पारंपरिक डच सब्जी सूप वाल माटबल्स नुस्खाको साथ

माटबल्स (वा डचमा बैलेजज ) धेरै पारंपरिक डच सब्जी सूप व्यञ्जनहरूमा सुविधा छ। मासुबलहरू कुनै पनि किसानको मासुको बनाइन्छ, तर पर्दा धेरै सामान्य छ। सूप को आधार सामान्यतया मौसमी सब्जिहरु संग बनाइएको एक हल्का भाइरस हो।

यो groentesoep भेटिएको बेलमेज हरेक सीजन अनुरूप गर्न tweaked हुन सक्छ। यस वसन्त संस्करणको लागि, हामीले गुलाब वेल र -स्टॉक प्रयोग गर्दछौं साथै युवा टर्निप्सहरू, एस्पेरगास र लिकहरू। एक गर्मी मा चिकन मांसबल्स मा शामिल हुन सक्छ र मटर, फेवा सेम र फ्रेंकल संग शामिल हुन्छ, जब सर्दियों को संस्करण मासु मांसपेशिहरु, केले, गाजर र सीलरीक को सुविधा हो। जुनसुकै सब्जियां तपाइँ फैंसी प्रयोग गर्नुहुन्छ: सबै कुरा के हो कि तपाइँ विभिन्न प्रकारका रंगहरू, स्वादहरू र बनावटहरू प्रयोग गर्नुहुन्छ।

तपाईलाई के चाहिन्छ?

यसलाई कसरी बनाउने?

  1. क्रीम, टमाटर पेस्ट, नटमे र नमक र काली मिर्च संग भुइँमा खसाल्नुहोस्।
  2. तपाईंको हातका हथेलीहरू बीचमा संगमरमर आकारको बलमा रोल गर्नुहोस्। एक ठिक स्थानमा आराम गर्न छुट्याउनुहोस्।
  3. बीचमा, सब्जहरू धोएर र तयार पार्नुहोस्।
  4. शेयरलाई फोडामा ल्याउनुहोस्। मासुबलहरू उबलिएको स्टकमा थप्नुहोस् र 2 देखि 3 मिनेटको लागि पकाउनुहोस्।
  5. स्किमरसँग स्टकबाट मासुबलहरू हटाउनुहोस् र अलग गर्नुहोस्।
  6. सब्जियों लाई स्टक मा जोडें र 10 मिनेट को लागि या सिर्फ निविदा सम्म पकडें।
  1. मासुबलहरू फेरि सूपमा थप्नुहोस्।
  2. कात्तिकमा सूपमा क्रमांक र अर्को मिनेटको लागि पकाउने अनुमति दिन्छ।

नमक र काली मिर्चको मौसम र पुर्खाले पूरै गेहूं रोटी वा पनीर स्ट्रा (कास्सेन्जेल्स) लाई सेवा गर्दछ

सुझावहरू:

तपाईंलाई थाँहा थियो?

गुलाब वेवल एक गुलाबी-hued मासु हो, एनेमिक सेतो परम्परागत पर्दा भन्दा गाढा। यो एक आक्रामक अधिक नैतिक मासु हो, ब्वाँसोको साथमा लगभग आठ महिना पुरानो मासु उत्पादन गरिन्छ, मासुको चारामा बढाएर अधिक कोठामा लैजान्छ। गुलाब वेवल ले अवांछित डेयरी ब्वाँसा को उपयोग गर्दछ, डेयरी उद्योग को एक दुर्भाग्यवश द्वारा उत्पाद, जो अन्यथा जन्म मा गोली मार दी।

पोषण दिशानिर्देश (प्रति सेवा)
क्यालोरिज 294
कुल मोटा 11 जी
पागलिएको बोसो 4 जी
असंतृप्त फैट 4 जी
कोलेस्ट्रॉल 90 मिलीग्राम
सोडियम 291 मिलीग्राम
कार्बोहाइड्रेट 22 जी
आहार फाइबर 4 जी
प्रोटिन 28 जी
(हाम्रो व्यञ्जनहरूमा पोषण जानकारी घटक डेटाबेस प्रयोग गरी गणना गरिन्छ र अनुमानलाई विचार गर्न सकिन्छ। व्यक्तिगत परिणाम फरक हुन सक्छ।)