Faafetai mo le asiasi mai i le Nature.com. O le lomiga o le browser o loʻo e faʻaaogaina e itiiti le lagolago mo le CSS. Mo le poto masani sili ona lelei, matou te fautuaina oe e faʻaaoga se browser ua faʻafouina (pe tape le compatibility mode i le Internet Explorer). I le taimi nei, ina ia mautinoa le faʻaauauina o le lagolago, o le a matou faʻaalia le 'upega tafaʻilagi e aunoa ma ni sitaili ma JavaScript.
O le fa'aleagaina o le eleele o se fa'afitauli tele e mafua mai i gaioiga a tagata. O le tufatufaina atu o elemene e ono afaina ai le soifua maloloina (PTEs) e eseese i le tele o taulaga ma pito i tua o le taulaga. O le mea lea, e faigata ai ona vavaloina le aofa'i o PTEs i ia eleele. E 115 fa'ata'ita'iga na maua mai Frydek Mistek i le Czech Republic. O le maualuga o le Calcium (Ca), magnesium (Mg), potassium (K) ma le nickel (Ni) na fuafuaina e fa'aaoga ai le inductively coupled plasma emission spectrometry. O le fesuia'iga tali o le Ni ma o valo'aga o le Ca, Mg, ma le K. O le correlation matrix i le va o le fesuia'iga tali ma le fesuia'iga valo'aga e fa'aalia ai se feso'ota'iga fa'amalieina i le va o elemene. O taunu'uga o valo'aga na fa'aalia ai o le Support Vector Machine Regression (SVMR) na lelei le fa'atinoga, e ui lava o lona fa'atatauga o le root mean square error (RMSE) (235.974 mg/kg) ma le mean absolute error (MAE) (166.946 mg/kg) e maualuga atu nai lo isi metotia na fa'aaogaina. O fa'ata'ita'iga fefiloi mo le Empirical Bayesian Kriging-Multiple Linear Regression (EBK-MLR) e le lelei le fa'atinoga, e pei ona fa'amaonia mai e ala i fua fa'atatau o le fuafuaina e itiiti ifo i le 0.1. O le fa'ata'ita'iga Empirical Bayesian Kriging-Support Vector Machine Regression (EBK-SVMR) o le fa'ata'ita'iga sili lea, fa'atasi ai ma tau maualalo o le RMSE (95.479 mg/kg) ma le MAE (77.368 mg/kg) ma le fua fa'atatau maualuga o le fuafuaina (R2 = 0.637). O le fa'ai'uga o le metotia fa'ata'ita'iga EBK-SVMR e fa'aalia e fa'aaoga ai se fa'afanua e fa'atulagaina e ia lava. O neura fa'aputu i le va'alele o le fa'ata'ita'iga fa'afefiloi o le vaega CakMg-EBK-SVMR e fa'aalia ai le tele o mamanu lanu e vavalo ai le maualuga o le Ni i eleele i totonu o taulaga ma pito i tua o taulaga. O taunu'uga e fa'aalia ai o le tu'ufa'atasia o le EBK ma le SVMR o se metotia lelei mo le vavaloina o le maualuga o le Ni i eleele i totonu o taulaga ma pito i tua o taulaga.
O le Nickel (Ni) ua manatu o se micronutrient mo laau ona e fesoasoani i le fa'amautuina o le nitrogen i le ea (N) ma le metabolism o le urea, o mea uma ia e lua e mana'omia mo le tuputupu a'e o fatu. I le fa'aopoopoga i lona sao i le tuputupu a'e o fatu, e mafai e le Ni ona avea o se mea e taofia ai fungal ma bacteria ma fa'alauiloa ai le tuputupu a'e o laau. O le leai o le nickel i le eleele e mafai ai e le laau ona mitiia, ma mafua ai ona chlorosis laulaau. Mo se fa'ata'ita'iga, o pi kau ma pi lanumeamata e mana'omia ai le fa'aogaina o fa'apalaga e fa'avae i le nickel e fa'aleleia atili ai le fa'amautuina o le nitrogen. O le fa'aauau pea ona fa'aogaina o fa'apalaga e fa'avae i le nickel e fa'amauoa ai le eleele ma fa'ateleina ai le mafai e le legumes ona fa'amautu le nitrogen i le eleele e fa'ateleina ai pea le maualuga o le nickel i le eleele. E ui o le nickel o se micronutrient mo laau, o lona tele o le 'ai i le eleele e mafai ona sili atu le leaga nai lo le lelei. O le oona o le nickel i le eleele e fa'aitiitia ai le pH o le eleele ma fa'alavelaveina ai le fa'aaogaina o le u'amea o se mea'ai taua mo le tuputupu a'e o laau. E tusa ai ma Liu3, ua maua o le Ni o le elemene taua lona 17 e mana'omia mo le tuputupu a'e ma le tuputupu a'e o laau. I le fa'aopoopoga i le matafaioi a le nickel i le tuputupu a'e ma le tuputupu a'e o laau, e mana'omia e tagata mo le tele o fa'aoga. O le electroplating, o le gaosiga o le nickel O mea fa'a'au'au, ma le gaosiga o masini fa'amumu ma poloka afi i le alamanuia o ta'avale e mana'omia uma ai le fa'aaogaina o le nickel i vaega eseese o alamanuia. E le gata i lea, o mea fa'a'au'au e fa'avae i le nickel ma mea ua fa'apipi'iina i le eletise ua fa'aaogaina lautele i mea faigaluega mo umukuka, mea fa'aopoopo i potu ta'alo, sapalai o mea'ai, eletise, uaea ma uaea, turbine jet, mea fa'apipi'i taotoga, ie, ma le fausiaina o va'a5. O le maualuga o le Ni i le eleele (e pei o le eleele i luga) ua mafua mai i punaoa fa'alenatura ma mea e mafua mai i tagata, ae o le mea autu, o le Ni o se punaoa fa'alenatura nai lo mea e mafua mai i tagata4,6. O punaoa fa'alenatura o le nickel e aofia ai le mu o mauga mu, la'au, afi o vaomatua, ma faiga fa'ale-geo; peita'i, o punaoa fa'alenatura e aofia ai maa nickel/cadmium i le alamanuia o u'amea, fa'apipi'iina i le eletise, fa'avevela o le arc, suau'u diesel ma suau'u, ma le ea mai le mu o le malala ma le susunuina o otaota ma palapala. Fa'aputuga o le nickel7,8. E tusa ai ma Freedman ma Hutchinson9 ma Manyiwa et al. 10, o puna autū o le filogia o le eleele pito i luga i le siosiomaga lata ane ma le siosiomaga lata ane o fale fa'amama ma maina e fa'avae i le nickel-copper. O le eleele pito i luga i tafatafa o le fale fa'amama nickel-copper o Sudbury i Kanata sa i ai le maualuga o le filogia o le nickel i le 26,000 mg/kg11. I se fa'atusatusaga, o le filogia mai le gaosiga o le nickel i Rusia ua i'u ai i le maualuga o le aofa'i o le nickel i le eleele o Nouei11. E tusa ai ma Alms et al. 12, o le aofaʻi o le nickel e mafai ona faʻasuʻeina mai le HNO3 i le fanua sili ona lelei e totoina i le itulagi (gaosiga o le nickel i Rusia) e mai le 6.25 i le 136.88 mg/kg, e tutusa ma le averesi o le 30.43 mg/kg ma le maualuga o le 25 mg/kg. E tusa ai ma le kabata 11, o le faʻaaogaina o faʻapalapala phosphorus i eleele faʻatoʻaga i totonu o taulaga poʻo pito i tua o taulaga i vaitau faʻatoʻaga sosoo e mafai ona faʻasusu pe faʻaleagaina ai le eleele. O aʻafiaga e ono aʻafia ai tagata e ono oʻo atu ai i le kanesa e ala i le mutagenesis, faʻaleagaina o chromosomal, gaosiga o le Z-DNA, poloka le toe faʻaleleia o le DNA, poʻo faiga epigenetic13. I faʻataʻitaʻiga i manu, ua maua ai le nickel e mafai ona mafua ai le tele o tumo, ma o faʻalavelave faʻamaʻi nickel e mafua ai le kanesa e ono faʻateteleina ai ia tumo.
