Nature.com saytına daxil olduğunuz üçün təşəkkür edirik. İstifadə etdiyiniz brauzer versiyasında CSS dəstəyi məhduddur. Ən yaxşı təcrübə üçün yenilənmiş brauzerdən istifadə etməyinizi (və ya Internet Explorer-də uyğunluq rejimini söndürməyinizi) tövsiyə edirik. Bu vaxt ərzində davamlı dəstəyi təmin etmək üçün saytı stillər və JavaScript olmadan göstərəcəyik.
Torpaq çirklənməsi insan fəaliyyətinin yaratdığı böyük bir problemdir. Potensial zəhərli elementlərin (PTE) məkan paylanması əksər şəhər və şəhərətrafı ərazilərdə dəyişir. Buna görə də, bu cür torpaqlarda PTE-lərin miqdarını məkan baxımından proqnozlaşdırmaq çətindir. Çexiya Respublikasındakı Frydek Mistekdən cəmi 115 nümunə əldə edilmişdir. Kalsium (Ca), maqnezium (Mg), kalium (K) və nikel (Ni) konsentrasiyaları induktiv şəkildə əlaqəli plazma emissiya spektrometriyası istifadə edilərək təyin edilmişdir. Cavab dəyişəni Ni, proqnozlaşdırıcılar isə Ca, Mg və K-dir. Cavab dəyişəni ilə proqnozlaşdırıcı dəyişən arasındakı korrelyasiya matrisi elementlər arasında qənaətbəxş bir korrelyasiya göstərir. Proqnozlaşdırma nəticələri göstərdi ki, Dəstək Vektor Maşın Reqressiyası (SVMR) yaxşı nəticə göstərdi, baxmayaraq ki, onun təxmin edilən orta kvadrat xətası (RMSE) (235.974 mq/kq) və orta mütləq xətası (MAE) (166.946 mq/kq) tətbiq olunan digər metodlardan daha yüksək idi. Empirik Bayes Kriging-Çoxlu Xətti Reqressiya (EBK-MLR) üçün qarışıq modellər ... zəif, 0,1-dən az determinasiya əmsalları ilə sübut edildiyi kimi. Empirik Bayesian Kriging-Dəstək Vektor Maşın Reqressiyası (EBK-SVMR) modeli aşağı RMSE (95.479 mq/kq) və MAE (77.368 mq/kq) dəyərləri və yüksək determinasiya əmsalı (R2 = 0.637) ilə ən yaxşı model idi. EBK-SVMR modelləşdirmə texnikasının çıxışı özünütəşkil edən xəritə istifadə edilərək vizuallaşdırılır. Hibrid model CakMg-EBK-SVMR komponentinin müstəvisində klasterləşdirilmiş neyronlar şəhər və şəhərətrafı torpaqlarda Ni konsentrasiyalarını proqnozlaşdıran çoxsaylı rəng nümunələri göstərir. Nəticələr göstərir ki, EBK və SVMR-in birləşdirilməsi şəhər və şəhərətrafı torpaqlarda Ni konsentrasiyalarını proqnozlaşdırmaq üçün təsirli bir texnikadır.
Nikel (Ni) bitkilər üçün mikroelement hesab olunur, çünki o, atmosfer azotunun fiksasiyasına (N) və sidik cövhəri mübadiləsinə kömək edir, hər ikisi toxum cücərməsi üçün tələb olunur. Toxum cücərməsinə verdiyi töhfəyə əlavə olaraq, Ni göbələk və bakteriya inhibitoru kimi çıxış edə və bitkinin inkişafını təşviq edə bilər. Torpaqda nikelin olmaması bitkinin onu mənimsəməsinə imkan verir və nəticədə yarpaqların xlorozu yaranır. Məsələn, inək noxudu və yaşıl lobya azot fiksasiyasını optimallaşdırmaq üçün nikel əsaslı gübrələrin tətbiqini tələb edir.2. Torpağı zənginləşdirmək və paxlalıların torpaqda azot fiksasiya etmək qabiliyyətini artırmaq üçün nikel əsaslı gübrələrin davamlı tətbiqi torpaqda nikel konsentrasiyasını davamlı olaraq artırır. Nikel bitkilər üçün mikroelement olsa da, onun torpaqda həddindən artıq qəbulu faydadan daha çox zərər verə bilər. Torpaqda nikelin toksikliyi torpağın pH-nı minimuma endirir və bitki böyüməsi üçün vacib qida maddəsi kimi dəmirin mənimsənilməsinə mane olur.3. Liu-ya görə, Ni-nin bitkilərin inkişafı və böyüməsi üçün tələb olunan 17-ci vacib element olduğu aşkar edilmişdir. Nikelin bitki inkişafı və böyüməsindəki roluna əlavə olaraq, insanlar ona müxtəlif tətbiqlər üçün ehtiyac duyurlar. Elektroplatlama, nikel əsaslı məhsulların istehsalı ərintilər, avtomobil sənayesində alışma cihazlarının və qığılcım şamlarının istehsalı müxtəlif sənaye sektorlarında nikelin istifadəsini tələb edir. Bundan əlavə, nikel əsaslı ərintilər və elektrokaplama məmulatları mətbəx əşyaları, bal salonu aksesuarları, qida sənayesi ləvazimatları, elektrik, məftil və kabel, reaktiv turbinlər, cərrahi implantlar, toxuculuq və gəmiqayırmada geniş istifadə edilmişdir.5. Torpaqlarda (yəni səth torpaqlarında) nikellə zəngin səviyyələr həm antropogen, həm də təbii mənbələrə aid edilmişdir, lakin ilk növbədə Ni antropogen deyil, təbii mənbədir.6. Nikelin təbii mənbələrinə vulkan püskürmələri, bitki örtüyü, meşə yanğınları və geoloji proseslər daxildir; lakin antropogen mənbələrə polad sənayesindəki nikel/kadmium batareyaları, elektrokaplama, qövs qaynağı, dizel və yanacaq yağları, kömür yanmasından və tullantıların və çamurun yandırılmasından atmosferə atılan tullantılar, nikel yığılması daxildir.7,8. Fridman və Hutchinsona görə9 və Manyiwa və digərləri. 10, yaxın və qonşu mühitdə torpağın üst qatının çirklənməsinin əsas mənbələri əsasən nikel-mis əsaslı əritmə zavodları və mədənlərdir. Kanadadakı Sadbury nikel-mis emalı zavodunun ətrafındakı üst torpaqda nikel çirklənməsinin ən yüksək səviyyəsi 26.000 mq/kq11 idi. Bunun əksinə olaraq, Rusiyada nikel istehsalından qaynaqlanan çirklənmə Norveç torpağında daha yüksək nikel konsentrasiyasına səbəb olmuşdur11. Alms və digərlərinə görə. 12-ci maddəyə əsasən, regionun ən yaxşı əkin sahələrində (Rusiyada nikel istehsalı) HNO3-çıxarıla bilən nikelin miqdarı 6,25 ilə 136,88 mq/kq arasında dəyişib ki, bu da orta hesabla 30,43 mq/kq və baza konsentrasiyası 25 mq/kq-dır. Kabata 11-ə görə, ardıcıl əkin mövsümlərində şəhər və ya şəhərətrafı torpaqlarda kənd təsərrüfatı torpaqlarında fosfor gübrələrinin tətbiqi torpağı yoluxdura və ya çirkləndirə bilər. Nikelin insanlarda potensial təsirləri mutagenez, xromosom zədələnməsi, Z-DNT generasiyası, bloklanmış DNT eksiziyasının bərpası və ya epigenetik proseslər vasitəsilə xərçəngə səbəb ola bilər13. Heyvan təcrübələrində nikelin müxtəlif şişlərə səbəb olma potensialına malik olduğu və kanserogen nikel komplekslərinin bu cür şişləri şiddətləndirə biləcəyi aşkar edilmişdir.
