Trabajo de Investigacin

Estimacin rpida de las propiedades de ingeniera del suelo

utilizando la reflectancia difusa del espectro del infrarrojo
corto
Las pruebas de los materiales involucran mtodos de referencia
complejas y varias pruebas de suelo se han utilizado para la
indexacin atributos materiales funcionales para aplicaciones de
ingeniera civil. Sin embargo, los mtodos de laboratorio
convencionales son caros, lentos y a menudo impreciso. Se investig
el potencial del suelo de reflectancia difusa en el infrarrojo cercano
(NIR) para la estimacin rpida de las propiedades del suelo de
ingeniera clave seleccionados. Dos conjuntos de muestras que
representan a los diferentes suelos de toda la cuenca se utilizaron
para el estudio: Un conjunto de calibracin del modelo (n = 136) se
obtuvo mediante un muestreo hipercubo latino acondicionado, y un
conjunto de validacin (n = 120) utilizando un espacio estrategia de
muestreo aleatorio estratificado. Las medidas espectrales fueron
obtenidos para (<2 mm) del suelo sub-muestras secadas al aire
utilizando una transformada de Fourier de reflectancia difusa en el
infrarrojo cercano (NIR) del espectrmetro. Datos de referencia de
laboratorio del suelo tambin se obtuvieron para el lmite lquido (LL),
lmite plstico (PL), el ndice de plasticidad (IP), contraccin lineal
(LS), coeficiente de extensibilidad lineal (COLE), la contraccin
volumtrica (VS), el nmero de la actividad de arcilla (Ac), contenido
total de arcilla, contenido de humedad se sec al aire, y la capacidad
de intercambio catinico (CEC). Datos de referencia del suelo fueron
calibrados para alisado primera espectros NIR derivado utilizando
mnimos cuadrados parciales de regresin (PLS). En la etapa de
calibracin, coeficiente de determinacin para la validacin cruzada
completa (R2) de 0,70 se obtuvo para la CCA, mc, LL, PI, LS, Cole y
VS. Adems validacin independiente dio R2 0,70 y RPD (relacin de
SD de datos de referencia y error cuadrtico medio de prediccin)
1.7e2.2 para LL, PI, MC y CCA. Los resultados sugirieron que NIRePLS
tiene potencial para la rpida estimacin de varias propiedades clave
de ingeniera de suelos. Adems el trabajo debe centrarse en la
ampliacin de las bibliotecas de calibracin utilizando ms diversos
tipos de suelo y mtodos de prueba alternativos infrarrojos de
reflectancia difusa en base.
1. Introduccin
Sistemas de pruebas de diferentes materiales (por ejemplo, doble
edmetricas, triaxial, cizalla, Proctor, y California Bearing Ratio
prueba) se han ideado con el fin de producir evidencia emprica
estndar para evaluar la capacidad de cualquier suelo dado para
llevar a cabo. Sin embargo, estas pruebas utilizan un equipo
complicado, requiere operadores altamente calificados y utilizar
tambin grandes cantidades de materiales de muestra. Varias
pruebas de suelo se han utilizado para proporcionar indicadores

