Grazzi talli żort Nature.com. Il-verżjoni tal-browser li qed tuża għandha appoġġ limitat għas-CSS. Għall-aħjar esperjenza, nirrakkomandaw li tuża browser aġġornat (jew titfi l-modalità ta' kompatibilità fl-Internet Explorer). Sadanittant, biex niżguraw appoġġ kontinwu, se nuru s-sit mingħajr stili u JavaScript.
It-tniġġis tal-ħamrija huwa problema kbira kkawżata minn attivitajiet tal-bniedem. Id-distribuzzjoni spazjali ta' elementi potenzjalment tossiċi (PTEs) tvarja fil-biċċa l-kbira taż-żoni urbani u peri-urbani. Għalhekk, huwa diffiċli li wieħed ibassar spazjalment il-kontenut ta' PTEs f'ħamrija bħal din. Total ta' 115-il kampjun inkisbu minn Frydek Mistek fir-Repubblika Ċeka. Il-konċentrazzjonijiet tal-kalċju (Ca), manjesju (Mg), potassju (K) u nikil (Ni) ġew determinati bl-użu ta' spettrometrija ta' emissjoni tal-plażma akkoppjata b'mod induttiv. Il-varjabbli tar-rispons hija Ni u l-predikaturi huma Ca, Mg, u K. Il-matriċi ta' korrelazzjoni bejn il-varjabbli tar-rispons u l-varjabbli tal-predikatur turi korrelazzjoni sodisfaċenti bejn l-elementi. Ir-riżultati tat-tbassir urew li r-Regressjoni tal-Magna tal-Vettori ta' Appoġġ (SVMR) kellha prestazzjoni tajba, għalkemm l-iżball kwadratiku medju stmat tagħha (RMSE) (235.974 mg/kg) u l-iżball assolut medju (MAE) (166.946 mg/kg) kienu ogħla mill-metodi l-oħra applikati. Mudelli mħallta għar-Regressjoni Lineari Multipla-Kriging Bayesjana Empirika (EBK-MLR) ma kellhomx prestazzjoni tajba, kif jidher minn koeffiċjenti ta' determinazzjoni inqas minn 0.1. Il-mudell Empirical Bayesian Kriging-Support Vector Machine Regression (EBK-SVMR) kien l-aħjar mudell, b'valuri baxxi ta' RMSE (95.479 mg/kg) u MAE (77.368 mg/kg) u koeffiċjent għoli ta' determinazzjoni (R2 = 0.637). L-output tat-teknika tal-immudellar EBK-SVMR huwa viżwalizzat bl-użu ta' mappa awto-organizzanti. In-newroni miġbura fil-pjan tal-komponent ibridu CakMg-EBK-SVMR juru mudelli multipli ta' kulur li jbassru l-konċentrazzjonijiet tan-Ni fil-ħamrija urbana u peri-urbana. Ir-riżultati juru li l-kombinazzjoni ta' EBK u SVMR hija teknika effettiva għat-tbassir tal-konċentrazzjonijiet tan-Ni fil-ħamrija urbana u peri-urbana.
In-nikil (Ni) huwa meqjus bħala mikronutrijent għall-pjanti għaliex jikkontribwixxi għall-iffissar tan-nitroġenu atmosferiku (N) u l-metaboliżmu tal-urea, li t-tnejn huma meħtieġa għall-ġerminazzjoni taż-żerriegħa. Minbarra l-kontribut tiegħu għall-ġerminazzjoni taż-żerriegħa, in-Ni jista' jaġixxi bħala inibitur fungali u batterjali u jippromwovi l-iżvilupp tal-pjanti. In-nuqqas ta' nikil fil-ħamrija jippermetti lill-pjanta tassorbih, li jirriżulta fil-klorożi tal-weraq. Pereżempju, il-piżelli tal-baqar u l-fażola ħadra jeħtieġu l-applikazzjoni ta' fertilizzanti bbażati fuq in-nikil biex jottimizzaw il-fissazzjoni tan-nitroġenu2. L-applikazzjoni kontinwa ta' fertilizzanti bbażati fuq in-nikil biex jarrikkixxu l-ħamrija u jżidu l-abbiltà tal-legumi li jiffissaw in-nitroġenu fil-ħamrija kontinwament iżidu l-konċentrazzjoni tan-nikil fil-ħamrija. Għalkemm in-nikil huwa mikronutrijent għall-pjanti, il-konsum eċċessiv tiegħu fil-ħamrija jista' jagħmel aktar ħsara milli ġid. It-tossiċità tan-nikil fil-ħamrija timminimizza l-pH tal-ħamrija u xxekkel l-assorbiment tal-ħadid bħala nutrijent essenzjali għat-tkabbir tal-pjanti1. Skont Liu3, in-Ni nstab li huwa s-17-il element importanti meħtieġ għall-iżvilupp u t-tkabbir tal-pjanti. Minbarra r-rwol tan-nikil fl-iżvilupp u t-tkabbir tal-pjanti, il-bnedmin jeħtiġuh għal varjetà ta' applikazzjonijiet. L-electroplating, il-produzzjoni ta' Ligi bbażati fuq in-nikil, u l-manifattura ta' apparati tat-tqabbid u spark plugs fl-industrija tal-karozzi kollha jeħtieġu l-użu tan-nikil f'diversi setturi industrijali. Barra minn hekk, ligi bbażati fuq in-nikil u oġġetti elettrodeposti ntużaw ħafna f'oġġetti tal-kċina, aċċessorji tas-sala tal-ballroom, provvisti tal-industrija tal-ikel, elettriku, wajer u kejbil, turbini tal-ġett, impjanti kirurġiċi, tessuti, u bini tal-vapuri5. Livelli rikki fin-Ni fil-ħamrija (jiġifieri, ħamrija tal-wiċċ) ġew attribwiti kemm għal sorsi antropoġeniċi kif ukoll naturali, iżda primarjament, in-Ni huwa sors naturali aktar milli antropoġeniku4,6. Sorsi naturali ta' nikil jinkludu eruzzjonijiet vulkaniċi, veġetazzjoni, nirien fil-foresti, u proċessi ġeoloġiċi; madankollu, sorsi antropoġeniċi jinkludu batteriji tan-nikil/kadmju fl-industrija tal-azzar, elettrodepożizzjoni, iwweldjar bl-ark, diżil u żjut tal-fjuwil, u emissjonijiet atmosferiċi mill-kombustjoni tal-faħam u l-inċinerazzjoni tal-iskart u l-ħama Akkumulazzjoni tan-nikil7,8. Skont Freedman u Hutchinson9 u Manyiwa et al. 10, is-sorsi ewlenin ta’ tniġġis tal-ħamrija ta’ fuq fl-ambjent immedjat u ta’ madwar huma prinċipalment funderiji u minjieri bbażati fuq in-nikil-ram. Il-ħamrija ta’ fuq madwar ir-raffinerija tan-nikil-ram ta’ Sudbury fil-Kanada kellha l-ogħla livelli ta’ kontaminazzjoni tan-nikil b’26,000 mg/kg11. B’kuntrast, it-tniġġis mill-produzzjoni tan-nikil fir-Russja rriżulta f’konċentrazzjonijiet ogħla ta’ nikil fil-ħamrija Norveġiża11. Skont Alms et al. 12, l-ammont ta’ nikil li jista’ jiġi estratt bl-HNO3 fl-aqwa art agrikola tar-reġjun (produzzjoni tan-nikil fir-Russja) varja minn 6.25 sa 136.88 mg/kg, li jikkorrispondi għal medja ta’ 30.43 mg/kg u konċentrazzjoni bażi ta’ 25 mg/kg. Skont kabata 11, l-applikazzjoni ta’ fertilizzanti tal-fosfru f’ħamrija agrikola f’ħamrija urbana jew peri-urbana matul staġuni suċċessivi tal-għelejjel tista’ tinfuża jew tikkontamina l-ħamrija. L-effetti potenzjali tan-nikil fil-bnedmin jistgħu jwasslu għall-kanċer permezz ta’ mutaġenesi, ħsara kromosomali, ġenerazzjoni ta’ Z-DNA, tiswija ta’ esċiżjoni tad-DNA mblukkata, jew proċessi epiġenetiċi13. F’esperimenti fuq l-annimali, instab li n-nikil għandu l-potenzjal li jikkawża varjetà ta’ tumuri, u kumplessi karċinoġeniċi tan-nikil jistgħu jaggravaw tumuri bħal dawn.
