ارزیابی عناصر پرمصرف در گیاهان فورب با بکارگیری طیف‌سنجی مادون قرمز نزدیک

طیف سنج مادون قرمز نزدیک nirs)) روشی است که به عنوان یک جایگزین برای روش های تجزیه قدیمی اندازه گیری ارزش غذایی علوفه استفاده می شود. هدف از این مطالعه، بررسی امکان ارزیابی سریع عناصر غذایی پرمصرف (کلسیم، منیزیم، فسفر، سدیم و پتاسیم) به کمک تکنولوژی مادون قرمز نزدیک و ارزیابی معادلات مربوطه است. در ابتدا عناصر مربوط به 300 نمونه گیاهی فورب در آزمایشگاه اندازه گیری و در مرحله بعد نمونه های گیاهی آسیاب شده با دستگاه nir اسکن شدند. برای ایجاد معادلات رگرسیون از نرم افزار unscrambler استفاده شد و از روش partial least squares type1، بهترین معادله کالیبراسیونی برای هر عنصر با توجه به ضریب تعیین و اشتباه معیار کالیبراسیون به دست آمد. نتایج نشان داد که معادلات پتاسیم (x0.99 =y) با 0.99 =r^2 و 0.004 =sec و کلسیم (x0.84+2.06 =y) با 0.84 =r^2 و 2.22 =sec از صحت کافی برخوردار هستند و معادله مربوط به عنصر فسفر (x0.87+0.26 =y) با 0.87 =r^2 و 0.31 =sec نیز می توانند برای تخمین داده های خام با دستگاه nir به‌کار برده شود. در بهترین حالت، معادله به‌دست آمده برای عنصر منیزیم (x0.69+1.6 =y) دارای 0.69 =r^2 و 1.60 =sec و برای سدیم (x0.85+0.85=y) دارای 0.84 =r^2 و 0.91 =sec بود که به نظر می رسد نمی توانند دقت قابل قبولی داشته باشند.

Evaluation of macro elements in forb’s species using near infrared reflectance spectroscopy

Near infrared reflectance spectroscopy is an advanced method used as a substitute to old methods of analysing forage nutritive value. The objective of this study was to folded, investigate the possibility of quick evaluation of macro elements (such as Ca, Mg, P, Na and K), and to evaluate corresponding models by using near infrared reflectance spectroscopy. At the first, the minerals of 300 forb samples were measured at laboratory and then grinded plant samples were scanned by NIR set. We used the Unscrambler software to derive the regression models (Partial least squares type1) and the best calibration model were obtained according to R2 and standard error of calibration. The best models were Y= 0.99X for K with R2= 0.99 and SEC= 0.004, and Y= 2.06+0.84X for Ca with R2= 0.84 and SEC= 2.22, and Y= 1.60+0.69X for Mg with R2= 0.69 and SEC= 1.6, and Y= 0.26+0.87X for P with R2= 0.87 and SEC= 0.31, and finally Y= 0.85+0.85X for Na with R2= 0.84 and SEC= 0.91. Results indicated that the models of Ca and K had a good accuracy and we can also use the P model for estimating of raw data by NIRS. It seems that the Mg and Na models doesn rsquo;t have acceptable accuracy.