Portal de Pesquisa da BVS Veterinária

Tese em Português | VETTESES | ID: vtt-219524

Resumo

No período de estiagem, época em que a forragem passa por variação na quantidade e qualidade, a silagem é uma importante fonte de alimento para os rebanhos.O sorgo tem sido utilizado para produção de silagem devido a elevada produção de forragem, menor exigência em fertilidade do solo e alta tolerância ao déficit hídrico. Além da produção, é necessário conhecer a composição bromatológica dos alimentos fornecidos aos animais para posteriormente definir as estratégias de manejo alimentar. A análise de alimento tradicional é considerada onerosa por parte dos produtores, demorada e sofre críticas com relação aos resíduos decorrentes do uso de reagentes. Nesse contexto a utilização da espectroscopia da reflectância no infravermelho próximo (NIRS), vem sendo aplicada com sucesso como uma alternativa as metodologias analíticas de composições bromatológicas. Objetivou-se com a presente pesquisa, avaliar o perfil físico-químicoea similaridade espectral entre cultivares de sorgo em diferentes estádios de maturação dos grãos e desenvolver modelos de previsão do teor de proteína bruta e digestibilidade in vitro da matéria seca e orgânica da silagem de sorgo, utilizando a espectroscopia de refletância no infravermelho próximo (NIRS).Para a ensilagem utilizou-se os sorgos BRS 658 e BRS Ponta Negra, em minissilos de PVC, nos estádios de maturação dos grãos leitoso, pastoso, farináceo e duro. As variáveis foram estudadas pela técnica de Análise de Componentes Principais (PCA), e classificação usando a Modelagem Independente por Analogia de Classe (SIMCA). Os modelos de calibração multivariada foram desenvolvidos pela regressão por Mínimos Quadrados Parciais (PLS). O desempenho dos modelos foi determinado conforme raiz quadrada média do erro da calibração (RMSEC), da validação cruzada (RMSECV) e da predição (RMSEP), bem como o coeficiente de determinação (R2) dos valores previstos e de referência e o número de fatores na calibração utilizando o software Unscrambler versão 10.2. A similaridade de amostras da silagem do BRS 658 com o banco de dados do BRS Ponta negra foi de 5% e do BRS Ponta Negra em relação as do BRS 658 a similaridade foi de 65%. A análise da PCA, demonstrou uma semelhança entre as amostras nos estádios leitoso das duas cultivares, no estádio leitoso com pastoso, farináceo e duro. A análise dos espectros NIR das cultivares BRS 658 e BRS Ponta Negra, bem como dos estádios de maturidade no momento da ensilagem indicam que as dissimilaridades observadas agregam variabilidade ao modelo, mas que, ao mesmo tempo, não são tão significativas a ponto de sugerirem desenvolvimento de modelos separados, permitindo a fusão dos dados para desenvolvimento de um único modelo NIR.O melhor modelo para PB foi aquele utilizando Variação Normal Padrão (SNV) que apresentou um R2 de calibração, validação e predição (0,78; 0,65 e 0,68) respectivamente. O modelo usando a 1a Derivada savitzky-golay para DIVMS apresentou menor RMSEC, RMSECV e RMSEP (5,96, 7,42, 6,96) respectivamente. Para DIVMO o modelo Correção Multiplicativa de Sinal (MSC) + 1ª derivada Savitzky-Golay com 2 janelas foi o que apresentou maior desempenho por ter apresentado maior R2 na calibração, validação e predição (0,82, 0,72, 0,56) respectivamente. A metodologia NIRS é capaz de predizer com acurácia os teores de proteína, digestibilidade

---

In the dry season, when the forage goes through variation in quantity and quality, silage is an important source of food for herds. Sorghum has been used for silage production due to high forage production, less demand on soil fertility and high tolerance to water deficit. In addition to production, it is necessary to know the chemical composition of the food supplied to the animals in order to later define the strategies for food management. The analysis of traditional food is considered onerous by the producers, it takes time and suffers criticism regarding the residues resulting from the use of reagents. In this context the use of reflectance spectroscopy in the near infrared (NIRS), has been successfully applied as an alternative to the analytical methodologies of bromatological compositions. The objective of this research was to evaluate the physical-chemical profile and the spectral similarity between sorghum cultivars at different stages of grain maturation and to develop models to predict crude protein content and in vitro digestibility of dry and organic matter in silage. sorghum, using near infrared reflectance spectroscopy (NIRS). For the ensiling, sorghum BRS 658 and BRS Ponta Negra were used, in PVC mini-silis, in the maturation stages of the milky, pasty, floury and hard grains. The variables were studied by the Principal Component Analysis (PCA) technique, and classification using the Independent Model by Class Analogy (SIMCA). Multivariate calibration models were developed using Partial Least Squares (PLS) regression. The performance of the models was determined according to the mean square root of the calibration error (RMSEC), cross-validation (RMSECV) and prediction (RMSEP), as well as the coefficient of determination (R2) of the predicted and reference values and the number of calibration factors using Unscrambler software version 10.2. The similarity of samples from the BRS 658 silage with the BRS Ponta negra database was 5% and from the BRS Ponta Negra compared to the BRS 658, the similarity was 65%. The analysis of PCA, showed a similarity between the samples in the milky stages of the two cultivars, in the milky stage with pasty, floury and hard. The analysis of the NIR spectra of the cultivars BRS 658 and BRS Ponta Negra, as well as the maturity stages at the time of ensiling indicate that the observed dissimilarities add variability to the model, but that, at the same time, they are not so significant as to suggest development separate models, allowing the fusion of data for the development of a single NIR model. The best model for CP was the one using Standard Normal Variation (SNV) that presented a calibration, validation and prediction R2 (0.78; 0.65 and 0.68) respectively. The model using the 1st Derivative savitzky-golay for DIVMS showed lower RMSEC, RMSECV and RMSEP (5.96, 7.42, 6.96) respectively. For DIVMO, the Multiplicative Signal Correction (MSC) model + 1st derivative Savitzky-Golay with 2 windows was the one that showed the greatest performance because it presented the highest R2 in calibration, validation and prediction (0.82, 0.72, 0.56) respectively. The NIRS methodology is able to accurately predict protein content, in vitro digestibility of dry matter and in vitro digestibility of organic matter from sorghum silage.

Biblioteca responsável: BR68.1