Il-valutazzjonijiet tal-kontaminazzjoni tal-ħamrija żdiedu fi żminijiet riċenti minħabba firxa wiesgħa ta’ kwistjonijiet relatati mas-saħħa li jirriżultaw mir-relazzjonijiet bejn il-ħamrija u l-pjanti, ir-relazzjonijiet bijoloġiċi bejn il-ħamrija u l-ħamrija, id-degradazzjoni ekoloġika, u l-valutazzjoni tal-impatt ambjentali. Sal-lum, it-tbassir spazjali ta’ elementi potenzjalment tossiċi (PTE) bħan-Ni fil-ħamrija kien diffiċli u jieħu ħafna ħin bl-użu ta’ metodi tradizzjonali. Il-miġja tal-immappjar diġitali tal-ħamrija (DSM) u s-suċċess attwali tiegħu15 tejbu ħafna l-immappjar predittiv tal-ħamrija (PSM). Skont Minasny u McBratney16, l-immappjar predittiv tal-ħamrija (DSM) wera li huwa sottodixxiplina prominenti tax-xjenza tal-ħamrija. Lagacherie u McBratney, 2006 jiddefinixxu d-DSM bħala “l-ħolqien u l-mili ta’ sistemi ta’ informazzjoni spazjali tal-ħamrija permezz tal-użu ta’ metodi ta’ osservazzjoni in situ u fil-laboratorju u sistemi ta’ inferenza tal-ħamrija spazjali u mhux spazjali”. McBratney et al. 17 jenfasizza li d-DSM jew il-PSM kontemporanju huwa l-aktar teknika effettiva għat-tbassir jew il-mappa tad-distribuzzjoni spazjali tal-PTEs, it-tipi ta' ħamrija u l-proprjetajiet tal-ħamrija. Il-Ġeostatistika u l-Algoritmi tat-Tagħlim Awtomatiku (MLA) huma tekniki ta' mmudellar tad-DSM li joħolqu mapep diġitalizzati bl-għajnuna ta' kompjuters bl-użu ta' dejta sinifikanti u minima.
Deutsch18 u Olea19 jiddefinixxu l-ġeostatistika bħala "l-ġabra ta' tekniki numeriċi li jittrattaw ir-rappreżentazzjoni ta' attributi spazjali, prinċipalment billi jużaw mudelli stokastiċi, bħal kif l-analiżi tas-serje tal-ħin tikkaratterizza d-dejta temporali." Primarjament, il-ġeostatistika tinvolvi l-evalwazzjoni tal-varjogrammi, li jippermettu li jiġu kwantifikati u definiti d-dipendenzi tal-valuri spazjali minn kull sett ta' dejta20. Gumiaux et al. 20 juru wkoll li l-evalwazzjoni tal-varjogrammi fil-ġeostatistika hija bbażata fuq tliet prinċipji, inkluż (a) il-kalkolu tal-iskala tal-korrelazzjoni tad-dejta, (b) l-identifikazzjoni u l-kalkolu tal-anisotropija fid-disparità tas-sett tad-dejta u (c) minbarra li jitqies l-iżball inerenti tad-dejta tal-kejl separata mill-effetti lokali, l-effetti taż-żona huma wkoll stmati. Abbażi ta' dawn il-kunċetti, ħafna tekniki ta' interpolazzjoni jintużaw fil-ġeostatistika, inkluż kriging ġenerali, ko-kriging, kriging ordinarju, kriging Bayesjan empiriku, metodu kriging sempliċi u tekniki oħra ta' interpolazzjoni magħrufa sew biex jiġu mmappjati jew ibassru l-PTE, il-karatteristiċi tal-ħamrija, u t-tipi ta' ħamrija.
L-Algoritmi tat-Tagħlim Awtomatiku (MLA) huma teknika relattivament ġdida li timpjega klassijiet ta' dejta mhux lineari akbar, imħaddma minn algoritmi użati primarjament għat-tħaffir tad-dejta, l-identifikazzjoni ta' mudelli fid-dejta, u applikati ripetutament għall-klassifikazzjoni f'oqsma xjentifiċi bħax-xjenza tal-ħamrija u l-kompiti ta' ritorn. Bosta dokumenti ta' riċerka jiddependu fuq mudelli MLA biex ibassru l-PTE fil-ħamrija, bħal Tan et al. 22 (foresti każwali għall-istima ta' metalli tqal f'ħamrija agrikola), Sakizadeh et al. 23 (immudellar bl-użu ta' magni ta' vettori ta' appoġġ u netwerks newrali artifiċjali) tniġġis tal-ħamrija). Barra minn hekk, Vega et al. 24 (CART għall-immudellar taż-żamma u l-assorbiment ta' metalli tqal fil-ħamrija) Sun et al. 25 (applikazzjoni ta' kubista hija d-distribuzzjoni ta' Cd fil-ħamrija) u algoritmi oħra bħal k-nearest neighbor, rigressjoni msaħħa ġeneralizzata, u rigressjoni msaħħa. Is-siġar applikaw ukoll MLA biex ibassru l-PTE fil-ħamrija.
L-applikazzjoni tal-algoritmi tad-DSM fit-tbassir jew fl-immappjar tiffaċċja diversi sfidi. Ħafna awturi jemmnu li l-MLA hija superjuri għall-ġeostatistika u viċi versa. Għalkemm waħda hija aħjar mill-oħra, il-kombinazzjoni tat-tnejn ittejjeb il-livell ta' preċiżjoni tal-immappjar jew tat-tbassir fid-DSM15. Woodcock u Gopal26 Finke27; Pontius u Cheuk28 u Grunwald29 jikkummentaw dwar in-nuqqasijiet u xi żbalji fl-immappjar imbassar tal-ħamrija. Ix-xjentisti tal-ħamrija ppruvaw varjetà ta' tekniki biex jottimizzaw l-effettività, l-eżattezza u l-prevedibbiltà tal-immappjar u t-tbassir tad-DSM. Il-kombinazzjoni ta' inċertezza u verifika hija waħda mill-ħafna aspetti differenti integrati fid-DSM biex tottimizza l-effettività u tnaqqas id-difetti. Madankollu, Agyeman et al. 15 jiddeskrivu li l-imġiba tal-validazzjoni u l-inċertezza introdotti mill-ħolqien u t-tbassir tal-mapep għandhom jiġu vvalidati b'mod indipendenti biex titjieb il-kwalità tal-mapep. Il-limitazzjonijiet tad-DSM huma dovuti għall-kwalità tal-ħamrija mxerrda ġeografikament, li tinvolvi komponent ta' inċertezza; Madankollu, in-nuqqas ta’ ċertezza fid-DSM jista’ jirriżulta minn sorsi multipli ta’ żball, jiġifieri żball kovarjat, żball fil-mudell, żball fil-post, u Żball analitiku 31. L-ineżattezzi fil-mudellar indotti fl-MLA u l-proċessi ġeostatistiki huma assoċjati ma’ nuqqas ta’ fehim, li fl-aħħar mill-aħħar iwasslu għal simplifikazzjoni żejda tal-proċess reali 32. Irrispettivament min-natura tal-mudellar, l-ineżattezzi jistgħu jiġu attribwiti għal parametri tal-mudellar, tbassir ta’ mudelli matematiċi, jew interpolazzjoni 33. Riċentement, ħarġet xejra ġdida tad-DSM li tippromwovi l-integrazzjoni tal-ġeostatistika u l-MLA fl-immappjar u t-tbassir. Diversi xjentisti u awturi tal-ħamrija, bħal Sergeev et al. 34; Subbotina et al. 35; Tarasov et al. 36 u Tarasov et al. 37 sfruttaw il-kwalità preċiża tal-ġeostatistika u t-tagħlim awtomatiku biex jiġġeneraw mudelli ibridi li jtejbu l-effiċjenza tat-tbassir u l-immappjar. kwalità. Xi wħud minn dawn il-mudelli ta' algoritmi ibridi jew ikkombinati huma 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 u Co-Kriging u Gaussian Process Regression38.
Skont Sergeev et al., il-kombinazzjoni ta' diversi tekniki ta' mmudellar għandha l-potenzjal li telimina d-difetti u żżid l-effiċjenza tal-mudell ibridu li jirriżulta minflok ma tiżviluppa l-mudell uniku tiegħu. F'dan il-kuntest, dan id-dokument ġdid jargumenta li huwa neċessarju li jiġi applikat algoritmu kkombinat ta' ġeostatistika u MLA biex jinħolqu mudelli ibridi ottimali biex jiġi mbassar l-arrikkiment tan-Ni f'żoni urbani u peri-urbani. Dan l-istudju se jiddependi fuq Empirical Bayesian Kriging (EBK) bħala l-mudell bażi u jitħalltu ma' mudelli ta' Support Vector Machine (SVM) u Multiple Linear Regression (MLR). L-ibridizzazzjoni ta' EBK ma' kwalunkwe MLA mhijiex magħrufa. Il-mudelli multipli mħallta li jidhru huma kombinazzjonijiet ta' kriging ordinarju, residwu, ta' rigressjoni, u MLA. L-EBK huwa metodu ta' interpolazzjoni ġeostatistika li juża proċess spazjalment stokastiku li huwa lokalizzat bħala kamp każwali mhux stazzjonarju/stazzjonarju b'parametri ta' lokalizzazzjoni definiti fuq il-kamp, ​​li jippermettu varjazzjoni spazjali39. L-EBK intuża f'varjetà ta' studji, inkluż l-analiżi tad-distribuzzjoni tal-karbonju organiku fil-ħamrija tal-irziezet40, il-valutazzjoni tat-tniġġis tal-ħamrija41 u l-immappjar tal-proprjetajiet tal-ħamrija42.
