ESTIMACIÓN DE LA TEXTURA DE SUELOS MEDIANTE ALGORITMOS DE INTELIGENCIA ARTIFICIAL APLICADOS A FIRMAS ESPECTRALES NIR

Abstract

El presente trabajo tiene como objetivo desarrollar una herramienta precisa y eficiente para la predicción de textura del suelo a partir de firmas espectrales en rango cercano al infrarrojo (NIR) con base en muestras recolectadas en la región de Santander, Colombia. Para esto, se implementó un modelo de red neuronal convolucional (CNN) capaz de estimar los porcentajes de arena, limo y arcilla a partir de la información espectral. Mediante técnicas de preprocesamiento de datos, prueba de varios modelos y optimización de parámetros de la CNN, se alcanzó un coeficiente de determinación R^2 promedio de 0.56. Lo anterior, demuestra la relación que existe entre las firmas espectrales y la textura del suelo. De esta forma, damos paso a la consideración de los modelos de aprendizaje profundo como herramientas confiables para la caracterización de suelos, lo que ofrecerá alternativas más ágiles y económicas si se compara con los métodos tradicionales. Este estudio contribuye al desarrollo de soluciones tecnológicas para el monitoreo y la gestión de suelos, ayudando al fortalecimiento de prácticas sostenibles en el mundo agrícola y ambiental de la región.