Nature.com தளத்திற்கு வருகை தந்ததற்கு நன்றி. நீங்கள் பயன்படுத்தும் உலாவியில் CSS-க்கான ஆதரவு குறைவாக உள்ளது. சிறந்த அனுபவத்தைப் பெற, மேம்படுத்தப்பட்ட உலாவியைப் பயன்படுத்துமாறு (அல்லது இன்டர்நெட் எக்ஸ்ப்ளோரரில் இணக்கப் பயன்முறையை அணைக்குமாறு) பரிந்துரைக்கிறோம். இதற்கிடையில், தொடர்ச்சியான ஆதரவை உறுதிசெய்யும் வகையில், நாங்கள் இந்தத் தளத்தை ஸ்டைல்கள் மற்றும் ஜாவாஸ்கிரிப்ட் இல்லாமல் காண்பிப்போம்.
மண் மாசுபாடு என்பது மனித நடவடிக்கைகளால் ஏற்படும் ஒரு பெரிய பிரச்சனையாகும். நச்சுத்தன்மை வாய்ந்த தனிமங்களின் (PTEs) இடஞ்சார்ந்த பரவல் பெரும்பாலான நகர்ப்புற மற்றும் புறநகர்ப் பகுதிகளில் வேறுபடுகிறது. எனவே, அத்தகைய மண்ணில் உள்ள PTE-களின் உள்ளடக்கத்தை இடஞ்சார்ந்து கணிப்பது கடினம். செக் குடியரசில் உள்ள ஃப்ரைடெக் மிஸ்டெக்கிலிருந்து மொத்தம் 115 மாதிரிகள் பெறப்பட்டன. கால்சியம் (Ca), மெக்னீசியம் (Mg), பொட்டாசியம் (K) மற்றும் நிக்கல் (Ni) ஆகியவற்றின் செறிவுகள், தூண்டப்பட்ட இணைவு பிளாஸ்மா உமிழ்வு நிறமாலையியல் (inductively coupled plasma emission spectrometry) மூலம் தீர்மானிக்கப்பட்டன. எதிர்வினை மாறி Ni ஆகவும், முன்கணிப்பிகள் Ca, Mg, மற்றும் K ஆகவும் இருந்தன. எதிர்வினை மாறிக்கும் முன்கணிப்பு மாறிக்கும் இடையிலான தொடர்பு அணி, தனிமங்களுக்கு இடையே ஒரு திருப்திகரமான தொடர்பைக் காட்டுகிறது. முன்கணிப்பு முடிவுகள், ஆதரவு திசையன் இயந்திர பின்னடைவு (Support Vector Machine Regression - SVMR) சிறப்பாகச் செயல்பட்டதைக் காட்டின, இருப்பினும் அதன் மதிப்பிடப்பட்ட மூல சராசரி வர்க்கப் பிழை (RMSE) (235.974 mg/kg) மற்றும் சராசரி தனிப் பிழை (MAE) (166.946 mg/kg) ஆகியவை பயன்படுத்தப்பட்ட மற்ற முறைகளை விட அதிகமாக இருந்தன. அனுபவ ரீதியான பேய்சியன் கிரிகிங்-பல நேரியல் பின்னடைவுக்கான கலப்பு மாதிரிகள். 0.1-க்கும் குறைவான தீர்மானக் குணகங்களால் நிரூபிக்கப்பட்டபடி, (EBK-MLR) மோசமாகச் செயல்படுகிறது. அனுபவ ரீதியான பேய்சியன் கிரிகிங்-ஆதரவு திசையன் இயந்திர பின்னடைவு (EBK-SVMR) மாதிரி, குறைந்த RMSE (95.479 mg/kg) மற்றும் MAE (77.368 mg/kg) மதிப்புகள் மற்றும் உயர் தீர்மானக் குணகத்துடன் (R2 = 0.637) சிறந்த மாதிரியாக இருந்தது. EBK-SVMR மாதிரியாக்க நுட்பத்தின் வெளியீடு ஒரு சுய-ஒழுங்கமைக்கும் வரைபடத்தைப் பயன்படுத்தி காட்சிப்படுத்தப்படுகிறது. கலப்பின மாதிரியான CakMg-EBK-SVMR கூறின் தளத்தில் உள்ள தொகுக்கப்பட்ட நியூரான்கள், நகர்ப்புற மற்றும் புறநகர்ப் பகுதிகளில் உள்ள மண்ணில் நிக்கல் செறிவுகளைக் கணிக்கும் பல வண்ண வடிவங்களைக் காட்டுகின்றன. நகர்ப்புற மற்றும் புறநகர்ப் பகுதிகளில் உள்ள மண்ணில் நிக்கல் செறிவுகளைக் கணிக்க, EBK மற்றும் SVMR-ஐ இணைப்பது ஒரு பயனுள்ள நுட்பம் என்பதை இந்த முடிவுகள் நிரூபிக்கின்றன.
நிக்கல் (Ni) தாவரங்களுக்கான ஒரு நுண்ணூட்டச்சத்தாகக் கருதப்படுகிறது, ஏனெனில் இது வளிமண்டல நைட்ரஜன் நிலைநிறுத்தம் (N) மற்றும் யூரியா வளர்சிதை மாற்றத்திற்குப் பங்களிக்கிறது, இவை இரண்டும் விதை முளைப்பதற்குத் தேவைப்படுகின்றன. விதை முளைப்பிற்குப் பங்களிப்பதுடன், Ni பூஞ்சை மற்றும் பாக்டீரியா தடுப்பானாகச் செயல்பட்டு, தாவர வளர்ச்சியை ஊக்குவிக்கும். மண்ணில் நிக்கல் பற்றாக்குறை ஏற்படும்போது, ​​தாவரங்கள் அதை உறிஞ்சிக்கொள்வதால், இலைகள் வெளிறிப்போகின்றன. உதாரணமாக, தட்டைப்பயறு மற்றும் பச்சை அவரை போன்ற பயிர்களுக்கு நைட்ரஜன் நிலைநிறுத்தத்தை மேம்படுத்த நிக்கல் அடிப்படையிலான உரங்களைப் பயன்படுத்த வேண்டும். மண்ணை வளப்படுத்தவும், மண்ணில் நைட்ரஜனை நிலைநிறுத்தும் பயறு வகைகளின் திறனை அதிகரிக்கவும் நிக்கல் அடிப்படையிலான உரங்களைத் தொடர்ந்து பயன்படுத்துவது, மண்ணில் நிக்கல் செறிவை அதிகரிக்கிறது. நிக்கல் தாவரங்களுக்கான ஒரு நுண்ணூட்டச்சத்தாக இருந்தாலும், மண்ணில் அதன் அதிகப்படியான உட்கொள்ளல் நன்மையை விட அதிக தீங்கை விளைவிக்கும். மண்ணில் உள்ள நிக்கலின் நச்சுத்தன்மை, மண்ணின் pH அளவைக் குறைத்து, தாவர வளர்ச்சிக்கு அவசியமான ஊட்டச்சத்தான இரும்பை உறிஞ்சுவதைத் தடுக்கிறது. லியுவின் கூற்றுப்படி, தாவர வளர்ச்சி மற்றும் மேம்பாட்டிற்குத் தேவையான 17வது முக்கியமான தனிமமாக நிக்கல் கண்டறியப்பட்டுள்ளது. தாவர வளர்ச்சி மற்றும் மேம்பாட்டில் நிக்கலின் பங்குடன், மனிதர்களுக்கும் இது பல்வேறு தேவைகளுக்குத் தேவைப்படுகிறது. பல்வேறு பயன்பாடுகளில், மின்முலாம் பூசுதல், நிக்கல் அடிப்படையிலான கலப்புலோகங்களின் உற்பத்தி, மற்றும் வாகனத் துறையில் பற்றவைப்பு சாதனங்கள் மற்றும் தீப்பொறி செருகிகளின் உற்பத்தி ஆகிய அனைத்திற்கும் பல்வேறு தொழில்துறைத் துறைகளில் நிக்கல் பயன்பாடு தேவைப்படுகிறது. கூடுதலாக, நிக்கல் அடிப்படையிலான கலப்புலோகங்கள் மற்றும் மின்முலாம் பூசப்பட்ட பொருட்கள் சமையலறைப் பொருட்கள், நடன அரங்க உபகரணங்கள், உணவுத் தொழில் பொருட்கள், மின்சாரம், கம்பி மற்றும் கேபிள், ஜெட் டர்பைன்கள், அறுவை சிகிச்சை உள்வைப்புகள், ஜவுளி மற்றும் கப்பல் கட்டுதல் ஆகியவற்றில் பரவலாகப் பயன்படுத்தப்படுகின்றன. மண்ணில் (அதாவது, மேற்பரப்பு மண்ணில்) நிக்கல் செறிந்துள்ள அளவுகள் மனிதனால் உருவாக்கப்பட்ட மற்றும் இயற்கை மூலங்கள் இரண்டாலும் ஏற்படுவதாகக் கூறப்படுகிறது, ஆனால் முதன்மையாக, நிக்கல் மனிதனால் உருவாக்கப்பட்டதை விட ஒரு இயற்கை மூலமாகும். நிக்கலின் இயற்கை மூலங்களில் எரிமலை வெடிப்புகள், தாவரங்கள், காட்டுத் தீ மற்றும் புவியியல் செயல்முறைகள் ஆகியவை அடங்கும்; இருப்பினும், மனிதனால் உருவாக்கப்பட்ட மூலங்களில் எஃகுத் தொழிலில் உள்ள நிக்கல்/காட்மியம் மின்கலங்கள், மின்முலாம் பூசுதல், மின்வில் பற்றவைப்பு, டீசல் மற்றும் எரிபொருள் எண்ணெய்கள், மற்றும் நிலக்கரி எரிப்பு மற்றும் கழிவு மற்றும் சேறு எரிப்பிலிருந்து வளிமண்டல வெளியேற்றங்கள் ஆகியவை அடங்கும். நிக்கல் குவிப்பு. ஃப்ரீட்மேன் மற்றும் ஹட்சின்சன் மற்றும் மன்யிவா குழுவினரின் கூற்றுப்படி. 10, உடனடி மற்றும் அருகிலுள்ள சூழலில் மேல்மண் மாசுபாட்டின் முக்கிய ஆதாரங்கள் முக்கியமாக நிக்கல்-செம்பு உருக்காலைகள் மற்றும் சுரங்கங்கள் ஆகும். கனடாவில் உள்ள சட்பரி நிக்கல்-செம்பு சுத்திகரிப்பு ஆலையைச் சுற்றியுள்ள மேல்மண்ணில் நிக்கல் மாசுபாட்டின் அளவு 26,000 மி.கி/கி.கி¹¹ என்ற அளவில் மிக அதிகமாக இருந்தது. இதற்கு மாறாக, ரஷ்யாவில் நிக்கல் உற்பத்தியால் ஏற்பட்ட மாசுபாடு, நார்வே மண்ணில் அதிக நிக்கல் செறிவுகளுக்கு வழிவகுத்துள்ளது¹¹. ஆல்ம்ஸ் மற்றும் பலரின் கூற்றுப்படி. 12, இப்பகுதியின் சிறந்த விளைநிலத்தில் (ரஷ்யாவில் நிக்கல் உற்பத்தி) HNO3-ஆல் பிரித்தெடுக்கக்கூடிய நிக்கலின் அளவு 6.25 முதல் 136.88 மி.கி/கி.கி வரை இருந்தது, இது சராசரியாக 30.43 மி.கி/கி.கி மற்றும் அடிப்படைச் செறிவாக 25 மி.கி/கி.கி என்பதற்குச் சமமாகும். கபாடா 11-இன் படி, நகர்ப்புற அல்லது புறநகர்ப் பகுதிகளில் உள்ள விவசாய நிலங்களில் அடுத்தடுத்த பயிர் பருவங்களில் பாஸ்பரஸ் உரங்களைப் பயன்படுத்துவது, மண்ணில் ஊடுருவவோ அல்லது அதனை மாசுபடுத்தவோ கூடும். மனிதர்களில் நிக்கலின் சாத்தியமான விளைவுகள், சடுதிமாற்றம், குரோமோசோம் சேதம், Z-DNA உருவாக்கம், தடுக்கப்பட்ட DNA வெட்டி நீக்கும் பழுதுபார்ப்பு அல்லது புறமரபியல் செயல்முறைகள்13 ஆகியவற்றின் மூலம் புற்றுநோய்க்கு வழிவகுக்கலாம். விலங்கு சோதனைகளில், நிக்கல் பல்வேறு வகையான கட்டிகளை ஏற்படுத்தும் ஆற்றலைக் கொண்டிருப்பது கண்டறியப்பட்டுள்ளது, மேலும் புற்றுநோயை உண்டாக்கும் நிக்கல் கலவைகள் அத்தகைய கட்டிகளை மோசமாக்கக்கூடும்.
