Nature.com сайтына киргениңиз үчүн рахмат. Сиз колдонуп жаткан серепчи версиясы CSS үчүн чектелген колдоого ээ. Мыкты тажрыйба үчүн жаңыртылган браузерди колдонууну сунуштайбыз (же Internet Explorerде шайкештик режимин өчүрүү). Ошол эле учурда, колдоо үзгүлтүксүз болушу үчүн, биз сайтты стилдерсиз жана JavaScriptсиз көрсөтөбүз.
Топурактын булганышы адамдын иш-аракеттеринен улам келип чыккан чоң көйгөй. Потенциалдуу уулуу элементтердин (PTEs) мейкиндик боюнча бөлүштүрүлүшү көпчүлүк шаарларда жана шаарга жакын аймактарда өзгөрөт. Ошондуктан, мындай топурактагы PTEлердин мазмунун мейкиндик боюнча болжолдоо кыйын. Чехиядагы Фридек Мистектен (Calcium.Calcium (Calcium). никель (Ni) концентрациялары индуктивдүү туташкан плазма эмиссия спектрометриясынын жардамы менен аныкталган. Жооптун өзгөрмөлүүлүгү Ni жана болжолдоочулары Ca, Mg жана K. Жооптун өзгөрмөлүүлүгү менен болжолдоочу өзгөрмөнүн ортосундагы корреляция матрицасы элементтердин ортосундагы канааттандырарлык корреляцияны көрсөтөт. Болжолдоонун натыйжалары көрсөттү (235,974 мг/кг) жана орточо абсолюттук ката (MAE) (166,946 мг/кг) колдонулган башка методдорго караганда жогору болду. Эмпирикалык Байесиялык Кригинг-Көп сызыктуу регрессия (EBK-MLR) үчүн аралаш моделдер начар иштешти, муну аныктоо коэффициенттери 0,1ден азыраак аныкталат. (EBK-SVMR) модели RMSE (95,479 мг/кг) жана MAE (77,368 мг/кг) төмөн маанилери жана детерминациянын жогорку коэффициенти (R2 = 0,637) менен эң мыкты модель болгон. EBK-SVMR моделдөө ыкмасынын чыгышы өзүн-өзү уюштуруучу картанын жардамы менен визуализацияланган. SVKBMHG планында Clustered нейрондорунун бир нече бөлүгүн көрсөтөт. шаардык жана шаар четиндеги топурактарда Ni концентрациясын болжолдоочу түс схемалары. Жыйынтыктар EBK менен SVMRди айкалыштыруу шаардагы жана шаар четиндеги топурактарда Ni концентрациясын болжолдоонун эффективдүү ыкмасы экенин көрсөтүп турат.
Никель (Ni) өсүмдүктөр үчүн микроэлемент болуп эсептелет, анткени ал атмосферадагы азоттун (N) жана мочевина метаболизмине көмөктөшөт, алардын экөө тең үрөндүн өнүшү үчүн зарыл. буурчак жана жашыл буурчак азоттун түзүлүшүн оптималдаштыруу үчүн никель негизиндеги жер семирткичтерди колдонууну талап кылат2. Никель негизиндеги жер семирткичтерди топуракты байытуу жана буурчак өсүмдүктөрүнүн топурактагы азотту бекитүү жөндөмдүүлүгүн жогорулатуу үчүн үзгүлтүксүз колдонуу топурактагы никельдин концентрациясын тынымсыз жогорулатат. жакшы. Никелдин топурактагы уулуулугу топурактын рН деңгээлин төмөндөтөт жана өсүмдүктөрдүн өсүшү үчүн маанилүү азык катары темирдин кабыл алынышына тоскоол болот1. Liu3 боюнча, Ni өсүмдүктөрдүн өнүгүшү жана өсүшү үчүн зарыл болгон 17-маанилүү элемент болуп саналат. Автоунаа өнөр жайындагы от алдыруу приборлору жана учкундары никельди ар кандай өнөр жай секторлорунда колдонууну талап кылат. Мындан тышкары, никель негизиндеги эритмелер жана электроплиталанган буюмдар ашкана буюмдарында, бал аксессуарларында, тамак-аш өнөр жайынын жабдууларында, электрдик, зым жана кабель, реактивдүү турбиналар, хирургиялык имплантаттар, текстиль буюмдарында кеңири колдонулуп келет. антропогендик жана табигый булактарга таандык болгон, бирок, биринчи кезекте, Ни антропогендик эмес, табигый булак болуп саналат4,6.Никельдин табигый булактарына вулкандардын атылышы, өсүмдүктөр, токой өрттөрү жана геологиялык процесстер кирет; бирок антропогендик булактарга болот өнөр жайындагы никель/кадмий батарейкалары, гальвания, дога менен ширетүү, дизель жана мазут, көмүрдүн күйүүсүнөн жана калдыктарды жана ылайларды күйгүзүүдөн чыккан атмосфералык эмиссиялар кирет. 10-жылдын 10-апрелинде, жакынкы жана чектеш чөйрөдөгү жер кыртышынын булганышынын негизги булактары негизинен никель-жез эритүүчү заводдор жана шахталар болуп саналат. Канададагы Садбери никель-жез кайра иштетүүчү заводунун айланасындагы топурактын эң жогорку деңгээли 26 000 мг/кг менен никелден булганган. Норвегиянын топурагында никель концентрациясы11. Alms et al. 12-жылдын 12-апрелинде, аймактын эң жогорку айдоо аянттарында (Россияда никель өндүрүү) HNO3 алынуучу никельдин өлчөмү 6,25тен 136,88 мг/кгга чейин өзгөрдү, бул орточо 30,43 мг/кг жана базалык концентрация 25 мг/кг. же шаар четиндеги топурактарды ырааттуу эгин мезгилдери топуракты инфузиялап же булгап коюшу мүмкүн. Никелдин адамдардагы потенциалдуу таасири мутагенез, хромосомалык бузулуулар, Z-ДНК генерациясы, бөгөттөлгөн ДНКны эксциздик оңдоо же эпигенетикалык процесстер аркылуу рак оорусуна алып келиши мүмкүн. мындай шишиктерди күчөтөт.
