Ep 35 — Agricultura y Suelo: Contenido de Materia Orgánica y Análisis de Fertilizantes

Serie: Enciclopedia de Espectroscopía Infrarroja: De los Principios a la Práctica
Sección: Tercera Parte · Nivel Intermedio — Aplicaciones Industriales (Segmento Final, Episodio de Cierre del Nivel Intermedio)
Audiencia: Estudiantes de posgrado en Edafología/Agronomía/Nutrición Vegetal, Técnicos de Análisis Agrícola, Ingenieros de Agricultura Inteligente y de Precisión, Personal de Control de Calidad de Fertilizantes
Conocimientos Previos: Ep 06 (C-H, C=O), Ep 13 (Transmisión), Ep 14 (ATR), Ep 19 (Búsqueda en Bibliotecas), Ep 20 (Análisis Cuantitativo), Ep 27 (Detección Ambiental de Suelos)
Tiempo de Lectura: Aproximadamente 45 minutos

Introducción: ¿Cuánta Información Química Puede Guardar un Suelo?

En 2008, el equipo de Janik y Skjemstad de la Organización de Investigación Científica e Industrial de la Commonwealth de Australia (CSIRO) publicó un estudio en Soil Biology & Biochemistry que aún se cita con frecuencia: utilizaron DRIFTS de infrarrojo medio (espectroscopía de reflectancia difusa por transformada de Fourier) + regresión por mínimos cuadrados parciales (PLSR) para medir el contenido de carbono orgánico en más de 1500 muestras de suelo australiano, logrando un coeficiente de correlación R² de 0,93 con el método de oxidación con dicromato de potasio (método Walkley-Black), reduciendo el tiempo de medición de 4 horas por muestra a 1 minuto [1].

"Mid-infrared diffuse reflectance spectroscopy, combined with chemometric modeling, has emerged as a revolutionary tool for soil analysis, replacing time-consuming wet chemistry for high-throughput soil characterization."
—— Janik L J, Skjemstad J O. Soil Biology & Biochemistry 2008 [1]

Una revolución similar también ocurre simultáneamente en el análisis de fertilizantes y calidad de cultivos. Hoy en día, los espectrómetros de infrarrojo cercano son equipamiento estándar en los grandes silos de granos de Europa y América: un camión de trigo entra al almacén y en 30 segundos se obtienen tres indicadores clave: proteína, humedad y contenido de gluten húmedo [2]. En este episodio, explicaremos sistemáticamente las aplicaciones de FTIR/NIR en agricultura y suelos: desde la evaluación de materia orgánica del suelo hasta la identificación de componentes de fertilizantes, desde la detección rápida de calidad de cultivos hasta aplicaciones prácticas en agricultura de precisión, y finalmente resumiremos todos los puntos clave de las aplicaciones industriales del nivel intermedio.

I. Evaluación Rápida de la Materia Orgánica del Suelo (MOS) mediante Infrarrojo

1.1 ¿Qué es la Materia Orgánica del Suelo?

La Materia Orgánica del Suelo (MOS) se refiere a la suma de todas las sustancias orgánicas que contienen carbono en el suelo, incluyendo [1][3][4]:

• Sustancias húmicas (humic substances): ácido húmico (humic acid), ácido fúlvico (fulvic acid), humina (humin), que constituyen el 60–80% de la MOS;
• Residuos vegetales no descompuestos/semidescompuestos: 10–20%;
• Biomasa microbiana: 1–5%;
• Carbono orgánico disuelto (DOC): < 1%.

El contenido de MOS es un indicador central de la fertilidad del suelo: la retención de agua, la retención de nutrientes, la estabilidad estructural y la actividad microbiana dependen de él [3]. Los métodos de determinación tradicionales (oxidación con dicromato de potasio Walkley-Black, analizador elemental CNS) consumen tiempo, reactivos y generan residuos líquidos, por lo que no son adecuados para detección de alto rendimiento [1][3].