Ua manuia iloiloga o le faaleagaina o le eleele i aso nei ona o le tele o mataupu tau soifua maloloina e mafua mai i sootaga o le eleele ma laau, sootaga olaola o le eleele ma le eleele, faaleagaina o le siosiomaga, ma le iloiloga o aafiaga o le siosiomaga. I le taimi nei, o le vavaloina o elemene e ono afaina ai (PTEs) e pei o le Ni i le eleele ua faigata ma tele ai le taimi e alu ai i le faaaogaina o metotia masani. O le oo mai o le faafanua numera o le eleele (DSM) ma lona manuia i le taimi nei15 ua matua faaleleia atili ai le faafanua o le eleele e valoia ai le taumatematega (PSM). E tusa ai ma Minasny ma McBratney16, o le faafanua o le eleele e valoia ai le taumatematega (DSM) ua faamaonia o se vaega taua o le faasaienisi o le eleele. Lagacherie ma McBratney, 2006 ua faauigaina le DSM o le "fausiaina ma le faatumuina o faiga faamatalaga o le eleele e ala i le faaaogaina o metotia o le mataituina i totonu ma le fale suesue ma faiga o le suʻesuʻeina o le eleele e fuafua i le taumatematega ma le taumatematega o le eleele e le o ni taumatematega". McBratney ma isi. 17 o loʻo faʻamatala ai o le DSM poʻo le PSM faʻaonaponei o le metotia sili lea ona aoga mo le vavaloina poʻo le faʻafanua o le tufatufaina atu o PTE, ituaiga eleele ma meatotino o le eleele. O Geostatistics ma Machine Learning Algorithms (MLA) o metotia faʻataʻitaʻiga DSM e fatuina ai faʻafanua faʻatekinolosi faʻatasi ai ma le fesoasoani a komepiuta e faʻaaoga ai faʻamatalaga taua ma laʻititi.
Ua faʻamatalaina e Deutsch18 ma Olea19 le geostatistics o le "aoina o metotia faʻafuainumera e feagai ma le faʻatusaina o uiga faʻapitoa, e faʻaaogaina ai faʻataʻitaʻiga stochastic, e pei o le auala e faʻailoa ai e le auʻiliʻiliga o faʻasologa taimi faʻamaumauga taimi." O le mea autu, o le geostatistics e aofia ai le iloiloga o variograms, lea e mafai ai ona Fuafua ma faʻamatalaina le faʻalagolago o tau faʻapitoa mai faʻamaumauga taʻitasi20. Gumiaux et al. 20 o loʻo faʻaalia atili ai o le iloiloga o variograms i geostatistics e faʻavae i luga o mataupu faavae e tolu, e aofia ai le (a) faʻatulagaina o le fua o le fesoʻotaʻiga o faʻamaumauga, (b) faʻailoaina ma le faʻatulagaina o le anisotropy i le eseesega o faʻamaumauga ma le (c) faʻaopoopo i le I le faʻaopoopoga i le amanaʻiaina o le sese o faʻamaumauga fuaina ua vavaeʻese mai aafiaga i le lotoifale, o aafiaga o le eria e faʻatatauina foi. Fausia i luga o nei manatu, o le tele o metotia faʻapipiʻi e faʻaaogaina i geostatistics, e aofia ai le kriging lautele, co-kriging, kriging masani, Bayesian kriging empirical, metotia kriging faigofie ma isi metotia faʻapipiʻi lauiloa e faʻafanua pe vavalo ai le PTE, uiga o le eleele, ma ituaiga eleele.
O le Machine Learning Algorithms (MLA) o se metotia fou e faʻaaogaina ai vasega faʻamaumauga tetele e le o ni laina, e faʻamalosia e algorithms e masani ona faʻaaogaina mo le eliina o faʻamaumauga, faʻailoaina o mamanu i faʻamaumauga, ma faʻaaogaina soo i le faʻavasegaga i vaega faasaienisi e pei o le saienisi o le eleele ma galuega toe faafoi. E tele pepa suʻesuʻega e faʻalagolago i faʻataʻitaʻiga MLA e vavalo ai le PTE i eleele, e pei o Tan et al. 22 (vaomatua faʻafuaseʻi mo le fuafuaina o uʻamea mamafa i eleele faʻatoʻaga), Sakizadeh et al. 23 (faʻataʻitaʻiga e faʻaaoga ai masini lagolago vector ma fesoʻotaʻiga neural faʻapitoa) faʻaleagaina o le eleele). I se faʻaopoopoga, Vega et al. 24 (CART mo le faʻataʻitaʻiina o le taofia o uʻamea mamafa ma le adsorption i le eleele) Sun et al. 25 (faʻaaogaina o le cubist o le tufatufaina atu o le Cd i le eleele) ma isi algorithms e pei o le k-nearest neighbor, generalized boosted regression, ma le boosted regression Trees na faʻaaogaina foi le MLA e vavalo ai le PTE i le eleele.
O le faʻaaogaina o algorithms a le DSM i le vavalo poʻo le faʻafanua e feagai ma ni luʻitau se tele. E talitonu le toʻatele o tusitala e sili atu le MLA nai lo geostatistics ma le faʻafeagai. E ui e sili atu le tasi nai lo le isi, o le tuʻufaʻatasia o mea e lua e faʻaleleia atili ai le saʻo o le faʻafanua poʻo le vavalo i le DSM15. Woodcock ma Gopal26 Finke27; Pontius ma Cheuk28 ma Grunwald29 faʻamatalaga e uiga i mea le atoatoa ma nisi mea sese i le faʻafanua o le eleele ua vavaloina. Ua faʻataʻitaʻiina e saienitisi o le eleele le tele o metotia e faʻaleleia atili ai le aoga, saʻo, ma le mafai ona vavaloina o le faʻafanua ma le vavalo a le DSM. O le tuʻufaʻatasia o le le mautonu ma le faʻamaoniga o se tasi lea o le tele o vaega eseese ua tuʻufaʻatasia i le DSM e faʻaleleia atili ai le aoga ma faʻaitiitia ai mea sese. Peitaʻi, o Agyeman et al. 15 o loʻo faʻamatalaina ai o le amioga faʻamaonia ma le le mautonu na faʻalauiloa mai e le fatuina o faʻafanua ma le vavalo e tatau ona faʻamaonia tutoʻatasi e faʻaleleia atili ai le lelei o le faʻafanua. O tapulaʻa o le DSM e mafua mai i le lelei o le eleele ua salalau faʻafanua, lea e aofia ai se vaega o le le mautonu; e ui i lea, o le leai o se mautinoa i le DSM e ono tulaʻi mai i le tele o puna o mea sese, e pei o le covariate error, model error, location error, ma le analytical Error 31. O le le saʻo o le faʻataʻitaʻiga na mafua mai i le MLA ma faiga faʻafanua e fesoʻotaʻi ma le le malamalama, ma iu ai ina oʻo atu ai i le faigofie tele o le faiga moni32. E tusa lava po o le a le natura o le faʻataʻitaʻiga, e mafai ona mafua le le saʻo i faʻataʻitaʻiga o parakalafa, faʻataʻitaʻiga faʻamatematika, poʻo le interpolation33. Talu ai nei, ua aliaʻe mai ai se aga fou a le DSM lea e faʻalauiloa ai le tuʻufaʻatasia o geostatistics ma le MLA i le faʻafanua ma le vaʻaiga. O le tele o saienitisi ma tusitala o le eleele, e pei o Sergeev et al. 34; Subbotina et al. 35; Tarasov et al. 36 ma Tarasov et al. 37 ua faʻaaogaina le tulaga saʻo o geostatistics ma le masini aʻoaʻoina e faʻatupu ai ni faʻataʻitaʻiga hybrid e faʻaleleia atili ai le lelei o le vaʻaiga ma le faʻafanua. lelei. O nisi o nei faʻataʻitaʻiga algorithm hybrid poʻo le tuʻufaʻatasi o le 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 ma le Co-Kriging ma le Gaussian Process Regression38.
E tusa ai ma Sergeev ma isi, o le tuufaatasia o metotia eseese o le faataitaiga e mafai ona aveese ai ni faaletonu ma faateleina ai le lelei o le faataitaiga hybrid e mafua mai nai lo le atiina ae o lana faataitaiga e tasi. I lenei tulaga, o lenei pepa fou ua finau mai ai e tatau ona faaaoga se algorithm tuufaatasi o geostatistics ma le MLA e fatu ai ni faataitaiga hybrid sili ona lelei e vavalo ai le faʻamauoa o le Ni i totonu o taulaga ma pito i tua o taulaga. O lenei suesuega o le a faalagolago i le Empirical Bayesian Kriging (EBK) o le faataitaiga faavae ma palu faatasi ma le Support Vector Machine (SVM) ma faataitaiga Multiple Linear Regression (MLR). O le tuufaatasia o le EBK ma soo se MLA e le o iloa. O faataitaiga fefiloi eseese o loo vaaia o ni tuufaatasiga o le masani, toega, regression kriging, ma le MLA. O le EBK o se metotia o le geostatistical interpolation e faaaogaina ai se faagasologa spatially stochastic lea e faʻapitonuʻu o se fanua e le tumau/mautu faatasi ai ma parakalafa localization ua faʻamatalaina i luga o le fanua, e mafai ai ona suia le spatially39. Ua faʻaaogaina le EBK i le tele o suesuega, e aofia ai le iloiloina o le tufatufaina atu o le carbon organic i eleele faatoaga40, iloiloina o le eleele e faaleagaina ai le eleele41 ma le faafanua o le eleele. meatotino42.
