Calibración y validación del equipo Veris MSP3 en dos suelos de Guanacaste, Costa Rica

Autores/as

  • Wanderson Novais Escuela de Agricultura de la Región Tropical Húmeda (Universidad EARTH). Limón, Costa Rica. Autor/a https://orcid.org/0000-0002-7390-5308
  • José Carlos Rodríguez-Mejías Escuela de Agricultura de la Región Tropical Húmeda (Universidad EARTH). Limón, Costa Rica. Autor/a https://orcid.org/0000-0001-9843-9246
  • Johan Perret Escuela de Agricultura de la Región Tropical Húmeda (Universidad EARTH). Limón, Costa Rica. Autor/a https://orcid.org/0000-0002-3882-115X
  • Carlomagno Soto Escuela de Agricultura de la Región Tropical Húmeda (Universidad EARTH). Limón, Costa Rica. Autor/a https://orcid.org/0000-0002-1916-9549
  • José Eduardo Villalobos Escuela de Agricultura de la Región Tropical Húmeda (Universidad EARTH). Limón, Costa Rica. Autor/a
  • Carol Lucía Fuentes Escuela de Agricultura de la Región Tropical Húmeda (Universidad EARTH). Limón, Costa Rica. Autor/a
  • Karim Abdalla Escuela de Agricultura de la Región Tropical Húmeda (Universidad EARTH). Limón, Costa Rica. Autor/a

DOI:

https://doi.org/10.15517/am.v30i2.33579

Palabras clave:

agricultura de precisión, conductividad eléctrica, pH, reflectancia

Resumen

Introducción. Es necesario implementar y validar tecnologías de agricultura de precisión (AP) en las regiones tropicales. Objetivo. El objetivo de este estudio fue calibrar y validar el equipo Veris MSP3 en dos terrenos distintos ubicados en la provincia de Guanacaste, Costa Rica. Materiales y métodos. Se correlacionaron los datos obtenidos por los sensores integrados en el equipo Veris MSP3 con análisis de laboratorio de muestras de suelo, y así desarrollar regresiones lineales simples o múltiples para predecir: textura del suelo, materia orgánica, nitrógeno en suelo, capacidad de intercambio catiónico total (CIC total) y pH, para obtener el modelo que mejor se adapte a cada parámetro. Resultados. Las regresiones que resultaron con los mejores modelos fueron: i) conductividad eléctrica aparente (CEa) con textura del suelo, ii) radio óptico y pendiente con materia orgánica, iii) radio óptico con N, iv) CEa con CIC total y v) pH Veris con pH en agua y KCl. El coeficiente de determinación más alto se obtuvo entre CEa y porcentaje de arena con un r2 de 0,82. El r2 para los parámetros evaluados varió de 0,28 a 0,82. Conclusión. El método de calibración utilizado obtuvo correlaciones razonablemente precisas (r2≥0,55) para las variables textura de suelo en la profundidad de 0 a 30 cm y materia orgánica. Sin embargo, para textura de suelo de 30 a 90 cm, N, CIC total y pH, se debe considerar otra metodología para la calibración, debido a que se obtuvieron correlaciones no precisas (r2≤0,55).

Descargas

Los datos de descarga aún no están disponibles.

Referencias

Adamchuk, V.I., E.D. Lund, T.M. Reed, and R.B. Ferguson. 2007. Evaluation of an on-the-go technology for soil pH mapping. Precision Agric. 8(3):139-149. doi:10.1007/s11119-007-9034-0 DOI: https://doi.org/10.1007/s11119-007-9034-0

Adamchuk, V.I., M. Morgan, and D.R Ess. 1999. An automated sampling system for measuring soil pH. Trans. ASABE 42:885-892. doi:10.13031/2013.13268 DOI: https://doi.org/10.13031/2013.13268

Bianchini, A.A., and Mallarino A.P. 2002. Soil sampling alternatives and variable-rate liming for a soybean-corn rotation. Agro J. 94(6):1355-1366 doi:10.2134/agronj2002.1355 DOI: https://doi.org/10.2134/agronj2002.1355

Cho, Y., A.H. Sheridan, K.A. Sudduth, and K.S. Veum. 2017. Comparison of field and laboratory VNIR spectroscopy for profile soil property estimation. Trans. ASABE. 60:1503-1510. doi:10.13031/trans.12299 DOI: https://doi.org/10.13031/trans.12299

CIA (Centro de Investigaciones Agronómicas). 2016. Mapa digital de suelos de Costa Rica CIA, San José, CRI. http://www.cia.ucr.ac.cr/?page_id=139 (consultado 6 feb. 2017).

