Está en la página 1de 7

See

discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/309352777

EVALUACIÓN DE TEXTURA DE UN OXISOL DE


LOS LLANOS ORIENTALES COLOMBIANOS CON
ESPECTROSCOPÍA DE...

Conference Paper · May 2016

CITATIONS READS

0 71

2 authors:

Nathalia Forero Cabrera Jesús Hernán Camacho-Tamayo


National University of Colombia National University of Colombia
2 PUBLICATIONS 0 CITATIONS 101 PUBLICATIONS 238 CITATIONS

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

I am currently working on mathematical modeling, soil mapping, spectral and image response analysis,
especially related to precision farming practices. View project

Influence of climatic conditions on harvest and post-harvest quality of agricultural products-


Mathematical modeling View project

All content following this page was uploaded by Jesús Hernán Camacho-Tamayo on 21 October 2016.

The user has requested enhancement of the downloaded file. All in-text references underlined in blue are added to the original document
and are linked to publications on ResearchGate, letting you access and read them immediately.
2.19. EVALUACIÓN DE TEXTURA DE UN OXISOL DE LOS LLANOS
ORIENTALES COLOMBIANOS CON ESPECTROSCOPÍA DE
INFRARROJO MEDIO

ASSESSMENT OF SOIL TEXTURE IN AN OXISOL OF THE COLOMBIAN EASTERN


PLAINS WITH MIDDLE-INFRARED SPECTROSCOPY

NATHALIA M. FORERO CABRERA*1; JESÚS H. CAMACHO TAMAYO 2


1
Ingeniera Agrícola, Estudiante de Maestría en Ingeniería Agrícola, Universidad Nacional de Colombia, Bogotá,
Colombia, Carrera 30 # 45 03 Edificio 214. (+57) 3123585227. nmforeroc@unal.edu.co;
2 Ingeniero Agrícola PhD, Profesor Asociado, Universidad Nacional de Colombia, Bogotá, Colombia, Carrera 30 # 45

03 Edificio 214. (+57) 3144865914. jhcamachot@unal.edu.co;

RESUMEN
La textura es una de las propiedades más importantes del suelo, influye en otras propiedades
como densidad aparente, porosidad y, por lo tanto, en el movimiento y almacenamiento de fluidos
(agua y aire) en el suelo. Actualmente la espectroscopía de infrarrojo se propone como técnica de
alta precisión para el análisis de suelos. El objetivo de este trabajo fue calibrar modelos para
predecir el contenido de arena, limo y arcilla con el uso de espectroscopía MIR en un Typic
Hapludox de los llanos orientales colombianos. El estudio se realizó en la Estación Experimental
de Carimagua en el municipio de Puerto Gaitán, Meta, Colombia. Se aplicó un diseño de red rígida
y se tomaron 780 muestras en una superficie de 5100 ha. La elaboración de los modelos se hizo
mediante regresión por mínimos cuadrados parciales. Para arena y limo se obtuvieron modelos con
correlación baja (R 2 de 0.29 y 0.31 respectivamente), en el caso de contenido de arcilla se obtuvo
un modelo con representatividad moderada (R 2 de 0.50). Estos resultados indican que para los
contenidos de limo, arena y arcilla para esta clase de suelo se requiere mejorar los modelos, explorar
otras regiones espectrales, así como, tratamientos estadísticos diferentes.
PALABRAS CLAVE: Análisis de suelos; Typic Hapludox; análisis espectral.

ABSTRACT

KEYWORDS: Soil analysis; Typic Hapludox; spectral analysis.