Torpaq çirklənməsinin qiymətləndirilməsi son dövrlərdə torpaq-bitki münasibətləri, torpaq və torpağın bioloji münasibətləri, ekoloji deqradasiya və ətraf mühitə təsirin qiymətləndirilməsindən irəli gələn geniş sağlamlıqla bağlı məsələlər səbəbindən inkişaf etmişdir. Bu günə qədər torpaqda Ni kimi potensial zəhərli elementlərin (PTE) məkan proqnozlaşdırılması ənənəvi metodlardan istifadə etməklə zəhmətli və vaxt aparan olmuşdur. Rəqəmsal torpaq xəritələşdirməsinin (DSM) yaranması və onun hazırkı uğuru15 proqnozlaşdırıcı torpaq xəritələşdirməsini (PSM) xeyli yaxşılaşdırmışdır. Minasny və McBratney16-ya görə, proqnozlaşdırıcı torpaq xəritələşdirməsinin (DSM) torpaqşünaslığın görkəmli bir alt sahəsi olduğu sübut edilmişdir. Lagacherie və McBratney, 2006 DSM-ni "yerində və laboratoriya müşahidə metodlarından və məkan və məkan olmayan torpaq çıxarma sistemlərindən istifadə etməklə məkan torpaq məlumat sistemlərinin yaradılması və doldurulması" kimi təyin edirlər. McBratney və digərləri 17-ci məqalədə müasir DSM və ya PSM-in PTE-lərin, torpaq növlərinin və torpaq xüsusiyyətlərinin məkan paylanmasını proqnozlaşdırmaq və ya xəritələşdirmək üçün ən təsirli üsul olduğu qeyd olunur. Geostatistika və Maşın Öyrənməsi Alqoritmləri (MLA), əhəmiyyətli və minimal məlumatlardan istifadə edərək kompüterlərin köməyi ilə rəqəmsal xəritələr yaradan DSM modelləşdirmə üsullarıdır.
Deutsch18 və Olea19 geostatistikaya "əsasən zaman seriyası təhlilinin zaman məlumatlarını necə xarakterizə etməsi kimi stoxastik modellərdən istifadə edərək məkan atributlarının təmsil olunması ilə məşğul olan ədədi texnikalar toplusu" kimi tərif verirlər. Əsasən, geostatistika hər bir məlumat dəstindən məkan dəyərlərinin asılılıqlarını kəmiyyətcə ölçməyə və təyin etməyə imkan verən varioqramların qiymətləndirilməsini əhatə edir20. Gumiaux və başqaları 20-ci şəkildə geostatistikada varioqramların qiymətləndirilməsinin üç prinsipə əsaslandığını daha da göstərir: (a) məlumat korrelyasiyasının miqyasının hesablanması, (b) məlumat dəsti fərqində anizotropiyanın müəyyən edilməsi və hesablanması və (c) əlavə olaraq. Yerli təsirlərdən ayrılmış ölçmə məlumatlarının daxili səhvini nəzərə almaqla yanaşı, sahə təsirləri də qiymətləndirilir. Bu anlayışlara əsaslanaraq, geostatistikada ümumi kriqinq, birgə kriqinq, adi kriqinq, empirik Bayes kriqinqi, sadə kriqinq metodu və digər tanınmış interpolasiya üsulları da daxil olmaqla, PTE, torpaq xüsusiyyətləri və torpaq növlərini xəritələşdirmək və ya proqnozlaşdırmaq üçün bir çox interpolasiya üsulları istifadə olunur.
Maşın Öyrənmə Alqoritmləri (MLA), əsasən məlumatların çıxarılması, məlumatlardakı nümunələrin müəyyən edilməsi və torpaqşünaslıq və qaytarma tapşırıqları kimi elmi sahələrdə təsnifata dəfələrlə tətbiq olunan alqoritmlər tərəfindən dəstəklənən daha böyük qeyri-xətti məlumat siniflərindən istifadə edən nisbətən yeni bir texnikadır. Tan və digərləri 22 (kənd təsərrüfatı torpaqlarında ağır metalların qiymətləndirilməsi üçün təsadüfi meşələr), Sakizadeh və digərləri 23 (dəstək vektor maşınları və süni neyron şəbəkələrindən istifadə edərək modelləşdirmə) kimi çoxsaylı tədqiqat sənədləri torpaqlarda PTE-ni proqnozlaşdırmaq üçün MLA modellərinə əsaslanır. Bundan əlavə, Vega və digərləri 24 (torpaqda ağır metalların saxlanması və adsorbsiyasını modelləşdirmək üçün CART) Sun və digərləri 25 (kubistin tətbiqi torpaqda Cd-nin paylanmasıdır) və k-ən yaxın qonşu, ümumiləşdirilmiş gücləndirilmiş reqressiya və gücləndirilmiş reqressiya Ağacları kimi digər alqoritmlər də torpaqda PTE-ni proqnozlaşdırmaq üçün MLA-dan istifadə etmişdir.
DSM alqoritmlərinin proqnozlaşdırma və ya xəritələşdirmədə tətbiqi bir sıra çətinliklərlə üzləşir. Bir çox müəllif MLA-nın geostatistikadan və əksinə üstün olduğuna inanır. Biri digərindən daha yaxşı olsa da, ikisinin kombinasiyası DSM15-də xəritələşdirmə və ya proqnozlaşdırmanın dəqiqlik səviyyəsini artırır. Woodcock və Gopal26 Finke27; Pontius və Cheuk28 və Grunwald29 proqnozlaşdırılan torpaq xəritələşdirməsindəki çatışmazlıqlar və bəzi səhvlər barədə şərhlər verirlər. Torpaq alimləri DSM xəritələşdirmə və proqnozlaşdırmanın effektivliyini, dəqiqliyini və proqnozlaşdırıla bilənliyini optimallaşdırmaq üçün müxtəlif üsullar sınamışlar. Qeyri-müəyyənlik və yoxlamanın birləşməsi effektivliyi optimallaşdırmaq və qüsurları azaltmaq üçün DSM-ə inteqrasiya olunmuş bir çox fərqli aspektlərdən biridir. Lakin, Agyeman və digərləri 15 xəritənin yaradılması və proqnozlaşdırılması ilə təqdim edilən yoxlama davranışının və qeyri-müəyyənliyin xəritə keyfiyyətini yaxşılaşdırmaq üçün müstəqil şəkildə yoxlanılmalı olduğunu qeyd edirlər. DSM-nin məhdudiyyətləri coğrafi cəhətdən dağınıq torpaq keyfiyyəti ilə əlaqədardır ki, bu da qeyri-müəyyənliyin bir hissəsini əhatə edir; Lakin, DSM-də müəyyənliyin olmaması bir çox səhv mənbəyindən, yəni kovariat xətasından, model xətasından, yer xətasından və analitik xətadan qaynaqlana bilər. 31. MLA və geostatistik proseslərdə yaranan modelləşdirmə qeyri-dəqiqlikləri anlaşılmazlıqla əlaqələndirilir və nəticədə real prosesin həddindən artıq sadələşdirilməsinə gətirib çıxarır.32. Modelləşdirmənin təbiətindən asılı olmayaraq, qeyri-dəqiqliklər modelləşdirmə parametrlərinə, riyazi model proqnozlarına və ya interpolasiyaya aid edilə bilər.33. Bu yaxınlarda geostatistika və MLA-nın xəritələşdirmə və proqnozlaşdırmada inteqrasiyasını təşviq edən yeni bir DSM trendi ortaya çıxdı. Sergeev və başqaları 34; Subbotina və başqaları 35; Tarasov və başqaları 36 və Tarasov və başqaları 37 kimi bir neçə torpaqşünas və müəllif proqnozlaşdırma və xəritələşdirmənin səmərəliliyini artıran hibrid modellər yaratmaq üçün geostatistika və maşın öyrənməsinin dəqiq keyfiyyətindən istifadə ediblər. keyfiyyət. Bu hibrid və ya birləşdirilmiş alqoritm modellərindən bəziləri Süni Neyron Şəbəkə Kriqinqi (ANN-RK), Çoxqatlı Perseptron Qalıq Kriqinqi (MLP-RK), Ümumiləşdirilmiş Reqressiya Neyron Şəbəkə Qalıq Kriqinqi (GR-NNRK)36, Süni Neyron Şəbəkə Kriqinqi-Çoxqatlı Perseptron (ANN-K-MLP)37 və Birgə Kriqinq və Qauss Prosesi Reqressiyası38-dir.
Sergeev və digərlərinə görə, müxtəlif modelləşdirmə üsullarının birləşdirilməsi, tək bir model yaratmaq əvəzinə, qüsurları aradan qaldırmaq və nəticədə yaranan hibrid modelin səmərəliliyini artırmaq potensialına malikdir. Bu kontekstdə, bu yeni məqalədə şəhər və şəhərətrafı ərazilərdə Ni zənginləşməsini proqnozlaşdırmaq üçün optimal hibrid modellər yaratmaq üçün geostatistika və MLA-nın birləşdirilmiş alqoritminin tətbiq edilməsinin zəruriliyi iddia edilir. Bu tədqiqat əsas model kimi Empirik Bayes Kriging (EBK)-yə əsaslanacaq və onu Dəstək Vektor Maşını (SVM) və Çoxlu Xətti Reqressiya (MLR) modelləri ilə qarışdıracaq. EBK-nin istənilən MLA ilə hibridləşdirilməsi məlum deyil. Görülən çoxlu qarışıq modellər adi, qalıq, reqressiya krigingi və MLA-nın kombinasiyalarıdır. EBK, sahə üzərində müəyyən edilmiş lokalizasiya parametrləri ilə qeyri-stasionar/stasionar təsadüfi sahə kimi lokallaşdırılmış, məkan dəyişikliyinə imkan verən fəza stoxastik prosesdən istifadə edən geostatistika interpolasiya metodudur39. EBK, təsərrüfat torpaqlarında üzvi karbonun paylanmasının təhlili40, torpaq çirklənməsinin qiymətləndirilməsi41 və torpaq xüsusiyyətlərinin xəritələşdirilməsi42 daxil olmaqla müxtəlif tədqiqatlarda istifadə edilmişdir.
