Merci fir Äre Besuch op Nature.com. D'Browserversioun, déi Dir benotzt, ënnerstëtzt CSS limitéiert. Fir déi bescht Erfahrung empfeelen mir Iech, en aktualiséierte Browser ze benotzen (oder de Kompatibilitéitsmodus am Internet Explorer auszeschalten). An der Zwëschenzäit, fir weider Ënnerstëtzung ze garantéieren, wäerte mir d'Websäit ouni Stiler a JavaScript uweisen.
Buedemverschmotzung ass e grousst Problem, dat duerch mënschlech Aktivitéite verursaacht gëtt. Déi raimlech Verdeelung vu potenziell gëftege Elementer (PTE) variéiert an de meeschte städteschen a peri-urbane Gebidder. Dofir ass et schwéier, den Inhalt vu PTE an esou Buedem raimlech virauszesoen. Am Ganzen goufen 115 Prouwe vum Frydek Mistek an der Tschechescher Republik kritt. Kalzium (Ca), Magnesium (Mg), Kalium (K) an Nickel (Ni) Konzentratioune goufen mat induktiv gekoppelter Plasmaemissiounsspektrometrie bestëmmt. D'Äntwertvariabel ass Ni an d'Prediktoren sinn Ca, Mg a K. D'Korrelatiounsmatrix tëscht der Äntwertvariabel an der Prediktorvariabel weist eng zefriddestellend Korrelatioun tëscht den Elementer. D'Prognoseresultater hunn gewisen, datt d'Support Vector Machine Regression (SVMR) gutt ofgeschnidden huet, obwuel hire geschätzte Root Mean Square Error (RMSE) (235,974 mg/kg) an de mëttleren absolute Feeler (MAE) (166,946 mg/kg) méi héich waren wéi déi aner benotzt Methoden. Gemëschte Modeller fir d'Empiresch Bayesesch Kriging-Multiple Linear Regression (EBK-MLR) leeden schlecht of, wéi bewisen ass. duerch Bestëmmungskoeffizienten vu manner wéi 0,1. Den empiresche Bayesesche Kriging-Support Vector Machine Regression (EBK-SVMR) Modell war dat bescht Modell, mat niddrege RMSE (95,479 mg/kg) a MAE (77,368 mg/kg) Wäerter an engem héije Bestëmmungskoeffizient (R2 = 0,637). D'Resultat vun der EBK-SVMR Modelléierungstechnik gëtt mat enger selbstorganiséierender Kaart visualiséiert. Geklaasterte Neuronen an der Fläch vun der Hybridmodell CakMg-EBK-SVMR Komponent weisen verschidde Faarfmuster, déi Ni-Konzentratiounen a städteschen a peri-urbane Buedem viraussoen. D'Resultater weisen, datt d'Kombinatioun vun EBK an SVMR eng effektiv Technik ass fir Ni-Konzentratiounen a städteschen a peri-urbane Buedem virauszesoen.
Nickel (Ni) gëllt als Mikronährstoff fir Planzen, well en zur atmosphärescher Stickstofffixatioun (N) an dem Harnstoffmetabolismus bäidréit, déi allebéid fir d'Somekeimung noutwendeg sinn. Nieft sengem Bäitrag zur Somekeimung kann Ni als Pilz- a Bakterieninhibitor wierken an d'Planzenentwécklung förderen. De Manktem u Nickel am Buedem erlaabt der Planz en opzehuelen, wat zu Chlorose vun de Blieder féiert. Zum Beispill brauche Cowpeas a gréng Bounen d'Applikatioun vun Nickel-baséierten Dünger fir d'Stickstofffixatioun ze optimiséieren2. Déi weider Applikatioun vun Nickel-baséierten Dünger fir de Buedem ze beräicheren an d'Fäegkeet vun Hülsenfrüchte fir Stickstoff am Buedem ze fixéieren ze erhéijen, erhéicht d'Nickelkonzentratioun am Buedem kontinuéierlech. Och wann Nickel e Mikronährstoff fir Planzen ass, kann seng exzessiv Opnam am Buedem méi Schued wéi Notzen maachen. D'Toxizitéit vum Nickel am Buedem miniméiert de Buedem-pH-Wäert a behënnert d'Opnam vun Eisen als essentiellen Nährstoff fir de Planzewuesstum1. Laut Liu3 gouf Ni als dat 17. wichtegt Element fonnt, dat fir d'Planzenentwécklung a -wuesstum gebraucht gëtt. Nieft der Roll vum Nickel an der Planzenentwécklung a -wuesstum brauchen d'Mënschen et fir eng Vielfalt vun Uwendungen. Elektroplatéieren, d'Produktioun vun Nickelbaséiert Legierungen, an d'Hierstellung vun Zündgeräter a Zündkerzen an der Automobilindustrie erfuerderen all d'Benotzung vun Nickel a verschiddenen Industriesektoren. Zousätzlech goufen Nickelbaséiert Legierungen an elektroplatéiert Artikelen wäit verbreet a Kichengeschir, Ballsaalaccessoiren, Liewensmëttelindustriebedarf, Elektronik, Drot a Kabel, Jetturbinnen, chirurgeschen Implantater, Textilien a Schëffsbau benotzt5.Ni-räich Niveauen a Buedem (dh Uewerflächebuedem) goufen souwuel op anthropogen wéi och op natierlech Quellen zougeschriwwen, awer haaptsächlech ass Ni eng natierlech Quell anstatt anthropogen4,6.Natierlech Quelle vun Nickel enthalen Vulkanausbréch, Vegetatioun, Bëschbränn a geologesch Prozesser; awer anthropogen Quelle enthalen Nickel/Cadmium-Batterien an der Stolindustrie, Elektroplatéierung, Bouschweißen, Diesel a Brennstoffueleg, an Atmosphäresch Emissiounen duerch Kueleverbrennung a Verbrennung vun Offall a Schlamm Nickelakkumulatioun7,8.Laut Freedman an Hutchinson9 a Manyiwa et al. 10, sinn déi Haaptquelle vun der Verschmotzung vum Uewerflächenbuedem an der direkter an ugrenzender Ëmwelt haaptsächlech Schmëlzer a Minièren op Basis vu Nickel a Koffer. Den Uewerflächenbuedem ronderëm d'Nickel-Kofferraffinerie vu Sudbury a Kanada hat déi héchst Niveaue vun Nickelverschmotzung mat 26.000 mg/kg11. Am Géigesaz dozou huet d'Verschmotzung duerch d'Nickelproduktioun a Russland zu méi héije Nickelkonzentratiounen am norwegesche Buedem11 gefouert. Laut Alms et al. 12 louch d'Quantitéit un HNO3-extrahierbarem Nickel an den Top-Ackerland vun der Regioun (Néckelproduktioun a Russland) tëscht 6,25 an 136,88 mg/kg, wat engem Duerchschnëtt vun 30,43 mg/kg an enger Basiskonzentratioun vun 25 mg/kg entsprécht. Laut Kabata 11 kann d'Applikatioun vu Phosphordünger a landwirtschaftleche Buedem a städteschen oder peri-urbane Buedem während de folgende Kultursaisonen de Buedem infuséieren oder kontaminéieren. Déi potenziell Auswierkunge vum Nickel beim Mënsch kënnen zu Kriibs féieren duerch Mutagenese, Chromosomschied, Z-DNA-Generatioun, blockéiert DNA-Exzisiounsreparatur oder epigenetesch Prozesser13. An Déierversich gouf festgestallt, datt Nickel de Potenzial huet, eng Vielfalt vun Tumoren ze verursaachen, a karzinogen Nickelkomplexe kënnen esou Tumoren verschlëmmeren.
