Nature.com saytiga tashrif buyurganingiz uchun tashakkur. Siz foydalanayotgan brauzer versiyasi CSS-ni cheklangan darajada qo‘llab-quvvatlaydi. Eng yaxshi tajriba uchun yangilangan brauzerdan foydalanishni tavsiya qilamiz (yoki Internet Explorer-da moslik rejimini o‘chirib qo‘ying). Ayni paytda qo‘llab-quvvatlashning davom etishini ta’minlash uchun biz saytni uslublar va JavaScript-larsiz ko‘rsatamiz.
Tuproqning ifloslanishi inson faoliyati bilan bog'liq katta muammodir. Potentsial zaharli elementlarning (PTE) fazoviy taqsimoti ko'pchilik shahar va shahar atrofi hududlarida farq qiladi. Shuning uchun bunday tuproqlarda PTElarning tarkibini fazoviy ravishda taxmin qilish qiyin. Chexiya Respublikasidagi Frydek Mistek (Cagnium), magniy (Magnezium) dan jami 115 ta namuna olindi. nikel (Ni) konsentrasiyalari induktiv bog'langan plazma emissiya spektrometriyasi yordamida aniqlandi. Javob o'zgaruvchisi Ni va bashorat qiluvchilar Ca, Mg va K. Javob o'zgaruvchisi va bashorat qiluvchi o'zgaruvchi o'rtasidagi korrelyatsiya matritsasi elementlar o'rtasidagi qoniqarli korrelyatsiyani ko'rsatadi. Bashorat natijalari shuni ko'rsatdiki, Yordam Vektor Mashina Regressiyasi (Kvadrat SE RM) yaxshi bajarilgan bo'lsa-da (235,974 mg/kg) va o'rtacha mutlaq xatolik (MAE) (166,946 mg/kg) qo'llaniladigan boshqa usullardan yuqori edi. Empirik Bayes Kriging-Ko'p chiziqli regressiya (EBK-MLR) uchun aralash modellar yomon ishlaydi, buni aniqlash koeffitsientlari 0,1 dan kam bo'lganidan dalolat beradi. (EBK-SVMR) modeli past RMSE (95,479 mg/kg) va MAE (77,368 mg/kg) qiymatlari va yuqori aniqlanish koeffitsienti (R2 = 0,637) bilan eng yaxshi model bo'ldi. EBK-SVMR modellashtirish texnikasi chiqishi o'z-o'zidan tashkil etilgan xarita yordamida ko'rsatilgan. shahar va shahar atrofidagi tuproqlarda Ni kontsentratsiyasini bashorat qiluvchi rang naqshlari. Natijalar EBK va SVMRni birlashtirish shahar va shahar atrofidagi tuproqlarda Ni kontsentratsiyasini bashorat qilishning samarali usuli ekanligini ko'rsatadi.
Nikel (Ni) o'simliklar uchun mikroelement hisoblanadi, chunki u atmosferadagi azot (N) va karbamid almashinuviga hissa qo'shadi, bu ikkalasi ham urug'larning unib chiqishi uchun zarurdir. Ni urug'larning unib chiqishiga hissa qo'shishdan tashqari, zamburug'li va bakterial inhibitör sifatida ham harakat qilishi va o'simlik rivojlanishiga yordam berishi mumkin. no'xat va yashil loviya azot fiksatsiyasini optimallashtirish uchun nikel asosidagi o'g'itlarni qo'llashni talab qiladi2. Tuproqni boyitish va dukkaklilarning tuproqdagi azotni biriktirish qobiliyatini oshirish uchun nikel asosidagi o'g'itlarni qo'llashni davom ettirish tuproqdagi nikel kontsentratsiyasini doimiy ravishda oshiradi. Yaxshi.Tuproqdagi nikelning zaharliligi tuproq pH darajasini pasaytiradi va o'simliklarning o'sishi uchun muhim oziq moddalar sifatida temirning so'rilishiga to'sqinlik qiladi1. Liu3 ga ko'ra, Ni o'simliklarning rivojlanishi va o'sishi uchun zarur bo'lgan 17-muhim element ekanligi aniqlangan. O'simliklarning rivojlanishi va o'sishidagi nikelning rolidan tashqari, odamlar unga turli xil ilovalar, elektron ishlab chiqarish va boshqa mahsulotlarni ishlab chiqarish uchun kerak. Avtomobil sanoatidagi ateşleme moslamalari va uchqun shamlari turli sanoat tarmoqlarida nikeldan foydalanishni talab qiladi. Bundan tashqari, nikel asosidagi qotishmalar va elektrolizlangan buyumlar oshxona anjomlari, bal zali aksessuarlari, oziq-ovqat sanoati materiallari, elektr, sim va kabellar, reaktiv turbinalar, jarrohlik implantlari, to'qimachilik va boshqa sohalarda keng qo'llanilgan. antropogen va tabiiy manbalarga taalluqli bo‘lgan, lekin birinchi navbatda, Ni antropogen emas, balki tabiiy manba hisoblanadi4,6.Nikelning tabiiy manbalariga vulqon otilishi, o‘simliklar, o‘rmon yong‘inlari va geologik jarayonlar kiradi; ammo, antropogen manbalar orasida po'lat sanoatidagi nikel/kadmiy batareyalari, elektrokaplama, boshq payvandlash, dizel va yoqilg'i moylari, ko'mirning yonishi va chiqindilari va loyni yoqish natijasida atmosfera emissiyasi Nikel to'planishi7,8.Fredman va Xatchinson va boshqalarga ko'ra9 va. 10-yilda, yaqin va yaqin atrof-muhitdagi tuproq ustki qatlamini ifloslanishining asosiy manbalari asosan nikel-misga asoslangan eritish zavodlari va konlardir. Kanadadagi Sadberi nikel-misni qayta ishlash zavodi atrofidagi eng yuqori tuproqda nikel bilan ifloslanishning eng yuqori darajasi 26 000 mg/kg ni tashkil qilgan. Norvegiya tuprog'idagi nikel konsentratsiyasi11.Alms va boshqalarga ko'ra. 12, mintaqaning eng yaxshi ekin maydonlarida HNO3 olinadigan nikel miqdori (Rossiyada nikel ishlab chiqarish) 6,25 dan 136,88 mg / kg gacha bo'lib, o'rtacha 30,43 mg / kg va bazaviy kontsentratsiyasi 25 mg / kg ni tashkil etdi. yoki shahar atrofidagi tuproqlar ketma-ket ekin mavsumida tuproqqa kirib borishi yoki ifloslanishi mumkin. Nikelning odamlarga potentsial ta'siri mutagenez, xromosoma shikastlanishi, Z-DNK hosil bo'lishi, bloklangan DNKni kesish yoki epigenetik jarayonlar orqali saratonga olib kelishi mumkin. bunday o'smalarni kuchaytiradi.
