SciELO - Scientific Electronic Library Online

 
vol.46 issue3Enological Frontier of the Southern Cone of America: Cabernet-Sauvignon in Chile and Malbec in ArgentinaEffect of pre- and postpartum body development on the rebreeding of first-calf heifers author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


Ciencia e investigación agraria

On-line version ISSN 0718-1620

Abstract

LOBOS, Iris; MOSCOSO, Cristian J.  and  PAVEZ, Paula. Modelos de calibración para la cuantificación nutricional de praderas frescas mediante espectroscopía de infrarojo cercano. Cienc. Inv. Agr. [online]. 2019, vol.46, n.3, pp.234-242. ISSN 0718-1620.  http://dx.doi.org/10.7764/rcia.v46i3.2020.

La nutrición influye en el rendimiento y salud animal, donde la determinación rápida y confiable de la calidad del forraje es esencial para mejorar la producción animal. El presente estudio describe el uso de la espectroscopía de reflectancia del infrarrojo cercano (NIRS) para la cuantificación de la calidad nutricional en términos de materia seca (MS), proteína cruda (PC), carbohidratos solubles en agua (CHOS), digestibilidad in vitro de la MS (DIV), digestibilidad de la materia orgánica (DMO), fibra detergente neutro (FDN) y la relación CHOS/PC en praderas frescas del sur de Chile (39 a 40° S). Los modelos de calibración se desarrollaron entre la química húmeda y los datos espectrales NIRS usando la regresión por mínimos cuadrados parciales (PLSR). El rango de coeficientes de determinación en el conjunto de validación varió entre 0,69 y 0,93 y el error de predicción entre 0,064 y 2,89. La evaluación del modelo obtenido confirmó la alta capacidad predictiva del NIRS para MS y PC, baja capacidad predictiva para FDN, DIV, DMO y la relación CHOS/PC. No fue posible obtener un modelo para CHOS, siendo necesario aumentar el número de muestras y así mejorar la variabilidad espectral y el valor de R2 (>80%).

Keywords : Calidad nutritiva; forraje; modelos de calibración; NIRS; validación externa.

        · abstract in English     · text in English     · English ( pdf )