INTRODUCCIÓN

375
Los llanos orientales Colombianos tienen 17 millones de hectáreas y presentan tres sistemas
de paisajes: el piedemonte, las llanuras aluviales y la altillanura. Sus suelos corresponden a oxisoles
y ultisoles, caracterizados por la lixiviación de minerales, poco fértiles con altos contenidos de
aluminio (mayor de 80%) y ácidos con pH entre 3.8 y 5.0 (Gómez, 2010; CIAT, 2001). Durante
años, se han destinado a ganadería extensiva, sin embargo actualmente son suelos con alto
potencial agrícola, con un crecimiento significativo del área sembrada durante la última década,
por lo tanto el estudio de los suelos de la región es importante, al igual que la implementación de
nuevas técnicas de muestreo, laboratorio y análisis que vayan de la mano con las crecientes
necesidades de la región (Gómez, 2010; García, 2009).
La textura indica el contenido relativo de las partículas de diferente tamaño (arena, limo y
arcilla) en el suelo, esta propiedad puede originar estructuras diferentes en cuanto a porosidad y
agregación, causando posibles problemas de endurecimiento, aireación, capacidad de retención
hídrica, permeabilidad, entre otros (Dávila, 2009; Lacasta et al., 2005). Es por esto que los análisis
que permiten su determinación son importantes para facilitar la toma de decisiones y la elaboración
de estrategias de manejo del suelo y planeación de la producción.
Técnicas como la espectroscopía en la región del infrarrojo medio (MIR) se ha propuesto
como alternativa a los análisis de textura de suelos convencionales, pues resulta ser una tecnología
más rápida y de menor costo. Los métodos analíticos convencionales demandan largas horas de
recolección de datos y requiere de insumos químicos que pueden generar impactos ambientales
(Nanni & Demattê, 2006). Según, Sousa Junior et al. (2011), la determinación de textura de una
muestra de suelo seco y tamizado, por el método de Bouyoucos puede tomar cerca de 48 horas,
mientras que la misma determinación hecha con información espectral del suelo VIS-NIR -SWIR
(visible e infrarrojo cercano de onda corta infrarroja, 400-2500 nm) lleva solamente algunos
minutos.
Esta técnica resulta ser de gran ayuda para obtener información sobre aspectos cualitativos
y cuantitativos de algunas propiedades en tiempo real. La longitud de onda correspondiente es de

de la muestra y de su estructura molecular característica (Bonett et al., 2014; Fuentes et al., 2008;
Etzion et al., 2004). Linker et al. (2006) demostraron que la espectroscopia MIR tiene potencial
para ser utilizada en la identificación de tipos de suelos agrícolas, asociados a elementos del suelo
característicos (como: minerales de carbonato de calcio, arcilla y componentes orgánicos). En base
a esto, el objetivo de este trabajo fue calibrar modelos para predecir el contenido de arena, limo y
arcilla con el uso de espectroscopía MIR en un Typic Hapludox de los llanos orientales
colombianos, como una alternativa a los análisis convencionales de suelos.

MATERIALES Y MÉTODOS
ÁREA DE ESTUDIO: El estudio se realizó en la Estación Experimental de Carimagua en el
municipio de Puerto Gaitán, Meta, Colombia, con coordenadas geográficas de 4° 37' N y 71° 19'
W, altitud media de 175 m, temperatura promedio de 27.8°C y precipitación media anual de 2240
mm concentrada entre los meses de abril y diciembre. La zona tiene un relieve ligeramente
ondulado (pendientes entre 2 y 5%), un clima tropical subhúmedo Awf (clasificación Köppen) y
vocación ganadera extensiva con sabana nativa. Los suelos predominantes son Oxisoles altamente
agregados, caracterizados por ser fuertemente ácidos (pH < 5).
MUESTREO Y ANÁLISIS DE LABORATORIO: Se estableció un sistema de red rígida de
muestreo, con un total de 780 muestras descritas en un área de 5100 ha aproximadamente. Se
tomaron muestras de suelo para los horizontes superficial (A) y subsuperficial (B). Todos los puntos
fueron georreferenciados con GPS (exactitud de ±1 m). Las muestras se secaron a una temperatura
de 35ºC hasta alcanzar la humedad de equilibrio y se tamizaron en malla de 2 mm. Los contenidos
de arcilla, limo y arena fueron determinados por el método de Bouyoucos. Las respuestas
espectrales se obtuvieron a partir de un espectrofotómetro (SHIMADZU, modelo IRAffinity-1,
7,800 to 350cm -1, Japón), con una media de 64 lecturas por longitud de onda.