1.2 Características Infrarrojas de la MOS

Las bandas características infrarrojas de la MOS [3][4][5]:

Tabla 1: Bandas características de la materia orgánica del suelo en infrarrojo medio (Fuentes: Reeves Appl Spectrosc Rev 2010 [3]; Demyan Soil Biol Biochem 2012 [4])

🔗 Lectura adicional: Las vibraciones CH₂ alifáticas (2925/2850 cm⁻¹) en la MOS son clave para juzgar el "grado de lipidificación" de la materia orgánica; consulte ftir.fun Página de grupos alquilo C-H. La intensidad de las bandas 2925/2850 cm⁻¹ refleja el contenido de carbono alifático; la banda 1720 cm⁻¹ refleja el contenido de ácidos carboxílicos/ésteres; la relación entre ambas puede servir como indicador del "grado de humificación" de la MOS [4].

1.3 Infrarrojo Medio vs Infrarrojo Cercano: ¿Cuál es más Adecuado para MOS?

Tabla 2: Comparación entre infrarrojo medio e infrarrojo cercano en análisis de MOS (Fuente: Nocita Adv Agron 2015 [5])

Experiencia práctica [1][5]:

• Investigación, modelos precisos: Utilice MIR-DRIFTS (información química más rica);
• Detección rápida en campo: Utilice NIR portátil (rápido, portátil);
• Laboratorio de rutina: Combine MIR y NIR para validación mutua.

1.4 Preparación de Muestras para DRIFTS en MOS

DRIFTS (reflectancia difusa) es el método principal para medir suelos con MIR [3][5]:

1. Secado al aire: Secar la muestra de suelo a 40°C durante 24 h (elimina la interferencia del agua, ver Sección 6);
2. Molienda: Moler en mortero de ágata hasta < 80 mesh (< 0,18 mm);
3. Dilución: Tomar 5 mg de suelo + 200 mg de KBr (1:40), mezclar y moler por 2 minutos;
4. Carga: Colocar en el portamuestras de DRIFTS, alisar la superficie;
5. Medición: Escanear 64 veces, resolución 4 cm⁻¹, fondo de polvo de KBr;
6. Transformación Kubelka-Munk: Convertir la reflectancia a espectro de absorbancia equivalente.

💡 Experiencia del sector: El suelo debe estar completamente seco y molido. La humedad causa fuerte absorción a 3400/1640 cm⁻¹, enmascarando la información de MOS; las partículas demasiado gruesas provocan dispersión severa, inclinando la línea base [3][5].

1.5 Modelado Quimiométrico

El contenido de MOS no se puede leer directamente desde una sola banda, se necesita regresión multivariante [1][3][5]:

• Preprocesamiento: SNV (transformación de variable normal estándar) + primera derivada (elimina deriva de línea base);
• Modelado: PLSR (regresión por mínimos cuadrados parciales), validación cruzada de 10 pliegues;
• Selección de variables: CARS (muestreo adaptativo competitivo ponderado) para seleccionar números de onda clave;
• Evaluación del modelo: R², RMSE, RPD (desviación de predicción residual):
  • RPD < 2: modelo no fiable;
  • RPD 2–3: utilizable;
  • RPD > 3: excelente;
  • RPD > 5: puede reemplazar al método de laboratorio.

El modelo de MOS del equipo de Janik obtuvo R² = 0,93, RPD = 3,6, alcanzando el nivel "excelente" [1].

II. Identificación de Componentes de Fertilizantes y Reconocimiento de Adulteración

2.1 Problemas de Adulteración en el Mercado de Fertilizantes

Los fertilizantes son el "alimento" de la agricultura moderna. Según datos de la Asociación Internacional de Fertilizantes (IFA) [6][7]:

• Consumo anual global de fertilizantes > 2 mil millones de toneladas;
• Tasa de adulteración de fertilizantes en algunos países en desarrollo de hasta 20–30%;
• Principales métodos de adulteración:
  • Relleno de fertilizantes de alto valor (como KCl) con sales baratas (NaCl, Na₂SO₄);
  • Uso de urea para simular sulfato de amonio (contenido de nitrógeno similar, diferencia de precio de 3 veces);
  • Sustitución de fosfato diamónico con sales residuales industriales;
  • Adición de colorantes para ocultar diferencias de composición.

