Asante kwa kutembelea Nature.com.Toleo la kivinjari unachotumia lina uwezo mdogo wa kutumia CSS.Kwa matumizi bora zaidi, tunapendekeza kwamba utumie kivinjari kilichosasishwa (au zima hali ya uoanifu katika Internet Explorer).Wakati huo huo, ili kuhakikisha usaidizi unaoendelea, tutaonyesha tovuti bila mitindo na JavaScript.
Uchafuzi wa udongo ni tatizo kubwa linalosababishwa na shughuli za binadamu.Mgawanyiko wa anga wa vipengele vinavyoweza kuwa na sumu (PTEs) hutofautiana katika maeneo mengi ya mijini na pembezoni mwa miji. Kwa hiyo, ni vigumu kutabiri kwa anga kuhusu maudhui ya PTEs katika udongo huo.Jumla ya sampuli 115 zilipatikana kutoka kwa Frydek Mistek katika Jamhuri ya Cheki), magnesium nickM (KgCal) na magnesiamu (KgM) iliyobainishwa spectrometry ya utoaji wa plasma iliyounganishwa kwa kufata. Tofauti ya majibu ni Ni na vitabiri ni Ca, Mg, na K. Matrix ya uwiano kati ya tofauti ya majibu na tofauti ya kitabiri inaonyesha uwiano wa kuridhisha kati ya vipengele.Matokeo ya utabiri yalionyesha kuwa Urekebishaji wa Mashine ya Kusaidia Vekta (SVMR) ulifanya vyema, ingawa mzizi wake unaokadiriwa kuwa na maana ya makosa ya mraba/kg.16672 (RMSO69) (RMSO69) (RMSO69) (RMSO616) (RMSO69) (5. .946 mg/kg) zilikuwa za juu zaidi kuliko mbinu zingine zilizotumika. Miundo iliyochanganywa ya Empirical Bayesian Kriging-Multiple Linear Regression (EBK-MLR) hufanya kazi vibaya, kama inavyothibitishwa na viambajengo vya ubainishaji chini ya 0.1.Empirical Bayesian Kriging-Support Regression Machine (EBK/kg) na modeli ya chini ya MA29 SERM na modeli bora zaidi ya SVM7 (EBK/9). (77.368 mg/kg) thamani na mgawo wa juu wa uamuzi (R2 = 0.637). Mbinu ya kutoa kielelezo cha EBK-SVMR inaonekana kwa kutumia ramani inayojipanga. Neuroni zilizounganishwa katika ndege ya muundo wa mseto wa CakMg-EBK-SVMR huonyesha ruwaza nyingi za rangi ambazo hutabiri matokeo ya miji ya mijini na miunganisho ya Niperi ya miji ya Niperi. ni mbinu mwafaka ya kutabiri viwango vya Ni katika udongo wa mijini na pembezoni mwa miji.
Nickel (Ni) inachukuliwa kuwa kirutubisho kidogo kwa mimea kwa sababu inachangia urekebishaji wa nitrojeni (N) na urea katika angahewa, ambayo yote yanahitajika kwa ajili ya kuota kwa mbegu. Mbali na mchango wake katika kuota kwa mbegu, Ni inaweza kufanya kama kizuizi cha kuvu na bakteria na kukuza ukuaji wa mimea. mbolea za nikeli ili kuboresha uwekaji wa nitrojeni2. Kuendelea kutumia mbolea zenye nikeli ili kurutubisha udongo na kuongeza uwezo wa mikunde kurekebisha naitrojeni kwenye udongo kwa kuendelea huongeza mkusanyiko wa nikeli kwenye udongo. Ingawa nikeli ni kirutubisho kidogo kwa mimea, unywaji wake mwingi kwenye udongo unaweza kuleta madhara zaidi ya udongo wa nikeli na kuongeza kiwango cha juu cha pH cha nikeli kwenye udongo. trient kwa ajili ya ukuaji wa mimea1.Kulingana na Liu3, Ni imegunduliwa kuwa kipengele cha 17 muhimu kinachohitajika kwa ukuzaji na ukuaji wa mmea. Mbali na jukumu la nikeli katika ukuzaji na ukuaji wa mmea, wanadamu wanauhitaji kwa matumizi mbalimbali.Umeme, utengenezaji wa aloi za nikeli, na utengenezaji wa vifaa vya kuwasha na utengenezaji wa vifaa vya kuwasha na matumizi ya nikeli katika tasnia mbalimbali huhitaji cheche za nikeli za viwandani. -aloi na vipengee vya umeme vimetumika sana katika vyombo vya jikoni, vifaa vya kuchezea mpira, vifaa vya tasnia ya chakula, umeme, waya na kebo, turbine za ndege, vipandikizi vya upasuaji, nguo na ujenzi wa meli milipuko ya canic, mimea, moto wa misitu, na michakato ya kijiolojia;hata hivyo, vyanzo vya anthropogenic ni pamoja na betri za nikeli/cadmium katika tasnia ya chuma, uchomaji umeme, uchomeleaji wa arc, dizeli na mafuta ya mafuta, na utoaji wa angahewa kutokana na mwako wa makaa ya mawe na uchomaji taka na uchomaji wa taka.10, vyanzo vikuu vya uchafuzi wa udongo wa juu katika mazingira ya karibu na ya karibu ni viyeyushaji na migodi ya nikeli-shaba. Udongo wa juu karibu na kiwanda cha kusafisha nikeli na shaba cha Sudbury nchini Kanada ulikuwa na kiwango cha juu zaidi cha uchafuzi wa nikeli 26,000 mg/kg11. 11.Kulingana na Sadaka et al.12, kiasi cha nikeli inayoweza kutolewa ya HNO3 katika ardhi ya juu ya kilimo ya kanda (uzalishaji wa nikeli nchini Urusi) ilikuwa kati ya 6.25 hadi 136.88 mg/kg, inayolingana na wastani wa 30.43 mg/kg na mkusanyiko wa msingi wa 25 mg/kg. Kulingana na kabata 11, uwekaji wa mbolea ya udongo wa mijini katika msimu wa kilimo wa fosforasi katika msimu wa kilimo wa mifereji ya ardhini au utumizi wa fosforasi ya mijini kupenyeza au kuchafua udongo.Madhara yanayoweza kusababishwa na nikeli kwa binadamu yanaweza kusababisha saratani kwa njia ya mutagenesis, uharibifu wa kromosomu, kizazi cha Z-DNA, urekebishaji wa ukataji wa DNA uliozuiwa, au michakato ya epigenetic13.Katika majaribio ya wanyama, nikeli imeonekana kuwa na uwezo wa kusababisha aina mbalimbali za uvimbe, na tata za nikeli za kansa zinaweza kuzidisha uvimbe huo.