So'nggi paytlarda tuproq va o'simlik munosabatlari, tuproq va tuproq biologik munosabatlari, ekologik buzilish va atrof-muhitga ta'sirni baholashdan kelib chiqadigan sog'liq bilan bog'liq ko'plab muammolar tufayli tuproq ifloslanishini baholash rivojlandi. Bugungi kunga qadar tuproqdagi Ni kabi potentsial zaharli elementlarni (PTE) fazoviy bashorat qilish an'anaviy usullardan foydalangan holda mashaqqatli va ko'p vaqt talab qiladi. Hozirgi muvaffaqiyat15 tuproqning bashoratli xaritasini (PSM) sezilarli darajada yaxshiladi. Minasni va MakBratni16ning fikriga ko'ra, bashoratli tuproq xaritasi (DSM) tuproqshunoslikning muhim subsiplinasi ekanligini isbotladi. Lagacherie va McBratney, 2006 DSMni "tuproqning fazoviy ma'lumot tizimlarini yaratish va to'ldirish va ob'ektiv ob'ektlarni kuzatish usullarini yaratish va to'ldirish" deb ta'riflaydi. va fazoviy bo'lmagan tuproq xulosasi tizimlari ".McBratney va boshqalar. 17 zamonaviy DSM yoki PSM PTE, tuproq turlari va tuproq xossalarining fazoviy taqsimotini bashorat qilish yoki xaritalash uchun eng samarali texnika ekanligini ta'kidlaydi.Geostatistika va Mashina O'rganish Algoritmlari (MLA) muhim va minimal ma'lumotlardan foydalangan holda kompyuterlar yordamida raqamli xaritalarni yaratadigan DSM modellashtirish usullaridir.
Deutsch18 va Olea19 geostatistikani "fazoviy atributlarni ifodalash bilan shug'ullanadigan, asosan, stokastik modellardan foydalanadigan raqamli texnikalar to'plami" deb ta'riflaydi, masalan, vaqt seriyalari tahlili vaqtinchalik ma'lumotlarni qanday tavsiflaydi. Avvalo, geostatistika variogrammalarni baholashni o'z ichiga oladi, bu har bir ma'lumotlar to'plamidan fazoviy qiymatlarning bog'liqligini aniqlash va aniqlash imkonini beradi20.Gumiaux va boshqalar. Bundan tashqari, geostatistikada variogrammalarni baholash uchta printsipga asoslanadi, shu jumladan (a) ma'lumotlar korrelyatsiyasi shkalasini hisoblash, (b) ma'lumotlar to'plamining nomutanosibligidagi anizotropiyani aniqlash va hisoblash va (c) o'lchov ma'lumotlarining o'ziga xos xatosini hisobga olishdan tashqari, mahalliy ta'sirlardan ajratilgan ko'plab interpolatsiyalar kontseptsiyasi. texnikalar geostatistikada, jumladan, umumiy kriging, ko-kriging, oddiy kriging, empirik Bayes krigingi, oddiy kriging usuli va boshqa taniqli interpolyatsiya usullari PTE, tuproq xususiyatlarini va tuproq turlarini xaritalash yoki bashorat qilish uchun qo'llaniladi.
Mashinani oʻrganish algoritmlari (MLA) nisbatan yangi usul boʻlib, u asosan maʼlumotlarni qazib olish, maʼlumotlardagi naqshlarni aniqlash uchun ishlatiladigan algoritmlar bilan taʼminlangan hamda tuproqshunoslik va qaytish vazifalari kabi ilmiy sohalarda tasniflashda qayta-qayta qoʻllaniladigan kattaroq chiziqli boʻlmagan maʼlumotlar sinflarini qoʻllaydi. Koʻpgina tadqiqot hujjatlari Tanil va boshqalarda PTE va boshqalarni bashorat qilish uchun MLA modellariga tayanadi. 22 (qishloq xo'jaligi tuproqlarida og'ir metallarni baholash uchun tasodifiy o'rmonlar), Sakizade va boshqalar. 23 (qo'llab-quvvatlash vektor mashinalari va sun'iy neyron tarmoqlari yordamida modellashtirish) tuproq ifloslanishi ).Bundan tashqari, Vega va boshqalar. 24 (Tuproqda og'ir metallarni ushlab turish va adsorbsiyani modellashtirish uchun CART) Sun va boshqalar. 25 (kubistning qo'llanilishi Cd ning tuproqda taqsimlanishi) va k-eng yaqin qo'shni, umumlashtirilgan kuchaytirilgan regressiya va kuchaytirilgan regressiya kabi boshqa algoritmlar Daraxtlar ham tuproqdagi PTEni bashorat qilish uchun MLA-ni qo'llagan.
DSM algoritmlarini bashorat qilish yoki xaritalashda qo'llash bir nechta qiyinchiliklarga duch keladi.Ko'pgina mualliflar MLA geostatistikadan ustun ekanligiga ishonishadi va aksincha.Biri ikkinchisidan yaxshiroq bo'lsa-da, ikkalasining kombinatsiyasi DSM15.Woodcock va Gopal26 Finke27 da xaritalash yoki bashorat qilishning aniqlik darajasini yaxshilaydi; Pontius va Cheuk28 va Grunvald29 tuproqni bashorat qilishdagi kamchiliklar va ba'zi xatolar haqida izoh berishadi. Tuproqshunoslar DSM xaritalash va prognozlashning samaradorligi, aniqligi va bashorat qilinishini optimallashtirish uchun turli usullarni sinab ko'rishdi. Noaniqlik va tekshirishning kombinatsiyasi DSMga integratsiyalashgan va samaradorlikni kamaytirish uchun ko'p turli jihatlardan biridir. 15 xaritani yaratish va bashorat qilish orqali joriy qilingan tekshirish harakati va noaniqlik xarita sifatini yaxshilash uchun mustaqil ravishda tasdiqlanishi kerakligini ko'rsatib beradi. DSM cheklovlari noaniqlik komponentini o'z ichiga olgan geografik jihatdan tarqalgan tuproq sifati bilan bog'liq; ammo, DSMda ishonchning yo'qligi kovariativ xato, model xatosi, joylashuv xatosi va 31-analitik xatolik kabi xato manbalaridan kelib chiqishi mumkin. MLA va geostatistik jarayonlarda kelib chiqadigan modellashtirishdagi noaniqliklar tushunmovchilik bilan bog'liq bo'lib, natijada haqiqiy jarayonni haddan tashqari soddalashtirishga olib keladi32. modellashtirish parametrlari, matematik model bashoratlari yoki interpolyatsiya33.Yaqinda xaritalash va prognozlashda geostatistika va MLA ning integratsiyalashuviga yordam beruvchi yangi DSM tendentsiyasi paydo bo'ldi.Sergeev va boshqalar kabi bir qancha tuproqshunoslar va mualliflar. 34; Subbotina va boshqalar. 35; Tarasov va boshqalar. 36 va Tarasov va boshqalar. 37 prognozlash va xaritalash samaradorligini oshiradigan gibrid modellarni yaratish uchun geostatistika va mashinani o'rganishning aniq sifatidan foydalangan. Ushbu gibrid yoki kombinatsiyalangan algoritm modellarining ba'zilari Sun'iy Neyron Tarmoq Krigingi (ANN-RK), Ko'p qatlamli Perceptron qoldiq Krigingi (MLP-RK), Umumlashtirilgan Regression Neyron Tarmoq qoldiq Krigingi (GR-NNRK)36, Sun'iy Neyron Tarmoq Krigingi-Ko'p qatlamli Perceptron-Kinglashi va Ga-NP7K36 Jarayonning regressiyasi38.
