Kea leboha ha le etetse Nature.com. Mofuta wa sebatli seo o se sebedisang o na le tshehetso e fokolang bakeng sa CSS. Bakeng sa boiphihlelo bo botle ka ho fetisisa, re kgothaletsa hore o sebedise sebatli se ntjhafaditsweng (kapa o tima mokgwa wa ho tsamaisana le Internet Explorer). Ho sa le jwalo, ho netefatsa tshehetso e tswelang pele, re tla bontsha sebaka sena sa marang-rang ntle le mekgwa le JavaScript.
Tšilafalo ea mobu ke bothata bo boholo bo bakoang ke mesebetsi ea batho. Kabo ea libaka tsa likarolo tse ka bang chefo (PTEs) e fapana libakeng tse ngata tsa litoropo le tse haufi le litoropo. Ka hona, ho thata ho bolela esale pele ka sebaka sa PTE mobung o joalo. Kakaretso ea lisampole tse 115 li fumanoe ho Frydek Mistek Rephaboliking ea Czech. Maqhubu a Calcium (Ca), magnesium (Mg), potassium (K) le nickel (Ni) a ile a fumanoa ka ho sebelisa plasma emission spectrometry e kopantsoeng ka mokhoa o inductively. Phapang ea karabelo ke Ni 'me li-predeterminers ke Ca, Mg, le K. Matrix ea kamano pakeng tsa phapang ea karabelo le phapang ea predeterminers e bontša kamano e khotsofatsang pakeng tsa likarolo. Liphetho tsa ponelopele li bontšitse hore Support Vector Machine Regression (SVMR) e sebelitse hantle, leha phoso ea eona ea root mean square e hakantsoeng (RMSE) (235.974 mg/kg) le phoso e felletseng ea mean (MAE) (166.946 mg/kg) e ne e le holimo ho feta mekhoa e meng e sebelisitsoeng. Mehlala e tsoakiloeng bakeng sa Empirical Bayesian Kriging-Multiple Linear Regression (EBK-MLR) e sebetsa Ha e a lekana hantle, jwalo ka ha ho pakwa ke di-coefficient tsa qeto e ka tlase ho 0.1. Mohlala wa Empirical Bayesian Kriging-Support Vector Machine Regression (EBK-SVMR) e ne e le mohlala o motle ka ho fetisisa, o nang le boleng bo tlase ba RMSE (95.479 mg/kg) le MAE (77.368 mg/kg) le coefficient e phahameng ya qeto (R2 = 0.637). Tlhahiso ya mokhoa wa ho etsa mohlala wa EBK-SVMR e bontshwa ho sebediswa mmapa o itlhophisang. Di-neurone tse kopaneng sefofaneng sa karolo ya mohlala o kopaneng wa CakMg-EBK-SVMR di bontsha dipaterone tse ngata tsa mebala tse bolelang esale pele maemo a Ni mobung wa ditoropo le wa ditoropo. Diphetho di bontsha hore ho kopanya EBK le SVMR ke mokgwa o sebetsang wa ho bolela esale pele maemo a Ni mobung wa ditoropo le wa ditoropo.
Nickel (Ni) e nkoa e le phepo e nyane bakeng sa limela hobane e kenya letsoho ho tiiseng naetrojene moeeng (N) le metabolism ea urea, tseo ka bobeli li hlokahalang bakeng sa ho mela ha peo. Ntle le tlatsetso ea eona ho meleng ha peo, Ni e ka sebetsa e le thibelo ea fungal le baktheria mme ea khothaletsa nts'etsopele ea limela. Ho hloka nickel mobung ho lumella semela ho e monya, e leng se fellang ka chlorosis ea makhasi. Mohlala, lierekisi le linaoa tse tala li hloka ts'ebeliso ea manyolo a thehiloeng ho nickel ho ntlafatsa tiisetso ea naetrojene2. Ts'ebeliso e tsoelang pele ea manyolo a thehiloeng ho nickel ho nontša mobu le ho eketsa bokhoni ba linaoa ba ho lokisa naetrojene mobung e eketsa khafetsa mahloriso a nickel mobung. Le hoja nickel e le phepo e nyane bakeng sa limela, ho ja ha eona ho feteletseng mobung ho ka baka kotsi ho feta ho ba molemo. Chefo ea nickel mobung e fokotsa pH ea mobu 'me e sitisa ho monngoa ha tšepe e le phepo ea bohlokoa bakeng sa kholo ea limela1. Ho ea ka Liu3, Ni e fumanoe e le karolo ea bo-17 ea bohlokoa e hlokahalang bakeng sa nts'etsopele le kholo ea limela. Ntle le karolo ea nickel nts'etsopele le kholo ea limela, batho ba e hloka bakeng sa lits'ebetso tse fapaneng. Ho hlahisa motlakase, tlhahiso ea nickel e thehiloeng ho nickel di-alloy, le tlhahiso ya disebediswa tsa ho hotetsa le di-spark plug indastering ya dikoloi kaofela di hloka tshebediso ya nickel makaleng a fapaneng a diindasteri. Ho phaella moo, di-alloy tse thehilweng ho nickel le di-electroplated di sebedisitswe haholo dijaneng tsa kichine, disebedisweng tsa ballroom, disebediswa tsa indasteri ya dijo, motlakase, terata le thapo, di-jet turbine, di-implant tsa opereishene, masela, le kaho ya dikepe5. Maemo a nang le Ni e ngata mobung (ke hore, mobu o hodima metsi) a amahantswe le mehlodi ya tlhaho le ya batho, empa haholoholo, Ni ke mohlodi wa tlhaho ho ena le ho ba wa batho4,6. Mehlodi ya tlhaho ya nickel e kenyeletsa ho phatloha ha seretse se chesang, dimela, mello ya meru, le ditshebetso tsa jeoloji; leha ho le jwalo, mehlodi ya batho e kenyeletsa dibetri tsa nickel/cadmium indastering ya tshepe, electroplating, arc welding, oli ya disele le mafura, le mesi e tswang sepakapakeng e tswang ho tjhesweng ha mashala le ho tjheswa ha ditshila le seretse se tjheswang Ho bokellana ha nickel7,8. Ho ya ka Freedman le Hutchinson9 le Manyiwa et al. 10, mehlodi e meholo ea tšilafalo ea mobu o ka holimo tikolohong e haufi le e haufi haholo-holo ke li-smelting le merafo tse entsoeng ka nickel-copper. Mobu o ka holimo o potileng feme ea Sudbury nickel-copper Canada o ne o e-na le maemo a holimo ka ho fetisisa a tšilafalo ea nickel ho 26,000 mg/kg11. Ka lehlakoreng le leng, tšilafalo e bakoang ke tlhahiso ea nickel Russia e bakile maemo a holimo a nickel mobung oa Norway11. Ho ea ka Alms et al. 12, bongata ba nickel e ka ntšoang ka HNO3 mobung o lemang haholo sebakeng seo (tlhahiso ea nickel Russia) bo ne bo tloha ho 6.25 ho isa ho 136.88 mg/kg, e tsamaellanang le karolelano ea 30.43 mg/kg le khatello ea motheo ea 25 mg/kg. Ho ea ka kabata 11, ts'ebeliso ea manyolo a phosphorus mobung oa temo mobung oa litoropo kapa o haufi le litoropo nakong ea linako tse latellanang tsa lijalo e ka kenella kapa ea silafatsa mobu. Litlamorao tse ka bang teng tsa nickel ho batho li ka lebisa mofetšeng ka ho fetoha ha liphatsa tsa lefutso, tšenyo ea chromosome, tlhahiso ea Z-DNA, tokiso ea DNA e koetsoeng, kapa lits'ebetso tsa epigenetic13. Litekong tsa liphoofolo, nickel e fumanoe e na le bokhoni ba ho baka mefuta e fapaneng ea lihlahala, 'me li-complex tsa nickel tse bakang kankere li ka mpefatsa lihlahala tse joalo.
