Aplicación de la espectroscopía de reflectancia difusa (NIR) en el estudio de la conductividad eléctrica del suelo
ilustraciones, fotografías, graficas
- Autores:
-
Meneses Suárez, Doris Adriana
- Tipo de recurso:
- Fecha de publicación:
- 2022
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/81398
- Palabra clave:
- 630 - Agricultura y tecnologías relacionadas
ESPECTROSCOPIA DE REFLECTANCIA
Reflectance spectroscopy
Ingeniería
Espectroscopía
Suelo
Conductividad eléctrica
Salinidad
Geoestadística
Salinity
Electrical conductivity
Spectroscopy
NIR
Geostatistics
Propiedad eléctrica
Electrical properties
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
| id |
UNACIONAL2_a10b0c623247a039482042b90814ecd9 |
|---|---|
| oai_identifier_str |
oai:repositorio.unal.edu.co:unal/81398 |
| network_acronym_str |
UNACIONAL2 |
| network_name_str |
Universidad Nacional de Colombia |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Aplicación de la espectroscopía de reflectancia difusa (NIR) en el estudio de la conductividad eléctrica del suelo |
| dc.title.translated.eng.fl_str_mv |
Application of diffuse reflectance spectroscopy (NIR) in the study of soil electrical conductivity |
| title |
Aplicación de la espectroscopía de reflectancia difusa (NIR) en el estudio de la conductividad eléctrica del suelo |
| spellingShingle |
Aplicación de la espectroscopía de reflectancia difusa (NIR) en el estudio de la conductividad eléctrica del suelo 630 - Agricultura y tecnologías relacionadas ESPECTROSCOPIA DE REFLECTANCIA Reflectance spectroscopy Ingeniería Espectroscopía Suelo Conductividad eléctrica Salinidad Geoestadística Salinity Electrical conductivity Spectroscopy NIR Geostatistics Propiedad eléctrica Electrical properties |
| title_short |
Aplicación de la espectroscopía de reflectancia difusa (NIR) en el estudio de la conductividad eléctrica del suelo |
| title_full |
Aplicación de la espectroscopía de reflectancia difusa (NIR) en el estudio de la conductividad eléctrica del suelo |
| title_fullStr |
Aplicación de la espectroscopía de reflectancia difusa (NIR) en el estudio de la conductividad eléctrica del suelo |
| title_full_unstemmed |
Aplicación de la espectroscopía de reflectancia difusa (NIR) en el estudio de la conductividad eléctrica del suelo |
| title_sort |
Aplicación de la espectroscopía de reflectancia difusa (NIR) en el estudio de la conductividad eléctrica del suelo |
| dc.creator.fl_str_mv |
Meneses Suárez, Doris Adriana |
| dc.contributor.advisor.none.fl_str_mv |
Camacho Tamayo, Jesús Hernán |
| dc.contributor.author.none.fl_str_mv |
Meneses Suárez, Doris Adriana |
| dc.contributor.researchgroup.spa.fl_str_mv |
Ingeniería de Biosistemas |
| dc.subject.ddc.spa.fl_str_mv |
630 - Agricultura y tecnologías relacionadas |
| topic |
630 - Agricultura y tecnologías relacionadas ESPECTROSCOPIA DE REFLECTANCIA Reflectance spectroscopy Ingeniería Espectroscopía Suelo Conductividad eléctrica Salinidad Geoestadística Salinity Electrical conductivity Spectroscopy NIR Geostatistics Propiedad eléctrica Electrical properties |
| dc.subject.lemb.spa.fl_str_mv |
ESPECTROSCOPIA DE REFLECTANCIA |
| dc.subject.lemb.eng.fl_str_mv |
Reflectance spectroscopy |
| dc.subject.proposal.spa.fl_str_mv |
Ingeniería Espectroscopía Suelo Conductividad eléctrica Salinidad Geoestadística |
| dc.subject.proposal.eng.fl_str_mv |
Salinity Electrical conductivity Spectroscopy NIR Geostatistics |
| dc.subject.unesco.spa.fl_str_mv |
Propiedad eléctrica |
| dc.subject.unesco.eng.fl_str_mv |
Electrical properties |
| description |
ilustraciones, fotografías, graficas |
| publishDate |
2022 |
| dc.date.accessioned.none.fl_str_mv |
2022-03-28T15:43:08Z |
| dc.date.available.none.fl_str_mv |
2022-03-28T15:43:08Z |
| dc.date.issued.none.fl_str_mv |
2022-03-22 |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.unal.edu.co/handle/unal/81398 |
| dc.identifier.instname.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.identifier.reponame.spa.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| dc.identifier.repourl.spa.fl_str_mv |
https://repositorio.unal.edu.co/ |
| url |
https://repositorio.unal.edu.co/handle/unal/81398 https://repositorio.unal.edu.co/ |
| identifier_str_mv |
Universidad Nacional de Colombia Repositorio Institucional Universidad Nacional de Colombia |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Adeline, K. R. M., Gómez, C., Gorretta, N., & Roger, J. M. (2017). Predictive ability of soil properties to spectral degradation from laboratory Vis-NIR spectroscopy data. Geoderma, 288, 143–153. https://doi.org/10.1016/j.geoderma.2016.11.010 Allbed, A.; Kumar, L., & Aldakheel, Y. Y. (2014). Assessing soil salinity using soil salinity and vegetation indices derived from IKONOS high-spatial resolution imageries: Applications in a date palm dominated region. Geoderma, 230–231, 1–8. https://doi.org/10.1016/j.geoderma.2014.03.025 Allison, L.E. 1973. Oversaturation method for preparing saturation extracts for salinity appraisal. Soil Sci. 116:65-69. Asfaw, E., Suryabhagavan, K. v., & Argaw, M. (2018). Soil salinity modeling and mapping using remote sensing and GIS: The case of Wonji sugar cane irrigation farm, Ethiopia. Journal of the Saudi Society of Agricultural Sciences, 17(3), 250–258. https://doi.org/10.1016/j.jssas.2016.05.003 Bedin, L. G., Souza, A. B. e, Dotto, A. C., Demattê, J. A. M., & Sayão, V. M. (2018). Soil analytical quality control by traditional and spectroscopy techniques: Constructing the future of a hybrid laboratory for low environmental impact. Geoderma, 337(December 2017), 111–121. https://doi.org/10.1016/j.geoderma.2018.09.010 Ben-Dor, E., Chabrillat, S., Demattê, J. A. M., Taylor, G. R., Hill, J., Whiting, M. L., & Sommer, S. (2009). Using Imaging Spectroscopy to study soil properties. Remote Sensing of Environment, 113(SUPPL. 