Page 47 - VR531

VR531 dossier_fertiliza (A4).qxp:BASE 12/04/23 14:48 Página 47

FIG. 1 Gráficos de dispersión de PLS-R. Variables predictoras versus los datos vos comerciales, donde la concentración
observados para N, K y Fe de las muestras del conjunto de test. de nutrientes presenta una menor variabi-
lidad, siendo un paso más en la búsqueda
de una aplicación real.

Conclusiones

La espectroscopia Vis-NIR (430-1040 nm)
es de gran utilidad en la predicción de nu -
trientes como nitrógeno, potasio y hierro
en hojas de cítricos. Los modelos de PLS-
R han mostrado resultados razonables
para el N y el K, aunque menores en com-
paración con el Fe. Los resultados se han
obtenido en una plantación comercial en
condiciones reales de campo y no en un
en sayo de laboratorio, mostrando un gran
potencial de la técnica Vis-NIR en la pre-
dicción de estos nutrientes de manera no
destructiva en condiciones reales. n
AGRADECIMIENTOS

Este trabajo está cofinanciado por el PNDR y el MAPA a través
del Grupo Operativo de Agricultura de Precisión en Regadío
y Fertilización de Cítricos, por GVA-IVIA (proyectos 52004 y
51920), y por la Unión Europea a través del Fondo Europeo
de Desarrollo Regional (FEDER) de la Comunitat Valenciana
2021-2027. Maylin Acosta agradece a la Secretaría Nacional
de Ciencia, Tecnología e Innovación de Panamá (SENACYT)
por la obtención de los fondos para la estancia de estudios en
España.
BIBLIOGRAFÍA

Barnes, R. J., Dhanoa, M. S., & Lister, S. J. (1989). Standard
normal variate transformation and de-trending of near-infrared
diffuse reflectance spectra. Applied spectroscopy, 43(5), 772-
777.
Bertrand, D; Dufour, E. 2000. La spectroscopie infrarouge et ses
applications analytiques. Editions TEC & DOC, Paris, France.
Bremner, J. T. (1965). Inorganic forms of nitrogen. Methods of
Soil Analysis: Part 2 Chemical and Microbiological Properties, 9,
1179-1237.
Legaz F, Primo ME. (1988). Normas para la fertilización de los
agrios. Serie Fullets Divulgació. Núm. 5-88. Valencia, España.
Consellería d’Agricultura i Pesca.
Menesatti, P., Antonucci, F., Pallottino, F., Roccuzzo, G., Allegra,
M., Stagno, F., & Intrigliolo, F. (2010). Estimation of plant nutri-
tional status by Vis–NIR spectrophotometric analysis on orange
leaves [Citrus sinensis (L) Osbeck cv Tarocco]. Biosystems engi-
neering, 105(4), 448-454.
Savitzky, A., & Golay, M. J. (1964). Smoothing and differentia-
tion of data by simplified least squares procedures. Analytical
chemistry, 36(8), 1627-1639.
tes. Por ejemplo, para la concentración de deficiencia extrema de nutrientes a toxici- Vicent A, Blasco J (2017) When prevention fails. Towards more
2
K, obtuvieron un R = 0,991. Sin embargo, dad, lo que garantiza una variabilidad efficient strategies for plant disease eradication. New
Phytologist, 214, 905-908.
el estudio se realizó en condiciones de amplia, precisa y adecuada al estudio. Por Walsh, K., Blasco, J., Zude-Sasse, M., & Sun, X. (2020). Visible-
laboratorio con plantas sometidas a condi- el contrario, el presente trabajo se ha rea- NIR ‘point’ spectroscopy in postharvest fruit and vegetable
assessment. Postharvest Biology and Technology, 168,
ciones controladas de nutrición, desde lizado en condiciones de campo y en culti- 111246.

1 abril 2023 VIDA RURAL 47 47 47 47 47 47 47 47 47 47 47 47 47 47 47 47