மண்-தாவர உறவுகள், மண் மற்றும் மண் உயிரியல் உறவுகள், சூழலியல் சீரழிவு மற்றும் சுற்றுச்சூழல் தாக்க மதிப்பீடு ஆகியவற்றிலிருந்து எழும் பரந்த அளவிலான சுகாதார தொடர்பான பிரச்சினைகள் காரணமாக, சமீப காலங்களில் மண் மாசுபாடு மதிப்பீடுகள் பெருகியுள்ளன. இன்றுவரை, மண்ணில் உள்ள நிக்கல் (Ni) போன்ற நச்சுத்தன்மை வாய்ந்த தனிமங்களின் (PTEs) இடஞ்சார்ந்த கணிப்பு, பாரம்பரிய முறைகளைப் பயன்படுத்தி கடினமானதாகவும் அதிக நேரம் எடுப்பதாகவும் இருந்து வருகிறது. எண்ணிம மண் வரைபடமாக்கலின் (DSM) வருகையும் அதன் தற்போதைய வெற்றியும்¹⁵, முன்கணிப்பு மண் வரைபடமாக்கலை (PSM) பெரிதும் மேம்படுத்தியுள்ளன. மினாஸ்னி மற்றும் மெக்பிரட்னி¹⁶ கருத்துப்படி, முன்கணிப்பு மண் வரைபடமாக்கல் (DSM) மண் அறிவியலின் ஒரு முக்கிய துணைத்துறையாக நிரூபிக்கப்பட்டுள்ளது. லாகாசெரி மற்றும் மெக்பிரட்னி, 2006, எண்ணிம மண் வரைபடமாக்கலை (DSM) "கள மற்றும் ஆய்வக கண்காணிப்பு முறைகள் மற்றும் இடஞ்சார்ந்த மற்றும் இடஞ்சாரா மண் அனுமான அமைப்புகளைப் பயன்படுத்தி இடஞ்சார்ந்த மண் தகவல் அமைப்புகளை உருவாக்குதல் மற்றும் நிரப்புதல்" என வரையறுக்கின்றனர். மெக்பிரட்னி மற்றும் பலர். 17. தற்கால டிஜிட்டல் மண் மாதிரி (DSM) அல்லது துகள் மண் மாதிரி (PSM) என்பது நச்சு உலோகங்கள் (PTEs), மண் வகைகள் மற்றும் மண் பண்புகளின் இடஞ்சார்ந்த பரவலைக் கணிப்பதற்கும் அல்லது வரைபடமாக்குவதற்கும் மிகவும் பயனுள்ள நுட்பம் என்று கோடிட்டுக் காட்டப்பட்டுள்ளது. புவிப் புள்ளியியல் மற்றும் இயந்திர கற்றல் வழிமுறைகள் (MLA) என்பவை, குறிப்பிடத்தக்க மற்றும் குறைந்தபட்ச தரவுகளைப் பயன்படுத்தி கணினிகளின் உதவியுடன் இலக்கமுறை வரைபடங்களை உருவாக்கும் டிஜிட்டல் மண் மாதிரி (DSM) மாதிரியாக்க நுட்பங்களாகும்.
டாய்ட்ச்18 மற்றும் ஓலியா19 ஆகியோர் புவிப் புள்ளியியலை, “காலத் தொடர் பகுப்பாய்வு தற்காலிகத் தரவுகளை எவ்வாறு வகைப்படுத்துகிறதோ, அதுபோலவே முக்கியமாக நிகழ்தகவு மாதிரிகளைப் பயன்படுத்தி, இடஞ்சார்ந்த பண்புகளின் பிரதிநிதித்துவத்தைக் கையாளும் எண் நுட்பங்களின் தொகுப்பு” என வரையறுக்கின்றனர். முதன்மையாக, புவிப் புள்ளியியல் என்பது மாறுபாட்டு வரைபடங்களின் மதிப்பீட்டை உள்ளடக்கியது, இது ஒவ்வொரு தரவுத்தொகுப்பிலிருந்தும் இடஞ்சார்ந்த மதிப்புகளின் சார்புகளை அளவிடவும் வரையறுக்கவும் அனுமதிக்கிறது20. குமியோக்ஸ் மற்றும் பலர். புவிப் புள்ளியியலில் மாறுபாட்டு வரைபடங்களின் மதிப்பீடு மூன்று கொள்கைகளை அடிப்படையாகக் கொண்டது என்பதை 20 மேலும் விளக்குகிறது, அவையாவன: (அ) தரவுத் தொடர்பின் அளவைக் கணக்கிடுதல், (ஆ) தரவுத்தொகுப்பு வேறுபாட்டில் உள்ள திசைச்சார்பின்மையைக் கண்டறிந்து கணக்கிடுதல் மற்றும் (இ) உள்ளூர் விளைவுகளிலிருந்து பிரிக்கப்பட்ட அளவீட்டுத் தரவின் உள்ளார்ந்த பிழையைக் கணக்கில் எடுத்துக்கொள்வதோடு, பகுதி விளைவுகளும் மதிப்பிடப்படுகின்றன. இந்தக் கருத்துகளின் அடிப்படையில், புவிப் புள்ளியியலில் PTE, மண் பண்புகள் மற்றும் மண் வகைகளை வரைபடமாக்க அல்லது கணிக்க, பொதுவான கிரிகிங், கோ-கிரிகிங், சாதாரண கிரிகிங், அனுபவ ரீதியான பேய்சியன் கிரிகிங், எளிய கிரிகிங் முறை மற்றும் பிற நன்கு அறியப்பட்ட இடைக்கணிப்பு நுட்பங்கள் உட்பட பல இடைக்கணிப்பு நுட்பங்கள் பயன்படுத்தப்படுகின்றன.
இயந்திர கற்றல் வழிமுறைகள் (MLA) என்பது ஒப்பீட்டளவில் ஒரு புதிய நுட்பமாகும். இது பெரிய நேரியல் அல்லாத தரவு வகுப்புகளைப் பயன்படுத்துகிறது. முதன்மையாக தரவுச் சுரங்கம், தரவுகளில் உள்ள வடிவங்களைக் கண்டறிதல் போன்றவற்றிற்காகப் பயன்படுத்தப்படும் வழிமுறைகளால் இது இயக்கப்படுகிறது. மேலும், மண் அறிவியல் மற்றும் மீள் பணிகள் போன்ற அறிவியல் துறைகளில் வகைப்படுத்துதலுக்கும் இது மீண்டும் மீண்டும் பயன்படுத்தப்படுகிறது. டான் மற்றும் பலர். 22 (வேளாண்மை மண்ணில் கன உலோக மதிப்பீட்டிற்கான ரேண்டம் ஃபாரஸ்ட்ஸ்), சகிசாதே மற்றும் பலர். 23 (ஆதரவு திசையன் இயந்திரங்கள் மற்றும் செயற்கை நரம்பியல் வலைப்பின்னல்களைப் பயன்படுத்தி மண் மாசுபாட்டை மாதிரியாக்குதல்) போன்ற பல ஆராய்ச்சிக் கட்டுரைகள், மண்ணில் உள்ள நச்சுத்தன்மையைக் (PTE) கணிக்க MLA மாதிரிகளைச் சார்ந்துள்ளன. கூடுதலாக, வேகா மற்றும் பலர். 24 (மண்ணில் கன உலோகத் தக்கவைப்பு மற்றும் உறிஞ்சுதலை மாதிரியாக்குவதற்கான CART), சன் மற்றும் பலர். 25 (மண்ணில் Cd பரவலில் கியூபிசத்தின் பயன்பாடு) மற்றும் k-அருகிலுள்ள அண்டை, பொதுமைப்படுத்தப்பட்ட பூஸ்ட் செய்யப்பட்ட பின்னடைவு, மற்றும் பூஸ்ட் செய்யப்பட்ட பின்னடைவு மரங்கள் போன்ற பிற வழிமுறைகளும் மண்ணில் உள்ள நச்சுத்தன்மையைக் (PTE) கணிக்க MLA-வைப் பயன்படுத்தியுள்ளன.
முன்கணிப்பு அல்லது வரைபடமாக்கலில் DSM வழிமுறைகளைப் பயன்படுத்துவது பல சவால்களை எதிர்கொள்கிறது. பல ஆசிரியர்கள் புவிப் புள்ளியியலை விட MLA சிறந்தது என்றும், நேர்மாறாகவும் நம்புகிறார்கள். ஒன்று மற்றொன்றை விடச் சிறந்ததாக இருந்தாலும், இரண்டின் கலவையானது DSM¹⁵-இல் வரைபடமாக்கல் அல்லது முன்கணிப்பின் துல்லிய அளவை மேம்படுத்துகிறது. வுட்காக் மற்றும் கோபால்²⁶, ஃபின்கே²⁷; பாண்டியஸ் மற்றும் சியூக்²⁸ மற்றும் க்ருன்வால்ட்²⁹ ஆகியோர் முன்கணிக்கப்பட்ட மண் வரைபடமாக்கலில் உள்ள குறைபாடுகள் மற்றும் சில பிழைகள் குறித்துக் கருத்துத் தெரிவிக்கின்றனர். மண் விஞ்ஞானிகள் DSM வரைபடமாக்கல் மற்றும் முன்கணிப்பின் செயல்திறன், துல்லியம் மற்றும் முன்கணிக்கக்கூடிய தன்மையை மேம்படுத்துவதற்காகப் பல்வேறு நுட்பங்களை முயற்சித்துள்ளனர். செயல்திறனை மேம்படுத்தவும் குறைபாடுகளைக் குறைக்கவும் DSM-இல் ஒருங்கிணைக்கப்பட்ட பல அம்சங்களில் நிச்சயமற்ற தன்மை மற்றும் சரிபார்ப்பின் கலவையும் ஒன்றாகும். இருப்பினும், வரைபடத்தின் தரத்தை மேம்படுத்துவதற்காக, வரைபட உருவாக்கம் மற்றும் முன்கணிப்பால் அறிமுகப்படுத்தப்படும் சரிபார்ப்பு நடத்தை மற்றும் நிச்சயமற்ற தன்மை ஆகியவை சுயாதீனமாகச் சரிபார்க்கப்பட வேண்டும் என்று அஜிமேன் மற்றும் பலர்¹⁵ கோடிட்டுக் காட்டுகின்றனர். DSM-இன் வரம்புகள் புவியியல் ரீதியாகப் பரவியுள்ள மண் தரத்தின் காரணமாகும், இதில் நிச்சயமற்ற தன்மையின் ஒரு கூறு அடங்கியுள்ளது; இருப்பினும், DSM-இல் உள்ள நிச்சயமற்ற தன்மையானது, துணை மாறிப் பிழை, மாதிரிப் பிழை, இருப்பிடப் பிழை மற்றும் பகுப்பாய்வுப் பிழை 31 போன்ற பல பிழை மூலங்களிலிருந்து எழலாம். MLA மற்றும் புவிப் புள்ளியியல் செயல்முறைகளில் தூண்டப்படும் மாதிரியாக்கத் துல்லியமின்மைகள், புரிதல் இல்லாமையுடன் தொடர்புடையவை, இது இறுதியில் உண்மையான செயல்முறையை மிக எளிமையாக்குவதற்கு வழிவகுக்கிறது 32. மாதிரியாக்கத்தின் தன்மையைப் பொருட்படுத்தாமல், துல்லியமின்மைகள் மாதிரியாக்க அளவுருக்கள், கணித மாதிரி கணிப்புகள் அல்லது இடைச்செருகல் ஆகியவற்றால் ஏற்படலாம் 33. சமீபத்தில், வரைபடமாக்கல் மற்றும் முன்னறிவிப்பில் புவிப் புள்ளியியல் மற்றும் MLA-வின் ஒருங்கிணைப்பை ஊக்குவிக்கும் ஒரு புதிய DSM போக்கு உருவாகியுள்ளது. செர்ஜீவ் மற்றும் பலர் 34; சுபோட்டினா மற்றும் பலர் 35; தாரசோவ் மற்றும் பலர் 36 மற்றும் தாரசோவ் மற்றும் பலர் 37 போன்ற பல மண் விஞ்ஞானிகளும் ஆசிரியர்களும், முன்னறிவிப்பு மற்றும் வரைபடமாக்கலின் செயல்திறனை மேம்படுத்தும் கலப்பின மாதிரிகளை உருவாக்க, புவிப் புள்ளியியல் மற்றும் இயந்திரக் கற்றலின் துல்லியமான தன்மையைப் பயன்படுத்தியுள்ளனர். தரம். இந்த கலப்பின அல்லது ஒருங்கிணைந்த வழிமுறை மாதிரிகளில் சில, செயற்கை நரம்பியல் வலையமைப்பு கிரிகிங் (ANN-RK), பல்லடுக்கு பெர்செப்ட்ரான் ரெசிடுவல் கிரிகிங் (MLP-RK), பொதுமைப்படுத்தப்பட்ட பின்னடைவு நரம்பியல் வலையமைப்பு ரெசிடுவல் கிரிகிங் (GR-NNRK)36, செயற்கை நரம்பியல் வலையமைப்பு கிரிகிங்-பல்லடுக்கு பெர்செப்ட்ரான் (ANN-K-MLP)37 மற்றும் கோ-கிரிகிங் மற்றும் காஸியன் செயல்முறை பின்னடைவு38 ஆகியவை ஆகும்.