Sergeev va boshqalarning fikriga ko'ra, turli xil modellashtirish usullarini birlashtirish uning yagona modelini ishlab chiqishdan ko'ra nuqsonlarni bartaraf etish va natijada paydo bo'lgan gibrid modelning samaradorligini oshirish potentsialiga ega. Shu nuqtai nazardan, ushbu yangi maqolada shahar atrofi va shahar atrofi va shahar atrofi boyitish irodasini bashorat qilish uchun optimal gibrid modellarni yaratish uchun geostatistika va MLAning kombinatsiyalangan algoritmini qo'llash zarurligi ta'kidlanadi. Kriging (EBK) asosiy model sifatida va uni qo'llab-quvvatlash vektor mashinasi (SVM) va Ko'p chiziqli regressiya (MLR) modellari bilan aralashtiring. EBK ning har qanday MLA bilan gibridlanishi noma'lum. Ko'rilgan bir nechta aralash modellar oddiy, qoldiq, regressiya krigingining kombinatsiyasi va MLA.EBK geostatistik interpolatsiyalash jarayoni bo'lib, u spastik jihatdan lokal interpolatsiyalash jarayonidir. dala ustida lokalizatsiya parametrlari aniqlangan, fazoviy oʻzgarishlarga imkon beruvchi statsionar boʻlmagan/statsionar tasodifiy maydon39.EBK turli tadqiqotlarda, jumladan, xoʻjalik tuproqlarida organik uglerodning tarqalishini tahlil qilish40, tuproq ifloslanishini baholash41 va tuproq xususiyatlarini xaritalash42da qoʻllanilgan.
Boshqa tomondan, Self-Organizing Graph (SeOM) - bu Li va boshqalar kabi turli maqolalarda qo'llanilgan o'rganish algoritmi. 43, Vang va boshqalar. 44, Hossain Bhuiyan va boshqalar. 45 va Kebonye va boshqalar.46 Elementlarning fazoviy atributlarini va guruhlanishini aniqlang.Vang va boshqalar. 44 SeOM chiziqli bo'lmagan muammolarni guruhlash va tasavvur qilish qobiliyati bilan mashhur bo'lgan kuchli o'rganish texnikasi ekanligini ta'kidlaydi. Asosiy komponentlar tahlili, noaniq klasterlash, ierarxik klasterlash va ko'p mezonli qarorlar qabul qilish kabi naqshlarni aniqlashning boshqa usullaridan farqli o'laroq, SeOM PTE naqshlarini tashkil qilish va aniqlashda yaxshiroq. 44, SeOM tegishli neyronlarning taqsimlanishini fazoviy ravishda guruhlashi va yuqori aniqlikdagi ma'lumotlar vizualizatsiyasini ta'minlashi mumkin.SeOM to'g'ridan-to'g'ri talqin qilish uchun natijalarni tavsiflash uchun eng yaxshi modelni olish uchun Ni bashorat qilish ma'lumotlarini ingl.
Ushbu maqola shahar va shahar atrofidagi tuproqlarda nikel miqdorini bashorat qilish uchun optimal aniqlikka ega mustahkam xaritalash modelini yaratishga qaratilgan. Biz aralash modelning ishonchliligi asosan asosiy modelga biriktirilgan boshqa modellarning ta'siriga bog'liq deb taxmin qilamiz. Biz DSM oldida turgan qiyinchiliklarni tan olamiz va bu muammolar bir nechta jabhalarda va geostatistik modellarning kombinatsiyasida hal qilinmoqda. bosqichma-bosqich bo'lish; shuning uchun biz aralash modellarni berishi mumkin bo'lgan tadqiqot savollariga javob berishga harakat qilamiz.Biroq, model maqsadli elementni bashorat qilishda qanchalik to'g'ri? Shuningdek, tasdiqlash va aniqlikni baholashga asoslangan samaradorlikni baholash darajasi qanday? Shu sababli, ushbu tadqiqotning o'ziga xos maqsadlari (a) SVMR yoki MLR modelini taqqoslash asosida birlashtirilgan aralash modelini yaratish edi. shahar yoki shahar atrofidagi tuproqlarda Ni kontsentratsiyasini bashorat qilish uchun eng yaxshi aralashma modelini taklif qilish va (d) nikel fazoviy o'zgarishining yuqori aniqlikdagi xaritasini yaratish uchun SeOMni qo'llash.
Tadqiqot Chexiya Respublikasida, xususan, Moraviya-Sileziya mintaqasidagi Frydek Mistek tumanida olib borilmoqda (1-rasmga qarang). O'rganilayotgan hududning geografiyasi juda qo'pol bo'lib, asosan Karpat tog'larining tashqi chetining bir qismi bo'lgan Moraviya-Sileziya Beskidi viloyatining bir qismidir. Tadqiqot hududi N ° 1 ° 1 ′ oralig'ida joylashgan. 20′ 0′ E, balandligi esa 225 dan 327 m gacha; biroq, mintaqaning iqlimiy holati uchun Koppen tasnifi tizimi Cfb = mo''tadil okean iqlimi sifatida baholanadi, hatto quruq oylarda ham ko'p yog'ingarchilik bo'ladi. Harorat yil davomida -5 °C va 24 °C orasida bir oz o'zgarib turadi, kamdan-kam hollarda -14 °C dan past yoki 30 °C dan yuqori, o'rtacha yillik yog'ingarchilik 7725 mm gacha bo'lsa. Butun maydonning taxminiy tadqiqot maydoni 1208 kvadrat kilometrni tashkil etadi, ekin maydonlarining 39,38 foizi va o'rmon qoplamining 49,36 foizini tashkil etadi. Boshqa tomondan, ushbu tadqiqotda foydalanilgan maydon taxminan 889,8 kvadrat kilometrni tashkil etadi. Ostrava va uning atrofida po'lat sanoati va metallurgiya korxonalari juda faoldir. Atmosfera korroziyasiga chidamliligi uchun) va qotishma po'latlar (nikel yaxshi egiluvchanligi va pishiqligini saqlab qolgan holda qotishma kuchini oshiradi) va fosforli o'g'itlarni qo'llash va chorvachilik kabi intensiv qishloq xo'jaligi mintaqadagi nikelning potentsial manbalari hisoblanadi (masalan, qo'zichoqlarning o'sish sur'atlarini oshirish uchun qo'zilarga nikel qo'shish va sanoatda past foydalanish). tadqiqot sohalari uning elektrokaplamada, shu jumladan nikelni elektrokaplash va elektrsiz nikel bilan qoplash jarayonlarini o'z ichiga oladi. Tuproqning xossalari tuproq rangi, tuzilishi va karbonat tarkibidan osongina farqlanadi. Tuproqning tuzilishi o'rta va mayda, asosiy materialdan olingan. Ular kollyuvial, allyuvial yoki eoliy xarakterga ega. Ba'zi tuproqlarda, ko'pincha tuproq yuzasida beton va tuproq ostida ko'rinadi. sayqallash.Biroq, kambizollar va stagnozollar mintaqada eng keng tarqalgan tuproq turlari hisoblanadi48. 455,1 dan 493,5 m gacha bo'lgan balandliklar bilan Chexiya Respublikasida kambisollar ustunlik qiladi49.
Oʻquv hududi xaritasi [Oʻquv hududi xaritasi ArcGIS Desktop (ESRI, Inc, 10.7 versiyasi, URL: https://desktop.arcgis.com) yordamida yaratilgan.]