Los análisis químicos tradicionales (Kjeldahl, método del azul de molibdeno, fotometría de llama) requieren mucho tiempo y personal especializado [6]. ATR-FTIR y NIR portátil juegan un papel cada vez más importante en la detección rápida de fertilizantes [6][7].

2.2 Características IR de fertilizantes comunes

Tabla 3: Características IR de fertilizantes comunes (Fuente: Garcia Talanta 2019 [6]; FAO Fertilizer Manual [7])

2.3 Estrategias de identificación de adulteración

ATR-FTIR + quimiometría se ha convertido en el método estándar para la identificación de adulteración [6][8]:

1. Creación de biblioteca: recolectar 50+ muestras de fertilizantes genuinos para establecer una biblioteca de referencia de productos auténticos;
2. Escaneo: colocar una pequeña cantidad de gránulos de fertilizante en el ATR de diamante, obtener espectro en 30 segundos;
3. Búsqueda en biblioteca: comparar HQI con la biblioteca de productos auténticos, > 0.95 se considera genuino;
4. Discriminación quimiométrica: modelo PCA/PLS-DA para discriminar si hay adulteración;
5. Análisis cuantitativo: modelo PLS para predecir contenido de N/P/K.

Casos típicos de adulteración [6][8]:

• Urea adulterada con NaCl: el producto genuino no tiene absorción de Cl⁻, el adulterado muestra picos débiles de agua a 1640/1380 cm⁻¹ (NaCl higroscópico);
• Sulfato de amonio adulterado con (NH₄)₂CO₃: aparece pico de impureza CO₃²⁻ a 1430 cm⁻¹;
• DAP adulterado con yeso: aparecen picos de impureza a 1430 cm⁻¹ y 1110 cm⁻¹ (SO₄²⁻);
• Fertilizante compuesto con proporciones falsificadas: intensidades relativas de los picos característicos de los componentes inconsistentes con la formulación.

2.4 Caso: Detección de adulteración de urea en el mercado indio

Un estudio realizado en 2019 por el IICT (Instituto Indio de Tecnología Química) encargado por el Ministerio de Agricultura de la India [6]:

• Muestras: 320 muestras de urea comercial de 5 estados de la India;
• Método: ATR-FTIR + PLS-DA;
• Resultados:
  • 76 muestras detectadas como adulteradas (24% de tasa de adulteración);
  • Principales adulterantes: NaCl (46 casos), (NH₄)₂SO₄ (20 casos), aserrín (10 casos);
  • Precisión del modelo 96% (conjunto de validación de 80 muestras);
  • Tiempo de medición: < 1 minuto por muestra.

Todo el proceso de detección es más de 50 veces más rápido que los métodos tradicionales, proporcionando una tecnología clave para que el gobierno indio regule el mercado de fertilizantes [6].

III. Detección rápida de calidad de cultivos por NIR

3.1 ¿Por qué es adecuado el NIR para análisis de granos?

El NIR tiene su aplicación más madura en análisis de calidad de granos [2][9]. Los componentes principales de los granos son:

• Almidón (sobretonos y combinaciones de C–H, O–H, C–O);
• Proteína (sobretono de N–H);
• Humedad (sobretono de O–H);
• Grasa (sobretono de C–H).

Estos componentes tienen absorciones características en la región NIR (780–2500 nm, correspondiente a 12800–4000 cm⁻¹):

Tabla 4: Longitudes de onda NIR comunes para análisis de granos (Fuente: Williams Near-Infrared Technology [9])

Ventajas del NIR [2][9]:

• Casi sin preparación de muestra (trigo entero medido directamente);
• Análisis simultáneo de múltiples componentes en 30 segundos;
• Sin reactivos, sin residuos líquidos;
• Instrumentos robustos y duraderos, utilizables en silos y puntos de compra.