Топурак-өсүмдүк мамилелери, топурак жана кыртыштын биологиялык байланыштары, экологиялык бузулуу жана айлана-чөйрөгө тийгизген таасирин баалоодон келип чыккан ден-соолукка байланыштуу маселелердин кеңири чөйрөсүнөн улам акыркы мезгилде кыртыштын булганышын баалоо гүлдөп жатат. учурдагы ийгилик15 кыртыштын алдын ала картасын түзүүнү (PSM) бир топ жакшыртты. Минасни менен МакБратнидин16 пикири боюнча, кыртыштын алдын ала картасы (DSM) топурак таануунун көрүнүктүү субдициплинасы болуп чыкты. жана мейкиндик эмес топурак чыгаруу системалары”.McBratney et al. 17 заманбап DSM же PSM PTEs, топурак түрлөрү жана кыртыштын касиеттери мейкиндик бөлүштүрүүнү болжолдоо же картага түшүрүү үчүн абдан натыйжалуу ыкмасы экенин белгилешет.Geostatistics жана Machine Learning Algorithms (MLA) олуттуу жана минималдуу маалыматтарды колдонуу менен компьютерлердин жардамы менен санариптештирилген карталарды түзүү DSM моделдөө ыкмалары болуп саналат.
Deutsch18 жана Olea19 геостатистиканы "мейкиндик атрибуттарын чагылдыруу менен алектенген, негизинен стохастикалык моделдерди колдонгон сандык ыкмалардын жыйындысы" деп аныкташат, мисалы, убакыт серияларын талдоо убактылуу маалыматтарды кандайча мүнөздөйт. Биринчи кезекте, геостатистика вариограммаларды баалоону камтыйт, алар ар бир маалымат топтомунан мейкиндик баалуулуктарынын көз карандылыгын аныктоого жана аныктоого мүмкүндүк берет20.Gumiaux et al. 20 андан ары геостатистикадагы вариограммаларды баалоо үч принципке негизделет, анын ичинде (а) маалыматтар корреляциясынын масштабын эсептөө, (б) берилиштер топтомунун диспропорциясындагы анизотропияны аныктоо жана эсептөө жана (в) кошумча түрдө өлчөө маалыматтарынын мүнөздүү катасын эске алуудан тышкары, локалдык эффекттерден ажыратылган өлчөө маалыматтарынын, ошондой эле көптөгөн интерполиялык концепциялардын концепциясына баа берүү. ыкмалар геостатистикада колдонулат, анын ичинде жалпы кригинг, ко-кригинг, кадимки кригинг, эмпирикалык Байес кригинги, жөнөкөй кригинг ыкмасы жана башка белгилүү интерполяциялык ыкмалар PTE, кыртыштын өзгөчөлүктөрүн жана топурак түрлөрүн картага түшүрүү же болжолдоо үчүн.
Machine Learning Algorithms (MLA) салыштырмалуу жаңы ыкма болуп саналат, ал чоңураак сызыктуу эмес маалымат класстарын колдонот, ал алгоритмдер менен шартталган, негизинен, маалыматтарды казып алуу, маалыматтардагы үлгүлөрдү аныктоо жана топурак таануу жана кайтаруу тапшырмалары сыяктуу илимий тармактарда классификациялоодо бир нече жолу колдонулган. 22 (айыл чарба топурактарында оор металлды баалоо үчүн кокус токойлор), Сакизаде ж.б. 23 (колдоо вектордук машиналарды жана жасалма нейрон тармактарын колдонуу менен моделдөө) кыртыштын булганышы ).Мындан тышкары, Vega et al. 24 (топурактагы оор металлдарды кармоо жана адсорбцияны моделдөө үчүн CART) Sun et al. 25 (cubist колдонмосу Cd топуракта бөлүштүрүлүшү) жана башка алгоритмдер, мисалы, k-жакынкы кошуна, жалпыланган күчөтүлгөн регрессия жана күчөтүлгөн регрессия Дарактар ошондой эле топурактагы PTE болжолдоо үчүн MLA колдонушкан.
алдын ала же картага DSM алгоритмдерди колдонуу бир нече кыйынчылыктарга дуушар болот.Көптөгөн авторлор MLA геостатистикага жогору жана тескерисинче деп эсептешет.Бири экинчисинен жакшы болсо да, экөөнүн айкалышы DSM15.Woodcock жана Gopal26 Finke27де карта түзүүнүн же болжолдоонун тактык деңгээлин жакшыртат; Pontius жана Cheuk28 жана Grunwald29 болжолдонгон кыртыш картасындагы кемчиликтер жана кээ бир каталар боюнча комментарий беришет. Топурак илимпоздору DSM картасынын жана болжолдоосунун эффективдүүлүгүн, тактыгын жана алдын ала билинүүчүлүгүн оптималдаштыруу үчүн ар кандай ыкмаларды сынап көрүштү. Белгисиздик менен текшерүүнүн айкалышы DSMге интеграцияланган жана эффективдүүлүктү төмөндөтүүчү көптөгөн аспектилердин бири болуп саналат. 15 картаны түзүү жана болжолдоо аркылуу киргизилген валидациялык жүрүм-турум жана белгисиздик картанын сапатын жакшыртуу үчүн өз алдынча текшерилиши керек экендигин белгилейт. бирок, DSMде айкындыктын жоктугу катанын бир нече булактарынан келип чыгышы мүмкүн, атап айтканда ковариат катасы, моделдин катасы, жайгашуу катасы жана аналитикалык ката 31. MLA жана геостатистикалык процесстерде пайда болгон моделдөөнүн так эместиги түшүнүктүн жетишсиздиги менен байланышкан, акырында чыныгы процесстин өтө жөнөкөйлөштүрүлүшүнө алып келет32. моделдөө параметрлери, математикалык моделдин болжолдоолору же интерполяция33.Жакында жаңы DSM тенденциясы пайда болду, ал карта түзүүдө жана болжолдоодо геостатистиканын жана MLAнын интеграциясына көмөктөшөт. Бир нече топурак таануучулар жана авторлор, мисалы, Сергеев жана башкалар. 34; Субботина жана башкалар. 35; Тарасов жана башкалар. 36 жана Тарасов жана башкалар. 37 геостатистиканын жана машинаны үйрөнүүнүн так сапатын болжолдоонун жана карта түзүүнүн натыйжалуулугун жогорулатуучу гибриддик моделдерди түзүү үчүн пайдаланышкан. Бул гибриддик же айкалыштырылган алгоритм моделдеринин кээ бирлери: Жасалма Нейрондук Тармак Кригинги (ANN-RK), Көп катмарлуу Перцептрондук Кригинг (MLP-RK), Жалпыланган Регрессиялык Нейрон Тармактын Резидуалдык Кригинги (GR- NNRK)36, Жасалма Нейрон Тармагы Кригинг-Көп Кабаттуу Перцептрон-Жана (MLP-7KK) Процесс регрессиясы38.
