Misaotra anao nitsidika ny Nature.com. Voafetra ny fanohanana ny CSS amin'ny dikan-tranonkala ampiasainao. Ho an'ny traikefa tsara indrindra, manoro hevitra anao izahay hampiasa navigateur nohavaozina (na hamono ny fomba mifanaraka amin'ny Internet Explorer). Mandritra izany fotoana izany, mba hahazoana antoka fa mitohy ny fanohanana, dia hampiseho ny tranonkala tsy misy styles sy JavaScript izahay.
Olana lehibe ateraky ny asa ataon'ny olombelona ny fahalotoan'ny tany. Miovaova ny fizarana ara-toerana ny singa mety misy poizina (PTE) any amin'ny ankamaroan'ny tanàn-dehibe sy ny manodidina. Noho izany, sarotra ny maminavina ara-toerana ny votoatin'ny PTE ao amin'ny tany toy izany. Santionany miisa 115 no azo avy amin'ny Frydek Mistek any amin'ny Repoblika Tseky. Ny fifantohana kalsioma (Ca), manezioma (Mg), potasioma (K) ary nikela (Ni) dia voafaritra tamin'ny fampiasana spectrometry plasma emission inductively coupled. Ny variable response dia Ni ary ny predictors dia Ca, Mg, ary K. Ny matrix correlation eo amin'ny variable response sy ny variable predictor dia mampiseho fifandraisana mahafa-po eo amin'ireo singa. Ny valin'ny vinavina dia naneho fa ny Support Vector Machine Regression (SVMR) dia niasa tsara, na dia ambony kokoa noho ny fomba hafa aza ny tombana momba ny root mean square error (RMSE) (235.974 mg/kg) sy ny mean absolute error (MAE) (166.946 mg/kg). Ny modely mifangaro ho an'ny Empirical Bayesian Kriging-Multiple Linear Regression (EBK-MLR) dia miasa ratsy, araka ny hita. amin'ny alalan'ny coefficient determination latsaky ny 0.1. Ny modely Empirical Bayesian Kriging-Support Vector Machine Regression (EBK-SVMR) no modely tsara indrindra, miaraka amin'ny sanda RMSE ambany (95.479 mg/kg) sy MAE (77.368 mg/kg) ary coefficient determination avo lenta (R2 = 0.637). Ny vokatra azo avy amin'ny teknika modely EBK-SVMR dia aseho amin'ny alalan'ny sarintany mandamina tena. Ny neurons miangona ao amin'ny planin'ny singa hybrid CakMg-EBK-SVMR dia mampiseho lamina loko maro izay maminavina ny fifantohan'ny Ni amin'ny tany an-tanàn-dehibe sy manodidina ny tanàn-dehibe. Ny valiny dia mampiseho fa ny fampifangaroana ny EBK sy SVMR dia teknika mahomby amin'ny maminavina ny fifantohan'ny Ni amin'ny tany an-tanàn-dehibe sy manodidina ny tanàn-dehibe.
Ny Nikela (Ni) dia heverina ho otrikaina bitika ho an'ny zavamaniry satria mandray anjara amin'ny fiforonan'ny azota ao amin'ny atmosfera (N) sy ny metabolisman'ny urea, izay samy ilaina amin'ny fitsimohan'ny voa. Ankoatra ny fandraisany anjara amin'ny fitsimohan'ny voa, ny Ni dia afaka miasa ho toy ny mpanakana ny holatra sy bakteria ary mampiroborobo ny fivoaran'ny zavamaniry. Ny tsy fahampian'ny nikela ao anaty tany dia ahafahan'ny zavamaniry mandray azy, ka miteraka chlorosis amin'ny ravina. Ohatra, ny voanjobory sy ny tsaramaso maitso dia mitaky ny fampiharana zezika misy nikela mba hanatsarana ny fiforonan'ny azota2. Ny fampiharana mitohy ny zezika misy nikela mba hanatsarana ny tany sy hampitombo ny fahafahan'ny legioma mametraka azota ao anaty tany dia mampitombo hatrany ny fifantohana nikela ao anaty tany. Na dia otrikaina bitika ho an'ny zavamaniry aza ny nikela, ny fihinanana azy be loatra ao anaty tany dia mety hanimba kokoa noho ny tsara. Ny poizina ateraky ny nikela ao anaty tany dia mampihena ny pH amin'ny tany ary manakana ny fandraisana vy ho otrikaina tena ilaina amin'ny fitomboan'ny zavamaniry1. Araka ny voalazan'i Liu3, ny Ni dia hita fa singa manan-danja faha-17 ilaina amin'ny fivoarana sy ny fitomboan'ny zavamaniry. Ankoatra ny anjara asan'ny nikela amin'ny fivoarana sy ny fitomboan'ny zavamaniry, ny olombelona dia mila izany amin'ny fampiharana isan-karazany. Ny electroplating, ny famokarana nikela misy nikela Ny firaka, ary ny fanamboarana fitaovana fandrehetana sy ny bougie ao amin'ny indostrian'ny fiara dia samy mitaky ny fampiasana nikela amin'ny sehatra indostrialy isan-karazany. Ankoatra izany, ny firaka mifototra amin'ny nikela sy ny entana nopetahana elektrika dia efa nampiasaina betsaka tamin'ny kojakoja an-dakozia, kojakoja ao amin'ny efitrano fandraisam-bahiny, kojakoja indostrian'ny sakafo, herinaratra, tariby sy tariby, turbine jet, implant fandidiana, lamba, ary fanamboaran-tsambo5. Ny haavon'ny Ni ao amin'ny tany (izany hoe, tany ambonin'ny tany) dia voalaza fa avy amin'ny loharano avy amin'ny olombelona sy voajanahary, saingy voalohany indrindra, ny Ni dia loharano voajanahary fa tsy avy amin'ny olombelona4,6. Ny loharano voajanahary amin'ny nikela dia ahitana ny fipoahan'ny volkano, ny zavamaniry, ny doro ala, ary ny dingana ara-jeolojika; na izany aza, ny loharano avy amin'ny olombelona dia ahitana ny bateria nikela/cadmium ao amin'ny indostrian'ny vy, ny fametahana elektrika, ny fametahana arc, ny solika diesel sy solika, ary ny entona mivoaka avy amin'ny fandoroana arintany sy ny fandoroana fako sy fotaka. Ny fiangonan'ny nikela7,8. Araka ny voalazan'i Freedman sy Hutchinson9 ary Manyiwa et al. 10, ny loharanon'ny fandotoana ny tany ambony indrindra ao amin'ny tontolo iainana akaiky sy mifanila aminy dia ireo orinasa mpandrendrika sy toeram-pitrandrahana vita amin'ny nikela-varahina. Ny tany ambony manodidina ny orinasa fanadiovana nikela-varahina Sudbury any Kanada no nanana ny tahan'ny fandotoana nikela ambony indrindra tamin'ny 26,000 mg/kg11. Mifanohitra amin'izany kosa, ny fandotoana avy amin'ny famokarana nikela any Rosia dia nahatonga ny fifantohana nikela ambony kokoa tao amin'ny tany Norveziana11. Araka ny voalazan'i Alms et al. 12, ny habetsahan'ny nikela azo alaina amin'ny HNO3 ao amin'ny tany fambolena ambony indrindra ao amin'ny faritra (famokarana nikela any Rosia) dia eo anelanelan'ny 6.25 sy 136.88 mg/kg, izay mifanandrify amin'ny salan'isa 30.43 mg/kg ary fifantohana fototra 25 mg/kg. Araka ny kabata 11, ny fampiharana zezika phosphore amin'ny tany fambolena any amin'ny tany an-tanàn-dehibe na manodidina ny tanàn-dehibe mandritra ny vanim-potoanan'ny fambolena mifanesy dia mety hampiditra na handoto ny tany. Ny mety ho fiantraikan'ny nikela amin'ny olombelona dia mety hiteraka homamiadana amin'ny alàlan'ny mutagenesis, fahasimban'ny chromosome, famokarana ADN Z, fanamboarana ADN voasakana, na dingana epigenetic13. Tamin'ny andrana tamin'ny biby, ny nikela dia hita fa mety hiteraka fivontosana isan-karazany, ary ny fitambaran'ny nikela miteraka homamiadana dia mety hampitombo ny fivontosana toy izany.