D'Bewäertunge vu Buedemkontaminatioun hunn an der leschter Zäit wéinst enger breeder Palette vu gesondheetsbezunnen Problemer, déi aus de Bezéiunge tëscht Buedem a Planz, Buedem a Buedembiologesche Bezéiungen, ökologescher Degradatioun an Ëmweltauswierkungsbeurteilung entstinn, opgebléit. Bis haut war d'raimlech Prognose vu potenziell gëftegen Elementer (PTEs) wéi Ni am Buedem mat traditionelle Methoden opwänneg an zäitopwänneg. D'Entstoe vun der digitaler Buedemkartéierung (DSM) an hiren aktuellen Erfolleg15 hunn d'prädiktiv Buedemkartéierung (PSM) däitlech verbessert. Laut Minasny a McBratney16 huet sech d'prädiktiv Buedemkartéierung (DSM) als eng prominent Ënnerdisziplin vun der Buedemwëssenschaft erwisen. Lagacherie a McBratney, 2006 definéieren DSM als "d'Schafung an d'Fëllung vu raimleche Buedeminformatiounssystemer duerch d'Benotzung vun In-situ- a Laborobservatiounsmethoden a raimlechen a net-raimleche Buedeminferenzsystemer". McBratney et al. 17 beschreiwen, datt den aktuellen DSM oder PSM déi effektivst Technik ass fir d'raimlech Verdeelung vu PTEen, Buedemtypen a Buedemeigenschaften virauszesoen oder ze kartéieren. Geostatistik a Maschinnléieralgorithmen (MLA) sinn DSM-Modelléierungstechniken, déi digitaliséiert Kaarte mat Hëllef vu Computere mat bedeitenden a minimale Daten erstellen.
Deutsch18 an Olea19 definéieren Geostatistik als "d'Sammlung vun numereschen Techniken, déi sech mat der Representatioun vu raimlechen Attributer beschäftegen, haaptsächlech andeems stochastesch Modeller benotzt ginn, wéi zum Beispill wéi Zäitreienanalyse temporal Daten charakteriséiert." Haaptsächlech ëmfaasst d'Geostatistik d'Evaluatioun vu Variogrammen, déi et erlaben d'Ofhängegkeete vu raimleche Wäerter aus all Datesaz ze quantifizéieren an ze definéieren20. Gumiaux et al.20 illustréieren weider, datt d'Evaluatioun vu Variogrammen an der Geostatistik op dräi Prinzipien baséiert, dorënner (a) d'Berechnung vun der Skala vun der Datenkorrelatioun, (b) d'Identifikatioun an d'Berechnung vun der Anisotropie an der Datesazdisparitéit an (c) zousätzlech zu der Berücksichtegung vum inherente Feeler vun de Miessdaten, déi vun den lokalen Effekter getrennt sinn, ginn och d'Flächeneffekter geschat. Op Basis vun dëse Konzepter ginn an der Geostatistik vill Interpolatiounstechniken benotzt, dorënner allgemeng Kriging, Ko-Kriging, gewéinlecht Kriging, empirescht Bayesescht Kriging, einfach Kriging-Method an aner bekannt Interpolatiounstechniken fir PTE, Buedemcharakteristiken a Buedemtypen ze kartéieren oder virauszesoen.
Maschinnléieralgorithmen (MLA) sinn eng relativ nei Technik, déi méi grouss net-linear Datenklassen benotzt, ugedriwwe vun Algorithmen, déi haaptsächlech fir Data Mining, Identifikatioun vu Musteren an Daten benotzt ginn, a widderholl fir d'Klassifikatioun a wëssenschaftleche Beräicher wéi Buedemwëssenschaft a Retouraufgaben ugewannt ginn. Vill Fuerschungspabeieren baséieren op MLA-Modeller fir PTE a Buedem virauszesoen, wéi Tan et al. 22 (zoufälleg Bëscher fir Schwéiermetallschätzung a landwirtschaftleche Buedem), Sakizadeh et al. 23 (Modelléierung mat Ënnerstëtzungsvektormaschinnen an künstlechen neuronalen Netzwierker) Buedemverschmotzung). Zousätzlech hunn Vega et al. 24 (CART fir d'Modelléierung vu Schwéiermetallretentioun an Adsorptioun am Buedem) Sun et al. 25 (Uwendung vu Cubist ass d'Verdeelung vu Cd am Buedem) an aner Algorithmen wéi k-nearest neighbor, generaliséiert boosted regression a boosted regression Trees och MLA ugewannt fir PTE am Buedem virauszesoen.
D'Uwendung vun DSM-Algorithmen an der Prognose oder der Kartierung steet virun e puer Erausfuerderungen. Vill Autoren gleewen, datt MLA besser ass wéi Geostatistik a vice-versa. Och wann déi eng besser ass wéi déi aner, verbessert d'Kombinatioun vun deenen zwee den Niveau vun der Genauegkeet vun der Kartierung oder der Prognose am DSM15. Woodcock a Gopal26 Finke27; Pontius a Cheuk28 a Grunwald29 kommentéieren Mängel a verschidde Feeler an der virausgesoter Buedemkartierung. Buedemwëssenschaftler hunn eng Vielfalt vun Techniken ausprobéiert fir d'Effektivitéit, d'Genauegkeet an d'Prognosebarkeet vun der DSM-Kartierung a Prognose ze optimiséieren. D'Kombinatioun vun Onsécherheet a Verifizéierung ass ee vun de ville verschiddenen Aspekter, déi an den DSM integréiert sinn, fir d'Effektivitéit ze optimiséieren a Mängel ze reduzéieren. Wéi och ëmmer, Agyeman et al.15 beschreiwen, datt d'Validatiounsverhalen an d'Onsécherheet, déi duerch d'Kaarteerstellung a Prognose agefouert ginn, onofhängeg validéiert solle ginn, fir d'Kaartequalitéit ze verbesseren. D'Limiten vum DSM sinn op déi geografesch verdeelt Buedemqualitéit zeréckzeféieren, déi eng Komponent vun Onsécherheet enthält; Wéi och ëmmer, de Manktem u Sécherheet am DSM kann duerch verschidde Feelerquellen entstoen, nämlech kovariat Feeler, Modellfehler, Standuertfehler an analytesche Feeler 31. Modelléierungsonnauegkeeten, déi an MLA a geostatistesche Prozesser induzéiert ginn, si mat engem Manktem u Verständnis verbonnen, wat schlussendlech zu enger Iwwervereinfachung vum reelle Prozess féiert32. Onofhängeg vun der Natur vun der Modelléierung kënnen Onnauegkeeten op Modelléierungsparameter, mathematesch Modellprognosen oder Interpolatioun33 zréckgefouert ginn. Viru kuerzem ass en neien DSM-Trend opgetrueden, deen d'Integratioun vu Geostatistik an MLA an der Kartéierung a Prognose fördert. Verschidde Buedemwëssenschaftler an Autoren, wéi Sergeev et al. 34; Subbotina et al. 35; Tarasov et al. 36 an Tarasov et al. 37 hunn déi genee Qualitéit vun der Geostatistik a vum maschinelle Léieren ausgenotzt fir Hybridmodeller ze generéieren, déi d'Effizienz vun der Prognose a Kartéierung verbesseren. Qualitéit. E puer vun dësen Hybrid- oder kombinéierten Algorithmusmodeller sinn Artificial Neural Network Kriging (ANN-RK), Multilayer Perceptron Residual Kriging (MLP-RK), Generalized Regression Neural Network Residual Kriging (GR-NNRK)36, Artificial Neural Network Kriging-Multilayer Perceptron (ANN-K-MLP)37 a Co-Kriging a Gaussian Process Regression38.
Laut Sergeev et al. huet d'Kombinatioun vu verschiddene Modelléierungstechniken de Potenzial, Mängel ze eliminéieren an d'Effizienz vum resultéierende Hybridmodell ze erhéijen, anstatt säin eenzegt Modell z'entwéckelen. An dësem Kontext argumentéiert dës nei Aarbecht, datt et néideg ass, en kombinéierten Algorithmus vu Geostatistik an MLA anzewenden, fir optimal Hybridmodeller ze kreéieren, fir Ni-Anreicherung an urbanen a peri-urbane Gebidder virauszesoen. Dës Studie baséiert op empiresche Bayesesche Kriging (EBK) als Basismodell a vermëscht et mat Support Vector Machine (SVM) a Multiple Linear Regression (MLR) Modeller. D'Hybridiséierung vun EBK mat all MLA ass net bekannt. Déi verschidde gemëschte Modeller, déi gesi ginn, sinn Kombinatioune vun ordinärem, residuellem, Regressiounskriging an MLA. EBK ass eng geostatistesch Interpolatiounsmethod, déi e raimlech stochastesche Prozess benotzt, deen als net-stationärt/stationärt zoufällegt Feld mat definéierte Lokaliséierungsparameteren iwwer d'Feld lokaliséiert ass, wat raimlech Variatioun erméiglecht. EBK gouf a verschiddene Studien benotzt, dorënner d'Analyse vun der Verdeelung vun organeschem Kuelestoff a landwirtschaftleche Buedem, d'Bewäertung vu Buedemverschmotzung an d'Kartographie vu Buedem. Eegeschafte42.