Tathmini za uchafuzi wa udongo zimestawi katika siku za hivi karibuni kutokana na masuala mbalimbali yanayohusiana na afya yanayotokana na uhusiano wa mimea na udongo, uhusiano wa kibayolojia wa udongo na udongo, uharibifu wa ikolojia na tathmini ya athari za mazingira. Hadi sasa, utabiri wa anga wa vipengele vinavyoweza kuwa na sumu (PTEs) kama vile Ni in udongo umekuwa mgumu na unatumia muda mwingi kwa kutumia mbinu za kidijitali za kisasa (DS5M) uboreshaji wa udongo wa kisasa umeboresha mbinu za kisasa za DS5M. ramani ya udongo (PSM). Kulingana na Minasny na McBratney16, utabiri wa ramani ya udongo (DSM) umethibitika kuwa taaluma ndogo maarufu ya sayansi ya udongo.Lagacherie na McBratney, 2006 wanafafanua DSM kama "kuunda na kujaza mifumo ya taarifa za udongo wa anga kupitia matumizi ya mifumo ya anga na ya maabara ya anga katika mazingira na njia zisizo za maabara". t al.17 inaeleza kuwa DSM au PSM ya kisasa ndiyo mbinu bora zaidi ya kutabiri au kuchora ramani ya usambazaji wa anga wa PTEs, aina za udongo na sifa za udongo. Takwimu za Geostatistics na Algorithms za Kujifunza Mashine (MLA) ni mbinu za uundaji wa DSM zinazounda ramani za dijiti kwa usaidizi wa kompyuta kwa kutumia data muhimu na ndogo.
Deutsch18 na Olea19 zinafafanua takwimu za jiografia kama "mkusanyiko wa mbinu za nambari zinazoshughulikia uwakilishi wa sifa za anga, hasa kwa kutumia mifano ya stochastic, kama vile jinsi uchanganuzi wa mfululizo wa saa unabainisha data ya muda."Kimsingi, takwimu za jiografia zinahusisha tathmini ya anuwai, ambayo huruhusu Kuhesabu na kufafanua utegemezi wa thamani za anga kutoka kwa kila hifadhidata20.Gumiaux et al.20 inaonyesha zaidi kwamba tathmini ya anuwai katika takwimu za kijiografia inategemea kanuni tatu, ikiwa ni pamoja na (a) kukokotoa ukubwa wa uunganisho wa data, (b) kutambua na kukokotoa anisotropi katika tofauti ya seti ya data na (c) pamoja na Pamoja na kutilia maanani hitilafu ya asili ya kupima data iliyotenganishwa kutoka kwa athari zinazotumiwa kwenye dhana hizi za eneo, pia inakadiriwa kuwa mbinu ya ujumuishaji. takwimu, ikiwa ni pamoja na kriging jumla, kriging ushirikiano, kriging kawaida, Bayesian kriging empirical, njia rahisi kriging na mbinu nyingine maalumu ya kufasiri ramani au kutabiri PTE, sifa za udongo, na aina ya udongo.
Kanuni za Kujifunza kwa Mashine (MLA) ni mbinu mpya kiasi inayotumia madarasa makubwa ya data yasiyo ya mstari, yanayochochewa na algoriti zinazotumiwa hasa kwa uchimbaji wa data, kutambua ruwaza katika data, na kutumika mara kwa mara katika uainishaji katika nyanja za kisayansi kama vile sayansi ya udongo na kazi za kurejesha. Karatasi nyingi za utafiti zinategemea miundo ya MLA kutabiri PTE kwenye udongo, kama vile Tan et al.22 (misitu ya nasibu kwa ukadiriaji wa metali nzito katika udongo wa kilimo), Sakizadeh et al.23 (mfano kwa kutumia mashine za vekta za usaidizi na mitandao ya neva bandia) uchafuzi wa udongo ).Aidha, Vega et al.24 (CART kwa ajili ya kuiga uhifadhi wa metali nzito na adsorption katika udongo) Sun et al.25 (utumiaji wa cubist ni usambazaji wa Cd kwenye udongo) na kanuni nyinginezo kama vile k-karibu ya jirani, urejeshaji ulioimarishwa wa jumla, na urejeshaji ulioimarishwa Miti pia ilitumia MLA kutabiri PTE kwenye udongo.
Utumiaji wa algoriti za DSM katika ubashiri au uchoraji wa ramani unakabiliwa na changamoto kadhaa.Waandishi wengi wanaamini kuwa MLA ni bora kuliko takwimu za kijiografia na kinyume chake.Ingawa moja ni bora kuliko nyingine, mchanganyiko wa hizi mbili huboresha kiwango cha usahihi wa ramani au utabiri katika DSM15.Woodcock na Gopal26 Finke27;Pontius na Cheuk28 na Grunwald29 wanatoa maoni kuhusu upungufu na baadhi ya hitilafu katika ramani iliyotabiriwa ya udongo. Wanasayansi wa udongo wamejaribu mbinu mbalimbali ili kuongeza ufanisi, usahihi, na kutabirika kwa ramani ya DSM na utabiri.Mchanganyiko wa kutokuwa na uhakika na uthibitishaji ni mojawapo ya vipengele vingi tofauti vinavyounganishwa katika DSM na kupunguza ufanisi.15 inaeleza kuwa tabia ya uthibitishaji na kutokuwa na uhakika unaoletwa na uundaji na utabiri wa ramani unapaswa kuthibitishwa kivyake ili kuboresha ubora wa ramani. Vikwazo vya DSM ni kutokana na ubora wa udongo uliotawanywa kijiografia, ambao unahusisha kipengele cha kutokuwa na uhakika;hata hivyo, ukosefu wa uhakika katika DSM unaweza kutokea kutokana na vyanzo vingi vya makosa, ambayo ni kosa la covariate, hitilafu ya mfano, hitilafu ya eneo, na Hitilafu ya uchambuzi 31. Ukosefu wa kielelezo unaosababishwa katika MLA na michakato ya kijiografia inahusishwa na ukosefu wa uelewa, hatimaye kusababisha kurahisisha mchakato halisi32. Bila kujali, muundo usio sahihi wa mfano wa mfano unaweza kuhusishwa na mfano wa kielelezo. utabiri, au tafsiri33.Hivi karibuni, mwelekeo mpya wa DSM umeibuka ambao unakuza ujumuishaji wa takwimu za kijiografia na MLA katika uchoraji wa ramani na utabiri.Wanasayansi na waandishi kadhaa wa udongo, kama vile Sergeev et al.34;Subbotina et al.35;Tarasov na wengine.36 na Tarasov et al.37 wametumia ubora sahihi wa takwimu za kijiografia na ujifunzaji wa mashine ili kuzalisha miundo mseto ambayo inaboresha ufanisi wa utabiri na uchoraji ramani.quality.Some of these hybrid or combined algorithm models are 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 and Co-Kriging and Gaussian Process Regression38.