rpidos de la capacidad funcional para el suelo preliminar

investigaciones geotcnicas del sitio. Estas incluyen anlisis de suelo
de tamao de partcula, Atterberg o lmites de consistencia,
contraccin lineal y parmetros derivados. Otros incluyen contenido
gravimtrico de humedad (MC) y la capacidad de intercambio
catinico (CIC) (Bell, 2000, cap 3;. Bell, Culshaw, y Northmore, 2003;
Bowles, 1992, cap 1;. Fratta, Aquettant, y Roussel-Smith,
2007, cap. 3). Sin embargo, los mtodos de laboratorio
convencionales son caros, lentos y a menudo impreciso. Los mtodos
tambin incluyen pruebas de suelo individuales y la destruccin fsica
del sistema del suelo y requieren el uso de (perjudiciales para el
medio ambiente) extractantes qumicos. Anlisis de suelo utilizando la
tecnologa de infrarrojos de reflectancia difusa es una alternativa muy
conocido por su rapidez, simplicidad, precisin y costo-efectividad
(Viscarra Rossel y McBratney, 1998). Reflectancia difusa cerca de la
espectroscopia de infrarrojo cercano (NIR) se ha aplicado
ampliamente para el anlisis en muy diversos campos, incluyendo la
agricultura, la geologa, la medicina y la ciencia del suelo (Shepherd &
Walsh, 2007). En la ciencia del suelo, numerosos estudios (Stenberg,
Viscarra-Rossel, Mouazen, y Wetterlind, 2010) han demostrado que el
rango espectral NIR combinado con un mtodo de calibracin
multivariante podra ser utilizado como un no destructivo
tcnica analtica rpida para estimar simultneamente
varios constituyentes de composicin del suelo y la calidad del suelo
atributos con una precisin aceptable en un tiempo muy corto. NIR es,
adems, adaptable para y sobre el terreno 'on-the-go uso en el campo
(Stenberg et al., 2010) importante para rpidas investigaciones
geotcnicas preliminares.
Ya existe alguna evidencia de la utilidad de las NIR en
prediccin de propiedades de ingeniera del suelo (Kariuki, Van der
Meer, y Siderius, 2003; Kariuki, Van der Meer, y Verhoef, 2003). Sin
embargo, no hay estudios disponibles sobre el potencial del NIR
combinado con mnimos cuadrados parciales (PLS) de regresin para
la estimacin rpida de la consistencia (Atterberg) lmites (lquido-LL
lmite, lmite plstico-PL, el ndice de plasticidad-PI), contraccin lineal
(LS ), y el coeficiente asociado de extensibilidad lineal (COLE) y
contraccin volumtrica (VS). Kariuki, Van der Meer, y Siderius (2003)
lograron la clasificacin satisfactoria de los suelos en categoras
amplias-swell potencial, relacionando las caractersticas de absorcin
espectral (posicin caracterstica, la asimetra y la profundidad) en el
infrarrojo de onda corta (SWIR: 1300e2500 nm) con los valores de
umbral de contraccin las propiedades del suelo indicador -swell
(incluyendo CCA, PI y pruebas Cole). Kariuki, Van der Meer, y Verhoef
(2003) encontraron una fuerte relacin entre las caractersticas de
absorcin espectral SWIR (asimetra en 1400 y 2200 nm) con
actividad en el suelo (relacin
CCA:% de arcilla), un ndice de la ingeniera por lo general aplicada
para la estimacin de la CCA, lo que sugiere un gran potencial de NIR
para la estimacin de la CCA. Sin embargo, la transferibilidad
geogrfica contina desafiando a la utilizacin y aplicacin de

estudios espectroscpicos infrarrojos del suelo generalizada (Reeves,

2010;. Stenberg et al, 2010), resultado de la aplicacin de estrategias
de validacin menos rigurosos (Brown, Bricklemyer, y Miller, 2005).
Son pocos los estudios que utilizan NIRePLS para suelo anlisis han
utilizado datos de validacin totalmente independientes aunque
Dardenne, Sinnaeve, y Baeten (2000) encontraron que la veracidad
de los modelos basados en quimiomtricos slo podra establecerse
utilizando equipos de prueba totalmente independientes, recogidas
preferiblemente despus de la calibracin del modelo. Nanni y
Dematte` (2006) intercambian muestras de la superficie y del
subsuelo conjuntos de datos como conjuntos de calibracin y
validacin para la estimacin de varias propiedades del suelo, una
estrategia que Brown et al. (2005) se refieren a como la validacin
pseudo-independiente. Sorensen y Dalsgaard (2005) utilizaron
muestras de conjuntos desde el horizonte superficie relativamente
ms homognea y una gama restringida de arcilla (<26%) para la
prediccin independiente del contenido total de arcilla. Los conjuntos
de datos de validacin independiente elegido
de la poblacin objetivo son necesarios para establecer la verdadera
capacidad predictiva y la solidez de una prueba espectral y evaluar su
aptitud para el uso. Por tanto, este estudio tuvo como objetivo evaluar
el desempeo de NIR-PLS para la estimacin rpida de varias
propiedades del suelo que se utiliza comnmente en materiales de
ndices de estabilidad para aplicaciones de ingeniera civil utilizando
un conjunto de datos de validacin independiente elegido entre los de
la misma zona geogrfica. Una pregunta clave era si la precisin de la
prediccin sera suficiente para las aplicaciones y los estndares de
ingeniera.