Сергеевдин жана башкалардын пикири боюнча, моделдөөнүн ар кандай ыкмаларын айкалыштыруу анын бирдиктүү моделин иштеп чыгуунун ордуна, кемчиликтерди жоюу жана натыйжада алынган гибриддик моделдин натыйжалуулугун жогорулатуу мүмкүнчүлүгүнө ээ. Бул контекстте, бул жаңы документте геостатистиканын жана MLAнын бириктирилген алгоритмин колдонуу зарыл деп ырасталат. Кригинг (EBK) базалык модель катары жана аны Колдоо вектордук машинасы (SVM) жана Көп сызыктуу регрессия (MLR) моделдери менен аралаштырыңыз. ЭБКны эч кандай MLA менен гибриддештирүү белгисиз. Көрүнүп турган бир нече аралаш моделдер кадимки, калдык, регрессиялык кригингдердин айкалышы жана MLA.EBK – бул геостатистикалык интерполяциялоо процесси катары спамдык интерполяциялоо ыкмасы. мейкиндиктик вариацияга мүмкүндүк берүүчү стационардык/стационардык кокус талаа, талаанын үстүндө локализациялоонун аныкталган параметрлери менен39.EBK ар кандай изилдөөлөрдө, анын ичинде чарбалык топурактарда органикалык көмүртектин таралышын талдоо40, кыртыштын булганышын баалоо41 жана кыртыштын касиеттерин картографиялоо42 колдонулган.
Башка жагынан алганда, Self-Organizing Graph (SeOM) бул Ли жана башкалар сыяктуу ар кандай макалаларда колдонулган окутуу алгоритми. 43, Wang et al. 44, Hossain Bhuiyan et al. 45 жана Kebonye et al.46 элементтердин мейкиндик атрибуттарын жана топторун аныктоо.Wang et al. 44 SeOM сызыктуу эмес көйгөйлөрдү топтоого жана элестетүү жөндөмү менен белгилүү болгон күчтүү окутуу ыкмасы экенин белгилейт. Негизги компоненттерди талдоо, бүдөмүк кластерлөө, иерархиялык кластерлөө жана көп критерийлер боюнча чечим кабыл алуу сыяктуу үлгү таануунун башка ыкмаларынан айырмаланып, SeOM PTE үлгүлөрүн уюштурууда жана аныктоодо жакшыраак. 44, SeOM мейкиндикте байланыштуу нейрондордун бөлүштүрүлүшүн топтой алат жана жогорку чечим маалымат visualization.SeOM түздөн-түз чечмелөө үчүн натыйжаларды мүнөздөөгө мыкты моделин алуу үчүн Ni алдын ала маалыматтарды визуализациялайт.
Бул документ шаардык жана шаар четиндеги топурактарда никелдин камтылышын болжолдоо үчүн оптималдуу тактык менен бекем карта моделин түзүүгө багытталган. Биз аралаш моделдин ишенимдүүлүгү негизинен базалык моделге тиркелген башка моделдердин таасиринен көз каранды деп болжолдойбуз. Биз DSM алдында турган кыйынчылыктарды моюнга алабыз жана бул кыйынчылыктар MLAнын бир нече фронтторунда жана геостаттык моделдердин айкалышында чечилүүдө. кошумча болуу; ошондуктан, биз аралаш моделдерди бере турган изилдөө суроолоруна жооп берүүгө аракет кылабыз.Бирок, максаттуу элементти болжолдоодо модель канчалык так?Ошондой эле, валидация жана тактыкка баа берүүнүн негизинде эффективдүүлүктү баалоо деңгээли кандай?Ошондуктан, бул изилдөөнүн конкреттүү максаттары (а) SVMR же MLR моделин салыштыруунун негизинде аралаш аралашма моделин түзүү (а) шаар же шаар четиндеги топурактарда Ni концентрациясын болжолдоо үчүн аралашмалардын эң жакшы моделин сунуштоо жана (г) никелдин мейкиндик өзгөрүшүнүн жогорку резолюциялуу картасын түзүү үчүн SeOM колдонуу.
Изилдөө Чехияда, өзгөчө Моравия-Силезия аймагындагы Frydek Mistek районунда жүргүзүлүп жатат (1-сүрөттү караңыз). Изилдөө аймагынын географиясы абдан катаал жана негизинен Карпат тоосунун сырткы четине кирген Моравия-Силезиянын Бескиди аймагынын бир бөлүгү болуп саналат. 20′ 0′ E, ал эми бийиктиги 225 жана 327 м ортосунда; бирок, аймактын климаттык абалы үчүн Коппен классификация системасы Cfb = мелүүн океандык климат катары бааланат, кургак айларда да жаан-чачын көп болот. Температура жыл бою −5 °C жана 24 °C ортосунда бир аз өзгөрүп турат, сейрек кездешет -14 °Cден төмөн же 30 °Cден жогору, орточо жылдык жаан-чачыны 764 мм жана 765 мм. бардык аянттын болжолдуу изилдөө аянты 1208 чарчы километрди түзөт, айдалган жердин 39,38% жана токой каптоо 49,36%. Башка жагынан алганда, бул изилдөөдө колдонулган аянт болжол менен 889,8 чарчы километрди түзөт. Остравада жана анын айланасында болот өнөр жайы жана металлургия, болот өндүрүүчү өнөр жай абдан активдүү. атмосфералык коррозияга туруштук берүү үчүн) жана легирленген болоттор (никель эритмесинин бекемдигин, анын ийкемдүүлүгүн жана бышыктыгын сактоо менен күчөтөт) жана фосфаттык жер семирткичтерди колдонуу жана мал чарбачылыгы сыяктуу интенсивдүү айыл чарбасы аймактагы никельдин изилдөө потенциалдуу булактары болуп саналат (мисалы, козуларга никель кошуу жана өндүрүштүк өндүрүштүн өсүү темптерин жогорулатуу үчүн). изилдөө багыттары анын электропластикада колдонулушун камтыйт, анын ичинде никель жалатуу жана электрсиз никель менен каптоо процесстери. Топурактын касиеттери топурактын түсүнөн, түзүлүшүнөн жана карбонаттык мазмунунан оңой айырмаланат. Топурактын текстурасы орто жана майда, негизги материалдан алынган. Алар коллювиалдык, аллювийдик же эолдук мүнөзгө ээ. агартуу.Бирок, камбисолдор жана стагнозолдор аймактагы топурактын эң кеңири таралган түрлөрү болуп саналат48. 455,1ден 493,5 мге чейинки бийиктикте, Чехияда камбизолдор басымдуулук кылат49.
Изилдөө аймагынын картасы [Изилдөө аймагынын картасы ArcGIS Desktop (ESRI, Inc, версия 10.7, URL: https://desktop.arcgis.com) аркылуу түзүлдү.]
