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

Abstract

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.