Nature.com غا كىرگىنىڭىزگە رەھمەت. سىز ئىشلىتىۋاتقان تور كۆرگۈچ نۇسخىسىدا CSS نى قوللاش چەكلىك. ئەڭ ياخشى تەجرىبە ئۈچۈن، يېڭىلانغان تور كۆرگۈچ ئىشلىتىشىڭىزنى (ياكى Internet Explorer دا ماسلىشىشچانلىق ھالىتىنى ئېتىۋېتىشىڭىزنى) تەۋسىيە قىلىمىز. بۇ ئارىلىقتا، داۋاملىق قوللاشنى كاپالەتلەندۈرۈش ئۈچۈن، تور بېكەتنى ئۇسلۇب ۋە JavaScriptسىز كۆرسىتىمىز.
تۇپراق بۇلغىنىشى ئىنسانلارنىڭ پائالىيىتىدىن كېلىپ چىققان چوڭ مەسىلە. زەھەرلىك ئېلېمېنتلارنىڭ (PTE) بوشلۇقتىكى تارقىلىشى كۆپىنچە شەھەر ۋە شەھەر ئەتراپى رايونلىرىدا ئوخشىمايدۇ. شۇڭلاشقا، بۇنداق تۇپراقلاردىكى PTE نىڭ مىقدارىنى بوشلۇق جەھەتتىن مۆلچەرلەش تەس. چېخ جۇمھۇرىيىتىدىكى Frydek Mistek دىن جەمئىي 115 ئەۋرىشكە ئېلىندى. كالتسىي (Ca)، ماگنىي (Mg)، كالىي (K) ۋە نىكېل (Ni) قويۇقلۇقى ئىندۇكسىيەلىك باغلىنىشلىق پلازما قويۇپ بېرىش سپېكترومېتىرىيەسى ئارقىلىق بېكىتىلدى. جاۋاب ئۆزگەرگۈچىسى Ni، ئالدىن پەرەز قىلغۇچىلار Ca، Mg ۋە K. جاۋاب ئۆزگەرگۈچىسى بىلەن ئالدىن پەرەز قىلغۇچى ئۆزگەرگۈچىسى ئوتتۇرىسىدىكى مۇناسىۋەت ماترىتسىسى ئېلېمېنتلار ئارىسىدا قانائەتلىنەرلىك مۇناسىۋەتنى كۆرسىتىپ بېرىدۇ. مۆلچەرلەش نەتىجىسىدە، قوللاش ۋېكتورى ماشىنىسى رېگرېسسىيەسى (SVMR) نىڭ ياخشى ئىپادىسى بارلىقى كۆرسىتىلدى، گەرچە ئۇنىڭ مۆلچەرلەنگەن ئوتتۇرىچە كۋادرات خاتالىقى (RMSE) (235.974 mg/kg) ۋە ئوتتۇرىچە مۇتلەق خاتالىقى (MAE) (166.946 mg/kg) باشقا قوللىنىلغان ئۇسۇللاردىن يۇقىرى بولسىمۇ. ئېمپېرىكا بايېس كرىگىڭ-كۆپ سىزىقلىق رېگرېسسىيە (EBK-MLR) ئۈچۈن ئارىلاش مودېللار ... ناچار، بۇنى 0.1 دىن تۆۋەن بەلگىلەش كوئېففىتسېنتى بىلەن ئىسپاتلىغىلى بولىدۇ. ئەمەلىي بايېس كرىگىڭ-قوللاش ۋېكتور ماشىنىسى رېگرېسسىيەسى (EBK-SVMR) مودېلى ئەڭ ياخشى مودېل بولۇپ، RMSE (95.479 mg/kg) ۋە MAE (77.368 mg/kg) قىممىتى تۆۋەن، بەلگىلەش كوئېففىتسېنتى يۇقىرى (R2 = 0.637). EBK-SVMR مودېللاشتۇرۇش تېخنىكىسىنىڭ نەتىجىسى ئۆز-ئۆزىنى تەشكىللەيدىغان خەرىتە ئارقىلىق كۆرسىتىلىدۇ. CakMg-EBK-SVMR ئارىلاشما مودېلىنىڭ تۈزلەڭلىكىدىكى توپلانغان نېرۋا ھۈجەيرىلىرى شەھەر ۋە شەھەر ئەتراپىدىكى تۇپراقلاردىكى Ni قويۇقلۇقىنى مۆلچەرلەيدىغان كۆپ خىل رەڭ ئەندىزىسىنى كۆرسىتىدۇ. نەتىجىلەر شۇنى كۆرسىتىپ بېرىدۇكى، EBK ۋە SVMR نى بىرلەشتۈرۈش شەھەر ۋە شەھەر ئەتراپىدىكى تۇپراقلاردىكى Ni قويۇقلۇقىنى مۆلچەرلەشتە ئۈنۈملۈك تېخنىكا.
نىكېل (Ni) ئۆسۈملۈكلەر ئۈچۈن مىكرو ئوزۇقلۇق دەپ قارىلىدۇ، چۈنكى ئۇ ئاتموسفېرادىكى ئازوتنىڭ فىكىسلىنىشى (N) ۋە كاربامىدنىڭ ئالمىشىشىغا تۆھپە قوشىدۇ، بۇ ئىككىسى ئۇرۇقنىڭ ئۈنۈشى ئۈچۈن زۆرۈر. ئۇرۇقنىڭ ئۈنۈشىگە تۆھپە قوشۇشتىن باشقا، Ni زەمبۇرۇغ ۋە باكتېرىيەنىڭ توسقۇچى رولىنى ئوينايدۇ ۋە ئۆسۈملۈكلەرنىڭ تەرەققىياتىنى ئىلگىرى سۈرىدۇ. تۇپراقتا نىكېلنىڭ كەمچىل بولۇشى ئۆسۈملۈكنىڭ ئۇنى سۈمۈرۈۋېلىشىغا يول قويىدۇ، بۇنىڭ نەتىجىسىدە يوپۇرماقلارنىڭ خىلوروزى پەيدا بولىدۇ. مەسىلەن، كالا نوقۇت ۋە يېشىل لوبيا ئازوتنىڭ فىكىسلىنىشىنى ئەلالاشتۇرۇش ئۈچۈن نىكېل ئاساسلىق ئوغۇتلارنى ئىشلىتىشنى تەلەپ قىلىدۇ. تۇپراقنى باي قىلىش ۋە پۇرچاقنىڭ تۇپراقتىكى ئازوتنى فىكىسلاش ئىقتىدارىنى ئاشۇرۇش ئۈچۈن نىكېل ئاساسلىق ئوغۇتلارنى داۋاملىق ئىشلىتىش تۇپراقتىكى نىكېلنىڭ قويۇقلۇقىنى ئۈزلۈكسىز ئاشۇرىدۇ. نىكېل ئۆسۈملۈكلەر ئۈچۈن مىكرو ئوزۇقلۇق بولسىمۇ، ئۇنىڭ تۇپراققا ئارتۇقچە قوبۇل قىلىنىشى پايدىسىدىن كۆرە زىيىنىنى كەلتۈرۈپ چىقىرىدۇ. تۇپراقتىكى نىكېلنىڭ زەھەرلىكلىكى تۇپراقنىڭ pH قىممىتىنى ئەڭ تۆۋەن چەككە چۈشۈرىدۇ ۋە ئۆسۈملۈكلەرنىڭ ئۆسۈشى ئۈچۈن مۇھىم ئوزۇقلۇق ماددىسى سۈپىتىدە تۆمۈرنىڭ سۈمۈرۈلۈشىگە توسقۇنلۇق قىلىدۇ. لىيۇنىڭ سۆزىگە قارىغاندا، نىكېل ئۆسۈملۈكلەرنىڭ تەرەققىياتى ۋە ئۆسۈشى ئۈچۈن زۆرۈر بولغان 17-مۇھىم ئېلېمېنت ئىكەنلىكى بايقالغان. نىكېلنىڭ ئۆسۈملۈكلەرنىڭ تەرەققىياتى ۋە ئۆسۈشىدىكى رولىدىن باشقا، ئىنسانلار ئۇنىڭغا ھەر خىل قوللىنىشچان ساھەلەردە ئېھتىياجلىق. ئېلېكتروپلاش، نىكېل ئاساسلىق ئىشلەپچىقىرىش. ئاپتوموبىل سانائىتىدە ئوت ئالدۇرۇش ئۈسكۈنىلىرى ۋە ئۇچقۇن چىقىرىش لامپىسى ئىشلەپچىقىرىش قاتارلىق ساھەلەردە نىكېل ئىشلىتىش تەلەپ قىلىنىدۇ. بۇنىڭدىن باشقا، نىكېل ئاساسلىق قېتىشمىلار ۋە ئېلېكترو قاپلانغان بۇيۇملار ئاشخانا سايمانلىرى، بال زالى قوشۇمچە زاپچاسلىرى، يېمەكلىك سانائىتى بۇيۇملىرى، ئېلېكتر، سىم ۋە كابېل، رېئاكتىپ تۇربىنلار، جىددىي ئوپېراتسىيە ئىمپىلانتلىرى، توقۇمىچىلىق ۋە پاراخوت ياساشتا كەڭ قوللىنىلىپ كەلدى. 5. تۇپراقتىكى (يەنى يەر يۈزىدىكى تۇپراقتىكى) نىكېل مىقدارى ئىنسان ۋە تەبىئىي مەنبەلەردىن كېلىپ چىققان دەپ قارىلىدۇ، ئەمما ئاساسلىقى نىكېل ئىنسان ئەمەس، بەلكى تەبىئىي مەنبە. 4، 6. نىكېلنىڭ تەبىئىي مەنبەلىرى يانار تاغ پارتىلىشى، ئۆسۈملۈكلەر، ئورمان ئوت ئاپىتى ۋە گېئولوگىيەلىك جەريانلارنى ئۆز ئىچىگە ئالىدۇ؛ قانداقلا بولمىسۇن، ئىنسان مەنبەلىرى پولات سانائىتىدىكى نىكېل/كادمىي باتارېيەسى، ئېلېكترو قاپلاش، ئوق كەپشەرلەش، دىزېل ۋە يېقىلغۇ مايلىرى، كۆمۈر كۆيدۈرۈش ۋە قالدۇق ۋە لاي كۆيدۈرۈشتىن كېلىپ چىققان ئاتموسفېرا گازلىرىنى ئۆز ئىچىگە ئالىدۇ. نىكېل توپلىنىشى 7، 8. فرېدمان ۋە خۇچىنسوننىڭ 9 ۋە مانيىۋا قاتارلىقلارنىڭ قارىشىچە. 10، يېقىن ۋە يېقىن ئەتراپتىكى مۇھىتتىكى تۇپراقنىڭ ئاساسلىق بۇلغىنىش مەنبەلىرى ئاساسلىقى نىكېل-مىس ئېرىتىش زاۋۇتلىرى ۋە كانلار. كانادادىكى سۇدبۇرى نىكېل-مىس نېفىت ئايرىش زاۋۇتى ئەتراپىدىكى تۇپراقنىڭ تۇپراقلىرى نىكېلنىڭ بۇلغىنىش دەرىجىسى ئەڭ يۇقىرى بولۇپ، 26000 مىللىگرام/كىلوگرامغا يەتكەن. ئەكسىچە، رۇسىيەدە نىكېل ئىشلەپچىقىرىشتىن كېلىپ چىققان بۇلغىنىش نورۋېگىيە تۇپراقلىرىدىكى نىكېلنىڭ قويۇقلۇقىنىڭ يۇقىرى بولۇشىغا سەۋەب بولغان.11. ئالمىس قاتارلىقلارنىڭ قارىشىچە. 12، رايوننىڭ ئەڭ يۇقىرى ئېكىنزارلىق يەرلىرىدىكى HNO3-ئېلىپ چىقىرىلىدىغان نىكېلنىڭ مىقدارى (رۇسىيەدە نىكېل ئىشلەپچىقىرىش) 6.25 دىن 136.88 مىللىگرام/كىلوگرامغىچە بولۇپ، ئوتتۇرىچە 30.43 مىللىگرام/كىلوگرام ۋە ئاساسىي قويۇقلۇقى 25 مىللىگرام/كىلوگرامغا توغرا كېلىدۇ. كاباتا 11 گە ئاساسلانغاندا، ئارقا-ئارقىدىن دېھقانچىلىق پەسلىدە شەھەر ياكى شەھەر ئەتراپىدىكى تۇپراقلاردا دېھقانچىلىق تۇپراقلىرىغا فوسفور ئوغۇتلىرىنى ئىشلىتىش تۇپراقنى سىڭدۈرۈشى ياكى بۇلغىشى مۇمكىن. ئىنسانلاردا نىكېلنىڭ يوشۇرۇن تەسىرى مۇتاگېنېز، خروموسوما بۇزۇلۇشى، Z-DNA ھاسىل قىلىشى، DNA نى چىقىرىۋېتىشنى توسۇش ياكى ئېپىگېنېتىك جەريانلار ئارقىلىق راك كېسىلىگە ئېلىپ كېلىشى مۇمكىن. ھايۋاناتلار ئۈستىدە ئېلىپ بېرىلغان سىناقلاردا، نىكېلنىڭ ھەر خىل ئۆسمىلەرنى پەيدا قىلىش ئىقتىدارى بارلىقى بايقالغان، راك پەيدا قىلغۇچى نىكېل بىرىكمىلىرى بۇ خىل ئۆسمىلەرنى تېخىمۇ ئېغىرلاشتۇرۇشى مۇمكىن.