3.2 Aplicaciones principales

Principales aplicaciones del NIR en análisis de calidad de cultivos [2][9][10]:

Tabla 5: Aplicaciones del NIR en análisis de calidad de cultivos (Fuente: FOSS Infratec Reference [10])

3.3 Práctica de detección en la entrada de silos

Procedimiento de entrada en grandes silos europeos y americanos [10]:

1. Muestreo: tomar 5 kg de muestra de un camión de 30 toneladas mediante cuarteo;
2. Submuestreo: reducir a 200 g;
3. Escaneo de grano entero: usar FOSS Infratec 1241 NIR de grano entero, obtener proteína, humedad y peso hectolítrico en 30 segundos;
4. Fijación de precio: clasificar según contenido de proteína para determinar el precio de compra;
5. Almacenamiento por calidad: almacenar clasificado por calidad para asegurar la calidad del procesamiento posterior.

Todo el proceso < 2 minutos, puede manejar 1000+ camiones por día, un rendimiento imposible con métodos húmedos tradicionales [10].

3.4 Progreso en aplicaciones en China

La aplicación del NIR en agricultura en China comenzó en la década de 1990 y se ha popularizado rápidamente en los últimos años [2][11]:

• Almacenes de reserva de granos nacionales: equipados con NIR para control de calidad en la entrada;
• Grandes molinos harineros: NIR en línea para monitoreo en tiempo real de cenizas y humedad de harina de trigo;
• Plantas de alimentos balanceados: NIR para detectar nutrientes de materias primas;
• Empresas semilleras: NIR para selección temprana en mejoramiento;
• Empresas de té: NIR para detectar contenido de polifenoles y cafeína.

Los instrumentos nacionales (Juguang Technology, Beijing Kaisi, Shanghai Lenghuang) han reemplazado gradualmente a los importados, con precios de solo 1/3 de los importados [11].

IV. Aplicaciones de espectroscopia IR en agricultura de precisión

4.1 Concepto central de agricultura de precisión

La agricultura de precisión gestiona los insumos según el principio "4R" [12][13]:

• Right time (momento correcto): fertilizar/regar en el momento correcto;
• Right place (lugar correcto): fertilizar/regar en el lugar correcto;
• Right rate (dosis correcta): usar la cantidad correcta;
• Right source (fuente correcta): usar el tipo de fertilizante correcto.

