Documentos de Académico
Documentos de Profesional
Documentos de Cultura
net/publication/229186205
CITATIONS READS
0 1,696
5 authors, including:
Raúl Zornoza
Universidad Politécnica de Cartagena
110 PUBLICATIONS 1,921 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Enhancing of legumes growing in Europe through sustainable cropping for protein supply for food and feed - EUROLEGUME View project
ISQAPER: Interactive Soil Quality Assessment in Europe and China for Agricultural Productivity and Environmental Resilience. H20-20 View project
All content following this page was uploaded by Jorge Mataix-Solera on 30 May 2014.
6
El uso de la espectroscopia en el infrarrojo
cercano (NIR) para la estimación de las
temperaturas registradas en el suelo durante el
incendio
Victoria Arcenegui
César Guerrero
Jorge Mataix-Solera
Raúl Zornoza
Jorge Mataix-Beneyto
GEA-Grupo de Edafología Ambiental. Departamento de Agroquímica y Medio Ambiente. Universidad Miguel Hernández.
Avda de la Universidad s/n. 03202 Elche, Alicante. v.arcenegui@umh.es
155
156
6. Uso del NIR para la estimación de las temperaturas registradas en el suelo quemado
fundamentales
157
V. Arcenegui et al.
C-H N-H
N-H O-H
158
6. Uso del NIR para la estimación de las temperaturas registradas en el suelo quemado
159
V. Arcenegui et al.
160
6. Uso del NIR para la estimación de las temperaturas registradas en el suelo quemado
161
V. Arcenegui et al.
Textura
(arena, limo y 23, 62 y 15 37, 56 y 7 41, 48 y 11 43, 32 y 25 37, 56 y 7
arcilla
CaCO3 (%) 9 48 69 50 9
4.1.2. Obtención de los espectros del NIR de near infrared) equipado con un prisma y un
las muestras de suelo. detector de PbS (MPA, Bruker Optik GmBh,
Alemania). Además, el equipo se encuentra
Una vez enfriadas las muestras, alícuotas equipado con un macro muestreador circular
de 50 g de suelo fueron colocadas en placas y rotativo, permitiendo el escaneado de una
Petri de cristal y escaneadas en el modo de amplia área de la muestra. En cada una de
reflectancia desde los 12000 hasta los las medidas de reflectancia se realizaron 64
3800 cm-1 . Para la obtención de estas barridos (scans). Las muestras fueron medidas
medidas se empleó un espectrofotómetro con por duplicado, aumentando la superficie de
transformada de Fourier en el infrarrojo muestra de suelo escaneada. El espectro final
cercano (FT-NIR, del inglés Fourier-Transform era el resultado de la media de los 2
162
6. Uso del NIR para la estimación de las temperaturas registradas en el suelo quemado
163
V. Arcenegui et al.
PLS) empleados son el rango de la regresión 4.1.4. Estadística y selección de los modelos
de los PLS (el rango del modelo). Los
primeros vectores de los PLS son aquellos que Los mejores modelos fueron aquellos que
aportan información sobre el parámetro a presentaron valores bajos del error estándar
estimar, en este caso la TMA. En términos de la raíz cuadrada (RMSE, del inglés Root
generales, modelos con un rango bajo son Mean Square Error) de la estimación (RMSEE,
preferidos porque cuanto más alto es el del inglés Root Mean Square Error of
rango utilizado mayor es el ruido. De Estimation), bajos rangos y coeficientes de
acuerdo con esto, la ecuación [2] puede ser determinación altos (r2). Dependiendo del
descrita como: método de validación utilizado, se calculó el
TMA=1º-v-PLS·(NIRx-y) + 2º-v-PLS·(NIRx-y) + ……….. k-v- RMSE de la validación cruzada, es decir, el
PLS·(NIRx-y) [3] RMSECV (del inglés, Root Mean Square Error
donde v-PLS son los vectores-PLS, NIRx-y es la Cross Validation) o el RMSEP (del inglés, Root
región del espectro relacionada con la TMA Mean Square Error Prediction) cuando se trata
y k es el rango del modelo. de la validación cruzada. El RMSECV y el
Los tratamientos de pre-procesamiento de RMSEP están basados en valores predichos
los espectros fueron probados: no data (validación) y el RMSEE está basado en el
