ACTION C.4: APLICACIÓN DE LA HERRAMIENTA NIRS PORTÁTIL EN LA PREDICCIÓN DE LA SALUD DEL SUELO

Transcripción

1 ACTION C.4: APLICACIÓN DE LA HERRAMIENTA NIRS PORTÁTIL EN LA PREDICCIÓN DE LA SALUD DEL SUELO 1 INTRODUCCIÓN MATERIALES Y MÉTODOS RESULTADOS Y DISCUSIÓN ANÁLISIS DE COMPONENTES PRINCIPALES (ACP) ESPECTRALES DESARROLLO DE CALIBRACIONES PARA VARIABLES DE SALUD DE SUELOS CO 2 con SONDA DE CAMPO CO 2 con STT CO 2 con MUGLITE RIS con SONDA DE CAMPO RIS con STT RIS con MUGLITE Diversidad microbiana de bacterias con sonda de campo Diversidad microbiana de bacterias con STT Diversidad microbiana de bacterias con MUGLITE Diversidad microbiana de hongos con sonda de campo Diversidad microbiana de hongos con STT Diversidad microbiana de hongos con MUGLITE CONCLUSIONES REFERENCIAS BIBLIOGRÁFICAS... 18

2 1 INTRODUCCIÓN El análisis de suelos con métodos laboratoriales clásicos puede llegar a ser económicamente costoso y lento, por ello, es de gran interés el desarrollo de nuevas herramientas para la determinación rápida y precisa de parámetros relacionados con la fertilidad y la salud de los suelos. Como consecuencia, la analítica clásica queda restringida a un pequeño número de muestras que dificulta obtener información de la variabilidad espacial. El desarrollo de metodologías rápidas y eficientes basadas en la espectroscopía de las regiones ultravioletas (UV), visible (vis), Infra-rojo cercano (NIR) e Infra-rojo intermedio (MIR) han mostrado mucho potencial (Viscarra Rossel et al., 2011). Según recogen Malley y Martin (2003), las ventajas de la técnica NIRS (espectroscopía de infrarrojo cercano), cuando se utilizan sobre muestras de suelos, se resumen a continuación: Es una técnica rápida y puede ser continua La precisión es equivalente a cualquier método de referencia La necesidad de preparación de la muestra es baja o nula Tiene un bajo coste No hay necesidad de reactivos químicos, excepto para los análisis de referencia Se pueden determinar varios constituyentes de manera simultánea Debido a la baja energía de luz utilizada, puede aplicarse sobre materiales vivos Los instrumentos son relativamente pequeños y existen equipos de campo portátiles Los instrumentos pueden controlarse de forma remota Los resultados pueden georeferenciarse y/o combinarse con otros datos de manera que pueden mapearse y utilizarse de base para la toma de decisiones en la gestión Según recogen también Malley y Martin (2003) las desventajas de la técnica NIRS son, entre otros: Requiere del desarrollo de calibraciones separadas para cada constituyente y parámetro funcional Necesita diferentes calibraciones para diferentes series de suelos, localidades y clases de texturas Se debe evaluar continuamente la precisión de las predicciones utilizando análisis de referencia El coste de los instrumentos es relativamente alto aunque puede llegar a amortizarse con el ahorro en tiempo, en reactivos químicos y en mantenimiento. Sin embargo, todas las ventajas a las que se hace referencia se basan en la obtención de buenas o robustas calibraciones entre la información espectral y los valores de los análisis de referencia. Las calibraciones se refieren a la búsqueda de fórmulas matemáticas que convierten adecuadamente los resultados X de los instrumentos (espectros) NIRS a resultados Y (analitos)