376
ANÁLISIS DE DATOS: Se formaron 13 grupos de 50, 100, 150, 200, 250, 300, 350, 400,
450, 500, 550, 600, 650 muestras para la calibración de modelos y un grupo de validación de 130
muestras. La formación de cada grupo se realizó mediante el uso del método de selección de
muestras del Hipercubo Latino (cLHS). Para la elaboración de los modelos, se empleó el método
"leave one out", que proporciona información sobre la incertidumbre de los modelos (generados
con diferentes factores -PLS- mínimos cuadrados parciales), basado en el método de re-muestreo,
a partir de la validación cruzada. El número de factores PLS se escogió en base a los resultados de
la validación de los modelos, donde se consideraron el coeficiente de determinación (R 2), raíz del
error cuadrático medio (RMSE), error medio (ME), la desviación estándar del error (SDE) y la
desviación residual de la predicción (RPD). Para el análisis de respuestas espectrales se utilizó el
programa de uso libre ParLeS v. 1.0, desarrollado por Viscarra Rossel (2008).
Para determinar el grado de correlación entre las propiedades del suelo y las longitudes de
onda se realizó la prueba de correlación de Pearson (r), y los resultados se clasificaron de acuerdo
a los rangos propuestos por Bisquerra (2004), donde r=1 corresponde a correlación perfecta,
0.8<r<1 a correlación muy alta, 0.6<r<0.8 a correlación alta, 0.4<r<0.6 a correlación moderada,
0.2<r<0.4 a correlación baja, 0<r<0.2 a correlación muy baja, y r=0 a correlación nula.

RESULTADOS Y DISCUSIÓN
Para la zona de estudio se encuentra que el horizonte A presenta una textura franco arcillosa
y el horizonte B una textura franco arcillo limosa, verificando así una textura más fina para el
segundo horizonte (Tabla 1). Orjuela-Matta et al. (2010), reportan resultados similares para un
Oxisol, donde debido a la intensa meteorización física la textura del suelo varía de franca a arcillosa.
Se observa en los dos horizontes que el contenido de limo presenta la menor variabilidad con
coeficientes de variación (CV) de 10.71% para el horizonte A y de 12.07% para el horizonte B, así
mismo, es la partícula de mayor contenido en el suelo (Tabla 1). Según Orjuela-Matta et al. (2010),
es común que las partículas predominantes del suelo muestren menor variabilidad, además reportan
contenidos de partículas similares en un Oxisol.

Tabla 1. Estadística descriptiva para textura (contenidos de arena, limo y arcilla) en el horizonte A y en el
horizonte B.
Propiedad Horizonte A Horizonte B
(%) Media Mediana CV (%) Media Mediana CV (%)
Arena 25.86 24.96 19.93 22.46 22.48 17.97
Limo 45.68 46.00 10.71 42.00 42.00 12.07
Arcilla 28.38 28.50 16.88 35.25 35.04 13.17
CV: Coeficiente de variación.

En cuanto a los modelos espectrales, se obtuvieron modelos con correlación baja para los
contenidos de limo y arena (R 2 de 0.31 y 0.29 respectivamente) (Tabla 2). Ludwig et al. (2016);
Sila et al. (2016); Terra et al. (2015); Casa et al. (2013); Viscarra-Rossel et al. (2006) y Janik et al.
(1998) reportan resultados de R 2 mayores, para contenido de arena entre 0.94 a 0.74 al igual que
para el contenido de limo entre 0.84 y 0.49, si bien para este último los resultados corresponden a
correlaciones moderadas en su mayoría, los valores siguen presentando mejor ajuste que el
reportado en esta investigación. Para el contenido de arcilla se obtuvo un modelo con
representatividad moderada, R 2 de 0.5, valores mayores son reportados por varios autores, con R2
que varían de 0.88 a 0.58 (Ludwig et al. (2016); Sila et al. (2016); Terra et al. (2015); Casa et al.
(2013); Viscarra-Rossel et al. (2006) y Janik et al. (1998)).

Tabla 2. Resultados de parámetros estadísticos para los modelos de arena, limo y arcilla.
Propiedad R2 RMSE RPD
Arena 0.29 5.43 1.15

377
Limo 0.31 5.08 1.20
Arcilla 0.50 4.47 1.41
R2: coeficiente de determinación, RMSE: raíz del error cuadrático medio, RPD: desviación residual de la
predicción