I le isi itu, o le Self-Organizing Graph (SeOM) o se algorithm aʻoaʻoga ua faʻaaogaina i tusiga eseese e pei o Li et al. 43, Wang et al. 44, Hossain Bhuiyan et al. 45 ma Kebonye et al.46 Fuafuaina uiga faʻapitoa ma le faʻaputuina o elemene. Ua faʻamatala mai e Wang et al. 44 o le SeOM o se metotia aʻoaʻoga malosi e lauiloa i lona gafatia e faʻaputu ma mafaufauina ai faʻafitauli e le o ni laina. E le pei o isi metotia o le iloaina o mamanu e pei o le suʻesuʻega o vaega autu, faʻaputuga fuzzy, faʻaputuga hierarchical, ma le faia o faʻaiuga e tele-criteria, e sili atu le SeOM i le faʻatulagaina ma le faʻailoaina o mamanu PTE. E tusa ai ma Wang et al. 44, e mafai e le SeOM ona faʻaputu faʻapitoa le tufatufaina o neurons e fesoʻotaʻi ma tuʻuina atu le faʻaaliga o faʻamatalaga maualuga. O le a vaʻaia e le SeOM faʻamatalaga vavalo Ni e maua ai le faʻataʻitaʻiga sili e faʻailoa ai taunuʻuga mo le faʻamatalaina saʻo.
O lenei pepa e faʻamoemoe e faʻatupuina se faʻataʻitaʻiga faʻafanua malosi ma le saʻo sili ona lelei mo le vavaloina o le aofaʻi o le nickel i eleele i totonu o taulaga ma pito i tua o taulaga. Matou te manatu o le faʻatuatuaina o le faʻataʻitaʻiga fefiloi e faʻalagolago tele lava i le faatosinaga o isi faʻataʻitaʻiga e faʻapipiʻi i le faʻataʻitaʻiga autu. Matou te faʻailoa atu luʻitau o loʻo feagai ma le DSM, ma e ui o nei luʻitau o loʻo faʻatalanoaina i le tele o itu, o le tuʻufaʻatasiga o alualu i luma i geostatistics ma faʻataʻitaʻiga MLA e foliga mai e faʻasolosolo malie; o le mea lea, o le a matou taumafai e tali fesili suʻesuʻega e ono maua ai ni faʻataʻitaʻiga fefiloi. Peitaʻi, o le a le saʻo o le faʻataʻitaʻiga i le vavaloina o le elemene faʻamoemoeina? E le gata i lea, o le a le tulaga o le iloiloga o le lelei e faʻavae i luga o le faʻamaoniga ma le iloiloga o le saʻo? O le mea lea, o sini faʻapitoa o lenei suʻesuʻega o le (a) fatuina o se faʻataʻitaʻiga fefiloi tuʻufaʻatasi mo le SVMR poʻo le MLR e faʻaaoga ai le EBK o le faʻataʻitaʻiga autu, (b) faʻatusatusa faʻataʻitaʻiga na maua mai (c) fautuaina le faʻataʻitaʻiga fefiloi sili ona lelei mo le vavaloina o le maualuga o le Ni i eleele i totonu o taulaga poʻo pito i tua o taulaga, ma le (d) le faʻaaogaina o le SeOM e fausia ai se faʻafanua maualuga le iugafono o le suiga o le va o le nickel.
O loʻo faia le suʻesuʻega i le Czech Republic, aemaise lava i le itumalo o Frydek Mistek i le itulagi o Moravia-Silesian (tagai i le Ata 1). O le laufanua o le eria o loʻo suʻesuʻeina e matuā gaoā ma o le tele lava o vaega o le itulagi o Moravia-Silesian Beskidy, o se vaega o le pito i fafo o Mauga o Carpathian. O le eria o loʻo suʻesuʻeina o loʻo i le va o le 49° 41′ 0′ N ma le 18° 20′ 0′ E, ma o le maualuga e i le va o le 225 ma le 327 m; e ui i lea, o le faiga fa'avasega a Koppen mo le tulaga o le tau o le itulagi ua fa'avasegaina o le Cfb = tau mafanafana o le vasa, E tele timuga e o'o lava i masina mago. E eseese teisi le vevela i le tausaga atoa i le va o le −5 °C ma le 24 °C, e seasea ona pa'ū i lalo ifo o le −14 °C pe sili atu i le 30 °C, ae o le averesi o timuga i le tausaga e va i le 685 ma le 752 mm47. O le eria atoa na su'esu'eina e 1,208 kilomita faatafafa, fa'atasi ai ma le 39.38% o le fanua na totoina ma le 49.36% o le vaomatua. I le isi itu, o le eria na fa'aaogaina i lenei su'esu'ega e tusa ma le 889.8 kilomita faatafafa. I totonu ma fa'ata'amilo i Ostrava, o le alamanuia u'amea ma galuega u'amea e matua galue malosi lava. O fale gaosi u'amea, o le alamanuia u'amea lea e fa'aaogaina ai le nickel i u'amea e le gaoia (e pei o le tete'e atu i le ele o le ea) ma u'amea fa'afefiloi (o le nickel e fa'ateleina ai le malosi o le u'amea fa'afefiloi a'o fa'atumauina lona malosi ma le malosi), ma fa'ato'aga malosi e pei o le fa'aogaina o le fa'apalaga phosphate ma le gaosiga o lafumanu o ni punaoa su'esu'ega e mafai ona maua ai le nickel i le itulagi (e pei o le faaopoopoina o le nickel i tamai mamoe e faateleina ai le tuputupu ae o tamai mamoe ma povi e le lava le fafagaina). O isi faaaogaina tau alamanuia o le nickel i vaega o suesuega e aofia ai lona faaaogaina i le electroplating, e aofia ai le electroplating nickel ma le electroless nickel plating processes. E faigofie ona iloa meatotino o le eleele mai le lanu o le eleele, fausaga, ma le anotusi o le carbonate. O le foliga o le eleele e feololo i le manifinifi, e mafua mai i le mea matua. E colluvial, alluvial po o le aeolian i le natura. O nisi vaega o le eleele e foliga mai e iila i luga ma le eleele i lalo, e masani ona i ai le sima ma le bleaching. Ae peitai, o cambisols ma stagnosols o ituaiga eleele e sili ona taatele i le itulagi48. Faatasi ai ma le maualuga e amata mai le 455.1 i le 493.5 m, o cambisols e pulea le Czech Republic49.
Fa'afanua o le eria o lo'o su'esu'eina [Na fatuina le fa'afanua o le eria o lo'o su'esu'eina e fa'aaoga ai le ArcGIS Desktop (ESRI, Inc, lomiga 10.7, URL: https://desktop.arcgis.com).]
E 115 faʻataʻitaʻiga o le eleele pito i luga na maua mai i eleele i totonu o taulaga ma pito i tua o taulaga i le itumalo o Frydek Mistek. O le mamanu faʻataʻitaʻiga na faʻaaogaina o se grid masani ma faʻataʻitaʻiga o le eleele e 2 × 2 km le va, ma o le eleele pito i luga na fuaina i le loloto o le 0 i le 20 cm e faʻaaoga ai se masini GPS e uu i le lima (Leica Zeno 5 GPS). O faʻataʻitaʻiga e afifiina i totonu o taga Ziploc, faʻailogaina lelei, ma lafo i le fale suʻesuʻe. O faʻataʻitaʻiga na faʻamago i le ea e maua ai faʻataʻitaʻiga palu, palu i se faiga faʻainisinia (Fritsch disc mill), ma faʻamamāina (tele o le sieve 2 mm). Tuʻu le 1 kalama o faʻataʻitaʻiga o le eleele mago, faʻafefiloi ma faʻamamāina i totonu o fagu teflon ua faʻailogaina manino. I totonu o ipu Teflon taʻitasi, tuʻuina atu le 7 ml o le 35% HCl ma le 3 ml o le 65% HNO3 (faʻaaoga se dispenser otometi - tasi mo acid taʻitasi), ufiufi māmā ma tuʻu faʻataʻitaʻiga e tuʻu i le po mo le tali atu (polokalame aqua regia). Tuʻu le supernatant i luga o se ipu uʻamea vevela (vevela: 100 W ma 160 °C) mo le 2 itula e faafaigofie ai le faagasologa o le foloina o faataitaiga, ona faamalulu lea. Faaliliu le supernatant i totonu o se fagu volumetric 50 ml ma faafefiloi i le 50 ml i le vai deionized. A maeʻa lena, faamama le supernatant ua faafefiloi i totonu o se paipa PVC 50 ml faatasi ai ma le vai deionized. E le gata i lea, 1 ml o le fofo dilution na faafefiloi i le 9 ml o le vai deionized ma faamama i totonu o se paipa 12 ml ua saunia mo le PTE pseudo-concentration. O le maualuga o PTEs (As, Cd, Cr, Cu, Mn, Ni, Pb, Zn, Ca, Mg, K) na fuafuaina e le ICP-OES (Inductively Coupled Plasma Optical Emission Spectroscopy) (Thermo Fisher Scientific, ISA) e tusa ai ma metotia masani ma maliega. Ia mautinoa le Quality Assurance and Control (QA/QC) procedures (SRM NIST 2711a Montana II Soil). PTEs ma tapulaʻa iloa i lalo ifo o le afa na le aofia ai i lenei suʻesuʻega. O le tapulaʻa iloa o le PTE na faʻaaogaina i lenei suʻesuʻega o le 0.0004.(oe). E le gata i lea, o le puleaina o le lelei ma le faagasologa o le faamautinoaina o le lelei mo auiliiliga taitasi e faamautinoa e ala i le iloiloina o tulaga faatonuina o loo faasino i ai. Ina ia mautinoa ua faaitiitia mea sese, sa faia ai se auiliiliga faalua.