Op der anerer Säit ass de Self-Organizing Graph (SeOM) e Léieralgorithmus, deen a verschiddenen Artikelen wéi Li et al. 43, Wang et al. 44, Hossain Bhuiyan et al. 45 a Kebonye et al. 46 agesat gouf. Bestëmmt déi raimlech Attributer an d'Gruppéierung vun Elementer. Wang et al. 44 beschreiwen, datt SeOM eng mächteg Léiertechnik ass, déi bekannt ass fir hir Fäegkeet, netlinear Problemer ze gruppéieren an sech virzestellen. Am Géigesaz zu anere Mustererkennungstechniken, wéi Haaptkomponentenanalyse, Fuzzy Clustering, hierarchesch Clustering a Multi-Criteria-Entscheedungsprozesser, ass SeOM besser fir PTE-Muster ze organiséieren an z'identifizéieren. Laut Wang et al. 44 kann SeOM d'Verdeelung vu verwandte Neuronen raimlech gruppéieren an héichopléisend Datenvisualiséierung ubidden. SeOM visualiséiert Ni-Prognosedaten, fir dat bescht Modell ze kréien, fir d'Resultater fir eng direkt Interpretatioun ze charakteriséieren.
Dësen Artikel zielt drop of, e robust Kartierungsmodell mat optimaler Genauegkeet fir d'Prognose vum Nickelgehalt a städteschen a peri-urbane Buedem ze generéieren. Mir stellen d'Hypothes op, datt d'Zouverlässegkeet vum gemëschte Modell haaptsächlech vum Afloss vun anere Modeller ofhänkt, déi mam Basismodell verbonne sinn. Mir erkennen d'Erausfuerderungen un, mat deenen den DSM konfrontéiert ass, an obwuel dës Erausfuerderungen op verschiddene Fronte ugepaakt ginn, schéngt d'Kombinatioun vu Fortschrëtter an der Geostatistik an MLA-Modeller inkrementell ze sinn; dofir wäerte mir probéieren, Fuerschungsfroen ze beäntwerten, déi gemëschte Modeller féiere kënnen. Wéi genee ass de Modell awer bei der Prognose vum Zilelement? Och, wat ass den Niveau vun der Effizienzbewertung baséiert op Validatioun an Genauegkeetsbewertung? Dofir waren déi spezifesch Ziler vun dëser Studie (a) e kombinéierte Mëschungsmodell fir SVMR oder MLR mat EBK als Basismodell ze kreéieren, (b) déi resultéierend Modeller ze vergläichen, (c) dat bescht Mëschungsmodell fir d'Prognose vum Ni-Konzentratioune a städteschen oder peri-urbane Buedem ze proposéieren, an (d) d'Uwendung vu SeOM fir eng héichopléisend Kaart vun der raimlecher Variatioun vum Nickel ze kreéieren.
D'Studie gëtt an der Tschechescher Republik duerchgefouert, méi genee am Distrikt Frydek Mistek an der Regioun Mähren-Schlesien (kuckt Figur 1). D'Geographie vum Studiengebitt ass ganz ongläichméisseg a gehéiert gréisstendeels zu der Regioun Mähren-Schlesien vun de Beskiden, déi zum äusseren Rand vun de Karpaten gehéiert. D'Studiengebitt läit tëscht 49° 41′ 0′ N an 18° 20′ 0′ O, an d'Héicht läit tëscht 225 an 327 m; Wéi och ëmmer, de Koppen Klassifikatiounssystem fir de klimateschen Zoustand vun der Regioun gëtt als Cfb = temperéiert Ozeanklima bewäert. Et gëtt vill Nidderschlag och an den dréchene Méint. D'Temperature variéiere liicht am Laf vum Joer tëscht −5 °C an 24 °C, falen selten ënner −14 °C oder iwwer 30 °C, während den duerchschnëttleche jäerleche Nidderschlag tëscht 685 an 752 mm47 läit. Déi geschätzte Fuerschungsfläch vun der ganzer Regioun ass 1.208 Quadratkilometer, mat 39,38% vum kultivéierte Land an 49,36% vun der Bëschbedeckung. Op der anerer Säit ass d'Fläch, déi an dëser Studie benotzt gouf, ongeféier 889,8 Quadratkilometer. An an ëm Ostrava sinn d'Stolindustrie an d'Metallwierker ganz aktiv. Metallwierker, d'Stolindustrie, wou Néckel an Edelstoler benotzt gëtt (z. B. fir d'Bestandheet géint atmosphäresch Korrosioun) a Legierungsstoler (Néckel erhéicht d'Festigkeit vun der Legierung, während seng gutt Duktilitéit an Zähegkeet erhale bleift), an intensiv Landwirtschaft wéi Phosphatdüngerapplikatioun a Véiproduktioun sinn potenziell Fuerschungsquellen fir Néckel an der Regioun. (z.B. Nickel bei Lämmcher bäifügen, fir d'Wuesstumsraten bei Lämmcher a Ranner mat wéineg Fudder ze erhéijen). Aner industriell Uwendungen vum Nickel a Fuerschungsberäicher enthalen seng Notzung an der Elektroplatéierung, dorënner d'elektroplatéierung vum Nickel a elektrolos Nickelplatéierungsprozesser. Buedemeegeschafte sinn einfach vun der Buedemfaarf, der Struktur an dem Karbonatgehalt z'ënnerscheeden. D'Buedemtextur ass mëttel bis fein, ofgeleet vum Mammematerial. Si sinn kolluvial, alluvial oder äolesch vun Natur. E puer Buedemberäicher erschéngen gefleckt an der Uewerfläch an am Ënnergrond, dacks mat Beton a Bleechmëttel. Wéi och ëmmer, Cambisolen a Stagnosolen sinn déi heefegst Buedemzorten an der Regioun48. Mat Héichten tëscht 455,1 an 493,5 m dominéieren d'Cambisolen d'Tschechesch Republik49.
Kaart vum Studiegebitt [D'Kaart vum Studiegebitt gouf mat ArcGIS Desktop (ESRI, Inc, Versioun 10.7, URL: https://desktop.arcgis.com) erstallt.]
Insgesamt goufen 115 Uewerflächebuedemproben aus urbanen a peri-urbane Buedem am Distrikt Frydek Mistek gesammelt. De Proufmuster, deen benotzt gouf, war e reegelméissegt Raster mat Buedemproben, déi 2 × 2 km vuneneen ofgestëmmt hunn, an d'Uewerflächebuedem gouf an enger Déift vun 0 bis 20 cm mat engem Hand-GPS-Apparat (Leica Zeno 5 GPS) gemooss. D'Proben ginn a Ziploc-Tuten verpackt, richteg markéiert an an de Laboratoire geschéckt. D'Proben goufen un der Loft gedréchent fir pulveriséiert Proben ze produzéieren, vun engem mechanesche System (Fritsch-Scheiwenmillen) pulveriséiert a gesieft (Siefgréisst 2 mm). Gitt 1 Gramm gedréchent, homogeniséiert a gesieft Buedemproben a kloer markéiert Teflonfläschen. An all Teflon-Behälter gitt 7 ml 35% HCl an 3 ml 65% HNO3 (mat engem automateschen Spender - ee fir all Säure), bedeckt liicht a loosst d'Proben iwwer Nuecht fir d'Reaktioun stoen (Aqua Regia Programm). Leet den Iwwerstand op eng waarm Metallplack (Temperatur: 100 W an 160 °C) fir 2 Stonnen erhëtzen, fir den Verdauungsprozess vun de Prouwe ze erliichteren, dann ofkille loossen. Den Iwwerstand an e 50 ml Moosskolben transferéieren a mat deioniséiertem Waasser op 50 ml verdënnen. Duerno den verdënnten Iwwerstand an e 50 ml PVC-Röhre mat deioniséiertem Waasser filteren. Zousätzlech gouf 1 ml vun der Verdënnungsléisung mat 9 ml deioniséiertem Waasser verdënnt an an e 12 ml Röhre gefiltert, dat fir PTE-Pseudo-Konzentratioun virbereet war. D'Konzentratioune vun de PTEen (As, Cd, Cr, Cu, Mn, Ni, Pb, Zn, Ca, Mg, K) goufen duerch ICP-OES (Inductively Coupled Plasma Optical Emission Spectroscopy) (Thermo Fisher Scientific, USA) no Standardmethoden an Ofkommes bestëmmt. Qualitéitssécherungs- a Kontrollprozeduren (QA/QC) garantéieren (SRM NIST 2711a Montana II Soil). PTEen mat Detektiounsgrenzen ënner der Hallschent goufen aus dëser Studie ausgeschloss. D'Detektiounsgrenz vun der PTE, déi an dëser Studie benotzt gouf, war 0,0004.(Dir).Zousätzlech gëtt de Qualitéitskontroll- a Qualitéitssécherungsprozess fir all Analyse duerch d'Analyse vu Referenzstandarden garantéiert.Fir sécherzestellen, datt Feeler miniméiert goufen, gouf eng duebel Analyse duerchgefouert.
