Desarrollo de métodos de análisis de espectroscopia y algoritmos de aprendizaje automático para la evaluación de algunas propiedades del suelo en Costa Rica

Introducción. Los métodos convencionales de laboratorio para analizar el contenido de nutrientes del suelo, generalmente requieren mucho tiempo y son costosos. En contraparte, la espectroradioscopia visible e infrarroja ofrece una técnica rápida para caracterizar el suelo en laboratorio. Las firmas...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Johan Perret, José Eduardo Villalobos-Leandro, Karim Abdalla-Bolaños, Carol Lucía Fuentes-Fallas, Katherine Michelle Cuarezma-Espinoza, Esteban Nicolás Macas-Amaya, María Teresa López-Maietta, Darren Drewry
Formato:	article
Lenguaje:	ES
Publicado:	Universidad de Costa Rica 2020
Materias:	espectroradiometría firmas hiperespectrales aprendizaje automático modelado plsr agricultura de precisión Agriculture S Agriculture (General) S1-972
Acceso en línea:	https://doaj.org/article/512641aac67047afb9c0fab3be60aa4e
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

id	oai:doaj.org-article:512641aac67047afb9c0fab3be60aa4e
record_format	dspace
spelling	oai:doaj.org-article:512641aac67047afb9c0fab3be60aa4e2021-11-11T15:12:16ZDesarrollo de métodos de análisis de espectroscopia y algoritmos de aprendizaje automático para la evaluación de algunas propiedades del suelo en Costa Rica0377-94242215-220210.15517/RAC.V44I2.43108https://doaj.org/article/512641aac67047afb9c0fab3be60aa4e2020-01-01T00:00:00Zhttp://www.redalyc.org/articulo.oa?id=43666322008https://doaj.org/toc/0377-9424https://doaj.org/toc/2215-2202Introducción. Los métodos convencionales de laboratorio para analizar el contenido de nutrientes del suelo, generalmente requieren mucho tiempo y son costosos. En contraparte, la espectroradioscopia visible e infrarroja ofrece una técnica rápida para caracterizar el suelo en laboratorio. Las firmas espectrales codifican información sobre las características inherentes del suelo, como la composición mineral, el contenido de nutrientes, los compuestos orgánicos y el agua. Objetivo. El objetivo principal de este proyecto fue construir bibliotecas espectrales para los suelos tropicales de Costa Rica y determinar las bandas hiperespectrales óptimas en el rango espectral visible infrarrojo cercano e infrarrojo de onda corta para caracterizar propiedades de suelo. Materiales y métodos. Las mediciones hiperespectrales se llevaron a cabo con un espectroradiómetro ASD FieldSpec 4 para generar las firmas de reflectancia espectral de más de 1300 muestras de suelo de Costa Rica, pre-procesadas en el Laboratorio de Suelo de la Universidad EARTH. Se determinó el contenido de nutrientes de cada muestra de suelo, mediante plasma acoplado inductivamente. Además, se evaluaron el pH, la acidez extraíble, la saturación de bases, la saturación de acidez, la capacidad efectiva de intercambio catiónico, el carbono, la materia orgánica y la textura del suelo. Se desarrollaron modelos de regresión de mínimos cuadrados parciales (PLSR) en MATLAB para predecir esas propiedades de suelo a partir de firmas hiperespectrales. Resultados. Este enfoque espectroradioscópico, combinado con modelos de aprendizaje automático, permitió identificar bandas de ondas óptimas específicas en zonas espectrales en las que se puede predecir cada nutriente. Se logró una estimación precisa del contenido de diferentes componentes (Ca, Mg, Fe, C, N y CICE) con un R2 superior a 0,8 y un error cuadrático medio (RMSE) inferior a 10%. Conclusión. Los análisis espectroscópicos combinados con el método Mínimo Cuadrático Parcial (PLS), pueden proporcionar una herramienta muy útil para la agricultura de precisión en los suelos tropicales de Costa Rica.Johan PerretJosé Eduardo Villalobos-LeandroKarim Abdalla-BolañosCarol Lucía Fuentes-FallasKatherine Michelle Cuarezma-EspinozaEsteban Nicolás Macas-AmayaMaría Teresa López-MaiettaDarren DrewryUniversidad de Costa Ricaarticleespectroradiometríafirmas hiperespectralesaprendizaje automáticomodelado plsragricultura de precisiónAgricultureSAgriculture (General)S1-972ESAgronomía Costarricense, Vol 44, Iss 2, Pp 139-154 (2020)
institution	DOAJ
collection	DOAJ
language	ES
topic	espectroradiometría firmas hiperespectrales aprendizaje automático modelado plsr agricultura de precisión Agriculture S Agriculture (General) S1-972
spellingShingle	espectroradiometría firmas hiperespectrales aprendizaje automático modelado plsr agricultura de precisión Agriculture S Agriculture (General) S1-972 Johan Perret José Eduardo Villalobos-Leandro Karim Abdalla-Bolaños Carol Lucía Fuentes-Fallas Katherine Michelle Cuarezma-Espinoza Esteban Nicolás Macas-Amaya María Teresa López-Maietta Darren Drewry Desarrollo de métodos de análisis de espectroscopia y algoritmos de aprendizaje automático para la evaluación de algunas propiedades del suelo en Costa Rica