Frydek Mistek tumanidagi shahar va shahar atrofidagi tuproqlardan jami 115 ta tuproq qatlami namunalari olindi. Qo‘llanilgan namuna namunasi tuproq namunalari bir-biridan 2 × 2 km masofada joylashgan oddiy to‘r bo‘lib, tuproqning yuqori qatlami qo‘lda ushlab turiladigan GPS qurilmasi yordamida 0 dan 20 sm gacha chuqurlikda o‘lchandi (Leica Zenoamples yorlig‘i to‘g‘ri o‘ralgan, GPSS Zenoamples 5 paketiga solingan). Laboratoriyaga jo'natildi. Namunalar havoda quritilib, maydalangan namunalar hosil qilindi, mexanik tizimda (Fritsch diskli tegirmon) maydalangan va elakdan o'tkazildi (elak o'lchami 2 mm). 1 gramm quritilgan, bir hil holga keltirilgan va elakdan o'tkazilgan tuproq namunalarini aniq etiketlangan teflon idishlarga joylashtiring. 65% HNO3 (avtomatik dispenser yordamida - har bir kislota uchun bittadan), engil yoping va reaksiya uchun namunalarni bir kechada turishiga ruxsat bering (aqua regia dasturi) . Namunalar hazm qilish jarayonini osonlashtirish uchun supernatantni 2 soat davomida issiq metall plastinka ustiga qo'ying (harorat: 100 Vt va 160 °C), so'ngra supernatantni ml 5 ga sovutib qo'ying. 50 ml deionlangan suv bilan suyultiriladi. Shundan so'ng, suyultirilgan supernatantni deionizatsiyalangan suv bilan 50 ml PVX naychaga filtrlang. Bundan tashqari, 1 ml suyultiruvchi eritma 9 ml deionizatsiyalangan suv bilan suyultirildi va PTE psevdo-konsentratsiyasi uchun tayyorlangan 12 ml li trubkaga filtrlanadi. Konsentratsiyalari, PTEs, PTEs, CrA, Cb, Mr Zn, Ca, Mg, K) ICP-OES (Inductively Coupled Plasma Optical Emission Spectroscopy) (Thermo Fisher Scientific, AQSH) tomonidan standart usullar va kelishuvga muvofiq aniqlangan. Sifatni taʼminlash va nazorat qilish (QA/QC) protseduralarini taʼminlang (SRM NIST 2711a Montana II tuproq). Ushbu tadqiqotda foydalanilgan PTE 0,0004.(siz). Bundan tashqari, har bir tahlil uchun sifat nazorati va sifatni ta'minlash jarayoni mos yozuvlar standartlarini tahlil qilish orqali ta'minlanadi. Xatolar minimallashtirilishini ta'minlash uchun ikki tomonlama tahlil o'tkazildi.
Empirik Bayesian Kriging (EBK) tuproqshunoslik kabi turli sohalarda modellashtirishda qoʻllaniladigan koʻplab geostatistik interpolyatsiya usullaridan biridir. Boshqa kriging interpolyatsiya usullaridan farqli oʻlaroq, EBK anʼanaviy kriging usullaridan yarimvariogramma modeli tomonidan hisoblangan xatolikni hisobga olgan holda farqlanadi. EBK interpolatsiyasida yakka tartibdagi interpolatsiyadan koʻra bir nechta yarimvariogrammali modellar mavjud. semivariogramma.Interpolyatsiya texnikasi yetarli kriging usulining o‘ta murakkab qismini tashkil etuvchi yarimvariogrammaning ushbu chizmasi bilan bog‘liq noaniqlik va dasturlash uchun yo‘l ochadi.EBK ning interpolyatsiya jarayoni Krivoruchko50 tomonidan taklif qilingan uchta mezonga amal qiladi, (a) model yarimvariogrammani har bir kirish ma’lumotlari to‘plamida bashorat qilingan yangi ma’lumotlar to‘plamidan olingan qiymat bo‘yicha taxmin qiladi50. yarimvariogramma va (c) yakuniy A modeli simulyatsiya qilingan ma'lumotlar to'plamidan hisoblanadi. Bayes tenglamasi qoidasi posterior sifatida berilgan
Qaerda \(Prob\left(A\o'ng)\) oldingisini bildirsa, \(Prob\left(B\o'ng)\) marginal ehtimollik ko'p hollarda e'tiborga olinmaydi, \(Prob (B,A)\ ) . Yarimvariogrammani hisoblash Bayes qoidasiga asoslanadi, bu esa kuzatish ma'lumotlar to'plamining moyilligini ko'rsatadi, keyin semivariogramma qiymati yordamida aniqlanishi mumkin. Bayes qoidasi, bu semivariogrammadan kuzatuvlar ma'lumotlar to'plamini yaratish qanchalik ehtimolini bildiradi.
Yordamchi vektor mashinasi bir xil, lekin chiziqli mustaqil bo'lmagan sinflarni ajratish uchun optimal ajratuvchi giperplanni hosil qiluvchi mashinani o'rganish algoritmidir. Vapnik51 maqsad tasniflash algoritmini yaratdi, ammo u yaqinda regressiyaga yo'naltirilgan muammolarni hal qilish uchun ishlatilgan. Li va boshqalarga ko'ra, SVM SVM regressiyaning eng yaxshi klassifikatorlaridan biri bo'lib, turli sohalarda ishlatilgan. (Support Vector Machine Regression – SVMR) ushbu tahlilda foydalanilgan. Cherkasskiy va Mulier53 yadroga asoslangan regressiya sifatida SVMRni yaratdilar, uning hisoblashi koʻp mamlakatli fazoviy funksiyalarga ega chiziqli regressiya modeli yordamida amalga oshirildi.John va boshqalar54 SVMR modellashtirishda chiziqli boʻlmagan regressiya munosabatlarini yaratishga imkon beradi, deb xabar beradi. funktsiyalari.Vohland va boshqalarga ko'ra. 55, epsilon (e)-SVMR o'rgatilgan ma'lumotlar to'plamidan epsilonga sezgir bo'lmagan funksiya sifatida taqdimot modelini olish uchun foydalanadi, bu ma'lumotni o'zaro bog'liq ma'lumotlar bo'yicha mashg'ulotlardan eng yaxshi epsilon tarafkashligi bilan mustaqil ravishda xaritalash uchun qo'llaniladi. Oldindan o'rnatilgan masofa xatosi haqiqiy qiymatdan e'tiborga olinmaydi va agar xato e(e) dan katta bo'lsa, tuproq ma'lumotlarining kompleks xususiyatlarini ham kamaytiradi. qo'llab-quvvatlash vektorlarining kengroq to'plami. Vapnik51 tomonidan taklif qilingan tenglama quyida ko'rsatilgan.
Bu yerda b skaler chegarani, \(K\left({x}_{,}{ x}_{k}\right)\) yadro funksiyasini, \(\alpha\) Lagrange multiplikatorini, N raqamli ma’lumotlar to‘plamini, \({x}_{k}\) ma’lumotlar kiritilishini va ishlatiladigan ma’lumotlarning kalitini \(y) ifodalaydi. Gauss radial asosli funktsiya (RBF) bo'lgan SVMR operatsiyasi. RBF yadrosi PTE ta'lim ma'lumotlari uchun eng nozik jarimalar to'plami C omilini va yadro parametri gammasini (g) olish uchun muhim bo'lgan optimal SVMR modelini aniqlash uchun qo'llaniladi. Birinchidan, biz treninglar to'plamini baholadik va keyin modelning ishlashini sinovdan o'tkazdik. svmRadial.