Digər tərəfdən, Özünütəşkil Edən Qraf (SeOM), Li və digərləri 43, Wang və digərləri 44, Hossain Bhuiyan və digərləri 45 və Kebonye və digərləri kimi müxtəlif məqalələrdə tətbiq olunmuş bir öyrənmə alqoritmidir. Elementlərin məkan atributlarını və qruplaşdırılmasını təyin edin. Wang və digərləri 44 SeOM-un qeyri-xətti problemləri qruplaşdırmaq və təsəvvür etmək qabiliyyəti ilə tanınan güclü bir öyrənmə texnikası olduğunu qeyd edirlər. Əsas komponent təhlili, qeyri-səlis klasterləşmə, iyerarxik klasterləşmə və çoxmeyarlı qərar qəbuletmə kimi digər nümunə tanıma texnikalarından fərqli olaraq, SeOM PTE nümunələrini təşkil etməkdə və müəyyən etməkdə daha yaxşıdır. Wang və digərlərinə görə 44, SeOM əlaqəli neyronların paylanmasını məkan baxımından qruplaşdıra və yüksək qətnaməli məlumatların vizuallaşdırılmasını təmin edə bilər. SeOM birbaşa şərh üçün nəticələri xarakterizə etmək üçün ən yaxşı modeli əldə etmək üçün Ni proqnozlaşdırma məlumatlarını vizuallaşdıracaq.
Bu məqalənin məqsədi şəhər və şəhərətrafı torpaqlarda nikel tərkibini proqnozlaşdırmaq üçün optimal dəqiqliyə malik möhkəm xəritələşdirmə modeli yaratmaqdır. Qarışıq modelin etibarlılığının əsasən baza modelinə bağlı digər modellərin təsirindən asılı olduğunu fərz edirik. DSM-in üzləşdiyi çətinlikləri qəbul edirik və bu çətinliklər bir çox cəbhədə həll edilsə də, geostatistika və MLA modellərindəki irəliləyişlərin kombinasiyası tədricən baş verir; buna görə də qarışıq modellər yarada biləcək tədqiqat suallarına cavab verməyə çalışacağıq. Bununla belə, model hədəf elementi proqnozlaşdırmaqda nə dərəcədə dəqiqdir? Həmçinin, validasiya və dəqiqlik qiymətləndirməsinə əsaslanan səmərəliliyin qiymətləndirilməsi səviyyəsi hansıdır? Buna görə də, bu tədqiqatın konkret məqsədləri (a) əsas model kimi EBK istifadə edərək SVMR və ya MLR üçün birləşdirilmiş qarışıq modeli yaratmaq, (b) nəticədə əldə edilən modelləri müqayisə etmək, (c) şəhər və ya şəhərətrafı torpaqlarda Ni konsentrasiyalarını proqnozlaşdırmaq üçün ən yaxşı qarışıq modelini təklif etmək və (d) nikel məkan variasiyasının yüksək qətnaməli xəritəsini yaratmaq üçün SeOM-un tətbiqi idi.
Tədqiqat Çex Respublikasında, xüsusən də Moraviya-Sileziya bölgəsindəki Frydek Mistek rayonunda aparılır (Şəkil 1-ə baxın). Tədqiqat ərazisinin coğrafiyası çox sərtdir və əsasən Karpat dağlarının xarici kənarının bir hissəsi olan Moraviya-Sileziya Beskidi bölgəsinin bir hissəsidir. Tədqiqat ərazisi 49° 41′ 0′ şimal enliyi ilə 18° 20′ 0′ şərq enliyi arasında yerləşir və hündürlük 225 ilə 327 m arasındadır; Lakin, bölgənin iqlim vəziyyəti üçün Koppen təsnifat sistemi Cfb = mülayim okean iqlimi kimi qiymətləndirilir. Quru aylarda belə çoxlu yağış yağır. Temperatur il ərzində −5 °C ilə 24 °C arasında bir qədər dəyişir, nadir hallarda −14 °C-dən aşağı və ya 30 °C-dən yuxarı düşür, orta illik yağıntı isə 685 ilə 752 mm arasındadır.47 Bütün ərazinin təxmini tədqiqat sahəsi 1208 kvadrat kilometrdir, əkin sahəsinin 39,38%-i və meşə örtüyünün 49,36%-i. Digər tərəfdən, bu tədqiqatda istifadə olunan sahə təxminən 889,8 kvadrat kilometrdir. Ostrava və ətrafında polad sənayesi və metal emalı zavodları çox aktivdir. Nikelin paslanmayan poladlarda (məsələn, atmosfer korroziyasına davamlılıq üçün) və ərintili poladlarda (nikel yaxşı elastikliyini və möhkəmliyini qoruyarkən ərinti möhkəmliyini artırır) istifadə edildiyi polad sənayesi olan metal dəyirmanları və fosfat gübrəsinin tətbiqi və heyvandarlıq kimi intensiv kənd təsərrüfatı tədqiqat potensial nikel mənbələridir. regionda (məsələn, quzularda və az bəslənən mal-qarada böyümə sürətini artırmaq üçün quzulara nikel əlavə etmək). Tədqiqat sahələrində nikelin digər sənaye istifadələrinə onun elektrokaplama, o cümlədən elektrokaplama nikelində istifadəsi və elektrosiz nikel örtük prosesləri daxildir. Torpaq xüsusiyyətləri torpaq rəngindən, quruluşundan və karbonat tərkibindən asanlıqla fərqlənir. Torpaq teksturası orta və ya incədir, ana materialdan əldə edilir. Onlar təbiətcə kolluvial, allüvial və ya eoliyadır. Bəzi torpaq sahələri səthdə və alt qatda ləkəli görünür, tez-tez beton və ağartma ilə. Lakin, kambisollar və staqnosollar regionda ən çox yayılmış torpaq növləridir48. 455,1 ilə 493,5 m arasında dəyişən yüksəkliklərlə kambisollar Çex Respublikasında üstünlük təşkil edir49.
Tədqiqat sahəsinin xəritəsi [Tədqiqat sahəsinin xəritəsi ArcGIS Desktop (ESRI, Inc, versiya 10.7, URL: https://desktop.arcgis.com) istifadə edilərək yaradılmışdır.]
Frydek Mistek rayonundakı şəhər və ətraf ərazi torpaqlarından cəmi 115 üst torpaq nümunəsi götürülmüşdür. İstifadə olunan nümunə nümunəsi, torpaq nümunələri bir-birindən 2 × 2 km məsafədə yerləşdirilmiş adi bir şəbəkə idi və üst torpaq əl GPS cihazı (Leica Zeno 5 GPS) istifadə edərək 0 ilə 20 sm dərinlikdə ölçülmüşdür. Nümunələr Ziploc torbalarında qablaşdırılır, düzgün etiketlənir və laboratoriyaya göndərilir. Toz halına salınmış nümunələr əldə etmək üçün nümunələr havada qurudulur, mexaniki sistem (Fritsch disk dəyirmanı) ilə toz halına salınır və ələnir (ələk ölçüsü 2 mm). 1 qram qurudulmuş, homogenləşdirilmiş və ələnmiş torpaq nümunələrini aydın şəkildə etiketlənmiş teflon şüşələrə qoyun. Hər bir Teflon qabına 7 ml 35% HCl və 3 ml 65% HNO3 tökün (avtomatik dispenser istifadə edin - hər turşu üçün bir), yüngülcə örtün və nümunələrin reaksiya üçün bir gecə dayanmasına icazə verin (aqua regia proqramı). Supernatantı isti metal lövhəyə qoyun. (temperatur: 100 Vt və 160 °C) nümunələrin həzm prosesini asanlaşdırmaq üçün 2 saat saxlayın, sonra soyudun. Süpernatanı 50 ml həcmli kolbaya köçürün və deionlaşdırılmış su ilə 50 ml-ə qədər durulaşdırın. Bundan sonra, durulaşdırılmış süpernatanı deionlaşdırılmış su ilə 50 ml PVC boruya süzün. Bundan əlavə, 1 ml durulaşdırma məhlulu 9 ml deionlaşdırılmış su ilə durulaşdırıldı və PTE yalançı konsentrasiyası üçün hazırlanmış 12 ml boruya süzüldü. PTE-lərin (As, Cd, Cr, Cu, Mn, Ni, Pb, Zn, Ca, Mg, K) konsentrasiyaları standart metodlara və razılaşmaya uyğun olaraq ICP-OES (İnduktiv Birləşdirilmiş Plazma Optik Emissiya Spektroskopiyası) (Thermo Fisher Scientific, ABŞ) ilə təyin edildi. Keyfiyyətə Təminat və Nəzarət (QA/QC) prosedurlarını təmin edin (SRM NIST 2711a Montana II Soil). Aşkarlama limitləri yarıdan aşağı olan PTE-lər bu tədqiqatdan xaric edildi. Aşkarlama limiti Bu tədqiqatda istifadə edilən PTE 0.0004 idi.(siz). Bundan əlavə, hər bir analiz üçün keyfiyyətə nəzarət və keyfiyyət təminatı prosesi istinad standartlarının təhlili ilə təmin edilir. Səhvlərin minimuma endirilməsini təmin etmək üçün ikiqat analiz aparılmışdır.
