USO DE LA ESPECTROSCOPIA VISIBLE E INFRARROJO CERCANO PARA ESTIMAR PROPIEDADES DE SUELO EN ARGENTINA
Palabras clave:
Modelos de calibración local, Técnicas de pretratamiento, Nitrógeno, Arcilla limo, Carbono, pH del sueloResumen
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.
Citas
Amorena, J., Álvarez, D. y Fernández-Ahumada, E. (2021). Development of Calibration Models to Predict Mean Fibre Diameter in Llama (Lama glama) Fleeces with Near Infrared Spectroscopy. Anymals, 11(7), 1998.
Askari, M.S., O'Rourke, S.M. y Holden, N.M. (2015). Evaluation of soil quality for agricultural production using visible–near-infrared spectroscopy. Geoderma, 243–244, 80–91. https://doi.org/10.1016/j.geoderma.2014.12.012
Barnes, R. J., Dhanoa, M. S. y Lister, S. J. (1989). Standard Normal Variate Transformation and De-Trending of Near-Infrared Diffuse Reflectance Spectra. Applied Spectroscopy, 43(5), 772–777.
Bouyoucos, G.J. (1962). Hydrometer method for making particle size analysis soils. Agronomy Journal, 54, 464-465.
Bremner, J.M. (1996). Total Nitrogen, in: Sparks, D. L., (ed), Methods of Soil Analysis. Part 3: Chemical Methods. Soil Science Society America, Madison, Wisconsin, pp. 1149-1176.
Carvalho, J.C., Moura-Bueno, J.M., Ramon, R., Almeida, T.F., Naibo, G., Martins, A.P., Santos, L.S., Gianello, C. y Tiecher, T. (2022). Combining different pre-processing and multivariate methods for prediction of soil organic matter by near infrared spectroscopy (NIRS) in Southern Brazil. Geoderma Regional, 29, e00530. https://doi.org/10.1016/j.geodrs.2022.e00530
Chang, C.W., Laird, D.A. y Hurburgh, C.R. (2005). Influence of soil moisture on near-infrared reflectance spectroscopic measurement of soil properties. Soil Science, 170, 244–255.
Ciurczak, E. W., Igne, B., Workman Jr, J. y Burns, D. A. (Eds.). (2021). Handbook of near-infrared analysis. CRC press.
Demattê, J.A.M., Paiva, A.F., Poppiel, R.R., Rosin, N.A., Ruiz, L.F.C., Mello, F.A., Minasny, B., Grunwald, S., Ge, Y., Ben Dor, E., et al. (2022). The Brazilian Soil Spectral Service (BraSpecS): A User-Friendly System for Global Soil Spectra Communication. Remote Sensing, 14, 740. https://doi.org/10.3390/rs14030740
Di Martino, A. M. y García L. (2022). Análisis de materia orgánica en suelos por espectroscopia de infrarrojo cercano. Revista de tecnología Agropecuaria, INTA Ediciones, 10(41), 27-31.
Diovisalvi, N.V., Izquierdo, N., Echeverria, H., Garcia, F. y Reussi Calvo, N. (2021). Methods to determine nitrogen in sunflower grains. Ciencia del Suelo, 39(2), 217-232. https://ojs.suelos.org.ar/index.php/cds/article/view/620
Food and Agriculture Organization (FAO). (2022). A primer on soil analysis using visible and near-infrared (Vis-NIR) and mid-infrared (MIR) spectroscopy, Rome. https://doi.org/10.4060/cb9005en
Gaitán, J.J., Wingeyer, A.B., Peri, P., Moavro, E., Peralta, G., Fritz, F., Berhongaray, G., Adema, E., Albarracin, S., Álvarez, C., Álvarez Cortés, D.J., Bacigaluppo, S., Balducci, E., Ballón,
M., Banegas, N., Barbaro, S., Barral, P., Behr, S.J., Beider, A.M., …y Sasal, M.C. (2023). Mapa de almacenamiento de C en los suelos de la República Argentina. Asociación Argentina de Productores en Siembra Directa (Aapresid), Consorcio Regional de Experimentación Agrícola (CREA), Instituto Nacional de Tecnología Agropecuaria (INTA), Secretaría de Agricultura, Ganadería y Pesca de la Nación. Ciudad Autónoma de Buenos Aires. Argentina.
Gee, G. y Bauder, J. (1986). Particle size analysis. In: Methods of soil analysis, part 1, physical and mineralogical methods, in: Klute, A., (Ed.). Soil Science Society of America. Madison, Wisconsin USA, pp. 383-411.
