Salamat sa pagbisita sa Nature.com.Ang bersyon sa browser nga imong gigamit adunay limitado nga suporta alang sa CSS.Alang sa labing kaayo nga kasinatian, among girekomenda nga mogamit ka usa ka updated nga browser (o i-off ang compatibility mode sa Internet Explorer).Sa kasamtangan, aron masiguro ang padayon nga suporta, among ipakita ang site nga walay mga estilo ug JavaScript.
Ang polusyon sa yuta usa ka dako nga problema tungod sa mga kalihokan sa tawo.Ang spatial nga pag-apod-apod sa mga potensyal nga makahilo nga mga elemento (PTEs) magkalainlain sa kadaghanan sa mga kasyudaran ug peri-urban nga mga lugar.Busa, lisud ang spatial nga pagtagna sa sulud sa PTE sa ingon nga mga yuta.Ang kinatibuk-an nga 115 nga mga sample nakuha gikan sa Frydek Mistek sa Czech Republic. ly coupled plasma emission spectrometry.Ang tubag nga variable mao ang Ni ug ang mga predictors mao ang Ca, Mg, ug K.Ang correlation matrix tali sa response variable ug ang predictor variable nagpakita sa usa ka makatagbaw nga correlation tali sa mga elemento.Ang mga resulta sa prediksyon nagpakita nga ang Support Vector Machine Regression (SVMR) maayo ang nahimo, bisan pa ang gibana-bana nga root mean square error (RMSE) (235.97 mg/kg/kg error) (RMSE) (235.97 mg /kg) absolute (235.97 mg) ug 6kg (235.97 mg) absolute (235.97 mg) mas taas kay sa ubang mga pamaagi nga gipadapat.Mixed nga mga modelo alang sa Empirical Bayesian Kriging-Multiple Linear Regression (EBK-MLR) dili maayo nga nahimo, ingon nga ebidensya sa mga coefficients sa determinasyon nga ubos pa sa 0.1.Ang Empirical Bayesian Kriging-Support Vector Machine Regression (EBK-SVMR) nga modelo mao ang pinakamaayo nga modelo / 7 mg/kg/kg/kg (MAg.7kg) mg/7kg/kg/kg. mga bili ug taas nga coefficient sa determinasyon (R2 = 0.637). Ang EBK-SVMR modeling technique output gitan-aw gamit ang self-organizing map.Clustered neurons sa eroplano sa hybrid nga modelo nga CakMg-EBK-SVMR component nagpakita sa daghang mga pattern sa kolor nga nagtagna sa Ni concentrations sa urban ug peri-urban nga mga yuta. .
Ang Nickel (Ni) giisip nga usa ka micronutrient alang sa mga tanum tungod kay nakatampo kini sa atmospheric nitrogen fixation (N) ug metabolismo sa urea, nga ang duha gikinahanglan alang sa pagtubo sa binhi. Dugang pa sa kontribusyon niini sa pagtubo sa binhi, ang Ni mahimong molihok isip fungal ug bacterial inhibitor ug makapalambo sa pagtubo sa tanum. izers aron ma-optimize ang nitrogen fixation2. Ang padayong paggamit sa nickel-based fertilizers aron mapalambo ang yuta ug madugangan ang abilidad sa mga lagutmon sa pag-ayo sa nitrogen sa yuta padayon nga mopataas sa nickel concentration sa yuta. Bisan tuod ang nickel usa ka micronutrient para sa mga tanom, ang sobra nga pag-inom niini sa yuta mas makadaot kaysa maayo. Sumala sa Liu3, ang Ni nakit-an nga ika-17 nga importanteng elemento nga gikinahanglan alang sa pag-uswag ug pagtubo sa tanum. Dugang pa sa papel sa nickel sa pag-uswag ug pagtubo sa tanum, gikinahanglan kini sa mga tawo alang sa lain-laing mga aplikasyon. Ang electroplating, ang produksyon sa nickel-based alloys, ug ang paghimo sa ignition devices ug spark plugs sa automotive industry ang tanan nanginahanglan og dugang nga industriyal nga sektor ug mga metal nga gibase sa metal. kaylap nga gigamit sa kitchenware, ballroom accessories, food industry supplies, electrical, wire ug cable, jet turbines, surgical implants, textiles, ug shipbuilding5.Ni-rich nga lebel sa mga yuta (ie, surface soils) kay gipasangil sa anthropogenic ug natural nga mga tinubdan, apan sa panguna, ang Ni usa ka natural nga tinubdan kay sa anthropogenic, 6.bisan pa, ang anthropogenic nga mga tinubdan naglakip sa nickel/cadmium batteries sa industriya sa asero, electroplating, arc welding, diesel ug fuel oil, ug atmospheric emissions gikan sa coal combustion ug waste and sludge incineration Nickel accumulation7,8.Sumala sa Freedman ug Hutchinson9 ug Manyiwa et al.10, ang mga nag-unang tinubdan sa polusyon sa ibabaw nga yuta sa diha-diha ug kasikbit nga palibot mao ang nag-una nga nickel-copper-based smelters ug minahan. Ang kinatas-ang yuta palibot sa Sudbury nickel-copper refinery sa Canada adunay pinakataas nga lebel sa nickel contamination sa 26,000 mg/kg11. Sa sukwahi, niresulta ang polusyon sa nickel1 sa Russia. sumala sa Alms et al.12, ang gidaghanon sa HNO3-extractable nickel sa rehiyon sa top arable yuta (nickel production sa Russia) gikan sa 6.25 ngadto sa 136.88 mg/kg, katumbas sa usa ka mean sa 30.43 mg/kg ug baseline konsentrasyon sa 25 mg/kg. Sumala sa kabata 11, ang aplikasyon sa fertilizers phosphorus urban o fertilizer sa yuta sa urban phosphorus. Ang mga panahon sa pananom mahimong maka-infuse o makahugaw sa yuta.Ang potensyal nga epekto sa nickel sa mga tawo mahimong mosangpot sa kanser pinaagi sa mutagenesis, chromosomal damage, Z-DNA generation, blocked DNA excision repair, o epigenetic nga mga proseso13.Sa mga eksperimento sa mananap, ang nickel nakit-an nga adunay potensyal nga makamugna og lain-laing mga tumor, ug carcinogenic nickel complexes nga mahimong mogawas sa tumor.