செர்ஜீவ் மற்றும் பலரின் கூற்றுப்படி, ஒரு தனி மாதிரியை உருவாக்குவதை விட, பல்வேறு மாதிரியாக்க நுட்பங்களை இணைப்பது குறைபாடுகளை நீக்குவதற்கும், அதன் விளைவாக வரும் கலப்பின மாதிரியின் செயல்திறனை அதிகரிப்பதற்கும் ஆற்றலைக் கொண்டுள்ளது. இந்தச் சூழலில், நகர்ப்புற மற்றும் புறநகர்ப் பகுதிகளில் நிக்கல் செறிவூட்டலைக் கணிக்க உகந்த கலப்பின மாதிரிகளை உருவாக்க, புவிப் புள்ளியியல் மற்றும் பலபடி நேரியல் பின்னடைவு (MLA) ஆகியவற்றின் ஒருங்கிணைந்த வழிமுறையைப் பயன்படுத்துவது அவசியம் என்று இந்தப் புதிய கட்டுரை வாதிடுகிறது. இந்த ஆய்வு, அனுபவ ரீதியான பேய்சியன் கிரிகிங்கை (EBK) அடிப்படை மாதிரியாகக் கொண்டு, அதை ஆதரவு திசையன் இயந்திரம் (SVM) மற்றும் பலபடி நேரியல் பின்னடைவு (MLR) மாதிரிகளுடன் கலக்கும். EBK-ஐ எந்தவொரு MLA-வுடனும் கலப்பினமாக்குவது அறியப்படவில்லை. காணப்படும் பல கலப்பு மாதிரிகள், சாதாரண, எஞ்சிய, பின்னடைவு கிரிகிங் மற்றும் MLA ஆகியவற்றின் கலவைகளாகும். EBK என்பது ஒரு புவிப் புள்ளியியல் இடைச்செருகல் முறையாகும். இது, வரையறுக்கப்பட்ட உள்ளூர்மயமாக்கல் அளவுருக்களுடன், நிலையற்ற/நிலையான சமவாய்ப்புப் புலமாக உள்ளூர்மயமாக்கப்பட்ட ஒரு இடஞ்சார்ந்த சமவாய்ப்புச் செயல்முறையைப் பயன்படுத்துகிறது, இது இடஞ்சார்ந்த மாறுபாட்டிற்கு அனுமதிக்கிறது39. EBK, பண்ணை மண்ணில் கரிம கார்பனின் பரவலைப் பகுப்பாய்வு செய்தல்40, மதிப்பீடு செய்தல் உள்ளிட்ட பல்வேறு ஆய்வுகளில் பயன்படுத்தப்பட்டுள்ளது. மண் மாசுபாடு41 மற்றும் மண் பண்புகளை வரைபடமாக்குதல்42.
மறுபுறம், சுய-ஒழுங்கமைக்கும் வரைபடம் (SeOM) என்பது ஒரு கற்றல் வழிமுறையாகும், இது லி மற்றும் பலர். 43, வாங் மற்றும் பலர். 44, ஹொசைன் புய்யான் மற்றும் பலர். 45 மற்றும் கெபோன்யே மற்றும் பலர். 46 போன்ற பல்வேறு கட்டுரைகளில் கூறுகளின் இடஞ்சார்ந்த பண்புகளையும் குழுவாக்கத்தையும் தீர்மானிக்கப் பயன்படுத்தப்பட்டுள்ளது. வாங் மற்றும் பலர். 44, SeOM என்பது நேரியல் அல்லாத சிக்கல்களைக் குழுவாக்கி கற்பனை செய்யும் திறனுக்காக அறியப்பட்ட ஒரு சக்திவாய்ந்த கற்றல் நுட்பம் என்று கோடிட்டுக் காட்டுகிறார்கள். முதன்மை கூறு பகுப்பாய்வு, தெளிவற்ற கொத்தாக்கம், படிநிலை கொத்தாக்கம் மற்றும் பல-அளவுகோல் முடிவெடுத்தல் போன்ற பிற வடிவ அங்கீகார நுட்பங்களைப் போலல்லாமல், SeOM ஆனது PTE வடிவங்களை ஒழுங்கமைப்பதிலும் அடையாளம் காண்பதிலும் சிறந்தது. வாங் மற்றும் பலர். 44 இன் படி, SeOM ஆனது தொடர்புடைய நியூரான்களின் பரவலை இடஞ்சார்ந்து குழுவாக்கி, உயர்-தெளிவுத்திறன் தரவு காட்சிப்படுத்தலை வழங்க முடியும். நேரடி விளக்கத்திற்காக முடிவுகளை வகைப்படுத்த சிறந்த மாதிரியைப் பெற, SeOM ஆனது Ni முன்கணிப்புத் தரவைக் காட்சிப்படுத்தும்.
நகர்ப்புற மற்றும் புறநகர்ப் பகுதிகளில் உள்ள மண்ணில் நிக்கல் உள்ளடக்கத்தைக் கணிப்பதற்கு, உகந்த துல்லியத்துடன் கூடிய ஒரு வலுவான வரைபட மாதிரியை உருவாக்குவதே இந்தக் கட்டுரையின் நோக்கமாகும். கலப்பு மாதிரியின் நம்பகத்தன்மை, முக்கியமாக அடிப்படை மாதிரியுடன் இணைக்கப்பட்டுள்ள பிற மாதிரிகளின் தாக்கத்தைச் சார்ந்துள்ளது என்று நாங்கள் கருதுகோள் கொள்கிறோம். DSM எதிர்கொள்ளும் சவால்களை நாங்கள் ஏற்றுக்கொள்கிறோம், மேலும் இந்த சவால்கள் பல முனைகளில் கையாளப்பட்டாலும், புவிப் புள்ளியியல் மற்றும் MLA மாதிரிகளில் உள்ள முன்னேற்றங்களின் கலவையானது படிப்படியானதாகத் தோன்றுகிறது; எனவே, கலப்பு மாதிரிகளை உருவாக்கக்கூடிய ஆராய்ச்சிக் கேள்விகளுக்குப் பதிலளிக்க நாங்கள் முயற்சிப்போம். இருப்பினும், இலக்குத் தனிமத்தைக் கணிப்பதில் இந்த மாதிரி எவ்வளவு துல்லியமானது? மேலும், சரிபார்ப்பு மற்றும் துல்லிய மதிப்பீட்டின் அடிப்படையில் செயல்திறன் மதிப்பீட்டின் நிலை என்ன? எனவே, இந்த ஆய்வின் குறிப்பிட்ட குறிக்கோள்கள் (அ) EBK-ஐ அடிப்படை மாதிரியாகப் பயன்படுத்தி SVMR அல்லது MLR-க்கான ஒரு ஒருங்கிணைந்த கலப்பு மாதிரியை உருவாக்குதல், (ஆ) அதன் விளைவாக வரும் மாதிரிகளை ஒப்பிடுதல், (இ) நகர்ப்புற அல்லது புறநகர்ப் பகுதிகளில் உள்ள மண்ணில் நிக்கல் செறிவுகளைக் கணிப்பதற்கான சிறந்த கலப்பு மாதிரியை முன்மொழிதல், மற்றும் (ஈ) நிக்கல் இடஞ்சார்ந்த மாறுபாட்டின் உயர்-தெளிவுத்திறன் வரைபடத்தை உருவாக்க SeOM-ஐப் பயன்படுத்துதல் ஆகும்.
இந்த ஆய்வு செக் குடியரசில், குறிப்பாக மொராவியா-சிலேசியப் பிராந்தியத்தில் உள்ள ஃப்ரைடெக் மிஸ்டெக் மாவட்டத்தில் மேற்கொள்ளப்படுகிறது (படம் 1-ஐப் பார்க்கவும்). ஆய்வுப் பகுதியின் புவியியல் மிகவும் கரடுமுரடானது மற்றும் இது பெரும்பாலும் மொராவியா-சிலேசிய பெஸ்கிடி பிராந்தியத்தின் ஒரு பகுதியாகும், இது கார்பேத்தியன் மலைகளின் வெளி விளிம்பின் ஒரு அங்கமாகும். ஆய்வுப் பகுதி 49° 41′ 0′ வடக்கு மற்றும் 18° 20′ 0′ கிழக்கு ஆகியவற்றுக்கு இடையில் அமைந்துள்ளது, மற்றும் இதன் உயரம் 225 முதல் 327 மீ வரை உள்ளது; இருப்பினும், இப்பகுதியின் காலநிலை நிலைக்கான கோப்பன் வகைப்பாட்டு முறை Cfb = மிதவெப்பமண்டல கடல்சார் காலநிலை என மதிப்பிடப்பட்டுள்ளது. வறண்ட மாதங்களில் கூட அதிக மழைப்பொழிவு உள்ளது. ஆண்டு முழுவதும் வெப்பநிலை −5 °C மற்றும் 24 °C க்கு இடையில் சிறிதளவு மாறுபடுகிறது, அரிதாகவே −14 °C க்குக் கீழேயோ அல்லது 30 °C க்கு மேலேயோ குறைகிறது, அதே நேரத்தில் சராசரி ஆண்டு மழைப்பொழிவு 685 முதல் 752 மிமீ வரை உள்ளது. முழுப் பகுதியின் மதிப்பிடப்பட்ட கணக்கெடுப்புப் பகுதி 1,208 சதுர கிலோமீட்டர்கள் ஆகும், இதில் 39.38% சாகுபடி நிலமும் 49.36% வனப்பகுதியும் அடங்கும். மறுபுறம், இந்த ஆய்வில் பயன்படுத்தப்பட்ட பகுதி சுமார் 889.8 சதுர கிலோமீட்டர்கள் ஆகும். ஒஸ்ட்ராவாவிலும் அதைச் சுற்றியுள்ள பகுதிகளிலும், எஃகுத் தொழிலும் உலோக ஆலைகளும் மிகவும் சுறுசுறுப்பாக இயங்குகின்றன. உலோக ஆலைகள், துருப்பிடிக்காத எஃகுகளில் (எ.கா. வளிமண்டல அரிப்பைத் தடுப்பதற்காக) மற்றும் கலப்பு எஃகுகளில் நிக்கல் பயன்படுத்தப்படும் எஃகுத் தொழில் (நிக்கல் கலவையின் நல்ல நீட்சித்தன்மை மற்றும் கடினத்தன்மையை பராமரிக்கும் அதே வேளையில் அதன் வலிமையை அதிகரிக்கிறது), மற்றும் பாஸ்பேட் உரமிடுதல் மற்றும் கால்நடை உற்பத்தி போன்ற தீவிர விவசாயம், இப்பகுதியில் நிக்கலின் சாத்தியமான ஆதாரங்களாக ஆராயப்படுகின்றன (எ.கா., ஆட்டுக்குட்டிகள் மற்றும் குறைந்த தீவனம் உண்ணும் கால்நடைகளின் வளர்ச்சி விகிதத்தை அதிகரிக்க அவற்றுக்கு நிக்கல் சேர்ப்பது). ஆராய்ச்சிப் பகுதிகளில் நிக்கலின் பிற தொழில்துறைப் பயன்பாடுகளில், மின்முலாம் பூசுதல், மின்முலாம் பூசும் நிக்கல் மற்றும் மின்சாரமில்லா நிக்கல் முலாம் பூசும் செயல்முறைகள் உள்ளிட்ட மின்முலாம் பூசுதலில் அதன் பயன்பாடும் அடங்கும். மண்ணின் நிறம், அமைப்பு மற்றும் கார்பனேட் உள்ளடக்கம் ஆகியவற்றிலிருந்து மண்ணின் பண்புகளை எளிதில் வேறுபடுத்தி அறியலாம். மண்ணின் தன்மை நடுத்தரமானது முதல் நுண்ணியது வரை இருக்கும், இது அதன் மூலப் பொருளிலிருந்து பெறப்படுகிறது. அவை சரிவுப் படிவு, வண்டல் படிவு அல்லது காற்றினால் உருவானவை. சில மண் பகுதிகள் மேற்பரப்பிலும் அடிமண்ணிலும் புள்ளிகளுடன் காணப்படுகின்றன, பெரும்பாலும் கான்கிரீட் மற்றும் வெளுப்புடன் காணப்படுகின்றன. இருப்பினும், இப்பகுதியில் கேம்பிசோல்கள் மற்றும் ஸ்டாக்னோசோல்களே மிகவும் பொதுவான மண் வகைகளாகும்⁴⁸. 455.1 முதல் 493.5 மீ வரையிலான உயரங்களுடன், செக் குடியரசில் கேம்பிசோல்களே ஆதிக்கம் செலுத்துகின்றன⁴⁹.
ஆய்வுப் பகுதி வரைபடம் [இந்த ஆய்வுப் பகுதி வரைபடம் ArcGIS டெஸ்க்டாப் (ESRI, Inc, பதிப்பு 10.7, இணைய முகவரி: https://desktop.arcgis.com) பயன்படுத்தி உருவாக்கப்பட்டது.]