Liteko tsa tšilafalo ea mobu li atlehile morao tjena ka lebaka la mathata a mangata a amanang le bophelo bo botle a hlahang likamanong tsa mobu le limela, likamano tsa baeloji ea mobu le mobu, ho senyeha ha tikoloho, le tlhahlobo ea tšusumetso ea tikoloho. Ho fihlela joale, ho bolela esale pele sebaka ka lintho tse ka bang chefo (PTEs) tse kang Ni mobung ho bile boima ebile ho ja nako ho sebelisoa mekhoa ea setso. Ho hlaha ha 'mapa oa mobu oa dijithale (DSM) le katleho ea hona joale15 ho ntlafalitse haholo 'mapa oa mobu oa ho bolela esale pele (PSM). Ho ea ka Minasny le McBratney16, 'mapa oa mobu oa ho bolela esale pele (DSM) o ipakile e le karolo e hlahelletseng ea saense ea mobu. Lagacherie le McBratney, 2006 ba hlalosa DSM e le "tlhahiso le ho tlatsa litsamaiso tsa tlhahisoleseling ea mobu oa sebaka ka ho sebelisa mekhoa ea ho shebella sebakeng le laboratori le litsamaiso tsa ho etsa qeto ea mobu oa sebaka le o seng oa sebaka".McBratney et al. 17 e hlalosa hore DSM kapa PSM ea mehleng ena ke mokhoa o sebetsang ka ho fetisisa oa ho bolela esale pele kapa ho etsa 'mapa oa kabo ea libaka tsa PTE, mefuta ea mobu le thepa ea mobu. Li-geostatistics le Li-Algorithms tsa ho Ithuta ka Mochini (MLA) ke mekhoa ea ho etsa mohlala ea DSM e etsang limmapa tsa dijithale ka thuso ea lik'homphieutha tse sebelisang data ea bohlokoa le e fokolang.
Deutsch18 le Olea19 ba hlalosa geostatistics e le "pokello ea mekhoa ea lipalo e sebetsanang le boemeli ba litšobotsi tsa sebaka, haholo-holo ba sebelisa mehlala ea stochastic, joalo ka hore na tlhahlobo ea letoto la nako e khetholla data ea nako joang." Haholo-holo, geostatistics e kenyelletsa tlhahlobo ea variograms, e lumellang ho Lekanya le ho hlalosa ho itšetleha ha boleng ba sebaka ho tsoa ho sete ka seng sa data20.Gumiaux et al. 20 ba bontša hape hore tlhahlobo ea variograms ho geostatistics e thehiloe melao-motheong e meraro, ho kenyeletsoa (a) ho bala sekala sa khokahano ea data, (b) ho khetholla le ho bala anisotropy ho se tšoane ha dataset le (c) ho phaella ho Ntle le ho nahana ka phoso ea tlhaho ea data ea tekanyo e arohaneng le liphello tsa lehae, liphello tsa sebaka le tsona lia hakanngoa. Ho hahuoa holim'a likhopolo tsena, mekhoa e mengata ea ho kenella e sebelisoa ho geostatistics, ho kenyeletsoa kriging e akaretsang, co-kriging, kriging e tloaelehileng, kriging ea Bayesian e nang le boiphihlelo, mokhoa o bonolo oa kriging le mekhoa e meng e tsebahalang ea ho kenella ho etsa 'mapa kapa ho bolela esale pele PTE, litšobotsi tsa mobu le mefuta ea mobu.
Mekhoa ea ho Ithuta ka Mochini (MLA) ke mokhoa o mocha o sebelisang lihlopha tse kholo tsa data tse seng tsa mola o otlolohileng, tse matlafalitsoeng ke li-algorithms tse sebelisoang haholo-holo bakeng sa ho epolla data, ho khetholla mekhoa ea data, le ho sebelisoa khafetsa ho arola masimong a saense joalo ka saense ea mobu le mesebetsi ea ho khutlisa. Lipampiri tse ngata tsa lipatlisiso li itšetleha ka mehlala ea MLA ho bolela esale pele PTE mobung, joalo ka Tan et al. 22 (meru e sa reroang bakeng sa ho hakanya tšepe e boima mobung oa temo), Sakizadeh et al. 23 (ho etsa mohlala ho sebelisa mechine ea vector ea tšehetso le marang-rang a methapo ea maiketsetso) tšilafalo ea mobu). Ho phaella moo, Vega et al. 24 (CART bakeng sa ho etsa mohlala oa ho boloka tšepe e boima le ho monya mobung) Sun et al. 25 (ts'ebeliso ea cubist ke kabo ea Cd mobung) le li-algorithms tse ling tse kang moahelani oa k-nearest, ho khutlisetsa morao ho generalized boosted, le ho khutlela morao ho boosted Lifate le tsona li sebelisitse MLA ho bolela esale pele PTE mobung.
Tšebeliso ea li-algorithms tsa DSM ho boleleng esale pele kapa ho etsa 'mapa e tobane le liphephetso tse 'maloa. Bangoli ba bangata ba lumela hore MLA e phahametse geostatistics le ka tsela e fapaneng. Le hoja e 'ngoe e le betere ho feta e 'ngoe, motsoako oa tse peli o ntlafatsa boemo ba ho nepahala ha 'mapa kapa ho bolela esale pele ho DSM15. Woodcock le Gopal26 Finke27; Pontius le Cheuk28 le Grunwald29 ba fana ka maikutlo ka mefokolo le liphoso tse ling ho 'mapeng oa mobu o boletsoeng esale pele. Bo-rasaense ba mobu ba lekile mekhoa e fapaneng ea ho ntlafatsa katleho, ho nepahala le ho bolela esale pele ha 'mapa le ho bolela esale pele ho DSM. Motsoako oa ho se tsitse le ho netefatsa ke e 'ngoe ea likarolo tse ngata tse fapaneng tse kopantsoeng ho DSM ho ntlafatsa katleho le ho fokotsa mefokolo. Leha ho le joalo, Agyeman et al. 15 ba hlalosa hore boitšoaro ba netefatso le ho se tsitse ho hlahisitsoeng ke tlhahiso ea 'mapa le ho bolela esale pele li lokela ho netefatsoa ka boikemelo ho ntlafatsa boleng ba 'mapa. Meeli ea DSM e bakoa ke boleng ba mobu bo hasaneng sebakeng seo, bo kenyeletsang karolo ea ho se tsitse; Leha ho le jwalo, ho hloka bonnete ho DSM ho ka hlaha mehloding e mengata ya diphoso, e leng phoso ya covariate, phoso ya mohlala, phoso ya sebaka, le Phoso ya tlhahlobo 31. Ho etsa mohlala wa ho se nepahale ho hlahisitsweng ho MLA le ditsamaiso tsa geostatistical ho amana le ho hloka kutlwisiso, qetellong ho lebisang ho nolofatseng tshebetso ya nnete32. Ho sa tsotelehe mofuta wa mohlala, ho se nepahale ho ka bakwa ke diparamitha tsa mohlala, diponelopele tsa mohlala wa dipalo, kapa phetolo33. Haufinyane tjena, ho hlahile mokgwa o motjha wa DSM o kgothaletsang ho kopanngwa ha di-geostatistics le MLA ho dimmapeng le ho bolela esale pele. Bo-rasaense ba mmalwa ba mobu le bangodi, ba kang Sergeev et al. 34; Subbotina et al. 35; Tarasov et al. 36 le Tarasov et al. 37 ba sebedisitse boleng bo nepahetseng ba di-geostatistics le ho ithuta ha mochini ho hlahisa mehlala e kopantsweng e ntlafatsang bokgoni ba ho bolela esale pele le ho etsa dimmapeng. boleng. Tse ling tsa mehlala ena ea algorithm e kopantsoeng kapa e kopantsoeng ke 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 le Co-Kriging le Gaussian Process Regression38.
Ho ea ka Sergeev le ba bang, ho kopanya mekhoa e fapaneng ea ho etsa mohlala ho na le monyetla oa ho felisa liphoso le ho eketsa katleho ea mohlala o hlahisoang oa motsoako ho e-na le ho nts'etsapele mohlala oa oona o le mong. Moelelong ona, pampiri ena e ncha e pheha khang ea hore ho hlokahala ho sebelisa algorithm e kopantsoeng ea geostatistics le MLA ho theha mehlala e metle ea motsoako ho bolela esale pele ntlafatso ea Ni libakeng tsa litoropo le tse haufi le litoropo. Phuputso ena e tla itšetleha ka Empirical Bayesian Kriging (EBK) e le mohlala oa motheo 'me e e kopanye le Support Vector Machine (SVM) le mehlala ea Multiple Linear Regression (MLR). Hybridization ea EBK le MLA efe kapa efe ha e tsejoe. Mefuta e mengata e tsoakiloeng e bonoang ke metsoako ea kriging e tloaelehileng, e setseng, ea regression, 'me MLA.EBK ke mokhoa oa interpolation oa geostatistical o sebelisang ts'ebetso ea stochastic ea sebaka e fumanehang sebakeng se le seng e le tšimo e sa sisinyeheng/e sa sisinyeheng e nang le liparamente tse hlalositsoeng tsa sebaka holim'a tšimo, e lumellang phapang ea sebaka39.EBK e sebelisitsoe lithutong tse fapaneng, ho kenyeletsoa ho sekaseka kabo ea khabone ea tlhaho mobung oa polasi40, ho lekola tšilafalo ea mobu41 le ho etsa 'mapa oa mobu. thepa42.