Niroborobo tato ho ato ny fanombanana ny fahalotoan'ny tany noho ny olana ara-pahasalamana isan-karazany ateraky ny fifandraisan'ny tany sy ny zavamaniry, ny fifandraisan'ny tany sy ny tany biolojika, ny fahasimban'ny tontolo iainana, ary ny fanombanana ny fiantraikan'ny tontolo iainana. Hatreto, ny faminaniana ara-toerana ny singa mety misy poizina (PTE) toy ny Ni ao anaty tany dia sarotra sy mandany fotoana amin'ny fampiasana fomba nentim-paharazana. Ny fisian'ny sarintany nomerika momba ny tany (DSM) sy ny fahombiazany ankehitriny15 dia nanatsara be ny sarintany mialoha ny tany (PSM). Araka ny voalazan'i Minasny sy McBratney16, ny sarintany mialoha ny tany (DSM) dia voaporofo fa sampana iray manan-danja amin'ny siansa momba ny tany. Lagacherie sy McBratney, 2006 dia mamaritra ny DSM ho "ny famoronana sy famenoana rafitra fampahalalana momba ny tany ara-toerana amin'ny alàlan'ny fampiasana fomba fandinihana eo an-toerana sy any amin'ny laboratoara ary rafitra fanombanana ny tany ara-toerana sy tsy ara-toerana". McBratney et al. 17 dia milaza fa ny DSM na PSM ankehitriny no teknika mahomby indrindra amin'ny faminaniana na fanaovana sarintany ny fizarana ara-habakabaka an'ny PTE, ny karazana tany ary ny toetran'ny tany. Ny Algorithma Geostatistics sy Machine Learning (MLA) dia teknika modely DSM izay mamorona sarintany nomerika amin'ny alàlan'ny solosaina mampiasa angon-drakitra manan-danja sy kely indrindra.
Deutsch18 sy Olea19 dia mamaritra ny jeostatistika ho "fanangonana teknika nomerika izay mifandraotra amin'ny fanehoana ny toetra ara-habakabaka, indrindra amin'ny fampiasana modely stokastika, toy ny fomba fanasokajiana ny angon-drakitra ara-potoana amin'ny famakafakana andian-tantara." Amin'ny ankapobeny, ny jeostatistika dia mahakasika ny fanombanana ny variograma, izay ahafahana manisa sy mamaritra ny fiankinan-dohan'ny soatoavina ara-habakabaka avy amin'ny angon-drakitra tsirairay20. Gumiaux et al. 20 dia manazava bebe kokoa fa ny fanombanana ny variograma amin'ny jeostatistika dia mifototra amin'ny fitsipika telo, anisan'izany ny (a) fikajiana ny haben'ny fifandraisan'ny angon-drakitra, (b) famantarana sy fikajiana ny anisotropy amin'ny tsy fitoviana amin'ny angon-drakitra ary (c) ankoatra ny. Ankoatra ny fiheverana ny lesoka ao anatin'ny angon-drakitra fandrefesana misaraka amin'ny fiantraikany eo an-toerana, dia tombanana ihany koa ny fiantraikan'ny faritra. Miorina amin'ireo hevitra ireo, teknika interpolation maro no ampiasaina amin'ny jeostatistika, anisan'izany ny kriging ankapobeny, ny co-kriging, ny kriging mahazatra, ny kriging Bayesian empirika, ny fomba kriging tsotra ary teknika interpolation malaza hafa mba handrafetana na haminavina ny PTE, ny toetran'ny tany, ary ny karazana tany.
Ny Algorithma Machine Learning (MLA) dia teknika vaovao izay mampiasa kilasy angona tsy mitongilana lehibe kokoa, tohanan'ny algorithm ampiasaina indrindra amin'ny fitrandrahana angona, famantarana lamina ao amin'ny angona, ary ampiharina imbetsaka amin'ny fanasokajiana amin'ny sehatra siantifika toy ny siansa momba ny tany sy ny asa famerenana. Maro ny taratasy fikarohana miantehitra amin'ny modely MLA mba haminavina ny PTE amin'ny tany, toy ny Tan et al. 22 (ala kisendrasendra ho an'ny fanombanana metaly mavesatra amin'ny tany fambolena), Sakizadeh et al. 23 (modely mampiasa milina fanohanana vector sy tambajotra neural artifisialy) fandotoana ny tany). Ho fanampin'izany, Vega et al. 24 (CART ho an'ny modely ny fitazonana metaly mavesatra sy ny adsorption amin'ny tany) Sun et al. 25 (fampiharana ny cubist dia ny fizarana Cd amin'ny tany) ary algorithm hafa toy ny k-nearest neighbor, generalized boosted regression, ary boosted regression. Ny Trees koa dia nampihatra MLA mba haminavina ny PTE amin'ny tany.
Miatrika fanamby maro ny fampiharana ny algorithm DSM amin'ny faminaniana na ny fanaovana sarintany. Maro ny mpanoratra mino fa tsara kokoa noho ny jeostatistika ny MLA ary ny mifamadika amin'izany. Na dia tsara kokoa noho ny iray aza ny iray, ny fampiarahana ireo roa ireo dia manatsara ny haavon'ny fahamarinan'ny fanaovana sarintany na ny faminaniana ao amin'ny DSM15. Woodcock sy Gopal26 Finke27; Pontius sy Cheuk28 ary Grunwald29 dia maneho hevitra momba ny tsy fahampiana sy ny lesoka sasany amin'ny fanaovana sarintany tany vinavinaina. Nanandrana teknika isan-karazany ireo mpahay siansa momba ny tany mba hanatsarana ny fahombiazana, ny fahamarinan'ny ary ny fahafaha-maminavina ny fanaovana sarintany sy ny vinavina DSM. Ny fampiarahana ny tsy fahazoana antoka sy ny fanamarinana dia iray amin'ireo lafiny maro samihafa tafiditra ao amin'ny DSM mba hanatsarana ny fahombiazana sy hampihenana ny lesoka. Na izany aza, Agyeman et al. 15 dia milaza fa ny fitondran-tena fanamarinana sy ny tsy fahazoana antoka ateraky ny famoronana sarintany sy ny faminaniana dia tokony hohamarinina tsy miankina mba hanatsarana ny kalitaon'ny sarintany. Ny fetran'ny DSM dia vokatry ny kalitaon'ny tany miparitaka ara-jeografika, izay misy singa iray amin'ny tsy fahazoana antoka; Na izany aza, ny tsy fahampian'ny fahazoana antoka ao amin'ny DSM dia mety hipoitra avy amin'ny loharanon'ny fahadisoana maro, dia ny fahadisoana covariate, ny fahadisoana modely, ny fahadisoana toerana, ary ny fahadisoana analytical 31. Ny tsy fahamarinan'ny modely vokatry ny MLA sy ny dingana geostatistika dia mifandray amin'ny tsy fahampian'ny fahatakarana, izay mitarika amin'ny fanatsorana tafahoatra ny dingana tena izy32. Na inona na inona toetran'ny modely, ny tsy fahamarinana dia azo lazaina fa vokatry ny masontsivana modely, ny vinavinan'ny modely matematika, na ny interpolation33. Vao haingana, nisy fironana DSM vaovao nipoitra izay mampiroborobo ny fampidirana ny geostatistika sy ny MLA amin'ny fanaovana sarintany sy vinavina. Mpahay siansa sy mpanoratra momba ny tany maromaro, toa an'i Sergeev et al. 34; Subbotina et al. 35; Tarasov et al. 36 ary Tarasov et al. 37 no nanararaotra ny kalitaon'ny geostatistika sy ny fianarana milina marina mba hamoronana modely hybrid izay manatsara ny fahombiazan'ny vinavina sy ny fanaovana sarintany. kalitao. Ny sasany amin'ireo modely algorithm hybrid na mitambatra ireo dia ny 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 ary Co-Kriging sy Gaussian Process Regression38.
Araka ny voalazan'i Sergeev et al., ny fampifangaroana teknika modely isan-karazany dia manana ny fahafahana hanafoana ny lesoka sy hampitombo ny fahombiazan'ny modely hybrid vokarina fa tsy ny fampivoarana ny modely tokana. Amin'izany toe-javatra izany, ity lahatsoratra vaovao ity dia milaza fa ilaina ny mampihatra algorithm mitambatra amin'ny geostatistics sy MLA mba hamoronana modely hybrid tsara indrindra mba haminavina ny fanatsarana Ni any amin'ny faritra an-tanàn-dehibe sy manodidina. Ity fandalinana ity dia hiantehitra amin'ny Empirical Bayesian Kriging (EBK) ho modely fototra ary hampifangaro azy amin'ny modely Support Vector Machine (SVM) sy Multiple Linear Regression (MLR). Tsy fantatra ny fampifangaroana ny EBK amin'ny MLA rehetra. Ny modely mifangaro maro hita dia fitambaran'ny kriging mahazatra, sisa tavela, regression, ary MLA. Ny EBK dia fomba interpolation geostatistical izay mampiasa dingana stochastic ara-toerana izay eo an-toerana ho toy ny saha kisendrasendra tsy mijanona/mijanona miaraka amin'ny masontsivana localization voafaritra manerana ny saha, mamela ny fiovaovana ara-toerana39. Ny EBK dia nampiasaina tamin'ny fandalinana isan-karazany, anisan'izany ny famakafakana ny fizarana karbônina organika amin'ny tany fambolena40, ny fanombanana ny fahalotoan'ny tany41 ary ny fanaovana sarintany ny tany. fananana42.
