Quality evaluation of regional forage resources by means of near infrared reflectance spectroscopy [Latium]

anglais. Quality parameters of grassland and pasture samples collected during a three-year period at two environmentally and geographically different areas were analysed by near infrared reflectance spectroscopy (NIRS). Chemical analysis for crude protein (CP), crude fibre (CF), neutral detergent fibre (NDF), acid detergent fibre (ADF), acid detergent lignin (ADL) and crude ash (ASH), carried out on two-thirds of the samples, were used in calibration processes. The remaining one-third of data was used to validate the best calibrations obtained. Samples selection is discussed. Different math pre-treatments (derivative, gap, primary smoothing and secondary smoothing), light scattering correction methods and calibration algorithms were tested to achieve the better predictive performances. We obtained the best results using different regression algorithms to correlate spectral information to chemical data. For CP (R**2 = 0.94, SEP=1.3), NDF (R**2 = 0.95, SEP = 2.14) and ADF (R**2 = 0.92, SEP = 2.06). Multiple Linear Regression (MLR) models fit chemical data better than Mean Partial Least Square (MPLS) regression. A molecular basis explanation of wavelengths selected was carried out. MPLS models worked well for CF (R**2 = 0.93, SEP = 1.57), and ASH (R**2 = 0.95, SEP = 1.17), while poor calibrations were obtained for ADL using both algorithms. To confirm the reliability of the models developed, uncertainties of predictions were compared with findings on nutritional variations and animal performances

italien. Su campioni di foraggio e pascolo, sono stati valutati i principali aspetti qualitativi mediante spettroscopia NIR. I campioni, raccolti in aree geografiche diverse durante un'indagine triennale, sono stati analizzati relativamente al contenuto di protidi grezzi (CP), fibra grezza (CF), fibra neutro detergente (NDF), fibra acido detergente (ADF), lignina acido detergente (ADL) e ceneri grezze (ASH) con metodi convenzionali. Due terzi dei campioni sono stati impiegati per la calibrazione dello spettrometro NIR, mentre i rimanenti sono stati utilizzati per validare i migliori modelli di calibrazione ottenuti. La selezione dei campioni è stata effettuata in due modalità distinte e sono stati considerati diversi metodi di pretrattamento degli spettri, di correzione degli effetti di scattering e algoritmi di calibrazione per cercare le migliori performances strumentali per ogni costituente. I migliori risultati sono stati ottenuti ricorrendo a diversi algoritmi di regressione per correlare le informazioni spettrali dei campioni con i relativi dati analitici. Per protidi grezzi (CP) (R**2 = 0,94, SEP = 1,3), NDF (R**2 = 0,95, SEP = 2,14) e ADF (R**2 = 0,92, SEP = 2,06) i modelli lineari (MLR) sono apparsi più idonei che non i corrispondenti MPLS, che invece risultano migliori per fibra grezza (CF) (R**2 = 0,93, SEP = 1,57) e ceneri (ASH) (R**2 = 0,95, SEP = 1,17). La calibrazione per la lignina ha mostrato notevoli difficoltà e i modelli ottenuti non sono da considerarsi idonei per quantificare questo costituente nel tipo di campioni presi in considerazione. Per le lunghezze d'onda selezionate (MLR), sono state discusse, su base molecolare, le evidenze sperimentali riportate in letteratura, atte a interpretare i risultati ottenuti. Per verificare l'affidabilità dei modelli selezionati, sono state comparate le incertezze della predizione con i risultati di sperimentazioni su variazioni nutrizionali e risposta animale