Corwin, D.L. 2005. Geospatial measurement of apparent soil electrical conductivity for characterizing soil spatial variability. In: J. Álvarez, and R. Munoz, editors, Soil-water-solute process characterization: an integrated approach. CRC Press, FL, USA. p. 639-664. DOI: https://doi.org/10.1201/9781420032086.ch18

Corwin, D.L., and S.M. Lesch. 2005. Characterizing soil spatial variability with apparent soil electrical conductivity. Part I. Survey protocols. Comput. Electron. Agric. 46:135-152. doi:10.1016/j.compag.2004.11.002 DOI: https://doi.org/10.1016/j.compag.2004.11.003

Di-Rienzo, J.A., F. Casanoves, M.G. Balzarini, L. González, M. Tablada, y C.W. Robledo. 2017. InfoStat: software estadístico 2017. Universidad Nacional de Córdoba, ARG.

Google Earth. 2017. Versión 7.1.8.3036. Google, Mountain View, CA, USA.

Grisso, R.B., M. Alley, D. Holshouser, and W. Thomason. 2009. Precision farming tools: Soil electrical conductivity. DOCPLAYER. https://docplayer.net/10831185-Precision-farming-tools-soil-electrical-conductivity.html (accessed May 6, 2017).

Heil, K., and U. Schmidhalter. 2010. Characterization of soil texture variability using the apparent soil electrical conductivity at a highly variable site. Comput. Geosci. 39:98-110. doi: 10.1016/j.cageo.2011.06.017 DOI: https://doi.org/10.1016/j.cageo.2011.06.017

Hernández, C.A., W.A. Barrera, E. Spaans, y R. Vaquero. 2006. Agricultura de precisión en la empresa agrocomercial EARTH: fertilización dinámica. Tierra Trop. 2(2):177-185.

IMN (Instituto Meteorológico Nacional). 2017. Datos climáticos. IMN, CRI. https://www.imn.ac.cr/web/imn/inicio (consultado 7 feb. 2017).

Johnson, C.K., J.W. Doran, H.R. Duke, B.L. Weinhold., K.M. Eskridge, and J.F. Shanahan. 2001. Field-scale electrical conductivity mapping for delineating soil condition. Soil Sci. Am. J. 65:1829-1837. DOI: https://doi.org/10.2136/sssaj2001.1829

Knadel, M., A. Thomsen, K. Schelde, and M.H. Greve. 2015. Soil organic carbon and particle sizes mapping using vis–NIR, EC and temperature mobile sensor platform. Comp. Electron. Agric. 114:134-144. doi:10.1016/j.compag.2015.03.013 DOI: https://doi.org/10.1016/j.compag.2015.03.013

Kweon, G., E. Lund, and C. Maxton. 2013. Soil organic matter and cation-exchange capacity sensing with on-the-go electrical conductivity and optical sensors. Geoderma 199:80-89. doi:10.1016/j.geoderma.2012.11.001 DOI: https://doi.org/10.1016/j.geoderma.2012.11.001

Lesch, S.M., D.L. Corwin, and D.A Robinson. 2005. Apparent soil electrical conductivity mapping as an agricultural management tool in arid zone soils. Comp. Electron. Agric. 46:351-378. doi: 10.1016/j.compag.2004.11.007 DOI: https://doi.org/10.1016/j.compag.2004.11.007

Machado, F.C., R. Montanari, L.S Shozo, L.H. Lovera, and E.D Lima. 2015. Spatial dependence of electrical conductivity and chemical properties of the soil by electromagnetic induction. Rev. Bras. Ciênc. Solo 39:1112-1120. doi:10.1590/01000683rbcs20140794 DOI: https://doi.org/10.1590/01000683rbcs20140794

Maxton, C., P. Drummond, E. Lund, and K. Jensen. 2017. Mobile soil optical mapping system. Patent 9,743,574. Veris Technologies Inc., USA.

Melo, J.A., J.L. Loratte, E.R. Alves, R. Negrão, and J.L. Morelli. 2014. Precision agriculture for sugarcane management: a strategy applied for brazilian conditions. Acta Sci. Agron. 36:111-117. doi:10.4025/actasciagron. v36i1.17664. DOI: https://doi.org/10.4025/actasciagron.v36i1.17664

Montgomery, D.C., E.A. Peck, y G.G. Vining. 2002. Introducción al análisis de regresión lineal. 3ra ed. Compañía Editorial Continental, México, DF. MEX.