Ge, Y., Morgan, C.L. y Wijewardane, N.K. (2020). Visible and near infrared reflectance spectroscopy analysis of soils. Soil Science Society of America Journal, 84, 1495-1502. https://doi.org/10.1002/saj2.20158
Juan, N.A., Ortiz, D.A., Pordomingo, A.B. y Funaro, D.O. (2016ª). Tecnología NIRS para estimar el valor nutritivo de planta entera de maíz y sorgo para silaje y sus fracciones (tallo, hoja, panoja/espiga). Revista de la Asociación Argentina de Producción Animal, 36(1), 230.
Juan, N.A., Ortiz, D.A. y Ruiz, M.A. (2016b). Análisis de calidad de gramíneas forrajeras perennes de ciclo otoño-inverno-primaveral con tecnología NIRS. Revista de la Asociación Argentina de Producción Animal, 36(1), 229.
Levi, N., Karnielia, A. y Paz-Kaganb, T. (2020). Using reflectance spectroscopy for detecting land-use effects on soil quality in drylands. Soil and Tillage Research, 199, 104571. https://doi.org/10.1016/j.still.2020.104571
Ludwig, B., Murugan, R., Parama, V.R.R. y Vohland, M. (2018). Use of different chemometric approaches for an estimation of soil properties at field scale with near infrared spectroscopy. Journal of Plant Nutrition and Soil Science, 181, 704-713. https://doi.org/10.1002/jpln.201800130
McBride, M.B. (2021). Estimating soil chemical properties by diffuse reflectance spectroscopy: promise versus reality. Eur. J. Soil Sci., 73, e13192. https://doi.org/10.1111/ejss.13192
Milinovic, J., Vale, C. y Azenha, M. (2023). Recent advances in multivariate analysis coupled with chemical analysis for soil surveys: a review. Journal of Soils and Sediments, 23, 1085–1098. https://doi.org/10.1007/s11368-022-03377-8
Milos, B., Bensa, B. y Japundzic-Palenkic, B. (2022). Evaluation of Vis-NIR preprocessing combined with PLS regression for estimation soil organic carbon, cation exchange capacity and clay from eastern Croatia. Geoderma Regional, 30, e00558. https://doi.org/10.1016/j.geodrs.2022.e00558
Moura-Bueno, J.M., Dalmolin, R.S.D., Zborowski Horst-Heinen, T., ten Caten, A., Vasques, G.M., Carnieletto Dotto, A. y Grunwald, S. (2020). When does stratification of a subtropical soil spectral library improve predictions of soil organic carbon content?. Science of the Total Environment, 737, 139895. https://doi.org/10.1016/j.scitotenv.2020.139895
Næs, T., Isaksson, T., Fearn, T., y Davies, T. (2002). A user-friendly guide to multivariate calibration and classification. NIR Publications. Chichester, UK.
Nduwamungu, C., Ziadi, N., Tremblay, G.F. y Parent, L.E. (2009). Near-Infrared Reflectance Spectroscopy Prediction of Soil Properties: Effects of Sample Cups and Preparation. Soil Science Society of America Journal, 73(6), 1896-1903. https://doi.org/10.2136/sssaj2008.0213
Olivieri, A. C. (2018). Introduction to multivariate calibration: A practical approach. Springer. Switzerland.
Ortiz, D.A., Camiletti, F.K., Pordomingo, A.B., Cunzolo, S.A., Pighin, D.G., Pordomingo, A.J. y Juan, N.A. (2020). Tecnología NIRS para la determinación de la composición química de pechuga de pollo. Revista Argentina de Producción Animal, 40(1).
Ozaki, Y., McClure, W. F. y Christy, A. A. (Eds.). (2006). "Near-infrared spectroscopy in food science and technology". John Wiley & Sons.
Prananto, J. A., Minasny, B., & Weaver, T. (2020). Near infrared (NIR) spectroscopy as a rapid and cost-effective method for nutrient analysis of plant leaf tissues. Advances in agronomy, 164, 1-49. https://doi.org/10.1016/bs.agron.2020.06.001
Quiroga, A., Funaro, D., Noellemeyer, E. y Peinemann, N. (2006). Barley yield response to soil organic matter and texture in the Pampas of Argentina. Soil and Tillage Research, 90, 63-8. https://doi.org/10.1016/j.still.2005.08.019.
