Dankie dat jy Nature.com besoek het. Die blaaierweergawe wat jy gebruik het beperkte ondersteuning vir CSS. Vir die beste ervaring, beveel ons aan dat jy 'n opgedateerde blaaier gebruik (of versoenbaarheidsmodus in Internet Explorer afskakel). Intussen, om volgehoue ​​ondersteuning te verseker, sal ons die werf sonder style en JavaScript vertoon.
Grondbesoedeling is 'n groot probleem wat deur menslike aktiwiteite veroorsaak word. Die ruimtelike verspreiding van potensieel toksiese elemente (PTE's) verskil in die meeste stedelike en peri-stedelike gebiede. Daarom is dit moeilik om die inhoud van PTE's in sulke gronde ruimtelik te voorspel. 'n Totaal van 115 monsters is verkry van Frydek Mistek in die Tsjeggiese Republiek (Kassium) (Kassium) en magnesium (Kassium) konsentrasie (Kassium) en magnesium. s is bepaal deur gebruik te maak van induktief gekoppelde plasma-emissiespektrometrie. Die responsveranderlike is Ni en die voorspellers is Ca, Mg en K. Die korrelasiematriks tussen die responsveranderlike en die voorspellerveranderlike toon 'n bevredigende korrelasie tussen die elemente. Die voorspellingsresultate het getoon dat Support Vector Machine Regression (SVMR) goed gevaar het, alhoewel sy geskatte fout (25 kg/m2) wortelgemiddeld (mg4/kg) wortel gemiddeld (mg45/9) goed gevaar het. E) (166.946 mg/kg) was hoër as die ander metodes wat toegepas is. Gemengde modelle vir Empiriese Bayesiese Kriging-Multiple Linear Regression (EBK-MLR) presteer swak, soos blyk uit bepalingskoëffisiënte van minder as 0.1. Die Empiriese Bayesiaanse Kriging-Support Vector Machine Regression (EBK-MLR) model was die lae 9RM-model (EBK-SVMR) (EBK-MLR) en lae 9,0 kg. en MAE (77.368 mg/kg) waardes en hoë koëffisiënt van bepaling (R2 = 0.637). Die EBK-SVMR modellering tegniek uitset word gevisualiseer met behulp van 'n selforganiserende kaart. Gegroepeerde neurone in die vlak van die hibriede model CakMg-EBK-SVMR komponent toon veelvuldige kleurpatrone in stedelike konsentrasie- en SVEB-resultate wat so voorspel en SVEB konsentrasie- en SVEB-resultate demonstreer. is 'n effektiewe tegniek om Ni-konsentrasies in stedelike en buitestedelike gronde te voorspel.
Nikkel (Ni) word as 'n mikrovoedingstof vir plante beskou omdat dit bydra tot atmosferiese stikstofbinding (N) en ureummetabolisme, wat albei nodig is vir saadontkieming. Benewens sy bydrae tot saadontkieming, kan Ni ook as 'n swam- en bakteriese inhibeerder optree en plantontwikkeling bevorder. die toediening van nikkel-gebaseerde bemestingstowwe om stikstofbinding te optimaliseer2.Voortgesette toediening van nikkel-gebaseerde bemestingstowwe om die grond te verryk en die vermoë van peulgewasse om stikstof in die grond te bind verhoog voortdurend die nikkelkonsentrasie in die grond.Alhoewel nikkel 'n mikrovoedingstof vir plante is, kan die oormatige hoeveelheid nikkel so goed inneem as nikkel. se grond-pH en belemmer die opname van yster as 'n noodsaaklike voedingstof vir plantgroei1.Volgens Liu3 is gevind dat Ni die 17de belangrike element is wat nodig is vir plantontwikkeling en -groei. Benewens nikkel se rol in plantontwikkeling en -groei, het mense dit nodig vir 'n verskeidenheid toepassings. Elektroplatering, die vervaardiging van nikkelgebaseerde legerings in die vervaardiging van vonkproppe en ontstekingsindustrie in die vervaardiging van ontstekings van nikkel, nywerheidsektore.Daarbenewens is nikkel-gebaseerde allooie en gegalvaniseerde artikels wyd gebruik in kombuisware, balsaalbykomstighede, voedselindustrievoorrade, elektriese, draad en kabel, straalturbines, chirurgiese inplantings, tekstiele en skeepsbou5. ic4,6.Natuurlike bronne van nikkel sluit vulkaniese uitbarstings, plantegroei, bosbrande en geologiese prosesse in;antropogeniese bronne sluit egter nikkel/kadmiumbatterye in die staalbedryf, elektroplatering, boogsweis, diesel en brandstofolies, en atmosferiese emissies van steenkoolverbranding en afval- en slykverbranding in Nikkelakkumulasie7,8.Volgens Freedman en Hutchinson9 en Manyiwa et al.10, is die hoofbronne van bogrondbesoedeling in die onmiddellike en aangrensende omgewing hoofsaaklik nikkel-koper-gebaseerde smelters en myne. Die boonste grond rondom die Sudbury nikkel-koper raffinadery in Kanada het die hoogste vlakke van nikkel besoedeling gehad op 26 000 mg/kg11. Daarteenoor het besoedeling van nikkel produksie in Noorweegse1 tot AlmAc1 so hoër nikkel produksie in Rusland tot gevolg gehad. .12, het die hoeveelheid HNO3-onttrekbare nikkel in die streek se top bewerkbare grond (nikkelproduksie in Rusland) gewissel van 6,25 tot 136,88 mg/kg, wat ooreenstem met 'n gemiddelde van 30,43 mg/kg en 'n basislynkonsentrasie van 25 mg/kg. Die potensiële effekte van nikkel by mense kan lei tot kanker deur mutagenese, chromosomale skade, Z-DNA-generering, geblokkeerde DNA-uitsnyding, of epigenetiese prosesse.
Grondbesoedelingsbepalings het die afgelope tyd gefloreer as gevolg van 'n wye reeks gesondheidsverwante kwessies wat voortspruit uit grond-plant-verhoudings, grond- en grondbiologiese verwantskappe, ekologiese agteruitgang en omgewingsimpakbepaling. Tot op hede het ruimtelike voorspelling van potensieel toksiese elemente (PTE's) soos Ni in grond moeisame en tydrowende gebruik gemaak van die huidige en tydrowende digitale metodes (SM). sterk verbeterde voorspellende grondkartering (PSM).Volgens Minasny en McBratney16, het voorspellende grondkartering (DSM) bewys dat dit 'n prominente subdissipline van grondkunde is.Lagacherie en McBratney, 2006 definieer DSM as "die skepping en invul van ruimtelike grondinligtingstelsels deur die gebruik van in-patientlike-situasie- en spatiale waarnemingsisteme en spatiale-situasiestelsels en spatiale waarnemingsisteme". cBratney et al.17 uiteensit dat die hedendaagse DSM of PSM die mees effektiewe tegniek is om die ruimtelike verspreiding van PTE's, grondtipes en grondeienskappe te voorspel of te karteer. Geostatistiek en Masjienleeralgoritmes (MLA) is DSM-modelleringstegnieke wat gedigitaliseerde kaarte skep met behulp van rekenaars wat betekenisvolle en minimale data gebruik.
