Espectroscopía NIR para la determinación de materia orgánica en el suelo

Autores
Vanzolini, Juan Ignacio; Trillini, Mariano; Russo, Damian Maximiliano; Fernandes, David Douglas de Sousa; Garay, Maximiliano; Pistonesi, Marcelo Fabian
Año de publicación
2026
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La espectroscopía en la región del infrarrojo cercano (NIR) se presenta como una tecnología prometedora, al ofrecer mediciones rápidas, no destructivas y ambientalmente amigables que, combinada con herramientas quimiométricas, permite modelar con precisión la relación entre los espectros y propiedades del suelo como su contenido de materia orgánica (MO). Los modelos basados en regresión por Mínimos Cuadrados Parciales (PLS) son ampliamente utilizados con este propósito, posibilitando predicciones cuantitativas a partir de señales espectrales complejas. Para mejorar el rendimiento predictivo de estos modelos, en el presente estudio, se aplicaron estrategias de selección de variables como iSPA-PLS y MCUVE-PLS, que permiten reducir la dimensionalidad de los datos y aumentar la robustez de los modelos. En 100 muestras de suelo de la edafoteca del Laboratorio de Suelos y Agua de la EEA INTA Hilario Ascasubi, se realizaron mediciones espectrales utilizando el espectrómetro portátil Nano NIR DLP NIRscan, operando en el rango de 900 a 1700 nm y un promedio de 32 escaneos por muestra. Los conjuntos de calibración y predicción se definieron mediante el algoritmo de Kennard-Stone y los modelos fueron ajustados utilizando validación cruzada completa. Los resultados demostraron una alta capacidad predictiva de los modelos quimiométricos aplicados a MO. Se realizaron comparaciones en términos del cuadrado medio del error de predicción (RMSEP), el r2 correspondiente y la desviación predictiva residual (RPD). El modelo iSPA-PLS con preprocesamiento de Variable Normal Estándar (SNV) presentó el mejor desempeño (RMSEP = 0,2448 mg g-1), seguido por el modelo PLS tradicional (RMSEP = 0,2855 mg g-1). El modelo MCUVE-PLS con pretratamiento Multiplicative Scatter Correction (MSC) tuvo un rendimiento inferior (RMSEP = 0,4394 mg g-1), lo que indica que la reducción de variables no mejoró la precisión del modelo. La combinación del espectrómetro portátil con herramientas quimiométricas avanzadas demostró su capacidad potencial para la determinación de MO en suelos agrícolas.
EEA Hilario Ascasubi
Fil: Vanzolini, Juan Ignacio. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Hilario Ascasubi; Argentina
Fil: Vanzolini, Juan Ignacio. Universidad Nacional del Sur. Departamento de Agronomía; Argentina
Fil: Trillini, Mariano. Universidad Nacional del Sur. Departamento de Química. INQUISUR; Argentina
Fil: Trillini, Mariano. Consejo Nacional de Investigaciones Científicas y Técnicas. INQUISUR; Argentina
Fil: Russo, Damian Maximiliano. Universidad Nacional del Sur. Departamento de Química. INQUISUR; Argentina
Fil: Russo, Damian Maximiliano. Consejo Nacional de Investigaciones Científicas y Técnicas. INQUISUR; Argentina
Fil: Fernandes, David Douglas de Sousa. Universidade Estadual da Paraíba. CCT. Departamento de Química; Brasil
Fil: Garay, Maximiliano. Universidad Nacional del Sur. Departamento de Agronomía; Argentina
Fil: Pistonesi, Marcelo Fabian. Universidad Nacional del Sur. Departamento de Química. INQUISUR; Argentina
Fil: Pistonesi, Marcelo Fabian. Consejo Nacional de Investigaciones Científicas y Técnicas. INQUISUR; Argentina
Fuente
Libro de Actas del XXX Congreso Argentino de la Ciencia del Suelo, 14-17 de abril de 2026, San Carlos de Bariloche, Río Negro; Argentina
Materia
Espectroscopia
Espectroscopia Infrarroja
Carbono Orgánico del Suelo
Materia Orgánica del Suelo
Spectroscopy
Infrared Spectrophotometry
Soil Organic Carbon
Soil Organic Matter
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
INTA Digital (INTA)
Institución
Instituto Nacional de Tecnología Agropecuaria
OAI Identificador
oai:localhost:20.500.12123/25996
Acceder
id INTADig_8c7901da22c8d9573499b94bce7b3fb2
oai_identifier_str oai:localhost:20.500.12123/25996
network_acronym_str INTADig
repository_id_str l
network_name_str INTA Digital (INTA)