Kulingana na Sergeev et al., kuchanganya mbinu mbalimbali za uundaji kuna uwezo wa kuondoa kasoro na kuongeza ufanisi wa muundo wa mseto unaotokana badala ya kuendeleza muundo wake mmoja. Katika muktadha huu, karatasi hii mpya inabisha kuwa ni muhimu kutumia algoriti ya pamoja ya takwimu za kijiografia na MLA ili kuunda miundo miseto bora zaidi kutabiri uboreshaji wa Ni katika maeneo ya mijini na pembezoni. modeli na uchanganye na Mashine ya Kusaidia Vekta (SVM) na miundo ya Urejeshaji wa Mistari Nyingi (MLR). Mseto wa EBK na Mbunge yeyote haujulikani. Miundo mingi mchanganyiko inayoonekana ni michanganyiko ya kanuni za kawaida, zilizosalia, za urejeshi, na MLA.EBK ni mbinu ya ukalimani wa kijiografia ambayo hutumia kigezo cha ujanibishaji kisicho na mpangilio wa anga kama kigezo cha ujanibishaji wa anga. shambani, kuruhusu mabadiliko ya anga39.EBK imetumika katika tafiti mbalimbali, ikiwa ni pamoja na kuchanganua usambazaji wa kaboni hai katika udongo wa shamba40, kutathmini uchafuzi wa udongo41 na kuchora ramani ya tabia ya udongo42.
Kwa upande mwingine, Grafu ya Kujipanga (SeOM) ni kanuni ya kujifunza ambayo imetumika katika vifungu mbalimbali kama vile Li et al.43, Wang na wengine.44, Hossain Bhuiyan et al.45 na Kebonye et al.46 Bainisha sifa za anga na upangaji wa vipengele.Wang et al.44 inaeleza kuwa SeOM ni mbinu ya kujifunza yenye nguvu inayojulikana kwa uwezo wake wa kupanga na kufikiria matatizo yasiyo ya mstari. Tofauti na mbinu nyingine za utambuzi wa ruwaza kama vile uchanganuzi wa vipengele muhimu, nguzo zisizoeleweka, mkusanyiko wa viwango, na kufanya maamuzi ya vigezo vingi, SeOM ni bora katika kupanga na kutambua mifumo ya PTE Kulingana na Wavuti.44, SeOM inaweza kuweka katika vikundi usambazaji wa niuroni zinazohusiana na kutoa taswira ya data ya azimio la juu.SeOM itatoa taswira ya data ya utabiri wa Ni ili kupata kielelezo bora cha kubainisha matokeo kwa tafsiri ya moja kwa moja.
Karatasi hii inalenga kutoa muundo thabiti wa ramani kwa usahihi zaidi wa kutabiri maudhui ya nikeli katika udongo wa mijini na pembezoni mwa miji. Tunakisia kuwa kutegemewa kwa muundo mchanganyiko hutegemea ushawishi wa miundo mingine inayohusishwa na modeli ya msingi. Tunakubali changamoto zinazoikabili DSM, na ingawa changamoto hizi zinashughulikiwa kwa nyanja nyingi na muundo wa MLA unaonekana kuwa mchanganyiko.kwa hivyo, tutajaribu kujibu maswali ya utafiti ambayo yanaweza kutoa modeli mchanganyiko.Hata hivyo, modeli ni sahihi kwa kiasi gani katika kutabiri kipengele kinacholengwa?Pia, ni kiwango gani cha tathmini ya ufanisi kulingana na uthibitishaji na tathmini ya usahihi? Kwa hivyo, malengo mahususi ya utafiti huu yalikuwa (a) kuunda muundo wa mchanganyiko wa SVMR au MLR kwa kutumia EBK (mchanganyiko bora) kulinganisha modeli ya msingi ya NiB (ulinganisho wa msingi) wa kulinganisha modeli za msingi za Ni. udongo wa mijini au pembezoni mwa miji , na (d) utumiaji wa SeOM kuunda ramani ya msongo wa juu wa mabadiliko ya anga ya nikeli.
Utafiti unafanywa katika Jamhuri ya Cheki, haswa katika wilaya ya Frydek Mistek katika eneo la Moravia-Silesian (ona Mchoro 1). Jiografia ya eneo la utafiti ni korofi sana na sehemu kubwa ni sehemu ya eneo la Moravia-Silesian Beskidy, ambalo ni sehemu ya ukingo wa nje wa Milima ya Carpathian. Eneo la utafiti liko kati ya 4 na 0 ′ 19 ° 4 na 0 ′ 19 ° 4 na 0 ′ 19 ° , na 0 ′ 49 ° urefu ni kati ya 225 na 327 m;hata hivyo, mfumo wa uainishaji wa Koppen kwa hali ya hewa ya eneo hilo umekadiriwa kuwa Cfb = hali ya hewa ya joto ya bahari, Kuna mvua nyingi hata katika miezi ya kiangazi. Halijoto hutofautiana kidogo mwaka mzima kati ya −5 °C na 24 °C, mara chache huanguka chini -14 °C au zaidi ya 30 °C ya wastani ya 7 ° C na 7 mwaka 68 ° C, wakati wastani wa 7 ° C na 5 ° C. eneo la eneo lote ni kilomita za mraba 1,208, na 39.38% ya ardhi inayolimwa na 49.36% ya eneo la misitu. Kwa upande mwingine, eneo lililotumika katika utafiti huu ni karibu kilomita za mraba 889.8. Ndani na karibu na Ostrava, tasnia ya chuma na kazi za chuma zinafanya kazi sana. sion) na vyuma vya aloi (nikeli huongeza uimara wa aloi huku ikidumisha udugu na ugumu wake), na kilimo kikubwa kama vile uwekaji wa mbolea ya fosfeti na uzalishaji wa mifugo ni vyanzo vinavyowezekana vya utafiti vya nikeli katika eneo hili (kwa mfano, kuongeza nikeli kwa wana-kondoo ili kuongeza viwango vya ukuaji wa kondoo na ng'ombe waliolishwa chini). Michakato.Sifa za udongo zinaweza kutofautishwa kwa urahisi na rangi ya udongo, muundo, na maudhui ya kaboni. Umbile la udongo ni la kati hadi laini, linalotokana na nyenzo kuu. Zina asili ya colluvial, alluvial au aeolian. Baadhi ya maeneo ya udongo yanaonekana kuwa na madoadoa kwenye uso na chini ya udongo, mara nyingi kwa saruji na upaukaji.Hata hivyo, cambisols na stagnosols ndizo zinazojulikana zaidi katika eneo la 5 hadi 4 kutoka kwa aina 4 za udongo 4. 5 m, makaburi yanatawala Jamhuri ya Czech49.
Ramani ya eneo la utafiti [Ramani ya eneo la utafiti iliundwa kwa kutumia Eneo-kazi la ArcGIS (ESRI, Inc, toleo la 10.7, URL: https://desktop.arcgis.com).]