Rabotnikof, C.L., Planas, G.M., Colomer, J.S. y Stritzler, N.P. (1995). Near infrared reflectance spectroscopy (NIRS) for predicting forage quality of perennial warm-season grasses in La Pampa, Argentina. Annales de Zootechnie, 44(1), 97-100.
Seema, A.K., Ghosh A.K., Das B.S. y Reddy N. (2020). Application of Vis-NIR spectroscopy for estimation of soil organic carbon using different preprocessing techniques and multivariate methods in the middle Indo-Gangetic plains of India. Geoderma Regional, 23, e00349. https://doi.org/10.1016/j.geodrs.2020.e00349
Sepúlveda, M. A., Hidalgo, M., Araya, J., Casanova, M., Muñoz, C., Doetterl, S., Wasner, D., Colpaert, B., Bodé, S., Boeckx, P. y Zagal, E. 2021. Near-infrared spectroscopy: Alternative method for assessment of stable carbon isotopes in various soil profiles in Chile. Geoderma Regional, 25, e00397. https://doi.org/10.1016/j.geodrs.2021.e00397.
Shenk, J.S., Workman, J.J., Westerhaus, M.O., Burns, D.A. y Ciurczak, E.W. (2001). Application of NIR Spectroscopy to Agricultural Products. En Handbook of near-infrared analysis. M. Dekker.
Sørensen, K.M., van den Berg, F. y Engelsen, S.B. (2021). NIR Data Exploration and Regression by Chemometrics—A Primer. In: Ozaki, Y., Huck, C., Tsuchikawa, S., Engelsen, S.B. (eds). Near-Infrared Spectroscopy. Springer, Singapore. https://doi.org/10.1007/978-981-15-8648-4_7
St. Luce, M., Ziadi, N. y Viscarra Rossel, R.A. (2022). GLOBAL-LOCAL: A new approach for local predictions of soil organic carbon content using large soil spectral libraries. Geoderma, 425, 116048.https://doi.org/10.1016/j.geoderma.2022.116048
Terhoeven-Urselmans, T., Michel K., Helfrich M., Flessa H. y Ludwig, B. (2006). Near-infrared spectroscopy can predict the composition of organic matter in soil and litter. Journal of Plant Nutrition and Soil Science, 169, 168-174. https://doi.org/10.1002/jpln.200521712
Viscarra Rossel, R.A., BehrensT., Ben-Dor, E., Brownd, D.J., Demattê, J.A.M., Shepherd, K.D., Shi, Z., Stenberg, B., Stevens, A., Adamchuk, V., Aïchi, H., Barthès, B.G., Bartholomeus, H.M., Bayer, A.D.,Bernoux, M., Böttcher, K., Brodský L., Du, C.W., Chappell, A., … y Ji, W. (2016). A global spectral library to characterize the world's soil. Earth-Science Reviews, 155, 98-230.http://dx.doi.org/10.1016/j.earscirev.2016.01.012
Viscarra Rossel, R., Behrens, T., Ben-Dor, E., Chabrillat, S., Melo Demattê, J. A., Ge, Y., Gomez, C., Guerrero, C., Peng, Y., Ramirez-Lopez, L., Shi, Z., Stenberg, B., Webster, R., Winowiecki, L. y Shen, Z. (2022). Diffuse reflectance spectroscopy for estimating soil properties: A technology for the 21st century. European Journal of Soil Science, 73 (4), e13271. https://doi.org/10.1111/ejss.13271
Wang, L. y Wang, R. (2022). Determination of soil pH from Vis-NIR spectroscopy by extreme learning machine and variable selection: A case study in lime concretion black soil. Spectrochemical Acta Part A: Molecular and Biomolecular Spectroscopy, 283, 121707, https://doi.org/10.1016/j.saa.2022.121707.
Walkley, A. y Black, I.A. (1934). An examination of the Degtjareff method for determining soil organic matter, a proposed modification of the chromic acid titration method. Soil Science, 37, 29-38.
Wetterlind, J., Viscarra Rossel, R. A. y Steffens, M. (2022). Diffuse reflectance spectroscopy characterizes the functional chemistry of soil organic carbon in agricultural soils. European Journal of Soil Science, 73, e13263. https://doi.org/10.1111/ejss.13263
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Daniela Ortiz, Juan Martín de Dios Herrero, Nanci Kloster
![Creative Commons License](http://i.creativecommons.org/l/by-nc-sa/4.0/88x31.png)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.