تۇپراق بۇلغىنىشىنى باھالاش يېقىنقى مەزگىللەردە تۇپراق-ئۆسۈملۈك مۇناسىۋىتى، تۇپراق ۋە تۇپراقنىڭ بىئولوگىيىلىك مۇناسىۋىتى، ئېكولوگىيەلىك بۇزۇلۇش ۋە مۇھىت تەسىرىنى باھالاش قاتارلىق ساغلاملىققا مۇناسىۋەتلىك كەڭ دائىرىلىك مەسىلىلەر سەۋەبىدىن گۈللەندى. بۈگۈنگە قەدەر، تۇپراقتىكى Ni قاتارلىق زەھەرلىك ئېلېمېنتلارنىڭ (PTE) بوشلۇقتىكى مۆلچەرلىنىشى ئەنئەنىۋى ئۇسۇللار ئارقىلىق جاپالىق ۋە ۋاقىت تەلەپ قىلىدىغان بولدى. رەقەملىك تۇپراق خەرىتىسىنىڭ (DSM) بارلىققا كېلىشى ۋە ئۇنىڭ ھازىرقى مۇۋەپپەقىيىتى15 تۇپراقنىڭ ئالدىن پەرەز قىلىش خەرىتىسىنى (PSM) زور دەرىجىدە ياخشىلىدى. Minasny ۋە McBratney16 نىڭ قارىشىچە، تۇپراقنىڭ ئالدىن پەرەز قىلىش خەرىتىسىنىڭ (DSM) تۇپراق ئىلمىنىڭ مۇھىم تارماق پەنلىرىنىڭ بىرى ئىكەنلىكى ئىسپاتلاندى. Lagacherie ۋە McBratney، 2006-يىلى DSM نى «ئورۇندا تۇرۇش ۋە تەجرىبىخانا كۆزىتىش ئۇسۇللىرى ۋە بوشلۇق ۋە بوشلۇقسىز تۇپراق ئانالىز سىستېمىلىرىنى ئىشلىتىش ئارقىلىق بوشلۇق تۇپراق ئۇچۇر سىستېمىسىنى يارىتىش ۋە تولدۇرۇش» دەپ ئېنىقلىدى. McBratney قاتارلىقلار. 17-ماددىدا زامانىۋى DSM ياكى PSM نىڭ PTE نىڭ بوشلۇقتىكى تارقىلىشى، تۇپراق تىپلىرى ۋە تۇپراق خۇسۇسىيەتلىرىنى مۆلچەرلەش ياكى خەرىتىلەشتىكى ئەڭ ئۈنۈملۈك تېخنىكا ئىكەنلىكى بايان قىلىنغان. گېئوستاتىستىكىلىق ۋە ماشىنا ئۆگىنىش ئالگورىزىملىرى (MLA) بولسا مۇھىم ۋە ئەڭ ئاز سانلىق مەلۇماتلارنى ئىشلىتىپ كومپيۇتېرلارنىڭ ياردىمىدە رەقەملەشتۈرۈلگەن خەرىتىلەرنى ھاسىل قىلىدىغان DSM مودېللاشتۇرۇش تېخنىكىسى.
Deutsch18 ۋە Olea19 گېئوستاتىستىكىنى «ئاساسلىقى ۋاقىت يۈرۈشلۈك ئانالىزىنىڭ ۋاقىت سانلىق مەلۇماتلىرىنى قانداق خاراكتېرلەندۈرىدىغانلىقى قاتارلىق ستوخاستىك مودېللارنى قوللىنىدىغان بوشلۇق ئالاھىدىلىكلىرىنى ئىپادىلەيدىغان سانلىق تېخنىكىلار توپلىمى» دەپ ئېنىقلىما بېرىدۇ. ئاساسلىقى، گېئوستاتىستىكى ۋارىئوگراممىلارنى باھالاشنى ئۆز ئىچىگە ئالىدۇ، بۇ ھەر بىر سانلىق مەلۇمات توپلىمىدىكى بوشلۇق قىممەتلىرىنىڭ باغلىنىشلىقىنى مىقدارلاشتۇرۇش ۋە ئېنىقلاشقا يول قويىدۇ20. Gumiaux قاتارلىقلار. 20-نومۇرلۇق رەسىمدە گېئوستاتىستىكىدىكى ۋارىئوگراممىلارنى باھالاشنىڭ ئۈچ پىرىنسىپقا ئاساسلىنىدىغانلىقى كۆرسىتىلدى، بۇلار (a) سانلىق مەلۇمات باغلىنىش كۆلىمىنى ھېسابلاش، (b) سانلىق مەلۇمات توپلىمىدىكى پەرقنىڭ ئانزوتروپىيەسىنى ئېنىقلاش ۋە ھېسابلاش ۋە (c) بۇنىڭدىن باشقا. يەرلىك ئۈنۈملەردىن ئايرىلغان ئۆلچەش سانلىق مەلۇماتلىرىنىڭ ئىچكى خاتالىقىنى ئويلىشىشتىن باشقا، رايون ئۈنۈملىرىمۇ مۆلچەرلىنىدۇ. بۇ ئۇقۇملارغا ئاساسەن، گېئوستاتىستىكىدا نۇرغۇن ئىنتېرپولاتسىيە تېخنىكىلىرى قوللىنىلىدۇ، بۇنىڭ ئىچىدە ئادەتتىكى كرىگ، بىرلىكتە كرىگ، ئادەتتىكى كرىگ، ئەمەلىي بايېس كرىگ، ئاددىي كرىگ ئۇسۇلى ۋە باشقا داڭلىق ئىنتېرپولاتسىيە تېخنىكىلىرى بار بولۇپ، ئۇلار PTE، تۇپراق خۇسۇسىيىتى ۋە تۇپراق تىپلىرىنى خەرىتىلەش ياكى مۆلچەرلەش ئۈچۈن ئىشلىتىلىدۇ.
ماشىنا ئۆگىنىش ئالگورىزىملىرى (MLA) نىسبەتەن يېڭى بىر تېخنىكا بولۇپ، ئاساسلىقى سانلىق مەلۇمات قېزىش، سانلىق مەلۇماتلاردىكى ئەندىزىلەرنى ئېنىقلاش ۋە تۇپراق ئىلمى ۋە قايتۇرۇش ۋەزىپىلىرى قاتارلىق ئىلمىي ساھەلەردە تۈرگە ئايرىشقا قايتا-قايتا قوللىنىلىدىغان چوڭراق سىزىقسىز سانلىق مەلۇمات سىنىپلىرىنى قوللىنىدىغان بىر تېخنىكا. نۇرغۇن تەتقىقات ماقالىلىرى تۇپراقتىكى PTE نى مۆلچەرلەشتە MLA مودېللىرىغا تايىنىدۇ، مەسىلەن تان قاتارلىقلار 22 (يېزا ئىگىلىك تۇپراقلىرىدىكى ئېغىر مېتاللارنى مۆلچەرلەش ئۈچۈن تاسادىپىي ئورمانلار)، ساكىزادە قاتارلىقلار 23 (تىرەك ۋېكتور ماشىنىلىرى ۋە سۈنئىي نېرۋا تورى ئارقىلىق مودېللاشتۇرۇش) تۇپراق بۇلغىنىشى. بۇنىڭدىن باشقا، ۋېگا قاتارلىقلار 24 (تۇپراقتىكى ئېغىر مېتاللارنى ساقلاش ۋە ئادسوربسىيە قىلىشنى مودېللاشتۇرۇش ئۈچۈن CART)، سۇن قاتارلىقلار 25 (كۇبىستنىڭ قوللىنىلىشى تۇپراقتىكى Cd نىڭ تارقىلىشى) ۋە k-ئەڭ يېقىن قوشنا، ئومۇملاشتۇرۇلغان كۈچەيتىلگەن رېگرېسسىيە ۋە كۈچەيتىلگەن رېگرېسسىيە دەرەخلىرى قاتارلىق باشقا ئالگورىزىملار تۇپراقتىكى PTE نى مۆلچەرلەشتە MLA نى قوللانغان.
DSM ئالگورىزىملىرىنى مۆلچەرلەش ياكى خەرىتىلەشتە قوللىنىش بىر قاتار قىيىنچىلىقلارغا دۇچ كېلىدۇ. نۇرغۇن ئاپتورلار MLA نىڭ گېئوستاتىستىكىدىن ئۈستۈن ئىكەنلىكىگە، ئەكسىچە ئىكەنلىكىگە ئىشىنىدۇ. بىرى يەنە بىرىدىن ياخشى بولسىمۇ، ئىككىسىنىڭ بىرلەشتۈرۈلۈشى DSM15 دىكى خەرىتە ياكى مۆلچەرنىڭ توغرىلىق دەرىجىسىنى ئۆستۈرىدۇ. Woodcock ۋە Gopal26 Finke27؛ Pontius ۋە Cheuk28 ۋە Grunwald29 مۆلچەرلەنگەن تۇپراق خەرىتىسىدىكى كەمچىلىكلەر ۋە بەزى خاتالىقلار توغرىسىدا پىكىر بايان قىلىدۇ. تۇپراق ئالىملىرى DSM خەرىتىلەش ۋە مۆلچەرلەشنىڭ ئۈنۈمى، توغرىلىقى ۋە مۆلچەرلىنىشچانلىقىنى ئەلالاشتۇرۇش ئۈچۈن ھەر خىل تېخنىكىلارنى سىناپ باقتى. ئېنىقسىزلىق ۋە دەلىللەشنىڭ بىرلەشتۈرۈلۈشى DSM غا بىرلەشتۈرۈلگەن نۇرغۇن ئوخشىمىغان ئامىللارنىڭ بىرى بولۇپ، ئۈنۈمنى ئەلالاشتۇرۇش ۋە كەمچىلىكلەرنى ئازايتىش ئۈچۈن ئىشلىتىلىدۇ. قانداقلا بولمىسۇن، Agyeman قاتارلىقلار 15 خەرىتە ياساش ۋە مۆلچەرلەش ئارقىلىق كىرگۈزۈلگەن دەلىللەش ھەرىكىتى ۋە ئېنىقسىزلىقنىڭ خەرىتە سۈپىتىنى ياخشىلاش ئۈچۈن مۇستەقىل دەلىللىنىشى كېرەكلىكىنى ئوتتۇرىغا قويدى. DSM نىڭ چەكلىمىلىرى جۇغراپىيىلىك جەھەتتىن تارقاق تۇپراق سۈپىتىدىن كېلىپ چىققان بولۇپ، بۇ ئېنىقسىزلىقنىڭ بىر قىسمىنى ئۆز ئىچىگە ئالىدۇ. قانداقلا بولمىسۇن، DSM دىكى ئېنىقسىزلىق كۆپ خىل خاتالىق مەنبەلىرىدىن كېلىپ چىقىشى مۇمكىن، يەنى بىرلىكتە ئۆزگەرگۈچى خاتالىق، مودېل خاتالىقى، ئورۇن خاتالىقى ۋە ئانالىز خاتالىقى 31. MLA ۋە گېئوستاتىستىكىلىق جەريانلاردا پەيدا بولغان مودېللاشتۇرۇشتىكى توغرا ئەمەسلىكلەر چۈشىنىشنىڭ كەمچىللىكى بىلەن مۇناسىۋەتلىك بولۇپ، ئاخىرىدا ھەقىقىي جەرياننىڭ ئاددىيلاشتۇرۇلۇشىغا ئېلىپ كېلىدۇ32. مودېللاشتۇرۇشنىڭ خاراكتېرىدىن قەتئىينەزەر، توغرا ئەمەسلىكلەر مودېللاشتۇرۇش پارامېتىرلىرى، ماتېماتىكىلىق مودېل مۆلچەرلىرى ياكى ئارىلاشتۇرۇشقا باغلىق33. يېقىندا، خەرىتە تۈزۈش ۋە مۆلچەرلەشتە گېئوستاتىستىكىلىق ۋە MLA نى بىرلەشتۈرۈشنى ئىلگىرى سۈرىدىغان يېڭى بىر DSM يۈزلىنىشى پەيدا بولدى. سېرگېۋ قاتارلىقلار 34؛ سۇببوتىنا قاتارلىقلار 35؛ تاراسوۋ قاتارلىقلار 36 ۋە تاراسوۋ قاتارلىقلار 37 گېئوستاتىستىكىلىق ۋە ماشىنا ئۆگىنىشنىڭ توغرا سۈپىتىدىن پايدىلىنىپ، مۆلچەرلەش ۋە خەرىتە تۈزۈشنىڭ ئۈنۈمىنى ئاشۇرىدىغان ئارىلاشما مودېللارنى بارلىققا كەلتۈردى. سۈپەت. بۇ ئارىلاشما ياكى بىرلەشتۈرۈلگەن ئالگورىزىم مودېللىرىنىڭ بەزىلىرى سۈنئىي نېرۋا تورى كرىگىڭى (ANN-RK)، كۆپ قاتلاملىق سېزىمچان قالدۇق كرىگىڭى (MLP-RK)، ئومۇملاشتۇرۇلغان رېگرېسسىيە نېرۋا تورى قالدۇق كرىگىڭى (GR-NNRK)36، سۈنئىي نېرۋا تورى كرىگىڭ-كۆپ قاتلاملىق سېزىمچان (ANN-K-MLP)37 ۋە بىرلىكتە كرىگىڭ ۋە گاۋس جەريانى رېگرېسسىيىسى38.