Min-naħa l-oħra, il-Graff Awto-Organizzanti (SeOM) huwa algoritmu ta' tagħlim li ġie applikat f'diversi artikli bħal Li et al. 43, Wang et al. 44, Hossain Bhuiyan et al. 45 u Kebonye et al.46 Iddetermina l-attributi spazjali u l-gruppjar tal-elementi. Wang et al. 44 jiddeskrivu li SeOM hija teknika ta' tagħlim qawwija magħrufa għall-abbiltà tagħha li tiġbor u timmaġina problemi mhux lineari. B'differenza minn tekniki oħra ta' rikonoxximent ta' mudelli bħall-analiżi tal-komponenti prinċipali, raggruppament fuzzy, raggruppament ġerarkiku, u teħid ta' deċiżjonijiet b'ħafna kriterji, SeOM hija aħjar fl-organizzazzjoni u l-identifikazzjoni ta' mudelli PTE. Skont Wang et al. 44, SeOM tista' tiġbor spazjalment id-distribuzzjoni ta' newroni relatati u tipprovdi viżwalizzazzjoni tad-dejta b'riżoluzzjoni għolja. SeOM se tivviżwalizza d-dejta tat-tbassir tan-Ni biex tikseb l-aħjar mudell biex tikkaratterizza r-riżultati għal interpretazzjoni diretta.
Dan id-dokument għandu l-għan li jiġġenera mudell ta' mmappjar robust b'eżattezza ottimali għat-tbassir tal-kontenut tan-nikil f'ħamrija urbana u peri-urbana. Aħna nissoponu li l-affidabbiltà tal-mudell imħallat tiddependi prinċipalment fuq l-influwenza ta' mudelli oħra marbuta mal-mudell bażi. Nirrikonoxxu l-isfidi li qed jiffaċċja d-DSM, u filwaqt li dawn l-isfidi qed jiġu indirizzati fuq diversi fronti, il-kombinazzjoni ta' avvanzi fil-ġeostatistika u l-mudelli MLA tidher li hija inkrementali; għalhekk, se nippruvaw inwieġbu mistoqsijiet ta' riċerka li jistgħu jipproduċu mudelli mħallta. Madankollu, kemm hu preċiż il-mudell fit-tbassir tal-element fil-mira? Ukoll, x'inhu l-livell ta' evalwazzjoni tal-effiċjenza bbażata fuq il-validazzjoni u l-evalwazzjoni tal-eżattezza? Għalhekk, l-għanijiet speċifiċi ta' dan l-istudju kienu li (a) jinħoloq mudell ta' taħlita kkombinata għal SVMR jew MLR bl-użu ta' EBK bħala l-mudell bażi, (b) jitqabblu l-mudelli li jirriżultaw (c) jiġi propost l-aħjar mudell ta' taħlita għat-tbassir tal-konċentrazzjonijiet tan-Ni f'ħamrija urbana jew peri-urbana, u (d) l-applikazzjoni tas-SeOM biex tinħoloq mappa b'riżoluzzjoni għolja tal-varjazzjoni spazjali tan-nikil.
L-istudju qed jitwettaq fir-Repubblika Ċeka, speċifikament fid-distrett ta’ Frydek Mistek fir-reġjun ta’ Moravia-Silesian (ara l-Figura 1). Il-ġeografija taż-żona tal-istudju hija imħatteb ħafna u hija l-aktar parti mir-reġjun ta’ Beskidy ta’ Moravia-Silesian, li huwa parti mix-xifer ta’ barra tal-Muntanji Karpazji. Iż-żona tal-istudju tinsab bejn 49° 41′ 0′ N u 18° 20′ 0′ E, u l-altitudni hija bejn 225 u 327 m; Madankollu, is-sistema ta' klassifikazzjoni Koppen għall-istat klimatiku tar-reġjun hija kklassifikata bħala Cfb = klima oċeanika moderata. Hemm ħafna xita anke fix-xhur niexfa. It-temperaturi jvarjaw xi ftit matul is-sena bejn −5 °C u 24 °C, rarament jaqgħu taħt −14 °C jew 'il fuq minn 30 °C, filwaqt li l-preċipitazzjoni annwali medja hija bejn 685 u 752 mm47. Iż-żona stmata tal-istħarriġ taż-żona kollha hija ta' 1,208 kilometru kwadru, b'39.38% tal-art ikkultivata u 49.36% tal-kopertura tal-foresta. Min-naħa l-oħra, iż-żona użata f'dan l-istudju hija ta' madwar 889.8 kilometru kwadru. F'Ostrava u madwarha, l-industrija tal-azzar u l-fabbriki tal-metall huma attivi ħafna. L-imtieħen tal-metall, l-industrija tal-azzar fejn in-nikil jintuża fl-azzar li ma jissaddadx (eż. għar-reżistenza għall-korrużjoni atmosferika) u l-azzar illigat (in-nikil iżid is-saħħa tal-liga filwaqt li jżomm id-duttilità u t-tenerezza tajba tagħha), u l-agrikoltura intensiva bħall-applikazzjoni tal-fertilizzant tal-fosfat u l-produzzjoni tal-bhejjem huma sorsi potenzjali ta' riċerka tan-nikil fir-reġjun. (eż., iż-żieda tan-nikil mal-ħrief biex jiżdiedu r-rati tat-tkabbir fil-ħrief u l-baqar li jieklu ftit). Użi industrijali oħra tan-nikil f'oqsma ta' riċerka jinkludu l-użu tiegħu fl-electroplating, inkluż l-electroplating bin-nikil u l-proċessi tal-electroplating bin-nikil. Il-proprjetajiet tal-ħamrija huma faċilment distinti mill-kulur, l-istruttura u l-kontenut tal-karbonat tal-ħamrija. In-nisġa tal-ħamrija hija medja għal fina, derivata mill-materjal ġenitur. Huma ta' natura kolluvjali, alluvjali jew eoljana. Xi żoni tal-ħamrija jidhru mtebbgħin fil-wiċċ u fis-sottosof, ħafna drabi bil-konkrit u l-ibbliċjar. Madankollu, il-cambisols u l-stagnosols huma l-aktar tipi komuni ta' ħamrija fir-reġjun48. B'elevazzjonijiet li jvarjaw minn 455.1 sa 493.5 m, il-cambisols jiddominaw ir-Repubblika Ċeka49.
Mappa taż-żona tal-istudju [Il-mappa taż-żona tal-istudju nħolqot bl-użu ta' ArcGIS Desktop (ESRI, Inc, verżjoni 10.7, URL: https://desktop.arcgis.com).]
Total ta’ 115-il kampjun tal-ħamrija tal-wiċċ inkisbu minn ħamrija urbana u peri-urbana fid-distrett ta’ Frydek Mistek. Il-mudell tal-kampjun użat kien grilja regolari b’kampjuni tal-ħamrija spazjati 2 × 2 km ’il bogħod minn xulxin, u l-ħamrija tal-wiċċ tkejlet f’fond ta’ 0 sa 20 ċm bl-użu ta’ apparat GPS li jinżamm fl-idejn (Leica Zeno 5 GPS). Il-kampjuni huma ppakkjati f’boroż Ziploc, ittikkettjati kif suppost, u mibgħuta lejn il-laboratorju. Il-kampjuni ġew imnixxfa bl-arja biex jipproduċu kampjuni pulverizzati, pulverizzati b’sistema mekkanika (mitħna tad-diska Fritsch), u mgħarbula (daqs tal-għarbiel 2 mm). Poġġi 1 gramma ta’ kampjuni tal-ħamrija mnixxfa, omoġenizzati u mgħarbula fi fliexken tat-teflon ittikkettjati b’mod ċar. F’kull kontenitur tat-Teflon, agħti 7 ml ta’ 35% HCl u 3 ml ta’ 65% HNO3 (bl-użu ta’ dispenser awtomatiku – wieħed għal kull aċidu), għatti ħafif u ħalli l-kampjuni joqogħdu matul il-lejl għar-reazzjoni (programm aqua regia). Poġġi s-supernatant fuq pjanċa tal-metall sħun (temperatura: 100 W u 160 °C) għal sagħtejn biex tiffaċilita l-proċess tad-diġestjoni tal-kampjuni, imbagħad berred. Ittrasferixxi s-supernatant għal flask volumetriku ta' 50 ml u iddilwixxi għal 50 ml b'ilma dejonizzat. Wara dan, iffiltra s-supernatant dilwit f'tubu tal-PVC ta' 50 ml b'ilma dejonizzat. Barra minn hekk, 1 ml tas-soluzzjoni tad-dilwizzjoni ġie dilwit b'9 ml ta' ilma dejonizzat u ffiltrat f'tubu ta' 12 ml ippreparat għal pseudo-konċentrazzjoni tal-PTE. Il-konċentrazzjonijiet tal-PTEs (As, Cd, Cr, Cu, Mn, Ni, Pb, Zn, Ca, Mg, K) ġew determinati permezz ta' ICP-OES (Inductively Coupled Plasma Optical Emission Spectroscopy) (Thermo Fisher Scientific, USA) skont metodi standard u ftehim. Kun żgur li l-proċeduri tal-Assigurazzjoni u l-Kontroll tal-Kwalità (QA/QC) ikunu jistgħu jiġu żgurati (SRM NIST 2711a Montana II Soil). Il-PTEs b'limiti ta' skoperta taħt in-nofs ġew esklużi minn dan l-istudju. Il-limitu ta' skoperta tal-PTE użat f'dan l-istudju kien 0.0004.(inti).Barra minn hekk, il-proċess ta' kontroll tal-kwalità u assigurazzjoni tal-kwalità għal kull analiżi huwa żgurat billi jiġu analizzati standards ta' referenza. Biex jiġi żgurat li l-iżbalji jiġu minimizzati, twettqet analiżi doppja.