1), S38–S55. https://doi.org/10.1016/j.rse.2008.09.019 Ben-Dor, E., Patkin, K., Banin, A., & Karnieli, A. (2002). Mapping of several soil properties using DAIS-7915 hyperspectral scanner data - A case study over soils in Israel. International Journal of Remote Sensing, 23(6), 1043–1062. https://doi.org/10.1080/01431160010006962 Brough, D. M; McBratney, A.B; Minasny, B; Murphy, B. (2009). Regional transferability of mid-infrared diffuse reflectance spectroscopic prediction for soil chemical properties, Geoderma, Volume 153, Issues 1–2,2009, Pages 155-162 Camacho, J. H. (2013). Uso de la reflectancia difusa -NIR en la determinación de características físicas y químicas de un Oxisol. Carimagüa -Meta. Universidad Nacional de Colombia. Sede Bogotá., 149. Camacho, J; Cortés, D & Pérez, J (2013) Relación espacial entre la conductividad eléctrica y algunas propiedades químicas del suelo. Revista U.D.CA Ciencias Agropecuarias. 16(2): 401-408 Cambardella, C.A., Moorman, T.B., Novak, J.M., Parkin, T.B., Karlen, D.L., turco, R.F., Konopka, A.E. 1994. Variabilidad a escala de campo de las propiedades del suelo en los suelos de Iowa Central. suelo sci. soc. Am. J. 58, 1501-1511. Cardon, G. E., Davis, J. G., Bauder, T. A., & Waskom, R. M. (n.d.). Managing Saline Soils no. 0.503. www.ext.colostate.edu Carranza Díaz, A. K. (2019). Espectroscopía de reflectancia difusa-NIR para la determinación del contenido de agua en el suelo. Bogotá Dokuchaev, V. (1883). Russian Chernozem. In Selected works of V.V. Dokuchaev, Vol I. Israel Program for Scientific Translations, Jerusalem (translated in 1967). El Harti, A., Lhissou, R., Hassouna, M., Ouzemou, J., Chokmani, K., el Ghmari, A., & Bachaoui, E. M. (2016). Spatiotemporal monitoring of soil salinization in irrigated Tadla Plain (Morocco) using satellite spectral indices. International Journal of Applied Earth Observation and Geoinformation, 50, 64–73. https://doi.org/10.1016/j.jag.2016.03.008 FAO. (2014). Base referencial mundial del recurso suelo 2014 Sistema internacional de clasificación de suelos para la nomenclatura de suelos y la creación de leyendas de mapas de suelos Actualización 2015 INFORMES SOBRE RECURSOS MUNDIALES DE SUELOS. http://www.fao.org FAO. (s.f.). Clasificación de suelos . Organización de las Naciones Unidas para la Alimentación y la Agricultura. Recuperado de: www.fao.org/soils-portal/soil-survey/clasificacion-de-suelos/es/ FAO. (s.f.). Conservación del suelo. Organización de las Naciones Unidas para la Alimentación y la Agricultura. Recuperado de: www.fao.org/soils-portal/soil-management/conservacion-del-suelo/es/ FAO. (s.f.). Degradación del suelo. Organización de las Naciones Unidas para la Alimentación y la Agricultura. Recuperado de: www.fao.org/soils-portal/soil-degradation-restoration/es/ FAO. (1996). Ecologia y enseñanza rural. Nociones ambientales basicas para profesores rurales y extensionistas. Organización de las Naciones Unidas para la Alimentación y la Agricultura. 131. Recuperado de: Nociones ambientales básicas para profesores rurales y extensionistas (fao.org) FAO. (s.f.). La biodiversidad del Suelo, Conservación del Suelo y Agricultura. Organización de las Naciones Unidas para la Alimentación y la Agricultura. Recuperado de: www.fao.org/soils-portal/soil-biodiversity/conservacion-del-suelo-y-agricultura/es/ FAO. (2000). Management of some problem soils. Recuperado de: http://www.fao.org/soils-portal/soil-management/management-of-some-problem-soils/en/ FAO. (1999). soil salinity assessment Methods and interpretation of electrical conductivity measurements. 57. FAO. (2021). Presentación, en conferencia virtual, del Mapa mundial de los suelos afectados por salinidad. Recuperado de: https://www.fao.org/newsroom/detail/salt-affected-soils-map-symposium/es Farifteh, J., van der Meer, F., van der Meijde, M., & Atzberger, C. (2008). Spectral characteristics of salt-affected soils: A laboratory experiment. Geoderma, 145(3–4), 196–206. https://doi.org/10.1016/j.geoderma.2008.03.011 Fernández Martínez, F. (2020). Desarrollo de modelo para determinar el stock de carbono orgánico del suelo con base en reflectancia difusa. Caso: Carimagua-Meta. Fernández-Buces, N.; Siebe, C.; Cram, S., & Palacio, J. L. (2006). Mapping soil salinity using a combined spectral response index for bare soil and vegetation: A case study in the former lake Texcoco, Mexico. Journal of Arid Environments, 65(4), 644–667. https://doi.org/10.1016/j.jaridenv.2005.08.005 Forero. N. (2017). Evaluación de parámetros de calidad físicos y químicos en agraz (Vaccinium meridionale Swartz) con el uso de espectroscopía de infrarrojo cercano – NIR. Gámez Ávila, C. (2019). Uso de modelos espectrales VIS – NIR para la determinación del contenido de carbono del suelo. Husson, O.; Brunet, A.; Babre, D.; Charpentier, H.; Durand, M.; Sarthou, J. (2018). Conservation Agriculture systems alter the electrical characteristics (Eh, pH and EC) of four soil types in France, Soil and Tillage Research, Volume 176, Pages 57-68, ISSN 0167-1987. https://doi.org/10.1016/j.still.2017.11.005. ICONTEC (2008). Norma Técnica Colombiana NTC 5596. Calidad de suelo. Determinación de la conductividad eléctrica. IDEAM; CAR; UDCA. (2017). Protocolo para la identificación y evaluación de la degradación de suelos por salinización en Colombia. IGAC. (1970). Estudios semidetallados y general de suelos de los municipios de la Dorada, Caldas, Honda y Armero Tolima. Bogotá. IGAC. (2006). Métodos analíticos del laboratorio de suelos, 6ª edición. Bogotá INTAGRI. 