Uso da espectroscopia de infravermelho próximo para a predição da composição química de capim Tifton 85
DOI:
https://doi.org/10.5433/1679-0359.2021v42n3p1287Palavras-chave:
Cynodon spp., Feno, Lâmina foliar, NIRS, Proteína.Resumo
A redução da qualidade, do consumo e da digestibilidade da forragem pode ocasionar a diminuição do desempenho animal, resultando em prejuízos ao produtor rural. Desta forma, é importante monitorar essas características em plantas forrageiras para definir estratégias ou práticas que otimizem os sistemas de produção. Objetivou-se desenvolver e validar modelos de predição pela espectroscopia de infravermelho próximo (NIRS), para determinar a composição química do capim Tifton 85 (Cynodon spp.). Foram utilizadas amostras de capim verde (planta inteira, lâmina foliar, colmo + bainha e material senescente) e de feno, da mesma gramínea, totalizando 105 amostras. As amostras foram submetidas a análise química convencional para determinação dos teores de amostra seca em estufa (ASE), matéria mineral (MM), proteína bruta (PB), fibra em detergente neutro (FDN), fibra em detergente ácido (FDA), lignina em detergente ácido (LDA), celulose (CEL), hemicelulose (HEM) e digestibilidade in vitro da matéria seca (DIVMS). Posteriormente, todas as amostras foram escaneadas em espectrômetro Vis-NIR, para a coleta dos dados espectrais. Aplicou-se a análise de componentes principais (PCA) ao conjunto de amostras, e utilizou-se a regressão por mínimos quadrados parciais modificadas para correlacionar valores de referência aos dados espectrais. Os coeficientes de determinação (R2) foram de 0,74; 0,85; 0,98; 0,75; 0,85; 0,71; 0,82, 0,77 e 0,93 e as taxas de desvio de performance (RPD) de 1,99; 2,71; 6,46; 2,05; 2,58; 3,84; 1,86; 2,35; 2,09 e 3,84 para ASE, MM, PB, FDN, FDA, LDA, CEL, HEM e DIVMS respectivamente, na etapa de validação. Os modelos de predição obtidos, em geral, foram considerados de boa qualidade, e demonstraram que a determinação da composição química do Tifton 85 pode ser realizada pela tecnologia NIRS, em substituição à análise convencional.Downloads
Referências
Almeida, M. T. C., Delphino, T. R., Paschoalotto, J. R., Carvalho, V. B., Perez, H. L., D’Aurea, E. M. O.,… Ezequiel, J. M. B. (2018). Predições da espectroscopia no infravermelho próximo podem determinar a digestibilidade e o consumo alimentar de cordeiros confinados. Arquivo Brasileiro de Medicina Veterinária e Zootecnia, 70(2), 597-605. doi: 10.1590/1678-4162-9548
Andueza, D., Picard, F., Marin-Rosset, W., & Aufrère, J. (2016). Near-infrared Spectroscopy calibrations performed on over-dried green forages for the prediction of chemical composition and nutritive value of preserved forage for ruminants. Applied Spectroscopy, 70(8), 1321-1327. doi: 10.1177/000370281665 4056
Arzani, H., Sanaei, A., Barker, A. V., Ghafari, S., & Motamedi, J. (2015). Estimating nitrogen and acid detergent fiber contents of grass species using Near Infrared Reflectance Spectroscopy (NIRS). Journal of Rangeland Science, 5(4), 260-268.
Brogna, N., Palmonari, A., Canestrari, G., Mammi, L., Dal Prà, A., & Formigoni, A. (2018). Technical note: near infrared reflectance spectroscopy to predict fecal indigestible neutral detergent fiber for dairy cows. Journal of Dairy Science, 101(2), 1-6. doi: 10.3168/jds.2017-13319
Decruyenaere, V., Lecomte, P., Demarquilly, C., Aufrere, J., Dardenn, P., Stilmant, D., & Buldgen, A. (2009). Evaluation of green forage intake and digestibility in ruminants using near infrared reflectance spectroscopy (NIRS): Developing a global calibration. Animal Feed Science Technology, 148(2-4), 138-156. doi: 10.1016/j.anifeedsci.2008.03.007
Deepa, K., Senthilkumar, S., Kalpana, K., Suganya, T., Sasikimar, P., Thirumalaisamy, G.,… Vasanthakumar, P. (2016). NIRS in animal sciences. International Journal Science, 5(2), 605-610.