2. Materiales y mtodos
2.1. La recogida de muestras
Dos conjuntos de muestras de suelo se obtuvieron de un rea que
entra dentro de la Cuenca del Lago Victoria (LVB) en la parte
occidental de la Repblica de Kenia que cubre aproximadamente
46.400 km2 y obligados por las latitudes 0? 70 4800 N, 0? 240 3600 S
y las longitudes 34? 510 E, de 35 aos ?430 1200 E y 1400 m sobre el
contorno nivel del mar (Fig. 1). Lugares de muestreo para el
conjunto de calibracin (n 1/4 136) (Fig. 1) se establecieron a raz de
una versin simplificada de la toma de muestras hipercubo latino
acondicionado (Minasny y McBratney, 2006).
El conjunto de validacin (n 1/4 120) se obtuvo a partir de dos
diferentes sitios centinela y espacialmente separados (10 km 10
bloques, vase UNEP (2012) para el diseo de muestreo sitio
centinela), Homa Bay (HB) y el Bajo Nyando (LNY) dentro LVB de
Kenia (ver recuadro en la Fig. 1), un ao despus de la recogida del

conjunto de calibracin. La seleccin de los sitios y la recogida de

muestras en el campo

Fig. 1 e Distribucin de calibracin establecido sitios de muestreo

dentro de la cuenca del lago Victoria de Kenia (indicando tambin dos
sitios centinela utilizados para la obtencin de muestras de
validacin)..
seguido protocolo del marco de supervisin degradacin de la tierra
pro- (Walsh y Vagen, 2006). La figura 2 ilustra el diseo y la
distribucin de parcelas de muestreo en HB. En el campo, se
recogieron muestras a tres profundidades (0.0e0.2, 0.2e0.5, 0.5e1.0
m) usando un taladro suelo holands. Antes de los anlisis, las
muestras de suelo a granel eran aire se seca a 40 _C durante dos
semanas, seguido de trituracin con cuidado para pasar un tamiz de
2 mm. Sub-muestras se utilizan para diversos anlisis.
2.2. Las medidas espectrales
Mediciones espectrales se realizaron utilizando un espectrmetro
Fourier transformar reflectancia difusa (Mltiples Analyser (MPA),
Bruker ptica, Alemania) personalizada para NIR (12,500-3600 cm e1). Las mediciones se realizaron utilizando la resolucin de 8 cm e-1,
teniendo un promedio de 32 exploraciones. Espectros de reflectancia
se transformaron a espectros de absorcin y se registran utilizando el
Software de Usuarios ptica (OPUS) (Bruker ptica, Alemania)
(Pastor, 2010). Se utiliz el anlisis de componentes principales (PCA)
de los espectros NIR para el combinado HB y LNY conjunto de

