Nature.com ஐப் பார்வையிட்டதற்கு நன்றி. நீங்கள் பயன்படுத்தும் உலாவி பதிப்பில் CSS-க்கு குறைந்த ஆதரவு உள்ளது. சிறந்த அனுபவத்திற்கு, புதுப்பிக்கப்பட்ட உலாவியைப் பயன்படுத்துமாறு பரிந்துரைக்கிறோம் (அல்லது Internet Explorer இல் இணக்கத்தன்மை பயன்முறையை முடக்கவும்). இதற்கிடையில், தொடர்ச்சியான ஆதரவை உறுதிசெய்ய, ஸ்டைல்கள் மற்றும் ஜாவாஸ்கிரிப்ட் இல்லாமல் தளத்தைக் காண்பிப்போம்.
மண் மாசுபாடு என்பது மனித நடவடிக்கைகளால் ஏற்படும் ஒரு பெரிய பிரச்சனையாகும். பெரும்பாலான நகர்ப்புற மற்றும் புறநகர்ப் பகுதிகளில் நச்சுத்தன்மையுள்ள தனிமங்களின் (PTEs) இடஞ்சார்ந்த பரவல் வேறுபடுகிறது. எனவே, அத்தகைய மண்ணில் PTEs உள்ளடக்கத்தை இடஞ்சார்ந்த முறையில் கணிப்பது கடினம். செக் குடியரசில் உள்ள ஃப்ரைடெக் மிஸ்டெக்கிலிருந்து மொத்தம் 115 மாதிரிகள் பெறப்பட்டன. கால்சியம் (Ca), மெக்னீசியம் (Mg), பொட்டாசியம் (K) மற்றும் நிக்கல் (Ni) செறிவுகள் தூண்டல் ரீதியாக இணைக்கப்பட்ட பிளாஸ்மா உமிழ்வு நிறமாலை அளவீட்டைப் பயன்படுத்தி தீர்மானிக்கப்பட்டன. மறுமொழி மாறி Ni மற்றும் முன்கணிப்பாளர்கள் Ca, Mg மற்றும் K ஆகும். மறுமொழி மாறிக்கும் முன்கணிப்பாளர் மாறிக்கும் இடையிலான தொடர்பு அணி கூறுகளுக்கு இடையே திருப்திகரமான தொடர்பைக் காட்டுகிறது. அதன் மதிப்பிடப்பட்ட மூல சராசரி சதுரப் பிழை (RMSE) (235.974 mg/kg) மற்றும் சராசரி முழுமையான பிழை (MAE) (166.946 mg/kg) ஆகியவை பயன்படுத்தப்பட்ட மற்ற முறைகளை விட அதிகமாக இருந்தபோதிலும், ஆதரவு வெக்டர் இயந்திர பின்னடைவு (SVMR) சிறப்பாகச் செயல்பட்டதாக கணிப்பு முடிவுகள் காட்டுகின்றன. அனுபவ பேய்சியன் கிரிகிங்-மல்டிபிள் லீனியர் பின்னடைவுக்கான கலப்பு மாதிரிகள் (EBK-MLR) மோசமாக செயல்படுகிறது, இது 0.1 க்கும் குறைவான தீர்மான குணகங்களால் நிரூபிக்கப்பட்டுள்ளது. அனுபவ பேய்சியன் கிரிகிங்-ஆதரவு வெக்டர் இயந்திர பின்னடைவு (EBK-SVMR) மாதிரி சிறந்த மாதிரியாக இருந்தது, குறைந்த RMSE (95.479 mg/kg) மற்றும் MAE (77.368 mg/kg) மதிப்புகள் மற்றும் அதிக தீர்மான குணகம் (R2 = 0.637) ஆகியவற்றைக் கொண்டிருந்தது. EBK-SVMR மாடலிங் நுட்ப வெளியீடு ஒரு சுய-ஒழுங்கமைக்கும் வரைபடத்தைப் பயன்படுத்தி காட்சிப்படுத்தப்படுகிறது. கலப்பின மாதிரி CakMg-EBK-SVMR கூறுகளின் தளத்தில் உள்ள கொத்து நியூரான்கள் நகர்ப்புற மற்றும் புறநகர் மண்ணில் Ni செறிவுகளைக் கணிக்கும் பல வண்ண வடிவங்களைக் காட்டுகின்றன. EBK மற்றும் SVMR ஐ இணைப்பது நகர்ப்புற மற்றும் புறநகர் மண்ணில் Ni செறிவுகளைக் கணிக்க ஒரு பயனுள்ள நுட்பமாகும் என்பதை முடிவுகள் நிரூபிக்கின்றன.
நிக்கல் (Ni) தாவரங்களுக்கு ஒரு நுண்ணூட்டச்சத்தாகக் கருதப்படுகிறது, ஏனெனில் இது வளிமண்டல நைட்ரஜன் நிலைப்படுத்தல் (N) மற்றும் யூரியா வளர்சிதை மாற்றத்திற்கு பங்களிக்கிறது, இவை இரண்டும் விதை முளைப்பதற்குத் தேவைப்படுகின்றன. விதை முளைப்பதில் அதன் பங்களிப்பைத் தவிர, Ni ஒரு பூஞ்சை மற்றும் பாக்டீரியா தடுப்பானாக செயல்பட்டு தாவர வளர்ச்சியை ஊக்குவிக்கும். மண்ணில் நிக்கல் இல்லாதது தாவரத்தை உறிஞ்ச அனுமதிக்கிறது, இதன் விளைவாக இலைகளில் குளோரோசிஸ் ஏற்படுகிறது. எடுத்துக்காட்டாக, தட்டைப்பயறு மற்றும் பச்சை பீன்ஸ் நைட்ரஜன் நிலைப்படுத்தலை மேம்படுத்த நிக்கல் அடிப்படையிலான உரங்களைப் பயன்படுத்த வேண்டும். மண்ணை வளப்படுத்தவும், பருப்பு வகைகள் மண்ணில் நைட்ரஜனை நிலைநிறுத்தும் திறனை அதிகரிக்கவும் நிக்கல் அடிப்படையிலான உரங்களைத் தொடர்ந்து பயன்படுத்துவது மண்ணில் நிக்கல் செறிவை தொடர்ந்து அதிகரிக்கிறது. தாவரங்களுக்கு நிக்கல் ஒரு நுண்ணூட்டச்சத்தாக இருந்தாலும், மண்ணில் அதன் அதிகப்படியான உட்கொள்ளல் நன்மையை விட அதிக தீங்கு விளைவிக்கும். மண்ணில் நிக்கலின் நச்சுத்தன்மை மண்ணின் pH ஐக் குறைக்கிறது மற்றும் தாவர வளர்ச்சிக்கு அவசியமான ஒரு ஊட்டச்சத்தாக இரும்பை எடுத்துக்கொள்வதைத் தடுக்கிறது1. Liu3 இன் படி, Ni தாவர வளர்ச்சி மற்றும் வளர்ச்சிக்குத் தேவையான 17வது முக்கிய தனிமம் என்று கண்டறியப்பட்டுள்ளது. தாவர வளர்ச்சி மற்றும் வளர்ச்சியில் நிக்கலின் பங்கிற்கு கூடுதலாக, மனிதர்களுக்கு பல்வேறு பயன்பாடுகளுக்கு இது தேவைப்படுகிறது. எலக்ட்ரோபிளேட்டிங், நிக்கல் அடிப்படையிலான உலோகக் கலவைகளின் உற்பத்தி, மற்றும் வாகனத் துறையில் பற்றவைப்பு சாதனங்கள் மற்றும் தீப்பொறி பிளக்குகள் உற்பத்தி ஆகியவற்றிற்கு பல்வேறு தொழில்துறை துறைகளில் நிக்கலின் பயன்பாடு தேவைப்படுகிறது. கூடுதலாக, நிக்கல் அடிப்படையிலான உலோகக் கலவைகள் மற்றும் மின்முலாம் பூசப்பட்ட பொருட்கள் சமையலறைப் பொருட்கள், பால்ரூம் பாகங்கள், உணவுத் தொழில் பொருட்கள், மின்சாரம், கம்பி மற்றும் கேபிள், ஜெட் டர்பைன்கள், அறுவை சிகிச்சை உள்வைப்புகள், ஜவுளி மற்றும் கப்பல் கட்டுமானம் 5 ஆகியவற்றில் பரவலாகப் பயன்படுத்தப்படுகின்றன. மண்ணில் (அதாவது, மேற்பரப்பு மண்) நிக்கல் நிறைந்த அளவுகள் மானுடவியல் மற்றும் இயற்கை மூலங்கள் இரண்டிற்கும் காரணமாகக் கூறப்பட்டுள்ளன, ஆனால் முதன்மையாக, நிக்கல் என்பது மானுடவியல் அல்ல, இயற்கை மூலமாகும்4,6. நிக்கலின் இயற்கை ஆதாரங்களில் எரிமலை வெடிப்புகள், தாவரங்கள், காட்டுத் தீ மற்றும் புவியியல் செயல்முறைகள் அடங்கும்; இருப்பினும், மானுடவியல் மூலங்களில் எஃகுத் தொழிலில் நிக்கல்/காட்மியம் பேட்டரிகள், மின்முலாம் பூசுதல், வில் வெல்டிங், டீசல் மற்றும் எரிபொருள் எண்ணெய்கள் மற்றும் நிலக்கரி எரிப்பு மற்றும் கழிவுகள் மற்றும் கசடு எரிப்பு ஆகியவற்றிலிருந்து வளிமண்டல உமிழ்வுகள் ஆகியவை அடங்கும். நிக்கல் குவிப்பு7,8. ஃப்ரீட்மேன் மற்றும் ஹட்சின்சன்9 மற்றும் மன்யிவா மற்றும் பலர் படி. 10, உடனடி மற்றும் அருகிலுள்ள சூழலில் மேல் மண் மாசுபாட்டின் முக்கிய ஆதாரங்கள் முக்கியமாக நிக்கல்-தாமிர அடிப்படையிலான உருக்காலைகளும் சுரங்கங்களும் ஆகும். கனடாவில் உள்ள சட்பரி நிக்கல்-தாமிர சுத்திகரிப்பு நிலையத்தைச் சுற்றியுள்ள மேல் மண்ணில் 26,000 மி.கி/கி.கி. என்ற அளவில் நிக்கல் மாசுபாடு அதிகமாக இருந்தது. இதற்கு நேர்மாறாக, ரஷ்யாவில் நிக்கல் உற்பத்தியால் ஏற்படும் மாசுபாடு நோர்வே மண்ணில் அதிக நிக்கல் செறிவுகளுக்கு வழிவகுத்தது. ஆல்ம்ஸ் மற்றும் பலர் படி. 12, பிராந்தியத்தின் சிறந்த விளைநிலங்களில் (ரஷ்யாவில் நிக்கல் உற்பத்தி) HNO3-பிரித்தெடுக்கக்கூடிய நிக்கலின் அளவு 6.25 முதல் 136.88 மி.கி/கி.கி வரை இருந்தது, இது சராசரியாக 30.43 மி.கி/கி.கி மற்றும் அடிப்படை செறிவு 25 மி.கி/கி.கி.க்கு ஒத்திருந்தது. கபாடா 11 இன் படி, தொடர்ச்சியான பயிர் பருவங்களில் நகர்ப்புற அல்லது புறநகர் மண்ணில் விவசாய மண்ணில் பாஸ்பரஸ் உரங்களைப் பயன்படுத்துவது மண்ணை உட்செலுத்தலாம் அல்லது மாசுபடுத்தலாம். மனிதர்களில் நிக்கலின் சாத்தியமான விளைவுகள் மரபணு மாற்றம், குரோமோசோமால் சேதம், Z-DNA உருவாக்கம், தடுக்கப்பட்ட டி.என்.ஏ அகற்றுதல் பழுது அல்லது எபிஜெனெடிக் செயல்முறைகள் மூலம் புற்றுநோய்க்கு வழிவகுக்கும். விலங்கு பரிசோதனைகளில், நிக்கல் பல்வேறு கட்டிகளை ஏற்படுத்தும் ஆற்றலைக் கொண்டிருப்பதாகக் கண்டறியப்பட்டுள்ளது, மேலும் புற்றுநோய் நிக்கல் வளாகங்கள் அத்தகைய கட்டிகளை அதிகரிக்கக்கூடும்.