spelling Espectroscopía NIR para la determinación de materia orgánica en el sueloVanzolini, Juan IgnacioTrillini, MarianoRusso, Damian MaximilianoFernandes, David Douglas de SousaGaray, MaximilianoPistonesi, Marcelo FabianEspectroscopiaEspectroscopia InfrarrojaCarbono Orgánico del SueloMateria Orgánica del SueloSpectroscopyInfrared SpectrophotometrySoil Organic CarbonSoil Organic MatterLa espectroscopía en la región del infrarrojo cercano (NIR) se presenta como una tecnología prometedora, al ofrecer mediciones rápidas, no destructivas y ambientalmente amigables que, combinada con herramientas quimiométricas, permite modelar con precisión la relación entre los espectros y propiedades del suelo como su contenido de materia orgánica (MO). Los modelos basados en regresión por Mínimos Cuadrados Parciales (PLS) son ampliamente utilizados con este propósito, posibilitando predicciones cuantitativas a partir de señales espectrales complejas. Para mejorar el rendimiento predictivo de estos modelos, en el presente estudio, se aplicaron estrategias de selección de variables como iSPA-PLS y MCUVE-PLS, que permiten reducir la dimensionalidad de los datos y aumentar la robustez de los modelos. En 100 muestras de suelo de la edafoteca del Laboratorio de Suelos y Agua de la EEA INTA Hilario Ascasubi, se realizaron mediciones espectrales utilizando el espectrómetro portátil Nano NIR DLP NIRscan, operando en el rango de 900 a 1700 nm y un promedio de 32 escaneos por muestra. Los conjuntos de calibración y predicción se definieron mediante el algoritmo de Kennard-Stone y los modelos fueron ajustados utilizando validación cruzada completa. Los resultados demostraron una alta capacidad predictiva de los modelos quimiométricos aplicados a MO. Se realizaron comparaciones en términos del cuadrado medio del error de predicción (RMSEP), el r2 correspondiente y la desviación predictiva residual (RPD). El modelo iSPA-PLS con preprocesamiento de Variable Normal Estándar (SNV) presentó el mejor desempeño (RMSEP = 0,2448 mg g-1), seguido por el modelo PLS tradicional (RMSEP = 0,2855 mg g-1). El modelo MCUVE-PLS con pretratamiento Multiplicative Scatter Correction (MSC) tuvo un rendimiento inferior (RMSEP = 0,4394 mg g-1), lo que indica que la reducción de variables no mejoró la precisión del modelo. La combinación del espectrómetro portátil con herramientas quimiométricas avanzadas demostró su capacidad potencial para la determinación de MO en suelos agrícolas.EEA Hilario AscasubiFil: Vanzolini, Juan Ignacio. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Hilario Ascasubi; ArgentinaFil: Vanzolini, Juan Ignacio. Universidad Nacional del Sur. Departamento de Agronomía; ArgentinaFil: Trillini, Mariano. Universidad Nacional del Sur. Departamento de Química. INQUISUR; ArgentinaFil: Trillini, Mariano. Consejo Nacional de Investigaciones Científicas y Técnicas. INQUISUR; ArgentinaFil: Russo, Damian Maximiliano. Universidad Nacional del Sur. Departamento de Química. INQUISUR; ArgentinaFil: Russo, Damian Maximiliano. Consejo Nacional de Investigaciones Científicas y Técnicas. INQUISUR; ArgentinaFil: Fernandes, David Douglas de Sousa. Universidade Estadual da Paraíba. CCT. Departamento de Química; BrasilFil: Garay, Maximiliano. Universidad Nacional del Sur. Departamento de Agronomía; ArgentinaFil: Pistonesi, Marcelo Fabian. Universidad Nacional del Sur. Departamento de Química. INQUISUR; ArgentinaFil: Pistonesi, Marcelo Fabian. Consejo Nacional de Investigaciones Científicas y Técnicas. INQUISUR; ArgentinaAsociación Argentina de la Ciencia del Suelo (AACS)2026-04-29T12:33:04Z2026-04-29T12:33:04Z2026-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://hdl.handle.net/20.500.12123/25996Libro de Actas del XXX Congreso Argentino de la Ciencia del Suelo, 14-17 de abril de 2026, San Carlos de Bariloche, Río Negro; Argentinareponame:INTA Digital (INTA)instname:Instituto Nacional de Tecnología Agropecuariaspainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)2026-05-07T11:53:20Zoai:localhost:20.500.12123/25996instacron:INTAInstitucionalhttp://repositorio.inta.gob.ar/Organismo científico-tecnológicoNo correspondehttp://repositorio.inta.gob.ar/oai/requesttripaldi.nicolas@inta.gob.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:l2026-05-07 11:53:21.091INTA Digital (INTA) - Instituto Nacional de Tecnología Agropecuariafalse