preprocessing, first derivate, linear offset ajuste de los valores (calibración). Además,
substraction, straight line substraction, con el fin de comparar la precisión de
multiplicative scatter correction, vector nuestros modelos con otros modelos de NIR
normalilization, min-max normalization y citados en la literatura, se ha calculado el
combinaciones de ellas. De hecho, más de valor del RPD, que es el cociente de la
mil posibilidades fueron probadas mediante desviación estándar de la medida de los
el uso del programa de espectroscopia datos y el RMSEP, si se ha hecho por
(OPUS versión 5.5, Bruker Optik GmbH, validación externa, o RMSECV si se trata de
Alemania) en cada calibración. Estos validación cruzada. La descripción de los
procedimientos fueron llevados a cabo como estadísticos utilizados se detalla a
herramienta para reducir las interferencias continuación:
ópticas no relacionadas con la composición
química de la muestra, como por ejemplo, r2 = (1-(Differi)2 / (yi - ym) 2 )·100 [3]
aquellas variaciones producidas por el
diferente tamaño de partícula (Blanco y RMSECV (validación cruzada) = 1/n· n i=1 (Differ i)2 [4]
Villarroya, 2002).
Los tratamientos derivativos no solo RMSEP (validación externa) = 1/n· (Differ i)2 [5]
reducen los efectos de la dispersión sino que
también aumentan la resolución de los picos Siendo Differ i = Y imedido - Y ipredicho [6]
de los espectros (Burns y Ciurczak, 2001).
Todos estos procedimientos se realizaron RMSEE = 1/ n-rango-1 · (Res i) 2 [7]
utilizando un programa especializado en
espectroscopia (OPUS versión 5.5, Bruker Donde Res i = Y imedido – Y iajustado [8]
Optik GmbH, Alemania).
RPD = desviación estándar de lo datos medidos/ RMSEP
o RMSECV [9]
164
6. Uso del NIR para la estimación de las temperaturas registradas en el suelo quemado
4.1.5. Grupos de modelos construidos las calibraciones se hicieron con las muestras
calentadas a otros tiempos diferentes al que
De acuerdo con los objetivos propuestos y se utilizó en la validación. Este procedimiento
la variabilidad de las muestras (diferentes se llevo a cabo en todos los grupos
tipos de suelo y tiempos de calentamiento), calentados al mismo tiempo (seis modelos).
en relación a la precisión de los modelos, Para estos modelos se eligió el método del
algunas combinaciones o grupos de modelos test set de validación.
se han hecho con el fin de evaluar las
posibles influencias de esta variabilidad (tipos 4. 1. 6. R esul tado s
de suelo y tiempos de calentamiento).
Se realizaron cuatro grupos de modelos 4.1.6.1. Cambios producidos en los
diferentes que están identificados desde el espectros del NIR como consecuencia del
grupo A hasta el D (Guerrero et al., 2007): calentamiento
-Modelos grupo A (5 modelos locales):
cinco modelos locales se construyeron de El calentamiento del suelo a diferentes
forma independiente para cada uno de los temperaturas provoca cambios en los
cinco suelos estudiados. La validación cruzada espectros del NIR. Esto implica que los
se empleó para construir dichos modelos. compuestos termosensibles que se encuentran
-Modelos grupo B (5 modelos no-locales): en el suelo modifican los espectros del NIR, y
cada uno de estos modelos fue construido estos cambios están relacionados con la
(calibrado) con muestras de 4 suelos temperatura máxima alcanzada (TMA). Por
diferentes (conjunto de calibración) y eso, estos cambios pueden ser utilizados
validados con muestras del quinto suelo no como rastro de la TMA en estos suelos. En la
utilizado en la calibración (conjunto de Figura 5, se muestran los espectros de
validación). Estos cinco modelos se algunas muestras de Relleu quemadas a
construyeron cambiando el tipo de suelo que diferentes temperaturas.
era utilizado en la validación pero no en la
calibración. Obviamente, el método usado 4.1.6.2. Modelos grupo A: modelos locales
para validar fue el test set de validación.