2017. La Conductividad Eléctrica del Suelo en el Desarrollo de los Cultivos. Serie Suelos. Núm. 26. Artículos Técnicos de INTAGRI. México. 5 p. Janik, L. J., Merry, R. H., & Skjemstad, J. O. (1998). Can mid infrared diffuse reflectance analysis replace soil extractions? Australian Journal of Experimental Agriculture, 38(7), 681–696. https://doi.org/10.1071/EA97144 Jenny, H. (1941). Factors of soil formation: a system of quantitative pedology. Dover. Johnson, J – M; Saito, K; Senthilkumar, K; Shepherd, K; Sila, A & Vandamme, E. (2019) Near-infrared, mid-infrared or combined diffuse reflectance spectroscopy for assessing soil fertility in rice fields in sub-Saharan Africa. Geoderma, 234 (February): https://doi.org/10.1016/j.geoderma.2019.06.043. Kargas, G., Londra, P., & Sgoubopoulou, A. (2020). Comparison of soil EC values from methods based on 1:1 and 1:5 soil to water ratios and ECe from saturated paste extract-based method. Water (Switzerland), 12(4). https://doi.org/10.3390/W12041010 Lagacherie, P., Sneep, A. R., Gomez, C., Bacha, S., Coulouma, G., Hamrouni, M. H., & Mekki, I. (2013). Combining Vis-NIR hyperspectral imagery and legacy measured soil profiles to map subsurface soil properties in a Mediterranean area (Cap-Bon, Tunisia). Geoderma, 209–210, 168–176. https://doi.org/10.1016/j.geoderma.2013.06.005 Longenecker, D. E., and P.J. Lyerly. 1964. Making soil pastes for salinity analysis: A reproducible capillary procedure. Soil Sci. 97:268-275. Loveday, J. 1980. Experiences with the 4-electrode resistivity technique for measuring soil salinity. Div. Soils, CSIRO, Rep. 51. Liu, Y., Pan, X., Wang, C., Li, Y., & Shi, R. (2016). Can subsurface soil salinity be predicted from surface spectral information? – From the perspective of structural equation modelling. Biosystems Engineering, 152(71), 138–147. https://doi.org/10.1016/j.biosystemseng.2016.06.008 Masoud, A. A. (2014). Predicting salt abundance in slightly saline soils from Landsat ETM+ imagery using Spectral Mixture Analysis and soil spectrometry. Geoderma, 217–218, 45–56. https://doi.org/10.1016/j.geoderma.2013.10.027 Matheron, G. (1963). Principles of geostatistics. Economic Geology, 58(8), 1246–1266. https://doi.org/10.2113/gsecongeo.58.8.1246 McBratney, A. B., Mendonça Santos, M. L., & Minasny, B. (2003). On digital soil mapping. Geoderma, 117(1–2), 3–52. https://doi.org/10.1016/S0016-7061(03)00223-4 McBratney, A., Field, D. J., & Koch, A. (2014). The dimensions of soil security. Geoderma, 213, 203–213. https://doi.org/10.1016/j.geoderma.2013.08.013 Medio Ambiente (28 de febrero de 2018). Colombia tiene 14 millones de hectareas degradadas por salinización. El tiempo. Recuperado de: https://www.eltiempo.com/vida/medio-ambiente/colombia-tiene-14-millones-de-hectareas-degradadas-por-salinizacion-188242 Ministerio de Ambiente y Desarrollo Sostenible (2021). La conservación y protección del suelo es otro de los logros ambientales de Colombia. Ministerio de Ambiente y Desarrollo Sostenible. Recuperado de: https://www.minambiente.gov.co/index.php/sala-de-prensa/130-notas-de-interes/3998-la-conservacion-y-proteccion-del-suelo-es-otro-de-los-logros-ambientales-de-colombia Murray, I. (2004). Scattered information: philosophy and practice of near infrared spectroscopy. www.nirpublications.com Næs, T. et al., 2004. A User-friendly Guide to Multivariate Calibration and Classification., Charlton, Chichester, UK.: NIR publications. National Soil Survey Handbook. (2017). How to Submit a Taxonomy Proposal. http://www.nrcs.usda.gov/wps/portal/nrcs/detail/soils/home/?cid=nrcs142p2_053577 Nicolai, B.M. et al., 2007. Nondestructive measurement of fruit and vegetable quality by means of NIR spectroscopy: A review. Postharvest Biology and Technology, 46(2), pp.99–118. NRSC, & USDA. (2014). Claves para la Taxonomía de Suelos. Nyssen, J., Poesen, J., & Deckers, J. (2009). Land degradation and soil and water conservation in tropical highlands. Soil and Tillage Research, 103(2), 197–202. https://doi.org/10.1016/j.still.2008.08.002 Obando, E; Carbonell, J. (2010). Caracterización espectral y mineralógica de los suelos del valle del ró Cauca por espectroscopía visible e infrarroja. Agronomía Colombiana, 28(2), 291–301. http://www.eolss.net/sample-chapters/c12/e1-05-07-01.pdf Ordóñez Delgado, N., & Bolívar Gamboa, A. (2014). Levantamiento agrológico del Centro Agropecuario (Universidad Nacional de Colombia & Instituto Geográfico Agustín Codazzi. Subdirección de Agrología, Eds.). Bogotá: Imprenta Nacional de Colombia. Pessarakli,M. (2011). Handbook of plant and crop stress, EE.UU., 3ra edición, Taylos &Francis Group Reeves, J.B., III, Near- versus mid-infrared diffuse reflectance spectroscopy for soil analysis