Resumen de Predicción de la composición botánica de mezclas forrajeras con leguminosas anuales y raigrás mediante NIRS

Sonia Pereira Crespo, J. Valladares, N. Díaz, D. Díaz, Bruno Fernández Lorenzo, César Resch Zafra, T. Dagnac, A. Botana, M. Veiga, Gonzalo Flores Calvete

• español

  Se estudia en el presente trabajo la capacidad predictiva de la espectroscopía de reflectancia en el infrarrojo cercano (NIRS) para la estimación de la composición botánica de mezclas de raigrás y leguminosas anuales cosechadas para ensilado en primavera. Se usó una colección de 270 muestras secas y molidas procedentes de experimentos realizados en el CIAM. La composición botánica de las muestras se determinó en el laboratorio, cuantificándose tres fracciones: raigrases sembrados (RG), leguminosas sembradas (LEG) y especies espontáneas (OT). Los modelos de predicción NIRS se obtuvieron por regresión mínimo cuadrática entre los valores de referencia y los espectrales. La capacidad predictiva de las calibraciones fueron excelentes para las fracciones RG y LEG, siendo obtenidos coeficientes de determinación en validación cruzada (r2) iguales o superiores a 0,90 y valores del ratio entre rango y error estándar de validación cruzada (RER) mayores de 10 para dichas variables. Se puede concluir que la tecnología NIRS puede ser utilizada satisfactoriamente en análisis de rutina con muestras secas y molidas para la predicción del porcentaje de raigrases y de leguminosas en las mezclas de leguminosas anuales con raigrás cosechadas para ensilar.

• English

  In the present work is studied the predictive ability of NIRS for the estimation of the botanical composition of annual legumes-ryegrass forage mixtures harvested for silage in spring, using a collection of 270 oven-dried and ground samples obtained from two experiments performed at the CIAM. Fresh herbage samples were divided in the laboratory into three fractions: sown ryegrass (RG), sown legumes (LEG) and spontaneous species (OT). NIRS calibrations were developed by modified least-square regression between reference and spectra values. The predictive ability of calibrations was excellent for RG and LEG fractions, being obtained cross-validation determination coefficients (r2) equal or higher than 0.90 and values of the ratio between range and the standard error of cross validation (RER) higher than 10 for these variables. It is concluded that NIRS can be satisfactorily used in routine analysis of dry and ground samples for the prediction of ryegrass and legume fractions of annual legume-ryegrass forage mixtures harvested for silage.