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

Abstract

espanolLos metodos 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 tecnica rapida para caracterizar el suelo en laboratorio. Las firmas espectrales codifican informacion sobre las caracteristicas inherentes del suelo, como la composicion mineral, el contenido de nutrientes, los compuestos organicos 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 optimas en el rango espectral visible infrarrojo cercano e infrarrojo de onda corta para caracterizar propiedades de suelo. Materiales y metodos. Las mediciones hiperespectrales se llevaron a cabo con un espectroradiometro ASD FieldSpec 4 para generar las firmas de reflectancia espectral de mas de 1300 muestras de suelo de Costa Rica, pre-procesadas en el Laboratorio de Suelo de la Universidad EARTH. Se determino el contenido de nutrientes de cada muestra de suelo, mediante plasma acoplado inductivamente. Ademas, se evaluaron el pH, la acidez extraible, la saturacion de bases, la saturacion de acidez, la capacidad efectiva de intercambio cationico, el carbono, la materia organica y la textura del suelo. Se desarrollaron modelos de regresion de minimos cuadrados parciales (PLSR) en MATLAB para predecir esas propiedades de suelo a partir de firmas hiperespectrales. Resultados. Este enfoque espectroradioscopico, combinado con modelos de aprendizaje automatico, permitio identificar bandas de ondas optimas especificas en zonas espectrales en las que se puede predecir cada nutriente. Se logro una estimacion precisa del contenido de diferentes componentes (Ca, Mg, Fe, C, N y CICE) con un R2 superior a 0,8 y un error cuadratico medio (RMSE) inferior a 10%. Conclusion. Los analisis espectroscopicos combinados con el metodo Minimo Cuadratico Parcial (PLS), pueden proporcionar una herramienta muy util para la agricultura de precision en los suelos tropicales de Costa Rica. EnglishConventional laboratory methods to analyze soil nutrients are usually time-consuming and costly. On the other hand, the visible and infrared spectroscopy offers a rapid technique to characterize soils. The spectral signatures encode information about the inherent composition of the soil, which comprises mineral composition, nutrient content, organic compounds and water. Objective. The main objective of this study was to build spectral libraries for the tropical soils of Costa Rica and to determine the optimal hyperspectral wave bands in the visible and near infrared and shortwave infrared to characterize soil properties in laboratory. Materials and methods. The hyperspectral measurements were carried out with an ASD FieldSpec 4 spectroradiometer to generate spectral reflectance signatures of more than 1300 soil samples from Costa Rica preprocessed at EARTH University’s soil laboratory. The nutrient content of each soil sample was determined by inductively coupled plasma. In addition, pH, exchangeable acidity, base saturation, acid saturation, effective cation exchange capacity, soil carbon, organic matter and soil texture were evaluated. Algorithms in MATLAB were developed to compile a hyperspectral data base and used a partial least squares regression (PLSR) methods to generate predictive models for these soil properties from hyperspectral signatures. Results. This spectroscopic approach combined with machine learning models allowed the identification of specific optimal wavebands in the spectral areas in which each nutrient can be predicted. An accurate estimation of the concentration of different components (Ca, Mg, Fe, C, N and CECe) was achieved with an R2 greater than 0,8 and a mean square error (RMSE) lower than 10%. Conclusion. These spectroscopic technics combined with the PLS regression, can provide a very useful tool for precision agriculture in tropical soils of Costa Rica.