Detmann, E., Souza, M. A., Valadares, S. C., Fº., Queiroz, A. C., Berchielli, T. T., Saliba, E. O. S.,... Azevedo, J. A. G. (2012). Métodos para análise de alimentos. Visconde do Rio Branco, MG: UFV.
Fekadu, D., Bediye, S., Kehaliw, A., Daba, T., Kitaw, G., & Assefa, G. (2010). Near Infrared Reflectance Spectroscopy (NIRS) for determination of chemical entities of natural pasture from Ethiopia. Agriculture and Biology Journal of North America, 1(5), 919-922. doi: 10.5251/abjna.2010.1.5.919.922
Fonseca, D. M., & Martuscello, J. A. (2010). Plantas forrageiras. Viçosa, MG: Ed. UFV.
Goldshleger, N., Chudnovsky, A., & Ben-Binyam, R. (2013). Predicting salinity in tomato using soil reflectance spectra. International Journal of Remote Sensing, 34(17), 6079-6093. doi: 10.1080/014311 61.2013.793859
Gontijo, M. M., Neto, Simeone, M. L. F., & Guimarães, C. C. (2012). Predição do teor de proteína bruta em biomassa de capins braquiária por meio de espectroscopia NIR. (Comunicado Técnico, 205). Sete Lagoas: EMBRAPA.
Guerra, G. L. (2019). Espectroscopia de infravermelho próximo na avaliação da qualidade nutricional de Brachiaria brizantha cultivada em diferentes tipos de solo. Tese de doutorado, Universidade Estadual de Londrina, Londrina, PR, Brasil. Recuperado de http://www.bibliotecadigital.uel.br
Kennard, R. W., & Stone, L. A. (1969). Computer aided design of experiments. Technometrics, 11(1), 137-148. doi: 10.2307/1266770
Kragten, S. A., & Wyss, U. (2014). Les fourrages à la lumière de proche infrarouge (NIRS). Recherche Agronomique Suisse, 5(5), 204-211.
Lobos, I., Gou, P., Hube, R., Saldaña, R., & Alfaro, M. (2013). Evaluation of potencial NIRS to predict pastures nutritive value. Journal of Soil Science and Plant Nutrition, 13(2), 463-468. doi: 10.4067/S0 718-95162013005000036
Lohumi, S., Lee, S., Lee, H., & Cho, B. (2015). A review of vibrational spectroscopic techniques for the detection of food authenticity and adulteration. Trends in Food Science & Technology, 46(1), 85-96. doi: 10.1016/j.tifs.2015.08.003
Molano, L. M., Cortés, M. L., Ávila, P., Martens, S. D., & Muñoz, L. S. (2016). Ecuaciones de calibración en espectroscopía de reflectancia en el infrarrojo cercano (NIRS) para predicción de parámetros nutritivos en forrajes tropicales. Tropical Grasslands, 4(3), 106-107. doi: 10.17138/TGFT(4)139-145
Muñiz, G. I. B., Magalhães, W. L. E., Carneiro, M. E., & Viana, L. C. (2012). Fundamentos e estado da arte da espectroscopia no infravermelho próximo no setor de base florestal. Ciência Florestal, 22(4), 865-875. doi: 10.5902/198050987567
Nitsche, P. R., Caramori, P. H., Ricce, W. S., & Pinto, L. F. D. (2019). Atlas climático do estado do Paraná. Londrina, PR: IAPAR. Recuperado de http://www.idrparana.pr.gov.br/Pagina/Atlas-Climatico
Oliveira, D. M. (2017). Análise de forragens por espectroscopia no infravermelho próximo, espectroscopia de emissão óptica em plasma induzido por laser e fusão de dados. Dissertação de mestrado, Universidade Estadual de Campinas, Campinas, SP, Brasil. Recuperado de http://repositorio.unicamp. br/jspui/handle/REPOSIP/325383
Roberts, C. A., Stuth, J. W., & Flinn, P. (2004). Near-infrared spectroscopy in agriculture. In C. A. Roberts, J. Workman Jr, & J. B. Reeves III (Eds.), Analysis of forages and feedstuffs (pp. 231-267). Wisconsin, WI: Madison.
Roussel, S. (2015). Formation: analyse de données spectroscopiques. Théorie et pratique sur the Unscrambler X®. 1329. Montpellier: Cirad.