Jumla ya sampuli 115 za udongo wa juu zilipatikana kutoka kwa udongo wa mijini na pembezoni mwa miji katika wilaya ya Frydek Mistek. Sampuli ya mfano iliyotumika ilikuwa gridi ya kawaida yenye sampuli za udongo zilizotenganishwa kwa umbali wa kilomita 2 × 2, na udongo wa juu ulipimwa kwa kina cha sm 0 hadi 20 kwa kutumia kifaa cha GPS kinachoshikiliwa kwa mkono (Leica Zeno 5 zimewekwa kwenye bagi za GPS na zimewekwa kwenye labu ya Ziplobele ya Ziplobele ya 5 kwa GPS). .Sampuli zilikaushwa kwa hewa ili kutoa sampuli zilizopondwa, kupondwa na mfumo wa mitambo (Fritsch disc mill), na kuchujwa (ungo wa ukubwa wa milimita 2). Weka gramu 1 ya sampuli za udongo uliokaushwa, ulio na homogenized na kuchujwa kwenye chupa za teflon zilizoandikwa wazi. Katika kila chombo cha Teflon, toa 5 ml 3% ya HCC 3% na 3 ml ya HCC 3% moja kwa moja -NO 3 ml. moja kwa kila asidi), funika kidogo na uruhusu sampuli zisimame usiku kucha kwa ajili ya majibu (programu ya aqua regia) .Weka kidhibiti nguvu juu ya sahani ya chuma moto (joto: 100 W na 160 °C) kwa saa 2 ili kuwezesha mchakato wa usagaji chakula wa sampuli, kisha zipoe.Hamisha kichujio cha mililita 50 cha maji na dizeli iliyosafishwa hadi mililita 50. supernatant ndani ya 50 ml PVC tube na maji deionized. Zaidi ya hayo, 1 ml ya ufumbuzi dilution ilikuwa diluted na 9 ml ya maji deionized na kuchujwa katika 12 ml tube tayari kwa PTE pseudo-concentration. Viwango vya PTEs (As, Cd, Cr, Cu, Mn, Ni, Cabled, Mgn Coducts, ES, Cpled, K. ma Optical Emission Spectroscopy) (Thermo Fisher Scientific, USA) kulingana na mbinu na makubaliano ya kawaida.Hakikisha Taratibu za Uhakikisho wa Ubora na Udhibiti (QA/QC) (SRM NIST 2711a Montana II Soil).PTEs zilizo na vikomo vya ugunduzi chini ya nusu hazikujumuishwa kwenye utafiti huu.Kikomo cha kugundua cha PTE.000 kilichotumika katika mchakato wa kudhibiti ubora kilikuwa 4 kwa kila utafiti.0000. inahakikishwa kwa kuchanganua viwango vya marejeleo.Ili kuhakikisha kuwa makosa yalipunguzwa, uchambuzi maradufu ulifanyika.
Empirical Bayesian Kriging (EBK) ni mojawapo ya mbinu nyingi za ukalimani wa kijiografia zinazotumiwa katika uundaji wa fani mbalimbali kama vile sayansi ya udongo. Tofauti na mbinu nyingine za ukalimani wa kriging, EBK inatofautiana na mbinu za kitamaduni za kriging kwa kuzingatia hitilafu inayokadiriwa na modeli ya nusu-takwimu. njia ya kutokuwa na uhakika na upangaji programu unaohusishwa na upangaji huu wa nusuvariogram ambayo inajumuisha sehemu ngumu sana ya mbinu ya kutosha ya kriging.Mchakato wa kufasiri wa EBK hufuata vigezo vitatu vilivyopendekezwa na Krivoruchko50, (a) modeli hukadiria nusuvariogramu kutoka kwa mkusanyiko wa data ya ingizo (b) thamani mpya iliyotabiriwa kulingana na seti ya data iliyobashiriwa kutoka kwa kila modeli ya data iliyobashiriwa ni A. seti ya data iliyounganishwa.Sheria ya mlinganyo wa Bayesian imetolewa kama sehemu ya nyuma
Ambapo \(Prob\left(A\right)\) inawakilisha ya awali, \(Prob\left(B\right)\) uwezekano wa pembezoni hupuuzwa katika hali nyingi, \(Prob (B,A)\ ) .Hesabu ya nusuvariogramu inategemea kanuni ya Bayes, ambayo inaonyesha uzito wa uangalizi wa datasets zinazoweza kubainishwa kutoka kwa semiovari ya semiogram. ambayo inasema uwezekano wa kuunda mkusanyiko wa data kutoka kwa semivariogram.
Mashine ya vekta ya usaidizi ni kanuni ya kujifunza ya mashine ambayo huzalisha kipenyo bora zaidi cha kutenganisha ili kutofautisha madarasa yanayofanana lakini si yanayojitegemea kimstari. Vapnik51 iliunda algoriti ya uainishaji wa dhamira, lakini hivi majuzi imetumiwa kutatua matatizo yanayolenga urejeshi. Kulingana na Li et al.52, SVM ni mojawapo ya mbinu bora zaidi za uainishaji wa mashine na ujumuishaji wa sehemu mbalimbali za Mashine umetumika. ion – SVMR) ilitumika katika uchanganuzi huu. Cherkassky na Mulier53 walianzisha SVMR kama urejeshaji msingi wa kernel, hesabu yake ilifanywa kwa kutumia modeli ya urejeleaji ya mstari na utendaji wa anga wa nchi nyingi. John et al54 wanaripoti kuwa uundaji wa SVMR hutumia urejeshaji wa mstari wa hyperplane na kuunda uhusiano usio wa mstari na A.55, epsilon (ε)-SVMR hutumia mkusanyiko wa data uliofunzwa kupata kielelezo cha uwakilishi kama chaguo la kukokotoa lisilohisi epsilon ambalo linatumika kuweka data kivyake kwa upendeleo bora wa epsilon kutoka kwa mafunzo ya data iliyounganishwa. Hitilafu ya umbali iliyopangwa awali hupuuzwa kutoka kwa thamani halisi, na ikiwa hitilafu ni kubwa kuliko ε(ε), muundo wa data ya usaidizi wa udongo hulipa fidia ya seti pana ya data pia hulipa fidia ya vekta ndogo ya mafunzo. s.Mlinganyo uliopendekezwa na Vapnik51 umeonyeshwa hapa chini.
ambapo b inawakilisha kizingiti cha ukubwa, \(K\left({x}_{,}{ x}_{k}\kulia)\) inawakilisha kazi ya kernel, \(\alpha\) inawakilisha kizidishi cha Lagrange, N Inawakilisha mkusanyiko wa data wa nambari, \({x}_{k}\) inawakilisha ingizo la data, na \(yM\) ni utendakazi wa data, na \(yM\) ni utendakazi wa data, na \(yM\) ni ufunguo wa SV. kazi ya msingi ya radial (RBF).Kiini cha RBF kinatumika ili kubainisha mfano bora wa SVMR, ambao ni muhimu ili kupata kipengele cha hila zaidi cha kuweka adhabu C na kernel parameta gamma (γ) kwa data ya mafunzo ya PTE.Kwanza, tulitathmini seti ya mafunzo na kisha tukajaribu utendakazi wa kielelezo kwenye seti ya uthibitishaji.Kigezo cha uendeshaji na thamani ya Radige ni sigima.