Frydek Mistek районундагы шаардык жана шаар четиндеги топурактардан жалпы 115 топурактын үстүнкү катмарынын үлгүлөрү алынды. Колдонулган үлгү үлгүсү топурак үлгүлөрү 2 × 2 км аралыкта жайгашкан кадимки тор болчу, ал эми топурактын үстүнкү катмары 0-20 см тереңдикте колго кармалуучу GPS аспаптын жардамы менен ченелген (Leica Zenoamplespl 5 таңгакталган жана туура пакеттелген Zinoamples). лабораторияга жөнөтүлдү. Үлгүлөр майдаланган үлгүлөрдү алуу үчүн абада кургатылган, механикалык система (Фритч диск тегирмени) менен майдаланган жана электен өткөрүлгөн (электин өлчөмү 2 мм). Кургатылган, гомогендештирилген жана электен өткөрүлгөн топурак үлгүлөрүн 1 грамм так белгиленген тефлон бөтөлкөлөргө салыңыз. 65% HNO3 (автоматтык диспенсерди колдонуу менен – ар бир кислота үчүн бирден), бир аз жаап, үлгүлөрдү реакция үчүн түнү бою турушуна мүмкүнчүлүк бериңиз (aqua regia программасы) .Үлгүлөрдүн сиңирүү процессин жеңилдетүү үчүн үстүнкү затты ысык металл табакка (температура: 100 Вт жана 160 °C) 2 саатка коюңуз, андан кийин супернатанттын көлөмүн муздатыңыз. 50 мл деионизацияланган суу менен суюлтуңуз. Андан кийин суюлтулган үстүнкү затты деионизацияланган суусу бар 50 мл PVC түтүкчөсүнө чыпкалаңыз. Мындан тышкары, 1 мл эритме эритмеси 9 мл деионизацияланган суу менен суюлтулган жана PTE псевдоконцентрациясы үчүн даярдалган 12 мл түтүккө фильтрленген. Zn, Ca, Mg, K) ICP-OES (Inductively Coupled Plasma Optical Emission Spectroscopy) (Thermo Fisher Scientific, АКШ) тарабынан стандарттык методдорго жана макулдашууга ылайык аныкталган. Сапатты камсыздоо жана контролдоо (QA/QC) жол-жоболорун камсыз кылуу (SRM NIST 2711a Монтана II Топурак). Бул изилдөөдө колдонулган PTE 0,0004.(сиз) болгон. Мындан тышкары, ар бир талдоо үчүн сапатты көзөмөлдөө жана сапатты камсыздоо процесси маалымдама стандарттарын талдоо менен камсыз кылынат.Каталардын минималдаштырылгандыгын камсыз кылуу үчүн, кош талдоо жүргүзүлдү.
Эмпирикалык Байесиялык кригинг (EBK) – топурак таануу сыяктуу ар түрдүү тармактарда моделдөөдө колдонулган көптөгөн геостатистикалык интерполяция ыкмаларынын бири. Башка кригинг интерполяциясынын ыкмаларынан айырмаланып, EBK салттуу кригинг методдорунан жарымвариограмма модели менен бааланган катаны эске алуу менен айырмаланат. EBK интерполяциясында бир жарым комплект интерполяциясы эмес, бир нече комплект интерполяциясынын моделдери бар. semivariogram.Интерполяция ыкмалары жетиштүү кригинг ыкмасынын өтө татаал бөлүгүн түзгөн жарымвариограмманын бул графигин түзүүгө байланыштуу белгисиздикке жана программалоого жол ачат. EBK интерполяция процесси Криворучко50 сунуш кылган үч критерийге ылайык келет, (а) модель жарымвариограмманы баалайт (а) ар бир киргизилген маалымат топтомунун болжолдонгон маанисине негизделген ар бир киргизилген маалыматтар топтомунун болжолдонгон мааниси боюнча. жарымвариограмма жана (c) акыркы А модели симуляцияланган маалымат топтомунан эсептелет. Байес теңдемесинин эрежеси арткы катары берилген
\(Prob\left(A\right)\) алдынкыны билдирсе, \(Prob\left(B\right)\) маргиналдык ыктымалдуулук көпчүлүк учурларда этибарга алынбайт, \(Prob (B,A)\ ) . Семивариограмманы эсептөө Байес эрежесине негизделген, ал байкоонун маалымат топтомдорунун ыктуулугун көрсөтөт. Байес эрежеси, ал семивариограммадан байкоолордун маалымат топтомун түзүү канчалык ыктымалдыгын көрсөтөт.
Колдоочу вектордук машина – бул бирдей, бирок сызыктуу эмес көз карандысыз класстарды айырмалоо үчүн оптималдуу бөлүүчү гиперпланканы түзүүчү машина үйрөнүү алгоритми. Vapnik51 ниет классификациясынын алгоритмин түздү, бирок ал жакында эле регрессияга багытталган маселелерди чечүү үчүн колдонулуп келет. Li et al.52 ылайык, SVM SVM регрессиянын эң жакшы классификаторлорунун бири болуп саналат. Бул талдоодо (Вектордук машинанын регрессиясын колдоо – SVMR) колдонулган. Черкасский жана Мулиер53 өзөккө негизделген регрессия катары SVMRди пионердик кылышкан, анын эсептөөсү көп өлкөнүн мейкиндик функциялары менен сызыктуу регрессия моделин колдонуу менен аткарылган. Джон жана башкалар54 SVMR моделдөө сызыктуу эмес гиперплантиялык мамилелерди түзүүгө мүмкүндүк берген регрессиялык сызыктарды колдонууга мүмкүндүк берет деп билдирди. функциялары.Вохланд жана башкалар боюнча. 55, epsilon (ε)-SVMR репрезентация моделин алуу үчүн үйрөтүлгөн берилиштер жыйындысын эпсилонду сезбеген функция катары колдонот, ал корреляцияланган маалыматтар боюнча машыгуудан алынган эң жакшы эпсилондук бурмалоо менен маалыматтарды өз алдынча картага түшүрүү үчүн колдонулат. Алдын ала коюлган аралык катасы иш жүзүндөгү мааниден этибарга алынбайт, ал эми ката ε(ε) чоңураак болсо, топурак моделинин комплекстүүлүгүн төмөндөтөт. колдоо векторлорунун кененирээк бөлүгү. Vapnik51 тарабынан сунушталган теңдеме төмөндө көрсөтүлгөн.
мында b скалярдык босогону билдирет, \(K\left({x}_{,}{ x}_{k}\right)\) ядро функциясын, \(\alpha\) Лагранждын көбөйткүчүн, N сандык берилиштер топтомун, \({x}_{k}\) маалыматтарды киргизүүнү, ал эми \(y) колдонулуучу маалыматтарды көрсөтөт. Гаусс радиалдык негиздеги функция (RBF) болуп саналган SVMR операциясы. RBF ядросу PTE тренинг маалыматтары үчүн эң кылдат жазалар топтому факторун жана ядро параметр гаммасын (γ) алуу үчүн маанилүү болгон оптималдуу SVMR моделин аныктоо үчүн колдонулат. Биринчиден, биз окутуу топтомун бааладык, андан кийин моделдин иштешин сынап көрдүк. svmRadial.
