You are on page 1of 15

Determinación directa de proteína, NDF, ADF, lignina, DNDF

y DMD en plantas herbáceas mediante reflectancia
de infrarrojos

B. GARCÍA CRIADO, L. LEÓN MORAN y A. GARCÍA CIUDAD

Centro de Edafología y Biología Aplicada de Salamanca (C.S.I.C.)

RESUMEN

La determinación rápida y precisa de análisis es quizás el principal
objetivo de todo laboratorio, sea cual fuere el fin a que esté desti-
nado. La técnica de análisis por reflectancia de rayos infrarrojos pro-
porciona uno de los métodos más simples, rápido, preciso y económi-
co que hasta la fecha se conoce para la cuantificación de determinados
parámetros.
En el presente estudio se calibra un aparato de análisis automático
de reflectancia de I.R. para la determinación rutinaria de proteína, NDF,
ADF, lignina, DNDF y DMD en plantas herbáceas. Vara ello se realiza
un análisis estadístico de los resultados correspondientes a cada uno de
los parámetros considerados, comparando el análisis automático frente
ai manual {métodos de KjELDAHL y VAN SOEST).
Se pone de manifiesto que la nueva técnica de análisis resulta muy
precisa y exacta; los datos que ella proporciona, de todos los parámetros
ensayados, son significativamente idénticos (nivel de probabilidad su-
perior al 99 %) a los obtenidos con los procedimientos de laboratorio,
para errores standard e índices de error sistemático muy aceptables.
Además, la citada técnica, aparte de no precisar reactivos de ninguna
clase, presenta la gran ventaja de poder determinar conjuntamente pro-
teína, NDF, ADF, lignina, DNDF y DMD en sólo dos minutos.

INTRODUCCIÓN

Los programas de evaluación de alimentos precisan cada día de mejor, ma-
yor y mis rápida información de la composición y calidad de los productos.

112 PASTOS 1977

2 taradas de crisoles.68. 1971. en la década 1960-70 se introduce el uso de detergentes (VAN SOEST. reactivos y equipo de laboratorio. GRAHAM y COLLINS (1976) y WILLIAMS (1975. 2 secados de ocho horas en estufa a 100° C. Según lo expuesto. 1965a. Las técnicas químicas utilizadas son aquellas que normalmente se siguen en nuestro laboratorio de análisis. el avance que para la nutrición ha supuesto la teoría y técnicas de VAN SOEST. GARCÍA. 1973. 5 pesadas de crisoles. Aunque el número de muestras varía al estudiar cada uno de los parámetros (tablas I-VI). DNDF y DMD en muestras de plantas herbáceas y ver qué posibilidades ofrece. 2. ya que se precisan bastantes operaciones y todas ellas delica- das. se com- prende que dicho proceso requiere elevado número de horas. VAN SOEST y cois.R. en todos los casos considerados intervienen muestras de las comunidades referi- das en mayor o menor proporción.23 y 2.10. Ello supone nada menos que poder evaluar correctamente el valor nutritivo de la hierba. 2 digestiones de una hora cada una. en esta preparación estu- vieron siempre en cuenta las recomendaciones y sugerencias hechas por GRAHAM (1975). 1963b. por tanto. una vez secadas a 80° C en estufa de aire forzado. La utilización de la técnica analítica de la reflectancia en el I. 2. Majadales. que trabaja por reflectancia en el infrarrojo cercano a las longitudes de onda de 1. Las citadas muestras. 1975). PASTOS 1977 113 . 1975) y la estimación indirecta de la digestibilidad de forrajes. eso se comprende rápidamente. cercano. 2 calcinacio- nes a 450° C y 5 enfriamientos en desecador). 1965b. 1967. En la pre- sente comunicación se pretende exponer la aplicación de esta técnica para la determinación de proteína. mediante técnicas de laboratorio. 1965. Pastizales de efímeras.18. lignina. MATERIAL Y MÉTODOS Con el objeto de ver cuáles eran las posibilidades y limitaciones del sis- tema automático Infra-Alyzer en el análisis de forrajes. se eligieron muestras típicas y representativas de comunidades herbáceas naturales de Ballicares. 1966. 1964. dispo- niendo simplemente de sólo unos gramos de material y de forma rápida y precisa..J. 1963a. puestas a punto y estudiadas por nosotros (GARCÍA. esta última técnica fue puesta a punto previamente. Las determinaciones analíticas se realizaron químicamente (por duplicado) y una sola vez con el sistema automático Infra-Alyzer de Technicon D. Es innegable. 1 tratamiento de tres horas con ácido sulfúrico.. aplicada al análisis de forrajes.94.. 1968. faculta la posibilidad de determinar en pocos minutos los principales parámetros en la evaluación de alimentos.7 mm.31 [un. 1. ADF. y se homogeneizaron cuidadosamente por cuarteo. Pero dichas técnicas requieren adiestramiento y cierto tiempo. se entiende en comparación con las técnicas clásicas (método de WEENDE y otros). Ballicares de siega y Prados semiagostantes. 2. 1976). se determina. tomadas todas ellas en el control del crecimiento primario.A este respecto. si se tiene en cuenta que el fundamento de dichas técnicas es la gravimetría (un análisis completo mediante los méto- dos de VAN SOEST precisa: 2 pesadas de la muestra. 1967. NDF. Con estas técnicas. se molieron en un micro-molino sistema culatti con tamiz de luz de malla 0.