muestras (n 1/4 417) para seleccionar muestras representativas de

120 (W25%) que se utilizaron para proporcionar datos de referencia y
las variables espectrales para la validacin .
2.3. Desarrollo de los datos de referencia del suelo
anlisis fsicos y qumicos del suelo se realizaron utilizando mtodos
de laboratorio estndar segn lo informado por Pastor y Walsh (2002)
para el desarrollo de modelos de calibracin y validacin. Contenido
de humedad del suelo se seca al aire (mc%) se determin por el
mtodo gravimtrico. El contenido total de arcilla (tClay,%)
se determin por el mtodo de hidrmetro siguiente Gee y Bauder
(1986). Suelo CIC efectiva (cmol () kg? 1) se obtuvo como la suma
numrica de Ca intercambiable, Mg, Na y K. Determinacin de
Atterberg limita LL y PL (%) y LS (%) siguieron British Standards
Institution (BSI : 1377, 1975, cap 2).. El PI (%) se calcula como la
diferencia numrica entre LL y PL. Nmero de actividad Clay (Ac,
unidad) se obtuvo como la relacin de PI a tClay. El COLE (unidad) y
VS (%) se calcularon utilizando LS datos segn lo informado por Igwe
(2003).
Se llevaron a cabo pruebas de reproducibilidad de repetibilidad e
intra-laboratorio para los lmites de Atterberg y contraccin lineal.
Repetibilidad se evalu mediante el coeficiente de variabilidad (CV),
expresada en porcentaje [% CV 1/4 (SD / media) 100], donde SD es la
desviacin estndar de las mediciones.
2.4. Las propiedades del suelo
Profundidades del suelo (0.0e0.2, 0.2e0.5, 0.5e1.0 m) se combinaron
para ambos conjuntos de calibracin y muestras de validacin. Esto
presenta una amplia gama de datos de las propiedades del suelo
(Cuadro 1). Para ambas muestras establece PL y Ac fueron muy
sesgada y logaritmo natural (ln) transformacin se aplic para reducir
la asimetra. Mc Suelo y CCA tenan se aplic una ligera asimetra y la
transformacin de raz cuadrada. Distribucin de los datos sin
procesar por tClay, LL, PI, LS, COLE y VS aproximar una distribucin
de Gauss y as no se utiliz la transformacin.
Datos de las propiedades del suelo para el conjunto de la muestra de
validacin estuvieron dentro del rango del conjunto de calibracin
para todas las propiedades del suelo con excepcin de la CCA y tClay
(Tabla 1), que satisface un requisito clave para un exitoso anlisis NIR
PLS (Stenberg et al., 2010). Alcance de los datos de la CCA fue
3.41e67.0 y 4.79e76.4 (cmol () kg? 1) en el calibracin y validacin
establece respectivamente. El tClay indicacin 9.0e61.0 cado y
7.0e81.0 (%) en la calibracin y la validacin de conjuntos
respectivamente.
PCA puntuaciones parcela de espectros NIR para la calibracin
combinada (n 1/4 136) y validacin (n) 1/4 417 muestras (Fig. 3)
indic que la mayora de las muestras de validacin (marcado con 'v')
estuvieron dentro del rango de calibracin muestras (marcados con
'c'), afir- cin que los dos conjuntos pertenecan a la misma poblacin
del suelo.

Fig. 2 e Sentinel sitio que indica la distribucin de clusters y de las

parcelas de muestreo para el conjunto de validacin (parcelas
marcadas en rojo eran lugares prioritarios).
2.5. Calibracin de las propiedades del suelo
Antes de la calibracin de desarrollo, los datos de referencia
transformadas se centrado media y luego reducido (1 / SD). Los
espectros de absorbancia fueron transformados utilizando
SavitzkyeGolay primer derivado tiva y un factor de suavizacin. Slo
se utilizaron los <8000 y> 4000 cm-1 bandas espectrales, para
excluir el ruido excesivo en las longitudes de onda ms cortas. Valores
atpicos espectrales se verificaron en el

Tabla 1 e propiedades de ingeniera del suelo para las muestras de

calibracin establecidos (datos para el conjunto de validacin
correspondientes se muestran en parntesis).

Fig. 3 e puntuaciones PCA parcela (PC1 vs PC2) para los espectros NIR
de muestras combinados conjuntos de calibracin y validacin (PCA

