Innovación en la evaluación de forrajes: modelado de digestibilidad y energía metabolizable con análisis de correlación canónico y Random Forest en Colombia | Innovation in forage evaluation: digestibility and metabolizable energy modeling with canonical correlation analysis and Random Forest in Colombia

La productividad ganadera en Colombia depende en gran parte de la alimentación con forrajes, su calidad nutricional afecta el desempeño de la digestibilidad y energía metabolizable. Este estudio desarrollo un modelo predictivo para estimar la digestibilidad y la energía metabolízale en los forrajes tropicales, mediante el análisis de correlación canónica (CCA) y el algoritmo Random Forest. Se analizaron 500 muestras de forrajes, desde gramíneas hasta leguminosas y arbustivas de la base de datos AlimenTro, información para la ganadería tropical. Con el análisis de correlación canónica (CCA), permitió identificar cómo los nutrientes de estos forrajes se relacionan con su digestibilidad y el aporte energético. La fibra, como FDN, FDA, lignina y hemicelulosa, destacan una relación negativa, dificultando que los animales aprovechen el alimento, mientras que la proteína cruda y el almidón son positivas, impulsándola absorción de los nutrientes. Luego, con el modelo Random Forest, mostro capacidad predictiva (R² > 85 %) y bajo error (RMSE). Estos resultados no solo confirman que la fibra y la proteína son clave para la calidad del forraje, sino que también nos dan una herramienta útil para armar dietas mas afinadas y sostenibles, pensadas para los sistemas ganaderos del trópico.

Livestock Productivity in Colombia largerly depens on forage based feeding system, where the nutritional quality of forages directly influences digestibility and metabolizable energy. This study developed a predictive model to estimated digestibility and energy values in tropical Colombiam forages by applying Canonical Correlations Analysis ( CCA) and the Random Forest algorithm. Five hundred forages samples including grasses, egumes and Shrubs from the AlimenTro database were analyzed with nutritional information. CCA allowed us to identify how the nutrients of these forages are related to their digestibility and energy contribution. Fiber components such as NDF, ADF, lignin, and hemicellulose were negatively associated with digestibility, while crude protein and starch showed positive associations, enhancing nutrient uptake. The Random Forest model demonstrated strong predictive performance (R² > 85%) with low root mean square error (RMSE). These findings confirm the pivotal role of fiber and protein in forage quality and offer a valuable tool for formulating more appropriate and sustainable diets tailored to tropical livestock systems.