Ang mga pagsusi sa kontaminasyon sa yuta milambo sa bag-ohay nga mga panahon tungod sa usa ka halapad nga mga isyu nga may kalabutan sa kahimsog nga naggikan sa relasyon sa yuta-tanum, yuta ug yuta nga biolohikal nga relasyon, pagkadaot sa ekolohiya, ug pagsusi sa epekto sa kalikopan.Sa pagkakaron, ang spatial nga panagna sa mga potensyal nga makahilo nga elemento (PTEs) sama sa Ni sa yuta naghago ug nag-usik sa oras nga gigamit ang mga pamaagi sa digital nga yuta ug ang pag-abut karon (DSM1 nga pag-uswag sa tradisyonal nga mga pamaagi sa yuta). (PSM).Sumala sa Minasny ug McBratney16, ang predictive soil mapping (DSM) napamatud-an nga usa ka prominenteng subdiscipline sa siyensiya sa yuta.Lagacherie ug McBratney, 2006 naghubit sa DSM isip "ang pagmugna ug pagpuno sa spatial nga sistema sa impormasyon sa yuta pinaagi sa paggamit sa in situ ug laboratoryo nga pamaagi sa obserbasyon sa yuta ug non-spatial nga sistema sa spatial".17 naglatid nga ang kontemporaryong DSM o PSM mao ang labing epektibong teknik sa pagtagna o pagmapa sa spatial distribution sa mga PTE, mga tipo sa yuta ug mga kabtangan sa yuta.Ang Geostatistics ug Machine Learning Algorithms (MLA) mao ang mga teknik sa pagmodelo sa DSM nga nagmugna og digitized nga mga mapa sa tabang sa mga kompyuter gamit ang mahinungdanon ug gamay nga datos.
Gihubit sa Deutsch18 ug Olea19 ang geostatistics isip "ang koleksyon sa numerical nga mga teknik nga naghisgot sa representasyon sa spatial nga mga kinaiya, nag-una sa paggamit sa stochastic nga mga modelo, sama sa kung giunsa ang pag-analisar sa serye sa panahon naghulagway sa temporal nga datos."Sa panguna, ang geostatistics naglakip sa pagtimbang-timbang sa mga variograms, nga nagtugot sa Pag-ihap ug pagtino sa mga dependency sa spatial values gikan sa matag dataset20.Gumiaux et al.20 dugang nga naghulagway nga ang evaluation sa variograms sa geostatistics gibase sa tulo ka mga prinsipyo, lakip na ang (a) pag-compute sa sukdanan sa data correlation, (b) pag-ila ug pag-compute anisotropy sa dataset disparity ug (c) dugang pa sa Dugang pa sa pagkuha ngadto sa asoy sa kinaiyanhon nga sayop sa sukod data nga nahimulag gikan sa mga lokal nga mga epekto, ang mga epekto sa geostatistics gigamit usab sa niini nga mga epekto, ang mga epekto sa mga geostatistics gigamit usab sa niini nga mga epekto. lakip ang general kriging, co-kriging, ordinaryo nga kriging, empirical Bayesian kriging, simple kriging method ug uban pang ilado nga interpolation techniques aron mapa o matagna ang PTE, mga kinaiya sa yuta, ug mga tipo sa yuta.
Ang Machine Learning Algorithms (MLA) kay medyo bag-o nga teknik nga naggamit ug mas dagkong non-linear data classes, nga gigamit sa mga algorithm nga pangunang gigamit para sa data mining, pag-ila sa mga pattern sa datos, ug balik-balik nga gigamit sa klasipikasyon sa siyentipikanhong natad sama sa siyensya sa yuta ug mga buluhaton sa pagbalik.22 (random nga kalasangan alang sa bug-at nga metal nga pagtantiya sa mga yuta sa agrikultura), Sakizadeh et al.23 (pagmodelo gamit ang suporta nga mga vector machine ug artipisyal nga neural network) polusyon sa yuta ).Dugang pa, Vega et al.24 (CART para sa pagmodelo sa bug-at nga metal nga paghawid ug adsorption sa yuta) Sun et al.25 (aplikasyon sa cubist mao ang pag-apod-apod sa Cd sa yuta) ug uban pang mga algorithm sama sa k-pinakaduol nga silingan, generalized boosted regression, ug boosted regression.
Ang paggamit sa DSM algorithms sa prediction o mapping nag-atubang ug ubay-ubay nga mga hagit.Daghang mga awtor ang nagtuo nga ang MLA mas labaw sa geostatistics ug vice versa.Bisan ang usa mas maayo kay sa lain, ang kombinasyon sa duha nagpalambo sa lebel sa katukma sa mapping o prediction sa DSM15.Woodcock ug Gopal26 Finke27;Si Pontius ug Cheuk28 ug Grunwald29 nagkomento sa mga kakulangan ug pipila ka mga sayop sa gitagna nga pagmapa sa yuta.Ang mga siyentipiko sa yuta misulay sa nagkalain-laing mga teknik aron ma-optimize ang pagka-epektibo, katukma, ug pagkatag-an sa DSM mapping ug pagtagna.15 outline nga ang validation behavior ug uncertainty nga gipaila pinaagi sa map creation and prediction kinahanglan nga independente nga validated aron mapalambo ang mapa nga kalidad.bisan pa, ang kakulang sa kasiguroan sa DSM mahimong motumaw gikan sa daghang mga gigikanan sa sayup, nga mao ang covariate error, error sa modelo, sayup sa lokasyon, ug analytical Error 31. Ang dili tukma nga pagmodelo nga gipahinabo sa MLA ug geostatistical nga mga proseso nalangkit sa kakulang sa pagsabut, nga sa katapusan nagdala ngadto sa sobrang pagpasimple sa tinuod nga proseso32. Bisag unsa pa ang kinaiya sa mga modelo sa mga modelo, ang mga parameter nga gitagna sa mga parameter mahimo’g wala’y kalainan lation33.Bag-o lang, mitumaw ang bag-ong uso sa DSM nga nagpasiugda sa paghiusa sa geostatistics ug MLA sa pagmapa ug pagtagna.Usa ka mga siyentipiko sa yuta ug mga awtor, sama ni Sergeev et al.34;Subbotina et al.35;Tarasov ug uban pa.36 ug Tarasov et al.Gipahimuslan sa 37 ang tukma nga kalidad sa geostatistics ug pagkat-on sa makina aron makamugna og hybrid nga mga modelo nga makapauswag sa kaepektibo sa pagtagna ug pagmapa.kalidad.Pipila niini nga hybrid o hiniusa nga algorithm nga mga modelo mao ang Artificial Neural Network 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-MLP)37 ug Co.