se ha ejecutado en Unscrambler usando correccin de

apalancamiento para la validacin del modelo. Muestras de validacin
(v) fuera del espacio de muestras de calibracin (c) se identificaron
visualmente como posibles valores atpicos espectrales).
conjunto de calibracin usando la distancia de Mahalanobis (Naes,
Isaksson, Helecho, y Davies, 2002; Shepherd & Walsh, 2002). PCA
puntuaciones parcela de derivado de espectros NIR se utiliz para
calcular distancias de Mahalanobis robustos (H). Las muestras con H>
12 se consideraron posibles valores atpicos. Los espectros
transformados fueron calibrados para cada uno de los valores de
referencia de la propiedad del suelo por PLS 1. Las calibraciones se
hicieron con el permiso de salida y uno de validacin cruzada
(LOOCV). La versin de software Unscrambler 9,2 (Camo SOFTWARE
ASA, Oslo, Noruega) se utiliz para el tratamiento previo de los datos
y de calibracin. El procedimiento de calibracin en El Unscrambler
est bien descrito por otros trabajadores (Canasveras, Barron, Del
Campillo, torrent, y Gmez, 2010; Stenberg, 2010). En El
Unscrambler, modelo completo, con un mximo de 20 componentes
principales (PC) se haba puesto; Sin embargo, el nmero ptimo de
las PC que se utilizar para cada propiedad se determin utilizando
varianzas residuales (CAMO ASA, 1998). La capacidad predictiva de
los modelos se evalu mediante el coeficiente de determinacin (R2),
el error cuadrtico medio de la validacin cruzada (RMSECV) y la RPD
(relacin de SD de valores de referencia de calibracin para RMSECV).
El RMSECV se calcul como sigue:

donde y es el valor predicho por la tcnica NIR-PLS, x es el valor de

referencia, y n es el nmero total de muestras.
Los modelos de calibracin LOOCV con R2> 0.3 (Saeys, Xing, De
Baerdemaeker, y Ramn, 2005) fueron validados utilizando de
manera similar preprocesado de referencia y los datos espectrales
NIR para las muestras de los sitios independientes. La capacidad
predictiva de los modelos se evalu mediante el coeficiente de
determinacin (R2), el error cuadrtico medio de prediccin (RMSEP),
y el RPD (relacin de SD de valores de referencia de validacin para
RMSEP). RMSEP se calcul utilizando la ecuacin. (1). El software
Unscrambler se utiliz para las predicciones. Calibracin e
independiente las estadsticas de validacin (coeficiente de
determinacin, RMSECV, RMSEP, y RPD) fueron dados de datos backtransformado.
Una muestra de valor atpico valor de referencia se defini como
muestra cuyo diferencia entre el valor predicho y medido para una
propiedad del suelo era mayor que 3 RMSECV / RMSEP (Islam, Singh,

y McBratney, 2003). Para el conjunto de validacin, el nmero de

muestras detectadas como valores atpicos valor de referencia fueron
1 para tClay, 2 para mc, LL, PI, PL, LS y VS, 3 para la CCA y Cole. Las
muestras con las predicciones falsas (negativas) (1 para LL, PI y
COLE, 2 para LS y VS) tambin se consideraron valores atpicos. Las
muestras atpicas fueron excluidos de las predicciones y las
estadsticas modelo (R2) y RMSEP recalculados. Prediccin para PL se
ha optimizado con la eliminacin tambin de los suelos no plsticos
(un total de seis muestras). Una de las muestras tena material de
suelo inadecuado para pruebas mecnicas (LL, PI, PL, LS Cole y VS).
Cinco valores atpicos espectrales fueron eliminado (Robusta
Mahalanobis> 12) en el conjunto de calibracin pero no tuvo ningn
impacto en los modelos LOOCV.

unosCdigos:B,C,E,J,L,NyWidentificanlossieteoperadoresdiferentesqueseutilizanparala
prueba;losdatosdelascolumnasindicanlarepetibilidaddelosoperadoresindividuales,mientrasquelos
datosdefilaindicanreproducibilidadatravsdelossieteoperadoresdiferentes;lamuestradeensayoera
unrojosuelofrancoarcillosofriabledeplasticidadmoderada(LL1/445.3,29.8PL1/4,1/4PI15.5).

