El objetivo fue evaluar la capacidad predictiva de variables cuantitativas y cualitativas de gramíneas tropicales con sensores remotos. Se utilizaron cuatro cultivares de Panicum maximum, Mombasa, Tanzania, Paredão y Zuri, los cuales fueron evaluados semanalmente (7, 14, 21 y a los 28 días de rebrote) con métodos no destructivos y analíticos. Se evaluaron con la aplicación para teléfonos inteligentes Canopeo, la cual realiza una estimación instantánea de la cobertura vegetal y el dispositivo FieldScout CM 1,000 NDVI, el cual genera un índice de clorofila basado en la reflexión de la luz en tiempo real. Se estimaron regresiones asumiendo las medidas de la cobertura vegetal y el índice de clorofila como variables independientes (predictivas) de las medidas cuantitativas y cualitativas, respectivamente, además de la determinación del coeficiente de correlación de Pearson. Se verificaron correlaciones (p<0,05) entre la cobertura vegetal con el índice de área foliar (m m2-1 ) (r=0,49), altura de la planta (cm) (r=0,49), número de macollas (r=0,31) y biomasa seca (g m2-1 ) (r=0,51). El índice de clorofila se correlacionó (P<0,05) de forma negativa con la altura (cm) (r =-0,37), biomasa seca (g m2-1 ) (r=0,33), interceptación de la luz (%) (r=-0,57), índice de área foliar (m m2-1 ) (r=-0,34), pero no fue significativo para las variables nutricionales. Las regresiones generadas a partir de la cobertura vegetal permiten estimar: altura (cm) para el cv. Mombasa (R2=0,47 y 0,52) y Tanzania (R2=0,50 y 0,60); biomasa (g m2-1 ) del Mombasa (R2=0,37 y 0,53) y Tanzania (R2=0,50 y 0,59); interceptación de la luz (%) en Zuri (R2=0,38 y 0,49) linear y cuadrático respectivamente. El índice de clorofila no permitió generar ecuaciones predictivas para las variables de proteína cruda, fibra neutro detergente, fibra ácido detergente y digestibilidad in vitro de la materia seca en P. maximum cosechados entre 7 y 28 días.

The objective was to evaluate the predictive capacity of quantitative and qualitative variables of tropical grasses with remote sensing. Four cultivars of Panicum maximum, Mombasa, Tanzania, Paredão and Zuri were used, which were evaluated weekly (7, 14, 21 and 28 days after regrowth) with destructive and analytical methods. They were evaluated with the Canopeo smartphone application, which makes an instantaneous estimation of the plant coverage and the FieldScout CM 1,000 NDVI device, which generates a chlorophyll index based on real-time light reflection. Regressions were estimated assuming the measures of the vegetation cover and the chlorophyll index as independent (predictive) variables of the quantitative and qualitative measures, respectively, in addition to the determination of the Pearson correlation coefficient. Correlations were verified (p <0.05) between the vegetal cover with the index of leaf area (m m2-1) (r = 0.49), height of the plant (cm) (r = 0.49), number of tillers (r = 0.31) and dry biomass (g m2-1) (r = 0.51). The chlorophyll index correlated (P <0.05) negatively with the height (cm) (r = -0.37), dry biomass (g m2-1) (r = 0.33), interception of the light (%) (r = -0.57), leaf area index (m m2-1) (r = -0.34), but it was not significant for the nutritional variables. The regressions generated from the vegetation cover allow to estimate: height (cm) for the cv. Mombasa (R2 = 0.47 and 0.52) and Tanzania (R2 = 0.50 and 0.60); biomass (g m2-1) of Mombasa (R2 = 0.37 and 0.53) and Tanzania (R2 = 0.50 and 0.59); interception of light (%) in Zuri (R2 = 0.38 and 0.49) linear and quadratic respectively. The chlorophyll index did not allow to generate predictive equations for the variables of crude protein, neutral detergent fiber, acid detergent fiber and in vitro digestibility of dry matte