Desarrollo, calibración y validación de un dispositivo de medición multivariable de características de suelo como apoyo para la generación de diagnósticos de fertilidad
DOI:
https://doi.org/10.26507/paper.4362Palabras clave:
Dispositivo, macronutrientes, multivariable, sensor, sueloResumen
Los diagnósticos de fertilidad son estrategias útiles para identificar la disponibilidad de nutrientes presentes en los suelos agrícolas, con mediciones y datos tradicionalmente generados a partir de un análisis de laboratorio producto del muestreo in situ. Las mediciones directas de características de suelo facilitan el establecer las variaciones espaciales y en tiempo real. La necesidad de diseñar y validar un dispositivo integral capaz de medir la conductividad eléctrica, el pH, la humedad, la concentración de carbono orgánico, la disponibilidad de nitrógeno, fósforo y potasio, bases intercambiables y la acidez intercambiable, están orientados para la generación de diagnósticos de fertilidad con precisión a partir de datos medidos directamente en el sitio de producción. El objetivo de la presente investigación consiste en desarrollar, calibrar y validar un dispositivo sensor multivariable para la medición en laboratorio y campo de la conductividad eléctrica, el pH, la humedad, el carbono orgánico y macronutrientes disponibles utilizando una metodología de calibración a escala de laboratorio, con validaciones en campo para tres zonas de referencia. El desarrollo tecnológico planteado busca realizar mediciones puntuales multivariable, con reducción de tiempos para la adquisición de datos, con posibilidad de multiplicar las mediciones para diferentes áreas de producción, y para la generación de recomendaciones más precisas que estén alineadas con el desarrollo de prácticas sostenibles. La metodología incluye el desarrollo de un dispositivo de medición multivariable que incluye un diseño base, una integración de componentes, una programación de controladores, GPS, sensores y pantalla táctil HMI, ubicados espacialmente dentro de una carcasa e incluyendo módulos de recepción, transmisión, visualización y control de datos. La calibración del dispositivo se pretende por medio de mediciones directas con el dispositivo sobre muestras de suelo procesadas en tres laboratorios de suelos certificados y un proceso de modelado matemático por característica de suelo como medida de ajuste entre las mediciones del dispositivo y los resultados de cada laboratorio. La validación del dispositivo en campo se hará en tres zonas, distribuidas en los municipios de Mosquera y Bojacá en Cundinamarca y Espinal, Tolima. Aplicando técnicas de análisis multivariado, se pretende establecer la variación de las características de suelo en función de las mediciones iniciales del dispositivo con posterior calibración según los resultados disponibles de laboratorio. Con el equipo calibrado, serán realizadas mediciones en campo y muestreo de suelo comparativo para establecer nuevos ajustes de operación del dispositivo, aplicando técnicas de análisis multivariado.
Biografía del autor/a
Christian José Mendoza Castiblanco, Universidad Nacional de Colombia
PhD, Universidad Nacional de Colombia. Investigador PhD, Departamento de Ingeniería Civil y Agrícola, Colombia. cjmendozac@unal.edu.co
Óscar Iván Monsalve Camacho, Universidad de Ciencias Aplicadas y Ambientales
Investigador PhD, Programa de Ingeniería Agronómica. Bogotá, D. C., Colombia.
Citas
Adamchuk, V. I., Hummel, J. W., Morgan, M. T., & Upadhyaya, S. K. (2004). On-the-go soil sensors for precision agriculture. Computers and Electronics in Agriculture, 44(1), 71-91. doi:10.1016/j.compag.2004.03.002
Addiscott, T. M. (1974). Potassium and the Absorption of Calcium and Magnesium by Potato Plants from Soil. Journal of the Science of Food and Agriculture, 25(9), 1165-1172. doi:10.1002/jsfa.2740250914
Alarcón Vera, A. L. (2015). Módulo 10: Diagnóstico agrícola. Agua, suelo y material vegetal. Universidad Politécnica de Cartagena.