dc.title.none.fl_str_mv Espectroscopía NIR para la determinación de materia orgánica en el suelo
title Espectroscopía NIR para la determinación de materia orgánica en el suelo
spellingShingle Espectroscopía NIR para la determinación de materia orgánica en el suelo
Vanzolini, Juan Ignacio
Espectroscopia
Espectroscopia Infrarroja
Carbono Orgánico del Suelo
Materia Orgánica del Suelo
Spectroscopy
Infrared Spectrophotometry
Soil Organic Carbon
Soil Organic Matter
title_short Espectroscopía NIR para la determinación de materia orgánica en el suelo
title_full Espectroscopía NIR para la determinación de materia orgánica en el suelo
title_fullStr Espectroscopía NIR para la determinación de materia orgánica en el suelo
title_full_unstemmed Espectroscopía NIR para la determinación de materia orgánica en el suelo
title_sort Espectroscopía NIR para la determinación de materia orgánica en el suelo
dc.creator.none.fl_str_mv Vanzolini, Juan Ignacio
Trillini, Mariano
Russo, Damian Maximiliano
Fernandes, David Douglas de Sousa
Garay, Maximiliano
Pistonesi, Marcelo Fabian
author Vanzolini, Juan Ignacio
author_facet Vanzolini, Juan Ignacio
Trillini, Mariano
Russo, Damian Maximiliano
Fernandes, David Douglas de Sousa
Garay, Maximiliano
Pistonesi, Marcelo Fabian
author_role author
author2 Trillini, Mariano
Russo, Damian Maximiliano
Fernandes, David Douglas de Sousa
Garay, Maximiliano
Pistonesi, Marcelo Fabian
author2_role author
author
author
author
author
dc.subject.none.fl_str_mv Espectroscopia
Espectroscopia Infrarroja
Carbono Orgánico del Suelo
Materia Orgánica del Suelo
Spectroscopy
Infrared Spectrophotometry
Soil Organic Carbon
Soil Organic Matter
topic Espectroscopia
Espectroscopia Infrarroja
Carbono Orgánico del Suelo
Materia Orgánica del Suelo
Spectroscopy
Infrared Spectrophotometry
Soil Organic Carbon
Soil Organic Matter
dc.description.none.fl_txt_mv La espectroscopía en la región del infrarrojo cercano (NIR) se presenta como una tecnología prometedora, al ofrecer mediciones rápidas, no destructivas y ambientalmente amigables que, combinada con herramientas quimiométricas, permite modelar con precisión la relación entre los espectros y propiedades del suelo como su contenido de materia orgánica (MO). Los modelos basados en regresión por Mínimos Cuadrados Parciales (PLS) son ampliamente utilizados con este propósito, posibilitando predicciones cuantitativas a partir de señales espectrales complejas. Para mejorar el rendimiento predictivo de estos modelos, en el presente estudio, se aplicaron estrategias de selección de variables como iSPA-PLS y MCUVE-PLS, que permiten reducir la dimensionalidad de los datos y aumentar la robustez de los modelos. En 100 muestras de suelo de la edafoteca del Laboratorio de Suelos y Agua de la EEA INTA Hilario Ascasubi, se realizaron mediciones espectrales utilizando el espectrómetro portátil Nano NIR DLP NIRscan, operando en el rango de 900 a 1700 nm y un promedio de 32 escaneos por muestra. Los conjuntos de calibración y predicción se definieron mediante el algoritmo de Kennard-Stone y los modelos fueron ajustados utilizando validación cruzada completa. Los resultados demostraron una alta capacidad predictiva de los modelos quimiométricos aplicados a MO. Se realizaron comparaciones en términos del cuadrado medio del error de predicción (RMSEP), el r2 correspondiente y la desviación predictiva residual (RPD). El modelo iSPA-PLS con preprocesamiento de Variable Normal Estándar (SNV) presentó el mejor desempeño (RMSEP = 0,2448 mg g-1), seguido por el modelo PLS tradicional (RMSEP = 0,2855 mg g-1). El modelo MCUVE-PLS con pretratamiento Multiplicative Scatter Correction (MSC) tuvo un rendimiento inferior (RMSEP = 0,4394 mg g-1), lo que indica que la reducción de variables no mejoró la precisión del modelo. La combinación del espectrómetro portátil con herramientas quimiométricas avanzadas demostró su capacidad potencial para la determinación de MO en suelos agrícolas.
