Valor nutritivo en dietas completas (Unifeed): Influencia de la biblioteca espectral en los estadísticos NIRS

• Autores: Ana Belén Soldado Cabezuelo, Adela Martínez Fernández, S. Modroño Lozano, R. Galiano, María Begoña de la Roza Delgado
• Localización: Los sistemas forrajeros: entre la producción y el paisaje / coord. por Arantza Aldezabal Roteta, Ana Aizpurua Insausti, Isabel Albizu Beitia, Amaia Ortiz Barredo, Sorkunde Mendarte Azcue, Roberto Ruiz, 2007, ISBN 978-84-611-9642-5
• Idioma: español
• Títulos paralelos:
  • Nutritive value on Unifeed diets: Influence of spectral libraries on NIRS statistics
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    A lo largo de los años 1995-2006, se construyó una biblioteca de 1346 espectros de piensoscompuestos, mezclas comerciales y mezclas “unifeed”, seleccionadas por el Laboratorio deNutrición Animal del SERIDA, que fueron recogidos tras molienda y desecación en casonecesario, para su caracterización nutritiva en racionamientos. Con el propósito de incrementarla exactitud y precisión de los modelos predictivos, por reflectancia en el infrarrojo cercano(NIR) se ensayaron diferentes alternativas de variabilidad poblacional, en base a disgregar portipo de muestra. Los resultados muestran mejoras significativas en los estadísticos obtenidoscuanto mayor es el número de muestras que se emplean en el desarrollo de los modelosquimiométricos, con una clara ventaja del tratamiento matemático de los datos en segundaderivada. Por otro lado, el uso del algoritmo LOCAL mejora las predicciones basadas engrandes bibliotecas espectrales.

  • English

    During 1995-2006 years, it was built a spectral library with a total of 1346 spectra: 967compoundfeed and feedstuffs and 359 total mixed rations. Samples were selected by the AnimalNutrition Laboratory of SERIDA. The spectral data were recorded after drying and millingsamples, using a NIRSystems 5000 (FOSS NIRSystems, Silver Spring, MD, USA) instrument,over a range of 1100-2500 nm. To increase accuracy and precision in the prediction modelsdeveloped by NIRS technology, different alternatives were assayed according to populationvariability. Attending statistics, the best results were obtained with chemometric modelsdeveloped on second derivative using the population containing more samples (P3; N=1346).Moreover, LOCAL algorithm improved predictive values when larger spectral libraries wereused.