Deutsch18 en Olea19 definieer geostatistiek as "die versameling van numeriese tegnieke wat handel oor die voorstelling van ruimtelike eienskappe, hoofsaaklik deur gebruik te maak van stogastiese modelle, soos hoe tydreeksanalise tydelike data kenmerk."Geostatistiek behels hoofsaaklik die evaluering van variogramme, wat dit moontlik maak om die afhanklikhede van ruimtelike waardes uit elke datastel te kwantifiseer en te definieer20.Gumiaux et al.20 illustreer verder dat die evaluering van variogramme in geostatistiek op drie beginsels gebaseer is, insluitend (a) berekening van die skaal van datakorrelasie, (b) identifisering en berekening van anisotropie in datastel-ongelykheid en (c) bykomend tot Benewens die inagneming van die inherente fout van die metingsdata wat geskei word van die plaaslike effekte, word die geostatiese begrippe ook beraam, word baie effekte op hierdie gebiede geskat. istiek, insluitend algemene kriging, mede-kriging, gewone kriging, empiriese Bayesiaanse kriging, eenvoudige kriging-metode en ander bekende interpolasietegnieke om PTE, grondkenmerke en grondtipes te karteer of te voorspel.
Masjienleeralgoritmes (MLA) is 'n relatief nuwe tegniek wat groter nie-lineêre dataklasse gebruik, aangevuur deur algoritmes wat hoofsaaklik gebruik word vir data-ontginning, die identifisering van patrone in data, en herhaaldelik toegepas word op klassifikasie in wetenskaplike velde soos grondkunde en terugkeertake. Talle navorsingsvraestelle maak staat op soos PLA-modelle in et al.22 (ewekansige woude vir swaarmetaalskatting in landbougrond), Sakizadeh et al.23 (modellering met behulp van ondersteuningsvektormasjiene en kunsmatige neurale netwerke) grondbesoedeling ).Daarbenewens het Vega et al.24 (CART vir modellering van swaarmetaalretensie en adsorpsie in grond) Sun et al.25 (toepassing van kubisties is die verspreiding van Cd in grond) en ander algoritmes soos k-naaste buurman, veralgemeende versterkte regressie en versterkte regressie Bome het ook MLA toegepas om PTE in grond te voorspel.
Die toepassing van DSM-algoritmes in voorspelling of kartering staar verskeie uitdagings in die gesig.Baie skrywers glo dat MLA beter is as geostatistiek en omgekeerd.Alhoewel die een beter as die ander is, verbeter die kombinasie van die twee die vlak van akkuraatheid van kartering of voorspelling in DSM15.Woodcock en Gopal26 Finke27;Pontius en Cheuk28 en Grunwald29 lewer kommentaar op tekortkominge en sommige foute in voorspelde grondkartering.Grondwetenskaplikes het 'n verskeidenheid tegnieke probeer om die doeltreffendheid, akkuraatheid en voorspelbaarheid van DSM-kartering en -vooruitskatting te optimaliseer.Die kombinasie van onsekerheid en verifikasie is een van baie verskillende aspekte wat in DSM geïntegreer is, en Agman-doeltreffendheid te verminder, al.15 uiteensit dat die valideringsgedrag en onsekerheid wat deur kaartskepping en -voorspelling ingestel word, onafhanklik gevalideer moet word om kaartkwaliteit te verbeter. Die beperkings van die DSM is te wyte aan geografies verspreide grondkwaliteit, wat 'n komponent van onsekerheid behels;die gebrek aan sekerheid in die DSM kan egter voortspruit uit veelvuldige bronne van foute, naamlik ko-veranderlike fout, modelfout, liggingsfout en analitiese Fout 31. Modelleringsonakkuraathede wat in MLA en geostatistiese prosesse geïnduseer word, word geassosieer met 'n gebrek aan begrip, wat uiteindelik lei tot oorvereenvoudiging van die werklike proses32. atiese modelvoorspellings, of interpolasie33. Onlangs het 'n nuwe DSM-tendens na vore gekom wat die integrasie van geostatistiek en MLA in kartering en vooruitskatting bevorder. Verskeie grondwetenskaplikes en skrywers, soos Sergeev et al.34;Subbotina et al.35;Tarasov et al.36 en Tarasov et al.37 het die akkurate kwaliteit van geostatistiek en masjienleer ontgin om hibriede modelle te genereer wat die doeltreffendheid van vooruitskatting en kartering verbeter.kwaliteit.Sommige van hierdie hibriede of gekombineerde algoritme-modelle is Kunsmatige Neurale Netwerk Kriging (ANN-RK), Multilayer Perceptron Residual Kriging (MLP-RK), Generalized Regression Neural Network Residual Kriging (GR- NNRK)36, Artificial Neural Network Kriging-Multilayer Perceptron (ANN-K-MLPKs Process) (ANN-K-MLPK3)
Volgens Sergeev et al., het die kombinasie van verskeie modelleringstegnieke die potensiaal om defekte uit te skakel en die doeltreffendheid van die resulterende hibriede model te verhoog eerder as om sy enkele model te ontwikkel. In hierdie konteks argumenteer hierdie nuwe referaat dat dit nodig is om 'n gekombineerde algoritme van geostatistiek en MLA toe te pas om optimale hibriede modelle te skep om Ni-verryking in stedelike gebiede en peri-iriese model te voorspel. en meng dit met Support Vector Machine (SVM) en Multiple Linear Regression (MLR) modelle. Hibridisering van EBK met enige MLA is nie bekend nie. Die veelvuldige gemengde modelle wat gesien word, is kombinasies van gewone, residuele, regressie kriging, en MLA.EBK is 'n geostatistiese interpolasie metode wat 'n ruimtelik gebruik maak van 'n ruimtelike stogastiese veld wat 'n plaaslik stogastiese veld is wat nie-gedefinieer is met 'n plaaslike stogastiese veld. , wat ruimtelike variasie toelaat39.EBK is in 'n verskeidenheid studies gebruik, insluitend die ontleding van die verspreiding van organiese koolstof in plaasgrond40, die beoordeling van grondbesoedeling41 en die kartering van grondeienskappe42.