3 (Martens y Martens, 1986). El objetivo de un modelo de calibración es relacionar las propiedades de las muestras medidas con la información espectral adquirida de las mismas. Las muestras utilizadas para construir las calibraciones i) tienen que suponer un amplio rango de analitos así como sus respuestas espectrales, ii) tienen que comprender un amplio rango de tipos de muestras y constituyentes, y iii) tienen que representar la población objeto de estudio (Malley y Martin, 2003). El conjunto de datos de calibración debe no solo representar las características químicas de los constituyentes de interés, si no que debe representar también las características físicas de las mismas (Brimmer et al., 2001; Malley y Martin, 2003). 2 MATERIALES Y MÉTODOS El equipo NIR portátil de NEIKER realmente es un equipo que cubre la parte visible y la parte del infrarrojo cercano (vis-nir) ( nm) del espectro, es decir, es un equipo vis-nir portátil. Este equipo (LabSpec 5000, ASD; USA) mide la energía óptica que es reflejada, absorbida o transmitida a través de una muestra y puede transformarla en reflectancia, transmitancia y absorbancia espectral. La energía óptica es recogida por la fibra óptica y para la emisión de un haz de luz se utiliza una lámpara halógena (10 VDC, 18,6 watt). La adquisición de los espectros se da en tres partes diferentes por tener tres diferentes detectores: i) VNIR: la parte espectral nm; ii) NIR1: nm; iii) NIR2: nm. Las muestras recogidas en campo para su posterior análisis laboratorial, fueron utilizadas también para la adquisición de espectros con el NIRS portátil. Se utilizaron tres sondas diferentes para las que la presentación de la muestra fue diferente: 1. Sonda de campo, donde los cortes de los cilindros de las muestras se utilizaron para adquirir aquí los espectros. En los cilindros obtenidos se adquirieron dos réplicas de 15 subespectros cada una. Muestras en fresco sin apenas procesado. 2. Sonda Sample Turn Table (STT), para muestras en fresco desmenuzadas. La adquisición espectral al azar dentro de la muestra mientras ésta gira permite recoger la heterogeneidad de la muestra. Las muestras se desmenuzaron manualmente y se presentaron en una placa petri lo más homogéneamente posible. Se guardaron dos espectros medios a partir de 25 subespectros. 3. Sonda Muglite, con la presentación de la muestra seca y homogeneizada. El secado y molido obliga a que entre la toma de muestras y la adquisición de espectros el tiempo transcurrido sea más largo, aunque la homogeneidad en la muestra pueda facilitar el proceso de calibración. Se guardaron dos espectros medios de 20 subespectros. Se adquirieron alrededor de 200 muestras espectrales medias durante 2012 y 2013 para cada una de las sondas. A partir de estos espectros brutos se ha obtenido una media global para cada una de las sondas.

4 1b 1a 1c) 2c) 2b) 2a) Figura 1. Espectros brutos (1) y medios (2) adquiridos con la a) sonda de campo, b) sonda STT y c) sonda MUGLITE durante los años 2012 y La diferencia espectral entre los espectros medios adquiridos con sondas y sobre muestras con presentaciones diferentes evidencia la importancia de la presentación de las mismas (Figura 1). Por un lado, los espectros adquiridos en fresco muestran un perfil espectral similar entre sí pero que se diferencia de aquel adquirido sobre muestras secas. Por otro lado, la necesidad de corregir regiones espectrales queda evidente, sobre todo, en los espectros adquiridos con STT ya que la región nm tiene lecturas en negativo que provocan ruido en la parte espectral VisNIR. Los espectros brutos se procesaron de manera que fue preciso extraer el ruido vinculado a los lectores NIR (tanto al principio de la longitud de onda así como en la zona cercana a 800 y 1000 nm relacionada con los cambios entre detectores del propio equipo). Antes de vincular los resultados de vía húmeda se promedió la información espectral de manera que tendremos un solo espectro por resultado laboratorial. El primer paso tras adquirir los espectros es revisar la calidad de los mismos. La búsqueda de espurios (outliers) es un proceso que se repite en diferentes fases del desarrollo de las calibraciones. Se utilizan los Análisis de Componentes Principales (ACP) en la búsqueda de espurios netamente espectrales y detectar posibles errores espectrales (debidos a la propia muestra) o errores de ejecución (sonda mal colocada, ruido ambiental ). A la hora de realizar las calibraciones, se han considerado diferentes rangos espectrales. Esta decisión se ha tomado intentando quitar ruido pero sin perder información espectral ni asociada. En el apartado de resultados se muestran los resultados óptimos conseguidos hasta el momento. Cabría esperar que estas ecuaciones pudieran mejorarse con un mayor esfuerzo de calibración.

