Innovación en la evaluación de forrajes: modelado de digestibilidad y energíametabolizable con análisis de correlación canónico y random forest en Colombia

Resumen

Introducción. La productividad ganadera en Colombia depende en gran medida de sistemas de alimentación basados en forrajes, cuya calidad nutricional influye directamente en la digestibilidad y la energía metabolizable en rumiantes (EM-r). Objetivos. Analizar la base de datos AlimenTro para evaluar la relación entre nutrientes, digestibilidad y energía metabolizable de forrajes tropicales mediante el Análisis de Correlación Canónica (ACC) y el algoritmo Random Forest. Materiales y Métodos. Se analizaron 500 muestras de gramíneas, leguminosas y arbustivas de la base de datos AlimenTro, caracterizadas mediante metodologías estandarizadas, incluyendo espectroscopía de infrarrojo cercano (NIRS), análisis proximal y técnicas in situ. El ACC se aplicó para identificar asociaciones multivariadas entre nutrientes y parámetros energéticos, mientras que el algoritmo Random Forest se utilizó para evaluar el desempeño predictivo y la importancia de las variables, obteniendo valores bajos del error cuadrático medio (RMSE). Resultados. El ACC mostró que las fracciones de fibra, incluyendo fibra detergente neutra (FDN), fibra detergente ácida (FDA), lignina y hemicelulosa, se asocian negativamente con la digestibilidad y la energía metabolizable, mientras que la proteína cruda y el almidón presentan asociaciones positivas. El modelo Random Forest alcanzó valores de R² superiores a 0.95, con bajos valores de RMSE y error absoluto medio (MAE), confirmando su alta precisión predictiva y destacando la fibra y la proteína como variables clave. Conclusiones. La integración del ACC y Random Forest proporciona un enfoque robusto y aplicable para predecir la calidad nutricional de forrajes tropicales. Este marco metodológico contribuye al diseño de estrategias de alimentación más eficientes y sostenibles en sistemas ganaderos tropicales.