Para los tres contenidos de partículas se obtuvieron valores de RPD menores de 1.5 (Tabla
2), por lo tanto es posible decir que el uso de estos modelos no es recomendado. Ludwig et al.
(2016), reporta valores de RPD de 2.03, 1.65 y 2.65 para los contenidos de arena, limo y arcilla
respectivamente, evidenciando que los modelos son útiles para realizar predicciones razonables.
Es importante mencionar que los estudios que son señalados en esta investigación aplican
diferentes tratamientos a las respuestas espectrales y algoritmos de muestreo, además estudian
diferentes tipos de suelo y trabajan bajo condiciones ambientales diferentes. Según Mouazen et al.
(2010) factores ambientales, como la luz, la humedad relativa y la temperatura, inciden en la
obtención de respuestas espectrales, pues afectan ciertas regiones del espectro que se encuentran
estrechamente relacionadas con algunas propiedades en particular de los suelos.
Es posible que algunas de las diferencias en los resultados reportados por otros autores y los
obtenidos en esta investigación, sean consecuencia de los bajos contenidos de los atributos
analizados para este tipo de suelo, lo que incide en errores analíticos. También es probable que no
se presenten absorbancias importantes debido a algunas de las vibraciones específicas para algunos
de los contenidos de estas partículas en la región MIR, así mismo, si alguna de estas absorbancias
debidas a las vibraciones específicas esta presente puede ser enmascarada por absorbancias de otros
compuestos o sus concentraciones pueden ser demasiado pequeñas para una detección precisa
(Ludwig et al., 2016).

CONCLUSIONES
El análisis de textura para un Oxisol con espectroscopia MIR, no permitió la obtención de
modelos aceptables para los contenidos de arena, limo y arcilla, por lo que se hace necesario
mejorar el modelo para que en un futuro los análisis de laboratorio puedan ser sustituidos. Se
recomienda el uso de técnicas estadísticas diferentes para el tratamiento de las respuestas
espectrales, explorar otras regiones del espectro para este tipo de suelo como VIS o NIR y elaborar
modelos con diferentes condiciones de suelo (como diferentes contenidos de humedad), para
determinar la metodología que permita obtener datos aceptables empleando espectroscopía como
técnica de análisis de suelos.

REFERENCIAS
Bisquerra, R. (2004). Metodología de la investigación educativa. (Ed: 1). Madrid, España.
Bonett Jiménez, J.P., Camacho-Tamayo, J.H., Ramírez-López, L. (2014). Análisis de respuestas
espectrales en el infrarrojo medio de suelos de Colombia. Memorias XX Congreso
Latinoamericano y XVI Congreso Peruano de la Ciencia del Suelo, pp. 2-7.
https://www.researchgate.net/publication/271839938_ANALISIS_DE_RESPUESTAS_ESPE
CTRALES_EN_EL_INFRARROJO_MEDIO_DE_SUELOS_DE_COLOMBIA
Casa, R., Castaldi, F., Pascucci, S., Palombo, A., Pignatti, S. (2013). A comparison of sensor
resolution a calibration strategies for soil texture estimation from hyperespectral remote
sensing. Geoderma, 197-198, pp. 17-26. http://dx.doi.org/10.1016/j.geoderma.2012.12.016
CIAT. (2001). Agroecología y biodiversidad de las sabanas en los Llanos Orientales de Colombia
(Ed: 1). Cali, Colombia.
Dávila, M.J. (2009). Procedimientos de análisis de suelos en una investigación criminal.
Universidad Rafael Landívar, pp. 82-98.
http://www.tec.url.edu.gt/boletin/URL_14_QUI01.pdf
Etzion Y., Linke R., Cogan U., Shmulevich I. (2004). Determination of protein concentration in
raw milk by mid-infrared Fourier transforms infrared/attenuated total reflectance spectrsocopy.
Journal of Dairy Science, 87(9), pp. 2779 - 2788.