سېرگېۋ قاتارلىقلارنىڭ قارىشىچە، ھەر خىل مودېللاشتۇرۇش تېخنىكىلىرىنى بىرلەشتۈرۈش، يەككە مودېلنى تەرەققىي قىلدۇرۇشنىڭ ئورنىغا، نەتىجىدە ھاسىل بولغان ئارىلاشما مودېلنىڭ كەمتۈكلۈكلىرىنى يوقىتىش ۋە ئۈنۈمىنى ئاشۇرۇش ئىقتىدارىغا ئىگە. بۇ جەھەتتە، بۇ يېڭى ماقالىدە، شەھەر ۋە شەھەر ئەتراپى رايونلىرىدا Ni نىڭ موللىشىشىنى مۆلچەرلەش ئۈچۈن ئەڭ ياخشى ئارىلاشما مودېللارنى يارىتىش ئۈچۈن گېئوستاتىستىكىلىق ۋە MLA نىڭ بىرلەشتۈرۈلگەن ئالگورىزىمىنى قوللىنىش زۆرۈر دەپ قارىلىدۇ. بۇ تەتقىقات ئاساسىي مودېل سۈپىتىدە ئەمەلىي بايېس كرىگىڭ (EBK) غا تايىنىدۇ ۋە ئۇنى قوللاش ۋېكتورى ماشىنىسى (SVM) ۋە كۆپ سىزىقلىق رېگرېسسىيە (MLR) مودېللىرى بىلەن ئارىلاشتۇرىدۇ. EBK نىڭ ھەر قانداق MLA بىلەن ئارىلىشىشى نامەلۇم. كۆرۈلگەن كۆپ خىل ئارىلاشما مودېللار ئادەتتىكى، قالدۇق، رېگرېسسىيە كرىگىڭ ۋە MLA نىڭ بىرىكمىسى. EBK بولسا بوشلۇق جەھەتتىن ستوخاستىك جەرياننى ئىشلىتىدىغان گېئوستاتىستىكىلىق ئارىلاشتۇرۇش ئۇسۇلى بولۇپ، مەيداندا بەلگىلەنگەن يەرلىكلەشتۈرۈش پارامېتىرلىرى بىلەن مۇقىم ئەمەس/تۇراقسىز تاسادىپىي مەيدان سۈپىتىدە يەرلىكلەشتۈرۈلۈپ، بوشلۇق ئۆزگىرىشىگە يول قويىدۇ39. EBK دېھقانچىلىق تۇپراقلىرىدىكى ئورگانىك كاربوننىڭ تارقىلىشىنى تەھلىل قىلىش40، تۇپراق بۇلغىنىشىنى باھالاش41 ۋە تۇپراق خۇسۇسىيەتلىرىنى خەرىتىلەش42 قاتارلىق ھەر خىل تەتقىقاتلاردا ئىشلىتىلگەن.
يەنە بىر تەرەپتىن، ئۆزلۈكىدىن تەشكىللىنىدىغان گىرافىك (SeOM) بىر خىل ئۆگىنىش ئالگورىزىمى بولۇپ، ئۇ Li قاتارلىقلار 43، Wang قاتارلىقلار 44، Hossain Bhuiyan قاتارلىقلار 45 ۋە Kebonye قاتارلىقلار 46 قاتارلىق ھەر خىل ماقالىلەردە قوللىنىلغان. بوشلۇق خۇسۇسىيەتلىرى ۋە ئېلېمېنتلارنىڭ گۇرۇپپىلىنىشىنى ئېنىقلاڭ. Wang قاتارلىقلار 44 SeOM نىڭ سىزىقسىز مەسىلىلەرنى گۇرۇپپىلاش ۋە تەسەۋۋۇر قىلىش ئىقتىدارى بىلەن تونۇلغان كۈچلۈك ئۆگىنىش تېخنىكىسى ئىكەنلىكىنى ئوتتۇرىغا قويدى. ئاساسلىق تەركىب ئانالىزى، تۇمانلىق توپلاش، دەرىجەلىك توپلاش ۋە كۆپ ئۆلچەملىك قارار چىقىرىش قاتارلىق باشقا ئەندىزە تونۇش تېخنىكىلىرىدىن پەرقلىق ھالدا، SeOM PTE ئەندىزىلىرىنى تەشكىللەش ۋە ئېنىقلاشتا تېخىمۇ ياخشى. Wang قاتارلىقلار 44 نىڭ قارىشىچە، SeOM مۇناسىۋەتلىك نېرۋا ھۈجەيرىلىرىنىڭ تارقىلىشىنى بوشلۇق جەھەتتىن گۇرۇپپىلاپ، يۇقىرى ئېنىقلىقتىكى سانلىق مەلۇماتلارنى كۆرسىتىش ئىقتىدارى بىلەن تەمىنلىيەلەيدۇ. SeOM بىۋاسىتە چۈشەندۈرۈش ئۈچۈن نەتىجىلەرنى خاراكتېرلەندۈرۈش ئۈچۈن ئەڭ ياخشى مودېلغا ئېرىشىش ئۈچۈن Ni مۆلچەر سانلىق مەلۇماتلىرىنى كۆرسىتىش ئارقىلىق كۆرسىتىدۇ.
بۇ ماقالە شەھەر ۋە شەھەر ئەتراپىدىكى تۇپراقلاردىكى نىكېل مىقدارىنى مۆلچەرلەش ئۈچۈن ئەڭ ياخشى توغرىلىققا ئىگە كۈچلۈك خەرىتە مودېلىنى يارىتىشنى مەقسەت قىلىدۇ. بىز ئارىلاش مودېلنىڭ ئىشەنچلىكلىكى ئاساسلىقى ئاساسىي مودېلغا قوشۇلغان باشقا مودېللارنىڭ تەسىرىگە باغلىق دەپ پەرەز قىلىمىز. بىز DSM دۇچ كېلىۋاتقان خىرىسلارنى ئېتىراپ قىلىمىز، ۋە بۇ خىرىسلار كۆپ جەھەتتىن ھەل قىلىنىۋاتقان بولسىمۇ، گېئوستاتىستىكىلىق ۋە MLA مودېللىرىدىكى ئىلگىرىلەشلەرنىڭ بىرلەشتۈرۈلۈشى تەدرىجىي تەرەققىي قىلىۋاتقاندەك قىلىدۇ؛ شۇڭا، بىز ئارىلاش مودېللارنى كەلتۈرۈپ چىقىرىشى مۇمكىن بولغان تەتقىقات سوئاللىرىغا جاۋاب بېرىشكە تىرىشىمىز. قانداقلا بولمىسۇن، مودېلنىڭ نىشان ئېلېمېنتىنى مۆلچەرلەشتىكى توغرىلىقى قانچىلىك؟ شۇنداقلا، دەلىللەش ۋە توغرىلىقنى باھالاشقا ئاساسلانغان ئۈنۈمنى باھالاش سەۋىيەسى قانچىلىك؟ شۇڭا، بۇ تەتقىقاتنىڭ كونكرېت مەقسىتى (a) EBK نى ئاساسىي مودېل قىلىپ ئىشلىتىپ SVMR ياكى MLR ئۈچۈن بىرلەشتۈرۈلگەن ئارىلاشما مودېل يارىتىش، (b) نەتىجىدە ھاسىل بولغان مودېللارنى سېلىشتۇرۇش، (c) شەھەر ياكى شەھەر ئەتراپىدىكى تۇپراقلاردىكى Ni قويۇقلۇقىنى مۆلچەرلەش ئۈچۈن ئەڭ ياخشى ئارىلاشما مودېلنى ئوتتۇرىغا قويۇش، ۋە (d) SeOM نى نىكېل بوشلۇقى ئۆزگىرىشىنىڭ يۇقىرى ئېنىقلىقتىكى خەرىتىسىنى يارىتىش ئۈچۈن قوللىنىش.
بۇ تەتقىقات چېخ جۇمھۇرىيىتىدە، بولۇپمۇ موراۋىيە-سىلېزىيە رايونىدىكى فرىدېك مىستېك رايونىدا ئېلىپ بېرىلماقتا (1-رەسىمگە قاراڭ). تەتقىقات رايونىنىڭ جۇغراپىيىلىك ئورنى ناھايىتى قوپال بولۇپ، كۆپ قىسمى موراۋىيە-سىلېزىيە بېسكىدى رايونىنىڭ بىر قىسمى بولۇپ، كارپات تېغىنىڭ سىرتقى چېتىگە كىرىدۇ. تەتقىقات رايونى 49° 41′ 0′ شىمالىي كەڭلىك بىلەن 18° 20′ 0′ شەرقىي كەڭلىك ئارىلىقىدا، دېڭىز يۈزىدىن ئېگىزلىكى 225 مېتىردىن 327 مېتىرغىچە. قانداقلا بولمىسۇن، بۇ رايوننىڭ ئىقلىم ھالىتىنى ئايرىش ئۈچۈن كوپپېن تۈرگە ئايرىش سىستېمىسى Cfb = مۆتىدىل ئوكيان ئىقلىمى دەپ باھالانغان. قۇرغاق ئايلاردىمۇ يامغۇر كۆپ ياغىدۇ. تېمپېراتۇرا يىل بويى −5 سېلسىيە گرادۇستىن 24 سېلسىيە گرادۇسقىچە ئازراق ئۆزگىرىپ تۇرىدۇ، −14 سېلسىيە گرادۇستىن تۆۋەن ياكى 30 سېلسىيە گرادۇستىن يۇقىرى تۆۋەنلەيدۇ، يىللىق ئوتتۇرىچە يامغۇر مىقدارى 685 دىن 752 مىللىمېتىرغىچە بولىدۇ. پۈتۈن رايوننىڭ مۆلچەرلەنگەن تەكشۈرۈش كۆلىمى 1208 كۋادرات كىلومېتىر بولۇپ، تېرىلغۇ يەرنىڭ %39.38 نى، ئورمانلىقنىڭ %49.36 نى ئىگىلەيدۇ. يەنە بىر تەرەپتىن، بۇ تەتقىقاتتا ئىشلىتىلگەن كۆلەم تەخمىنەن 889.8 كۋادرات كىلومېتىر. ئوستراۋا ۋە ئۇنىڭ ئەتراپىدا پولات سانائىتى ۋە مېتال زاۋۇتلىرى ناھايىتى ئاكتىپ. مېتال زاۋۇتلىرى، نىكېل داتلاشماس پولاتلاردا (مەسىلەن، ئاتموسفېرانىڭ چىرىشىغا قارشى تۇرۇش ئۈچۈن) ۋە قېتىشما پولاتلاردا ئىشلىتىلىدىغان پولات سانائىتى (نىكېل قېتىشمىنىڭ ياخشى ئېلاستىكىلىقى ۋە چىدامچانلىقىنى ساقلاپ قېلىش بىلەن بىرگە ئۇنىڭ كۈچلۈكلۈكىنى ئاشۇرىدۇ)، فوسفات ئوغۇتى ئىشلىتىش ۋە چارۋىچىلىق قاتارلىق ئىنتېنسىۋ دېھقانچىلىقى نىكېلنىڭ تەتقىقات مەنبەلىرى بولۇپ ھېسابلىنىدۇ. بۇ رايوندا (مەسىلەن، قوزىلارغا نىكېل قوشۇپ، قوزىلار ۋە ئاز يەملىك ماللارنىڭ ئۆسۈش سۈرئىتىنى ئاشۇرۇش). تەتقىقات ساھەلىرىدە نىكېلنىڭ باشقا سانائەت ئىشلىتىلىشى ئۇنىڭ ئېلېكترو قاپلاشتا ئىشلىتىلىشىنى ئۆز ئىچىگە ئالىدۇ، بۇنىڭ ئىچىدە نىكېلنى ئېلېكترو قاپلاش ۋە ئېلېكتروسىز نىكېل قاپلاش جەريانلىرى بار. تۇپراق خۇسۇسىيەتلىرىنى تۇپراق رەڭگى، قۇرۇلمىسى ۋە كاربونات تەركىبىدىن ئاسانلا پەرقلەندۈرگىلى بولىدۇ. تۇپراقنىڭ تېكىستۇرىسى ئوتتۇراھال ياكى نېپىز بولۇپ، ئانا ماتېرىيالدىن ئېلىنغان. ئۇلار كوللۇۋىيال، ئاللۇۋىيال ياكى ئېئول تەبىئىتىدە. بەزى تۇپراق رايونلىرىنىڭ يۈزى ۋە ئاستى قەۋىتىدە داغلىق كۆرۈنىدۇ، كۆپىنچە بېتون ۋە ئاقارتىش بار. قانداقلا بولمىسۇن، كامبىسول ۋە ستاگنوسول بۇ رايوندا ئەڭ كۆپ ئۇچرايدىغان تۇپراق تىپلىرى48. دېڭىز يۈزىدىن ئېگىزلىكى 455.1 مېتىردىن 493.5 مېتىرغىچە بولغان كامبىسول چېخ جۇمھۇرىيىتىدە ئاساسلىق ئورۇندا تۇرىدۇ49.
تەتقىقات رايونى خەرىتىسى [تەتقىقات رايونى خەرىتىسى ArcGIS Desktop (ESRI, Inc، 10.7 نەشرى، URL: https://desktop.arcgis.com) ئارقىلىق ياسالغان.]