O le Empirical Bayesian Kriging (EBK) o se tasi o le tele o metotia fa'a-geostatistical interpolation e fa'aaogaina i le fa'ata'ita'iga i vaega eseese e pei o le saienisi o le eleele. E le pei o isi metotia fa'a-kriging interpolation, e ese le EBK mai metotia masani a le kriging e ala i le iloiloina o le mea sese na fuafuaina e le fa'ata'ita'iga semivariogram. I le EBK interpolation, e tele fa'ata'ita'iga semivariogram e fa'atatauina i le taimi o le interpolation, nai lo le semivariogram e tasi. O metotia fa'a-interpolation e faia ai le le mautonu ma le polokalame e feso'ota'i ma lenei fa'ata'ita'iga o le semivariogram lea e avea ma vaega faigata tele o se metotia kriging lava. O le fa'agasologa o le interpolation o le EBK e mulimuli i ta'iala e tolu na fautuaina e Krivoruchko50, (a) o le fa'ata'ita'iga e fa'atatauina le semivariogram mai le fa'amaumauga ulufale (b) le tau fou na valoia mo nofoaga ta'itasi o le fa'amaumauga ulufale e fa'avae i luga o le semivariogram na gaosia ma le (c) o le fa'ata'ita'iga A mulimuli e fa'atatauina mai se fa'amaumauga fa'ata'ita'i. O le tulafono o le fa'atusatusaga Bayesian e tu'uina atu o se posterior
Afai o le \(Prob\left(A\right)\) e fai ma sui o le prior, o le \(Prob\left(B\right)\) marginal probability e le amana'iaina i le tele o tulaga, \(Prob (B,A)\). O le fa'atatauga o le semivariogram e fa'avae i luga o le tulafono a Bayes, lea e fa'aalia ai le ono mafai ona faia ni fa'amaumauga o matauga e mafai ona fatuina mai semivariograms. Ona fuafua lea o le tau o le semivariogram e fa'aaoga ai le tulafono a Bayes, lea e ta'u mai ai le ono mafai ona faia se fa'amaumauga o matauga mai le semivariogram.
O se masini lagolago vector o se algorithm aʻoaʻoga masini e faʻatupuina ai se hyperplane vaeluaina sili ona lelei e iloa ai vasega tutusa ae le o vasega tutoʻatasi. Na faia e Vapnik51 le algorithm faʻavasega faʻamoemoe, ae ua faʻaaogaina talu ai nei e foia ai faʻafitauli e faʻatatau i le regression. E tusa ai ma Li et al.52, o le SVM o se tasi o metotia sili ona lelei o le faʻavasegaina ma ua faʻaaogaina i vaega eseese. O le vaega regression o le SVM (Support Vector Machine Regression - SVMR) na faʻaaogaina i lenei auʻiliʻiliga. Na amataina e Cherkassky ma Mulier53 le SVMR o se regression faʻavae i luga o le kernel, o le faʻatusatusaga lea na faia e faʻaaoga ai se faʻataʻitaʻiga regression linear ma galuega faʻapitoa i le tele o atunuʻu. Na lipotia mai e John et al.54 o le faʻataʻitaʻiga SVMR e faʻaaogaina le hyperplane linear regression, lea e fatuina ai sootaga e le o laina ma faʻatagaina ai galuega faʻapitoa i le va o atunuʻu. E tusa ai ma Vohland et al. 55, e faʻaaogaina e le epsilon (ε)-SVMR le seti o faʻamaumauga ua aʻoaʻoina e maua ai se faʻataʻitaʻiga o se galuega e le lagona e le epsilon lea e faʻaaogaina e faʻafanua ai faʻamaumauga tutoʻatasi ma le epsilon bias sili ona lelei mai aʻoaʻoga i luga o faʻamaumauga fesoʻotaʻi. O le sese o le mamao ua uma ona setiina e le amanaʻiaina mai le tau moni, ma afai e sili atu le sese nai lo le ε(ε), o meatotino o le eleele e faʻaleleia ai. O le faʻataʻitaʻiga e faʻaitiitia ai foʻi le lavelave o faʻamaumauga o aʻoaʻoga i se vaega lautele o vectors lagolago. O le fua faʻatatau na fautuaina e Vapnik51 o loʻo faʻaalia i lalo.
lea e fai ma sui o le b le scalar threshold, \(K\left({x}_{,}{ x}_{k}\right)\) e fai ma sui o le kernel function, \(\alpha\) e fai ma sui o le Lagrange multiplier, N e fai ma sui o se dataset numera, \({x}_{k}\) e fai ma sui o le input data, ma \(y\) o le output data. O se tasi o kernels autu e faʻaaogaina o le SVMR operation, o se Gaussian radial basis function (RBF). O le RBF kernel e faʻaaogaina e fuafua ai le SVMR model sili ona lelei, lea e taua tele mo le mauaina o le penalty set factor C ma le kernel parameter gamma (γ) mo le PTE training data. Muamua, na matou iloiloina le training set ona matou tofotofoina lea o le faʻatinoga o le model i luga o le validation set. O le steering parameter na faʻaaogaina o le sigma ma le method value o le svmRadial.
O le faʻataʻitaʻiga o le regression linear tele (MLR) o se faʻataʻitaʻiga regression e faʻatusalia ai le sootaga i le va o le fesuiaʻiga tali ma le tele o fesuiaʻiga vavalo e ala i le faʻaaogaina o parakalafa faʻaputu laina e fuafuaina e faʻaaoga ai le metotia o le least squares. I le MLR, o le faʻataʻitaʻiga o le least squares o se galuega faʻatatau o meatotino o le eleele pe a uma ona filifilia fesuiaʻiga faʻamatalaina. E tatau ona faʻaaoga le tali e faʻatuina ai se sootaga laina e faʻaaoga ai fesuiaʻiga faʻamatalaina. Na faʻaaogaina le PTE o se fesuiaʻiga tali e faʻatuina ai se sootaga laina ma fesuiaʻiga faʻamatalaina. O le fua faʻatatau MLR o
lea o le y o le fesuia'iga tali, o le \(a\) o le intercept, o le n o le aofa'i o predictors, o le \({b}_{1}\) o le partial regression o coefficients, o le \({x}_{ i}\) o lo'o fa'atusalia ai se predictor po'o se fesuia'iga fa'amatalaina, ma o le \({\varepsilon }_{i}\) o lo'o fa'atusalia ai le mea sese i le fa'ata'ita'iga, e ta'ua fo'i o le residual.
O faʻataʻitaʻiga fefiloi na maua e ala i le faʻapipiʻiina o le EBK ma le SVMR ma le MLR. E faia lenei mea e ala i le aveeseina o tau na valoia mai le interpolation EBK. O tau na valoia na maua mai le interpolated Ca, K, ma le Mg e maua e ala i se faiga tuʻufaʻatasi e maua ai ni fesuiaʻiga fou, e pei o le CaK, CaMg, ma le KMg. Ona tuʻufaʻatasia lea o elemene Ca, K ma le Mg e maua ai se fesuiaʻiga lona fa, o le CaKMg. I le aotelega, o fesuiaʻiga na maua o le Ca, K, Mg, CaK, CaMg, KMg ma le CaKMg. O nei fesuiaʻiga na avea ma a matou vavalo, e fesoasoani e vavalo ai le tele o le nickel i eleele i totonu o taulaga ma pito i fafo o le taulaga. Na faia le algorithm SVMR i luga o vavalo e maua ai se faʻataʻitaʻiga fefiloi o le Empirical Bayesian Kriging-Support Vector Machine (EBK_SVM). I se tulaga tutusa, o fesuiaʻiga e faʻasalalauina foʻi i totonu o le algorithm MLR e maua ai se faʻataʻitaʻiga fefiloi o le Empirical Bayesian Kriging-Multiple Linear Regression (EBK_MLR). E masani lava, o fesuiaʻiga Ca, K, Mg, O le CaK, CaMg, KMg, ma le CaKMg e faʻaaogaina o ni covariates e fai ma faʻailoga o le aofaʻi o le Ni i totonu o le taulaga ma le pito i tua o le taulaga. O le faʻataʻitaʻiga sili ona taliaina na maua (EBK_SVM poʻo le EBK_MLR) o le a vaʻaia lea e faʻaaoga ai se kalafi e faʻatulagaina e ia lava. O le faʻagasologa o galuega o lenei suʻesuʻega o loʻo faʻaalia i le Ata 2.