Көптөгөн сызыктуу регрессиялык модель (MLR) эң аз квадраттар ыкмасы менен эсептелген сызыктуу топтолгон параметрлерди колдонуу менен жооп өзгөрмө менен бир катар болжолдоочу өзгөрмөлөрдүн ортосундагы мамилени чагылдырган регрессиялык модель. түшүндүрмө өзгөрмөлөр менен сызыктуу байланыш түзүү үчүн өзгөрмө. MLR теңдемеси болуп саналат
мында y - жооптун өзгөрмөлүүлүгү, \(a\) - кесилиш, n - болжолдоочулардын саны, \({b}_{1}\) - коэффициенттердин жарым-жартылай регрессиясы, \({x}_{ i}\) болжолдоочу же түшүндүрүүчү өзгөрмө жана \({\varepsilon }_{i}\) моделдеги катаны да билдирет.
Аралаш моделдер EBKди SVMR жана MLR менен сэндвичтөө жолу менен алынган. Бул EBK интерполяциясынан болжолдонгон маанилерди алуу жолу менен жасалат. Интерполяцияланган Ca, K жана Mgден алынган болжолдонгон маанилер CaK, CaMg жана CaMg сыяктуу жаңы өзгөрмөлөрдү алуу үчүн комбинатордук процесс аркылуу алынат жана андан кийин төрттөн M элементи алынат. өзгөрмө, CaKMg. Жалпысынан алынган өзгөрмөлөр Ca, K, Mg, CaK, CaMg, KMg жана CaKMg. Бул өзгөрмөлөр шаардагы жана шаар четиндеги топурактарда никелдин концентрациясын болжолдоого жардам берип, биздин болжолдоочуларыбыз болуп калышты. SVMR алгоритми болжолдоочуларда аткарылган. (EBK_SVM). Ошо сыяктуу эле, өзгөрмөлөр аралаш моделди алуу үчүн MLR алгоритми аркылуу өткөрүлөт Эмпирикалык Байесиялык кригинг-көп сызыктуу регрессия (EBK_MLR). Адатта, Ca, K, Mg, CaK, CaMg, KMg жана CaKMg өзгөрмөлөрү пери-урбандыктардын жана коваранттардын мазмуну катары колдонулат. Алынган эң алгылыктуу модель (EBK_SVM же EBK_MLR) андан кийин өзүн-өзү уюштуруучу графиктин жардамы менен визуализацияланат. Бул изилдөөнүн иш процесси 2-сүрөттө көрсөтүлгөн.
SeOM колдонуу каржы секторунда, саламаттыкты сактоодо, өнөр жайда, статистикада, топурак таанууда жана башкаларда маалыматтарды уюштуруу, баалоо жана болжолдоо үчүн популярдуу инструмент болуп калды.SeOM уюштуруу, баалоо жана болжолдоо үчүн жасалма нейрон тармактарын жана көзөмөлсүз окутуу ыкмаларын колдонуу менен түзүлгөн. SeOM баалоодо n кириш өлчөмдүү вектордук өзгөрмөлөр катары колдонулат43,56.Melssen et al. 57 киргизүү векторунун нейрондук тармакка бир киргизүү катмары аркылуу бир салмактык вектору бар чыгуу векторуна байланышын сүрөттөйт. SeOM тарабынан түзүлгөн чыгаруу бул эки өлчөмдүү карта болуп саналат, алардын жакындыгына жараша алты бурчтуу, тегерек же чарчы топологиялык карталарга токулган ар кандай нейрондор же түйүндөр. 0,086 жана 0,904, тиешелүүлүгүнө жараша, 55-карта бирдиги (5 × 11) болуп тандалып алынган.Нейрон түзүмү эмпирикалык теңдемедеги түйүндөрдүн санына жараша аныкталат.
Бул изилдөөдө колдонулган маалыматтардын саны 115 үлгүнү түзөт. Кокустук ыкма менен берилиштер тесттик маалыматтарга (валидация үчүн 25%) жана окутуу маалымат топтомдоруна (75% калибрлөө үчүн) бөлүндү. Тренинг маалымат топтому регрессиялык моделди (калибрлөө) түзүү үчүн колдонулат, ал эми тесттик маалымат топтому жалпылоо жөндөмүн текшерүү үчүн колдонулат58. Бул ар кандай моделдердин мазмунун болжолдоо үчүн жасалган. колдонулган он эселенген кайчылаш валидация процессинен өтүп, беш жолу кайталанат. EBK интерполяциясы аркылуу түзүлгөн өзгөрмөлөр максаттуу өзгөрмөлөрдү (PTE) болжолдоо үчүн предлогдор же түшүндүрүүчү өзгөрмөлөр катары колдонулат. Моделдөө RStudio программасында китепкана(Kohonen), library(caret), library(modelr), library(“e107), library(″”ol(”ol”) топтомдорун колдонуу менен иштетилет. library("prospectr") жана китепканалар ("Метрикалар").
Топурактагы никель концентрациясын болжолдоо үчүн эң ылайыктуу моделди аныктоо жана моделдин тактыгын жана анын валидациясын баалоо үчүн валидациялоонун ар кандай параметрлери колдонулган. Гибриддештирүү моделдери орточо абсолюттук ката (MAE), орточо квадраттык ката (RMSE) жана R-квадрат же коэффициентти аныктоо (R2) аркылуу бааланган. model.RMSE жана көз карандысыз өлчөөлөрдөгү дисперсия чоңдугу моделдин болжолдоочу күчүн сүрөттөйт, ал эми MAE иш жүзүндөгү сандык маанисин аныктайт. Валидация параметрлерин колдонуу менен аралашма моделин баалоо үчүн R2 мааниси жогору болушу керек, маани 1ге канчалык жакын болсо, ошончолук тактык жогору болот. Li et al. 59, R2 критерийинин 0,75 же андан жогору мааниси жакшы божомолдоочу болуп эсептелет; 0,5тен 0,75ке чейин моделдин алгылыктуу көрсөткүчү болуп саналат, ал эми 0,5тен төмөн болсо моделдин иштөөсү алгылыктуу болуп саналат. RMSE жана MAE валидация критерийлерин баалоо ыкмаларын колдонуу менен моделди тандоодо алынган төмөнкү маанилер жетиштүү болгон жана эң жакшы тандоо деп эсептелген. Төмөнкү теңдеме текшерүү ыкмасын сүрөттөйт.
