Análisis del maíz forrajero por NIRS. Variaciones en la predicción según tratamiento matemático de los datos espectrales.

• de la Roza, B. ^[1] ; Martínez, A. ^[1] ; Fernández, O. ^[1] ; Santos, B. ^[1] ; Madroño, S. ^[1]
  1. [1] Centro de Investigación Aplicada y Tecnología Agroalimentaria (CIATA) Apartado. 13. 33300 Villaviciosa. Asturias (España)
• Localización: Pastos: Revista de la Sociedad Española para el Estudio de los Pastos, ISSN 0210-1270, Vol. 25, Nº. 1, 1995, págs. 99-113
• Idioma: español
• Títulos paralelos:
  • Analysis of forage maize by nirs. Prediction variations according to matematical treatment of spectral data
• Enlaces
  • Texto completo
• Resumen
  • español

    Con objeto de determinar la calidad y valor nutritivo de diferentes variedades de maíz forrajero, con una analítica rápida, precisa y económica, se ha estudiado el efecto del pretratamiento de los datos espectrales (ninguno, SNVD y WMSC) y derivadas (0, 1, 2 y 3) sobre los errores estándar de los modelos predictivos en el infrarrojo cercano. Para los constituyentes seleccionados (materia seca residual (MS), cenizas (CEN), proteína bruta (PB), fibra neutro detergente (FND), digestibilidad enzimática de la materia orgánica (DEMO) y almidón (AL) no es posible generalizar las condiciones óptimas para la obtención de una ecuación de regresión que minimice los errores. En este estudio se recogieron los espectros para el desarrollo de las calibraciones en un equipo 5000 NIRSystems con rango de lectura entre 1100 y 2500 nm. Los mayores coeficientes de determinación para validación cruzada (1-VR) en MS, PB y FND (0, 92; 0, 85 y 0, 91 respectivamente) y los menores errores estándar de validación cruzada (SECV) (0, 51; 0, 34 y 1, 46 respectivamente) se obtuvieron con WMSC como pretratamiento espectral y segunda derivada. Para DEMO, segunda derivada sin pretratamiento con 1-VR=0, 91 y SECV=1, 39. En el caso de AL los mejores estadísticos, 1-VR=0, 90 y SECV=1, 78 se consiguieron aplicando SNVD y también segunda derivada. Primera derivada sólo resultó como mejor opción en CEN con WMSC como pretratamiento de los datos espectrales.

  • English

    With the object of determining the nutritive quality of fodder maize of several varieties according to FAO cycle, with a rapid, precise and economic method of analysis, the effect of the pretreatment of spectral data (none, SNVD and WMSC) and derivatives (0, 1, 2, 3) on the standard errors of predictive models in the near infrared was studied. For the constituents selected, dry matter residual (DM), ash (ASH), crude protein (CP), neutral detergent fibre (NDF), enzymatic digestibility organic matter (EDOM) and starch (SCH) the study shows that it is not possible to generalize the optimal conditions to obtain a good regression equation with the minimum errors.

    In this study the spectra for the development of the calibrations were collected on a NIRSystems 5000 with range of reading between 1100 and 2500 nm.

    The best coefficients of determination for cross-validation (1-VR) on DM, CP and NDF (0.92, 0.85 and 0.91 respectively) and the minor standard errors of cross-validation (SECV) (0.51, 0.34 and 1.46 respectively) were obtained with WMSC as pretreatment and second derivative. For EDOM, second derivative without pretreatment with 1 -VR= 0.91 and SECV= 1.39. In the case of SCH the improve statistical results, 1-VR= 0.90 and SECV= 1.78 were obtained applying SNVD and also a second derivative. A first derivative only was a good option on ASH with WMSC as pretreatment of the spectral data.