EEA Hilario Ascasubi
Fil: Vanzolini, Juan Ignacio. Instituto Nacional de Tecnología Agropecuaria (INTA). Estación Experimental Hilario Ascasubi; Argentina
Fil: Vanzolini, Juan Ignacio. Universidad Nacional del Sur. Departamento de Agronomía; Argentina
Fil: Trillini, Mariano. Universidad Nacional del Sur. Departamento de Química. INQUISUR; Argentina
Fil: Trillini, Mariano. Consejo Nacional de Investigaciones Científicas y Técnicas. INQUISUR; Argentina
Fil: Russo, Damian Maximiliano. Universidad Nacional del Sur. Departamento de Química. INQUISUR; Argentina
Fil: Russo, Damian Maximiliano. Consejo Nacional de Investigaciones Científicas y Técnicas. INQUISUR; Argentina
Fil: Fernandes, David Douglas de Sousa. Universidade Estadual da Paraíba. CCT. Departamento de Química; Brasil
Fil: Garay, Maximiliano. Universidad Nacional del Sur. Departamento de Agronomía; Argentina
Fil: Pistonesi, Marcelo Fabian. Universidad Nacional del Sur. Departamento de Química. INQUISUR; Argentina
Fil: Pistonesi, Marcelo Fabian. Consejo Nacional de Investigaciones Científicas y Técnicas. INQUISUR; Argentina
description La espectroscopía en la región del infrarrojo cercano (NIR) se presenta como una tecnología prometedora, al ofrecer mediciones rápidas, no destructivas y ambientalmente amigables que, combinada con herramientas quimiométricas, permite modelar con precisión la relación entre los espectros y propiedades del suelo como su contenido de materia orgánica (MO). Los modelos basados en regresión por Mínimos Cuadrados Parciales (PLS) son ampliamente utilizados con este propósito, posibilitando predicciones cuantitativas a partir de señales espectrales complejas. Para mejorar el rendimiento predictivo de estos modelos, en el presente estudio, se aplicaron estrategias de selección de variables como iSPA-PLS y MCUVE-PLS, que permiten reducir la dimensionalidad de los datos y aumentar la robustez de los modelos. En 100 muestras de suelo de la edafoteca del Laboratorio de Suelos y Agua de la EEA INTA Hilario Ascasubi, se realizaron mediciones espectrales utilizando el espectrómetro portátil Nano NIR DLP NIRscan, operando en el rango de 900 a 1700 nm y un promedio de 32 escaneos por muestra. Los conjuntos de calibración y predicción se definieron mediante el algoritmo de Kennard-Stone y los modelos fueron ajustados utilizando validación cruzada completa. Los resultados demostraron una alta capacidad predictiva de los modelos quimiométricos aplicados a MO. Se realizaron comparaciones en términos del cuadrado medio del error de predicción (RMSEP), el r2 correspondiente y la desviación predictiva residual (RPD). El modelo iSPA-PLS con preprocesamiento de Variable Normal Estándar (SNV) presentó el mejor desempeño (RMSEP = 0,2448 mg g-1), seguido por el modelo PLS tradicional (RMSEP = 0,2855 mg g-1). El modelo MCUVE-PLS con pretratamiento Multiplicative Scatter Correction (MSC) tuvo un rendimiento inferior (RMSEP = 0,4394 mg g-1), lo que indica que la reducción de variables no mejoró la precisión del modelo. La combinación del espectrómetro portátil con herramientas quimiométricas avanzadas demostró su capacidad potencial para la determinación de MO en suelos agrícolas.
publishDate 2026
dc.date.none.fl_str_mv 2026-04-29T12:33:04Z
2026-04-29T12:33:04Z
2026-04
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/20.500.12123/25996
url http://hdl.handle.net/20.500.12123/25996
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Asociación Argentina de la Ciencia del Suelo (AACS)
publisher.none.fl_str_mv Asociación Argentina de la Ciencia del Suelo (AACS)
dc.source.none.fl_str_mv Libro de Actas del XXX Congreso Argentino de la Ciencia del Suelo, 14-17 de abril de 2026, San Carlos de Bariloche, Río Negro; Argentina
reponame:INTA Digital (INTA)
instname:Instituto Nacional de Tecnología Agropecuaria
reponame_str INTA Digital (INTA)
collection INTA Digital (INTA)
instname_str Instituto Nacional de Tecnología Agropecuaria
repository.name.fl_str_mv INTA Digital (INTA) - Instituto Nacional de Tecnología Agropecuaria
repository.mail.fl_str_mv tripaldi.nicolas@inta.gob.ar
_version_ 1864547148405669888
score 13.1485815

Publicaciones similares