Empirik Bayes Kriqinqi (EBK) torpaqşünaslıq kimi müxtəlif sahələrdə modelləşdirmədə istifadə edilən bir çox geostatistik interpolasiya üsullarından biridir. Digər kriqinq interpolasiya üsullarından fərqli olaraq, EBK ənənəvi kriqinq üsullarından semivarioqram modeli ilə qiymətləndirilən xətanı nəzərə alaraq fərqlənir. EBK interpolasiyasında interpolasiya zamanı tək bir semivarioqram deyil, bir neçə semivarioqram modeli hesablanır. İnterpolasiya üsulları yetərli kriqinq metodunun olduqca mürəkkəb bir hissəsini təşkil edən semivarioqramın bu qrafiki ilə əlaqəli qeyri-müəyyənlik və proqramlaşdırma üçün yer açır. EBK-nin interpolasiya prosesi Krivoruchko50 tərəfindən təklif edilən üç meyara uyğundur, (a) model semivarioqramı giriş məlumat dəstindən qiymətləndirir (b) yaradılan semivarioqrama əsasən hər bir giriş məlumat dəsti yeri üçün yeni proqnozlaşdırılan dəyəri və (c) son A modeli simulyasiya edilmiş məlumat dəstindən hesablanır. Bayes tənliyi qaydası posterior olaraq verilir
Burada \(Prob\left(A\right)\) əvvəlcədən ifadə edir, \(Prob\left(B\right)\) marjinal ehtimal əksər hallarda nəzərə alınmır, \(Prob (B,A)\ ). Yarıvarioqram hesablaması, yarımvarioqramlardan yaradıla bilən müşahidə məlumat dəstlərinin meylini göstərən Bayes qaydasına əsaslanır. Daha sonra yarımvarioqramın dəyəri, yarımvarioqramdan müşahidə məlumat dəsti yaratmağın nə qədər ehtimal olunduğunu göstərən Bayes qaydasından istifadə etməklə müəyyən edilir.
Dəstək vektor maşını, eyni, lakin xətti müstəqil olmayan sinifləri ayırd etmək üçün optimal ayırıcı hipermüstəvi yaradan bir maşın öyrənmə alqoritmidir. Vapnik51 niyyət təsnifatı alqoritmini yaratdı, lakin bu yaxınlarda reqressiya yönümlü problemləri həll etmək üçün istifadə edilmişdir. Li və digərlərinə görə52, SVM ən yaxşı təsnifatçı üsullarından biridir və müxtəlif sahələrdə istifadə edilmişdir. Bu təhlildə SVM-in (Dəstək Vektor Maşın Reqressiyası – SVMR) reqressiya komponenti istifadə edilmişdir. Çerkasski və Mulier53, SVMR-i nüvə əsaslı reqressiya kimi öncülük etdilər və onun hesablanması çoxölkəli məkan funksiyaları olan xətti reqressiya modeli istifadə edilərək həyata keçirildi. Con və digərləri54 bildirirlər ki, SVMR modelləşdirməsində qeyri-xətti əlaqələr yaradan və məkan funksiyalarına imkan verən hipermüstəvi xətti reqressiyasından istifadə olunur. Vohland və digərlərinə görə... 55-ci şəkildə, epsilon (ε)-SVMR, korrelyasiya olunmuş məlumatlar üzərində təlimdən ən yaxşı epsilon qərəzi ilə məlumatları müstəqil şəkildə xəritələşdirmək üçün tətbiq olunan epsilon-həssas olmayan bir funksiya kimi təmsil modeli əldə etmək üçün təlim keçmiş məlumat dəstindən istifadə edir. Əvvəlcədən təyin edilmiş məsafə xətası faktiki dəyərdən nəzərə alınmır və xəta ε(ε)-dən böyükdürsə, torpaq xüsusiyyətləri onu kompensasiya edir. Model həmçinin təlim məlumatlarının mürəkkəbliyini daha geniş dəstək vektorları alt dəstinə endirir. Vapnik51 tərəfindən təklif edilən tənlik aşağıda göstərilmişdir.
burada b skalyar həddi, \(K\left({x}_{,}{ x}_{k}\right)\) nüvə funksiyasını, \(\alpha\) Laqranj vurucusunu, N ədədi məlumat dəstini, \({x}_{k}\) məlumatların girişini və \(y\) məlumatların çıxışını təmsil edir. İstifadə olunan əsas nüvələrdən biri Qauss radial əsas funksiyası (RBF) olan SVMR əməliyyatıdır. RBF nüvəsi optimal SVMR modelini təyin etmək üçün tətbiq olunur ki, bu da PTE təlim məlumatları üçün ən incə cəza dəsti faktoru C və nüvə parametr qammasını (γ) əldə etmək üçün vacibdir. Əvvəlcə təlim dəstini qiymətləndirdik və sonra validasiya dəstində modelin performansını sınaqdan keçirdik. İstifadə olunan sükan parametri sigma, metod dəyəri isə svmRadialdır.
Çoxlu xətti reqressiya modeli (ÇXR), ən kiçik kvadratlar metodundan istifadə edərək hesablanmış xətti birləşdirilmiş parametrlərdən istifadə edərək cavab dəyişəni ilə bir sıra proqnozlaşdırıcı dəyişənlər arasındakı əlaqəni təmsil edən bir reqressiya modelidir. ÇXR-də ən kiçik kvadratlar modeli, izahlı dəyişənlərin seçilməsindən sonra torpaq xüsusiyyətlərinin proqnozlaşdırıcı funksiyasıdır. İzahlı dəyişənlərdən istifadə edərək xətti əlaqə qurmaq üçün cavabdan istifadə etmək lazımdır. İzahlı dəyişənlərlə xətti əlaqə qurmaq üçün cavab dəyişəni kimi PTE istifadə edilmişdir. ÇXR tənliyi belədir
burada y cavab dəyişəni, \(a\) kəsişmə nöqtəsi, n proqnozlaşdırıcıların sayı, \({b}_{1}\) əmsalların qismən reqressiyası, \({x}_{ i}\) proqnozlaşdırıcı və ya izahedici dəyişəni, \({\varepsilon }_{i}\) isə modeldəki xətanı, həmçinin qalıq kimi də tanınır.
Qarışıq modellər EBK-nı SVMR və MLR ilə birləşdirməklə əldə edilmişdir. Bu, EBK interpolasiyasından proqnozlaşdırılan dəyərlərin çıxarılması ilə edilir. İnterpolasiya edilmiş Ca, K və Mg-dən əldə edilən proqnozlaşdırılan dəyərlər CaK, CaMg və KMg kimi yeni dəyişənlər əldə etmək üçün kombinatorial proses vasitəsilə əldə edilir. Daha sonra Ca, K və Mg elementləri dördüncü dəyişən olan CaKMg əldə etmək üçün birləşdirilir. Ümumilikdə, əldə edilən dəyişənlər Ca, K, Mg, CaK, CaMg, KMg və CaKMg-dir. Bu dəyişənlər bizim proqnozlaşdırıcılarımız oldu və şəhər və şəhərətrafı torpaqlarda nikel konsentrasiyalarını proqnozlaşdırmağa kömək etdi. Qarışıq model Empirik Bayes Kriging-Dəstək Vektor Maşını (EBK_SVM) əldə etmək üçün proqnozlaşdırıcılar üzərində SVMR alqoritmi yerinə yetirildi. Eynilə, qarışıq model Empirik Bayes Kriging-Çoxlu Xətti Reqressiya (EBK_MLR) əldə etmək üçün dəyişənlər də MLR alqoritmindən keçir. Tipik olaraq, Ca, K, Mg, CaK dəyişənləri, CaMg, KMg və CaKMg şəhər və şəhərətrafı torpaqlarda Ni tərkibinin proqnozlaşdırıcıları kimi kovariatlar kimi istifadə olunur. Əldə edilən ən məqbul model (EBK_SVM və ya EBK_MLR) daha sonra özünü təşkil edən qrafikdən istifadə edərək vizuallaşdırılacaq. Bu tədqiqatın iş axını Şəkil 2-də göstərilmişdir.