-Modelos grupo C (2 modelos globales): En cada uno de los suelos estudiados, la
los dos modelos globales se construyeron TMA fue estimada y predicha
tomando todas las muestras del experimento satisfactoriamente utilizando los modelos
y se utilizó el método de la validación locales del NIR. Los valores de la r2 de las
cruzada y la validación externa, estimaciones (calibraciones) se encuentran en
respectivamente. un rango que va desde 98,75 hasta 99,38
-Modelos grupo D (6 modelos del efecto %, y el RMSEE se encuentra entre 16,8 y
del tiempo de calentamiento): en este 24,7ºC (Tabla 3). Los PLS de la regresión se
experimento, las muestras fueron calentadas encuentran en el rango que va desde 7 hasta
durante diferentes tiempos. Esta influencia 9, y el número de valores atípicos (outliers)
también fue evaluada. Para ello, un conjunto va desde 1 hasta 2.
de las muestras calentadas al mismo tiempo
se utilizaron como conjunto de validación y
165
V. Arcenegui et al.
1.5
700ºC
1.3
Absorbancia 1.1
610ºC
520ºC
0.9
430ºC
340ºC
0.7
250ºC
160ºC
0.5 70ºC
0.3
4000 5000 6000 7000 8000 9000 10000 11000 12000
-1
Número
longitud dede onda
onda (cm )
(cm)
F igura 5. Espectros del NIR de muestras de suelos de Relleu calentadas a diferentes temperaturas durante 40 minutos.
Tabla 3. Resultados de la calibración de los modelos locales en la estimación de la temperatura máxima alcanzada en
los suelos.
Zona N r2 RMSEE
(%) (ºC)
Relleu 62 99,08 21,6
Montgó 62 98,75 24,4
Torremanzanas 62 99,23 19,7
Castillarejo 62 99,38 16,8
Mariola 62 98,81 24,7
166
6. Uso del NIR para la estimación de las temperaturas registradas en el suelo quemado
800 800
Torremanzanas
Torremanz anas Relleu
Relleu
Valores TMA predichos (º C)
400 400
200 200
0 0
0 200 400 600 800 0 200 400 600 800
V alores TMA medidos (ºC) V alores TMA medidos (ºC)
800 800
Mariola Montgó
Montgó
Valores TMA predichos (º C)
Mariola
Valores TMA predichos (º C) r2=97,47
r2=97,64
r_= 97,94 r_= 97,47
600 RMSECV=30,3ºC 600 RMSECV=32,5ºC
RMSECV =30,3ºC RMSECV
RPD=6,2 =32, 5ºC
RPD=6,9
RPD=6,9 RPD=6,2
400 400
200 200
0 0
0 200 400 600 800 0 200 400 600 800
V alores TMA medidos (ºC) V alores TMA medidos (ºC)
800
Cas tillarejo
Castillarejo
Valores TMA predichos (º C)
r2=98,35
r_= 98,35
600 RMSECV=25,5ºC
RMSECV =25, 5ºC
RPD=8,0
RPD=8,0
400
200
0
0 200 400 600 800
F igura 6. Relación entre los valores de la temperatura máxima alcanzada (TMA) medidos y los predichos por el NIR en
los modelos locales construidos mediante validación cruzada o cross validation. Los símbolos sin fondo representan las
observaciones anómalas u outliers (no eliminadas).
167
V. Arcenegui et al.
4.1.6.3. Modelos grupo B: modelos no- opción satisfactoria y viable para predecir la
locales. TMA con el NIR. Estos resultados sugieren
que la mayoría de los cambios producidos
Los resultados de los modelos no-locales por el calentamiento y que provocan cambios
se muestran en la Tabla 4. Para las en los espectros del NIR no son exclusivos del
predicciones, el valor de r 2 se encuentra tipo de suelo. Las predicciones de la
entre 96,78 y 98,44, y el RMSEP va desde temperatura máxima alcanzada (TMA)
26 hasta los 37,4ºC. La buena predicción se utilizando los modelos no-locales son buenas
ve reflejada en los valores del RPD, siempre aunque menos precisas que las obtenidas
por encima de 5,7, considerando los utilizando los modelos locales,
modelos como excelentes. Por eso, la aproximadamente con una diferencia de
aplicación de los modelos no utilizados en la 3,8ºC de media para estos suelos.
elaboración del modelo (calibración) es una
n: número de muestras; r2: coeficiente de determinación (%); RMSEE: error medio de la estimación (ºC); RMSEP: error medio
de la predicción (ºC); RPD: cociente de la desviación estándar de los datos y RMSEP.