Baumhardt, R. L., Stewart, B. A., & Sainju, U. M. (2015). North American Soil Degradation: Processes, Practices, and Mitigating Strategies. Sustainability, 7(3), 2936-2960. doi:10.3390/su7032936
Bristow, K. L., Kluitenberg, G. J., Goding, C. J., & Fitzgerald, T. S. (2001). A small multi-needle probe for measuring soil thermal properties, water content and electrical conductivity. Computers and Electronics in Agriculture, 31(3), 265-280. doi:10.1016/S0168-1699(00)00186-1
Cole, J. C., Smith, M. W., Penn, C. J., Cheary, B. S., & Conaghan, K. J. (2016). Nitrogen, phosphorus, calcium, and magnesium applied individuallyor as a slow release or controlled release fertilizer increase growthand yield and affect macronutrient and micronutrient concentrationand content of field-grown tomato plants. Scientia Horticulturae, 211, 420-430. doi:10.1016/j.scienta.2016.09.028
Cortés-D, D. L., Camacho-Tamayo, J. H., & Giraldo, R. (2018). Spatial prediction of soil infiltration using functional geostatistics. Acta Universitatis Carolinae, Geographica, 53(2), 1-7.
Corwin, D. L., & Lesch, S. M. (2005). Apparent soil electrical conductivity measurements in agriculture. Computers and Electronics in Agriculture, 46(1-3), 11-43. doi:10.1016/j.compag.2004.10.005
De Jong, E., Ballantyne, A. K., Cameron, D. R., & Read, D. W. (1979). Measurement of Apparent Electrical Conductivity of Soils by an Electromagnetic Induction Probe to Aid Salinity Surveys. Soil Sci. Soc. Am., 43, 810-812.
Dos Santos, C. R., Matsunaga, A. T., Costa, L. R., Dos Santos, M. L., Brasil Neto, A. B., Rodrigues, R. P., . . . De Melo, V. S. (2023). Spatial variability of soil fertility under agroforestry system and native forest in eastern Amazonia, Brazil. Bioscience Journal, 39. doi:10.14393/BJ-v39n0a2023-62830
Duffera, M., White, J. G., & Weisz, R. (2007). Spatial variability of Southeastern U.S. Coastal Plain soil physical properties: Implications for site-specific management. Geoderma, 137, 327-339.
Garbanzo-León, G., Alemán-Montes, B., Alvarado-Hernández, A., & Henríquez-Henríquez, C. (2017). Validación de modelos geoestadísticos y convencionales en la determinación de la variación espacial de la fertilidad de suelos del Pacífico Sur de Costa Rica. (93). doi:10.14350/rig.54706
Gharaibeh, M. A., Albalasmeh, A. A., & El Hanandeh, A. (2021). Estimation of saturated paste electrical conductivity using three modelling approaches: Traditional dilution extracts; saturation percentage and artificial neural networks. CATENA, 200. doi:10.1016/j.catena.2020.105141
Gobezie, T. B., & Biswas, A. (2023). The need for streamlining precision agriculture data in africa. Precision Agriculture, 24(1), 375-383. doi:10.1007/s11119-022-09928-w
Gómez, M. I., Magnitskiy, S., Rodríguez, L. E., & Darghan, A. E. (2017). Accumulation of N, P, and K in the tubers of potato (Solanum tuberosum L. ssp. andigena) under contrasting soils of the Andean region of Colombia. Agronomía Colombiana, 35(1), 59-67. doi:10.15446/agron.colomb.v35n1.61068
Gómez, M. I., Magnitskiy, S., Rodríguez, L. E., & Darghan, A. E. (2017). Accumulation of N, P, and K in the tubers of potato (Solanum tuberosum L. ssp. Andigena) under contrasting soils of the Andean region of Colombia. 35(1), 59-67. doi:10.15446/agron.colomb.v35n1.61068
Guo, M. (2021). Soil Health Assessment and Management: Recent Development in Science and Practices . Spoil systems, 5(4), 1-20. doi:10.3390/soilsystems5040061
Hemmat, A., & Adamchuk, V. (2008). Sensor systems for measuring soil compaction: Review and analysis. Computers and Electronics in Agriculture, 63(2), 89-103. doi:10.1016/j.compag.2008.03.001
Hendrickx, J. M., & Kachanoski, R. G. (2002). Nonintrusive electromagnetic induction. In “Methods of Soil Analysis. Part 4. Physical Methods”. Soil Science Society of America, 1297–1306.
