Avaliação de métodos de pré-processamento e modelagem matemática aplicados à espectroscopia de infravermelho próximo para estimar teores de argila e matéria orgânica do solo

Abstract

A estimativa da matéria orgânica do solo (MOS) e argila por espectroscopia de infravermelho próximo (NIRS) é uma alternativa rápida e barata aos métodos de análise utilizados em laboratórios de rotina. Entretanto, a acurácia deste método é altamente afetada pelo uso adequado de técnicas de pré-processamento e métodos de análise multivariada. Ainda, os modelos são altamente específicos para diferentes locais, indicando a necessidade de se desenvolver calibrações para diferentes regiões. Esse estudo teve como objetivo avaliar o efeito dos métodos de pré-processamento e calibração na predição da MOS e argila utilizando a espectroscopia de infravermelho próximo. Um total de 2388 amostras de solo do norte do estado do Rio Grande do Sul e oeste de Santa Catarina, Brasil, foram analisadas em relação ao teor de argila e MOS, a refletância das amostras foi medida por meio de um espectrômetro de infravermelho próximo (1200-2400 nm). Sete técnicas de pré-processamento foram aplicadas ao espectro original, entre elas: derivada de Savitzki-Golay (SGD), continuum removal (CR), detrend (DET), binning (BIN), smoothing (SMO), e standard normal variate (SNV). Multiple linear regression (MLR), partial least squares regression (PLSR), support vector machine (SVM) e gaussian process regression (GPR) foram os modelos multivariados utilizados. A utilização de técnicas de pré-processamento melhorou a predição dos teores de MOS e argila. Ainda, quando comparada com os métodos de referência, a quantidade de acerto da espectroscopia foi de 85% para o teor de matéria orgânica e 78% no teor de argila, demonstrando performance satisfatória deste método analítico e com a vantagem de ser mais rápido, não destrutivo, barato e não gerar resíduos tóxicos, possibilitando uma análise com maior resolução espacial e temporal.

The estimation of soil organic matter (MOS) and clay by near infrared spectroscopy (NIRS) is a fast and cost-effective alternative to conventional methods utilized in routine analysis. However, the accuracy of this method is highly affected by the adequate use of pre-processing techniques and multivariate methods. Furthermore, the models are highly specific for different locations, indicating the need to develop calibrations for different regions. This study aimed to evaluate the effect of preprocessing and multivariate calibration methods on the prediction of MOS and Clay using near infrared spectroscopy. A total of 2388 soil samples from the northern state of Rio Grande do Sul and western Santa Catarina, Brazil, were analyzed for clay content and SOM content, and the reflectance of the samples was measured by NIR-spectrometer (1200 -2400 nm). Seven pre-processing techniques were applied to the original spectrum, including: Savitzki-Golay derivative (SGD), continuum removal (CR), detrend (DET), binning (BIN), smoothing (SMO), and standard normal variate (SNV). Multiple linear regression (MLR), partial least squares regression (PLSR), support vector machine (SVM) and gaussian process regression (GPR) were the multivariate models used. The use of pre-processing techniques improved the prediction of SOM and clay contents. As compared with the reference methods, the NIR spectroscopy classified correctly 85% for organic matter content and 78% for clay content, demonstrating satisfactory performance of this analytical method and with the advantage of being faster, non-destructive, cheaper and not generating toxic waste.