SeOM-dan istifadə maliyyə sektorunda, səhiyyədə, sənayedə, statistikada, torpaqşünaslıqda və digər sahələrdə məlumatların təşkili, qiymətləndirilməsi və proqnozlaşdırılması üçün məşhur bir vasitəyə çevrilmişdir. SeOM, təşkili, qiymətləndirilməsi və proqnozlaşdırılması üçün süni neyron şəbəkələri və nəzarətsiz öyrənmə metodlarından istifadə etməklə yaradılmışdır. Bu tədqiqatda SeOM, şəhər və şəhərətrafı torpaqlarda Ni-ni proqnozlaşdırmaq üçün ən yaxşı modelə əsaslanaraq Ni konsentrasiyalarını vizuallaşdırmaq üçün istifadə edilmişdir. SeOM qiymətləndirməsində işlənən məlumatlar n giriş ölçülü vektor dəyişənləri kimi istifadə olunur43,56.Melssen və digərləri. 57-də giriş vektorunun tək giriş təbəqəsi vasitəsilə neyron şəbəkəsinə tək çəki vektorlu çıxış vektoruna qoşulması təsvir olunur. SeOM tərəfindən yaradılan çıxış, yaxınlıqlarına görə altıbucaqlı, dairəvi və ya kvadrat topoloji xəritələrə hörülmüş müxtəlif neyronlardan və ya düyünlərdən ibarət ikiölçülü xəritədir. Metrik, kvantlaşdırma xətası (QE) və topoqrafik xəta (TE) əsasında xəritə ölçülərini müqayisə edərək, müvafiq olaraq 0,086 və 0,904 olan SeOM modeli seçilir ki, bu da 55 xəritə vahididir (5 × 11). Neyron strukturu empirik tənlikdəki düyünlərin sayına görə müəyyən edilir.
Bu tədqiqatda istifadə edilən məlumatların sayı 115 nümunədir. Məlumatları test məlumatlarına (validasiya üçün 25%) və təlim məlumat dəstlərinə (kalibrasiya üçün 75%) bölmək üçün təsadüfi yanaşma istifadə edilmişdir. Təlim məlumat dəsti reqressiya modelini (kalibrləmə) yaratmaq üçün istifadə olunur və test məlumat dəsti ümumiləşdirmə qabiliyyətini yoxlamaq üçün istifadə olunur58. Bu, torpaqlarda nikel tərkibini proqnozlaşdırmaq üçün müxtəlif modellərin uyğunluğunu qiymətləndirmək üçün edilmişdir. İstifadə olunan bütün modellər beş dəfə təkrarlanan on qatlı çarpaz validasiya prosesindən keçmişdir. EBK interpolasiyası ilə yaradılan dəyişənlər hədəf dəyişənini (PTE) proqnozlaşdırmaq üçün proqnozlaşdırıcı və ya izahedici dəyişənlər kimi istifadə olunur. Modelləşdirmə RStudio-da paket kitabxanası (Kohonen), kitabxana (caret), kitabxana (modelr), kitabxana (“e1071″), kitabxana (“plyr”), kitabxana (“caTools”), kitabxana (”prospectr”) və kitabxanalar (“Metrics”) istifadə edilərək işlənir.
Torpaqda nikel konsentrasiyalarını proqnozlaşdırmaq və modelin dəqiqliyini və onun validasiyasını qiymətləndirmək üçün müxtəlif validasiya parametrlərindən istifadə edilmişdir. Hibridləşmə modelləri orta mütləq xəta (MAE), orta kvadrat xəta (RMSE) və R-kvadrat və ya əmsal təyini (R2) istifadə edilərək qiymətləndirilmişdir. R2 cavabdakı nisbətlərin dispersiyasını, reqressiya modeli ilə təmsil olunduğunu müəyyən edir. Müstəqil ölçülərdə RMSE və dispersiya böyüklüyü modelin proqnozlaşdırma gücünü təsvir edir, MAE isə faktiki kəmiyyət dəyərini müəyyən edir. Validasiya parametrlərindən istifadə edərək ən yaxşı qarışıq modelini qiymətləndirmək üçün R2 dəyəri yüksək olmalıdır, dəyər 1-ə nə qədər yaxın olarsa, dəqiqlik bir o qədər yüksəkdir. Li və digərlərinə görə, 0,75 və ya daha yüksək R2 meyar dəyəri yaxşı proqnozlaşdırıcı hesab olunur; 0,5-dən 0,75-ə qədər model performansı məqbuldur, 0,5-dən aşağı isə qəbuledilməz model performansıdır. RMSE və MAE validasiya meyarlarının qiymətləndirmə metodlarından istifadə edərək model seçərkən əldə edilən daha aşağı dəyərlər kifayət idi və ən yaxşı seçim hesab edildi. Aşağıdakı tənlik yoxlama metodunu təsvir edir.
burada n müşahidə olunan dəyərin ölçüsünü təmsil edir\({Y}_{i}\) ölçülmüş cavabı təmsil edir və \({\widehat{Y}}_{i}\) də ilk i müşahidələri üçün proqnozlaşdırılan cavab dəyərini təmsil edir.
Proqnozlaşdırıcı və cavab dəyişənlərinin statistik təsvirləri Cədvəl 1-də təqdim olunur və orta, standart sapma (SD), variasiya əmsalı (CV), minimum, maksimum, kurtoz və əyriliyi göstərir. Elementlərin minimum və maksimum dəyərləri müvafiq olaraq Mg < Ca < K < Ni və Ca < Mg < K < Ni azalan sıradadır. Tədqiqat ərazisindən nümunə götürülmüş cavab dəyişəninin (Ni) konsentrasiyaları 4,86 ​​ilə 42,39 mq/kq arasında dəyişmişdir. Ni-nin dünya ortalaması (29 mq/kq) və Avropa ortalaması (37 mq/kq) ilə müqayisəsi göstərdi ki, tədqiqat sahəsi üçün ümumi hesablanmış həndəsi ortalama dözülə bilən diapazondadır. Buna baxmayaraq, Kabata-Pendias11 tərəfindən göstərildiyi kimi, hazırkı tədqiqatda orta nikel (Ni) konsentrasiyasının İsveçdəki kənd təsərrüfatı torpaqları ilə müqayisəsi göstərir ki, hazırkı orta nikel konsentrasiyası daha yüksəkdir. Eynilə, hazırkı tədqiqatda şəhər və ətrafı torpaqlarda Frydek Mistek-in orta konsentrasiyası (Ni 16,15 mq/kq) daha yüksək olmuşdur. Różański və digərləri tərəfindən bildirilən Polşa şəhər torpaqlarında Ni üçün icazə verilən 60 (10,2 mq/kq) həddi. Bundan əlavə, Bretzel və Calderisi61, mövcud tədqiqatla müqayisədə Toskana şəhər torpaqlarında çox aşağı orta Ni konsentrasiyalarını (1,78 mq/kq) qeydə almışdır. Jim62 həmçinin Honkonq şəhər torpaqlarında daha aşağı nikel konsentrasiyasını (12,34 mq/kq) aşkar etmişdir ki, bu da bu tədqiqatdakı mövcud nikel konsentrasiyasından aşağıdır. Birke və digərləri63, Almaniyanın Saksoniya-Anhalt bölgəsindəki köhnə mədən və şəhər sənaye ərazisində orta Ni konsentrasiyasının 17,6 mq/kq olduğunu bildirmişdir ki, bu da ərazidəki orta Ni konsentrasiyasından (16,15 mq/kq) 1,45 mq/kq yüksəkdir. Hazırkı tədqiqatlar. Tədqiqat ərazisinin bəzi şəhər və şəhərətrafı ərazilərində torpaqlarda həddindən artıq nikel tərkibi əsasən dəmir-polad sənayesi və metal sənayesi ilə əlaqələndirilə bilər. Bu, Xodadoust və digərlərinin tədqiqatı ilə uyğun gəlir. 64 Polad sənayesi və metal emalı torpaqlarda nikel çirklənməsinin əsas mənbələri olduğunu göstərir. Bununla belə, proqnozlaşdırıcılar həmçinin Ca üçün 538,70 mq/kq-dan 69,161,80 mq/kq-a, K üçün 497,51 mq/kq-dan 3535,68 mq/kq-a və Mg üçün 685,68 mq/kq-dan 5970,05 mq/kq-a qədər dəyişirdi. Yakovljevic və başqaları. 65 mərkəzi Serbiyadakı torpaqların ümumi Mg və K tərkibini araşdırdı. Onlar ümumi konsentrasiyaların (müvafiq olaraq 410 mq/kq və 400 mq/kq) mövcud tədqiqatın Mg və K konsentrasiyalarından daha aşağı olduğunu aşkar etdilər. Şərqi Polşada Orzechowski və Smolczynski66 Ca, Mg və K-nin ümumi tərkibini qiymətləndirdilər və Ca (1100 mq/kq), Mg (590 mq/kq) və K (810 mq/kq) orta konsentrasiyalarını göstərdilər. Torpağın üst qatındakı tərkib bu tədqiqatdakı tək elementdən daha aşağıdır. Pongrac və digərləri tərəfindən aparılan son tədqiqat 67 göstərdi ki, Şotlandiya və Böyük Britaniyadakı 3 fərqli torpaqda (Mylnefield torpağı, Balruddery torpağı və Hartwood torpağı) təhlil edilən ümumi Ca tərkibi bu tədqiqatda daha yüksək Ca tərkibini göstərir.