Fig. 4 e comparacin Diagrama de dispersin de los valores medidos y

predichos para distintas propiedades de ingeniera del suelo. ModelosCross validado desarrollados con mnimos cuadrados parciales de
regresin (PLS) se pusieron a prueba an ms el uso de un conjunto
de muestras independientes. Estadsticas de validacin fueron los
siguientes: (a) CCA (R2 [0,70, RMSEP [9,6, n [117); (b) mc (R2 [0.80,
RMSEP [1.95, n [118); (c)
3. Resultados y discusin
3.1. Las propiedades del suelo
Atterberg lmites y lineal contraccin dio medida de la variable
precisin (Tabla 2). LL indic% CV 1.5e14.3, pero era mejor
reproducida por seis de los siete operadores (% CV 1.5e4.4). PL, PI y
LS presentan una mayor variabilidad en los diferentes operadores.
La calidad de los datos de referencia es uno de los factores clave
influir en el rendimiento de los modelos NIR (Stenberg et al., 2010).
Bajo la repetibilidad y reproducibilidad de ambos lmites de Atterberg
y LS (Tabla 2), sugiri potencial de referencia de baja calidad datos.
Varios trabajadores (Genot et al, 2011;. Pastor, Vanlauwe, Gachengo,
y Ramos, 2005) han demostrado que las mediciones NIR son ms
repetible de qumica hmeda.
3.2. Calibracin de las propiedades del suelo
Estadsticas NIR PLS para la CCA fue excelente (R2 de 0,80, RMSECV
5.9 cmol (Th) 1 kg, RPD 2,4) y mejor que R2 0.75 reportado por Islam
et al. (2003), utilizando muestras de diferentes horizontes del suelo.
Esto se atribuy a la fuerte asociacin de CCA con espectralmente
activo mineraloga de las arcillas del suelo (que se refleja por tClay),
el suelo carbono orgnico (SOC) y MC (Chang, Laird, Mausbach, y
Hurburgh, 2001; Stenberg et al., 2010). Estimacin de tClay era dbil
(R2 0.5, RMSECV 11,0%, RPD 1,4), aunque la textura exhibe una
respuesta primaria a espectros NIR (Chang et al., 2001).
Esto se atribuy al efecto negativo en el camino de la luz y los
espectros de reflectancia ocasionada por la variacin en las partculas
del suelo tamao, forma, y disposicin para diferentes muestras en el
conjunto de calibracin (Stenberg et al., 2010). Estimacin de LL (R2
0,83, RMSECV 6,9%, RPD 2,7) y MC (R2 0,83, RMSECV 1.3%, 2.4 RPD)
fue excelente, atribuye a la alta resonancia del agua del suelo con
bandas de absorcin de agua intensos caractersticos de la regin NIR
(Mouazen, De Baerdemaeker, y Ramn, 2006). prediccin de MC fue
similar a R2 0.85 y 2.0 RPD alcanzado por el Islam et al. Dbil (R2 0.5,
RMSECV 4,1%), pero fiable (RPD 1,7) rendimiento se observ para PL.
Rendimiento para PI (R2 0.7, RMSECV 7,6%, RPD 1,9) fue entre LL y
que por PL (PI LL PL). estimacin de LS y asociada COLE y VS era
fiable (R2 0,7, RPD 1.8e2.0) y de prediccin de errores 2,1%, 0,03, y
el 10,9%, respectivamente. Esto se atribuy a la asociacin de LS con
suelo mc permitiendo respuesta secundaria (indirecta co-variacin) de
LS con los espectros NIR (Stenberg et al.). NIR PLS podra, sin
embargo, no predecir Ac (R2 <0,3, RPD 1,3). La mala prediccin de PL

y Ac era atribuido a los datos de referencia de calidad pobres (Tabla 2)