Muundo wa urejeshaji wa laini nyingi (MLR) ni kielelezo cha urejeshi ambacho kinawakilisha uhusiano kati ya kigezo cha majibu na idadi ya vigeu vya kutabiri kwa kutumia vigezo vilivyokusanywa kwa mstari vilivyokokotwa kwa kutumia mbinu ya miraba ndogo zaidi.Katika MLR, modeli ya miraba angalau ni kazi ya kubashiri ya sifa za udongo baada ya uteuzi wa vigeu vya maelezo. Ni muhimu kutumia jibu ili kuanzisha kigezo kilichotumika kwa mstari wa maelezo kama maelezo ya uhusiano P.P. tory variables.Mlinganyo wa MLR ni
ambapo y ni kigezo cha majibu, \(a\) ni kikatizo, n ni idadi ya watabiri, \({b}_{1}\) ni urejeshaji wa sehemu ya vigawanyiko, \({x}_{ i}\) inawakilisha kibashiri au kigezo cha maelezo, na \({\varepsilon }_{i}\) inawakilisha kosa linalojulikana pia kama modeli.
Miundo mchanganyiko ilipatikana kwa kuweka sandwich EBK na SVMR na MLR. Hii inafanywa kwa kutoa thamani zilizotabiriwa kutoka kwa tafsiri ya EBK. Thamani zilizotabiriwa zinazopatikana kutoka kwa mchanganyiko wa Ca, K, na Mg hupatikana kupitia mchakato wa ujumuishaji ili kupata vigeu vipya, kama vile CaK, CaMg, na KMg. Cag. vigezo vilivyopatikana ni Ca, K, Mg, CaK, CaMg, KMg na CaKMg. Vigezo hivi vikawa vibashiri wetu, na kusaidia kutabiri viwango vya nikeli katika udongo wa mijini na pembezoni mwa miji. Algorithm ya SVMR ilifanywa kwenye vitabiri ili kupata modeli mchanganyiko Empirical Bayesian Kriging-Support Vector Machine (EBK_lySVM pia ni bomba la Empiri, modeli ya Empiri). Bayesian Kriging-Multiple Linear Regression (EBK_MLR). Kwa kawaida, vigeu vya Ca, K, Mg, CaK, CaMg, KMg, na CaKMg hutumika kama vibashiri vya utabiri wa maudhui ya Ni katika udongo wa mijini na pembezoni mwa miji. Muundo unaokubalika zaidi unaopatikana (EBK_SVM au EBK_ML) ni utiririshaji wa kazi unaoonyeshwa kwa kutumia taswira ya utafiti. sura 2.
Kutumia SeOM imekuwa zana maarufu ya kupanga, kutathmini na kutabiri data katika sekta ya fedha, huduma za afya, sekta, takwimu, sayansi ya udongo na mengineyo.SeOM imeundwa kwa kutumia mitandao ya neva bandia na mbinu za kujifunza zisizosimamiwa za shirika, tathmini, na utabiri. uthamini hutumika kama vigeu vya n pembejeo-dimensional vekta43,56.Melssen et al.57 eleza uunganisho wa vekta ya ingizo kwenye mtandao wa neva kupitia safu moja ya ingizo kwa vekta ya pato yenye vekta moja ya uzani. Toleo linalotolewa na SeOM ni ramani ya pande mbili inayojumuisha niuroni au nodi tofauti zilizofumwa kwenye ramani za kitopolojia za hexagonal, duara, au mraba kulingana na ukaribu wao.Kulinganisha saizi za ramani kulingana na topografia ya 0Q, modeli ya makosa ya OME na topografia. 86 na 0.904, kwa mtiririko huo, huchaguliwa, ambayo ni kitengo cha ramani 55 (5 × 11). Muundo wa neuroni huamua kulingana na idadi ya nodes katika equation ya empirical.
Idadi ya data iliyotumika katika utafiti huu ni sampuli 115. Mbinu nasibu ilitumiwa kugawanya data katika data ya majaribio (25% kwa uthibitishaji) na seti za data za mafunzo (75% kwa urekebishaji).Mkusanyiko wa data wa mafunzo hutumika kuzalisha modeli ya urejeshi (urekebishaji), na mkusanyiko wa data wa majaribio hutumika kuthibitisha uwezo wa ujanibishaji58.Hii ilifanyika ili kutathmini ulinganifu wa aina mbalimbali za udongo zilizotumika kwa kutumia miundo kumi. -mchakato wa uthibitishaji, unaorudiwa mara tano. Vigezo vinavyotolewa na tafsiri ya EBK hutumika kama vibashiri au vigeu vya maelezo ili kutabiri kigezo lengwa (PTE). Uundaji wa muundo unashughulikiwa katika RStudio kwa kutumia maktaba ya vifurushi(Kohonen), maktaba(caret), maktaba(modelr), maktaba("e1071″), maktaba("plyr"),maktaba""maktaba"("prospect library")("maktaba ya prospect") ("prospect library") ("prospect maktaba")
Vigezo mbalimbali vya uthibitishaji vilitumiwa kubainisha muundo bora unaofaa kwa kutabiri viwango vya nikeli kwenye udongo na kutathmini usahihi wa modeli na uthibitisho wake. Miundo ya mseto ilitathminiwa kwa kutumia hitilafu ya maana kabisa (MAE), hitilafu ya mraba wa maana (RMSE), na uamuzi wa R-mraba au mgawo (R2) . ukubwa wa ance katika hatua za kujitegemea huelezea uwezo wa utabiri wa mfano, wakati MAE huamua thamani halisi ya kiasi.Thamani ya R2 lazima iwe ya juu ili kutathmini muundo bora wa mchanganyiko kwa kutumia vigezo vya uthibitishaji, karibu thamani ni 1, usahihi wa juu.Kulingana na Li et al.59, thamani ya kigezo cha R2 cha 0.75 au zaidi inachukuliwa kuwa kitabiri kizuri;kutoka 0.5 hadi 0.75 ni utendakazi wa kielelezo unaokubalika, na chini ya 0.5 utendakazi wa kielelezo haukubaliki. Wakati wa kuchagua kielelezo kwa kutumia mbinu za kutathmini vigezo vya uthibitishaji wa RMSE na MAE, maadili ya chini yaliyopatikana yalitosha na yalizingatiwa kuwa chaguo bora zaidi. Mlinganyo ufuatao unafafanua mbinu ya uthibitishaji.
ambapo n inawakilisha saizi ya thamani inayozingatiwa\({Y}_{i}\) inawakilisha jibu lililopimwa, na \({\widehat{Y}}_{i}\) pia inawakilisha thamani ya majibu iliyotabiriwa, kwa hivyo, kwa uchunguzi wa i wa kwanza.