emphasizing carbon and laboratory versus on-site analysis: Where are we and what needs to be done? Geoderma (in press). https://doi.org/10.1016/j.geoderma.2009.04.005 Rhoades, J (1993). Electrical conductivity methods for measuring and mapping soil salinity. In Advances in Agronomy Vol. 49, 201-251; Sparks; Academic Press. San Diego Richards, LA. (1954) Diagnosis and Improvement of Saline and Alkali Soils, Washington, DC: USDA Agric. US Handbook 6 Rodríguez, W; García, P; Fajardo, A. (2016). Aplicaciones de Técnicas Espectroscópicas para el Análisis de Suelos. Revista Facultad de Ciencias Básicas, 12(2), 228–251. https://doi.org/10.18359/RFCB.2030 Romić, M., Castrignanò, A., Buttafuoco, G., Romić, D., Zovko, M., Colombo, C., & di Iorio, E. (2018). A geostatistical Vis-NIR spectroscopy index to assess the incipient soil salinization in the Neretva River valley, Croatia. Geoderma, 332(February), 60–72. https://doi.org/10.1016/j.geoderma.2018.07.005 Ruiz, A. (2006). Origen, formación, estructura y comportamiento de la arcilla de Bogotá. Universidad de Los Andes. Serna-Giraldo, A. & Salazar-Gutiérrez, F. (2011). Conocimiento y aplicación de prácticas de conservación de suelos por parte de caficultores en la región central cafetera (Vol. 62, Issue 1). Shahid, S. A., Zaman, M., & Heng, L. (2018). Soil Salinity: Historical Perspectives and a World Overview of the Problem. In Guideline for Salinity Assessment, Mitigation and Adaptation Using Nuclear and Related Techniques (pp. 43–53). Springer International Publishing. https://doi.org/10.1007/978-3-319-96190-3_2 SIAC. (s.f.). Suelo. Sistema de información Ambiental de Colombia. Recuperado de: www.siac.gov.co/suelo Sidike, A., Zhao, S., & Wen, Y. (2014). Estimating soil salinity in Pingluo County of China using QuickBirddata and soil reflectance spectra. International Journal of Applied Earth Observation and Geoinformation, 26(1), 156–175. https://doi.org/10.1016/j.jag.2013.06.002 Sonneveld, C., van den Ende, J. Soil analysis by means of a 1:2 volume extract. Plant Soil 35, 505–516 (1971). https://doi.org/10.1007/BF01372683 Sudduth, K. A., Myers, D. B., Kitchen, N. R., & Drummond, S. T. (2013). Modeling soil electrical conductivity-depth relationships with data from proximal and penetrating ECa sensors. Geoderma, 199, 12–21. https://doi.org/10.1016/j.geoderma.2012.10.006 Survey Staff, S (1999). Soil taxonomy: A basic system of soil classification for making and interpreting soil surveys. 2nd edition. Natural Resources Conservation Service. U.S. Department of Agriculture Handbook 436. Vignola, R., Koellner, T., Scholz, R. W., & McDaniels, T. L. (2010). Decision-making by farmers regarding ecosystem services: Factors affecting soil conservation efforts in Costa Rica. Land Use Policy, 27(4), 1132–1142. https://doi.org/10.1016/j.landusepol.2010.03.003 Viscarra, R. A., Walvoort, D. J. J., Mcbratney, A. B., Janik, L. J., & Skjemstad, J. O. (2006). Proximal sensing of soil ph and lime requirement by mid infrared diffuse reflectance spectroscopy. Viscarra, R., Mouazen, A. M., & Wetterlind, J. (2010). Visible and Near Infrared Spectroscopy in Soil Science. In Advances in Agronomy (Vol. 107, Issue C). https://doi.org/10.1016/S0065-2113(10)07005-7 Viscarra Rossel, R. A., Walvoort, D. J. J., McBratney, A. B., Janik, L. J., & Skjemstad, J. O. (2006). Visible, near infrared, mid infrared or combined diffuse reflectance spectroscopy for simultaneous assessment of various soil properties. Geoderma, 131(1–2), 59–75. https://doi.org/10.1016/j.geoderma.2005.03.007 Wang H, Peng J, Xie C, Bao Y, He Y. Fruit quality evaluation using spectroscopy technology: a review. Sensors (Basel). 2015 May 21;15(5):11889-927. doi: 10.3390/s150511889. PMID: 26007736; PMCID: PMC4481958 Webster, R., Oliver, M.A. 2007. Geostatistics for environmental scientists. John Wiley & Sons Inc., Hoboken, NJ, USA. 330 pp. Zhang, T. T., Zeng, S. L., Gao, Y., Ouyang, Z. T., Li, B., Fang, C. M., & Zhao, B. (2011). Using hyperspectral vegetation indices as a proxy to monitor soil salinity. Ecological Indicators, 11(6), 1552–1562. https://doi.org/10.1016/j.ecolind.2011.03.025 Zossi, S. et al., 2010. Espectroscopía por infrarrojo cercano (NIRS). Su aplicación en análisis de jugos de caña de azúcar. Revista Industrial y Agrícola de Tucumán, 87(1), pp.1–6. |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.spa.fl_str_mv |
Atribución-NoComercial 4.0 Internacional |
| dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by-nc/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Atribución-NoComercial 4.0 Internacional http://creativecommons.org/licenses/by-nc/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
xvi, 67 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.publisher.program.spa.fl_str_mv |
Bogotá - Ingeniería - Maestría en Ingeniería - Ingeniería en Biosistemas |
| dc.publisher.department.spa.fl_str_mv |
Departamento de Ingeniería Civil y Agrícola |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.place.spa.fl_str_mv |
Bogotá, Colombia |
| dc.publisher.branch.spa.fl_str_mv |
Universidad Nacional de Colombia - Sede Bogotá |
| institution |
Universidad Nacional de Colombia |
| bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/81398/1/1019086440.2022.pdf https://repositorio.unal.edu.co/bitstream/unal/81398/2/license.txt https://repositorio.unal.edu.co/bitstream/unal/81398/3/1019086440.2022.pdf.jpg |