Ua avea le faʻaaogaina o le SeOM ma meafaigaluega lauiloa mo le faʻatulagaina, iloiloga, ma le vavaloina o faʻamaumauga i le vaega tau tupe, tausiga soifua maloloina, alamanuia, fuainumera, saienisi o le eleele, ma isi mea. Ua fatuina le SeOM e faʻaaoga ai fesoʻotaʻiga neural faʻapitoa ma metotia faʻaaʻoaʻoga e leʻi vaʻavaʻaia mo le faʻatulagaina, iloiloga, ma le vavaloina. I lenei suʻesuʻega, na faʻaaogaina ai le SeOM e vaʻaia ai le tele o le Ni e faʻavae i luga o le faʻataʻitaʻiga sili ona lelei mo le vavaloina o le Ni i eleele i totonu o taulaga ma pito i tua o taulaga. O faʻamaumauga na faʻagasoloina i le iloiloga o le SeOM e faʻaaogaina o ni fesuiaʻiga vector n input-dimensional43,56. Melssen et al. 57 faʻamatalaina le fesoʻotaʻiga o se vector input i totonu o se neural network e ala i se input layer e tasi i se output vector ma se weight vector e tasi. O le output na gaosia e le SeOM o se faʻafanua lua-dimensional e aofia ai neurons poʻo nodes eseese ua lalagaina i ni hexagonal, circular, poʻo le square topological maps e tusa ai ma lo latou vavalalata. I le faʻatusatusaina o le tele o faʻafanua e faʻavae i luga o le metric, quantization error (QE) ma le topographic error (TE), o le SeOM model ma le 0.086 ma le 0.904, i le faasologa, ua filifilia, o se iunite 55-map (5 × 11). O le fausaga o le neuron e fuafuaina e tusa ai ma le numera o nodes i le empirical equation.
O le aofaʻi o faʻamaumauga na faʻaaogaina i lenei suʻesuʻega e 115 faʻataʻitaʻiga. O se auala faʻafuaseʻi na faʻaaogaina e vaevaeina ai faʻamaumauga i faʻamaumauga o suʻega (25% mo le faʻamaoniga) ma seti o faʻamaumauga o aʻoaʻoga (75% mo le faʻatulagaina). O le faʻamaumauga o aʻoaʻoga e faʻaaogaina e faʻatupu ai le faʻataʻitaʻiga regression (calibration), ma o le faʻamaumauga o suʻega e faʻaaogaina e faʻamaonia ai le gafatia faʻalauteleina58. Na faia lenei mea e iloilo ai le talafeagai o faʻataʻitaʻiga eseese mo le vavaloina o le aofaʻi o le nickel i le eleele. O faʻataʻitaʻiga uma na faʻaaogaina na ui atu i se faiga faʻamaonia e sefulu-fold, toe faia faalima. O fesuiaʻiga na gaosia e le EBK interpolation e faʻaaogaina o ni predictors poʻo ni fesuiaʻiga faʻamatalaina e vavalo ai le fesuiaʻiga faʻamoemoeina (PTE). O le faʻataʻitaʻiga e faʻatautaia i le RStudio e faʻaaoga ai afifi library(Kohonen), library(caret), library(modelr), library(“e1071″), library(“plyr”), library(“caTools”), library(” prospectr”) ma libraries (“Metrics”).
Sa fa'aaogaina ni fa'ata'ita'iga fa'amaonia eseese e fuafua ai le fa'ata'ita'iga sili ona talafeagai mo le vavaloina o le maualuga o le nickel i le eleele ma iloilo ai le sa'o o le fa'ata'ita'iga ma lona fa'amaoniga. Sa iloiloina fa'ata'ita'iga fa'afefiloi e fa'aaoga ai le mean absolute error (MAE), root mean square error (RMSE), ma le R-squared po'o le coefficient determination (R2). O le R2 e fa'amatalaina ai le eseesega o fua fa'atatau i le tali, o lo'o fa'atusalia e le fa'ata'ita'iga regression. O le RMSE ma le variance magnitude i fua tuto'atasi e fa'amatalaina ai le malosiaga vavalo o le fa'ata'ita'iga, a'o le MAE e fuafua ai le tau moni o le aofa'i. E tatau ona maualuga le tau o le R2 e iloilo ai le fa'ata'ita'iga fa'afefiloi sili ona lelei e fa'aaoga ai fa'ata'ita'iga fa'amaonia, o le latalata atu o le tau i le 1, o le maualuga atu foi lea o le sa'o. E tusa ai ma Li et al. 59, o le tau o le R2 criterion e 0.75 pe sili atu e manatu o se va'ai lelei; mai le 0.5 i le 0.75 o le fa'atinoga taliaina o le fa'ata'ita'iga, ma i lalo ifo o le 0.5 o le fa'atinoga taliaina o le fa'ata'ita'iga. Pe a filifilia se fa'ata'ita'iga e fa'aaoga ai metotia o le iloiloga o le RMSE ma le MAE validation criteria, o tau maualalo na maua sa lava ma sa manatu o le filifiliga sili lea. O le fua fa'atatau lea e fa'amatalaina ai le metotia fa'amaonia.
lea e fai ma sui o le n le tele o le tau na matauina\({Y}_{i}\) o loʻo fai ma sui o le tali na fuaina, ma o le \({\widehat{Y}}_{i}\) o loʻo fai ma sui foʻi o le tau o le tali na valoia, o lea la, mo matauga muamua i.
O faʻamatalaga faʻamaumauga o mea e vavalo ma mea e tali atu ai o loʻo tuʻuina atu i le Laulau 1, o loʻo faʻaalia ai le averesi, le faʻaletonu masani (SD), le fua faʻatatau o suiga (CV), le maualalo, le maualuga, kurtosis, ma le skewness. O tau maualalo ma maualuga o elemene o loʻo i le faʻasologa faʻaitiitia o le Mg < Ca < K < Ni ma le Ca < Mg < K < Ni, i le faʻasologa. O le maualuga o le fesuiaʻiga tali (Ni) na faʻataʻitaʻiina mai le eria o suʻesuʻega e mai le 4.86 i le 42.39 mg/kg. O le faʻatusatusaga o le Ni ma le averesi o le lalolagi (29 mg/kg) ma le averesi a Europa (37 mg/kg) na faʻaalia ai o le averesi faʻataʻitaʻi atoa mo le eria o suʻesuʻega sa i totonu o le vaega e mafai ona taliaina. E ui i lea, e pei ona faʻaalia e Kabata-Pendias11, o le faʻatusatusaga o le averesi o le nickel (Ni) i le suʻesuʻega o loʻo iai nei ma eleele faʻatoʻaga i Suetena e faʻaalia ai o le averesi o le nickel o loʻo iai nei e maualuga atu. E faʻapena foʻi, o le averesi o le maualuga o le Frydek Mistek i eleele i totonu o taulaga ma pito i tua o taulaga i le suʻesuʻega o loʻo iai nei (Ni 16.15 mg/kg) e maualuga atu nai lo le tapulaʻa faʻatagaina. o le 60 (10.2 mg/kg) mo le Ni i eleele o taulaga Polani na lipotia mai e Różański et al. E le gata i lea, na faamauina e Bretzel ma Calderisi61 ni averesi maualalo o le maualuga o le Ni (1.78 mg/kg) i eleele o taulaga i Tuscany pe a faatusatusa i le suesuega o loo iai nei. Na maua foi e Jim62 se maualalo o le maualuga o le nickel (12.34 mg/kg) i eleele o taulaga i Hong Kong, lea e maualalo ifo nai lo le maualuga o le nickel o loo iai nei i lenei suesuega. Na lipotia mai e Birke et al63 se averesi o le maualuga o le Ni e 17.6 mg/kg i se nofoaga tuai o le eliina o minerale ma alamanuia i taulaga i Saxony-Anhalt, Siamani, lea e 1.45 mg/kg maualuga atu nai lo le averesi o le maualuga o le Ni i le eria (16.15 mg/kg). Suesuega o loo iai nei. O le tele o le nickel i eleele i nisi o taulaga ma taulaga i le eria o loo suesueina atonu e mafua tele lava i le alamanuia u’amea ma u’amea ma alamanuia u’amea. E ogatasi lea ma le suesuega a Khodadoust et al. 64 o le alamanuia u'amea ma le galuega u'amea o puna autū ia o le fa'aleagaina o le nickel i le palapala. Peita'i, o fa'ailoga e amata mai i le 538.70 mg/kg i le 69,161.80 mg/kg mo le Ca, 497.51 mg/kg i le 3535.68 mg/kg mo le K, ma le 685.68 mg/kg i le 5970.05 mg/kg mo le Mg.Jakovljevic et al. 65 na suʻesuʻeina le aofaʻi o le Mg ma le K o palapala i le ogatotonu o Serbia. Na latou maua ai o le aofaʻi o le malosi (410 mg/kg ma le 400 mg/kg, i le faasologa) e maualalo ifo nai lo le Mg ma le K o le suʻesuʻega o loʻo iai nei. E le mafai ona iloa, i sasaʻe o Polani, na iloiloina ai e Orzechowski ma Smolczynski66 le aofaʻi o le Ca, Mg ma le K ma faʻaalia ai le averesi o le malosi o le Ca (1100 mg/kg), Mg (590 mg/kg) ma le K (810 mg/kg). O le malosi o le eleele pito i luga e maualalo ifo nai lo le elemene e tasi i lenei suʻesuʻega. O se suʻesuʻega talu ai nei a Pongrac et al. 67 na faʻaalia ai o le aofaʻi o le Ca na suʻesuʻeina i palapala eseese e 3 i Sikotilani, Peretania (eleele o Mylnefield, eleele o Balruddery ma le eleele o Hartwood) na faʻaalia ai le maualuga o le malosi o le Ca i lenei suʻesuʻega.
