Va'aiga o le fa'atumauina o nikeli i eleele i le taulaga ma le taulaga i le fa'aaogaina o le fa'afefiloiga o le Bayesian Kriging ma Lagolago Vector Machine Regression.

Faafetai mo le asiasi i le Nature.com.O le browser version o loʻo e faʻaogaina e faʻatapulaʻaina le lagolago mo le CSS.Mo le poto sili ona lelei, matou te fautuaina e te faʻaogaina se suʻesuʻega faʻafouina (pe tape le tulaga fetaui i Internet Explorer).
O le eleelea o le eleele o se faʻafitauli tele e mafua mai i gaioiga a tagata. O le tufatufaina faʻafanua o elemene e ono afaina ai (PTEs) e eseese i le tele o taulaga ma nuʻu i le taulaga. ly coupled plasma emission spectrometry.O le fesuiaiga o le tali o le Ni ma o le vavalo o Ca, Mg, ma le K.O le matrix correlation i le va o le fesuiaiga o le tali ma le fesuiaiga o le vaʻaia o loʻo faʻaalia ai le faʻamalieina o le va o elemene. na maualuga atu nai lo isi metotia faʻaaogaina. Faʻataʻitaʻiga faʻafefiloi mo Empirical Bayesian Kriging-Multiple Linear Regression (EBK-MLR) e le lelei le faʻatinoina, e pei ona faʻamaonia e le faʻatusatusaina o le faʻamoemoe e itiiti ifo i le 0.1. O le Empirical Bayesian Kriging-Support Vector Machine Regression (EBK-SVMR) faʻataʻitaʻiga sili ona lelei, faʻatasi ai ma le maualalo o le RMSEkg3kg (EBK-SVMR). tau ma maualuga coefficient o le fuafuaina (R2 = 0.637).O le EBK-SVMR fa'ata'ita'iga metotia fa'atusa e fa'aalia i le fa'aogaina o se fa'afanua fa'atulagaina o le tagata lava ia. .
Nikeli (Ni) ua manatu o se micronutrient mo laau ona e saofagā i le atmospheric nitrogen fixation (N) ma le urea metabolism, e manaomia uma mo le germination fatu. I le faaopoopo atu i lona sao i le fatu germination, Ni mafai ona galue o se inhibitor fungal ma siama ma uunaia le atinae o laau. O le leai o le nickel i le palapala e mafai ai e le laau ona mitiia ai, e mafua ai le chlorosis faavae o le chlorosis. izers e optimize nitrogen fixation2. Faʻaauau le faʻaogaina o le nickel-based fertilizers e faʻatamaoaigaina ai le eleele ma faʻateleina le malosi o legumes e faʻapipiʻi ai le nitrogen i le eleele faʻaauau pea ona faʻateleina le faʻaogaina o le nickel i le eleele. e tusa ai ma Liu3, ua maua Ni e avea ma elemene taua lona 17 e manaʻomia mo le atinaʻeina o laau ma le tuputupu aʻe. I le faʻaopoopoga i le matafaioi a le nickel i le atinaʻeina o laʻau ma le tuputupu aʻe, e manaʻomia e tagata mo le tele o talosaga. Electroplating, le gaosiga o nickel-based alloys, ma le gaosiga o masini faʻamumu ma aloiafi i totonu o fale gaosi oloa e manaʻomia uma le faʻaogaina o mea faʻapipiʻi eletise, mea faʻapipiʻi eletise. ua faʻaaogaina lautele i umukuka, mea faʻaoga ballroom, meaʻai meaʻai sapalai, eletise, uaea ma uaea, jet turbines, implants taotoga, textiles, ma le fau vaa5.Ni-maua maualuga i eleele (ie, eleele i luga o le eleele) ua mafua mai i anthropogenic ma puna faalenatura, ae muamua lava, Ni o se puna faalenatura nai lo anthropogenic4,6.Natula afi afi e aofia ai puna o le afi, natura afi afi;ae ui i lea, o punaoa anthropogenic e aofia ai maa nickel / cadmium i totonu o le uʻamea, eletise eletise, arc welding, tiso ma suauʻu suauu, ma le ea emisi mai le faʻavevelaina o koale ma otaota ma le faʻapalapala Nickel accumulation7,8. E tusa ai ma Freedman ma Hutchinson9 ma Manyiwa et al.10, o punavai autu o le eleelea i luga o le eleele i totonu o le siosiomaga lata mai ma lata ane o le tele o le nickel-copper-based smelters ma mines.O le eleele pito i luga o loʻo siomia ai le Sudbury nickel-copper refinery i Kanata na i ai le maualuga maualuga o le faʻaleagaina o le nickel i le 26,000 mg / kg11. I le faʻatusatusaga, o le faʻaleagaina o le nickel1 i Rusia o loʻo i ai le maualuga o le gaosiga o le nickel1 i Rusia. e tusa ai ma le Alms et al.12, o le aofaiga o le HNO3-extractable nickel i le itulagi pito i luga fanua lafulemu (gaosiga nickel i Rusia) mai le 6.25 i le 136.88 mg/kg, e fetaui ma se uiga o le 30.43 mg/kg ma se tulaga faavae o le 25 mg/kg. E tusa ai ma le kabata 11, o le talosaga o fertilizers phosphorus urban soil po o le fertilizersurban soilsurban. O vaitau o fuala'au e mafai ona fa'aleagaina pe fa'aleagaina ai le palapala.O a'afiaga o le nickel i tagata e mafai ona o'o atu ai i le kanesa e ala i le mutagenesis, fa'aleagaina o le chromosomal, fa'atupuina o le Z-DNA, poloka le toe fa'aleleia o le DNA, po'o faiga epigenetic.