Aan die ander kant, Self-Organizing Graph (SeOM) is 'n leeralgoritme wat toegepas is in verskeie artikels soos Li et al.43, Wang et al.44, Hossain Bhuiyan et al.45 en Kebonye et al.46 Bepaal die ruimtelike eienskappe en groepering van elemente.Wang et al.44 skets dat SeOM 'n kragtige leertegniek is wat bekend is vir sy vermoë om nie-lineêre probleme te groepeer en voor te stel. Anders as ander patroonherkenningstegnieke soos hoofkomponent-analise, fuzzy clustering, hiërargiese groepering en multi-kriteria besluitneming, is SeOM beter om PTE-patrone te organiseer en te identifiseer.Volgens Wang et al.44, kan SeOM die verspreiding van verwante neurone ruimtelik groepeer en hoë-resolusie datavisualisering verskaf.SeOM sal Ni-voorspellingsdata visualiseer om die beste model te verkry om die resultate vir direkte interpretasie te karakteriseer.
Hierdie vraestel is daarop gemik om 'n robuuste karteringmodel met optimale akkuraatheid te genereer vir die voorspelling van nikkelinhoud in stedelike en buitestedelike gronde. Ons veronderstel dat die betroubaarheid van die gemengde model hoofsaaklik afhang van die invloed van ander modelle verbonde aan die basismodel. Ons erken die uitdagings wat die DSM in die gesig staar, en terwyl hierdie uitdagings op verskeie fronte en geostatistiese modelle aangespreek word, verskyn MLA in die kombinasie van geostatistiese modelle;daarom sal ons poog om navorsingsvrae te beantwoord wat gemengde modelle kan oplewer.Hoe akkuraat is die model egter om die teikenelement te voorspel?Ook, wat is die vlak van doeltreffendheidsevaluering gebaseer op validering en akkuraatheidsevaluering?Daarom was die spesifieke doelwitte van hierdie studie om (a) 'n gekombineerde mengselmodel vir SVMR of die MLR te skep om die resultaat te vergelyk, die beste model te gebruik (voorstel) (voorstel) voorspelling van Ni-konsentrasies in stedelike of peri-stedelike gronde, en (d) die toepassing van SeOM om 'n hoë-resolusie kaart van nikkel ruimtelike variasie te skep.
Die studie word in die Tsjeggiese Republiek uitgevoer, spesifiek in die Frydek-misted-distrik in die Moravia-Silesiese streek (sien Figuur 1). Die geografie van die studiegebied is baie robuus en is meestal deel van die Moravia-Silesiaanse beverstreek, wat deel uitmaak van die buitenste rim van die Karpatiese berge. en die hoogte is tussen 225 en 327 m;die Koppen-klassifikasiestelsel vir die klimaatstoestand van die streek word egter gegradeer as Cfb = gematigde oseaniese klimaat, Daar is baie reënval selfs in die droë maande. Temperature wissel effens deur die jaar tussen −5 °C en 24 °C, en val selde onder −14 °C of bo 30 °C, terwyl die gemiddelde jaarlikse geskatte area van 7 mm neerslag en die hele geskatte area van 7 mm is. is 1 208 vierkante kilometer, met 39,38% van die bewerkte grond en 49,36% van die bosbedekking. Aan die ander kant is die oppervlakte wat in hierdie studie gebruik word sowat 889,8 vierkante kilometer. In en om Ostrava is die staalindustrie en metaalwerke baie aktief. verhoog die sterkte van die legering terwyl dit sy goeie rekbaarheid en taaiheid behou), en intensiewe landbou soos fosfaatkunsmistoediening en veeproduksie is navorsingspotensiële bronne van nikkel in die streek (bv. die byvoeging van nikkel by lammers om groeikoerse in lammers en laevoedbeeste te verhoog). maklik onderskeibaar van grondkleur, struktuur en karbonaatinhoud.Die grondtekstuur is medium tot fyn, afgelei van die moedermateriaal.Hulle is kolluviaal, alluviaal of eolies van aard.Sommige grondgebiede kom gevlek in die oppervlak en ondergrond voor, dikwels met beton en bleiking.Kambisols en stagnosols is egter in die mees algemene sooltipes in die 5-gebiede van 5 tot 4 vlakke. 493,5 m, kambisols oorheers die Tsjeggiese Republiek49.
Studie area kaart [Die studie area kaart is geskep met behulp van ArcGIS Desktop (ESRI, Inc, weergawe 10.7, URL: https://desktop.arcgis.com).]
'n Totaal van 115 bogrondmonsters is verkry van stedelike en buitestedelike gronde in die Frydek Mistek-distrik. Die monsterpatroon wat gebruik is, was 'n gereelde rooster met grondmonsters wat 2 × 2 km uitmekaar gespasieer was, en bogrond is gemeet op 'n diepte van 0 tot 20 cm met behulp van 'n hand-held GPS-toestel (Leica Zeno 5 het behoorlik gemerk die laboratoriumverpakking, GPS en monsters gemerk. is in die lug gedroog om verpoeierde monsters te produseer, verpoeier deur 'n meganiese stelsel (Fritsch-skyfmeul), en gesif (sifgrootte 2 mm).Plaas 1 gram gedroogde, gehomogeniseerde en gesifte grondmonsters in duidelik gemerkte teflonbottels. In elke Teflon-houer, doseer 7 ml 35% HCl en 5%3 ml NO3 outomatiese deksel (een HCl en 5% 3 ml NO3) laat die monsters oornag staan ​​vir die reaksie (aqua regia-program) .Plaas die supernatant op 'n warm metaalplaat (temperatuur: 100 W en 160 °C) vir 2 uur om die verteringproses van die monsters te vergemaklik, koel dan af. Dra die supernatant oor na 'n 50 ml volumetriese fles en verdun die ml-verdunde water na 50 verdunde water. ml PVC-buis met gedeïoniseerde water.Bykomend is 1 ml van die verdunningsoplossing verdun met 9 ml gedeïoniseerde water en gefiltreer in 'n 12 ml-buis wat voorberei is vir PTE pseudo-konsentrasie. Die konsentrasies van PTE's (As, Cd, Cr, Cu, Mn, Ni, Pb, Zn, Ca, MgIng, K) is Plasties bepaal deur ICP- OE-Spektief- Opsmaatroop. (Thermo Fisher Scientific, VSA) volgens standaardmetodes en ooreenkoms.Verseker Kwaliteitsversekering en Beheer (QA/QC) prosedures (SRM NIST 2711a Montana II Soil).PTE's met opsporingslimiete onder die helfte is van hierdie studie uitgesluit. Die opsporingslimiet van die PTE wat in hierdie studie gebruik is, was 0,0004. .Om te verseker dat foute tot die minimum beperk is, is 'n dubbele analise uitgevoer.