Ufafanuzi wa takwimu wa vigeu vya ubashiri na majibu yamewasilishwa katika Jedwali la 1, likionyesha wastani, mkengeuko wa kawaida (SD), mgawo wa tofauti (CV), kiwango cha chini, cha juu zaidi, kurtosisi na mtetemeko. Thamani za chini na za juu zaidi za vipengee ziko katika mpangilio wa kupungua wa Mg < Ca < K < Ni na Ca < Mg < K < Ni, mtawalia kutoka kwa sampuli ya kigezo cha 6 hadi 4 ya utafiti. .39 mg/kg. Ulinganisho wa Ni na wastani wa dunia (29 mg/kg) na wastani wa Ulaya (37 mg/kg) ulionyesha kuwa wastani wa jumla wa kijiometri uliokokotolewa kwa eneo la utafiti ulikuwa ndani ya safu inayoweza kuvumilika. Hata hivyo, kama inavyoonyeshwa na Kabata-Pendias11, ulinganisho wa wastani wa nikeli (Ni) ukolezi katika utafiti wa sasa na ukolezi wa kiwango cha juu cha udongo wa kilimo katika Uswidi ni wastani wa kiwango cha juu cha udongo wa kilimo. k katika udongo wa mijini na pembezoni mwa miji katika utafiti wa sasa (Ni 16.15 mg/kg) ilikuwa juu zaidi ya kiwango kinachoruhusiwa cha 60 (10.2 mg/kg) kwa Ni katika udongo wa mijini wa Polandi iliyoripotiwa na Różański et al.Zaidi ya hayo, Bretzel na Calderisi61 walirekodi wastani wa viwango vya Nimg/kg ya 6 katika utafiti wa sasa wa Nimgkg 6 na 6m katika Tuscany ya sasa ya 6 ikilinganishwa na udongo wa sasa wa Tuny (1.7). ukolezi wa chini wa nikeli (12.34 mg/kg) katika udongo wa mijini wa Hong Kong, ambao ni wa chini kuliko ukolezi wa sasa wa nikeli katika utafiti huu.Birke et al63 waliripoti wastani wa mkusanyiko wa Ni wa 17.6 mg/kg katika eneo la zamani la uchimbaji madini na mijini huko Saxony-Anhalt, Ujerumani, ambayo ilikuwa 1.45 mg/kg juu kuliko mkusanyiko wa wastani wa ni. udongo katika baadhi ya maeneo ya mijini na vitongoji vya eneo la utafiti unaweza kuhusishwa zaidi na tasnia ya chuma na chuma na tasnia ya chuma.Hii inalingana na utafiti wa Khodadust et al.64 kwamba tasnia ya chuma na uchongaji chuma ndio vyanzo vikuu vya uchafuzi wa nikeli kwenye udongo.Hata hivyo, vitabiri pia vilianzia 538.70 mg/kg hadi 69,161.80 mg/kg kwa Ca, 497.51 mg/kg hadi 3535.68 mg/kg kwa K, na 6kg/05 mg/5 mg t al.65 ilichunguza jumla ya maudhui ya Mg na K ya udongo katikati mwa Serbia. Waligundua kuwa viwango vya jumla (410 mg/kg na 400 mg/kg, mtawalia) vilikuwa chini ya viwango vya Mg na K vya utafiti wa sasa. Haijulikani, mashariki mwa Poland, Orzechowski na Smolczynski66 ilionyesha, wastani wa mkusanyiko wa Mg/Casibu 1 na Casmet 590 mg/kg) na K (810 mg/kg) Maudhui katika udongo wa juu ni ya chini kuliko kipengele kimoja katika utafiti huu.Utafiti wa hivi majuzi wa Pongrac et al.67 ilionyesha kuwa jumla ya maudhui ya Ca yaliyochanganuliwa katika udongo 3 tofauti nchini Scotland, Uingereza (udongo wa Mylnefield, udongo wa Balruddery na udongo wa Hartwood) ilionyesha maudhui ya juu ya Ca katika utafiti huu.
Kutokana na viwango tofauti vilivyopimwa vya vipengele vilivyotolewa sampuli, mgawanyiko wa seti ya data ya vipengele huonyesha uminyanyiko tofauti. Uminyanyiko na kurtosisi ya vipengele vilianzia 1.53 hadi 7.24 na 2.49 hadi 54.16, mtawalia. Vipengee vyote vilivyokokotwa vina mkanganyiko na viwango vya kurtosis zaidi ya +1, hivyo basi kuashiria usambazaji sahihi wa data katika CV iliyokadiria. ya vipengele pia huonyesha kwamba K, Mg, na Ni huonyesha utofauti wa wastani, ilhali Ca ina utofauti wa hali ya juu sana. CV za K, Ni na Mg zinaelezea usambazaji wao sawa. Zaidi ya hayo, usambazaji wa Ca sio sare na vyanzo vya nje vinaweza kuathiri kiwango chake cha uboreshaji.
Uwiano wa vigeu vya utabiri na vipengele vya majibu ulionyesha uwiano wa kuridhisha kati ya vipengele (ona Mchoro 3). Uwiano ulionyesha kuwa CaK ilionyesha uwiano wa wastani na thamani ya r = 0.53, kama vile CaNi. Ingawa Ca na K wanaonyesha uhusiano wa kawaida kati yao, watafiti kama vile Kingston et al.68 na Santo69 zinapendekeza kwamba viwango vyao katika udongo vina uwiano tofauti.Hata hivyo, Ca na Mg zinapingana na K, lakini CaK inahusiana vizuri.Hii inaweza kuwa ni kutokana na uwekaji wa mbolea kama vile potasiamu kabonati, ambayo ni 56% ya juu katika potasiamu.Potasiamu ilihusiana kwa kiasi na magnesiamu (KM 63 r, potasiamu r ni vipengele viwili vinavyohusiana). te, nitrati ya magnesiamu ya potasiamu na potashi huwekwa kwenye udongo ili kuongeza viwango vyake vya upungufu. Nickel ina uhusiano wa wastani na Ca, K na Mg na maadili ya r = 0.52, 0.63 na 0.55, mtawalia. Mahusiano yanayohusisha kalsiamu, magnesiamu na PTE kama vile nikeli ni changamano, lakini magnesiamu hupunguza kalsiamu isiyo na nguvu, lakini hakuna athari ya kalsiamu. zote mbili magnesiamu na kalsiamu hupunguza athari za sumu za nikeli kwenye udongo.