Ka lehlakoreng le leng, Graph ea ho Itlhophisa (SeOM) ke algorithm ea ho ithuta e sebelisitsoeng lihloohong tse fapaneng tse kang Li et al. 43, Wang et al. 44, Hossain Bhuiyan et al. 45 le Kebonye et al. 46 Fumana litšobotsi tsa sebaka le ho hlopha likarolo. Wang et al. 44 ba hlalosa hore SeOM ke mokhoa o matla oa ho ithuta o tsejoang ka bokhoni ba oona ba ho hlopha le ho nahana ka mathata a seng a mola. Ho fapana le mekhoa e meng ea ho lemoha lipaterone joalo ka tlhahlobo ea likarolo tse kholo, ho hlopha ka mokhoa o sa tsitsang, ho hlopha ka mokhoa o hlophisitsoeng, le ho etsa liqeto ka mekhoa e mengata, SeOM e betere ho hlophiseng le ho khetholla lipaterone tsa PTE. Ho ea ka Wang et al. 44, SeOM e ka hlopha ka mokhoa o hlophisitsoeng ka kabo ea li-neurone tse amanang le sebaka 'me ea fana ka pono ea data ea qeto e phahameng. SeOM e tla bona data ea Ni ea ho bolela esale pele ho fumana mohlala o motle ka ho fetisisa oa ho hlalosa liphetho bakeng sa tlhaloso e tobileng.
Pampiri ena e ikemiseditse ho hlahisa mohlala o matla wa 'mapa o nang le ho nepahala ho hoholo bakeng sa ho bolela esale pele dikahare tsa nickel mobung wa ditoropo le o haufi le ditoropo. Re nahana hore ho tshepahala ha mohlala o tswakilweng ho itshetlehile haholo hodima tshusumetso ya mehlala e meng e hoketsweng mohlaleng wa motheo. Re ananela diphephetso tse tobaneng le DSM, mme le hoja diphephetso tsena di ntse di rarollwa ka mahlakoreng a mangata, motswako wa kgatelopele ho di-geostatistics le mehlala ya MLA o bonahala o eketseha; ka hona, re tla leka ho araba dipotso tsa dipatlisiso tse ka hlahisang mehlala e tswakilweng. Leha ho le jwalo, mohlala o nepahetse hakae ho boleleng esale pele ntlha ya sepheo?Hape, boemo ba tlhahlobo ya bokgoni bo itshetlehileng hodima netefatso le tlhahlobo ya ho nepahala ke bofe?Ka hona, dipheo tse ikgethang tsa thuto ena e ne e le ho (a) theha mohlala o kopantsweng wa motsoako bakeng sa SVMR kapa MLR ho sebediswa EBK e le mohlala wa motheo, (b) bapisa mehlala e hlahang (c) sisinya mohlala o motle ka ho fetisisa wa motsoako bakeng sa ho bolela esale pele dikahare tsa Ni mobung wa ditoropo kapa o haufi le ditoropo, le (d) tshebediso ya SeOM ho theha 'mapa o nang le qeto e hodimo wa phapang ya sebaka sa nickel.
Phuputso ena e etsoa Czech Republic, haholo-holo seterekeng sa Frydek Mistek sebakeng sa Moravia-Silesian (sheba Setšoantšo sa 1). Sebaka sa sebaka seo ho ithutoang ho sona se matsaranka haholo 'me boholo ba sona ke karolo ea sebaka sa Moravia-Silesian Beskidy, e leng karolo ea moeli o ka ntle oa Lithaba tsa Carpathian. Sebaka seo ho ithutoang ho sona se pakeng tsa 49° 41′ 0′ N le 18° 20′ 0′ E, 'me bophahamo bo pakeng tsa 225 le 327 m; Leha ho le jwalo, sistimi ya ho arola Koppen bakeng sa boemo ba tlelaemete ba sebaka seo e lekantswe e le Cfb = boemo ba lehodimo bo futhumetseng ba lewatle, Ho na le pula e ngata esita le dikgweding tse omileng. Dithempereichara di fapana hanyane ho pholletsa le selemo pakeng tsa −5 °C le 24 °C, ka sewelo di theohela ka tlase ho −14 °C kapa ka hodimo ho 30 °C, ha pula e tloaelehileng ya selemo le selemo e le pakeng tsa 685 le 752 mm47. Sebaka se hakantsweng sa phuputso sa sebaka sohle ke disekwerekilometara tse 1,208, ka 39.38% ya naha e lenngweng le 49.36% ya sebaka se kwahetsweng ke meru. Ka lehlakoreng le leng, sebaka se sebedisitsweng thutong ena ke disekwerekilometara tse ka bang 889.8. Ka hare le haufi le Ostrava, indasteri ya tshepe le mesebetsi ya tshepe di mafolofolo haholo. Difeme tsa tshepe, indasteri ya tshepe moo nickel e sebediswang ditshiping tse sa ruseng (mohlala, bakeng sa ho hanyetsa mafome a sepakapaka) le ditshipi tsa alloy (nickel e eketsa matla a alloy ha e ntse e boloka bokgoni ba yona bo botle ba ho sebetsa le ho tiya), le temo e matla jwalo ka tshebediso ya manyolo a phosphate le tlhahiso ya diphoofolo ke mehlodi e ka bang teng ya dipatlisiso ya nickel ho sebaka seo (mohlala, ho eketsa nickel ho dikonyana ho eketsa sekgahla sa kgolo ho dikonyana le dikgomo tse fepilweng hanyane). Ditshebediso tse ding tsa indasteri tsa nickel dibakeng tsa dipatlisiso di kenyeletsa tshebediso ya yona ho plating ka motlakase, ho kenyeletswa le ho plating ka nickel le mekgwa ya ho plating ka nickel e se nang motlakase. Dibopeho tsa mobu di ka kgetholoha habonolo ho tloha mmala wa mobu, sebopeho le dikahare tsa carbonate. Sebopeho sa mobu se mahareng ho isa ho se setle, se nkwa ho thepa ya motswadi. Ke tsa tlhaho ya colluvial, alluvial kapa aeolian. Dibaka tse ding tsa mobu di bonahala di na le matheba hodima mobu le ka tlase, hangata di na le konkreite le bleaching. Leha ho le jwalo, cambisols le stagnosols ke mefuta e atileng haholo ya mobu sebakeng seo48. Ka bophahamo bo tlohang ho 455.1 ho isa ho 493.5 m, cambisols di laola Rephaboliki ya Czech49.
'Mapa oa sebaka sa thuto ['Mapa oa sebaka sa thuto o entsoe ho sebelisoa ArcGIS Desktop (ESRI, Inc, mofuta oa 10.7, URL: https://desktop.arcgis.com).]
Ka kakaretso disampole tse 115 tsa mobu o ka hodimo di fumanwe mobung wa ditoropo le o ka thoko ho ditoropo seterekeng sa Frydek Mistek. Paterone ya sampole e sebedisitsweng e ne e le gridi e tlwaelehileng e nang le disampole tsa mobu tse arohaneng ka 2 × 2 km, mme mobu o ka hodimo o lekantswe ka botebo ba 0 ho isa ho 20 cm ho sebediswa sesebediswa sa GPS se tshwarwang ka letsoho (Leica Zeno 5 GPS). Disampole di pakwa ka mekotleng ya Ziploc, di ngotswe ka nepo, mme di romelwa laboratoring. Disampole di ile tsa omiswa ka moya ho hlahisa disampole tse sitsweng, tsa silwa ka sistimi ya mechini (Fritsch disc mill), mme tsa sefshwa (boholo ba sefe 2 mm). Beha gram e le 1 ya disampole tsa mobu tse omisitsweng, tse homogenized le tse sefshwang ka dibotlolong tsa teflon tse ngotsweng ka ho hlaka. Sejaneng se seng le se seng sa Teflon, fana ka 7 ml ya 35% HCl le 3 ml ya 65% HNO3 (o sebedisa dispenser e iketsang - e le nngwe bakeng sa asiti ka nngwe), kwahela hanyane mme o dumelle disampole ho ema bosiu bohle bakeng sa karabelo (lenaneo la aqua regia). Beha supernatant poleiting ya tshepe e chesang (mocheso: 100 W le 160 °C) ka lihora tse 2 ho nolofatsa ts'ebetso ea tšilo ea lisampole, ebe u li pholile. Fetisetsa supernatant ka har'a flask ea volumetric ea 50 ml 'me u e qhibilihise ho 50 ml ka metsi a hloekisitsoeng. Kamora moo, sefa supernatant e hloekisitsoeng ka har'a tube ea PVC ea 50 ml ka metsi a hloekisitsoeng. Ho phaella moo, 1 ml ea tharollo ea ho hlapolla e ile ea qhibilihisoa ka 9 ml ea metsi a hloekisitsoeng 'me ea sefshoa ka har'a tube ea 12 ml e lokiselitsoeng PTE pseudo-concentration. Maqhubu a PTE (As, Cd, Cr, Cu, Mn, Ni, Pb, Zn, Ca, Mg, K) a ile a khethoa ke ICP-OES (Inductively Coupled Plasma Optical Emission Spectroscopy) (Thermo Fisher Scientific, USA) ho latela mekhoa le tumellano e tloaelehileng. Netefatsa mekhoa ea Tiisetso le Taolo ea Boleng (QA/QC) (SRM NIST 2711a Montana II Soil). Li-PTE tse nang le meeli ea ho lemoha ka tlase ho halofo li ile tsa tlosoa thutong ena. Moeli oa ho lemoha oa PTE e sebedisitsweng thutong ena e ne e le 0.0004.(wena). Ho phaella moo, taolo ya boleng le tshebetso ya netefatso ya boleng bakeng sa tlhahlobo ka nngwe e netefatswa ka ho sekaseka maemo a ditshupiso. Ho netefatsa hore diphoso di fokoditswe, ho entswe tlhahlobo e habeli.
