INTRODUCCIÓN

La proporción de los macrominerales (Ca, P, Mg, S y K) en la materia seca y su biodisponibilidad en los forrajes presenta una variabilidad natural asociada a factores como el tipo de suelo, nivel de fertilización, época del año, humedad edáfica, germoplasma, edad de pastoreo entre otros (^{Shepeleva et al., 2019}; ^{Dudek et al., 2020}). Para determinar una apropiada oferta mineral al ganado y una adecuada fertilización de las praderas, es necesario hacer análisis foliares minerales de manera regular, que permitan cuantificar los macrominerales en la materia seca.

En la mayoría de las gramíneas minerales como Ca y P se encuentran en cantidades insuficientes para llenar los requerimientos nutricionales de los bovinos, en especial en vacas lactantes, mientras que el K rara vez es deficiente (^{NRC, 2001}). El requerimiento de Ca es de 0.3-0.81%, de P de 0.250.45%, de K de 0.6-2.0%, de Mg de 0.250.35% y de S de 0.20% de la materia seca para bovinos en pastoreo (^{NRC, 2001}). En el Cuadro 1 se presenta los contenidos de macro-minerales de algunas gramíneas comúnmente utilizadas en pastoreo en el trópico colombiano y latinoamericano.

Los métodos de análisis de laboratorio para determinar los macrominerales en alimentos y gramíneas son muy variados, siendo los más utilizados la colorimetría, la fluorometría y la espectroscopía (^{AOAC, 2012}; ^{Mello et al., 2012}; ^{Chaparro et al., 2016}). De esta última se encuentra la espectroscopía de infrarrojo cercano (NIRS), espectroscopía de absorción atómica (EAA), espectroscopía de emisión atómica (EEA) y espectroscopía emisión de plasma inductivamente acoplado (EIP). Así, el NIRS utiliza la radiación infrarroja sobre la muestra a analizar, no requiere de tratamientos químicos y se considera un método no destructivo (^{Serrano et al., 2021}). ^{Parrini et al. (2019}), entre otros investigadores, han empleado NIRS para predecir la composición nutricional de gramíneas empleadas para alimentar vacas lecheras. Es un método rápido, de bajo nivel de contaminación de aguas y se han empleado con mucho éxito para el análisis bromatológico, incluyendo los macro y micro minerales (^{Ariza-Nieto et al., 2018}), aunque la NRC hace la observación que no es confiable para minerales (^{NRC, 2001}). Por otro lado, ^{Berzaghi et al. (2018}) reportan en una nota especializada la metodología que efectúa la cuantificación de minerales por medio de la emisión de la fluorescencia de rayos X que emite una energía dispersiva, que es simple, directa, y no destruye las muestras de los forrajes.

La EEA mide la luz emitida por los átomos excitados y permite hacer análisis cualitativo y cuantitativo de varios elementos a la vez. La EAA mide la línea de luz típica absorbida por los átomos pudiendo hacer el análisis cuantitativo de un solo elemento a la vez. La EIP utiliza plasma de argón, permite una evaluación de metales y no metales con alta precisión (^{Gomis, 2008a}, ^2008b), es una técnica ampliamente usada y recomendada para análisis de minerales en gramíneas (^{Santos, 2012}) en vacas, cabras y camellos (^{Elhardallou y El-Naggar, 2016}).

Las técnicas tradicionales para medición de macrominerales, basadas generalmente en espectroscopía, exigen laboratorios con instalaciones y equipos especializados, personal calificado e insumos para procesamiento, lo que las vuelve costosas y en muchas oportunidades demoradas, alejando su utilización para la toma de decisiones por parte de los productores, profesionales e investigadores (^{Molano et al., 2016}; ^{Bezada et al., 2017}).