5 El análisis de los efectos dispersivos recomienda aplicar algún pretratamiento correctivo, en este caso el SNV mostró los mejores resultados y se aplicaron derivadas para enfatizar los picos más informativos de los espectros. Caso por caso, se especifican las derivadas que han mostrado los mejores resultados, hasta el momento. A diferencia de los espectros obtenidos en condiciones de laboratorio, los obtenidos en el campo mostraron algunos espectros erráticos que se corrigieron porque no eran debidos a la variabilidad de las muestras. 3 RESULTADOS Y DISCUSIÓN 3.1 ANÁLISIS DE COMPONENTES PRINCIPALES (ACP) ESPECTRALES A partir de la proyección de los espectros también puede analizarse el agrupamiento de las muestras. En este caso y debido al diseño experimental las muestras de suelo abarcaron tanto praderas de valle, helechales como pastos de montaña. Se ha detectado alguna muestra que posiblemente sea espurea debido a que no se agrupa correctamente, aunque, en términos generales el poder discriminante de la información espectral es de calidad (Figura 2). El ACP a partir de los espectros en el rango espectral nm, muestra espurios espectrales que serán extraídos antes de empezar a desarrollar calibraciones (Figura 2). PC-2 (2%) 1 0 HELECHAL HELECHAL HELECHAL HELECHAL HELECHAL HELECHAL HELECHAL HELECHAL HELECHAL HELECHAL HELECHAL HELECHAL HELECHAL HELECHAL HELECHAL HELECHAL HELECHAL PC-1 (96%) Figura 2. Análisis exploratorio de datos espectroscópicos a partir de Análisis de Componentes Principales. Rangos espectrales nm.

6 3.2 DESARROLLO DE CALIBRACIONES PARA VARIABLES DE SALUD DE SUELOS CO 2 con SONDA DE CAMPO Número de muestras: 104 resultados de referencia de CO 2 (g CO 2 / m 2.h) (muestras 2013) Número de espectros medios: 104 espectros medios para vincular al resultado de referencia (208 espectros con sonda de campo, 2 réplicas espectrales por muestra) Presentación de las muestras: en fresco, sin apenas procesado, 3 cortes (submuestras) de los cilindros muestreados Sonda accesoria utilizada: sonda de campo para muestras de suelo Se considera el rango espectral nm, quitando los espectros más extremadamente bajos que han dado problemas (se ha probado excluir tramos espectrales para corregir el efecto de la humedad pero no han optimizado los resultados) Transformación de Reflectancia a absorbancia para corregir el efecto dispersivo de la luz difusa Se ha aplicado una segunda derivada Savitzky-Golay Validación interna (con la misma población de datos que para la calibración, debido a que los resultados no son buenos) tratamientos. Resultados de calibraciones no suficientemente buenos, no pueden aplicarse para predicciones. R 2 : 0,561 RMSEC: 0,438 Nº muestras: 104 VALIDACIÓN/PREDICCIÓN: R 2 : 0,561 RMSEP: 0,439

7 3.2.2 CO 2 con STT Número de muestras: 104 resultados de referencia de CO 2 (g CO 2 / m 2.h) (muestreo 2013) Número de espectros medios: 104 espectros medios para vincular al resultado de referencia (208 espectros con sonda de campo, 2 réplicas espectrales por muestra) Número de muestras: 98 resultados de referencia de CO 2 Número de espectros medios: 98 espectros medios para vincular al resultado de referencia (196 espectros con sonda de campo, 2 réplicas espectrales por muestra) Presentación de las muestras: en fresco, desmenuzada, sobre una placa petri de cristal Sonda accesoria utilizada: STT (Sample Turn Table), accesorio giratorio que adquiere espectros al azar y que permite homogeneizar el proceso en muestras con presentación heterogénea. Adquisición de espectro automatizada y continua Se considera el rango espectral nm, quitando los espectros más extremadamente bajos que han dado problemas Transformación de Reflectancia a absorbancia Se ha aplicado una segunda derivada Savitzky-Golay Validación interna tratamientos. Los resultados obtenidos con el accesorio STT, mejoran considerablemente los obtenidos con STT. R 2 : 0,710 RMSEC: 0,370 Nº muestras: 98 R 2 : 0,710 RMSEP: 0,370