Etsy ankilany, ny Self-Organizing Graph (SeOM) dia algorithm fianarana izay efa nampiharina tamin'ny lahatsoratra isan-karazany toy ny Li et al. 43, Wang et al. 44, Hossain Bhuiyan et al. 45 ary Kebonye et al.46 Mamaritra ny toetra ara-habakabaka sy ny vondrona singa. Wang et al. 44 dia manazava fa ny SeOM dia teknika fianarana mahery vaika fantatra amin'ny fahaizany manangona sy maka sary an-tsaina olana tsy linear. Tsy toy ny teknika famantarana lamina hafa toy ny famakafakana singa fototra, ny clustering fuzzy, ny clustering hierarchical, ary ny fandraisana fanapahan-kevitra misy fepetra maro, ny SeOM dia tsara kokoa amin'ny fandaminana sy famantarana ny lamina PTE. Araka ny voalazan'i Wang et al. 44, ny SeOM dia afaka manambatra ara-habakabaka ny fizarana ny neurons mifandraika ary manome sary an-tsaina avo lenta. Ny SeOM dia hampiseho ny angon-drakitra faminaniana Ni mba hahazoana ny modely tsara indrindra hamantarana ny valiny ho an'ny fandikana mivantana.
Ity lahatsoratra ity dia mikendry ny hamorona modely sarintany matanjaka miaraka amin'ny fahamarinan'ny tsara indrindra amin'ny faminaniana ny votoatin'ny nikela amin'ny tany an-tanàn-dehibe sy manodidina ny tanàn-dehibe. Mihevitra izahay fa ny fahatokisana ny modely mifangaro dia miankina indrindra amin'ny fiantraikan'ny modely hafa mifamatotra amin'ny modely fototra. Manaiky ny fanamby atrehin'ny DSM izahay, ary na dia voavaha amin'ny lafiny maro aza ireo fanamby ireo, ny fitambaran'ny fandrosoana amin'ny jeostatistika sy ny modely MLA dia toa mitombo tsikelikely; noho izany, hiezaka hamaly ireo fanontaniana fikarohana izay mety hiteraka modely mifangaro izahay. Na izany aza, hatraiza ny fahamarinan'ny modely amin'ny faminaniana ny singa kendrena? Ary koa, inona ny haavon'ny fanombanana ny fahombiazana mifototra amin'ny fanamarinana sy ny fanombanana ny fahamarinan-toerana? Noho izany, ny tanjona manokan'ity fandalinana ity dia ny (a) mamorona modely fangaro mitambatra ho an'ny SVMR na MLR mampiasa EBK ho modely fototra, (b) mampitaha ireo modely vokarina (c) manolotra ny modely fangaro tsara indrindra amin'ny faminaniana ny fifantohana Ni amin'ny tany an-tanàn-dehibe na manodidina ny tanàn-dehibe, ary (d) ny fampiharana ny SeOM mba hamoronana sarintany avo lenta momba ny fiovaovan'ny habaka nikela.
Any amin'ny Repoblika Tseky no anaovana ny fanadihadiana, indrindra fa ao amin'ny distrikan'i Frydek Mistek ao amin'ny faritr'i Moravia-Silesia (jereo ny Sary 1). Mikitoantoana be ny jeografian'ny faritra nanaovana ny fanadihadiana ary saika ao amin'ny faritr'i Moravia-Silesia Beskidy, izay ao amin'ny sisiny ivelany amin'ny Tendrombohitra Carpathian. Eo anelanelan'ny 49° 41′ 0′ N sy 18° 20′ 0′ E no misy ny faritra nanaovana ny fanadihadiana, ary eo anelanelan'ny 225 sy 327 m ny haavony; Na izany aza, ny rafitra fanasokajiana Koppen ho an'ny toetry ny toetrandro ao amin'ny faritra dia sokajiana ho Cfb = toetrandro ranomasina antonony. Betsaka ny rotsakorana na dia amin'ny volana maina aza. Miovaova kely ny mari-pana mandritra ny taona eo anelanelan'ny −5 °C sy 24 °C, mahalana vao midina ambanin'ny −14 °C na mihoatra ny 30 °C, raha toa kosa ny rotsakorana isan-taona eo anelanelan'ny 685 sy 752 mm47. Ny velaran-tany tombanana ho an'ny fanadihadiana manontolo dia 1.208 kilometatra toradroa, miaraka amin'ny 39.38% amin'ny tany ambolena ary 49.36% amin'ny ala rakotra. Etsy ankilany, ny velaran-tany ampiasaina amin'ity fanadihadiana ity dia eo amin'ny 889.8 kilometatra toradroa. Ao Ostrava sy manodidina, dia tena mavitrika ny indostrian'ny vy sy ny asa metaly. Ny orinasa metaly, ny indostrian'ny vy izay ampiasana ny nikela amin'ny vy tsy misy harafesina (ohatra ho an'ny fanoherana ny harafesina amin'ny atmosfera) ary ny vy firaka (ny nikela dia mampitombo ny tanjaky ny firaka sady mitazona ny fahafahany mihetsika sy ny hamafiny), ary ny fambolena mafonja toy ny fampiharana zezika phosphate sy ny famokarana biby fiompy dia loharanon-karena mety ho an'ny fikarohana momba ny nikela ao amin'ny faritra (ohatra, ny fanampiana nikela amin'ny zanak'ondry mba hampitomboana ny tahan'ny fitomboan'ny zanak'ondry sy ny omby tsy ampy sakafo). Ny fampiasana indostrialy hafa ny nikela amin'ny sehatry ny fikarohana dia ahitana ny fampiasana azy amin'ny electroplating, anisan'izany ny electroplating nikela sy ny electroless nickel plating processes. Mora avahana amin'ny lokon'ny tany, ny rafitra ary ny votoatin'ny karbonaty ny toetran'ny tany. Antonony ka hatramin'ny manify ny firafitry ny tany, avy amin'ny akora fototra. Manana toetra colluvial, alluvial na aeolian izy ireo. Ny faritra sasany amin'ny tany dia toa misy pentina eny ambonin'ny tany sy ny ambanin'ny tany, matetika misy beton sy bleaching. Na izany aza, ny cambisols sy stagnosols no karazana tany mahazatra indrindra ao amin'ny faritra48. Miaraka amin'ny haavo manomboka amin'ny 455.1 ka hatramin'ny 493.5 m, ny cambisols no manjaka amin'ny Repoblika Tseky49.
Sarintanin'ny faritra nianarana [Noforonina tamin'ny alalan'ny ArcGIS Desktop (ESRI, Inc, version 10.7, URL: https://desktop.arcgis.com) ny sarintanin'ny faritra nianarana.]
Santionan'ny tany ambonin'ny tany miisa 115 no nalaina avy amin'ny tany an-tanàn-dehibe sy manodidina ny tanàn-dehibe ao amin'ny distrikan'i Frydek Mistek. Ny lamina santionany nampiasaina dia tambajotra mahazatra misy santionan'ny tany misy elanelana 2 × 2 km, ary ny tany ambonin'ny tany dia norefesina tamin'ny halaliny 0 ka hatramin'ny 20 sm tamin'ny fampiasana fitaovana GPS entin-tanana (Leica Zeno 5 GPS). Fonosina ao anaty kitapo Ziploc ny santionany, asiana marika tsara, ary alefa any amin'ny laboratoara. Nohamainina tamin'ny rivotra ny santionany mba hahazoana santionany voatoto, nototoina tamin'ny rafitra mekanika (Fritsch disc mill), ary nosivana (haben'ny sivana 2 mm). Apetraho ao anaty tavoahangy teflon misy marika mazava tsara ny santionan'ny tany maina, voahodina ary voasivana 1 grama. Ao anaty fitoeran-javatra Teflon tsirairay, asio 7 ml HCl 35% sy 3 ml HNO3 65% (amin'ny fampiasana mpizara mandeha ho azy - iray ho an'ny asidra tsirairay), sarony moramora ary avela hijanona mandritra ny alina ny santionany mandritra ny fihetsehana (fandaharan'asa aqua regia). Apetraho eo amin'ny takelaka metaly mafana ny ranoka (hafanana: 100 W sy 160 °C) mandritra ny 2 ora mba hanamorana ny dingan'ny fandevonan-kanina ireo santionany, dia avela hangatsiaka. Afindrao ao anaty tavoara volumetrika 50 ml ny ranoka ary afangaro amin'ny rano deionized ho 50 ml. Aorian'izay, sivana ao anaty fantsona PVC 50 ml misy rano deionized ny ranoka efa voadio. Fanampin'izany, 1 ml amin'ny vahaolana dilution dia afangaro amin'ny rano deionized 9 ml ary sivana ao anaty fantsona 12 ml voaomana ho an'ny pseudo-concentration PTE. Ny fifantohana ny PTE (As, Cd, Cr, Cu, Mn, Ni, Pb, Zn, Ca, Mg, K) dia voafaritra tamin'ny alàlan'ny ICP-OES (Inductively Coupled Plasma Optical Emission Spectroscopy) (Thermo Fisher Scientific, Etazonia) araka ny fomba sy fifanarahana mahazatra. Ataovy azo antoka ny fomba fiasa Quality Assurance and Control (QA/QC) (SRM NIST 2711a Montana II Soil). Ny PTE manana fetran'ny fahitana latsaky ny antsasany dia nesorina tamin'ity fandalinana ity. Ny fetran'ny fahitana ny PTE nampiasaina tamin'ity fandalinana ity dia 0.0004.(ianao). Ankoatra izany, ny fanaraha-maso ny kalitao sy ny fiantohana ny kalitao ho an'ny fanadihadiana tsirairay dia azo antoka amin'ny alàlan'ny famakafakana ireo fenitra fanondroana. Mba hahazoana antoka fa voahena ny lesoka dia nisy famakafakana indroa natao.