Ona o le eseesega o le fua o le maualuga o elemene na faʻataʻitaʻiina, o le tufatufaina atu o faʻamaumauga o elemene e faʻaalia ai le eseese o le faʻailoga. O le faʻailoga ma le kurtosis o elemene e mai le 1.53 i le 7.24 ma le 2.49 i le 54.16, i le faasologa. O elemene uma ua fuafuaina e iai le faʻailoga ma le kurtosis i luga atu o le +1, o lea e faʻaalia ai o le tufatufaina atu o faʻamaumauga e le masani ai, faʻailoga i le itu saʻo ma tumutumu. O CVs fuafuaina o elemene e faʻaalia ai foi o le K, Mg, ma le Ni e faʻaalia ai le fesuiaʻiga feololo, ae o le Ca e matua maualuga lava le fesuiaʻiga. O CVs o le K, Ni ma le Mg e faʻamatalaina ai lo latou tufatufaina tutusa. E le gata i lea, o le tufatufaina atu o le Ca e le tutusa ma o punaoa mai fafo e ono aʻafia ai lona tulaga faʻamauoa.
O le fesoota’iga o fesuia’iga fa’atatau ma elemene tali atu na fa’aalia ai se fesoota’iga fa’amalieina i le va o elemene (tagai Ata 3). O le fesoota’iga na fa’aalia ai o le CaK na fa’aalia ai se fesoota’iga feololo ma le tau r = 0.53, e fa’apea fo’i le CaNi. E ui o le Ca ma le K e fa’aalia ai ni fesoota’iga feololo le tasi ma le isi, o saienitisi e pei o Kingston ma isi. 68 ma Santo69 o loʻo fautua mai ai o latou tulaga i le eleele e faʻatusatusa faʻafeagai. Peitaʻi, o le Ca ma le Mg e feteenai ma le K, ae o le CaK e fesoʻotaʻi lelei. Atonu e mafua lea i le faʻaaogaina o faʻapalaga e pei o le potassium carbonate, lea e 56% maualuga atu i le potassium. O le Potassium sa fesoʻotaʻi lelei ma le magnesium (KM r = 0.63). I le pisinisi faʻapalaga, o nei elemene e lua e fesoʻotaʻi vavalalata ona o le potassium magnesium sulfate, potassium magnesium nitrate, ma le potash e faʻaaogaina i le eleele e faʻateleina ai lo latou tulaga le lava. O le Nickel e fesoʻotaʻi lelei ma le Ca, K ma le Mg ma tau r = 0.52, 0.63 ma le 0.55, i le faʻasologa. O sootaga e aofia ai le calcium, magnesium, ma PTE e pei o le nickel e faigata, ae ui i lea, o le magnesium e taofia ai le mitiia o le calcium, o le calcium e faʻaitiitia ai aʻafiaga o le tele o le magnesium, ma o le magnesium ma le calcium e faʻaitiitia ai aʻafiaga oona o le nickel i le eleele.
O le matrix o le correlation mo elemene o loʻo faʻaalia ai le sootaga i le va o predictors ma tali (Manatua: o lenei fuainumera e aofia ai se scatterplot i le va o elemene, o tulaga taua e faʻavae i luga o le p < 0,001).
O le Ata 4 o loʻo faʻaalia ai le tufatufaina o elemene i le vateatea. E tusa ai ma Burgos et al70, o le faʻaaogaina o le tufatufaina o le vateatea o se metotia e faʻaaogaina e fuafua ma faʻailoa ai nofoaga vevela i nofoaga ua faʻaleagaina. O le maualuga o le faʻamauoa o le Ca i le Ata 4 e mafai ona vaʻaia i le itu i matu sisifo o le faʻafanua o le tufatufaina o le vateatea. O loʻo faʻaalia i le ata ni nofoaga vevela e feololo i le maualuga o le faʻamauoa o le Ca. O le faʻamauoa o le calcium i le itu i matu sisifo o le faʻafanua e foliga mai ona o le faʻaaogaina o le quicklime (calcium oxide) e faʻaitiitia ai le acidity o le eleele ma lona faʻaaogaina i fale gaosi uʻamea e pei o le alkaline oxygen i le faiga o le faia o uʻamea. I le isi itu, o isi faifaʻatoʻaga e fiafia e faʻaaoga le calcium hydroxide i eleele acidic e faʻaitiitia ai le pH, lea e faʻateleina ai foʻi le aofaʻi o le calcium i le eleele71. O loʻo faʻaalia foʻi e le Potassium ni nofoaga vevela i le itu i matu sisifo ma sasaʻe o le faʻafanua. O le Itu i Matu Sisifo o se nuʻu faʻatoʻaga tele, ma o le mamanu feololo i le maualuga o le potassium atonu e mafua mai i le faʻaaogaina o le NPK ma le potash. E ogatasi lenei mea ma isi suʻesuʻega, e pei o Madaras ma Lipavský72, Madaras et al.73, Pulkrabová et al.74, Asare et al.75, o ē na matauina o le faʻamautuina o le eleele ma O togafitiga i le KCl ma le NPK na mafua ai ona maualuga le aofaʻi o le K i le eleele. O le faʻateleina o le Potassium i le itu i matu sisifo o le faʻafanua o le tufatufaina atu atonu e mafua mai i le faʻaaogaina o faʻapalapala e faʻavae i le potassium e pei o le potassium chloride, potassium sulfate, potassium nitrate, potash, ma le potash e faʻateleina ai le aofaʻi o le potassium i eleele e le lelei. Zádorová et al. 76 ma Tlustoš et al. 77 na fa'amatala ai o le fa'aaogaina o fa'apalaga e fa'avae i le K na fa'ateleina ai le aofa'i o le K i le eleele ma o le a fa'ateleina ai le aofa'i o mea'ai i le eleele i se taimi umi, aemaise lava le K ma le Mg o lo'o fa'aalia ai se nofoaga vevela i le eleele. O nofoaga vevela e feololo i le itu i matu sisifo o le fa'afanua ma le itu i saute sasa'e o le fa'afanua. O le fa'apipi'iina o le colloidal i le eleele e fa'aitiitia ai le maualuga o le magnesium i le eleele. O lona le lava i le eleele e mafua ai ona fa'aalia e la'au le chlorosis samasama. O fa'apalaga e fa'avae i le magnesium, e pei o le potassium magnesium sulfate, magnesium sulfate, ma le Kieserite, e togafitia ai mea e le lava (e foliga mai e lanu violē, mumu, po'o le enaena la'au, e fa'aalia ai le le lava o le magnesium) i eleele e masani le pH6. O le fa'aputuina o le nickel i luga o le eleele i taulaga ma pito i tua o taulaga atonu e mafua mai i gaoioiga a tagata e pei o fa'ato'aga ma le taua o le nickel i le gaosiga o le u'amea e le gaoia78.
Fa'asalalauga fa'ale-nofoaga o elemene [na fatuina le fa'afanua o le tufatufaina fa'ale-nofoaga e fa'aaoga ai le ArcGIS Desktop (ESRI, Inc, Lomiga 10.7, URL: https://desktop.arcgis.com).]