மண்-தாவர உறவுகள், மண் மற்றும் மண் உயிரியல் உறவுகள், சுற்றுச்சூழல் சீரழிவு மற்றும் சுற்றுச்சூழல் தாக்க மதிப்பீடு ஆகியவற்றிலிருந்து எழும் பரந்த அளவிலான சுகாதார தொடர்பான பிரச்சினைகள் காரணமாக மண் மாசுபாடு மதிப்பீடுகள் சமீபத்திய காலங்களில் செழித்து வளர்ந்துள்ளன. இன்றுவரை, மண்ணில் Ni போன்ற நச்சுத்தன்மை வாய்ந்த கூறுகளின் (PTEs) இடஞ்சார்ந்த கணிப்பு பாரம்பரிய முறைகளைப் பயன்படுத்தி உழைப்பு மற்றும் நேரத்தை எடுத்துக்கொள்ளும் செயலாக உள்ளது. டிஜிட்டல் மண் மேப்பிங் (DSM) வருகையும் அதன் தற்போதைய வெற்றியும் 15 முன்கணிப்பு மண் மேப்பிங்கை (PSM) பெரிதும் மேம்படுத்தியுள்ளன. மினாஸ்னி மற்றும் மெக்பிராட்னி 16 இன் படி, முன்கணிப்பு மண் மேப்பிங் (DSM) மண் அறிவியலின் ஒரு முக்கிய துணைப்பிரிவாக நிரூபிக்கப்பட்டுள்ளது. லாகச்செரி மற்றும் மெக்பிராட்னி, 2006 DSM ஐ "இன் சிட்டு மற்றும் ஆய்வக கண்காணிப்பு முறைகள் மற்றும் இடஞ்சார்ந்த மற்றும் இடஞ்சார்ந்த மண் அனுமான அமைப்புகளைப் பயன்படுத்துவதன் மூலம் இடஞ்சார்ந்த மண் தகவல் அமைப்புகளை உருவாக்குதல் மற்றும் நிரப்புதல்" என்று வரையறுக்கின்றனர். மெக்பிராட்னி மற்றும் பலர். PTE-களின் இடஞ்சார்ந்த பரவல், மண் வகைகள் மற்றும் மண் பண்புகளை கணிக்க அல்லது வரைபடமாக்குவதற்கு சமகால DSM அல்லது PSM மிகவும் பயனுள்ள நுட்பமாகும் என்பதை 17 கோடிட்டுக் காட்டுகிறது. புவியியல் புள்ளிவிவரங்கள் மற்றும் இயந்திர கற்றல் வழிமுறைகள் (MLA) என்பது குறிப்பிடத்தக்க மற்றும் குறைந்தபட்ச தரவைப் பயன்படுத்தி கணினிகளின் உதவியுடன் டிஜிட்டல் வரைபடங்களை உருவாக்கும் DSM மாடலிங் நுட்பங்கள் ஆகும்.
Deutsch18 மற்றும் Olea19 ஆகியவை புவியியல் புள்ளியியல் முறையை "இடஞ்சார்ந்த பண்புகளின் பிரதிநிதித்துவத்தைக் கையாளும் எண் நுட்பங்களின் தொகுப்பு" என்று வரையறுக்கின்றன, முக்கியமாக நேரத் தொடர் பகுப்பாய்வு தற்காலிகத் தரவை எவ்வாறு வகைப்படுத்துகிறது என்பது போன்ற சீரற்ற மாதிரிகளைப் பயன்படுத்துகின்றன. முதன்மையாக, புவியியல் புள்ளியியல் என்பது வேரியோகிராம்களின் மதிப்பீட்டை உள்ளடக்கியது, இது ஒவ்வொரு தரவுத்தொகுப்பிலிருந்தும் இடஞ்சார்ந்த மதிப்புகளின் சார்புகளை அளவிடவும் வரையறுக்கவும் அனுமதிக்கிறது20.Gumiaux et al. புவியியல் புள்ளியியல் துறையில் வேரியோகிராம்களின் மதிப்பீடு மூன்று கொள்கைகளை அடிப்படையாகக் கொண்டது என்பதை 20 மேலும் விளக்குகிறது, அவற்றில் (அ) தரவு தொடர்பு அளவைக் கணக்கிடுதல், (ஆ) தரவுத்தொகுப்பு வேறுபாட்டில் அனிசோட்ரோபியைக் கண்டறிந்து கணக்கிடுதல் மற்றும் (இ) உள்ளூர் விளைவுகளிலிருந்து பிரிக்கப்பட்ட அளவீட்டுத் தரவின் உள்ளார்ந்த பிழையை கணக்கில் எடுத்துக்கொள்வதோடு, பகுதி விளைவுகளும் மதிப்பிடப்படுகின்றன. இந்தக் கருத்துகளை அடிப்படையாகக் கொண்டு, புவியியல் புள்ளியியல் துறையில் பல இடைக்கணிப்பு நுட்பங்கள் பயன்படுத்தப்படுகின்றன, இதில் பொது கிரிகிங், கோ-கிரிகிங், சாதாரண கிரிகிங், அனுபவ பேய்சியன் கிரிகிங், எளிய கிரிகிங் முறை மற்றும் PTE, மண் பண்புகள் மற்றும் மண் வகைகளை வரைபடமாக்க அல்லது கணிக்க பிற நன்கு அறியப்பட்ட இடைக்கணிப்பு நுட்பங்கள் அடங்கும்.
இயந்திர கற்றல் வழிமுறைகள் (MLA) என்பது ஒப்பீட்டளவில் புதிய நுட்பமாகும், இது பெரிய நேரியல் அல்லாத தரவு வகுப்புகளைப் பயன்படுத்துகிறது, இது முதன்மையாக தரவுச் செயலாக்கம், தரவுகளில் வடிவங்களை அடையாளம் காணுதல் மற்றும் மண் அறிவியல் மற்றும் திரும்பப் பெறும் பணிகள் போன்ற அறிவியல் துறைகளில் வகைப்பாட்டிற்கு மீண்டும் மீண்டும் பயன்படுத்தப்படும் வழிமுறைகளால் தூண்டப்படுகிறது. டான் மற்றும் பலர் 22 (விவசாய மண்ணில் கன உலோக மதிப்பீட்டிற்கான சீரற்ற காடுகள்), சகிசாதே மற்றும் பலர் 23 (ஆதரவு திசையன் இயந்திரங்கள் மற்றும் செயற்கை நரம்பியல் நெட்வொர்க்குகளைப் பயன்படுத்தி மாடலிங் செய்தல்) மண் மாசுபாடு போன்ற மண்ணில் PTE ஐ கணிக்க பல ஆராய்ச்சி ஆவணங்கள் MLA மாதிரிகளை நம்பியுள்ளன. கூடுதலாக, வேகா மற்றும் பலர் 24 (மண்ணில் கன உலோகத் தக்கவைப்பு மற்றும் உறிஞ்சுதலை மாதிரியாக்குவதற்கான CART) சன் மற்றும் பலர் 25 (க்யூபிஸ்ட்டின் பயன்பாடு மண்ணில் Cd இன் விநியோகம்) மற்றும் k-அருகிலுள்ள அண்டை, பொதுமைப்படுத்தப்பட்ட பூஸ்ட் ரிக்ரஷன் மற்றும் பூஸ்ட் ரிக்ரஷன் போன்ற பிற வழிமுறைகள் மரங்களும் மண்ணில் PTE ஐ கணிக்க MLA ஐப் பயன்படுத்துகின்றன.
கணிப்பு அல்லது மேப்பிங்கில் DSM வழிமுறைகளின் பயன்பாடு பல சவால்களை எதிர்கொள்கிறது. பல ஆசிரியர்கள் MLA புவியியல் புள்ளிவிவரங்களை விட உயர்ந்தது என்று நம்புகிறார்கள், மேலும் நேர்மாறாகவும். ஒன்று மற்றொன்றை விட சிறந்தது என்றாலும், இரண்டின் கலவையானது DSM15 இல் மேப்பிங் அல்லது கணிப்பின் துல்லியத்தின் அளவை மேம்படுத்துகிறது. வுட்காக் மற்றும் கோபால்26 ஃபின்கே27; பொன்டியஸ் மற்றும் சியூக்28 மற்றும் க்ருன்வால்ட்29 ஆகியோர் குறைபாடுகள் மற்றும் கணிக்கப்பட்ட மண் மேப்பிங்கில் உள்ள சில பிழைகள் குறித்து கருத்து தெரிவிக்கின்றனர். DSM மேப்பிங் மற்றும் முன்னறிவிப்பின் செயல்திறன், துல்லியம் மற்றும் முன்கணிப்புத்தன்மையை மேம்படுத்த மண் விஞ்ஞானிகள் பல்வேறு நுட்பங்களை முயற்சித்துள்ளனர். நிச்சயமற்ற தன்மை மற்றும் சரிபார்ப்பு ஆகியவற்றின் கலவையானது செயல்திறனை மேம்படுத்தவும் குறைபாடுகளைக் குறைக்கவும் DSM இல் ஒருங்கிணைக்கப்பட்ட பல வேறுபட்ட அம்சங்களில் ஒன்றாகும். இருப்பினும், வரைபட உருவாக்கம் மற்றும் கணிப்பு மூலம் அறிமுகப்படுத்தப்பட்ட சரிபார்ப்பு நடத்தை மற்றும் நிச்சயமற்ற தன்மை வரைபட தரத்தை மேம்படுத்த சுயாதீனமாக சரிபார்க்கப்பட வேண்டும் என்று Agyeman மற்றும் பலர் 15 கோடிட்டுக் காட்டுகின்றனர். DSM இன் வரம்புகள் புவியியல் ரீதியாக சிதறடிக்கப்பட்ட மண்ணின் தரம் காரணமாகும், இது நிச்சயமற்ற தன்மையின் ஒரு கூறுகளை உள்ளடக்கியது; இருப்பினும், DSM இல் நிச்சயமற்ற தன்மை பல பிழை ஆதாரங்களிலிருந்து எழலாம், அதாவது கோவேரியேட் பிழை, மாதிரி பிழை, இருப்பிடப் பிழை மற்றும் பகுப்பாய்வு பிழை 31. MLA மற்றும் புவிசார் புள்ளியியல் செயல்முறைகளில் தூண்டப்படும் மாடலிங் துல்லியமின்மைகள் புரிதலின்மையுடன் தொடர்புடையவை, இறுதியில் உண்மையான செயல்முறையை மிகைப்படுத்துவதற்கு வழிவகுக்கும்32. மாடலிங்கின் தன்மையைப் பொருட்படுத்தாமல், துல்லியமின்மைகள் மாடலிங் அளவுருக்கள், கணித மாதிரி கணிப்புகள் அல்லது இடைக்கணிப்பு ஆகியவற்றால் கூறப்படலாம்33. சமீபத்தில், மேப்பிங் மற்றும் முன்கணிப்பு ஆகியவற்றில் புவிசார் புள்ளிவிவரங்கள் மற்றும் MLA ஒருங்கிணைப்பை ஊக்குவிக்கும் ஒரு புதிய DSM போக்கு உருவாகியுள்ளது. செர்கீவ் மற்றும் பலர். 34; சுபோடினா மற்றும் பலர். 35; தாராசோவ் மற்றும் பலர். 36 மற்றும் தாராசோவ் மற்றும் பலர். 37 போன்ற பல மண் விஞ்ஞானிகள் மற்றும் ஆசிரியர்கள் புவிசார் புள்ளிவிவரங்கள் மற்றும் இயந்திர கற்றலின் துல்லியமான தரத்தைப் பயன்படுத்தி, முன்னறிவிப்பு மற்றும் மேப்பிங்கின் செயல்திறனை மேம்படுத்தும் கலப்பின மாதிரிகளை உருவாக்கியுள்ளனர். தரம். இந்த கலப்பின அல்லது ஒருங்கிணைந்த வழிமுறை மாதிரிகளில் சில செயற்கை நரம்பியல் நெட்வொர்க் கிரிகிங் (ANN-RK), பல அடுக்கு பெர்செப்ட்ரான் எச்ச கிரிகிங் (MLP-RK), பொதுமைப்படுத்தப்பட்ட பின்னடைவு நரம்பியல் நெட்வொர்க் எச்ச கிரிகிங் (GR- NNRK)36, செயற்கை நரம்பியல் நெட்வொர்க் கிரிகிங்-பல அடுக்கு பெர்செப்ட்ரான் (ANN-K-MLP)37 மற்றும் கோ-கிரிகிங் மற்றும் காஸியன் செயல்முறை பின்னடைவு38.
