Determinación de nitrógeno foliar en palma de aceite con espectroscopía en el infrarrojo medio (mir) y cercano (nir) por el método de regresión de mínimos cuadrados parciales de componentes principales (pls).
PDF
HTML

Palabras clave

regresión de mínimos cuadrados parciales (PLS)
Espectroscopia infrarrojo cercano (NIR)
Espectroscopia infrarrojo medio (MIR)
Análisis de nitrógeno Foliar
palma de aceite
Quimiometría

Cómo citar

Crespo Gonzalez, J. J., Ruiz Villadiego, O. S., & Ospino Villalba, K. S. (2020). Determinación de nitrógeno foliar en palma de aceite con espectroscopía en el infrarrojo medio (mir) y cercano (nir) por el método de regresión de mínimos cuadrados parciales de componentes principales (pls). Revista De Investigación Agraria Y Ambiental, 11(2), 43 - 57. https://doi.org/10.22490/21456453.3206

Resumen

Contextualización: La determinación de nitrógeno foliar es utilizada como uno de los índices que mide la necesidad nutricional de la planta en los cultivos de palma de aceite. También fue de igual importancia en esta investigación es enfocarse a una tendencia en general de los laboratorios llamada química verde, la cual se centra en minimizar la utilización de reactivos químicos en los diferentes análisis de laboratorio.

Vacío de conocimiento: usando espectroscopía de infrarrojo medio y cercano (MIR y NIR) se pretendió minimizar en gran parte la generación de contaminantes producidos por el método de Kjeldahl, además de reducir los tiempos de análisis.

Objetivos: determinar la cantidad de nitrógeno foliar mediante la construcción modelos predictivos a partir de los espectros de infrarrojo medio y cercano para la determinación de nitrógeno foliar usando como método de referencia Kjeldahl.

Metodología: En el desarrollo del experimento se analizaron 198 muestras foliares de palma y se tomaron sus respectivos espectros infrarrojos MIR y NIR. Cada uno de los espectros fue pretratado por diferentes métodos matemáticos para corregir efectos de dispersión de la radiación. En total se realizaron 8 pretratamientos a cada uno de los espectros incluyendo los espectros crudos. Estos fueron tomados para elegir el mejor modelo de predicción tanto para los espectros NIR como para los espectros MIR.

Resultados y conclusiones: Utilizando el pretratamiento de SNV en el modelo se obtuvo un RMSE de 0.265 y un R2 de 0.51 para el infrarrojo cercano y para el infrarrojo medio, el modelo formado con la absorbancia de los espectros sin pretratar arrojó valores de RMSE de 0.245 y un R2 de 0.46. aunque puede utilizarse de una forma general como modelo de predicción, se puede observar puntos anómalos que amplían el error y disminuyen el R2, a partir de estos datos se puede evidenciar la necesidad de clasificar de una mejor forma los grupos de muestras foliares y si es necesario realizar modelos de predicción para cada uno de los grupos.

https://doi.org/10.22490/21456453.3206
PDF
HTML

Citas

Borovicka, T. (2012). Training Set Construction Methods. … Sciences & Technologies: Bulletin of the ACM. Czech Technical University. Retrieved from https://bit.ly/2zIoGsH

Botero Herrera, J. M., Parra Sánchez, L. N., & Cabrera Torres, K. R. (2009). Determinación del nivel de nutrición foliar en banano por espectrometría de reflectancia. Revista Facultad Nacional de Agronomía Medellín, 62(2), 5089–5098. Retrieved from http://revistas.unal.edu.co/index.php/refame/article/view/24919

Cao, N. (2013). Calibration optimization and efficiency in near infrared spectroscopy, 183. Retrieved from http://lib.dr.iastate.edu/etd/13199/ .

Cárdenas, V. (2012). Use of NIR spectroscopy and multivariate process spectra calibration methodology for pharmaceutical solid samples analysis (Tesis de Master). Universidad Autónoma de Barcelona, Catalunya, España.

Forouzangohar, M. (2009). Infrared Spectroscopy and Advanced Spectral Data Analyses to Better Describe Sorption of Pesticides in Soils (Tesis de Doctorado). University of Adelaide, Australia.

Galea, F. (2015). Desarrollo de un modelo predictivo usando tecnología NIRs para determinar las extracciones del triticale de doble aptitud (forraje y grano). Universidad de Extremadura.

