Page 40 - Vida Rural 551_Revista_Baja
P. 40
1/17
5%
1%
10%
90%
99%
3%
95%
0/100%
2%
98%
75%
40%
70%
60%
50%
20%
97%
25%
30%
80%
Times
0.5 P
Times
4P
1 P
Times
Times
2 P
2P
Times
Process
Times
1P
Times
0.5P
4 P
Lin+
Times
Y
C
K
BAL 80% 40%
C
M
0
K
C+M
Y
S/D
BAL
C
M
K
M
0
C
K
M+Y
BAL 80% 40%
Y
M
M
C
K
S/D
BAL
Y
0
C
K
K
BAL 80% 40%
Y
M
M
C
K
S/D
BAL
Y
Y
BAL 80% 40%
0
BAL
K
K
M
Y
M
C
S/D
C+M
K
BAL
S/D
C
C
Y
M
Y
K
C
S/D
M+Y
M
0
K
Y
BAL 80% 40%
BAL
C+Y
K
BAL
S/D
C
M
Y
K
C
Y
K
K
C
K
M+Y
BAL
Y
C
S/D
M
M
C
BAL
Y
S/D
BAL 80% 40%
Y
K
0
M
C
K
0
M
BAL
Y
M
C
K
C
K
C+Y
S/D
BAL 80% 40%
5%
5%
5%
4%
4%
4%
3%
3%
3%
2%
2%
2%
ESPECIAL CÍTRICOS C K C+Y S/D BAL Y M C K V13.0g (pdf) 0 Primus+ Suprasetter Xinggraphics Plate Control Strip © Heidelberger Druckmaschinen AG 2013 BAL 80% 40% Y M C K C+M S/D BAL Y M C K 0 BAL 80% 40% Y M C K K 5% 4% 3% 2% S/D BAL Y M C K 0 BAL 80% 40% Y M C K M+Y S/D BAL Y M C K C K C+Y S/D BAL Y M C K 0 BAL 80% 40% GG240158_Vida Rural 551 - Revista - F
CUADRO I
CONCENTRACIÓN FOLIAR DE MACRO Y MICRONUTRIENTES.
Elemento N P K Ca Mg Na S Fe Cu Mn Zn B
Max 2,781 0,22 1,71 6,57 0,68 0,06 0,37 149,9 14,8 54,93 57,64 94,9
Min 1,48 0,05 0,36 1,05 0,12 0,01 0,16 28,9 0,75 6,34 3,48 21,57
SD 0,29 0,04 0,35 1,36 0,13 0,01 0,05 27,65 2,77 11,44 14,25 12,12
Mediana 2,06 0,14 0,96 4,18 0,41 0,03 0,29 65,75 3,19 20,98 27,48 41,13
1 Concentración expresada en % para macronutrientes (N, P, K, Ca, Mg, Na, S) y mg/kg para micronutrientes (Fe, Cu, Mn, Zn, B) basados en peso seco.
CUADRO II Conclusiones
RESULTADOS DE LOS MODELOS DE ESTIMACIÓN.
Este trabajo destaca el potencial de la
Nutriente Pretratamiento Calibración Validación cruzada Validación externa espectroscopía Vis-NIR como una herra-
espectral RMSE R 2 RMSE R 2 RMSE R 2
N CM 0,18 0,58 0,18 0,55 0,19 0,57 mienta valiosa en la agricultura de preci-
P CM 0,02 0,69 0,02 0,66 0,02 0,60 sión, ofreciendo una alternativa más rápida
K CM + VNS 0,21 0,65 0,23 0,58 0,22 0,63 y menos invasiva a los análisis foliares
Ca CM + 1D 0,65 0,67 0,69 0,63 0,73 0,53 ionómicos tradicionales. Al concentrarse
Mg Raw 0,08 0,52 0,08 0,47 0,08 0,47 en el desarrollo de modelos para nutrien-
S CM 0,02 0,52 0,03 0,48 0,03 0,44 tes clave y aprovechar la información de
Fe CM 24,93 0,48 24,93 0,46 24,39 0,48 la gama de longitudes de onda visibles,
Cu Raw 0,93 0,33 0,95 0,29 0,93 0,31 se pueden lograr avances adicionales en
Mn CM + VNS 7,73 0,53 8,42 0,44 8,07 0,49 este campo, facilitando estrategias de fer-
Zn CM + 1D 9,94 0,50 10,52 0,44 10,25 0,46 tilización más eficientes y contribuyendo a
B CM + 1D 5,26 0,70 5,75 0,64 5,83 0,69
prácticas mejoradas de manejo de cultivos.