Ny Empirical Bayesian Kriging (EBK) dia iray amin'ireo teknika interpolation geostatistika maro ampiasaina amin'ny modely amin'ny sehatra samihafa toy ny siansa momba ny tany. Tsy toy ny teknika interpolation kriging hafa, ny EBK dia miavaka amin'ny fomba kriging nentim-paharazana amin'ny fandinihana ny lesoka tombanana amin'ny modely semivariogram. Ao amin'ny interpolation EBK, modely semivariogram maromaro no kajiana mandritra ny interpolation, fa tsy semivariogram tokana. Ny teknika interpolation dia manome lalana ho an'ny tsy fahazoana antoka sy ny fandaharana mifandraika amin'ity drafitra ny semivariogram ity izay ampahany sarotra be amin'ny fomba kriging ampy. Ny dingana interpolation an'ny EBK dia manaraka ny fepetra telo natolotry ny Krivoruchko50, (a) ny modely dia manombana ny semivariogram avy amin'ny angon-drakitra fidirana (b) ny sanda vinavinaina vaovao ho an'ny toerana tsirairay amin'ny angon-drakitra fidirana mifototra amin'ny semivariogram novokarina ary (c) ny modely A farany dia kajiana avy amin'ny angon-drakitra simulated. Ny fitsipiky ny equation Bayesian dia omena ho toy ny posterior
Raha maneho ny prior ny \(Prob\left(A\right)\) dia tsy raharahiana amin'ny ankamaroan'ny tranga ny \(Prob\left(B\right)\) marginal probability, \(Prob (B,A)\). Ny kajy semivariogram dia mifototra amin'ny fitsipiky ny Bayes, izay mampiseho ny fironana amin'ny angon-drakitra fandinihana izay azo foronina avy amin'ny semivariograms. Ny sandan'ny semivariogram dia faritana avy eo amin'ny fampiasana ny fitsipiky ny Bayes, izay milaza ny mety hisian'ny famoronana angon-drakitra fandinihana avy amin'ny semivariogram.
Ny milina support vector dia algorithm fianarana milina izay mamorona hyperplane manasaraka tsara indrindra mba hanavahana ireo kilasy mitovy nefa tsy mahaleo tena amin'ny fomba lineary. Vapnik51 no namorona ny algorithm fanasokajiana intent, saingy vao haingana no nampiasaina hamahana olana mifantoka amin'ny regression. Araka ny voalazan'i Li et al.52, ny SVM dia iray amin'ireo teknika fanasokajiana tsara indrindra ary efa nampiasaina tamin'ny sehatra isan-karazany. Ny singa regression an'ny SVM (Support Vector Machine Regression - SVMR) no nampiasaina tamin'ity fanadihadiana ity. Cherkassky sy ​​Mulier53 no nanolotra ny SVMR ho toy ny regression mifototra amin'ny kernel, izay ny kajy dia natao tamin'ny fampiasana modely regression linear miaraka amin'ny fiasa ara-habakabaka maro firenena. John et al54 dia mitatitra fa ny modely SVMR dia mampiasa regression linear hyperplane, izay mamorona fifandraisana tsy lineary ary mamela ny fiasa ara-habakabaka. Araka ny voalazan'i Vohland et al. 55, ny epsilon (ε)-SVMR dia mampiasa ny angon-drakitra voaofana mba hahazoana modely fanehoana ho toy ny fiasa tsy mahatsapa ny epsilon izay ampiharina amin'ny sarintany ny angon-drakitra tsy miankina amin'ny epsilon bias tsara indrindra avy amin'ny fiofanana amin'ny angon-drakitra mifandraika. Tsy raharahiana ny hadisoan'ny elanelana efa voafaritra mialoha amin'ny sanda tena izy, ary raha lehibe noho ny ε(ε) ny hadisoana, dia manonitra izany ny toetran'ny tany. Mampihena ny fahasarotan'ny angon-drakitra fiofanana ho lasa ampahany midadasika kokoa amin'ny vectors fanohanana ihany koa ny modely. Aseho etsy ambany ny fampitoviana natolotry ny Vapnik51.
izay maneho ny tokonam-baravaran'ny scalar ny b, maneho ny fiasan'ny kernel ny \(K\left({x}_{,}{ x}_{k}\right)\), maneho ny multiplier Lagrange ny \(\alpha\), maneho ny data numeric ny N, maneho ny fidirana data ny \({x}_{k}\), ary ny output data ny \(y\). Ny iray amin'ireo kernel fototra ampiasaina dia ny operation SVMR, izay Gaussian radial basis function (RBF). Ampiharina ny kernel RBF mba hamaritana ny modely SVMR tsara indrindra, izay tena ilaina mba hahazoana ny penalty set factor C sy ny kernel parameter gamma (γ) ho an'ny angon-drakitra fiofanana PTE. Voalohany, nanombana ny andiana fiofanana izahay ary avy eo dia nizaha toetra ny fahombiazan'ny modely tamin'ny validation set. Ny steering parameter ampiasaina dia sigma ary ny method value dia svmRadial.
Ny modely regression lineary marobe (MLR) dia modely regression izay maneho ny fifandraisana misy eo amin'ny variable response sy ny variables predictor maromaro amin'ny alàlan'ny fampiasana paramètres linearly pooled kajy amin'ny alàlan'ny fomba least squares. Ao amin'ny MLR, ny modely least squares dia fiasa predictive amin'ny toetran'ny tany aorian'ny fisafidianana variables fanazavana. Ilaina ny mampiasa ny valiny mba hametrahana fifandraisana linear amin'ny alàlan'ny variables fanazavana. Ny PTE dia nampiasaina ho variable response mba hametrahana fifandraisana linear amin'ny variables fanazavana. Ny equation MLR dia
izay y ny fiovaovan'ny valiny, \(a\) ny intercept, n ny isan'ny predictors, \({b}_{1}\) ny regression ampahany amin'ny coefficients, \({x}_{ i}\) maneho ny predictor na ny variable fanazavana, ary \({\varepsilon }_{i}\) maneho ny lesoka ao amin'ny modely, fantatra ihany koa amin'ny hoe residual.
Ireo modely mifangaro dia azo tamin'ny alalan'ny fampifangaroana ny EBK amin'ny SVMR sy MLR. Izany dia atao amin'ny alalan'ny fanesorana ireo sanda vinavinaina avy amin'ny interpolation EBK. Ireo sanda vinavinaina azo avy amin'ny interpolation Ca, K, ary Mg dia azo amin'ny alalan'ny dingana mitambatra mba hahazoana variables vaovao, toy ny CaK, CaMg, ary KMg. Avy eo dia ampiarahina ireo singa Ca, K ary Mg mba hahazoana variable fahefatra, CaKMg. Amin'ny ankapobeny, ireo variables azo dia Ca, K, Mg, CaK, CaMg, KMg ary CaKMg. Ireo variables ireo no lasa predictor anay, izay manampy amin'ny faminaniana ny fifantohan'ny nikela amin'ny tany an-tanàn-dehibe sy manodidina ny tanàn-dehibe. Ny algorithm SVMR dia natao tamin'ireo predictors mba hahazoana modely mifangaro Empirical Bayesian Kriging-Support Vector Machine (EBK_SVM). Toy izany koa, ireo variables dia alefa amin'ny alalan'ny algorithm MLR mba hahazoana modely mifangaro Empirical Bayesian Kriging-Multiple Linear Regression (EBK_MLR). Matetika, ireo variables Ca, K, Mg, Ny CaK, CaMg, KMg, ary CaKMg dia ampiasaina ho toy ny covariates ho toy ny predictor ny votoatin'ny Ni amin'ny tany an-tanàn-dehibe sy manodidina ny tanàn-dehibe. Ny modely azo ekena indrindra azo (EBK_SVM na EBK_MLR) dia ho hita maso amin'ny alàlan'ny grafika mandamina tena. Ny fizotran'ity fandalinana ity dia aseho amin'ny Sary 2.