| bitstream.checksum.fl_str_mv |
f3003c89230962a402e08f31e43dc75c 8153f7789df02f0a4c9e079953658ab2 3107697f5fb5a195393a7aadf5902e85 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| repository.mail.fl_str_mv |
repositorio_nal@unal.edu.co |
| _version_ |
1814089799392296960 |
| spelling |
Atribución-NoComercial 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Camacho Tamayo, Jesús Hernánbc7a14390e8a65e360fcb20eab761a0eMeneses Suárez, Doris Adriana103f6a809348e5b240bfd8cfe010caaaIngeniería de Biosistemas2022-03-28T15:43:08Z2022-03-28T15:43:08Z2022-03-22https://repositorio.unal.edu.co/handle/unal/81398Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/ilustraciones, fotografías, graficasLa salinidad es uno de los mayores problemas de degradación de suelos agrícolas, por lo que es necesario identificar técnicas que permitan evaluar y monitorear constantemente el suelo. El objetivo de esta investigación fue determinar modelos de predicción para estimar la conductividad eléctrica (CE)del suelo mediante espectroscopía de reflectancia difusa – NIR para suelos provenientes de tres zonas con características diferentes: un inceptisol del C.A.M (Mosquera - Cundinamarca), un alfisol del C.A.G (Espinal – Tolima) y un oxisol del C.I.C (Puerto Gaitán – Meta). Se utilizaron en total 381 muestras de suelos para determinar la conductividad eléctrica (CE) por medio de una relación 1:2. Se obtuvieron firmas espectrales en la región NIR y a partir de esto y con el uso de la metodología de mínimos cuadrados parciales (PLSR) y análisis de componentes principales (PCA) se elaboraron cuatro modelos de predicción, uno para cada uno para cada suelo y uno global. Con estos modelos fue posible estimar satisfactoriamente la CE para el caso del suelo inceptisol y el modelo global, mientras que para los suelos alfisol y el oxisol los modelos presentaron poca capacidad de predicción y representatividad. Se realizó un análisis geoestadístico con los resultados obtenidos de los modelos y se obtuvieron mapas digitales mediante interpolaciones. A partir de los resultados se observó que utilizando la espectroscopía de reflectancia difusa en el rango NIR, se pueden generar modelos con una buena capacidad predictiva para suelos con una CE mayor a 0,5 dS/m cómo fue el caso del suelo inceptisol. (Texto tomado de la fuente)Salinity is one of the major problems of agricultural soil degradation, so it is necessary to identify techniques to constantly evaluate and monitor the soil. The objective of this research was to determine predictive models for estimating soil electrical conductivity (EC) using diffuse reflectance spectroscopy (NIR) for soils from three zones with different characteristics one inceptisol the C.A.M (Mosquera - Cundinamarca), an alfisol of C.A.G (Espinal – Tolima) and one oxisol of C.I.C (Puerto Gaitán – Meta). A total of 381 soil samples were used to determine electrical conductivity (EC) using a 1:2 ratio. Spectral signatures were obtained in the NIR region and from this, using partial least squares methodology (PLSR) and principal component analysis (PCA), four prediction models were developed, one for each soil and one global. With these models it was possible to satisfactorily estimate the EC for the Inceptisol soil and the global model, while for the alfisol and oxisol soils the models presented little predictive capacity and representativeness. A geostatistical analysis was carried out with the results obtained from the models and digital maps were obtained through interpolations. From the results, it was observed that using diffuse reflectance spectroscopy in the NIR range, models with a good predictive capacity can be generated for soils with an EC higher than 0.5 dS/m, as was the case of Inceptisol soil.MaestríaMagíster en Ingeniería - Ingeniería en BiosistemasAdecuación de Tierras y manejo Sosteniblexvi, 67 páginasapplication/pdfspaUniversidad Nacional de ColombiaBogotá - Ingeniería - Maestría en Ingeniería - Ingeniería en BiosistemasDepartamento de Ingeniería Civil y AgrícolaFacultad de IngenieríaBogotá, ColombiaUniversidad Nacional de Colombia - Sede Bogotá630 - Agricultura y tecnologías relacionadasESPECTROSCOPIA DE REFLECTANCIAReflectance spectroscopyIngenieríaEspectroscopíaSueloConductividad eléctricaSalinidadGeoestadísticaSalinityElectrical conductivitySpectroscopyNIRGeostatisticsPropiedad eléctricaElectrical propertiesAplicación de la espectroscopía de reflectancia difusa (NIR) en el estudio de la conductividad eléctrica del sueloApplication of diffuse reflectance spectroscopy (NIR) in the study of soil electrical conductivityTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMAdeline, K. R. M., Gómez, C., Gorretta, N., & Roger, J. M. (2017). Predictive ability of soil properties to spectral degradation from laboratory Vis-NIR spectroscopy data. Geoderma, 288, 143–153. https://doi.org/10.1016/j.geoderma.2016.11.010Allbed, A.; Kumar, L., & Aldakheel, Y. Y. (2014). Assessing soil salinity using soil salinity and vegetation indices derived from IKONOS high-spatial resolution imageries: Applications in a date palm dominated region. Geoderma, 230–231, 1–8. https://doi.org/10.1016/j.geoderma.2014.03.025Allison, L.E. 1973. Oversaturation method for preparing saturation extracts for salinity appraisal. Soil Sci. 116:65-69.Asfaw, E., Suryabhagavan, K. v., & Argaw, M. (2018). Soil salinity modeling and mapping using remote sensing and GIS: The case of Wonji sugar cane irrigation farm, Ethiopia. Journal of the Saudi Society of Agricultural Sciences, 17(3), 250–258. https://doi.org/10.1016/j.jssas.2016.05.003Bedin, L. G., Souza, A. B. e, Dotto, A. C., Demattê, J. A. M., & Sayão, V. M. (2018). Soil analytical quality control by traditional and spectroscopy techniques: Constructing the future of a hybrid laboratory for low environmental impact. Geoderma, 337(December 2017), 111–121. https://doi.org/10.1016/j.geoderma.2018.09.010Ben-Dor, E., Chabrillat, S., Demattê, J. A. M., Taylor, G. R., Hill, J., Whiting, M. L., & Sommer, S. (2009). Using Imaging Spectroscopy to study soil properties. Remote Sensing of Environment, 113(SUPPL. 