(Stenberg et al.). Determinacin de Ac fue, por ejemplo, susceptibles
a la propagacin de errores en la determinacin de tClay, LL, y PL. Los
anlisis NIR PLS LOOCV sugiere un gran potencial para estimacin
rpida del suelo propiedades de ingeniera de la CCA, mc, LL, PL, PI,
LS, COLE y VS (R2 0.53e0.83; RPD 1.8e2.7). Sin embargo, LOOCV
podra sobreestimar el rendimiento predictivo de un modelo (Brown et
al., 2005). Por lo tanto, los modelos eran LOOCV probado an ms el
uso de espectros de un conjunto de muestras independientes.
3.3. validacin independiente
Bueno validacin independiente (R2 0.7, 9.6 RMSEP cmol () 1 kg,
RPD 1.7) se observ para el modelo CEC (Fig. 4 (a)). esto se refleja
la relacin robusta entre la CCA y espectralmente componentes del
suelo activo (mc, SOC, y la mineraloga de arcilla) (Stenberg et al.,
2010). Estos resultados fueron comparables con R2 0,64 y RPD 1,6
reportada por el Islam et al. (2003) utilizando el menos estrategia de
validacin riguroso conjunto de pruebas independiente. Nanni y
Dematte` (2006) inform R2 0.4e0.7 para CCA intercambiando
muestras de la superficie y del subsuelo establece conjuntos de datos
como la calibracin y la validacin establece respectivamente. El
modelo observado robusta (R2 de 0,80, RMSEP 2.0%, 2.0 RPD) por mc
(Fig. 4 (b)) se atribuy a la caracterstica fuerte caractersticas de
absorcin de humedad en la regin espectral NIR (Mouazen et al.,
2006). Prediccin de tClay era dbil y poco fiable (R2 0.5, RMSEP
16,0%, RPD 1.1). La variacin en las partculas del suelo tamao,
forma y disposicin en diferentes muestras de suelos resultados en el
rendimiento NIR PLS altamente variable para textural individuo
parmetros (Bellon-Maurel & McBratney, 2011; Stenberg et al,. 2010).
Los resultados se compara bien con R2 0.5e0.8 inform por tClay por
Nanni y Dematte` (2006). Modelos NIR PLS para LL (R2 0,74, RMSEP
9,9%, RPD 2,2) y PI (R2 0,73, RMSEP 8,3%, 1,9 RPD) (Fig. 4 (c) y (d))
fueron robustos, que refleja la estabilidad de los modelos para los
valores de referencia a contenido de humedad estandarizado.
Partimos de que aquaphotomics (interacciones waterelight)
introducidas recientemente por Stenberg (2010) en estudios
espectroscpicos del suelo podra ser responsable para la calibracin
y la estabilidad de la espectralmente lo contrario propiedades
mecnicas que no responden. Los modelos de PL, LS, COLE y VS (Fig.
4 (e), (f), (g) y (h), respectivamente) eran sin embargo menos robusta
(R2 0,46, 1.1e1.7 RPD), debido probablemente a la baja valores de
referencia de calidad asociados con los mtodos de referencia (Tabla
2). Los resultados del modelo muestran que NIR podra proporcionar
robusta modelos para la estimacin rpida de la LL, PI, mc y CEC (R2
0.7e0.8; 1.7e2.2 RPD). La tcnica presentada modesto pero fiable
estimacin independiente de PL, LS, COLE y VS (R2 0.5, RPD 1.1e1.7).
Canasveras et al. (2010) encontraron que para la RPD modesta
valores entre 1,5 y 1,69 para la prediccin de atributos estabilidad del
suelo, los predictores basados espectrales son tiles para el cribado
fines tales como la discriminacin entre bajo, medio y clases alta