Frydek Mistek رايونىدىكى شەھەر ۋە شەھەر ئەتراپىدىكى تۇپراقلاردىن جەمئىي 115 دانە تۇپراق ئەۋرىشكىسى ئېلىندى. ئەۋرىشكە ئۇسۇلى دائىملىق تور شەكلىدە بولۇپ، تۇپراق ئەۋرىشكىلىرى ئارىلىقى 2 × 2 كىلومېتىر بولغان، تۇپراق ئەۋرىشكىسى قولدا تۇتۇلىدىغان GPS ئۈسكۈنىسى (Leica Zeno 5 GPS) ئارقىلىق 0 دىن 20 سانتىمېتىرغىچە چوڭقۇرلۇقتا ئۆلچەندى. ئەۋرىشكىلەر Ziploc خالتىلىرىغا ئورالغان، مۇۋاپىق بەلگە قويۇلغان ۋە تەجرىبىخانىغا ئەۋەتىلگەن. ئەۋرىشكىلەر ھاۋادا قۇرۇتۇلۇپ، مېخانىكىلىق سىستېما (Fritsch دىسكا تېگىرمىنى) ئارقىلىق پارچىلىنىپ، ئېلىنىپ (ئېلەك چوڭلۇقى 2 مىللىمېتىر) ئېلىنىپ، ئېنىق بەلگە قويۇلغان تېفلون بوتۇلكىلىرىغا 1 گرام قۇرۇتۇلغان، بىر خىل ھالەتكە كەلتۈرۈلگەن ۋە ئېلىنىپ بولغان تۇپراق ئەۋرىشكىلىرىنى سېلىڭ. ھەر بىر تېفلون قاچىسىغا 7 مىللىلىتىر %35 HCl ۋە 3 مىللىلىتىر %65 HNO3 قۇيۇڭ (ئاپتوماتىك تارقىتىش ئۈسكۈنىسى ئىشلىتىڭ - ھەر بىر كىسلاتا ئۈچۈن بىردىن)، يېنىك يېپىپ، ئەۋرىشكىلەرنى رېئاكسىيە ئۈچۈن بىر كېچە قويۇپ قويۇڭ (aqua regia پروگراممىسى). ئۈستۈنكى سۇيۇقلۇقنى قىزىق مېتال تاختىغا قويۇڭ. (تېمپېراتۇرا: 100 W ۋە 160 °C) ئەۋرىشكىلەرنىڭ ھەزىم قىلىش جەريانىنى ئاسانلاشتۇرۇش ئۈچۈن 2 سائەت قويۇپ، ئاندىن سوۋۇتۇڭ. ئۈستۈنكى سۇيۇقلۇقنى 50 مىللىلىتىرلىق ھەجىملىك ​​كولباساغا سېلىپ، ئۇنى 50 مىللىلىتىرغىچە دېئىئونلاشتۇرۇلغان سۇ بىلەن سۇيۇلدۇرۇڭ. ئۇنىڭدىن كېيىن، سۇيۇقلاندۇرۇلغان ئۈستۈنكى سۇيۇقلۇقنى 50 مىللىلىتىرلىق PVC تۇرۇبىسىغا دېئىئونلاشتۇرۇلغان سۇ بىلەن سۈزۈڭ. بۇنىڭدىن باشقا، 1 مىللىلىتىر سۇيۇقلاندۇرۇش ئېرىتمىسى 9 مىللىلىتىر دېئىئونلاشتۇرۇلغان سۇ بىلەن سۇيۇلدۇرۇلۇپ، PTE يالغان قويۇقلاشتۇرۇش ئۈچۈن تەييارلانغان 12 مىللىلىتىرلىق تۇرۇبىغا سۈزۈلدى. PTE نىڭ قويۇقلۇقى (As, Cd, Cr, Cu, Mn, Ni, Pb, Zn, Ca, Mg, K) ICP-OES (ئىندۇكسىيەلىك بىرىكتۈرۈلگەن پلازما ئوپتىكىلىق چىقىرىش سپېكتروسكوپىيەسى) (Thermo Fisher Scientific, USA) ئارقىلىق ئۆلچەملىك ئۇسۇل ۋە كېلىشىمگە ئاساسەن بېكىتىلدى. سۈپەت كاپالىتى ۋە كونترول (QA/QC) تەرتىپلىرىگە كاپالەتلىك قىلىڭ (SRM NIST 2711a Montana II Soil). بايقاش چېكى يېرىمدىن تۆۋەن بولغان PTE بۇ تەتقىقاتتىن چىقىرىۋېتىلدى. بايقاش چېكى بۇ تەتقىقاتتا ئىشلىتىلگەن PTE 0.0004 ئىدى. (سىز). بۇنىڭدىن باشقا، ھەر بىر ئانالىزنىڭ سۈپەت كونترول قىلىش ۋە سۈپەت كاپالىتى جەريانى پايدىلىنىش ئۆلچىمىنى تەھلىل قىلىش ئارقىلىق كاپالەتلەندۈرۈلىدۇ. خاتالىقلارنىڭ ئەڭ تۆۋەن چەككە چۈشۈرۈلۈشىگە كاپالەتلىك قىلىش ئۈچۈن، قوش ئانالىز ئېلىپ بېرىلدى.
ئەمەلىي بايېس كرىگىڭ (EBK) تۇپراق ئىلمى قاتارلىق ھەر خىل ساھەلەردە مودېللاشتۇرۇشتا ئىشلىتىلىدىغان نۇرغۇن گېئوستاتىستىكىلىق ئىنتېرپولاتسىيە تېخنىكىلىرىنىڭ بىرى. باشقا كرىگىڭ ئىنتېرپولاتسىيە تېخنىكىلىرىدىن پەرقلىق ھالدا، EBK يېرىم ۋارىئوگرامما مودېلى تەرىپىدىن مۆلچەرلەنگەن خاتالىقنى ئويلىشىش ئارقىلىق ئەنئەنىۋى كرىگىڭ ئۇسۇللىرىدىن پەرقلىنىدۇ. EBK ئىنتېرپولاتسىيەسىدە، ئىنتېرپولاتسىيە جەريانىدا يەككە يېرىم ۋارىئوگرامما ئەمەس، بەلكى بىر قانچە يېرىم ۋارىئوگرامما مودېلى ھېسابلىنىدۇ. ئىنتېرپولاتسىيە تېخنىكىلىرى يېتەرلىك كرىگىڭ ئۇسۇلىنىڭ ئىنتايىن مۇرەككەپ بىر قىسمىنى تەشكىل قىلىدىغان يېرىم ۋارىئوگراممانىڭ بۇ سىزمىسى بىلەن مۇناسىۋەتلىك ئېنىقسىزلىق ۋە پروگراممىلاشقا يول ئاچىدۇ. EBK نىڭ ئىنتېرپولاتسىيە جەريانى كرىۋورۇچكو50 تەرىپىدىن ئوتتۇرىغا قويۇلغان ئۈچ ئۆلچەمگە ئەمەل قىلىدۇ، (a) مودېل كىرگۈزۈش سانلىق مەلۇماتلىرىدىن يېرىم ۋارىئوگراممىنى مۆلچەرلەيدۇ (b) ھاسىل قىلىنغان يېرىم ۋارىئوگرامماغا ئاساسەن ھەر بىر كىرگۈزۈش سانلىق مەلۇماتلىرى ئورنىنىڭ يېڭى مۆلچەرلەنگەن قىممىتى ۋە (c) ئاخىرقى A مودېلى سىمۇلياتسىيە قىلىنغان سانلىق مەلۇماتلىرىدىن ھېسابلىنىدۇ. بايېس تەڭلىمىسىنىڭ قائىدىسى ئارقا كۆرۈنۈش شەكلىدە بېرىلگەن.
بۇ يەردە \(Prob\left(A\right)\) ئالدىنقى قىممەتنى ئىپادىلەيدۇ، \(Prob\left(B\right)\) چەك ئېھتىماللىقى كۆپىنچە ئەھۋاللاردا نەزەردىن ساقىت قىلىنىدۇ، \(Prob (B,A)\). يېرىم ۋارىئوگرامما ھېسابلاش بايېس قائىدىسىگە ئاساسلانغان بولۇپ، ئۇ يېرىم ۋارىئوگراممادىن ھاسىل قىلغىلى بولىدىغان كۆزىتىش سانلىق مەلۇماتلىرىنىڭ مايىللىقىنى كۆرسىتىدۇ. ئاندىن يېرىم ۋارىئوگراممانىڭ قىممىتى بايېس قائىدىسى ئارقىلىق بېكىتىلىدۇ، بۇ قائىدە يېرىم ۋارىئوگراممادىن كۆزىتىش سانلىق مەلۇماتلىرىنى ھاسىل قىلىش ئېھتىماللىقىنى كۆرسىتىدۇ.
تىرەك ۋېكتور ماشىنىسى ماشىنا ئۆگىنىش ئالگورىزىمى بولۇپ، ئۇ ئوخشاش، ئەمما سىزىقلىق مۇستەقىل بولمىغان سىنىپلارنى پەرقلەندۈرۈش ئۈچۈن ئەڭ ياخشى ئايرىش گىپېر تۈزلەڭلىكىنى ھاسىل قىلىدۇ. Vapnik51 مەقسەت تۈرگە ئايرىش ئالگورىزىمىنى ياراتقان، ئەمما ئۇ يېقىندا رېگرېسسىيەگە يۈزلەنگەن مەسىلىلەرنى ھەل قىلىشتا ئىشلىتىلگەن. Li قاتارلىقلارنىڭ 52 قارىشىچە، SVM ئەڭ ياخشى تۈرگە ئايرىش تېخنىكىلىرىنىڭ بىرى بولۇپ، ھەر خىل ساھەلەردە ئىشلىتىلگەن. بۇ تەھلىلدە SVM نىڭ رېگرېسسىيە تەركىبى (قوللاش ۋېكتور ماشىنىسى رېگرېسسىيەسى – SVMR) ئىشلىتىلگەن. Cherkassky ۋە ​​Mulier53 SVMR نى يادروغا ئاساسلانغان رېگرېسسىيە سۈپىتىدە باشلامچىلىق قىلغان، ھېسابلاش كۆپ دۆلەتلىك بوشلۇق فۇنكسىيەسى بار سىزىقلىق رېگرېسسىيە مودېلى ئارقىلىق ئېلىپ بېرىلغان. John قاتارلىقلار54 SVMR مودېللاشتۇرۇشتا گىپېر تۈزلەڭلىك سىزىقلىق رېگرېسسىيە قوللىنىلىدىغانلىقىنى، بۇ سىزىقسىز مۇناسىۋەتلەرنى پەيدا قىلىدىغان ۋە بوشلۇق فۇنكسىيەلىرىگە يول قويىدىغانلىقىنى دوكلات قىلغان. Vohland قاتارلىقلارنىڭ 52 قارىشىچە، 55-رەسىمدە، ئېپسىلون (ε)-SVMR تەربىيەلەنگەن سانلىق مەلۇماتلار توپلىمىنى ئىشلىتىپ، مۇناسىۋەتلىك سانلىق مەلۇماتلارغا ئاساسەن تەربىيەلەنگەن سانلىق مەلۇماتلارنى ئەڭ ياخشى ئېپسىلون يۆنىلىشى بىلەن مۇستەقىل ھالدا خەرىتىلەشكە قوللىنىلىدىغان ئېپسىلونغا سەزگۈر بولمىغان فۇنكسىيە سۈپىتىدە ۋەكىللىك مودېلىغا ئېرىشىدۇ. ئالدىن بېكىتىلگەن ئارىلىق خاتالىقى ئەمەلىي قىممەتتىن نەزەردىن ساقىت قىلىنىدۇ، ئەگەر خاتالىق ε(ε) دىن چوڭ بولسا، تۇپراق خۇسۇسىيىتى ئۇنى تولۇقلايدۇ. بۇ مودېل يەنە تەربىيە سانلىق مەلۇماتلىرىنىڭ مۇرەككەپلىكىنى كەڭ دائىرىلىك قوللاش ۋېكتورلىرى گۇرۇپپىسىغا چۈشۈرىدۇ. Vapnik51 تەرىپىدىن ئوتتۇرىغا قويۇلغان تەڭلىمە تۆۋەندە كۆرسىتىلدى.
بۇ يەردە b سىكالارلىق چەكنى، \(K\left({x}_{,}{ x}_{k}\right)\) يادرو فۇنكسىيەسىنى، \(\alpha\) لاگرانج كۆپەيتكۈچىنى، N سانلىق سانلىق مەلۇمات توپلىمىنى، \({x}_{k}\) سانلىق مەلۇمات كىرگۈزۈشنى، \(y\) سانلىق مەلۇمات چىقىرىشنى كۆرسىتىدۇ. ئىشلىتىلگەن ئاچقۇچ يادرولارنىڭ بىرى SVMR مەشغۇلاتى بولۇپ، ئۇ گاۋس رادىئاتسىيەلىك ئاساس فۇنكسىيەسى (RBF). RBF يادروسى ئەڭ ياخشى SVMR مودېلىنى بەلگىلەشكە ئىشلىتىلىدۇ، بۇ PTE مەشىق سانلىق مەلۇماتلىرى ئۈچۈن ئەڭ نېپىز جازا جەدۋىلى C ۋە يادرو پارامېتىرى گامما (γ) نى قولغا كەلتۈرۈشتە ئىنتايىن مۇھىم. ئالدى بىلەن، بىز مەشىق توپلىمىنى باھالىدۇق، ئاندىن جەزملەشتۈرۈش توپلىمىدىكى مودېلنىڭ ئىقتىدارىنى سىناق قىلدۇق. ئىشلىتىلگەن يۆنىلىش پارامېتىرى sigma، ئۇسۇل قىممىتى svmRadial.
كۆپ سىزىقلىق رېگرېسسىيە مودېلى (MLR) ئەڭ كىچىك كۋادرات ئۇسۇلى ئارقىلىق ھېسابلىنىدىغان سىزىقلىق بىرلەشتۈرۈلگەن پارامېتىرلار ئارقىلىق جاۋاب ئۆزگەرگۈچىسى بىلەن بىر قاتار مۆلچەرلىگۈچى ئۆزگەرگۈچىسى ئوتتۇرىسىدىكى مۇناسىۋەتنى ئىپادىلەيدىغان رېگرېسسىيە مودېلى. MLR دا، ئەڭ كىچىك كۋادرات مودېلى چۈشەندۈرۈش ئۆزگەرگۈچىسى تاللانغاندىن كېيىن تۇپراق خۇسۇسىيىتىنىڭ مۆلچەرلەش فۇنكسىيەسى. چۈشەندۈرۈش ئۆزگەرگۈچىسى ئارقىلىق سىزىقلىق مۇناسىۋەت ئورنىتىش ئۈچۈن جاۋابنى ئىشلىتىش كېرەك. چۈشەندۈرۈش ئۆزگەرگۈچىسى بىلەن سىزىقلىق مۇناسىۋەت ئورنىتىش ئۈچۈن PTE جاۋاب ئۆزگەرگۈچىسى سۈپىتىدە ئىشلىتىلدى. MLR تەڭلىمىسى ...
بۇ يەردە y جاۋاب ئۆزگەرگۈچىسى، \(a\) كېسىشمە نۇقتا، n پەرەز قىلغۇچىلارنىڭ سانى، \({b}_{1}\) كوئېففىتسېنتلارنىڭ قىسمەن رېگرېسسىيەسى، \({x}_{ i}\) پەرەز قىلغۇچى ياكى چۈشەندۈرۈش ئۆزگەرگۈچىسىنى، \({\varepsilon }_{i}\) مودېلدىكى خاتالىقنى، يەنى قالدۇقنى كۆرسىتىدۇ.
