Viabilidad del uso de la espectroscopía NIRS en la estimación de parámetros de interés agronómico y medioambiental en lodos de depuradora

Abstract

En ocasiones los lodos de depuradora son adicionados al suelo sin una previa caracterización completa de estos materiales, ya que requiere de tiempo y dinero y la normativa vigente prescribe unas necesidades de control analítico que no incluyen la elevada variabilidad en la composición específica del lodo. La estimación de parámetros clave en términos de requerimientos agronómicos y ambientales basados en el uso de la espectroscopía en el infrarrojo cercano (NIRS) puede ser una propuesta interesante de cara a solucionar los problemas de gestión actuales. Este trabajo busca la validación de modelos basados en NIRS y mejorados con el uso de herramientas de inteligencia artificial como método de estimación de los principales nutrientes, contenido de materia orgánica y metales pesados en lodos de depuradora y su comparación con los procedimientos clásicos de análisis. Se utilizaron 40 lodos procedentes de diferentes depuradoras, agrupados por capacidad de tratamiento de la planta y tipología de estabilización de los lodos para calibrar el modelo. La precisión del modelo NIRS comparada con los resultados analíticos clásicos fue estudiada dependiendo de cada parámetro a estimar, incluyendo un amplio set de parámetros agronómicos y medioambientales. En general, dentro de los modelos que destacan por su mejor precisión son SG2-PLS y SG3-PLS, ya que su R2 se encuentra superior a 0,9 dentro de los modelos que se aplicaron

Sometimes sewage sludge is added to the soil without a previous complete characterisation of these materials, as it requires time and money and the current regulations prescribe analytical control needs that do not include the high variability in the specific composition of the sludge. The estimation of key parameters in terms of agronomic and environmental requirements based on the use of near infrared spectroscopy (NIRS) can be an interesting proposal to solve current management problems. This works aims to validate NIRS-based models enhanced with the use of artificial intelligence tools as a method for estimating the main nutrients, organic matter and heavy metal content in sewage sludge and its comparison with classical analysis procedures. Forty sludges from different sewage treatment plants, grouped by plant treatment capacity and sludge stabilisation typology, were used to calibrate the model. The accuracy of the NIRS model compared to classical analytical results was studied depending on each parameter to be estimated, including a wide set of agronomic and environmental parameters. In general, SG2-PLS and SG3-PLS are the models that stand out for their better accuracy, as their R2 is found to be higher than 0.9 among the models that were applied