Kriging Bayesjan Empiriku (EBK) huwa wieħed mill-ħafna tekniki ta' interpolazzjoni ġeostatistika użati fil-mudellar f'oqsma diversi bħax-xjenza tal-ħamrija. B'differenza minn tekniki oħra ta' interpolazzjoni tal-kriging, l-EBK huwa differenti mill-metodi tradizzjonali tal-kriging billi jikkunsidra l-iżball stmat mill-mudell tas-semivarjogramma. Fl-interpolazzjoni tal-EBK, diversi mudelli ta' semivarjogramma jiġu kkalkulati waqt l-interpolazzjoni, aktar milli semivarjogramma waħda. It-tekniki ta' interpolazzjoni jagħmlu spazju għall-inċertezza u l-ipprogrammar assoċjati ma' dan it-tpinġija tas-semivarjogramma li tikkostitwixxi parti kumplessa ħafna ta' metodu ta' kriging suffiċjenti. Il-proċess ta' interpolazzjoni tal-EBK isegwi t-tliet kriterji proposti minn Krivoruchko50, (a) il-mudell jistma s-semivarjogramma mid-dataset tal-input (b) il-valur il-ġdid imbassar għal kull post tad-dataset tal-input ibbażat fuq is-semivarjogramma ġġenerata u (c) il-mudell A finali jiġi kkalkulat minn dataset simulat. Ir-regola tal-ekwazzjoni Bayesjana hija mogħtija bħala posterior
Fejn \(Prob\left(A\right)\) tirrappreżenta l-probabbiltà marġinali preċedenti, \(Prob\left(B\right)\) tiġi injorata fil-biċċa l-kbira tal-każijiet, \(Prob (B,A)\ ). Il-kalkolu tas-semivarjogramma huwa bbażat fuq ir-regola ta' Bayes, li turi l-propensità ta' settijiet ta' dejta ta' osservazzjoni li jistgħu jinħolqu minn semivarjogrammi. Il-valur tas-semivarjogramma mbagħad jiġi determinat bl-użu tar-regola ta' Bayes, li tiddikjara kemm hu probabbli li jinħoloq sett ta' dejta ta' osservazzjonijiet mis-semivarjogramma.
Magna ta' support vector hija algoritmu ta' tagħlim awtomatiku li jiġġenera iperpjan ta' separazzjoni ottimali biex jiddistingwi klassijiet identiċi iżda mhux linearment indipendenti. Vapnik51 ħoloq l-algoritmu ta' klassifikazzjoni tal-intenzjoni, iżda dan l-aħħar intuża biex isolvi problemi orjentati lejn ir-rigressjoni. Skont Li et al.52, SVM hija waħda mill-aqwa tekniki ta' klassifikatur u ntużat f'diversi oqsma. Il-komponent ta' rigressjoni ta' SVM (Support Vector Machine Regression – SVMR) intuża f'din l-analiżi. Cherkassky u ​​Mulier53 kienu pijunieri fl-SVMR bħala rigressjoni bbażata fuq il-kernel, li l-kalkolu tagħha twettaq bl-użu ta' mudell ta' rigressjoni lineari b'funzjonijiet spazjali b'ħafna pajjiżi. John et al54 jirrappurtaw li l-immudellar SVMR juża rigressjoni lineari tal-iperpjan, li toħloq relazzjonijiet mhux lineari u tippermetti funzjonijiet spazjali. Skont Vohland et al. 55, epsilon (ε)-SVMR juża d-dataset imħarreġ biex jikseb mudell ta' rappreżentazzjoni bħala funzjoni insensittiva għall-epsilon li tiġi applikata biex timmappa d-data b'mod indipendenti bl-aħjar epsilon bias mit-taħriġ fuq data korrelata. L-iżball tad-distanza predefinit jiġi injorat mill-valur attwali, u jekk l-iżball ikun akbar minn ε(ε), il-proprjetajiet tal-ħamrija jikkumpensawh. Il-mudell inaqqas ukoll il-kumplessità tad-data tat-taħriġ għal sottosett usa' ta' vetturi ta' appoġġ. L-ekwazzjoni proposta minn Vapnik51 hija murija hawn taħt.
Fejn b tirrappreżenta l-limitu skalari, \(K\left({x}_{,}{ x}_{k}\right)\) tirrappreżenta l-funzjoni tal-kernel, \(\alpha\) tirrappreżenta l-multiplikatur ta' Lagrange, N Tirrappreżenta sett ta' dejta numeriku, \({x}_{k}\) tirrappreżenta l-input tad-dejta, u \(y\) hija l-output tad-dejta. Wieħed mill-kernels ewlenin użati huwa l-operazzjoni SVMR, li hija funzjoni bażi radjali Gaussjana (RBF). Il-kernel RBF huwa applikat biex jiddetermina l-mudell SVMR ottimali, li huwa kritiku biex jinkiseb l-aktar fattur sottili tas-sett ta' penalità C u l-parametru tal-kernel gamma (γ) għad-dejta tat-taħriġ PTE. L-ewwel, evalwajna s-sett tat-taħriġ u mbagħad ittestjajna l-prestazzjoni tal-mudell fuq is-sett ta' validazzjoni. Il-parametru tal-istering użat huwa sigma u l-valur tal-metodu huwa svmRadial.
Mudell ta' rigressjoni lineari multipla (MLR) huwa mudell ta' rigressjoni li jirrappreżenta r-relazzjoni bejn il-varjabbli tar-rispons u numru ta' varjabbli ta' tbassir billi juża parametri lineari miġbura kkalkulati bl-użu tal-metodu tal-inqas kwadri. Fl-MLR, mudell tal-inqas kwadri huwa funzjoni ta' tbassir tal-proprjetajiet tal-ħamrija wara l-għażla ta' varjabbli ta' spjegazzjoni. Huwa meħtieġ li tintuża r-rispons biex tiġi stabbilita relazzjoni lineari bl-użu ta' varjabbli ta' spjegazzjoni. Il-PTE intuża bħala l-varjabbli tar-rispons biex tiġi stabbilita relazzjoni lineari mal-varjabbli ta' spjegazzjoni. L-ekwazzjoni tal-MLR hija
Fejn y hija l-varjabbli tar-rispons, \(a\) hija l-interċettazzjoni, n huwa n-numru ta' predikaturi, \({b}_{1}\) hija r-rigressjoni parzjali tal-koeffiċjenti, \({x}_{i}\) tirrappreżenta predikatur jew varjabbli ta' spjegazzjoni, u \({\varepsilon }_{i}\) tirrappreżenta l-iżball fil-mudell, magħruf ukoll bħala r-residwu.