O suʻesuʻega faʻaleagaina o le eleele ua faʻalauteleina i taimi talu ai nei ona o le tele o mataupu tau soifua maloloina e mafua mai i le eleele-laʻau, sootaga o le eleele ma le eleele, faʻaleagaina o le siʻosiʻomaga, ma le iloiloga o aʻafiaga o le siosiomaga. (PSM) .E tusa ai ma Minasny ma McBratney16, faʻafanua eleele vavalo (DSM) ua faamaonia e avea o se subdiscipline iloga o eleele faasaienisi.Lagacherie ma McBratney, 2006 faauigaina DSM o le "o le foafoaina ma le faatumuina o fanua faʻafanua faʻamatalaga faiga e ala i le faʻaaogaina o in situ ma falesuesue metotia mataʻituina eleele ma non-spatial systempatial eM.17 otootoina o le DSM poʻo le PSM faʻaonaponei o le auala sili lea ona aoga mo le vavalo poʻo le faʻafanua o le tufatufaina faʻafanua o PTEs, ituaiga o eleele ma fanua eleele. Geostatistics and Machine Learning Algorithms (MLA) o DSM faʻataʻitaʻiga auala e fatuina ai faʻafanua faʻafanua faʻatasi ma le fesoasoani a komepiuta e faʻaogaina ai faʻamatalaga taua ma itiiti.
Deutsch18 ma Olea19 faʻamatalaina geostatistics o "le aoina o metotia numera e faʻatatau i faʻataʻitaʻiga o uiga faʻafanua, faʻaaogaina faʻataʻitaʻiga stochastic, e pei o le faʻavasegaina o taimi faʻasologa o faʻamatalaga faʻaletino."Muamua, o geostatistics e aofia ai le iloiloga o variograms, lea e mafai ai ona faʻatatauina ma faʻamalamalamaina le faʻalagolago i tulaga faʻapitoa mai faʻamaumauga taʻitasi20.Gumiaux et al.20 faʻaalia atili e faapea o le iloiloga o variograms i geostatistics e faavae i luga o mataupu faavae e tolu, e aofia ai (a) le fuafuaina o le fua o le faamaopoopoina o faamatalaga, (b) faailoaina ma le fuafuaina anisotropy i dataset disparity ma (c) i le faaopoopo atu i le I le amanaia o le mea sese o le fuaina o faamatalaga vavae ese mai i nei aafiaga i le lotoifale, o le eriaBuilding aafiaga o loo faaaogaina foi i luga o geostatistics aafiaga, o le mastatistics aafiaga i luga o le tulaga. e aofia ai kriging lautele, co-kriging, kriging masani, empirical Bayesian kriging, auala faigofie kriging ma isi auala lauiloa interpolation e faafanua pe vavalo PTE, uiga o le eleele, ma ituaiga eleele.
Machine Learning Algorithms (MLA) o se faiga fou e faʻaaogaina ai le tele o vasega faʻamaumauga e le o laina laina, faʻapipiʻiina e algorithms e masani ona faʻaaogaina mo le faʻaogaina o faʻamaumauga, faʻamaonia mamanu i faʻamaumauga, ma faʻaaoga pea i le faʻavasegaina i matāʻupu faasaienisi e pei o le saienisi o eleele ma galuega toe faʻafoʻi.22 (vao faʻafuaseʻi mo le fuaina o uʻamea mamafa i eleele faʻatoʻaga), Sakizadeh et al.23 (fa'ata'ita'iga i le fa'aogaina o masini ve'a lagolago ma feso'ota'iga neural fa'akomepiuta) fa'aleagaina o le palapala).24 (CART mo le fa'ata'ita'iina o le fa'atumauina o u'amea mamafa ma fa'afefeteina ile palapala) Sun et al.25 (faʻaaogaina o le cubist o le tufatufaina atu o le Cd i le eleele) ma isi algorithms e pei o k-latalata lata ane, faʻateleina faʻamalosia le toe faʻaleleia, ma faʻamalosia le toe faʻaleleia O laʻau na faʻaogaina foi le MLA e vaʻai ai le PTE i le palapala.
O le faʻaogaina o le DSM algorithms i le vaʻaiga poʻo le faʻafanua e feagai ma le tele o luitau.O le tele o tusitala e talitonu o le MLA e sili atu i le geostatistics ma le isi itu.Pontius ma Cheuk28 ma Grunwald29 faʻamatalaga e uiga i le le atoatoa ma nisi o mea sese i le vaʻaia o le faʻafanua o le eleele.Sa faʻataʻitaʻiina e saienitisi eleele le tele o auala e faʻamaonia ai le lelei, saʻo, ma le faʻamaoniaina o le DSM faʻafanua ma le vaʻaiga.15 o lo'o fa'amatala mai ai le fa'amaoniaina o amioga ma le le mautonu na fa'aalia e le fa'afanua ma le va'aiga e tatau ona fa'amaonia tuto'atasi e fa'aleleia atili ai le fa'afanua.ae ui i lea, o le leai o se mautinoa i le DSM e mafai ona tulaʻi mai le tele o faʻapogai o mea sese, e taʻua o le covariate mea sese, faʻataʻitaʻiga sese, nofoaga sese, ma analytical Error 31. Faʻataʻitaʻiga le saʻo faʻaosoina i le MLA ma geostatistical faagasologa e fesoʻotaʻi ma le leai o se malamalama, e iu lava ina oʻo atu i le oversimplification o le faagasologa moni32. E tusa lava po o le a le natura o le faʻataʻitaʻiga faʻataʻitaʻiga poʻo le faʻataʻitaʻiga faʻataʻitaʻiga e mafai ona faʻataʻitaʻiina faʻataʻitaʻiga, inaccuracies faʻataʻitaʻiga e mafai ona vaʻaia le faʻataʻitaʻiga faʻataʻitaʻiga, faʻataʻitaʻiga faʻataʻitaʻiga e mafai ona faʻataʻitaʻiina i totonu o le faʻataʻitaʻiga. lation33. Talu ai nei, ua alia'e mai ai se tulaga fou DSM e fa'alauiloa ai le tu'ufa'atasia o geostatistics ma MLA i fa'afanua ma fa'ata'ita'iga. E tele saienitisi eleele ma tusitala, e pei o Sergeev et al.34;Subbotina et al.35;Tarasov et al.36 ma Tarasov et al.37 ua faʻaaogaina le tulaga saʻo o geostatistics ma masini aʻoaʻoga e faʻatupuina faʻataʻitaʻiga faʻataʻitaʻiga e faʻaleleia ai le lelei o le vaʻaiga ma faʻafanua.tulaga lelei.O nisi o nei hybrids poʻo tuʻufaʻatasiga algorithm faʻataʻitaʻiga o le 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 ma le Gaoioiga o le Gaoioiga Co.
