Evaluación de la consistencia en varios espectrómetros NeoSpectra (infrarrojo cercano con transformada compacta de Fourier) para estimar las propiedades comunes del suelo

Resumen:

Las técnicas rápidas y rentables para el análisis del suelo son esenciales para guiar la gestión sostenible de la tierra y la agricultura de producción. Este estudio tuvo como objetivo evaluar el rendimiento y la consistencia de los espectrómetros portátiles de infrarrojo cercano con transformada de Fourier y los escáneres NeoSpectra para estimar 12 propiedades físicas y químicas comunes del suelo, como el pH, el carbono orgánico (OC), el carbono inorgánico (IC), el nitrógeno total (TN), la capacidad de intercambio catiónico (CEC), las fracciones de arcilla, limo y arena; y las fracciones intercambiables de potasio (K), fósforo (P) y calcio (Ca), y magnesio (Mg). Se recuperó un conjunto diverso de muestras (n = 600) de un archivo de suelos a escala nacional del Kellogg Soil Survey Laboratory del USDA-NRCS y se escaneó con cinco escáneres NeoSpectra. Los modelos predictivos de las propiedades del suelo se desarrollaron mediante la regresión de mínimos cuadrados parciales (PLSR), el cubismo y el aprendizaje basado en la memoria (MBL). Cubist obtuvo mejores resultados que el PLSR y el MBL, con el mejor rendimiento de predicción para la arcilla, el OC y el CEC (R2 > 0.7), seguido por el IC, la arena, el limo y el Mg (R2 > 0.6), y luego el pH, el TN y el Ca (R2 > 0.5). K y P se pronosticaron algo mal, con un R2 de 0,48 y 0,22. Los cinco NeoSpectra arrojaron datos espectrales comparables del infrarrojo cercano (NIR) y los modelos PLSR para las propiedades del suelo (en términos de los coeficientes de regresión del modelo). Sin embargo, la evaluación de la coherencia mostró que el rendimiento del modelo disminuyó significativamente cuando los espectros de entrenamiento y prueba procedían de diferentes escáneres NeoSpectra. Se ha llegado a la conclusión de que los escáneres NeoSpectra podrían ser rápidos y rentables para estimar determinadas propiedades del suelo, por lo que se debe considerar la posibilidad de transferir la calibración a aplicaciones en las que se utilicen varios dispositivos y se requiera una alta precisión de estimación a partir de los datos del NIR.