Empiriese Bayesian Kriging (EBK) is een van vele geostatistiese interpolasietegnieke wat gebruik word in modellering in diverse velde soos grondkunde. Anders as ander kriging-interpolasietegnieke, verskil EBK van tradisionele kriging-metodes deur die fout wat deur die semivariogrammodel beraam word, in ag te neem. In EBK-interpolasie word verskeie semivariogram-tegnieke eerder as 'n enkele manier van interpolasie bereken, as die semivariogram-tegnieke vir interpolasie gemaak word. sekerheid en programmering wat verband hou met hierdie plot van die semivariogram wat 'n hoogs komplekse deel van 'n voldoende kriging-metode uitmaak. Die interpolasieproses van EBK volg die drie kriteria wat deur Krivoruchko50 voorgestel word, (a) die model skat die semivariogram vanaf die insetdatastel (b) die nuwe voorspelde waarde vir elke insetdatastelligging gebaseer op die gegenereerde semivariogram-model is 'n gegenereerde semivariogram-model en (c) gegewe die finale quariogram-reël. as 'n posterior
Waar \(Prob\left(A\right)\) die voorafgaande verteenwoordig, \(Prob\left(B\right)\) marginale waarskynlikheid word in die meeste gevalle geïgnoreer, \(Prob (B,A)\ ) .Die semivariogram-berekening is gebaseer op Bayes se reël, wat die geneigdheid van waarneming-datastelle wys wat geskep kan word uit die semivariose-reëls wat dan met behulp van semivarios-reëls geskep kan word. is om 'n datastel van waarnemings vanaf die semivariogram te skep.
'n Ondersteuningsvektormasjien is 'n masjienleeralgoritme wat 'n optimale skeidingshipervlak genereer om identiese maar nie lineêr onafhanklike klasse te onderskei nie.Vapnik51 het die bedoelingsklassifikasie-algoritme geskep, maar dit is onlangs gebruik om regressie-georiënteerde probleme op te los.Volgens Li et al.52 is SVM een van die beste klassifiseerder-resessie-tegnieke van Vector SVM-resessie-tegnieke en is al in verskeie komponente gebruik. – SVMR) is in hierdie analise gebruik.Cherkassky en Mulier53 het die baanbreker van SVMR as 'n kerngebaseerde regressie, waarvan die berekening uitgevoer is met behulp van 'n lineêre regressiemodel met multi-land ruimtelike funksies.John et al54 rapporteer dat SVMR-modellering hiperplane lineêre regressie gebruik, wat al-lyn-spasiale funksies tot.h.55, epsilon (ε)-SVMR gebruik die opgeleide datastel om 'n voorstellingsmodel te verkry as 'n epsilon-onsensitiewe funksie wat toegepas word om die data onafhanklik te karteer met die beste epsilon-vooroordeel uit opleiding op gekorreleerde data. Die voorafbepaalde afstandsfout word geïgnoreer vanaf die werklike waarde, en as die fout groter is as ε(ε), verminder die grond-eienskappe van die opleiding ook die subset van data. ondersteun vektore. Die vergelyking wat deur Vapnik51 voorgestel word, word hieronder getoon.
waar b die skalêre drempel verteenwoordig, \(K\left({x}_{,}{ x}_{k}\right)\) verteenwoordig die kernfunksie, \(\alpha\) verteenwoordig die Lagrange-vermenigvuldiger, N verteenwoordig 'n numeriese datastel, \({x}_{k}\) verteenwoordig data-invoer, en \(y\) is van die data-sleutel-uitset funksie, Gau-relle wat gebruik word is van die SV-kern-uitset. F).Die RBF-kern word toegepas om die optimale SVMR-model te bepaal, wat krities is om die mees subtiele strafstelfaktor C en kernparameter gamma (γ) vir die PTE-opleidingsdata te verkry.Eers het ons die opleidingstel geëvalueer en daarna die modelprestasie op die validasiestel getoets. Die stuurparameter wat gebruik word, is sigma en die metodewaarde is svmRadial.
'n Meervoudige lineêre regressiemodel (MLR) is 'n regressiemodel wat die verwantskap tussen die responsveranderlike en 'n aantal voorspellerveranderlikes verteenwoordig deur gebruik te maak van lineêre saamgevoegde parameters wat bereken word deur die kleinste kwadrate-metode te gebruik. In MLR is 'n kleinstekwadratemodel 'n voorspellende funksie van grondeienskappe na seleksie van verduidelikende veranderlikes.Dit is nodig om die respons te gebruik om die veranderlike gebruik te gebruik om 'n veranderlike lineêre verwantskap vas te stel om die veranderlike lineêre verwantskap vas te stel. verklarende veranderlikes.Die MLR-vergelyking is
waar y die responsveranderlike is, \(a\) die afsnit is, n die aantal voorspellers is, \({b}_{1}\) die gedeeltelike regressie van die koëffisiënte is, \({x}_{i}\) 'n voorspeller of verduidelikende veranderlike verteenwoordig, en \({\varepsilon }_{i}\) verteenwoordig ook die fout in die model,.
Gemengde modelle is verkry deur EBK met SVMR en MLR te koppel. Dit word gedoen deur voorspelde waardes uit EBK-interpolasie te onttrek. Die voorspelde waardes verkry vanaf die geïnterpoleerde Ca, K en Mg word verkry deur 'n kombinatoriese proses om nuwe veranderlikes te verkry, soos CaK, CaMg en KMg. veranderlikes wat verkry is, is Ca, K, Mg, CaK, CaMg, KMg en CaKMg. Hierdie veranderlikes het ons voorspellers geword, wat help om nikkelkonsentrasies in stedelike en buitestedelike gronde te voorspel. Die SVMR-algoritme is op die voorspellers uitgevoer om 'n gemengde model te verkry. model Empiriese Bayesiaanse Kriging-Meervoudige Lineêre Regressie (EBK_MLR). Tipies word die veranderlikes Ca, K, Mg, CaK, CaMg, KMg en CaKMg as kovariate gebruik as voorspellers van Ni-inhoud in stedelike en peri-stedelike gronde. Die mees aanvaarbare model wat verkry is (EBK_SVR met behulp van 'n self_ML-studie) sal dan getoon word in die visualisering van 'n self-ML-studie. Figuur 2.
