બાલિશિક ટામેટા સલાડ

ટામેટાં, લસણ, બલ્સમિક સરકો અને ઓલિવ તેલનો આ સરળ કચુંબર સ્વાદ સાથે ભરેલો છે. હળવા સુપરમાર્કેટ ટમેટાંને બચાવવા માટે તે એક સારો માર્ગ છે, જ્યારે રસદાર વેલોની પરિપક્વ ઉનાળામાં ટમેટાં બનાવવામાં આવે ત્યારે તે શ્રેષ્ઠ છે.

આ રેસીપી પ્લુમ ટમેટાં માટે કહે છે, તેમ છતાં, તે ચેરી અથવા વંશપરંપરાગત વસ્તુ ટામેટાં સાથે વાપરવા માટે પણ એક મહાન રેસીપી છે. તમે તેને વધુ રંગીન અને લલચાવું બનાવવા માટે શામેલ કરેલા ટમેટાંને મિશ્ર અને મેળ કરી શકો છો.

આ રેસીપી માટે તમારે થોડી મિનિટોની જ જરૂર છે, તેથી ઉનાળા અથવા પતન રાત્રિભોજન માટે બરબેકયુ, પિકનીક અથવા કચુંબર માટે એક સાથે ફેંકવું સરળ છે.

તમને જરૂર પડશે

તે કેવી રીતે બનાવો

  1. ટામેટાં કાપો અને તેમને બીજ દૂર કરવા માટે કોર.
  2. તમારા ઇચ્છિત કદના ટુકડાઓમાં ટામેટાંને કાપો. જો તમે નાના ટમેટાંનો ઉપયોગ કરી રહ્યા હો, તો તમારે તેમને અડધા ભાગમાં કાપવાની જરૂર છે જેથી તેઓ ડ્રેસિંગના સ્વાદને શોષી શકે.
  3. મોટા બાઉલમાં અદલાબદલી ટામેટાં મૂકો.
  4. છાલ અને લસણ લવિંગ તોડવું. તેમને ખૂબ જ ઉડીથી વિનિમય કરો જેથી તેઓ સમગ્ર કચુંબર દરમિયાન સારી રીતે ભળી જાય.
  5. ટામેટાંમાં ઓલિવ તેલ, સરકો, લસણ અને ઔષધ (જો તમે કોઈપણ વાપરી રહ્યા હોય તો) ઉમેરો.
  1. સારી રીતે ટૉસ કરો
  2. સેવા આપતી વાનગીમાં પરિવહન કરો, જો ઇચ્છિત હોય, અને સ્વાદ માટે તાજી ગ્રાઉન્ડ કાળા મરી સાથે સમાપ્ત કરો તમે પણ તમારા મહેમાનો માટે સુગંધ વ્યક્તિગત રીતે કચુંબર પ્લેટ કરી શકો છો અને જડીબુટ્ટીઓ એક sprig સાથે સુશોભન માટે વાપરવાની સામગ્રી.
  3. તમારા મહેમાનો માટે થોડી વધારાની ઝરમર વરસાદ ઉમેરવા જો તેઓ ઇચ્છા હોય તો ટેબલ પર balsamic સરકો અને ઓલિવ તેલ બોટલ છે

ટમેટા કચુંબરને તાત્કાલિક સેવા આપી શકાય છે અથવા સ્વાદને શોષવા અને વિકસાવવા માટે થોડા સમય માટે બેસવાની મંજૂરી છે.

આ કચુંબર પીકિનીક્સ અને પોટક્સ માટે યોગ્ય છે, કારણ કે કોઈ ઘટકોને રેફ્રિજરેશનની આવશ્યકતા નથી. જ્યારે તે આનંદપ્રદ મરચી છે, તે ઓરડાના તાપમાને પણ સ્વાદિષ્ટ છે. કોઈ પણ નાનો ભાગ રેફ્રિજરેટરમાં રાખવો અને તેને એક દિવસની અંદર આનંદ કરવો કે જેથી રચના બદલાઈ જશે.

પોષક માર્ગદર્શિકા (સેવા આપતા દીઠ)
કૅલરીઝ 139
કુલ ચરબી 7 ગ્રામ
સંતૃપ્ત ફેટ 1 જી
અસંતૃપ્ત ચરબી 5 જી
કોલેસ્ટરોલ 0 એમજી
સોડિયમ 16 એમજી
કાર્બોહાઇડ્રેટ્સ 17 ગ્રામ
ડાયેટરી ફાઇબર 4 જી
પ્રોટીન 4 જી
(અમારા વાનગીઓ પરની પોષણની માહિતીને ઘટક ડેટાબેઝનો ઉપયોગ કરીને ગણવામાં આવે છે અને તેને એક અંદાજ ગણવામાં આવે છે. વ્યક્તિગત પરિણામો બદલાઈ શકે છે.)