Ma: Mariola, Re: Relleu, Mo: Montgó, To: Torremanzanas, Ca: Castillarejo.
168
6. Uso del NIR para la estimación de las temperaturas registradas en el suelo quemado
de las de los suelos utilizados en el modelo, cuando se utiliza el NIR para estimar, los
se puede sospechar que las estimaciones modelos construidos incluyen una gran
serán erróneas, y por tanto se aconseja variabilidad de tipos de muestras, lo que
construir un modelo local para este tipo de permiten una amplia aplicabilidad. De
suelo, evitando así el uso de los modelos no- acuerdo con los resultados obtenidos en las
locales y los globales. secciones anteriores, donde los cambios
producidos por el calentamiento afectan a los
4.1.6.4. Modelos grupo C: modelos globales espectros del NIR y no son característicos del
tipo de suelo, por eso la construcción de un
Como ocurre con otros parámetros modelo global es posible.
800 800
Torremanzanas Torremanzanas
Montgó Montgó
600 600
Castillarejo Castillarejo
Mariola Mariola
400 Relleu 400 Relleu
2
r =97,59
200 r 2=98,26 200 r_=97,59
RMSEP=32,0ºC
RMSEE=27,8ºC RMSECV=32,0º C
RPD=6,4
RPD=6,4
0 0
0 200 400 600 800 0 200 400 600 800
Valores TMA medidos (º C) Valores TMA medidos (º C)
F igura 7. Relación entre los valores de la temperatura máxima alcanzada (TMA) medidos y los predichos por el NIR en
los modelos globales construidos mediante validación interna o cross validation. A) Calibración del modelo y B) Validación
del modelo. Los símbolos sin fondo representan las observaciones anómalas o outliers (no eliminadas).
169
V. Arcenegui et al.
800 800
Torremanzanas Torremanzanas
Montgó Montgó
600 600
Castillarejo Castillarejo
Mariola Mariola
400 Relleu 400
Relleu
2
r =97,36
200 2 200 RMSEP=33,0ºC
r =98,64
r_=98,64
RMSEP=25,5ºC RPD=6,2
RMSEE=25,5ºC
0 0
0 200 400 600 800 0 200 400 600 800
F igura 8. Relación entre los valores de la temperatura máxima alcanzada (TMA) medidos y los predichos por el NIR en
los modelos globales construidos mediante validación externa o test set validation. A) Calibración del modelo y B)
Validación del modelo. Los símbolos sin fondo representan las observaciones anómalas o outliers (no eliminadas).
4.1.6.5. Modelos grupo D: efecto del tiempo mismo tiempo fueron utilizadas para validar
de calentamiento. los modelos desarrollados con los otros
grupos de muestras calentados a tiempos
Después de que tenga lugar un incendio, diferentes. Los resultados se muestran en la
muchos datos son desconocidos, como la Tabla 5.
temperatura máxima alcanzada (TMA) y el La gran exactitud de las predicciones
tiempo de calentamiento que los suelos han (r2 >97; RMSEP<35ºC; RPD>5,9) sugieren
estado a cierta temperatura. Los datos que la predicción de la TMA no se ve
desconocidos previamente pueden interferir afectada por el tiempo de calentamiento. En
en la predicción si las bandas del NIR otras palabras, la TMA puede ser predicha a
relacionadas con la TMA también son través del espectro del NIR
modificadas debido al tiempo de independientemente del tiempo de
calentamiento. calentamiento de la muestra, siempre y
Con el fin de aclarar esta cuestión, el cuando los valores se encuentren dentro de
conjunto de muestras calentadas durante un estos rangos de tiempo y temperatura.
170
6. Uso del NIR para la estimación de las temperaturas registradas en el suelo quemado
Tabla 5. Calibración y validación de los modelos con un conjunto de muestras calentadas a un tiempo que no se ha
utilizado en la calibración, y si para validar.