Uwiano wa vipengee vinavyoonyesha uhusiano kati ya vitabiri na majibu (Kumbuka: takwimu hii inajumuisha mgawanyiko kati ya vipengele, viwango vya umuhimu vinatokana na p <0,001).
Kielelezo cha 4 kinaonyesha usambazaji wa anga wa vipengele. Kulingana na Burgos et al70, utumiaji wa usambazaji wa anga ni mbinu inayotumiwa kuhesabu na kuangazia maeneo yenye joto katika maeneo yenye uchafuzi. Viwango vya urutubishaji vya Ca katika Mchoro wa 4 vinaweza kuonekana katika sehemu ya kaskazini-magharibi ya ramani ya usambazaji wa anga. Kielelezo kinaonyesha uboreshaji wa wastani wa kalsiamu katika ramani ya kaskazini-magharibi kutokana na uwezekano wa kurutubisha kalsiamu kwa wastani hadi kwa kiwango cha juu cha Kalsiamu kwenye ramani. matumizi ya chokaa haraka (oksidi ya kalsiamu) ili kupunguza asidi ya udongo na matumizi yake katika vinu vya chuma kama oksijeni ya alkali katika mchakato wa kutengeneza chuma. Kwa upande mwingine, wakulima wengine wanapendelea kutumia hidroksidi ya kalsiamu katika udongo wenye asidi ili kupunguza pH, ambayo pia huongeza maudhui ya kalsiamu katika udongo71. Potasiamu pia huonyesha maeneo moto kaskazini-magharibi na mashariki mwa ramani.Njia ya Kaskazini-magharibi na ya juu ya potasiamu ni muundo wa wastani wa Potasiamu na NPK. s.Hii inalingana na tafiti zingine, kama vile Madaras na Lipavský72, Madaras et al.73, Pulkrabová et al.74, Asare et al.75, ambao waligundua kuwa uimarishaji wa udongo na matibabu na KCl na NPK ulisababisha maudhui ya juu ya K kwenye udongo.Kurutubishwa kwa Potasiamu katika sehemu ya kaskazini-magharibi ya ramani ya usambazaji kunaweza kuwa kutokana na matumizi ya mbolea zenye potasiamu kama vile kloridi ya potasiamu, salfati ya potasiamu, nitrati ya potasiamu, potashi na potashi ili kuongeza maudhui ya potasiamu katika udongo maskini.Zádorová et al.76 na Tlustoš et al.77 ilieleza kuwa utumiaji wa mbolea zenye msingi wa K huongeza kiwango cha K kwenye udongo na ungeongeza kwa kiasi kikubwa kiwango cha rutuba ya udongo kwa muda mrefu, hasa K na Mg kuonyesha mahali pa joto kwenye udongo. Sehemu zenye joto la wastani kaskazini-magharibi mwa ramani na kusini-mashariki mwa ramani. Uwekaji wa rangi kwenye udongo hupunguza mkusanyiko wa magnesiamu kwenye udongo wenye kloridi ya manjano. kama vile salfati ya magnesiamu ya potasiamu, salfati ya magnesiamu, na Kieserite, hutibu upungufu (mimea huonekana ya zambarau, nyekundu, au kahawia, ikionyesha upungufu wa magnesiamu) katika udongo wenye kiwango cha kawaida cha pH6. Mkusanyiko wa nikeli kwenye nyuso za mijini na pembezoni mwa miji unaweza kusababishwa na shughuli za kianthropogenic za uzalishaji wa nikeli 7.8.
Usambazaji wa anga wa vipengele [ramani ya usambazaji anga iliundwa kwa kutumia ArcGIS Desktop (ESRI, Inc, Toleo la 10.7, URL: https://desktop.arcgis.com).]
Matokeo ya kielelezo cha utendaji wa vipengee vilivyotumika katika utafiti huu yanaonyeshwa katika Jedwali 2. Kwa upande mwingine, RMSE na MAE ya Ni zote zinakaribia sifuri (0.86 RMSE, -0.08 MAE). Kwa upande mwingine, thamani zote za RMSE na MAE za K zinakubalika. Matokeo ya RMSE na MAE yalikuwa makubwa zaidi kwa kalsiamu na magnesiamu na matokeo tofauti ya MAERM na data ya KERM. utafiti huu kwa kutumia EBK kutabiri Ni ulipatikana kuwa bora kuliko matokeo ya John et al.54 kwa kutumia ulinganifu wa kriging kutabiri viwango vya S kwenye udongo kwa kutumia data iliyokusanywa sawa. Matokeo ya EBK tuliyosoma yanahusiana na yale ya Fabijaczyk et al.41, Yan na wengine.79, Beguin et al.80, Adhikary et al.81 na Yohana et al.82, hasa K na Ni.
Utendaji wa mbinu mahususi za kutabiri maudhui ya nikeli katika udongo wa mijini na pembezoni mwa miji ulitathminiwa kwa kutumia utendakazi wa miundo (Jedwali la 3). Uthibitishaji wa muundo na tathmini ya usahihi ulithibitisha kuwa kitabiri cha Ca_Mg_K pamoja na kielelezo cha EBK SVMR kilitoa utendakazi bora zaidi. Muundo wa urekebishaji wa hitilafu ya Ca_Mg_M na mzizi wa wastani wa SVM-EBK (SVMR) muundo wa mraba wa Ca_Mg_K-EB2 MAE) yalikuwa 0.637 (R2), 95.479 mg/kg (RMSE) na 77.368 mg/kg (MAE) Ca_Mg_K-SVMR ilikuwa 0.663 (R2), 235.974 mg/kg (RMSE) na 166.946 mg/kg (bila ya MAE, None R2000RG thamani ya Ca_Mg (gharama ya SVR_K). 63 mg/kg R2) na Ca_Mg-EBK_SVMR (0.643 = R2);matokeo yao ya RMSE na MAE yalikuwa ya juu zaidi kuliko yale ya Ca_Mg_K-EBK_SVMR (R2 0.637) (ona Jedwali 3). Aidha, RMSE na MAE ya Ca_Mg-EBK_SVMR (RMSE = 1664.64 na MAE = 1031.49) modeli ni 131.5 kubwa na 17.5 kubwa kuliko zile 17.5. K-EBK_SVMR. Vilevile, RMSE na MAE ya modeli ya Ca_Mg-K SVMR (RMSE = 235.974 na MAE = 166.946) ni 2.5 na 2.2 kubwa kuliko zile za Ca_Mg_K-EBK_SVMR RMSE na MAE matokeo yanaonyesha jinsi safu ya data inavyolingana vyema na RMSE mtawalia. RSME na MAE zilizingatiwa.Kulingana na Kebonye et al.46 na john et al.54, kadiri RMSE na MAE zinavyokaribia sifuri, ndivyo matokeo yanavyokuwa bora zaidi.SVMR na EBK_SVMR zina thamani za juu zaidi za RSME na MAE. Ilibainika kuwa makadirio ya RSME yalikuwa