E tusa ai ma Sergeev et al., O le tuʻufaʻatasia o metotia faʻataʻitaʻiga eseese e iai le gafatia e faʻaumatia ai faaletonu ma faʻateleina le lelei o le faʻataʻitaʻiga hybrid e maua nai lo le atinaʻeina o lana faʻataʻitaʻiga e tasi. (SVM) ma Multiple Linear Regression (MLR) models.Hybridization o EBK ma soʻo se MLA e le o iloa.O le tele o faʻataʻitaʻiga fefiloi o loʻo vaʻaia o tuʻufaʻatasiga o masani, totoe, regression kriging, ma MLA.EBK o se geostatistical interpolation method that utilizes a spatially stochastic process that is localized as a localization non-stationary fields. 9.EBK sa fa'aogaina i su'esu'ega 'ese'ese, e aofia ai le su'esu'eina o le tufaina atu o le kaponi fa'aola i fanua fa'ato'aga40, su'esu'eina o le eleelea41 ma fa'afanua meatotino42.
I le isi itu, Self-Organizing Graph (SeOM) o se aʻoaʻoga algorithm na faʻaaogaina i tala eseese e pei o Li et al.43, Wang et al.44, Hossain Bhuiyan et al.45 ma Kebonye et al.46 Fuafua uiga fa'avanoa ma le fa'avasegaina o elemene.Wang et al.44 otootoga o le SeOM o se metotia aʻoaʻoga mamana e iloa mo lona mafaia ona faʻavasega ma mafaufau i faʻafitauli e le faʻaogaina.44, SeOM e mafai ona vaʻavaʻai faʻavasegaina le tufatufaina atu o neu fesoʻotaʻi ma tuʻuina atu faʻamatalaga faʻamatalaga maualuga.
O lenei pepa o loʻo faʻamoemoe e fausia se faʻataʻitaʻiga malosi ma le saʻo lelei mo le vavalo o mea o loʻo i totonu o le nickel i totonu o le taulaga ma le taulaga i le taulaga.o le mea lea, o le a tatou taumafai e tali fesili suʻesuʻe e mafai ona maua ai faʻataʻitaʻiga fefiloi. Ae ui i lea, o le a le saʻo o le faʻataʻitaʻiga i le vavalo o le elemene autu? E le gata i lea, o le a le maualuga o le iloiloga lelei e faʻavae i luga o le faʻamaonia ma le saʻo iloiloga? O lea, o sini patino o lenei suʻesuʻega e (a) fatuina se faʻataʻitaʻiga tuʻufaʻatasia tuʻufaʻatasia mo SVMR poʻo MLR e faʻaaoga ai le EBK e pei o le faʻataʻitaʻiga faʻataʻitaʻiga, (b) faʻatusatusa le faʻataʻitaʻiga faʻavae, (b) eleele tu'uta'u i le taulaga, ma (d) le fa'aogaina o le SeOM e fausia ai se fa'afanua maualuga o fa'afanua o le nickel spatial variation.
O loʻo faʻatinoina le suʻesuʻega i le Czech Republic, aemaise lava i le itumalo o Frydek Mistek i le itulagi o Moravia-Silesian (silasila i le Ata 1). O le faʻafanua o le nofoaga suʻesuʻe e matua gaogao ma e tele lava o se vaega o le itulagi o Moravia-Silesian Beskidy, o se vaega o le pito i fafo o Carpathian Mountains. O le nofoaga suʻesuʻe o loʻo i le va o le 49 ′ 0° ′ ′ ″ 49 ° ″ o le suʻesuʻega. e i le va o le 225 ma le 327 mita;ae ui i lea, o le faiga o le faavasegaina o Koppen mo le tulaga tau o le itulagi ua fuaina o le Cfb = vasa vasa, E tele timuga e oo lava i masina matutu. Temperature eseese teisi i le tausaga atoa i le va o le -5 °C ma le 24 °C, e seasea pau i lalo -14 °C po o luga 30 °C, ae o le fua faatatau o le tausaga atoa 625 mm. eria e 1,208 sikuea kilomita, ma 39.38% o le fanua galue ma 49.36% o le vaomatua. I le isi itu, o le vaega o loʻo faʻaaogaina i lenei suʻesuʻega e uiga i 889.8 sikuea kilomita.I totonu ma lata ane i Ostrava, o le uamea ma galuega uamea e malosi tele. malosi o le uʻamea aʻo tausia lona lelei ductility ma faigata), ma faʻatoʻaga malosi e pei o le faʻaogaina o le phosphate fertilizer application ma le gaosiga o lafumanu o suʻesuʻega e mafai ona maua ai le nickel i le itulagi (faʻataʻitaʻiga, faʻaopoopoina o le nickel i tamai mamoe e faʻateleina ai le tuputupu aʻe o tamaʻi mamoe ma lafumanu e maualalo le fafagaina). e mafai ona maua mai le lanu o le eleele, fausaga, ma le carbonate anotusi.O le palapala eleele e feololo i le lelei, e maua mai i mea matua. E colluvial, alluvial po o aeolian i le natura.O nisi o eleele e foliga mai e mottled i luga ma lalo o le eleele, e masani lava i le sima ma le paʻu. mbisol e pulea le Czech Republic49.