Ko'p chiziqli regressiya modeli (MLR) eng kichik kvadratlar usuli yordamida hisoblangan chiziqli birlashtirilgan parametrlar yordamida javob o'zgaruvchisi va bir qator bashorat qiluvchi o'zgaruvchilar o'rtasidagi munosabatni ifodalovchi regressiya modelidir. MLRda eng kichik kvadratlar modeli tushuntirish o'zgaruvchilari tanlanganidan keyin tuproq xususiyatlarining bashorat qiluvchi funktsiyasidir. tushuntiruvchi o'zgaruvchilar bilan chiziqli munosabatni o'rnatish uchun o'zgaruvchi.MLR tenglamasi
Bu erda y - javob o'zgaruvchisi, \(a\) - kesma, n - bashorat qiluvchilar soni, \({b}_{1}\) koeffitsientlarning qisman regressiyasi, \({x}_{ i}\) bashorat qiluvchi yoki izohlovchi o'zgaruvchini va \({\varepsilon }_{i}\) modeldagi xatoni ham ifodalaydi.
Aralash modellar EBK ni SVMR va MLR bilan sendvichlash yoʻli bilan olingan. Bu EBK interpolyatsiyasidan bashorat qilingan qiymatlarni ajratib olish yoʻli bilan amalga oshiriladi. Interpolyatsiya qilingan Ca, K va Mg dan olingan bashorat qilingan qiymatlar CaK, CaMg va CaMg kabi yangi oʻzgaruvchilarni olish uchun kombinatsion jarayon orqali olinadi, soʻngra toʻrtdan biriga M elementi olinadi. o'zgaruvchi, CaKMg.Umuman olganda, olingan o'zgaruvchilar Ca, K, Mg, CaK, CaMg, KMg va CaKMg. Bu o'zgaruvchilar bizning bashoratchimiz bo'lib, shahar va shahar atrofidagi tuproqlarda nikel kontsentratsiyasini bashorat qilishga yordam berdi. SVMR algoritmi bashorat qiluvchilarda bajarildi. (EBK_SVM). Xuddi shunday, aralash model Empirik Bayesian Kriging-Ko'p chiziqli regressiyani (EBK_MLR) olish uchun o'zgaruvchilar MLR algoritmi orqali o'tkaziladi. Odatda Ca, K, Mg, CaK, CaMg, KMg va CaKMg o'zgaruvchilari peri-urbani va kovaratlarning prognozi sifatida ishlatiladi. Tuproqlar. Olingan eng maqbul model (EBK_SVM yoki EBK_MLR) keyin o'z-o'zini tartibga soluvchi grafik yordamida vizuallashtiriladi. Ushbu tadqiqotning ish jarayoni 2-rasmda ko'rsatilgan.
SeOM-dan foydalanish moliya sektori, sog'liqni saqlash, sanoat, statistika, tuproqshunoslik va boshqa sohalarda ma'lumotlarni tartibga solish, baholash va prognozlash uchun mashhur vositaga aylandi.SeOM tashkil qilish, baholash va bashorat qilish uchun sun'iy neyron tarmoqlar va nazoratsiz o'rganish usullari yordamida yaratilgan. Ushbu tadqiqotda SeOM Ni shahar atrofidagi ma'lumotlarning eng yaxshi kontsentratsiyasini vizualizatsiya qilish uchun ishlatilgan. SeOM baholashda n kirish o'lchovli vektor o'zgaruvchilari sifatida ishlatiladi43,56.Melssen va boshqalar. 57 kirish vektorining neyron tarmoqqa bitta kirish qatlami orqali bitta vaznli vektorli chiqish vektoriga ulanishini tavsiflaydi. SeOM tomonidan ishlab chiqarilgan chiqish turli neyronlar yoki tugunlardan iborat ikki o'lchovli xarita bo'lib, ularning yaqinligiga ko'ra olti burchakli, dumaloq yoki kvadrat topologik xaritalarga to'qiladi. Xarita o'lchamlarini taqqoslash (Metrik, kvantlashtirish modeli (SeQ, topografik xatolik) va OM bilan taqqoslash). 0,086 va 0,904 mos ravishda tanlanadi, bu 55-xarita birligi (5 × 11).Neyron tuzilishi empirik tenglamadagi tugunlar soniga qarab aniqlanadi.
Ushbu tadqiqotda foydalanilgan ma'lumotlar soni 115 ta namunadir. Ma'lumotlarni test ma'lumotlariga (valifikatsiya qilish uchun 25%) va o'quv ma'lumotlar to'plamiga (kalibrlash uchun 75%) bo'lish uchun tasodifiy yondashuv qo'llanildi. O'quv ma'lumotlar to'plami regressiya modelini (kalibrlash) yaratish uchun ishlatiladi va test ma'lumotlar to'plami umumlashtirish qobiliyatini tekshirish uchun ishlatiladi58. Bu turli xil modellar tarkibini bashorat qilish uchun mosligini baholash uchun qilingan. foydalanilgan o'n marta o'zaro tekshirish jarayonidan o'tdi va besh marta takrorlandi. EBK interpolyatsiyasi orqali ishlab chiqarilgan o'zgaruvchilar maqsadli o'zgaruvchini (PTE) bashorat qilish uchun bashorat qiluvchilar yoki tushuntirish o'zgaruvchilari sifatida ishlatiladi. Modellashtirish RStudioda kutubxona(Kohonen), library(karet), library(modelr), library("e107),"pl("to"lib) paketlari yordamida ko‘rib chiqiladi. kutubxona ("prospectr") va kutubxonalar ("Metriklar").
Tuproqdagi nikel kontsentratsiyasini bashorat qilish uchun mos keladigan eng yaxshi modelni aniqlash va modelning to'g'riligini va uning validatsiyasini baholash uchun turli tasdiqlash parametrlari ishlatilgan. Gibridizatsiya modellari o'rtacha mutlaq xato (MAE), ildiz o'rtacha kvadrat xatosi (RMSE) va R-kvadrat yoki koeffitsientni aniqlash (R2) yordamida baholandi. model.RMSE va mustaqil o'lchovlardagi dispersiya kattaligi modelning bashorat qilish kuchini tavsiflaydi, MAE esa haqiqiy miqdoriy qiymatni aniqlaydi. Validatsiya parametrlari yordamida eng yaxshi aralash modelini baholash uchun R2 qiymati yuqori bo'lishi kerak, qiymat 1 ga qanchalik yaqin bo'lsa, aniqlik shunchalik yuqori bo'ladi. Li va boshqalar. 59, R2 mezonining qiymati 0,75 yoki undan yuqori bo'lsa, yaxshi bashoratchi hisoblanadi; 0,5 dan 0,75 gacha bo‘lgan qiymatlar maqbul model unumdorligi hisoblanadi, 0,5 dan past bo‘lsa, model unumdorligi qabul qilinishi mumkin emas. RMSE va MAE tekshirish mezonlarini baholash usullaridan foydalangan holda modelni tanlashda olingan past qiymatlar yetarli bo‘lgan va eng yaxshi tanlov deb hisoblangan. Quyidagi tenglama tekshirish usulini tavsiflaydi.
Bu erda n kuzatilgan qiymatning o'lchamini ifodalaydi\({Y}_{i}\) o'lchangan javobni ifodalaydi va \({\widehat{Y}}_{i}\) ham bashorat qilingan javob qiymatini ifodalaydi, shuning uchun birinchi i kuzatishlar uchun.