estabilidad. Comparando la calibracin e independiente las

estadsticas de validacin, el general observada disminucin de
modelo el rendimiento es de esperar dado los desafos inherentes a la
transferibilidad geogrfica de la quimiometra a base de espectros
modelos (Reeves, 2010;. Stenberg et al, 2010).
3.3.1. Error de prediccin NIR y aptitud
para el uso Tabla 3 presentan una descripcin estadstica (media, SD
y datos rango) de los datos observados propiedad del suelo
analizados utilizando mtodos convencionales y su NIR validado de
forma independiente PLS predicciones. En la mayora de los casos
haba una buena correspondencia entre los rangos predichos y
observados. Sin embargo, algunas de las estimaciones eran menos
precisos que los obtenidos por mtodos de laboratorio de rutina. Dada
la velocidad relativa y el costo de este enfoque y la gran variacin
local de las propiedades del suelo, le sugerimos que la capacidad
para analizar gran nmero de muestras que implican mltiples
variables en intervalos de muestreo ms finos utilizando el
espectroscpica tcnica puede, en algunas circunstancias superan la
prdida de precisin analtica.
NIR tambin se sabe que es ms reproducible (precisa) de los
mtodos de referencia y esto podra transmitir una clara ventaja. Sin
embargo, el criterio clave para juzgar la exactitud de prediccin
aceptable es aptitud para el uso. Una clasificacin de los suelos en
clases amplias de limitacin es frecuencia adecuada, por ejemplo, por
los rpidos investigaciones geotcnicas del sitio, especialmente para
las obras de tierra y fundaciones para edificios pequea construccin
(Bell, 2000, cap 3;. Hazelton y Murphy, 2007, cap. 3; McKenzie,
Coughlan, y Cresswell, 2002). Sin embargo, la precisin requerida
para una construccin civil proyecto, por ejemplo, puede ser mucho
ms estrictas que, decir, clasificacin basada en umbrales de
limitacin. para aplicaciones donde se requiere una alta precisin, NIR
no siempre puede cumplir con la requisitos, pero an se puede
proponer como un sistema de triaje para ayudar con la toma de
muestras y de anlisis de decisiones. Si NIR predijo los valores estn
en un rango bajo o alto en relacin con una decisin de corte valor
(por ejemplo, un valor de contraccin lineal aceptable), entonces las
pruebas puede ser suficiente tomake una decisin (por ejemplo, hay
un alto probabilidad de que el sitio es estable o inestable). Sin
embargo, si valores predictivos se encuentran dentro de un rango que
se extiende a la lnea de corte lmite, a continuacin, las muestras se
pueden recomendar para la convencional anlisis. Un enfoque de
muestreo de dos fases tambin se puede adoptar, mediante el cual se
selecciona un subconjunto de las muestras para verificar que la
Predicciones NIR son suficientemente precisos para la especfica
aplicacin. El uso de NIR en la creacin de cribado diagnstico
pruebas fue ilustrado por Shepherd y Walsh (2002).

Tabla 3 e Descripcin estadstica de los datos observados de

propiedad del suelo analizado utilizando mtodos convencionales de
anlisis y su infrarrojo cercano (NIR) de mnimos cuadrados parciales
(PLS) predicciones independientes.

4. Conclusiones
La aplicacin de NIR junto con PLS se puso a prueba para la
estimacin rpida de las propiedades clave de ingeniera de suelos de
la CCA, mc, tClay, LL, PI, PL, LS, Cole, VS y Ac. A partir de los
resultados obtenidos, demostraron NIRePLS modelos robustos (R2 0.7,
RPD 1,7) para la estimacin rpida de la LL, PI, MC y CCA para un
conjunto de muestras independientes. Modelos NIR PLS para PL, LS,
COLE y VS (R2 0.5, 1.1e1.7 RPD) proporcionaron ndices de calidad
valiosos para la clasificacin de los suelos en clases de estabilidad
para investigaciones geotcnicas preliminares. Sin embargo, para los
suelos estudiados la tcnica mostr un potencial mnimo para la
caracterizacin de los Ac. Se puede concluir que NIR combinada con
PLS tiene un gran potencial para la estimacin rpida de la LL, PI, MC
y CCA. Esto afirma el potencial papel que podra desempear la
espectroscopia de reflectancia para proporcionar pruebas sencillas,
rpidas y rentables para las propiedades de ingeniera del suelo,
especialmente cuando muestras de gran tamao y mltiples variables
han de ser analizados. Adems el trabajo debe centrarse en la
ampliacin de las bibliotecas de calibracin utilizando ms diversos
tipos de suelo y tambin mtodos basados en reflectancia difusa
infrarroja alternativas. Calibracin directa de "aptitud para el uso"
clases para aplicaciones de ingeniera a los datos espectrales tambin
deben estar considerado.
Reconocimiento
Los autores agradecen a la Sra Akinyi en el Ensayo de Materiales
Laboratorio de investigacin para el apoyo con los anlisis mecnicos.

Damos las gracias a Elvis Weullow y el equipo en el suelo y el

laboratorio de la planta espectral de diagnstico en ICRAF para el
procesamiento de suelo y mediciones espectrales. Este estudio fue
financiado conjuntamente por Kenya Instituto de Investigacin
Agrcola (KARI), Kenya Proyecto de Productividad Agrcola (KAPP) y el
Centro Mundial de Agroforestera (ICRAF) Dominio Ciencia 4 e la tierra
de la Salud.