Empiresch Bayesesch Kriging (EBK) ass eng vun de ville geostatisteschen Interpolatiounstechniken, déi an der Modelléierung a verschiddene Beräicher wéi Buedemwëssenschaft benotzt ginn. Am Géigesaz zu anere Kriging-Interpolatiounstechniken ënnerscheet sech EBK vun traditionelle Kriging-Methoden andeems en de Feeler berécksiichtegt, deen vum Semivariogramm-Modell geschat gëtt. Bei der EBK-Interpolatioun ginn e puer Semivariogramm-Modeller während der Interpolatioun berechent, anstatt en eenzegt Semivariogramm. Interpolatiounstechnike maachen Plaz fir d'Onsécherheet an d'Programméierung, déi mat dësem Plotting vum Semivariogramm verbonne sinn, wat en héich komplexen Deel vun enger ausreechender Kriging-Method ausmécht. Den Interpolatiounsprozess vun EBK follegt den dräi Critèren, déi vum Krivoruchko50 proposéiert goufen: (a) de Modell schätzt de Semivariogramm aus dem Input-Dataset, (b) den neie virausgesoten Wäert fir all Input-Datasetplaz baséiert op dem generéierte Semivariogramm an (c) dat lescht A-Modell gëtt aus engem simuléierten Dateset berechent. D'Bayesesch Equatiounsregel gëtt als posterior uginn.
Woubei \(Prob\left(A\right)\) déi vireg marginal Wahrscheinlechkeet \(Prob\left(B\right)\) representéiert, gëtt \(Prob (B,A)\) an de meeschte Fäll ignoréiert. D'Berechnung vum Semivariogramm baséiert op der Bayes-Regel, déi d'Propensitéit vun Observatiounsdatensätz weist, déi aus Semivariogrammer erstallt kënne ginn. De Wäert vum Semivariogramm gëtt dann mat Hëllef vun der Bayes-Regel bestëmmt, déi seet, wéi wahrscheinlech et ass, en Datesaz vun Observatiounen aus dem Semivariogramm ze erstellen.
Eng Support Vector Machine ass en Algorithmus fir Maschinnléier, deen eng optimal Trennungshyperplane generéiert fir identesch, awer net linear onofhängeg Klassen z'ënnerscheeden. De Vapnik51 huet den Intent-Klassifikatiounsalgorithmus erstallt, awer en gouf viru kuerzem benotzt fir regressiounsorientéiert Problemer ze léisen. Laut Li et al.52 ass SVM eng vun de beschten Klassifizéierungstechniken a gouf a verschiddene Beräicher benotzt. D'Regressiounskomponent vum SVM (Support Vector Machine Regression - SVMR) gouf an dëser Analyse benotzt. Cherkassky a ​​Mulier53 hunn SVMR als kernelbaséiert Regressioun entwéckelt, där hir Berechnung mat engem lineare Regressiounsmodell mat Multi-Country-Raumfunktiounen duerchgefouert gouf. John et al54 berichten, datt d'SVMR-Modelléierung eng linear Hyperplane-Regressioun benotzt, déi netlinear Bezéiungen erstellt a raimlech Funktiounen erlaabt. Laut Vohland et al. 55, epsilon (ε)-SVMR benotzt den trainéierten Datesaz fir e Representatiounsmodell als eng epsilon-onsensitiv Funktioun ze kréien, déi ugewannt gëtt fir d'Donnéeën onofhängeg mat der beschter Epsilon-Bias aus dem Training op korreléierten Donnéeën ze kartéieren. De virdefinéierten Distanzfehler gëtt vum tatsächleche Wäert ignoréiert, a wann de Feeler méi grouss wéi ε(ε) ass, kompenséieren d'Buedemeischaften en. De Modell reduzéiert och d'Komplexitéit vun den Trainingsdaten op eng méi breet Ënnergrupp vu Supportvektoren. D'Equatioun, déi vum Vapnik51 proposéiert gouf, gëtt hei ënnendrënner gewisen.
wou b de Skalarschwellwäert representéiert, \(K\left({x}_{,}{x}_{k}\right)\) d'Kernelfunktioun representéiert, \(\alpha\) de Lagrange-Multiplikator representéiert, N en numereschen Datesaz representéiert, \({x}_{k}\) den Dateneingabe representéiert an \(y\) den Datenausgab ass. Ee vun de Schlësselkären, déi benotzt ginn, ass d'SVMR-Operatioun, déi eng Gaussesch Radialbasisfunktioun (RBF) ass. Den RBF-Kernel gëtt ugewannt fir dat optimalt SVMR-Modell ze bestëmmen, wat entscheedend ass fir de subtilste Penalty Set Faktor C an de Kernelparameter Gamma (γ) fir d'PTE-Trainingsdaten ze kréien. Als éischt hu mir den Trainingsset evaluéiert an duerno d'Modellperformance um Validatiounsset getest. De benotzte Steierparameter ass Sigma an de Methodwäert ass svmRadial.
E multiple lineare Regressiounsmodell (MLR) ass e Regressiounsmodell, deen d'Bezéiung tëscht der Äntwertvariabel an enger Rei vu Prädiktorvariablen duerstellt andeems linear gepoolte Parameter benotzt ginn, déi mat der Method vun de klengste Quadraten berechent ginn. Am MLR ass e Klengste Quadratenmodell eng prädiktiv Funktioun vun de Buedemeigenschaften no der Auswiel vun erklärenden Variablen. Et ass néideg, d'Äntwert ze benotzen, fir eng linear Bezéiung mat erklärenden Variablen opzestellen. PTE gouf als Äntwertvariabel benotzt, fir eng linear Bezéiung mat den erklärenden Variablen opzestellen. D'MLR-Equatioun ass
wou y d'Äntwertvariabel ass, \(a\) den Ofschnëtt ass, n d'Zuel vun de Prädiktoren ass, \({b}_{1}\) déi partiell Regressioun vun de Koeffizienten ass, \({x}_{i}\) e Prädiktor oder eng Erklärungsvariabel representéiert, an \({\varepsilon }_{i}\) de Feeler am Modell representéiert, och bekannt als Residual.