Ny fampiasana SeOM dia lasa fitaovana malaza amin'ny fandaminana, fanombanana ary vinavina ny angon-drakitra eo amin'ny sehatry ny ara-bola, ny fahasalamana, ny indostria, ny antontan'isa, ny siansa momba ny tany, sy ny maro hafa. Ny SeOM dia noforonina tamin'ny fampiasana tambajotra neural artifisialy sy fomba fianarana tsy misy fanaraha-maso ho an'ny fandaminana, fanombanana ary faminaniana. Ato amin'ity fandalinana ity, ny SeOM dia nampiasaina mba hijerena ny fifantohana Ni mifototra amin'ny modely tsara indrindra amin'ny faminaniana ny Ni amin'ny tany an-tanàn-dehibe sy manodidina ny tanàn-dehibe. Ny angon-drakitra voahodina amin'ny fanombanana SeOM dia ampiasaina ho toy ny variable vector input-dimensional n43,56. Melssen et al. 57 dia mamaritra ny fifandraisan'ny vecteur fidirana ao amin'ny tambajotra neural amin'ny alàlan'ny sosona fidirana tokana amin'ny vecteur fivoahana misy vecteur lanja tokana. Ny fivoahana ateraky ny SeOM dia sarintany roa refy misy neurons na nodes samihafa voatenona ho sarintany topolojika hexagonal, boribory, na efamira araka ny akaiky azy ireo. Mampitaha ny haben'ny sarintany mifototra amin'ny metrika, hadisoana quantization (QE) ary hadisoana topografika (TE), ny modely SeOM miaraka amin'ny 0.086 sy 0.904, tsirairay avy, no nofantenana, izay singa sarintany 55 (5 × 11). Ny rafitry ny neuron dia faritana araka ny isan'ny nodes ao amin'ny equation empirika.
Santionany 115 ny isan'ny angon-drakitra nampiasaina tamin'ity fanadihadiana ity. Nampiasaina ny fomba fiasa kisendrasendra mba hanasarahana ny angon-drakitra ho angon-drakitra fitsapana (25% ho an'ny fanamarinana) sy angon-drakitra fiofanana (75% ho an'ny fanamarinana). Ny angon-drakitra fiofanana dia ampiasaina hamoronana ny modely regression (calibration), ary ny angon-drakitra fitsapana dia ampiasaina hanamarinana ny fahaiza-manazava.58 Izany dia natao mba hanombanana ny mety ho vitan'ny modely isan-karazany amin'ny faminaniana ny votoatin'ny nikela ao anaty tany. Ny modely rehetra ampiasaina dia nandalo dingana fanamarinana impolo heny, naverina in-dimy. Ny variables vokarin'ny interpolation EBK dia ampiasaina ho toy ny predictor na variables fanazavana mba haminavina ny variable kendrena (PTE). Ny modely dia karakaraina ao amin'ny RStudio amin'ny fampiasana ny fonosana library(Kohonen), library(caret), library(modelr), library(“e1071″), library(“plyr”), library(“caTools”), library(” prospectr”) ary libraries (“Metrics”).
Nampiasaina ireo masontsivana fanamarinana isan-karazany mba hamaritana ny modely tsara indrindra mety amin'ny faminaniana ny fifantohan'ny nikela ao anaty tany sy hanombanana ny fahamarinan'ny modely sy ny fanamarinana azy. Notombanana tamin'ny fampiasana ny fahadisoana tanteraka antonony (MAE), ny fahadisoana efamira antonony fototra (RMSE), ary ny famaritana ny koefisien'ny R-squared (R2) ny modely hybridization. Ny R2 dia mamaritra ny fiovaovan'ny ampahany amin'ny valiny, asehon'ny modely regression. Ny RMSE sy ny haben'ny fiovaovana amin'ny fepetra tsy miankina dia mamaritra ny herin'ny faminaniana ny modely, raha ny MAE kosa mamaritra ny sanda tena izy. Tsy maintsy avo ny sandan'ny R2 mba hanombanana ny modely fangaro tsara indrindra amin'ny fampiasana ny masontsivana fanamarinana, arakaraka ny maha akaiky ny sanda amin'ny 1 no maha avo ny fahamarinany. Araka ny voalazan'i Li et al. 59, ny sandan'ny fepetra R2 0.75 na mihoatra dia heverina ho faminaniana tsara; eo anelanelan'ny 0.5 sy 0.75 dia fampisehoana modely azo ekena, ary ambanin'ny 0.5 dia fampisehoana modely tsy azo ekena. Rehefa misafidy modely amin'ny fampiasana ny fomba fanombanana ny fepetra fanamarinana RMSE sy MAE, dia ampy ny sanda ambany azo ary noheverina ho safidy tsara indrindra. Ity fampitoviana manaraka ity dia mamaritra ny fomba fanamarinana.
izay maneho ny haben'ny sanda voamarika ny n\({Y}_{i}\) maneho ny valiny voarefy, ary ny \({\widehat{Y}}_{i}\) koa dia maneho ny sandan'ny valiny vinavinaina, noho izany, ho an'ny fandinihana i voalohany.
Aseho ao amin'ny Tabilao 1 ny famaritana statistika momba ny mpanombana sy ny fiovaovan'ny valiny, izay mampiseho ny salan'isa, ny fivilian-dàlana mahazatra (SD), ny coefficient of variation (CV), ny kely indrindra, ny ambony indrindra, ny kurtosis, ary ny skewness. Ny sanda kely indrindra sy ambony indrindra amin'ireo singa dia amin'ny filaharana mihena Mg < Ca < K < Ni sy Ca < Mg < K < Ni. Ny fifantohana amin'ny fiovaovan'ny valiny (Ni) nalaina avy amin'ny faritra nanaovana ny fandalinana dia teo anelanelan'ny 4.86 sy 42.39 mg/kg. Ny fampitahana ny Ni amin'ny salan'isa manerantany (29 mg/kg) sy ny salan'isa Eoropeana (37 mg/kg) dia naneho fa ny salan'isa jeometrika kajy ankapobeny ho an'ny faritra nanaovana ny fandalinana dia tao anatin'ny elanelana azo leferina. Na izany aza, araka ny asehon'i Kabata-Pendias11, ny fampitahana ny salan'isa fifantohana nikela (Ni) amin'ny fandalinana ankehitriny amin'ny tany fambolena any Soeda dia mampiseho fa ambony kokoa ny salan'isa fifantohana nikela amin'izao fotoana izao. Toy izany koa, ny salan'isa fifantohana Frydek Mistek amin'ny tany an-tanàn-dehibe sy manodidina amin'ny fandalinana ankehitriny (Ni 16.15 mg/kg) dia ambony noho ny fetra azo avela. 60 (10.2 mg/kg) ho an'ny Ni amin'ny tany an-tanàn-dehibe Poloney notaterin'i Różański et al. Ankoatra izany, Bretzel sy Calderisi61 dia nandrakitra fifantohana Ni ambany dia ambany (1.78 mg/kg) tamin'ny tany an-tanàn-dehibe tao Toscane raha oharina amin'ny fanadihadiana ankehitriny. Jim62 koa dia nahita fifantohana nikela ambany kokoa (12.34 mg/kg) tamin'ny tany an-tanàn-dehibe Hong Kong, izay ambany noho ny fifantohana nikela ankehitriny amin'ity fanadihadiana ity. Birke et al63 dia nitatitra fifantohana Ni antonony 17.6 mg/kg tao amin'ny faritra fitrandrahana harena an-kibon'ny tany sy indostrialy an-tanàn-dehibe taloha tao Saxony-Anhalt, Alemaina, izay 1.45 mg/kg ambony noho ny fifantohana Ni antonony ao amin'ny faritra (16.15 mg/kg). Fikarohana ankehitriny. Ny votoatin'ny nikela be loatra amin'ny tany any amin'ny faritra an-tanàn-dehibe sy ambanivohitra sasany ao amin'ny faritra fanadihadiana dia mety ho vokatry ny indostrian'ny vy sy vy ary ny indostrian'ny metaly. Izany dia mifanaraka amin'ny fanadihadiana nataon'i Khodadoust et al. 64 fa ny indostrian'ny vy sy ny asa metaly no loharanon'ny loto nikela amin'ny tany. Na izany aza, ny vinavina dia manomboka amin'ny 538.70 mg/kg ka hatramin'ny 69,161.80 mg/kg ho an'ny Ca, 497.51 mg/kg ka hatramin'ny 3535.68 mg/kg ho an'ny K, ary 685.68 mg/kg ka hatramin'ny 5970.05 mg/kg ho an'ny Mg. Jakovljevic et al. 65 dia nanadihady ny votoatin'ny Mg sy K manontolo ao amin'ny tany afovoan'i Serbia. Hitan'izy ireo fa ny fifantohana manontolo (410 mg/kg sy 400 mg/kg, tsirairay avy) dia ambany noho ny fifantohana Mg sy K tamin'ny fandalinana ankehitriny. Tsy azo avahana, tany atsinanan'i Polonina, Orzechowski sy Smolczynski66 dia nanombana ny votoatin'ny Ca, Mg ary K manontolo ary naneho fifantohana Ca antonony (1100 mg/kg), Mg (590 mg/kg) ary K (810 mg/kg). Ny votoatin'ny tany ambony dia ambany noho ny singa tokana amin'ity fandalinana ity. Ny fandalinana vao haingana nataon'i Pongrac et al. 67 dia naneho fa ny votoatin'ny Ca manontolo nodinihina tamin'ny tany 3 samihafa tany Scotland, UK (tany Mylnefield, tany Balruddery ary tany Hartwood) dia nanondro votoaty Ca ambony kokoa tamin'ity fandalinana ity.