ஃப்ரைடெக் மிஸ்டெக் மாவட்டத்தில் உள்ள நகர்ப்புற மற்றும் புறநகர்ப் பகுதிகளில் இருந்து மொத்தம் 115 மேல்மண் மாதிரிகள் பெறப்பட்டன. பயன்படுத்தப்பட்ட மாதிரி அமைப்பானது, 2 × 2 கி.மீ இடைவெளியில் மண் மாதிரிகள் வைக்கப்பட்ட ஒரு சீரான கட்டமாகும். மேலும், கையடக்க ஜிபிஎஸ் கருவியைப் (Leica Zeno 5 GPS) பயன்படுத்தி 0 முதல் 20 செ.மீ ஆழத்தில் மேல்மண் அளவிடப்பட்டது. மாதிரிகள் ஜிப்லாக் பைகளில் அடைக்கப்பட்டு, முறையாகக் குறியிடப்பட்டு, ஆய்வகத்திற்கு அனுப்பப்பட்டன. மாதிரிகள் காற்றில் உலர்த்தப்பட்டு தூளாக்கப்பட்டன. பின்னர், ஒரு இயந்திர அமைப்பு (ஃப்ரிட்ச் டிஸ்க் மில்) மூலம் தூளாக்கப்பட்டு, சலிக்கப்பட்டன (சல்லடை அளவு 2 மி.மீ). 1 கிராம் உலர்ந்த, ஒருபடித்தாக்கப்பட்ட மற்றும் சலிக்கப்பட்ட மண் மாதிரிகளைத் தெளிவாகக் குறியிடப்பட்ட டெஃப்ளான் புட்டிகளில் வைக்கவும். ஒவ்வொரு டெஃப்ளான் பாத்திரத்திலும், 7 மிலி 35% HCl மற்றும் 3 மிலி 65% HNO3 (தானியங்கி விநியோகிப்பானைப் பயன்படுத்தி - ஒவ்வொரு அமிலத்திற்கும் ஒன்று) ஊற்றி, லேசாக மூடி, வினைக்காக (அக்வா ரெஜியா திட்டம்) மாதிரிகளை இரவு முழுவதும் அப்படியே விடவும். மாதிரிகளின் செரிமான செயல்முறையை எளிதாக்குவதற்காக, தெளிந்த திரவத்தை 2 மணி நேரத்திற்கு ஒரு சூடான உலோகத் தட்டில் (வெப்பநிலை: 100 W மற்றும் 160 °C) வைத்து, பின்னர் குளிர்விக்கவும். தெளிந்த திரவத்தை ஒரு 50 மில்லி அளவுக் குடுவைக்கு மாற்றி, அயனியாக்கம் நீக்கப்பட்ட நீரைக் கொண்டு 50 மில்லிக்கு நீர்க்கவும். அதன்பிறகு, நீர்த்த தெளிந்த திரவத்தை அயனியாக்கம் நீக்கப்பட்ட நீருடன் ஒரு 50 மில்லி PVC குழாயில் வடிகட்டவும். கூடுதலாக, நீர்த்த கரைசலில் இருந்து 1 மில்லி எடுத்து, 9 மில்லி அயனியாக்கம் நீக்கப்பட்ட நீரில் நீர்த்து, PTE போலி-செறிவூட்டலுக்காகத் தயாரிக்கப்பட்ட 12 மில்லி குழாயில் வடிகட்டப்பட்டது. PTE-களின் (As, Cd, Cr, Cu, Mn, Ni, Pb, Zn, Ca, Mg, K) செறிவுகள், நிலையான முறைகள் மற்றும் உடன்படிக்கையின்படி ICP-OES (தூண்டப்பட்ட இணைவு பிளாஸ்மா ஒளியியல் உமிழ்வு நிறமாலையியல்) (தெர்மோ ஃபிஷர் சயின்டிஃபிக், அமெரிக்கா) மூலம் தீர்மானிக்கப்பட்டன. தர உறுதி மற்றும் கட்டுப்பாடு (QA/QC) நடைமுறைகளை (SRM) உறுதிசெய்யவும். NIST 2711a மொன்டானா II மண்). பாதிக்கும் குறைவான கண்டறியும் வரம்புகளைக் கொண்ட PTE-கள் இந்த ஆய்விலிருந்து விலக்கப்பட்டன. இந்த ஆய்வில் பயன்படுத்தப்பட்ட PTE-யின் கண்டறியும் வரம்பு 0.0004 ஆகும். கூடுதலாக, குறிப்புத் தரநிலைகளைப் பகுப்பாய்வு செய்வதன் மூலம் ஒவ்வொரு பகுப்பாய்வுக்குமான தரக் கட்டுப்பாடு மற்றும் தர உறுதி செயல்முறை உறுதி செய்யப்படுகிறது. பிழைகள் குறைக்கப்படுவதை உறுதிசெய்ய, ஒரு இரட்டைப் பகுப்பாய்வு செய்யப்பட்டது.
அனுபவ ரீதியான பேய்சியன் கிரிகிங் (EBK) என்பது மண் அறிவியல் போன்ற பல்வேறு துறைகளில் மாதிரியாக்கத்தில் பயன்படுத்தப்படும் பல புவிப் புள்ளியியல் இடைச்செருகல் நுட்பங்களில் ஒன்றாகும். மற்ற கிரிகிங் இடைச்செருகல் நுட்பங்களைப் போலல்லாமல், செமிவேரியோகிராம் மாதிரியால் மதிப்பிடப்பட்ட பிழையைக் கருத்தில் கொள்வதன் மூலம் EBK பாரம்பரிய கிரிகிங் முறைகளிலிருந்து வேறுபடுகிறது. EBK இடைச்செருகலில், ஒரு ஒற்றை செமிவேரியோகிராமுக்கு பதிலாக, இடைச்செருகலின் போது பல செமிவேரியோகிராம் மாதிரிகள் கணக்கிடப்படுகின்றன. போதுமான கிரிகிங் முறையின் மிகவும் சிக்கலான பகுதியாக இருக்கும் இந்த செமிவேரியோகிராம் வரைபடத்துடன் தொடர்புடைய நிச்சயமற்ற தன்மை மற்றும் நிரலாக்கத்திற்கு இடைச்செருகல் நுட்பங்கள் வழிவகுக்கின்றன. EBK-யின் இடைச்செருகல் செயல்முறை கிரிவோருச்கோ50 முன்மொழிந்த மூன்று அளவுகோல்களைப் பின்பற்றுகிறது, (அ) உள்ளீட்டுத் தரவுத்தொகுப்பிலிருந்து மாதிரி செமிவேரியோகிராமை மதிப்பிடுகிறது (ஆ) உருவாக்கப்பட்ட செமிவேரியோகிராமின் அடிப்படையில் ஒவ்வொரு உள்ளீட்டுத் தரவுத்தொகுப்பு இருப்பிடத்திற்கும் புதிய கணிக்கப்பட்ட மதிப்பு மற்றும் (இ) இறுதி மாதிரி ஒரு உருவகப்படுத்தப்பட்ட தரவுத்தொகுப்பிலிருந்து கணக்கிடப்படுகிறது. பேய்சியன் சமன்பாட்டு விதி ஒரு பிந்தைய மதிப்பாக வழங்கப்படுகிறது.
இதில் \(Prob\left(A\right)\) என்பது முந்தைய நிகழ்தகவைக் குறிக்கிறது, பெரும்பாலான சந்தர்ப்பங்களில் \(Prob\left(B\right)\) விளிம்புநிலை நிகழ்தகவு புறக்கணிக்கப்படுகிறது, அதாவது \(Prob (B,A)\ ). செமிவேரியோகிராம் கணக்கீடு பேயஸ் விதியை அடிப்படையாகக் கொண்டது, இது செமிவேரியோகிராம்களிலிருந்து உருவாக்கப்படக்கூடிய கண்காணிப்புத் தரவுத்தொகுப்புகளின் போக்கைக் காட்டுகிறது. பின்னர், செமிவேரியோகிராமின் மதிப்பு பேயஸ் விதியைப் பயன்படுத்தித் தீர்மானிக்கப்படுகிறது, இது செமிவேரியோகிராமிலிருந்து கண்காணிப்புகளின் தரவுத்தொகுப்பை உருவாக்குவதற்கான சாத்தியக்கூறு எவ்வளவு என்பதைக் கூறுகிறது.
சப்போர்ட் வெக்டர் மெஷின் என்பது, ஒரே மாதிரியான ஆனால் நேரியல் சார்பற்ற வகுப்புகளை வேறுபடுத்துவதற்காக ஒரு உகந்த பிரிக்கும் ஹைப்பர்பிளேனை உருவாக்கும் ஒரு இயந்திர கற்றல் வழிமுறை ஆகும். வாப்னிக்51 இந்த நோக்க வகைப்படுத்தல் வழிமுறையை உருவாக்கினார், ஆனால் இது சமீபத்தில் பின்னடைவு சார்ந்த சிக்கல்களைத் தீர்க்கப் பயன்படுத்தப்படுகிறது. லி மற்றும் பலர்52 கூற்றுப்படி, SVM சிறந்த வகைப்படுத்தி நுட்பங்களில் ஒன்றாகும் மற்றும் பல்வேறு துறைகளில் பயன்படுத்தப்படுகிறது. இந்த பகுப்பாய்வில் SVM-இன் பின்னடைவு கூறு (சப்போர்ட் வெக்டர் மெஷின் ரெக்ரஷன் – SVMR) பயன்படுத்தப்பட்டது. செர்காஸ்கி மற்றும் முலியர்53 ஆகியோர் SVMR-ஐ ஒரு கெர்னல் அடிப்படையிலான பின்னடைவாக முன்னோடியாகக் கொண்டு வந்தனர், அதன் கணக்கீடு பல-நாட்டு இடஞ்சார்ந்த செயல்பாடுகளுடன் கூடிய நேரியல் பின்னடைவு மாதிரியைப் பயன்படுத்தி செய்யப்பட்டது. ஜான் மற்றும் பலர்54, SVMR மாதிரியானது ஹைப்பர்பிளேன் நேரியல் பின்னடைவைப் பயன்படுத்துகிறது என்று தெரிவிக்கின்றனர், இது நேரியல் அல்லாத உறவுகளை உருவாக்குகிறது மற்றும் இடஞ்சார்ந்த செயல்பாடுகளை அனுமதிக்கிறது. வோஹ்லாண்ட் மற்றும் பலர் கூற்றுப்படி. 55, எப்சிலான் (ε)-SVMR, பயிற்சி பெற்ற தரவுத்தொகுப்பைப் பயன்படுத்தி, தொடர்புடைய தரவுகளில் பயிற்சி செய்வதன் மூலம் கிடைக்கும் சிறந்த எப்சிலான் சார்புடன் தரவைச் சுயாதீனமாக வரைபடமாக்கப் பயன்படுத்தப்படும் ஒரு எப்சிலான்-உணர்வற்ற சார்பாக ஒரு பிரதிநிதித்துவ மாதிரியைப் பெறுகிறது. முன்அமைக்கப்பட்ட தூரப் பிழை உண்மையான மதிப்பிலிருந்து புறக்கணிக்கப்படுகிறது, மேலும் பிழை ε(ε)-ஐ விட அதிகமாக இருந்தால், மண் பண்புகள் அதை ஈடுசெய்கின்றன. இந்த மாதிரி, பயிற்சித் தரவின் சிக்கலான தன்மையை ஆதரவு திசையன்களின் ஒரு பரந்த துணைத்தொகுப்பாகக் குறைக்கிறது. வாப்னிக்51 முன்மொழிந்த சமன்பாடு கீழே காட்டப்பட்டுள்ளது.
இதில் b என்பது ஸ்கேலார் வரம்பையும், \(K\left({x}_{,}{ x}_{k}\right)\) என்பது கெர்னல் சார்பையும், \(\alpha\) என்பது லாக்ராஞ்ச் பெருக்கியையும், N என்பது ஒரு எண் தரவுத்தொகுப்பையும், \({x}_{k}\) என்பது தரவு உள்ளீட்டையும், மற்றும் \(y\) என்பது தரவு வெளியீட்டையும் குறிக்கிறது. பயன்படுத்தப்படும் முக்கிய கெர்னல்களில் ஒன்று SVMR செயல்பாடு ஆகும், இது ஒரு காஸியன் ரேடியல் பேசிஸ் ஃபங்ஷன் (RBF) ஆகும். உகந்த SVMR மாதிரியைத் தீர்மானிக்க RBF கெர்னல் பயன்படுத்தப்படுகிறது, இது PTE பயிற்சித் தரவிற்கான மிகவும் நுட்பமான பெனால்டி செட் காரணி C மற்றும் கெர்னல் அளவுரு காமா (γ) ஆகியவற்றைப் பெறுவதற்கு முக்கியமானதாகும். முதலில், நாங்கள் பயிற்சித் தொகுப்பை மதிப்பீடு செய்து, பின்னர் சரிபார்ப்புத் தொகுப்பில் மாதிரியின் செயல்திறனைச் சோதித்தோம். பயன்படுத்தப்படும் ஸ்டீயரிங் அளவுரு சிக்மா மற்றும் முறை மதிப்பு svmRadial ஆகும்.
பல நேரியல் பின்னடைவு மாதிரி (MLR) என்பது, குறைந்த வர்க்க முறையைப் பயன்படுத்தி கணக்கிடப்பட்ட நேரியல் ஒருங்கிணைந்த அளவுருக்களைக் கொண்டு, துலங்கல் மாறிக்கும் பல முன்கணிப்பு மாறிகளுக்கும் இடையிலான உறவைப் பிரதிநிதித்துவப்படுத்தும் ஒரு பின்னடைவு மாதிரி ஆகும். MLR-இல், விளக்க மாறிகளைத் தேர்ந்தெடுத்த பிறகு, குறைந்த வர்க்க மாதிரியானது மண் பண்புகளின் ஒரு முன்கணிப்புச் சார்பாகச் செயல்படுகிறது. விளக்க மாறிகளைப் பயன்படுத்தி ஒரு நேரியல் உறவை நிறுவ, துலங்கல் மாறியைப் பயன்படுத்துவது அவசியமாகும். விளக்க மாறிகளுடன் ஒரு நேரியல் உறவை நிறுவ, PTE துலங்கல் மாறியாகப் பயன்படுத்தப்பட்டது. MLR சமன்பாடு பின்வருமாறு:
இதில் y என்பது எதிர்வினை மாறி, \(a\) என்பது இடைமறிப்பு, n என்பது முன்கணிப்பிகளின் எண்ணிக்கை, \({b}_{1}\) என்பது கெழுக்களின் பகுதி பின்னடைவு, \({x}_{ i}\) என்பது ஒரு முன்கணிப்பி அல்லது விளக்க மாறியைக் குறிக்கிறது, மற்றும் \({\varepsilon }_{i}\) என்பது மாதிரியில் உள்ள பிழையைக் குறிக்கிறது, இது மீதம் என்றும் அழைக்கப்படுகிறது.