8 3.2.3 CO 2 con MUGLITE Número de muestras: 60 resultados de referencia de CO 2 (g CO 2 / m 2.h) (muestreo 2013) Número de espectros medios: 60 espectros medios para vincular al resultado de referencia (120 espectros con sonda de campo, 2 réplicas espectrales por muestra) Número de muestras: resultados de referencia de CO 2 Número de espectros medios: espectros medios para vincular al resultado de referencia (espectros con sonda de campo, 2 réplicas espectrales por muestra) Presentación de las muestras: homogeneizada (secada y tamizada por un tamiz de 2mm) Sonda accesoria utilizada: MUGLITE, accesorio para muestras homogéneas y espurulentas. Se realiza el mismo procesado de las muestras que el necesario para efectuar el análisis laboratorial de referencia de la mayoría de las variables Se considera el rango espectral nm, quitando los espectros más extremadamente bajos que han dado problemas. Transformación de Reflectancia a absorbancia Se ha aplicado una primera derivada Savitzky-Golay Validación interna tratamientos. Los resultados obtenidos con el accesorio MUGLITE, mejoran ligeramente con los obtenidos con STT y considerablemente los obtenidos con la sonda de campo. El número de muestras considerada en la calibración ha sido más baja con los resultados de muglite. Predicted Y (co2, Factor-7) R 2 : 0,772 RMSEC: 0,319 Nº muestras: 60 R 2 : 0,772 RMSEP: 0,319

9 3.2.4 RIS con SONDA DE CAMPO Se utiliza la variable Abundancia- RIS (mgc/kgps.h) como indicador de la biomasa microbiana potencial Número de muestras: 196 resultados de referencia de RIS como indicador de biomasa microbiana (resultados 2012 y 2013) Número de espectros medios: 196 espectros medios para vincular al resultado de referencia (302 espectros con sonda de campo, 2 réplicas espectrales por muestra) Presentación de las muestras: en fresco, sin apenas procesado, 3 cortes (submuestras) de los cilindros muestreados Sonda accesoria utilizada: sonda de campo para muestras de suelo Se considera el rango espectral nm, quitando los espectros más extremadamente bajos que han dado problemas Transformación de Reflectancia a absorbancia Se ha aplicado una primera derivada Savitzky-Golay Validación interna tratamientos. Incluso con un alto número de muestras (196) y muestras tomadas durante dos años diferentes (2012 y 2013), no obtenemos resultados de calibraciones suficientemente buenos, y no pueden aplicarse para predicciones. Predicted Y (RIS, Factor-7) R 2 : 0,506 RMSEC. 6,647 Nº muestras: 196 R 2 : 0,506 RMSEP: 6,647

10 3.2.5 RIS con STT Número de muestras: 187 resultados de referencia de RIS (mgc/kgps.h) como indicador de la biomasa microbiana potencial Número de espectros medios: 187 espectros medios para vincular al resultado de referencia (374 espectros con sonda de campo, 2 réplicas espectrales por muestra) Presentación de las muestras: en fresco, desmenuzada, sobre una placa petri de cristal Sonda accesoria utilizada: STT (Sample Turn Table), accesorio giratorio que adquiere espectros al azar y que permite homogeneizar el proceso en muestras con presentación heterogénea. Adquisición de espectro automatizada y continua. Se considera el rango espectral nm, quitando los espectros más extremadamente bajos que han dado problemas Se ha aplicado una segunda derivada Savitzky-Golay Validación interna tratamientos. Los resultados obtenidos con el accesorio STT, mejoran considerablemente a los obtenidos con la sonda de campo. Pero no lo suficiente para aplicarse en predicciones. Predicted Y (RIS, Factor-7) Reference Y (RIS, Factor-7) 111 R 2 : 0,654 RMSEC: 5,639 Nº muestras: 187 R 2 : 0,654 RMSEP. 5,639

