Aporte del análisis espectral para la estimación de carbono orgánico del suelo en cultivos de cítricos

Abstract

El análisis espectral ha surgido como una alternativa eficiente para el estudio y caracterización de las propiedades del suelo frente a los métodos convencionales. El carbono orgánico del suelo (COS) es un indicador clave para entender el estado del suelo y poder desarrollar prácticas sostenibles del uso del suelo. Este trabajo de investigación evalúa el potencial que tiene el análisis espectral para la estimación del COS en cultivos de cítricos en el municipio de Simacota en el departamento de Santander. Para ello se ajustaron y aplicaron protocolos para la toma de muestras de suelo y para realizar las mediciones espectrales. En total se adquirieron 490 muestras de suelos en la región, a las cuales se les tomaron las firmas espectrales en el rango visible (Vis) de 400 a 900 nm y en el rango del infrarrojo cercano (NIR) de 900 a 2500 nm. Se aplicaron distintos métodos de preprocesamiento a los datos espectrales para mejorar las características espectrales y reducir el ruido, así como métodos de reducción de dimensionalidad, con lo cual se pudieron identificar las longitudes de onda más importantes para la estimación. Se implementaron modelos de aprendizaje automático para la estimación del contenido de COS en los que se incluyeron la regresión de mínimos cuadrados parciales (PLSR), el regresor Cubist y dos modelos basados en redes convolucionales, VGG y Resnet. Los mejores resultados se obtuvieron con PLSR alcanzado un coeficiente de determinación $R^2=0.63$ para el conjunto de validación. Por otra parte, se definieron 2 y 4 grupos a partir del contenido de COS y se implementaron modelos para la clasificación en los que se incluyen los bosques aleatorios (RF), máquinas de vectores de soporte (SVM), clasificador de aumento de gradiente (GB) y los modelos de redes convoluciones configurados para la clasificación. Los mejores resultados de clasificación para 4 grupos alcanzaron una exactitud de 58\% con VGG y de 84\% para la clasificación con 2 grupos con RF. (Texto tomado de la fuente)

Spectral analysis has emerged as an efficient alternative for the study and characterization of soil properties compared to conventional methods. Soil organic carbon (SOC) is a key indicator to understand the state of the soil and to be able to develop sustainable land use practices. This research work evaluates the potential of spectral analysis for the estimation of COS in citrus crops in the municipality of Simacota in the department of Santander. To this end, protocols were adjusted and applied for taking soil samples and for performing spectral measurements. In total, 490 soil samples were acquired in the region, from which the spectral signatures were taken in the visible range (Vis) from 400 to 900 nm and in the near infrared range (NIR) from 900 to 2500 nm. Different pre-processing methods were applied to the spectral data to improve spectral characteristics and reduce noise, as well as dimensionality reduction methods, with which the most important wavelengths for the estimation could be identified. Machine learning models were implemented to estimate the COS content, including partial least squares regression (PLSR), the Cubist regressor, and two models based on convolutional networks, VGG and Resnet. The best results were obtained with PLSR reaching a coefficient of determination $R^2=0.63$ for the validation set. On the other hand, 2 and 4 groups were defined based on the COS content and models for classification were implemented, including Random Forests (RF), Support Vector Machines (SVM), Gradient Increase Classifier (GB) and the convolutional network models configured for classification. The best classification results for 4 groups reached an accuracy of 58\% with VGG and 84\% for classification with 2 groups with RF.