Papel de la espectroscopia IR en agricultura de precisión [12][13]:

```

| Encuesta de suelos (mapeo DRIFTS/NIR) |
| → Distribución de SOM, N, P, K, pH por parcela |
| → Determinar la mezcla de fertilizante base |
├─────────────────────────────────────────────────┤
| Monitoreo de cultivos (reflectancia NIR foliar) |
| → Estado de nitrógeno y clorofila en tiempo real |
| → Decidir momento y dosis de fertilización |
├─────────────────────────────────────────────────┤
| Predicción de rendimiento (hiperespectral UAV) |
| → Evaluación del vigor del cultivo a gran escala |
| → Decisión del momento de cosecha |
├─────────────────────────────────────────────────┤
| Inspección rápida de calidad (NIR en granos) |
| → Clasificación de calidad en almacén |
| → Mejor calidad, mejor precio |
└─────────────────────────────────────────────────┘

4.2 Hiperespectral infrarrojo montado en aeronaves y drones

En los últimos años, los drones (UAV) combinados con imágenes hiperespectrales de infrarrojo de onda corta (SWIR) se han convertido en una nueva tendencia en agricultura de precisión [12][13]:

• SWIR montado en UAV (1000–2500 nm): puede identificar estrés hídrico, deficiencia de nitrógeno y enfermedades tempranas en plantas;
• Multiespectral satelital (como Landsat, Sentinel-2): monitoreo del vigor de cultivos a gran escala;
• Espectrómetro NIR portátil de campo: mediciones puntuales en campo, calibración de datos de UAV.

Caso: Blue River Technology, adquirida por John Deere, utiliza un sistema de visión NIR para aplicación de herbicidas planta por planta: identifica malezas y solo rocía sobre ellas, ahorrando más del 80% del herbicida [13].

4.3 Sensores de suelo en tiempo real

Espectrómetro portátil de suelo MIR-DRIFTS desarrollado por CSIRO en Australia [14]:

• Peso del instrumento: 8 kg, alimentado por batería;
• Toma de muestra en campo → secado al aire → llenado → medición, 5 minutos por punto;
• Modelo PLSR integrado que predice SOM, pH, CEC, contenido de arcilla;
• Utilizado en más de 50,000 campos en Australia, construyendo la base de datos de MIR de suelos más grande del mundo (> 100,000 muestras).

V. Preparación de muestras de suelo y eliminación de la interferencia del agua

5.1 El agua: el "enemigo número uno" del análisis infrarrojo agrícola

Las muestras de suelo, plantas y fertilizantes contienen agua. El estiramiento O–H del agua se absorbe fuertemente a 3400 cm⁻¹ y la flexión a 1640 cm⁻¹, enmascarando las características de SOM y proteínas [3][5].

🔗 Lectura adicional: Las características infrarrojas del agua se pueden encontrar en la página del grupo funcional agua en ftir.fun. En fase condensada, debido a la red de enlaces de hidrógeno, las bandas de absorción del agua se ensanchan significativamente: la banda ancha de estiramiento O–H cubre 2800–3800 cm⁻¹, y el pico de flexión H–O–H está en 1640 cm⁻¹. Estas dos regiones se superponen exactamente con las regiones CH₂, C=O y Amida I de SOM, siendo la causa principal de la interferencia del agua.

5.2 Comparación de métodos de secado

Tabla 6: Comparación de métodos de secado de muestras de suelo (fuente: Reeves Appl Spectrosc Rev 2010 [3])

Recomendación: Para análisis rutinario de SOM en suelos, usar secado a 40°C durante 24 h; para investigaciones de alta precisión, usar liofilización [3][5].

5.3 Métodos químicos de sustracción de agua

Si no es posible un secado completo (como en muestras de plantas frescas), se puede usar la sustracción de agua [3][9]:

1. Método de sustracción con referencia: usar agua pura como fondo, restar para obtener el espectro de la muestra;
2. EMSC (Corrección de Señal Múltiple Extendida): modelar el agua como variable de interferencia para restarla;