1), S38–S55. https://doi.org/10.1016/j.rse.2008.09.019Ben-Dor, E., Patkin, K., Banin, A., & Karnieli, A. (2002). Mapping of several soil properties using DAIS-7915 hyperspectral scanner data - A case study over soils in Israel. International Journal of Remote Sensing, 23(6), 1043–1062. https://doi.org/10.1080/01431160010006962Brough, D. M; McBratney, A.B; Minasny, B; Murphy, B. (2009). Regional transferability of mid-infrared diffuse reflectance spectroscopic prediction for soil chemical properties, Geoderma, Volume 153, Issues 1–2,2009, Pages 155-162Camacho, J. H. (2013). Uso de la reflectancia difusa -NIR en la determinación de características físicas y químicas de un Oxisol. Carimagüa -Meta. Universidad Nacional de Colombia. Sede Bogotá., 149.Camacho, J; Cortés, D & Pérez, J (2013) Relación espacial entre la conductividad eléctrica y algunas propiedades químicas del suelo. Revista U.D.CA Ciencias Agropecuarias. 16(2): 401-408Cambardella, C.A., Moorman, T.B., Novak, J.M., Parkin, T.B., Karlen, D.L., turco, R.F., Konopka, A.E. 1994. Variabilidad a escala de campo de las propiedades del suelo en los suelos de Iowa Central. suelo sci. soc. Am. J. 58, 1501-1511.Cardon, G. E., Davis, J. G., Bauder, T. A., & Waskom, R. M. (n.d.). Managing Saline Soils no. 0.503. www.ext.colostate.eduCarranza Díaz, A. K. (2019). Espectroscopía de reflectancia difusa-NIR para la determinación del contenido de agua en el suelo. BogotáDokuchaev, V. (1883). Russian Chernozem. In Selected works of V.V. Dokuchaev, Vol I. Israel Program for Scientific Translations, Jerusalem (translated in 1967).El Harti, A., Lhissou, R., Hassouna, M., Ouzemou, J., Chokmani, K., el Ghmari, A., & Bachaoui, E. M. (2016). Spatiotemporal monitoring of soil salinization in irrigated Tadla Plain (Morocco) using satellite spectral indices. International Journal of Applied Earth Observation and Geoinformation, 50, 64–73. https://doi.org/10.1016/j.jag.2016.03.008FAO. (2014). Base referencial mundial del recurso suelo 2014 Sistema internacional de clasificación de suelos para la nomenclatura de suelos y la creación de leyendas de mapas de suelos Actualización 2015 INFORMES SOBRE RECURSOS MUNDIALES DE SUELOS. http://www.fao.orgFAO. (s.f.). Clasificación de suelos . Organización de las Naciones Unidas para la Alimentación y la Agricultura. Recuperado de: www.fao.org/soils-portal/soil-survey/clasificacion-de-suelos/es/FAO. (s.f.). Conservación del suelo. Organización de las Naciones Unidas para la Alimentación y la Agricultura. Recuperado de: www.fao.org/soils-portal/soil-management/conservacion-del-suelo/es/FAO. (s.f.). Degradación del suelo. Organización de las Naciones Unidas para la Alimentación y la Agricultura. Recuperado de: www.fao.org/soils-portal/soil-degradation-restoration/es/FAO. (1996). Ecologia y enseñanza rural. Nociones ambientales basicas para profesores rurales y extensionistas. Organización de las Naciones Unidas para la Alimentación y la Agricultura. 131. Recuperado de: Nociones ambientales básicas para profesores rurales y extensionistas (fao.org)FAO. (s.f.). La biodiversidad del Suelo, Conservación del Suelo y Agricultura. Organización de las Naciones Unidas para la Alimentación y la Agricultura. Recuperado de: www.fao.org/soils-portal/soil-biodiversity/conservacion-del-suelo-y-agricultura/es/FAO. (2000). Management of some problem soils. Recuperado de: http://www.fao.org/soils-portal/soil-management/management-of-some-problem-soils/en/FAO. (1999). soil salinity assessment Methods and interpretation of electrical conductivity measurements. 57.FAO. (2021). Presentación, en conferencia virtual, del Mapa mundial de los suelos afectados por salinidad. Recuperado de: https://www.fao.org/newsroom/detail/salt-affected-soils-map-symposium/esFarifteh, J., van der Meer, F., van der Meijde, M., & Atzberger, C. (2008). Spectral characteristics of salt-affected soils: A laboratory experiment. Geoderma, 145(3–4), 196–206. https://doi.org/10.1016/j.geoderma.2008.03.011Fernández Martínez, F. (2020). Desarrollo de modelo para determinar el stock de carbono orgánico del suelo con base en reflectancia difusa. Caso: Carimagua-Meta.Fernández-Buces, N.; Siebe, C.; Cram, S., & Palacio, J. L. (2006). Mapping soil salinity using a combined spectral response index for bare soil and vegetation: A case study in the former lake Texcoco, Mexico. Journal of Arid Environments, 65(4), 644–667. https://doi.org/10.1016/j.jaridenv.2005.08.005Forero. N. (2017). Evaluación de parámetros de calidad físicos y químicos en agraz (Vaccinium meridionale Swartz) con el uso