Uma pesquisa de três anos da Embrapa Semiárido, em Pernambuco, comprovou que o escurecimento da polpa da manga, conhecido como corte negro (black flesh), está relacionado à exposição de frutos suscetíveis a baixas temperaturas. O problema aparece principalmente na região próxima à semente e pode comprometer a qualidade da fruta e sua aceitação no mercado.
O distúrbio ocorre em mangas colhidas em estágios menos avançados de maturação e submetidas ao frio durante o armazenamento e o transporte refrigerado. O estudo também apontou medidas para reduzir a ocorrência do problema, como escolher melhor o ponto de colheita, ajustar a cadeia de frio, usar atmosfera controlada e aplicar 1-metilciclopropeno (1-MCP), regulador de crescimento que bloqueia a ação do etileno.
“Demonstramos que esse distúrbio é uma forma de injúria por frio e que é possível adotar estratégias eficientes para reduzir sua ocorrência”, afirma Sérgio Tonetto, pesquisador da Embrapa Semiárido responsável pelo trabalho.
Definição do manejo
Os experimentos foram realizados com mangas das cultivares Tommy Atkins, Kent, Palmer e Keitt, produzidas em pomares comerciais com histórico do distúrbio. Os resultados indicaram que frutos colhidos ainda muito verdes são mais sensíveis às baixas temperaturas.
A pesquisa também avaliou as condições de armazenamento e transporte. Temperaturas entre 8°C e 10°C favoreceram o escurecimento da polpa. Já as mangas mantidas a 12,5°C não apresentaram sintomas nos mesmos lotes avaliados.
Na empresa Blue Skies, as mangas passaram a ser armazenadas acima de 10°C. A colheita também foi concentrada no segundo estágio de maturação, em substituição à prática de retirar os frutos no primeiro estágio.
Outra alternativa é o transporte em contêineres de atmosfera controlada, com baixos níveis de oxigênio para reduzir a respiração e o metabolismo das frutas. O estudo ainda avaliou o uso do 1-MCP, aplicado pela primeira vez em testes científicos para controlar o escurecimento da polpa da manga.
Nas cultivares Tommy Atkins e Keitt, a incidência do problema ficou próxima de 100% em frutos não tratados depois de 45 dias de armazenamento a 9°C. Com a aplicação de 200 nanolitros por litro (ppb) de 1-MCP, o índice caiu para menos de 60%. O tratamento também preservou a firmeza da polpa e a capacidade antioxidante durante o armazenamento refrigerado.
Efeito sobre as exportações
O Brasil é o sexto maior produtor mundial de manga, e mais de 90% das exportações da fruta vêm do Vale do São Francisco. Para chegar à Europa, aos Estados Unidos e à Ásia, as mangas permanecem várias semanas em contêineres refrigerados, condição que pode favorecer o desenvolvimento do distúrbio.
Como o defeito não altera a aparência externa, ele costuma ser identificado apenas quando a fruta é cortada. Nas inspeções de qualidade realizadas no país de destino, são avaliadas a firmeza da polpa e a ocorrência de desordens fisiológicas internas. Quando esses problemas ultrapassam o limite geralmente estabelecido pelos importadores, de 10% das frutas avaliadas, a carga pode ser rejeitada.
A Blue Skies processa mangas no Brasil e em países da África para abastecer o mercado europeu. Daniel Petrovitch, gerente da empresa, afirma que o problema pode provocar rejeição do produto pelos consumidores, reclamações de supermercados e perda da fruta antes do processamento.
Na Agrodan, empresa do Vale do São Francisco que produz e exporta mais de 32 milhões de quilos de manga por ano, o estudo levou a mudanças no manejo. Segundo Priscilla Dantas, gerente de packing house, a companhia passou a combinar ajustes no ponto e no horário de colheita, priorizando as horas mais frescas do dia, climatização do galpão de recepção, redução do intervalo entre colheita e embarque, aplicação de 1-MCP e adequação das temperaturas de resfriamento e transporte.
Identificação antes do embarque
A Embrapa também desenvolve uma ferramenta para identificar, antes da exportação, lotes com maior predisposição ao escurecimento da polpa. O sistema usa espectrômetros portáteis que analisam a luz visível e o infravermelho próximo (Vis-NIR).
Com um algoritmo de aprendizado de máquina, os pesquisadores conseguem distinguir, ainda na colheita e antes do surgimento dos sintomas, frutos saudáveis daqueles suscetíveis ao distúrbio. A precisão informada para essa identificação fica entre 80% e 90%.