мында n байкалган маанинин өлчөмүн билдирет\({Y}_{i}\) өлчөнгөн жоопту билдирет, ал эми \({\widehat{Y}}_{i}\) да болжолдонгон жооптун маанисин билдирет, демек, биринчи i байкоолор үчүн.
Болжолдоочу жана жооп өзгөрмөлөрүнүн статистикалык сыпаттамалары 1-таблицада берилген, анда орточо, стандарттык четтөө (SD), вариация коэффициенти (CV), минимум, максимум, куртизм жана ийрилик көрсөтүлгөн. Элементтердин минималдуу жана максималдуу маанилери Mg
Жооп элементтери менен болжолдоочу өзгөрмөлөрдүн корреляциясы элементтердин ортосундагы канааттандырарлык корреляцияны көрсөттү (3-сүрөттү караңыз). Корреляция CaK r мааниси = 0.53 менен орточо корреляция көрсөткөнүн көрсөттү, CaNi.Although Ca жана K бири-бири менен жупуну ассоциацияларды көрсөтөт, Кингстон жана башкалар. 68 жана Santo69 топурактагы алардын деңгээли тескери пропорционалдуу экенин көрсөтүп турат. Бирок, Ca жана Mg K үчүн антагонист, бирок CaK жакшы коррелят. Бул калий карбонаты сыяктуу жер семирткичтердин колдонулушуна байланыштуу болушу мүмкүн, ал калийде 56% га жогору. Калий 56% га жогору болгон магний менен орточо корреляция болгон. элементтер тыгыз байланышта, анткени калий магний сульфаты, калий магний нитраты жана калий топуракка алардын жетишсиздик деңгээлин жогорулатуу үчүн колдонулат. Никелдин Ca, K жана Mg менен орточо корреляциясы бар, r = 0,52, 0,63 жана 0,55, тиешелүүлүгүнө жараша. татаал, бирок ошентсе да магний кальцийдин сиңүүсүн токтотот, кальций ашыкча магнийдин таасирин азайтат, магний да, кальций да никельдин топурактагы уулуу таасирин азайтат.
Болжолдоочулар менен жооптордун ортосундагы байланышты көрсөткөн элементтер үчүн корреляция матрицасы (Эскертүү: бул көрсөткүч элементтердин ортосундагы чачыранды камтыйт, маанилүүлүк деңгээли p < 0,001ге негизделген).
4-сүрөт элементтердин мейкиндикте бөлүштүрүлүшүн көрсөтөт. Burgos et al70 ылайык, мейкиндик бөлүштүрүүнү колдонуу булганган аймактардагы ысык чекиттердин санын аныктоо жана бөлүп көрсөтүү үчүн колдонулган ыкма. карта, кыязы, кыртыштын кычкылдуулугун азайтуу үчүн күйгүзүлгөн акиташты (кальций кычкылын) жана болот өндүрүү процессинде щелочтуу кычкылтек катары болот тегирмендеринде колдонууга байланыштуу болушу мүмкүн. Башка жагынан алганда, башка фермерлер рНды нейтралдаштыруу үчүн кислоталуу топуракта кальций гидроксидин колдонууну артык көрүшөт, бул да топурактын кальций мазмунун жогорулатат. Түндүк-батыш негизги айыл чарба жамааты болуп саналат жана калийдин орточо жана жогорку үлгүсү NPK жана калий колдонмолоруна байланыштуу болушу мүмкүн. Бул Мадарас жана Липавскы72, Madaras et al.73, Pulkrabová et al.74, Asare et al.75 сыяктуу башка изилдөөлөр менен шайкеш келет. бөлүштүрүү картасынын түндүк-батышында мейкиндик Калий байытуу, мисалы, калий хлориди, калий сульфаты, калий нитраты, калий жана калий сыяктуу калий негизделген жер семирткичтерди колдонуу менен шартталган болушу мүмкүн начар torplaks.Zádorová ж.б. калий мазмунун жогорулатуу. 76 жана Tlustoš et al. 77 К негизиндеги жер семирткичтерди чачуу топурактын курамындагы К-ны көбөйтүп, узак мөөнөттүү келечекте топурактын аш болумдуу заттардын курамын бир топ жогорулата турганын, өзгөчө K жана Mg топурактын ысык жерин көрсөтөт. Картанын түндүк-батышында жана картанын түштүк-чыгышында салыштырмалуу орточо ысык чекиттер. Калий магний сульфаты, магний сульфаты жана кизерит сыяктуу магний негизиндеги жер семирткичтер рН нормалдуу топурактагы жетишсиздиктерди (өсүмдүктөр кызгылт көк, кызыл же күрөң болуп көрүнөт, бул магнийдин жетишсиздигин көрсөтүп турат) рН нормалдуу топуракта6. айыл чарба сыяктуу антропогендик иш-аракеттер жана дат баспас болоттон жасалган өндүрүштөгү никельдин мааниси78.
Элементтердин мейкиндик бөлүштүрүү [мейкиндик бөлүштүрүү картасы ArcGIS Desktop (ESRI, Inc, Version 10.7, URL: https://desktop.arcgis.com) аркылуу түзүлгөн.]
Бул изилдөөдө колдонулган элементтер үчүн моделдин натыйжалуулугунун индексинин натыйжалары 2-таблицада көрсөтүлгөн. Башка жагынан алганда, Ni RMSE жана MAE экөө тең нөлгө жакын (0,86 RMSE, -0,08 MAE). Экинчи жагынан, K үчүн RMSE жана MAE маанилери да алгылыктуу. RMSE жана MAE натыйжалары кальций жана MAERMSE жана магнийлердин чоңдугуна байланыштуу чоңураак. datasets.The RMSE жана бул изилдөөнүн MAE Ni болжолдоо үчүн EBK колдонуп, Жакан ж.б. натыйжаларга караганда жакшыраак деп табылган. 54 Ошол эле чогултулган маалыматтарды колдонуу менен кыртыштагы S концентрациясын болжолдоо үчүн синергетикалык кригингди колдонуу. Биз изилдеген EBK натыйжалары Fabijaczyk et al. 41, Yan et al. 79, Beguin et al. 80, Adhikary et al. 81 жана John et al. 82, айрыкча К жана Ни.