Bashorat qiluvchi va javob o'zgaruvchilarining statistik tavsiflari 1-jadvalda o'rtacha, standart og'ish (SD), o'zgarish koeffitsienti (CV), minimal, maksimal, kurtoz va egrilikni ko'rsatadi. Elementlarning minimal va maksimal qiymatlari Mg
Bashorat qiluvchi o'zgaruvchilarning javob elementlari bilan o'zaro bog'liqligi elementlar o'rtasida qoniqarli korrelyatsiyani ko'rsatdi (3-rasmga qarang). Korrelyatsiya CaK ning CaNi kabi r qiymati = 0,53 bilan o'rtacha korrelyatsiya ko'rsatganligini ko'rsatdi. Garchi Ca va K bir-biri bilan oddiy bog'lanishni ko'rsatsa-da, Kingston va boshqalar kabi tadqiqotchilar. 68 va Santo69 ularning tuproqdagi darajasi teskari proportsional ekanligini ko'rsatadi. Biroq, Ca va Mg K ga antagonistikdir, lekin CaK yaxshi korrelyatsiya qiladi. Bu kaliyda 56% yuqori bo'lgan kaliy karbonat kabi o'g'itlarni qo'llash bilan bog'liq bo'lishi mumkin. Kaliy o'rtacha darajada magniy bilan bog'liq edi. elementlar bir-biri bilan chambarchas bog'liq, chunki kaliy magniy sulfat, kaliy magniy nitrat va kaliy tuproqlarga ularning etishmasligi darajasini oshirish uchun qo'llaniladi. Nikel Ca, K va Mg bilan o'rtacha darajada bog'liq bo'lib, mos ravishda r = 0,52, 0,63 va 0,55 bo'ladi. murakkab, ammo shunga qaramay, magniy kaltsiyning so'rilishini inhibe qiladi, kaltsiy ortiqcha magniyning ta'sirini kamaytiradi va magniy va kaltsiy ham nikelning tuproqdagi toksik ta'sirini kamaytiradi.
Bashorat qiluvchilar va javoblar o'rtasidagi munosabatni ko'rsatadigan elementlar uchun korrelyatsiya matritsasi (Eslatma: bu raqam elementlar orasidagi tarqalish sxemasini o'z ichiga oladi, ahamiyat darajalari p < 0,001 ga asoslangan).
4-rasmda elementlarning fazoviy taqsimoti tasvirlangan. Burgos va boshq70 maʼlumotlariga koʻra, fazoviy taqsimotni qoʻllash ifloslangan hududlardagi issiq nuqtalarni aniqlash va ajratib koʻrsatish uchun qoʻllaniladigan usuldir. 4-rasmdagi Ca ning boyitish darajasini fazoviy taqsimot xaritasining shimoli-gʻarbiy qismida koʻrish mumkin. Rasmda shimoliy qozonning eng issiq va oʻrtacha boyitish darajasi koʻrsatilgan. xarita, ehtimol, tuproqning kislotaliligini pasaytirish uchun so'nmagan ohak (kaltsiy oksidi) va undan po'lat ishlab chiqarish jarayonida ishqoriy kislorod sifatida po'lat tegirmonlarida qo'llanilishi bilan bog'liq. Boshqa tomondan, boshqa fermerlar pH ni neytrallash uchun kislotali tuproqlarda kaltsiy gidroksiddan foydalanishni afzal ko'rishadi, bu ham tuproqning kaltsiy miqdorini oshiradi. Shimoli-g'arbiy yirik qishloq xo'jaligi hamjamiyatidir va kaliyning o'rtacha va yuqori namunasi NPK va kaliy qo'llanilishiga bog'liq bo'lishi mumkin. Bu Madaras va Lipavsky72, Madaras va boshq.73, Pulkrabová va boshq.74, Asare va boshq.75 kabi boshqa tadqiqotlar bilan mos keladi, ular KC ning yuqori miqdorini barqarorlashtirish va tuproq bilan ishlov berish natijasida KK ning yuqori darajada barqarorlashishini kuzatdilar. Tarqatish xaritasining shimoli-g'arbiy qismida fazoviy Kaliyni boyitish kambag'al tuproqlarning kaliy miqdorini oshirish uchun kaliy xlorid, kaliy sulfat, kaliy nitrat, kaliy va kaliy kabi kaliy asosidagi o'g'itlardan foydalanish bilan bog'liq bo'lishi mumkin.Zádorová va boshqalar. 76 va Tlustoš va boshqalar. 77 taʼkidlaganidek, K asosidagi oʻgʻitlarni qoʻllash tuproqdagi K miqdorini oshiradi va uzoq muddatda tuproqdagi ozuqaviy moddalar miqdorini sezilarli darajada oshiradi, ayniqsa K va Mg tuproqdagi issiq nuqtani koʻrsatadi.Xaritaning shimoli-gʻarbida va xaritaning janubi-sharqida nisbatan oʻrtacha oʻrtacha nuqtalar. Tuproqdagi kolloid fiksatsiya tuproqdagi magniy kontsentratsiyasining kamayib ketishiga olib keladi. Kaliy magniy sulfat, magniy sulfat va kizerit kabi magniyga asoslangan o'g'itlar pH normal diapazoni bo'lgan tuproqlarda etishmovchilikni (o'simliklar binafsha, qizil yoki jigarrang ko'rinadi, bu magniy etishmasligidan dalolat beradi) davolaydi6. qishloq xo'jaligi kabi antropogen faoliyat va zanglamaydigan po'lat ishlab chiqarishda nikelning ahamiyati78.
Elementlarning fazoviy taqsimoti [fazoviy taqsimot xaritasi ArcGIS Desktop (ESRI, Inc, Version 10.7, URL: https://desktop.arcgis.com) yordamida yaratilgan.]
Ushbu tadqiqotda foydalanilgan elementlar uchun model unumdorlik indeksi natijalari 2-jadvalda keltirilgan. Boshqa tomondan, Ni ning RMSE va MAE ikkalasi ham nolga yaqin (0,86 RMSE, -0,08 MAE). Boshqa tomondan, K ning RMSE va MAE qiymatlari maqbuldir. RMSE va MAE natijalari turli xil kaltsiy va KRMSE va magniylar tufayli kattaroq edi. ma'lumotlar to'plamlari. Ni prognoz qilish uchun EBK yordamida ushbu tadqiqotning RMSE va MAE Jon va boshqalarning natijalaridan yaxshiroq ekanligi aniqlandi. 54 sinergik kriging yordamida bir xil to'plangan ma'lumotlar yordamida tuproqdagi S kontsentratsiyasini bashorat qilish. Biz o'rgangan EBK natijalari Fabijaczyk va boshq. 41, Yan va boshqalar. 79, Beguin va boshqalar. 80, Adhikary va boshqalar. 81 va Jon va boshqalar. 82, ayniqsa K va Ni.