Gemëschte Modeller goufen duerch d'Sandwichen vun EBK mat SVMR an MLR kritt. Dëst gëtt gemaach andeems virausgesot Wäerter aus der EBK-Interpolatioun extrahéiert ginn. Déi virausgesot Wäerter, déi aus dem interpoléierte Ca, K an Mg kritt ginn, ginn duerch e kombinatoresche Prozess kritt fir nei Variabelen ze kréien, wéi CaK, CaMg a KMg. D'Elementer Ca, K an Mg ginn dann kombinéiert fir eng véiert Variabel, CaKMg, ze kréien. Am Allgemengen sinn déi kritt Variabelen Ca, K, Mg, CaK, CaMg, KMg a CaKMg. Dës Variabelen sinn eis Prädiktoren ginn, déi gehollef hunn, Nickelkonzentratiounen a städteschen a peri-urbane Buedem virauszesoen. Den SVMR-Algorithmus gouf op de Prädiktoren duerchgefouert fir e gemëschte Modell vun der empirescher Bayesianescher Kriging-Support Vector Machine (EBK_SVM) ze kréien. Ähnlech ginn och Variabelen duerch den MLR-Algorithmus geleet fir e gemëschte Modell vun der empirescher Bayesianescher Kriging-Multiple Linear Regression (EBK_MLR) ze kréien. Typesch sinn d'Variabelen Ca, K, Mg, CaK, CaMg, KMg a CaKMg ginn als Kovariaten als Prädiktoren fir den Ni-Gehalt an urbanen a peri-urbane Biedem benotzt. Dat akzeptabelst Modell (EBK_SVM oder EBK_MLR) gëtt dann mat engem selbstorganiséierende Grafik visualiséiert. Den Aarbechtsoflaf vun dëser Studie gëtt an der Figur 2 gewisen.
D'Benotzung vu SeOM ass zu engem populäre Tool ginn fir Daten am Finanzsecteur, am Gesondheetswiesen, an der Industrie, an der Statistik, am Buedemwëssenschaften a méi ze organiséieren, ze evaluéieren a virauszesoen. SeOM gëtt mat Hëllef vu künstlechen neuronalen Netzwierker an oniwwerwaachte Léiermethoden fir d'Organisatioun, d'Evaluatioun an d'Prognose erstallt. An dëser Studie gouf SeOM benotzt fir Ni-Konzentratiounen ze visualiséieren baséiert op dem beschte Modell fir d'Prognose vun Ni an urbanen a peri-urbane Biedem. D'Donnéeën, déi an der SeOM-Evaluatioun veraarbecht ginn, ginn als n inputdimensional Vektorvariablen benotzt43,56. Melssen et al. 57 beschreiwen d'Verbindung vun engem Inputvektor an en neuronalt Netzwierk iwwer eng eenzeg Inputschicht mat engem Outputvektor mat engem eenzege Gewiichtsvektor. Den Output, deen duerch SeOM generéiert gëtt, ass eng zweedimensional Kaart, déi aus verschiddenen Neuronen oder Knuet besteet, déi a sechseckeg, kreesfërmeg oder quadratesch topologesch Kaarten no hirer Proximitéit gewieft sinn. Wann d'Kaartegréissten op Basis vu Metrik, Quantiséierungsfehler (QE) an topographesche Feeler (TE) vergläicht ginn, gëtt de SeOM-Modell mat 0,086 respektiv 0,904 ausgewielt, wat eng 55-Kaarteeenheet (5 × 11) ass. D'Neuronstruktur gëtt no der Unzuel vun de Knuet an der empirescher Equatioun bestëmmt.
D'Zuel vun den Daten, déi an dëser Studie benotzt goufen, ass 115 Proben. Eng zoufälleg Approche gouf benotzt fir d'Donnéeën an Testdaten (25% fir d'Validatioun) an Trainingsdatensätz (75% fir d'Kalibrierung) opzedeelen. Den Trainingsdatensatz gëtt benotzt fir de Regressiounsmodell (Kalibrierung) ze generéieren, an den Testdatensatz gëtt benotzt fir d'Generaliséierungsfäegkeet ze verifizéieren58. Dëst gouf gemaach fir d'Gëeegentheet vu verschiddene Modeller fir d'Prognose vum Nickelgehalt a Buedem ze bewäerten. All benotzt Modeller sinn duerch en zéngfache Kräizvalidéierungsprozess gaangen, deen fënnef Mol widderholl gouf. D'Variablen, déi duerch EBK-Interpolatioun produzéiert ginn, ginn als Prädiktoren oder Erklärungsvariablen benotzt fir d'Zilvariabel (PTE) virauszesoen. D'Modelléierung gëtt an RStudio mat de Paketen library(Kohonen), library(caret), library(modelr), library("e1071"), library("plyr"), library("caTools"), library(" prospectr") a Bibliothéiken ("Metrics") ofgewickelt.
Verschidde Validatiounsparameter goufen benotzt fir dat bescht Modell ze bestëmmen, dat gëeegent ass fir d'Virausch vun Nickelkonzentratiounen am Buedem ze bestëmmen an d'Genauegkeet vum Modell a seng Validatioun ze evaluéieren. Hybridiséierungsmodeller goufen mat Hëllef vum mëttleren absoluten Feeler (MAE), dem Root Mean Square Error (RMSE) an der R-Quadrat- oder Koeffizientbestëmmung (R2) evaluéiert. R2 definéiert d'Varianz vun de Proportiounen an der Äntwert, déi vum Regressiounsmodell representéiert gëtt. RMSE a Varianzgréisst an onofhängege Miessunge beschreiwen d'Prognosekraaft vum Modell, während MAE den tatsächleche quantitative Wäert bestëmmt. Den R2-Wäert muss héich sinn, fir dat bescht Mëschungsmodell mat Hëllef vun de Validatiounsparameter ze evaluéieren. Wat méi no de Wäert bei 1 ass, wat méi héich d'Genauegkeet ass. Laut Li et al. 59 gëllt en R2-Kriterienwäert vun 0,75 oder méi als e gudde Prädiktor; vun 0,5 bis 0,75 ass akzeptabel Modellleistung, an ënner 0,5 ass inakzeptabel Modellleistung. Bei der Auswiel vun engem Modell mat den RMSE- a MAE-Validatiounskriterien-Evaluatiounsmethoden waren déi méi niddreg kritt Wäerter genuch a goufen als déi bescht Wiel ugesinn. Déi folgend Equatioun beschreift d'Verifizéierungsmethod.
woubei n d'Gréisst vum observéierte Wäert representéiert, \({Y}_{i}\) déi gemoossen Äntwert representéiert, an \({\widehat{Y}}_{i}\) och de virausgesoten Äntwertwäert representéiert, dofir fir déi éischt i Observatiounen.
Statistesch Beschreiwunge vu Prädiktor- a Responsvariablen ginn an der Tabell 1 presentéiert, déi de Moyenne, d'Standardofwäichung (SD), de Variatiounskoeffizient (CV), de Minimum, de Maximum, d'Kurtose an d'Schiefkeet weisen. Déi minimal a maximal Wäerter vun den Elementer sinn an ofhuelender Reiefolleg vun Mg < Ca < K < Ni a Ca < Mg < K < Ni. D'Konzentratioune vun der Responsvariabel (Ni), déi aus dem Studiegebitt geholl gouf, louchen tëscht 4,86 ​​an 42,39 mg/kg. De Verglach vun Ni mam Weltduerchschnëtt (29 mg/kg) an dem europäeschen Duerchschnëtt (37 mg/kg) huet gewisen, datt de berechenten geometresche Moyenne fir de Studiegebitt am tolerable Beräich war. Trotzdem, wéi vum Kabata-Pendias11 gewisen, weist e Verglach vun der duerchschnëttlecher Nickel (Ni) Konzentratioun an der aktueller Studie mat landwirtschaftleche Buedem a Schweden, datt déi aktuell duerchschnëttlech Nickelkonzentratioun méi héich ass. Och déi duerchschnëttlech Konzentratioun vu Frydek Mistek a städteschen a peri-urbane Buedem an der aktueller Studie (Ni 16,15 mg/kg) war méi héich wéi déi zulässlech. Limit vun 60 (10,2 mg/kg) fir Ni a polnesche städtesche Biedem, wéi vum Różański et al. gemellt. Ausserdeem hunn de Bretzel an de Calderisi61 ganz niddreg duerchschnëttlech Ni-Konzentratiounen (1,78 mg/kg) a städtesche Biedem an der Toskana am Verglach mat der aktueller Studie opgezeechent. De Jim62 huet och eng méi niddreg Nickelkonzentratioun (12,34 mg/kg) a städtesche Biedem zu Hongkong festgestallt, wat méi niddreg ass wéi déi aktuell Nickelkonzentratioun an dëser Studie. De Birke et al63 hunn eng duerchschnëttlech Ni-Konzentratioun vun 17,6 mg/kg an engem ale Biergbau- an urbanen Industriegebitt a Sachsen-Anhalt, Däitschland, gemellt, wat 1,45 mg/kg méi héich war wéi déi duerchschnëttlech Ni-Konzentratioun an der Regioun (16,15 mg/kg). Aktuell Fuerschung. Den exzessive Nickelgehalt a Biedem a verschiddene städteschen a virstädtesche Gebidder vum Studiegebitt kann haaptsächlech op d'Eisen- a Stolindustrie an d'Metallindustrie zréckgefouert ginn. Dëst entsprécht der Studie vum Khodadoust et al. 64, datt d'Stolindustrie an d'Metallveraarbechtung déi Haaptquelle vun der Nickelkontaminatioun am Buedem sinn. D'Prediktoren hunn awer och tëscht 538,70 mg/kg an 69.161,80 mg/kg fir Ca, 497,51 mg/kg an 3535,68 mg/kg fir K, a 685,68 mg/kg an 5970,05 mg/kg fir Mg reechwäit. Jakovljevic et al. 65 hunn den Gesamtgehalt u Mg a K a Buedem a Zentralserbien ënnersicht. Si hunn festgestallt, datt d'Gesamtkonzentratiounen (410 mg/kg respektiv 400 mg/kg) méi niddreg waren ewéi d'Mg- a K-Konzentratioune vun der aktueller Studie. Net z'ënnerscheeden, hunn den Orzechowski an de Smolczynski66 am Oste vu Polen den Gesamtgehalt u Ca, Mg a K bewäert a gewisen, datt duerchschnëttlech Konzentratioune vu Ca (1100 mg/kg), Mg (590 mg/kg) a K (810 mg/kg) waren. Den Inhalt am Uewerflächebuedem ass méi niddreg ewéi dat vum eenzelen Element an dëser Studie. Eng rezent Studie vum Pongrac et al. 67 huet gewisen, datt den Gesamtgehalt u Ca, deen an 3 verschiddene Buedem a Schottland, Groussbritannien (Buedem vu Mylnefield, Buedem vu Balruddery a Buedem vu Hartwood), an dëser Studie en héije Ca-Gehalt ugedeit huet.
