MilkPoint Ventures 
CaféPoint 
EducaPoint 
MilkPoint Mercado 
Milk Monitor 
Milki 
MapLeite 
Laerte Cassoli
ESALQLab - Dep. Zootecnia – ESALQ/USP
Willian Santos
Jéssica Mariane Silveira
QCF – Dep. Zootecnia – ESALQ/USP
ESALQLab - Dep. Zootecnia – ESALQ/USP
Willian Santos
Jéssica Mariane Silveira
QCF – Dep. Zootecnia – ESALQ/USP
Imagine você em frente a um silo com oito metros de largura e quase três de altura. Missão? Coletar uma amostra para avaliar a qualidade da silagem de milho. Certamente virá a pergunta: Por onde começar? Como devo coletar a amostra?
Calma, esse artigo vai te ajudar nessa tarefa.
Já existem inúmeros procedimentos de coletas disponíveis e com diferentes variações/sugestões. Um dos pontos críticos do processo é garantir que o do silo seja amostrado de forma representativa, e uma das maneiras de fazer isso, é coletando porções aleatórias do . Aqueles que já coletaram uma amostra, sabem que a parte mais trabalhosa do processo é exatamente a coleta dessas porções. Seria muito mais fácil chegar no e retirar num único ponto. Seria necessário coletar em cinco, oito, dez ou mais pontos? Boa pergunta né?
Para respondê-la com “fatos e dados” fomos amostrar um silo com 7,5 metros de largura e cerca de 2,7 metros de altura, numa fazenda aqui próximo da ESALQ. Dividimos esse em 40 quadrantes de 70 x 70 cm, como podemos ver na imagem abaixo.
Figura 1. Quadrantes de amostragem do do silo.
Foi retirada uma porção (+/- 1 kg) do centro de cada um dos 40 quadrantes. As porções foram acondicionadas em sacos e encaminhadas imediatamente para o laboratório da ESALQLab. Foi feita a determinação do teor de matéria seca (1ª. MS) em estufa a 55ºC por 48 h, seguida de moagem e análise via infravermelho (NIRS) em duplicata.
O objetivo foi verificar qual a variação observada para três principais parâmetros: MS (materia seca total), FDN (fibra em detergente neutro) e amido.
Continua depois da publicidade
Os resultados obtidos nas 40 porções, foram apresentados num “gráfico de superfície”, uma forma bem interessante de tornar mais visual a informação. Nas três figuras abaixo, podemos observar a variação da MS, FDN e amido no .
Figura 2. Variação do teor de Matéria Seca (MS) no (Média=32,7%).
Figura 3. Variação do teor de FDN no (Média=50,3%).
O objetivo foi verificar qual a variação observada para três principais parâmetros: MS (materia seca total), FDN (fibra em detergente neutro) e amido.
Continua depois da publicidade
Os resultados obtidos nas 40 porções, foram apresentados num “gráfico de superfície”, uma forma bem interessante de tornar mais visual a informação. Nas três figuras abaixo, podemos observar a variação da MS, FDN e amido no .
Figura 2. Variação do teor de Matéria Seca (MS) no (Média=32,7%).
Figura 3. Variação do teor de FDN no (Média=50,3%).
Figura 4. Variação do teor de amido no (Média=22,8%).
Retomando a pergunta inicial de quantas porções nós deveríamos coletar desse , numa análise visual a resposta seria “várias”, uma vez que existe uma variação significativa. Por exemplo, o amido variou de 15 a 25%.
Retomando a pergunta inicial de quantas porções nós deveríamos coletar desse , numa análise visual a resposta seria “várias”, uma vez que existe uma variação significativa. Por exemplo, o amido variou de 15 a 25%.
Mas qual seria o número ideal? Para isso, vamos contar com a ajuda da “estatística”.
A resposta pode ser dada em função do erro que você assume como aceitável. Por exemplo, se você coletar 40 amostras, o teor de MS será de 32,7%. Essa seria a média “real” desse . A partir do momento que diminuímos o número de coletas, o erro vai aumentando. Veja abaixo o gráfico que correlaciona o erro em relação a média real, para o teor de MS, FDN e amido.
Gráfico 1. Erro esperado em relação a média real de acordo com o número de pontos de amostragem no para teor de MS, FDN e amido.
Como podemos observar, ao aumentarmos o número de pontos de amostragem, inicialmente o erro cai drasticamente, mas a partir de oito a dez pontos, os ganhos são reduzidos. Se considerarmos dez amostras por exemplo, o erro seria de +/- 2 unidades percentuais para MS. Para termos um erro de +/- 1 unidade, deveríamos amostrar cerca de 28 quadrantes.
Se avaliarmos o comportamento do FDN e do amido, o gráfico indica também um ganho “ótimo” ao redor de 10 amostras, com erros de +/- 2 e 1,5 unidades, respectivamente.
A definição do número de porções coletadas, a então pela definição de qual será o erro aceitável. Quanto maior o número de coletas, menor será o erro. Tenha claro qual o nível de confiança pretende obter nos resultados e defina a intensidade de coleta.
Seguiremos adiante com novos estudos em amostragem, sempre com o objetivo de gerar informações precisas para tomada de decisão.
