Modelação através de espetroscopia de infravermelho próximo para estimar os teores de proteína, fibra e humidade em pastagens permanentes

Abstract

Este trabalho tem como objetivo a avaliação da espetroscopia de infravermelho próximo com transformada de Fourier (NIR-FT) combinada com análise multivariada para estimar a qualidade (proteína bruta, PB a fibra, NDF e a humidade, HP) de pastagens biodiversas de sequeiro (amostras secas e verdes) ao longo do ciclo vegetativo de 2020. Foram desenvolvidos modelos de calibração e validação através do algoritmo de regressão dos mínimos quadrados parciais (PLSR), executando transformações dos espetros e selecionando os melhores modelos tendo por base os valores mais elevados do coeficiente de determinação (R2) e do RPD (“Residual Prediction Deviation”), e os valores mais baixos de RMSE (“Root Mean Square Error”) e do Bias (erro sistemático). Nas medições realizadas com amostras de pastagem seca, para a previsão da PB obtiveram-se os seguintes parâmetros: R2 = 0,935; RMSE = 1,174; RPD = 4,01; Bias = 0,031. Já para a fibra (NDF) obtiveram-se os seguintes parâmetros: R2 = 0,911; RMSE = 2,752; RPD = 3,48; Bias = -0,438. Nas medições realizadas com amostras de pastagem verde, os melhores resultados para a PB e NDF foram os seguintes: R2 = 0,707 e 0,724; RMSE = 3,303 e 3,241; RPD = 1,88 e 2,38; Bias = -0,049 e -0,045, respetivamente. O melhor modelo de previsão da HP conduziu aos seguintes resultados: R2 = 0,839; RMSE = 3,517; RPD = 2,72; Bias = 0,101. Deste estudo conclui-se que, através da técnica NIR-FT se podem prever de forma expedita e com elevada precisão, os parâmetros de qualidade (PB e NDF) da pastagem biodiversa de sequeiro, com base em amostras de pastagem seca, justificando-se, no entanto, continuar a desenvolver trabalhos que permitam aferir a fiabilidade da técnica com amostras de pastagem verde (não processadas); Modeling using near-infrared spectroscopy to estimate protein, fiber and moisture content in permanent pastures Abstract: The purpose of this work was to evaluate the Fourier transform near infrared spectroscopy (NIR-FT) combined with multivariate analysis, to estimate the quality (crude protein, CP, fiber, NDF, and moisture, HP) of biodiverse dryland pastures (dry and green samples) throughout the 2020 growing season. Calibration and validation models were developed using the partial least squares regression algorithm (PLSR), performing spectral transformations treatment and selecting the best models based on the highest values of the coefficient of determination (R2) and of residual prediction deviation (RPD) and the lowest values of the root mean square error (RMSE) and Bias. In the measurements carried out with dry pasture samples the following parameters were obtained in terms of prediction of CP: R2 = 0.935; RMSE = 1.174; RPD = 4.01; Bias = 0.031. For fiber (NDF), the following parameters were obtained: R2 = 0.911; RMSE = 2.752; RPD = 3.48; Bias = -0.438. In measurements with green pasture samples, the best results for PB and NDF were respectively: R2 = 0.707 and 0.724; RMSE = 3.303 and 3.241; RPD = 1.88 and 2.38; Bias = -0.049 and -0.045. The best prediction model for HP led to the following results: R2 = 0.839; RMSE = 3.517; RPD = 2.72; Bias = 0.101. The results of this study indicate that by resorting to the NIR-FT technique, the quality parameters (PB and NDF) of dryland biodiverse pasture can be predicted quickly and with high accuracy, based on dry pasture samples. Further studies are required to develop methodologies for assessing the reliability of this technique with green pasture samples (unprocessed).