@article{Perret_Villalobos Leandro_Abdalla Bolaños_Fuentes Fallas_Cuarezma Espinoza_Macas Amaya_López Maietta_Drewry_2020, title={Desarrollo de métodos de análisis de espectroscopia y algoritmos de aprendizaje automático para la evaluación de algunas propiedades del suelo en Costa Rica}, volume={44}, url={https://revistas.ucr.ac.cr/index.php/agrocost/article/view/43108}, DOI={10.15517/rac.v44i2.43108}, abstractNote={<p><strong>Introducción.</strong> Los métodos convencionales de laboratorio para analizar el contenido de nutrientes del suelo, generalmente requieren mucho tiempo y son costosos. En contraparte, la espectroradioscopia visible e infrarroja ofrece una técnica rápida para caracterizar el suelo en laboratorio. Las firmas espectrales codifican información sobre las características inherentes del suelo, como la composición mineral, el contenido de nutrientes, los compuestos orgánicos y el agua. <strong>Objetivo.</strong> El objetivo principal de este proyecto fue construir bibliotecas espectrales para los suelos tropicales de Costa Rica y determinar las bandas hiperespectrales óptimas en el rango espectral visible infrarrojo cercano e infrarrojo de onda corta para caracterizar propiedades de suelo. <strong>Materiales y métodos.</strong> Las mediciones hiperespectrales se llevaron a cabo con un espectroradiómetro ASD FieldSpec 4 para generar las firmas de reflectancia espectral de más de 1300 muestras de suelo de Costa Rica, pre-procesadas en el Laboratorio de Suelo de la Universidad EARTH. Se determinó el contenido de nutrientes de cada muestra de suelo, mediante plasma acoplado inductivamente. Además, se evaluaron el pH, la acidez extraíble, la saturación de bases, la saturación de acidez, la capacidad efectiva de intercambio catiónico, el carbono, la materia orgánica y la textura del suelo. Se desarrollaron modelos de regresión de mínimos cuadrados parciales (PLSR) en MATLAB para predecir esas propiedades de suelo a partir de firmas hiperespectrales. <strong>Resultados.</strong> Este enfoque espectroradioscópico, combinado con modelos de aprendizaje automático, permitió identificar bandas de ondas óptimas específicas en zonas espectrales en las que se puede predecir cada nutriente. Se logró una estimación precisa del contenido de diferentes componentes (Ca, Mg, Fe, C, N y CICE) con un R<sup>2</sup> superior a 0,8 y un error cuadrático medio (RMSE) inferior a 10%. <strong>Conclusión.</strong> Los análisis espectroscópicos combinados con el método Mínimo Cuadrático Parcial (PLS), pueden proporcionar una herramienta muy útil para la agricultura de precisión en los suelos tropicales de Costa Rica.</p> <p><strong>Palabras clave:</strong> Espectroradiometría; firmas hiperespectrales; aprendizaje automático; modelado PLSR; agricultura de precisión.</p>}, number={2}, journal={Agronomía Costarricense}, author={Perret, Johan and Villalobos Leandro, José Eduardo and Abdalla Bolaños, Karim and Fuentes Fallas, Carol Lucía and Cuarezma Espinoza, Katherine Michelle and Macas Amaya, Esteban Nicolás and López Maietta, María Teresa and Drewry, Darren}, year={2020}, month={jul.} }