Noho ny tsy fitoviana eo amin'ny fifantohana voarefy amin'ireo singa nalaina santionany, dia mampiseho fiolahana samihafa ny fizarazarana ny angon-drakitra. Ny fiolahana sy ny kurtosis an'ireo singa dia eo anelanelan'ny 1.53 sy 7.24 ary 2.49 sy 54.16 tsirairay avy. Ny singa rehetra voakajy dia manana haavon'ny fiolahana sy kurtosis mihoatra ny +1, izay midika fa tsy ara-dalàna ny fizarazarana ny angon-drakitra, mitongilana amin'ny lalana marina ary manana tendrony ambony. Ny CV tombanana ho an'ireo singa dia mampiseho ihany koa fa ny K, Mg, ary Ni dia mampiseho fiovaovana antonony, raha toa kosa ny Ca dia manana fiovaovana avo dia avo. Ny CV an'ny K, Ni ary Mg dia manazava ny fizarazarana mitovy amin'izy ireo. Ankoatra izany, ny fizarazarana Ca dia tsy mitovy ary ny loharano ivelany dia mety hisy fiantraikany amin'ny haavon'ny fanatsarana azy.
Ny fifandraisan'ireo fiovaovan'ny mpaminavina amin'ireo singa mamaly dia naneho fifandraisana mahafa-po teo amin'ireo singa (jereo ny Sary 3). Ny fifandraisana dia naneho fifandraisana antonony tamin'ny sandan'ny r = 0.53 ny CaK, toy ny CaNi ihany koa. Na dia mampiseho fifandraisana antonony aza ny Ca sy K, ireo mpikaroka toa an'i Kingston et al. 68 sy Santo69 dia milaza fa mifanohitra amin'ny tahan'ny K ny tahan'izy ireo ao anaty tany. Na izany aza, mifanohitra amin'ny K ny Ca sy Mg, fa mifandray tsara kosa ny CaK. Mety ho vokatry ny fampiharana zezika toy ny potassium carbonate izany, izay 56% ambony kokoa ny potassium. Mifandray antonony amin'ny magnesium ny potassium (KM r = 0.63). Ao amin'ny indostrian'ny zezika, mifandray akaiky ireo singa roa ireo satria ny potassium magnesium sulfate, potassium magnesium nitrate, ary potash dia ampiharina amin'ny tany mba hampitomboana ny tsy fahampiany. Mifandray antonony amin'ny Ca, K ary Mg ny nikela miaraka amin'ny sanda r = 0.52, 0.63 ary 0.55 tsirairay avy. Sarotra ny fifandraisana misy eo amin'ny kalsioma, magnesium, ary PTE toy ny nikela, saingy na izany aza, ny magnesium dia manakana ny fidiran'ny kalsioma, ny kalsioma dia mampihena ny vokatry ny magnesium be loatra, ary ny magnesium sy ny kalsioma dia mampihena ny vokatry ny nikela amin'ny tany.
Matrisin'ny fifandraisana ho an'ny singa mampiseho ny fifandraisana misy eo amin'ny mpaminavina sy ny valiny (Fanamarihana: ity sary ity dia misy tetika miparitaka eo amin'ny singa, ny haavon'ny dikany dia mifototra amin'ny p < 0,001).
Ny Sary 4 dia mampiseho ny fizarana ara-habakabaka an'ireo singa. Araka ny voalazan'i Burgos et al70, ny fampiharana ny fizarana ara-habakabaka dia teknika ampiasaina handrefesana sy hanasongadinana ireo toerana mafana any amin'ny faritra voaloto. Ny haavon'ny Ca ao amin'ny Sary 4 dia hita eo amin'ny ilany avaratra andrefana amin'ny sarintany fizarana ara-habakabaka. Ny sary dia mampiseho ireo toerana mafana misy Ca antonony ka hatramin'ny avo. Ny fampitomboana kalsioma any avaratra andrefana amin'ny sarintany dia mety ho vokatry ny fampiasana sokay haingana (kalsioma oksida) mba hampihenana ny asidra amin'ny tany sy ny fampiasana azy amin'ny orinasa vy ho toy ny oksizenina alkaline amin'ny fizotran'ny fanamboarana vy. Etsy ankilany, ny tantsaha hafa dia aleony mampiasa kalsioma hydroxide amin'ny tany asidra mba hanalefahana ny pH, izay mampitombo ihany koa ny votoatin'ny kalsioma ao amin'ny tany71. Ny Potassium koa dia mampiseho ireo toerana mafana any avaratra andrefana sy atsinanan'ny sarintany. Ny Avaratra Andrefana dia vondrom-piarahamonina mpamboly lehibe, ary ny lamina antonony ka hatramin'ny avo amin'ny potasioma dia mety ho vokatry ny fampiharana NPK sy potash. Mifanaraka amin'ny fanadihadiana hafa izany, toy ny Madaras sy Lipavský72, Madaras et al.73, Pulkrabová et al.74, Asare et al.75, izay nahita fa ny fanamafisana ny tany sy Ny fitsaboana tamin'ny KCl sy NPK dia niafara tamin'ny habetsahan'ny K tao anaty tany. Ny fampitomboana ny habetsahan'ny Potassium ao amin'ny faritra avaratra andrefan'ny sarintany fizarana dia mety ho vokatry ny fampiasana zezika misy potassium toy ny potassium chloride, potassium sulfate, potassium nitrate, potash, ary potash mba hampitomboana ny habetsahan'ny potassium ao amin'ny tany mahantra. Zádorová et al. 76 sy Tlustoš et al. 77 dia nanazava fa ny fampiharana zezika mifototra amin'ny K dia nampitombo ny votoatin'ny K ao amin'ny tany ary hampitombo be ny votoatin'ny otrikaina ao amin'ny tany amin'ny fotoana maharitra, indrindra fa ny K sy Mg izay mampiseho toerana mafana ao amin'ny tany. Ireo toerana mafana antonony eo avaratra andrefan'ny sarintany sy atsimo atsinanan'ny sarintany. Ny fijanonana koloidal ao amin'ny tany dia mampihena ny fifantohan'ny magnesium ao amin'ny tany. Ny tsy fahampian'izany ao amin'ny tany dia mahatonga ny zavamaniry haneho chlorosis intervein mavo. Ny zezika mifototra amin'ny magnesium, toy ny potassium magnesium sulfate, magnesium sulfate, ary Kieserite, dia mitsabo ny tsy fahampiana (ny zavamaniry dia miseho volomparasy, mena, na volontany, izay manondro ny tsy fahampian'ny magnesium) amin'ny tany misy pH ara-dalàna6. Ny fiangonan'ny nikela amin'ny velaran-tany an-tanàn-dehibe sy manodidina ny tanàn-dehibe dia mety ho vokatry ny asa ataon'ny olombelona toy ny fambolena sy ny maha-zava-dehibe ny nikela amin'ny famokarana vy tsy misy harafesina78.
Fizarana ara-toerana ny singa [noforonina tamin'ny alalan'ny ArcGIS Desktop (ESRI, Inc, Version 10.7, URL: https://desktop.arcgis.com) ny sarintany fizarana ara-toerana.]