Empirical Bayesian Kriging (EBK) ke e 'ngoe ea mekhoa e mengata ea ho kopanya lipalo-palo ea geostatistical e sebelisoang ho etsa mohlala masimong a fapaneng joalo ka saense ea mobu. Ho fapana le mekhoa e meng ea ho kopanya lipalo-palo ea kriging, EBK e fapana le mekhoa ea setso ea kriging ka ho nahana ka phoso e hakantsoeng ke mohlala oa semivariogram. Ho kenyelletsong ea EBK, mehlala e 'maloa ea semivariogram e baloa nakong ea ho kopanya, ho fapana le semivariogram e le' ngoe. Mekhoa ea ho kopanya e etsa sebaka bakeng sa ho se tsitse le lenaneo le amanang le moralo ona oa semivariogram o etsang karolo e rarahaneng haholo ea mokhoa o lekaneng oa kriging. Ts'ebetso ea ho kopanya lipalo-palo ea EBK e latela litekanyetso tse tharo tse hlahisitsoeng ke Krivoruchko50, (a) mohlala o hakanya semivariogram ho tsoa ho dataset ea ho kenya (b) boleng bo bocha bo boletsoeng esale pele bakeng sa sebaka se seng le se seng sa dataset ea ho kenya ho latela semivariogram e hlahisitsoeng le (c) mohlala oa ho qetela oa A o baloa ho tsoa ho dataset e etsisitsoeng. Molao oa equation oa Bayesian o fanoe e le posterior
Moo \(Prob\left(A\right)\) e emelang monyetla wa pele, \(Prob\left(B\right)\) o hlokomolohuwa maemong a mangata, \(Prob (B,A)\ ).Palo ya semivariogram e itshetlehile hodima molao wa Bayes, o bontshang tshekamelo ya disete tsa data tsa tjhebelopele tse ka etswang ho tloha ho semivariogram. Boleng ba semivariogram bo behwa ho sebediswa molao wa Bayes, o bolelang hore na ho ka etsahala hakae ho theha sete ya data ya tjhebelopele ho tswa ho semivariogram.
Mochini oa vektara ea tšehetso ke algorithm ea ho ithuta mochini e hlahisang hyperplane e arohaneng hantle ho khetholla lihlopha tse tšoanang empa e se tse ikemetseng ka mola o otlolohileng. Vapnik51 e thehile algorithm ea ho arola sepheo, empa haufinyane e sebelisitsoe ho rarolla mathata a shebaneng le regression. Ho ea ka Li et al.52, SVM ke e 'ngoe ea mekhoa e metle ka ho fetisisa ea ho arola 'me e sebelisitsoe masimong a fapaneng. Karolo ea regression ea SVM (Support Vector Machine Regression - SVMR) e sebelisitsoe tlhahlobong ena. Cherkassky le Mulier53 ba ile ba qala SVMR e le regression e thehiloeng ho kernel, eo palo ea eona e entsoeng ka ho sebelisa mohlala oa regression o otlolohileng o nang le mesebetsi ea sebaka sa linaha tse ngata. John et al54 ba tlaleha hore mohlala oa SVMR o sebelisa hyperplane linear regression, e hlahisang likamano tse seng tsa mola o otlolohileng le e lumellang mesebetsi ea sebaka. Ho ea ka Vohland et al. 55, epsilon (ε)-SVMR e sebedisa sete ya data e koetlisitsweng ho fumana mohlala wa boemedi e le mosebetsi o sa ameheng ke epsilon o sebediswang ho taka data ka boikemelo ka leeme le letle ka ho fetisisa la epsilon ho tloha thupelong ya data e amanang. Phoso ya sebaka se seng se setilwe e hlokomolohuwa ho tloha boleng ba nnete, mme haeba phoso e le kgolo ho feta ε(ε), thepa ya mobu e e lefella. Mohlala o boetse o fokotsa ho rarahana ha data ya koetliso ho sehlopha se seholo sa di-vector tsa tshehetso. Tekanyo e sisintsweng ke Vapnik51 e bontshitswe ka tlase.
moo b e emelang moedi wa scalar, \(K\left({x}_{,}{ x}_{k}\right)\) e emela mosebetsi wa kernel, \(\alpha\) e emela multiplier ya Lagrange, N E emela sete ya data ya dinomoro, \({x}_{k}\) e emela ho kenya data, mme \(y\) ke tlhahiso ya data. E nngwe ya di-kernel tsa bohlokwa tse sebediswang ke tshebetso ya SVMR, e leng mosebetsi wa Gaussian radial basis (RBF). Kernel ya RBF e sebediswa ho fumana mohlala o motle wa SVMR, e leng wa bohlokwa ho fumana ntlha e poteletseng ya kotlo ya C le gamma ya parameter ya kernel (γ) bakeng sa data ya koetliso ya PTE. Taba ya pele, re ile ra hlahloba sete ya koetliso mme ra leka tshebetso ya mohlala ho sete ya netefatso. Paramethara ya ho tsamaisa e sebedisitsweng ke sigma mme boleng ba mokgwa ke svmRadial.
Mohlala oa ho fokotsa mola o nang le mela e mengata (MLR) ke mohlala oa ho fokotsa o emelang kamano pakeng tsa phetoho ea karabelo le mefuta e mengata ea lintho tse bolelang esale pele ka ho sebelisa liparamente tse kopantsoeng ka mela tse baloang ho sebelisoa mokhoa oa lisekoere tse nyane. Ho MLR, mohlala oa lisekoere tse nyane ke mosebetsi oa ho bolela esale pele oa thepa ea mobu kamora ho khethoa ha mefuta e hlalosang. Hoa hlokahala ho sebelisa karabelo ho theha kamano e otlolohileng ho sebelisoa mefuta e hlalosang. PTE e sebelisitsoe e le phetoho ea karabelo ho theha kamano e otlolohileng le mefuta e hlalosang. Tekanyo ea MLR ke
moo y e leng phetoho ya karabo, \(a\) ke karohano, n ke palo ya di-predictor, \({b}_{1}\) ke ho kgutlela morao ha di-coefficient, \({x}_{ i}\) e emela phetoho ya ho bolela esale pele kapa tlhaloso, mme \({\varepsilon }_{i}\) e emela phoso mohlaleng, e tsejwang hape e le masalla.