donde Ku K2. Estos valores son los que se han utilizado en el ca- librado del aparato y son los que vamos a comparar frente a las determinacio- nes manuales.K-2 \og¿ -f K. K3. En la determinación de lignina (tabla IV) aparecen las menores diferencias (media = +0. V y VI (método de análisis. La pareja de valores no rechazados de cada uno de los parámetros se utiliza como valores definitivos de referencia. IV.27) y error standard. los logaritmos de las reflectancias leídas a las seis longitudes de onda con que opera el aparato. NDF. Sin embargo. DNDF y DMD.I. VAN SOEST) para proteína. t de Student (ex- perimental y teórica procedente de tablas estadísticas). Proteína (Nx6. III. K5. un estudio sobre este tema aplicado al Infra-Alyzer ha sido realizado por CALANDRA (1976). Asimismo. 1965b). respectivamente. y logi.¿ log3 -f- K4 log4 + K5 logr. lignina. Iog4.I. K6 y K7 son los coeficientes de re- gresión. RESULTADOS Y DISCUSIÓN Una vez realizados los análisis químicos de las muestras de forraje por duplicado se procedió a un análisis estadístico de los resultados obtenidos para cada parámetro. II.25). logr„ logo. se incluyen las medias correspondientes.K7. Fibra neutro-detergente (NDF). los límites extre- mos. log3. Esta ecuación es el resultado de la combinación entre aspectos ópticos y estadísticos. varianzas. ya que las digestiones para obtener NDF y ADF se hicieron en un bloque digestor Technicon BD-40. coefi- ciente de correlación múltiple e índice de error sistemático. Las diferencias observadas entre valores de las determinaciones obtenidas con los métodos de análisis utilizados. frente al de KJELDAHL O al de VAN SOEST. VAN SOEST y WINE (1967) y GOERING y VAN SOEST (1970). ADF. pared celular digestible (DNDF) y digestibilidad de la sustancia seca (DMD). fibra ácido-detergente (ADF). conviene destacar que dichos datos proceden de la estimación mediante la ecuación (I): (I) % de un parámetro = Kx logi -f. 1963b. log2. + Ktf logo -f. previamente hallada la media. En las citadas tablas figuran también los resultados del análisis automático (método de análisis. error standard. para la lignina se siguió el procedimiento del ácido sulfúrico al 72 % pro- puesto por VAN SOEST (1963b). son muy pequeñas. KJELDAHL). siguiendo el método Kjeldahl utilizando un bloque di- gestor Technicon BD-40 y realizando la valoración en el Bouat-Afora. 1965a. Con el fin de conocer la significación estadística de los resultados obteni- dos para cada parámetro en particular.). lo cual 114 PASTOS 1977 . 1975). en las tablas I-VI se expresan también las diferencias entre las observaciones obtenidas en el laboratorio y con el aparato. siguiendo los procedimientos propuestos por VAN SOEST (1963a. El valor actual de cada parámetro y muestra se registra en el soporte magnético de un orde- nador de mesa Helwlett Packard 9815A que trabaja en simultáneo con el aparato. R. R. desviaciones típicas (individual y conjunta). Estos valores se encuentran expresados. en las tablas I (método de análisis. ligera- mente modificados por nosotros (GARCÍA. lignina. K4. Con ello se rechazan aquellas muestras cuyas diferencias de valores entre las dos determinaciones excedan de 20 veces la desviación standard de los duplicados.