Aseho ao amin'ny Tabilao 2 ny valin'ny tondro fampisehoana modely ho an'ireo singa ampiasaina amin'ity fandalinana ity. Etsy ankilany, ny RMSE sy MAE an'ny Ni dia samy akaiky ny aotra (0.86 RMSE, -0.08 MAE). Etsy ankilany, samy azo ekena ny sandan'ny RMSE sy MAE an'ny K. Lehibe kokoa ny valin'ny RMSE sy MAE ho an'ny kalsioma sy manezioma. Lehibe kokoa ny valin'ny Ca sy K ho an'ny MAE sy RMSE noho ny angon-drakitra samihafa. Ny RMSE sy MAE tamin'ity fandalinana ity izay nampiasa EBK mba haminavina ny Ni dia hita fa tsara kokoa noho ny valin'ny John et al. 54 izay nampiasa kriging synergistic mba haminavina ny fifantohana S ao anaty tany amin'ny fampiasana angon-drakitra voangona mitovy. Ny vokatra EBK izay nodinihinay dia mifandray amin'ny an'i Fabijaczyk et al. 41, Yan et al. 79, Beguin et al. 80, Adhikary et al. 81 ary John et al. 82, indrindra ny K sy Ni.
Ny fahombiazan'ny fomba tsirairay amin'ny faminaniana ny votoatin'ny nikela amin'ny tany an-tanàn-dehibe sy manodidina ny tanàn-dehibe dia nojerena tamin'ny fampiasana ny fahombiazan'ny modely (Tabilao 3). Ny fanamarinana sy ny fanombanana ny fahamarinan'ny modely dia nanamafy fa ny mpamantatra Ca_Mg_K miaraka amin'ny modely EBK SVMR no nahazo ny fahombiazana tsara indrindra. Ny modely kalibration Ca_Mg_K-EBK_SVMR modely R2, ny root mean square error (RMSE) ary ny mean absolute error (MAE) dia 0.637 (R2), 95.479 mg/kg (RMSE) ary 77.368 mg/kg (MAE). Ny Ca_Mg_K-SVMR dia 0.663 (R2), 235.974 mg/kg (RMSE) ary 166.946 mg/kg (MAE). Na izany aza, ny sandan'ny R2 tsara dia azo ho an'ny Ca_Mg_K-SVMR (0.663 mg/kg R2) sy Ca_Mg-EBK_SVMR (0.643 = R2); Ambony kokoa noho ny an'ny Ca_Mg_K-EBK_SVMR (R2 0.637) ny valin'ny RMSE sy MAE-ny (jereo ny Tabilao 3). Ankoatra izany, ny RMSE sy MAE an'ny modely Ca_Mg-EBK_SVMR (RMSE = 1664.64 sy MAE = 1031.49) dia 17.5 sy 13.4 tsirairay avy, izay lehibe kokoa noho ny an'ny Ca_Mg_K-EBK_SVMR. Toy izany koa, ny RMSE sy MAE an'ny modely Ca_Mg-K SVMR (RMSE = 235.974 sy MAE = 166.946) dia 2.5 sy 2.2 lehibe kokoa noho ny an'ny Ca_Mg_K-EBK_SVMR RMSE sy MAE. Ny valin'ny RMSE kajy dia manondro ny fifantohan'ny angon-drakitra amin'ny tsipika mifanaraka indrindra. Nahitana RSME sy MAE ambony kokoa. Araka ny voalazan'i Kebonye et al. 46 sy john et al. 54, arakaraka ny maha akaiky ny RMSE sy MAE amin'ny aotra no tsara kokoa ny vokatra. Ny SVMR sy EBK_SVMR dia manana sanda RSME sy MAE voaisa ambony kokoa. Voamarika fa ny tombana RSME dia avo kokoa noho ny sanda MAE, izay manondro ny fisian'ny outliers. Araka ny voalazan'i Legates sy McCabe83, ny halehiben'ny RMSE mihoatra ny salan'isa tanteraka (MAE) dia atolotra ho famantarana ny fisian'ny outliers. Midika izany fa arakaraka ny tsy fitoviana amin'ny angon-drakitra no avo kokoa ny sanda MAE sy RMSE. Ny fahamarinan'ny fanombanana ny fanamarinana miampita ny modely mifangaro Ca_Mg_K-EBK_SVMR ho an'ny faminaniana ny votoatin'ny Ni amin'ny tany an-tanàn-dehibe sy ambanivohitra dia 63.70%. Araka ny voalazan'i Li et al. 59, ity haavon'ny fahamarinan'ny modely ity dia tahan'ny fampisehoana azo ekena. Ny vokatra ankehitriny dia ampitahaina amin'ny fanadihadiana teo aloha nataon'i Tarasov et al. 36 izay namorona ny MLPRK (Multilayer Perceptron Residual Kriging) ny modely hybride, mifandraika amin'ny tondro fanombanana ny fahamarinan'ny EBK_SVMR notaterina tao amin'ny fanadihadiana ankehitriny, ny RMSE (210) sy ny MAE (167.5) dia ambony noho ny valin'ny fanadihadiana ankehitriny (RMSE 95.479, MAE 77.368). Na izany aza, rehefa ampitahaina amin'ny an'i Tarasov et al. ny R2 amin'ny fanadihadiana ankehitriny (0.637). 36 (0.544), mazava fa avo kokoa ny coefficient determination (R2) amin'ity modely mifangaro ity. Ny margin of error (RMSE sy MAE) (EBK SVMR) ho an'ny modely mifangaro dia avo roa heny ambany. Toy izany koa, Sergeev et al.34 dia nandrakitra 0.28 (R2) ho an'ny modely hybrid novolavolaina (Multilayer Perceptron Residual Kriging), raha ny Ni kosa tamin'ny fanadihadiana ankehitriny dia nandrakitra 0.637 (R2). Ny haavon'ny fahamarinan'ny vinavina an'ity modely ity (EBK SVMR) dia 63.7%, raha ny fahamarinan'ny vinavina azon'i Sergeev et al. 34 kosa dia 28%. Ny sarintany farany (Sary 5) noforonina tamin'ny fampiasana ny modely EBK_SVMR sy Ca_Mg_K ho toy ny predictor dia mampiseho ny vinavinan'ny toerana mafana sy antonony ka hatramin'ny nikela manerana ny faritra fianarana manontolo. Midika izany fa ny fifantohana nikela ao amin'ny faritra fianarana dia antonony indrindra, miaraka amin'ny fifantohana ambony kokoa amin'ny faritra sasany manokana.
Ny sarintany faminaniana farany dia aseho amin'ny fampiasana ny modely hybrid EBK_SVMR ary mampiasa ny Ca_Mg_K ho toy ny mpanondro. [Ny sarintany fizarana ara-habakabaka dia noforonina tamin'ny fampiasana RStudio (dikan-teny 1.4.1717: https://www.rstudio.com/).]
Aseho amin'ny Sary 6 ny fifantohana PTE ho toy ny sehatra firafitra misy neurons tsirairay. Tsy nisy tamin'ireo sehatra singa naneho lamina loko mitovy amin'ny aseho. Na izany aza, ny isan'ny neurons mety amin'ny sarintany voasoritra dia 55. Ny SeOM dia novokarina tamin'ny fampiasana loko isan-karazany, ary arakaraka ny fitoviana amin'ny lamina loko no azo ampitahaina kokoa ny toetran'ny santionany. Araka ny ambaratongan'ny loko marina, ny singa tsirairay (Ca, K, ary Mg) dia naneho lamina loko mitovy amin'ny neurons tokana avo lenta sy ny ankamaroan'ny neurons ambany. Noho izany, ny CaK sy CaMg dia mizara fitoviana amin'ny neurons tena avo lenta sy ny lamina loko ambany ka hatramin'ny antonony. Samy maminavina ny fifantohana Ni ao anaty tany ireo modely roa ireo amin'ny alàlan'ny fampisehoana loko antonony ka hatramin'ny avo toy ny mena, volomboasary ary mavo. Ny modely KMg dia mampiseho lamina loko avo lenta maro mifototra amin'ny refy marina sy ny loko ambany ka hatramin'ny antonony. Amin'ny ambaratongan'ny loko marina avy amin'ny ambany ka hatramin'ny avo, ny lamina fizarana planar an'ny singa ao amin'ny modely dia naneho lamina loko avo lenta izay manondro ny mety ho fifantohana nikela ao anaty tany (jereo ny Sary 4). Ny sehatra singa modely CakMg dia mampiseho lamina loko isan-karazany avy amin'ny ambany ka hatramin'ny avo araka ny loko marina. mizana. Ankoatra izany, ny vinavinan'ny modely momba ny votoatin'ny nikela (CakMg) dia mitovy amin'ny fizarana ara-habakabaka ny nikela aseho amin'ny Sary 5. Samy mampiseho ny tahan'ny fifantohana nikela avo, antonony ary ambany amin'ny tany an-tanàn-dehibe sy manodidina ny tanàn-dehibe ireo grafika roa ireo. Ny Sary 7 dia mampiseho ny fomba contour ao amin'ny vondrona k-means eo amin'ny sarintany, mizara ho vondrona telo mifototra amin'ny sanda vinavinaina ao amin'ny modely tsirairay. Ny fomba contour dia maneho ny isan'ny vondrona tsara indrindra. Amin'ireo santionan-tany 115 voangona, ny sokajy 1 no nahazo santionan-tany betsaka indrindra, 74. Ny vondrona 2 dia nahazo santionany 33, raha ny vondrona 3 kosa nahazo santionany 8. Nohafohezina ny fitambaran'ny predictor planar misy singa fito mba ahafahana mandika tsara ny vondrona. Noho ny dingana maro ateraky ny olombelona sy voajanahary izay misy fiantraikany amin'ny fiforonan'ny tany, dia sarotra ny manana lamina vondrona miavaka tsara ao amin'ny sarintany SeOM zaraina78.