Wéinst den ënnerschiddleche gemoossene Konzentratioune vun den Elementer, déi beprobt goufen, weisen d'Datesatzverdeelunge vun den Elementer eng ënnerschiddlech Schiefheet. D'Schiefheet an d'Kurtose vun den Elementer louchen tëscht 1,53 an 7,24 respektiv tëscht 2,49 an 54,16. All berechent Elementer hunn Schiefheets- a Kurtoseniveauen iwwer +1, wat drop hiweist, datt d'Dateverdeelung onregelméisseg, an déi richteg Richtung schief an e Spëtzpunkt erreecht huet. Déi geschätzte CVs vun den Elementer weisen och, datt K, Mg an Ni eng mëttelméisseg Variabilitéit opweisen, während Ca eng extrem héich Variabilitéit huet. D'CVs vu K, Ni an Mg erklären hir eenheetlech Verdeelung. Ausserdeem ass d'Ca-Verdeelung net eenheetlech an extern Quelle kënnen hiren Anreicherungsniveau beaflossen.
D'Korrelatioun vun de Prädiktorvariablen mat den Äntwertelementer huet eng zefriddestellend Korrelatioun tëscht den Elementer gewisen (kuckt Figur 3). D'Korrelatioun huet gewisen, datt CaK eng moderéiert Korrelatioun mat engem r-Wäert = 0,53 gewisen huet, sou wéi och CaNi. Obwuel Ca a K moderat Associatiounen matenee weisen, hunn Fuerscher wéi Kingston et al. 68 an Santo69 suggeréieren, datt hir Niveauen am Buedem ëmgekéiert proportional sinn. Wéi och ëmmer, Ca a Mg sinn antagonistesch zu K, awer CaK korreléiert gutt. Dëst kéint op d'Applikatioun vun Dünger wéi Kaliumkarbonat zréckzeféieren sinn, wat 56% méi héich a Kalium ass. Kalium war mëttelméisseg mat Magnesium korreléiert (KM r = 0,63). An der Düngerindustrie sinn dës zwee Elementer enk matenee verbonnen, well Kaliummagnesiumsulfat, Kaliummagnesiumnitrat a Kali op de Buedem applizéiert ginn, fir hir Mangelniveauen ze erhéijen. Nickel ass mëttelméisseg mat Ca, K a Mg korreléiert mat r-Wäerter = 0,52, 0,63 a 0,55, respektiv. D'Bezéiungen tëscht Kalzium, Magnesium a PTEs wéi Nickel si komplex, awer trotzdem hemmt Magnesium d'Kalziumabsorptioun, Kalzium reduzéiert d'Effekter vun iwwerschëssegem Magnesium, a souwuel Magnesium wéi och Kalzium reduzéieren déi toxesch Effekter vum Nickel am Buedem.
Korrelatiounsmatrix fir Elementer, déi d'Bezéiung tëscht Prädiktoren an Äntwerten weisen (Bemierkung: dës Figur enthält e Streuerdiagramm tëscht den Elementer, Signifikanzniveauen baséieren op p < 0,001).
Figur 4 illustréiert d'raimlech Verdeelung vun den Elementer. Laut Burgos et al.70 ass d'Uwendung vun der raimlecher Verdeelung eng Technik, déi benotzt gëtt fir Hotspots a verschmotzte Gebidder ze quantifizéieren an ervirzehiewen. D'Anreicherungsniveauen vu Ca an der Fig. 4 kënnen am nordwestlechen Deel vun der raimlecher Verdeelungskaart gesi ginn. D'Figur weist mëttel bis héich Ca-Anreicherungs-Hotspots. D'Kalziumanreicherung am Nordwesten vun der Kaart ass wahrscheinlech op d'Benotzung vu Kalk (Kalziumoxid) zréckzeféieren, fir d'Buedemsäure ze reduzéieren, an op seng Notzung a Stolwierker als alkalische Sauerstoff am Stolproduktiounsprozess. Op der anerer Säit léiwer aner Baueren Kalziumhydroxid a saure Biedem ze benotzen, fir de pH-Wäert ze neutraliséieren, wat och de Kalziumgehalt vum Buedem erhéicht71. Kalium weist och Hotspots am Nordwesten an Osten vun der Kaart. Den Nordwesten ass eng wichteg landwirtschaftlech Gemeinschaft, an dat mëttel bis héicht Muster vu Kalium kéint op NPK- a Kali-Applikatioune zréckzeféieren sinn. Dëst entsprécht anere Studien, wéi Madaras a Lipavský72, Madaras et al.73, Pulkrabová et al.74, Asare et al.75, déi observéiert datt d'Buedemstabiliséierung an d'Behandlung mat KCl an NPK zu engem héije K-Gehalt am Buedem gefouert hunn. D'räumlech Kaliumanreicherung am Nordweste vun der Verbreedungskaart kéint op d'Benotzung vu Kaliumdünger wéi Kaliumchlorid, Kaliumsulfat, Kaliumnitrat, Kali a Kali fir de Kaliumgehalt vun aarme Biedem ze erhéijen zréckzeféieren sinn. Zádorová et al. 76 an Tlustoš et al. 77 huet beschriwwen, datt d'Applikatioun vu K-baséierten Dünger den K-Gehalt am Buedem erhéicht huet an den Nährstoffgehalt am Buedem op laang Siicht däitlech erhéije géif, besonnesch K a Mg weisen e waarme Punkt am Buedem. Relativ moderéiert Hotspots am Nordweste vun der Kaart an am Südosten vun der Kaart. Kolloidal Fixatioun am Buedem reduzéiert d'Konzentratioun vu Magnesium am Buedem. Säi Mangel am Buedem verursaacht, datt Planzen gielzeg Intervene-Chlorose weisen. Magnesiumbaséiert Dünger, wéi Kaliummagnesiumsulfat, Magnesiumsulfat a Kieserit, behandelen Mängel (Planze gesi violett, rout oder brong aus, wat op e Magnesiummangel hiweist) a Buedem mat engem normalen pH-Beräich6. D'Akkumulatioun vun Néckel op urbanen a peri-urbane Buedemuewerflächen kann op anthropogen Aktivitéiten wéi d'Landwirtschaft an d'Wichtegkeet vum Néckel an der Edelstahlproduktioun78 zréckzeféieren sinn.