Shahar va shahar atrofidagi tuproqlarda nikel miqdorini bashorat qilish uchun individual usullarning ishlashi modellarning ishlashi yordamida baholandi (3-jadval). Modelni tekshirish va aniqlikni baholash Ca_Mg_K bashoratchisi EBK SVMR modeli bilan birgalikda eng yaxshi ko'rsatkichni berganligini tasdiqladi. Kalibrlash modeli Ca_RM2, o'rtacha kvadrat ildiz xatosi REBK_SESV_K Mutlaq xatolik (MAE) 0,637 (R2), 95,479 mg/kg (RMSE) va 77,368 mg/kg (MAE) Ca_Mg_K-SVMR 0,663 (R2), 235,974 mg/kg (RMSE) va 166,946 mg/kg (MAE2) uchun 166,946 mg/kgni tashkil etdi, bittadan kam yaxshi qiymatga ega. Ca_Mg_K-SVMR (0,663 mg/kg R2) va Ca_Mg-EBK_SVMR (0,643 = R2); ularning RMSE va MAE natijalari Ca_Mg_K-EBK_SVMR (R2 0.637) (3-jadvalga qarang) natijalaridan yuqori edi. Bundan tashqari, Ca_Mg-EBK_SVMR (RMSE = 1664.64 va MAE = 1031.49) modelining RMSE va MAE koʻrsatkichlari mos ravishda 134 va 17 ga teng. Ca_Mg_K-EBK_SVMR. Xuddi shunday, Ca_Mg-K SVMR (RMSE = 235.974 va MAE = 166.946) modelining RMSE va MAE koʻrsatkichlari Ca_Mg_K-EBK_SVMR modelidagidan 2.5 va 2.2 ga kattaroqdir. eng yaxshi moslik chizig'i. Oliy RSME va MAE kuzatildi. Kebonye va boshqalarga ko'ra. 46 va Jon va boshqalar. 54, RMSE va MAE nolga qanchalik yaqin bo'lsa, natijalar shunchalik yaxshi bo'ladi. SVMR va EBK_SVMR yuqori kvantlangan RSME va MAE qiymatlariga ega. RSME baholari doimiy ravishda MAE qiymatlaridan yuqori bo'lgani kuzatildi, bu esa o'zgacha ko'rsatkichlar mavjudligini ko'rsatadi. Legates va McCabex ma'lumotlariga ko'ra, bu xato mutlaq qiymatdan oshadi. chetlab o'tishlar mavjudligining ko'rsatkichi sifatida tavsiya etiladi. Bu shuni anglatadiki, ma'lumotlar to'plami qanchalik xilma-xil bo'lsa, MAE va RMSE qiymatlari shunchalik yuqori bo'ladi. Shahar va shahar atrofi tuproqlarida Ni miqdorini bashorat qilish uchun Ca_Mg_K-EBK_SVMR aralash modelining o'zaro tasdiqlanishini baholashning aniqligi 63,70% edi. Li va boshqalar. 59, bu aniqlik darajasi maqbul model ishlash darajasi hisoblanadi.Hozirgi natijalar Tarasov va boshqalar tomonidan o'tkazilgan oldingi tadqiqot bilan taqqoslanadi. 36 gibrid modeli joriy tadqiqotda bildirilgan EBK_SVMR aniqligini baholash indeksi bilan bog'liq MLPRK (Ko'p qatlamli Perceptron qoldiq Kriging) ni yaratgan RMSE (210) va MAE (167,5) joriy tadqiqotdagi natijalarimizdan (RMSE 95,479, MAE67, har doimgida) yuqoriroq edi. joriy tadqiqot (0,637) bilan Tarasov va boshqalar. 36 (0,544) dan ko'rinib turibdiki, bu aralash modelda determinatsiya koeffitsienti (R2) yuqoriroqdir. Aralash model uchun xato chegarasi (RMSE va MAE) (EBK SVMR) ikki baravar past. Xuddi shunday, Sergeev va boshqalar 34 ishlab chiqilgan gibrid model uchun 0,28 (R2) ni qayd etgan (Multilay o'rganilganda), Nizomni o'rganayotganda, Kripleyda qayd etilgan. 0,637 (R2) .Ushbu modelning bashorat qilish aniqlik darajasi (EBK SVMR) 63,7% ni tashkil etadi, Sergeev va boshqalar tomonidan olingan bashorat aniqligi. 34 28% ni tashkil qiladi. EBK_SVMR modeli va bashoratchi sifatida Ca_Mg_K yordamida yaratilgan yakuniy xarita (5-rasm) butun tadqiqot hududi boʻyicha issiq nuqtalar va oʻrtacha va nikelning bashoratlarini koʻrsatadi. Bu shuni anglatadiki, oʻrganilayotgan hududdagi nikel kontsentratsiyasi asosan oʻrtacha, ayrim aniq hududlarda yuqori konsentratsiyalar mavjud.
Yakuniy bashorat xaritasi EBK_SVMR gibrid modeli va bashorat qiluvchi sifatida Ca_Mg_K dan foydalangan holda taqdim etilgan.[Fazal taqsimot xaritasi RStudio (versiya 1.4.1717: https://www.rstudio.com/) yordamida yaratilgan.]
6-rasmda PTE kontsentratsiyasi individual neyronlardan tashkil topgan kompozitsion tekislik sifatida keltirilgan. Komponent tekisliklarining hech biri ko'rsatilgandek bir xil rang naqshini ko'rsatmaydi. Biroq, chizilgan xaritada neyronlarning tegishli soni 55 ni tashkil qiladi. SeOM turli xil ranglardan foydalangan holda ishlab chiqariladi va rang naqshlari qanchalik o'xshash bo'lsa, namunalarning xossalari ularning individual rangi va shkalasi C ga ko'ra solishtiriladi. Mg) bitta yuqori neyronlar va ko'pchilik past neyronlarga o'xshash rang naqshlarini ko'rsatdi. Shunday qilib, CaK va CaMg juda yuqori tartibli neyronlar va pastdan o'rtacha rang naqshlari bilan ba'zi o'xshashliklarga ega. Ikkala model ham qizil, to'q sariq va sariq kabi ranglarning o'rta va yuqori ranglarini ko'rsatish orqali tuproqdagi Ni kontsentratsiyasini taxmin qiladi. pastdan yuqoriga aniq rang shkalasi, model komponentlarining planar taqsimot sxemasi tuproqdagi nikelning potentsial kontsentratsiyasini ko'rsatuvchi yuqori rang naqshini ko'rsatdi (4-rasmga qarang).CakMg modeli komponent tekisligi aniq rang shkalasiga ko'ra pastdan yuqoriga qadar turli xil rang naqshini ko'rsatadi. Bundan tashqari, modelning nikel tarkibini bashorat qilish (C dagi spakniM-ga o'xshash) taqsimlanishi ko'rsatilgan. 5.Ikkala grafikda ham shahar va shahar atrofidagi tuproqlarda nikel kontsentratsiyasining yuqori, o‘rta va past nisbatlari ko‘rsatilgan. 7-rasmda kontur usuli har bir modeldagi bashorat qilingan qiymat asosida uchta klasterga bo‘lingan k-vositalarni guruhlashda tasvirlangan.Kontur usuli klasterlarning optimal sonini ifodalaydi. namunalar, 74. 2-klaster 33 ta namunani, 3-klaster esa 8 ta namunani oldi. Klasterni toʻgʻri talqin qilish uchun yetti komponentli planar bashorat qiluvchi birikma soddalashtirildi. Tuproq shakllanishiga taʼsir etuvchi koʻplab antropogen va tabiiy jarayonlar tufayli taqsimlangan SeOM xaritasida toʻgʻri tabaqalashtirilgan klaster naqshlariga ega boʻlish qiyin.