Mefuta e tsoakiloeng e fumanoe ka ho kopanya EBK le SVMR le MLR. Sena se etsoa ka ho ntša boleng bo boletsoeng esale pele ho tsoa ho phetolelo ea EBK. Boleng bo boletsoeng esale pele bo fumanoeng ho tsoa ho Ca, K, le Mg e kopantsoeng bo fumanoa ka mokhoa oa ho kopanya ho fumana mefuta e mecha, joalo ka CaK, CaMg, le KMg. Likarolo tsa Ca, K le Mg li kopanngoa ho fumana mofuta oa bone, CaKMg. Ka kakaretso, mefuta e fumanoeng ke Ca, K, Mg, CaK, CaMg, KMg le CaKMg. Mefuta ena e fetohile li-predictors tsa rona, tse thusang ho bolela esale pele maemo a nickel mobung oa litoropo le o haufi le litoropo. Algorithm ea SVMR e entsoe ho li-predictors ho fumana mohlala o tsoakiloeng oa Empirical Bayesian Kriging-Support Vector Machine (EBK_SVM). Ka mokhoa o ts'oanang, mefuta e boetse e tsamaisoa ka algorithm ea MLR ho fumana mohlala o tsoakiloeng oa Empirical Bayesian Kriging-Multiple Linear Regression (EBK_MLR). Hangata, mefuta e fapaneng ea Ca, K, Mg, CaK, CaMg, KMg, le CaKMg li sebelisoa e le li-covariate e le li-ponelor tsa litaba tsa Ni mobung oa litoropo le o haufi le litoropo. Mohlala o amohelehang ka ho fetisisa o fumanoeng (EBK_SVM kapa EBK_MLR) o tla bonoa ka ho sebelisa kerafo e itlhophisang. Mokhoa oa mosebetsi oa thuto ena o bontšitsoe ho Setšoantšo sa 2.
Ho sebelisa SeOM ho fetohile sesebelisoa se tsebahalang bakeng sa ho hlophisa, ho lekola le ho bolela esale pele lintlha lefapheng la lichelete, tlhokomelo ea bophelo bo botle, indasteri, lipalo-palo, saense ea mobu le tse ling. SeOM e entsoe ka ho sebelisa marang-rang a methapo ea maiketsetso le mekhoa ea ho ithuta e sa hlokomeloeng bakeng sa ho hlophisa, ho hlahloba le ho bolela esale pele. Thutong ena, SeOM e sebelisitsoe ho bona mahloriso a Ni a ipapisitseng le mohlala o motle ka ho fetisisa oa ho bolela esale pele Ni mobung oa litoropo le o haufi le litoropo. Lintlha tse sebetsoang tlhahlobong ea SeOM li sebelisoa e le mefuta-futa ea vector ea n input-dimensional43,56.Melssen et al. 57 e hlalosa khokahano ea vekthara ea ho kenya ho marang-rang a methapo ea kutlo ka lera le le leng la ho kenya ho vekthara ea ho ntša e nang le vekthara ea boima bo le bong. Tlhahiso e hlahisoang ke SeOM ke 'mapa oa mahlakore a mabeli o nang le li-neuron kapa li-node tse fapaneng tse lohiloeng ka limmapa tsa topological tse nang le mahlakore a tšeletseng, a chitja, kapa a sekwere ho latela bohaufi ba tsona. Ha ho bapisoa boholo ba 'mapa ho latela phoso ea metric, quantization (QE) le topographic (TE), mohlala oa SeOM o nang le 0.086 le 0.904, ka ho latellana, oa khethoa, e leng yuniti ea 'mapa oa 55 (5 × 11). Sebopeho sa neuron se khethoa ho latela palo ea li-node tse equation ea empirical.
Palo ea lintlha tse sebelisitsoeng thutong ena ke disampole tse 115. Mokhoa o sa reroang o sebelisitsoe ho arola lintlha ka lintlha tsa teko (25% bakeng sa netefatso) le lisete tsa lintlha tsa koetliso (75% bakeng sa ho lekanya). Sete ea lintlha tsa koetliso e sebelisetsoa ho hlahisa mohlala oa regression (calibration), 'me sete ea lintlha tsa teko e sebelisetsoa ho netefatsa bokhoni ba kakaretso58. Sena se entsoe ho lekola ho tšoaneleha ha mehlala e fapaneng bakeng sa ho bolela esale pele litaba tsa nickel mobung. Mefuta eohle e sebelisitsoeng e fetile ts'ebetsong ea netefatso ea makhetlo a leshome, e phetoa ka makhetlo a mahlano. Liphetoho tse hlahisoang ke interpolation ea EBK li sebelisoa e le li-predictor kapa liphetoho tse hlalosang ho bolela esale pele phetoho ea sepheo (PTE). Modeling e sebetsoa ho RStudio ho sebelisoa liphutheloana tsa liphutheloana (Kohonen), library (caret), library (modelr), library (“e1071″), library (“plyr”), library (“caTools”), library (“prospectr”) le lilaebrari (“Metrics”).
Diparamithara tse fapaneng tsa netefatso di sebedisitswe ho fumana mohlala o motle ka ho fetisisa o loketseng ho bolela esale pele maemo a nickel mobung le ho lekola ho nepahala ha mohlala le netefatso ya wona. Dikai tsa hybridization di ile tsa lekolwa ho sebediswa phoso e feletseng ya karolelano (MAE), phoso e akaretsang ya metso (RMSE), le qeto ya R-squared kapa coefficient (R2). R2 e hlalosa phapang ya dikarolwana karabong, e emetsweng ke mohlala wa regression. RMSE le boholo ba phapang ditekanyetsong tse ikemetseng di hlalosa matla a ho bolela esale pele a mohlala, ha MAE e fumana boleng ba nnete ba dipalo. Boleng ba R2 bo tlameha ho ba hodimo ho lekola mohlala o motle ka ho fetisisa wa motsoako o sebedisang diparamithara tsa netefatso, ha boleng bo le haufi le 1, ho nepahala ho hodimo. Ho ya ka Li et al. 59, boleng ba R2 ba 0.75 kapa ho feta bo nkuwa e le ponelopele e ntle; ho tloha ho 0.5 ho isa ho 0.75 ke tshebetso e amohelehang ya mohlala, mme ka tlase ho 0.5 ke tshebetso e sa amoheleheng ya mohlala. Ha o kgetha mohlala o sebedisang mekgwa ya tlhahlobo ya ditekanyetso tsa netefatso ya RMSE le MAE, boleng bo tlase bo fumanweng bo ne bo lekane mme bo nkuwa e le kgetho e ntle ka ho fetisisa. Tekanyo e latelang e hlalosa mokgwa wa netefatso.
moo n e emelang boholo ba boleng bo bonoeng\({Y}_{i}\) e emela karabelo e lekantsoeng, mme \({\widehat{Y}}_{i}\) le yona e emela boleng ba karabelo bo boletsweng esale pele, ka hona, bakeng sa ditemogo tsa pele tsa i.
Litlhaloso tsa lipalo-palo tsa liphetoho tsa ho bolela esale pele le karabelo li hlahisitsoe ho Tafole ea 1, e bonts'ang karolelano, ho kheloha ho tloaelehileng (SD), coefficient of variation (CV), bonyane, boholo, kurtosis, le ho sekama. Boleng bo bonyane le bo boholo ba likarolo li ka tatellano e fokotsehang ea Mg < Ca < K < Ni le Ca < Mg < K < Ni, ka ho latellana. Matšoao a phetoho ea karabelo (Ni) e sampulitsoeng ho tsoa sebakeng sa thuto a ne a tloha ho 4.86 ho isa ho 42.39 mg/kg. Papiso ea Ni le karolelano ea lefats'e (29 mg/kg) le karolelano ea Europe (37 mg/kg) e bontšitse hore karolelano ea jeometri e baliloeng bakeng sa sebaka sa thuto e ne e le ka har'a mefuta e mamellehang. Leha ho le joalo, joalo ka ha ho bontšitsoe ke Kabata-Pendias11, papiso ea mahloriso a tloaelehileng a nickel (Ni) thutong ea hona joale le mobung oa temo Sweden e bontša hore mahloriso a tloaelehileng a nickel a holimo. Ka ho tšoanang, mahloriso a tloaelehileng a Frydek Mistek mobung oa litoropo le o haufi le litoropo thutong ea hona joale (Ni 16.15 mg/kg) a ne a le holimo ho feta a lumelletsoeng. moedi wa 60 (10.2 mg/kg) bakeng sa Ni mobung wa ditoropo wa Poland o tlalehilweng ke Różański et al. Ho feta moo, Bretzel le Calderisi61 ba tlalehile maemo a tlase haholo a karolelano ya Ni (1.78 mg/kg) mobung wa ditoropo wa Tuscany ha ho bapiswa le phuputso ya hajwale. Jim62 o boetse a fumane maemo a tlase a nickel (12.34 mg/kg) mobung wa ditoropo wa Hong Kong, e leng tlase ho feta maemo a hajwale a nickel phuputsong ena. Birke et al63 ba tlalehile maemo a karolelano a Ni a 17.6 mg/kg sebakeng sa kgale sa merafo le diindasteri tsa ditoropo Saxony-Anhalt, Jeremane, e neng e le 1.45 mg/kg e phahameng ho feta maemo a tloaelehileng a Ni sebakeng seo (16.15 mg/kg). Patlisiso ya hajwale. Dikahare tse ngata tsa nickel mobung dibakeng tse ding tsa ditoropo le tsa ditoropo tsa sebaka seo ho ithutwang ho sona di ka bakwa haholo ke indasteri ya tshepe le tshepe le indasteri ya tshepe. Sena se dumellana le phuputso ya Khodadoust et al. 64 hore indasteri ea tšepe le ts'ebetso ea tšepe ke mehloli e meholo ea tšilafalo ea nickel mobung. Leha ho le joalo, likhakanyo le tsona li ne li tloha ho 538.70 mg/kg ho isa ho 69,161.80 mg/kg bakeng sa Ca, 497.51 mg/kg ho isa ho 3535.68 mg/kg bakeng sa K, le 685.68 mg/kg ho isa ho 5970.05 mg/kg bakeng sa Mg.Jakovljevic et al. 65 ba batlisisitse kakaretso ea Mg le K ea mobu o bohareng ba Serbia. Ba fumane hore kakaretso ea lik'hemik'hale (410 mg/kg le 400 mg/kg, ka ho latellana) e ne e le tlase ho feta lik'hemik'hale tsa Mg le K tsa phuputso ea hona joale. Ha ho hlalosoe, Poland e ka bochabela, Orzechowski le Smolczynski66 ba lekotse kakaretso ea lik'hemik'hale tsa Ca, Mg le K 'me ba bontšitse karolelano ea lik'hemik'hale tsa Ca (1100 mg/kg), Mg (590 mg/kg) le K (810 mg/kg). Lik'hemik'hale tse mobung o ka holimo li tlase ho feta karolo e le 'ngoe phuputsong ena. Phuputso ea morao tjena ea Pongrac et al. 67 e bontšitse hore kakaretso ea lik'hemik'hale tsa Ca tse hlahlobiloeng mobung o 3 o fapaneng Scotland, UK (mobu oa Mylnefield, mobu oa Balruddery le mobu oa Hartwood) li bontšitse k'hemik'hale e phahameng ea Ca phuputsong ena.