Mudelli mħallta nkisbu billi EBK tgħaqqad ma' SVMR u MLR. Dan isir billi jiġu estratti valuri mbassra mill-interpolazzjoni EBK. Il-valuri mbassra miksuba mill-Ca, K, u Mg interpolati jinkisbu permezz ta' proċess kombinatorju biex jinkisbu varjabbli ġodda, bħal CaK, CaMg, u KMg. L-elementi Ca, K u Mg imbagħad jiġu kkombinati biex tinkiseb ir-raba' varjabbli, CaKMg. B'mod ġenerali, il-varjabbli miksuba huma Ca, K, Mg, CaK, CaMg, KMg u CaKMg. Dawn il-varjabbli saru l-predikaturi tagħna, u għenu biex jitbassru l-konċentrazzjonijiet tan-nikil f'ħamrija urbana u peri-urbana. L-algoritmu SVMR twettaq fuq il-predikaturi biex jinkiseb mudell imħallat Empirical Bayesian Kriging-Support Vector Machine (EBK_SVM). Bl-istess mod, il-varjabbli jiġu wkoll mgħoddija permezz tal-algoritmu MLR biex jinkiseb mudell imħallat Empirical Bayesian Kriging-Multiple Linear Regression (EBK_MLR). Tipikament, il-varjabbli Ca, K, Mg, CaK, CaMg, KMg, u CaKMg jintużaw bħala kovarjati bħala tbassir tal-kontenut tan-Ni f'ħamrija urbana u peri-urbana. L-aktar mudell aċċettabbli miksub (EBK_SVM jew EBK_MLR) imbagħad jiġi viżwalizzat bl-użu ta' graff awto-organizzanti. Il-fluss tax-xogħol ta' dan l-istudju huwa muri fil-Figura 2.
L-użu tas-SeOM sar għodda popolari għall-organizzazzjoni, l-evalwazzjoni u t-tbassir tad-dejta fis-settur finanzjarju, il-kura tas-saħħa, l-industrija, l-istatistika, ix-xjenza tal-ħamrija, u aktar. Is-SeOM jinħoloq bl-użu ta' netwerks newrali artifiċjali u metodi ta' tagħlim mhux sorveljati għall-organizzazzjoni, l-evalwazzjoni u t-tbassir. F'dan l-istudju, is-SeOM intuża biex jivviżwalizza l-konċentrazzjonijiet tan-Ni bbażati fuq l-aħjar mudell għat-tbassir tan-Ni f'ħamrija urbana u peri-urbana. Id-dejta pproċessata fl-evalwazzjoni tas-SeOM tintuża bħala n varjabbli vettorjali dimensjonali tad-dħul43,56. Melssen et al. 57 jiddeskrivu l-konnessjoni ta' vettur ta' input f'netwerk newrali permezz ta' saff ta' input wieħed għal vettur ta' output b'vettur ta' piż wieħed. L-output iġġenerat minn SeOM huwa mappa bidimensjonali li tikkonsisti minn newroni jew nodi differenti minsuġa f'mapep topoloġiċi eżagonali, ċirkolari jew kwadri skont il-prossimità tagħhom. Meta jitqabblu d-daqsijiet tal-mapep ibbażati fuq il-metrika, l-iżball ta' kwantizzazzjoni (QE) u l-iżball topografiku (TE), jintgħażel il-mudell SeOM b'0.086 u 0.904, rispettivament, li huwa unità ta' 55 mappa (5 × 11). L-istruttura tan-newroni hija determinata skont in-numru ta' nodi fl-ekwazzjoni empirika.
L-għadd ta’ dejta użata f’dan l-istudju huwa ta’ 115-il kampjun. Intuża approċċ każwali biex id-dejta tinqasam f’dejta tat-test (25% għall-validazzjoni) u settijiet ta’ dejta tat-taħriġ (75% għall-kalibrazzjoni). Is-sett tad-dejta tat-taħriġ jintuża biex jiġġenera l-mudell ta’ rigressjoni (kalibrazzjoni), u s-sett tad-dejta tat-test jintuża biex jivverifika l-abbiltà ta’ ġeneralizzazzjoni58. Dan sar biex tiġi vvalutata l-adegwatezza ta’ diversi mudelli għat-tbassir tal-kontenut tan-nikil fil-ħamrija. Il-mudelli kollha użati għaddew minn proċess ta’ validazzjoni inkroċjata ta’ għaxar darbiet, ripetut ħames darbiet. Il-varjabbli prodotti mill-interpolazzjoni EBK jintużaw bħala preditturi jew varjabbli spjegattivi biex ibassru l-varjabbli fil-mira (PTE). Il-mudellar huwa mmaniġġjat f’RStudio bl-użu tal-pakketti library(Kohonen), library(caret), library(modelr), library(“e1071″), library(“plyr”), library(“caTools”), library(” prospectr”) u libraries (“Metrics”).
Intużaw diversi parametri ta' validazzjoni biex jiġi ddeterminat l-aħjar mudell adattat għat-tbassir tal-konċentrazzjonijiet tan-nikil fil-ħamrija u biex tiġi evalwata l-eżattezza tal-mudell u l-validazzjoni tiegħu. Il-mudelli ta' ibridizzazzjoni ġew evalwati bl-użu tal-iżball assolut medju (MAE), l-iżball kwadratiku medju tal-għerq (RMSE), u R-squared jew id-determinazzjoni tal-koeffiċjent (R2). R2 jiddefinixxi l-varjanza tal-proporzjonijiet fit-tweġiba, rappreżentata mill-mudell ta' rigressjoni. RMSE u l-kobor tal-varjanza f'miżuri indipendenti jiddeskrivu l-qawwa predittiva tal-mudell, filwaqt li MAE jiddetermina l-valur kwantitattiv attwali. Il-valur R2 irid ikun għoli biex jiġi evalwat l-aħjar mudell ta' taħlita bl-użu tal-parametri ta' validazzjoni, iktar ma l-valur ikun qrib 1, iktar tkun għolja l-eżattezza. Skont Li et al. 59, valur tal-kriterju R2 ta' 0.75 jew akbar huwa kkunsidrat bħala predittur tajjeb; minn 0.5 sa 0.75 huwa prestazzjoni aċċettabbli tal-mudell, u taħt 0.5 huwa prestazzjoni inaċċettabbli tal-mudell. Meta jintgħażel mudell bl-użu tal-metodi ta' evalwazzjoni tal-kriterji ta' validazzjoni RMSE u MAE, il-valuri aktar baxxi miksuba kienu suffiċjenti u tqiesu bħala l-aħjar għażla. L-ekwazzjoni li ġejja tiddeskrivi l-metodu ta' verifika.
fejn n jirrappreżenta d-daqs tal-valur osservat\({Y}_{i}\) jirrappreżenta r-rispons imkejjel, u \({\widehat{Y}}_{i}\) jirrappreżenta wkoll il-valur tar-rispons imbassar, għalhekk, għall-ewwel i osservazzjonijiet.
Deskrizzjonijiet statistiċi tal-varjabbli ta' tbassir u rispons huma ppreżentati fit-Tabella 1, li juru l-medja, id-devjazzjoni standard (SD), il-koeffiċjent tal-varjazzjoni (CV), il-minimu, il-massimu, il-kurtożi, u l-iskewness. Il-valuri minimi u massimi tal-elementi huma f'ordni dixxendenti ta' Mg < Ca < K < Ni u Ca < Mg < K < Ni, rispettivament. Il-konċentrazzjonijiet tal-varjabbli ta' rispons (Ni) kampjunati miż-żona tal-istudju varjaw minn 4.86 sa 42.39 mg/kg. It-tqabbil tan-Ni mal-medja dinjija (29 mg/kg) u l-medja Ewropea (37 mg/kg) wera li l-medja ġeometrika kkalkulata ġenerali għaż-żona tal-istudju kienet fil-medda tollerabbli. Madankollu, kif muri minn Kabata-Pendias11, tqabbil tal-konċentrazzjoni medja tan-nikil (Ni) fl-istudju attwali mal-ħamrija agrikola fl-Iżvezja juri li l-konċentrazzjoni medja attwali tan-nikil hija ogħla. Bl-istess mod, il-konċentrazzjoni medja ta' Frydek Mistek fil-ħamrija urbana u peri-urbana fl-istudju attwali (Ni 16.15 mg/kg) kienet ogħla minn dik ta' limitu permess ta' 60 (10.2 mg/kg) għan-Ni fil-ħamrija urbana Pollakka rrappurtata minn Różański et al. Barra minn hekk, Bretzel u Calderisi61 irreġistraw konċentrazzjonijiet medji baxxi ħafna ta' Ni (1.78 mg/kg) fil-ħamrija urbana fit-Toskana meta mqabbla mal-istudju attwali. Jim62 sab ukoll konċentrazzjoni aktar baxxa ta' nikil (12.34 mg/kg) fil-ħamrija urbana ta' Hong Kong, li hija aktar baxxa mill-konċentrazzjoni attwali tan-nikil f'dan l-istudju. Birke et al63 irrappurtaw konċentrazzjoni medja ta' Ni ta' 17.6 mg/kg f'żona antika tal-minjieri u industrijali urbana f'Saxony-Anhalt, il-Ġermanja, li kienet 1.45 mg/kg ogħla mill-konċentrazzjoni medja tan-Ni fiż-żona (16.15 mg/kg). Riċerka attwali. Il-kontenut eċċessiv ta' nikil fil-ħamrija f'xi żoni urbani u suburbani taż-żona tal-istudju jista' jkun attribwit l-aktar lill-industrija tal-ħadid u l-azzar u l-industrija tal-metall. Dan huwa konsistenti mal-istudju minn Khodadoust et al. 64 li l-industrija tal-azzar u x-xogħol tal-metall huma s-sorsi ewlenin ta’ kontaminazzjoni tan-nikil fil-ħamrija. Madankollu, il-predituri varjaw ukoll minn 538.70 mg/kg sa 69,161.80 mg/kg għal Ca, 497.51 mg/kg sa 3535.68 mg/kg għal K, u 685.68 mg/kg sa 5970.05 mg/kg għal Mg. Jakovljevic et al. 65 investiga l-kontenut totali ta' Mg u K fil-ħamrija fis-Serbja ċentrali. Huma sabu li l-konċentrazzjonijiet totali (410 mg/kg u 400 mg/kg, rispettivament) kienu aktar baxxi mill-konċentrazzjonijiet ta' Mg u K tal-istudju attwali. B'mod indistinguibbli, fil-Lvant tal-Polonja, Orzechowski u Smolczynski66 evalwaw il-kontenut totali ta' Ca, Mg u K u wrew konċentrazzjonijiet medji ta' Ca (1100 mg/kg), Mg (590 mg/kg) u K (810 mg/kg). Il-kontenut fil-ħamrija ta' fuq huwa aktar baxx mill-element wieħed f'dan l-istudju. Studju reċenti minn Pongrac et al. 67 wera li l-kontenut totali ta' Ca analizzat fi 3 ħamrija differenti fl-Iskozja, ir-Renju Unit (ħamrija ta' Mylnefield, ħamrija ta' Balruddery u ħamrija ta' Hartwood) indika kontenut ogħla ta' Ca f'dan l-istudju.