ئارىلاش مودېللار EBK نى SVMR ۋە MLR بىلەن بىرلەشتۈرۈش ئارقىلىق قولغا كەلتۈرۈلدى. بۇ EBK ئارىلاشمىسىدىن مۆلچەرلەنگەن قىممەتلەرنى چىقىرىش ئارقىلىق ئەمەلگە ئاشۇرۇلىدۇ. ئارىلاشما Ca, K ۋە Mg دىن ئېرىشكەن مۆلچەرلەنگەن قىممەتلەر بىرىكمە جەريان ئارقىلىق CaK, CaMg ۋە KMg قاتارلىق يېڭى ئۆزگەرگۈچى مىقدارلارنى قولغا كەلتۈرۈش ئارقىلىق قولغا كەلتۈرۈلىدۇ. ئاندىن Ca, K ۋە Mg ئېلېمېنتلىرى بىرلەشتۈرۈلۈپ تۆتىنچى ئۆزگەرگۈچى مىقدار CaKMg نى قولغا كەلتۈرىدۇ. ئومۇمەن قىلىپ ئېيتقاندا، ئېرىشكەن ئۆزگەرگۈچى مىقدارلار Ca, K, Mg, CaK, CaMg, KMg ۋە CaKMg. بۇ ئۆزگەرگۈچى مىقدارلار بىزنىڭ مۆلچەرلىگۈچىلىرىمىزگە ئايلاندى، بۇ شەھەر ۋە شەھەر ئەتراپىدىكى تۇپراقلاردىكى نىكېل قويۇقلۇقىنى مۆلچەرلەشكە ياردەم بەردى. SVMR ئالگورىزىمى مۆلچەرلىگۈچىلەردە ئېلىپ بېرىلىپ، ئارىلاش مودېل ئېمپېرىكا بايېس كرىگىڭ-قوللاش ۋېكتور ماشىنىسى (EBK_SVM) قولغا كەلتۈرۈلدى. شۇنىڭغا ئوخشاش، ئۆزگەرگۈچى مىقدارلارمۇ MLR ئالگورىزىمى ئارقىلىق ئارىلاش مودېل ئېمپېرىكا بايېس كرىگىڭ-كۆپ سىزىقلىق رېگرېسسىيە (EBK_MLR) قولغا كەلتۈرۈلىدۇ. ئادەتتە، Ca, K, Mg, CaK ئۆزگەرگۈچى مىقدارلىرى CaMg، KMg ۋە CaKMg شەھەر ۋە شەھەر ئەتراپىدىكى تۇپراقلاردىكى Ni مىقدارىنىڭ مۆلچەرلىگۈچىسى سۈپىتىدە بىرلىكتە ئۆزگەرگۈچى مىقدار سۈپىتىدە ئىشلىتىلىدۇ. ئاندىن ئېرىشكەن ئەڭ قوبۇل قىلغىلى بولىدىغان مودېل (EBK_SVM ياكى EBK_MLR) ئۆزلۈكىدىن تەشكىللىنىدىغان گىرافىك ئارقىلىق كۆرسىتىلىدۇ. بۇ تەتقىقاتنىڭ خىزمەت جەريانى 2-رەسىمدە كۆرسىتىلدى.
SeOM نى ئىشلىتىش پۇل-مۇئامىلە ساھەسى، سەھىيە، سانائەت، ستاتىستىكا، تۇپراق ئىلمى قاتارلىق ساھەلەردىكى سانلىق مەلۇماتلارنى تەشكىللەش، باھالاش ۋە مۆلچەرلەشتە ئالقىشقا ئېرىشكەن قورالغا ئايلاندى. SeOM تەشكىللەش، باھالاش ۋە مۆلچەرلەش ئۈچۈن سۈنئىي نېرۋا تورى ۋە نازارەت قىلىنمايدىغان ئۆگىنىش ئۇسۇللىرى ئارقىلىق ياسىلىدۇ. بۇ تەتقىقاتتا، SeOM شەھەر ۋە شەھەر ئەتراپىدىكى تۇپراقلاردا Ni نى مۆلچەرلەشنىڭ ئەڭ ياخشى مودېلىغا ئاساسەن Ni قويۇقلۇقىنى كۆرسىتىش ئۈچۈن ئىشلىتىلدى. SeOM باھالاشتا بىر تەرەپ قىلىنغان سانلىق مەلۇماتلار n كىرگۈزۈش ئۆلچەملىك ۋېكتور ئۆزگەرگۈچىسى سۈپىتىدە ئىشلىتىلىدۇ43،56. Melssen قاتارلىقلار. 57-رەسىمدە بىر كىرگۈزۈش قەۋىتى ئارقىلىق بىر كىرگۈزۈش ۋېكتورىنىڭ بىر ئېغىرلىق ۋېكتورى بار بىر چىقىرىش ۋېكتورىغا نېرۋا تورىغا ئۇلىنىشىنى تەسۋىرلەيدۇ. SeOM تەرىپىدىن ھاسىل قىلىنغان چىقىرىش ئىككى ئۆلچەملىك خەرىتە بولۇپ، ئۇلارنىڭ يېقىنلىقىغا ئاساسەن ئالتە تەرەپلىك، يۇمىلاق ياكى كۋادرات شەكىللىك توپولوگىيەلىك خەرىتىلەرگە توقۇلغان ھەر خىل نېرۋا ھۈجەيرىلىرى ياكى تۈگۈنلەردىن تەركىب تاپقان. خەرىتە چوڭلۇقىنى مېترىك، مىقدارلاشتۇرۇش خاتالىقى (QE) ۋە توپوگرافىك خاتالىق (TE) غا ئاساسەن سېلىشتۇرۇپ، ئايرىم-ئايرىم ھالدا 0.086 ۋە 0.904 بولغان SeOM مودېلى تاللانغان، بۇ 55 خەرىتە بىرلىكى (5 × 11). نېرۋا ھۈجەيرىسىنىڭ قۇرۇلمىسى ئەمەلىي تەڭلىمىدىكى تۈگۈن سانىغا ئاساسەن بېكىتىلىدۇ.
بۇ تەتقىقاتتا ئىشلىتىلگەن سانلىق مەلۇماتلارنىڭ سانى 115 ئەۋرىشكە. سانلىق مەلۇماتلار سىناق سانلىق مەلۇماتلىرى (تەستىقلاش ئۈچۈن %25) ۋە تەربىيەلەش سانلىق مەلۇمات توپلاملىرى (تەستىقلاش ئۈچۈن %75) گە بۆلۈنۈش ئۈچۈن تاسادىپىي ئۇسۇل قوللىنىلدى. تەربىيەلەش سانلىق مەلۇمات توپلىمى رېگرېسسىيە مودېلىنى (تەستىقلاش) ھاسىل قىلىش ئۈچۈن ئىشلىتىلىدۇ، سىناق سانلىق مەلۇمات توپلىمى ئومۇملاشتۇرۇش ئىقتىدارىنى تەكشۈرۈش ئۈچۈن ئىشلىتىلىدۇ58. بۇ، تۇپراقتىكى نىكېل مىقدارىنى مۆلچەرلەشكە ھەر خىل مودېللارنىڭ ماس كېلىشىنى باھالاش ئۈچۈن قىلىندى. ئىشلىتىلگەن بارلىق مودېللار بەش قېتىم تەكرارلانغان ئون قېتىملىق كرېست تەكشۈرۈش جەريانىدىن ئۆتتى. EBK ئارىلاشتۇرۇش ئارقىلىق ھاسىل قىلىنغان ئۆزگەرگۈچى مىقدارلار نىشان ئۆزگەرگۈچى مىقدارنى (PTE) مۆلچەرلەش ئۈچۈن مۆلچەرلىگۈچى ياكى چۈشەندۈرۈش ئۆزگەرگۈچى مىقدار سۈپىتىدە ئىشلىتىلىدۇ. مودېللاشتۇرۇش RStudio دا كىتابخانا (Kohonen)، كىتابخانا (caret)، كىتابخانا (modelr)، كىتابخانا (“e1071″)، كىتابخانا (“plyr”)، كىتابخانا (“caTools”)، كىتابخانا (“prospectr”) ۋە كىتابخانىلار (“Metrics”) ئارقىلىق بىر تەرەپ قىلىنىدۇ.
تۇپراقتىكى نىكېل قويۇقلۇقىنى مۆلچەرلەشكە ماس كېلىدىغان ئەڭ ياخشى مودېلنى بەلگىلەش ۋە مودېلنىڭ توغرىلىقى ۋە ئۇنىڭ دەلىللىنىشىنى باھالاش ئۈچۈن ھەر خىل دەلىللەش پارامېتىرلىرى ئىشلىتىلدى. گىبرىدلىشىش مودېللىرى ئوتتۇرىچە ئابسولۇت خاتالىق (MAE)، ئوتتۇرىچە كۋادرات خاتالىقى (RMSE) ۋە R-كۋادرات ياكى كوئېففىتسېنت بەلگىلەش (R2) ئارقىلىق باھالاندى. R2 جاۋابتىكى نىسبەتنىڭ ئۆزگىرىشچانلىقىنى بەلگىلەيدۇ، بۇ رېگرېسسىيە مودېلى بىلەن ئىپادىلىنىدۇ. مۇستەقىل ئۆلچەملەردىكى RMSE ۋە ئۆزگىرىش چوڭلۇقى مودېلنىڭ مۆلچەرلەش كۈچىنى تەسۋىرلەيدۇ، MAE بولسا ئەمەلىي مىقدار قىممىتىنى بەلگىلەيدۇ. دەلىللەش پارامېتىرلىرى ئارقىلىق ئەڭ ياخشى ئارىلاشما مودېلنى باھالاش ئۈچۈن R2 قىممىتى يۇقىرى بولۇشى كېرەك، قىممەت 1 گە قانچە يېقىن بولسا، توغرىلىق شۇنچە يۇقىرى بولىدۇ. Li قاتارلىقلارنىڭ 59 گە ئاساسلانغاندا، R2 ئۆلچىمى قىممىتى 0.75 ياكى ئۇنىڭدىن يۇقىرى بولسا ياخشى مۆلچەرلىگۈچى دەپ قارىلىدۇ؛ 0.5 تىن 0.75 گىچە بولسا مودېل ئىقتىدارى قوبۇل قىلىنىدۇ، 0.5 تىن تۆۋەن بولسا مودېل ئىقتىدارى قوبۇل قىلىنمايدۇ. RMSE ۋە MAE دەلىللەش ئۆلچىمى باھالاش ئۇسۇللىرىنى ئىشلىتىپ مودېل تاللىغاندا، ئېرىشكەن تۆۋەن قىممەتلەر يېتەرلىك بولۇپ، ئەڭ ياخشى تاللاش دەپ قارالدى. تۆۋەندىكى تەڭلىمە دەلىللەش ئۇسۇلىنى تەسۋىرلەيدۇ.
بۇ يەردە n كۆزىتىلگەن قىممەتنىڭ چوڭلۇقىنى بىلدۈرىدۇ\({Y}_{i}\) ئۆلچەنگەن جاۋابنى، \({\widehat{Y}}_{i}\) يەنە مۆلچەرلەنگەن جاۋاب قىممىتىنى بىلدۈرىدۇ، شۇڭا، تۇنجى i كۆزىتىش ئۈچۈن.