Fa'afanua o le eria su'esu'e [Na faia le fa'afanua o le eria su'esu'e e fa'aaoga ai le ArcGIS Desktop (ESRI, Inc, version 10.7, URL: https://desktop.arcgis.com).]
O le aofaʻi o faʻataʻitaʻiga 115 pito i luga na maua mai i le taulaga ma le pito i luga o le taulaga i le itumalo o Frydek Mistek. O le faʻataʻitaʻiga faʻataʻitaʻiga na faʻaaogaina o se faʻasologa masani ma faʻataʻitaʻiga eleele vaʻavaʻa 2 × 2 km va, ma o le eleele pito i luga na fuaina i le loloto o le 0 i le 20 cm e faʻaaoga ai se masini GPS lima lima (Leica Zeno 5 GPS) . -mamago e maua ai faʻataʻitaʻiga pulverized, pulverized e se faiga masini (Fritsch disc mill), ma sieved (sieve size 2 mm) .Tuu 1 kalama o mago, homogenized ma sieved faʻataʻitaʻiga palapala i totonu o fagu teflon manino faʻailoga. s e tu i le po mo le tali (aqua regia polokalame) .Tuu le supernatant i luga o se ipu uʻamea vevela (vevela: 100 W ma 160 °C) mo le 2 h e faafaigofie ai le faagasologa o le digestion o faataitaiga, ona malulu. E le gata i lea, o le 1 ml o le vaifofo faʻafefe na faʻafefeteina i le 9 ml o le vai faʻafefeteina ma faʻamama i totonu o se 12 ml tube saunia mo le PTE pseudo-concentration. O faʻatonuga o PTEs (As, Cd, Cr, Cu, Mn, Ni, Pb, Zn, Ca, Mg, K) na fuafuaina e le ICP-OES (In Plaductive Optical Scale). fic, ISA) e tusa ai ma metotia masani ma maliega. Faʻamautinoa Tulaga Faʻamautinoaga ma Pulea (QA / QC) taualumaga (SRM NIST 2711a Montana II Soil).PTEs faʻatasi ai ma tapulaa faʻamaonia i lalo ifo o le afa na le aofia ai mai lenei suʻesuʻega.O le faʻatapulaʻaina o le PTE na faʻaaogaina i lenei suʻesuʻega o le 0.0004.(oe). ized, sa faia se iloiloga faalua.
Empirical Bayesian Kriging (EBK) o se tasi o le tele o geostatistical interpolation techniques faaaogaina i le modeling i fanua eseese e pei o le eleele faasaienisi. E le pei o isi kriging interpolation techniques, EBK ese mai auala kriging masani e ala i le mafaufau i le mea sese fuafuaina e le semivariogram model.I le EBK interpolation, tele semivariogram faʻataʻitaʻiga o faʻataʻitaʻiga e faʻatusatusa i le semivariogram faʻataʻitaʻiga mo le semivariogram e faia i le semivariogram auala e tasi. tainty ma polokalame e fesootai ma lenei taupulepulega o le semivariogram lea e aofia ai se vaega sili ona lavelave o se auala kriging lava. pito i tua
O le mea o le \(Fa'ata'ita'iga(A\taumatau)\) o lo'o fa'atusalia ai le mea muamua, \(Fa'afitauli\left(B\taumatau)\) e le amana'ia le avanoa fa'aituvale i le tele o tulaga, \(Fa'ata'ita'iga (B,A)\ ) .O le fa'atusatusaga o le semivariogram e fa'avae i luga o le tulafono a Bayes, lea e fa'aalia ai le agava'a o le mata'ituina o fa'amaumauga e mafai ona faia mai le semivariograms e fa'atatau i le tau o le semivariograms. faia se fa'amaumauga o fa'amatalaga mai le semivariogram.
O se masini vector lagolago o se masini aʻoaʻoga algorithm e faʻatupuina se vaʻavaʻa vaʻavaʻa sili ona lelei e iloagofie ai vasega tutusa ae le o laina tutoʻatasi. Vapnik51 na faia le faʻavasegaina o le algorithm, ae talu ai nei na faʻaaogaina e foia ai faʻafitauli faʻaletonu. sa fa'aaogaina i lenei au'ili'iliga.Cherkassky ma Mulier53 paionia SVMR o se kernel-based regression, o le fa'atusatusaina o lea na faia i le fa'aaogaina o se fa'ata'ita'iga fa'asologa fa'asolosolo fa'atasi ai ma le tele o atunu'u spatial galuega.55, epsilon (ε) -SVMR faʻaaogaina le dataset aʻoaʻoina e maua ai se faʻataʻitaʻiga faʻataʻitaʻiga e pei o se galuega epsilon-le maaleale e faʻaaogaina e faʻafanua faʻamaumauga tutoʻatasi ma le faʻaituau epsilon sili ona lelei mai le aʻoaʻoga i luga o faʻamaumauga faʻatasi. O le mea sese mamao seti ua le amanaiaina mai le tau moni, ma afai o le mea sese e sili atu nai lo le ε (ε), o le eleele e faʻatatauina le faʻataʻitaʻiga e faʻaitiitia ai le faʻataʻitaʻiga lavelave o le faʻataʻitaʻiga o faʻataʻitaʻiga o le faʻataʻitaʻiga o le proset faʻaititia. posed e Vapnik51 o loʻo faʻaalia i lalo.
o le b o lo'o fa'atusalia ai le sikala, \(K\agavale({x}_{,}{ x}_{k}\taumatau)\) o lo'o fa'atusalia ai le galuega fatu, \(\ alpha\) o lo'o fa'atusalia ai le Lagrange multiplier, N Fa'atusaina se fa'amaumauga numera, \({x}_{k}\) o lo'o fa'atusalia ai fa'amatalaga, ma \(y\) o le fa'agaioiga o fa'amaumauga, o le GaF radius fa'aaoga, RB o le fa'agaioiga autu o le gaF radius. O le fatu RBF o loʻo faʻaaogaina e fuafua ai le faʻataʻitaʻiga SVMR sili ona lelei, lea e taua tele e maua ai le faʻasalaga sili ona maaleale seti C ma kernel parameter gamma (γ) mo faʻamaumauga aʻoaʻoga a le PTE. Muamua, matou te iloiloina le seti aʻoaʻoga ona faʻataʻitaʻiina lea o le faʻataʻitaʻiga faʻataʻitaʻiga i luga o le seti faʻamaonia.