Horneck, D., Sullivan, D., Owen, J., & Hart, J. (2011). Soil Test Interpretation Guide. Oregon: Oregon State University - Extension Service. Obtenido de https://www.canr.msu.edu/foodsystems/uploads/files/soil_test_interpretation.pdf
Jan, R., & Hussan, S. U. (2022). Fate of Potassium in Crop Production. Journal of Community Mobilization and Sustainable Development, 17(4), 1203-1212.
Jianguang, H., Bingluo, G., Guanghui, Z., & Zhiwei, L. (2022). High-Precision Depth Domain Migration Method in Imaging of 3D Seismic Data in Coalfield. Remote Sensing, 14(12). doi:10.3390/rs14122850
Karlen, D. L., & Rice, C. W. (2015). Soil Degradation: Will Humankind Ever Learn? Sustainability, 7(9), 12490-12501. doi:10.3390/su70912490
Kaul, M., Hill, R., & Walthall, C. (2005). Artificial neural networks for corn and soybean yield prediction. Agricultural Systems, 85(1), 1-18. doi:10.1016/j.agsy.2004.07.009
Kroulík, M., Hůla, J., Šindelář, R., & Illek, F. (2007). Water infiltration into soil related to the soil tillage intensity. Soil and Water Research, 2(1), 15-24. doi:10.17221/2098-SWR
Landeras, G., Ortiz-Barredo, A., & J.J., L. (2009). Forecasting weekly evapotranspiration with ARIMA and artificial neural network models. Journal of Irrigation and Drainage Engineering, 135(3), 323-334. doi:10.1061/(ASCE)IR.1943-4774.0000008
Lima dos Santos, F. F., de Queiroz, D. M., M. V., D. S., Khorsandi, F., & de Moura Araújo, G. (2023). Analysis of Different Electric Current Frequencies in Soil Apparent Conductivity. Journal of Biosystems Engineering, 48, 269–282. doi:10.1007/s42853-023-00187-9
Machado, F. C., Montanari, R., Shozo Shiratsuchi, L., Lovera, L. H., & De Souza Lima, E. (2015). Spatial Dependence of Electrical Conductivity and Chemical Properties of the Soil by Electromagnetic Induction. R. Bras. Ci. Solo,, 39, 1112-1120. doi:10.1590/01000683rbcs20140794
Mazur, P., Gozdowski, D., Stȩpień, W., & Wójcik-Gront, E. (2023). Does Drone Data Allow the Assessment of Phosphorus and Potassium in Soil Based on Field Experiments with Winter Rye? Agronomy, 13(2). doi:10.3390/agronomy13020446
McNeill, J. D. (1980). Electromagnetic Terrain Conductivity Measurement at Low InducInduction. Technical Note: TN-6. Geonics Limited.
McNeill, J. D. (1992). Rapid, accurate mapping of soil salinity by electromagnetic ground conductivity meters. En G. C. Topp, W. D. Reynolds, & R. E. Green (Edits.). Advances in measurement of soil physical properties: Bringing theory into practice. Madison : Soil Science Society of America.