Morellos, A., X.E. Pantazi, D. Moshou, T. Alexandridis, R. Whetton, G. Tziotzios, and A.M. Mouazen. 2016. Machine learning based prediction of soil total nitrogen, organic carbon and moisture content by using VIS-NIR spectroscopy. Biosyst. Eng. 152:104-116. doi:10.1016/j.biosystemseng.2016.04.018 DOI: https://doi.org/10.1016/j.biosystemseng.2016.04.018

Mulla, D.J., and McBratney A.B 2000. Soil spatial variability. In: M.E. Summer, editor, Handbook of soil science. CRC Press, FL, USA, p. A321-A352.

Rodriguez, JR., R.E. Plant, J.J Lambert, and D.R. Smart. 2011. Using apparent soil electrical conductivity (ECa) to characterize vineyard soils of high clay content. Precision Agric. 12:775-794. doi:10.1007/s11119-011-9220-y DOI: https://doi.org/10.1007/s11119-011-9220-y

Schirrmann, M., R. Gebbers, E. Kramer, and J. Seidel. 2011. Soil pH mapping with an on-the-go sensor. Sensors (Basel) 11:573-598. doi:10.3390/s110100573 DOI: https://doi.org/10.3390/s110100573

Sethuramasamyraja, B., V.I. Adamchuk, A. Dobermann, D.B Marx, D.D. Jones, and G.E. Meyer. 2008. Agitated soil measurement method for integrated on-the-go mapping of soil pH, potassium and nitrate contents. Comp. Electron. Agric. 60:212-225. doi:10.1016/j.compag.2007.08.003 DOI: https://doi.org/10.1016/j.compag.2007.08.003

Sudduth, K.A., N.R. Kitchen, G.A. Bollero, D.G. Bullock, and W.J. Wiebold. 2003. Comparison of electromagnetic induction and direct sensing of soil electrical conductivity. Agron. J. 95:472-482. doi:10.2134/agronj2003.4720 DOI: https://doi.org/10.2134/agronj2003.4720

Sudduth, KA., N.R. Kitchen, W.J. Wiebold, W.D. Batchelor, G.A. Bollero, D.G. Bullock, and K.D. Thelen. 2005. Relating apparent electrical conductivity to soil properties across the north-central USA. Comput. Electron. Agric. 46:263-283. doi:10.1016/j.compag.2004.11.010 DOI: https://doi.org/10.1016/j.compag.2004.11.010

Surfer. 2017. Golden software. 13. Golden Surfer, Golden, CO, USA.

Veris Technologies. 2017a. Veris MSP3 EC/pH/OM Parts Manual. Veris Technologies, Salina, KS, USA. https://www.veristech.com/more/support/manuals (consultado 6 nov 2017).

Veris Technologies. 2017b. Veris Soil Viewer 2.87. Veris Technologies, Salina, KS, USA.

Weller, U., M. Zipprich, M. Sommer, W.Z. Castell, and M. Wehrhan. 2007. Mapping clay content across boundaries at the landscape scale with electromagnetic induction. Soil Sci. Soc. Am. J. 71:1740-1747. doi:10.2136/sssaj2006.0177 DOI: https://doi.org/10.2136/sssaj2006.0177

Wetterlind, J., K. Piikki, B. Stenberg, and M. Söderström. 2015. Exploring the predictability of soil texture and organic matter content with a commercial integrated soil profiling tool. Eur. J. Soil Sci. 66:631-638. doi:10.1111/ejss.12228 DOI: https://doi.org/10.1111/ejss.12228

Williams, B.G., and D. Hoey. 1987. The use of electromagnetic induction to detect the spatial variability of the salt and clay contents of soils. Soil Res. 25:21-27. doi:10.1071/SR9870021 DOI: https://doi.org/10.1071/SR9870021

Yao, R., J. Yang, D. Wu, W. Xie, P. Gao, and W. Jin. 2016. Digital mapping of soil salinity and crop yield across a coastal agricultural landscape using repeated electromagnetic induction (EMI) surveys. PloS One 11(5):e0153377. doi:10.1371/journal.pone.0153377 DOI: https://doi.org/10.1371/journal.pone.0153377

Publicado

01-05-2019

Cómo citar

Novais, W., Rodríguez-Mejías, J. C., Perret, J., Soto, C., Villalobos, J. E., Fuentes, C. L., & Abdalla, K. (2019). Calibración y validación del equipo Veris MSP3 en dos suelos de Guanacaste, Costa Rica. Agronomía Mesoamericana, 30(2), 535-551. https://doi.org/10.15517/am.v30i2.33579