Ka lebaka la mahloriso a fapaneng a lekantsoeng a likarolo tse sampulitsoeng, kabo ea sete ea data ea likarolo e bontša ho sekama ho fapaneng. Ho sekama le kurtosis ea likarolo li ne li tloha ho 1.53 ho isa ho 7.24 le 2.49 ho isa ho 54.16, ka ho latellana. Likarolo tsohle tse baloang li na le maemo a ho sekama le kurtosis ka holimo ho +1, kahoo ho bontša hore kabo ea data ha e ea tloaeleha, e sekametse ka lehlakoreng le nepahetseng 'me e fihlile sehlohlolong. Li-CV tse hakantsoeng tsa likarolo li boetse li bontša hore K, Mg, le Ni li bontša ho sekama ho itekanetseng, ha Ca e na le ho sekama ho hoholo haholo. Li-CV tsa K, Ni le Mg li hlalosa kabo ea tsona e tšoanang. Ho feta moo, kabo ea Ca ha e tšoane 'me mehloli ea kantle e ka ama boemo ba eona ba ho ntlafatsa.
Kamano ea li-variable tsa ponelopele le likarolo tsa karabelo e bontšitse kamano e khotsofatsang lipakeng tsa likarolo (sheba Setšoantšo sa 3). Kamano e bontšitse hore CaK e bontšitse kamano e itekanetseng ka boleng ba r = 0.53, joalo ka CaNi. Leha Ca le K li bontša likamano tse itekanetseng, bafuputsi ba kang Kingston et al. 68 le Santo69 li fana ka maikutlo a hore maemo a tsona mobung a lekana ka tsela e fapaneng. Leha ho le jwalo, Ca le Mg di hanyetsa K, empa CaK e amana hantle. Sena se ka bakwa ke tshebediso ya manyolo a kang potassium carbonate, e leng 56% e hodimo ka potassium. Potassium e ne e amana ka tsela e itekanetseng le magnesium (KM r = 0.63). Indastering ya manyolo, dikarolo tsena tse pedi di amana haufi-ufi hobane potassium magnesium sulfate, potassium magnesium nitrate, le potash di sebediswa mobung ho eketsa maemo a tsona a kgaello. Nickel e amana ka tsela e itekanetseng le Ca, K le Mg ka boleng ba r = 0.52, 0.63 le 0.55, ka ho latellana. Dikamano tse kenyeletsang calcium, magnesium, le PTE tse kang nickel di rarahane, empa leha ho le jwalo, magnesium e thibela ho monngwa ha calcium, calcium e fokotsa ditlamorao tsa magnesium e ngata, mme magnesium le calcium ka bobedi di fokotsa ditlamorao tse chefo tsa nickel mobung.
Matrix ea kamano bakeng sa likarolo tse bontšang kamano pakeng tsa lintho tse bolelang esale pele le likarabo (Hlokomela: setšoantšo sena se kenyelletsa pale e hasaneng pakeng tsa likarolo, maemo a bohlokoa a thehiloe ho p < 0,001).
Setšoantšo sa 4 se bontša kabo ea libaka tsa likarolo. Ho ea ka Burgos et al70, ts'ebeliso ea kabo ea libaka ke mokhoa o sebelisoang ho lekanya le ho totobatsa libaka tse chesang libakeng tse silafetseng. Maemo a ntlafatso ea Ca ho Setšoantšo sa 4 a ka bonoa karolong e ka leboea-bophirima ea 'mapa oa kabo ea libaka. Setšoantšo se bontša libaka tse chesang tsa ntlafatso ea Ca tse mahareng ho isa ho tse phahameng. Ho rua khalsiamo ka leboea-bophirima ho 'mapa ho ka etsahala hore ebe ho bakoa ke tšebeliso ea quicklime (calcium oxide) ho fokotsa acidity ea mobu le ts'ebeliso ea eona liindastering tsa tšepe e le alkaline oksijene ts'ebetsong ea ho etsa tšepe. Ka lehlakoreng le leng, balemi ba bang ba khetha ho sebelisa calcium hydroxide mobung o nang le asiti ho fokotsa pH, e leng se eketsang calcium mobung71. Potassium e boetse e bontša libaka tse chesang ka leboea-bophirima le ka bochabela ho 'mapa. Leboea-bophirima ke sechaba se seholo sa temo, 'me mokhoa o mahareng ho isa ho o phahameng oa potasiamo o ka bakoa ke ts'ebeliso ea NPK le potash. Sena se lumellana le lithuto tse ling, joalo ka Madaras le Lipavský72, Madaras et al.73, Pulkrabová et al.74, Asare et al.75, ba hlokometseng hore ho tsitsisa mobu le kalafo ka KCl le NPK ho bakile hore ho be le K e ngata mobung. Ho nona ha Potassium sebakeng se ka leboea-bophirima ho 'mapa oa kabo ho ka bakoa ke tšebeliso ea menontsha e thehiloeng ho potassium e kang potassium chloride, potassium sulfate, potassium nitrate, potash, le potash ho eketsa potassium mobung o futsanehileng.Zádorová et al. 76 le Tlustoš et al. 77 e hlalositse hore tšebeliso ea manyolo a thehiloeng ho K e ekelitse K mobung 'me e tla eketsa haholo limatlafatsi tsa mobu ka nako e telele, haholo-holo K le Mg tse bontšang sebaka se chesang mobung. Libaka tse chesang tse itekanetseng ka leboea-bophirima ho 'mapa le ka boroa-bochabela ho 'mapa. Ho tiea ha Colloidal mobung ho fokotsa bongata ba magnesium mobung. Ho hloka ha eona mobung ho etsa hore limela li bontše chlorosis e mosehla ea intervein. Manyolo a thehiloeng ho magnesium, joalo ka potassium magnesium sulfate, magnesium sulfate, le Kieserite, a phekola likhaello (limela li bonahala li le pherese, li le khubelu, kapa li le sootho, tse bontšang khaello ea magnesium) mobung o nang le pH e tloaelehileng6. Ho bokellana ha nickel holim'a mobu oa litoropo le o haufi le litoropo ho ka bakoa ke mesebetsi ea batho joalo ka temo le bohlokoa ba nickel tlhahisong ea tšepe e sa hloekang78.
Kabo ea libaka ea likarolo ['mapa oa kabo ea libaka o entsoe ho sebelisoa ArcGIS Desktop (ESRI, Inc, Version 10.7, URL: https://desktop.arcgis.com).]