Die gebruik van SeOM het 'n gewilde hulpmiddel geword vir die organisering, evaluering en voorspelling van data in die finansiële sektor, gesondheidsorg, nywerheid, statistieke, grondkunde, en meer. SeOM word geskep deur gebruik te maak van kunsmatige neurale netwerke en leermetodes sonder toesig vir organisasie, evaluering en voorspelling. In hierdie studie is SeOM gebruik om Ni-model te visualiseer vir konsentrasies wat gebaseer is op die voorspelling van die beste in stedelike SeOM-data. evaluasie word gebruik as n insetdimensionele vektorveranderlikes43,56.Melssen et al.57 beskryf die koppeling van 'n insetvektor in 'n neurale netwerk deur 'n enkele insetlaag na 'n uitsetvektor met 'n enkelgewigvektor. Die uitset wat deur SeOM gegenereer word, is 'n tweedimensionele kaart wat bestaan ​​uit verskillende neurone of nodusse wat in seskantige, sirkelvormige of vierkantige topologiese kaarte geweef is volgens hul nabyheid.Vergelyking van kaartgroottes gebaseer op metrieke, kwantiteitsmodel en (6) en (6) 0,904, onderskeidelik, word gekies, wat 'n 55-kaart-eenheid (5 × 11) is. Die neuronstruktuur word bepaal volgens die aantal nodusse in die empiriese vergelyking
Die aantal data wat in hierdie studie gebruik is, is 115 steekproewe. 'n Ewekansige benadering is gebruik om die data in toetsdata (25% vir validering) en opleidingsdatastelle (75% vir kalibrasie) te verdeel. Die opleidingdatastel word gebruik om die regressiemodel (kalibrasie) te genereer, en die toetsdatastel word gebruik om die veralgemeningsvermoë te verifieer58. Dit is gedoen om die inhoudsgeskiktheid van verskillende modelle vir kruisvoud te assesseer. -valideringsproses, vyf keer herhaal. Die veranderlikes wat deur EBK-interpolasie geproduseer word, word gebruik as voorspellers of verduidelikende veranderlikes om die teikenveranderlike (PTE) te voorspel. Modellering word in RStudio hanteer deur gebruik te maak van die pakkette biblioteek(Kohonen), library(caret), library(modelr), library(“e1071″(“pl”), library”), library”(library”), library(”)”), library”(library”) en biblioteke (“Metrics”).
Verskeie valideringsparameters is gebruik om die beste model te bepaal wat geskik is vir die voorspelling van nikkelkonsentrasies in grond en om die akkuraatheid van die model en sy validering te evalueer.Verbasteringsmodelle is geëvalueer deur gebruik te maak van gemiddelde absolute fout (MAE), wortelgemiddelde kwadraatfout (RMSE), en R-kwadraat of koëffisiëntbepaling (R2). itude in onafhanklike maatstawwe beskryf die voorspellingskrag van die model, terwyl MAE die werklike kwantitatiewe waarde bepaal.Die R2-waarde moet hoog wees om die beste mengselmodel te evalueer met behulp van die valideringsparameters, hoe nader die waarde aan 1 is, hoe hoër is die akkuraatheid.Volgens Li et al.59, word 'n R2-kriteriumwaarde van 0,75 of meer as 'n goeie voorspeller beskou;van 0.5 tot 0.75 is aanvaarbare modelprestasie, en onder 0.5 is onaanvaarbare modelprestasie. Wanneer 'n model gekies word deur die RMSE- en MAE-valideringskriteria-evalueringsmetodes te gebruik, was die laer waardes wat verkry is voldoende en is dit as die beste keuse beskou. Die volgende vergelyking beskryf die verifikasiemetode.
waar n die grootte van die waargenome waarde voorstel\({Y}_{i}\) verteenwoordig die gemete respons, en \({\widehat{Y}}_{i}\) verteenwoordig dus ook die voorspelde responswaarde vir die eerste i-waarnemings.
Statistiese beskrywings van voorspeller en responsveranderlikes word in Tabel 1 aangebied, wat gemiddelde, standaardafwyking (SD), variasiekoëffisiënt (CV), minimum, maksimum, kurtosis en skewness aantoon. Die minimum en maksimum waardes van die elemente is in dalende volgorde van Mg < Ca < K < Ni en Ca < Mg < K < Ni, onderskeidelik, gekonsentreerde van die steekproef van die steekproef van die steekproef (N) van die steekproef van die steekproef (Ni) 6 gestrek van die respons. tot 42,39 mg/kg.Vergelyking van Ni met die wêreldgemiddeld (29 mg/kg) en die Europese gemiddeld (37 mg/kg) het getoon dat die algehele berekende meetkundige gemiddelde vir die studiegebied binne die verdraagbare omvang was. Nietemin, soos aangetoon deur Kabata-Pendias11, toon 'n vergelyking van die gemiddelde nikkel (Ni) konsentrasie die huidige gemiddelde nikkel (Ni) so 'n ingricultural konsentrasie in Swede 'n hoër konsentrasie in die huidige studie. die gemiddelde konsentrasie van Frydek Mistek in stedelike en peri-stedelike gronde in die huidige studie (Ni 16.15 mg/kg) was hoër as die toelaatbare limiet van 60 (10.2 mg/kg) vir Ni in Poolse stedelike gronde gerapporteer deur Różański et al. Verder het Bretzel en Calderisi61 die konsentrasies van die stedelike en calderisi61 in Tuscany baie laag in vergelyking met die stedelike konsentrasies in Tuscany vergelyk (17 kg) baie laag. Jim62 het ook 'n laer nikkelkonsentrasie (12.34 mg/kg) in Hongkongse stedelike gronde gevind, wat laer is as die huidige nikkelkonsentrasie in hierdie studie. Birke et al63 het 'n gemiddelde Ni-konsentrasie van 17.6 mg/kg in 'n ou mynbou- en stedelike nywerheidsgebied in Sakse-Anhalt, Duitsland, gerapporteer, wat 1.45 mg/kg hoër was as die gemiddelde nikkel-konsentrasie in 16 kg in.C. gronde in sommige stedelike en voorstedelike gebiede van die studiegebied kan hoofsaaklik toegeskryf word aan die yster- en staalindustrie en metaalbedryf. Dit stem ooreen met die studie deur Khodadoust et al.64 dat die staalnywerheid en metaalbewerking die hoofbronne van nikkelbesoedeling in gronde is.Die voorspellers het egter ook gewissel van 538,70 mg/kg tot 69 161,80 mg/kg vir Ca, 497,51 mg/kg tot 3535,68 mg/kg vir K, en 685,70 mg/kg en 685,5 kg vir MJakovic en 685 mg/kg vir 5 kg. al.65 het die totale Mg- en K-inhoud van gronde in sentraal-Serwië ondersoek. Hulle het gevind dat die totale konsentrasies (onderskeidelik 410 mg/kg en 400 mg/kg) laer was as die Mg- en K-konsentrasies van die huidige studie. Ononderskeibaar, in Oos-Pole, het Orzechowski en Smolczynski66 die totale konsentrasie van Mg/Ca (10 kg) en Mg/0g geassesseer. 590 mg/kg) en K (810 mg/kg) Die inhoud in die bogrond is laer as die enkele element in hierdie studie. 'n Onlangse studie deur Pongrac et al.67 het getoon dat die totale Ca inhoud ontleed in 3 verskillende gronde in Skotland, VK (Mylnefield grond, Balruddery grond en Hartwood grond) 'n hoër Ca inhoud in hierdie studie aangedui het.