10’,30’, 40’, 50’, 60’ 270 98,45 26,5 20’ 40 97,68 31,9 6,8
10’, 20’, 40’, 50’, 60’ 270 97,81 31,2 30’ 40 98,22 28,5 7,5
10’, 20’, 30’, 50’, 60’ 270 97,55 33,0 40’ 40 98,60 24,4 8,5
10’, 20’, 30’, 40’, 60’ 270 97,99 29,8 50’ 40 97,29 34,5 5,9
10’, 20’, 30’, 40’, 50’ 270 98,52 25,7 60’ 40 97,69 30,9 6,5
n: número de muestras; r2: coeficiente de determinación (%); RMSEE: error medio de la estimación (ºC); RMSEP: error medio
de la predicción (ºC); RPD: cociente de la desviación estándar de los datos y RMSEP.
Muestras calentadas durante 10, 20, 30, 40, 50 y 60 minutos respectivamente.
171
V. Arcenegui et al.
modelo (para ese suelo, modelo local). esto es posible, se podría describir un índice
Además, puede ser de interés el para evaluar la severidad de un incendio
desarrollo de modelos que sean aplicables forestal en los suelos después de unir los
más ampliamente o globales. En este modelos aquí presentados.
sentido, se ha observado que los compuestos En el caso de que exista un modelo
termosensibles detectados por el NIR estaban ‘global’, de acuerdo con la naturaleza de la
presentes en los 5 suelos estudiados. Y espectroscopia, puede ser utilizado para
también que muchos de los cambios térmicos calibrar sensores hiperespectrales como el
que modifican los espectros del NIR no son AVIRIS y el HYPERION, utilizado en la
exclusivos del tipo de suelo considerado aquí. teledetección. En realidad, la mayoría de los
Estas observaciones permiten el desarrollo de índices para estimar la severidad de un
un modelo global, que fue obtenido incendio por teledetección se basan en
satisfactoriamente. Obviamente, el término cambios en la vegetación (estado y
‘global’ aquí utilizado no es perfecto o real, cobertura) y en la cantidad de suelo que
ya que hay que tener en cuenta que ha sido queda expuesto. Pero hay escasos índices de
construido de forma empírica con sólo 5 severidad basados en cambios en las
suelos. En este sentido, deben ser evaluados características del suelo (Lewis et al., 2006;
e incorporados más tipos de suelos para Shakesby y Doerr, 2006). Por eso, este tipo
obtener un modelo más amplio, mejorando de herramientas puede ser enlazado con la
la validez de esta herramienta para que sea teledetección, después de correcciones
directamente aplicada independientemente (especialmente por la fuerte absorción del
del tipo de suelo, eliminando de esta forma agua atmosférica), aunque es necesario más
la elaboración de modelos locales. trabajo para enlazar esta herramienta.
Generalmente, uno de los datos Como se ha comentado previamente, la
desconocidos de los suelos afectados por mayoría de las modificaciones directas
incendios forestales es el tiempo que el suelo provocadas por el fuego sobre los suelos
ha estado por encima de cierta temperatura. están relacionadas con la temperatura,
Nuestros datos sugieren que aquellas partes siendo un dato básico en los estudios sobre
del espectro del NIR relacionadas con la los efectos del fuego. En quemas controladas,
TMA no se ven afectadas por el tiempo de el uso de algunas técnicas (pintura
calentamiento. Por ello, la huella del termosensibles, pirómetros, calorímetros,
espectro del NIR causada por la TMA es termopares) puede aportar información sobre
independiente del tiempo de calentamiento, la temperatura máxima alcanzada (TMA) en
obviamente en el rango de tiempo y los suelos (Pérez y Moreno, 1998; Kennard
temperatura considerados en este estudio. De et al., 2005). Lo que ocurre, es que este
forma similar que con los tipos de suelo, son tipo de datos están disponibles solo bajo
necesarios más experimentos para aumentar condiciones experimentales. En el caso de los
el rango de tiempo y temperatura de incendios forestales, la disponibilidad de este
calentamiento para desarrollar modelos tipo de datos es prácticamente imposible
globales más reales. En este sentido, sería (Shakesby y Doerr, 2006), y la mayoría de
interesante el desarrollo de modelos los métodos disponibles no son muy precisos
enfocados en la estimación del tiempo de o algunos de ellos son subjetivos (por ejemplo