de espectroscopía de infrarrojo cercano – NIR.Gámez Ávila, C. (2019). Uso de modelos espectrales VIS – NIR para la determinación del contenido de carbono del suelo.Husson, O.; Brunet, A.; Babre, D.; Charpentier, H.; Durand, M.; Sarthou, J. (2018). Conservation Agriculture systems alter the electrical characteristics (Eh, pH and EC) of four soil types in France, Soil and Tillage Research, Volume 176, Pages 57-68, ISSN 0167-1987. https://doi.org/10.1016/j.still.2017.11.005.ICONTEC (2008). Norma Técnica Colombiana NTC 5596. Calidad de suelo. Determinación de la conductividad eléctrica.IDEAM; CAR; UDCA. (2017). Protocolo para la identificación y evaluación de la degradación de suelos por salinización en Colombia.IGAC. (1970). Estudios semidetallados y general de suelos de los municipios de la Dorada, Caldas, Honda y Armero Tolima. Bogotá.IGAC. (2006). Métodos analíticos del laboratorio de suelos, 6ª edición. BogotáINTAGRI. 2017. La Conductividad Eléctrica del Suelo en el Desarrollo de los Cultivos. Serie Suelos. Núm. 26. Artículos Técnicos de INTAGRI. México. 5 p.Janik, L. J., Merry, R. H., & Skjemstad, J. O. (1998). Can mid infrared diffuse reflectance analysis replace soil extractions? Australian Journal of Experimental Agriculture, 38(7), 681–696. https://doi.org/10.1071/EA97144Jenny, H. (1941). Factors of soil formation: a system of quantitative pedology. Dover.Johnson, J – M; Saito, K; Senthilkumar, K; Shepherd, K; Sila, A & Vandamme, E. (2019) Near-infrared, mid-infrared or combined diffuse reflectance spectroscopy for assessing soil fertility in rice fields in sub-Saharan Africa. Geoderma, 234 (February): https://doi.org/10.1016/j.geoderma.2019.06.043.Kargas, G., Londra, P., & Sgoubopoulou, A. (2020). Comparison of soil EC values from methods based on 1:1 and 1:5 soil to water ratios and ECe from saturated paste extract-based method. Water (Switzerland), 12(4). https://doi.org/10.3390/W12041010Lagacherie, P., Sneep, A. R., Gomez, C., Bacha, S., Coulouma, G., Hamrouni, M. H., & Mekki, I. (2013). Combining Vis-NIR hyperspectral imagery and legacy measured soil profiles to map subsurface soil properties in a Mediterranean area (Cap-Bon, Tunisia). Geoderma, 209–210, 168–176. https://doi.org/10.1016/j.geoderma.2013.06.005Longenecker, D. E., and P.J. Lyerly. 1964. Making soil pastes for salinity analysis: A reproducible capillary procedure. Soil Sci. 97:268-275.Loveday, J. 1980. Experiences with the 4-electrode resistivity technique for measuring soil salinity. Div. Soils, CSIRO, Rep. 51.Liu, Y., Pan, X., Wang, C., Li, Y., & Shi, R. (2016). Can subsurface soil salinity be predicted from surface spectral information? – From the perspective of structural equation modelling. Biosystems Engineering, 152(71), 138–147. https://doi.org/10.1016/j.biosystemseng.2016.06.008Masoud, A. A. (2014). Predicting salt abundance in slightly saline soils from Landsat ETM+ imagery using Spectral Mixture Analysis and soil spectrometry. Geoderma, 217–218, 45–56. https://doi.org/10.1016/j.geoderma.2013.10.027Matheron, G. (1963). Principles of geostatistics. Economic Geology, 58(8), 1246–1266. https://doi.org/10.2113/gsecongeo.58.8.1246McBratney, A. B., Mendonça Santos, M. L., & Minasny, B. (2003). On digital soil mapping. Geoderma, 117(1–2), 3–52. https://doi.org/10.1016/S0016-7061(03)00223-4McBratney, A., Field, D. J., & Koch, A. (2014). The dimensions of soil security. Geoderma, 213, 203–213. https://doi.org/10.1016/j.geoderma.2013.08.013Medio Ambiente (28 de febrero de 2018). Colombia tiene 14 millones de hectareas degradadas por salinización. El tiempo. Recuperado de: https://www.eltiempo.com/vida/medio-ambiente/colombia-tiene-14-millones-de-hectareas-degradadas-por-salinizacion-188242Ministerio de Ambiente y Desarrollo Sostenible (2021). La conservación y protección del suelo es otro de los logros ambientales de Colombia. Ministerio de Ambiente y Desarrollo Sostenible. Recuperado de: https://www.minambiente.gov.co/index.php/sala-de-prensa/130-notas-de-interes/3998-la-conservacion-y-proteccion-del-suelo-es-otro-de-los-logros-ambientales-de-colombiaMurray, I. (2004). Scattered information: philosophy and practice of near infrared spectroscopy. www.nirpublications.comNæs, T. et al., 2004. A User-friendly Guide to Multivariate Calibration and Classification., Charlton, Chichester, UK.: NIR publications.National Soil Survey Handbook. (2017). How to Submit a Taxonomy Proposal. http://www.nrcs.usda.gov/wps/portal/nrcs/detail/soils/home/?cid=nrcs142p2_053577Nicolai, B.M. et al., 2007. Nondestructive measurement of fruit and vegetable quality by means of NIR spectroscopy: A review. Postharvest Biology and Technology, 46(2), pp.99–118.NRSC, & USDA. (2014). Claves para la Taxonomía de Suelos.Nyssen, J., Poesen, J., & Deckers, J. (2009). Land degradation and soil and water conservation in tropical highlands. Soil and Tillage Research, 103(2), 197–202. https://doi.org/10.1016/j.still.2008.08.002Obando, E; Carbonell, J. (2010). Caracterización espectral y mineralógica de los suelos del valle del ró Cauca por espectroscopía visible e infrarroja. Agronomía Colombiana, 28(2), 291–301. http://www.eolss.net/sample-chapters/c12/e1-05-07-01.pdfOrdóñez Delgado, N., & Bolívar Gamboa, A. (2014). Levantamiento agrológico del Centro Agropecuario (Universidad Nacional de Colombia & Instituto Geográfico Agustín Codazzi. Subdirección