O le tele o laina faʻataʻitaʻiga faʻataʻitaʻiga (MLR) o se faʻataʻitaʻiga faʻataʻitaʻiga lea e fai ma sui o le sootaga i le va o le fesuiaiga o le tali ma le numera o fesuiaiga o le vaʻaia e ala i le faʻaogaina o laina faʻapipiʻi laina faʻatatau i le faʻaogaina o le auala sikuea itiiti. LR equation o
o le y o le fesuiaiga o le tali, \(a\) o le fa'alavelave, n o le numera o tagata vavalo, \({b}_{1}\) o le vaega o le solomuli o le coefficients, \({x}_{ i}\) o lo'o fa'atusalia ai se va'aiga po'o se fa'amalamalamaga, ma o le \({\varepsilon }_{i}\) o lo'o fa'atusalia le mea sese i le fa'ata'ita'iga.
O faʻataʻitaʻiga faʻafefiloi na maua e ala i le faʻapipiʻiina o le EBK ma le SVMR ma le MLR. E faia lenei mea e ala i le suʻeina o tau faʻatatau mai le EBK interpolation. , K, Mg, CaK, CaMg, KMg ma CaKMg. O nei fesuiaiga na avea ma a tatou vaʻavaʻai, fesoasoani e vaʻai faʻaputuga nickel i totonu o le taulaga ma eleele i le taulaga. gression (EBK_MLR) . E masani lava, o le fesuiaiga Ca, K, Mg, CaK, CaMg, KMg, ma CaKMg o loʻo faʻaaogaina e avea ma covariates e fai ma faʻamatalaga o mea o Ni i totonu o le taulaga ma eleele tuʻufaʻatasia.
O le faʻaaogaina o le SeOM ua avea ma meafaigaluega lauiloa mo le faʻatulagaina, iloiloga, ma le vaʻaia o faʻamatalaga i le vaega tau tupe, soifua maloloina, alamanuia, fuainumera, saienisi eleele, ma isi mea.SeOM ua faia e faʻaogaina ai fesoʻotaʻiga neural faʻaogaina ma metotia aʻoaʻoga e leʻi vaʻaia mo le faʻatulagaina, iloiloga, ma le vavalo. vec variables43,56.Melssen et al.57 faʻamatalaina le fesoʻotaʻiga o se vete faʻapipiʻi i totonu o se fesoʻotaʻiga neural e ala i se faʻapipiʻi faʻapipiʻi e tasi i se faʻaogaina o le fua faʻatasi ma se fua mamafa e tasi. 4, i le faasologa, ua filifilia, o se iunite 55-faafanua (5 × 11). O le fausaga o le neuron e fuafuaina e tusa ai ma le numera o nodes i le empirical equation
O le numera o faʻamatalaga na faʻaaogaina i lenei suʻesuʻega o 115 faʻataʻitaʻiga. O se auala faʻafuaseʻi na faʻaaogaina e vaeluaina ai faʻamatalaga i faʻamaumauga o suʻega (25% mo le faʻamaonia) ma faʻamaumauga faʻamaumauga aʻoaʻoga (75% mo calibration). fa'agasologa fa'asolosolo, toe fa'alima taimi. O fesuiaiga na gaosia e le EBK interpolation o lo'o fa'aaogaina e fai ma fa'amatalaga po'o fa'amatalaga fa'amalamalamaga e va'ai ai le fa'atatau o le suiga (PTE). Fa'ata'ita'iga o lo'o fa'atautaia i le RStudio e fa'aaoga ai le potutusi (Kohonen), faletusi (caret), faletusi (modelr), faletusi ("e1071", faletusi ("plyr"), faletusi ("caTools prospect")
Fa'ailoga fa'amaonia eseese na fa'aaogaina e fuafua ai le fa'ata'ita'iga sili e fetaui lelei mo le va'aiga o le nickel concentrations i le palapala ma iloilo le sa'o o le fa'ata'ita'iga ma lona fa'amaoniga. Fa'ata'ita'iga Hybridization na iloiloina i le fa'aaogaina o le mean absolute error (MAE), root mean square error (RMSE), ma le R-squared po'o le coefficient determination (R2). fua tutoʻatasi e faʻamatalaina ai le mana vavalo o le faʻataʻitaʻiga, aʻo MAE e fuafua le tau aofaʻi moni.O le tau o le R2 e tatau ona maualuga e iloilo ai le faʻataʻitaʻiga faʻafefiloi sili ona lelei e faʻaaoga ai faʻamaoniga faʻamaonia, o le latalata i le tau o le 1, o le maualuga o le saʻo. E tusa ai ma Li et al.59, o le R2 criterion value of 0.75 poʻo le sili atu ua manatu o se vaʻaiga lelei;mai le 0.5 i le 0.75 o le faʻataʻitaʻiga faʻataʻitaʻiga talia, ma lalo ifo o le 0.5 e le taliaina le faʻataʻitaʻiga faʻataʻitaʻiga. Pe a filifilia se faʻataʻitaʻiga e faʻaaoga ai le RMSE ma le MAE faʻamaonia metotia iloiloga, o tau maualalo na maua na lava ma na manatu o le filifiliga sili lea.
o le n o lo'o fa'atusalia ai le tele o le tau na mata'ituina\({Y}_{i}\) o lo'o fa'atusalia ai le tali fua, ma o le \({\widehat{Y}}_{i}\) o lo'o fa'atusalia ai fo'i le tau o tali, o lea, mo le i fa'amatalaga muamua.