calentamiento basados en el uso del NIR. Si los basados en la hojarasca y la apariencia
172
6. Uso del NIR para la estimación de las temperaturas registradas en el suelo quemado
del suelo; Wells et al., 1979). Ahora, la Además, una vez se ha obtenido el espectro,
espectroscopia del infrarrojo cercano (NIR) puede ser utilizado en modelos apropiados
ofrece una nueva perspectiva en las para predecir simultáneamente otros
investigaciones sobre los suelos afectados por parámetros en el suelo, como el contenido
incendios forestales y la ecología del fuego en C orgánico, el N orgánico, el C de la
en general porque se puede estimar la TMA biomasa microbiana, la capacidad de
en los suelos ‘a posteriori’ con una mayor intercambio catiónico y la disponibilidad de
precisión que utilizando otras técnicas. De nutrientes (Fritze et al., 1994; Ben Dor y
aquí en adelante, los estudios sobre los Banin, 1995; Chang et al., 2001; Malley
efectos de los incendios forestales podrían et al., 1999, 2002). Como un método
fácilmente incorporar este dato (TMA) básico rápido, esta técnica ofrece la posibilidad de
y fundamental, permitiendo elaborar realizar investigaciones que necesitan un gran
conclusiones más contundentes. número de muestras, por ejemplo las que
Probablemente, estarán disponibles más conciernen con los estudios de distribución
artículos con resultados compatibles sobre los espacial de las temperaturas de un incendio
efectos directos del fuego. forestal (Gimeno-García et al., 2004),
La espectroscopia del NIR ofrece un aumentando el mejor entendimiento de los
importante número de ventajas frente a otros factores que afectan a este patrón a una
métodos. Es un método rápido, no escala diferente de la teledetección.
destructivo, se requiere un mínimo pre- Además, se pueden mejorar los estudios que
tratamiento de las muestras (secado al aire y relacionan el patrón espacial de las
tamizado), es altamente preciso y no se temperaturas con los cambios que se
utilizan agentes químicos ni productos tóxicos. producen en una zona por el efecto de
El único coste importante es la inversión en el dichas temperaturas, como la hidrofobicidad,
espectrofotómetro, aunque existen precios la dinámica del C, recolonización
económicos en el mercado. Tampoco se microbiana, la regeneración de la cubierta
necesita un personal especializado, ya que el vegetal, la erosión, etc. (Shakhesby y Doerr,
espectrofotómetro es fácil de manejar. Estas 2006).
características y los recientes desarrollos de Para un correcto plan de estrategias de
programas de espectroscopia más rehabilitación y localización de las zonas con
poderosos, con sofisticadas herramientas mayor prioridad de intervención, es
quimiométricas, han permitido el aumento necesario tener mapas de la severidad del
exponencial del uso del NIR en muchas incendio (con una mejor resolución que con la
aplicaciones, incluyendo el análisis de suelos teledetección) y en un periodo corto de
(Blanco y Villarroya, 2002). Una vez se ha tiempo. Esta tarea necesita analizar muchas
desarrollado el modelo (se ha calibrado y muestras y puede ser realizado mediante el
validado), el tiempo aproximado que se uso del NIR a un bajo coste.
necesita para una muestras es de un minuto. Respecto a la aplicación de esta
Esto permite que en un día se puedan herramienta en muestras de suelo tomadas en
escanear cientos de muestras. Y como el campo (en suelos afectados por incendios
consecuencia, esta herramienta tiene casi forestales), hay muchas cuestiones que aún no
todas las características que se necesitan para están claras, como el tiempo que ‘la huella’
estimar la TMA después de un incendio. relacionada con la temperatura permanece
173
V. Arcenegui et al.
174
6. Uso del NIR para la estimación de las temperaturas registradas en el suelo quemado
recolonization and chemical changes in a soil heated Moreno, J.M., Oechel, W.C. (1989). A simple method for
at different temperatures. International Journal of estimating fire intensity after a burn in California
Wildland Fire 14:385-400. chaparral. Acta Oecológica 10:57-68.