Vokatra avy amin'ny fiovaovan'ny Empirical Bayesian Kriging Support Vector Machine (EBK_SVM_SeOM) tsirairay avy ny sarintanin'ny SeOM. [Noforonina tamin'ny fampiasana RStudio (dikan-teny 1.4.1717: https://www.rstudio.com/) ny sarintany SeOM.]
Singa samihafa amin'ny fanasokajiana vondrona [Noforonina tamin'ny fampiasana RStudio (dikan-teny 1.4.1717: https://www.rstudio.com/) ny sarintany SeOM.]
Ny fanadihadiana ankehitriny dia mampiseho mazava tsara ny teknika fanaovana modely ho an'ny fifantohana nikela amin'ny tany an-tanàn-dehibe sy manodidina ny tanàn-dehibe. Ny fanadihadiana dia nanandrana teknika fanaovana modely samihafa, nampifangaro singa tamin'ny teknika fanaovana modely, mba hahazoana ny fomba tsara indrindra haminavina ny fifantohana nikela ao anaty tany. Ny endri-javatra ara-toerana planar SeOM amin'ny teknika fanaovana modely dia naneho lamina loko avo lenta avy amin'ny ambany ka hatramin'ny avo amin'ny ambaratonga loko marina, izay manondro ny fifantohana Ni ao anaty tany. Na izany aza, ny sarintany fizarana ara-toerana dia manamafy ny fizarana ara-toerana planar amin'ny singa asehon'ny EBK_SVMR (jereo ny Sary 5). Ny valiny dia mampiseho fa ny modely regression machine vector support (Ca Mg K-SVMR) dia maminavina ny fifantohana Ni ao anaty tany ho modely tokana, saingy ny masontsivana fanamarinana sy fanombanana ny fahamarinan'ny vokatra dia mampiseho lesoka avo dia avo amin'ny resaka RMSE sy MAE. Etsy ankilany, ny teknika fanaovana modely ampiasaina amin'ny modely EBK_MLR dia misy lesoka ihany koa noho ny sandan'ny coefficient determination ambany (R2). Nahazo vokatra tsara ny fampiasana EBK SVMR sy singa mitambatra (CaKMg) miaraka amin'ny lesoka RMSE sy MAE ambany miaraka amin'ny fahamarinan'ny 63.7%. Hita fa ny fampifangaroana ny algorithm EBK amin'ny algorithm fianarana milina Afaka mamorona algorithm hybrid izay afaka maminavina ny fifantohan'ny PTE ao anaty tany. Ny valiny dia mampiseho fa ny fampiasana Ca Mg K ho toy ny predictor mba haminavina ny fifantohan'ny Ni ao amin'ny faritra nanaovana ny fanadihadiana dia afaka manatsara ny vinavinan'ny Ni ao anaty tany. Midika izany fa ny fampiharana tsy tapaka ny zezika mifototra amin'ny nikela sy ny fandotoana indostrialy ny tany ataon'ny indostrian'ny vy dia mirona hampitombo ny fifantohan'ny nikela ao anaty tany. Ity fanadihadiana ity dia naneho fa ny modely EBK dia afaka mampihena ny haavon'ny lesoka ary manatsara ny fahamarinan'ny modely momba ny fizarana ara-habakabaka amin'ny tany amin'ny tany an-tanàn-dehibe na manodidina ny tanàn-dehibe. Amin'ny ankapobeny, manolo-kevitra ny hampihatra ny modely EBK-SVMR izahay mba hanombanana sy haminavina ny PTE ao anaty tany; ho fanampin'izany, manolo-kevitra ny hampiasa EBK izahay mba hampifangaroana amin'ny algorithm fianarana milina isan-karazany. Ny fifantohan'ny Ni dia novinavinaina tamin'ny fampiasana singa ho toy ny covariates; na izany aza, ny fampiasana covariates bebe kokoa dia hanatsara be ny fahombiazan'ny modely, izay azo heverina ho fetran'ny asa ankehitriny. Ny fetran'ity fanadihadiana ity dia ny isan'ny angon-drakitra dia 115. Noho izany, raha misy angon-drakitra bebe kokoa omena, dia azo hatsaraina ny fahombiazan'ny fomba hybridization nohatsaraina natolotra.
PlantProbs.net.Nikela amin'ny zavamaniry sy ny tany https://plantprobs.net/plant/nutrientImbalances/sodium.html (Nojerena tamin'ny 28 Aprily 2021).
Kasprzak, KS Nickel mandroso amin'ny poizina ara-tontolo iainana maoderina.surroundings.toxicology.11, 145–183 (1987).
Cempel, M. & Nikel, G. Nickel: Famerenana ny loharanony sy ny poizina ara-tontolo iainana. Polish J. Environment.Stud.15, 375–382 (2006).
Freedman, B. & Hutchinson, TC Fidiran'ny loto avy amin'ny atmosfera sy ny fiangonan'ny tany sy ny zavamaniry akaikin'ny orinasa fandrendrehana nikela-varahina ao Sudbury, Ontario, Kanada.can.J. Bot.58(1), 108-132.https://doi.org/10.1139/b80-014 (1980).
Manyiwa, T. et al. Metaly mavesatra ao anaty tany, zavamaniry ary risika mifandraika amin'ny fiompiana biby mpikiky akaikin'ny toeram-pitrandrahana varahina-nikela Selebi-Phikwe any Botswana. surroundings.Geochemistry.Health https://doi.org/10.1007/s10653-021-00918-x (2021).
Cabata-Pendias.Kabata-Pendias A. 2011. Singa tsy hita maso ao anaty tany sy… – Google Scholar https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Kabata-Pendias+A.+2011.+Singa tsy hita maso+ao+amin'ny+tany+sy+zavamaniry.+fanontana+faha-4.+New+York+%28NY%29%3A+CRC+Press&btnG= (Nojerena tamin'ny 24 Novambra 2020).
Almås, A., Singh, B., Fambolena, TS-NJ tamin'ny & 1995, tsy voafaritra. Fiantraikan'ny indostrian'ny nikela Rosiana amin'ny fifantohana metaly mavesatra amin'ny tany fambolena sy ahitra ao Soer-Varanger, Norway.agris.fao.org.
Nielsen, GD et al. Ny fidiran'ny nikela sy ny fitazonana azy ao anaty rano fisotro dia mifandray amin'ny fihinanana sakafo sy ny fahatsapana ny nikela.toxicology.application.Pharmacodynamics.154, 67–75 (1999).
Costa, M. & Klein, CB Kanserôzenezy nikela, fiovan'ny fototarazo, epigenetika na fifantenana. manodidina. Fijery ara-pahasalamana.107, 2 (1999).
Ajman, PC; Ajado, SK; Borůvka, L.; Bini, JKM; Sarkody, VYO; Cobonye, ​​​​NM; Famakafakana fironana amin'ny singa mety misy poizina: famerenana bibliometrika. Jeosimia momba ny tontolo iainana sy ny fahasalamana. Springer Science & Business Media BV 2020. https://doi.org/10.1007/s10653-020-00742-9.
Minasny, B. & McBratney, AB Sarintany nomerika momba ny tany: Tantara fohy sy lesona vitsivitsy. 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 Modely Geostatistika momba ny Farihin-drano,… – Google Scholar https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=CV+Deutsch%2C+2002%2C+Geostatistika+Reservoir+Modeling%2C +Oxford+University+Press%2C+376+pages.+&btnG= (Nojerena tamin'ny 28 Aprily 2021).