18 —0.31 21 7.97 15.54 50 " 15.06 12.* '.19 —0.'.29 —0.10 13 12.97 13.08 30 13.36 —0.11 14 8.41 —0.15 0.00 48 17.*'.64 1.83 11.10 26 6.71 —0.16 12..02 0.44 14.31 11 11.40 36 9.92 0.35 4 7.79 40 6.42 17 14.43 —0. 14.81 7.25 3 13.05 1.22 8.47 46 18.83 20.02 23 13.11 9.35 1.71 9 9.04 7.41 6.00 31 9.43 0.' .99 1.77 37 15.51 —0.77 2 18. EN LA DETERMINACIÓN DE PROTEINA Método de análisis Muestra número R.62 0.60 —0.64 18.34 33 16.88 13.49 35 13.30 —1.06 13.07 7 18.TABLA NUM.36 —0.19 16.87 16.92 15.42 22 12.78 —0.90 13.30 38 12.04 6 18.08 15 6.28 34 17.37 13. .14 —0.39 0.41 0.41 39 9.41 0.53 18.62 43 ' " .43 10 19.' 13.52 6.47 —0.70 17.19 —1.09 0.51 17.40 —1.57 47 16.' 16.36 24 13.13 16.12 —0.01 13.53 —0.23 0.50 14.57 —0.24 20 10.01 9.97 7.21 0.82 9.I.54 18.78 —0.03 1. Kjeldahl Diferencias 1 17.16 —0.43 41 6.66 9.16 0.37 16 13.00 0.77 16.92 32 14.01 11.20 42 17.54 49 '.63 12.03 18 14.03 19 11.29 12.12 16.31 13.26 —0.83 29 17.06 14.87 0.93 0.89 7.54 0.47 11.29 27 15.29 18.35 18.44 44 "'.06 0.84 16.23 25 11.92 —0.I.02 17.*' .18 12 16.52 8 13.98 13.42 7.33 —1.68 14.56 PASTOS 1977 115 .18 0.68 10.41 45 ' " *' 11.99 0.14 —0.22 11. I ESTUDIO COMPARATIVO ENTRE EL MÉTODO KJELDAHL Y LA TÉCNICA DE R.21 28 13.13 5 7.94 —0..

50 V.58 %.06 67 .95.59 11.33 17.74 17.43 21.11 59 .77 — 0.65 69 .01.81 52 . extremos .18 13..60 63 1 14.04-21.TABLA N U M . Kjeldahl Diferencias 51 05 13.66 y 27.86 19.49 17. I (Continuación) Método de análisis Muestra número R. puesto que dicha entidad presenta la menor magnitud de sus valores y los límites extremos más estrechos.26 — 0.32 0.80 — 0.46 66 .09 Desviación típica conjunta =: 3.29-1.09-21.17 — 0. Error estandard = 0.11 11.24 70 .90 1.29 — 0.48 — 0.648.51 57 78 10.37 61 04 21. respectivamente) y la acumulación de errores arras- trados desde las otras determinaciones.82 0.19 10.05 60 58 19. por tanto. t t e c r = 2.92 — 0.77 Medias 13.972 (Ecuación [I]).90 — 0.91 — 0.10 — 0.30 58 .42 16.34 0. Coeficiente de correlación múltiple: R= 0.21 0.16 12. como consecuencia de su mayor magnitud (medias de las observaciones regis- tradas 65. Pese a todo esto.34 55 61 13.36 64 .31 71 . ya que las medias de las citadas diferencias no pasan de + 1.85 10.54 0.18 72 .54 54 .80 4. .24 0.0004.30 14.76 68 . ADF y lignina.37 53 23 17. 9 9 % ) .76 — 0. también aquí se dan las me- nores varianzas y desviaciones típicas.80 Desviación típica 3.60 (prob. r e x p = 0. los datos suministrados por el autoanalizador son muy concordantes con los determina- dos químicamente.75 0.12 0. ambos parámetros se estiman en fun- ción de los contenidos de NDF.49 56 .66 20. 6.86 62 . 0 1 3 .90 13. índice de error sistemático: — 0 ..43 6.34 Varianza 14.99 16.97 14.32 65 .08 — 0.I.90 + 0.24 — 0. Las mayores diferencias y errores standard aparecen para DMD y DNDF. es lógico. 116 PASTOS 1977 .83 0.