Nümunə götürülmüş elementlərin müxtəlif ölçülmüş konsentrasiyalarına görə, elementlərin məlumat dəsti paylanmaları fərqli əyrilik nümayiş etdirir. Elementlərin əyriliyi və kurtozu müvafiq olaraq 1,53-dən 7,24-ə və 2,49-dan 54,16-ya qədər dəyişib. Bütün hesablanmış elementlərdə əyrilik və kurtoz səviyyələri +1-dən yuxarıdır, bu da məlumatların paylanmasının nizamsız, düzgün istiqamətdə əyri və pik olduğunu göstərir. Elementlərin təxmin edilən CV-ləri həmçinin K, Mg və Ni-nin orta dərəcədə dəyişkənlik nümayiş etdirdiyini, Ca-nın isə olduqca yüksək dəyişkənliyə malik olduğunu göstərir. K, Ni və Mg-nin CV-ləri onların vahid paylanmasını izah edir. Bundan əlavə, Ca paylanması qeyri-bərabərdir və xarici mənbələr onun zənginləşmə səviyyəsinə təsir göstərə bilər.
Proqnozlaşdırıcı dəyişənlərin cavab elementləri ilə korrelyasiyası elementlər arasında qənaətbəxş bir korrelyasiya göstərdi (Şəkil 3-ə baxın). Korrelyasiya CaK-nın, CaNi kimi, r dəyəri = 0.53 ilə orta korrelyasiya nümayiş etdirdiyini göstərdi. Ca və K bir-biri ilə orta dərəcədə əlaqə göstərsələr də, Kingston və digərləri kimi tədqiqatçılar... 68 və Santo69 torpaqdakı səviyyələrinin tərs mütənasib olduğunu göstərir. Lakin, Ca və Mg K ilə antaqonistdir, lakin CaK yaxşı korrelyasiya edir. Bu, kaliumda 56% daha yüksək olan kalium karbonat kimi gübrələrin tətbiqi ilə əlaqəli ola bilər. Kalium maqneziumla orta dərəcədə korrelyasiya olunmuşdur (KM r = 0.63). Gübrə sənayesində bu iki element bir-biri ilə sıx bağlıdır, çünki kalium maqnezium sulfat, kalium maqnezium nitrat və kalium torpaqlara onların çatışmazlığını artırmaq üçün tətbiq olunur. Nikel, müvafiq olaraq r dəyərləri = 0.52, 0.63 və 0.55 olan Ca, K və Mg ilə orta dərəcədə korrelyasiya olunur. Kalsium, maqnezium və nikel kimi PTE-lərlə əlaqəli əlaqələr mürəkkəbdir, lakin buna baxmayaraq, maqnezium kalsiumun udulmasını maneə törədir, kalsium artıq maqneziumun təsirini azaldır və həm maqnezium, həm də kalsium torpaqda nikelin zəhərli təsirlərini azaldır.
Proqnozlaşdırıcılar və cavablar arasındakı əlaqəni göstərən elementlər üçün korrelyasiya matrisi (Qeyd: bu rəqəm elementlər arasındakı səpələnmə qrafikini əhatə edir, əhəmiyyətlilik səviyyələri p < 0,001-ə əsaslanır).
Şəkil 4 elementlərin məkan paylanmasını göstərir. Burgos və digərlərinə görə, məkan paylanmasının tətbiqi çirklənmiş ərazilərdə isti nöqtələri ölçmək və vurğulamaq üçün istifadə edilən bir texnikadır. Şəkil 4-də Ca-nın zənginləşmə səviyyələri məkan paylanma xəritəsinin şimal-qərb hissəsində görünə bilər. Şəkildə orta və yüksək Ca zənginləşmə isti nöqtələri göstərilir. Xəritənin şimal-qərbindəki kalsiumun zənginləşməsi, ehtimal ki, torpağın turşuluğunu azaltmaq üçün sönmüş əhəngdən (kalsium oksidi) istifadə edilməsi və polad zavodlarında polad istehsalı prosesində qələvi oksigen kimi istifadəsi ilə əlaqədardır. Digər tərəfdən, digər fermerlər pH-ı neytrallaşdırmaq üçün turşu torpaqlarda kalsium hidroksiddən istifadə etməyə üstünlük verirlər ki, bu da torpağın kalsium tərkibini artırır71. Kalium xəritənin şimal-qərbində və şərqində isti nöqtələri də göstərir. Şimal-qərb əsas kənd təsərrüfatı icmasıdır və kaliumun orta və yüksək səviyyəli olması NPK və kalium tətbiqləri ilə bağlı ola bilər. Bu, Madaras və Lipavský72, Madaras və digərləri73, Pulkrabová və digərləri74, Asare və digərləri75 kimi digər tədqiqatlarla uyğun gəlir ki, onlar bunu müşahidə ediblər Torpağın sabitləşdirilməsi və KCl və NPK ilə işlənməsi torpaqda yüksək K tərkibinə səbəb oldu. Paylanma xəritəsinin şimal-qərbindəki məkan kaliumunun zənginləşdirilməsi, zəif torpaqlarda kalium tərkibini artırmaq üçün kalium xlorid, kalium sulfat, kalium nitrat, kalium və kalium kimi kalium əsaslı gübrələrin istifadəsi ilə əlaqəli ola bilər. Zádorová və başqaları 76 və Tlustoš və başqaları. 77-ci məqalədə K əsaslı gübrələrin tətbiqinin torpaqdakı K miqdarını artırdığı və uzun müddətdə torpaqdakı qida maddələrinin miqdarını, xüsusən də torpaqda isti nöqtə göstərən K və Mg miqdarını əhəmiyyətli dərəcədə artıracağı qeyd edilmişdir. Xəritənin şimal-qərbində və xəritənin cənub-şərqində nisbətən mülayim isti nöqtələr. Torpaqda kolloid fiksasiya torpaqdakı maqnezium konsentrasiyasını azaldır. Torpaqda onun olmaması bitkilərin sarımtıl interven xlorozuna səbəb olur. Kalium maqnezium sulfat, maqnezium sulfat və Kieserite kimi maqnezium əsaslı gübrələr normal pH diapazonuna malik torpaqlarda çatışmazlıqları (bitkilər bənövşəyi, qırmızı və ya qəhvəyi rəngdə görünür ki, bu da maqnezium çatışmazlığını göstərir) müalicə edir6. Şəhər və şəhərətrafı torpaq səthlərində nikelin toplanması kənd təsərrüfatı kimi antropogen fəaliyyətlər və paslanmayan polad istehsalında nikelin əhəmiyyəti ilə bağlı ola bilər78.
Elementlərin məkan paylanması [məkan paylanması xəritəsi ArcGIS Desktop (ESRI, Inc, Version 10.7, URL: https://desktop.arcgis.com) istifadə edilərək yaradılmışdır.]