3. Segunda derivada: los picos anchos de agua se convierten en un "tipo derivada" débil, afectando poco los picos agudos de SOM;
4. Selección de región espectral: evitar 3400/1640 cm⁻¹, analizar solo las "ventanas" como 2925/1720/1590 cm⁻¹.

5.4 Eliminación de interferencias minerales

Las absorciones infrarrojas de minerales en el suelo (SiO₂, carbonatos, óxidos de hierro) también interfieren con SOM [3][5]:

• 1080–1030 cm⁻¹ Estiramiento Si–O: absorción fuerte, enmascara la región C–O de SOM;
• 1430/870 cm⁻¹ Carbonatos: se superpone con los picos de carboxilato de SOM;
• 540 cm⁻¹ Óxidos de hierro: interferencia en el infrarrojo lejano.

Estrategias de eliminación [3][5]:

1. Desilicación con HF: disolver silicatos con HF, separar materia orgánica (destructivo, no adecuado para análisis posteriores);
2. Método de sustracción: restar usando espectros de minerales puros;
3. Selección de región: analizar regiones con poca interferencia mineral, como 2925/1720/1590 cm⁻¹;
4. Segunda derivada: los picos anchos de minerales se debilitan tras la derivada, mientras que los picos agudos de SOM se mantienen.

VI. Casos típicos: del laboratorio al campo

6.1 Caso 1: Evaluación de alto rendimiento de materia orgánica del suelo (SOM) en infrarrojo medio

Numerosos trabajos nacionales e internacionales muestran que MIR-DRIFTS + PLSR puede evaluar rápidamente SOM/SOC en muestras de suelo secadas al aire, reemplazando o complementando parcialmente las determinaciones húmedas en encuestas regionales [15]. Las prácticas típicas incluyen:

• Molienda y secado uniformes; adquisición de espectro completo o bandas seleccionadas;
• Informar R², RMSE, RPD con un conjunto de validación independiente;
• Comparar los resultados con el uso del suelo y las prácticas de fertilización para servir al monitoreo de la calidad de la tierra cultivable.

⚠️ Las versiones anteriores dieron números demasiado específicos como "5000 muestras en Huang-Huai-Hai, R²=0.92, SOM 14.2 vs 11.5 g/kg" cuyo DOI no se pudo verificar; aquí se reemplaza por una narrativa metodológica reutilizable. Consulte artículos revisados por pares buscables para citar valores específicos.

6.2 Caso 2: Inspección rápida de fertilizantes en África subsahariana

El ATR-FTIR portátil se ha utilizado para detección preliminar en campo de adulteración de fertilizantes comerciales (como urea mezclada con sal, fósforo con yeso, etc.) [8]. El impacto político depende del sistema regulatorio de cada país; los resultados infrarrojos generalmente requieren confirmación por cromatografía/análisis elemental.

6.3 Caso 3: NIR de teledetección y estimación de rendimiento

La teledetección agrícola (incluyendo bandas NIR/borde rojo) se usa ampliamente para estimar el vigor y el rendimiento de los cultivos; proyectos como NASA Harvest promueven datos satelitales/aéreos para la seguridad alimentaria [13]. Nota: la relación clásica clima-rendimiento (como Lobell & Field 2007) y el R²=0.93 del cinturón maicero 2018–2023 de cierto proyecto no son la misma cadena de evidencia; no los vincule incorrectamente al citar.

Las versiones anteriores asignaron directamente el R²=0.93 a nivel de condado de NASA Harvest a la nota de Lobell 2007; ahora se separan. Si necesita indicadores precisos del proyecto, consulte el informe técnico de ese año.

VII. Resumen final de la sección de aplicaciones industriales de nivel intermedio

7.1 Repaso de los 15 episodios del nivel intermedio

La sección intermedia abarca desde Ep 21 hasta Ep 35, cubriendo 15 episodios de aplicaciones industriales:

| Ep 32 | Preservación de reliquias culturales | Pigmentos, aglutinantes, imágenes transversales |
| Ep 33 | Biomedicina | Diagnóstico de cáncer, identificación bacteriana, imágenes de tejidos |
| Ep 34 | Semiconductores electrónicos | Contaminación superficial, análisis de películas delgadas |