Räumlech Verdeelung vun den Elementer [d'räumlech Verdeelungskaart gouf mat ArcGIS Desktop erstallt (ESRI, Inc, Versioun 10.7, URL: https://desktop.arcgis.com).]
D'Resultater vum Modellleistungsindex fir d'Elementer, déi an dëser Studie benotzt goufen, sinn an der Tabell 2 gewisen. Op der anerer Säit sinn den RMSE an den MAE vum Ni allebéid no bei Null (0,86 RMSE, -0,08 MAE). Op der anerer Säit sinn souwuel d'RMSE- wéi och d'MAE-Wäerter vum K akzeptabel. D'RMSE- an d'MAE-Resultater ware fir Kalzium a Magnesium méi grouss. Ca a K D'MAE- an RMSE-Resultater si méi grouss wéinst verschiddene Datensätz. Den RMSE an d'MAE vun dëser Studie, déi EBK benotzt huet fir Ni virauszesoen, goufe besser fonnt wéi d'Resultater vum John et al. 54, déi synergistesch Kriging benotzt hunn, fir S-Konzentratiounen am Buedem mat de selwechte gesammelten Donnéeën virauszesoen. D'EBK-Resultater, déi mir studéiert hunn, korreléieren mat deene vum Fabijaczyk et al. 41, Yan et al. 79, Beguin et al. 80, Adhikary et al. 81 a John et al. 82, besonnesch K an Ni.
D'Leeschtung vun den eenzelne Methoden fir d'Prognose vum Nickelgehalt a städteschen a peri-städtesche Biedem gouf mat Hëllef vun der Leeschtung vun de Modeller evaluéiert (Tabell 3). D'Modellvalidéierung an d'Genauegkeetsevaluatioun hunn bestätegt, datt de Ca_Mg_K Prädiktor a Kombinatioun mam EBK SVMR Modell déi bescht Leeschtung geliwwert huet. Kalibratiounsmodell Ca_Mg_K-EBK_SVMR Modell R2, Root Mean Square Error (RMSE) a mëttleren absoluten Error (MAE) waren 0,637 (R2), 95,479 mg/kg (RMSE) an 77,368 mg/kg (MAE). Ca_Mg_K-SVMR war 0,663 (R2), 235,974 mg/kg (RMSE) an 166,946 mg/kg (MAE). Trotzdeem goufen gutt R2 Wäerter fir Ca_Mg_K-SVMR (0,663 mg/kg R2) a Ca_Mg-EBK_SVMR (0,643 = R2) kritt; Hir RMSE- an MAE-Resultater ware méi héich wéi déi fir Ca_Mg_K-EBK_SVMR (R2 0,637) (kuckt Tabelle 3). Zousätzlech sinn d'RMSE an d'MAE vum Ca_Mg-EBK_SVMR (RMSE = 1664,64 an MAE = 1031,49) Modell 17,5 respektiv 13,4, wat méi grouss ass wéi déi vum Ca_Mg_K-EBK_SVMR. Och d'RMSE an d'MAE vum Ca_Mg-K SVMR (RMSE = 235,974 an MAE = 166,946) Modell sinn 2,5 respektiv 2,2 méi grouss wéi déi vum Ca_Mg_K-EBK_SVMR RMSE respektiv MAE. Déi berechent RMSE-Resultater weisen un, wéi konzentréiert den Datesaz mat der Linn vun der beschter Upassung ass. Méi héich RSME an MAE goufen observéiert. Laut Kebonye et al. al. 46 an john et al. 54, wat méi no den RMSE an den MAE bei Null sinn, wat besser d'Resultater sinn. SVMR an EBK_SVMR hunn méi héich quantifizéiert RSME- a MAE-Wäerter. Et gouf observéiert, datt d'RSME-Schätzunge konsequent méi héich waren wéi d'MAE-Wäerter, wat op d'Präsenz vun Ausreißer hiweist. Laut Legates a McCabe83 gëtt de Mooss, a wéi engem Mooss den RMSE de mëttleren absolute Feeler (MAE) iwwerschreit, als Indikator fir d'Präsenz vun Ausreißer recommandéiert. Dëst bedeit, datt wat méi heterogen den Datesaz ass, wat méi héich d'MAE- an RMSE-Wäerter sinn. D'Genauegkeet vun der Kräizvalidatiounsbeurteilung vum Ca_Mg_K-EBK_SVMR gemëschte Modell fir d'Prognose vum Ni-Gehalt a städteschen a virstädtesche Buedem war 63,70%. Laut Li et al. 59 ass dëst Genauegkeetsniveau eng akzeptabel Modellleistungsquote. Déi aktuell Resultater gi mat enger fréierer Studie vum Tarasov et al. verglach. 36, deem säin Hybridmodell MLPRK (Multilayer Perceptron Residual Kriging) erstallt huet, am Zesummenhang mam EBK_SVMR Genauegkeetsbewäertungsindex, deen an der aktueller Studie gemellt gouf, RMSE (210) an den MAE (167,5) war méi héich wéi eis Resultater an der aktueller Studie (RMSE 95,479, MAE 77,368). Wéi och ëmmer, wann een den R2 vun der aktueller Studie (0,637) mat deem vum Tarasov et al. vergläicht. 36 (0,544) ass et kloer, datt de Bestëmmungskoeffizient (R2) an dësem gemëschte Modell méi héich ass. D'Feelermarge (RMSE an MAE) (EBK SVMR) fir de gemëschte Modell ass duebel sou niddreg. Och Sergeev et al.34 hunn 0,28 (R2) fir den entwéckelte Hybridmodell (Multilayer Perceptron Residual Kriging) opgezeechent, während Ni an der aktueller Studie 0,637 (R2) opgezeechent huet. D'Prognosegenauegkeet vun dësem Modell (EBK SVMR) ass 63,7%, während d'Prognosegenauegkeet, déi vum Sergeev et al. 34 kritt gouf, 28% ass. Déi lescht Kaart (Fig. 5), déi mam EBK_SVMR Modell a Ca_Mg_K als Prädiktor erstallt gouf, weist Prognosen iwwer Hotspots a mëttelméissegen bis Nickel iwwer de ganze Studieberäich. Dëst bedeit, datt d'Konzentratioun vum Nickel am Studieberäich haaptsächlech mëttelméisseg ass, mat méi héije Konzentratiounen a spezifesche Beräicher.
Déi lescht Prognosekaart gëtt mat dem Hybridmodell EBK_SVMR a mat Ca_Mg_K als Prognosefaktor duergestallt.[Déi raimlech Verdeelungskaart gouf mat RStudio erstallt (Versioun 1.4.1717: https://www.rstudio.com/).]
An der Figur 6 sinn d'PTE-Konzentratiounen als Zesummesetzungsfläch presentéiert, déi aus eenzelnen Neuronen besteet. Keng vun de Komponentflächen huet datselwecht Faarfmuster gewisen wéi gewisen. Déi entspriechend Zuel vun Neuronen pro gezeechente Kaart ass awer 55. SeOM gëtt mat enger Villfalt vu Faarwen produzéiert, a wat méi ähnlech d'Faarfmuster sinn, wat méi vergläichbar d'Eegeschafte vun de Proben sinn. No hirer präziser Faarfskala hunn eenzel Elementer (Ca, K a Mg) ähnlech Faarfmuster wéi eenzel héich Neuronen an déi meescht niddereg Neuronen gewisen. Dofir deelen CaK a CaMg e puer Ähnlechkeeten mat ganz héijen Neuronen a nidderegen bis mëttelméissege Faarfmuster. Béid Modeller prognostizéieren d'Konzentratioun vun Ni am Buedem andeems se mëttel bis héich Téin vu Faarwen wéi rout, orange a giel weisen. De KMg-Modell weist vill héich Faarfmuster baséiert op präzise Proportiounen a nidderegen bis mëttelméissege Faarfflecken. Op enger präziser Faarfskala vu niddereg bis héich huet de planare Verdeelungsmuster vun de Komponenten vum Modell e héicht Faarfmuster gewisen, dat déi potenziell Konzentratioun vun Néckel am Buedem ugeet (kuckt Figur 4). D'CakMg-Modellkomponentfläch weist e divers Faarfmuster vu niddereg bis héich no engem genee Faarfskala. Ausserdeem ass d'Prognose vum Nickelgehalt (CakMg) vum Modell ähnlech wéi d'raimlech Verdeelung vum Nickel, déi an der Figur 5 gewisen ass. Béid Grafike weisen héich, mëttel an niddreg Proportiounen vun Nickelkonzentratiounen a städteschen a peri-urbane Buedem. Figur 7 weist d'Konturmethod an der k-means Gruppéierung op der Kaart, opgedeelt an dräi Cluster baséiert op dem virausgesoten Wäert an all Modell. D'Konturmethod representéiert déi optimal Zuel vu Cluster. Vun den 115 gesammelten Buedemprouwen huet d'Kategorie 1 déi meescht Buedemprouwen kritt, 74. Cluster 2 krut 33 Prouwen, während Cluster 3 8 Prouwen krut. Déi siwe-Komponent planar Prädiktor Kombinatioun gouf vereinfacht fir eng korrekt Clusterinterpretatioun z'erméiglechen. Wéinst de ville anthropogenen an natierleche Prozesser, déi d'Buedembildung beaflossen, ass et schwéier richteg differenzéiert Clustermuster an enger verdeelter SeOM Kaart ze hunn78.