62 7 47.77 51.27 53.69 12 61.87 —1.25 1.77 1.52 —0.60 —0.13 8 47.52 25 49.38 50 50.00 44.47 36 52.48 40.65 49 47.14 49.D.30 19 39.84 21 42.95 49.67 56.00 14 47.47 —0.89 56.62 0.92 41.92 1.87 42 52.47 44.25 —0.48 —0.11 44.81 29 63.62 39.62 42.26 52.85 59.26 10 51.32 22 40.13 —1.85 47.63 28 56.14 17 41.02 39.82 0.97 41.55 20 41.83 33 57.45 —0.89 48.00 2.03 47 54.91 58.48 54.21 43. Van Soest Diferencias 1 57.TABLA NUM.29 37 52.65 1.93 23 49.57 —0.66 1.64 44.89 9 43.29 32 55.97 —0.09 53.50 49.96 46.13 61.52 63.41 52.62 0.10 18 38.61 2 53.95 6 56.31 49.68 —1.87 55.01 34 61.32 1.37 —0.53 0.17 —0.55 30 66.78 0.77 1.60 46 42.60 0.83 1.02 45 57.76 57.95 39.71 PASTOS 1977 117 .12 0.78 1.76 46.57 1.78 11 55.98 49.30 55.38 39 45.53 1.30 13 46.I.27 41 61.57 57.95 1.43 64.61 48 60.30 67.98 —1.74 —1.51 15 38.65 49. 2 ESTUDIO COMPARATIVO ENTRE EL MÉTODO DE VAN SOEST Y LA TÉCNICA DE R.18 0.50 —1.61 35 66.45 —1.65 —0.92 42.90 —0.62 4 45.64 59.47 —1.11 40 48.95 0. MÉTODO DE ANÁLISIS MUESTRA NUMERO R.32 —1.90 67.47 26 52.08 44 44.14 24 46. EN LA DETERMINACIÓN DE N.00 0.02 31 45.40 55.15 45.65 0.89 5 48.92 51.05 0.46 43 61.17 —1.70 —1.95 60.I.69 16 43.59 46.35 27 50.08 3 58.19 38 54.18 59.55 —1.03 43.F.35 —0.

F.80 —0.36 24.00 —0.31 28.72 34.87 26.095. Coeficiente correlación múltiple: R = 0. 3 ESTUDIO COMPARATIVO ENTRE EL MÉTODO DE VAN SOEST Y LA TÉCNICA DE R.42 —0.00 —0.80 Desviación típica conjunta = 7.90 0.65 10 31.00 —0.73 20. EN LA DETERMINACIÓN DE A.44 11 34.26 17 24.68 3 35.85 + 0.94 7 30.90 39.67 1.07 59. Error estandard = 1.89-1.I.65 15 27. 99 % ) .0002.10 0.56 32.52 8 34.I.976 (Ecuación [I]).90 67.86 36.30 —0.05 0.37 — 1.06 2 25.68 0. índice de error sistemático: —0.06 6 26.08 54 60.25-67. ttecr = 2.36 27.41 31.16 4 20.02 —0.D.22 0.54 13 35.32 60.TABLA NUM.33 36.76.95 V.33 0.I. Van Soest Diferencias 1 23.98 24.87 19 37.63 (prob.98 34.49 12 30.27 26.52 0.12 26.40 52 67.55 —0.26 Medias 51.62 60.70 0.70 — 1. t e x p = 0.95 118 PASTOS 1977 .95 0.62 53.35 0.48 31.01 14 26.79 35.87 Varianza 59.73 —0.58 — 0.48-67.54 16 28.17 0.36 23.01 9 34.72 7.01 30. MÉTODO DE ANÁLISIS MUESTRA NUMERO R.44 33. TABLA NUM.211.81 20 27.73 0.97 33. 2 (Continuación) MÉTODO DE ANÁLISIS MUESTRA NUMERO R.87 0.85 51.03 53 52.03 5 31. Van Soest Diferencias 51 61.69 21 27.08 18 33.31 28. extremos 38.92 Desviación típica 7.

49 45 28.07 0.48 49 27.52 56 29.47 — 0.29 27.49 26.29 37 28.19 23.05 62 32.79 33.00 0.82 29.88 25.38 — 0.81 25.62 Desviación típica 4.08 33.01 40 37.90 48 26.44 30.54 63 32.14 34.021.09 43 37.98 37.82 25.73 58 27.67 40.87 — 0.08 64 21.26 Varianza 19.20 — 0.95 — 1. índice de error sistemático: —0.83 25.29 29. Coeficiente correlación múltiple: R = 0.57 41 26.03 38 29.03 0.96 29.97 32.35 35 29.972 (Ecuación «).85 — 0.00 29.12 26 24.23 0.21 54 32.23 28.66 29.42-38.70 1.43 — 0.94 31.36 4.03 52 36.40 0.61 33.67 28 26.TABLA NUM. r =:2.92 60 37.30 32 28.35 27.05 0.72 — 0.10 27. PASTOS 1977 119 .21 36 26.09 23 30.66 30 32.14 37.55 V. Error estándard = 0.76 26.74 51 33.20 0.79 27 25.59 — 0.45 1.84 ± 0.55 — 0.03 — 0.40 — 0.15 25 23.23 29 24.92 53 24.39 Desviación típica conjunta = 4.53 31.04 55 24.23 34.57 1.3353.39- t e x p = — 0.03 — 0.39 26.39 31.73 37.03 32.59 25.85 25.17 -1.23 — 0.41 25.62 (prob.65 — 1.38 26.65 — 0.11 20.43 — 0.05 0.50 28.45 0. extremos 20.33 — 0.750.74 46 25.06 29.15 1. 3 (Continuación) MÉTODO DE ANÁLISIS MUESTRA NUMERO R.98 20.56 39 30. Van Soest Diferencias 22 34.33 0.48 31.42 0.18 59 32.I.69 Medias 29.71 — 3.70 44 29.67 — 0.04 61 27.35 27.26 42 37.73-37.60 38.41 47 35.30 — 0.05 19.30 57 32.28 27.79 34 28.75 0.17 — 0.04-1.85 0. t t e .92 0.84 31.28 0.15 24 26.20 33 33.47 — 0.33 50 32. 9 9 % ) .17 31 27.65 — 0.