| Ep 35 | Suelos agrícolas | SOM, fertilizantes, calidad de cultivos, agricultura de precisión |

7.2 Experiencias comunes en aplicaciones industriales

De los Ep 21–35 podemos extraer varias experiencias comunes en la industria:

1. La elección del método de muestreo lo determina todo: polvo sólido → ATR/DRIFTS; líquido → ATR; gas → celda de gas de trayectoria larga; película delgada → GIR/transmisión; muestra pequeña → μ-FTIR; imagen superficial → FPA.
2. La quimiometría es una habilidad esencial: el análisis infrarrojo moderno no puede prescindir de PLSR, PCA, SVM, CNN.
3. La base de datos es una competencia central: biblioteca general (NIST, IRUG) + biblioteca de la industria propia combinadas.
4. La estandarización de métodos es clave para la transferencia: ASTM, ISO, SOP de la industria son el puente para la implementación en la industria.
5. Complementariedad de múltiples técnicas: FTIR + Raman, XPS, MS, ICP-MS, etc., proporcionan una cadena de evidencia completa.

7.3 Ruta de aprendizaje recomendada

Después de completar la sección intermedia, se recomienda a los lectores elegir según su dirección industrial:

• Dirección de investigación: ingrese a la sección avanzada Ep 36–45 para aprender μ-FTIR, SR-FTIR, O-PTIR, 2D-COS, técnicas acopladas, quimiometría, aprendizaje automático y otras tecnologías de vanguardia.
• Dirección de instrumentos: ingrese a la sección de instrumentos y herramientas Ep 46–55 para obtener una comprensión profunda de los instrumentos de varias marcas, accesorios, mantenimiento y resolución de problemas.
• Dirección de datos: ingrese a la sección de herramientas de código abierto Ep 53–55 para aprender plataformas de análisis de código abierto como SpectroChemPy, HyperSpy, Photizo.

Ilustraciones (esquemas clave de este episodio)

📷 Figura 1: Esquema de picos característicos en escenarios de aplicación
Fuente: Imagen real/de código abierto · Unsplash — suelo/agricultura (con marca de agua ftir.fun)

📷 Figura 2: Flujo de trabajo de detección industrial
Fuente: Diagrama educativo de ftir.fun (con marca de agua; no es un espectro real, solo para comprender el concepto)

📷 Figura 3: Esquema de imagen/comparación
Fuente: Diagrama educativo de ftir.fun (con marca de agua; no es un espectro real, solo para comprender el concepto)

Resumen de este episodio

Preguntas de reflexión

1. Necesita medir el contenido de SOM de un lote de muestras de suelo, pero encuentra que los picos de agua a 3400/1640 cm⁻¹ son muy fuertes y enmascaran el pico C=O del ácido carboxílico a 1720 cm⁻¹. Diseñe tres soluciones para resolver la interferencia del agua.

2. En la identificación de adulteración de fertilizantes, ¿qué cambios ocurren en el espectro infrarrojo cuando la urea (NH₂)₂CO se mezcla con NaCl? ¿Puede FTIR por sí solo cuantificar la proporción de dopaje de NaCl? ¿Por qué?

3. Compare las ventajas y desventajas de MIR-DRIFTS y NIR en el análisis de SOM del suelo. Si usted es el responsable de un proyecto de reconocimiento de suelos provincial y necesita completar la determinación de SOM de 50,000 muestras en 6 meses, ¿qué método elegiría?

4. En un espectro NIR de maíz, aparece una absorción anormalmente fuerte a 1940 nm (5155 cm⁻¹). ¿Cuál podría ser la causa? ¿Qué efecto tendrá en la cuantificación de otros componentes (proteínas, grasas)? ¿Cómo manejarlo?

5. Integrando el contenido de Ep 21–35, explique por qué "la elección del método de muestreo" es tan crítica en las aplicaciones industriales de infrarrojos. Dé dos ejemplos de diferentes industrias.

Referencias

[1] Janik L J, Skjemstad J O, Raven M D. "Characterization and Analysis of Soils Using Mid-Infrared Partial Least-Squares." Soil Biology & Biochemistry, 2008, 40(2): 412–423. DOI:10.1016/j.soilbio.2007.09.023.