Sumala sa Sergeev et al., Ang paghiusa sa nagkalain-laing mga pamaagi sa pagmodelo adunay potensyal sa pagwagtang sa mga depekto ug pagdugang sa kahusayan sa resulta nga hybrid nga modelo kay sa pagpalambo sa iyang usa ka modelo.Niini nga konteksto, kining bag-ong papel nangatarongan nga gikinahanglan ang paggamit sa usa ka hiniusang algorithm sa geostatistics ug MLA sa paghimo sa labing maayo nga hybrid nga mga modelo aron sa pagtagna sa Ni enrichment sa urban ug peri-urban nga mga dapit. (SVM) ug Multiple Linear Regression (MLR) nga mga modelo. Ang Hybridization sa EBK sa bisan unsang MLA wala mahibal-an. Ang daghang mga sagol nga mga modelo nga nakita mao ang mga kombinasyon sa ordinaryo, residual, regression kriging, ug MLA.EBK mao ang usa ka geostatistical interpolation nga pamaagi nga naggamit sa usa ka spatially stochastic nga proseso nga gihubit ingon nga usa ka lokal nga variation non-stationary nga field nga gitugot sa lokal nga non-stationary nga field3. 9.Ang EBK gigamit sa lain-laing mga pagtuon, lakip na ang pag-analisar sa pag-apod-apod sa organikong carbon sa mga yuta sa umahan40, pagsusi sa polusyon sa yuta41 ug pagmapa sa mga kabtangan sa yuta42.
Sa laing bahin, ang Self-Organizing Graph (SeOM) usa ka algorithm sa pagkat-on nga gipadapat sa lainlaing mga artikulo sama sa Li et al.43, Wang et al.44, Hossain Bhuiyan et al.45 ug Kebonye et al.46 Tinoa ang spatial nga mga hiyas ug paggrupo sa mga elemento.Wang et al.44 outline nga ang SeOM usa ka gamhanan nga teknik sa pagkat-on nga nailhan tungod sa abilidad niini sa paggrupo ug paghanduraw sa mga dili linear nga mga problema.Dili sama sa ubang mga pamaagi sa pag-ila sa pattern sama sa principal component analysis, fuzzy clustering, hierarchical clustering, ug multi-criteria decision making, ang SeOM mas maayo sa pag-organisar ug pag-ila sa mga pattern sa PTE.Sumala sa Wang et al.44, ang SeOM mahimo nga spatially nga grupo sa pag-apod-apod sa mga may kalabutan nga mga neuron ug paghatag og high-resolution nga data visualization.
Kini nga papel nagtumong sa pagmugna og usa ka lig-on nga mapping nga modelo nga adunay labing maayo nga katukma alang sa pagtagna sa nickel content sa kasyudaran ug peri-urban nga mga yuta. Kami nag-hypothesize nga ang pagkakasaligan sa sinagol nga modelo nag-agad sa impluwensya sa ubang mga modelo nga gilakip sa base nga modelo. Giila namo ang mga hagit nga giatubang sa DSM, ug samtang kini nga mga hagit gitubag sa daghang mga pag-uswag sa mga modelo sa M geostatistics;busa, kita mosulay sa pagtubag sa mga pangutana sa panukiduki nga mahimong mohatag og nagkasagol nga mga modelo.Apan, unsa ka tukma ang modelo sa pagtagna sa target nga elemento?Dugang, unsa ang lebel sa efficiency evaluation base sa validation ug accuracy evaluation?Busa, ang espesipikong mga tumong niini nga pagtuon mao ang (a) paghimo ug hiniusang sagol nga modelo para sa SVMR o MLR gamit ang EBK isip base nga modelo sa pagprodyus sa Nicurban (b) pagtandi sa labing maayo nga modelo sa konsentrasyon, (b) peri-urban nga mga yuta, ug (d) ang paggamit sa SeOM sa paghimo og taas nga resolusyon nga mapa sa nickel spatial variation.
Ang pagtuon gihimo sa Czech Republic, ilabi na sa distrito sa Frydek Mistek sa rehiyon sa Moravia-Silesian (tan-awa ang Figure 1). anaa sa taliwala sa 225 ug 327 m;bisan pa, ang sistema sa klasipikasyon sa Koppen alang sa klima nga estado sa rehiyon gi-rate nga Cfb = temperate nga klima sa kadagatan, Adunay daghang pag-ulan bisan sa uga nga mga bulan. Ang mga temperatura magkalainlain gamay sa tibuok tuig tali sa −5 °C ug 24 °C, panagsa ra mahulog ubos sa −14 °C o labaw sa 30 °C, samtang ang average nga tinuig nga pag-ulan 52 ° C, samtang ang average nga tinuig nga pag-ulan 52 5 mm. ang dapit mao ang 1,208 square kilometers, uban sa 39.38% sa gitikad nga yuta ug 49.36% sa kalasangan coverage.Sa laing bahin, ang dapit nga gigamit sa niini nga pagtuon mao ang mahitungod sa 889.8 square kilometers.Sa ug sa palibot sa Ostrava, ang steel industriya ug metal nga mga buhat mao ang kaayo aktibo.Metal galingan, ang steel industriya diin ang nickel (ephernic haluang metal nga steel sa pagdugang sa stainless steel) kalig-on sa haluang metal samtang nagmintinar sa iyang maayo nga ductility ug katig-a), ug intensive agrikultura sama sa phosphate fertilizer application ug kahayupan produksyon mao ang research potensyal nga tinubdan sa nickel sa rehiyon (pananglitan, pagdugang nickel sa mga nating karnero aron sa pagdugang sa pagtubo sa mga nating karnero ug ubos nga gipakaon nga mga baka).Ubang industriyal nga paggamit sa nickel sa research nga mga dapit naglakip sa paggamit niini sa electronickel plating ug sayon nga plating. ishable gikan sa kolor sa yuta, estraktura, ug carbonate content.Ang texture sa yuta medium ngadto sa pino, nakuha gikan sa ginikanan nga materyal.Sila colluvial, alluvial o aeolian sa kinaiyahan.Ang ubang mga luna sa yuta makita nga mottled sa ibabaw ug subsoil, kasagaran adunay konkreto ug bleaching.Apan, ang cambisols ug stagnosols mao ang labing komon nga mga matang sa yuta gikan sa 4.55 nga rehiyon. mbisols nagdominar sa Czech Republic49.
Study area map [Ang study area map gimugna gamit ang ArcGIS Desktop (ESRI, Inc, version 10.7, URL: https://desktop.arcgis.com).]
Kinatibuk-ang 115 ka sampol sa yuta ang nakuha gikan sa urban ug peri-urban nga mga yuta sa distrito sa Frydek Mistek. Ang sample pattern nga gigamit mao ang usa ka regular nga grid nga adunay mga sample sa yuta nga gilay-on nga 2 × 2 km ang gilay-on, ug ang topsoil gisukod sa giladmon nga 0 ngadto sa 20 cm gamit ang hand-held GPS device (Leica Zeno 5 GPS). -uga aron makahimo og pulverized nga mga sample, gipulbos sa mekanikal nga sistema (Fritsch disc mill), ug sieved (sieve size 2 mm). Ibutang ang 1 gramo sa uga, homogenized ug sieved nga mga sample sa yuta sa tin-aw nga gimarkahan nga teflon nga mga botelya. s sa pagbarug sa tibuok gabii alang sa reaksyon (aqua regia program) .Ibutang ang supernatant sa usa ka init nga metal plate (temperatura: 100 W ug 160 °C) sulod sa 2 ka oras aron mapadali ang proseso sa paghilis sa mga sample, dayon pabugnawa.Ibalhin ang supernatant ngadto sa 50 ml volumetric flask ug dilute ngadto sa 50 ml nga adunay deionized nga tubig nga deionized, ml. Dugang pa, ang 1 ml sa dilution nga solusyon lasaw sa 9 ml nga deionized nga tubig ug gisala ngadto sa 12 ml nga tubo nga giandam alang sa PTE pseudo-concentration. fic, USA) sumala sa standard nga mga pamaagi ug kasabutan.Siguruha ang Quality Assurance and Control (QA/QC) nga mga pamaagi (SRM NIST 2711a Montana II Soil).Ang mga PTE nga adunay limitasyon sa detection ubos sa katunga wala iapil niini nga pagtuon.Ang limitasyon sa detection sa PTE nga gigamit niini nga pagtuon mao ang 0.0004.(ikaw). Gibuhat, usa ka doble nga pag-analisar ang gihimo.
Ang Empirical Bayesian Kriging (EBK) maoy usa sa daghang geostatistical interpolation techniques nga gigamit sa modeling sa lain-laing natad sama sa soil science.Dili sama sa ubang kriging interpolation techniques, ang EBK lahi sa tradisyonal nga kriging method pinaagi sa pagkonsiderar sa sayop nga gibana-bana sa semivariogram model.Sa EBK interpolation, daghang semivariogram nga mga modelo sa interpolation ang gikuwenta sa panahon sa usa ka semivariogram nga mga modelo sa semivariograms kay sa usa ka semivariogram nga mga modelo ang gikuwenta. tainty ug programming nga may kalabutan niini nga pagplano sa semivariogram nga naglangkob sa usa ka komplikado kaayo nga bahin sa usa ka igo nga kriging nga pamaagi.Ang interpolation nga proseso sa EBK misunod sa tulo ka criteria nga gisugyot sa Krivoruchko50, (a) ang modelo nagbanabana sa semivariogram gikan sa input dataset (b) ang bag-ong gitagna nga bili alang sa matag input nga lokasyon base sa namugna nga semivariogram sa usa ka dataset ug ang (c) ang gihatag nga semivariogram sa usa ka simulation nga modelo ug ang (c) mao ang gihatag nga modelo sa semivariogram. luyo
Diin ang \(Prob\left(A\right)\) nagrepresentar sa nag-una, \(Prob\left(B\right)\) marginal probability kay gibalewala sa kadaghanan nga mga kaso, \(Prob (B,A)\ ) .Ang semivariogram kalkulasyon gibase sa Bayes' rule, nga nagpakita sa propensity sa obserbasyon nga mga datasets nga mahimong mamugna gikan sa semivariograms nga mga setsets nga mahimong mabuhat gikan sa semivariograms kung unsa ang mga semivariograms. paghimo og dataset sa mga obserbasyon gikan sa semivariogram.
Ang support vector machine maoy usa ka machine learning algorithm nga makamugna ug usa ka kamalaumon nga separating hyperplane aron mailhan ang parehas apan dili linearly independente nga mga klase. Ang Vapnik51 nagmugna sa intent classification algorithm, apan bag-o lang kini gigamit sa pagsulbad sa mga problema sa regression-oriented. Sumala sa Li et al.52, ang SVM mao ang usa sa labing maayo nga mga teknik sa classifier sa SVSport Regression (SVM) Regression component sa SVM. gigamit niini nga pagtuki.Si Cherkassky ug Mulier53 nagpayunir sa SVMR isip usa ka kernel-based regression, ang pag-compute niini gihimo gamit ang linear regression model nga adunay multi-country spatial functions.John et al54 nagtaho nga ang SVMR modeling naggamit sa hyperplane linear regression, nga nagmugna sa nonlinear nga mga relasyon ug nagtugot sa Voshpaticordal functions.55, ang epsilon (ε)-SVMR naggamit sa nabansay nga dataset aron makakuha og representasyon nga modelo isip epsilon-insensitive function nga gipadapat sa pagmapa sa datos nga independente nga adunay labing maayo nga epsilon bias gikan sa pagbansay sa correlated data.Ang preset nga gilay-on nga sayup wala panumbalinga gikan sa aktuwal nga bili, ug kung ang sayup mas dako pa kay sa ε (ε), ang mga kabtangan sa yuta mobayad niini ngadto sa mas lapad nga modelo sa vector. Gipakita sa Vapnik51 gipakita sa ubos.
diin ang b nagrepresentar sa scalar threshold, \(K\left({x}_{,}{ x}_{k}\right)\) nagrepresentar sa kernel function, \(\ alpha\) nagrepresentar sa Lagrange multiplier, N Nagrepresentar sa numeric dataset, \({x}_{k}\) nagrepresentar sa data input, ug \(y\) mao ang data output. Ang usa mao ang key nga operasyon sa kernel sa GaF. Ang RBF kernel gigamit aron mahibal-an ang kamalaumon nga modelo sa SVMR, nga kritikal aron makuha ang labing maliputon nga penalty set factor C ug kernel parameter gamma (γ) alang sa data sa pagbansay sa PTE. Una, among gisusi ang training set ug dayon gisulayan ang performance sa modelo sa validation set.Ang steering parameter nga gigamit mao ang sigma ug ang method value mao ang svmRadial.
Ang multiple linear regression model (MLR) usa ka regression model nga nagrepresentar sa relasyon tali sa response variable ug sa gidaghanon sa predictor variables pinaagi sa paggamit sa linear pooled parameters nga gikalkulo gamit ang pinakagamay nga squares method. Ang equation sa LR
diin ang y mao ang tubag nga variable, \(a\) mao ang intercept, n mao ang gidaghanon sa mga predictors, \({b}_{1}\) mao ang partial regression sa mga coefficients, \({x}_{ i}\) nagrepresentar sa usa ka predictor o explanatory variable, ug ang \({\ varepsilon }_{i}\) nagrepresentar sa sayop sa modelo, nailhan usab nga salin sa modelo.
Ang sinagol nga mga modelo nakuha pinaagi sa sandwiching EBK sa SVMR ug MLR. Kini gihimo pinaagi sa pagkuha sa gitagna nga mga bili gikan sa EBK interpolation. , K, Mg, CaK, CaMg, KMg ug CaKMg.Kini nga mga variable nahimong among predictors, nga nagtabang sa pagtagna sa mga konsentrasyon sa nickel sa urban ug peri-urban nga mga yuta.Ang SVMR algorithm gihimo sa mga predictors aron makakuha og mixed model Empirical Bayesian Kriging-Support Vector Machine (EBK_SVM).Sama nga sa pagkuha sa usa ka MLR Line algorithm nga gisagol usab sa ELR-Line algorithm. gression (EBK_MLR).Kasagaran, ang mga variable nga Ca, K, Mg, CaK, CaMg, KMg, ug CaKMg gigamit isip covariates isip predictors sa Ni content sa urban ug peri-urban nga mga yuta.Ang labing madawat nga modelo nga nakuha (EBK_SVM o EBK_MLR) unya makita gamit ang self-organizing workflow niini nga graph.
Ang paggamit sa SeOM nahimong popular nga himan alang sa pag-organisar, pag-evaluate, ug pagtagna sa mga datos sa sektor sa panalapi, pag-atiman sa panglawas, industriya, estadistika, siyensya sa yuta, ug uban pa.Ang SeOM gimugna gamit ang mga artipisyal nga neural network ug wala mabantayan nga mga pamaagi sa pagkat-on alang sa organisasyon, ebalwasyon, ug prediksyon. vector variables43,56.Melssen et al.Ang 57 naghulagway sa koneksyon sa usa ka input vector ngadto sa usa ka neural network pinaagi sa usa ka input layer ngadto sa usa ka output vector nga adunay usa ka gibug-aton nga vector.Ang output nga namugna sa SeOM usa ka two-dimensional nga mapa nga gilangkoban sa lain-laing mga neurons o mga node nga hinabol ngadto sa hexagonal, circular, o square topological nga mga mapa sumala sa ilang kaduol.Pagkomparar sa mga gidak-on sa mapa base sa metric, quantization error (QE.9.0.0) ug to the 0. Ang 4, matag usa, gipili, nga usa ka 55-map unit (5 × 11). Ang istruktura sa neuron gitino sumala sa gidaghanon sa mga node sa empirical equation
Ang gidaghanon sa datos nga gigamit niini nga pagtuon mao ang 115 ka mga sample. Usa ka random nga pamaagi ang gigamit sa pagbahin sa datos ngadto sa test data (25% para sa validation) ug training data sets (75% alang sa calibration). proseso, gisubli lima ka beses. Ang mga variable nga gihimo sa EBK interpolation gigamit isip predictors o explanatory variables sa pagtagna sa target variable (PTE). Ang pagmodelo gidumala sa RStudio gamit ang packages library(Kohonen), library(caret), library(modelr), library("e1071″), library("plyr")), library("caTools libraries"), (“libraryo”(Metrics) library.
Ang lain-laing mga parameter sa validation gigamit sa pagtino sa pinakamaayo nga modelo nga angay sa pagtagna sa mga konsentrasyon sa nickel sa yuta ug sa pagtimbang-timbang sa katukma sa modelo ug sa validation niini.Ang hybridization nga mga modelo gi-evaluate gamit ang mean absolute error (MAE), root mean square error (RMSE), ug R-squared o coefficient determination (R2). independente nga mga lakang naghulagway sa predictive nga gahum sa modelo, samtang ang MAE nagtino sa aktuwal nga quantitative nga bili.Ang R2 nga bili kinahanglan nga taas sa pagtimbang-timbang sa labing maayo nga sagol nga modelo sa paggamit sa mga parameter sa validation, ang mas duol sa bili mao ang 1, mas taas ang katukma.Sumala sa Li et al.59, usa ka R2 nga sukdanan nga kantidad nga 0.75 o mas dako kay gikonsiderar nga maayong prediktor;gikan sa 0.5 ngadto sa 0.75 mao ang madawat nga pasundayag sa modelo, ug ubos sa 0.5 mao ang dili madawat nga pasundayag sa modelo. Sa diha nga pagpili sa usa ka modelo gamit ang RMSE ug MAE validation criteria evaluation nga mga pamaagi, ang ubos nga mga bili nga nakuha igo na ug giisip nga labing maayo nga pagpili. Ang mosunod nga equation naghulagway sa pamaagi sa pag-verify.
diin ang n nagrepresentar sa gidak-on sa naobserbahan nga bili \({Y}_{i}\) nagrepresentar sa gisukod nga tubag, ug ang \({\ widehat{Y}}_{i}\) nagrepresentar usab sa gitagna nga tubag nga bili, busa, alang sa unang i obserbasyon.
Ang mga istatistikal nga paghubit sa predictor ug response variables gipresentar sa Table 1, nga nagpakita sa mean, standard deviation (SD), coefficient of variation (CV), minimum, maximum, kurtosis, ug skewness. 42.39 mg/kg.Ang pagtandi sa Ni sa kalibotan nga aberids (29 mg/kg) ug sa European nga aberids (37 mg/kg) nagpakita nga ang kinatibuk-ang kalkulado nga geometriko nga kahulogan alang sa dapit nga gitun-an anaa sa sulod sa maagwanta nga range.Bisan pa niana, ingon sa gipakita sa Kabata-Pendias11, usa ka pagtandi sa kasagaran nga nickel (Ni) nga konsentrasyon sa kasamtangan nga pagtuon sa Sweden nga sama sa konsentrasyon sa F. Ang Mistek sa urban ug peri-urban nga yuta sa kasamtangan nga pagtuon (Ni 16.15 mg/kg) mas taas kay sa gitugot nga limitasyon sa 60 (10.2 mg/kg) para sa Ni sa Polish nga urban nga mga yuta nga gitaho ni Różański et al.Dugang pa, ang Bretzel ug Calderisi61 nakatala nga ubos kaayo nga mean nga Ni concentrations/sa .78 mg/kg. usa ka ubos nga nickel concentration (12.34 mg/kg) sa Hong Kong urban nga mga yuta, nga mas ubos pa kay sa kasamtangan nga nickel concentration niini nga pagtuon.Birke et al63 mitaho sa usa ka average Ni nga konsentrasyon sa 17.6 mg/kg sa usa ka daan nga minahan ug urban nga industriyal nga dapit sa Saxony-Anhalt, Germany, nga mao ang 1.45 mg/kg sa dapit nga mas taas nga konsentrasyon sa mg/kg . sa mga yuta sa pipila ka mga urban ug suburban nga mga lugar sa lugar nga gitun-an mahimo nga nag-una nga gipahinungod sa industriya sa puthaw ug asero ug industriya sa metal. Kini nahiuyon sa pagtuon ni Khodadoust et al.64 nga ang industriya sa asero ug metalworking mao ang nag-unang tinubdan sa kontaminasyon sa nickel sa mga yuta. Apan, ang mga prediktor usab gikan sa 538.70 mg/kg ngadto sa 69,161.80 mg/kg alang sa Ca, 497.51 mg/kg ngadto sa 3535.68 mg/kg alang sa K, ug 685.70 mg/kg alang sa Mg/kg. t al.Gisusi sa 65 ang kinatibuk-ang Mg ug K nga sulod sa mga yuta sa sentro sa Serbia. Ilang nakaplagan nga ang kinatibuk-ang konsentrasyon (410 mg/kg ug 400 mg/kg, matag usa) mas ubos kay sa Mg ug K nga konsentrasyon sa kasamtangan nga pagtuon. Dili mailhan, sa sidlakang Poland, Orzechowski ug Smolczynski66 nagpakita sa kinatibuk-ang sulod sa Ca, Mg0kg ug Ca (mg00 nga konsentrasyon) /kg) ug K (810 mg/kg) Ang sulod sa ibabaw nga yuta mas ubos kay sa usa ka elemento niini nga pagtuon.Usa ka bag-o nga pagtuon ni Pongrac et al.Gipakita sa 67 nga ang kinatibuk-ang sulod sa Ca nga gisusi sa 3 ka lain-laing mga yuta sa Scotland, UK (Mylnefield nga yuta, Balruddery nga yuta ug yuta sa Hartwood) nagpakita sa usa ka mas taas nga Ca sulod niini nga pagtuon.
Tungod sa lain-laing gisukod nga konsentrasyon sa mga sample nga elemento, ang data set distributions sa mga elemento nagpakita sa lain-laing skewness. Ang skewness ug kurtosis sa mga elemento gikan sa 1.53 ngadto sa 7.24 ug 2.49 ngadto sa 54.16, sa tinagsa. Ang gibanabana nga CV sa mga elemento nagpakita usab nga ang K, Mg, ug Ni nagpakita sa kasarangang pagkausab-usab, samtang ang Ca adunay hilabihan ka taas nga kabag-ohan. Ang mga CV sa K, Ni ug Mg nagpatin-aw sa ilang uniporme nga pag-apud-apod.
Ang correlation sa predictor variables nga adunay tubag nga mga elemento nagpakita sa usa ka makatagbaw nga correlation tali sa mga elemento (tan-awa ang Figure 3).Ang 68 ug Santo69 nagsugyot nga ang ilang lebel sa yuta inversely proportional.Apan, ang Ca ug Mg kontra sa K, apan ang CaK may kalabutan og maayo. Mahimong tungod kini sa paggamit sa mga abono sama sa potassium carbonate, nga 56% nga mas taas sa potassium. Ang potassium medyo may kalabutan sa magnesium (KM r = 0.63, tungod kay kini nga duha ka potassium fertilizer adunay kalabutan sa potassium fertilizer, magnesium sulfate industry, ug potassium fertilizer industry). sh kay gipadapat sa mga yuta aron madugangan ang ilang mga lebel sa kakulangan.Ang Nickel kasarangan nga may kalabutan sa Ca, K ug Mg nga adunay r values = 0.52, 0.63 ug 0.55, matag usa.
Correlation matrix alang sa mga elemento nga nagpakita sa relasyon tali sa mga prediktor ug mga tubag (Pahinumdom: kini nga numero naglakip sa usa ka scatterplot tali sa mga elemento, ang lebel sa kahulogan gibase sa p <0,001).
Ang Figure 4 naghulagway sa spatial distribution sa mga elemento. Sumala sa Burgos et al70, ang paggamit sa spatial distribution usa ka teknik nga gigamit sa pag-quantify ug pag-highlight sa mga hot spot sa polluted nga mga lugar. sa quicklime (calcium oxide) aron makunhuran ang acidity sa yuta ug ang paggamit niini sa steel mill isip alkaline oxygen sa proseso sa paghimo og steel. Sa laing bahin, mas gusto sa ubang mga mag-uuma ang paggamit sa calcium hydroxide sa acidic nga mga yuta aron ma-neutralize ang pH, nga makadugang usab sa calcium content sa yuta71. Ang potassium nagpakita usab og mga hot spot sa amihanan-kasadpan ug sidlakan sa mapa. s.Kini nahiuyon sa ubang mga pagtuon, sama sa Madaras ug Lipavský72, Madaras et al.73, Pulkrabová et al.74, Asare et al.75, kinsa nakaobserbar nga ang pag-stabilize sa yuta ug pagtambal sa KCl ug NPK miresulta sa taas nga K content sa yuta.Ang Spatial Potassium enrichment sa amihanan-kasadpan sa distribution map mahimong tungod sa paggamit sa potassium-based fertilizers sama sa potassium chloride, potassium sulfate, potassium nitrate, potash, ug potash aron madugangan ang potassium content sa mga kabus nga yuta.Zádorová et al.76 ug Tlustoš et al.77 naglatid nga ang pagpadapat sa K-based nga abono nagdugang sa K content sa yuta ug makadugang pag-ayo sa sustansiya sa yuta sa kadugayan, ilabi na sa K ug Mg nga nagpakita sa init nga lugar sa yuta.Relatively moderate hotspots sa amihanan-kasadpan sa mapa ug sa habagatan-sidlakan sa mapa.Colloidal fixation sa yuta makapahurot sa konsentrasyon sa magnesium-based interfertilizers sa yuta. , sama sa potassium magnesium sulfate, magnesium sulfate, ug Kieserite, nagtambal sa mga kakulangan (ang mga tanom makita nga purpura, pula, o brown, nga nagpakita sa kakulangan sa magnesium) sa mga yuta nga adunay normal nga pH range6.Ang pagtipon sa nickel sa kasyudaran ug peri-urban nga mga nawong sa yuta mahimong tungod sa anthropogenic nga mga kalihokan sama sa agrikultura ug ang importansya sa nickel sa stainless steel production78.
Spatial distribution sa mga elemento [spatial distribution map gihimo gamit ang ArcGIS Desktop (ESRI, Inc, Version 10.7, URL: https://desktop.arcgis.com).]
Ang mga resulta sa indeks sa performance sa modelo alang sa mga elemento nga gigamit niini nga pagtuon gipakita sa Talaan 2. Sa laing bahin, ang RMSE ug MAE sa Ni pareho nga duol sa zero (0.86 RMSE, -0.08 MAE). Sa laing bahin, ang RMSE ug MAE nga mga kantidad sa K madawat. Ang mga resulta sa RMSE ug MAE mas dako alang sa calcium ug magnesium. nakit-an nga mas maayo kaysa sa mga resulta ni John et al.54 gamit ang synergistic kriging aron matagna ang mga konsentrasyon sa S sa yuta gamit ang parehas nga nakolekta nga datos.Ang mga output sa EBK nga among gitun-an adunay kalabotan sa mga Fabijaczyk et al.41, Yan ug uban pa.79, Beguin et al.80, Adhikary et al.81 ug John et al.82, ilabi na ang K ug Ni.
Ang paghimo sa tagsa-tagsa nga mga pamaagi alang sa pagtagna sa nickel content sa urban ug peri-urban nga mga yuta gi-evaluate gamit ang performance sa mga modelo (Table 3). Ang validation sa model ug accuracy evaluation nagpamatuod nga ang Ca_Mg_K predictor inubanan sa EBK SVMR nga modelo nakahatag sa pinakamaayo nga performance.Calibration model Ca_Mg_K-EBK_SVMRan nga sayop nga modelo (R2, EBK_SVMR0) absolute error ug mean square (EBK_SVMRan model) error (EBK_SVMR0) ug error square. 37 (R2), 95.479 mg/kg (RMSE) ug 77.368 mg/kg (MAE) Ca_Mg_K-SVMR kay 0.663 (R2), 235.974 mg/kg (RMSE) ug 166.946 mg/kg (MAE) . Ca_Mg-EBK_SVMR (0.643 = R2);ang ilang mga resulta sa RMSE ug MAE mas taas kay sa alang sa Ca_Mg_K-EBK_SVMR (R2 0.637) (tan-awa ang Talaan 3). Dugang pa, ang RMSE ug MAE sa Ca_Mg-EBK_SVMR (RMSE = 1664.64 ug MAE = 1031.49) nga modelo mao ang 17.5 ug _BKM. Sa samang paagi, ang RMSE ug MAE sa Ca_Mg-K SVMR (RMSE = 235.974 ug MAE = 166.946) nga modelo mao ang 2.5 ug 2.2 nga mas dako kay sa Ca_Mg_K-EBK_SVMR RMSE ug MAE, matag usa. Kebonye et al.46 ug john et al.54, mas duol ang RMSE ug MAE ngadto sa zero, mas maayo ang resulta. Ang SVMR ug EBK_SVMR adunay mas taas nga quantized RSME ug MAE values. Naobserbahan nga ang RSME estimates kanunay nga mas taas kay sa MAE values, nga nagpakita sa presensya sa mga outlier. Sumala sa Legates ug McCabe83, ang gidak-on nga ang mean ang presensya sa RMSE girekomendar nga labaw sa kinatibuk-ang indikasyon sa RMSE. nagpasabot nga mas heterogenous ang dataset, mas taas ang MAE ug RMSE values.Ang katukma sa cross-validation assessment sa Ca_Mg_K-EBK_SVMR mixed model alang sa pagtagna sa Ni content sa urban ug suburban soils mao ang 63.70%.Sumala sa Li et al.59, kini nga lebel sa katukma usa ka madawat nga rate sa pasundayag sa modelo. Ang karon nga mga resulta gitandi sa usa ka miaging pagtuon ni Tarasov et al.36 kansang hybrid nga modelo nagmugna sa MLPRK (Multilayer Perceptron Residual Kriging), nga may kalabutan sa EBK_SVMR accuracy evaluation index nga gitaho sa kasamtangan nga pagtuon, RMSE (210) ug The MAE (167.5) mas taas kay sa atong mga resulta sa kasamtangan nga pagtuon (RMSE 95.479, MAE 77.368) . al.36 (0.544), kini mao ang tin-aw nga ang coefficient sa determinasyon (R2) mao ang mas taas sa niini nga sinagol nga modelo.Ang margin sa sayop (RMSE ug MAE) (EBK SVMR) alang sa sinagol nga modelo mao ang duha ka pilo nga mas ubos.Sama usab, Sergeev et al.34 natala 0.28 (R2) alang sa naugmad hybrid nga modelo (Multilayer sa kasamtangan nga Kriging2), ang rekord sa ResiduyR Kriging2.34. ang lebel sa katukma sa prediksyon niini nga modelo (EBK SVMR) mao ang 63.7%, samtang ang katukma sa panagna nga nakuha ni Sergeev et al.Ang 34 mao ang 28%.
Ang kataposang mapa sa prediksyon girepresentahan gamit ang hybrid nga modelo nga EBK_SVMR ug naggamit sa Ca_Mg_K isip predictor.[Ang spatial distribution map gihimo gamit ang RStudio (bersyon 1.4.1717: https://www.rstudio.com/).]
Gipresentar sa Figure 6 ang mga konsentrasyon sa PTE isip usa ka komposisyon nga eroplano nga gilangkoban sa tagsa-tagsa nga mga neuron. Walay bisan usa sa mga component nga eroplano nga nagpakita sa sama nga kolor nga sumbanan sama sa gipakita. Bisan pa, ang angay nga gidaghanon sa mga neuron matag gidrowing nga mapa mao ang 55. Ang SeOM gihimo gamit ang nagkalainlaing mga kolor, ug ang mas susama nga mga pattern sa kolor, mas ikatandi ang mga kabtangan sa mga sample. mga neuron ug kadaghanan sa ubos nga mga neuron.Busa, ang CaK ug CaMg adunay pipila ka mga kaamgiran sa mga high-order nga neurons ug ubos ngadto sa kasarangang mga pattern sa kolor.Ang duha ka mga modelo nagtagna sa konsentrasyon sa Ni sa yuta pinaagi sa pagpakita sa medium ngadto sa taas nga kolor sa mga kolor sama sa pula, orange ug yellow. modelo nagpakita sa usa ka taas nga kolor nga pattern nga nagpakita sa potensyal nga konsentrasyon sa nickel sa yuta (tan-awa ang Figure 4). Ang CakMg modelo component eroplano nagpakita sa usa ka lain-laing mga kolor pattern gikan sa ubos ngadto sa taas sumala sa usa ka tukma nga kolor scale. Dugang pa, ang modelo sa prediksyon sa nickel content (CakMg) susama sa spatial distribution sa nickel nga gipakita sa Figure 5 lows urban proportions ug urban nga hatag-as nga mga proportion sa Bosnickel. yuta.Ang Figure 7 naghulagway sa contour method sa k-means grouping sa mapa, gibahin ngadto sa tulo ka clusters base sa predicted value sa matag model.Ang contour method nagrepresentar sa optimal nga gidaghanon sa clusters.Sa 115 ka mga sample sa yuta nga nakolekta, ang category 1 nakakuha sa pinakadaghang sample sa yuta, 74.Cluster 2 nakadawat ug 33 ka samples nga nadawat sa 8 clusters. husto nga interpretasyon sa cluster.Tungod sa daghang anthropogenic ug natural nga mga proseso nga nakaapekto sa pagporma sa yuta, lisud nga adunay husto nga pagkalainlain ang mga pattern sa cluster sa usa ka giapod-apod nga SeOM map78.
Component plane output sa matag Empirical Bayesian Kriging Support Vector Machine (EBK_SVM_SeOM) variable. [Ang mga mapa sa SeOM gihimo gamit ang RStudio (bersyon 1.4.1717: https://www.rstudio.com/).]
Nagkalainlain nga mga sangkap sa klasipikasyon sa cluster [Ang mga mapa sa SeOM gihimo gamit ang RStudio (bersyon 1.4.1717: https://www.rstudio.com/).]
Ang kasamtangan nga pagtuon tin-aw nga naghulagway sa mga teknik sa pagmodelo alang sa mga konsentrasyon sa nickel sa kasyudaran ug peri-urban nga mga yuta.Ang pagtuon nagsulay sa lain-laing mga teknik sa pagmodelo, nga naghiusa sa mga elemento sa mga teknik sa pagmodelo, aron makuha ang pinakamaayong paagi sa pagtagna sa mga konsentrasyon sa nikel sa yuta. Ang spatial distribution sa mga component nga gipakita sa EBK_SVMR (tan-awa ang Figure 5). Ang mga resulta nagpakita nga ang support vector machine regression model (Ca Mg K-SVMR) nagtagna sa konsentrasyon sa Ni sa yuta isip usa ka modelo, apan ang validation ug accuracy evaluation parameters nagpakita sa taas kaayo nga mga sayop sa termino sa RMSE ug MAE. R2).Nakuha ang maayong resulta gamit ang EBK SVMR ug combined elements (CaKMg) nga adunay ubos nga RMSE ug MAE errors nga may accuracy nga 63.7%.Mogawas nga ang paghiusa sa EBK algorithm uban sa machine learning algorithm makamugna ug hybrid algorithm nga makatagna sa konsentrasyon sa PTEs sa yuta.Gipakita sa mga resulta nga ang paggamit sa Ca Mg K isip prediktor sa pagtagna sa paggamit sa Nikel nga yuta sa padayon nga pagtag-an sa nikel sa yuta. abono ug industriyal nga polusyon sa yuta sa industriya sa asero adunay kalagmitan sa pagdugang sa konsentrasyon sa nickel sa yuta.Kini nga pagtuon nagpadayag nga ang EBK nga modelo makapakunhod sa lebel sa kasaypanan ug makapauswag sa katukma sa modelo sa yuta spatial distribution sa kasyudaran o peri-urban nga mga yuta.Dugang pa, gisugyot namon nga gamiton ang EBK aron mag-hybrid sa lainlaing mga algorithm sa pagkat-on sa makina. Ang mga konsentrasyon sa Ni gitagna gamit ang mga elemento ingon covariates;bisan pa, ang paggamit sa daghang mga covariates makapauswag pag-ayo sa pasundayag sa modelo, nga maisip nga usa ka limitasyon sa karon nga trabaho. Ang laing limitasyon sa kini nga pagtuon mao nga ang gidaghanon sa mga datasets mao ang 115. Busa, kung daghang mga datos ang gihatag, ang paghimo sa gisugyot nga gi-optimize nga pamaagi sa hybridization mahimong mapauswag.
PlantProbs.net.Nickel sa mga Tanum ug Yuta https://plantprobs.net/plant/nutrientImbalances/sodium.html (Na-access niadtong Abril 28, 2021).
Kasprzak, KS Nickel nag-uswag sa modernong environmental toxicology.surroundings.toxicology.11, 145–183 (1987).
Cempel, M. & Nikel, G. Nickel: Usa ka pagrepaso sa mga tinubdan niini ug toxicology sa kinaiyahan.Polish J. Environment.Stud.15, 375–382 (2006).
Freedman, B. & Hutchinson, TC Ang pollutant nga input gikan sa atmospera ug ang akumulasyon sa yuta ug mga tanom duol sa nickel-copper smelter sa Sudbury, Ontario, Canada.can.J.Bot.58(1), 108-132.https://doi.org/10.1139/b80-014 (1980).
Manyiwa, T. et al.Mabug-at nga mga metal sa yuta, mga tanum ug mga risgo nga nalangkit sa pagpanibsib sa mga ruminant duol sa Selebi-Phikwe copper-nickel nga minahan sa Botswana.surroundings.Geochemistry.Health https://doi.org/10.1007/s10653-021-00918-x (2021).
Cabata-Pendias.Kabata-Pendias A. 2011. Pagsubay sa mga elemento sa yuta ug… – Google Scholar https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Kabata-Pendias+A.+2011.+Trace+ Elements+in+soils+and+ny+plants.9 CRC+Press&btnG= (Na-access niadtong Nob 24, 2020).
Almås, A., Singh, B., Agriculture, TS-NJ of & 1995, undefined.Epekto sa Russian nickel industriya sa bug-at nga metal konsentrasyon sa agrikultural nga mga yuta ug sagbot sa Soer-Varanger, Norway.agris.fao.org.
Nielsen, GD et al.Ang pagsuyop ug pagpabilin sa nikel sa tubig nga mainom adunay kalabotan sa pag-inom sa pagkaon ug pagkasensitibo sa nickel.toxicology.application.Pharmacodynamics.154, 67-75 (1999).
Costa, M. & Klein, CB Nickel carcinogenesis, mutation, epigenetics o selection.surroundings.Health Perspective.107, 2 (1999).
Ajman, PC;Ajado, SK;Borůvka, L.;Bini, JKM;Sarkody, VYO;Cobonye, NM;Trend analysis sa posibleng makahilo nga mga elemento: usa ka bibliometric review.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: Usa ka Mubo nga Kasaysayan ug Pipila ka mga Leksyon.Geoderma 264, 301–311.https://doi.org/10.1016/j.geoderma.2015.07.017 (2016).
McBratney, AB, Mendonça Santos, ML & Minasny, B. Sa digital soil mapping.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=+A+Cs+Pcess. ed 28 Abril 2021).
Oras sa pag-post: Hul-22-2022