O taunuuga o le fa'ailoga o le fa'atinoga o le fa'ata'ita'iga mo elemene na fa'aaogaina i lenei su'esu'ega o lo'o fa'aalia i le Laulau 2. I le isi itu, o le RMSE ma le MAE o le Ni e latalata uma i le zero (0.86 RMSE, -0.08 MAE). I le isi itu, o tau uma o le RMSE ma le MAE o le K e taliaina. O taunuuga o le RMSE ma le MAE e sili atu mo le calcium ma le magnesium. O le Ca ma le K e sili atu ona tele taunuuga o le MAE ma le RMSE ona o fa'amaumauga eseese. O le RMSE ma le MAE o lenei su'esu'ega e fa'aaoga ai le EBK e vavalo ai le Ni na maua e sili atu nai lo taunuuga o John et al. 54 e fa'aaoga ai le synergistic kriging e vavalo ai le maualuga o le S i le eleele e fa'aaoga ai fa'amaumauga tutusa na aoina. O taunuuga o le EBK na matou su'esu'eina e feso'ota'i ma taunuuga o Fabijaczyk et al. 41, Yan et al. 79, Beguin et al. 80, Adhikary et al. 81 ma John et al. 82, aemaise lava le K ma le Ni.
O le fa'atinoga o metotia ta'itasi mo le vavaloina o le aofa'i o le nickel i eleele i totonu o taulaga ma pito i tua o taulaga na iloiloina e fa'aaoga ai le fa'atinoga o fa'ata'ita'iga (Table 3). O le fa'amaoniga o le fa'ata'ita'iga ma le iloiloga sa'o na fa'amaonia ai o le Ca_Mg_K predictor fa'atasi ai ma le fa'ata'ita'iga EBK SVMR na maua ai le fa'atinoga sili ona lelei. O le fa'ata'ita'iga fa'atulagaina o le Ca_Mg_K-EBK_SVMR fa'ata'ita'iga R2, o le root mean square error (RMSE) ma le mean absolute error (MAE) e 0.637 (R2), 95.479 mg/kg (RMSE) ma le 77.368 mg/kg (MAE) o le Ca_Mg_K-SVMR e 0.663 (R2), 235.974 mg/kg (RMSE) ma le 166.946 mg/kg (MAE). E ui i lea, o tau lelei o le R2 na maua mo le Ca_Mg_K-SVMR (0.663 mg/kg R2) ma le Ca_Mg-EBK_SVMR (0.643 = R2); o latou taunuuga RMSE ma MAE e maualuga atu nai lo le Ca_Mg_K-EBK_SVMR (R2 0.637) (tagai i le Laulau 3). E le gata i lea, o le RMSE ma le MAE o le faʻataʻitaʻiga Ca_Mg-EBK_SVMR (RMSE = 1664.64 ma le MAE = 1031.49) e 17.5 ma le 13.4, i le faasologa, e sili atu nai lo le Ca_Mg_K-EBK_SVMR. E faapena foi, o le RMSE ma le MAE o le faʻataʻitaʻiga Ca_Mg-K SVMR (RMSE = 235.974 ma le MAE = 166.946) e 2.5 ma le 2.2 e sili atu nai lo le Ca_Mg_K-EBK_SVMR RMSE ma le MAE, i le faasologa. O taunuuga ua fuafuaina o le RMSE e faaalia ai le tele o le tuufaatasiga o le seti o faamatalaga ma le laina sili ona fetaui. Na matauina le RSME ma le MAE maualuga atu. E tusa ai ma Kebonye et al. 46 ma John et al. 54, o le latalata atu o le RMSE ma le MAE i le zero, o le lelei foi lea o taunuuga. O le SVMR ma le EBK_SVMR e maualuga atu le aofaʻi o le RSME ma le MAE. Na matauina o le maualuga atu o fuafuaga a le RSME nai lo le MAE, e faʻaalia ai le i ai o tagata e le o iloa. E tusa ai ma Legates ma McCabe83, o le tele e sili atu ai le RMSE nai lo le averesi o le sese atoatoa (MAE) e fautuaina o se faʻailoga o le i ai o tagata e le o iloa. O lona uiga o le tele o le eseese o le seti o faʻamaumauga, o le maualuga foi lea o le MAE ma le RMSE. O le saʻo o le iloiloga faʻamaonia o le faʻataʻitaʻiga faʻafefiloi o le Ca_Mg_K-EBK_SVMR mo le vavaloina o le aofaʻi o le Ni i eleele i taulaga ma pitonuʻu e 63.70%. E tusa ai ma Li et al. 59, o lenei tulaga o le saʻo o se fua faatatau taliaina o le faʻatinoga o le faʻataʻitaʻiga. O taunuuga o loʻo i ai nei e faʻatusatusa i se suʻesuʻega muamua na faia e Tarasov et al. 36 o lona faʻataʻitaʻiga faʻafefiloi na faia ai le MLPRK (Multilayer Perceptron Residual Kriging), e fesoʻotaʻi ma le faʻailoga o le iloiloga saʻo o le EBK_SVMR na lipotia mai i le suʻesuʻega o loʻo iai nei, o le RMSE (210) ma le MAE (167.5) e maualuga atu nai lo a matou taunuuga i le suʻesuʻega o loʻo iai nei (RMSE 95.479, MAE 77.368). Peitaʻi, pe a faʻatusatusa le R2 o le suʻesuʻega o loʻo iai nei (0.637) ma le Tarasov et al. 36 (0.544), ua manino mai o le coefficient of determination (R2) e maualuga atu i lenei faʻataʻitaʻiga fefiloi. O le margin of error (RMSE ma le MAE) (EBK SVMR) mo le faʻataʻitaʻiga fefiloi e faalua ona maualalo. E faʻapena foʻi, na faʻamaumauina e Sergeev et al.34 le 0.28 (R2) mo le faʻataʻitaʻiga hybrid ua atiaʻe (Multilayer Perceptron Residual Kriging), aʻo le Ni i le suʻesuʻega o loʻo iai nei na faʻamaumauina le 0.637 (R2). O le tulaga saʻo o le vavalo o lenei faʻataʻitaʻiga (EBK SVMR) e 63.7%, aʻo le saʻo o le vavalo na maua e Sergeev et al. 34 e 28%. O le faʻafanua mulimuli (Ata 5) na fatuina e faʻaaoga ai le faʻataʻitaʻiga EBK_SVMR ma le Ca_Mg_K o se vavalo o loʻo faʻaalia ai vavalo o nofoaga vevela ma feololo i le nickel i luga o le eria atoa o loʻo suʻesuʻeina. O lona uiga o le tele o le nickel i le eria o loʻo suʻesuʻeina e masani lava ona feololo, faʻatasi ai ma le maualuga o le tele i nisi o eria patino.
O le fa'afanua mulimuli o valo'aga o lo'o fa'atusalia e fa'aaoga ai le fa'ata'ita'iga fa'afefiloi EBK_SVMR ma fa'aaoga ai le Ca_Mg_K e fai ma valo'aga. [O le fa'afanua o le tufatufaina atu o avanoa na fatuina e fa'aaoga ai le RStudio (lomiga 1.4.1717: https://www.rstudio.com/).]
O loʻo tuʻuina atu i le Ata 6 le faʻaputuga o le PTE o se vaʻa tuʻufaʻatasi e aofia ai ni neuron taʻitasi. E leai se tasi o vaʻa vaega na faʻaalia le mamanu lanu tutusa e pei ona faʻaalia. Peitaʻi, o le aofaʻi talafeagai o neuron i le faʻafanua na tusia e 55. O le SeOM e gaosia e faʻaaoga ai le tele o lanu, ma o le tele o le tutusa o mamanu lanu, o le tele foʻi lea o le tutusa o meatotino o faʻataʻitaʻiga. E tusa ai ma la latou fua faʻatatau saʻo o lanu, o elemene taʻitasi (Ca, K, ma le Mg) na faʻaalia ai ni mamanu lanu tutusa i ni neuron taʻitasi maualuga ma le tele o neuron maualalo. O le mea lea, o le CaK ma le CaMg e tutusa nisi o mea tutusa ma ni neuron maualuga tele ma mamanu lanu maualalo i le feololo. O faʻataʻitaʻiga uma e lua e vavaloina le faʻaputuga o le Ni i le eleele e ala i le faʻaalia o lanu feololo i le maualuga e pei o le mumu, moli ma le samasama. O le faʻataʻitaʻiga KMg e faʻaalia ai le tele o mamanu lanu maualuga e faʻavae i luga o fua faʻatatau saʻo ma lanu maualalo i le feololo. I luga o se fua faʻatatau saʻo o lanu mai le maualalo i le maualuga, o le mamanu tufatufaina o vaega o le faʻataʻitaʻiga na faʻaalia ai se mamanu lanu maualuga e faʻaalia ai le gafatia o le faʻaputuga o le nickel i le eleele (tagai Ata 4). O le vaʻa vaega o le faʻataʻitaʻiga CakMg e faʻaalia ai se mamanu lanu eseese mai le maualalo i le maualuga e tusa ai ma se lanu saʻo. fua fa'atatau. E le gata i lea, o le valo'aga a le fa'ata'ita'iga o le aofa'i o le nickel (CakMg) e tutusa ma le tufatufaina atu o le nickel i le va o le fanua o lo'o fa'aalia i le Ata 5. O kalafi uma e lua o lo'o fa'aalia ai le maualuga, feololo ma le maualalo o le aofa'i o le nickel i eleele i totonu o taulaga ma pito i tua o taulaga. O lo'o fa'aalia i le Ata 7 le metotia o le contour i le k-means grouping i luga o le fa'afanua, vaevaeina i ni vaega se tolu e fa'atatau i le tau na valoiaina i fa'ata'ita'iga ta'itasi. O le metotia o le contour o lo'o fa'atusalia ai le aofa'i sili ona lelei o vaega. Mai fa'ata'ita'iga eleele e 115 na aoina, o le vaega 1 na maua ai le tele o fa'ata'ita'iga eleele, 74. O le vaega 2 na maua ai fa'ata'ita'iga e 33, a'o le vaega 3 na maua ai fa'ata'ita'iga e 8. O le tu'ufa'atasiga o le planar predictor e fitu-vaega na fa'afaigofieina ina ia mafai ai ona fa'amatalaina sa'o le vaega. Ona o le tele o faiga fa'alenatura ma fa'agasologa fa'alenatura e a'afia ai le fausiaina o le eleele, e faigata ona i ai ni mamanu vaega eseese i se fa'afanua SeOM tufatufaina78.