Шаардын жана шаардын четиндеги топурактарда никелдин камтылышын болжолдоо үчүн жекече методдордун аткаруусу моделдердин аткарылышынын жардамы менен бааланды (таблица 3). Моделдин валидациясы жана тактыгына баа берүү Ca_Mg_K болжолдоочусу EBK SVMR модели менен айкалышканда эң жакшы көрсөткүчтү бергендигин тастыктады. Калибрлөө модели, Ca_MgSESV_K орточо квадраттык модели, REBK_SESV_K орточо катасы Абсолюттук ката (MAE) 0,637 (R2), 95,479 мг/кг (RMSE) жана 77,368 мг/кг (MAE) Ca_Mg_K-SVMR 0,663 (R2), 235,974 мг/кг (RMSE) жана 166,946 мг/кг (MAE2) үчүн бир жакшы мааниге ээ болгон эмес. Ca_Mg_K-SVMR (0,663 мг/кг R2) жана Ca_Mg-EBK_SVMR (0,643 = R2); алардын RMSE жана MAE натыйжалары Ca_Mg_K-EBK_SVMR (R2 0.637) үчүн караганда жогору болгон (3-таблицаны караңыз). Мындан тышкары, Ca_Mg-EBK_SVMR (RMSE = 1664.64 жана MAE = 1031.49) моделинин RMSE жана MAE көрсөткүчтөрү 134 жана 135 болуп саналат. Ca_Mg_K-EBK_SVMR. Ошо сыяктуу эле, Ca_Mg-K SVMR (RMSE = 235.974 жана MAE = 166.946) моделинин RMSE жана MAE, Ca_Mg_K-EBK_SVMR RMSE жана MAEMSE натыйжалары менен салыштырылгандан 2,5 жана 2,2 чоңураак. мыкты туура сызык. Жогорку RSME жана MAE байкалган. Kebonye et al. 46 жана John et al. 54, RMSE жана MAE нөлгө канчалык жакын болсо, натыйжалар ошончолук жакшы болот.SVMR жана EBK_SVMR жогору квантталган RSME жана MAE маанилерине ээ. чектен чыгуулардын бар экендигинин көрсөткүчү катары сунушталат. Бул маалымат топтому канчалык гетерогендүү болсо, MAE жана RMSE маанилери ошончолук жогору болот. Шаардын жана шаар четиндеги топурактарда Ni мазмунун болжолдоо үчүн Ca_Mg_K-EBK_SVMR аралаш моделинин кайчылаш валидациялык баалоонун тактыгы 63,70% түзгөн. Li et al. 59, тактык бул деңгээл алгылыктуу моделдин аткаруу курсу болуп саналат. Азыркы натыйжалар Тарасов жана башкалар тарабынан мурунку изилдөө менен салыштырылган. 36 гибриддик модели учурдагы изилдөөдө билдирилген EBK_SVMR тактыгын баалоо индексине байланыштуу MLPRK (Көп катмарлуу кабылдоочу калдыктарды кригинг) түзгөн, RMSE (210) жана MAE (167,5) азыркы изилдөөдөгү биздин натыйжалардан жогору болгон (RMSE 95,479, MAE67, качан болсо дагы). учурдагы изилдөө (0,637) менен Тарасов жана башкалар. 36 (0,544), бул аралаш моделде детерминация коэффициенти (R2) жогору экени көрүнүп турат. Аралаш модель үчүн катанын чеки (RMSE жана MAE) (EBK SVMR) эки эсе төмөн. Ошо сыяктуу эле, Sergeev et al.34 0,28 (R2) өнүккөн гибрид модели үчүн (Multiid изилдөөсүндө) жазылган. 0,637 (R2). Бул моделдин (EBK SVMR) болжолдоо тактык деңгээли 63,7% түзөт, ал эми Sergeev et al. 34 28% болуп саналат. EBK_SVMR моделин жана Ca_Mg_K прогнозду колдонуу менен түзүлгөн акыркы карта (сүрөт. 5) бүт изилдөө аянты боюнча ысык чекиттердин болжолдоолорун жана орточо жана никельди көрсөтөт. Бул изилденүүчү аймакта никелдин концентрациясы, негизинен, орточо, кээ бир конкреттүү аймактарда концентрациясы жогору экенин билдирет.
Акыркы болжолдоо картасы гибриддик EBK_SVMR моделин жана болжолдоочу катары Ca_Mg_Kди колдонуу менен берилген.[Мейкиндик бөлүштүрүү картасы RStudio (1.4.1717 версиясы: https://www.rstudio.com/) аркылуу түзүлгөн.]
6-сүрөттө жеке нейрондордон турган композиция тегиздиги катары PTE концентрациялары берилген. Компоненттик тегиздиктердин бири да көрсөтүлгөндөй түс үлгүсүн көрсөткөн эмес. Бирок, тартылган картада нейрондордун тиешелүү саны 55. SeOM ар түрдүү түстөрдү колдонуу менен өндүрүлөт жана түс үлгүлөрү канчалык окшош болсо, үлгүлөрдүн касиеттери ошончолук салыштырууга болот. Mg) жалгыз жогорку нейрондорго жана көпчүлүк төмөн нейрондорго окшош түс үлгүлөрүн көрсөттү. Ошентип, CaK жана CaMg абдан жогорку тартиптеги нейрондор жана төмөн-орто түстүү үлгүлөр менен кээ бир окшоштуктарды бөлүшөт. Эки модел тең кызыл, кызгылт сары жана сары сыяктуу түстөрдүн орто жана жогорку өңдөрүн көрсөтүү аркылуу топурактагы Ni концентрациясын болжолдойт. так түс шкаласы төмөндөн жогоруга чейин, моделдин компоненттеринин тегиздик бөлүштүрүү үлгүсү топурактагы никельдин потенциалдуу концентрациясын көрсөтүүчү жогорку түс үлгүсүн көрсөттү (4-сүрөттү караңыз). CakMg моделинин компонентинин тегиздиги так түс шкаласына ылайык төмөндөн жогоруга чейин түрдүү түс үлгүсүн көрсөтөт. Мындан тышкары, моделдин болжолдоосу никельдин мазмунун (C in spackniM) окшош бөлүштүрүүнү көрсөтөт. 5. Эки графикте шаардагы жана шаарга жакын топурактардагы никель концентрациясынын жогорку, орто жана төмөнкү пропорциялары көрсөтүлгөн. 7-сүрөттө ар бир моделде болжолдонгон маанинин негизинде үч кластерге бөлүнгөн картадагы k-маалыматтарды топтоодо контур ыкмасы сүрөттөлөт. Контур ыкмасы кластерлердин оптималдуу санын көрсөтөт. үлгүлөр, 74. 2-кластер 33 үлгү, ал эми 3-кластер 8 үлгү алды. Жети компоненттен турган тегиздик болжолдоочу айкалышы туура кластердик интерпретацияга мүмкүндүк берүү үчүн жөнөкөйлөштүрүлгөн. Топурак түзүлүшүнө таасир этүүчү көптөгөн антропогендик жана табигый процесстерге байланыштуу, бөлүштүрүлгөн SeOM картасында туура дифференцияланган кластердик моделдерге ээ болуу кыйынга турат.
