Espectroscopia no infravermelho próximo para avaliação dos teores de N, P, K E C em cama de aviário

• Main Author: Bedin, Flavia Chiamulera Borsatti
• Other Authors: Assmann, Tangriani Simioni
• Language: Portuguese
• Published: Universidade Tecnológica Federal do Paraná 2017
• Subjects: CNPQ::CIENCIAS AGRARIAS::AGRONOMIA::CIENCIA DO SOLO::FERTILIDADE DO SOLO E ADUBACAO; Adubos e fertilizantes orgânicos; Aves - Criação; Análise multivariada; Quimiometria; Organic fertilizers; Aviculture; Multivariate analysis; Chemometrics; Fitotecnia
• Online Access: http://repositorio.utfpr.edu.br/jspui/handle/1/2370

A indústria avícola apresenta a maior participação e as maiores taxas de crescimento na agroindústria mundial, sendo o Brasil um dos principais produtores deste segmento pois, é o segundo maior produtor mundial de carne de frango e o maior exportador deste produto. Porém, à medida que a produção de frango aumenta, a quantidade de resíduos oriundos da atividade cresce simultaneamente e, a necessidade de alcançar um novo patamar de conhecimento, inserindo este nicho de produção também como matéria-prima a outras atividades e geração de renda. Assim, a utilização dos resíduos orgânicos de aviários como fertilizante agrícola apresenta-se como excelente opção, uma vez que, além de possibilitar um destino correto a este, promove melhorias na produção vegetal e animal via introdução e aumento da disponibilidade de nutrientes no solo. Entretanto, vários fatores influenciam na qualidade deste resíduo como fertilizante, tendo alta variabilidade em sua composição química, logo, a análise química periódica é extremamente necessária para a caracterização do composto. Porém, este não é um procedimento recorrente, atribui-se isso às dificuldades inerentes as metodologias tradicionalmente utilizadas que demandam maior disponibilidade de amostra, tempo, quantidade de reagentes e geração de resíduos, em comparação com a NIR. Portanto, o objetivo deste trabalho é comparar os métodos de análise química convencionais, recomendados por Tedesco et al. (1995) com o método de NIR e propor este novo método para quantificação dos teores de N, P, K e C em cama de aviário. Foram analisadas 160 amostras de cama em aviários de diferentes sistemas de criação, em fases distintas da produção e variados ciclos de produção sob a mesma cama, nas regiões sudoeste do Paraná e oeste de Santa Catarina. A comprovação da grande variabilidade na composição química dos materiais estudados foi feita através da análise estatística descritiva e a análise multivariada PCA, esta segunda também realizada com os dados espectrais de NIR para escolha dos pré-tratamentos que melhor se adaptam ao conjunto de dados, elegendo a segunda derivada como a que apresentou a melhor dispersão dos mesmos. Por isso, a construção dos modelos de calibração multivariada foi feita através da aquisição dos espectros em triplicata com o uso do espectrômetro FT-NIR modelo MPA. Os pré-tratamentos utilizados foram centrar os dados na média e segunda derivada. Foram construídos modelos seguindo as metodologias Cross Validation e Test Set, analisando como parâmetros estatísticos determinantes os erros RMSEE, RMSECV e RMSEP, o R² e o RPD. Baseado nos valores obtidos conclui-se que os modelos desenvolvidos para N e C, nas duas metodologias, correspondem a bons modelos. Porém, para os teores de P e K considera-se que a utilização destes modelos possibilita apenas uma distinção entre concentrações baixas e altas, por apresentar erros muito elevados. Tal análise pode ser economicamente e ambientalmente viável para a caracterização de amostras de cama de aviário. === The poultry industry has the highest share and the highest growth rates in the world agribusiness, Brazil being one of the main producers in this segment as it is the second largest producer of chicken meat in the world and the largest exporter of this product. However, as chicken production increases, the amount of residues from the activity increases simultaneously, and the need to reach a new level of knowledge, inserting this production niche also as raw material for other activities and income generation. Thus, the use of organic residues of aviaries as agricultural fertilizer presents itself as an excellent option, since, besides allowing a correct destination to this one, it promotes improvements in the vegetal and animal production through introduction and increase of the availability of nutrients in the soil. However, several factors influence the quality of this residue as fertilizer, having high variability in its chemical composition, so the periodic chemical analysis is extremely necessary for the characterization of the compound. However, this is not a recurrent procedure, it is attributed to the inherent difficulties of the methodologies traditionally used that demand greater availability of sample, time, quantity of reagents and generation of residues, in comparison with NIR. Therefore, the objective of this work is to compare the conventional chemical analysis methods recommended by Tedesco et al. (1995) with the NIR method and propose this new method for quantification of N, P, K and C contents in poultry litter. A total of 160 bed samples were analyzed in aviaries from different breeding systems at different stages of production and several production cycles under the same bed in the southwestern regions of Paraná and western Santa Catarina. The verification of the great variability in the chemical composition of the studied materials was made through the descriptive statistical analysis and the multivariate analysis PCA, the latter also performed with the NIR spectral data to choose the pretreatments that best fit the data set, choosing The second derivative was the one with the best dispersion. Therefore, the construction of the multivariate calibration models was done through the acquisition of three-dimensional spectra using the FT-NIR spectrometer model MPA. The pre-treatments used were centering the data on the mean and second derivative. We constructed models following the Cross Validation and Test Set methodologies, analyzing RMSEE, RMSECV and RMSEP, R² and RPD as determinant statistical parameters. Based on the obtained values it is concluded that the models developed for N and C, in the two methodologies, correspond to good models. However, for the P and K contents it is considered that the use of these models allows only a distinction between low and high concentrations, because it presents very high errors. Such an analysis may be economically and environmentally feasible for the characterization of avian bed samples.