Liphetho tsa index ea ts'ebetso ea mohlala bakeng sa likarolo tse sebelisitsoeng thutong ena li bontšitsoe ho Tafole ea 2. Ka lehlakoreng le leng, RMSE le MAE tsa Ni ka bobeli li haufi le lefela (0.86 RMSE, -0.08 MAE). Ka lehlakoreng le leng, boleng ba RMSE le MAE ba K boa amoheleha. Liphetho tsa RMSE le MAE li ne li le kholo bakeng sa calcium le magnesium. Liphetho tsa Ca le K MAE le RMSE li kholo ka lebaka la li-dataset tse fapaneng. RMSE le MAE tsa thuto ena tse sebelisang EBK ho bolela esale pele Ni li fumanoe li le betere ho feta liphetho tsa John et al. 54 tse sebelisang kriging ea synergistic ho bolela esale pele maemo a S mobung ho sebelisoa data e tšoanang e bokelletsoeng. Liphetho tsa EBK tseo re ithutileng tsona li amana le tsa Fabijaczyk et al. 41, Yan et al. 79, Beguin et al. 80, Adhikary et al. 81 le John et al. 82, haholo-holo K le Ni.
Tshebetso ya mekgwa ka bomong ya ho bolela esale pele dikahare tsa nickel mobung wa ditoropo le o haufi le ditoropo e hlahlobilwe ho sebediswa tshebetso ya mehlala (Tafole ya 3). Netefatso ya mohlala le tlhahlobo ya ho nepahala di tiisitse hore ponelopele ya Ca_Mg_K e kopantsweng le mohlala wa EBK SVMR e hlahisitse tshebetso e ntle ka ho fetisisa. Mohlala wa ho lekanya Ca_Mg_K-EBK_SVMR mohlala wa R2, phoso ya sekwere sa motso (RMSE) le phoso e feletseng ya motso (MAE) e ne e le 0.637 (R2), 95.479 mg/kg (RMSE) le 77.368 mg/kg (MAE) Ca_Mg_K-SVMR e ne e le 0.663 (R2), 235.974 mg/kg (RMSE) le 166.946 mg/kg (MAE). Leha ho le jwalo, boleng bo botle ba R2 bo fumanwe bakeng sa Ca_Mg_K-SVMR (0.663 mg/kg R2) le Ca_Mg-EBK_SVMR (0.643 = R2); diphetho tsa bona tsa RMSE le MAE di ne di le hodimo ho feta tsa Ca_Mg_K-EBK_SVMR (R2 0.637) (sheba Tafole ya 3). Ho phaella moo, RMSE le MAE tsa mohlala wa Ca_Mg-EBK_SVMR (RMSE = 1664.64 le MAE = 1031.49) ke 17.5 le 13.4, ka ho latellana, tse kgolo ho feta tsa Ca_Mg_K-EBK_SVMR. Ka ho tshwanang, RMSE le MAE tsa mohlala wa Ca_Mg-K SVMR (RMSE = 235.974 le MAE = 166.946) di kgolo ho feta tsa Ca_Mg_K-EBK_SVMR RMSE le MAE, ka ho latellana. Diphetho tsa RMSE tse balwang di bontsha hore na sete ya data e tiile hakae le mola wa ho lekana hantle. Ho ile ha bonwa RSME le MAE tse hodimo. Ho ya ka Kebonye et al. 46 le john et al. 54, ha RMSE le MAE li le haufi le lefela, liphetho li ba betere. SVMR le EBK_SVMR li na le boleng bo phahameng ba RSME le MAE bo lekantsoe. Ho ile ha hlokomeloa hore likhakanyo tsa RSME li ne li le holimo ho feta boleng ba MAE, e leng se bontšang boteng ba lintho tse sa tloaelehang. Ho ea ka Legates le McCabe83, tekanyo eo RMSE e fetang phoso e tloaelehileng (MAE) e khothaletsoa e le sesupo sa boteng ba lintho tse sa tloaelehang. Sena se bolela hore ha dataset e fapane haholo, boleng ba MAE le RMSE bo ba holimo. Ho nepahala ha tlhahlobo ea netefatso ea ho tšela mohlala o tsoakiloeng oa Ca_Mg_K-EBK_SVMR bakeng sa ho bolela esale pele litaba tsa Ni mobung oa litoropo le oa litoropo e ne e le 63.70%. Ho ea ka Li et al. 59, boemo bona ba ho nepahala ke sekhahla se amohelehang sa ts'ebetso ea mohlala. Liphetho tsa hona joale li bapisoa le phuputso e fetileng ea Tarasov et al. 36 eo mohlala oa eona o kopantsoeng o entseng MLPRK (Multilayer Perceptron Residual Kriging), e amanang le index ea tlhahlobo ea ho nepahala ha EBK_SVMR e tlalehiloeng thutong ea hajoale, RMSE (210) le The MAE (167.5) li ne li le holimo ho feta liphetho tsa rona thutong ea hajoale (RMSE 95.479, MAE 77.368). Leha ho le joalo, ha ho bapisoa R2 ea thuto ea hajoale (0.637) le ea Tarasov et al. 36 (0.544), ho hlakile hore coefficient of determination (R2) e phahame mohlaleng ona o kopaneng. Moeli oa phoso (RMSE le MAE) (EBK SVMR) bakeng sa mohlala o kopaneng o tlase habeli. Ka ho tšoanang, Sergeev et al.34 ba tlalehile 0.28 (R2) bakeng sa mohlala o ntlafalitsoeng oa hybrid (Multilayer Perceptron Residual Kriging), ha Ni thutong ea hona joale ba tlalehile 0.637 (R2). Boemo ba ho nepahala ha ponelopele ea mohlala ona (EBK SVMR) ke 63.7%, ha ho nepahala ha ponelopele ho fumanoeng ke Sergeev et al. 34 ke 28%. 'Mapa oa ho qetela (Setšoantšo sa 5) o entsoeng ho sebelisoa mohlala oa EBK_SVMR le Ca_Mg_K e le ponelopele e bontša likhakanyo tsa libaka tse chesang le tse mahareng ho isa ho nickel sebakeng sohle sa thuto. Sena se bolela hore khakanyo ea nickel sebakeng sa thuto e bohareng haholo, ka likhakanyo tse phahameng libakeng tse ling tse itseng.
'Mapa oa ho qetela oa ho bolela esale pele o emeloa ho sebelisoa mohlala oa motsoako oa EBK_SVMR le ho sebelisoa Ca_Mg_K e le selelekela.['Mapa oa kabo ea sebaka o entsoe ho sebelisoa RStudio (mofuta oa 1.4.1717: https://www.rstudio.com/).]
Ho hlahisitsoe Setšoantšong sa 6 ke mahloriso a PTE e le sefofane sa sebopeho se nang le li-neuron ka bomong. Ha ho le e 'ngoe ea lihlopha tsa likarolo e bontšitseng paterone e tšoanang ea 'mala joalokaha ho bontšitsoe. Leha ho le joalo, palo e loketseng ea li-neuron ka 'mapa o toroiloeng ke 55. SeOM e hlahisoa ho sebelisoa mebala e fapaneng, 'me ha lipaterone tsa mebala li tšoana haholo, litšobotsi tsa lisampole li bapisoa haholoanyane. Ho ea ka sekala sa tsona se nepahetseng sa 'mala, likarolo tse ikemetseng (Ca, K, le Mg) li bontšitse lipaterone tsa mebala tse tšoanang le li-neuron tse phahameng tse le' ngoe le li-neuron tse ngata tse tlase. Kahoo, CaK le CaMg li na le lintho tse tšoanang le li-neuron tse maemong a holimo haholo le lipaterone tsa mebala tse tlase ho isa ho tse mahareng. Mefuta ena ka bobeli e bolela esale pele mahloriso a Ni mobung ka ho bontša mebala e mahareng ho isa ho e phahameng joalo ka bofubelu, lamunu le mosehla. Mohlala oa KMg o bonts'a lipaterone tse ngata tsa mebala e phahameng ho latela litekanyo tse nepahetseng le li-patches tsa mebala e tlase ho isa ho e mahareng. Sekala se nepahetseng sa 'mala ho tloha tlase ho isa ho e phahameng, mohlala oa kabo ea planar oa likarolo tsa mohlala o bontšitse mohlala o phahameng oa 'mala o bontšang mahloriso a ka bang teng a nickel mobung (sheba Setšoantšo sa 4). Sekala sa likarolo sa mohlala oa CakMg se bontša mohlala o fapaneng oa 'mala ho tloha tlase ho isa ho e phahameng ho ea ka' mala o nepahetseng. sekala.Ho feta moo, ponelopele ya mohlala ya dikahare tsa nickel (CakMg) e tshwana le kabo ya sebaka ya nickel e bontshitsweng ho Setshwantsho sa 5. Dikerafo ka bobedi di bontsha dikarolwana tse phahameng, tse mahareng le tse tlase tsa mahloriso a nickel mobung wa ditoropo le o haufi le ditoropo. Setshwantsho sa 7 se bontsha mokgwa wa contour sehlopheng sa k-means mmapeng, se arotsweng ka dihlopha tse tharo ho latela boleng bo boletsweng esale pele mohlaleng o mong le o mong. Mokgwa wa contour o emela palo e nepahetseng ya dihlopha. Ho disampole tse 115 tsa mobu tse bokelletsweng, sehlopha sa 1 se fumane disampole tse ngata tsa mobu, tse 74. Sehlopha sa 2 se fumane disampole tse 33, ha sehlopha sa 3 se fumane disampole tse 8. Motswako wa ponelopele wa dikarolo tse supileng o nolofaditswe ho dumella tlhaloso e nepahetseng ya sehlopha.Ka lebaka la ditsamaiso tse ngata tsa batho le tsa tlhaho tse amang ho thehwa ha mobu, ho thata ho ba le dipaterone tsa sehlopha tse arohaneng hantle mmapeng wa SeOM o abuwang78.
