Revista de Investigación Agraria y Ambiental (Jul 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).
Abstract
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.
Keywords
