Este estudio tiene como objetivo clasificar comunidades de plantas aplicando análisis discriminante basado en componentes principales (DAPC) en espectros de infrarrojo cercano (FT-NIRS) a partir de muestras de forraje fresco. Las muestras de pastizales (~156) pertenecían a (i) cultivos puros recientes de alfalfa (CAA), (ii) mezclas recientes de pasto y leguminosas (GLM), (iii) praderas permanentes derivadas de viejas poblaciones de alfalfa que fueron recolonizadas (PMA), y (iv) praderas permanentes originadas de viejas mezclas de pasto y leguminosas (PLM). Las muestras fueron escaneadas utilizando FT-NIRS, y se realizó una exploración multivariante de los espectros originales utilizando DAPC. Se propusieron los siguientes dos escenarios: (i) validación cruzada, donde se utilizaron todos los datos para el entrenamiento del modelo, y (ii) validación semi-external, donde la asignación de grupos se realizó sin muestras del conjunto de entrenamiento. Los dos primeros componentes explicaron el 98% de la variabilidad total. El modelo DAPC resultó en una tasa de éxito de asignación general del 77%, y, a partir de la validación cruzada, surgió que era posible asignar el CAA y el PMA a su grupo con más del 80% de éxito, los cuales eran diferentes en composición botánica y química. En comparación, GLM y PLM obtuvieron un menor éxito de asignación (~52%). La validación externa sugirió similitud entre los grupos PLM y GLM (93%) y entre GLM y PLM (77%). Sin embargo, un aumento en el conjunto de datos podría mejorar la diferenciación de grupos.