O faʻamatalaga faʻamaumauga o faʻamatalaga faʻamatalaga ma faʻamatalaga tali o loʻo tuʻuina atu i le Laulau 1, faʻaalia ai le uiga, faʻasologa masani (SD), coefficient o fesuiaiga (CV), laʻititi, maualuga, kurtosis, ma le skewness.O le tau maualalo ma le maualuga o elemene o loʻo i le faʻaititia o le Mg Ona o le eseese fuaina concentrations o elemene faataitai, o le seti o faamatalaga tufatufaina o elemene faaalia skewness eseese. O le skewness ma kurtosis o elemene amata mai le 1.53 i le 7.24 ma le 2.49 i le 54.16, faasologa. O elemene fuafuaina uma ua i ai le skewness ma kurtosis tulaga i luga o le i le +1, o lea o loo i ai le tulaga saʻo i luga aʻe i le +1, o le mea lea o loo i ai i luga o le skewness ma kurtosis tulaga i luga atu o le +1, o lea o loo i ai le tulaga saʻo i luga aʻe o le +1, o le mea lea e i ai le faʻasologa o le faʻatonuga i luga aʻe o le +1, o lea o loʻo i ai le faʻasologa saʻo i luga o le +1. CV fuafuaina o elemene o loʻo faʻaalia ai foi K, Mg, ma Ni faʻaalia le fesuisuiai feololo, aʻo Ca e matuaʻi maualuga le fesuiaiga.
O le faʻamaopoopoina o fesuiaiga o vaʻaiga faʻatasi ma elemene tali na faʻaalia ai se faʻamalieina lelei i le va o elemene (silasila i le Ata 3). O le faʻasalalauga na faʻaalia ai o le CaK na faʻaalia le faʻaogaina lelei ma le tau o le r = 0.53, e pei ona faia e CaNi. E ui o Ca ma K o loʻo faʻaalia fegalegaleaiga tauagafau o le tasi ma le isi, o tagata suʻesuʻe e pei o Kingston et al.68 ma Santo69 o loʻo fautua mai o latou maualuga i le eleele e faʻafeagai ma le faʻatusatusa. Ae ui i lea, o Ca ma Mg e faʻafeagai ma K, ae o le CaK e fesoʻotaʻi lelei. sh o loʻo faʻaogaina i eleele e faʻateleina ai o latou tulaga le atoatoa. O le nickel e fesoʻotaʻi faʻatasi ma Ca, K ma Mg faʻatasi ai ma le tau = 0.52, 0.63 ma le 0.55, i le faasologa.
Fa'asoa fa'atasi mo elemene o lo'o fa'aalia ai le so'otaga i le va o va'aiga ma tali (Manatua: o lenei fa'atusa e aofia ai se fa'asalalauga i le va o elemene, tulaga taua e fa'avae i le p <0,001).
O le ata 4 o loʻo faʻaalia ai le tufatufaina atu o elemene. E tusa ai ma le Burgos et al70, o le faʻaogaina o le faʻaogaina o le faʻaogaina o le faʻaogaina o le faʻaogaina o le faʻaogaina o le faʻaogaina ma le faʻamalamalamaina o nofoaga vevela i nofoaga faʻaleagaina. o le quicklime (calcium oxide) e faʻaitiitia ai le acidity o le eleele ma lona faʻaaogaina i uʻamea e pei o le okesene alkaline i le faagasologa o le uʻamea. I le isi itu, o isi faifaatoaga e fiafia e faʻaaoga le calcium hydroxide i eleele acidic e faʻaitiitia ai le pH, lea e faʻapupulaina ai foi le calcium i totonu o le eleele71.Potassium e faʻaalia foi nofoaga vevela i le itu i matu sisifo ma sasaʻe o le faʻafanua. s.O le mea lea e ogatasi ma isi suʻesuʻega, e pei o Madaras ma Lipavský72, Madaras et al.73, Pulkrabová et al.74, Asare et al.75, oe na matauina o le faʻamautuina o le eleele ma togafitiga ma KCl ma NPK na maua ai le maualuga o le K i totonu o le eleele.Fa'atamaoaigaina o le Potassium Spatial i le itu i matu-sisifo o le fa'afanua fa'asoa e mafai ona mafua ona o le fa'aogaina o le fa'apalapala fa'avae e pei o le potassium chloride, potassium sulfate, potassium nitrate, potash, ma le potash e fa'ateleina ai le potassium i totonu o eleele leaga.Zádorová et al.76 ma Tlustoš et al.77 o loʻo faʻamatala mai ai o le faʻaogaina o le K-based fertilizers e faʻateleina ai le K i totonu o le palapala ma o le a matua faʻateleina ai le eleele i totonu o le eleele i se taimi umi, aemaise lava K ma Mg e faʻaalia ai se vevela i totonu o le eleele. , e pei o le potassium magnesium sulfate, magnesium sulfate, ma le Kieserite, togafitia le faaletonu (o laau e foliga mai i le lanu viole, mumu, poʻo le lanu enaena, e faʻaalia ai le magnesium deficiency) i eleele ma le pH masani 6. O le faʻaputuina o le nickel i luga o le taulaga ma le taulaga i luga o le taulaga atonu e mafua mai i gaioiga anthropogenic e pei o faʻatoaga ma le taua o le nickel i le gaosiga o le uamea78.
Fa'asoa fa'apitonu'u o elemene [fa'afanua fa'asoa fa'afanua na faia e fa'aaoga ai le ArcGIS Desktop (ESRI, Inc, Version 10.7, URL: https://desktop.arcgis.com).]