1 Concentración expresada en % para macronutrientes (N, P, K, Ca, Mg, Na, S) y mg/kg para micronutrientes (Fe, Cu, Mn, Zn, B) basados en peso seco.
Sin embargo, existen desafíos y espa-
cio de mejora para abordar en futuras in-
de macro y micronutrientes foliares de las modelos fueron menos precisos para el vestigaciones. Por ejemplo, la variabilidad
hojas tomadas a lo largo del ciclo de culti- resto de los micro y macronutrientes (R 2 espacial y temporal en las concentracio-
vo, según análisis de la ionómica. < 0,60). nes de nutrientes de las hojas puede afec-
El uso de la espectroscopia Vis-NIR tar la precisión de las mediciones espec-
Modelos PLS-R para la estimación para el diagnóstico nutricional en hojas de trales. Además, la influencia de factores
de macro y micronutrientes cítricos ha demostrado ser una herramien- ambientales, como la humedad y la tem-
El cuadro II presenta los resultados pre- ta valiosa y prometedora. Los resultados peratura, en las lecturas espectrales debe
dictivos para cada elemento utilizando obtenidos en este estudio, con valores
PLS-R con el pretratamiento espectral relativamente buenos de predicción con ser considerada y controlada para garan-
óptimo. Los modelos creados para los errores cuadráticos bajos para algunos tizar mediciones precisas y reproducibles.
Por ello, es necesario seguir trabajando en
macronutrientes P, K y Ca mostraron la nutrientes clave como N, P, K y B, subra- el desarrollo de estas técnicas, empleando
mayor capacidad de predicción. El modelo yan la eficacia y la aplicabilidad de esta rangos espectrales más amplios, utilizan-
de P se calibró usando CM, obteniendo técnica en la evaluación del estado nu- do un mayor número de muestras y varie-
un R de 0,60. El modelo de K se calibró tricional de los cítricos. La obtención de dades y empleando técnicas modernas de
2
usando CM + VNS, con un R de 0,63, estos valores de R indica una correlación análisis de datos basadas en inteligencia
2
2
mientras que la concentración de Ca se razonable entre los espectros obtenidos
calibró usando CM + 1D, obteniendo un R 2 y los contenidos de nutrientes medidos artificial. ■
de 0,53. En el caso de N, el rendimiento en las hojas de cítricos con los métodos AGRADECIMIENTOS
2
del modelo fue menor, con un R de 0,57. tradicionales. Además, los valores bajos
Con respecto a los micronutrientes, el de RMSE sugieren una concordancia es- Este trabajo está cofinanciado por IVIA-GVA (proyectos
52203, 52204 y por la UE a través de fondos FEDER de GVA
modelo para B obtuvo los mejores resul- trecha entre los valores predichos y los 2021–2027). Maylin Acosta agradece a IFARHU—SENACYT
tados, calibrado utilizando MC + 1D, obte- valores reales de los nutrientes, lo que por las Becas de Excelencia Profesional, contrato No, 270-
2021-020. Sandra Munera agrade-ce al contrato Juan de
niendo un R de 0,69. En todos los casos, respalda la validez de los modelos crea- la Cierva-Formación (FJC2021-047786-I) cofinanciado por
2
MCIN/AEI/10,13039/501100011033 y la Unión Europea
se logró un RMSE relativamente bajo. Los dos en este estudio. NextGenerationEU/PRTR.
40 VIDA RURAL 1 junio 2024