description	Introducción. Los métodos convencionales de laboratorio para analizar el contenido de nutrientes del suelo, generalmente requieren mucho tiempo y son costosos. En contraparte, la espectroradioscopia visible e infrarroja ofrece una técnica rápida para caracterizar el suelo en laboratorio. Las firmas espectrales codifican información sobre las características inherentes del suelo, como la composición mineral, el contenido de nutrientes, los compuestos orgánicos y el agua. Objetivo. El objetivo principal de este proyecto fue construir bibliotecas espectrales para los suelos tropicales de Costa Rica y determinar las bandas hiperespectrales óptimas en el rango espectral visible infrarrojo cercano e infrarrojo de onda corta para caracterizar propiedades de suelo. Materiales y métodos. Las mediciones hiperespectrales se llevaron a cabo con un espectroradiómetro ASD FieldSpec 4 para generar las firmas de reflectancia espectral de más de 1300 muestras de suelo de Costa Rica, pre-procesadas en el Laboratorio de Suelo de la Universidad EARTH. Se determinó el contenido de nutrientes de cada muestra de suelo, mediante plasma acoplado inductivamente. Además, se evaluaron el pH, la acidez extraíble, la saturación de bases, la saturación de acidez, la capacidad efectiva de intercambio catiónico, el carbono, la materia orgánica y la textura del suelo. Se desarrollaron modelos de regresión de mínimos cuadrados parciales (PLSR) en MATLAB para predecir esas propiedades de suelo a partir de firmas hiperespectrales. Resultados. Este enfoque espectroradioscópico, combinado con modelos de aprendizaje automático, permitió identificar bandas de ondas óptimas específicas en zonas espectrales en las que se puede predecir cada nutriente. Se logró una estimación precisa del contenido de diferentes componentes (Ca, Mg, Fe, C, N y CICE) con un R2 superior a 0,8 y un error cuadrático medio (RMSE) inferior a 10%. Conclusión. Los análisis espectroscópicos combinados con el método Mínimo Cuadrático Parcial (PLS), pueden proporcionar una herramienta muy útil para la agricultura de precisión en los suelos tropicales de Costa Rica.
format	article
author	Johan Perret José Eduardo Villalobos-Leandro Karim Abdalla-Bolaños Carol Lucía Fuentes-Fallas Katherine Michelle Cuarezma-Espinoza Esteban Nicolás Macas-Amaya María Teresa López-Maietta Darren Drewry
author_facet	Johan Perret José Eduardo Villalobos-Leandro Karim Abdalla-Bolaños Carol Lucía Fuentes-Fallas Katherine Michelle Cuarezma-Espinoza Esteban Nicolás Macas-Amaya María Teresa López-Maietta Darren Drewry
author_sort	Johan Perret
title	Desarrollo de métodos de análisis de espectroscopia y algoritmos de aprendizaje automático para la evaluación de algunas propiedades del suelo en Costa Rica
title_short	Desarrollo de métodos de análisis de espectroscopia y algoritmos de aprendizaje automático para la evaluación de algunas propiedades del suelo en Costa Rica
title_full	Desarrollo de métodos de análisis de espectroscopia y algoritmos de aprendizaje automático para la evaluación de algunas propiedades del suelo en Costa Rica
title_fullStr	Desarrollo de métodos de análisis de espectroscopia y algoritmos de aprendizaje automático para la evaluación de algunas propiedades del suelo en Costa Rica
title_full_unstemmed	Desarrollo de métodos de análisis de espectroscopia y algoritmos de aprendizaje automático para la evaluación de algunas propiedades del suelo en Costa Rica
title_sort	desarrollo de métodos de análisis de espectroscopia y algoritmos de aprendizaje automático para la evaluación de algunas propiedades del suelo en costa rica
publisher	Universidad de Costa Rica
publishDate	2020
url	https://doaj.org/article/512641aac67047afb9c0fab3be60aa4e
work_keys_str_mv	AT johanperret desarrollodemetodosdeanalisisdeespectroscopiayalgoritmosdeaprendizajeautomaticoparalaevaluaciondealgunaspropiedadesdelsueloencostarica AT joseeduardovillalobosleandro desarrollodemetodosdeanalisisdeespectroscopiayalgoritmosdeaprendizajeautomaticoparalaevaluaciondealgunaspropiedadesdelsueloencostarica AT karimabdallabolanos desarrollodemetodosdeanalisisdeespectroscopiayalgoritmosdeaprendizajeautomaticoparalaevaluaciondealgunaspropiedadesdelsueloencostarica AT carolluciafuentesfallas desarrollodemetodosdeanalisisdeespectroscopiayalgoritmosdeaprendizajeautomaticoparalaevaluaciondealgunaspropiedadesdelsueloencostarica AT katherinemichellecuarezmaespinoza desarrollodemetodosdeanalisisdeespectroscopiayalgoritmosdeaprendizajeautomaticoparalaevaluaciondealgunaspropiedadesdelsueloencostarica AT estebannicolasmacasamaya desarrollodemetodosdeanalisisdeespectroscopiayalgoritmosdeaprendizajeautomaticoparalaevaluaciondealgunaspropiedadesdelsueloencostarica AT mariateresalopezmaietta desarrollodemetodosdeanalisisdeespectroscopiayalgoritmosdeaprendizajeautomaticoparalaevaluaciondealgunaspropiedadesdelsueloencostarica AT darrendrewry desarrollodemetodosdeanalisisdeespectroscopiayalgoritmosdeaprendizajeautomaticoparalaevaluaciondealgunaspropiedadesdelsueloencostarica
_version_	1718436650187489280

Desarrollo de métodos de análisis de espectroscopia y algoritmos de aprendizaje automático para la evaluación de algunas propiedades del suelo en Costa Rica

Ejemplares similares