11 3.2.6 RIS con MUGLITE Número de muestras: 147 resultados de referencia de RIS (mgc/kgps.h) como indicador de la biomasa microbiana potencial Número de espectros medios: 147 espectros medios para vincular al resultado de referencia (294 espectros con accesorio muglite, 2 réplicas espectrales por muestra) Presentación de las muestras: homogeneizada (secada y tamizada por un tamiz de 2mm) Sonda accesoria utilizada: MUGLITE, accesorio para muestras homogéneas y espurulentas. Se realiza el mismo procesado de las muestras que el necesario para efectuar el análisis laboratorial de referencia de la mayoría de las variables Se considera el rango espectral nm, quitando los espectros más extremadamente bajos que han dado problemas Transformación de Reflectancia a absorbancia Se ha aplicado una primera derivada Savitzky-Golay. Resultan mejores que los obtenidos aplicando la segunda derivada Validación interna y CV (cross validation=validación cruzada) tratamientos. Los resultados obtenidos con el accesorio MUGLITE, mejoran los obtenidos con STT y con la sonda de campo, aunque el procesado de muestras ralentiza el tiempo de respuesta. Son resultados que podemos utilizar para un grosero screening Reference Y (RIS, Factor-7) R 2 : 0,851 RMSEC: 3,686 Nº muestras: 147 R 2 : 0,851 RMSEP: 3, R 2 : 0,817 RMSEC: 4,087 Nº muestras: 147 R 2 : 0,790 RMSEP: 4,416 Tipo validación: cruzada

12 3.2.7 Diversidad microbiana de bacterias con sonda de campo Número de muestras: 194 resultados de referencia de diversidad microbiana de bacterias (Biolog) Número de espectros medios: 388 espectros medios para vincular al resultado de referencia (194 espectros con sonda de campo, 2 réplicas espectrales por muestra) Presentación de las muestras: en fresco, sin apenas procesado, 3 cortes (submuestras) de los cilindros muestreados Sonda accesoria utilizada: sonda de campo para muestras de suelo Se consideran varios rangos espectrales ( nm, nm ) pero los mejores resultados se han obtenido considerando el rango espectral de nm, ajustándose al segundo lector del equipo Transformación de Reflectancia a absorbancia Se ha aplicado una segunda derivada Savitzky-Golay tratamientos. Teniendo en cuenta que los resultados de calibración han sido buenos, se ha intentado mejorar las validaciones para optimizar el poder predictivo de las ecuaciones, que no resulta tan buena. Se muestran ambos resultados. R 2 : 0,847 RMSEC: 0,243 Nº muestras: 194 R 2 : 0,847 RMSEP: 0,243 R 2 : 0,752 RMSEC: 0,309 Nº muestras: 194 R 2 : 0,480 RMSEP: 0,450 Tipo validación: cruzada (cross validation, CV)

13 3.2.8 Diversidad microbiana de bacterias con STT Número de muestras: 185 resultados de referencia de diversidad microbiana de bacterias (Biolog) Número de espectros medios: 185 espectros medios para vincular al resultado de referencia (370 espectros con sonda de campo, 2 réplicas espectrales por muestra) Presentación de las muestras: en fresco, desmenuzada, sobre una placa petri de cristal Sonda accesoria utilizada: STT (Sample Turn Table), accesorio giratorio que adquiere espectros al azar y que permite homogeneizar el proceso en muestras con presentación heterogénea. Adquisición de espectro automatizada y continua Se considera el rango espectral nm, quitando los espectros más extremadamente bajos que han dado problemas Se ha aplicado una segunda derivada Savitzky-Golay Validación interna y validación cruzada tratamientos. Los resultados obtenidos con el accesorio STT, mejoran considerablemente a los obtenidos con STT. Predicted Y (H Ecolog bact, Factor-2) R 2 : 0,845 RMSEC: 0,243 Nº muestras: 185 R 2 : 0,845 RMSEP: 0,243 R 2 : 0,569 RMSEC: 0,404 Nº muestras: 185 R 2 : 0,443 RMSEP: 0,463 Tipo validación: cruzada