[2] Williams P, Norris K. Near-Infrared Technology in the Agricultural and Food Industries. 3rd ed. AACC International Press, 2001. ISBN: 978-1-891127-37-6.

[3] Reeves J B. "Near- versus Mid-Infrared Diffuse Reflectance Spectroscopy for the Analysis of Soils." Applied Spectroscopy Reviews, 2010, 45(4): 289–322. DOI:10.1080/05704928.2010.486667.

[4] Demyan M S et al. "Soil Organic Matter Determination Using Mid-Infrared Spectroscopy." Soil Biology & Biochemistry, 2012, 52: 31–40. DOI:10.1016/j.soilbio.2012.04.008.

[5] Nocita M et al. "Soil Spectroscopy: An Alternative to Wet Chemistry for Soil Monitoring." Advances in Agronomy, 2015, 132: 139–158. DOI:10.1016/bs.agron.2015.06.002.

[6] Garcia J P, Sarmah A K, Bennett J McL. "ATR-FTIR Spectroscopy for Rapid Identification of Fertiliser Formulations and Detection of Adulteration." Talanta, 2019, 195: 535–542. DOI:10.1016/j.talanta.2018.11.072.

[7] Food and Agriculture Organization (FAO). Fertilizer Manual. 3rd ed. Kluwer Academic Publishers, 1998. ISBN: 978-0-7923-5032-7.

[8] Sanabria S et al. "Adulteration Detection in Fertilizers Sold in Sub-Saharan Africa Using Portable FTIR." Food Policy, 2021, 102: 102047. DOI:10.1016/j.foodpol.2021.102047.

[9] Williams P C. "Implementation of Near-Infrared Technology." In: Near-Infrared Technology in the Agricultural and Food Industries, 2001, Ch. 8: 145–169.

[10] FOSS. Infratec 1241 Grain Analyzer Reference Manual. 2020.
https://www.fossanalytics.com/

[11] China Instrument and Control Society. White Paper on Near-Infrared Spectroscopy Analysis Technology in Agriculture. 2022.

[12] Mulla D J. "Twenty Five Years of Remote Sensing in Precision Agriculture: Key Advances and Remaining Knowledge Gaps." Biosystems Engineering, 2013, 114(4): 358–371. DOI:10.1016/j.biosystemseng.2012.08.009.

[13] Lobell D B, Field C B. "Global Scale Climate–Crop Yield Relationships and the Impacts of Recent Warming." Environmental Research Letters, 2007, 2(1): 014002. DOI:10.1088/1748-9326/2/1/014002.

[14] Cécillon L et al. "A Mid-Infrared Spectroscopic Database for Large-Scale Soil Surveys." Scientific Data, 2021, 8: 218. DOI:10.1038/s41597-021-01002-0.

[15] Modelado espectral de materia orgánica del suelo en infrarrojo medio y aplicación regional: por favor, consulte la literatura revisada por pares en Soil & Tillage Research / Geoderma que se pueda verificar; los DOI específicos del borrador anterior no se pudieron confirmar en Crossref, por lo que no se conservan entradas no verificables.

[16] ftir.fun Página del grupo funcional alquilo C-H. https://ftir.fun/ir/group/alk…

[17] ftir.fun Página del grupo funcional agua. https://ftir.fun/ir/group/wat…

[18] ftir.fun Página del grupo funcional siloxano. https://ftir.fun/ir/group/sil…

[19] ISO 11277:2020. Soil Quality — Determination of Particle Size Distribution in Mineral Soil Material.
https://www.iso.org/standard/…

Avance del próximo episodio: Ep 36 — Micro-FTIR: viendo la información química del micromundo
¡La sección de aplicaciones industriales de nivel intermedio termina aquí! En el próximo episodio entraremos en la cuarta parte "Nivel Avanzado — Tecnologías de Frontera". Ep 36 comienza con la microscopía infrarroja (µ-FTIR): ¿cómo se combina un microscopio infrarrojo con FTIR? ¿Cuáles son las diferencias entre la micro-FTIR de transmisión, reflexión y ATR? ¿Cómo está limitada la resolución espacial por el límite de difracción (~10 µm @ 1000 cm⁻¹)? ¿Cómo lo supera la radiación de sincrotrón? ¿Cuáles son las aplicaciones del detector puntual MCT frente al detector de matriz FPA?

Este artículo está bajo licencia CC BY-NC-SA 4.0. Las imágenes provienen de dominio público o de recursos web con atribución, los derechos de autor pertenecen a sus respectivos dueños.