செர்கீவ் மற்றும் பலர் கருத்துப்படி, பல்வேறு மாடலிங் நுட்பங்களை இணைப்பது, அதன் ஒற்றை மாதிரியை உருவாக்குவதற்குப் பதிலாக, குறைபாடுகளை நீக்கி, விளைந்த கலப்பின மாதிரியின் செயல்திறனை அதிகரிக்கும் ஆற்றலைக் கொண்டுள்ளது. இந்த சூழலில், நகர்ப்புற மற்றும் புறநகர்ப் பகுதிகளில் Ni செறிவூட்டலைக் கணிக்க உகந்த கலப்பின மாதிரிகளை உருவாக்க புவியியல் புள்ளிவிவரங்கள் மற்றும் MLA ஆகியவற்றின் ஒருங்கிணைந்த வழிமுறையைப் பயன்படுத்துவது அவசியம் என்று இந்த புதிய ஆய்வறிக்கை வாதிடுகிறது. இந்த ஆய்வு அனுபவ பேய்சியன் கிரிகிங் (EBK) ஐ அடிப்படை மாதிரியாக நம்பியிருக்கும் மற்றும் அதை ஆதரவு வெக்டர் இயந்திரம் (SVM) மற்றும் பல நேரியல் பின்னடைவு (MLR) மாதிரிகளுடன் கலக்கும். எந்த MLA உடனும் EBK இன் கலப்பினமாக்கல் தெரியவில்லை. காணப்படும் பல கலப்பு மாதிரிகள் சாதாரண, எஞ்சிய, பின்னடைவு கிரிகிங் மற்றும் MLA ஆகியவற்றின் சேர்க்கைகளாகும். EBK என்பது ஒரு புவியியல் புள்ளிவிவர இடைக்கணிப்பு முறையாகும், இது புலத்தில் வரையறுக்கப்பட்ட உள்ளூர்மயமாக்கல் அளவுருக்களுடன் நிலையான/நிலையான சீரற்ற புலமாக உள்ளூர்மயமாக்கப்பட்ட ஒரு இடஞ்சார்ந்த சீரற்ற செயல்முறையைப் பயன்படுத்துகிறது, இது இடஞ்சார்ந்த மாறுபாட்டை அனுமதிக்கிறது39. பண்ணை மண்ணில் கரிம கார்பனின் விநியோகத்தை பகுப்பாய்வு செய்தல்40, மண் மாசுபாட்டை மதிப்பிடுதல்41 உள்ளிட்ட பல்வேறு ஆய்வுகளில் EBK பயன்படுத்தப்பட்டுள்ளது. மற்றும் மண் பண்புகளை வரைபடமாக்குதல்42.
மறுபுறம், சுய-ஒழுங்கமைக்கும் வரைபடம் (SeOM) என்பது ஒரு கற்றல் வழிமுறையாகும், இது லி மற்றும் பலர் 43, வாங் மற்றும் பலர் 44, ஹொசைன் பூயன் மற்றும் பலர் 45 மற்றும் கெபோனி மற்றும் பலர் 46 போன்ற பல்வேறு கட்டுரைகளில் பயன்படுத்தப்பட்டுள்ளது. கூறுகளின் இடஞ்சார்ந்த பண்புக்கூறுகள் மற்றும் தொகுத்தலைத் தீர்மானித்தல். வாங் மற்றும் பலர் 44, SeOM என்பது நேரியல் அல்லாத சிக்கல்களை தொகுத்து கற்பனை செய்யும் திறனுக்காக அறியப்பட்ட ஒரு சக்திவாய்ந்த கற்றல் நுட்பமாகும் என்று கோடிட்டுக் காட்டுகிறது. முதன்மை கூறு பகுப்பாய்வு, தெளிவற்ற கிளஸ்டரிங், படிநிலை கிளஸ்டரிங் மற்றும் பல அளவுகோல் முடிவெடுத்தல் போன்ற பிற வடிவ அங்கீகார நுட்பங்களைப் போலல்லாமல், PTE வடிவங்களை ஒழுங்கமைத்து அடையாளம் காண்பதில் SeOM சிறந்தது. வாங் மற்றும் பலர் 44 இன் படி, SeOM தொடர்புடைய நியூரான்களின் விநியோகத்தை இடஞ்சார்ந்த முறையில் தொகுத்து உயர்-தெளிவுத்திறன் தரவு காட்சிப்படுத்தலை வழங்க முடியும். நேரடி விளக்கத்திற்கான முடிவுகளை வகைப்படுத்த சிறந்த மாதிரியைப் பெற SeOM Ni கணிப்புத் தரவை காட்சிப்படுத்தும்.
நகர்ப்புற மற்றும் புறநகர் மண்ணில் நிக்கல் உள்ளடக்கத்தை கணிக்க உகந்த துல்லியத்துடன் ஒரு வலுவான மேப்பிங் மாதிரியை உருவாக்குவதே இந்த ஆய்வறிக்கையின் நோக்கமாகும். கலப்பு மாதிரியின் நம்பகத்தன்மை முக்கியமாக அடிப்படை மாதிரியுடன் இணைக்கப்பட்ட பிற மாதிரிகளின் செல்வாக்கைப் பொறுத்தது என்று நாங்கள் கருதுகிறோம். DSM எதிர்கொள்ளும் சவால்களை நாங்கள் ஒப்புக்கொள்கிறோம், மேலும் இந்த சவால்கள் பல முனைகளில் தீர்க்கப்படும்போது, ​​புவிசார் புள்ளிவிவரங்கள் மற்றும் MLA மாதிரிகளில் முன்னேற்றங்களின் கலவையானது அதிகரித்து வருவதாகத் தெரிகிறது; எனவே, கலப்பு மாதிரிகளை வழங்கக்கூடிய ஆராய்ச்சி கேள்விகளுக்கு பதிலளிக்க முயற்சிப்போம். இருப்பினும், இலக்கு உறுப்பை கணிப்பதில் மாதிரி எவ்வளவு துல்லியமானது? மேலும், சரிபார்ப்பு மற்றும் துல்லிய மதிப்பீட்டின் அடிப்படையில் செயல்திறன் மதிப்பீட்டின் நிலை என்ன? எனவே, இந்த ஆய்வின் குறிப்பிட்ட இலக்குகள் (அ) EBK ஐ அடிப்படை மாதிரியாகப் பயன்படுத்தி SVMR அல்லது MLR க்கான ஒருங்கிணைந்த கலவை மாதிரியை உருவாக்குதல், (ஆ) விளைந்த மாதிரிகளை ஒப்பிடுதல் (இ) நகர்ப்புற அல்லது புறநகர் மண்ணில் Ni செறிவுகளைக் கணிக்க சிறந்த கலவை மாதிரியை முன்மொழிதல் மற்றும் (ஈ) நிக்கல் இடஞ்சார்ந்த மாறுபாட்டின் உயர் தெளிவுத்திறன் வரைபடத்தை உருவாக்க SeOM இன் பயன்பாடு.
இந்த ஆய்வு செக் குடியரசில், குறிப்பாக மொராவியா-சிலேசியன் பகுதியில் உள்ள ஃப்ரைடெக் மிஸ்டெக் மாவட்டத்தில் மேற்கொள்ளப்படுகிறது (படம் 1 ஐப் பார்க்கவும்). ஆய்வுப் பகுதியின் புவியியல் மிகவும் கரடுமுரடானது மற்றும் பெரும்பாலும் மொராவியா-சிலேசியன் பெஸ்கிடி பகுதியின் ஒரு பகுதியாகும், இது கார்பாத்தியன் மலைகளின் வெளிப்புற விளிம்பின் ஒரு பகுதியாகும். ஆய்வுப் பகுதி 49° 41′ 0′ வடக்கு மற்றும் 18° 20′ 0′ கிழக்கு இடையே அமைந்துள்ளது, மேலும் உயரம் 225 முதல் 327 மீ வரை உள்ளது; இருப்பினும், இப்பகுதியின் காலநிலை நிலைக்கான கோப்பன் வகைப்பாடு அமைப்பு Cfb = மிதமான கடல் காலநிலை என மதிப்பிடப்பட்டுள்ளது, வறண்ட மாதங்களில் கூட அதிக மழைப்பொழிவு உள்ளது. ஆண்டு முழுவதும் வெப்பநிலை −5 °C மற்றும் 24 °C க்கு இடையில் சற்று மாறுபடும், அரிதாக −14 °C க்கு கீழே அல்லது 30 °C க்கு மேல் குறைகிறது, அதே நேரத்தில் சராசரி ஆண்டு மழைப்பொழிவு 685 மற்றும் 752 மிமீ 47 க்கு இடையில் உள்ளது. முழுப் பகுதியின் மதிப்பிடப்பட்ட கணக்கெடுப்பு பரப்பளவு 1,208 சதுர கிலோமீட்டர் ஆகும், இதில் சாகுபடி செய்யப்பட்ட நிலத்தில் 39.38% மற்றும் காடுகளின் பரப்பளவில் 49.36% ஆகும். மறுபுறம், இந்த ஆய்வில் பயன்படுத்தப்படும் பரப்பளவு சுமார் 889.8 சதுர கிலோமீட்டர் ஆகும். ஆஸ்ட்ராவா மற்றும் அதைச் சுற்றி, எஃகு தொழில் மற்றும் உலோக வேலைகள் மிகவும் சுறுசுறுப்பாக உள்ளன. உலோக ஆலைகள், எஃகுத் தொழில், நிக்கல் துருப்பிடிக்காத எஃகுகளில் பயன்படுத்தப்படுகிறது (எ.கா. வளிமண்டல அரிப்புக்கு எதிர்ப்புத் தெரிவிக்க) மற்றும் அலாய் ஸ்டீல்கள் (நிக்கல் அதன் நல்ல நீர்த்துப்போகும் தன்மை மற்றும் கடினத்தன்மையைப் பராமரிக்கும் போது அலாய் வலிமையை அதிகரிக்கிறது), மற்றும் பாஸ்பேட் உர பயன்பாடு மற்றும் கால்நடை உற்பத்தி போன்ற தீவிர விவசாயம். இப்பகுதியில் நிக்கலின் சாத்தியமான ஆதாரங்களை ஆராய்ச்சி செய்தல் (எ.கா., ஆட்டுக்குட்டிகள் மற்றும் குறைந்த உணவளிக்கப்பட்ட கால்நடைகளில் வளர்ச்சி விகிதங்களை அதிகரிக்க ஆட்டுக்குட்டிகளுடன் நிக்கலைச் சேர்ப்பது). ஆராய்ச்சிப் பகுதிகளில் நிக்கலின் பிற தொழில்துறை பயன்பாடுகளில் மின்முலாம் பூசுதல், நிக்கல் மின்முலாம் பூசுதல் மற்றும் மின் இல்லாத நிக்கல் முலாம் பூசுதல் செயல்முறைகள் ஆகியவை அடங்கும். மண்ணின் பண்புகள் மண்ணின் நிறம், அமைப்பு மற்றும் கார்பனேட் உள்ளடக்கம் ஆகியவற்றிலிருந்து எளிதில் வேறுபடுகின்றன. மண்ணின் அமைப்பு நடுத்தரம் முதல் மெல்லியது, தாய்ப் பொருளிலிருந்து பெறப்பட்டது. அவை கூழ்மப்பிரிப்பு, வண்டல் அல்லது இயற்கையில் ஏயோலியன். சில மண் பகுதிகள் மேற்பரப்பு மற்றும் நிலத்தடியில் புள்ளிகளாகத் தோன்றும், பெரும்பாலும் கான்கிரீட் மற்றும் வெளுக்கும் தன்மையுடன் இருக்கும். இருப்பினும், கேம்பிசோல்கள் மற்றும் ஸ்டாக்னோசோல்கள் இப்பகுதியில் மிகவும் பொதுவான மண் வகைகளாகும்48. 455.1 முதல் 493.5 மீ வரையிலான உயரங்களுடன், கேம்பிசோல்கள் செக் குடியரசில் ஆதிக்கம் செலுத்துகின்றன49.
ஆய்வுப் பகுதி வரைபடம் [ஆய்வுப் பகுதி வரைபடம் ArcGIS டெஸ்க்டாப்பைப் பயன்படுத்தி உருவாக்கப்பட்டது (ESRI, Inc, பதிப்பு 10.7, URL: https://desktop.arcgis.com).]
ஃப்ரைடெக் மிஸ்டெக் மாவட்டத்தில் நகர்ப்புற மற்றும் புறநகர்ப் பகுதி மண்ணிலிருந்து மொத்தம் 115 மேல் மண் மாதிரிகள் பெறப்பட்டன. மாதிரி முறை 2 × 2 கிமீ இடைவெளியில் மண் மாதிரிகளைக் கொண்ட ஒரு வழக்கமான கட்டமாகப் பயன்படுத்தப்பட்டது, மேலும் மேல் மண் கையடக்க ஜிபிஎஸ் சாதனத்தைப் (லைக்கா ஜெனோ 5 ஜிபிஎஸ்) பயன்படுத்தி 0 முதல் 20 செ.மீ ஆழத்தில் அளவிடப்பட்டது. மாதிரிகள் ஜிப்லாக் பைகளில் தொகுக்கப்பட்டு, முறையாக லேபிளிடப்பட்டு, ஆய்வகத்திற்கு அனுப்பப்படுகின்றன. மாதிரிகள் காற்றில் உலர்த்தப்பட்டு, பொடியாக்கப்பட்ட மாதிரிகளை உற்பத்தி செய்து, ஒரு இயந்திர அமைப்பு (ஃபிரிட்ச் டிஸ்க் மில்) மூலம் பொடியாக்கப்பட்டு, சல்லடை (சல்லடை அளவு 2 மிமீ) சல்லடை செய்யப்பட்டன. 1 கிராம் உலர்ந்த, ஒரே மாதிரியாக மாற்றப்பட்ட மற்றும் சல்லடை செய்யப்பட்ட மண் மாதிரிகளை தெளிவாக லேபிளிடப்பட்ட டெஃப்ளான் பாட்டில்களில் வைக்கவும். ஒவ்வொரு டெஃப்ளான் பாத்திரத்திலும், 7 மில்லி 35% HCl மற்றும் 3 மில்லி 65% HNO3 (ஒரு தானியங்கி டிஸ்பென்சரைப் பயன்படுத்தி - ஒவ்வொரு அமிலத்திற்கும் ஒன்று) விநியோகிக்கவும், லேசாக மூடி, மாதிரிகள் எதிர்வினைக்காக இரவு முழுவதும் நிற்க அனுமதிக்கவும் (அக்வா ரெஜியா நிரல்). சூப்பர்நேட்டண்டை ஒரு சூடான உலோகத் தட்டில் வைக்கவும். (வெப்பநிலை: 100 W மற்றும் 160 °C) மாதிரிகளின் செரிமான செயல்முறையை எளிதாக்க 2 மணிநேரம், பின்னர் குளிர்விக்கவும். சூப்பர்நேட்டண்டை 50 மில்லி வால்யூமெட்ரிக் பிளாஸ்க்குக்கு மாற்றவும், டீயோனைஸ் செய்யப்பட்ட தண்ணீரில் 50 மில்லிக்கு நீர்த்தவும். அதன் பிறகு, நீர்த்த சூப்பர்நேட்டண்டை 50 மில்லி பிவிசி குழாயில் டீயோனைஸ் செய்யப்பட்ட தண்ணீரில் வடிகட்டவும். கூடுதலாக, 1 மில்லி நீர்த்த கரைசல் 9 மில்லி டீயோனைஸ் செய்யப்பட்ட தண்ணீரில் நீர்த்தப்பட்டு, PTE போலி-செறிவூட்டலுக்காக தயாரிக்கப்பட்ட 12 மில்லி குழாயில் வடிகட்டப்பட்டது. PTEகளின் செறிவுகள் (As, Cd, Cr, Cu, Mn, Ni, Pb, Zn, Ca, Mg, K) நிலையான முறைகள் மற்றும் ஒப்பந்தத்தின்படி ICP-OES (இண்டக்டிவ்லி கப்பிள்டு பிளாஸ்மா ஆப்டிகல் எமிஷன் ஸ்பெக்ட்ரோஸ்கோபி) (தெர்மோ ஃபிஷர் சயின்டிஃபிக், அமெரிக்கா) மூலம் தீர்மானிக்கப்பட்டது. தர உறுதி மற்றும் கட்டுப்பாடு (QA/QC) நடைமுறைகளை உறுதி செய்யவும் (SRM NIST 2711a மொன்டானா II மண்). பாதிக்கும் குறைவான கண்டறிதல் வரம்புகளைக் கொண்ட PTEகள் இந்த ஆய்வில் இருந்து விலக்கப்பட்டன. கண்டறிதல் வரம்பு இந்த ஆய்வில் பயன்படுத்தப்பட்ட PTE 0.0004. (நீங்கள்) ஆகும். கூடுதலாக, ஒவ்வொரு பகுப்பாய்விற்கும் தரக் கட்டுப்பாடு மற்றும் தர உறுதி செயல்முறை குறிப்பு தரநிலைகளை பகுப்பாய்வு செய்வதன் மூலம் உறுதி செய்யப்படுகிறது. பிழைகள் குறைக்கப்படுவதை உறுதிசெய்ய, இரட்டை பகுப்பாய்வு செய்யப்பட்டது.
மண் அறிவியல் போன்ற பல்வேறு துறைகளில் மாதிரியாக்கத்தில் பயன்படுத்தப்படும் பல புவிசார் புள்ளிவிவர இடைக்கணிப்பு நுட்பங்களில் அனுபவப் பயேசியன் கிரிகிங் (EBK) ஒன்றாகும். மற்ற கிரிகிங் இடைக்கணிப்பு நுட்பங்களைப் போலல்லாமல், EBK, அரைவேரியோகிராம் மாதிரியால் மதிப்பிடப்பட்ட பிழையைக் கருத்தில் கொண்டு பாரம்பரிய கிரிகிங் முறைகளிலிருந்து வேறுபடுகிறது. EBK இடைக்கணிப்பில், ஒற்றை அரைவேரியோகிராமை விட, இடைக்கணிப்பின் போது பல அரைவேரியோகிராம் மாதிரிகள் கணக்கிடப்படுகின்றன. போதுமான கிரிகிங் முறையின் மிகவும் சிக்கலான பகுதியை உருவாக்கும் அரைவேரியோகிராமின் இந்த வரைபடத்துடன் தொடர்புடைய நிச்சயமற்ற தன்மை மற்றும் நிரலாக்கத்திற்கு இடைக்கணிப்பு நுட்பங்கள் வழிவகுக்கின்றன. EBK இன் இடைக்கணிப்பு செயல்முறை, கிரிவோருச்கோ50 முன்மொழியப்பட்ட மூன்று அளவுகோல்களைப் பின்பற்றுகிறது, (அ) மாதிரி உள்ளீட்டு தரவுத்தொகுப்பிலிருந்து அரைவேரியோகிராமை மதிப்பிடுகிறது (ஆ) உருவாக்கப்பட்ட அரைவேரியோகிராமின் அடிப்படையில் ஒவ்வொரு உள்ளீட்டு தரவுத்தொகுப்பு இருப்பிடத்திற்கும் புதிய கணிக்கப்பட்ட மதிப்பு மற்றும் (இ) இறுதி A மாதிரி உருவகப்படுத்தப்பட்ட தரவுத்தொகுப்பிலிருந்து கணக்கிடப்படுகிறது. பேயேசியன் சமன்பாடு விதி ஒரு பின்புறமாக வழங்கப்படுகிறது.
\(Prob\left(A\right)\) என்பது முந்தையதைக் குறிக்கும் இடத்தில், \(Prob\left(B\right)\) விளிம்பு நிகழ்தகவு பெரும்பாலான சந்தர்ப்பங்களில் புறக்கணிக்கப்படுகிறது, \(Prob (B,A)\ ) .அரைவேரியோகிராம் கணக்கீடு பேயஸின் விதியை அடிப்படையாகக் கொண்டது, இது அரைவேரியோகிராம்களிலிருந்து உருவாக்கக்கூடிய கண்காணிப்பு தரவுத்தொகுப்புகளின் போக்கைக் காட்டுகிறது. பின்னர் அரைவேரியோகிராமின் மதிப்பு பேயஸின் விதியைப் பயன்படுத்தி தீர்மானிக்கப்படுகிறது, இது அரைவேரியோகிராமில் இருந்து அவதானிப்புகளின் தரவுத்தொகுப்பை உருவாக்குவது எவ்வளவு சாத்தியம் என்பதைக் கூறுகிறது.
ஒரு ஆதரவு வெக்டார் இயந்திரம் என்பது ஒரு இயந்திர கற்றல் வழிமுறையாகும், இது ஒரே மாதிரியான ஆனால் நேரியல் ரீதியாக சுயாதீனமான வகுப்புகளை வேறுபடுத்துவதற்கு உகந்த பிரிக்கும் ஹைப்பர்பிளேனை உருவாக்குகிறது.Vapnik51 உள்நோக்க வகைப்பாடு வழிமுறையை உருவாக்கியது, ஆனால் இது சமீபத்தில் பின்னடைவு சார்ந்த சிக்கல்களைத் தீர்க்கப் பயன்படுத்தப்பட்டது.Li et al.52 இன் படி, SVM சிறந்த வகைப்படுத்தி நுட்பங்களில் ஒன்றாகும் மற்றும் பல்வேறு துறைகளில் பயன்படுத்தப்படுகிறது.SVM இன் பின்னடைவு கூறு (ஆதரவு வெக்டார் இயந்திர பின்னடைவு - SVMR) இந்த பகுப்பாய்வில் பயன்படுத்தப்பட்டது.செர்காஸ்கி மற்றும் முலியர்53 ஆகியோர் SVMR ஐ கர்னல் அடிப்படையிலான பின்னடைவாக முன்னோடியாகக் கொண்டனர், இதன் கணக்கீடு பல நாடுகளின் இடஞ்சார்ந்த செயல்பாடுகளுடன் ஒரு நேரியல் பின்னடைவு மாதிரியைப் பயன்படுத்தி செய்யப்பட்டது.ஜான் மற்றும் பலர்54, SVMR மாடலிங் ஹைப்பர்பிளேன் நேரியல் பின்னடைவைப் பயன்படுத்துகிறது, இது நேரியல் அல்லாத உறவுகளை உருவாக்குகிறது மற்றும் இடஞ்சார்ந்த செயல்பாடுகளை அனுமதிக்கிறது என்று தெரிவிக்கின்றனர்.வோஹ்லேண்ட் மற்றும் பலர் படி. 55, எப்சிலான் (ε)-SVMR பயிற்சி பெற்ற தரவுத்தொகுப்பைப் பயன்படுத்தி ஒரு பிரதிநிதித்துவ மாதிரியை ஒரு எப்சிலான்-உணர்வற்ற செயல்பாடாகப் பெறுகிறது, இது தொடர்புடைய தரவுகளில் பயிற்சியிலிருந்து சிறந்த எப்சிலான் சார்புடன் தரவை சுயாதீனமாக வரைபடமாக்கப் பயன்படுகிறது. முன்னமைக்கப்பட்ட தூரப் பிழை உண்மையான மதிப்பிலிருந்து புறக்கணிக்கப்படுகிறது, மேலும் பிழை ε(ε) ஐ விடப் பெரியதாக இருந்தால், மண் பண்புகள் அதை ஈடுசெய்கின்றன. இந்த மாதிரி பயிற்சி தரவின் சிக்கலான தன்மையை ஆதரவு திசையன்களின் பரந்த துணைக்குழுவாகக் குறைக்கிறது. Vapnik51 ஆல் முன்மொழியப்பட்ட சமன்பாடு கீழே காட்டப்பட்டுள்ளது.
இங்கு b என்பது ஸ்கேலார் த்ரெஷோல்டைக் குறிக்கிறது, \(K\left({x}_{,}{ x}_{k}\right)\) என்பது கர்னல் செயல்பாட்டைக் குறிக்கிறது, \(\alpha\) என்பது லாக்ரேஞ்ச் பெருக்கியைக் குறிக்கிறது, N என்பது ஒரு எண் தரவுத்தொகுப்பைக் குறிக்கிறது, \({x}_{k}\) என்பது தரவு உள்ளீட்டைக் குறிக்கிறது, மற்றும் \(y\) என்பது தரவு வெளியீடு ஆகும். பயன்படுத்தப்படும் முக்கிய கர்னல்களில் ஒன்று SVMR செயல்பாடு ஆகும், இது ஒரு காஸியன் ரேடியல் அடிப்படை செயல்பாடு (RBF). உகந்த SVMR மாதிரியைத் தீர்மானிக்க RBF கர்னல் பயன்படுத்தப்படுகிறது, இது PTE பயிற்சி தரவுக்கான மிகவும் நுட்பமான பெனால்டி செட் காரணி C மற்றும் கர்னல் அளவுரு காமா (γ) ஐப் பெறுவதற்கு மிகவும் முக்கியமானது. முதலில், நாங்கள் பயிற்சி தொகுப்பை மதிப்பீடு செய்து, பின்னர் சரிபார்ப்பு தொகுப்பில் மாதிரி செயல்திறனை சோதித்தோம். பயன்படுத்தப்படும் ஸ்டீயரிங் அளவுரு சிக்மா மற்றும் முறை மதிப்பு svmRadial ஆகும்.
பல நேரியல் பின்னடைவு மாதிரி (MLR) என்பது ஒரு பின்னடைவு மாதிரியாகும், இது குறைந்தபட்ச சதுரங்கள் முறையைப் பயன்படுத்தி கணக்கிடப்பட்ட நேரியல் பூல் செய்யப்பட்ட அளவுருக்களைப் பயன்படுத்தி மறுமொழி மாறிக்கும் பல முன்கணிப்பு மாறிகளுக்கும் இடையிலான உறவைக் குறிக்கிறது. MLR இல், குறைந்தபட்ச சதுரங்கள் மாதிரி என்பது விளக்க மாறிகளைத் தேர்ந்தெடுத்த பிறகு மண் பண்புகளின் முன்கணிப்பு செயல்பாடாகும். விளக்க மாறிகளைப் பயன்படுத்தி ஒரு நேரியல் உறவை நிறுவ பதிலைப் பயன்படுத்துவது அவசியம். விளக்க மாறிகளுடன் ஒரு நேரியல் உறவை நிறுவ PTE மறுமொழி மாறியாகப் பயன்படுத்தப்பட்டது. MLR சமன்பாடு
இங்கு y என்பது மறுமொழி மாறி, \(a\) என்பது இடைச்செருகல், n என்பது முன்கணிப்பாளர்களின் எண்ணிக்கை, \({b}_{1}\) என்பது குணகங்களின் பகுதி பின்னடைவு, \({x}_{ i}\) என்பது ஒரு முன்கணிப்பாளர் அல்லது விளக்க மாறியைக் குறிக்கிறது, மேலும் \({\varepsilon }_{i}\) என்பது மாதிரியில் உள்ள பிழையைக் குறிக்கிறது, இது எஞ்சியது என்றும் அழைக்கப்படுகிறது.
கலப்பு மாதிரிகள் EBK ஐ SVMR மற்றும் MLR உடன் சாண்ட்விச் செய்வதன் மூலம் பெறப்பட்டன. இது EBK இடைக்கணிப்பிலிருந்து கணிக்கப்பட்ட மதிப்புகளைப் பிரித்தெடுப்பதன் மூலம் செய்யப்படுகிறது. இடைக்கணிக்கப்பட்ட Ca, K, மற்றும் Mg இலிருந்து பெறப்பட்ட கணிக்கப்பட்ட மதிப்புகள் CaK, CaMg மற்றும் KMg போன்ற புதிய மாறிகளைப் பெற ஒரு கூட்டு செயல்முறை மூலம் பெறப்படுகின்றன. Ca, K மற்றும் Mg ஆகிய கூறுகள் பின்னர் இணைக்கப்பட்டு நான்காவது மாறியான CaKMg ஐப் பெறுகின்றன. ஒட்டுமொத்தமாக, பெறப்பட்ட மாறிகள் Ca, K, Mg, CaK, CaMg, KMg மற்றும் CaKMg ஆகும். இந்த மாறிகள் எங்கள் முன்னறிவிப்பாளர்களாக மாறி, நகர்ப்புற மற்றும் புறநகர் மண்ணில் நிக்கல் செறிவுகளைக் கணிக்க உதவுகின்றன. ஒரு கலப்பு மாதிரி அனுபவ பேய்சியன் கிரிகிங்-ஆதரவு வெக்டர் இயந்திரத்தை (EBK_SVM) பெற முன்னறிவிப்பாளர்களில் SVMR வழிமுறை செய்யப்பட்டது. இதேபோல், மாறிகள் MLR வழிமுறை மூலம் குழாய் பதிக்கப்பட்டு ஒரு கலப்பு மாதிரி அனுபவ பேய்சியன் கிரிகிங்-மல்டிபிள் லீனியர் ரிக்ரஷன் (EBK_MLR) பெறப்படுகின்றன. பொதுவாக, மாறிகள் Ca, K, Mg, CaK, நகர்ப்புற மற்றும் புறநகர் மண்ணில் Ni உள்ளடக்கத்தை முன்னறிவிப்பவர்களாக CaMg, KMg மற்றும் CaKMg ஆகியவை கோவாரியட்டுகளாகப் பயன்படுத்தப்படுகின்றன. பெறப்பட்ட மிகவும் ஏற்றுக்கொள்ளக்கூடிய மாதிரி (EBK_SVM அல்லது EBK_MLR) பின்னர் ஒரு சுய-ஒழுங்கமைக்கும் வரைபடத்தைப் பயன்படுத்தி காட்சிப்படுத்தப்படும். இந்த ஆய்வின் பணிப்பாய்வு படம் 2 இல் காட்டப்பட்டுள்ளது.
நிதித்துறை, சுகாதாரம், தொழில், புள்ளிவிவரங்கள், மண் அறிவியல் மற்றும் பலவற்றில் தரவை ஒழுங்கமைத்தல், மதிப்பீடு செய்தல் மற்றும் முன்னறிவித்தல் ஆகியவற்றிற்கு SeOM ஐப் பயன்படுத்துவது ஒரு பிரபலமான கருவியாக மாறியுள்ளது. அமைப்பு, மதிப்பீடு மற்றும் கணிப்புக்கான செயற்கை நரம்பியல் நெட்வொர்க்குகள் மற்றும் மேற்பார்வை செய்யப்படாத கற்றல் முறைகளைப் பயன்படுத்தி SeOM உருவாக்கப்பட்டது. இந்த ஆய்வில், நகர்ப்புற மற்றும் புறநகர் மண்ணில் Ni ஐ கணிக்க சிறந்த மாதிரியின் அடிப்படையில் Ni செறிவுகளைக் காட்சிப்படுத்த SeOM பயன்படுத்தப்பட்டது. SeOM மதிப்பீட்டில் செயலாக்கப்பட்ட தரவு n உள்ளீட்டு-பரிமாண திசையன் மாறிகளாகப் பயன்படுத்தப்படுகிறது43,56.மெல்சென் மற்றும் பலர். படம் 57, ஒற்றை உள்ளீட்டு அடுக்கு வழியாக ஒற்றை எடை திசையன் கொண்ட வெளியீட்டு திசையனுடன் ஒரு உள்ளீட்டு திசையனை ஒரு நரம்பியல் வலையமைப்பில் இணைப்பதை விவரிக்கிறது.SeOM ஆல் உருவாக்கப்பட்ட வெளியீடு என்பது அறுகோண, வட்ட அல்லது சதுர இடவியல் வரைபடங்களில் அவற்றின் அருகாமையின் படி நெய்யப்பட்ட வெவ்வேறு நியூரான்கள் அல்லது முனைகளைக் கொண்ட இரு பரிமாண வரைபடமாகும்.மெட்ரிக், அளவுப் பிழை (QE) மற்றும் இடவியல் பிழை (TE) ஆகியவற்றின் அடிப்படையில் வரைபட அளவுகளை ஒப்பிட்டு, முறையே 0.086 மற்றும் 0.904 உடன் SeOM மாதிரி தேர்ந்தெடுக்கப்பட்டது, இது 55-வரைபட அலகு (5 × 11) ஆகும். அனுபவ சமன்பாட்டில் உள்ள முனைகளின் எண்ணிக்கையின்படி நியூரானின் அமைப்பு தீர்மானிக்கப்படுகிறது.
இந்த ஆய்வில் பயன்படுத்தப்பட்ட தரவுகளின் எண்ணிக்கை 115 மாதிரிகள். தரவை சோதனை தரவு (சரிபார்ப்புக்கு 25%) மற்றும் பயிற்சி தரவு தொகுப்புகள் (அளவுத்திருத்தத்திற்கு 75%) எனப் பிரிக்க ஒரு சீரற்ற அணுகுமுறை பயன்படுத்தப்பட்டது. பயிற்சி தரவுத்தொகுப்பு பின்னடைவு மாதிரியை (அளவுத்திருத்தம்) உருவாக்கப் பயன்படுகிறது, மேலும் சோதனை தரவுத்தொகுப்பு பொதுமைப்படுத்தல் திறனை சரிபார்க்கப் பயன்படுகிறது. மண்ணில் நிக்கல் உள்ளடக்கத்தை கணிக்க பல்வேறு மாதிரிகளின் பொருத்தத்தை மதிப்பிடுவதற்காக இது செய்யப்பட்டது. பயன்படுத்தப்படும் அனைத்து மாதிரிகளும் பத்து மடங்கு குறுக்கு சரிபார்ப்பு செயல்முறையின் மூலம் ஐந்து முறை மீண்டும் மீண்டும் செய்யப்பட்டன. EBK இடைக்கணிப்பால் உருவாக்கப்பட்ட மாறிகள் இலக்கு மாறியை (PTE) கணிக்க முன்னறிவிப்பாளர்களாக அல்லது விளக்க மாறிகளாகப் பயன்படுத்தப்படுகின்றன. மாதிரியாக்கம் RStudio இல் தொகுப்புகள் நூலகம் (Kohonen), நூலகம் (caret), நூலகம் (modelr), நூலகம் ("e1071"), நூலகம் ("plyr"), நூலகம் ("caTools"), நூலகம் ("prospecter") மற்றும் நூலகங்கள் ("மெட்ரிக்ஸ்") ஆகியவற்றைப் பயன்படுத்தி கையாளப்படுகிறது.
மண்ணில் நிக்கல் செறிவுகளைக் கணிப்பதற்கும் மாதிரியின் துல்லியத்தையும் அதன் சரிபார்ப்பையும் மதிப்பிடுவதற்கும் பொருத்தமான சிறந்த மாதிரியைத் தீர்மானிக்க பல்வேறு சரிபார்ப்பு அளவுருக்கள் பயன்படுத்தப்பட்டன. கலப்பின மாதிரிகள் சராசரி முழுமையான பிழை (MAE), மூல சராசரி சதுரப் பிழை (RMSE) மற்றும் R-சதுர அல்லது குணக நிர்ணயம் (R2) ஆகியவற்றைப் பயன்படுத்தி மதிப்பீடு செய்யப்பட்டன. பதிலில் உள்ள விகிதாச்சாரங்களின் மாறுபாட்டை R2 வரையறுக்கிறது, இது பின்னடைவு மாதிரியால் குறிப்பிடப்படுகிறது. சுயாதீன அளவீடுகளில் RMSE மற்றும் மாறுபாடு அளவு மாதிரியின் முன்கணிப்பு சக்தியை விவரிக்கிறது, அதே நேரத்தில் MAE உண்மையான அளவு மதிப்பை தீர்மானிக்கிறது. சரிபார்ப்பு அளவுருக்களைப் பயன்படுத்தி சிறந்த கலவை மாதிரியை மதிப்பிடுவதற்கு R2 மதிப்பு அதிகமாக இருக்க வேண்டும், மதிப்பு 1 க்கு நெருக்கமாக இருந்தால், துல்லியம் அதிகமாகும். Li et al. 59 இன் படி, 0.75 அல்லது அதற்கு மேற்பட்ட R2 அளவுகோல் மதிப்பு ஒரு நல்ல முன்கணிப்பாளராகக் கருதப்படுகிறது; 0.5 முதல் 0.75 வரை ஏற்றுக்கொள்ளக்கூடிய மாதிரி செயல்திறன், மற்றும் 0.5 க்குக் கீழே ஏற்றுக்கொள்ள முடியாத மாதிரி செயல்திறன்.RMSE மற்றும் MAE சரிபார்ப்பு அளவுகோல் மதிப்பீட்டு முறைகளைப் பயன்படுத்தி ஒரு மாதிரியைத் தேர்ந்தெடுக்கும்போது, ​​பெறப்பட்ட குறைந்த மதிப்புகள் போதுமானதாக இருந்தன, மேலும் அவை சிறந்த தேர்வாகக் கருதப்பட்டன.பின்வரும் சமன்பாடு சரிபார்ப்பு முறையை விவரிக்கிறது.
இங்கு n என்பது கவனிக்கப்பட்ட மதிப்பின் அளவைக் குறிக்கிறது\({Y}_{i}\) அளவிடப்பட்ட பதிலைக் குறிக்கிறது, மேலும் \({\widehat{Y}}_{i}\) என்பது கணிக்கப்பட்ட பதிலின் மதிப்பையும் குறிக்கிறது, எனவே, முதல் i அவதானிப்புகளுக்கு.
முன்னறிவிப்பான் மற்றும் மறுமொழி மாறிகளின் புள்ளிவிவர விளக்கங்கள் அட்டவணை 1 இல் வழங்கப்பட்டுள்ளன, அவை முறையே சராசரி, நிலையான விலகல் (SD), மாறுபாட்டின் குணகம் (CV), குறைந்தபட்சம், அதிகபட்சம், குர்டோசிஸ் மற்றும் சாய்வு ஆகியவற்றைக் காட்டுகின்றன. தனிமங்களின் குறைந்தபட்ச மற்றும் அதிகபட்ச மதிப்புகள் முறையே Mg < Ca < K < Ni மற்றும் Ca < Mg < K < Ni என்ற இறங்கு வரிசையில் உள்ளன. ஆய்வுப் பகுதியிலிருந்து மாதிரியாக எடுக்கப்பட்ட மறுமொழி மாறியின் (Ni) செறிவுகள் 4.86 முதல் 42.39 மி.கி/கி.கி வரை இருந்தன. Ni ஐ உலக சராசரி (29 மி.கி/கி.கி) மற்றும் ஐரோப்பிய சராசரி (37 மி.கி/கி.கி) உடன் ஒப்பிட்டுப் பார்த்தால், ஆய்வுப் பகுதிக்கான ஒட்டுமொத்த கணக்கிடப்பட்ட வடிவியல் சராசரி தாங்கக்கூடிய வரம்பிற்குள் இருந்தது என்பதைக் காட்டுகிறது. இருப்பினும், கபாடா-பென்டியாஸ்11 காட்டியபடி, தற்போதைய ஆய்வில் சராசரி நிக்கல் (Ni) செறிவை ஸ்வீடனில் உள்ள விவசாய மண்ணுடன் ஒப்பிடுகையில், தற்போதைய சராசரி நிக்கல் செறிவு அதிகமாக இருப்பதைக் காட்டுகிறது.அதேபோல், தற்போதைய ஆய்வில் நகர்ப்புற மற்றும் புறநகர் மண்ணில் ஃப்ரைடெக் மிஸ்டெக்கின் சராசரி செறிவு (Ni 16.15 மி.கி/கி.கி) போலந்து நகர்ப்புற மண்ணில் Ni க்கு அனுமதிக்கப்பட்ட வரம்பான 60 (10.2 மி.கி/கி.கி) ஐ விட அதிகமாக இருந்தது என்று ரோசான்ஸ்கி மற்றும் பலர் தெரிவித்தனர். மேலும், டஸ்கனியில் உள்ள நகர்ப்புற மண்ணில் தற்போதைய ஆய்வோடு ஒப்பிடும்போது பிரெட்ஸல் மற்றும் கால்டெரிசி61 மிகக் குறைந்த சராசரி Ni செறிவுகளை (1.78 மி.கி/கி.கி) பதிவு செய்துள்ளன. ஹாங்காங் நகர்ப்புற மண்ணில் ஜிம்62 குறைந்த நிக்கல் செறிவையும் (12.34 மி.கி/கி.கி) கண்டறிந்துள்ளது, இது இந்த ஆய்வில் தற்போதைய நிக்கல் செறிவை விடக் குறைவு. ஜெர்மனியின் சாக்சனி-அன்ஹால்ட்டில் உள்ள ஒரு பழைய சுரங்க மற்றும் நகர்ப்புற தொழில்துறை பகுதியில் சராசரி Ni செறிவு 17.6 மி.கி/கி.கி என்று பிர்க் மற்றும் பலர் தெரிவித்தனர், இது அப்பகுதியில் சராசரி Ni செறிவை விட (16.15 மி.கி/கி.கி) 1.45 மி.கி/கி.கி அதிகமாக இருந்தது. தற்போதைய ஆராய்ச்சி. ஆய்வுப் பகுதியின் சில நகர்ப்புற மற்றும் புறநகர்ப் பகுதிகளில் உள்ள மண்ணில் அதிகப்படியான நிக்கல் உள்ளடக்கம் முக்கியமாக இரும்பு மற்றும் எஃகு தொழில் மற்றும் உலோகத் தொழிலுக்குக் காரணமாக இருக்கலாம். இது கோடாடூஸ்ட் மற்றும் பலர் மேற்கொண்ட ஆய்வுடன் ஒத்துப்போகிறது. 64 எஃகு தொழில் மற்றும் உலோக வேலைப்பாடுகள் மண்ணில் நிக்கல் மாசுபாட்டின் முக்கிய ஆதாரங்கள். இருப்பினும், முன்னறிவிப்பாளர்கள் Ca க்கு 538.70 mg/kg முதல் 69,161.80 mg/kg வரையிலும், K க்கு 497.51 mg/kg முதல் 3535.68 mg/kg வரையிலும், Mg க்கு 685.68 mg/kg முதல் 5970.05 mg/kg வரையிலும் இருந்தனர்.ஜகோவ்ல்ஜெவிக் மற்றும் பலர். 65 பேர் மத்திய செர்பியாவில் உள்ள மண்ணின் மொத்த Mg மற்றும் K உள்ளடக்கத்தை ஆராய்ந்தனர். மொத்த செறிவுகள் (முறையே 410 mg/kg மற்றும் 400 mg/kg) தற்போதைய ஆய்வின் Mg மற்றும் K செறிவுகளை விடக் குறைவாக இருப்பதைக் கண்டறிந்தனர். பிரித்தறிய முடியாதபடி, கிழக்கு போலந்தில், ஓர்செகோவ்ஸ்கி மற்றும் ஸ்மோல்சின்ஸ்கி66 ஆகியோர் Ca, Mg மற்றும் K இன் மொத்த உள்ளடக்கத்தை மதிப்பிட்டு Ca (1100 mg/kg), Mg (590 mg/kg) மற்றும் K (810 mg/kg) ஆகியவற்றின் சராசரி செறிவுகளைக் காட்டினர். மேல் மண்ணில் உள்ள உள்ளடக்கம் இந்த ஆய்வில் உள்ள ஒற்றை தனிமத்தை விடக் குறைவாக உள்ளது. போங்ராக் மற்றும் பலர் மேற்கொண்ட சமீபத்திய ஆய்வில், ஸ்காட்லாந்து, UK (மைல்னீஃபீல்ட் மண், பால்ருட்டெரி மண் மற்றும் ஹார்ட்வுட் மண்) இல் உள்ள 3 வெவ்வேறு மண்ணில் பகுப்பாய்வு செய்யப்பட்ட மொத்த Ca உள்ளடக்கம் இந்த ஆய்வில் அதிக Ca உள்ளடக்கத்தைக் குறிக்கிறது என்பதைக் காட்டுகிறது.
மாதிரி தனிமங்களின் வெவ்வேறு அளவிடப்பட்ட செறிவுகள் காரணமாக, தனிமங்களின் தரவுத் தொகுப்பு விநியோகங்கள் வெவ்வேறு சாய்வுத்தன்மையைக் காட்டுகின்றன. தனிமங்களின் சாய்வு மற்றும் குர்டோசிஸ் முறையே 1.53 முதல் 7.24 வரை மற்றும் 2.49 முதல் 54.16 வரை இருந்தன. கணக்கிடப்பட்ட அனைத்து தனிமங்களும் +1 க்கு மேல் சாய்வு மற்றும் குர்டோசிஸ் நிலைகளைக் கொண்டுள்ளன, இதனால் தரவு விநியோகம் ஒழுங்கற்றது, சரியான திசையில் சாய்ந்தது மற்றும் உச்சத்தை எட்டியது என்பதைக் குறிக்கிறது. தனிமங்களின் மதிப்பிடப்பட்ட CVகள் K, Mg மற்றும் Ni மிதமான மாறுபாட்டைக் காட்டுகின்றன, அதே நேரத்தில் Ca மிக அதிக மாறுபாட்டைக் கொண்டுள்ளது. K, Ni மற்றும் Mg இன் CVகள் அவற்றின் சீரான விநியோகத்தை விளக்குகின்றன. மேலும், Ca விநியோகம் சீரற்றது மற்றும் வெளிப்புற ஆதாரங்கள் அதன் செறிவூட்டல் அளவை பாதிக்கலாம்.
முன்கணிப்பு மாறிகள் மற்றும் மறுமொழி கூறுகளின் தொடர்பு, கூறுகளுக்கு இடையே திருப்திகரமான தொடர்பைக் குறிக்கிறது (படம் 3 ஐப் பார்க்கவும்). CaNi ஐப் போலவே, CaK யும் r மதிப்பு = 0.53 உடன் மிதமான தொடர்பைக் காட்டியதாக தொடர்பு சுட்டிக்காட்டியது. Ca மற்றும் K ஆகியவை ஒன்றுக்கொன்று மிதமான தொடர்புகளைக் காட்டினாலும், கிங்ஸ்டன் மற்றும் பலர் போன்ற ஆராய்ச்சியாளர்கள். 68 மற்றும் Santo69 ஆகியவை மண்ணில் அவற்றின் அளவுகள் நேர்மாறான விகிதாசாரத்தில் இருப்பதாகக் கூறுகின்றன. இருப்பினும், Ca மற்றும் Mg ஆகியவை K க்கு எதிரானவை, ஆனால் CaK நன்கு தொடர்புடையவை. பொட்டாசியத்தில் 56% அதிகமாக இருக்கும் பொட்டாசியம் கார்பனேட் போன்ற உரங்களைப் பயன்படுத்துவதால் இது ஏற்படலாம். பொட்டாசியம் மெக்னீசியத்துடன் மிதமான தொடர்புடையது (KM r = 0.63). உரத் தொழிலில், இந்த இரண்டு கூறுகளும் நெருங்கிய தொடர்புடையவை, ஏனெனில் பொட்டாசியம் மெக்னீசியம் சல்பேட், பொட்டாசியம் மெக்னீசியம் நைட்ரேட் மற்றும் பொட்டாஷ் ஆகியவை மண்ணில் அவற்றின் குறைபாடு அளவை அதிகரிக்கப் பயன்படுத்தப்படுகின்றன. நிக்கல் Ca, K மற்றும் Mg உடன் மிதமான தொடர்புடையது, முறையே r மதிப்புகள் = 0.52, 0.63 மற்றும் 0.55. கால்சியம், மெக்னீசியம் மற்றும் நிக்கல் போன்ற PTEகள் சம்பந்தப்பட்ட உறவுகள் சிக்கலானவை, இருப்பினும், மெக்னீசியம் கால்சியம் உறிஞ்சுதலைத் தடுக்கிறது, கால்சியம் அதிகப்படியான மெக்னீசியத்தின் விளைவுகளைக் குறைக்கிறது, மேலும் மெக்னீசியம் மற்றும் கால்சியம் இரண்டும் மண்ணில் நிக்கலின் நச்சு விளைவுகளைக் குறைக்கின்றன.
முன்னறிவிப்பாளர்களுக்கும் பதில்களுக்கும் இடையிலான உறவைக் காட்டும் கூறுகளுக்கான தொடர்பு அணி (குறிப்பு: இந்த எண்ணிக்கை கூறுகளுக்கு இடையிலான ஒரு சிதறல் வரைபடத்தை உள்ளடக்கியது, முக்கியத்துவ நிலைகள் p < 0,001 ஐ அடிப்படையாகக் கொண்டவை).
படம் 4 தனிமங்களின் இடஞ்சார்ந்த பரவலை விளக்குகிறது.பர்கோஸ் மற்றும் பலர்70 இன் படி, இடஞ்சார்ந்த விநியோகத்தின் பயன்பாடு என்பது மாசுபட்ட பகுதிகளில் உள்ள சூடான இடங்களை அளவிடவும் முன்னிலைப்படுத்தவும் பயன்படுத்தப்படும் ஒரு நுட்பமாகும். படம் 4 இல் உள்ள Ca இன் செறிவூட்டல் அளவுகளை இடஞ்சார்ந்த விநியோக வரைபடத்தின் வடமேற்கு பகுதியில் காணலாம். படம் மிதமான முதல் அதிக Ca செறிவூட்டல் ஹாட்ஸ்பாட்களைக் காட்டுகிறது. வரைபடத்தின் வடமேற்கில் கால்சியம் செறிவூட்டல் மண்ணின் அமிலத்தன்மையைக் குறைக்க விரைவு சுண்ணாம்பு (கால்சியம் ஆக்சைடு) பயன்படுத்துவதாலும், எஃகு தயாரிக்கும் செயல்பாட்டில் கார ஆக்ஸிஜனாக எஃகு ஆலைகளில் அதன் பயன்பாடு காரணமாகவும் இருக்கலாம். மறுபுறம், மற்ற விவசாயிகள் pH ஐ நடுநிலையாக்க அமில மண்ணில் கால்சியம் ஹைட்ராக்சைடைப் பயன்படுத்த விரும்புகிறார்கள், இது மண்ணின் கால்சியம் உள்ளடக்கத்தையும் அதிகரிக்கிறது71. பொட்டாசியம் வரைபடத்தின் வடமேற்கு மற்றும் கிழக்கில் சூடான இடங்களையும் காட்டுகிறது. வடமேற்கு ஒரு பெரிய விவசாய சமூகமாகும், மேலும் பொட்டாசியத்தின் மிதமான முதல் அதிக முறை NPK மற்றும் பொட்டாஷ் பயன்பாடுகள் காரணமாக இருக்கலாம். இது Madaras மற்றும் Lipavský72, Madaras et al.73, Pulkrabová et al.74 போன்ற பிற ஆய்வுகளுடன் ஒத்துப்போகிறது, அசாரே மற்றும் பலர்.75, மண் நிலைப்படுத்தல் மற்றும் KCl மற்றும் NPK உடன் சிகிச்சையளிப்பது மண்ணில் அதிக K உள்ளடக்கத்தை விளைவிப்பதைக் கவனித்தனர். விநியோக வரைபடத்தின் வடமேற்கில் உள்ள இடஞ்சார்ந்த பொட்டாசியம் செறிவூட்டல், பொட்டாசியம் குளோரைடு, பொட்டாசியம் சல்பேட், பொட்டாசியம் நைட்ரேட், பொட்டாஷ் மற்றும் பொட்டாஷ் போன்ற பொட்டாசியம் சார்ந்த உரங்களைப் பயன்படுத்துவதன் காரணமாக இருக்கலாம், இது ஏழை மண்ணின் பொட்டாசியம் உள்ளடக்கத்தை அதிகரிக்கிறது.Zádorová மற்றும் பலர். 76 மற்றும் Tlustoš மற்றும் பலர். 77, K-அடிப்படையிலான உரங்களைப் பயன்படுத்துவது மண்ணில் K உள்ளடக்கத்தை அதிகரித்து, நீண்ட காலத்திற்கு மண்ணின் ஊட்டச்சத்து உள்ளடக்கத்தை கணிசமாக அதிகரிக்கும் என்று கோடிட்டுக் காட்டியது, குறிப்பாக K மற்றும் Mg மண்ணில் ஒரு சூடான இடத்தைக் காட்டுகிறது. வரைபடத்தின் வடமேற்கிலும் வரைபடத்தின் தென்கிழக்கிலும் ஒப்பீட்டளவில் மிதமான வெப்பப் புள்ளிகள். மண்ணில் கூழ் நிலைப்படுத்தல் மண்ணில் மெக்னீசியத்தின் செறிவைக் குறைக்கிறது. மண்ணில் அதன் பற்றாக்குறை தாவரங்கள் மஞ்சள் நிற இடை நரம்பு குளோரோசிஸை வெளிப்படுத்துகிறது. பொட்டாசியம் மெக்னீசியம் சல்பேட், மெக்னீசியம் சல்பேட் மற்றும் கீசரைட் போன்ற மெக்னீசியம் சார்ந்த உரங்கள், சாதாரண pH வரம்பைக் கொண்ட மண்ணில் குறைபாடுகளை (தாவரங்கள் ஊதா, சிவப்பு அல்லது பழுப்பு நிறத்தில் தோன்றும், இது மெக்னீசியம் குறைபாட்டைக் குறிக்கிறது) குணப்படுத்துகின்றன6. நகர்ப்புற மற்றும் புறநகர் மண் மேற்பரப்புகளில் நிக்கல் குவிவது விவசாயம் போன்ற மானுடவியல் நடவடிக்கைகள் மற்றும் துருப்பிடிக்காத எஃகு உற்பத்தியில் நிக்கலின் முக்கியத்துவம் காரணமாக இருக்கலாம்78.
தனிமங்களின் இடஞ்சார்ந்த பரவல் [இடஞ்சார்ந்த பரவல் வரைபடம் ArcGIS டெஸ்க்டாப்பைப் பயன்படுத்தி உருவாக்கப்பட்டது (ESRI, Inc, பதிப்பு 10.7, URL: https://desktop.arcgis.com).]
இந்த ஆய்வில் பயன்படுத்தப்படும் தனிமங்களுக்கான மாதிரி செயல்திறன் குறியீட்டு முடிவுகள் அட்டவணை 2 இல் காட்டப்பட்டுள்ளன. மறுபுறம், Ni இன் RMSE மற்றும் MAE இரண்டும் பூஜ்ஜியத்திற்கு அருகில் உள்ளன (0.86 RMSE, -0.08 MAE). மறுபுறம், K இன் RMSE மற்றும் MAE மதிப்புகள் இரண்டும் ஏற்றுக்கொள்ளத்தக்கவை. கால்சியம் மற்றும் மெக்னீசியத்திற்கு RMSE மற்றும் MAE முடிவுகள் அதிகமாக இருந்தன. Ca மற்றும் K MAE மற்றும் RMSE முடிவுகள் வெவ்வேறு தரவுத்தொகுப்புகள் காரணமாக பெரியவை. Ni ஐ கணிக்க EBK ஐப் பயன்படுத்தும் இந்த ஆய்வின் RMSE மற்றும் MAE, அதே சேகரிக்கப்பட்ட தரவைப் பயன்படுத்தி மண்ணில் S செறிவுகளைக் கணிக்க சினெர்ஜிஸ்டிக் கிரிகிங்கைப் பயன்படுத்தும் ஜான் மற்றும் பலர் 54 இன் முடிவுகளை விட சிறந்தது என்று கண்டறியப்பட்டது. நாங்கள் ஆய்வு செய்த EBK வெளியீடுகள் Fabijaczyk et al. 41, Yan et al. 79, Beguin et al. 80, Adhikary et al. 81 மற்றும் John et al. 82, குறிப்பாக K மற்றும் Ni ஆகியோரின் முடிவுகளுடன் தொடர்புடையவை.
நகர்ப்புற மற்றும் புறநகர் மண்ணில் நிக்கல் உள்ளடக்கத்தை கணிக்கும் தனிப்பட்ட முறைகளின் செயல்திறன் மாதிரிகளின் செயல்திறனைப் பயன்படுத்தி மதிப்பிடப்பட்டது (அட்டவணை 3). மாதிரி சரிபார்ப்பு மற்றும் துல்லிய மதிப்பீடு EBK SVMR மாதிரியுடன் இணைந்து Ca_Mg_K முன்கணிப்பு சிறந்த செயல்திறனை அளித்தது என்பதை உறுதிப்படுத்தியது. அளவுத்திருத்த மாதிரி Ca_Mg_K-EBK_SVMR மாதிரி R2, மூல சராசரி சதுரப் பிழை (RMSE) மற்றும் சராசரி முழுமையான பிழை (MAE) 0.637 (R2), 95.479 mg/kg (RMSE) மற்றும் 77.368 mg/kg (MAE) Ca_Mg_K-SVMR 0.663 (R2), 235.974 mg/kg (RMSE) மற்றும் 166.946 mg/kg (MAE) ஆகும். இருப்பினும், Ca_Mg_K-SVMR (0.663 mg/kg R2) மற்றும் Ca_Mg-EBK_SVMR க்கு நல்ல R2 மதிப்புகள் பெறப்பட்டன. (0.643 = ஆர்2); அவற்றின் RMSE மற்றும் MAE முடிவுகள் Ca_Mg_K-EBK_SVMR (R2 0.637) ஐ விட அதிகமாக இருந்தன (அட்டவணை 3 ஐப் பார்க்கவும்). கூடுதலாக, Ca_Mg-EBK_SVMR (RMSE = 1664.64 மற்றும் MAE = 1031.49) மாதிரியின் RMSE மற்றும் MAE முறையே 17.5 மற்றும் 13.4 ஆகும், அவை Ca_Mg_K-EBK_SVMR ஐ விட பெரியவை. அதேபோல், Ca_Mg-K SVMR (RMSE = 235.974 மற்றும் MAE = 166.946) மாதிரியின் RMSE மற்றும் MAE ஆகியவை முறையே Ca_Mg_K-EBK_SVMR RMSE மற்றும் MAE ஐ விட 2.5 மற்றும் 2.2 பெரியவை. கணக்கிடப்பட்ட RMSE முடிவுகள் சிறந்த பொருத்தத்தின் வரியுடன் தரவு தொகுப்பு எவ்வளவு செறிவூட்டப்பட்டுள்ளது என்பதைக் குறிக்கிறது. அதிக RSME மற்றும் MAE காணப்பட்டன. கெபோனி மற்றும் பலர் படி. 46 மற்றும் ஜான் மற்றும் பலர். 54, RMSE மற்றும் MAE பூஜ்ஜியத்திற்கு நெருக்கமாக இருந்தால், சிறந்த முடிவுகள் கிடைக்கும்.SVMR மற்றும் EBK_SVMR அதிக அளவிடப்பட்ட RSME மற்றும் MAE மதிப்புகளைக் கொண்டுள்ளன. RSME மதிப்பீடுகள் MAE மதிப்புகளை விட தொடர்ந்து அதிகமாக இருப்பது காணப்பட்டது, இது வெளிப்புறங்களின் இருப்பைக் குறிக்கிறது.Legates மற்றும் McCabe83 இன் படி, RMSE சராசரி முழுமையான பிழையை (MAE) எந்த அளவிற்கு மீறுகிறது என்பது வெளிப்புறங்களின் இருப்பின் குறிகாட்டியாக பரிந்துரைக்கப்படுகிறது. இதன் பொருள் தரவுத்தொகுப்பு எவ்வளவு பன்முகத்தன்மை கொண்டதாக இருக்கிறதோ, அவ்வளவு அதிகமாக MAE மற்றும் RMSE மதிப்புகள் இருக்கும். நகர்ப்புற மற்றும் புறநகர் மண்ணில் Ni உள்ளடக்கத்தை கணிக்க Ca_Mg_K-EBK_SVMR கலப்பு மாதிரியின் குறுக்கு சரிபார்ப்பு மதிப்பீட்டின் துல்லியம் 63.70% ஆகும். லி மற்றும் பலர். 59 இன் படி, இந்த துல்லிய நிலை ஏற்றுக்கொள்ளத்தக்க மாதிரி செயல்திறன் விகிதமாகும். தற்போதைய முடிவுகள் தாராசோவ் மற்றும் பலர் மேற்கொண்ட முந்தைய ஆய்வுடன் ஒப்பிடப்படுகின்றன. தற்போதைய ஆய்வில் தெரிவிக்கப்பட்ட EBK_SVMR துல்லிய மதிப்பீட்டு குறியீட்டுடன் தொடர்புடைய MLPRK (மல்டிலேயர் பெர்செப்ட்ரான் ரெசிடுவல் கிரிகிங்) ஐ உருவாக்கிய 36 கலப்பின மாதிரி, RMSE (210) மற்றும் MAE (167.5) தற்போதைய ஆய்வில் எங்கள் முடிவுகளை விட அதிகமாக இருந்தது (RMSE 95.479, MAE 77.368). இருப்பினும், தற்போதைய ஆய்வின் R2 (0.637) ஐ தாராசோவ் மற்றும் பலருடன் ஒப்பிடும்போது. 36 (0.544), இந்த கலப்பு மாதிரியில் தீர்மானத்தின் குணகம் (R2) அதிகமாக உள்ளது என்பது தெளிவாகிறது. கலப்பு மாதிரிக்கான பிழையின் விளிம்பு (RMSE மற்றும் MAE) (EBK SVMR) இரண்டு மடங்கு குறைவாக உள்ளது. அதேபோல், Sergeev et al.34, உருவாக்கப்பட்ட கலப்பின மாதிரிக்கு (Multilayer Perceptron Residual Kriging) 0.28 (R2) பதிவு செய்துள்ளது, அதே நேரத்தில் தற்போதைய ஆய்வில் Ni 0.637 (R2) பதிவு செய்துள்ளது. இந்த மாதிரியின் (EBK SVMR) கணிப்பு துல்லிய நிலை 63.7% ஆகும், அதே நேரத்தில் Sergeev et al. 34 ஆல் பெறப்பட்ட கணிப்பு துல்லியம் 28% ஆகும். EBK_SVMR மாதிரி மற்றும் Ca_Mg_K ஐ ஒரு முன்னறிவிப்பாளராகப் பயன்படுத்தி உருவாக்கப்பட்ட இறுதி வரைபடம் (படம் 5) முழு ஆய்வுப் பகுதியிலும் ஹாட் ஸ்பாட்கள் மற்றும் மிதமான முதல் நிக்கல் வரையிலான கணிப்புகளைக் காட்டுகிறது. இதன் பொருள் ஆய்வுப் பகுதியில் நிக்கலின் செறிவு முக்கியமாக மிதமானது, சில குறிப்பிட்ட பகுதிகளில் அதிக செறிவுகளுடன்.
இறுதி முன்கணிப்பு வரைபடம் கலப்பின மாதிரி EBK_SVMR ஐப் பயன்படுத்தியும், Ca_Mg_K ஐ முன்னறிவிப்பாளராகப் பயன்படுத்தியும் குறிப்பிடப்படுகிறது.[ இடஞ்சார்ந்த பரவல் வரைபடம் RStudio ஐப் பயன்படுத்தி உருவாக்கப்பட்டது (பதிப்பு 1.4.1717: https://www.rstudio.com/).]
படம் 6 இல் தனிப்பட்ட நியூரான்களைக் கொண்ட ஒரு கலவைத் தளமாக PTE செறிவுகள் வழங்கப்பட்டுள்ளன. கூறுத் தளங்கள் எதுவும் காட்டப்பட்டுள்ளபடி அதே வண்ண வடிவத்தைக் காட்டவில்லை. இருப்பினும், வரையப்பட்ட வரைபடத்திற்கு பொருத்தமான நியூரான்களின் எண்ணிக்கை 55 ஆகும். SeOM பல்வேறு வண்ணங்களைப் பயன்படுத்தி தயாரிக்கப்படுகிறது, மேலும் வண்ண வடிவங்கள் எவ்வளவு ஒத்திருக்கிறதோ, அந்த மாதிரிகளின் பண்புகள் ஒப்பிடத்தக்கவை. அவற்றின் துல்லியமான வண்ண அளவின்படி, தனிப்பட்ட கூறுகள் (Ca, K, மற்றும் Mg) ஒற்றை உயர் நியூரான்கள் மற்றும் மிகவும் குறைந்த நியூரான்களுக்கு ஒத்த வண்ண வடிவங்களைக் காட்டின. எனவே, CaK மற்றும் CaMg ஆகியவை மிக உயர்-வரிசை நியூரான்கள் மற்றும் குறைந்த-முதல்-மிதமான வண்ண வடிவங்களுடன் சில ஒற்றுமைகளைப் பகிர்ந்து கொள்கின்றன. இரண்டு மாதிரிகளும் சிவப்பு, ஆரஞ்சு மற்றும் மஞ்சள் போன்ற நடுத்தர முதல் உயர் வண்ண வண்ணங்களைக் காண்பிப்பதன் மூலம் மண்ணில் Ni இன் செறிவைக் கணிக்கின்றன. KMg மாதிரி துல்லியமான விகிதாச்சாரங்கள் மற்றும் குறைந்த முதல் நடுத்தர வண்ணத் திட்டுகளின் அடிப்படையில் பல உயர் வண்ண வடிவங்களைக் காட்டுகிறது. குறைந்த முதல் உயர் வரையிலான துல்லியமான வண்ண அளவில், மாதிரியின் கூறுகளின் பிளானர் விநியோக முறை மண்ணில் நிக்கலின் சாத்தியமான செறிவைக் குறிக்கும் உயர் வண்ண வடிவத்தைக் காட்டியது (படம் 4 ஐப் பார்க்கவும்). CakMg மாதிரி கூறு தளம் குறைந்த முதல் உயர் வரை மாறுபட்ட வண்ண வடிவத்தைக் காட்டுகிறது. துல்லியமான வண்ண அளவிற்கு. மேலும், மாதிரியின் நிக்கல் உள்ளடக்கத்தின் கணிப்பு (CakMg) படம் 5 இல் காட்டப்பட்டுள்ள நிக்கலின் இடஞ்சார்ந்த பரவலைப் போன்றது. இரண்டு வரைபடங்களும் நகர்ப்புற மற்றும் புறநகர் மண்ணில் நிக்கல் செறிவுகளின் உயர், நடுத்தர மற்றும் குறைந்த விகிதங்களைக் காட்டுகின்றன. ஒவ்வொரு மாதிரியிலும் கணிக்கப்பட்ட மதிப்பின் அடிப்படையில் மூன்று கொத்துகளாகப் பிரிக்கப்பட்ட வரைபடத்தில் k-சராசரிகள் குழுவில் உள்ள விளிம்பு முறையை படம் 7 சித்தரிக்கிறது. விளிம்பு முறை கொத்துகளின் உகந்த எண்ணிக்கையைக் குறிக்கிறது. சேகரிக்கப்பட்ட 115 மண் மாதிரிகளில், வகை 1 அதிக மண் மாதிரிகளைப் பெற்றது, 74. கிளஸ்டர் 2 33 மாதிரிகளைப் பெற்றது, அதே நேரத்தில் கிளஸ்டர் 3 8 மாதிரிகளைப் பெற்றது. சரியான கொத்து விளக்கத்தை அனுமதிக்க ஏழு-கூறு பிளானர் முன்கணிப்பு கலவை எளிமைப்படுத்தப்பட்டது. மண் உருவாக்கத்தை பாதிக்கும் ஏராளமான மானுடவியல் மற்றும் இயற்கை செயல்முறைகள் காரணமாக, விநியோகிக்கப்பட்ட SeOM வரைபடத்தில் சரியாக வேறுபடுத்தப்பட்ட கொத்து வடிவங்களைக் கொண்டிருப்பது கடினம்78.
ஒவ்வொரு அனுபவ பேய்சியன் கிரிகிங் ஆதரவு வெக்டர் இயந்திரம் (EBK_SVM_SeOM) மாறியாலும் கூறு தள வெளியீடு.[SeOM வரைபடங்கள் RStudio ஐப் பயன்படுத்தி உருவாக்கப்பட்டன (பதிப்பு 1.4.1717: https://www.rstudio.com/).]
வெவ்வேறு கிளஸ்டர் வகைப்பாடு கூறுகள் [SeOM வரைபடங்கள் RStudio ஐப் பயன்படுத்தி உருவாக்கப்பட்டன (பதிப்பு 1.4.1717: https://www.rstudio.com/).]
தற்போதைய ஆய்வு நகர்ப்புற மற்றும் புறநகர் மண்ணில் நிக்கல் செறிவுகளுக்கான மாதிரியாக்க நுட்பங்களை தெளிவாக விளக்குகிறது. மண்ணில் நிக்கல் செறிவுகளைக் கணிக்க சிறந்த வழியைப் பெற, மாதிரியாக்க நுட்பங்களுடன் கூறுகளை இணைத்து, பல்வேறு மாதிரியாக்க நுட்பங்களை ஆய்வு சோதித்தது. மாதிரியாக்க நுட்பத்தின் SeOM கலவை பிளானர் இடஞ்சார்ந்த அம்சங்கள், மண்ணில் Ni செறிவுகளைக் குறிக்கும் ஒரு துல்லியமான வண்ண அளவில் குறைந்த முதல் அதிக வரை உயர் வண்ண வடிவத்தைக் காட்டின. இருப்பினும், இடஞ்சார்ந்த விநியோக வரைபடம் EBK_SVMR ஆல் காட்சிப்படுத்தப்பட்ட கூறுகளின் தளஞ்சார்ந்த இடஞ்சார்ந்த விநியோகத்தை உறுதிப்படுத்துகிறது (படம் 5 ஐப் பார்க்கவும்). ஆதரவு திசையன் இயந்திர பின்னடைவு மாதிரி (Ca Mg K-SVMR) மண்ணில் Ni இன் செறிவை ஒற்றை மாதிரியாகக் கணிப்பதாக முடிவுகள் காட்டுகின்றன, ஆனால் சரிபார்ப்பு மற்றும் துல்லிய மதிப்பீட்டு அளவுருக்கள் RMSE மற்றும் MAE இன் அடிப்படையில் மிக அதிக பிழைகளைக் காட்டுகின்றன. மறுபுறம், EBK_MLR மாதிரியுடன் பயன்படுத்தப்படும் மாதிரியாக்க நுட்பமும் தீர்மானத்தின் குணகத்தின் (R2) குறைந்த மதிப்பு காரணமாக குறைபாடுடையது. 63.7% துல்லியத்துடன் குறைந்த RMSE மற்றும் MAE பிழைகளுடன் EBK SVMR மற்றும் ஒருங்கிணைந்த கூறுகளை (CaKMg) பயன்படுத்தி நல்ல முடிவுகள் பெறப்பட்டன. இயந்திர கற்றல் வழிமுறையுடன் கூடிய EBK வழிமுறை, மண்ணில் PTE களின் செறிவை கணிக்கக்கூடிய ஒரு கலப்பின வழிமுறையை உருவாக்க முடியும். ஆய்வுப் பகுதியில் Ni செறிவுகளைக் கணிக்க Ca Mg K ஐ முன்னறிவிப்பாளர்களாகப் பயன்படுத்துவது மண்ணில் Ni இன் கணிப்பை மேம்படுத்த முடியும் என்று முடிவுகள் காட்டுகின்றன. இதன் பொருள் நிக்கல் அடிப்படையிலான உரங்களின் தொடர்ச்சியான பயன்பாடு மற்றும் எஃகுத் தொழிலால் மண்ணின் தொழில்துறை மாசுபாடு மண்ணில் நிக்கலின் செறிவை அதிகரிக்கும் போக்கைக் கொண்டுள்ளது. EBK மாதிரியானது நகர்ப்புற அல்லது புறநகர் மண்ணில் மண் இடஞ்சார்ந்த விநியோக மாதிரியின் பிழையின் அளவைக் குறைத்து துல்லியத்தை மேம்படுத்த முடியும் என்பதை இந்த ஆய்வு வெளிப்படுத்தியுள்ளது. பொதுவாக, மண்ணில் PTE ஐ மதிப்பிடுவதற்கும் கணிப்பதற்கும் EBK-SVMR மாதிரியைப் பயன்படுத்த நாங்கள் முன்மொழிகிறோம்; கூடுதலாக, பல்வேறு இயந்திர கற்றல் வழிமுறைகளுடன் கலப்பினமாக்க EBK ஐப் பயன்படுத்த நாங்கள் முன்மொழிகிறோம். Ni செறிவுகள் கூறுகளை கோவாரியட்டுகளாகப் பயன்படுத்தி கணிக்கப்பட்டன; இருப்பினும், அதிக கோவாரியட்டுகளைப் பயன்படுத்துவது மாதிரியின் செயல்திறனை பெரிதும் மேம்படுத்தும், இது தற்போதைய வேலையின் வரம்பாகக் கருதப்படலாம். இந்த ஆய்வின் மற்றொரு வரம்பு என்னவென்றால், தரவுத்தொகுப்புகளின் எண்ணிக்கை 115 ஆகும். எனவே, கூடுதல் தரவு வழங்கப்பட்டால், முன்மொழியப்பட்ட உகந்த கலப்பின முறையின் செயல்திறனை மேம்படுத்த முடியும்.
PlantProbs.net.தாவரங்கள் மற்றும் மண்ணில் நிக்கல் https://plantprobs.net/plant/nutrientImbalances/sodium.html (அணுகப்பட்டது 28 ஏப்ரல் 2021).
காஸ்ப்ர்சாக், கே.எஸ். நிக்கல் நவீன சுற்றுச்சூழல் நச்சுயியலில் முன்னேற்றம்.சுற்றுப்புறங்கள்.நச்சுயியல்.11, 145–183 (1987).
செம்பல், எம். & நிக்கல், ஜி. நிக்கல்: அதன் மூலங்கள் மற்றும் சுற்றுச்சூழல் நச்சுயியல் பற்றிய ஒரு ஆய்வு. போலந்து ஜே. சுற்றுச்சூழல். படிப்பு.15, 375–382 (2006).
ஃப்ரீட்மேன், பி. & ஹட்சின்சன், டி.சி. கனடாவின் ஒன்டாரியோவின் சட்பரியில் உள்ள ஒரு நிக்கல்-செம்பு உருக்காலைக்கு அருகில் உள்ள மண் மற்றும் தாவரங்களில் வளிமண்டலத்திலிருந்து மாசுபாடு உள்ளீடு மற்றும் குவிப்பு.can.J. Bot.58(1), 108-132.https://doi.org/10.1139/b80-014 (1980).
மன்யிவா, டி. மற்றும் பலர். மண்ணில் உள்ள கன உலோகங்கள், தாவரங்கள் மற்றும் போட்ஸ்வானாவில் உள்ள செலிபி-பிக்வே செப்பு-நிக்கல் சுரங்கத்திற்கு அருகில் மேய்ச்சல் ரூமினன்ட்களுடன் தொடர்புடைய அபாயங்கள்.சுற்றுப்புறங்கள்.புவி வேதியியல்.சுகாதாரம் https://doi.org/10.1007/s10653-021-00918-x (2021).
கபாடா-பெண்டியாஸ்.கபாடா-பெண்டியாஸ் ஏ. 2011. மண்ணில் உள்ள சுவடு கூறுகள் மற்றும்… – கூகிள் ஸ்காலர் https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Kabata-Pendias+A.+2011.+மண்ணில்+மற்றும்+தாவரங்களில்+சுவடு+ கூறுகள்.+4வது+பதிப்பு.+நியூ+யார்க்+%28NY%29%3A+CRC+Press&btnG= (அணுகப்பட்டது 24 நவம்பர் 2020).
அல்மாஸ், ஏ., சிங், பி., வேளாண்மை, TS-NJ of & 1995, வரையறுக்கப்படவில்லை. நோர்வேயின் சோயர்-வாரங்கரில் விவசாய மண் மற்றும் புற்களில் கன உலோக செறிவுகளில் ரஷ்ய நிக்கல் தொழிலின் விளைவுகள்.agris.fao.org.
நீல்சன், ஜிடி மற்றும் பலர். குடிநீரில் நிக்கல் உறிஞ்சுதல் மற்றும் தக்கவைத்தல் உணவு உட்கொள்ளல் மற்றும் நிக்கல் உணர்திறன் ஆகியவற்றுடன் தொடர்புடையது.நச்சுயியல்.பயன்பாடு.மருந்தியல் இயக்கவியல்.154, 67–75 (1999).
கோஸ்டா, எம். & க்ளீன், சிபி நிக்கல் கார்சினோஜெனிசிஸ், பிறழ்வு, எபிஜெனெடிக்ஸ் அல்லது தேர்வு.சுற்றுப்புறங்கள்.சுகாதாரக் கண்ணோட்டம்.107, 2 (1999).
அஜ்மான், பிசி; அஜாடோ, எஸ்கே; போருவ்கா, எல்.; பினி, ஜேகேஎம்; சார்கோடி, விஒய்ஓ; கோபோனி, என்எம்; நச்சுத்தன்மையுள்ள கூறுகளின் போக்கு பகுப்பாய்வு: ஒரு நூலியல் மதிப்பாய்வு. சுற்றுச்சூழல் புவி வேதியியல் மற்றும் ஆரோக்கியம். ஸ்பிரிங்கர் சயின்ஸ் & பிசினஸ் மீடியா பிவி 2020.https://doi.org/10.1007/s10653-020-00742-9.
மினாஸ்னி, பி. & மெக்பிராட்னி, ஏபி டிஜிட்டல் மண் மேப்பிங்: ஒரு சுருக்கமான வரலாறு மற்றும் சில பாடங்கள். ஜியோடெர்மா 264, 301–311.https://doi.org/10.1016/j.geoderma.2015.07.017 (2016).
McBratney, AB, Mendonça Santos, ML & Minasny, B. ஆன் டிஜிட்டல் மண் மேப்பிங்
Deutsch.CV புவியியல் நீர்த்தேக்க மாதிரியாக்கம்,… – கூகிள் ஸ்காலர் 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= (அணுகப்பட்டது 28 ஏப்ரல் 2021).