Predicción de composición nutricional de pastos nativos de Pomacochas usando espectroscopía en infrarrojo cercano

• Autor: Mejía Risco, Flor Lidomira
• Formato: tesis de maestría
• Fecha de Publicación: 2018
• Institución: Universidad Nacional Toribio Rodríguez de Mendoza de Amazonas
• Repositorio: UNTRM-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.untrm.edu.pe:20.500.14077/1403
• Enlace del recurso: https://hdl.handle.net/20.500.14077/1403
• Nivel de acceso: acceso abierto
• Materia: NIR; PLSR; ANN; Predicción; Quimiometría; Holcus lanatus; Pennsetum clandestinum; Paspalum scabrum

El objetivo de la investigación fue evaluar dos diferentes modelos de predicción de la composición nutricional de pastos nativos de la localidad de Pomacochas mediante espectroscopía de infrarrojo cercano (NIR). Además, se analizó para esto parámetros nutricionales como: humedad (H), proteína cruda (PC), extracto etéreo (EE) y ceniza (Cen), extracto libre de nitrógeno (ELN), fibra detergente neutro (FDN), fibra detergente ácida (FDA), energía bruta (EB) y digestibilidad in vitro. Se recolectó muestras de tres variedades de pastos nativos (Holcus lanatus, Pennisetum clandestinum y Paspalum scabrum), en tres estados fenológicos de la planta (inicio de floración, floración y post floración) con tres repeticiones, dichas muestras fueron secadas en una estufa con aire forzado a 60 ° por 48 horas, molidas y envasadas en bolsa de polietileno de alta densidad. Se obtuvieron los espectros de absorbancia en el rango de longitud de onda de 1100 - 2500 nm. Se desarrollaron las predicciones mediante el software Matlab 15ª con modelos de redes neuronales (ANN) y regresión por mínimos cuadrados parciales (PLSR), con 14 longitudes de onda relevantes en FDA, 16 en FDN, 20 en digestibilidad in vitro y 18 en los demás parámetros evaluados. Los resultados obtenidos demostraron que el modelo PLSR en comparación del modelo ANN brinda mejores ajustes (R2 > 0.70), obtenidos en la validación para pastos nativos.