Uso de la espectroscopia visible e infrarrojo cercano para estimar propiedades de suelo en Argentina

Abstract

El objetivo de este estudio fue desarrollar modelos de calibración por espectroscopía visible e infrarrojo cercano (Vis-NIRS) para la predicción del contenido de carbono orgánico (CO), nitrógeno total (N), arcilla+limo, y pH en suelos de Argentina, aplicando diferentes técnicas de pretratamiento matemático de los datos espectrales. Se seleccionaron 154 muestras de suelo con características físico químicas contrastantes, se secaron y tamizaron a 2 mm previo al análisis de CO, N, pH y arcilla+limo mediante métodos de referencia. Luego se obtuvo el espectro Vis-NIR (400 a 2500 nm) de cada muestra en modo reflectancia. El conjunto de muestras fue dividido aleatoriamente en dos grupos: uno para obtener el modelo de calibración (80 %) y el otro para la validación del modelo (20 %). Se utilizaron ocho técnicas de pretratamiento de la información espectral y luego se seleccionó la mejor para cada parámetro, con el criterio de obtener el mínimo error estándar de la validación cruzada (EEVC), máximo coeficiente de determinación de la validación cruzada (R2cv) y máxima desviación predictiva residual (RPD). Los modelos de calibración se obtuvieron utilizando regresión de cuadrados mínimos parciales modificada (MPLS) y validación cruzada con cinco etapas. Los mejores modelos para la predicción de CO y N se obtuvieron con los espectros sin procesar (RPD=4,69 y 3,65 respectivamente); para pH se obtuvo con la técnica variación normal estándar con segunda derivada (RPD=2,27) y para arcilla+limo con corrección de dispersión múltiple y segunda derivada (RPD=2,83). El desempeño de los modelos aplicados sobre el grupo de testeo y calibración fue similar. Los resultados indican que la elección apropiada de la técnica de pretratamiento de datos espectrales puede optimizar la calibración. Vis-NIRS es una herramienta valiosa para el monitoreo de suelos en Argentina, como complemento de los métodos tradicionales de análisis.

The objective of this study was to develop calibration models using visible and near-infrared spectroscopy (Vis-NIRS) for the prediction of organic carbon (OC), total nitrogen (N), clay+silt, and pH content in soils from Argentina, applying different mathematical pretreatment techniques of spectral data. 154 soil samples with contrasting physical-chemical characteristics were selected, dried, and sieved at 2 mm prior to analysis of CO, N, pH, and clay+silt using reference methods. Then, the Vis-NIR spectrum (400 to 2500 nm) of each sample was obtained in reflectance mode. The set of samples was randomly divided into two groups: one to obtain the calibration model (80%) and the other for model validation (20%). Eight spectral information pretreatment techniques were used and the best one was selected for each parameter, with the criterion of obtaining the minimum standard error of cross-validation (SEVC), maximum coefficient of determination of cross-validation (R2cv) and maximum residual predictive deviation (RPD). The calibration models were obtained using modified partial least squares regression (MPLS) and five-stage cross-validation. The best models for the prediction of CO and N were obtained with the raw spectra (RPD=4.69 and 3.65 respectively); for pH it was obtained with the standard normal variation technique with second derivative (RPD=2.27) and for clay+silt with multiple dispersion correction and second derivative (RPD=2.83). The performance of the models applied to the testing and calibration group was similar. The results indicate that the appropriate choice of the spectral data pretreatment technique can optimize calibration. Vis-NIRS is a valuable tool for soil monitoring in Argentina, as a complement to traditional analysis methods.