مۆلچەرلىگۈچى ۋە جاۋاب ئۆزگەرگۈچى مىقدارلىرىنىڭ ستاتىستىكىلىق چۈشەندۈرۈشلىرى 1-جەدۋەلدە كۆرسىتىلدى، بۇنىڭدا ئوتتۇرىچە قىممەت، ئۆلچەملىك چەتنىش (SD)، ئۆزگىرىش كوئېففىتسېنتى (CV)، ئەڭ تۆۋەن قىممەت، ئەڭ يۇقىرى قىممەت، كۇرتوس ۋە قىيسىقلىق كۆرسىتىلدى. ئېلېمېنتلارنىڭ ئەڭ تۆۋەن ۋە ئەڭ يۇقىرى قىممەتلىرى ئايرىم-ئايرىم ھالدا Mg < Ca < K < Ni ۋە Ca < Mg < K < Ni نىڭ تۆۋەنلەش تەرتىپىدە. تەتقىقات رايونىدىن ئەۋرىشكە ئېلىنغان جاۋاب ئۆزگەرگۈچى مىقدارنىڭ (Ni) قويۇقلۇقى 4.86 دىن 42.39 mg/kg غىچە بولدى. Ni نى دۇنيا ئوتتۇرىچە قىممىتى (29 mg/kg) ۋە ياۋروپا ئوتتۇرىچە قىممىتى (37 mg/kg) بىلەن سېلىشتۇرۇش تەتقىقات رايونىنىڭ ئومۇمىي ھېسابلىغان گېئومېتىرىيەلىك ئوتتۇرىچە قىممىتىنىڭ چىدىغىلى بولىدىغان دائىرىدە ئىكەنلىكىنى كۆرسەتتى. شۇنداقتىمۇ، Kabata-Pendias11 دا كۆرسىتىلگەندەك، ھازىرقى تەتقىقاتتىكى ئوتتۇرىچە نىكېل (Ni) قويۇقلۇقىنى شىۋېتسىيەدىكى دېھقانچىلىق تۇپراقلىرى بىلەن سېلىشتۇرۇش ھازىرقى ئوتتۇرىچە نىكېل قويۇقلۇقىنىڭ يۇقىرى ئىكەنلىكىنى كۆرسىتىپ بېرىدۇ. شۇنىڭدەك، ھازىرقى تەتقىقاتتىكى شەھەر ۋە شەھەر ئەتراپى تۇپراقلىرىدىكى Frydek Mistek نىڭ ئوتتۇرىچە قويۇقلۇقى (Ni 16.15 mg/kg) دىن يۇقىرى بولدى. Różański قاتارلىقلار دوكلات قىلغان پولشا شەھەر تۇپرىقىدىكى Ni نىڭ يول قويۇلىدىغان چېكى 60 (10.2 mg/kg). بۇنىڭدىن باشقا، Bretzel ۋە Calderisi61 ھازىرقى تەتقىقاتقا سېلىشتۇرغاندا توسكانا شەھەر تۇپرىقىدا Ni نىڭ ئوتتۇرىچە قويۇقلۇقىنىڭ ئىنتايىن تۆۋەن ئىكەنلىكىنى (1.78 mg/kg) خاتىرىلىگەن. Jim62 يەنە شياڭگاڭ شەھەر تۇپرىقىدا نىكېلنىڭ قويۇقلۇقىنىڭ تۆۋەنلىكىنى (12.34 mg/kg) بايقىغان، بۇ بۇ تەتقىقاتتىكى ھازىرقى نىكېلنىڭ قويۇقلۇقىدىن تۆۋەن. Birke قاتارلىقلار63 گېرمانىيەنىڭ ساكسونىيە-ئانخالت شەھىرىدىكى كونا كانچىلىق ۋە شەھەر سانائەت رايونىدا Ni نىڭ ئوتتۇرىچە قويۇقلۇقىنىڭ 17.6 mg/kg ئىكەنلىكىنى دوكلات قىلغان، بۇ رايوندىكى Ni نىڭ ئوتتۇرىچە قويۇقلۇقىدىن (16.15 mg/kg) 1.45 mg/kg يۇقىرى. نۆۋەتتىكى تەتقىقات. تەتقىقات رايونىنىڭ بەزى شەھەر ۋە شەھەر ئەتراپى رايونلىرىدىكى تۇپراقلاردىكى نىكېلنىڭ ئارتۇقچە مىقدارى ئاساسلىقى تۆمۈر-پولات سانائىتى ۋە مېتال سانائىتى بىلەن مۇناسىۋەتلىك بولۇشى مۇمكىن. بۇ Khodadoust قاتارلىقلارنىڭ تەتقىقاتىغا ماس كېلىدۇ. 64-ماددا پولات سانائىتى ۋە مېتال ئىشلەش تۇپراقتىكى نىكېل بۇلغىنىشىنىڭ ئاساسلىق مەنبەسى ئىكەنلىكىنى كۆرسىتىپ بېرىدۇ. قانداقلا بولمىسۇن، مۆلچەرلىگۈچىلەر يەنە Ca نىڭ مىقدارى 538.70 مىللىگرام/كىلوگرامدىن 69161.80 مىللىگرام/كىلوگرامغىچە، K نىڭ مىقدارى 497.51 مىللىگرام/كىلوگرامدىن 3535.68 مىللىگرام/كىلوگرامغىچە، ماگنىينىڭ مىقدارى 685.68 مىللىگرام/كىلوگرامدىن 5970.05 مىللىگرام/كىلوگرامغىچە بولغان. 65 سېربىيەنىڭ مەركىزىدىكى تۇپراقلارنىڭ ئومۇمىي Mg ۋە K مىقدارىنى تەكشۈردى. ئۇلار ئومۇمىي قويۇقلۇقنىڭ (ئايرىم-ئايرىم ھالدا 410 mg/kg ۋە 400 mg/kg) ھازىرقى تەتقىقاتتىكى Mg ۋە K قويۇقلۇقىدىن تۆۋەن ئىكەنلىكىنى بايقىدى. پەرقلەندۈرگىلى بولمايدىغان يېرى شۇكى، شەرقىي پولشادا، Orzechowski ۋە Smolczynski66 Ca، Mg ۋە K نىڭ ئومۇمىي مىقدارىنى باھالاپ، Ca (1100 mg/kg)، Mg (590 mg/kg) ۋە K (810 mg/kg) نىڭ ئوتتۇرىچە قويۇقلۇقىنى كۆرسەتتى. تۇپراقنىڭ ئۈستۈنكى قەۋىتىدىكى مىقدار بۇ تەتقىقاتتىكى يەككە ئېلېمېنتتىن تۆۋەن. Pongrac قاتارلىقلارنىڭ يېقىنقى تەتقىقاتىدا 67 شوتلاندىيە ۋە ئەنگىلىيەدىكى 3 خىل تۇپراقتا (Mylnefield تۇپرىقى، Balruddery تۇپرىقى ۋە Hartwood تۇپرىقى) تەھلىل قىلىنغان ئومۇمىي Ca مىقدارى بۇ تەتقىقاتتا Ca مىقدارىنىڭ يۇقىرى ئىكەنلىكىنى كۆرسەتتى.
ئەۋرىشكە ئېلىنغان ئېلېمېنتلارنىڭ ئۆلچەنگەن قويۇقلۇقى ئوخشىماسلىقى سەۋەبىدىن، ئېلېمېنتلارنىڭ سانلىق مەلۇمات توپلىمىنىڭ تارقىلىشى ئوخشىمايدىغان ئېغىشچانلىقنى كۆرسىتىدۇ. ئېلېمېنتلارنىڭ ئېغىشچانلىقى ۋە كۇرتوز نىسبىتى ئايرىم-ئايرىم ھالدا 1.53 دىن 7.24 گىچە ۋە 2.49 دىن 54.16 گىچە بولغان. ھېسابلىغان بارلىق ئېلېمېنتلارنىڭ ئېغىشچانلىقى ۋە كۇرتوز دەرىجىسى +1 دىن يۇقىرى بولۇپ، سانلىق مەلۇمات تارقىلىشىنىڭ نورمالسىز، توغرا يۆنىلىشتە ئېغىشچان ۋە چوققا ئىكەنلىكىنى كۆرسىتىدۇ. ئېلېمېنتلارنىڭ مۆلچەرلەنگەن CV قىممىتى يەنە K، Mg ۋە Ni نىڭ ئوتتۇراھال ئۆزگىرىشچانلىقنى، Ca نىڭ بولسا ئىنتايىن يۇقىرى ئۆزگىرىشچانلىقنى كۆرسىتىدۇ. K، Ni ۋە Mg نىڭ CV قىممىتى ئۇلارنىڭ بىردەك تارقىلىشىنى چۈشەندۈرىدۇ. ئۇنىڭدىن باشقا، Ca تارقىلىشى بىردەك ئەمەس، سىرتقى مەنبەلەر ئۇنىڭ موللىشىش سەۋىيەسىگە تەسىر كۆرسىتىشى مۇمكىن.
مۆلچەرلىگۈچى ئۆزگەرگۈچى مىقدارلارنىڭ جاۋاب ئېلېمېنتلىرى بىلەن بولغان مۇناسىۋىتى ئېلېمېنتلار ئوتتۇرىسىدىكى رازى قىلارلىق مۇناسىۋەتنى كۆرسەتتى (3-رەسىمگە قاراڭ). مۇناسىۋەت CaK نىڭ r قىممىتى = 0.53 بولغان ئوتتۇراھال مۇناسىۋەتنى نامايان قىلغانلىقىنى، CaNi نىڭمۇ شۇنداق ئىكەنلىكىنى كۆرسەتتى. Ca ۋە K نىڭ بىر-بىرى بىلەن ئوتتۇراھال مۇناسىۋەتنى كۆرسىتىشى مۇمكىن بولسىمۇ، كىڭستون قاتارلىقلار قاتارلىق تەتقىقاتچىلار... 68 ۋە Santo69 نىڭ تەتقىقات نەتىجىسىدە، ئۇلارنىڭ تۇپراقتىكى مىقدارى تەتۈر نىسبەتتە ئىكەنلىكى ئوتتۇرىغا قويۇلغان. قانداقلا بولمىسۇن، Ca ۋە Mg K غا قارشى تۇرغۇچى، ئەمما CaK ياخشى مۇناسىۋەتلىك. بۇ، كالىي كاربونات قاتارلىق ئوغۇتلارنىڭ ئىشلىتىلىشى بىلەن مۇناسىۋەتلىك بولۇشى مۇمكىن، بۇ ئوغۇتلارنىڭ كالىي مىقدارى %56 يۇقىرى. كالىي ماگنىي بىلەن ئوتتۇراھال مۇناسىۋەتلىك (KM r = 0.63). ئوغۇت سانائىتىدە، بۇ ئىككى ئېلېمېنت زىچ مۇناسىۋەتلىك، چۈنكى كالىي ماگنىي سۇلفات، كالىي ماگنىي نىترات ۋە كالىي تۇپراققا ئىشلىتىلىپ، ئۇلارنىڭ كەمچىللىك دەرىجىسىنى ئاشۇرىدۇ. نىكېل Ca، K ۋە Mg بىلەن ئوتتۇراھال مۇناسىۋەتلىك بولۇپ، r قىممىتى ئايرىم-ئايرىم ھالدا 0.52، 0.63 ۋە 0.55. كالتسىي، ماگنىي ۋە نىكېل قاتارلىق PTE لار بىلەن بولغان مۇناسىۋەتلەر مۇرەككەپ، ئەمما شۇنداقتىمۇ، ماگنىي كالتسىينىڭ سۈمۈرۈلۈشىنى توسىدۇ، كالتسىي ئارتۇقچە ماگنىينىڭ تەسىرىنى تۆۋەنلىتىدۇ، ماگنىي ۋە كالتسىينىڭ ھەر ئىككىسى تۇپراقتىكى نىكېلنىڭ زەھەرلىك تەسىرىنى تۆۋەنلىتىدۇ.
مۆلچەرلىگۈچىلەر بىلەن جاۋابلار ئوتتۇرىسىدىكى مۇناسىۋەتنى كۆرسىتىدىغان ئېلېمېنتلارنىڭ مۇناسىۋەت ماترىتسىسى (ئەسكەرتىش: بۇ رەسىمدە ئېلېمېنتلار ئارىسىدىكى تارقاقلىق دىئاگراممىسى بار، مۇھىملىق دەرىجىسى p < 0,001 گە ئاساسلانغان).
4-رەسىمدە ئېلېمېنتلارنىڭ بوشلۇقتىكى تارقىلىشى كۆرسىتىلدى. بۇرگوس قاتارلىقلارنىڭ 70-نومۇرلۇق ماقالىسىگە ئاساسلانغاندا، بوشلۇقتىكى تارقىلىشنىڭ قوللىنىلىشى بۇلغانغان رايونلاردىكى قىزىق نۇقتىلارنى مىقدارلاشتۇرۇش ۋە گەۋدىلەندۈرۈش ئۈچۈن ئىشلىتىلىدىغان بىر تېخنىكا. 4-رەسىمدىكى Ca نىڭ بايىتىش سەۋىيەسىنى بوشلۇقتىكى تارقىلىش خەرىتىسىنىڭ غەربىي شىمال قىسمىدىن كۆرۈۋالغىلى بولىدۇ. رەسىمدە ئوتتۇراھال ۋە يۇقىرى Ca بايىتىش قىزىق نۇقتىلىرى كۆرسىتىلدى. خەرىتىنىڭ غەربىي شىمالىدىكى كالتسىينىڭ بايىتىش مىقدارى تۇپراقنىڭ كىسلاتالىقىنى تۆۋەنلىتىش ئۈچۈن سۈزۈلمىگەن ئاق تاش (كالتسىي ئوكسىد) ئىشلىتىش ۋە پولات زاۋۇتلىرىدا پولات ئىشلەپچىقىرىش جەريانىدا ئىشقارلىق ئوكسىگېن سۈپىتىدە ئىشلىتىلىشى بىلەن مۇناسىۋەتلىك بولۇشى مۇمكىن. يەنە بىر تەرەپتىن، باشقا دېھقانلار كىسلاتالىق تۇپراقلاردا كالتسىي گىدروكسىدنى ئىشلىتىپ، pH قىممىتىنى نېيتراللاشتۇرۇشنى ياخشى كۆرىدۇ، بۇ تۇپراقتىكى كالتسىي مىقدارىنى ئاشۇرىدۇ. كالىي يەنە خەرىتىنىڭ غەربىي شىمال ۋە شەرقىدىكى قىزىق نۇقتىلارنى كۆرسىتىدۇ. غەربىي شىمال ئاساسلىق دېھقانچىلىق رايونى بولۇپ، كالىينىڭ ئوتتۇراھال ۋە يۇقىرى بولۇشى NPK ۋە كالىي ئىشلىتىش سەۋەبىدىن بولۇشى مۇمكىن. بۇ ماداراس ۋە لىپاۋسكي72، ماداراس73، پۇلكرابوۋا74، ئاسار75 قاتارلىق باشقا تەتقىقاتلار بىلەن ماس كېلىدۇ، ئۇلار بۇنى كۆزەتكەن. تۇپراقنى مۇقىملاشتۇرۇش ۋە KCl ۋە NPK بىلەن بىر تەرەپ قىلىش تۇپراقتىكى K مىقدارىنىڭ يۇقىرى بولۇشىغا سەۋەب بولدى. تارقىلىش خەرىتىسىنىڭ غەربىي شىمالىدىكى بوشلۇقتىكى كالىينىڭ موللىشىشى، ناچار تۇپراقلارنىڭ كالىي مىقدارىنى ئاشۇرۇش ئۈچۈن كالىي خلورىد، كالىي سۇلفات، كالىي نىترات، كالىي ئوغۇتى ۋە كالىي ئوغۇتى قاتارلىق كالىي ئاساسلىق ئوغۇتلارنى ئىشلىتىشتىن بولۇشى مۇمكىن. Zádorová قاتارلىقلار 76 ۋە Tlustoš قاتارلىقلار. 77-جەدۋەلدە K ئاساسلىق ئوغۇتلارنى ئىشلىتىش تۇپراقتىكى K مىقدارىنى ئاشۇرۇپ، ئۇزۇن مۇددەتتە تۇپراقتىكى ئوزۇقلۇق مىقدارىنى كۆرۈنەرلىك دەرىجىدە ئاشۇرىدىغانلىقى، بولۇپمۇ تۇپراقتىكى قىزىق نۇقتىنى كۆرسىتىدىغان K ۋە Mg نىڭ كۆرۈنەرلىك دەرىجىدە ئاشىدىغانلىقى بايان قىلىنغان. خەرىتىنىڭ غەربىي شىمالى ۋە شەرقىي جەنۇبىدىكى نىسبەتەن ئوتتۇراھال قىزىق نۇقتىلار. تۇپراقتىكى كوللوئىدلىق فىكىساتسىيە تۇپراقتىكى ماگنىينىڭ قويۇقلۇقىنى تۆۋەنلىتىدۇ. تۇپراقتىكى ئۇنىڭ كەمچىل بولۇشى ئۆسۈملۈكلەرنىڭ سېرىق رەڭلىك تومۇر ئارىلىقىدىكى خىلوروزنى كەلتۈرۈپ چىقىرىدۇ. كالىي ماگنىي سۇلفات، ماگنىي سۇلفات ۋە كىئېسېرىت قاتارلىق ماگنىي ئاساسلىق ئوغۇتلار نورمال pH قىممىتى بولغان تۇپراقلاردىكى كەملىكنى داۋالايدۇ (ئۆسۈملۈكلەر بىنەپشە، قىزىل ياكى قوڭۇر رەڭدە كۆرۈنىدۇ، بۇ ماگنىي كەمچىللىكىنى كۆرسىتىدۇ). 6. شەھەر ۋە شەھەر ئەتراپىدىكى تۇپراق يۈزىدە نىكېلنىڭ توپلىنىشى دېھقانچىلىق قاتارلىق ئىنساننىڭ پائالىيەتلىرى ۋە نىكېلنىڭ داتلاشماس پولات ئىشلەپچىقىرىشتىكى مۇھىملىقى سەۋەبىدىن بولۇشى مۇمكىن. 78.