Bu tədqiqatda istifadə edilən elementlər üçün model performans indeksi nəticələri Cədvəl 2-də göstərilmişdir. Digər tərəfdən, Ni-nin RMSE və MAE-si sıfıra yaxındır (0.86 RMSE, -0.08 MAE). Digər tərəfdən, K-nin həm RMSE, həm də MAE dəyərləri məqbuldur. RMSE və MAE nəticələri kalsium və maqnezium üçün daha yüksək idi. Ca və K MAE və RMSE nəticələri fərqli məlumat dəstlərinə görə daha böyükdür. Ni-ni proqnozlaşdırmaq üçün EBK istifadə edən bu tədqiqatın RMSE və MAE-si, eyni toplanmış məlumatlardan istifadə edərək torpaqda S konsentrasiyalarını proqnozlaşdırmaq üçün sinergetik kriging istifadə edən John və digərləri 54-ün nəticələrindən daha yaxşı olduğu aşkar edilmişdir. Tədqiq etdiyimiz EBK çıxışları, xüsusən də K və Ni-nin Fabijaczyk və digərləri 41, Yan və digərləri 79, Beguin və digərləri 80, Adhikary və digərləri 81 və John və digərləri 82-nin nəticələri ilə korrelyasiya edir.
Şəhər və şəhərətrafı torpaqlarda nikel tərkibini proqnozlaşdırmaq üçün fərdi metodların performansı modellərin performansından istifadə etməklə qiymətləndirilmişdir (Cədvəl 3). Modelin validasiyası və dəqiqliyinin qiymətləndirilməsi Ca_Mg_K proqnozlaşdırıcısının EBK SVMR modeli ilə birləşdirilərək ən yaxşı performansı verdiyini təsdiqlədi. Kalibrləmə modeli Ca_Mg_K-EBK_SVMR R2, orta kvadrat xəta (RMSE) və orta mütləq xəta (MAE) 0.637 (R2), 95.479 mq/kq (RMSE) və 77.368 mq/kq (MAE) təşkil etmişdir. Ca_Mg_K-SVMR 0.663 (R2), 235.974 mq/kq (RMSE) və 166.946 mq/kq (MAE) təşkil etmişdir. Buna baxmayaraq, Ca_Mg_K-SVMR (0.663 mq/kq R2) və Ca_Mg-EBK_SVMR (0.643 = R2) üçün yaxşı R2 dəyərləri əldə edilmişdir; onların RMSE və MAE nəticələri Ca_Mg_K-EBK_SVMR (R2 0.637) üçün nəticələrdən daha yüksək idi (Cədvəl 3-ə baxın). Bundan əlavə, Ca_Mg-EBK_SVMR (RMSE = 1664.64 və MAE = 1031.49) modelinin RMSE və MAE nəticələri müvafiq olaraq 17.5 və 13.4-dür ki, bu da Ca_Mg_K-EBK_SVMR-in nəticələrindən daha böyükdür. Eynilə, Ca_Mg-K SVMR (RMSE = 235.974 və MAE = 166.946) modelinin RMSE və MAE nəticələri müvafiq olaraq Ca_Mg_K-EBK_SVMR RMSE və MAE nəticələrindən 2.5 və 2.2 daha böyükdür. Hesablanmış RMSE nəticələri məlumat dəstinin ən yaxşı uyğunluq xətti ilə nə qədər cəmləşdiyini göstərir. Daha yüksək RSME və MAE müşahidə edilmişdir. Kebonye və digərlərinə görə... 46 və john və digərləri 54-də, RMSE və MAE sıfıra nə qədər yaxın olarsa, nəticələr bir o qədər yaxşıdır. SVMR və EBK_SVMR daha yüksək kvantlaşdırılmış RSME və MAE dəyərlərinə malikdir. RSME qiymətləndirmələrinin MAE dəyərlərindən ardıcıl olaraq daha yüksək olduğu müşahidə edildi ki, bu da kənar dəyərlərin mövcudluğunu göstərir. Legates və McCabe83-ə görə, RMSE-nin orta mütləq xətanı (MAE) aşma dərəcəsi kənar dəyərlərin mövcudluğunun göstəricisi kimi tövsiyə olunur. Bu o deməkdir ki, məlumat dəsti nə qədər heterojen olarsa, MAE və RMSE dəyərləri bir o qədər yüksək olar. Şəhər və şəhərətrafı torpaqlarda Ni tərkibini proqnozlaşdırmaq üçün Ca_Mg_K-EBK_SVMR qarışıq modelinin çarpaz validasiya qiymətləndirməsinin dəqiqliyi 63,70% təşkil etmişdir. Li və digərləri 59-a görə, bu dəqiqlik səviyyəsi məqbul model performans dərəcəsidir. Hazırkı nəticələr Tarasov və digərləri tərəfindən aparılan əvvəlki tədqiqatla müqayisə edilir. 36-cı tədqiqatda bildirilən EBK_SVMR dəqiqlik qiymətləndirmə indeksi ilə əlaqəli hibrid modeli olan MLPRK (Multilayer Perceptron Residual Kriging) yaratdı, RMSE (210) və MAE (167.5) cari tədqiqatdakı nəticələrimizdən (RMSE 95.479, MAE 77.368) daha yüksək idi. Lakin, cari tədqiqatın R2-sini (0.637) Tarasov və digərlərinin nəticələri ilə müqayisə edərkən... 36 (0.544)-dən aydın olur ki, bu qarışıq modeldə determinasiya əmsalının (R2) daha yüksəkdir. Qarışıq model üçün xəta həddi (RMSE və MAE) (EBK SVMR) iki dəfə aşağıdır. Eynilə, Sergeev və digərləri34 hazırlanmış hibrid model (Multilayer Perceptron Residual Kriging) üçün 0.28 (R2) qeydə almışlar, cari tədqiqatda isə Ni 0.637 (R2) qeydə almışdır. Bu modelin proqnoz dəqiqliyi səviyyəsi (EBK SVMR) 63.7%, Sergeev və digərləri34 tərəfindən əldə edilən proqnoz dəqiqliyi isə 28% -dir. EBK_SVMR modeli və Ca_Mg_K-nı proqnozlaşdırıcı kimi istifadə edərək yaradılmış son xəritə (Şəkil 5) bütün tədqiqat sahəsi üzrə isti nöqtələrin və orta-nikelin proqnozlarını göstərir. Bu o deməkdir ki, tədqiqat sahəsində nikel konsentrasiyası əsasən orta səviyyədədir, bəzi spesifik ərazilərdə isə daha yüksək konsentrasiyalar mövcuddur.
Son proqnoz xəritəsi EBK_SVMR hibrid modeli və Ca_Mg_K proqnozlaşdırıcı kimi istifadə edilərək təqdim olunur. [Məkan paylanma xəritəsi RStudio (versiya 1.4.1717: https://www.rstudio.com/) istifadə edilərək yaradılmışdır.]
Şəkil 6-da fərdi neyronlardan ibarət tərkib müstəvisi kimi PTE konsentrasiyaları təqdim olunur. Komponent müstəvilərinin heç biri göstərildiyi kimi eyni rəng naxışı nümayiş etdirməyib. Lakin, çəkilmiş xəritədəki müvafiq neyron sayı 55-dir. SeOM müxtəlif rənglərdən istifadə edilərək istehsal olunur və rəng naxışları nə qədər oxşar olarsa, nümunələrin xüsusiyyətləri bir o qədər müqayisə edilə bilər. Dəqiq rəng miqyasına görə, fərdi elementlər (Ca, K və Mg) tək yüksək neyronlara və əksər aşağı neyronlara oxşar rəng naxışları göstəriblər. Beləliklə, CaK və CaMg çox yüksək dərəcəli neyronlar və aşağıdan orta səviyyəyə qədər rəng naxışları ilə bəzi oxşarlıqları bölüşürlər. Hər iki model qırmızı, narıncı və sarı kimi orta və yüksək rəng çalarlarını göstərərək torpaqdakı Ni konsentrasiyasını proqnozlaşdırır. KMg modeli dəqiq nisbətlərə və aşağıdan orta səviyyəyə qədər rəng yamalarına əsaslanaraq bir çox yüksək rəng naxışları göstərir. Aşağıdan yuxarıya qədər dəqiq rəng miqyasında, modelin komponentlərinin müstəvi paylanma naxışı torpaqda nikelin potensial konsentrasiyasını göstərən yüksək rəng naxışı göstərib (Şəkil 4-ə baxın). CakMg model komponent müstəvisi dəqiq rəngə görə aşağıdan yuxarıya qədər müxtəlif rəng naxışı göstərir. miqyas. Bundan əlavə, modelin nikel tərkibinin (CakMg) proqnozu Şəkil 5-də göstərilən nikelin fəza paylanmasına bənzəyir. Hər iki qrafik şəhər və şəhərətrafı torpaqlarda nikel konsentrasiyalarının yüksək, orta və aşağı nisbətlərini göstərir. Şəkil 7 xəritədəki k-orta qruplaşdırmasında kontur metodunu təsvir edir və hər modeldə proqnozlaşdırılan dəyərə əsasən üç klasterə bölünür. Kontur metodu klasterlərin optimal sayını təmsil edir. Toplanan 115 torpaq nümunəsindən 1-ci kateqoriya ən çox torpaq nümunəsini, 74-nü əldə etmişdir. 2-ci klaster 33 nümunə, 3-cü klaster isə 8 nümunə almışdır. Düzgün klaster şərhini təmin etmək üçün yeddi komponentli planar proqnozlaşdırıcı kombinasiyası sadələşdirilmişdir. Torpağın əmələ gəlməsinə təsir edən çoxsaylı antropogen və təbii proseslər səbəbindən paylanmış SeOM xəritəsində düzgün şəkildə fərqləndirilmiş klaster nümunələrinə sahib olmaq çətindir78.