Ар бир эмпирикалык Bayesian Kriging Support Vector Machine (EBK_SVM_SeOM) өзгөрмө тарабынан компоненттик тегиздик чыгаруу.[SeOM карталары RStudio (1.4.1717 версиясы: https://www.rstudio.com/) аркылуу түзүлдү.]
Ар кандай кластердик классификация компоненттери [SeOM карталары RStudio аркылуу түзүлдү (1.4.1717 версиясы: https://www.rstudio.com/).]
Учурдагы изилдөө шаардагы жана шаар четиндеги топурактагы никелдин концентрациясын моделдөө ыкмаларын ачык көрсөтөт. Изилдөө топурактагы никелдин концентрациясын алдын ала айтуунун эң жакшы жолун алуу үчүн, моделдөө ыкмалары менен элементтерди айкалыштыруу менен ар кандай моделдөө ыкмаларын сынап көрдү. мейкиндик бөлүштүрүү картасы EBK_SVMR тарабынан көрсөтүлгөн компоненттердин тегиз мейкиндик бөлүштүрүүнү ырастайт (5-сүрөттү караңыз). Натыйжалар колдоо вектордук машинанын регрессиялык модели (Ca Mg K-SVMR) топурактагы Ni концентрациясын бир модел катары алдын ала айткандыгын көрсөтүп турат, бирок валидация жана тактыкка баа берүү параметрлери RMSE жана башка техниканы колдонуу жагынан өтө чоң каталарды көрсөтөт. EBK_MLR модели детерминация коэффицентинин (R2) төмөн маанисинен улам да кемчиликтерге учураган. Жакшы натыйжалар EBK SVMR жана RMSE жана MAE каталары аз болгон комбинацияланган элементтерди (CaKMg) 63,7% тактык менен алынган. Көрсө, EBK алгоритмин машиналык үйрөнүү алгоритми менен айкалыштыруу алгоритмди түзө алат экен. топурактагы PTE концентрациясын болжолдой алат. Натыйжалар изилденген аймакта Ni концентрациясын болжолдоо үчүн Ca Mg Kны болжолдоочу катары колдонуу топурактагы Ni алдын ала айтууну жакшыртаарын көрсөттү. Бул никельге негизделген жер семирткичтерди үзгүлтүксүз колдонуу жана болот өнөр жайы тарабынан кыртыштын өнөр жайлык булганышы никельдин концентрациясын жогорулатуу тенденциясына ээ экендигин билдирет. шаар же шаар четиндеги топурактагы топурактын мейкиндикте бөлүштүрүлүшүнүн моделинин. Жалпысынан биз кыртышта PTE баалоо жана болжолдоо үчүн EBK-SVMR моделин колдонууну сунуштайбыз; Мындан тышкары, биз ар кандай машина үйрөнүү алгоритмдери менен гибриддештирүү үчүн EBK колдонууну сунуштайбыз.Ni концентрациялары элементтерди ковариаттар катары колдонуу менен болжолдонгон; бирок, көбүрөөк covariates колдонуу абдан учурдагы иштин бир чектөө катары каралышы мүмкүн моделдин аткарууну жакшыртмак. Бул изилдөөнүн дагы бир чектөө маалымат топтомдорунун саны 115. Ошондуктан, көбүрөөк маалыматтар берилген болсо, сунушталган оптималдаштырылган гибриддештирүү ыкмасын аткарууну жакшыртууга болот.
PlantProbs.net.Nickel in Plants and Toprak https://plantprobs.net/plant/nutrientImbalances/sodium.html (2021-жылдын 28-апрелинде жеткиликтүү).
Каспрзак, К.С.Никель заманбап экологиялык токсикологиядагы жетишкендиктер.айлана-чөйрө.токсикология.11, 145–183 (1987).
Cempel, M. & Nikel, G. Nickel: анын булактары жана экологиялык токсикология карап чыгуу. Поляк J. Environment.Stud.15, 375-382 (2006).
Freedman, B. & Hutchinson, TC. Атмосферадагы булгоочу заттардын кириши жана Садбери, Онтарио, Канада.кан.Дж. Bot.58(1), 108-132.https://doi.org/10.1139/b80-014 (1980).
Manyiwa, T. et al. Botswana.surroundings.Geochemistry.Health https://doi.org/10.1007/s10653-021-0091 (Selebi-Phikwe жез-никель кенине жакын жерде жайыт кепшөө жаныбарлары менен байланышкан топурак, өсүмдүктөр жана коркунучтар) Heavy металлдар.
Cabata-Pendias.Kabata-Pendias A. 2011. Топурактагы микроэлементтер жана… – Google Scholar https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Kabata-Pendias+A.+2011.+Trace+ Топурактагы+жана+өсүмдүктөрдөгү+элементтер.+4-бас.+Нью+Йорк+%28NY%29%3A+CRC+Press&btnG= (24-ноябрь, 2020-ж.).
Almås, A., Singh, B., Айыл чарба, TS-NJ & 1995, undefined.Effects орус никель өнөр жайы оор металлдардын топтолушу айыл чарба топурактары жана чөптөр Soer-Varanger, Norway.agris.fao.org.
Nielsen, GD et al.Nickel жутулушу жана ичүүчү сууга кармап туруу тамак-аш жана никель sensitivity.toxicology.application.Pharmacodynamics.154, 67-75 (1999) менен байланыштуу.
Costa, M. & Klein, CB Nickel carcinogenesis, мутация, эпигенетика же селекция. айлана-чөйрө. Health Perspective.107, 2 (1999).
Аджман, ПК; Ajado, SK; Борувка, Л.; Бини, JKM; Саркоди, ВЙО; Cobonye, NM; Потенциалдуу уулуу элементтердин тренд анализи: библиометриялык сереп. Environmental Geochimistry and Health.Springer Science & Business Media BV 2020.https://doi.org/10.1007/s10653-020-00742-9.
Minasny, B. & McBratney, AB Digital Soil Mapping: A Brief History and Some Lessons.Geoderma 264, 301–311.https://doi.org/10.1016/j.geoderma.2015.07.017 (2016).
McBratney, AB, Mendonça Santos, ML & Minasny, B. On санариптик топурак картасы. Geoderma 117(1-2), 3-52.https://doi.org/10.1016/S0016-7061(03)00223-4 (2003).
Deutsch.CV Геостатистикалык резервуарды моделдөө,… – 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+беттер.+&btnG= (2021-жылдын 28-апрелинде жеткиликтүү).
Посттун убактысы: 22-июль-2022