Naderi-Boldaji, M., Sharifi, A., Jamshidi, B., Younesi-Alamouti, M., & Minaee, S. (2011). A dielectric-based combined horizontal sensor for on-the-go measurement of soil water content and mechanical resistance. Sensors and Actuators A: Physical, 171(2), 131-137. doi:10.1016/j.sna.2011.07.021
Näsi, R., Mikkola, H., Honkavaara, E., Koivumäki, N., Oliveira, R., Peltonen-Sainio, P., . . . Alakukku, L. (2023). Can Basic Soil Quality Indicators and Topography Explain the Spatial Variability in Agricultural Fields Observed from Drone Orthomosaics? Agronomy, 13(669). doi:10.3390/agronomy13030669
Nelson, D. W., & Sommers, L. E. (1996). Total Carbon, Organic Carbon, and Organic Matter. In Methods of Soil Analysis. Part 3—Chemical Methods. Soil Science Society of America. doi:10.2136/sssabookser5.3.c34
NOOA Physical Sciences Laboratory (PSL). (09 de 03 de 2023). NOOA Physical Sciencies Laboratory (PSL). Recuperado el 2023, de MEI.v2 Values: https://psl.noaa.gov/enso/mei/
Onsy Mohamed, A.-M., & Paleologos, E. K. (2018). Chapter 16 - Dielectric Permittivity and Moisture Content. En Fundamentals of Geoenvironmental Engineering. Understanding Soil, Water, and Pollutant Interaction and Transport (págs. 581-637). doi:10.1016/B978-0-12-804830-6.00016-8
Orjuela-Matta, H. M., Rubiano-Sanabria, Y., & Camacho-Tamayo, J. H. (2010). Comportamiento de la infiltración en un Oxisol. Revista U.D.C.A Actualidad and Divulgación Científica, 13(2), 31-39.
Peña-Beltrán, Z. Y., & Pabón-Caicedo, J. D. (2020). Climatología de las granizadas en Colombia. Cuadernos de Geografía: Revista Colombiana de Geografía, 29(1), 259-282. doi:10.15446/rcdg.v29n1.75438
Postolache, S., Sebastião, P., Viegas, V., Postolache, O., & Cercas, F. (2023). IoT-Based Systems for Soil Nutrients Assessment. Sensors, 23(1), 1-29. doi:10.3390/s23010403
Rezaei, A., Karparvarfard, S. H., Naderi-Boldaji, M., Azimi-Nejadian, H., & Tekeste, M. Z. (2022). A new combined penetrometer-dielectric-low frequency acoustic-electrical conductivity sensor for measuring the soil physical characteristics. Sensors and Actuators A: Physical, 347. doi:10.1016/j.sna.2022.113952
Rhoades, J. D., Corwin, D. L., Lesch, & Scott. (1999). Geospatial Measurements of Soil Electrical Conductivity to Determine Soil Salinity and Diffuse Salt Loading from Irrigation. Geophysical Monograph Series. doi:10.1029/GM108p0197
Sánchez-de Jesús, M. A., Volke-Haller, V. H., Cortés-Flores, J. I., María-Ramírez, A., & San-Martín-Hernández, C. (2024). Aporte de nitrógeno por el suelo y eficiencia de aprovechamiento del nitrógeno aplicado en maíz de temporal. Rev. fitotec. mex, 47(2). doi:10.35196/rfm.2024.2.99
Schaetzl RJ, T. M. (2015). Basic Concepts: Soil Chemistry. En In: Soils: Genesis and Geomorphology (págs. 71-84). Cambridge University Press.
Sumner, M. E., & Miller, W. P. (1996). Cation exchange capacity and exchange coefficients. In Methods of Soil Analysis. Part 3—Chemical Methods. Madison, Wisconsin: Soil Science Society of America. SSSA Book Series 5. doi:10.2136/sssabookser5.3.c40
Tang, H., Xie, J., Dou, X., Zhang, H., & Chen, W. (2023). On-Orbit Vicarious Radiometric Calibration and Validation of ZY1-02E Thermal Infrared Sensor. Remote Sensing, 15(994). doi:10.3390/rs15040994
Cómo citar
Descargas
Descargas
Publicado
Evento
Sección
Licencia
Derechos de autor 2025 Asociación Colombiana de Facultades de Ingeniería - ACOFI
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
| Estadísticas de artículo | |
|---|---|
| Vistas de resúmenes | |
| Vistas de PDF | |
| Descargas de PDF | |
| Vistas de HTML | |
| Otras vistas | |