ئېلېمېنتلارنىڭ بوشلۇق تەقسىملىنىشى [ بوشلۇق تەقسىملىنىش خەرىتىسى ArcGIS Desktop (ESRI, Inc, Version 10.7, URL: https://desktop.arcgis.com) ئارقىلىق قۇرۇلدى.]
بۇ تەتقىقاتتا ئىشلىتىلگەن ئېلېمېنتلارنىڭ مودېل ئىقتىدار كۆرسەتكۈچى نەتىجىلىرى 2-جەدۋەلدە كۆرسىتىلدى. يەنە بىر تەرەپتىن، Ni نىڭ RMSE ۋە MAE قىممىتى نۆلگە يېقىن (0.86 RMSE، -0.08 MAE). يەنە بىر تەرەپتىن، K نىڭ RMSE ۋە MAE قىممىتىنىڭ ھەر ئىككىسى قوبۇل قىلىنىدۇ. RMSE ۋە MAE نەتىجىسى كالتسىي ۋە ماگنىي ئۈچۈن يۇقىرى بولدى. Ca ۋە K نىڭ MAE ۋە RMSE نەتىجىلىرى سانلىق مەلۇماتلارنىڭ ئوخشىماسلىقى سەۋەبىدىن چوڭراق. EBK ئارقىلىق Ni نى مۆلچەرلىگەن بۇ تەتقىقاتنىڭ RMSE ۋە MAE نەتىجىسى، John قاتارلىقلارنىڭ 54 توپلانغان سانلىق مەلۇماتلار ئارقىلىق تۇپراقتىكى S قويۇقلۇقىنى مۆلچەرلەش ئۈچۈن سىنگېرگىك كرىگنى ئىشلەتكەن نەتىجىسىدىن ياخشى ئىكەنلىكى بايقالدى. بىز تەتقىق قىلغان EBK نەتىجىسى Fabijaczyk قاتارلىقلارنىڭ 41، Yan قاتارلىقلارنىڭ 79، Beguin قاتارلىقلارنىڭ 80، Adhikary قاتارلىقلارنىڭ 81 ۋە John قاتارلىقلارنىڭ 82 نەتىجىسى، بولۇپمۇ K ۋە Ni نىڭ نەتىجىسى بىلەن مۇناسىۋەتلىك.
شەھەر ۋە شەھەر ئەتراپىدىكى تۇپراقلاردىكى نىكېل مىقدارىنى مۆلچەرلەشنىڭ يەككە ئۇسۇللىرىنىڭ ئۈنۈمى مودېللارنىڭ ئىقتىدارى ئارقىلىق باھالاندى (3-جەدۋەل). مودېلنى دەلىللەش ۋە توغرىلىقنى باھالاش Ca_Mg_K مۆلچەرلىگۈچىسىنىڭ EBK SVMR مودېلى بىلەن بىرلەشتۈرۈلگەندە ئەڭ ياخشى ئۈنۈمگە ئېرىشكەنلىكىنى جەزملەشتۈردى. كالىبراتسىيە مودېلى Ca_Mg_K-EBK_SVMR مودېلى R2، ئوتتۇرىچە كۋادرات خاتالىق (RMSE) ۋە ئوتتۇرىچە مۇتلەق خاتالىق (MAE) 0.637 (R2)، 95.479 mg/kg (RMSE) ۋە 77.368 mg/kg (MAE) Ca_Mg_K-SVMR 0.663 (R2)، 235.974 mg/kg (RMSE) ۋە 166.946 mg/kg (MAE) بولدى. شۇنداقتىمۇ، Ca_Mg_K-SVMR (0.663 mg/kg R2) ۋە Ca_Mg-EBK_SVMR (0.643 = R2) ئۈچۈن ياخشى R2 قىممىتىگە ئېرىشتى؛ ئۇلارنىڭ RMSE ۋە MAE نەتىجىلىرى Ca_Mg_K-EBK_SVMR (R2 0.637) دىكىدىن يۇقىرى بولدى (3-جەدۋەلگە قاراڭ). بۇنىڭدىن باشقا، Ca_Mg-EBK_SVMR (RMSE = 1664.64 ۋە MAE = 1031.49) مودېلىنىڭ RMSE ۋە MAE لىرى ئايرىم-ئايرىم ھالدا 17.5 ۋە 13.4 بولۇپ، بۇلار Ca_Mg_K-EBK_SVMR دىكىدىن چوڭ. شۇنىڭغا ئوخشاش، Ca_Mg-K SVMR (RMSE = 235.974 ۋە MAE = 166.946) مودېلىنىڭ RMSE ۋە MAE لىرى ئايرىم-ئايرىم ھالدا Ca_Mg_K-EBK_SVMR RMSE ۋە MAE دىكىدىن 2.5 ۋە 2.2 چوڭ. ھېسابلىغان RMSE نەتىجىلىرى سانلىق مەلۇماتلار توپلىمىنىڭ ئەڭ ياخشى ماسلىشىش سىزىقىغا قانچىلىك مەركەزلەشكەنلىكىنى كۆرسىتىپ بېرىدۇ. يۇقىرى RSME ۋە MAE كۆزىتىلدى. Kebonye قاتارلىقلارنىڭ قارىشىچە. 46 ۋە جون قاتارلىقلارنىڭ 54- ماقالىسىدە، RMSE ۋە MAE نۆلگە قانچە يېقىن بولسا، نەتىجى شۇنچە ياخشى بولىدۇ. SVMR ۋە EBK_SVMR نىڭ مىقدارلاشتۇرۇلغان RSME ۋە MAE قىممىتى يۇقىرى. RSME مۆلچەرىنىڭ MAE قىممىتىدىن ئىزچىل يۇقىرى ئىكەنلىكى، بۇنىڭ بىلەن چەتكە قېقىشلارنىڭ مەۋجۇتلۇقىنى كۆرسىتىدىغانلىقى كۆزىتىلدى. Legates ۋە McCabe83 نىڭ قارىشىچە، RMSE نىڭ ئوتتۇرىچە مۇتلەق خاتالىق (MAE) دىن ئېشىپ كېتىش دەرىجىسى چەتكە قېقىشلارنىڭ مەۋجۇتلۇقىنىڭ كۆرسەتكۈچى سۈپىتىدە تەۋسىيە قىلىنىدۇ. بۇ دېگەنلىك، سانلىق مەلۇماتلار قانچە كۆپ بولسا، MAE ۋە RMSE قىممىتى شۇنچە يۇقىرى بولىدۇ. شەھەر ۋە شەھەر ئەتراپى تۇپراقلىرىدىكى Ni مىقدارىنى مۆلچەرلەش ئۈچۈن Ca_Mg_K-EBK_SVMR ئارىلاش مودېلىنىڭ ئۆزئارا دەلىللەش باھالاش توغرىلىقى %63.70 بولغان. Li قاتارلىقلارنىڭ 59- ماقالىسىدە، بۇ توغرىلىق دەرىجىسى قوبۇل قىلغىلى بولىدىغان مودېل ئىقتىدار نىسبىتى. ھازىرقى نەتىجىلەر تاراسوۋ قاتارلىقلارنىڭ ئىلگىرىكى تەتقىقاتى بىلەن سېلىشتۇرۇلغان. 36 نىڭ ئارىلاشما مودېلى MLPRK (Multilayer Perceptron Residual Kriging) نى ياراتتى، بۇ ھازىرقى تەتقىقاتتا دوكلات قىلىنغان EBK_SVMR توغرىلىق باھالاش كۆرسەتكۈچىگە مۇناسىۋەتلىك، RMSE (210) ۋە MAE (167.5) ھازىرقى تەتقىقاتتىكى نەتىجىلىرىمىزدىن (RMSE 95.479، MAE 77.368) يۇقىرى بولدى. قانداقلا بولمىسۇن، ھازىرقى تەتقىقاتتىكى R2 نى (0.637) Tarasov قاتارلىقلارنىڭكى بىلەن سېلىشتۇرغاندا. 36 (0.544) دىن قارىغاندا، بۇ ئارىلاش مودېلدا بەلگىلەش كوئېففىتسېنتى (R2) يۇقىرى ئىكەنلىكى ئېنىق. ئارىلاش مودېلنىڭ خاتالىق پەرقى (RMSE ۋە MAE) (EBK SVMR) ئىككى ھەسسە تۆۋەن. شۇنىڭغا ئوخشاش، Sergeev قاتارلىقلار34 تەرەققىي قىلدۇرۇلغان ئارىلاش مودېل (Multilayer Perceptron Residual Kriging) ئۈچۈن 0.28 (R2) خاتىرىلىگەن، بۇ تەتقىقاتتىكى Ni بولسا 0.637 (R2) خاتىرىلىگەن. بۇ مودېلنىڭ (EBK SVMR) مۆلچەرلەش توغرىلىق دەرىجىسى %63.7، Sergeev قاتارلىقلار34 تەرىپىدىن قولغا كەلتۈرۈلگەن مۆلچەرلەش توغرىلىق دەرىجىسى %28. EBK_SVMR مودېلى ۋە Ca_Mg_K نى مۆلچەرلىگۈچى قىلىپ لايىھەلەنگەن ئاخىرقى خەرىتە (5-رەسىم) پۈتۈن تەتقىقات رايونىدىكى قىزىق نۇقتىلار ۋە ئوتتۇراھال نىكېلدىن يۇقىرى بولغان مۆلچەرلەرنى كۆرسىتىدۇ. بۇ دېگەنلىك، تەتقىقات رايونىدىكى نىكېلنىڭ قويۇقلۇقى ئاساسلىقى ئوتتۇراھال بولۇپ، بەزى ئالاھىدە رايونلاردا قويۇقلۇقى يۇقىرى.
ئاخىرقى مۆلچەر خەرىتىسى EBK_SVMR ئارىلاشما مودېلى ۋە Ca_Mg_K مۆلچەرلىگۈچى سۈپىتىدە قوللىنىلىپ كۆرسىتىلدى. [مەكان تەقسىماتى خەرىتىسى RStudio (1.4.1717 نەشرى: https://www.rstudio.com/) ئارقىلىق قۇرۇلدى.]
6-رەسىمدە PTE قويۇقلۇقى يەككە نېرۋا ھۈجەيرىلىرىدىن تەركىب تاپقان تەركىب تۈزلەڭلىكى سۈپىتىدە كۆرسىتىلدى. تەركىب تۈزلەڭلىكلىرىنىڭ ھېچقايسىسى كۆرسىتىلگەندەك ئوخشاش رەڭ ئەندىزىسىنى كۆرسەتمىدى. قانداقلا بولمىسۇن، سىزىلغان ھەر بىر خەرىتىدىكى مۇۋاپىق نېرۋا ھۈجەيرىلىرىنىڭ سانى 55. SeOM ھەر خىل رەڭلەر ئارقىلىق ئىشلەپچىقىرىلىدۇ، رەڭ ئەندىزىسى قانچە ئوخشاش بولسا، ئەۋرىشكىلەرنىڭ خۇسۇسىيەتلىرى شۇنچە سېلىشتۇرغىلى بولىدۇ. ئېنىق رەڭ ئۆلچىمىگە ئاساسلانغاندا، يەككە ئېلېمېنتلار (Ca, K ۋە Mg) يەككە يۇقىرى نېرۋا ھۈجەيرىلىرى ۋە كۆپىنچە تۆۋەن نېرۋا ھۈجەيرىلىرى بىلەن ئوخشاش رەڭ ئەندىزىسىنى كۆرسەتتى. شۇڭا، CaK ۋە CaMg ئىنتايىن يۇقىرى دەرىجىلىك نېرۋا ھۈجەيرىلىرى ۋە تۆۋەندىن ئوتتۇراھال رەڭ ئەندىزىسى بىلەن بەزى ئوخشاشلىقلارغا ئىگە. ھەر ئىككى مودېل تۇپراقتىكى Ni نىڭ قويۇقلۇقىنى قىزىل، قىزغۇچ سېرىق ۋە سېرىق قاتارلىق ئوتتۇرا ۋە يۇقىرى رەڭلەرنى كۆرسىتىش ئارقىلىق مۆلچەرلەيدۇ. KMg مودېلى ئېنىق نىسبەتلەر ۋە تۆۋەندىن ئوتتۇراھال رەڭ نۇقتىلىرىغا ئاساسەن نۇرغۇن يۇقىرى رەڭ ئەندىزىسىنى كۆرسىتىدۇ. تۆۋەندىن يۇقىرىغىچە بولغان ئېنىق رەڭ ئۆلچىمىدە، مودېلنىڭ تەركىبلىرىنىڭ تۈزلەڭلىك تەقسىملىنىش ئەندىزىسى تۇپراقتىكى نىكېلنىڭ يوشۇرۇن قويۇقلۇقىنى كۆرسىتىدىغان يۇقىرى رەڭ ئەندىزىسىنى كۆرسەتتى (4-رەسىمگە قاراڭ). CakMg مودېل تەركىب تۈزلەڭلىكى ئېنىق رەڭگە ئاساسەن تۆۋەندىن يۇقىرىغىچە بولغان ھەر خىل رەڭ ئەندىزىسىنى كۆرسىتىدۇ. كۆلەم. بۇنىڭدىن باشقا، مودېلنىڭ نىكېل مىقدارى (CakMg) نى پەرەز قىلىشى 5-رەسىمدە كۆرسىتىلگەن نىكېلنىڭ بوشلۇقتىكى تارقىلىشىغا ئوخشايدۇ. ھەر ئىككى گىرافىك شەھەر ۋە شەھەر ئەتراپىدىكى تۇپراقلاردا نىكېل قويۇقلۇقىنىڭ يۇقىرى، ئوتتۇرا ۋە تۆۋەن نىسبىتىنى كۆرسىتىدۇ. 7-رەسىمدە خەرىتىدىكى k-ئوتتۇرىچە گۇرۇپپىلاش ئۇسۇلى كۆرسىتىلگەن بولۇپ، ھەر بىر مودېلدىكى مۆلچەرلەنگەن قىممەتكە ئاساسەن ئۈچ توپقا بۆلۈنگەن. كونتۇر ئۇسۇلى توپلارنىڭ ئەڭ ياخشى سانىنى ئىپادىلەيدۇ. توپلانغان 115 تۇپراق ئەۋرىشكىسى ئىچىدە، 1-تۈر ئەڭ كۆپ تۇپراق ئەۋرىشكىسىگە ئېرىشكەن، يەنى 74. 2-تۈر 33 ئەۋرىشكىنى، 3-تۈر 8 ئەۋرىشكىنى ئالغان. توغرا توپ چۈشەندۈرۈش ئۈچۈن يەتتە تەركىبلىك تۈزلەڭلىك پەرەز قىلىش بىرىكمىسى ئاددىيلاشتۇرۇلغان. تۇپراق شەكىللىنىشىگە تەسىر كۆرسىتىدىغان نۇرغۇن ئىنسان ۋە تەبىئىي جەريانلار سەۋەبىدىن، تارقالغان SeOM خەرىتىسىدە توغرا پەرقلەنگەن توپ شەكلىگە ئىگە بولۇش تەس78.