As gevolg van die verskillende gemete konsentrasies van die gemonsterde elemente, vertoon die datastelverspreidings van die elemente verskillende skeefheid. Die skeefheid en kurtose van die elemente het onderskeidelik gewissel van 1.53 tot 7.24 en 2.49 tot 54.16. Alle berekende elemente het skeefheid en kurtose-verspreidingsvlakke in is dus bokant die +irregular-, kurtose-verspreidingsvlakke in ed.Die geskatte CV's van die elemente toon ook dat K, Mg en Ni matige veranderlikheid vertoon, terwyl Ca uiters hoë veranderlikheid het. Die CV's van K, Ni en Mg verduidelik hul eenvormige verspreiding. Verder is die Ca-verspreiding nie-uniform en kan eksterne bronne die verrykingsvlak daarvan beïnvloed.
Die korrelasie van die voorspellerveranderlikes met die responselemente het 'n bevredigende korrelasie tussen die elemente aangedui (sien Figuur 3). Die korrelasie het aangedui dat CaK matige korrelasie met r waarde = 0.53 vertoon het, asook CaNi. Alhoewel Ca en K beskeie assosiasies met mekaar toon, het navorsers soos Kingston et al.68 en Santo69 stel voor dat hul vlakke in die grond omgekeerd eweredig is. Ca en Mg is egter antagonisties tot K, maar CaK korreleer goed. Dit kan wees as gevolg van die toediening van kunsmisstowwe soos kaliumkarbonaat, wat 56% hoër in kalium is.Kalium was matig gekorreleer met magnesium (06-elemente3). kaliummagnesiumsulfaat, kaliummagnesiumnitraat en potas word op gronde toegedien om hul tekortvlakke te verhoog.Nikkel is matig gekorreleer met Ca, K en Mg met r-waardes = 0.52, 0.63 en 0.55, onderskeidelik. Die verwantskappe wat kalsium, magnesium en PTE behels, verminder komplekse, magnesium en PTE's, maar nie-hibisie-effek van kalsium soos kalsium van oormaat magnesium, en beide magnesium en kalsium verminder die toksiese effekte van nikkel in grond.
Korrelasiematriks vir elemente wat die verwantskap tussen voorspellers en response toon (Let wel: hierdie figuur sluit 'n spreidingsdiagram tussen elemente in, betekenisvlakke is gebaseer op p < 0,001).
Figuur 4 illustreer die ruimtelike verspreiding van elemente.Volgens Burgos et al70, is die toepassing van ruimtelike verspreiding 'n tegniek wat gebruik word om warm kolle in besoedelde gebiede te kwantifiseer en uit te lig. Die verrykingsvlakke van Ca in Fig. 4 kan in die noordwestelike deel van die ruimtelike verspreidingskaart gesien word. Die figuur toon matige tot hoë Ca-verryking van kalsium tot matige gebruik van die noordwestelike verrykingskaart (waarskynlik die vinnige gebruik van kalsium tot matige kalk. kalsiumoksied) om grondsuurheid en die gebruik daarvan in staalmeulens as alkaliese suurstof in die staalvervaardigingsproses te verminder. Aan die ander kant verkies ander boere om kalsiumhidroksied in suur gronde te gebruik om pH te neutraliseer, wat ook die kalsiuminhoud van die grond verhoog71.Kalium toon ook warm kolle in die noordweste en ooste van die kaart. astoedienings.Dit stem ooreen met ander studies, soos Madaras en Lipavský72, Madaras et al.73, Pulkrabová et al.74, Asare et al.75, wat waargeneem het dat grondstabilisering en behandeling met KCl en NPK tot hoë K-inhoud in die grond gelei het.Ruimtelike Kaliumverryking in die noordweste van die verspreidingskaart kan wees as gevolg van die gebruik van kaliumgebaseerde kunsmisstowwe soos kaliumchloried, kaliumsulfaat, kaliumnitraat, potas en potas om die kaliuminhoud van arm gronde te verhoog.Zádorová et al.76 en Tlustoš et al.77 het uiteengesit dat die toediening van K-gebaseerde kunsmis die K-inhoud in die grond verhoog en die grondvoedingstofinhoud op die langtermyn aansienlik sal verhoog, veral K en Mg wat 'n warm kol in die grond toon. Relatief matige brandpunte in die noordweste van die kaart en die suidooste van die kaart.Kolloïdale fiksasie in die grond veroorsaak dat die konsentrasie van magnesium so geel word. intervein chlorosis.Magnesium-gebaseerde kunsmisstowwe, soos kaliummagnesiumsulfaat, magnesiumsulfaat en Kieseriet, behandel tekorte (plante lyk pers, rooi of bruin, wat 'n magnesiumtekort aandui) in gronde met 'n normale pH-reeks6. produksie78.
Ruimtelike verspreiding van elemente [ruimtelike verspreidingskaart is geskep met behulp van ArcGIS Desktop (ESRI, Inc, weergawe 10.7, URL: https://desktop.arcgis.com).]
Die modelprestasie-indeksresultate vir die elemente wat in hierdie studie gebruik word, word in Tabel 2 getoon. Aan die ander kant is die RMSE en MAE van Ni albei naby aan nul (0.86 RMSE, -0.08 MAE). Aan die ander kant is beide RMSE- en MAE-waardes van K aanvaarbaar. RMSE- en MAE-resultate was groter vir K MAERM- en magnesium- en magnesium-datastel.Ca en MAEr-datastel. van hierdie studie wat EBK gebruik om Ni te voorspel, is gevind om beter te wees as die resultate van John et al.54 gebruik van sinergistiese kriging om S-konsentrasies in grond te voorspel deur dieselfde versamelde data te gebruik. Die EBK-uitsette wat ons bestudeer het, korreleer met dié van Fabijaczyk et al.41, Yan et al.79, Beguin et al.80, Adhikary et al.81 en John et al.82, veral K en Ni.