EBK-ஐ SVMR மற்றும் MLR உடன் இணைப்பதன் மூலம் கலப்பு மாதிரிகள் பெறப்பட்டன. EBK இடைச்செருகலில் இருந்து கணிக்கப்பட்ட மதிப்புகளைப் பிரித்தெடுப்பதன் மூலம் இது செய்யப்படுகிறது. இடைச்செருகப்பட்ட Ca, K, மற்றும் Mg ஆகியவற்றிலிருந்து பெறப்பட்ட கணிக்கப்பட்ட மதிப்புகள், CaK, CaMg, மற்றும் KMg போன்ற புதிய மாறிகளைப் பெறுவதற்காக ஒரு சேர்மானச் செயல்முறையின் மூலம் பெறப்படுகின்றன. பின்னர் Ca, K மற்றும் Mg ஆகிய தனிமங்கள் இணைக்கப்பட்டு CaKMg என்ற நான்காவது மாறி பெறப்படுகிறது. மொத்தத்தில், பெறப்பட்ட மாறிகள் Ca, K, Mg, CaK, CaMg, KMg மற்றும் CaKMg ஆகும். இந்த மாறிகள் நமது முன்கணிப்பிகளாக மாறி, நகர்ப்புற மற்றும் புறநகர்ப் பகுதிகளில் உள்ள மண்ணில் நிக்கல் செறிவுகளைக் கணிக்க உதவின. முன்கணிப்பிகளின் மீது SVMR நெறிமுறை செயல்படுத்தப்பட்டு, அனுபவவாத பேய்சியன் கிரிகிங்-ஆதரவு திசையன் இயந்திரம் (EBK_SVM) என்ற கலப்பு மாதிரி பெறப்பட்டது. இதேபோல், அனுபவவாத பேய்சியன் கிரிகிங்-பல நேரியல் பின்னடைவு என்ற கலப்பு மாதிரியைப் பெறுவதற்காக, மாறிகள் MLR நெறிமுறை வழியாகவும் செலுத்தப்படுகின்றன. (EBK_MLR). வழக்கமாக, நகர்ப்புற மற்றும் புறநகர்ப் பகுதிகளில் உள்ள மண்ணில் நிக்கல் (Ni) அளவைக் கணிக்கும் துணை மாறிகளாக Ca, K, Mg, CaK, CaMg, KMg, மற்றும் CaKMg ஆகியவை பயன்படுத்தப்படுகின்றன. பெறப்பட்ட மிகவும் ஏற்றுக்கொள்ளத்தக்க மாதிரியானது (EBK_SVM அல்லது EBK_MLR), பின்னர் ஒரு சுய-ஒழுங்கமைவு வரைபடத்தைப் பயன்படுத்தி காட்சிப்படுத்தப்படும். இந்த ஆய்வின் பணிப்பாய்வு படம் 2-இல் காட்டப்பட்டுள்ளது.
நிதித் துறை, சுகாதாரம், தொழில்துறை, புள்ளியியல், மண் அறிவியல் மற்றும் பலவற்றில் தரவுகளை ஒழுங்கமைத்தல், மதிப்பீடு செய்தல் மற்றும் முன்கணித்தல் ஆகியவற்றிற்கு SeOM ஒரு பிரபலமான கருவியாக மாறியுள்ளது. ஒழுங்கமைத்தல், மதிப்பீடு செய்தல் மற்றும் முன்கணித்தல் ஆகியவற்றிற்காக செயற்கை நரம்பியல் வலைப்பின்னல்கள் மற்றும் மேற்பார்வையற்ற கற்றல் முறைகளைப் பயன்படுத்தி SeOM உருவாக்கப்படுகிறது. இந்த ஆய்வில், நகர்ப்புற மற்றும் புறநகர்ப் பகுதிகளில் உள்ள மண்ணில் நிக்கல் (Ni) அளவைக் கணிப்பதற்கான சிறந்த மாதிரியின் அடிப்படையில், நிக்கல் செறிவுகளைக் காட்சிப்படுத்த SeOM பயன்படுத்தப்பட்டது. SeOM மதிப்பீட்டில் செயலாக்கப்பட்ட தரவுகள் n உள்ளீட்டு-பரிமாண திசையன் மாறிகளாகப் பயன்படுத்தப்படுகின்றன43,56. மெல்சென் மற்றும் பலர். 57 ஒரு உள்ளீட்டு திசையனை ஒரு ஒற்றை உள்ளீட்டு அடுக்கு வழியாக ஒரு ஒற்றை எடை திசையனைக் கொண்ட வெளியீட்டு திசையனுடன் ஒரு நரம்பியல் வலையமைப்பில் இணைப்பதை விவரிக்கிறது. SeOM ஆல் உருவாக்கப்படும் வெளியீடு என்பது, வெவ்வேறு நியூரான்கள் அல்லது கணுக்கள் அவற்றின் அருகாமைக்கு ஏற்ப அறுகோண, வட்ட அல்லது சதுர இடவியல் வரைபடங்களாகப் பின்னப்பட்ட ஒரு இரு பரிமாண வரைபடமாகும். அளவீட்டு, குவாண்டமாக்கல் பிழை (QE) மற்றும் இடவியல் பிழை (TE) ஆகியவற்றின் அடிப்படையில் வரைபட அளவுகளை ஒப்பிட்டுப் பார்க்கையில், முறையே 0.086 மற்றும் 0.904 கொண்ட SeOM மாதிரி தேர்ந்தெடுக்கப்படுகிறது, இது ஒரு 55-வரைபட அலகு (5 × 11) ஆகும். அனுபவச் சமன்பாட்டில் உள்ள கணுக்களின் எண்ணிக்கைக்கு ஏற்ப நியூரானின் அமைப்பு தீர்மானிக்கப்படுகிறது.
இந்த ஆய்வில் பயன்படுத்தப்பட்ட தரவுகளின் எண்ணிக்கை 115 மாதிரிகள் ஆகும். தரவுகளை சோதனைத் தரவுகளாகவும் (சரிபார்ப்புக்கு 25%) மற்றும் பயிற்சித் தரவுத் தொகுப்புகளாகவும் (அளவீட்டுக்கு 75%) பிரிக்க ஒரு சமவாய்ப்பு அணுகுமுறை பயன்படுத்தப்பட்டது. பயிற்சித் தரவுத் தொகுப்பு பின்னடைவு மாதிரியை (அளவீடு) உருவாக்கப் பயன்படுகிறது, மற்றும் சோதனைத் தரவுத் தொகுப்பு பொதுமைப்படுத்தும் திறனைச் சரிபார்க்கப் பயன்படுகிறது58. மண்ணில் உள்ள நிக்கல் உள்ளடக்கத்தைக் கணிப்பதற்கான பல்வேறு மாதிரிகளின் பொருத்தத்தை மதிப்பிடுவதற்காக இது செய்யப்பட்டது. பயன்படுத்தப்பட்ட அனைத்து மாதிரிகளும் பத்து மடங்கு குறுக்கு-சரிபார்ப்பு செயல்முறைக்கு உட்படுத்தப்பட்டன, இது ஐந்து முறை மீண்டும் செய்யப்பட்டது. EBK இடைச்செருகல் மூலம் உருவாக்கப்பட்ட மாறிகள், இலக்கு மாறியை (PTE) கணிக்க, முன்கணிப்பிகளாக அல்லது விளக்க மாறிகளாகப் பயன்படுத்தப்படுகின்றன. மாதிரியாக்கம் RStudio-வில், library(Kohonen), library(caret), library(modelr), library(“e1071″), library(“plyr”), library(“caTools”), library(” prospectr”) மற்றும் libraries (“Metrics”) ஆகிய தொகுப்புகளைப் பயன்படுத்தி கையாளப்படுகிறது.
மண்ணில் உள்ள நிக்கல் செறிவுகளைக் கணிப்பதற்கு ஏற்ற சிறந்த மாதிரியைத் தீர்மானிக்கவும், மாதிரியின் துல்லியம் மற்றும் அதன் சரிபார்ப்பை மதிப்பிடவும் பல்வேறு சரிபார்ப்பு அளவுருக்கள் பயன்படுத்தப்பட்டன. கலப்பின மாதிரிகள் சராசரி தனிப் பிழை (MAE), மூல சராசரி வர்க்கப் பிழை (RMSE) மற்றும் R-வர்க்கம் அல்லது குணக நிர்ணயம் (R2) ஆகியவற்றைப் பயன்படுத்தி மதிப்பிடப்பட்டன. R2 என்பது பின்னடைவு மாதிரியால் குறிப்பிடப்படும் பதிலில் உள்ள விகிதாச்சாரங்களின் மாறுபாட்டை வரையறுக்கிறது. சார்பற்ற அளவீடுகளில் RMSE மற்றும் மாறுபாட்டின் அளவு ஆகியவை மாதிரியின் முன்கணிப்புத் திறனை விவரிக்கின்றன, அதே நேரத்தில் MAE உண்மையான அளவு மதிப்பைத் தீர்மானிக்கிறது. சரிபார்ப்பு அளவுருக்களைப் பயன்படுத்தி சிறந்த கலவை மாதிரியை மதிப்பிடுவதற்கு R2 மதிப்பு அதிகமாக இருக்க வேண்டும், அந்த மதிப்பு 1-க்கு எவ்வளவு நெருக்கமாக இருக்கிறதோ, துல்லியம் அவ்வளவு அதிகமாக இருக்கும். லி மற்றும் பலர் 59-இன் படி, 0.75 அல்லது அதற்கும் அதிகமான R2 அளவுகோல் மதிப்பு ஒரு நல்ல முன்கணிப்பாளராகக் கருதப்படுகிறது; 0.5 முதல் 0.75 வரை என்பது ஏற்றுக்கொள்ளக்கூடிய மாதிரி செயல்திறன் ஆகும், மேலும் 0.5-க்குக் கீழ் இருப்பது ஏற்றுக்கொள்ள முடியாத மாதிரி செயல்திறன் ஆகும். 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.
இதில் n என்பது உற்றுநோக்கப்பட்ட மதிப்பின் அளவையும், \({Y}_{i}\) என்பது அளவிடப்பட்ட துலங்கலையும், மற்றும் \({\widehat{Y}}_{i}\) என்பது கணிக்கப்பட்ட துலங்கல் மதிப்பையும் குறிக்கிறது, எனவே, முதல் i உற்றுநோக்கல்களுக்கு.
