pubblicati aiuta a interpretare la scala della variabilità osservata. I range compilati da recenti studi mediterranei non sono intervalli di riferimento formali, perché le ricerche citate differiscono per cultivar, raccolta, estrazione, conservazione e disegno analitico. Tuttavia, mostrano che la maggior parte dei valori della collezione di San Lorenzo Maggiore ricade nello spazio compositivo ampio riportato per gli oli di oliva, mentre le estremità superiori di acidità libera, perossidi e K232 sono più ampie rispetto agli studi selezionati. In particolare, l'acidità libera locale va da 0,08 a 1,01% contro un intervallo pubblicato di 0,08-0,35%; i perossidi da 2,5 a 40,5 meq O₂ kg⁻¹ contro 3,5-8,0; il K232 da 1,047 a 3,438 contro 1,60-2,25.

Gli autori precisano che i range locali più ampi sono stati determinati principalmente da un piccolo numero di campioni, non da uno spostamento uniforme dell'intera collezione. Questa distinzione è importante per l'interpretazione territoriale: la campagna ha catturato oli con valori generalmente favorevoli insieme ad alcuni casi che meritano attenzione per condizioni del frutto, ritardo di molitura o conservazione. Il confronto, quindi, sostiene una lettura equilibrata: San Lorenzo Maggiore non viene presentato come analiticamente superiore ad altre regioni, ma il primo dataset coordinato fornisce un benchmark locale utile e identifica il grado di variabilità che il supporto ai produttori e il monitoraggio pluriennale dovrebbero affrontare.

La firma spettroscopica: un fingerprint lipidico coerente

Tutti gli spettri hanno mostrato il profilo lipidico caratteristico dell'olio di oliva. Le principali caratteristiche includono la banda di stretching C-H near 3006 cm⁻¹, lo stretching alifatico C-H near 2922 e 2853 cm⁻¹, l'intensa banda del carbonile estereo near 1744 cm⁻¹, le bande di deformazione near 1460 e 1377 cm⁻¹ e lo stretching C-O nella regione 1235-1030 cm⁻¹. Le posizioni sono risultate coerenti in tutta la collezione, mentre le differenze di intensità e baseline riflettono gli effetti combinati di composizione, manipolazione e periodo di acquisizione. L'ATR-FTIR si è quindi confermato un fingerprint rapido dell'intero set, complementare alle misurazioni chimiche convenzionali.

L'archivio spettrale conteneva 54 file corrispondenti a 45 identificativi unici: 11 spettri dal periodo 2025, nove acquisiti nel luglio 2026 per identificativi precedentemente mancanti e 25 acquisiti nel maggio 2026. Nove identificativi avevano spettri da due periodi, esaminati separatamente come storie ripetute e non conteggiati come campioni aggiuntivi. La PCA spettrale, condotta su valori di assorbanza trasformati SNV nella regione fingerprint 1800-650 cm⁻¹, ha concentrato l'81,45% della varianza in PC1 e il 13,49% in PC2. I punteggi si sono disposti in parte per periodo di acquisizione, soprattutto lungo la PC1.

Il peso della storia pratica del campione

Questo pattern non può essere attribuito a una singola causa, perché il periodo di acquisizione non è stato sperimentalmente separato dalla durata di conservazione e dalla storia di manipolazione. Tuttavia, dimostra che la storia pratica dei campioni ha contribuito in modo apprezzabile alla varianza spettrale misurata e dovrebbe essere considerata quando il database verrà esteso. Gli identificativi ripetuti hanno portato alla stessa interpretazione cauta: le correlazioni spettrali tra periodi sono state elevate (mediana 0,965; range 0,936-0,988), ma l'analisi delle distanze relative è stata meno rassicurante. Il corretto corrispondente successivo ha avuto un rango mediano di 15 tra i 25 spettri del maggio 2026, e solo uno dei nove è apparso nei primi tre. Gli oli hanno mantenuto lo stesso fingerprint lipidico complessivo, ma le differenze più piccole specifiche del campione non sono sempre state preservate tra i periodi. Le campagne future dovrebbero quindi includere acquisizioni replicate e oli di controllo qualità stabili fin dall'inizio.

PLSR esplorativa: la spettroscopia non sostituisce la titolazione

La PLSR è stata esaminata come questione secondaria, non come scopo principale dello studio. Il modello pre-specificato a una variabile latente ha dato R²CV = 0,032, RMSEcv = 0,169% di acido oleico, MAE = 0,110% e RPD = 1,03. Questi valori non supportano una predizione quantitativa né la sostituzione della titolazione di riferimento. Una ricerca più ampia di scelte di pretrattamento e variabili latenti ha prodotto un modesto aumento apparente (R²CV = 0,189; RPD = 1,12), ma il guadagno non è stato mantenuto sotto validazione annidata o bloccata per periodo di acquisizione.

L'esito è comprensibile in termini chimici: l'acidità libera misura una frazione relativamente piccola di acidi grassi liberi, mentre lo spettro infrarosso è dominato dai triacilgliceroli esterificati. In una collezione eterogenea, la variazione nella composizione di massa e nella storia del campione può facilmente superare il contributo spettrale associato all'acidità. Il risultato non toglie valore all'ATR-FTIR come strumento rapido di fingerprinting per la collezione; definisce semplicemente il confine attuale tra caratterizzazione descrittiva e calibrazione quantitativa. Un modello predittivo richiederebbe un dataset più ampio, prospetticamente bilanciato, misurazioni replicate e validazione genuinamente indipendente.

Forze e limiti di una prima base territoriale

Il principale punto di forza del lavoro è l'assemblaggio coordinato di 45 oli tracciabili da un sistema produttivo distribuito tra numerose piccole aziende. Questo ha creato la prima base chimica e spettrale condivisa per San Lorenzo Maggiore e ha conservato l'eterogeneità incontrata nella pratica. Lo studio combina inoltre misurazioni convenzionali, PCA chimica, fingerprinting ATR-FTIR e modellazione esplorativa trasparente. I limiti sono altrettanto chiari: la collezione proviene da un solo comune e da una sola campagna, la partecipazione è stata volontaria, l'identità varietale non è stata stabilita attraverso un panel esterno autenticato, il periodo di acquisizione è in parte confuso con conservazione e manipolazione, e non era disponibile alcuna valutazione sensoriale. Questi vincoli limitano le affermazioni su classificazione geografica, varietale e commerciale, ma non rimuovono il valore di documentare per la prima volta la produzione locale.

Prospettive: una baseline da ripetere e rafforzare

La PLSR esplorativa non ha fornito una stima quantitativa affidabile dell'acidità libera, quindi la titolazione resta la misurazione di riferimento appropriata. Questo è un limite secondario, non il messaggio centrale dello studio. Il contributo principale è la baseline territoriale creata combinando campionamento diretto dai produttori, chimica convenzionale e spettroscopia rapida. Ripetere la campagna attraverso gli anni di raccolta, registrare le variabili di produzione in modo più sistematico e aggiungere spettri replicati, valutazione sensoriale e oli di confronto autenticati permetterebbe a questa baseline di trasformarsi in una risorsa più solida per il monitoraggio locale della qualità e per la futura ricerca sulla tracciabilità.