Har bir Empirik Bayesian Krigingni qo'llab-quvvatlash vektor mashinasi (EBK_SVM_SeOM) o'zgaruvchisi tomonidan komponent tekisligi chiqishi.[SeOM xaritalari RStudio yordamida yaratilgan (versiya 1.4.1717: https://www.rstudio.com/).]
Klaster tasnifining turli komponentlari [SeOM xaritalari RStudio yordamida yaratilgan (versiya 1.4.1717: https://www.rstudio.com/).]
Joriy tadqiqot shahar va shahar atrofidagi tuproqlarda nikel kontsentratsiyasini modellashtirish usullarini aniq ko'rsatib beradi.Tadqiqot tuproqdagi nikel kontsentratsiyasini bashorat qilishning eng yaxshi usulini olish uchun elementlarni modellashtirish texnikasi bilan birlashtirib, turli modellashtirish usullarini sinovdan o'tkazdi. Modellashtirish texnikasining SeOM kompozitsion planar fazoviy xususiyatlari har xil kontsentratsiyali rang namunasini ko'rsatdi. fazoviy taqsimot xaritasi EBK_SVMR tomonidan ko'rsatilgan komponentlarning planar fazoviy taqsimotini tasdiqlaydi (5-rasmga qarang). Natijalar shuni ko'rsatadiki, qo'llab-quvvatlovchi vektorli mashina regressiya modeli (Ca Mg K-SVMR) tuproqdagi Ni kontsentratsiyasini yagona model sifatida bashorat qiladi, ammo tasdiqlash va aniqlikni baholash parametrlari RMSE va boshqa qo'l texnikasi bilan ishlashda juda yuqori xatolarni ko'rsatadi. EBK_MLR modeli determinatsiya koeffitsientining (R2) past qiymati tufayli ham nuqsonli.Yaxshi natijalar EBK SVMR va birlashtirilgan elementlar (CaKMg) yordamida past RMSE va MAE xatoliklari 63,7% aniqlik bilan olingan. Ma’lum bo‘lishicha, EBK algoritmini mashina o‘rganish algoritmi bilan birlashtirish algoritm yaratishi mumkin. tuproqdagi PTE kontsentratsiyasini bashorat qilish mumkin. Natijalar shuni ko'rsatadiki, Ca Mg K ni o'rganilayotgan hududdagi Ni kontsentratsiyasini bashorat qilish uchun bashorat qiluvchi sifatida ishlatish tuproqlarda Ni ni bashorat qilishni yaxshilashi mumkin. Bu shuni anglatadiki, nikel asosidagi o'g'itlarni uzluksiz qo'llash va po'lat sanoati tomonidan tuproqning sanoat ifloslanishi tuproqdagi nikel kontsentratsiyasini oshirish tendentsiyasiga ega. shahar yoki shahar atrofidagi tuproqlarda tuproqning fazoviy taqsimot modelining.Umuman olganda, biz tuproqdagi PTEni baholash va bashorat qilish uchun EBK-SVMR modelini qo'llashni taklif qilamiz; bundan tashqari, biz turli xil mashinani o'rganish algoritmlari bilan gibridizatsiya qilish uchun EBK dan foydalanishni taklif qilamiz.Ni kontsentratsiyasi kovariatlar sifatida elementlardan foydalangan holda taxmin qilingan; ammo, ko'proq kovariativlardan foydalanish modelning ishlashini sezilarli darajada yaxshilaydi, bu joriy ishning cheklovi deb hisoblanishi mumkin.Ushbu tadqiqotning yana bir cheklovi shundaki, ma'lumotlar to'plamlari soni 115 ni tashkil qiladi.Shuning uchun, agar ko'proq ma'lumotlar taqdim etilsa, tavsiya etilgan optimallashtirilgan gibridizatsiya usulining ishlashi yaxshilanishi mumkin.
PlantProbs.net.Nikel in O'simliklar va tuproqda https://plantprobs.net/plant/nutrientImbalances/sodium.html (Kirish 2021-yil 28-aprel).
Kasprzak, KS Nikel zamonaviy ekologik toksikologiyada yutuqlar.atrofdagilar.toksikologiya.11, 145–183 (1987).
Cempel, M. & Nikel, G. Nikel: uning manbalari va atrof-muhit toksikologiyasini ko'rib chiqish. Polsha J. Environment.Stud.15, 375-382 (2006).
Freedman, B. & Hutchinson, TC. Atmosferadan kiruvchi ifloslantiruvchi moddalar va Sadberi, Ontario, Kanadadagi nikel-mis eritish zavodi yaqinidagi tuproq va o'simliklarda to'planishi.can.J. Bot.58(1), 108-132.https://doi.org/10.1139/b80-014 (1980).
Manyiwa, T. va boshqalar. Tuproqdagi og'ir metallar, o'simliklar va Botsvanadagi Selebi-Phikve mis-nikel koni yaqinida kavsh qaytaruvchi hayvonlarni boqish bilan bog'liq xavflar.surroundings.Geochemistry.Health https://doi.org/10.1007/s10653-021-x0201 ().
Cabata-Pendias.Kabata-Pendias A. 2011. Tuproqdagi iz elementlari va… – Google Scholar https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Kabata-Pendias+A.+2011.+Trace+ Tuproqdagi+va+oʻsimliklardagi+elementlar.+4-nashr.+Nyu+York+%28NY%29%3A+CRC+Press&btnG= (Kirish 2020-yil 24-noyabr).
Almås, A., Singh, B., Qishloq xo'jaligi, TS-NJ of & 1995, undefined.Soer-Varanger, Norvegiyadagi qishloq xo'jaligi tuproqlari va o'tlarida og'ir metallar kontsentratsiyasiga Rossiya nikel sanoatining ta'siri.agris.fao.org.
Nielsen, GD va boshqalar. Ichimlik suvida nikelning so'rilishi va saqlanishi oziq-ovqat iste'moli va nikel sezgirligi bilan bog'liq.toksikologiya.application.Farmakodinamika.154, 67-75 (1999).
Kosta, M. & Klein, CB Nikel karsinogenezi, mutatsiya, epigenetika yoki tanlash.atrofdagilar.Sog'liqni saqlash istiqbollari.107, 2 (1999).
Ajman, kompyuter; Ajado, SK; Borůvka, L.; Bini, JKM; Sarkodi, VYO; Kobonye, NM; Potentsial zaharli elementlarning trend tahlili: bibliometrik sharh. Environmental geokimyo va Health.Springer Science & Business Media BV 2020.https://doi.org/10.1007/s10653-020-00742-9.
Minasny, B. & McBratney, AB Raqamli tuproq xaritasi: qisqacha tarix va ba'zi darslar. Geoderma 264, 301–311.https://doi.org/10.1016/j.geoderma.2015.07.017 (2016).
McBratney, AB, Mendonça Santos, ML & Minasny, B. Raqamli tuproq xaritasida. Geoderma 117(1-2), 3-52.https://doi.org/10.1016/S0016-7061(03)00223-4 (2003).
Deutsch.CV Geostatistik suv omborini modellashtirish,… – Google Scholar https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=CV+Deutsch%2C+2002%2C+Geostatistik+Rezervuar+modellash%2C +Oxford+University+Press%2C+376+sahifalar.+&btnG= (Kirish 2021-yil 28-aprel).
Yuborilgan vaqt: 22-iyul-2022