Komponentenplangausgab vun all Variabel vun der Empirical Bayesian Kriging Support Vector Machine (EBK_SVM_SeOM).[SeOM-Kaarte goufe mat RStudio erstallt (Versioun 1.4.1717: https://www.rstudio.com/).]
Verschidde Komponenten vun der Clusterklassifikatioun [SeOM-Kaarte goufe mat RStudio erstallt (Versioun 1.4.1717: https://www.rstudio.com/).]
Déi aktuell Studie illustréiert kloer Modelléierungstechnike fir Nickelkonzentratiounen a städteschen a peri-städtesche Biedem. D'Studie huet verschidde Modelléierungstechnike getest, andeems Elementer mat Modelléierungstechnike kombinéiert goufen, fir dee beschte Wee ze fannen, fir Nickelkonzentratiounen am Buedem virauszesoen. Déi kompositiouns-planar raimlech Charakteristike vum SeOM vun der Modelléierungstechnik hunn e staarkt Faarfmuster vun niddereg bis héich op enger geneeër Faarfskala gewisen, wat Ni-Konzentratiounen am Buedem ugeet. Wéi och ëmmer, bestätegt d'Raumverdeelungskaart déi planar raimlech Verdeelung vun de Komponenten, déi vum EBK_SVMR gewisen ginn (kuckt Figur 5). D'Resultater weisen, datt de Support Vector Machine Regression Modell (CaMgK-SVMR) d'Konzentratioun vun Ni am Buedem als eenzegt Modell viraussoe kann, awer d'Validatiouns- an d'Genauegkeetsbewäertungsparameter weisen ganz héich Feeler a punkto RMSE an MAE. Op der anerer Säit ass d'Modelléierungstechnik, déi mam EBK_MLR Modell benotzt gëtt, och fehlerhaft wéinst dem niddrege Wäert vum Determinatiounskoeffizient (R2). Gutt Resultater goufen mat EBK SVMR a kombinéierten Elementer (CaKMg) mat niddrege RMSE- a MAE-Feeler mat enger Genauegkeet vun 63,7% erreecht. Et stellt sech eraus, datt d'Kombinatioun vum EBK Algorithmus mat E Maschinnléieralgorithmus kann en Hybridalgorithmus generéieren, deen d'Konzentratioun vu PTEs am Buedem viraussoe kann. D'Resultater weisen, datt d'Benotzung vu CaMgK als Prädiktoren fir d'Viruerteelung vun Ni-Konzentratiounen am Studiegebitt d'Prognose vun Ni a Buedem verbessere kann. Dëst bedeit, datt déi kontinuéierlech Uwendung vun Dünger op Nickelbasis an industriell Verschmotzung vum Buedem duerch d'Stolindustrie d'Konzentratioun vun Néckel am Buedem tendéiert ze erhéijen. Dës Studie huet gewisen, datt den EBK-Modell de Feelerniveau reduzéiere kann an d'Genauegkeet vum Modell vun der raimlecher Verdeelung vum Buedem a städteschen oder peri-urbane Buedem verbessere kann. Am Allgemengen proposéiere mir den EBK-SVMR-Modell anzewenden fir PTE am Buedem ze bewäerten a virauszesoen; zousätzlech proposéiere mir EBK ze benotzen fir mat verschiddene Maschinnléieralgorithmen ze hybridiséieren. Ni-Konzentratioune goufen mat Elementer als Kovariaten virausgesot; d'Benotzung vu méi Kovariaten géif awer d'Performance vum Modell däitlech verbesseren, wat als Limitatioun vun der aktueller Aarbecht ugesi ka ginn. Eng aner Limitatioun vun dëser Studie ass, datt d'Zuel vun den Datensätz 115 ass. Dofir, wa méi Daten geliwwert ginn, kann d'Performance vun der proposéierter optiméierter Hybridiséierungsmethod verbessert ginn.
PlantProbs.net. Nickel a Planzen a Buedem https://plantprobs.net/plant/nutrientImbalances/sodium.html (Zougrëff den 28. Abrëll 2021).
Kasprzak, KS Nickel advances in modern environmental toxicology.surroundings.toxicology.11, 145–183 (1987).
Cempel, M. & Nikel, G. Nickel: E Bléck op seng Quellen an Ëmwelttoxikologie. Polish J. Environment. Stud. 15, 375–382 (2006).
Freedman, B. & Hutchinson, TC Verschmotzung aus der Atmosphär an Akkumulatioun am Buedem a Vegetatioun bei enger Nickel-Kofferschmëlz zu Sudbury, Ontario, Kanada. can.J. Bot.58(1), 108-132.https://doi.org/10.1139/b80-014 (1980).
Manyiwa, T. et al. Schwéiermetaller am Buedem, a Planzen a Risiken am Zesummenhang mat grasenden Déieren no bei der Selebi-Phikwe Koffer-Nickel-Minn a Botswana. surroundings.Geochemistry.Health https://doi.org/10.1007/s10653-021-00918-x (2021).
Cabata-Pendias.Kabata-Pendias A. 2011. Spuerelementer am Buedem an… – Google Scholar https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Kabata-Pendias+A.+2011.+Spuerelementer+am+Bauland+an+Planzen.+4.+Oplag.+New+York+%28NY%29%3A+CRC+Press&btnG= (Zougegraff den 24. November 2020).
Almås, A., Singh, B., Landwirtschaft, TS-NJ vun & 1995, ondefinéiert. Auswierkunge vun der russescher Nickelindustrie op Schwéiermetallkonzentratiounen a landwirtschaftleche Buedem a Gräser zu Soer-Varanger, Norwegen. agris.fao.org.
Nielsen, GD et al. Nickelabsorptioun an -retention am Drénkwaasser hänken mat der Nahrungsaufnahme an der Nickelempfindlechkeet zesummen. toxicology.application. Pharmacodynamics. 154, 67–75 (1999).
Costa, M. & Klein, CB Nickelkarzinogenese, Mutatioun, Epigenetik oder Selektioun. Ëmgéigend. Gesondheetsperspektiv. 107, 2 (1999).
Ajman, PC; Ajado, SK; Borůvka, L.; Bini, JKM; Sarkody, VYO; Cobonye, ​​​​NM; Trendanalyse vu potenziell gëftege Elementer: eng bibliometresch Iwwerpréiwung. Ëmweltgeochemie a Gesondheet. Springer Science & Business Media BV 2020. https://doi.org/10.1007/s10653-020-00742-9.
Minasny, B. & McBratney, AB Digital Buedemkartographie: Eng kuerz Geschicht a puer Lektiounen. 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 Geostatistesch Reservoirmodelléierung,… – Google Scholar https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=CV+Deutsch%2C+2002%2C+Geostatistesch+Reservoir+Modeléierung%2C +Oxford+University+Press%2C+376+pages.+&btnG= (Zougegraff den 28. Abrëll 2021).