57 2.45 —0.67 19 3. 4 ESTUDIO COMPARATIVO ENTRE EL MÉTODO DE VAN SOEST Y LA TÉCNICA DE R.13 37 3.48 4.26 2 3.69 6.10 0.50 0.44 43 3.I.60 0.24 31 3.18 25 6.25 2.70 0.95 0.14 4.26 3.02 5.42 —0.24 4 6.27 —0.23 4.22 46 4.81 7.10 0.13 16 4.22 24 4.62 4.12 —0.17 0.68 —0.61 120 PASTOS 1977 .43 4.38 36 4.84 4.02 —0.19 2.59 45 4.35 41 3.20 12 3.TABLA NUM.44 26 6.69 3.10 —0.21 8 4.27 29 3.25 4.30 28 3.50 —0.45 —0.42 14 3.09 4.25 —0.95 6.43 44 3.96 4.67 —0.25 3.26 3.08 3. EN LA DETERMINACIÓN DE LIGNINA MÉTODO DE ANÁLISIS MUESTRA NUMERO R.82 0.02 10 3.07 23 3.52 5.24 3.46 9 3.02 —0.12 13 3.00 3.54 6.15 0.23 —0.75 3. Van Soest Diferencias 1 3.71 3.04 4.91 3.24 40 2.47 —0.60 —0.09 30 3.67 —0.62 4.53 0.20 0.58 0.73 0.32 34 3.19 5 5.55 15 4.04 48 4.05 —0.75 0.50 38 3.78 0.58 3.30 21 2.06 27 3.15 0.60 —0.03 2.35 3.50 5.10 0.18 11 3.97 —0.39 32 3.35 7 3.30 —0.18 0.50 0.15 3.05 33 3.62 0.I.60 0.41 3.70 0.52 —0.53 4.02 3 4.88 4.30 —0.43 3.33 4.30 35 4.82 4.19 2.21 20 4.02 18 4.47 3.93 4.29 22 3.54 6 5.48 50 6.48 4.27 17 5.89 3.23 3.07 49 3.59 3.49 3.02 47 3.83 —0.17 —0.22 0.50 0.08 0.42 42 3.54 39 3.45 0.91 2.

94 3.00 3. ttecr = 2. 28.50 3 .03 53 2.06 Desviación típica conjunta = 1. 33..F.65 0.63 29.46 28.68 — 0.08 54 3..33 -0.34 23.41 3.02 1.02 8 ..90 0. 1.96 — 0.81 2. TABLA N U M . extremes ...82 5 .03.11 2.59 Varianza 1.04 58 3. TABLA N U M .91-6.29 59 3.900 (Ecuación [1]).57 0.67-0.06 7 .08 23.23 3..59 29.65 0.10 61 3. 26.87 •0. Coeficiente correlación múltiple: R = 0.. índice de error sistemático: 0. EN LA DETERMINACIÓN DE D.48 -0.17 4.42 -0..47 •0. Van Soest Diferencias 1 .84 — 1.93 0. 20.N.83 — 0. texp = — 0. 22.86 — 1.97 PASTOS 1977 121 .37 56 3.20-7....79 32. Van Saest Diferencias 51 c 4.05 62 4..97 11 .42 Medias 3.30 0.I.30 0.31 — 0.335.91 2..27 V..09 6 .57 25.81 27.90 27..55 0.D. 29.32 60 4..02 1.31 — 1. 9 9 % ) .51 1..32 4.41 63 1.89 3.28 4 .41 4.84 3.18 0. 4 (Continuación) MÉTODO DE ANÁLISIS MUESTRA NUMERO R.11 55 2..02 27.12 Desviación típica 1.89 + 0.00 0... MÉTODO DE ANÁLISIS MUESTRA NUMERO R. Error estandard = 0. 26.16 9 .62 (prob.. 21..28 2. 5 ESTUDIO COMPARATIVO ENTRE EL MÉTODO DE VAN SOEST Y LA TÉCNICA DE R.78 2 .I.55 3.50 10 .19 57 2.67 26.30 52 4..35 •0..20 0. 25.030. 27.0005.34 2.I. 28.

