Detección de nutrientes del suelo para agricultura de precisión con LIBS portátil

Publicación: Erler, A .; Riebe, D .; Beitz, T .; Löhmannsröben, H.-G .; Gebbers, R. Detección de nutrientes del suelo para agricultura de precisión mediante espectroscopia de ruptura inducida por láser (LIBS) y métodos de regresión multivariante (PLSR, Lasso y GPR). Sensores 2020 , 20 , 418.

Un nuevo estudio que utiliza SciAps Z-300 LIBS muestra que la espectroscopia de ruptura inducida por láser de mano es una técnica de sensor prometedora para la determinación en el campo de varios parámetros del suelo. La clave de este nuevo enfoque es sacar LIBS del laboratorio y llevarlo al lugar de trabajo. Lea nuestra entrevista con uno de los investigadores alemanes que avanzan en el análisis agrícola.

Resumen: La agricultura de precisión se basa en gran medida en información de sensores diferenciada espacialmente. Los instrumentos de mano basados ​​en la espectroscopia de degradación inducida por láser (LIBS) son una técnica de sensor prometedora para la determinación en el campo de varios parámetros del suelo. En este trabajo, se evaluó el potencial de los LIBS portátiles para la determinación de las fracciones de masa total de los principales nutrientes Ca, K, Mg, N, P y los nutrientes traza Mn, Fe. Además, se determinaron otros parámetros del suelo, como el contenido de humus, el valor de pH del suelo y el contenido de P disponible para la planta. Dado que la cuantificación de nutrientes por LIBS depende en gran medida de la matriz del suelo, se utilizaron varios métodos de regresión multivariante para la calibración y la predicción.

Estos incluyen regresión de mínimos cuadrados parciales (PLSR), contracción mínima absoluta y regresión del operador de selección (Lasso), y regresión del proceso gaussiano (GPR). Los mejores resultados de predicción se obtuvieron para Ca, K, Mg y Fe. Los coeficientes de determinación obtenidos para otros nutrientes fueron menores. Esto se debe a concentraciones mucho más bajas en el caso de Mn, mientras que el bajo número de líneas y las intensidades muy débiles son la razón de la desviación de N y P. Los parámetros del suelo que no están directamente relacionados con un elemento, como el pH, podrían también se puede predecir. Lasso y GPR arrojaron resultados ligeramente mejores que PLSR. Además, se investigaron varios métodos de pretratamiento de datos. mientras que el bajo número de líneas y las intensidades muy débiles son la razón de la desviación de N y P. Los parámetros del suelo que no están directamente relacionados con un elemento, como el pH, también podrían predecirse. Lasso y GPR arrojaron resultados ligeramente mejores que PLSR.

Además, se investigaron varios métodos de pretratamiento de datos. mientras que el bajo número de líneas y las intensidades muy débiles son la razón de la desviación de N y P. Los parámetros del suelo que no están directamente relacionados con un elemento, como el pH, también podrían predecirse. Lasso y GPR arrojaron resultados ligeramente mejores que PLSR. Además, se investigaron varios métodos de pretratamiento de datos.

 

Deja una respuesta

Tu dirección de correo electrónico no será publicada.