O faʻataʻitaʻiga faʻataʻitaʻiga faʻasologa o faʻamatalaga mo elemene o loʻo faʻaaogaina i lenei suʻesuʻega o loʻo faʻaalia i le Laulau 2. I le isi itu, o le RMSE ma le MAE o Ni e latalata uma i le zero (0.86 RMSE, -0.08 MAE). I le isi itu, o le RMSE ma le MAE tau o K e talia. na maua e sili atu nai lo taunuuga o John et al.54 fa'aogaina o le synergistic kriging e va'ai ai S concentrations i le palapala e fa'aaoga ai fa'amaumauga tutusa na aoina.41, Yan et al.79, Beguin et al.80, Adhikary et al.81 ma Ioane et al.82, aemaise lava K ma Ni.
O le faʻatinoga o metotia taʻitasi mo le vavalo o mea o loʻo i totonu o le nickel i totonu o le taulaga ma le pito i tua o le taulaga na iloiloina e faʻaaoga ai le faʻatinoga o faʻataʻitaʻiga (Table 3). Faʻataʻitaʻiga faʻataʻitaʻiga ma iloiloga saʻo na faʻamaonia ai o le Ca_Mg_K predictor faʻatasi ma le EBK SVMR faʻataʻitaʻiga na maua ai le faʻatinoga sili. 37 (R2), 95.479 mg/kg (RMSE) ma le 77.368 mg/kg (MAE) Ca_Mg_K-SVMR o le 0.663 (R2), 235.974 mg/kg (RMSE) ma le 166.946 mg/kg (MAE) . Ca_Mg-EBK_SVMR (0.643 = R2);o latou RMSE ma MAE taunuuga na maualuga atu nai lo latou mo Ca_Mg_K-EBK_SVMR (R2 0.637) (silasila i le Laulau 3). E le gata i lea, o le RMSE ma le MAE o le Ca_Mg-EBK_SVMR (RMSE = 1664.64 ma MAE = 1031.49) faʻataʻitaʻiga o le 17.5 ma le 1.KBMr e sili atu nai lo le 17.5 ma le 1.KBM. E faʻapea foʻi, o le RMSE ma le MAE o le Ca_Mg-K SVMR (RMSE = 235.974 ma le MAE = 166.946) faʻataʻitaʻiga e 2.5 ma le 2.2 sili atu nai lo Ca_Mg_K-EBKME_SVMR RMSE ma MAE, i le faasologa. Kebonye et al.46 ma Ioane et al.54, o le latalata atu o le RMSE ma le MAE i le zero, o le sili atu foi lea o taunuuga.SVMR ma EBK_SVMR e maualuga le aofaʻi o RSME ma MAE tau. Na matauina o le RSME fua faatatau na maualuga atu i taimi uma nai lo le MAE tau, e faʻaalia ai le i ai o fafo. o lona uiga o le sili atu o le heterogeneous le dataset, o le maualuga o le MAE ma le RMSE tau.O le saʻo o le suʻesuʻeina o suʻesuʻega faʻasolosolo o le Ca_Mg_K-EBK_SVMR faʻataʻitaʻiga faʻafefiloi mo le vavalo o mea o Ni i totonu o le taulaga ma le taulaga i eleele o le 63.70%. E tusa ai ma Li et al.59, o lenei tulaga o le saʻo o se fua faʻataʻitaʻiga faʻataʻitaʻiga talia.36 o lona faʻataʻitaʻiga hybrid na faia le MLPRK (Multilayer Perceptron Residual Kriging), e fesoʻotaʻi ma le EBK_SVMR saʻo iloiloga faʻamaufaʻailoga na lipotia mai i le suʻesuʻega o loʻo iai nei, RMSE (210) ma O le MAE (167.5) na maualuga atu nai lo o tatou taunuuga i le suʻesuʻega o loʻo i ai nei (RMSE 95.479, MAE 77.368, MAE 77.368) . al.36 (0.544), e manino lava o le coefficient of determination (R2) e maualuga atu i lenei faʻataʻitaʻiga fefiloi.O le faʻasologa o mea sese (RMSE ma MAE) (EBK SVMR) mo le faʻataʻitaʻiga faʻafefiloi e lua taimi maualalo. tulaga sa'o vavalo o lenei fa'ata'ita'iga (EBK SVMR) o le 63.7%, a'o le sa'o o valo'aga na maua e Sergeev et al.34 o le 28%. O le faʻafanua mulimuli (Fig. 5) na faia e faʻaaoga ai le EBK_SVMR faʻataʻitaʻiga ma Ca_Mg_K e fai ma faʻamatalaga o loʻo faʻaalia ai valoʻaga o nofoaga vevela ma feololo i le nickel i luga o le vaega atoa o suʻesuʻega.
O lo'o fa'atusalia le fa'afanua fa'ai'u e fa'aaoga ai le EBK_SVMR fa'ata'ita'iga ma fa'aogaina le Ca_Mg_K e fai ma fa'amatalaga.
O loʻo tuʻuina atu i le Ata 6 o PTE concentrations e pei o se vaalele tuʻufaʻatasia e aofia ai neurons taʻitoʻatasi. E leai se tasi o vaalele vaega na faʻaalia le lanu lanu tutusa e pei ona faʻaalia. Ae ui i lea, o le numera talafeagai o neurons i le faʻafanua ata o le 55.SeOM e gaosia i le faʻaaogaina o lanu eseese, ma o le sili atu ona tutusa o lanu lanu, o le sili atu ona faʻatusatusaina o meatotino o le faʻataʻitaʻiga. neu ma le tele o neu maualalo maualalo.O lea, CaK ma CaMg fefaʻasoaaʻi ni mea e tutusa ai ma neu maualuga-maualuga ma le maualalo-i-moderate mamanu lanu.O faʻataʻitaʻiga e lua e vaʻai i le faʻaogaina o le Ni i le eleele e ala i le faʻaalia o le laititi i le maualuga o lanu o lanu e pei o le mumu, moli ma le samasama. faʻataʻitaʻiga na faʻaalia ai se lanu lanu maualuga e faʻaalia ai le faʻaogaina o le nickel i le eleele (silasila i le Ata 4). O le CakMg model component plane o loʻo faʻaalia ai se lanu lanu eseese mai le maualalo i le maualuga e tusa ai ma se fua lanu saʻo. eleele. Ata 7 o loʻo faʻaalia ai le auala faʻataʻitaʻi i le k-o lona uiga faʻavasegaina i luga o le faafanua, vaevaeina i ni fuifui se tolu e faʻavae i luga o le tau valoia i faʻataʻitaʻiga taʻitasi. sa'o le fa'auigaina o fuifui. Ona o le tele o fa'agasologa fa'alenatura ma fa'alenatura e a'afia ai le fa'atupuina o le palapala, e faigata ai ona fa'avasega lelei fa'asologa o fuifui i se fa'afanua SeOM78 tufatufaina.
