Fruit quality parameters of some southern highbush blueberries (Vaccinium xcorymbosum L.) grown in Andalusia (Spain) | Parámetros de calidad de frutos de algunos cultivares de arándano americano (Vaccinium xcorymbosum L.) en Andalucía

الأسبانية؛ قشتالية. Se midieron parámetros físicos y químicos de frutos frescos de arándano americano, correspondientes a tres cultivares de bajos requerimientos en horas frío ("O'Neal", "Sharpblue" y "Misty") cultivados en Huelva (suroeste de España) bajo dos sistemas de producción. Los datos se sometieron al análisis de varianza (ANOVA) de 2 factores. No se encontraron diferencias significativas (P>0,05) en la firmeza, contenido en azúcar, pH o acidez titulable en los dos sistemas productivos, mientras que los tres cultivares ensayados arrojaron medias diferentes (P<0,05) para el peso fresco del fruto y todos los parámetros químicos controlados. Se aplicó un análisis discriminante por pasos para la clasificación y diferenciación de los cultivares en función de las variables físico-químicas de las muestras de frutos, obteniéndose altos porcentajes de clasificación correcta y predicción (81,1% y 74,8% respectivamente). Las variables con mayor poder discriminante fueron la acidez titulable, el tamaño y el contenido en azúcar del fruto.

إنجليزي. Physical and chemical parameters of fresh berries from three southern highbush ("O'Neal", "Sharpblue" and "Misty") blueberry cultivars grown in Huelva (Southwestern Spain) under two production systems were measured and evaluated. ANOVA applied to data yielded significant differences between production systems for mean fruit size and mean fruit fresh weight (P<0.05), although main effects on physical and chemical characteristics of fruit were due to cultivar. All three cultivars showed significantly different means (P<0.05) for fruit fresh weight, and all chemical characteristics. Stepwise discriminant analysis (SDA) for classification and identification of the cultivars based on physico-chemical properties of samples of fruits was performed. The model obtained gave high percentages of correct classification and prediction (81.1% and 78.4%, respectively). The variables with higher discriminating power were fruit titratable acidity, fruit size and fruit sugar content.