RESUMEN Introducción. Los métodos convencionales de laboratorio para analizar el contenido de nutrientes del suelo, generalmente requieren mucho tiempo y son costosos. En contraparte, la espectroradioscopia visible e infrarroja ofrece una técnica rápida para caracterizar el suelo en laboratorio. Las firmas espectrales codifican información sobre las características inherentes del suelo, como la composición mineral, el contenido de nutrientes, los compuestos orgánicos y el agua. Objetivo. El objetivo principal de este proyecto fue construir bibliotecas espectrales para los suelos tropicales de Costa Rica y determinar las bandas hiperespectrales óptimas en el rango espectral visible infrarrojo cercano e infrarrojo de onda corta para caracterizar propiedades de suelo. Materiales y métodos. Las mediciones hiperespectrales se llevaron a cabo con un espectroradiómetro ASD FieldSpec 4 para generar las firmas de reflectancia espectral de más de 1300 muestras de suelo de Costa Rica, pre-procesadas en el Laboratorio de Suelo de la Universidad EARTH. Se determinó el contenido de nutrientes de cada muestra de suelo, mediante plasma acoplado inductivamente. Además, se evaluaron el pH, la acidez extraíble, la saturación de bases, la saturación de acidez, la capacidad efectiva de intercambio catiónico, el carbono, la materia orgánica y la textura del suelo. Se desarrollaron modelos de regresión de mínimos cuadrados parciales (PLSR) en MATLAB para predecir esas propiedades de suelo a partir de firmas hiperespectrales. Resultados. Este enfoque espectroradioscópico, combinado con modelos de aprendizaje automático, permitió identificar bandas de ondas óptimas específicas en zonas espectrales en las que se puede predecir cada nutriente. Se logró una estimación precisa del contenido de diferentes componentes (Ca, Mg, Fe, C, N y CICE) con un R2 superior a 0,8 y un error cuadrático medio (RMSE) inferior a 10%. Conclusión. Los análisis espectroscópicos combinados con el método Mínimo Cuadrático Parcial (PLS), pueden proporcionar una herramienta muy útil para la agricultura de precisión en los suelos tropicales de Costa Rica.

ABSTRACT Introduction. Conventional laboratory methods to analyze soil nutrients are usually time-consuming and costly. On the other hand, the visible and infrared spectroscopy offers a rapid technique to characterize soils. The spectral signatures encode information about the inherent composition of the soil, which comprises mineral composition, nutrient content, organic compounds and water. Objective. The main objective of this study was to build spectral libraries for the tropical soils of Costa Rica and to determine the optimal hyperspectral wave bands in the visible and near infrared and shortwave infrared to characterize soil properties in laboratory. Materials and methods. The hyperspectral measurements were carried out with an ASD FieldSpec 4 spectroradiometer to generate spectral reflectance signatures of more than 1300 soil samples from Costa Rica preprocessed at EARTH University’s soil laboratory. The nutrient content of each soil sample was determined by inductively coupled plasma. In addition, pH, exchangeable acidity, base saturation, acid saturation, effective cation exchange capacity, soil carbon, organic matter and soil texture were evaluated. Algorithms in MATLAB were developed to compile a hyperspectral data base and used a partial least squares regression (PLSR) methods to generate predictive models for these soil properties from hyperspectral signatures. Results. This spectroscopic approach combined with machine learning models allowed the identification of specific optimal wavebands in the spectral areas in which each nutrient can be predicted. An accurate estimation of the concentration of different components (Ca, Mg, Fe, C, N and CECe) was achieved with an R2 greater than 0,8 and a mean square error (RMSE) lower than 10%. Conclusion. These spectroscopic technics combined with the PLS regression, can provide a very useful tool for precision agriculture in tropical soils of Costa Rica.

Resumen Introducción. Es necesario implementar y validar tecnologías de agricultura de precisión (AP) en las regiones tropicales. Objetivo. El objetivo de este estudio fue calibrar y validar el equipo Veris MSP3 en dos terrenos distintos ubicados en la provincia de Guanacaste, Costa Rica. Materiales y métodos. Se correlacionaron los datos obtenidos por los sensores integrados en el equipo Veris MSP3 con análisis de laboratorio de muestras de suelo, y así desarrollar regresiones lineales simples o múltiples para predecir: textura del suelo, materia orgánica, nitrógeno en suelo, capacidad de intercambio catiónico total (CIC total) y pH, para obtener el modelo que mejor se adapte a cada parámetro. Resultados. Las regresiones que resultaron con los mejores modelos fueron: i) conductividad eléctrica aparente (CEa) con textura del suelo, ii) radio óptico y pendiente con materia orgánica, iii) radio óptico con N, iv) CEa con CIC total y v) pH Veris con pH en agua y KCl. El coeficiente de determinación más alto se obtuvo entre CEa y porcentaje de arena con un r2 de 0,82. El r2 para los parámetros evaluados varió de 0,28 a 0,82. Conclusión. El método de calibración utilizado obtuvo correlaciones razonablemente precisas (r2≥0,55) para las variables textura de suelo en la profundidad de 0 a 30 cm y materia orgánica. Sin embargo, para textura de suelo de 30 a 90 cm, N, CIC total y pH, se debe considerar otra metodología para la calibración, debido a que se obtuvieron correlaciones no precisas (r2≤0,55).