ھەر بىر ئېمپىرىك بايېس كرىگىڭ قوللاش ۋېكتور ماشىنىسى (EBK_SVM_SeOM) ئۆزگەرگۈچىسىنىڭ تەركىب تۈزلەڭلىك چىقىرىش نەتىجىسى. [SeOM خەرىتىلىرى RStudio (1.4.1717 نەشرى: https://www.rstudio.com/) ئارقىلىق ياسالغان.]
ھەر خىل توپلام تۈرگە ئايرىش تەركىبلىرى [SeOM خەرىتىلىرى RStudio (1.4.1717 نەشرى: https://www.rstudio.com/) ئارقىلىق ياسالغان.]
بۇ تەتقىقات شەھەر ۋە شەھەر ئەتراپىدىكى تۇپراقلاردىكى نىكېل قويۇقلۇقىنى مودېللاشتۇرۇش تېخنىكىسىنى ئېنىق كۆرسىتىپ بېرىدۇ. بۇ تەتقىقات تۇپراقتىكى نىكېل قويۇقلۇقىنى مۆلچەرلەشنىڭ ئەڭ ياخشى ئۇسۇلىنى قولغا كەلتۈرۈش ئۈچۈن، ئېلېمېنتلارنى مودېللاشتۇرۇش تېخنىكىسى بىلەن بىرلەشتۈرۈپ، ھەر خىل مودېللاشتۇرۇش تېخنىكىلىرىنى سىناق قىلدى. مودېللاشتۇرۇش تېخنىكىسىنىڭ SeOM تەركىبلىك تەكشى بوشلۇق ئالاھىدىلىكلىرى توغرا رەڭ ئۆلچىمىدە تۆۋەندىن يۇقىرىغىچە يۇقىرى رەڭ ئەندىزىسىنى كۆرسەتتى، بۇ تۇپراقتىكى Ni قويۇقلۇقىنى كۆرسىتىدۇ. قانداقلا بولمىسۇن، بوشلۇق تەقسىمات خەرىتىسى EBK_SVMR تەرىپىدىن كۆرسىتىلگەن تەركىبلەرنىڭ تەكشى بوشلۇق تەقسىملىنىشىنى جەزملەشتۈرىدۇ (5-رەسىمگە قاراڭ). نەتىجىلەر شۇنى كۆرسىتىدۇكى، قوللاش ۋېكتورى ماشىنا رېگرېسسىيە مودېلى (Ca Mg K-SVMR) تۇپراقتىكى Ni قويۇقلۇقىنى يەككە مودېل سۈپىتىدە مۆلچەرلەيدۇ، ئەمما جەزملەشتۈرۈش ۋە توغرىلىقنى باھالاش پارامېتىرلىرى RMSE ۋە MAE جەھەتتە ئىنتايىن يۇقىرى خاتالىقلارنى كۆرسىتىدۇ. يەنە بىر تەرەپتىن، EBK_MLR مودېلىدا ئىشلىتىلگەن مودېللاشتۇرۇش تېخنىكىسىمۇ بەلگىلەش كوئېففىتسېنتىنىڭ (R2) تۆۋەن قىممىتى سەۋەبىدىن خاتالىققا ئىگە. EBK SVMR ۋە بىرلەشتۈرۈلگەن ئېلېمېنتلار (CaKMg) ئارقىلىق ياخشى نەتىجىلەر قولغا كەلتۈرۈلدى، بۇ %63.7 توغرىلىق بىلەن تۆۋەن RMSE ۋە MAE خاتالىقى بىلەن ئېلىپ بېرىلدى. EBK ئالگورىزىمىنى ماشىنا ئۆگىنىش ئالگورىزىم بىلەن بىرلەشتۈرۈش ئارىلاشما ئالگورىزىمنى ھاسىل قىلالايدۇ. تۇپراقتىكى PTE نىڭ قويۇقلۇقىنى مۆلچەرلىيەلەيدۇ. نەتىجىلەر شۇنى كۆرسىتىپ بېرىدۇكى، تەتقىقات رايونىدىكى Ni قويۇقلۇقىنى مۆلچەرلەش ئۈچۈن Ca Mg K نى مۆلچەرلەشنى مۆلچەرلىگۈچ قىلىپ ئىشلىتىش تۇپراقتىكى Ni نىڭ مۆلچەرىنى ياخشىلىيالايدۇ. بۇ دېگەنلىك، نىكېل ئاساسلىق ئوغۇتلارنى ئۈزلۈكسىز ئىشلىتىش ۋە پولات سانائىتىنىڭ تۇپراقنى سانائەت بۇلغىنىشى تۇپراقتىكى نىكېلنىڭ قويۇقلۇقىنى ئاشۇرۇشقا مايىل. بۇ تەتقىقات EBK مودېلىنىڭ خاتالىق سەۋىيەسىنى تۆۋەنلىتىپ، شەھەر ياكى شەھەر ئەتراپىدىكى تۇپراقلاردىكى تۇپراق بوشلۇقى تارقىلىش مودېلىنىڭ توغرىلىقىنى يۇقىرى كۆتۈرەلەيدىغانلىقىنى ئاشكارىلىدى. ئادەتتە، بىز تۇپراقتىكى PTE نى باھالاش ۋە مۆلچەرلەش ئۈچۈن EBK-SVMR مودېلىنى قوللىنىشنى تەۋسىيە قىلىمىز؛ بۇنىڭدىن باشقا، بىز ھەر خىل ماشىنا ئۆگىنىش ئالگورىزىملىرى بىلەن ئارىلاشتۇرۇش ئۈچۈن EBK نى ئىشلىتىشنى تەۋسىيە قىلىمىز. Ni قويۇقلۇقى ئېلېمېنتلارنى بىرلىكتە ئۆزگەرگۈچى مىقدار سۈپىتىدە مۆلچەرلەنگەن؛ قانداقلا بولمىسۇن، كۆپرەك بىرلىكتە ئۆزگەرگۈچى مىقدار ئىشلىتىش مودېلنىڭ ئىقتىدارىنى زور دەرىجىدە ياخشىلايدۇ، بۇنى نۆۋەتتىكى خىزمەتنىڭ چەكلىمىسى دەپ قاراشقا بولىدۇ. بۇ تەتقىقاتنىڭ يەنە بىر چەكلىمىسى شۇكى، سانلىق مەلۇماتلار توپلىمىنىڭ سانى 115. شۇڭا، ئەگەر تېخىمۇ كۆپ سانلىق مەلۇمات بېرىلسە، تەكلىپ قىلىنغان ئەلالاشتۇرۇلغان ئارىلاشتۇرۇش ئۇسۇلىنىڭ ئىقتىدارىنى ياخشىلىغىلى بولىدۇ.
PlantProbs.net. ئۆسۈملۈكلەر ۋە تۇپراقتىكى نىكېل https://plantprobs.net/plant/nutrientImbalances/sodium.html (2021-يىلى 4-ئاينىڭ 28-كۈنى زىيارەت قىلىندى).
كاسپرزاك، ك.س. نىكېل زامانىۋى مۇھىت زەھەرلىكلىكى ساھەسىدىكى ئىلگىرىلەشلەر.ئەتراپ.زەھەرلىك ئىلمى.11، 145–183 (1987).
Cempel, M. & Nikel, G. Nickel: ئۇنىڭ مەنبەسى ۋە مۇھىت زەھەرلىكلىكى توغرىسىدىكى ئوبزور. Polish J. Environment.Stud.15, 375–382 (2006).
Freedman, B. & Hutchinson, TC كانادانىڭ ئونتارىئو شىتاتىنىڭ Sudbury شەھىرىدىكى نىكېل-مىس ئېرىتىش زاۋۇتىغا يېقىن جايدا ئاتموسفېرادىن كىرگەن بۇلغىما ۋە تۇپراق ۋە ئۆسۈملۈكلەردە توپلىنىش.can.J. Bot.58(1), 108-132.https://doi.org/10.1139/b80-014 (1980).
مانيىۋا، ت. قاتارلىقلار. بوتسۋانادىكى سېلېبى-فىكۋې مىس-نىكېل كانىغا يېقىن تۇپراق، ئۆسۈملۈكلەردىكى ئېغىر مېتاللار ۋە ئوتلاق ھايۋانلىرى بىلەن مۇناسىۋەتلىك خەۋپ-خەتەرلەر.surroundings.Geochemistry.Health https://doi.org/10.1007/s10653-021-00918-x (2021).
Cabata-Pendias.Kabata-Pendias A. 2011. تۇپراقتىكى ئىز ئېلېمېنتلىرى ۋە… – Google Scholar https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Kabata-Pendias+A.+2011.+Trace+ Elements+in+soils+and+plants.+4th+ed.+New+York+%28NY%29%3A+CRC+Press&btnG= (2020-يىلى 11-ئاينىڭ 24-كۈنى زىيارەت قىلىندى).
Almås, A., Singh, B., دېھقانچىلىق، TS-NJ of & 1995, ئېنىقلانمىغان. نورۋېگىيەنىڭ Soer-Varanger دىكى دېھقانچىلىق تۇپراقلىرى ۋە ئوت-چۆپلىرىدىكى ئېغىر مېتال قويۇقلۇقىغا رۇسىيە نىكېل سانائىتىنىڭ تەسىرى.agris.fao.org.
Nielsen, GD قاتارلىقلار. ئىچىملىك ​​سۈيىدە نىكېلنىڭ سۈمۈرۈلۈشى ۋە ساقلىنىشى يېمەكلىك قوبۇل قىلىش ۋە نىكېلغا بولغان سەزگۈرلۈك بىلەن مۇناسىۋەتلىك. زەھەرلىك ماددىلارنى تەكشۈرۈش. قوللىنىش. فارماكودىنامىكا. 154, 67–75 (1999).
كوستا، م. ۋە كلېين، CB نىكېل راك كېسىلى، مۇتاتسىيە، ئېپىگېنېتىكىلىق ياكى تاللاش. مۇھىت. ساغلاملىق نۇقتىسىدىن قاراش. 107، 2 (1999).
ئاجمان، PC؛ ئاجادو، SK؛ بورۇۋكا، L.؛ بىنى، JKM؛ ساركودى، VYO؛ كوبونى، ​​NM؛ زەھەرلىك ئېلېمېنتلارنىڭ يۈزلىنىش ئانالىزى: بىبلىئومېتىرىيەلىك تەكشۈرۈش. مۇھىت گېئوخىمىيەسى ۋە ساغلاملىق. Springer پەن-تېخنىكا ۋە سودا تاراتقۇلىرى BV 2020. https://doi.org/10.1007/s10653-020-00742-9.
مىناسنىي، ب. ۋە ماكبراتنىي، AB رەقەملىك تۇپراق خەرىتىسى: قىسقىچە تارىخ ۋە بەزى دەرسلەر. گېئودېرما 264، 301–311. https://doi.org/10.1016/j.geoderma.2015.07.017 (2016).
McBratney, AB, Mendonça Santos, ML & Minasny, B. رەقەملىك تۇپراق خەرىتىسى توغرىسىدا. گېدېرما 117 (1-2) ، 3-52.https: //doi.org/10.1016/S0016-7061 (03) 00223-4 (2003).
Deutsch.CV گېئوستاتىستىكىلىق سۇ ئامبىرى مودېللاشتۇرۇش،… – Google Scholar https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=CV+Deutsch%2C+2002%2C+Geostatistical+Reservoir+Modeling%2C +Oxford+University+Press%2C+376+pages.+&btnG= (2021-يىلى 4-ئاينىڭ 28-كۈنى زىيارەت قىلىندى).