No abstract

Introducción. El consumo y la digestibilidad son parámetros que definen la calidad de un forraje, sin embargo, son difíciles y costosos de estimar. La tecnología espectroscopía de infrarrojo cercano aplicada a las heces (NIRSf) es una alternativa a los métodos convencionales de referencia para estimar el consumo voluntario (CVMS) y digestibilidad de materia seca (DMS) en ovinos. Objetivo. Comparar la tecnología NIRSf con métodos convencionales para la estimación de CVMS y DMS en ovinos en confinamiento. Materiales y métodos. Se realizaron seis bioensayos en el centro de investigación Tibaitata, Cundinamarca, Colombia, durante los años 2019 y 2021 con cinco ovinos (PV 58,28±11 kg) para estimar CVMS y DMS por tres métodos: gravimetría, marcadores y NIRSf. Los animales fueron alimentados con seis regímenes alimenticios contrastantes en su valor nutricional. Se colectaron muestras de forrajes y heces, las cuales se secaron y molieron para su posterior análisis químico y espectral. Resultados. La estimación de CVMS y DMS fue diferente (p<0,001) en los seis regímenes alimenticios evaluados, donde el CVMSPM varió de 37,54 a 82,58 g/kg PV0,75 y la DMS varió de 36,32 a 58,81 %. En la comparación de la estimación del CVMS y DMS por el método referente (gravimétrico) con los métodos de marcadores y NIRSf, se observó que el método NIRSf presentó mejor ajuste comparado con el de marcadores, al presentar menor valor de la raíz del cuadrado medio del error (-1,53 y -1,75, respectivamente), menor error medio absoluto (-3,01 y -0,5, respectivamente) y mayor coeficiente de determinación (+0,09 y +0,28, respectivamente). Conclusión. La estimación del CVMS y la DMS por medio de ecuaciones NIRSf presentó mejor ajuste comparado con la metodología de marcadores; sin embargo, es necesario mejorar la precisión de las calibraciones con muestras de heces de animales bajo diferentes contextos productivos.

La espectroscopía de reflectancia en el infrarrojo cercano (NIRS) es una tecnología rápida, multiparamétrica, amigable con el ambiente, de bajo costo y gran exactitud, para el análisis de diversos componentes en alimentos, en suelo y en agricultura. El objetivo del presente estudio fue construir modelos de calibración NIRS, para la predicción de nutrientes en tejido vegetal de caña de azúcar, para producción de panela, cultivada en la región de la Hoya del río Suárez. Un total de 416 muestras de tejido fueron escaneadas en el segmento espectral Vis-NIR. El análisis quimiométrico, se realizó con el software WinISI V4.10, aplicando la regresión de mínimos cuadrados parciales modificados, junto a una validación cruzada. Se evaluaron cuatro modelos con diferentes tratamientos matemáticos y el rendimiento de las calibraciones, se hizo por medio de la validación externa, analizando las medidas de bondad de ajuste, como el coeficiente de determinación de la predicción, el error estándar de la predicción ajustado por el sesgo y la desviación predictiva residual. Los resultados muestran que el modelo de calibración para N presentó el mayor poder predictivo. Para macronutrientes, las calibraciones, con mayor poder predictivo, fueron P y K y para micronutrientes, el modelo para B, mientras que para Cu presentó el más bajo poder predictivo. Se encontraron modelos adecuados para la predicción de los contenidos de N, Ca y P; para los demás nutrientes, se recomienda ampliar el conjunto de calibración.