Minħabba l-konċentrazzjonijiet imkejla differenti tal-elementi kampjunati, id-distribuzzjonijiet tas-sett tad-dejta tal-elementi juru asimmetrija differenti. L-asimmetrija u l-kurtożi tal-elementi varjaw minn 1.53 sa 7.24 u minn 2.49 sa 54.16, rispettivament. L-elementi kkalkulati kollha għandhom livelli ta' asimmetrija u kurtożi 'l fuq minn +1, u b'hekk jindikaw li d-distribuzzjoni tad-dejta hija irregolari, asimmetrija fid-direzzjoni t-tajba u laħqet il-quċċata. Is-CVs stmati tal-elementi juru wkoll li K, Mg, u Ni juru varjabbiltà moderata, filwaqt li Ca għandu varjabbiltà estremament għolja. Is-CVs ta' K, Ni u Mg jispjegaw id-distribuzzjoni uniformi tagħhom. Barra minn hekk, id-distribuzzjoni ta' Ca mhijiex uniformi u sorsi esterni jistgħu jaffettwaw il-livell ta' arrikkiment tagħha.
Il-korrelazzjoni tal-varjabbli tal-predizzjoni mal-elementi tar-rispons indikat korrelazzjoni sodisfaċenti bejn l-elementi (ara l-Figura 3). Il-korrelazzjoni indikat li CaK wera korrelazzjoni moderata b'valur r = 0.53, kif għamel CaNi. Għalkemm Ca u K juru assoċjazzjonijiet modesti ma' xulxin, riċerkaturi bħal Kingston et al. 68 u Santo69 jissuġġerixxu li l-livelli tagħhom fil-ħamrija huma inversament proporzjonali. Madankollu, Ca u Mg huma antagonistiċi għal K, iżda CaK jikkorrelata sew. Dan jista' jkun minħabba l-applikazzjoni ta' fertilizzanti bħall-karbonat tal-potassju, li huwa 56% ogħla fil-potassju. Il-potassju kien moderatament korrelat mal-manjeżju (KM r = 0.63). Fl-industrija tal-fertilizzanti, dawn iż-żewġ elementi huma relatati mill-qrib għaliex is-sulfat tal-potassju u l-manjeżju, in-nitrat tal-potassju u l-manjeżju, u l-potassa huma applikati għall-ħamrija biex iżidu l-livelli ta' defiċjenza tagħhom. In-nikil huwa moderatament korrelat ma' Ca, K u Mg b'valuri r = 0.52, 0.63 u 0.55, rispettivament. Ir-relazzjonijiet li jinvolvu l-kalċju, il-manjeżju, u PTEs bħan-nikil huma kumplessi, iżda madankollu, il-manjeżju jinibixxi l-assorbiment tal-kalċju, il-kalċju jnaqqas l-effetti tal-manjeżju żejjed, u kemm il-manjeżju kif ukoll il-kalċju jnaqqsu l-effetti tossiċi tan-nikil fil-ħamrija.
Matriċi ta' korrelazzjoni għall-elementi li turi r-relazzjoni bejn il-predikaturi u r-risposti (Nota: din il-figura tinkludi dispersjoni bejn l-elementi, il-livelli ta' sinifikat huma bbażati fuq p < 0,001).
Il-Figura 4 turi d-distribuzzjoni spazjali tal-elementi. Skont Burgos et al70, l-applikazzjoni tad-distribuzzjoni spazjali hija teknika użata biex tikkwantifika u tenfasizza l-hot spots f'żoni mniġġsa. Il-livelli ta' arrikkiment tas-Ca fil-Fig. 4 jistgħu jidhru fil-parti tal-majjistral tal-mappa tad-distribuzzjoni spazjali. Il-figura turi hotspots ta' arrikkiment tas-Ca moderati sa għoljin. L-arrikkiment tal-kalċju fil-majjistral tal-mappa x'aktarx huwa dovut għall-użu ta' quicklime (ossidu tal-kalċju) biex titnaqqas l-aċidità tal-ħamrija u l-użu tiegħu fl-imtieħen tal-azzar bħala ossiġnu alkalin fil-proċess tal-manifattura tal-azzar. Min-naħa l-oħra, bdiewa oħra jippreferu jużaw l-idrossidu tal-kalċju f'ħamrija aċiduża biex jinnewtralizzaw il-pH, li jżid ukoll il-kontenut tal-kalċju tal-ħamrija71. Il-potassju juri wkoll hot spots fil-majjistral u l-lvant tal-mappa. Il-Majjistral huwa komunità agrikola ewlenija, u x-xejra moderata sa għolja tal-potassju tista' tkun dovuta għall-applikazzjonijiet tal-NPK u l-potassa. Dan huwa konsistenti ma' studji oħra, bħal Madaras u Lipavský72, Madaras et al.73, Pulkrabová et al.74, Asare et al.75, li osservaw li l-istabbilizzazzjoni tal-ħamrija u t-trattament bil-KCl u l-NPK irriżultaw f'kontenut għoli ta' K fil-ħamrija. L-arrikkiment spazjali tal-Potassju fil-majjistral tal-mappa tad-distribuzzjoni jista' jkun dovut għall-użu ta' fertilizzanti bbażati fuq il-potassju bħal klorur tal-potassju, sulfat tal-potassju, nitrat tal-potassju, potassa, u potassa biex jiżdied il-kontenut tal-potassju f'ħamrija fqira. Zádorová et al. 76 u Tlustoš et al. 77 iddeskriva li l-applikazzjoni ta' fertilizzanti bbażati fuq il-K żiedet il-kontenut ta' K fil-ħamrija u żżid b'mod sinifikanti l-kontenut ta' nutrijenti tal-ħamrija fit-tul, speċjalment il-K u l-Mg li juru hot spot fil-ħamrija. Hotspots relattivament moderati fil-majjistral tal-mappa u fix-xlokk tal-mappa. L-iffissar kollojdali fil-ħamrija jnaqqas il-konċentrazzjoni tal-manjeżju fil-ħamrija. In-nuqqas tiegħu fil-ħamrija jikkawża li l-pjanti juru klorożi safranija bejn il-vini. Fertilizzanti bbażati fuq il-manjeżju, bħal potassju manjesju sulfat, manjesju sulfat, u Kieserite, jittrattaw in-nuqqasijiet (il-pjanti jidhru vjola, ħomor, jew kannella, li jindikaw nuqqas ta' manjesju) f'ħamrija b'firxa ta' pH normali6. L-akkumulazzjoni tan-nikil fuq uċuħ tal-ħamrija urbana u peri-urbana tista' tkun dovuta għal attivitajiet antropoġeniċi bħall-agrikoltura u l-importanza tan-nikil fil-produzzjoni tal-istainless steel78.
Distribuzzjoni spazjali tal-elementi [il-mappa tad-distribuzzjoni spazjali nħolqot bl-użu ta' ArcGIS Desktop (ESRI, Inc, Verżjoni 10.7, URL: https://desktop.arcgis.com).]