14 3.2.9 Diversidad microbiana de bacterias con MUGLITE Número de muestras: 148 resultados de referencia de diversidad microbiana de basterias (Biolog) Número de espectros medios: 148 espectros medios para vincular al resultado de referencia (296 espectros con accesorio muglite, 2 réplicas espectrales por muestra) Presentación de las muestras: homogeneizada (secada y tamizada por un tamiz de 2mm). Sonda accesoria utilizada: MUGLITE, accesorio para muestras homogéneas y espurulentas. Se realiza el mismo procesado de las muestras que el necesario para efectuar el análisis laboratorial de referencia de la mayoría de las variables Se consideran varios rangos espectrales ( nm, nm ) pero los mejores resultados se han obtenido considerando el rango espectral de nm, ajustándose al segundo lector del equipo Se ha aplicado una primera derivada Savitzky-Golay. Resultan mejores que los obtenidos aplicando la segunda derivada. Validación interna tratamientos. Los resultados obtenidos con el accesorio MUGLITE, no parecen mejorar los obtenidos con STT y se muestran parecidos a los obtenidos con la sonda de campo. R 2 : 0,758 RMSEC: 0,302 Nº muestras: 148 R 2 : 0,758 RMSEP: 0,302

15 Diversidad microbiana de hongos con sonda de campo Número de muestras: 196 resultados de referencia de diversidad microbiana de hongos (Biolog) Número de espectros medios: 392 espectros medios para vincular al resultado de referencia (196 espectros con sonda de campo, 2 réplicas espectrales por muestra) Presentación de las muestras: en fresco, sin apenas procesado, 3 cortes (submuestras) de los cilindros muestreados Sonda accesoria utilizada: sonda de campo para muestras de suelo Se consideran primeramente el rango espectral de nm, ajustándose al segundo lector del equipo y teniendo en cuenta los resultados ya obtenidos en calibraciones anteriores. Se ha aplicado una segunda derivada Savitzky-Golay Validación interna tratamientos. Teniendo en cuenta que los resultados de calibración han sido buenos, se ha intentado mejorar las validaciones para optimizar el poder predictivo de las ecuaciones, que no resulta tan buena. La calibración obtenida con la sonda de campo y sobre muestras sin procesar, muestra mucho potencial debido a que el resultado mejora el obtenido con STT y es similar a MUGLITE. R 2 : 0,736 RMSEC: 0,233 Nº muestras: 196 R 2 : 0,736 RMSEP: 0,233

16 Diversidad microbiana de hongos con STT Número de muestras: 187 resultados de diversidad microbiana de hongos (Biolog) Número de espectros medios: 187 espectros medios para vincular al resultado de referencia (374 espectros con sonda de campo, 2 réplicas espectrales por muestra) Presentación de las muestras: en fresco, desmenuzada, sobre una placa petri de cristal Sonda accesoria utilizada: STT (Sample Turn Table), accesorio giratorio que adquiere espectros al azar y que permite homogeneizar el proceso en muestras con presentación heterogénea. Adquisición de espectro automatizada y continua. Se considera el rango espectral nm, quitando los espectros más extremadamente bajos que han dado problemas Transformación de Reflectancia a absorbancia Se ha aplicado una segunda derivada Savitzky-Golay Validación interna tratamientos. Los resultados obtenidos con el accesorio de campo, mejoran considerablemente a los obtenidos con STT. En ningún caso son suficientemente buenos para aplicarlos en predicciones. Predicted Y (H Hongos, Factor-7) 6 5,8 5,6 5,4 5,2 5 4,8 4,6 4,4 4,2 4 3,8 3, ,13,23,33,43,53,63,73,83,9 4 4,14,24,34,44,54,64,74,84,9 5 5,15,25,35,45,55,65,75,85,9 6 Reference Y (H Hongos, Factor-7) R 2 : 0,603 RMSEC: 0,285 Nº muestras: R 2 : 0,603 RMSEP: 0,285