Hewson, P. J. (2009). Multivariate Statistics with R. Multivariate Statistics with R. Recuperado de https://www.semanticscholar.org/paper/Multivariate-Statistics-with-R-Hewson/3cc07941fecb82ae6cb3ec97ca4375c1b82c0b34

Huang, J., Romero-Torres, S., y Moshgbar, M. (2010). Practical considerations in data pre-treatment for NIR and Raman spectroscopy. American Pharmaceutical Review. Recuperado de: https://www.americanpharmaceuticalreview.com/Featured-Articles/116330-Practical-Considerations-in-Data-Pre-treatment-for-NIR-and-Raman-Spectroscopy/

Jayaselan, H., Nawi, N., Ismail, W., Shariff, A., Rajah, V., y Arulandoo, X. (2017). Application of Spectroscopy for Nutrient Prediction of Oil Palm. Journal of Experimental Agriculture International, 15(3), 1–9. https://doi.org/10.9734/JEAI/2017/31502

Jiang, Q., Li, Q., Wang, X., Wu, Y., Yang, X., y Liu, F. (2017). Estimation of soil organic carbon and total nitrogen in different soil layers using VNIR spectroscopy : Effects of spiking on model applicability. Geoderma, 293, 54–63. https://doi.org/10.1016/j.geoderma.2017.01.030

Kennard, R. W., y Stone, L. A. (1969). Computer Aided Design of Experiments. Technometrics, 11(1), 137–148. https://doi.org/10.1080/00401706.1969.10490666

Lorén, F. J. (2013). Estudio de la fertirrigación nitrogenada con el inhibidor de la nitrificación 3,4 DIMETILPIRAZOLFOSFATO (DMPP) en melocotonero ‘Miraflores’ (Tesis de Doctorado). Universidad de Zaragoza, España.

Maleki, M. R., Mouazen, A. M., Ramon, H., y De Baerdemaeker, J. (2007). Multiplicative Scatter Correction during On-line Measurement with Near Infrared Spectroscopy. Biosystems Engineering, 96(3), 427–433. https://doi.org/10.1016/j.biosystemseng.2006.11.014

Mevik, B.-H., Wehrens, R., y Liland, K. H. (2016). Partial Least Squares and Principal Component Regression. Packages R CRAN. Retrieved from https://cran.r-project.org/web/packages/pls/pls.pdf

Mishra, P., Asaari, M. S. M., Herrero-Langreo, A., Lohumi, S., Diezma, B., y Scheunders, P. (2017). Close range hyperspectral imaging of plants: A review. Biosystems Engineering, 164, 49–67. https://doi.org/10.1016/j.biosystemseng.2017.09.009

Nicolaï, B. M., Beullens, K., Bobelyn, E., Peirs, A., Saeys, W., Theron, K. I., y Lammertyn, J. (2007). Nondestructive measurement of fruit and vegetable quality by means of NIR spectroscopy: A review. Postharvest Biology and Technology, 46(2), 99–118. https://doi.org/10.1016/j.postharvbio.2007.06.024

Olivieri, AC, Rivas, GA, (2011). Química Analítica en el siglo XXI: modelado de datos instrumentales y miniaturización de sistemas analíticos. Ciencia Hoy, 21, 51-56.

Penha, R., & Hines, J. (2001). Using principal component analysis modeling to monitor temperature sensors in a nuclear research reactor. Recuperado de http://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.28.5158

Perdomo, C., y Barbazán, M. (1999). Nitrógeno, 70. Universidad de la República, Uruguay. Recuperado de http://www.fagro.edu.uy/~fertilidad/publica/Tomo N.pdf

Pineda, V. M. (2007). Determinacion Del Contenido De Materia Organica En Suelos Guatemaltecos Por Medio De La Tecnica De Reflectancia Con Espectroscopia De Infrarrojo Cercano (Tesis de Pregrado). Universidad de San Carlos de Guatemala, Guatemala.

Riccioli, C. (2011). Detección y cuantificación de la especie en harinas proteicas de origen animal mediante el uso de de sensores hiperspectrales (Tesis de Doctorado). Universidad de Córdoba, Córdoba, España.

Rinnan, Å., Berg, F. van den, y Engelsen, S. B. (2009). Review of the most common pre-processing techniques for near-infrared spectra. TrAC - Trends in Analytical Chemistry, 28(10), 1201–1222. https://doi.org/10.1016/j.trac.2009.07.007

Roggo, Y., Chalus, P., Maurer, L., Lema-Martinez, C., Edmond, A., y Jent, N. (2007). A review of near infrared spectroscopy and chemometrics in pharmaceutical technologies. Journal of Pharmaceutical and Biomedical Analysis, 44(3 SPEC. ISS.), 683–700. https://doi.org/10.1016/j.jpba.2007.03.023

Sila, A. (2016). Multivariate calibration techniques for infrared spectroscopy data (Tesis de Doctorado). University of Nairobi, Kenya.

Snee, R. D. (1977). Validation of Regression Models: Methods and Examples. Technometrics, 19(4), 415–428. https://doi.org/10.1080/00401706.1977.10489581

Westad, F., Schmidt, A., & Kermit, M. (2008). Incorporating chemical band-assignment in near infrared spectroscopy regression models. Journal of Near Infrared Spectroscopy, 16(3), 265–273. https://doi.org/10.1255/jnirs.786

Zafra, I. (2014). Potencial de datos espectrales NIRS “on-site” para la deteccion de desviaciones de producto en leche respecto al estandar de calidad y seguridad (Tesis de Maestría). Universidad de Oviedo, España.

Creative Commons License
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0.

Derechos de autor 2020 Revista de Investigación Agraria y Ambiental

Detalle de visitas

PDF: 58
HTML: 23
Resumen: 145

Descargas

La descarga de datos todavía no está disponible.