Ir-riżultati tal-indiċi tal-prestazzjoni tal-mudell għall-elementi użati f'dan l-istudju huma murija fit-Tabella 2. Min-naħa l-oħra, l-RMSE u l-MAE tan-Ni huma t-tnejn qrib iż-żero (0.86 RMSE, -0.08 MAE). Min-naħa l-oħra, kemm il-valuri RMSE kif ukoll tal-MAE tal-K huma aċċettabbli. Ir-riżultati RMSE u MAE kienu akbar għall-kalċju u l-manjeżju. Ir-riżultati Ca u K MAE u RMSE huma akbar minħabba settijiet ta' dejta differenti. L-RMSE u l-MAE ta' dan l-istudju bl-użu ta' EBK biex ibassar in-Ni nstabu li huma aħjar mir-riżultati ta' John et al. 54 bl-użu ta' kriging sinerġistiku biex ibassar il-konċentrazzjonijiet ta' S fil-ħamrija bl-użu tal-istess dejta miġbura. L-outputs tal-EBK li studjajna jikkorrelataw ma' dawk ta' Fabijaczyk et al. 41, Yan et al. 79, Beguin et al. 80, Adhikary et al. 81 u John et al. 82, speċjalment K u Ni.
Il-prestazzjoni ta' metodi individwali għat-tbassir tal-kontenut tan-nikil f'ħamrija urbana u peri-urbana ġiet evalwata bl-użu tal-prestazzjoni tal-mudelli (Tabella 3). Il-validazzjoni tal-mudell u l-evalwazzjoni tal-eżattezza kkonfermaw li l-preditur Ca_Mg_K flimkien mal-mudell EBK SVMR taw l-aħjar prestazzjoni. Il-mudell ta' kalibrazzjoni Ca_Mg_K-EBK_SVMR R2, l-iżball kwadratiku medju tal-għerq (RMSE) u l-iżball assolut medju (MAE) kienu 0.637 (R2), 95.479 mg/kg (RMSE) u 77.368 mg/kg (MAE). Ca_Mg_K-SVMR kien 0.663 (R2), 235.974 mg/kg (RMSE) u 166.946 mg/kg (MAE). Madankollu, inkisbu valuri tajbin ta' R2 għal Ca_Mg_K-SVMR (0.663 mg/kg R2) u Ca_Mg-EBK_SVMR (0.643 = R2); Ir-riżultati tal-RMSE u l-MAE tagħhom kienu ogħla minn dawk għal Ca_Mg_K-EBK_SVMR (R2 0.637) (ara t-Tabella 3). Barra minn hekk, l-RMSE u l-MAE tal-mudell Ca_Mg-EBK_SVMR (RMSE = 1664.64 u MAE = 1031.49) huma 17.5 u 13.4, rispettivament, li huma akbar minn dawk tal-Ca_Mg_K-EBK_SVMR. Bl-istess mod, l-RMSE u l-MAE tal-mudell Ca_Mg-K SVMR (RMSE = 235.974 u MAE = 166.946) huma 2.5 u 2.2 akbar minn dawk tal-RMSE u l-MAE ta' Ca_Mg_K-EBK_SVMR, rispettivament. Ir-riżultati kkalkulati tal-RMSE jindikaw kemm is-sett tad-dejta huwa kkonċentrat mal-linja tal-aħjar qbil. Ġew osservati RSME u MAE ogħla. Skont Kebonye et al. 46 u john et al. 54, iktar ma l-RMSE u l-MAE jkunu qrib iż-żero, aħjar ikunu r-riżultati. SVMR u EBK_SVMR għandhom valuri kwantizzati RSME u MAE ogħla. Ġie osservat li l-istimi tal-RSME kienu konsistentement ogħla mill-valuri tal-MAE, u dan jindika l-preżenza ta' valuri anomali. Skont Legates u McCabe83, il-punt sa fejn l-RMSE jaqbeż l-iżball assolut medju (MAE) huwa rakkomandat bħala indikatur tal-preżenza ta' valuri anomali. Dan ifisser li iktar ma jkun eteroġenju d-dataset, iktar ikunu għoljin il-valuri tal-MAE u l-RMSE. L-eżattezza tal-valutazzjoni tal-validazzjoni inkroċjata tal-mudell imħallat Ca_Mg_K-EBK_SVMR għat-tbassir tal-kontenut tan-Ni f'ħamrija urbana u suburbana kienet ta' 63.70%. Skont Li et al. 59, dan il-livell ta' eżattezza huwa rata ta' prestazzjoni tal-mudell aċċettabbli. Ir-riżultati preżenti huma mqabbla ma' studju preċedenti minn Tarasov et al. 36 li l-mudell ibridu tagħhom ħoloq MLPRK (Multilayer Perceptron Residual Kriging), relatat mal-indiċi tal-evalwazzjoni tal-eżattezza EBK_SVMR irrappurtat fl-istudju attwali, RMSE (210) u L-MAE (167.5) kien ogħla mir-riżultati tagħna fl-istudju attwali (RMSE 95.479, MAE 77.368). Madankollu, meta nqabblu l-R2 tal-istudju attwali (0.637) ma' dak ta' Tarasov et al. 36 (0.544), huwa ċar li l-koeffiċjent tad-determinazzjoni (R2) huwa ogħla f'dan il-mudell imħallat. Il-marġni ta' żball (RMSE u MAE) (EBK SVMR) għall-mudell imħallat huwa darbtejn inqas. Bl-istess mod, Sergeev et al.34 irreġistraw 0.28 (R2) għall-mudell ibridu żviluppat (Multilayer Perceptron Residual Kriging), filwaqt li Ni fl-istudju attwali rreġistra 0.637 (R2). Il-livell ta' preċiżjoni tat-tbassir ta' dan il-mudell (EBK SVMR) huwa 63.7%, filwaqt li l-preċiżjoni tat-tbassir miksuba minn Sergeev et al. 34 hija 28%. Il-mappa finali (Fig. 5) maħluqa bl-użu tal-mudell EBK_SVMR u Ca_Mg_K bħala tbassir turi tbassir ta' hot spots u moderat għal nikil fuq iż-żona kollha tal-istudju. Dan ifisser li l-konċentrazzjoni tan-nikil fiż-żona tal-istudju hija prinċipalment moderata, b'konċentrazzjonijiet ogħla f'xi żoni speċifiċi.
Il-mappa ta' tbassir finali hija rappreżentata bl-użu tal-mudell ibridu EBK_SVMR u bl-użu ta' Ca_Mg_K bħala l-preditur.[Il-mappa tad-distribuzzjoni spazjali nħolqot bl-użu ta' RStudio (verżjoni 1.4.1717: https://www.rstudio.com/).]
Il-Figura 6 turi l-konċentrazzjonijiet tal-PTE bħala pjan ta' kompożizzjoni li jikkonsisti minn newroni individwali. L-ebda wieħed mill-pjani tal-komponenti ma wera l-istess mudell ta' kulur kif muri. Madankollu, in-numru xieraq ta' newroni għal kull mappa mfassla huwa 55. SeOM huwa prodott bl-użu ta' varjetà ta' kuluri, u aktar ma jkunu simili l-mudelli tal-kulur, aktar ikunu komparabbli l-proprjetajiet tal-kampjuni. Skont l-iskala preċiża tal-kulur tagħhom, elementi individwali (Ca, K, u Mg) urew mudelli ta' kulur simili għal newroni singoli għoljin u l-biċċa l-kbira tan-newroni baxxi. Għalhekk, CaK u CaMg jaqsmu xi xebh ma' newroni ta' ordni għolja ħafna u mudelli ta' kulur baxxi għal moderati. Iż-żewġ mudelli jbassru l-konċentrazzjoni ta' Ni fil-ħamrija billi juru lewn medju għal għoli ta' kuluri bħal aħmar, oranġjo u isfar. Il-mudell KMg juri ħafna mudelli ta' kulur għoli bbażati fuq proporzjonijiet preċiżi u irqajja' ta' kulur baxxi għal medji. Fuq skala preċiża tal-kulur minn baxx għal għoli, il-mudell ta' distribuzzjoni planari tal-komponenti tal-mudell wera mudell ta' kulur għoli li jindika l-konċentrazzjoni potenzjali tan-nikil fil-ħamrija (ara l-Figura 4). Il-pjan tal-komponent tal-mudell CakMg juri mudell ta' kulur divers minn baxx għal għoli skont Skala preċiża tal-kulur. Barra minn hekk, it-tbassir tal-mudell tal-kontenut tan-nikil (CakMg) huwa simili għad-distribuzzjoni spazjali tan-nikil murija fil-Figura 5. Iż-żewġ graffs juru proporzjonijiet għoljin, medji u baxxi ta' konċentrazzjonijiet tan-nikil f'ħamrija urbana u peri-urbana. Il-Figura 7 turi l-metodu tal-kontur fl-aggruppament k-means fuq il-mappa, maqsum fi tliet gruppi bbażati fuq il-valur imbassar f'kull mudell. Il-metodu tal-kontur jirrappreżenta n-numru ottimali ta' gruppi. Mill-115-il kampjun tal-ħamrija miġbura, il-kategorija 1 kisbet l-aktar kampjuni tal-ħamrija, 74. Il-grupp 2 irċieva 33 kampjun, filwaqt li l-grupp 3 irċieva 8 kampjuni. Il-kombinazzjoni ta' tbassir planari ta' seba' komponenti ġiet simplifikata biex tippermetti interpretazzjoni korretta tal-gruppi. Minħabba l-bosta proċessi antropoġeniċi u naturali li jaffettwaw il-formazzjoni tal-ħamrija, huwa diffiċli li jkun hemm mudelli ta' gruppi differenzjati kif suppost f'mappa SeOM distribwita78.