Hər bir Empirik Bayes Kriging Dəstək Vektor Maşını (EBK_SVM_SeOM) dəyişəninin komponent müstəvisi çıxışı. [SeOM xəritələri RStudio (versiya 1.4.1717: https://www.rstudio.com/) istifadə edilərək yaradılıb.]
Müxtəlif klaster təsnifat komponentləri [SeOM xəritələri RStudio (versiya 1.4.1717: https://www.rstudio.com/) istifadə edilərək yaradılmışdır.]
Hazırkı tədqiqat şəhər və ətraf ərazilərdəki torpaqlarda nikel konsentrasiyalarının modelləşdirilməsi üsullarını aydın şəkildə göstərir. Tədqiqat torpaqda nikel konsentrasiyalarını proqnozlaşdırmağın ən yaxşı yolunu əldə etmək üçün elementləri modelləşdirmə üsulları ilə birləşdirərək müxtəlif modelləşdirmə üsullarını sınaqdan keçirdi. Modelləşdirmə texnikasının SeOM tərkib müstəvi fəza xüsusiyyətləri dəqiq rəng şkalasında aşağıdan yüksəkə qədər yüksək rəng naxışı nümayiş etdirdi və bu da torpaqdakı Ni konsentrasiyalarını göstərir. Lakin, fəza paylanma xəritəsi EBK_SVMR tərəfindən nümayiş etdirilən komponentlərin müstəvi fəza paylanmasını təsdiqləyir (Şəkil 5-ə baxın). Nəticələr göstərir ki, dəstək vektorlu maşın reqressiya modeli (Ca Mg K-SVMR) torpaqda Ni konsentrasiyasını tək bir model kimi proqnozlaşdırır, lakin validasiya və dəqiqlik qiymətləndirmə parametrləri RMSE və MAE baxımından çox yüksək səhvlər göstərir. Digər tərəfdən, EBK_MLR modeli ilə istifadə edilən modelləşdirmə texnikası da təyinetmə əmsalının (R2) aşağı dəyəri səbəbindən qüsurludur. Yaxşı nəticələr EBK SVMR və aşağı RMSE və MAE səhvləri ilə birləşdirilmiş elementlər (CaKMg) istifadə edilərək 63,7% dəqiqliklə əldə edildi. Məlum oldu ki, EBK alqoritmini maşın öyrənmə alqoritmi ilə birləşdirmək hibrid alqoritm yarada bilər. torpaqda PTE-lərin konsentrasiyasını proqnozlaşdıra bilən. Nəticələr göstərir ki, tədqiqat ərazisində Ni konsentrasiyalarını proqnozlaşdırmaq üçün Ca Mg K-nin proqnozlaşdırıcı kimi istifadə edilməsi torpaqlarda Ni-nin proqnozlaşdırılmasını yaxşılaşdıra bilər. Bu o deməkdir ki, nikel əsaslı gübrələrin davamlı tətbiqi və polad sənayesi tərəfindən torpağın sənaye çirklənməsi torpaqda nikel konsentrasiyasını artırmağa meyllidir. Bu tədqiqat EBK modelinin səhv səviyyəsini azalda və şəhər və ya şəhərətrafı torpaqlarda torpaq məkan paylanması modelinin dəqiqliyini artıra biləcəyini ortaya qoydu. Ümumiyyətlə, torpaqda PTE-ni qiymətləndirmək və proqnozlaşdırmaq üçün EBK-SVMR modelini tətbiq etməyi təklif edirik; bundan əlavə, müxtəlif maşın öyrənmə alqoritmləri ilə hibridləşmək üçün EBK-dən istifadə etməyi təklif edirik. Ni konsentrasiyaları kovariatlar kimi elementlərdən istifadə etməklə proqnozlaşdırıldı; lakin daha çox kovariatın istifadəsi modelin performansını xeyli yaxşılaşdıracaq ki, bu da mövcud işin məhdudiyyəti hesab edilə bilər. Bu tədqiqatın digər bir məhdudiyyəti məlumat dəstlərinin sayının 115 olmasıdır. Buna görə də, daha çox məlumat təqdim olunarsa, təklif olunan optimallaşdırılmış hibridləşmə metodunun performansı yaxşılaşdırıla bilər.
PlantProbs.net.Bitkilərdə və Torpaqda Nikel https://plantprobs.net/plant/nutrientImbalances/sodium.html (28 aprel 2021-ci ildə daxil olub).
Kasprzak, KS Nikel müasir ətraf mühit toksikologiyasında irəliləyişlər.ətraf mühit.toksikologiya.11, 145–183 (1987).
Cempel, M. və Nikel, G. Nikel: Mənbələrinə və ətraf mühit toksikologiyasına dair icmal. Polish J. Environment.Stud.15, 375–382 (2006).
Freedman, B. & Hutchinson, TC Kanadanın Ontario ştatının Sadbury şəhərindəki nikel-mis əritmə zavodunun yaxınlığında atmosferdən çirkləndirici maddələrin daxil olması və torpaqda və bitki örtüyündə toplanması.can.J. Bot.58(1), 108-132.https://doi.org/10.1139/b80-014 (1980).
Manyiwa, T. və b. Botsvanadakı Selebi-Phikwe mis-nikel mədəninin yaxınlığında torpaqda, bitkilərdə ağır metallar və otlaq heyvanları ilə əlaqəli risklər. surroundings.Geochemistry.Sağlamlıq https://doi.org/10.1007/s10653-021-00918-x (2021).
Cabata-Pendias.Kabata-Pendias A. 2011. Torpaqda və… – Google Scholar https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Kabata-Pendias+A.+2011.+Trace+ Elements+in+soils+and+plants.+4th+ed.+New+York+%28NY%29%3A+CRC+Press&btnG= (24 Noyabr 2020-ci ildə daxil olub).
Almås, A., Singh, B., Kənd Təsərrüfatı, TS-NJ of & 1995, müəyyən edilməmiş. Rusiya nikel sənayesinin Norveçin Soer-Varanger bölgəsindəki kənd təsərrüfatı torpaqlarında və otlarında ağır metal konsentrasiyalarına təsiri.agris.fao.org.
Nielsen, GD və digərləri. İçməli suda nikelin udulması və saxlanması qida qəbulu və nikelə həssaslıqla əlaqədardır. toksikologiya. tətbiq. farmakodinamika.154, 67–75 (1999).
Costa, M. & Klein, CB Nikel kanserogenezi, mutasiya, epigenetika və ya seleksiya.ətraf mühit.Sağlamlıq Perspektivi.107, 2 (1999).
Ajman, PC; Ajado, SK; Borůvka, L.; Bini, JKM; Sarkody, VYO; Cobonye, ​​​​NM; Potensial zəhərli elementlərin trend təhlili: bibliometrik icmal. Ətraf mühit geokimyası və sağlamlıq. Springer Science & Business Media BV 2020. https://doi.org/10.1007/s10653-020-00742-9.
Minasny, B. & McBratney, AB Rəqəmsal Torpaq Xəritəçəkməsi: Qısa Tarix və Bəzi Dərslər. Geoderma 264, 301–311. https://doi.org/10.1016/j.geoderma.2015.07.017 (2016).
McBratney, AB, Mendonça Santos, ML & Minasny, B. On digital soil mapping.Geoderma 117(1-2), 3-52.https://doi.org/10.1016/S0016-7061(03)00223-4 (2003).
Deutsch.CV Geostatistik Rezervuar Modelləşdirməsi,… – Google Scholar https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=CV+Deutsch%2C+2002%2C+Geostatistical+Reservoir+Modeling%2C +Oxford+University+Press%2C+376+pages.+&btnG= (28 aprel 2021-ci ildə daxil olub).