முன்கணிப்பு மற்றும் எதிர்வினை மாறிகளின் புள்ளிவிவர விளக்கங்கள் அட்டவணை 1-இல் வழங்கப்பட்டுள்ளன, அவை சராசரி, திட்ட விலக்கம் (SD), மாறுபாட்டுக் குணகம் (CV), குறைந்தபட்சம், அதிகபட்சம், குர்தோசிஸ் மற்றும் ஸ்கியூனஸ் 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 எதிர்வினை மாறியின் (Ni) செறிவுகள் 4.86 முதல் 42.39 mg/kg வரை இருந்தன. Ni-ஐ உலக சராசரி (29 mg/kg) மற்றும் ஐரோப்பிய சராசரி (37 mg/kg) ஆகியவற்றுடன் ஒப்பிடுகையில், ஆய்வுப் பகுதிக்கான ஒட்டுமொத்தமாகக் கணக்கிடப்பட்ட வடிவியல் சராசரி ஏற்றுக்கொள்ளக்கூடிய வரம்பிற்குள் இருந்தது. ஆயினும்கூட, கபாடா-பென்டியாஸ்¹¹ காட்டியுள்ளபடி, தற்போதைய ஆய்வில் உள்ள சராசரி நிக்கல் (Ni) செறிவை ஸ்வீடனில் உள்ள விவசாய மண்ணுடன் ஒப்பிடுகையில், தற்போதைய சராசரி நிக்கல் செறிவு அதிகமாக இருப்பது தெரியவந்துள்ளது. அதேபோல், தற்போதைய ஆய்வில் நகர்ப்புற மற்றும் புறநகர்ப் பகுதிகளில் உள்ள ஃபிரைடெக் மிஸ்டெக்கின் சராசரி செறிவு (Ni) போலந்து நகர்ப்புற மண்ணில் நிக்கலுக்கான அனுமதிக்கப்பட்ட வரம்பான 60 (10.2 மி.கி/கி) ஐ விட, ரோசான்ஸ்கி மற்றும் குழுவினரால் அறிவிக்கப்பட்ட நிக்கல் செறிவு (16.15 மி.கி/கி) அதிகமாக இருந்தது. மேலும், தற்போதைய ஆய்வுடன் ஒப்பிடுகையில், ப்ரெட்ஸல் மற்றும் கால்டெரிசி61 டஸ்கனியில் உள்ள நகர்ப்புற மண்ணில் மிகக் குறைந்த சராசரி நிக்கல் செறிவுகளை (1.78 மி.கி/கி) பதிவு செய்துள்ளனர். ஜிம்62 ஹாங்காங் நகர்ப்புற மண்ணில் குறைந்த நிக்கல் செறிவையும் (12.34 மி.கி/கி) கண்டறிந்தார், இது இந்த ஆய்வில் உள்ள தற்போதைய நிக்கல் செறிவை விடக் குறைவாகும். ஜெர்மனியின் சாக்சோனி-அன்ஹால்ட்டில் உள்ள ஒரு பழைய சுரங்க மற்றும் நகர்ப்புற தொழில்துறை பகுதியில் பிர்கே மற்றும் குழுவினர்63 சராசரி நிக்கல் செறிவு 17.6 மி.கி/கி என்று அறிவித்தனர், இது அப்பகுதியின் சராசரி நிக்கல் செறிவை (16.15 மி.கி/கி) விட 1.45 மி.கி/கி அதிகமாகும். தற்போதைய ஆராய்ச்சி. ஆய்வுப் பகுதியின் சில நகர்ப்புற மற்றும் புறநகர்ப் பகுதிகளில் உள்ள மண்ணில் காணப்படும் அதிகப்படியான நிக்கல் உள்ளடக்கத்திற்கு முக்கியமாக இரும்பு மற்றும் எஃகுத் தொழில் மற்றும் உலோகத் தொழில் காரணமாக இருக்கலாம். இது இதனுடன் ஒத்துப்போகிறது. கோடடூஸ்ட் மற்றும் குழுவினரின் ஆய்வு 64, எஃகுத் தொழில் மற்றும் உலோக வேலைப்பாடுகளே மண்ணில் நிக்கல் மாசுபடுதலின் முக்கிய ஆதாரங்கள் என்று கூறுகிறது. இருப்பினும், முன்கணிப்பிகளின் அளவுகள் Ca-க்கு 538.70 மி.கி/கி முதல் 69,161.80 மி.கி/கி வரையிலும், K-க்கு 497.51 மி.கி/கி முதல் 3535.68 மி.கி/கி வரையிலும், மற்றும் Mg-க்கு 685.68 மி.கி/கி முதல் 5970.05 மி.கி/கி வரையிலும் இருந்தன. ஜாகோவ்ல்ஜெவிக் மற்றும் குழுவினர். 65 மத்திய செர்பியாவில் உள்ள மண்ணின் மொத்த மெக்னீசியம் (Mg) மற்றும் பொட்டாசியம் (K) உள்ளடக்கத்தை ஆய்வு செய்தனர். மொத்த செறிவுகள் (முறையே 410 மி.கி/கி.கி மற்றும் 400 மி.கி/கி.கி) தற்போதைய ஆய்வின் மெக்னீசியம் மற்றும் பொட்டாசியம் செறிவுகளை விட குறைவாக இருப்பதைக் கண்டறிந்தனர். இதேபோல், கிழக்கு போலந்தில், ஓர்செச்சோவ்ஸ்கி மற்றும் ஸ்மோல்சின்ஸ்கி66 கால்சியம் (Ca), மெக்னீசியம் (Mg) மற்றும் பொட்டாசியம் (K) ஆகியவற்றின் மொத்த உள்ளடக்கத்தை மதிப்பிட்டு, மேல்மண்ணில் உள்ள கால்சியம் (Ca) (1100 மி.கி/கி.கி), மெக்னீசியம் (Mg) (590 மி.கி/கி.கி) மற்றும் பொட்டாசியம் (K) (810 மி.கி/கி.கி) ஆகியவற்றின் சராசரி செறிவுகள் இந்த ஆய்வில் உள்ள தனித்தனி தனிமத்தை விட குறைவாக இருப்பதைக் காட்டினர். போங்க்ராக் மற்றும் குழுவினரின் 67 சமீபத்திய ஆய்வு, இங்கிலாந்தின் ஸ்காட்லாந்தில் உள்ள 3 வெவ்வேறு மண்ணில் (மைல்ன்ஃபீல்ட் மண், பால்ருடெரி மண் மற்றும் ஹார்ட்வுட் மண்) பகுப்பாய்வு செய்யப்பட்ட மொத்த கால்சியம் (Ca) உள்ளடக்கம், இந்த ஆய்வில் உள்ளதை விட அதிக கால்சியம் (Ca) உள்ளடக்கத்தைக் காட்டுவதாக நிரூபித்தது.
மாதிரி எடுக்கப்பட்ட தனிமங்களின் அளவிடப்பட்ட செறிவுகள் வேறுபடுவதால், தனிமங்களின் தரவுத் தொகுப்புப் பரவல்கள் வெவ்வேறு கோட்டத்தைக் காட்டுகின்றன. தனிமங்களின் கோட்டம் மற்றும் தட்டை முறையே 1.53 முதல் 7.24 வரையிலும், 2.49 முதல் 54.16 வரையிலும் இருந்தன. கணக்கிடப்பட்ட அனைத்து தனிமங்களும் +1-க்கு மேற்பட்ட கோட்டம் மற்றும் தட்டை அளவுகளைக் கொண்டுள்ளன, இது தரவுப் பரவல் ஒழுங்கற்றதாகவும், வலது திசையில் கோட்டமாகவும், உச்சமாகவும் இருப்பதைக் குறிக்கிறது. தனிமங்களின் மதிப்பிடப்பட்ட மாறுபாட்டுக் குணகங்கள் (CVs) K, Mg, மற்றும் Ni ஆகியவை மிதமான மாறுபாட்டைக் காட்டுவதையும், அதே சமயம் Ca மிகவும் அதிக மாறுபாட்டைக் கொண்டிருப்பதையும் காட்டுகின்றன. K, Ni மற்றும் Mg ஆகியவற்றின் மாறுபாட்டுக் குணகங்கள் அவற்றின் சீரான பரவலை விளக்குகின்றன. மேலும், Ca-வின் பரவல் சீரற்றதாக உள்ளது மற்றும் வெளிப்புற மூலங்கள் அதன் செறிவூட்டல் அளவைப் பாதிக்கக்கூடும்.
முன்கணிப்பு மாறிகளுக்கும் பதிலளிப்புக் கூறுகளுக்கும் இடையிலான தொடர்பு, கூறுகளுக்கு இடையே ஒரு திருப்திகரமான தொடர்பைக் காட்டியது (படம் 3-ஐப் பார்க்கவும்). இந்தத் தொடர்பு, CaK மற்றும் CaNi ஆகியவை r மதிப்பு = 0.53 உடன் மிதமான தொடர்பைக் காட்டின என்பதைக் குறிக்கிறது. Ca மற்றும் K ஒன்றுக்கொன்று மிதமான தொடர்புகளைக் காட்டினாலும், கிங்ஸ்டன் மற்றும் பிற ஆராய்ச்சியாளர்கள்... 68 மற்றும் சாண்டோ69 ஆகியவை மண்ணில் அவற்றின் அளவுகள் நேர்மாறு விகிதத்தில் இருப்பதாகக் கூறுகின்றன. இருப்பினும், Ca மற்றும் Mg ஆகியவை K-க்கு எதிரானவை, ஆனால் CaK நன்றாகத் தொடர்புடையது. பொட்டாசியம் 56% அதிகமாக உள்ள பொட்டாசியம் கார்பனேட் போன்ற உரங்களைப் பயன்படுத்துவதால் இது இருக்கலாம். பொட்டாசியம், மெக்னீசியத்துடன் மிதமான அளவில் தொடர்புடையது (KM r = 0.63). உரத் தொழிலில், இந்த இரண்டு தனிமங்களும் நெருங்கிய தொடர்புடையவை, ஏனெனில் பொட்டாசியம் மெக்னீசியம் சல்பேட், பொட்டாசியம் மெக்னீசியம் நைட்ரேட் மற்றும் பொட்டாஷ் ஆகியவை மண்ணின் பற்றாக்குறை அளவை அதிகரிக்கப் பயன்படுத்தப்படுகின்றன. நிக்கல், Ca, K மற்றும் Mg உடன் முறையே r மதிப்புகள் = 0.52, 0.63 மற்றும் 0.55 உடன் மிதமான அளவில் தொடர்புடையது. கால்சியம், மெக்னீசியம் மற்றும் நிக்கல் போன்ற நச்சு உலோகங்கள் (PTEs) சம்பந்தப்பட்ட உறவுகள் சிக்கலானவை, இருப்பினும், மெக்னீசியம் கால்சியம் உறிஞ்சுதலைத் தடுக்கிறது, கால்சியம் அதிகப்படியான மெக்னீசியத்தின் விளைவுகளைக் குறைக்கிறது, மேலும் மெக்னீசியம் மற்றும் கால்சியம் இரண்டும் மண்ணில் உள்ள நிக்கலின் நச்சு விளைவுகளைக் குறைக்கின்றன.
முன்கணிப்பிகளுக்கும் பதில்களுக்கும் இடையிலான உறவைக் காட்டும் கூறுகளுக்கான தொடர்பு அணி (குறிப்பு: இந்த வரைபடத்தில் கூறுகளுக்கு இடையேயான சிதறல் வரைபடம் உள்ளது, முக்கியத்துவ நிலைகள் p < 0.001 என்பதை அடிப்படையாகக் கொண்டவை).
படம் 4 தனிமங்களின் இடஞ்சார்ந்த பரவலை விளக்குகிறது. புர்கோஸ் மற்றும் குழுவினரின்70 கூற்றுப்படி, இடஞ்சார்ந்த பரவலின் பயன்பாடு என்பது மாசுபட்ட பகுதிகளில் உள்ள அதிக செறிவுள்ள இடங்களை அளவிடவும் மற்றும் முன்னிலைப்படுத்தவும் பயன்படுத்தப்படும் ஒரு நுட்பமாகும். படம் 4-இல் உள்ள கால்சியத்தின் (Ca) செறிவூட்டல் அளவுகளை இடஞ்சார்ந்த பரவல் வரைபடத்தின் வடமேற்குப் பகுதியில் காணலாம். இப்படம் மிதமானது முதல் அதிகமானது வரையிலான கால்சியம் செறிவூட்டல் கொண்ட அதிக செறிவுள்ள இடங்களைக் காட்டுகிறது. வரைபடத்தின் வடமேற்கில் உள்ள கால்சியம் செறிவூட்டலுக்கு, மண்ணின் அமிலத்தன்மையைக் குறைக்க சுண்ணக்கட்டி (கால்சியம் ஆக்சைடு) பயன்படுத்துவதும், எஃகு ஆலைகளில் எஃகு தயாரிப்புச் செயல்பாட்டில் கார ஆக்சிஜனாகப் பயன்படுத்துவதும் காரணமாக இருக்கலாம். மறுபுறம், மற்ற விவசாயிகள் அமில மண்ணில் pH-ஐ நடுநிலையாக்க கால்சியம் ஹைட்ராக்சைடைப் பயன்படுத்த விரும்புகிறார்கள், இது மண்ணின் கால்சியம் உள்ளடக்கத்தையும் அதிகரிக்கிறது71. பொட்டாசியமும் வரைபடத்தின் வடமேற்கு மற்றும் கிழக்குப் பகுதிகளில் அதிக செறிவுள்ள இடங்களைக் காட்டுகிறது. வடமேற்கு ஒரு முக்கிய விவசாய சமூகமாகும், மேலும் பொட்டாசியத்தின் மிதமானது முதல் அதிகமானது வரையிலான போக்கு NPK மற்றும் பொட்டாஷ் பயன்பாடுகளால் இருக்கலாம். இது மதராஸ் மற்றும் லிபாவ்ஸ்கி72, மதராஸ் மற்றும் குழுவினர்73 போன்ற பிற ஆய்வுகளுடன் ஒத்துப்போகிறது. புல்க்ரபோவா மற்றும் பலர்.74, அசரே மற்றும் பலர்.75, மண் நிலைப்படுத்தல் மற்றும் KCl மற்றும் NPK உடனான சிகிச்சையானது மண்ணில் அதிக K உள்ளடக்கத்திற்கு வழிவகுத்தது என்பதைக் கண்டறிந்தனர். விநியோக வரைபடத்தின் வடமேற்கில் உள்ள இடஞ்சார்ந்த பொட்டாசியம் செறிவூட்டலானது, பொட்டாசியம் குளோரைடு, பொட்டாசியம் சல்பேட், பொட்டாசியம் நைட்ரேட், பொட்டாஷ் மற்றும் பொட்டாஷ் போன்ற பொட்டாசியம் சார்ந்த உரங்களைப் பயன்படுத்தி, வளம் குறைந்த மண்ணின் பொட்டாசியம் உள்ளடக்கத்தை அதிகரிப்பதன் காரணமாக இருக்கலாம். ஜடோரோவா மற்றும் பலர். 76 மற்றும் டுலுஸ்டோஸ் மற்றும் பலர். 77, பொட்டாசியம் (K) அடிப்படையிலான உரங்களைப் பயன்படுத்துவது மண்ணில் பொட்டாசியத்தின் அளவை அதிகரிப்பதாகவும், நீண்ட காலத்திற்கு மண்ணின் ஊட்டச்சத்து உள்ளடக்கத்தை, குறிப்பாக பொட்டாசியம் மற்றும் மெக்னீசியத்தை கணிசமாக அதிகரிக்கும் என்றும் கோடிட்டுக் காட்டுகிறது. இது மண்ணில் ஒரு 'ஹாட் ஸ்பாட்' (hot spot) இருப்பதைக் காட்டுகிறது. வரைபடத்தின் வடமேற்கு மற்றும் தென்கிழக்குப் பகுதிகளில் ஒப்பீட்டளவில் மிதமான 'ஹாட் ஸ்பாட்கள்' காணப்படுகின்றன. மண்ணில் உள்ள கூழ்ம நிலைப்படுத்தல் (Colloidal fixation) மண்ணில் உள்ள மெக்னீசியத்தின் செறிவைக் குறைக்கிறது. மண்ணில் அதன் பற்றாக்குறை, தாவரங்கள் மஞ்சள் நிற நரம்புகளுக்கு இடையேயான வெளிறலை (chlorosis) வெளிப்படுத்தக் காரணமாகிறது. பொட்டாசியம் மெக்னீசியம் சல்பேட், மெக்னீசியம் சல்பேட் மற்றும் கீசரைட் போன்ற மெக்னீசியம் அடிப்படையிலான உரங்கள், இயல்பான pH வரம்பில் உள்ள மண்ணில் ஏற்படும் குறைபாடுகளைச் சரிசெய்கின்றன (தாவரங்கள் ஊதா, சிவப்பு அல்லது பழுப்பு நிறத்தில் தோன்றும், இது மெக்னீசியம் குறைபாட்டைக் குறிக்கிறது)6. நகர்ப்புற மற்றும் புறநகர்ப் பகுதிகளின் மண் பரப்புகளில் நிக்கல் குவிவது, விவசாயம் போன்ற மனித நடவடிக்கைகளாலும், துருப்பிடிக்காத எஃகு உற்பத்தியில் நிக்கலின் முக்கியத்துவத்தாலும் இருக்கலாம்78.