378
https://www.researchgate.net/publication/8339530_Determination_of_Protein_Concentration
_in_Raw_Milk_by_Mid-
Infrared_Fourier_Transform_InfraredAttenuated_Total_Reflectance_Spectroscopy
Fuentes Navarta M., Bosch C., Sánchez F. (2008). Aplicación de la espectroscopia del infrarrojo
medio en química analítica de procesos. Sociedad Química de México, 2(3), pp. 93-103.
http://depa.fquim.unam.mx/amyd/archivero/aplicacionesIR1_21699.pdf
García Durán, Obed. (2009). Carimagua: La investigación y el desarrollo en ecosistemas de baja
fertilidad. Revista Colombiana de Ciencias Pecuarias, 22(1), pp. 74-78.
http://www.scielo.org.co/scielo.php?pid=S0120-06902009000100010&script=sci_arttext
Gómez, J. (2010). Manejo del suelo en la Altillanura de los Llanos Orientales de Colombia. In
CIAT (Ed.), Producción Eco-Eficiente del Arroz en América Latina (pp. 79-108). Colombia:
Editorial Centro Internacional de Agricultura Tropical (CIAT).
Janik, L.J., Merry, R.H., Skjemstad, J.O. (1998). Can mid infra-red diffuse reflectance analysis
replace soil extractions?. Australian Journal of Experimental Agriculture, 38 (7), pp. 681 696.
https://www.researchgate.net/publication/245601101_Can_infrared_diffuse_reflectance_anal
ysis_replace_soil_extractions_Aust_J_Exp_Agric
Lacasta, C., Meco, R., Maire, N. (2005). Evolución de las producciones y de los parámetros
químicos y bioquímicos del suelo, en un agrosistema de cereales sometido a diferentes manejos
de suelo durante 21 años. El reto de la Agricultura y Medio Ambiente, la Energía y la Nueva
Política Agraria Común. Congreso Internacional sobre Agricultura de Conservación, pp. 429-
436. http://digital.csic.es/bitstream/10261/18912/1/2005%20AC-
Producciones%2021%20a%C3%B1os.pdf
Linker R., Weiner M., Shmulevich I., Shaviv A. (2006). Nitrate determination in soil pastes using
FTIR-ATR mid-infrared spectroscopy: improved accuracy via soil identification. Biosystems
Engineering, 94(1), pp. 111 118 p.
http://132.68.226.240/english/pdf/Professors/Raphel_Linker/19.pdf
Ludwig, B., Linsler, D., Höper, H., Schmidt, H., Piepho, H. P., Vohland, M. (2016). Pitfalls in the
use of middle-infrared spectroscopy: representativeness and ranking criteria for the estimation
of soil properties. Geoderma, 268, pp. 165 175.
http://dx.doi.org/10.1016/j.geoderma.2016.01.010
Mouazen, A.M., Kuang, B., De Baerdemaeker, J., Ramon, H. (2010). Comparison among principal
component, partial least squares and back propagation neural network analyses for accuracy of
measurement of selected soil properties with visible and near infrared spectroscopy. Geoderma,
158, pp. 23-31. doi:10.1016/j.geoderma.2010.03.001
Nanni, M.R., Demattê, J.A.M. (2006). Spectral reflectance methodology in comparison to
traditional soil analysis. Soil Science Society of America Journal, 70, pp. 393-407.
https://www.researchgate.net/publication/237313407_Spectral_Reflectance_Methodology_in
_Comparison_to_Traditional_Soil_Analysis
Orjuela-Matta, H. M., Rubiano Sanabria, Y., Camacho-Tamayo, J. H. (2010). Comportamiento de
la Infiltración en un Oxisol. Revista U.D.C.A Actualidad & Divulgación Científica, 13(2), pp.
31-39. http://www.scielo.org.co/pdf/rudca/v13n2/v13n2a05
Sila, A. M., Shepherd, K. D., Pokhariyal, G. P. (2016).Evaluating the utility of mid-infrared spectral
subspaces for predicting soil properties. Chemometrics and Intelligent Laboratory Systems,
153, pp. 92 105. http://dx.doi.org/10.1016/j.chemolab.2016.02.013
Sousa Junior, J.G., Demattê, J.A.M., Araújo, S.R. (2011). Modelos espectrais terrestres e orbitais
na determinação de teores de atributos dos solos: potencial e custos. Bragantia, 70, pp. 610-
621. http://www.scielo.br/pdf/brag/v70n3/a17v70n3.pdf
Terra, F. S., Demattê, J. A., Viscarra Rossel, R. A. (2015). Spectral libraries for quantitative
analyses of tropical Brazilian soils: Comparing VIS NIR and mid IR reflectance data.
Geoderma, 255-256, pp. 81-93. http://dx.doi.org/10.1016/j.geoderma.2015.04.017

379
Viscarra Rossel, R.A. (2008). ParLeS: Software for chemometric analysis of spectroscopic data.
Chemometrics and Intelligent Laboratory Systems, 90, pp. 72-83.
doi:10.1016/j.chemolab.2007.06.0
Viscarra Rossel, R., Walvoort, D., McBratney, A., Janik, L., Skjemstad, J. (2006). Visible, near
infrared, mid infrared or combined diffuse reflectance spectroscopy for simultaneous
assessment of various soil properties. Geoderma, 131, pp. 59-75.
doi:10.1016/j.geoderma.2005.03.007

380

View publication stats

También podría gustarte