Schwanninger, M., Rodrigues, J. C., & Fackler, K. (2011). A review of band assignments in near infrared spectra of wood and wood components. Journal of Near Infrared Spectroscopy, 19(5), 287-308. doi: 10. 1255/jnirs.955
Shenk, J. S., & Westerhaus, M. O. (1991). Population definition, sample selection, and calibration procedures for near infrared reflectance spectroscopy. Crop Science, 31(2), 469-474. doi: 10.2135/ cropsci1991.0011183X003100020049x
Shenk, J. S., & Westerhaus, M. O. (1994). Forage quality, evaluation, and utilization. In G. C. Fahey Jr. (Ed.), The application of near infrared reflectance spectroscopy (NIRS) to forage analysis (pp. 406-449). Wisconsin, WI: Madison.
Tilley, J. M. A., & Terry, R. A. (1963). A two-stage technique for the in vitro digestion of forage crop. Journal British Grassland Society, 18(2), 104-111. doi: 10.1111/j.1365-2494.1963.tb00335.x
Tran, H., Salgado, P., Tillard, E., Dardenne, P., Nguyen, X. T., & Lecomte, P. (2010). “Global” and “local” predictions of dairy diet nutritional quality using near infrared reflectance spectroscopy. Journal of Dairy Science, 93(10), 4961-4975. doi: 10.3168/jds.2008-1893
Van Soest, P. J. (1994). Lignin. In P. J. Van Soest (Ed.), Nutritional ecology of the ruminant (pp. 177-195). Ithaca, NY: Cornell University.
Van Soest, P. J., Robertson, J. B., & Lewis, B. A. (1991). Methods for dietary, neutral detergent fiber, and nonstarch polysaccharides in relation to animal nutrition. Journal of Dairy Science, 74(10), 3583-3597. doi: 10.3168/jds.S0022-0302(91)78551-2
Williams, P. (2014). The RPD statistic: a tutorial note. NIR News, 25(1), 22-23. doi: 10.1255/nirn.1419
Williams, P., Dardenne, P., & Flinn, P. (2017). Tutorial to be included in a report on a near infrared spectroscopy project. Journal of Near Infrared Spectroscopy, 25(2), 85-90. doi: 10.1177/09670335177 02395
Williams, P. C., & Sobering, D. C. (1993). Comparison of commercial near infrared transmittance and reflectance instruments for analysis of whole grains and seeds. Journal of Near Infrared Spectroscopy, 1(1), 25-33. doi: 10.1255/jnirs.3
Williams, P. C., & Sobering, D. C. (1996). How do we do it: a brief summary of the methods we use in developing near-infrared calibrations. In A. M. C. Davies & P. L. Williams (Eds.), Near infrared spectroscopy: the future waves (pp. 185-188). Chichester, UK: NIR Publications.
Windham, W. R., Mertens, D. R., & Barton, F. E. (1989). Protocol for NIRS calibration: sample selection and equation development and validation. In G. C. Marten, J. S. Shenk, & F. E. Barton II (Eds.), Near infrared reflectance spectroscopy (NIRS): analysis of forage quality. (pp. 96-103). Washington, DC: USDA-ARS: Agricultural Handbook.
Yang, Z., Nie, G., Pan, L., Zhang, Y., Huang. L., Ma, X., & Zhang, X. (2017). Development and validation of near-infrared spectroscopy for the prediction of forage quality parameters in Lolium multiforum. PeerJ Computer Science, 5(10), 1-20. doi: 10.7717/peerj.3867
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2021 Semina: Ciências Agrárias
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
Semina: Ciências Agrárias adota para suas publicações a licença CC-BY-NC, sendo os direitos autorais do autor, em casos de republicação recomendamos aos autores a indicação de primeira publicação nesta revista.
Esta licença permite copiar e redistribuir o material em qualquer meio ou formato, remixar, transformar e desenvolver o material, desde que não seja para fins comerciais. E deve-se atribuir o devido crédito ao criador.
As opiniões emitidas pelos autores dos artigos são de sua exclusiva responsabilidade.
A revista se reserva o direito de efetuar, nos originais, alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da língua e a credibilidade do veículo. Respeitará, no entanto, o estilo de escrever dos autores. Alterações, correções ou sugestões de ordem conceitual serão encaminhadas aos autores, quando necessário.