கூறுகளின் இடஞ்சார்ந்த பரவல் [இடஞ்சார்ந்த பரவல் வரைபடம் ArcGIS டெஸ்க்டாப் (ESRI, Inc, பதிப்பு 10.7, URL: https://desktop.arcgis.com) பயன்படுத்தி உருவாக்கப்பட்டது.]
இந்த ஆய்வில் பயன்படுத்தப்பட்ட தனிமங்களுக்கான மாதிரி செயல்திறன் குறியீட்டு முடிவுகள் அட்டவணை 2-இல் காட்டப்பட்டுள்ளன. மறுபுறம், Ni-இன் RMSE மற்றும் MAE ஆகிய இரண்டும் பூஜ்ஜியத்திற்கு அருகில் உள்ளன (0.86 RMSE, -0.08 MAE). மறுபுறம், K-இன் RMSE மற்றும் MAE மதிப்புகள் இரண்டும் ஏற்றுக்கொள்ளத்தக்கவையாக உள்ளன. கால்சியம் மற்றும் மெக்னீசியத்திற்கு RMSE மற்றும் MAE முடிவுகள் அதிகமாக இருந்தன. வெவ்வேறு தரவுத்தொகுப்புகள் காரணமாக Ca மற்றும் K-இன் MAE மற்றும் RMSE முடிவுகள் அதிகமாக உள்ளன. Ni-ஐக் கணிக்க EBK-ஐப் பயன்படுத்திய இந்த ஆய்வின் RMSE மற்றும் MAE, அதே சேகரிக்கப்பட்ட தரவைப் பயன்படுத்தி மண்ணில் உள்ள S செறிவுகளைக் கணிக்க சினர்ஜிஸ்டிக் கிரிகிங்கைப் பயன்படுத்திய John et al. 54-இன் முடிவுகளை விடச் சிறந்ததாகக் 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 ஆகியோரின் வெளியீடுகளுடன், குறிப்பாக K மற்றும் Ni-உடன், ஒத்திருக்கின்றன.
நகர்ப்புற மற்றும் புறநகர்ப் பகுதிகளில் உள்ள மண்ணில் நிக்கல் அளவைக் கணிப்பதற்கான தனிப்பட்ட முறைகளின் செயல்திறன், மாதிரிகளின் செயல்திறனைப் பயன்படுத்தி மதிப்பிடப்பட்டது (அட்டவணை 3). மாதிரி சரிபார்ப்பு மற்றும் துல்லிய மதிப்பீடு, Ca_Mg_K கணிப்பானுடன் EBK SVMR மாதிரி இணைக்கப்பட்டு சிறந்த செயல்திறனை அளித்ததை உறுதிப்படுத்தியது. அளவுத்திருத்த மாதிரியான Ca_Mg_K-EBK_SVMR மாதிரியின் R2, மூல சராசரி வர்க்கப் பிழை (RMSE) மற்றும் சராசரி தனிப் பிழை (MAE) ஆகியவை முறையே 0.637 (R2), 95.479 mg/kg (RMSE) மற்றும் 77.368 mg/kg (MAE) ஆகவும், Ca_Mg_K-SVMR மாதிரியின் R2, மூல சராசரி வர்க்கப் பிழை (RMSE) மற்றும் சராசரி தனிப் பிழை (MAE) ஆகியவை 0.663 (R2), 235.974 mg/kg (RMSE) மற்றும் 166.946 mg/kg (MAE) ஆகவும் இருந்தன. இருப்பினும், Ca_Mg_K-SVMR (0.663 mg/kg R2) மற்றும் Ca_Mg-EBK_SVMR மாதிரிகளுக்கு நல்ல R2 மதிப்புகள் பெறப்பட்டன. (0.643 = R2); 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, இது Ca_Mg_K-EBK_SVMR ஐ விட பெரியது. அதேபோல், Ca_Mg-K SVMR (RMSE = 235.974 மற்றும் MAE = 166.946) மாதிரியின் RMSE மற்றும் MAE முறையே Ca_Mg_K-EBK_SVMR RMSE மற்றும் MAE ஐ விட 2.5 மற்றும் 2.2 அதிகமாக உள்ளன. கணக்கிடப்பட்ட RMSE முடிவுகள், தரவுத் தொகுப்பு சிறந்த பொருத்தக் கோட்டுடன் எவ்வளவு செறிவாக உள்ளது என்பதைக் குறிக்கிறது. அதிக RSME மற்றும் MAE காணப்பட்டன. கெபோன்யே மற்றும் குழுவினரின் கூற்றுப்படி. அல். 46 மற்றும் ஜான் எட் அல். 54-இன் படி, RMSE மற்றும் MAE பூஜ்ஜியத்திற்கு எவ்வளவு நெருக்கமாக இருக்கின்றனவோ, அவ்வளவு சிறந்த முடிவுகள் கிடைக்கும். SVMR மற்றும் EBK_SVMR ஆகியவை அதிக அளவிடப்பட்ட RSME மற்றும் MAE மதிப்புகளைக் கொண்டுள்ளன. RSME மதிப்பீடுகள் MAE மதிப்புகளை விட தொடர்ந்து அதிகமாக இருப்பது காணப்பட்டது, இது புறத்தன்மை மதிப்புகள் இருப்பதைக் குறிக்கிறது. லெகேட்ஸ் மற்றும் மெக்கேப்83-இன் படி, RMSE ஆனது சராசரி முழுமையான பிழையை (MAE) எந்த அளவிற்கு மீறுகிறதோ, அது புறத்தன்மை மதிப்புகள் இருப்பதற்கான ஒரு குறிகாட்டியாகப் பரிந்துரைக்கப்படுகிறது. இதன் பொருள், தரவுத்தொகுப்பு எவ்வளவு பன்முகத்தன்மை கொண்டதாக இருக்கிறதோ, அவ்வளவு அதிகமாக MAE மற்றும் RMSE மதிப்புகள் இருக்கும். நகர்ப்புற மற்றும் புறநகர்ப் பகுதிகளில் உள்ள மண்ணில் நிக்கல் (Ni) உள்ளடக்கத்தைக் கணிப்பதற்கான Ca_Mg_K-EBK_SVMR கலப்பு மாதிரியின் குறுக்கு-சரிபார்ப்பு மதிப்பீட்டின் துல்லியம் 63.70% ஆக இருந்தது. லி எட் அல். 59-இன் படி, இந்த அளவிலான துல்லியம் ஒரு ஏற்றுக்கொள்ளக்கூடிய மாதிரி செயல்திறன் விகிதமாகும். தற்போதைய முடிவுகள் தாரசோவ் எட் அல். அவர்களின் முந்தைய ஆய்வுடன் ஒப்பிடப்படுகின்றன. தற்போதைய ஆய்வில் தெரிவிக்கப்பட்டுள்ள EBK_SVMR துல்லிய மதிப்பீட்டுக் குறியீட்டுடன் தொடர்புடைய, MLPRK (மல்டிலேயர் பெர்செப்ட்ரான் ரெசிடுவல் கிரிகிங்) கலப்பின மாதிரியை உருவாக்கிய 36-ஆவது நபரின் RMSE (210) மற்றும் MAE (167.5) ஆகியவை தற்போதைய ஆய்வில் எங்கள் முடிவுகளை விட (RMSE 95.479, MAE 77.368) அதிகமாக இருந்தன. இருப்பினும், தற்போதைய ஆய்வின் R2 (0.637) மதிப்பை தராசோவ் மற்றும் குழுவினரின் மதிப்புடன் ஒப்பிடும்போது... 36 (0.544) உடன் ஒப்பிடுகையில், இந்தக் கலப்பு மாதிரியில் தீர்மானக் குணகம் (R2) அதிகமாக உள்ளது என்பது தெளிவாகிறது. கலப்பு மாதிரிக்கான பிழை வரம்பு (RMSE மற்றும் MAE) (EBK SVMR) இரண்டு மடங்கு குறைவாக உள்ளது. இதேபோல், செர்ஜீவ் மற்றும் குழுவினர் 34, உருவாக்கப்பட்ட கலப்பின மாதிரிக்கு (மல்டிலேயர் பெர்செப்ட்ரான் ரெசிடுவல் கிரிகிங்) 0.28 (R2) ஐப் பதிவுசெய்தனர், அதேசமயம் தற்போதைய ஆய்வில் Ni 0.637 (R2) ஐப் பதிவுசெய்தது. இந்த மாதிரியின் (EBK SVMR) கணிப்புத் துல்லிய நிலை 63.7% ஆகும், அதேசமயம் செர்ஜீவ் மற்றும் குழுவினர் 34 ஆல் பெறப்பட்ட கணிப்புத் துல்லியம் 28% ஆகும். EBK_SVMR மாதிரி மற்றும் Ca_Mg_K ஐ ஒரு கணிப்பானாகப் பயன்படுத்தி உருவாக்கப்பட்ட இறுதி வரைபடம் (படம் 5), முழு ஆய்வுப் பகுதியிலும் அதிக செறிவுள்ள இடங்கள் மற்றும் மிதமான நிக்கல் செறிவுள்ள இடங்களைக் காட்டுகிறது. இதன் பொருள், ஆய்வுப் பகுதியில் நிக்கலின் செறிவு முக்கியமாக மிதமாக உள்ளது, சில குறிப்பிட்ட பகுதிகளில் அதிக செறிவுகள் காணப்படுகின்றன.
இறுதி முன்கணிப்பு வரைபடமானது, EBK_SVMR என்ற கலப்பின மாதிரியையும், Ca_Mg_K-ஐ முன்கணிப்பானாகவும் பயன்படுத்தி குறிப்பிடப்படுகிறது. [இந்த இடஞ்சார்ந்த பரவல் வரைபடமானது RStudio (பதிப்பு 1.4.1717: https://www.rstudio.com/)-ஐப் பயன்படுத்தி உருவாக்கப்பட்டது.]