17 Diversidad microbiana de hongos con MUGLITE Número de muestras: 147 resultados de referencia de diversidad microbiana de hongos (Biolog) Número de espectros medios: 148 espectros medios para vincular al resultado de referencia (294 espectros con accesorio muglite, 2 réplicas espectrales por muestra) Presentación de las muestras: homogeneizada (secada y tamizada por un tamiz de 2mm). Sonda accesoria utilizada: MUGLITE, accesorio para muestras homogéneas y espurulentas. Se realiza el mismo procesado de las muestras que el necesario para efectuar el análisis laboratorial de referencia de la mayoría de las variables Se considera el rango espectral de nm, ajustándose al segundo lector del equipo Transformación de Reflectancia a absorbancia Se ha aplicado una derivada Savitzky-Golay. Resultan mejores que los obtenidos aplicando la segunda derivada Validación interna tratamientos. R 2 : 0,765 RMSEC: 0,207 Nº muestras: 146 R 2 : 0,765 RMSEP: 0,207

18 4 CONCLUSIONES Queda demostrado el potencial del NIRS para variables de fertilidad y salud de suelos. Un modelo PCA muestra potencial para discriminar a nivel cualitativo la información espectral entre muestras de suelo de valle y montaña. La presentación de las muestras modifica sustancialmente la información espectral y con ello, los tratamientos espectrales necesarios antes de calibrar variables de salud de suelos. El tratamiento SNV ha corregido adecuadamente el efecto de la luz dispersa en estos casos. La aplicación de las derivadas (1ª y 2ª) ha mejorado las rectas de regresión, siendo un efecto a ser considerado según parámetros y sondas utilizadas (según presentación de muestras). Para las variables CO 2 y RIS los resultados de calibración mejoran considerablemente con la homogeneización de la presentación de las muestras. La diversidad microbiana de bacterias y hongos muestran similares resultados de calibración con presentación de muestras diferentes, hecho que evidencia el potencial de las sondas de campo, con un tiempo de respuesta mucho más rápido. Sin embargo, las rectas de regresión obtenidas para predicciones cuantitativas no dieron como resultado rectas de regresión con alto poder predictivo. Por lo tanto, aunque el potencial de esta herramienta es alto, su aplicabilidad todavía es baja y necesita de mejoras en las ecuaciones, que pasan por aumentar las poblaciones muestrales y el esfuerzo de calibración. 5 REFERENCIAS BIBLIOGRÁFICAS Brimmer, PJ., DeThomas, FA., Halll JW Method development and implementation of near-infrared spectroscopy in industrial manufacturing support laboratories. In: Near-infrared technology in the agriculture and food industries. (eds P. Williams, K Norris). American Association of Cereal Chemist, Inc.: Minnesota, USA. Malley, DF., Martin, PD The use of near-infrared spectroscopy for soil analysis. In: Tools for nutrient and pollutant management: Application to agriculture and environmental quality (eds LD Currie and JA Hanly). Massey University, Palmerson North, New Zealand. Ben-Dor, E Applications in analysis of soils. In Near infrared spectroscopy in agriculture, Agronomy Monograph nº 44. (Eds KA Barbarick, CA Roberts, WA Dick, JJ Workman, JB Reeves III, L Al-Amoodi). American Society of Agronomy, Inc., Crop Science Society of America, Inc., Soil Science Society of America, Inc.: Madison, Wisconsin, USA. Martens, M., Martens, H Partial Least Square Regression. In Statistical procedures in food research. (ed. JR Piggot). Elsevier Applied Science. London. Savitzky, A., Golay, MJE Smoothing and differentiation of data by simplified least squares procedure. Analytical Chemistry 36: Viscarra-Rossel, RA., Adamchuk, VI., Sudduth, KA., McKenzie, NJ., Lobsey, C. 2011, Proximal soil sensing. An effective approach for soil measurement in space and time. Advances in Agronomy 113: