Ti ringraziu per visità Nature.com. A versione di u navigatore chì aduprate hà un supportu limitatu per CSS. Per a megliu sperienza, ricumandemu chì utilizate un navigatore aghjurnatu (o disattivà u modu di cumpatibilità in Internet Explorer).
A contaminazione di a terra hè un grande prublema causatu da l'attività umana. A distribuzione spaziale di elementi potenzialmente tossici (PTE) varieghja in a maiò parte di e zone urbane è periurbane. Per quessa, hè difficiule di predichendu spazialmente u cuntenutu di PTE in tali terreni. Un totale di 115 campioni sò stati ottenuti da Frydek Mistek in a Repubblica Ceca. Spettrometria di emissioni di plasma accoppiata inductively. A variabile di risposta hè Ni è i predittori sò Ca, Mg, è K. A matrice di correlazione trà a variabile di risposta è a variabile di predictor mostra una correlazione satisfactoria trà l'elementi. I risultati di a prediczione dimustranu chì Support Vector Machine Regression (SVMR) hà fattu bè, ancu s'è a so stima di l'errore quadratu mediu (RMSE) (235,974 mg/kg) (235,974 mg) è 164 mg / 164 mg. eranu più altu ch'è l'altri metudi applicati.Mixed mudeli per Empirical Bayesian Kriging-Multiple Linear Regression (EBK-MLR) realizanu male, cum'è pruvucatu da coefficients di determinazione menu di 0.1.U mudellu Empirical Bayesian Kriging-Support Vector Machine Regression (EBK-SVMR) era u megliu mudellu, cun valore bassu RMSE (95. kg. s ​​è altu coefficient di determinazione (R2 = 0.637). L'output di a tecnica di modellazione EBK-SVMR hè visualizatu utilizendu una mappa autourganizzante. I neuroni clusterizzati in u pianu di u cumpunente di u mudellu hibridu CakMg-EBK-SVMR mostranu parechje mudelli di culore chì predicenu a concentrazione di Ni in i terreni urbani è periurbani. terreni urbani.
U nichel (Ni) hè cunsideratu un micronutriente per e piante perchè cuntribuisce à a fissazione di u nitrogenu atmosfericu (N) è u metabolismu di l'urea, tutti dui sò necessarii per a germinazione di sementi. In più di a so cuntribuzione à a germinazione di sementi, Ni pò agisce cum'è un inhibitore fungicu è bacteriale è prumove u sviluppu di e piante. fertilizzanti basati in el per ottimisà a fissazione di nitrogenu 2. L'applicazione cuntinua di fertilizzanti basati in nickel per arricchisce a terra è aumentà a capacità di i legumi per fixà l'azotu in a tarra aumenta continuamente a concentrazione di nichel in u soil. Ancu se u nichel hè un micronutriente per e piante, a so ingesta eccessiva in a terra pò fà più dannu chè bè. cum'è un nutriente essenziale per a crescita di e piante1.Secunnu à Liu3, Ni hè statu truvatu per esse u 17emu elementu impurtante necessariu per u sviluppu è a crescita di e piante. In più di u rolu di nickel in u sviluppu è a crescita di e piante, l'omu anu bisognu per una varietà di applicazioni. è l'articuli electroplated sò stati largamente usati in cucina, accessori di sala di ballu, forniture di l'industria alimentaria, elettricità, filu è cable, turbine jet, implants chirurgici, tessili, è cantiere navale5.Nivelli ricchi di Ni in tarra (vale à dì, terreni di a superficia) sò stati attribuiti à e fonti antropogeniche è naturali, ma principalmente, Ni hè una fonte naturale, piuttostu, vulcanica. vegetazione, incendi forestali è prucessi geologichi;in ogni modu, i fonti antropogenici includenu batterie di nickel / cadmium in l'industria di l'acciaio, electroplating, arc welding, diesel è fuel oils, è emissioni atmosferiche da a combustione di carbone è di l'incinerazione di rifiuti è fanghi.10, i principali fonti di contaminazione di a terra in l'ambiente immediata è adiacente sò principarmenti smelters basati in nichel-ramu è mines.The top soil attornu à a raffineria di nichel-ramu di Sudbury in Canada hà avutu i più alti livelli di contaminazione di nickel à 26,000 mg / kg11.In cuntrastu, a contaminazione da a pruduzzione norvegese di nickel-1 nickel hà risultatu più altu in Russia. ms et al.12, a quantità di nichel HNO3-extractable in a terra cultivabile superiore di a regione (pruduzzione di nichel in Russia) variava da 6,25 à 136,88 mg / kg, chì currisponde à una media di 30,43 mg / kg è una concentrazione di basa di 25 mg / kg. s pò infuse o contaminate u soil.The putenziale effetti di nichel in l'omu pò purtà à cancru attraversu mutagenesis, danni chromosomal, generazione Z-DNA, blocked DNA excision repair, o processes epigenetic13.In esperimenti animali, nickel hè statu trovu à avè u putenziale di pruvucà una varietà di tumuri, è carcinogenic nichel complexi exacerbate such.
E valutazioni di a contaminazione di a terra sò fiurite in l'ultimi tempi per via di una larga gamma di prublemi di salute derivanti da relazioni terra-pianta, relazioni biologiche di terra è terra, degradazione ecologica è valutazione di l'impattu ambientale. Finu a data, a predizione spaziale di elementi potenzialmente tossici (PTE) cum'è Ni in a terra hè stata laboriosa è chjesa in u tempu. tive soil mapping (PSM). Sicondu Minasny è McBratney16, predictive soil mapping (DSM) hà pruvatu à esse una subdisciplina prominente di a soil science.Lagacherie è McBratney, 2006 define DSM cum'è "a creazione è u riempimentu di sistemi d'infurmazione spaziale di u terrenu attraversu l'usu di in situ è ​​di laboratoriu sistemi observational è non-inferenziali metodi di osservazione in situ è ​​di laboratori.17 delineanu chì u DSM o PSM cuntimpuraniu hè a tecnica più efficau per predice o cartografia a distribuzione spaziale di PTE, tippi di terra è proprietà di terra. Geostatistics è Machine Learning Algorithms (MLA) sò tecniche di modellazione DSM chì creanu carte digitalizzate cù l'aiutu di l'urdinatori chì utilizanu dati significativi è minimi.
Deutsch18 è Olea19 definenu a geostatistica cum'è "a cullizzioni di tecniche numeriche chì trattanu di a rapprisintazioni di l'attributi spaziali, principarmenti chì utilizanu mudelli stochastichi, cum'è cumu l'analisi di serie temporale caratterizeghja i dati tempurali".Principalmente, a geostatistica implica a valutazione di variogrammi, chì permettenu Quantify è definisce e dependenzii di i valori spaziali da ogni dataset20.Gumiaux et al.20 illustranu ancu chì a valutazione di variogrammi in geostatistica hè basatu annantu à trè principii, cumprese (a) calculà a scala di correlazione di dati, (b) identificà è calculà anisotropia in a disparità di dataset è (c) in più di piglià in contu l'errore inerente di i dati di misurazione separati da l'effetti lucali, l'effetti di l'area sò ancu stimati nantu à e tecniche di geostatistiche, cumpresi i cuncepimentu di l'interpolazione. co-kriging, kriging ordinariu, kriging Bayesian empiricu, mètudu di kriging sèmplice è altre tecniche d'interpolazione cunnisciute per carte o predichendu PTE, caratteristiche di u tarrenu è tippi di terra.
L'algoritmi di Machine Learning (MLA) sò una tecnica relativamente nova chì impiega classi di dati non lineari più grandi, alimentati da algoritmi utilizati principalmente per l'estrazione di dati, identificazione di mudelli in dati, è ripetutamente appiicati à a classificazione in campi scientifichi cum'è a scienza di u terrenu è i travaglii di ritornu.22 (foreste aleatorii per l'estimazione di metalli pesanti in terreni agriculi), Sakizadeh et al.23 (modeling using support vector machines and artificial neural networks) pollution soil ).In addition, Vega et al.24 (CART per a modellazione di a ritenzione di metalli pesanti è l'adsorption in a terra) Sun et al.25 (applicazzioni di cubist hè a distribuzione di Cd in terra) è altri algoritmi cume k-nearest vicinu, rigressione boosted generalizata, è rigressione boosted Trees dinù applicatu MLA à predict PTE in terra.
L'applicazione di l'algoritmi DSM in prediction or mapping faces parechje sfide. Molti autori credi chì MLA hè superiore à geostatistics è vice versa.Anthough unu hè megliu cà l'altru, a cumminazzioni di i dui migliurà u livellu di precisione di mapping o prediction in DSM15.Woodcock è Gopal26 Finke27;Pontius è Cheuk28 è Grunwald29 cumentu nantu à e carenze è certi errori in a mappa di a terra prevista. I scientisti di a terra anu pruvatu una varietà di tecniche per ottimisà l'efficacezza, l'accuratezza è a prevedibilità di cartografi è previsioni di DSM. A cumminazzioni di incertezza è verificazione hè unu di parechji aspetti diffirenti integrati in DSM.15 delineanu chì u cumpurtamentu di validazione è l'incertezza introdutte da a creazione di carte è a prediczione deve esse validata indipindentamente per migliurà a qualità di a carta. I limitazioni di u DSM sò dovute à a qualità di a terra dispersa geograficamente, chì implica un cumpunente di incertezza;in ogni modu, a mancanza di certezza in u DSM pò esse da parechje fonti d'errore, vale à dì l'errore di covariate, l'errore di mudellu, l'errore di locu, è l'errore analiticu. interpolation33.Recently, una nova tendenza DSM hè ghjuntu chì prumove l'integrazione di geostatistics è MLA in mapping and forecasting.Several soil scientists and authors, such as Sergeev et al.34;Subbotina et al.35;Tarasov et al.36 è Tarasov et al.37 anu sfruttatu a qualità precisa di geostatistiche è machine learning per generà mudelli ibridi chì migliurà l'efficienza di a previsione è a mappatura.Qualità.Alcuni di sti mudelli d'algoritmi hibridi o cumminati sò Artificial Neural Network Kriging (ANN-RK), Multilayer Perceptron Residual Kriging (MLP-RK), Regression Generalized Neural Network Residual Kriging (GR- NNRK)36, Artificial Neural Network Kriging-Multilayer Perceptron (ANN-K-MLP)37 è Regression Co-MLPKriging 37.
Sicondu Sergeev et al., Cumminendu diverse tecniche di modellazione hà u putenziale di eliminà i difetti è di aumentà l'efficienza di u mudellu hibridu risultatu invece di sviluppà u so mudellu unicu. Modelli di Machine (SVM) è Multiple Linear Regression (MLR). L'ibridazione di EBK cù qualsiasi MLA ùn hè micca cunnisciuta. I mudelli misti multipli visti sò cumminazzioni di kriging ordinariu, residuale, regressione, è MLA.EBK hè un metudu d'interpolazione geostatistica chì utilizeghja un prucessu spaziale stochasticu chì hè localizatu cum'è un campu non-stazionariu / parametri di localizazione casuale, chì permette di definisce u campu di variazione 9. .EBK hè stata utilizata in una varietà di studii, cumprese l'analisi di a distribuzione di carbone organicu in i terreni agriculi40, a valutazione di a contaminazione di a terra41 è a cartografia di e proprietà di a terra42.
Per d 'altra banda, Self-Organizing Graph (SeOM) hè un algoritmu di apprendimentu chì hè statu appiicatu in diversi articuli cum'è Li et al.43, Wang et al.44, Hossain Bhuiyan et al.45 è Kebonye et al.46 Determinate l'attributi spaziali è u gruppu di elementi.Wang et al.44 delinea chì SeOM hè una tecnica d'apprendimentu putente cunnisciuta per a so capacità di raggruppà è imagine prublemi non-lineari. A cuntrariu di altre tecniche di ricunniscenza di mudelli cum'è l'analisi di cumpunenti principali, clustering fuzzy, clustering gerarchicu è decisione multi-criteriu, SeOM hè megliu à urganizà è identificà mudelli PTE.Secunnu Wang et al.44, SeOM pò raggruppà spazialmente a distribuzione di neuroni cunnessi è furnisce una visualizazione di dati d'alta risoluzione.
Stu articulu hà per scopu di generà un mudellu di cartografia robusta cù una precisione ottimale per predichendu u cuntenutu di nickel in i terreni urbani è periurbani. Ipotisemu chì l'affidabilità di u mudellu mistu dipende principalmente da l'influenza di altri mudelli attaccati à u mudellu di basa.per quessa, avemu da pruvà à risponde à e dumande di ricerca chì ponu rende mudelli misti. Tuttavia, quantu precisu hè u mudellu à predichendu l'elementu di destinazione? Inoltre, quale hè u livellu di valutazione di l'efficienza basatu nantu à a valutazione di validazione è di precisione? Per quessa, l'ugettivi specifichi di stu studiu eranu di (a) creà un mudellu di mistura cumminata per SVMR o MLR, utilizendu EBK (modelli di cuncentrazione) prupunendu u mudellu di cuncentrazione megliu per prupone u mudellu di cuncentrazione per a cuncentrazione di cuncentrazione. in terreni urbani o periurbani, è (d) l'applicazione di SeOM per creà una mappa d'alta risoluzione di variazioni spaziali di nichel.
U studiu hè realizatu in a Repubblica Ceca, in particulare in u distrittu di Frydek Mistek in a regione Moravia-Silesia (vede a Figura 1). A geografia di l'area di studiu hè assai accidentata è hè soprattuttu parti di a regione Moravia-Silesia Beskidy, chì face parte di a righjoni esterna di i Monti Carpati. 25 è 327 m;in ogni modu, u sistema di classificazione Koppen per u statu climaticu di a regione hè classificatu cum'è Cfb = clima oceanicu temperatu, Ci hè assai precipitazioni ancu in i mesi secchi. Temperatures varianu ligeramente in tuttu l'annu trà -5 °C è 24 °C, raramente scendendu sottu à -14 °C o sopra 30 °C, mentre chì a precipitazione media annuale hè stimata trà 752 mm è 7528 mm. 1.208 chilometri quatrati, cù 39,38% di a terra cultivata è 49,36% di a copertura forestale. Per d 'altra banda, l'area utilizata in stu studiu hè di circa 889,8 chilometri quadrati. In Ostrava è intornu à Ostrava, l'industria siderurgica è l'opere di metalli sò assai attivi. a forza di a lega mantenendu a so bona duttilità è tenacità), è l'agricultura intensiva, cum'è l'applicazione di fertilizzanti fosfatati è a produzzione di bestiame, sò fonti potenziali di ricerca di nichel in a regione (per esempiu, aghjunghjendu nichel à l'agnelli per aumentà i tassi di crescita in agnelli è bovini à poca alimentazione). u culore di a terra, a struttura è u cuntenutu di carbonate. A struttura di a terra hè media à fine, derivata da u materiale parenti. Sò colluviali, alluviali o eoliani in natura. Certi zoni di a terra parevanu mottled in a superficia è u sottusu, spessu cun béton è bleaching. i cambisols dominanu a Repubblica Ceca49.
Mappa di l'area di studiu [A mappa di l'area di studiu hè stata creata cù ArcGIS Desktop (ESRI, Inc, versione 10.7, URL: https://desktop.arcgis.com).]
Un totale di 115 campioni di terra superiore sò stati ottenuti da terreni urbani è periurbani in u distrittu di Frydek Mistek. U mudellu di mostra utilizatu era una griglia regulare cù campioni di terra distanziati 2 × 2 km, è a terra vegetale hè stata misurata à una prufundità di 0 à 20 cm cù un dispositivu GPS manuale (Leica Zeno 5 GPS). I campioni sò stati secchi à l'aria per pruduce campioni pulverizzati, pulverizzati da un sistema meccanicu (Fritsch disc mill), è sieved (taglia seta 2 mm).Place 1 grammu di campioni di terra secca, homogenized è sieved in buttigli di teflon chjaramente etichettati. ogni acidu), copre ligeramente è permette à i campioni di stà durante a notte per a reazzione (programma d'aqua regia) .Place u supernatant nantu à una piastra metallica calda (temperatura: 100 W è 160 ° C) per 2 h per facilità u prucessu di digestioni di i campioni, poi cool.Transfer u supernatant à un flask volumetricu 50 ml, 50 ml d'acqua di filtrazione di l'acqua di 50 ml di filtrazione. In un tubu di PVC di 50 ml cù acqua deionizzata. Inoltre, 1 ml di a suluzione diluzione hè stata diluita cù 9 ml d'acqua deionizzata è filtrata in un tubu di 12 ml preparatu per pseudo-concentration PTE. Spettroscopia) (Thermo Fisher Scientific, USA) secondu i metudi standard è l'accordu. Ensure Quality Assurance and Control (QA/QC) procedures (SRM NIST 2711a Montana II Soil).PTEs cù limiti di deteczione sottu à a mità sò stati esclusi da stu studiu. U limitu di deteczione di u PTE utilizatu in stu studiu era 0.000004 per ogni prucessu di qualità. Per assicurà chì l'errori sò minimizati, hè stata realizata una doppia analisi.
Empirical Bayesian Kriging (EBK) hè una di parechje tecniche d'interpolazione geostatistica aduprate in a modellazione in diversi campi, cum'è a scienza di u terrenu. A cuntrariu di l'altri tecniche di interpolazione di kriging, EBK difiere da i metudi tradiziunali di kriging per cunsiderà l'errore stimatu da u mudellu di semivariogramma. U prucessu d'interpolazione di EBK segue i trè criteri pruposti da Krivoruchko50, (a) u mudellu stima u semivariogramma da u dataset di input (b) u novu valore previstu per ogni locu di dataset input basatu annantu à u semivariogram generatu è (c) u modellu di simulazione finale hè datu da un modellu di simulazione posteriore.
Induve \(Prob\left(A\right)\) rapprisenta a priori, \(Prob\left(B\right)\) a probabilità marginale hè ignorata in a maiò parte di i casi, \(Prob (B,A)\ ). U calculu di semivariogramma hè basatu annantu à a regula di Bayes, chì mostra a propensione di l'osservazione datasets chì ponu esse creati da u semivariu di u valore di Bayes, chì ponu esse creatu da u semivariu di u statu di Bayes. s quantu hè prubabile di creà un dataset di osservazioni da u semivariogramma.
Una machina di supportu di vettore hè un algoritmu d'apprendimentu di machine chì genera un iperplanu di separazione ottimale per distingue classi identichi, ma micca linearmente indipendenti. analisi.Cherkassky è ​​Mulier53 pioneered SVMR cum'è una regressione basata nantu à u kernel, u calculu di quale hè statu realizatu utilizendu un mudellu di regressione lineale cù funzioni spaziali multi-paese.John et al54 raportanu chì u mudellu SVMR impiega a regressione lineale hyperplane, chì crea relazioni non lineari è permette à e funzioni spaziali Vohland.55, epsilon (ε)-SVMR usa u dataset addestratu per ottene un mudellu di rapprisintazioni cum'è una funzione insensibile à epsilon chì hè appiicata à cartografia i dati indipindentamente cù u megliu bias epsilon da a furmazione nantu à dati correlati. L'errore di distanza predeterminatu hè ignoratu da u valore attuale, è se l'errore hè più grande di ε (ε), a proprietà di u terrenu riduce ancu u cumplessu di u mudellu di u vettore di a furmazione. quation pruposta da Vapnik51 hè mostrata quì sottu.
induve b rapprisenta a soglia scalare, \(K\left({x}_{,}{x}_{k}\right)\) rapprisenta a funzione di u kernel, \(\alpha\) rapprisenta u multiplicatore di Lagrange, N Rapprisenta un dataset numericu, \({x}_{k}\) rapprisenta l'input di dati, è \(y\) hè l'operazione di dati chì hè usata per radiali SV. funzione di basa (RBF). U kernel RBF hè appiicatu per determinà u mudellu SVMR ottimali, chì hè criticu per ottene u fattore di penalità più sottile C è u paràmetru di kernel gamma (γ) per i dati di furmazione PTE. Prima, avemu evaluatu u gruppu di furmazione è dopu pruvatu a prestazione di u mudellu nantu à u set di validazione.
Un mudellu di regressione lineare multipla (MLR) hè un mudellu di regressione chì rapprisenta a relazione trà a variabile di risposta è una quantità di variabili predittori utilizendu paràmetri lineari cumulati calculati cù u metudu di i minimi quadrati. L'equazione LR hè
induve y hè a variabile di risposta, \(a\) hè l'intercetta, n hè u numeru di predittori, \({b}_{1}\) hè a regressione parziale di i coefficienti, \({x}_{ i}\) rapprisenta un predictore o una variabile esplicativa, è \({\varepsilon }_{i}\) rapprisenta l'errore in u mudellu, cunnisciutu ancu u residuale.
I mudelli misti sò stati ottenuti da sandwiching EBK cù SVMR è MLR. Questu hè fattu per estrazione di i valori previsti da l'interpolazione EBK. I valori previsti da l'interpolazione Ca, K è Mg sò ottenuti per un prucessu combinatoriu per ottene novi variàbili, cum'è CaK, CaMg è KMg. , K, Mg, CaK, CaMg, KMg è CaKMg.Questi variàbili sò diventati i nostri predittori, aiutendu à predict concentrazioni di nickel in terreni urbani è peri-urbani. L'algoritmu SVMR hè statu realizatu nantu à i predictors per ottene un mudellu mista Empirical Bayesian Kriging-Support Vector Machine (EBK_SVM). ian Kriging-Multiple Linear Regression (EBK_MLR)
L'usu di SeOM hè diventatu un strumentu populari per urganizà, valutà è previsioni di dati in u settore finanziariu, a salute, l'industria, a statistica, a scienza di u terrenu, è più. variabili43,56.Melssen et al.57 descrizanu a cunnessione di un vettore di input in una rete neurale attraversu una sola strata di input à un vettore di output cun un vettore di pesu unicu. L'output generatu da SeOM hè una mappa bidimensionale custituita da diversi neuroni o nodi tessuti in carte topologiche esagonali, circulari o quadrate secondu a so vicinanza. ly, hè sceltu, chì hè una unità 55-map (5 × 11). A struttura di neurone hè determinata secondu u numeru di nodi in l'equazioni empirica.
U numaru di dati utilizati in stu studiu hè di 115 campioni. Un approcciu aleatoriu hè statu utilizatu per sparte e dati in dati di prova (25% per validazione) è insemi di dati di furmazione (75% per calibrazione). prucessu di validazione, ripetutu cinque volte. I variàbili pruduciuti da l'interpolazione EBK sò usati cum'è predittori o variabili esplicative per predichendu a variabile di destinazione (PTE). U mudellu hè trattatu in RStudio utilizendu a libreria di pacchetti (Kohonen), biblioteca (caret), libreria (modelr), biblioteca ("e1071″), biblioteca ("plyr"), biblioteca ("plyr"), biblioteca ("plyr"), biblioteca ("plyr"), biblioteche ("Metric"), biblioteche ("plyr"), biblioteche (") e biblioteche prospective. .
Diversi parametri di validazione sò stati utilizati per determinà u megliu mudellu adattatu per predichendu a concentrazione di nickel in terra è per evaluà l'accuratezza di u mudellu è a so validazione. I mudelli di ibridazione sò stati valutati cù l'errore assolutu mediu (MAE), l'errore quadratu mediu (RMSE) è a determinazione di R-squared o coefficient (R2). putenza predittiva di u mudellu, mentri MAE determina u valore quantitative reale. U valore R2 deve esse altu per valutà u megliu mudellu di mistura cù i paràmetri di validazione, u più vicinu u valore hè à 1, u più altu hè a precisione.Secunnu Li et al.59, un valore di criteriu R2 di 0,75 o più grande hè cunsideratu un bon predittore;da 0,5 à 0,75 hè un rendimentu di mudellu accettabile, è sottu à 0,5 hè un rendimentu di mudellu inaccettabile. Quandu selezziunate un mudellu utilizendu i metudi di valutazione di i criteri di validazione RMSE è MAE, i valori più bassi ottenuti eranu abbastanza è sò stati cunsiderati a megliu scelta. L'equazione seguente descrive u metudu di verificazione.
induve n rapprisenta a dimensione di u valore osservatu \({Y}_{i}\) rapprisenta a risposta misurata, è \({\widehat{Y}}_{i}\) rapprisenta ancu u valore di risposta previstu, dunque, per e prime i osservazioni.
E descrizioni statistiche di e variabili di predictore è di risposta sò presentate in a Tabella 1, chì mostra a media, a deviazione standard (SD), u coefficiente di variazione (CV), u minimu, u massimu, a curtosi è l'asimmetria. I valori minimi è massimi di l'elementi sò in ordine decrescente di Mg < Ca < K < Ni è Ca < Mg < K < Ni, rispettivamente. 39 mg / kg. A comparazione di Ni cù a media mundiale (29 mg / kg) è a media europea (37 mg / kg) hà dimustratu chì a media geomètrica generale calculata per l'area di studiu era in u range tollerable. Tuttavia, cum'è mostratu da Kabata-Pendias11, un paragone di a cuncentrazione media di nickel (Ni) in u studiu attuale cù a cuncentrazione agricula hè più altu di a concentrazione agricula in S Mewian. dek Mistek in terreni urbani è peri-urbani in u studiu attuale (Ni 16.15 mg/kg) era più altu ch'è u limitu permessu di 60 (10.2 mg/kg) per Ni in i suoli urbani polacchi riportati da Różański et al. Inoltre, Bretzel è Calderisi61 anu registratu assai bassu ni cuncentrazione media di Ni (1.78 mg/kg) in u studiu urbanu più bassu. concentrazione di nichel (12,34 mg / kg) in i terreni urbani di Hong Kong, chì hè più bassu di a cuncentrazione di nichel attuale in stu studiu. i zoni suburbani di l'area di studiu pò esse principalmente attribuiti à l'industria di ferru è di l'acciaio è di l'industria di metalli.64 chì l'industria di l'acciaio è a lavorazione di i metalli sò i principali fonti di contaminazione di nickel in soils.However, i predittori anu ancu variatu da 538,70 mg / kg à 69,161,80 mg / kg per Ca, 497,51 mg / kg à 3535,68 mg / kg per K, è 685,05,68 mg / kg per Mg / kg per K, è 685,05,68 mg / kg per Mg / kg / al. .65 hà investigatu u cuntenutu tutali di Mg è K di i terreni in u centru di Serbia. Anu trovu chì i cuncintrazioni totali (410 mg / kg è 400 mg / kg, rispettivamente) eranu più bassi di a concentrazione di Mg è K di u studiu attuale. 590 mg / kg) è K (810 mg / kg) U cuntenutu in u topsoil hè più bassu di l'elementu unicu in stu studiu. Un studiu recente da Pongrac et al.67 hà dimustratu chì u cuntenutu tutale di Ca analizatu in 3 terreni diffirenti in Scozia, u Regnu Unitu (terra di Mylnefield, terra di Balruddery è terra di Hartwood) indicava un cuntenutu di Ca più altu in stu studiu.
A causa di e diverse cuncentrazioni misurate di l'elementi campionati, i distribuzioni di dati di l'elementi mostranu diverse skewness.The skewness è curtosis di l'elementi varienu da 1,53 à 7,24 è 2,49 à 54,16, rispettivamente. Tutti l'elementi calculati anu skewness è curtosis livelli sopra +1, cusì indicanu CV, a distribuzione di dati skew è irregulari in a direzzione curretta di u skew. L'elementi mostranu ancu chì K, Mg è Ni presentanu una variabilità moderata, mentri Ca hà una variabilità estremamente alta. I CV di K, Ni è Mg spieganu a so distribuzione uniforme. Inoltre, a distribuzione Ca ùn hè micca uniforme è e fonti esterne ponu influenzà u so livellu di arricchimentu.
A correlazione di e variàbili di predictor cù l'elementi di risposta indicò una correlazione satisfactoria trà l'elementi (vede a figura 3). A correlazione indicava chì CaK mostrava correlazione moderata cù r value = 0.53, cum'è CaNi.Anchi Ca è K mostranu associazioni modeste cù l'altri, circadori cum'è Kingston et al.68 è Santo69 suggerenu chì i so livelli in terra sò inversamente proporzionali. Tuttavia, Ca è Mg sò antagonisti à K, ma CaK correlates bè. Questu pò esse dovutu à l'applicazione di fertilizzanti cum'è carbonate di potassiu, chì hè 56% più altu in potasio. um sulfate, potassium magnesium nitrate, è potassa sò appiicati à i terreni per aumentà i so livelli di carenza.Nickel hè moderatamente correlated with Ca, K and Mg with r values ​​​​= 0.52, 0.63 and 0.55, rispettivamente. I rilazioni chì implicanu calcium, magnesium, è PTEs reduces such as nickel, magneziu, l'effettu di l'inhibizione di calciu, ma senza calciu, l'effettu di l'inhibizione di u calciu sò senza calciu. di l'excedente di magnesiu, è u magnesiu è u calciu riduce l'effetti tossichi di u nichel in a terra.
Matrice di correlazione per elementi chì mostranu a relazione trà predittori è risposte (Nota: sta figura include un scatterplot trà elementi, i livelli di significazione sò basati nantu à p <0,001).
A figura 4 illustra a distribuzione spaziale di elementi. Sicondu Burgos et al70, l'applicazione di distribuzione spaziale hè una tecnica utilizata per quantificà è mette in risaltu i punti caldi in i zoni contaminati. I livelli di arricchimentu di Ca in Fig. 4 pò esse vistu in a parti nord-ovest di a mappa di distribuzione spaziale. oxide) per riduce l'acidità di a terra è u so usu in acciai com'è ossigenu alkaline in u prucessu di siderurgia. Per d 'altra banda, altri agricultori preferanu aduprà l'idrossidu di calciu in terreni acidi per neutralizà u pH, chì aumenta ancu u cuntenutu di calciu di u soil71. NPK è appiicazioni di potassa.This hè cunsistenti cù altri studii, cum'è Madaras è Lipavský72, Madaras et al.73, Pulkrabová et al.74, Asare et al.75, chì hà osservatu chì l'estabilizazione di a terra è u trattamentu cù KCl è NPK risultatu in altu cuntenutu di K in a terra.L'arricchimentu Spatial di Potassiu in u norduvestu di a mappa di distribuzione pò esse duvuta à l'usu di fertilizzanti basati in potasio, cum'è clorur di potasio, sulfate di potasio, nitrate di potasio, potassiu è potassiu per aumentà u cuntenutu di potasio di terri poveri.Zádorová et al.76 è Tlustoš et al.77 hà delineatu chì l'applicazione di fertilizzanti basati in K hà aumentatu u cuntenutu di K in u tarritoriu è aumenterà significativamente u cuntenutu di nutrienti di a terra à longu andà, in particulare K è Mg chì mostranu un puntu caldu in u soil. Chlorosi. Fertilizanti basati in magnesiu, cum'è sulfate di magnesiu di potassiu, sulfate di magnesiu è Kieserite, trattanu carenze (i vegetali appariscenu viola, rossi o marroni, chì indicanu a carenza di magnesiu) in terreni cù un pH normale 6. L'accumulazione di nickel nantu à superfici urbane è periurbani pò esse dovutu à l'attività di l'agricultura è l'agricultura inossidabile.
Distribuzione spaziale di elementi [a mappa di distribuzione spaziale hè stata creata cù ArcGIS Desktop (ESRI, Inc, Version 10.7, URL: https://desktop.arcgis.com).]
I risultati di l'indice di rendiment di u mudellu per l'elementi utilizati in stu studiu sò mostrati in a Tabella 2. D'altra parte, RMSE è MAE di Ni sò tutti dui vicinu à cero (0,86 RMSE, -0,08 MAE). Per d 'altra banda, i valori RMSE è MAE di K sò accettabili. RMSE è MAE risultati eranu più grande per calcium è magnesiu. stu studiu utilizendu EBK per predict Ni sò stati trovati megliu cà i risultati di John et al.54 utilizendu kriging synergistic per predichendu a concentrazione di S in a terra utilizendu i stessi dati raccolti. I risultati EBK chì avemu studiatu correlate cù quelli di Fabijaczyk et al.41, Yan et al.79, Beguin et al.80, Adhikary et al.81 è Ghjuvanni et al.82, in particulare K è Ni.
U funziunamentu di i metudi individuali per predichendu u cuntenutu di nickel in i terreni urbani è periurbani hè statu evaluatu cù a prestazione di i mudelli (Table 3). A validazione di u mudellu è a valutazione di precisione cunfirmava chì u predictore Ca_Mg_K cumminatu cù u mudellu EBK SVMR hà datu u megliu rendimentu. 7 (R2), 95,479 mg/kg (RMSE) è 77,368 mg/kg (MAE) Ca_Mg_K-SVMR era 0,663 (R2), 235,974 mg/kg (RMSE) è 166,946 mg/kg (MAE). _Mg-EBK_SVMR (0,643 = R2);i so risultati RMSE è MAE eranu più altu ch'è quelli per Ca_Mg_K-EBK_SVMR (R2 0.637) (vede Table 3). In più, u RMSE è MAE di u Ca_Mg-EBK_SVMR (RMSE = 1664.64 è MAE = 1031.49) mudellu sò 17.4 di u Ca_Mg, rispettivamente, chì sò 17.4, è più grande di Ca_Mg_. K_SVMR.Likewise, u RMSE è MAE di u Ca_Mg-K SVMR (RMSE = 235.974 è MAE = 166.946) mudellu sò 2.5 è 2.2 più grande di quelli di u Ca_Mg_K-EBK_SVMR RMSE è MAE, rispettivamente. U cuncentrazione di i risultati di u MAHRMSE hè indicatu cumu cuncentrazione di i risultati di u MAHRMSE in u cuncentrazione di i risultati di u MAHRMSE hè megliu. sò stati osservati.Secunnu Kebonye et al.46 è John et al.54, u più vicinu u RMSE è MAE sò à cero, u megliu i risultati. SVMR è EBK_SVMR anu più altu quantized RSME è MAE values.It hè statu osservatu chì l'estimazioni RSME sò sempre più altu di i valori MAE, chì indicanu a prisenza di outliers.Secunnu Legates è McCabe83, a misura in quale l'indicatore MAE RMSE supera l'errore assolutu cum'è l'indicatore RMSE hè assolutu. .Questu significa chì u più eterogeneu di u dataset, u più altu di i valori MAE è RMSE. A precisione di a valutazione di validazione incruciata di u mudellu mista Ca_Mg_K-EBK_SVMR per predichendu u cuntenutu Ni in i terreni urbani è suburbani era 63,70%.Secunnu Li et al.59, stu livellu di precisione hè una rata di rendiment di mudellu accettabile. I risultati prisenti sò paragunati à un studiu previ da Tarasov et al.36 chì u so mudellu hibridu hà creatu MLPRK (Multilayer Perceptron Residual Kriging), in relazione à l'indice di valutazione di precisione EBK_SVMR riportatu in u studiu attuale, RMSE (210) è The MAE (167.5) era più altu ch'è i nostri risultati in u studiu attuale (RMSE 95.479, MAE 77.30.368, quandu u studiu attuale). Tarasov et al.36 (0.544), hè chjaru chì u coefficient di determinazione (R2) hè più altu in questu mudellu mistu. U marghjenu d'errore (RMSE è MAE) (EBK SVMR) per u mudellu mistu hè duie volte più bassu. In listessu modu, Sergeev et al.34 hà registratu 0,28 (R2) per u mudellu sviluppatu hibridu (Multilayer Krieging Percept.7), mentre chì u studiu Residual Percept. ).U livellu di precisione di prediczione di stu mudellu (EBK SVMR) hè 63,7%, mentre chì a precisione di prediczione ottenuta da Sergeev et al.34 hè 28%. U mapu finali (Fig. 5) creatu cù u mudellu EBK_SVMR è Ca_Mg_K cum'è predictor mostra predizioni di hot spots è moderate à nickel nantu à tutta l'area di studiu. Questu significa chì a cuncintrazione di nickel in l'area di studiu hè principarmenti moderata, cù cuncentrazione più altu in certi spazii specifichi.
A mappa di predizione finale hè rapprisintata cù u mudellu hibridu EBK_SVMR è utilizendu Ca_Mg_K cum'è predictore. [A mappa di distribuzione spaziale hè stata creata cù RStudio (versione 1.4.1717: https://www.rstudio.com/).]
Presentatu in Figura 6 sò cuncentrazioni PTE cum'è un pianu di cumpusizioni custituitu di neuroni individuali. Nisunu di i piani di cumpunenti exhibiu u listessu mudellu di culore cum'è mostratu. Tuttavia, u numeru apprupriatu di neuroni per mappa disegnata hè 55. SeOM hè pruduciutu utilizendu una varietà di culori, è più simili à i mudelli di culore, più paragunabili i pruprietà di i campioni. Per quessa, CaK è CaMg sparte parechje similitudini cù neuroni d'ordine assai altu è mudelli di culore da bassu à moderatu. I dui mudelli predicenu a cuncentrazione di Ni in a terra affissendu sfumature di culori da mediu à altu cum'è rossu, aranciu è giallu. U mudellu hà mostratu un mudellu di culore altu chì indica a cuncentrazione potenziale di nichel in u tarritoriu (vede Figura 4). U pianu di cumpunenti di u mudellu CakMg mostra un mudellu di culore diversu da bassu à altu secondu una scala di culore precisa. ils.Figura 7 riprisenta u metudu di cuntorni in u raggruppamentu k-means nantu à a mappa, divisu in trè raggruppamenti basatu annantu à u valore previstu in ogni mudellu. U metudu di cuntorni rapprisenta u nùmeru ottimale di clusters.Du 115 campioni di terra raccolti, a categuria 1 hà ottenutu a maiò parte di campioni di terra, 74. A causa di i numerosi prucessi antropogenichi è naturali chì affettanu a furmazione di a terra, hè difficiule di avè mudelli di cluster ben differenziati in una mappa SeOM distribuita78.
Pruduzzione di u pianu di cumpunenti da ogni variabile Empirical Bayesian Kriging Support Vector Machine (EBK_SVM_SeOM). [Le carte SeOM sò state create cù RStudio (versione 1.4.1717: https://www.rstudio.com/).]
Diversi cumpunenti di classificazione di cluster [Le carte SeOM sò state create cù RStudio (versione 1.4.1717: https://www.rstudio.com/).]
U studiu attuale illustra chjaramente tecniche per custodrazioni di u nicheru in a tecnica di a pianificazione di i panni da a grande parte di una scala di mudelizazione da una scala di mudelizazione da una scala di culleghju à u corsu Il. Di a messa di distribuzione Spiccaale Confermavule a ferrazione Spiccazione di i cumpunenti Esposizione di EBK_Svmr (a Figura 5). Vede e rappresentamentu di i parànisti di macchina mostranu in termini di RMSE è MAE.ON L'altra bagnu, u mudellu Tecnica ing per u mudellu ebk_mlr hè ancu difettu da u valore bassu di a determinazione di a cumpunità è di un algoritmu ebicu A cuncencenza di petti in terra; I risultati mostranu chì utilizendu ca mg k cum'è predicti di a cultura è u mudellu di u parcu per aumentà u livellu di errore è migliurà u livellu d'errore Aco di u Modellu di Distribuzione Spaticu di Soil Oru Urbanu o Peri-Urbanu, Proponeu di applicà u mudellu ebk-Svmr per valutà è predisce Pte in terra;in più, prupunemu di utilizà EBK per hibridà cù varii algoritmi d'apprendimentu di machine. Ni cuncentrazione sò stati previsti cù elementi cum'è covariate;in ogni modu, l'usu di più covariate migliurà assai u funziunamentu di u mudellu, chì pò esse cunsideratu una limitazione di u travagliu attuale. Un'altra limitazione di stu studiu hè chì u numeru di datasets hè 115.Per quessa, se più dati sò furnuti, u funziunamentu di u metudu d'hibridazione ottimizatu prupostu pò esse migliuratu.
PlantProbs.net.Nickel in Plants and Soil https://plantprobs.net/plant/nutrientImbalances/sodium.html (Accessed 28 April 2021).
Kasprzak, KS Avanzate di Nickel in a tossicologia ambientale muderna.
Cempel, M. & Nikel, G. Nickel: Una rivista di e so fonti è a toxicologia ambientale.Polish J. Environment.Stud.15, 375-382 (2006).
Freedman, B. & Hutchinson, TC Ingressu di pollutanti da l'atmosfera è accumulazione in a terra è a vegetazione vicinu à una fusione di nichel-ramu in Sudbury, Ontario, Canada.can.J.Bot.58 (1), 108-132.https://doi.org/10.1139/b80-014 (1980).
Manyiwa, T. et al. Metalli pesanti in terra, piante è risichi assuciati à i ruminanti di pastura vicinu à a mina di rame-nickel Selebi-Phikwe in Botswana.surroundings.Geochemistry.Health https://doi.org/10.1007/s10653-021-029181-x (029021).
Cabata-Pendias.Kabata-Pendias A. 2011. Trace elements in soil and... - Google Scholar https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Kabata-Pendias+A.+2011.+Trace+ Elements+in+soils+in+soils+2+4+9+%2%Y+9%%2%Y+9%%2%Y+9%%2%2+9%%2%Y+9%%2%%2%3%2%3%2%3%2%3%3%20. +CRC+Press&btnG= (Accessed 24 Nov 2020).
Almås, A., Singh, B., Agriculture, TS-NJ di & 1995, undefined.Effects di l 'industria nichel Russian nant'à cuncintrazzioni di metalli pisanti in terreni agriculi è grasses in Soer-Varanger, Norway.agris.fao.org.
Nielsen, GD et al.Nickel absorption and retention in water drinking are related to food intake and nickel sensitivity.toxicology.application.Pharmacodynamics.154, 67-75 (1999).
Costa, M. & Klein, CB Nickel carcinogenesis, mutazione, epigenetica o selection.surroundings.Health Perspective.107, 2 (1999).
Ajman, PC;Ajado, SK;Borůvka, L.;Bini, JKM;Sarkody, VYO;Cobonye, ​​​​NM;Analisi di tendenza di elementi potenzialmente tossici: una rivista bibliometrica. Geochimica è Salute Ambientale.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. On 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+University++37&bsd6+2C+37%2C+Access. 2021).