படம் 6-இல், தனிப்பட்ட நியூரான்களைக் கொண்ட ஒரு கலவைத் தளமாக PTE செறிவுகள் வழங்கப்பட்டுள்ளன. காட்டப்பட்டுள்ளபடி, எந்தவொரு கூறு தளமும் ஒரே வண்ண வடிவத்தைக் காட்டவில்லை. இருப்பினும், வரையப்பட்ட ஒரு வரைபடத்திற்கு பொருத்தமான நியூரான்களின் எண்ணிக்கை 55 ஆகும். SeOM பல்வேறு வண்ணங்களைப் பயன்படுத்தி உருவாக்கப்படுகிறது, மேலும் வண்ண வடிவங்கள் எவ்வளவு ஒத்ததாக இருக்கின்றனவோ, அந்த அளவிற்கு மாதிரிகளின் பண்புகள் ஒப்பிடக்கூடியதாக இருக்கும். அவற்றின் துல்லியமான வண்ண அளவுகோலின்படி, தனிப்பட்ட தனிமங்கள் (Ca, K, மற்றும் Mg) ஒற்றை உயர் நியூரான்கள் மற்றும் பெரும்பாலான குறைந்த நியூரான்களைப் போன்ற வண்ண வடிவங்களைக் காட்டின. இதனால், 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 வண்ணச் சாயல்களைக் காண்பிப்பதன் மூலம் மண்ணில் உள்ள Ni-இன் செறிவைக் கணிக்கின்றன. KMg மாதிரியானது துல்லியமான விகிதாச்சாரங்கள் மற்றும் குறைந்த முதல் நடுத்தர வண்ணப் பகுதிகளின் அடிப்படையில் பல உயர் வண்ண வடிவங்களைக் காட்டுகிறது. குறைந்ததிலிருந்து உயர்வானது வரையிலான ஒரு துல்லியமான வண்ண அளவுகோலில், மாதிரியின் கூறுகளின் தளப் பரவல் வடிவமானது, மண்ணில் நிக்கல் இருப்பதற்கான சாத்தியமான செறிவைக் குறிக்கும் ஒரு உயர் வண்ண வடிவத்தைக் காட்டியது (படம் 4-ஐப் பார்க்கவும்). CaKMg மாதிரியின் கூறு தளம் குறைந்ததிலிருந்து உயர்வானது வரையிலான ஒரு மாறுபட்ட வண்ண வடிவத்தைக் காட்டுகிறது. ஒரு துல்லியமான வண்ண அளவுகோலின்படி உயர்வாக உள்ளது. மேலும், மாதிரியின் நிக்கல் உள்ளடக்கக் கணிப்பு (CakMg), படம் 5-இல் காட்டப்பட்டுள்ள நிக்கலின் இடஞ்சார்ந்த பரவலை ஒத்திருக்கிறது. இரண்டு வரைபடங்களும் நகர்ப்புற மற்றும் புறநகர்ப் பகுதிகளில் உள்ள மண்ணில் நிக்கல் செறிவுகளின் உயர், நடுத்தர மற்றும் குறைந்த விகிதங்களைக் காட்டுகின்றன. படம் 7, வரைபடத்தில் k-means குழுமத்தில் உள்ள சம உயரக் கோட்டு முறையைச் சித்தரிக்கிறது, இது ஒவ்வொரு மாதிரியிலும் கணிக்கப்பட்ட மதிப்பின் அடிப்படையில் மூன்று கொத்துக்களாகப் பிரிக்கப்பட்டுள்ளது. சம உயரக் கோட்டு முறையானது கொத்துக்களின் உகந்த எண்ணிக்கையைக் குறிக்கிறது. சேகரிக்கப்பட்ட 115 மண் மாதிரிகளில், வகை 1 அதிகபட்சமாக 74 மண் மாதிரிகளைப் பெற்றது. கொத்து 2, 33 மாதிரிகளையும், கொத்து 3, 8 மாதிரிகளையும் பெற்றது. சரியான கொத்து விளக்கத்திற்கு இடமளிக்கும் வகையில், ஏழு-கூறு தளக் கணிப்பான் சேர்க்கை எளிமைப்படுத்தப்பட்டது. மண் உருவாக்கத்தைப் பாதிக்கும் எண்ணற்ற மனித மற்றும் இயற்கை செயல்முறைகள் காரணமாக, ஒரு பரவலான SeOM வரைபடத்தில் சரியாக வேறுபடுத்தப்பட்ட கொத்து வடிவங்களைக் கொண்டிருப்பது கடினம்78.
ஒவ்வொரு எம்பிரிக்கல் பேய்சியன் கிரிகிங் சப்போர்ட் வெக்டர் மெஷின் (EBK_SVM_SeOM) மாறியாலும் வெளியாகும் கூறுத்தளம். [SeOM வரைபடங்கள் RStudio (பதிப்பு 1.4.1717: https://www.rstudio.com/) ஐப் பயன்படுத்தி உருவாக்கப்பட்டன.]
வெவ்வேறு கிளஸ்டர் வகைப்பாட்டுக் கூறுகள் [RStudio (பதிப்பு 1.4.1717: https://www.rstudio.com/) ஐப் பயன்படுத்தி SeOM வரைபடங்கள் உருவாக்கப்பட்டன.]
தற்போதைய ஆய்வு, நகர்ப்புற மற்றும் புறநகர்ப் பகுதிகளில் உள்ள மண்ணில் நிக்கல் செறிவுகளைக் கண்டறிவதற்கான மாதிரியாக்க நுட்பங்களைத் தெளிவாக விளக்குகிறது. மண்ணில் நிக்கல் செறிவுகளைக் கணிப்பதற்கான சிறந்த வழியைப் பெறுவதற்காக, இந்த ஆய்வு பல்வேறு மாதிரியாக்க நுட்பங்களையும், மாதிரியாக்க நுட்பங்களுடன் கூறுகளையும் இணைத்துச் சோதித்தது. மாதிரியாக்க நுட்பத்தின் SeOM கூறுகளின் தள இடஞ்சார்ந்த அம்சங்கள், ஒரு துல்லியமான வண்ண அளவுகோலில் குறைந்ததிலிருந்து அதிகமானது வரை ஒரு உயர் வண்ண வடிவத்தைக் காட்டின, இது மண்ணில் உள்ள Ni செறிவுகளைக் குறிக்கிறது. இருப்பினும், இடஞ்சார்ந்த பரவல் வரைபடம், EBK_SVMR ஆல் வெளிப்படுத்தப்பட்ட கூறுகளின் தள இடஞ்சார்ந்த பரவலை உறுதிப்படுத்துகிறது (படம் 5-ஐப் பார்க்கவும்). ஆதரவு திசையன் இயந்திர பின்னடைவு மாதிரி (Ca Mg K-SVMR) மண்ணில் உள்ள Ni செறிவை ஒரு ஒற்றை மாதிரியாகக் கணிக்கிறது, ஆனால் சரிபார்ப்பு மற்றும் துல்லிய மதிப்பீட்டு அளவுருக்கள் RMSE மற்றும் MAE அடிப்படையில் மிக அதிக பிழைகளைக் காட்டுகின்றன என்று முடிவுகள் காட்டுகின்றன. மறுபுறம், EBK_MLR மாதிரியுடன் பயன்படுத்தப்பட்ட மாதிரியாக்க நுட்பமும், தீர்மானக் குணகத்தின் (R2) குறைந்த மதிப்பு காரணமாக குறைபாடுடையதாக உள்ளது. EBK SVMR மற்றும் ஒருங்கிணைந்த கூறுகளை (CaKMg) பயன்படுத்தி, குறைந்த RMSE மற்றும் MAE பிழைகளுடன் 63.7% துல்லியத்துடன் நல்ல முடிவுகள் பெறப்பட்டன. இயந்திர கற்றல் வழிமுறையுடன் கூடிய EBK வழிமுறையானது, மண்ணில் உள்ள நச்சு உலோகங்களின் (PTEs) செறிவைக் கணிக்கக்கூடிய ஒரு கலப்பின வழிமுறையை உருவாக்க முடியும். ஆய்வுப் பகுதியில் நிக்கல் (Ni) செறிவுகளைக் கணிக்க Ca, Mg, K ஆகியவற்றை முன்கணிப்பிகளாகப் பயன்படுத்துவது, மண்ணில் உள்ள நிக்கல் கணிப்பை மேம்படுத்த முடியும் என்பதை முடிவுகள் காட்டுகின்றன. இதன் பொருள், நிக்கல் அடிப்படையிலான உரங்களின் தொடர்ச்சியான பயன்பாடு மற்றும் எஃகுத் தொழிலால் மண்ணில் ஏற்படும் தொழில்துறை மாசுபாடு ஆகியவை மண்ணில் நிக்கல் செறிவை அதிகரிக்கும் போக்கைக் கொண்டுள்ளன என்பதாகும். நகர்ப்புற அல்லது புறநகர்ப் பகுதிகளில் உள்ள மண்ணில், EBK மாதிரியானது பிழையின் அளவைக் குறைத்து, மண்ணின் இடஞ்சார்ந்த பரவல் மாதிரியின் துல்லியத்தை மேம்படுத்த முடியும் என்பதை இந்த ஆய்வு வெளிப்படுத்தியது. பொதுவாக, மண்ணில் உள்ள நச்சு உலோகங்களை மதிப்பிடுவதற்கும் கணிப்பதற்கும் EBK-SVMR மாதிரியைப் பயன்படுத்த நாங்கள் முன்மொழிகிறோம்; கூடுதலாக, பல்வேறு இயந்திர கற்றல் வழிமுறைகளுடன் கலப்பினமாக்க EBK-ஐப் பயன்படுத்தவும் நாங்கள் முன்மொழிகிறோம். தனிமங்களை இணை மாறிகளாகப் பயன்படுத்தி நிக்கல் செறிவுகள் கணிக்கப்பட்டன; இருப்பினும், அதிக துணை மாறிகளைப் பயன்படுத்துவது மாதிரியின் செயல்திறனைப் பெரிதும் மேம்படுத்தும், இது தற்போதைய ஆய்வின் ஒரு வரம்பாகக் கருதப்படலாம். இந்த ஆய்வின் மற்றொரு வரம்பு என்னவென்றால், தரவுத்தொகுப்புகளின் எண்ணிக்கை 115 ஆகும். எனவே, அதிக தரவுகள் வழங்கப்பட்டால், முன்மொழியப்பட்ட மேம்படுத்தப்பட்ட கலப்பின முறையின் செயல்திறனை மேம்படுத்த முடியும்.
PlantProbs.net. தாவரங்கள் மற்றும் மண்ணில் நிக்கல் https://plantprobs.net/plant/nutrientImbalances/sodium.html (28 ஏப்ரல் 2021 அன்று அணுகப்பட்டது).
காஸ்ப்ரஸாக், கே.எஸ். நிக்கல் நவீன சுற்றுச்சூழல் நச்சுயியலில் முன்னேற்றங்கள். சரவுண்டிங்ஸ்.டாக்ஸிகாலஜி.11, 145–183 (1987).
செம்பெல், எம். & நிக்கல், ஜி. நிக்கல்: அதன் மூலங்கள் மற்றும் சுற்றுச்சூழல் நச்சுத்தன்மை பற்றிய ஒரு ஆய்வு. போலிஷ் ஜே. என்விரான்மென்ட். ஸ்டட். 15, 375–382 (2006).
ஃப்ரீட்மேன், பி. & ஹட்சின்சன், டி.சி. கனடாவின் ஒன்டாரியோவில் உள்ள சட்பரியில் ஒரு நிக்கல்-காப்பர் உருக்காலைக்கு அருகில் வளிமண்டலத்திலிருந்து மாசுபடுத்தும் உள்ளீடு மற்றும் மண் மற்றும் தாவரங்களில் குவிதல். can.J. Bot.58(1), 108-132. https://doi.org/10.1139/b80-014 (1980).
மன்யிவா, டி. மற்றும் பலர். போட்ஸ்வானாவில் உள்ள செலேபி-பிக்வே செப்பு-நிக்கல் சுரங்கத்திற்கு அருகில் மண், தாவரங்களில் உள்ள கன உலோகங்கள் மற்றும் மேயும் அசைபோடும் விலங்குகளுடன் தொடர்புடைய அபாயங்கள். சுற்றுப்புறங்கள். புவிவேதியியல். சுகாதாரம் https://doi.org/10.1007/s10653-021-00918-x (2021).
கபாடா-பென்டியாஸ். கபாடா-பென்டியாஸ் ஏ. 2011. மண்ணிலும்… சுவடு தனிமங்கள் – கூகிள் ஸ்காலர் https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Kabata-Pendias+A.+2011.+Trace+ Elements+in+soils+and+plants.+4th+ed.+New+York+%28NY%29%3A+CRC+Press&btnG= (24 நவம்பர் 2020 அன்று அணுகப்பட்டது).
அல்மாஸ், ஏ., சிங், பி., வேளாண்மை, TS-NJ, 1995, வரையறுக்கப்படாதது. நார்வேயின் சோயர்-வரங்கரில் உள்ள விவசாய மண் மற்றும் புற்களில் கன உலோகச் செறிவுகள் மீது ரஷ்ய நிக்கல் தொழிற்துறையின் விளைவுகள். agris.fao.org.
நீல்சன், ஜி.டி. மற்றும் பலர். குடிநீரில் நிக்கல் உறிஞ்சப்படுவதும் தக்கவைக்கப்படுவதும் உணவு உட்கொள்ளல் மற்றும் நிக்கல் உணர்திறனுடன் தொடர்புடையது. நச்சுயியல். பயன்பாடு. மருந்தியல் இயக்கவியல். 154, 67–75 (1999).
கோஸ்டா, எம். & க்ளீன், சிபி நிக்கல் புற்றுநோய் உருவாக்கம், சடுதி மாற்றம், புறமரபியல் அல்லது தேர்வு. சுற்றுப்புறங்கள். சுகாதாரக் கண்ணோட்டம். 107, 2 (1999).
அஜ்மான், பி.சி; அஜாடோ, எஸ்.கே; போருவ்கா, எல்.; பினி, ஜே.கே.எம்; சர்கோடி, வி.ஒய்.ஓ; கோபோன்யே, என்.எம்; நச்சுத்தன்மை வாய்ந்த தனிமங்களின் போக்குப் பகுப்பாய்வு: ஒரு நூலாய்வு ஆய்வு. சுற்றுச்சூழல் புவிவேதியியல் மற்றும் சுகாதாரம். ஸ்பிரிங்கர் சயின்ஸ் & பிசினஸ் மீடியா பி.வி 2020. https://doi.org/10.1007/s10653-020-00742-9.
மினஸ்னி, பி. & மெக்பிரட்னி, ஏபி டிஜிட்டல் மண் வரைபடம்: 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 புவிப் புள்ளியியல் 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= (28 ஏப்ரல் 2021 அன்று அணுகப்பட்டது).