Tlhahiso ea sefofane sa likarolo ke mofuta o mong le o mong oa Empirical Bayesian Kriging Support Vector Machine (EBK_SVM_SeOM).[Limmapa tsa SeOM li entsoe ka ho sebelisa RStudio (mofuta oa 1.4.1717: https://www.rstudio.com/).]
Likarolo tse fapaneng tsa ho arola lihlopha [Limmapa tsa SeOM li entsoe ho sebelisoa RStudio (mofuta oa 1.4.1717: https://www.rstudio.com/).]
Phuputso ea hona joale e bontša ka ho hlaka mekhoa ea ho etsa mohlala bakeng sa mahloriso a nickel mobung oa litoropo le o haufi le litoropo. Phuputso e lekile mekhoa e fapaneng ea ho etsa mohlala, e kopanya likarolo le mekhoa ea ho etsa mohlala, ho fumana mokhoa o motle oa ho bolela esale pele mahloriso a nickel mobung. Litšobotsi tsa sebaka sa planar tsa mokhoa oa ho etsa mohlala li bontšitse mohlala o phahameng oa 'mala ho tloha tlase ho ea holimo ka sekala se nepahetseng sa 'mala, se bontšang mahloriso a Ni mobung. Leha ho le joalo, 'mapa oa kabo ea sebaka o tiisa kabo ea sebaka sa planar ea likarolo tse bontšitsoeng ke EBK_SVMR (sheba Setšoantšo sa 5). Liphetho li bontša hore mohlala oa vector oa tšehetso ea mochini oa tšehetso (Ca Mg K-SVMR) o bolela esale pele mahloriso a Ni mobung e le mohlala o le mong, empa liparamente tsa tlhahlobo ea netefatso le ho nepahala li bontša liphoso tse phahameng haholo ho latela RMSE le MAE. Ka lehlakoreng le leng, mokhoa oa ho etsa mohlala o sebelisitsoeng le mohlala oa EBK_MLR le oona o na le liphoso ka lebaka la boleng bo tlase ba coefficient of determination (R2). Liphetho tse ntle li fumanoe ho sebelisoa EBK SVMR le likarolo tse kopantsoeng (CaKMg) tse nang le liphoso tse tlase tsa RMSE le MAE ka ho nepahala ha 63.7%. Hoa fumaneha hore ho kopanya EBK Algorithm e nang le algorithm ea ho ithuta ka mochini e ka hlahisa algorithm ea motsoako e ka bolelang esale pele mahloriso a PTE mobung. Liphetho li bontša hore ho sebelisa Ca Mg K e le li-ponelor ho bolela esale pele mahloriso a Ni mobung. Sena se bolela hore ts'ebeliso e tsoelang pele ea manyolo a thehiloeng ho nickel le tšilafalo ea indasteri ea mobu ke indasteri ea tšepe e na le tšekamelo ea ho eketsa mahloriso a nickel mobung. Phuputso ena e senotse hore mohlala oa EBK o ka fokotsa boemo ba phoso le ho ntlafatsa ho nepahala ha mohlala oa kabo ea sebaka sa mobu mobung oa litoropo kapa o haufi le litoropo. Ka kakaretso, re sisinya ho sebelisa mohlala oa EBK-SVMR ho lekola le ho bolela esale pele PTE mobung; ho phaella moo, re sisinya ho sebelisa EBK ho kopanya ka li-algorithms tse fapaneng tsa ho ithuta ka mochini. Mahloriso a Ni a ile a boleloa esale pele ho sebelisoa likarolo e le li-covariates; leha ho le joalo, ho sebelisa li-covariates tse ngata ho tla ntlafatsa haholo ts'ebetso ea mohlala, e ka nkoang e le moeli oa mosebetsi oa hona joale. Moeli o mong oa thuto ena ke hore palo ea li-dataset ke 115. Ka hona, haeba ho fanoa ka lintlha tse ling, ts'ebetso ea mokhoa o ntlafalitsoeng oa ho kopanya o ka ntlafatsoa.
PlantProbs.net.Nikel ho Dimela le Mobu https://plantprobs.net/plant/nutrientImbalances/sodium.html (E fihlelletswe ka la 28 Mmesa 2021).
Kasprzak, KS Nickel e tswela pele thutong ya sejwalejwale ya chefo ya tikoloho. tikoloho. chefo.11, 145–183 (1987).
Cempel, M. & Nikel, G. Nickel: Tlhahlobo ea mehloli ea eona le chefo ea tikoloho.Polish J. Environment.Stud.15, 375–382 (2006).
Freedman, B. & Hutchinson, TC Tšilafalo e kenang sepakapakeng le ho bokellana mobung le dimeleng haufi le motjhini wa ho qhibilihisa wa nickel-copper Sudbury, Ontario, Canada.can.J. Bot.58(1), 108-132.https://doi.org/10.1139/b80-014 (1980).
Manyiwa, T. et al. Litšepe tse boima mobung, limela le likotsi tse amanang le liphoofolo tse ruisang tse jang nama haufi le morafo oa koporo le nickel oa Selebi-Phikwe Botswana. surroundings. Geochemistry.Health https://doi.org/10.1007/s10653-021-00918-x (2021).
Cabata-Pendias.Kabata-Pendias A. 2011. Dielemente tse latelang mobung le… – Google Scholar https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Kabata-Pendias+A.+2011.+Tsamaisa+ Dielemente+mobung+le+dimela.+4th+ed.+New+York+%28NY%29%3A+CRC+Press&btnG= (E fihlelletswe ka la 24 Pudungwana 2020).
Almås, A., Singh, B., Temo, TS-NJ ea & 1995, ha e hlalosoe. Litlamorao tsa indasteri ea nickel ea Russia holim'a mahloriso a tšepe e boima mobung oa temo le joang ho Soer-Varanger, Norway.agris.fao.org.
Nielsen, GD et al. Ho monngoa le ho bolokoa ha nickel metsing a nooang ho amana le ho kenngoa ha lijo le ho se utloisisehe ha nickel.toxicology.application.Pharmacodynamics.154, 67–75 (1999).
Costa, M. & Klein, CB Nickel carcinogenesis, phetoho ea liphatsa tsa lefutso, epigenetics kapa khetho. tikoloho. Maikutlo a Bophelo bo Botle.107, 2 (1999).
Ajman, PC; Ajado, SK; Borůvka, L.; Bini, JKM; Sarkody, VYO; Cobonye, ​​​​NM; Tlhahlobo ea mekhoa ea likarolo tse ka bang chefo: tlhahlobo ea bibliometric. Environmental Geochemistry and Health. Springer Science & Business Media BV 2020. https://doi.org/10.1007/s10653-020-00742-9.
Minasny, B. & McBratney, AB Ho etsa 'Mapa oa Mobu oa Dijithale: Nalane e Khutšoanyane le Lithuto tse Ling. Geoderma 264, 301–311.https://doi.org/10.1016/j.geoderma.2015.07.017 (2016).
McBratney, AB, Mendonça Santos, ML & Minasny, B. Holima 'mapa oa mobu oa digital.Geoderma 117(1-2), 3-52.https://doi.org/10.1016/S0016-7061(03)00223-4 (2003).
Sebopeho sa Jeremane.CV sa Letamo la Dijithale,… – 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= (E fihlelletswe ka la 28 Mmesa 2021).