Die prestasie van individuele metodes vir die voorspelling van nikkelinhoud in stedelike en buitestedelike gronde is geëvalueer deur gebruik te maak van die werkverrigting van die modelle (Tabel 3). E) was 0,637 (R2), 95,479 mg/kg (RMSE) en 77,368 mg/kg (MAE). mg/kg R2) en Ca_Mg-EBK_SVMR (0.643 = R2);hul RMSE- en MAE-resultate was hoër as dié vir Ca_Mg_K-EBK_SVMR (R2 0.637) (sien Tabel 3). Boonop is die RMSE en MAE van die Ca_Mg-EBK_SVMR (RMSE = 1664.64 en MAE = 1031.49)-model 137.4, wat onderskeidelik die Ca_Mg-EBK_SVMR (RMSE = 1664.64 en MAE = 1031.49)-model is, 137.4 en die Ca_g-, groot as dié van onderskeidelik EBK_SVMR.Net so is die RMSE en MAE van die Ca_Mg-K SVMR (RMSE = 235.974 en MAE = 166.946)-model 2.5 en 2.2 groter as dié van die Ca_Mg_K-EBK_SVMR RMSE en MAE, onderskeidelik, aandui hoe gekonsentreerde data en die resultate bereken is met die bepaling van die gekonsentreerde data en die data wat die beste bereken is. MAE is waargeneem.Volgens Kebonye et al.46 en john et al.54, hoe nader die RMSE en MAE aan nul is, hoe beter is die resultate. SVMR en EBK_SVMR het hoër gekwantiseerde RSME- en MAE-waardes. Daar is waargeneem dat die RSME-skattings konsekwent hoër was as die MAE-waardes, wat die teenwoordigheid van uitskieters aandui. Volgens Legates en McCabe83 is die mate waarin die aanbevole teenwoordigheid van die RMSE-aanbevole in die absolute aanwesigheid van van uitskieters.Dit beteken dat hoe meer heterogeen die datastel is, hoe hoër is die MAE- en RMSE-waardes.Die akkuraatheid van kruisvalideringsassessering van die Ca_Mg_K-EBK_SVMR-gemengde model vir die voorspelling van Ni-inhoud in stedelike en voorstedelike gronde was 63.70%.Volgens Li et al.59, is hierdie vlak van akkuraatheid 'n aanvaarbare modelprestasiekoers. Die huidige resultate word vergelyk met 'n vorige studie deur Tarasov et al.36 wie se hibriede model MLPRK (Multilayer Perceptron Residual Kriging) geskep het, wat verband hou met die EBK_SVMR-akkuraatheidsevalueringsindeks wat in die huidige studie gerapporteer is, RMSE (210) en The MAE (167.5) was hoër as ons resultate in die huidige studie (RMSE 95.479, MAE 77.328, in vergelyking met die huidige studie, (77.328) van die huidige studie. van Tarasov et al.36 (0.544), is dit duidelik dat die bepalingskoëffisiënt (R2) hoër is in hierdie gemengde model. Die foutmarge (RMSE en MAE) (EBK SVMR) vir die gemengde model is twee keer laer. Net so het Sergeev et al.34 0.28 (R2) aangeteken vir die ontwikkelde hibriede model (Multilayer stroom Perceptron3), terwyl (Nitillaag stroom Perceptron3) aangeteken is. voorspelling akkuraatheid vlak van hierdie model (EBK SVMR) is 63.7%, terwyl die voorspelling akkuraatheid verkry deur Sergeev et al.34 is 28%.Die finale kaart (Fig. 5) wat geskep is deur die EBK_SVMR-model en Ca_Mg_K as voorspeller te gebruik, toon voorspellings van warm kolle en matig tot nikkel oor die hele studiegebied. Dit beteken dat die konsentrasie nikkel in die studiegebied hoofsaaklik matig is, met hoër konsentrasies in sommige spesifieke areas.
Die finale voorspellingskaart word voorgestel deur die hibriede model EBK_SVMR te gebruik en Ca_Mg_K as die voorspeller te gebruik.[Die ruimtelike verspreidingskaart is geskep met RStudio (weergawe 1.4.1717: https://www.rstudio.com/).]
Aangebied in Figuur 6 is PTE-konsentrasies as 'n samestellingsvlak wat uit individuele neurone bestaan. Nie een van die komponentvlakke het dieselfde kleurpatroon vertoon as wat getoon word nie. Die toepaslike aantal neurone per getekende kaart is egter 55. SeOM word geproduseer deur 'n verskeidenheid kleure te gebruik, en hoe meer soortgelyk die kleurpatrone is, hoe meer vergelykbaar is die eienskappe van die individuele monsters met hul steekproef, kleurskaal en presiese kleurskaal (MC, K, kleurskaal en element). patrone met enkele hoë neurone en die meeste lae neurone. CaK en CaMg deel dus 'n paar ooreenkomste met baie hoë-orde neurone en lae tot matige kleurpatrone. Beide modelle voorspel die konsentrasie van Ni in grond deur medium tot hoë skakerings van kleure soos rooi, oranje en geel te vertoon. Die KMg-model vertoon baie hoë kleurpatrone gebaseer op 'n presiese kleurpatroon van lae kleurvlakke en lae kleurverspreiding, van die presiese kleurvlakke en lae kleurvlakke en lae kleurvlakke. komponente van die model het 'n hoë kleurpatroon getoon wat die potensiële konsentrasie van nikkel in die grond aandui (sien Figuur 4). Die CakMg-model komponentvlak toon 'n diverse kleurpatroon van laag na hoog volgens 'n akkurate kleurskaal.Verder is die model se voorspelling van nikkelinhoud (CakMg) soortgelyk aan die ruimtelike verspreiding van nikkelBoth-konsentrasie van nikkel- en hoë proporsies wat in stedelike konsentrasies en hoë proporsies getoon word in figuur 5. verbied gronde.Figuur 7 beeld die kontoermetode uit in die k-beteken groepering op die kaart, verdeel in drie trosse gebaseer op die voorspelde waarde in elke model.Die kontoermetode verteenwoordig die optimale aantal trosse.Van die 115 grondmonsters wat ingesamel is, het kategorie 1 die meeste grondmonsters gekry, 74. 3groepe 3 komponent ontvang, sewe monsters 3 komponent ontvang, sewe monsters. voorspellerkombinasie is vereenvoudig om die korrekte trosinterpretasie moontlik te maak. As gevolg van die talle antropogeniese en natuurlike prosesse wat grondvorming beïnvloed, is dit moeilik om behoorlik gedifferensieerde trospatrone in 'n verspreide SeOM-kaart te hê78.