Output tal-pjan tal-komponent minn kull varjabbli tal-Empirical Bayesian Kriging Support Vector Machine (EBK_SVM_SeOM).[Il-mapep SeOM inħolqu bl-użu ta' RStudio (verżjoni 1.4.1717: https://www.rstudio.com/).]
Komponenti differenti ta' klassifikazzjoni ta' raggruppamenti [Il-mapep SeOM inħolqu bl-użu ta' RStudio (verżjoni 1.4.1717: https://www.rstudio.com/).]
L-istudju attwali juri b'mod ċar tekniki ta' mmudellar għal konċentrazzjonijiet ta' nikil f'ħamrija urbana u peri-urbana. L-istudju ttestja tekniki ta' mmudellar differenti, billi kkombina elementi ma' tekniki ta' mmudellar, biex jikseb l-aħjar mod biex ibassar il-konċentrazzjonijiet tan-nikil fil-ħamrija. Il-karatteristiċi spazjali planari kompożizzjonali tas-SeOM tat-teknika tal-immudellar urew xejra ta' kulur għoli minn baxx għal għoli fuq skala ta' kulur preċiża, li tindika konċentrazzjonijiet ta' Ni fil-ħamrija. Madankollu, il-mappa tad-distribuzzjoni spazjali tikkonferma d-distribuzzjoni spazjali planari tal-komponenti esebiti minn EBK_SVMR (ara l-Figura 5). Ir-riżultati juru li l-mudell ta' rigressjoni tal-magna tal-vettur ta' appoġġ (CaMgK-SVMR) ibassar il-konċentrazzjoni ta' Ni fil-ħamrija bħala mudell wieħed, iżda l-parametri tal-validazzjoni u l-evalwazzjoni tal-eżattezza juru żbalji għoljin ħafna f'termini ta' RMSE u MAE. Min-naħa l-oħra, it-teknika ta' mmudellar użata mal-mudell EBK_MLR hija wkoll difettuża minħabba l-valur baxx tal-koeffiċjent tad-determinazzjoni (R2). Inkisbu riżultati tajbin bl-użu ta' EBK SVMR u elementi kkombinati (CaKMg) b'żbalji baxxi ta' RMSE u MAE b'eżattezza ta' 63.7%. Jirriżulta li l-kombinazzjoni tal-algoritmu EBK ma' tagħlim awtomatiku L-algoritmu jista' jiġġenera algoritmu ibridu li jista' jbassar il-konċentrazzjoni tal-PTEs fil-ħamrija. Ir-riżultati juru li l-użu ta' CaMgK bħala preditturi biex jitbassru l-konċentrazzjonijiet tan-Ni fiż-żona tal-istudju jista' jtejjeb it-tbassir tan-Ni fil-ħamrija. Dan ifisser li l-applikazzjoni kontinwa ta' fertilizzanti bbażati fuq in-nikil u t-tniġġis industrijali tal-ħamrija mill-industrija tal-azzar għandhom it-tendenza li jżidu l-konċentrazzjoni tan-nikil fil-ħamrija. Dan l-istudju żvela li l-mudell EBK jista' jnaqqas il-livell ta' żball u jtejjeb l-eżattezza tal-mudell tad-distribuzzjoni spazjali tal-ħamrija f'ħamrija urbana jew peri-urbana. B'mod ġenerali, nipproponu li napplikaw il-mudell EBK-SVMR biex nivvalutaw u nbassru l-PTE fil-ħamrija; barra minn hekk, nipproponu li nużaw l-EBK biex nibridizzaw ma' diversi algoritmi tat-tagħlim awtomatiku. Il-konċentrazzjonijiet tan-Ni ġew imbassra bl-użu ta' elementi bħala kovarjati; madankollu, l-użu ta' aktar kovarjati jtejjeb ħafna l-prestazzjoni tal-mudell, li jista' jitqies bħala limitazzjoni tax-xogħol attwali. Limitazzjoni oħra ta' dan l-istudju hija li n-numru ta' settijiet ta' dejta huwa 115. Għalhekk, jekk tiġi pprovduta aktar dejta, il-prestazzjoni tal-metodu ta' ibridizzazzjoni ottimizzata propost tista' titjieb.
PlantProbs.net.Nikil fil-Pjanti u l-Ħamrija https://plantprobs.net/plant/nutrientImbalances/sodium.html (Aċċessat fit-28 ta' April 2021).
Kasprzak, KS Avvanzi tan-nikil fit-tossikoloġija ambjentali moderna. L-inħawi. It-tossikoloġija. 11, 145–183 (1987).
Cempel, M. & Nikel, G. Nikil: Reviżjoni tas-sorsi tiegħu u t-tossikoloġija ambjentali. Polish J. Environment.Stud.15, 375–382 (2006).
Freedman, B. & Hutchinson, TC Dħul ta' sustanzi niġġiesa mill-atmosfera u akkumulazzjoni fil-ħamrija u l-veġetazzjoni ħdejn fonderija tan-nikil-ram f'Sudbury, Ontario, il-Kanada.can.J. Bot.58(1), 108-132.https://doi.org/10.1139/b80-014 (1980).
Manyiwa, T. et al. Metalli tqal fil-ħamrija, pjanti u riskji assoċjati mar-ruminanti li jirgħu ħdejn il-minjiera tar-ram-nikil ta' Selebi-Phikwe fil-Botswana. Inħawi. Ġeokimika. Saħħa https://doi.org/10.1007/s10653-021-00918-x (2021).
Cabata-Pendias.Kabata-Pendias A. 2011. Elementi traċċa fil-ħamrija u… – Google Scholar https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Kabata-Pendias+A.+2011.+Trace+ Elements+in+soils+and+plants.+4th+ed.+New+York+%28NY%29%3A+CRC+Press&btnG= (Aċċessat fl-24 ta' Novembru 2020).
Almås, A., Singh, B., Agrikoltura, TS-NJ ta' & 1995, mhux definit. Effetti tal-industrija Russa tan-nikil fuq il-konċentrazzjonijiet ta' metalli tqal fil-ħamrija agrikola u l-ħaxix f'Soer-Varanger, in-Norveġja.agris.fao.org.
Nielsen, GD et al. L-assorbiment u ż-żamma tan-nikil fl-ilma tax-xorb huma relatati mal-konsum tal-ikel u s-sensittività għan-nikil. tossikoloġija. applikazzjoni. Farmakodinamika. 154, 67–75 (1999).
Costa, M. & Klein, CB Karċinoġenesi tan-nikil, mutazzjoni, epiġenetika jew għażla. L-inħawi. Perspettiva tas-Saħħa. 107, 2 (1999).
Ajman, PC; Ajado, SK; Borůvka, L.; Bini, JKM; Sarkody, VYO; Cobonye, ​​​​NM; Analiżi tax-xejriet ta' elementi potenzjalment tossiċi: reviżjoni biblijometrika. Ġeokimika Ambjentali u Saħħa. Springer Science & Business Media BV 2020. https://doi.org/10.1007/s10653-020-00742-9.
Minasny, B. & McBratney, AB Tfassil Diġitali tal-Ħamrija: Storja fil-Qosor u Xi Lezzjonijiet. Geoderma 264, 301–311. https://doi.org/10.1016/j.geoderma.2015.07.017 (2016).
McBratney, AB, Mendonça Santos, ML & Minasny, B. Dwar l-immappjar tal-ħamrija diġitali.Geoderma 117(1-2), 3-52.https://doi.org/10.1016/S0016-7061(03)00223-4 (2003).
Deutsch.CV Immudellar Ġeostatistiku tar-Reservoirs,… – Google Scholar https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=CV+Deutsch%2C+2002%2C+Geostatistical+Reservoir+Modeling%2C +Oxford+University+Press%2C+376+pages.+&btnG= (Aċċessat fit-28 ta' April 2021).