de Agrología, Eds.). Bogotá: Imprenta Nacional de Colombia.Pessarakli,M. (2011). Handbook of plant and crop stress, EE.UU., 3ra edición, Taylos &Francis GroupReeves, J.B., III, Near- versus mid-infrared diffuse reflectance spectroscopy for soil analysis emphasizing carbon and laboratory versus on-site analysis: Where are we and what needs to be done? Geoderma (in press). https://doi.org/10.1016/j.geoderma.2009.04.005Rhoades, J (1993). Electrical conductivity methods for measuring and mapping soil salinity. In Advances in Agronomy Vol. 49, 201-251; Sparks; Academic Press. San DiegoRichards, LA. (1954) Diagnosis and Improvement of Saline and Alkali Soils, Washington, DC: USDA Agric. US Handbook 6Rodríguez, W; García, P; Fajardo, A. (2016). Aplicaciones de Técnicas Espectroscópicas para el Análisis de Suelos. Revista Facultad de Ciencias Básicas, 12(2), 228–251. https://doi.org/10.18359/RFCB.2030Romić, M., Castrignanò, A., Buttafuoco, G., Romić, D., Zovko, M., Colombo, C., & di Iorio, E. (2018). A geostatistical Vis-NIR spectroscopy index to assess the incipient soil salinization in the Neretva River valley, Croatia. Geoderma, 332(February), 60–72. https://doi.org/10.1016/j.geoderma.2018.07.005Ruiz, A. (2006). Origen, formación, estructura y comportamiento de la arcilla de Bogotá. Universidad de Los Andes.Serna-Giraldo, A. & Salazar-Gutiérrez, F. (2011). Conocimiento y aplicación de prácticas de conservación de suelos por parte de caficultores en la región central cafetera (Vol. 62, Issue 1).Shahid, S. A., Zaman, M., & Heng, L. (2018). Soil Salinity: Historical Perspectives and a World Overview of the Problem. In Guideline for Salinity Assessment, Mitigation and Adaptation Using Nuclear and Related Techniques (pp. 43–53). Springer International Publishing. https://doi.org/10.1007/978-3-319-96190-3_2SIAC. (s.f.). Suelo. Sistema de información Ambiental de Colombia. Recuperado de: www.siac.gov.co/sueloSidike, A., Zhao, S., & Wen, Y. (2014). Estimating soil salinity in Pingluo County of China using QuickBirddata and soil reflectance spectra. International Journal of Applied Earth Observation and Geoinformation, 26(1), 156–175. https://doi.org/10.1016/j.jag.2013.06.002Sonneveld, C., van den Ende, J. Soil analysis by means of a 1:2 volume extract. Plant Soil 35, 505–516 (1971). https://doi.org/10.1007/BF01372683Sudduth, K. A., Myers, D. B., Kitchen, N. R., & Drummond, S. T. (2013). Modeling soil electrical conductivity-depth relationships with data from proximal and penetrating ECa sensors. Geoderma, 199, 12–21. https://doi.org/10.1016/j.geoderma.2012.10.006Survey Staff, S (1999). Soil taxonomy: A basic system of soil classification for making and interpreting soil surveys. 2nd edition. Natural Resources Conservation Service. U.S. Department of Agriculture Handbook 436.Vignola, R., Koellner, T., Scholz, R. W., & McDaniels, T. L. (2010). Decision-making by farmers regarding ecosystem services: Factors affecting soil conservation efforts in Costa Rica. Land Use Policy, 27(4), 1132–1142. https://doi.org/10.1016/j.landusepol.2010.03.003Viscarra, R. A., Walvoort, D. J. J., Mcbratney, A. B., Janik, L. J., & Skjemstad, J. O. (2006). Proximal sensing of soil ph and lime requirement by mid infrared diffuse reflectance spectroscopy.Viscarra, R., Mouazen, A. M., & Wetterlind, J. (2010). Visible and Near Infrared Spectroscopy in Soil Science. In Advances in Agronomy (Vol. 107, Issue C). https://doi.org/10.1016/S0065-2113(10)07005-7Viscarra Rossel, R. A., Walvoort, D. J. J., McBratney, A. B., Janik, L. J., & Skjemstad, J. O. (2006). Visible, near infrared, mid infrared or combined diffuse reflectance spectroscopy for simultaneous assessment of various soil properties. Geoderma, 131(1–2), 59–75. https://doi.org/10.1016/j.geoderma.2005.03.007Wang H, Peng J, Xie C, Bao Y, He Y. Fruit quality evaluation using spectroscopy technology: a review. Sensors (Basel). 2015 May 21;15(5):11889-927. doi: 10.3390/s150511889. PMID: 26007736; PMCID: PMC4481958Webster, R., Oliver, M.A. 2007. Geostatistics for environmental scientists. John Wiley & Sons Inc., Hoboken, NJ, USA. 330 pp.Zhang, T. T., Zeng, S. L., Gao, Y., Ouyang, Z. T., Li, B., Fang, C. M., & Zhao, B. (2011). Using hyperspectral vegetation indices as a proxy to monitor soil salinity. Ecological Indicators, 11(6), 1552–1562. https://doi.org/10.1016/j.ecolind.2011.03.025Zossi, S. et al., 2010. Espectroscopía por infrarrojo cercano (NIRS). Su aplicación en análisis de jugos de caña de azúcar. Revista Industrial y Agrícola de Tucumán, 87(1), pp.1–6.EstudiantesInvestigadoresMaestrosORIGINAL1019086440.2022.pdf1019086440.2022.pdfTesis de Maestría en Ingeniería - Ingeniería en Biosistemasapplication/pdf10325621https://repositorio.unal.edu.co/bitstream/unal/81398/1/1019086440.2022.pdff3003c89230962a402e08f31e43dc75cMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-84074https://repositorio.unal.edu.co/bitstream/unal/81398/2/license.txt8153f7789df02f0a4c9e079953658ab2MD52THUMBNAIL1019086440.2022.pdf.jpg1019086440.2022.pdf.jpgGenerated Thumbnailimage/jpeg5443https://repositorio.unal.edu.co/bitstream/unal/81398/3/1019086440.2022.pdf.jpg3107697f5fb5a195393a7aadf5902e85MD53unal/81398oai:repositorio.unal.edu.co:unal/813982023-08-03 23:04:18.742Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.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 |