Predicción de las propiedades del suelo utilizando espectroscopia Vis-NIR combinada con aprendizaje automático: una...

Área de la Ciencia:

• Ciencias Agrícolas
• Ciencias del suelo
• Espectroscopia

Sus antecedentes:

• Los rendimientos estables de los cultivos dependen del diagnóstico preciso de los nutrientes del suelo (nitrógeno, fósforo, potasio).
• El análisis tradicional del suelo es lento, complejo y carece de datos en tiempo real.
• La espectroscopia de infrarrojo cercano visible (Vis-NIR) ofrece una alternativa rápida y no destructiva para el análisis del suelo.

Objetivo del estudio:

• Revisar la aplicación de la espectroscopia Vis-NIR para evaluar las propiedades del suelo.
• Explorar el potencial de Vis-NIR para aplicaciones de campo en tiempo real.
• Destacar el papel del preprocesamiento espectral y el aprendizaje automático en la mejora de la precisión.

Principales métodos:

• Utilización de la espectroscopia Vis-NIR para estimar las propiedades del suelo (contenido de agua, carbono orgánico, nutrientes).
• Aplicación de técnicas de preprocesamiento espectral para mitigar los artefactos (ruido, deriva de la línea de base, dispersión).
• Emplear algoritmos de aprendizaje automático (PLSR, SVMR) para mejorar el análisis de datos espectrales y la precisión de las predicciones.

Principales resultados:

• La espectroscopia Vis-NIR, cuando se combina con el procesamiento previo y el aprendizaje automático adecuados, puede estimar con precisión los niveles de nutrientes del suelo.
• El preprocesamiento espectral es crucial para abordar los artefactos de datos y mejorar el rendimiento del modelo.
• Los modelos de aprendizaje automático capturan efectivamente patrones complejos en datos espectrales para una mejor estimación de nutrientes.

Conclusiones:

• La espectroscopia Vis-NIR, mejorada por el preprocesamiento espectral y el aprendizaje automático, muestra un potencial significativo para la evaluación de las propiedades del suelo en tiempo real.
• Este enfoque facilita una gestión más eficiente y específica de los nutrientes.
• Contribuye al avance de las prácticas agrícolas sostenibles a través de un análisis mejorado del suelo.