13 22.302.22 Varíanza 37.09 24.92 1. tterr = 2.78 Desviación típica 6.61 — 0.55 26.64 (prob.955 (Ecuación [I]).65 22.37 Medias 27.86 27.91 18 26.80 29 25.22 14 27. los valores medios de las observaciones registradas.50 38 25.70 32 33.68 1.15 42 36.26 24.14 Desviación típica conjunta = 6.01 28 24.11 6.74 — 0.54 0..192.85 — 0.07 44.17 1.57 21 23.22 37 41.19 19 25.01-2..02 — 2. preci- 122 PASTOS 1977 .90 42.67 24 26. Según esto.25 2.15 30 23.47 22.1420.02 — 0.57 27 20.78 21.18 25.39 17. mediante ambas técnicas de análisis.21 34 25.09 26 28. texp= — 0.68 37.04 32.29 1.74 — 0.94 0. 9 9 % ) .53 33 34.01 — 1. índice de error sistemático: —0.06 36 24.35 15 20.94 39 22. extremos . Van Soest Diferencia* 12 17.34 27.56 16 28.23 0.53 ± 1. 5 (Continuación) MÉTODO DE ANÁLISIS MUESTRA NUMERO R.89 0. si se admiten como valores reales de referencia los obtenidos en el laboratorio.03 23.58 26. Error estandard = 1.43 1.92 — 1.27 34.91 20.76 22 19.02 — 1.09 35 35.48 — 1.57 — 1.13.TABLA NUM.78 17 23.22 13 43.95 41 27.11 23 25.07 42.29 27. son idénticos para cada uno de los parámetros.07 25.62 31.16 — 2.22 — 1.95 22. Como consecuencia de lo anterior.86 36.64 — 0.74 24.I.67 20 21.86 27.48 40 42.20 25 23.30 — 1.15 0.34 37.39-43.05 — 0.68 25.21 0. 17. se puede afirmar sin lugar a dudas que la técnica de análisis por reflectancia de infrarrojos es un medio sencillo. Coeficiente de correlación múltiple: R = 0.01 V.15 22.83 1.80 — 1.61-44.64 19.32 27.04 1.08 1.21 24.90 17.19 31 33.

ci.98 64.66 ± 1. 99 96).92-70.38 0.09 64.40 66.94 9.60 37 68.35 64.46 57.87 14 64.06 0.08 68.48 — 0.84 23 58.45 0.50 0.79 68.06 Desviación típica conjunta = 2. t e x p = — 0.59 0.131.19-72.I.22 — 0.54 68.09 72.65 21 59.25 39 66.59 65.93 — 0.50 1.71 13 66.63 66.68 26 68.44 — 1.14 — 1.38 .92 57.60 31 68.71 18 64. extremos 58.26 11 64.M.03 9 64.15 1.11 27 67.87 — 0.81 1.19 1.99-2.70 64.03 6 65.31 8 64.97 2.37 16 68.29 41 66.15 20 64. EN LA DETERMINACIÓN DE D.91 — 0.49 71. 6 ESTUDIO COMPARATIVO ENTRE EL MÉTODO DE VAN SOEST Y LA TÉCNICA DE R.64 (prob.73 24 62.70 66.69 64.77 65.74 66.58 67.is 1 66.79 61.55 — 0.13 2 64.68 Varianza 6.73 38 70.31 1.84 — 1.74 64.TABLA NUM.03 — 0.35 Medias 65.82 32 67.24 — 1.18 66. MÉTODO DE ANÁLISIS MUESTRA NUMERO R. PASTOS 1977 123 .77 — 0.48 66.99 34 63.46 71. Coeficiente de correlación múltiple: R = 0.53 63.09 68.68 15 63.80 — 1. índice de error sistemático: — 0.34 — 1.00 66.43 65.14 10 67. Error estandard = 1.67 36 66.65 60.85.92 67.01 V.36 Desviación típica 2.17 65.64 29 67. Van Soest Diterep.1080.67 — 0.98 22 66.20 — 1.36 1.D.40 61.33 42 68.05 63.38 — 2.52 — 0.88 — 0.37 7 65.1.85 67.66 1.098.13 17 69.10 0.52 0.56 65.19 35 67.63 3.50 1.20 30 64.22 12 61.98 5 64.81 61.83 67.05 62.29 63.32 0.42 0.07 4 61.69 0.33 28 65.00 3 62. tte~r = 2.864 (Ecuación [1]).53 19 65.67 1.09 66.73 33 65.97 40 70.57 62.87 69.12 — 1.I.71 — 1.13 25 63.71 64.91 66.38 — 1.