O le gaosiga o le vaega o le vaalele e ala i fesuiaiga taʻitasi a le Empirical Bayesian Kriging Support Vector Machine (EBK_SVM_SeOM). [Na fatuina faʻafanua o le SeOM e faʻaaoga ai le RStudio (lomiga 1.4.1717: https://www.rstudio.com/).]
Vaega eseese o le fa'avasegaga o vaega [Na fatuina fa'afanua o le SeOM e fa'aaoga ai le RStudio (lomiga 1.4.1717: https://www.rstudio.com/).]
O le suʻesuʻega o loʻo iai nei o loʻo faʻaalia manino ai metotia faʻataʻitaʻi mo le tele o le nickel i eleele i totonu o taulaga ma pito i tua o taulaga. O le suʻesuʻega na faʻataʻitaʻiina ai metotia faʻataʻitaʻi eseese, e tuʻufaʻatasia ai elemene ma metotia faʻataʻitaʻi, ina ia maua ai le auala sili e vavalo ai le tele o le nickel i le eleele. O foliga faʻatulagaina o le SeOM o le metotia faʻataʻitaʻi na faʻaalia ai se mamanu lanu maualuga mai le maualalo i le maualuga i luga o se fua faʻatatau lanu saʻo, e faʻaalia ai le tele o le Ni i le eleele. Peitaʻi, o le faʻafanua o le tufatufaina atu o le avanoa e faʻamaonia ai le tufatufaina atu o vaega o loʻo faʻaalia e le EBK_SVMR (tagai Ata 5). O taunuʻuga e faʻaalia ai o le faʻataʻitaʻiga o le support vector machine regression (Ca Mg K-SVMR) e vavalo ai le tele o le Ni i le eleele o se faʻataʻitaʻiga e tasi, ae o faʻamaoniga ma le saʻo o le iloiloga o faʻamaoniga e faʻaalia ai ni mea sese maualuluga i tulaga o le RMSE ma le MAE. I le isi itu, o le metotia faʻataʻitaʻi na faʻaaogaina i le faʻataʻitaʻiga EBK_MLR e sese foʻi ona o le maualalo o le tau o le coefficient of determination (R2). Na maua ni taunuʻuga lelei e faʻaaoga ai le EBK SVMR ma elemene tuʻufaʻatasi (CaKMg) ma mea sese RMSE ma MAE maualalo ma le saʻo o le 63.7%. Ua iloa ai o le tuʻufaʻatasia o le algorithm EBK ma se algorithm aʻoaʻoga masini e mafai ona fa'atupuina se algorithm hybrid e mafai ona vavaloina le tele o PTE i le eleele. O fa'ai'uga e fa'aalia ai o le fa'aaogaina o le Ca Mg K o ni fa'ailoga e vavalo ai le tele o Ni i le eria o lo'o su'esu'eina e mafai ona fa'aleleia atili ai le vavaloina o le Ni i eleele. O lona uiga o le fa'aauau pea ona fa'aogaina o fa'apalaga e fa'avae i le nickel ma le fa'aleagaina o le eleele e ala i pisinisi u'amea e iai se uiga e fa'ateleina ai le tele o le nickel i le eleele. O lenei su'esu'ega na fa'aalia ai e mafai e le fa'ata'ita'iga EBK ona fa'aitiitia le tulaga o le sese ma fa'aleleia atili ai le sa'o o le fa'ata'ita'iga o le tufatufaina atu o le eleele i totonu o le taulaga po'o le pito i tua o le taulaga. I se tulaga lautele, matou te fautuaina e fa'aoga le fa'ata'ita'iga EBK-SVMR e iloilo ma vavalo ai le PTE i le eleele; i se fa'aopoopoga, matou te fautuaina e fa'aoga le EBK e fa'afefiloi ai ma le tele o algorithms a'oa'oga masini. O le tele o Ni na vavaloina e fa'aaoga ai elemene o ni covariates; peita'i, o le fa'aaogaina o le tele o covariates o le a fa'aleleia atili ai le fa'atinoga o le fa'ata'ita'iga, lea e mafai ona manatu o se tapula'a o le galuega o lo'o iai nei. O le isi tapula'a o lenei su'esu'ega o le numera o fa'amaumauga e 115. O le mea lea, afai e tu'uina atu nisi fa'amatalaga, e mafai ona fa'aleleia atili le fa'atinoga o le metotia fa'afefiloi ua fautuaina.
PlantProbs.net.Nickel i La'au ma le Eleele https://plantprobs.net/plant/nutrientImbalances/sodium.html (Asiasi i le aso 28 Aperila 2021).
Kasprzak, KS Nickel ua alualu i luma i le su'esu'ega o mea oona i le siosiomaga fa'aonaponei.surroundings.toxicology.11, 145–183 (1987).
Cempel, M. & Nikel, G. Nickel: O se iloiloga o ona punaoa ma mea oona i le siosiomaga. Polish J. Environment.Stud.15, 375–382 (2006).
Freedman, B. & Hutchinson, TC Mea e fa'aleagaina mai le ea ma le fa'aputuga i le eleele ma la'au e lata ane i se fale fa'amama nickel-apamemea i Sudbury, Ontario, Kanata.can.J. Bot.58(1), 108-132.https://doi.org/10.1139/b80-014 (1980).
Manyiwa, T. et al. U'amea mamafa i le eleele, la'au ma lamatiaga e feso'ota'i ma manu ruminant e 'ai mea'ai lata ane i le maina kopa-nickel a Selebi-Phikwe i Botswana.surroundings.Geochemistry.Health https://doi.org/10.1007/s10653-021-00918-x (2021).
Cabata-Pendias.Kabata-Pendias A. 2011. Elemene laiti i le eleele ma… – Google Scholar https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Kabata-Pendias+A.+2011.+Elemente Laiti+ i+soil+and+plants.+4th+ed.+New+York+%28NY%29%3A+CRC+Press&btnG= (Asiasi i le aso 24 Nov 2020).
Almås, A., Singh, B., Fa'ato'aga, TS-NJ o le & 1995, e le'i fa'amatalaina. A'afiaga o le alamanuia nickel a Rusia i le tele o u'amea mamafa i eleele fa'ato'aga ma mutia i Soer-Varanger, Norway.agris.fao.org.
Nielsen, GD et al. O le mitiia ma le taofia o le nickel i le vai inu e feso'ota'i ma le taumafaina o mea'ai ma le maaleale i le nickel.toxicology.application.Pharmacodynamics.154, 67–75 (1999).
Costa, M. & Klein, CB Nickel carcinogenesis, mutation, epigenetics po'o le filifiliga.sikoa'iga.Health Perspective.107, 2 (1999).
Ajman, PC; Ajado, SK; Borůvka, L.; Bini, JKM; Sarkody, VYO; Cobonye, ​​​​NM; Su'esu'ega o aga masani o elemene e ono afaina: o se iloiloga o tusitusiga fa'asolopito. Environmental Geochemistry ma le Soifua Maloloina. Springer Science & Business Media BV 2020.https://doi.org/10.1007/s10653-020-00742-9.
Minasny, B. & McBratney, AB Fa'afanua Fa'atekinolosi o le Eleele: O se Talafa'asolopito Pupuu ma Nisi Lesona. Geoderma 264, 301–311. https://doi.org/10.1016/j.geoderma.2015.07.017 (2016).
McBratney, AB, Mendonça Santos, ML & Minasny, B. I luga o faafanua eleele numera.Geoderma 117(1-2), 3-52.https://doi.org/10.1016/S0016-7061(03)00223-4 (2003).
Deutsch.CV Geostatistical Reservoir Modeling,… – 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= (Asiasi i le aso 28 Aperila 2021).