Fuafuaga va'alele vaega ta'itasi Empirical Bayesian Kriging Support Vector Machine (EBK_SVM_SeOM) fesuia'i.
'ese'ese vaega fa'avasegaina o fuifui [SeOM fa'afanua na faia e fa'aaoga ai le RStudio (version 1.4.1717: https://www.rstudio.com/).]
O le suʻesuʻega o loʻo i ai nei o loʻo faʻaalia manino ai auala faʻataʻitaʻiga mo le faʻaogaina o nikeli i totonu o le taulaga ma le taulaga i le taulaga. tufatufaina faafanua o vaega faaalia e EBK_SVMR (tagai Ata 5). O taunuuga e faaalia ai o le lagolago vector masini regression faataitaiga (Ca Mg K-SVMR) valoia le concentration o le Ni i le eleele e pei o se faataitaiga tasi, ae o le faamaoniga ma le saʻo iloiloga taʻiala o loʻo faʻaalia ai le maualuga tele o mea sese i le tulaga o RMSE ma MAE. R2) .Na maua taunuuga lelei e faaaoga ai le EBK SVMR ma elemene tuufaatasia (CaKMg) ma maualalo RMSE ma MAE sese ma le saʻo o le 63,7%. fertilizers ma alamanuia filogia o le eleele e ala i le uamea o loʻo i ai se tulaga e faʻateleina ai le faʻaogaina o le nickel i totonu o le eleele.e le gata i lea, matou te fautua atu e faʻaaoga le EBK e faʻapipiʻi faʻatasi ma le tele o masini aʻoaʻoga algorithms.Ni faʻatonuga na valoia e faʻaaoga elemene e pei o covariates;ae ui i lea, o le faʻaaogaina o le tele o covariates o le a faʻaleleia atili ai le faʻatinoga o le faʻataʻitaʻiga, lea e mafai ona manatu o se tapulaʻa o le galuega o loʻo i ai nei.
PlantProbs.net.Nickel i La'au ma Le'ele'ele https://plantprobs.net/plant/nutrientImbalances/sodium.html (Access 28 Aperila 2021).
Kasprzak, KS Nickel alualu i luma i le siosiomaga faʻaonaponei toxicology.surroundings.toxicology.11, 145-183 (1987).
Cempel, M. & Nikel, G. Nickel: O se toe iloiloga o ona puna ma le siosiomaga oona.Polish J. Environment.Stud.15, 375-382 (2006).
Freedman, B. & Hutchinson, TC O mea filogia mai le atemosifia ma le faaputuputu i le palapala ma laau e lata ane i se fa'ameamea nickel-copper i Sudbury, Ontario, Canada.can.J.Bot.58(1), 108-132.https://doi.org/10.1139/b80-014 (1980).
Manyiwa, T. et al.Meamea mamafa i le palapala, laau ma lamatiaga e fesootaʻi ma manu fafaga i tafatafa o le Selebi-Phikwe copper-nickel mine i Botswana.surroundings.Geochemistry.Health https://doi.org/10.1007/s10653-021-00918-x (2021).
Cabata-Pendias.Kabata-Pendias A. 2011. Su'e elemene i le palapala ma… – Google Scholar https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Kabata-Pendias+A.+2011.+Trace+ Elements+in+soils+4th+NY+plants. CRC+Press&btnG= (Ausia 24 Nov 2020).
Almås, A., Singh, B., Agriculture, TS-NJ of & 1995, undefined.Aafiaga o le pisinisi nikeli a Rusia i luga o le mamafa o uʻamea i eleele faʻatoʻaga ma mutia i Soer-Varanger, Norway.agris.fao.org.
Nielsen, GD et al.Nickel absorption ma le taofiofia o vai inu e fesoʻotaʻi ma le faʻaogaina o meaʻai ma le faʻaogaina o le nickel.toxicology.application.Pharmacodynamics.154, 67-75 (1999).
Costa, M. & Klein, CB Nickel carcinogenesis, mutation, epigenetics or selection.surroundings.Health Perspective.107, 2 (1999).
Ajman, PC;Ajado, SK;Borůvka, L.;Bini, JKM;Sarkody, VYO;Cobonye, ​​NW;Su'esu'ega fa'asolo o elemene e ono o'ona: o se iloiloga fa'akomipiuta.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: Ose Talafaasolopito Puupuu ma Nisi Lesona.Geoderma 264, 301–311.https://doi.org/10.1016/j.geoderma.2015.07.017 (2016).
McBratney, AB, Mendonça Santos, ML & Minasny, B. I luga o faafanua eleele numera.Geoderma 117(1-2), 3-52.https://doi.org/10.1016/S0016-7061(03)00223-4 (2003).
Deutsch.CV Fa'ata'ita'i Fa'atanoa Fa'afanua,… – Google Scholar https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=CV+Deutsch%2C+2002%2C+Geostatistical+Reservoir+Modeling%2C +Oxford+Glass%2C+Pcess. ed 28 Aperila 2021).


Taimi meli: Iul-22-2022