Como alternativa tecnológica aplicando una herramienta de la era digital, se ha desarrollado un algoritmo matemático, que analiza las imágenes RGB (Red, Green, Blue) tomadas mediante un dron con cámara HD a las praderas, que identifica las longitudes de onda capturadas por la fotosíntesis en los cloroplastos, y que mediante modelación de la bioquímica se calcula la energía neta de lactancia, proteína cruda, fibra en detergente neutro (^{Ospina et al., 2020a}, ^2020b; ^{Ospina et al., 2021}). Una variante de esta tecnología ha avanzado en la correlación de la frecuencia de onda en el espectro RGB capturada por los cloroplastos y la estimación de concentración de minerales en la MS de las gramíneas, que podría ser utilizada para la determinación de la composición mineral foliar presentes en las praderas bajo pastoreo que se pretende evaluar en el presente trabajo.

El objetivo de la presente investigación fue evaluar la precisión en el cálculo de los porcentajes en la materia seca de gramíneas de los macrominerales K, Ca, P, Mg y S del algoritmo de análisis de imágenes RGB (2ARGB®), usando como referencia el análisis de laboratorio hecho a partir de espectroscopía de emisión de plasma inductivamente acoplado (EIP) del laboratorio de Agrosavia, Tibaitatá (Mosquera, Colombia).

MATERIALES Y MÉTODOS

El trabajo se desarrolló en alianza con tres grupos de investigación, según su área de influencia: Uniagraria para trópico alto (TA), Universidad de Cundinamarca para trópico medio (TM) y la Universidad del Tolima para trópico bajo (TB).

En total se muestrearon siete tipos de gramíneas en época de lluvias. Para la toma de las muestras en cada sitio se demarcaron de una a tres parcelas por gramínea con un marco en tela de 2 x 2 m, que se dividió dejando a la vista cuatro cuadrantes de a 1 m². La edad de las pasturas osciló entre los 30 a 40 días de rebrote. Las parcelas se identificaron con una letra en una tabla plástica fácilmente legible para la toma de fotos aéreas. De cada cuadrante se tomaron dos muestras: una, «física» para ser enviada al laboratorio para el análisis de macrominerales mediante EIP y la otra, «una Imagen digital RGB» para el análisis mediante el algoritmo 2ARGB®.

Para el caso de las muestras físicas se tomaron ocho de pangola (Digitaria decumbens), ocho de colosuana (Bothriochloa pertusa), cuatro de Angleton climacuna (Dichanthium annulatum), ocho de estrella africana (Cynodon nlemfuensis), ocho de braquiaria (Brachiaria decumbens), ocho de raigrás (Lolium spp) y 12 de Kikuyo (Cenchrus clandestinum), para un total de 60 muestras. Cada grupo de investigación en su respectiva universidad usando un protocolo estandarizado, de cada cuadrante de 1 m² tomó la muestra con tijera de jardín, pesó 250 g de forraje verde, embolsó teniendo cuidado de no mezclar entre cuadrantes, marcó y envió la gramínea correspondiente a la prueba de espectroscopía de inducción de plasma al laboratorio de Agrosavia Tibaitatá. La muestra no fue deshidratada para su envío.

Para el caso de la muestra por imagen digital se empleó un dron Dji Mavic Mini 1, con cámara 2.7 K, HD-RGB a 20 m de altura. En cada universidad, los investigadores verificaron la calibración de la cámara del dron según la recomendación del fabricante, y tomaron las imágenes de las parcelas antes del corte con tijera. Se tomaron imágenes digitales de los 60 cuadrantes de muestra para posteriormente ser procesadas con el algoritmo de análisis de imágenes 2ARGB®, del software TaurusWebs^®.

Para el análisis de las imágenes con el algoritmo y con el objetivo de disminuir el sesgo involuntario que pudiese generar algún investigador por destreza en el manejo del ratón del computador, o agudeza en la visión al procesar las imágenes, se procedió a organizar un grupo de 11 analistas, que en simultaneo cada uno desde su computadora, procesó los 60 cuadrantes dando un total de 660 mediciones digitales.