Abstract Introduction. It is necessary to implement and validate precision agriculture (PA) technologies in tropical regions. Objective. The objective of this study was to calibrate and validate Veris MSP3 equipment in two different fields located in Guanacaste, Costa Rica. Materials and methods. The data obtained by the sensors integrated into the Veris MSP3 equipment was correlated with laboratory analysis of soil samples with the intent to develop simple or multiple linear regressions to predict soil texture, organic matter, nitrogen in the soil, total cation exchange capacity, and pH, in order to obtain a model that best suits each of the parameters. Results. The regressions that resulted with the best models were: i) apparent electrical conductivity (CEa) with soil texture, ii) optic ratio and slope with organic matter, iii) optic ratio with N, iv) CEa with total cation exchange capacity (total CIC), and v) Veris pH with pH in water and KCl. The higher determination coefficient was obtained between CEa and sand percentage with r2 of 0,82. In addition, the r2 for the rest of parameters ranged from 0,28 to 0,82. Conclusion. The calibration method used gave reasonably precise correlations (r2≥0,55) for soil texture at depth from 0 to 30 cm and organic matter variables. However, from 30 to 90 cm soil texture, N, total CIC, and pH anoter calibration methodology should be considered because of imprecise correlations (r2≤0,55).

Resulta crucial adecuar las herramientas tecnológicas basadas en sistemas de posicionamiento global a las prácticas agrícolas para mejorar la eficiencia de producción por área, incrementando la productividad. Este proyecto tiene como objetivo desarrollar una metodología de análisis georeferenciado, basado en el número de manos por racimo de una finca. El trabajo se llevó a cabo la Finca Bananera de la Universidad EARTH; la metodología consistió de varías etapas: primero, se determinó la distancia máxima de muestreo con un semivariograma, calculada en 125 m; para obtener información más precisa, el muestreo se realizó a una distancia de 80 m por 50 m; se hizo la recolección de información georreferenciada de la población en un área circular de 8 m de radio, como número de manos por racimo. Se generaron mapas del comportamiento de la productividad y la densidad poblacional en el bloque 1. Se encontró mayor área dentro del rango óptimo del número de unidades productivas por hectárea. En términos productivos el 4% (5,28 ha) del área de la finca está por debajo del punto de equilibrio financiero y el 94% está por encima del punto de equilibrio. Algunas áreas bajan su productividad cuando exceden las 1800 plantas.ha-1. Se logró desarrollar una metodología para la toma de datos a partir del índice fenológico del número de manos por racimo y de la agricultura de precisión. La herramienta identificó los puntos críticos productivos pero no los asoció a ninguna variable de suelo o climática; por lo tanto, se recomienda realizar un nuevo análisis de las zonas; incorporando otras variables de forma integrada.

Geo-referenced analysis of thedistribution of the number of hands per bunch in an area of banana production. To adapt technological tools based on global positioning systems to agricultural practices is crucial to improve the efficiency of production per area, increasing the productivity levels. The objective of this project was to develop a methodology, using phenological indicators and precision agriculture, to estimate the production in the banana plantation at EARTH University. Was to generate Maps of the productivity behavior and population density were generated in Block 1. The methodology consisted of several stages: first, the maximum distance of the sampling was determined with a semivariogram, calculated at 125 m; to gather more accurate information, sampling was performed at a distance of 80 m by 50 m; geo-referenced data collection of the population was made in a circular area of 8 m radius, as number of hands per bunch. Finally, the data was interpolated to obtain maps of areas and their production rates. A larger area was found within the optimal range of the number of production units per hectare. In terms of production, 4% (5,28 ha) of the farm area was below the breakeven point - and 94% was above the equilibrium point. Some areas lower their productivity when they exceed the 1800 plants. ha-1. It was possible to develop a methodology to collect data from phenological index of number of hands per bunch and precision agriculture. The tool identified the critical production points but they were not associated with any soil or climatic variable Therefore, it is recommended to perform further analysis of the areas, incorporating other variables in an integrated way.