D N D F y D M D en material seco de plantas herbáceas. se pueden eliminar ciertas muestras. si se hacen uno o más calibrados del aparato tomando muestras con intervalos de concentraciones menores a los que aquí se utili- zan. en unos dos minutos. —0. pertenecen a diversos estados vegetativos. Con un Infra-Alyzer calibrado se puede realizar muy bien la determinación cuantitativa de los seis parámetros citados en unas 40 ó 50 muestras a la hora. lo cual es consecuencia evidente de los elevados coeficientes de correlación múltiple resultantes (se recuerda que proceden de la regresión que utiliza el Infra-Alyzer en la estimación de cada uno de los parámetros). D N D F y D M D en una muestra de planta.so y exacto para la determinación de proteína. 0. La técnica de reflectancia de infrarrojos permite determinar secuencialmente las concentraciones de proteína.021.42 % para lignina. ADF. 38-68 % para NDF. NDF. lignina. lignina. por otra parte. D N D F y D M D en plantas herbáceas. estas últi- mas se hallaron únicamente con la finalidad de servir como medida de la variación de las concentraciones que toman los respectivos parámetros en cada una de las series de muestras consideradas.013. —0.192 y —0.91- 7. Así. Junto a esto.030. 17-44 % para D N D F y 57-72 % para DMD). •—0. se puede admitir que las dos técnicas de análisis proporcionan resultados iguales con una probabilidad superior al 99 %• Esto no es más que corroborar lo que antes se había dicho. ADF.95. pues. lignina. Otro factor importante que siempre ha de tenerse en cuenta en todo tipo de determinaciones rutinarias es el tiempo que se invierte en la operación. Además. NDF. ADF.. Si ahora se tiene en cuenta la t experimental de Student. Se puede finalmente concluir que la nueva técnica de análisis por reflec- tancia de infrarrojos es el medio más rápido que se conoce para la determi- nación precisa y exacta de la proteína. E! analizar dichas muestras usando los métodos químicos convencionales. 20-38 % para ADF. NDF. como lo demuestran los altos valores de las varianzas y desviaciones típicas.095. resultante de comparar estadísticamente los valores encontrados en la determinación de los respectivos parámetros. Esta última operación debe hacerse en el caso de lignina y DMD. donde la di- ferencia entre los dos valores observados sea grande. ya que desde un punto de vista altamente significativo el coeficiente de correlación múltiple debe ser mayor de 0. Conviene señalar también que es posible alcanzar aún mayor exactitud con la nueva técnica de R. a su vez. y manualmente se puede ob- servar en las seis tablas citadas valores bajos de dicha t frente a los de la / teórica procedente de tablas estadísticas. po- siblemente supone a un operador adiestrado más de semana y media de tra- bajo continuo y con mayor riesgo de error (con el nuevo sistema de análisis los índices de error sistemático encontrados fueron: —0. 124 PASTOS 1977 . obtenidos mediante R. debe también seña- larse que las muestras de las plantas proceden de cinco comunidades naturales diferentes que. 1.098 respectivamente para los seis parámetros). lo que permitiría realizar un calibrado más perfecto.I. La importancia de esta afirmación es aún mayor si se tiene en cuenta el gran número de muestras consideradas para cada uno de los parámetros (ta- blas I-VI) y el amplio margen de concentraciones que se abarca en todos los casos (6-22 % para proteína.I.