Komponentvlakuitset deur elke Empirical Bayesian Kriging Support Vector Machine (EBK_SVM_SeOM) veranderlike.[SeOM-kaarte is geskep met RStudio (weergawe 1.4.1717: https://www.rstudio.com/).]
Verskillende groepklassifikasiekomponente [SeOM-kaarte is geskep met behulp van RStudio (weergawe 1.4.1717: https://www.rstudio.com/).]
Die huidige studie illustreer duidelik modelleringstegnieke vir nikkelkonsentrasies in stedelike en peri-stedelike gronde. Die studie het verskillende modelleringstegnieke getoets, wat elemente met modelleringstegnieke kombineer, om die beste manier te verkry om nikkelkonsentrasies in grond te voorspel. Die SeOM-komposisionele planêre ruimtelike kenmerke van die modelleringstegniek het 'n hoë kleurpatroon van laag tot hoog in die kartering van die spailverspreiding, in 'n so akkurate kleurskaal, in die verspreiding van die kleurskaal vertoon. planêre ruimtelike verspreiding van komponente wat deur EBK_SVMR vertoon word (sien Figuur 5). Die resultate toon dat die ondersteuningsvektormasjienregressiemodel (Ca Mg K-SVMR) die konsentrasie van Ni in grond as 'n enkele model voorspel, maar die validerings- en akkuraatheidsevalueringsparameters toon baie hoë foute in terme van RMSE en MAE. van die bepalingskoëffisiënt (R2).Goeie resultate is verkry deur gebruik te maak van EBK SVMR en gekombineerde elemente (CaKMg) met lae RMSE- en MAE-foute met 'n akkuraatheid van 63,7%.Dit blyk dat die kombinasie van die EBK-algoritme met 'n masjienleeralgoritme 'n hibriede algoritme kan genereer wat die konsentrasie kan voorspel as die konsentrasie van Ni-konsentrasie kan voorspel as Ni-konsentrasie voorspel. in die studiegebied kan die voorspelling van Ni in gronde verbeter.Dit beteken dat die voortdurende toediening van nikkel-gebaseerde kunsmis en industriële besoedeling van die grond deur die staalindustrie 'n neiging het om die konsentrasie van nikkel in die grond te verhoog.Hierdie studie het aan die lig gebring dat die EBK-model die foutvlak kan verminder en die akkuraatheid van die model van grond ruimtelike verspreiding kan verbeter in die stedelike ruimtelike verspreiding in die stedelike of stedelike omgewings- in die algemeen op stedelike- of stedelike-verspreiding. assesseer en voorspel PTE in grond;daarbenewens stel ons voor om EBK te gebruik om met verskeie masjienleeralgoritmes te hibridiseer.Ni-konsentrasies is voorspel deur elemente as kovariate te gebruik;die gebruik van meer kovariate sal egter die werkverrigting van die model aansienlik verbeter, wat as 'n beperking van die huidige werk beskou kan word. 'n Ander beperking van hierdie studie is dat die aantal datastelle 115 is. Indien meer data verskaf word, kan die werkverrigting van die voorgestelde geoptimaliseerde hibridiseringsmetode dus verbeter word.
PlantProbs.net.Nikkel in Plante en Grond https://plantprobs.net/plant/nutrientImbalances/sodium.html (28 April 2021 geraadpleeg).
Kasprzak, KS Nikkel vorder in moderne omgewingstoksikologie.omgewing.toksikologie.11, 145–183 (1987).
Cempel, M. & Nikel, G. Nickel: 'n Oorsig van sy bronne en omgewingstoksikologie. Pools J. Environment.Stud.15, 375–382 (2006).
Freedman, B. & Hutchinson, TC Besoedelende insette van die atmosfeer en ophoping in grond en plantegroei naby 'n nikkel-kopersmelter in Sudbury, Ontario, Kanada.can.J.Bot.58(1), 108-132.https://doi.org/10.1139/b80-014 (1980).
Manyiwa, T. et al.Swaar metale in grond, plante en risiko's wat verband hou met weiding van herkouers naby die Selebi-Phikwe koper-nikkelmyn in Botswana.surroundings.Geochemistry.Health https://doi.org/10.1007/s10653-021-009181-x ().
Cabata-Pendias.Kabata-Pendias A. 2011. Spoorelemente in grond en … – Google Scholar https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Kabata-Pendias+A.+2011.+Trace+ Elements+in+plants.2en+nye+soils.2+y+en+soils. %3A+CRC+Press&btnG= (24 Nov 2020 geraadpleeg).
Almås, A., Singh, B., Landbou, TS-NJ van & 1995, ongedefinieerd.Effekte van die Russiese nikkelbedryf op swaarmetaalkonsentrasies in landbougronde en grasse in Soer-Varanger, Noorweë.agris.fao.org.
Nielsen, GD et al. Nikkelabsorpsie en -retensie in drinkwater hou verband met voedselinname en nikkelsensitiwiteit.toxicology.application.Pharmacodynamics.154, 67–75 (1999).
Costa, M. & Klein, CB Nikkelkarsinogenese, mutasie, epigenetika of seleksie.omgewing.Gesondheidsperspektief.107, 2 (1999).
Ajman, PC;Ajado, SK;Borůvka, L.;Bini, JKM;Sarkody, VYO;Cobonye, ​​NM;Tendensontleding van potensieel toksiese elemente: 'n bibliometriese oorsig.Environmental Geochemistry and Health.Springer Science & Business Media BV 2020.https://doi.org/10.1007/s10653-020-00742-9.
Minasny, B. & McBratney, AB Digital Soil Mapping: A Brief History and Some Lessons.Geoderma 264, 301–311.https://doi.org/10.1016/j.geoderma.2015.07.017 (2016).
McBratney, AB, Mendonça Santos, ML & Minasny, B. Oor digitale grondkartering.Geoderma 117(1-2), 3-52.https://doi.org/10.1016/S0016-7061(03)00223-4 (2003).
Deutsch.CV Geostatistical Reservoir Modeling, … – 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%2Cpage=April+University+Press%2Cpage=April+Press%2C 021).