Los datos obtenidos en el laboratorio mediante la prueba de EIP y los calculados por el algoritmo (2ARGB^®), se llevaron a una tabla de apareamiento, usando como punto de conexión la identificación de los cuadrantes. Cada medición hecha por los investigadores con el algoritmo se pareó con el correspondiente resultado proveniente del laboratorio. Se obtuvieron las medidas de tendencia central y de dispersión, se identificaron outliers con la prueba de box plot, que al analizar en su mayoría correspondieron a errores de digitación o de destreza en el uso del ratón al seleccionar las imágenes a procesar siendo eliminados: Finalmente se corrió una prueba de análisis de varianza (ANOVA) Bonferroni para identificar y descartar sesgos que pudiesen ser generados por los investigadores y así garantizar que estos no afectaran las mediciones. Se descartaron alrededor del 10% de las mediciones hechas por los investigadores. Se evaluaron los supuestos estadísticos y se aplicó la prueba de hipótesis de Wilkoxon para comparación de medianas.

RESULTADOS Y DISCUSIÓN

El Cuadro 2 presenta los datos de los macrominerales en la materia seca de gramíneas, obtenidos mediante EIP y el algoritmo 2ARGB^®. Los promedios calculados de porcentaje de macrominerales en la materia seca son similares entre las dos técnicas, los intervalos de confianza al 95% se traslapan en sus rangos y al comparar las medianas mediante la prueba de Wilkoxon, los datos del K, Ca, P, Mg y S son iguales.

Al comparar los resultados por cada mineral del Cuadro 2 contra los rangos por cada mineral del Cuadro 1 se observa que los resultados obtenidos se encuentran dentro de lo reportado por la literatura para las gramíneas (^{Villalobos et al., 2018}; ^{Jack et al., 2021}; ^{Agrosavia, 2022}). Por otro lado, como se puede apreciar en la Figura 1, los promedios de macrominerales en la materia seca de las gramíneas medidos por la técnica EIP vs algoritmo 2ARGB son visualmente similares.

Figura 1. Composición porcentual de macrominerales en la materia seca de gramíneas determinado mediante la técnica de espectroscopía de inducción de plasma (EIP) y calculados por el algoritmo 2ARGB^® 

Así mismo, en el Cuadro 3 se presentan los datos de los macrominerales por gramínea. Para el caso del kikuyo, los valores de los macrominerales obtenidos se encuentran dentro de los rangos reportados por el Laboratorio de Nutrición Animal de la Universidad Nacional de Colombia, Sede Bogotá, que emplea metodologías de química tradicional (^{Correa et al., 2008}).

Para el ray Grass, ^{Villalobos et al. (2018)} en Costa Rica reportaron contenidos similares de P, K, Mg y S con diferencias en el nivel de Ca que está por encima de lo encontrado en el presente estudio. Para Brachiaria decumbens y estrella africana, ^{Miranda y Osorio (2012}) reportaron para P, K, Ca, Mg y S valores similares a los presentados en el Cuadro 3. La base de datos Alimentro (^{Agrosavia, 2022}) reporta un rango de valores similares a los encontrados en el presente estudio para las gramíneas Colosuana, Angleton Climacuna y Pangola, en P, K, Ca, Mg y S.

Las técnicas algoritmo 2ARGB® y EIP están generando resultados similares en cuanto a porcentaje de macrominerales en la materia seca y, los valores que se encuentran están dentro del rango reportado en la literatura para las gramíneas en estudio. La ventaja del algoritmo está en que una persona con un dron relativamente económico y el algoritmo podría hacer el análisis de macrominerales de una pradera, o inclusive de toda una finca, en tiempo real a bajo costo. La desventaja es que al trabajar a partir de la fotosíntesis se necesita que la planta esté viva para que el algoritmo pueda hacer los cálculos. En casos que la planta está muerta (grano de maíz o ensilaje de pasto) y, por lo tanto, no hacen fotosíntesis, no se podría calcular la composición de macrominerales en la materia seca.

CONCLUSIONES