TIS News Infraletter.. 199. Agrie.J. T. 50. J.H. P. Bustos por su ayuda en la ejecución en los análisis químicos y tratamiento estadístico de datos. 1 9 7 1 : Estimation of nutritwe valué from laboratory analysis. J. Feed. 4 9 .. A rapid method for the determination of fiber and lignin. 1965: New chemical methods for analysis of fo- rages for the purpose of predicting nutritive valué. Collaboratire study of acid-detergent fiber and lignin. (2) GARCÍA. Proc. (7) VAN SOEST. núm. 1. P. 1.C. and VAN SOEST.C. Off. (17) VAN SOEST. 1975: Analysis of samples tvith the InfraAlizer unit. Congr. R.. 1966: Nonnutritive residues: A system of analysis for the repla- cement of crude fiber.J.J. Chem.. 48. Acta Salmanticensia. (9) V A N SOEST.. Agrie. (8) VAN SOEST. Ass. T... 50. Agrie..H. 52. J.J. 1964: Symposium on Nuírition and forage and pastures neie chemkal procedures for qualiting forages. (13) VAN SOEST. 1963a: Use of detergens in the analysis of fibrous feeds. Off.F.R.. Agrie. P. 4. (3) GOERING. Off.. Off.J. Sci. U. Off. 4. and WiNE. 1967: Development of a comprehensivo system of feed analyses and its application to forage.J.J. Int. 1 9 7 3 : Feeds. Holgado. 128. I. Agrie. (4) GRAHAM. Agrie.J. 1. Off. 546.. 838. Determination of Plant cell wall constituents.. paper 626. and MOORE. A..A. P. Anim. 785. J. Grassld. and COLLINS. F. and WiNE..). Cong. Brasil.F.S. 48. Analysis of grains.. 825. 56.. P.. P. TIS News Infraletter.. Agrie. 46. P.J. J.J. 1965b: Compariscm of íwo different equations for íhe predic- tion of digestibility from cell contenís. J. PASTOS 1977 125 .J. 1976: Sampling and Sample preparation for infrared reflectance spectroscopy (I.. J. Agrie.S.. núm. 4.. 2. 1965a: Use of detergents m the analysis of fibrous feeds. 780. Chem. Ass. J. Sao Paulo. 845. Ass. IX.. vol. 53. J. Reconocimientos Se destaca especialmente la labor de puesta a punto del analizador auto- mático Infra-Alyzer... cell wall constituents and the lignin contení of acid-defiergení fiber.J. núm.. Pontejos (Santander). 1975: Applications of New Infrared Reflectance Spectroscopy to Analysis of cereal grains and oil seeds. J. 379. 46. Chem. (19) WlLLIAMS. 5 1 . Chem. (10) VAN SOEST. prestada por J.. Sci. H. Handb. 1967: Use of detergents m the Analysis of Fibrous Feeds. de la firma Technicon Espa- ña.. Off. 1976: Determinación inmedi-ata por reflectancia en el infrarrojo del aceite residual en harinas de girasol. IV.K. F.B. Ass. Sánchez y J. 111 Study of effeets of heating and drying on field of fiber and lignin in forages. 4. vol.. vol. Manuf. (18) WILLIAMS. J. Chem. 1976: Optimum Sample preparation: The Key to aecurate analysis by infrared reflectance..I. y la colaboración de IVi? A. Anal. 106. P.. 7 8 1 . Cornell Nutr. (14) V A N SOEST. 2. 829. P. S. Dep. (15) VAN SOEST. 1963b: Use of detergents m the analysis of fibrous feeds II... BIBLIOGRAFÍA (1) CALANDRA. 1. (5) GRAHAM. 2 3 . Ass. respecti- vamente. Ass. R. 26. (6) VAN SOEST. (11) VAN SOEST. SIMSA. Serie de Ciencias. 1975: Fraccionamiento químico de alimentos forrajeros y su evalua- ción por métodos de laboratorio... 1970: Forage analysis. Chem. TIS News Infraletter. (16) VAN SOEST. Dairy Sci. P. Cereal Chem. Ass. P. Chem. C... 1968: Determination of lignin and cellulose in acid-d&tergent fiber with Permanganate. (12) V A N SOEST. Anim. Pre- paration of fiber residues of lote Nitrogen contení. P. Laboratorio de Control. L. P.

Moreover this technique.S. DNDF AfíD DMD IN HERBAGE PLANTS BY INFRARED REFLECTANCE SPECTROSCOPY SUMMARY T o carry out analysis qukkly and precisely is perhaps the main object of any laboratory whatever its aim may be. ADF. It is proved that this new technique works precisely and accurately. 126 PASTOS 1977 . data of all tested parametres given in this way are significantly (level of probability higher than 99 %) iden- tical to those obtained by laboratory proceedings for very aceptable standard errors and in- dexes of sistematic error. LIGN1NE.R. A sta- tistical analysis of the results corresponding to each one of the considered' parametres is carried out for the purpose. ADF. Analysis technk by infrared ray reflectance gives one of the simpler. Lignine. D N D F and D M D altogether in just two minutes. f DIRECT DETERMINATION OF PROTEIN. In the present paper an automatic analysis machine by I. D N D F and D M D in herbage plants. Lignine. contrasting the automatic analysis with the manual one (KjELDAHL and V A N S O E S T methods). ADF. NDF. N D F . quicker and more precise and economic methods known u p to date for the quantification of determined parametres. N D F . is calibrated for rutinary determination of iProtein. apart from needing no reaaive substance. offers the great advantage of being afele to measure: Protein.