Predição da qualidade nutricional da pastagem fresca e seca de Brachiaria brizantha cv. Piatã pela espectroscopia de infravermelho próximo

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Ribeiro, Mariellen Cristine Andrade
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://repositorio.uel.br/handle/123456789/10448
Resumo: Resumo: Objetivou-se gerar curvas de calibração para estimar a composição química de Brachiaria brizantha cv Piatã fresca e seca por meio de espectrômetro de infravermelho próximo (NIRS) Foram coletadas 84 amostras de forragem de Brachiaria brizantha cv Piatã, em uma propriedade na cidade de Santa Fé – Paraná Foram realizadas análises químicas para determinação da amostra seca ao ar (ASA), amostra seca em estufa (ASE), matéria seca total (MST), proteína bruta (PB), fibra em detergente neutro (FDN), fibra em detergente ácido (FDA), lignina e celulose E foram estimados os teores de nutrientes digestíveis totais (NDT) Para a coleta dos espectros, utilizou-se o espectrômetro VIS-NIR marca Foss NIRSystems XDS (Silver Spring, MD, USA) com reflectância entre 4 a 25 nm e resolução a cada 2 nm A faixa espectral utilizada foi de 11 ao 25 nm Os espectros foram coletados a partir de amostras da forragem fresca e seca e, por meio do banco de dados formado foram utilizadas diferentes porcentagens entre dados de amostras frescas e secas para geração dos modelos de predição (1% frescas; 1% secas; 25% frescas:75% secas; 5% frescas: 5% secas e 75% frescas: 25% secas) Foi realizada a análise de Componentes Principais (PCA) nos dados espectrais, e para calibração, a regressão pelos Mínimos Quadrados Parciais modificada (mPLS) Para normalizar e eliminar tendências não-lineares dos espectros, tratamentos matemáticos foram aplicados aos espectros brutos O modelo gerado com 1% de amostras frescas apresentou bons resultados de coeficiente de determinação da calibração (R2c) e de taxa de desvio de performance da calibração (RPDc) para as variáveis: ASA (R²c:,83); PB (R²c:,85); FDN (R²c:,78); FDA (R²c:,84); lignina (R²c:,83); NDT (R²c:,78) / ASA (RPDc:2,54); PB (RPDc:3,2); FDN (RPDc:2,59); FDA (RPDc:2,8); lignina (RPDc:2,56); NDT (RPDc: 2,58) Embora o modelo contendo 1% de forragem fresca tenha apresentado bons resultados para grande parte das variáveis na calibração, não foi satisfatório na validação No modelo com 1% secas foram encontrados melhores valores para coeficiente de determinação da calibração (R²c) e taxa de desvio de performance da calibração (RPDc) para as variáveis: ASE (R²c:,87); PB (R²c:,92); FDN (R²c:,9); FDA (R²c:,81); lignina (R²c:,86); NDT (R²c: ,9) / ASE (RPDc:2,98); PB (RPDc:4,21), FDN (RPDc:3,31); FDA (RPDc:2,33);lignina (RPDc:2,83); NDT (RPDc:3,33), na validação todas as variáveis para coeficiente de determinação da validação (R²v): ASA (R²v:,75); ASE (R²v:,85); MST (R²v:,75); PB (R²v:,94); FDN (R²v:,92); FDA (R²v:,85); lignina (R²v:,85); celulose (R²v:,77); NDT (R²v: ,9) e para taxa de desvio de performance da validação (RPDv) somente: ASE (RPDv: 2,6); PB (RPDv:3,98); FDN (RPDv:3,49); FDA (RPDv:2,56); lignina (RPDv:2,59) e NDT (RPDv:3,12) O modelo desenvolvido com amostras 1% secas foi superior àqueles desenvolvidos com amostras 1% frescas e diferentes porcentagens destas (25% frescas: 75% secas; 5 % frescas: 5% secas;75% frescas: 25% secas) Apesar do banco de dados contendo 1% de amostras frescas ter apresentado bons parâmetros de calibração, considerando os critérios e padrões adotados neste estudo, não foi possível validar um modelo adequado para predizer as características e componentes da forragem fresca de Brachiaria brizantha cv Piatã, utilizando a espectroscopia do infravermelho próximo Entretanto, o modelo pode ter aplicação prática para atender a demanda imediata de pequenos e médios produtores, que desejam apenas avaliar a qualidade da forragem produzida O modelo utilizando 1% secas foi adequado para predição das variáveis avaliadas, exceto para ASA, MST e celulose