Hageman, J.A., Westerhuis, J.A., Smilde, A.K. (2005). Neary, D.G., Klopatek, C.C., DeBano, L.F., Ffolliott, P.F.
Temperature robust multivariate calibration: an (1999). Fire effects on belowground sustainability: a
overview of methods for dealing with temperature review and synthesis. Forest Ecology and
influences on near infrared spectra. Journal of Near Management 122:51-71.
Infrared Spectroscopy 13:53-62. Perez, B., Moreno, J.M. (1998). Methods for quantifying
Islam, K., Singh, B., McBratney, A. (2003). Simultaneous fire severity in shrubland-fires. Plant Ecology 139:91-
estimation of several soil properties by ultra-violet, 101.
visible, and near-infrared spectroscopy. Australian Pietikäinen, J., Fritze, H. (1995). Clear-cutting and
Journal of Soil Research 41:1101-1114. prescribed burning in coniferous forest: comparison of
Kennard, D.K., Jones K.W. D., O’Brien, J.J. (2005). effects on soil fungal and total microbial biomass,
Comparing techniques for estimating flame respiration activity and nitrification. Soil Biology and
temperature of prescribed fires. Fire Ecology 1:75-84. Biochemestry 27:101-109.
Lewis, S.A., Wu, J.Q., Robichaud, P.R. (2006). Assessing Pietikäinen, J., Hiukka, R., Fritze, H. (2000). Does short-
burn severity and comparing soil water repellency, term heating of forest humus change its properties as a
Hayman Fire, Colorado. Hydrology Processes 20:1- substrate for microbes?. Soil Biology and Biochemestry
16. 32:277-288.
Ludwig, B., Khanna, P.K., Bauhus, J., Hopmans, P. Raison, R.J. (1979). Modifications of the soil environment
(2002). Forest Ecology and Management 171:121- by vegetation fires, with particular reference to
132. nitrogen transformations: a review. Plant Soil 51:73-
Malley, D.F., Wray, L.D., Edwards, S. (1999). 108.
Application of near-infrared spectroscopy in analysis of Shakesby, R.A., Doerr, S.H. (2006). Wildfire as a
soil mineral nutrients. Communication in Soil Science hydrological and geomorphological agent. Earth-
Plant Analysis 30:999-1012. Science Reviews 74:269-307.
Malley, D.F., Yesmin, L., Eilers, R.G. (2002). Rapid van Wagtendonk, J.W., Root, R.R., Key, C.H. (2004).
analysis of hog manure and manure-amended soils Comparison of AVIRIS and Landsat ETM+ detection
using near-infrared spectroscopy. Soil Science Society capabilities for burn severity. Remote Sensing
of America Journal 66:1677-1686. Environment 92:397-408.
Martens, H., Bakker, E.A., Hildrum, K. (1981). Velasquez, E., Lavelle, P., Barrios, E., Joffre, R., Reversat,
Application of near infrared reflectance spectroscopy F. (2005). Evaluating soil quality in tropical
in the analysis of meat products. In: Proc 27 agroecosystems of Colombia using NIRS. Soil Biology
Europaïscher Fleischforscher-Kongress, edn. Prändl and Biochemestry 37:889-898.
561:564, Vienna. Wells, C.G., Campbell, R.E., DeBano, L.F., Fredriksen,
Martens, H., Næs, T. (1989). Multivariate calibration. C.ER.L., Franklin, E.C., Froelich, R.C., Dunn, P.H.
John Wiley and Sons, Chichester, UK. (1979). Effects of fire on soil: a state-of-knowledge
McCarty, G.W., Reeves III, J.B., Reeves, V.B., Follett, R.F., review. U.S. Forest Service General Technical Report
Kimble, J.M. (2002). Mid-Infrared and Near-Infrared WO-7. U.S. Forest Service, Washington, DC.
Diffuse Reflectance Spectroscopy for Soil Carbon Zornoza, R. (2007). Evaluación de la calidad ambiental
Measurement. Soil Science Society of America Journal en suelos de la provincia de Alicante: desarrollo y
66:640-646. aplicación de diferentes técnicas. Tesis doctoral.
175