ya juu zaidi ya thamani za MAE, ikionyesha kuwepo kwa wauzaji wa nje.Kulingana na Legates na McCabe3, maana ya McCabe3 inazidi8 Inapendekezwa kama kiashirio cha kuwepo kwa watoa huduma za nje.Hii ina maana kwamba kadiri mkusanyiko wa data unavyozidi kuwa tofauti, ndivyo thamani za MAE na RMSE zinavyoongezeka. Usahihi wa tathmini ya uthibitishaji mseto wa muundo mchanganyiko wa Ca_Mg_K-EBK_SVMR wa kutabiri maudhui ya Ni katika udongo wa mijini na mijini ulikuwa 63.70%.59, kiwango hiki cha usahihi ni kiwango cha utendaji cha kielelezo kinachokubalika.Matokeo ya sasa yanalinganishwa na utafiti wa awali wa Tarasov et al.36 ambayo muundo wake wa mseto uliunda MLPRK (Multilayer Perceptron Residual Kriging), inayohusiana na faharasa ya tathmini ya usahihi ya EBK_SVMR iliyoripotiwa katika utafiti wa sasa, RMSE (210) na The MAE (167.5) ilikuwa ya juu kuliko matokeo yetu katika utafiti wa sasa (RMSE 95.479, MAE68 ya sasa ya R2,3 yanapolinganishwa na R70). ile ya Tarasov et al.36 (0.544), ni wazi kwamba mgawo wa uamuzi (R2) ni wa juu zaidi katika muundo huu mchanganyiko. Upeo wa hitilafu (RMSE na MAE) (EBK SVMR) kwa muundo mchanganyiko ni mara mbili chini. Vile vile, Sergeev et al.34 walirekodi 0.28 (R2) kwa mtindo wa mseto ulioendelezwa katika utafiti wa sasa wa Mseto (Mugingridu6) wa Nigingridu7 wa sasa wa Nigingridu7. (R2).Kiwango cha usahihi wa utabiri wa muundo huu (EBK SVMR) ni 63.7%, huku usahihi wa utabiri uliopatikana na Sergeev et al.34 ni .
Ramani ya mwisho ya ubashiri inawakilishwa kwa kutumia muundo wa mseto EBK_SVMR na kutumia Ca_Mg_K kama kitabiri.[Ramani ya usambazaji anga iliundwa kwa kutumia RStudio (toleo la 1.4.1717: https://www.rstudio.com/).]
Iliyowasilishwa katika Mchoro wa 6 ni viwango vya PTE kama ndege ya utunzi inayojumuisha niuroni mahususi. Hakuna ndege yoyote ya kijenzi iliyoonyesha muundo wa rangi sawa na inavyoonyeshwa.Hata hivyo, idadi inayofaa ya niuroni kwa kila ramani iliyochorwa ni 55.SeOM hutengenezwa kwa kutumia rangi mbalimbali, na kadiri muundo wa rangi unavyofanana, ndivyo sifa za sampuli zinavyolingana, na muundo wa rangi sawa na K. Kulingana na vipengele vyake vya rangi moja. Niuroni za juu na niuroni nyingi za chini. Kwa hivyo, CaK na CaMg hushiriki baadhi ya mfanano na niuroni za mpangilio wa juu sana na mifumo ya rangi ya chini hadi wastani. Miundo yote miwili inatabiri mkusanyiko wa Ni katika udongo kwa kuonyesha rangi za kati hadi za juu kama vile nyekundu, machungwa na njano. Muundo wa KMg unaonyesha miundo mingi ya rangi ya juu kulingana na uwiano sahihi na ilionyesha kiwango cha chini hadi cha kati cha muundo wa rangi ya usambaaji wa sehemu za juu za mpangilio wa rangi, O ilionyesha muundo wa rangi ya chini hadi ya juu. mchoro wa rangi ya juu unaoonyesha uwezekano wa mkusanyiko wa nikeli kwenye udongo (ona Mchoro 4).Ndege ya kijenzi cha CakMg inaonyesha muundo wa rangi tofauti kutoka chini hadi juu kulingana na kipimo sahihi cha rangi. Zaidi ya hayo, utabiri wa modeli wa maudhui ya nikeli (CakMg) ni sawa na usambazaji wa anga wa nikeli unaoonyeshwa kwenye Mchoro 5. Onyesho la viwango vya chini vya mijini, viwango vya chini vya mijini na viwango vya chini vya mijini. udongo.Mchoro wa 7 unaonyesha mbinu ya kontua katika kambi ya k-njia kwenye ramani, iliyogawanywa katika makundi matatu kulingana na thamani iliyotabiriwa katika kila modeli.Njia ya kontua inawakilisha idadi kamili ya makundi.Kati ya sampuli 115 za udongo zilizokusanywa, kitengo cha 1 kilipata sampuli nyingi zaidi za udongo, 74.Nguzo ya 2 ilipokea sampuli 33 za ubashiri wa cluponent 33. iliyochanwa ili kuruhusu tafsiri sahihi ya nguzo. Kwa sababu ya michakato mingi ya kianthropogenic na asili inayoathiri uundaji wa udongo, ni vigumu kuwa na ruwaza za nguzo zilizotofautishwa ipasavyo katika ramani ya SeOM iliyosambazwa78.
Utoaji wa sehemu ya ndege kwa kila kigezo cha Mashine ya Kivekta cha Usaidiaji cha Empirical Bayesian Kriging (EBK_SVM_SeOM).[Ramani za SeOM ziliundwa kwa kutumia RStudio (toleo la 1.4.1717: https://www.rstudio.com/).]
Vipengee tofauti vya uainishaji wa nguzo [ramani za SeOM ziliundwa kwa kutumia RStudio (toleo la 1.4.1717: https://www.rstudio.com/).]
Utafiti wa sasa unaonyesha kwa uwazi mbinu za uundaji wa viwango vya nikeli katika udongo wa mijini na pembezoni mwa miji. Utafiti huu ulijaribu mbinu tofauti za uigaji, kuchanganya vipengele na mbinu za uundaji, ili kupata njia bora ya kutabiri viwango vya nikeli katika udongo. Vipengele vya mpangilio vya muundo wa SeOM vya mbinu ya uundaji vilionyesha mchoro wa rangi ya juu kutoka chini hadi juu katika kipimo sahihi cha ramani ya Nikeli, huthibitisha jinsi gani mpangilio wa rangi wa spati. usambazaji wa vipengele vilivyoonyeshwa na EBK_SVMR (ona Mchoro 5).Matokeo yanaonyesha kuwa modeli ya urejeleaji wa mashine ya vekta ya usaidizi (Ca Mg K-SVMR) inatabiri mkusanyiko wa Ni katika udongo kama kielelezo kimoja, lakini vigezo vya tathmini ya uthibitishaji na usahihi vinaonyesha hitilafu za juu sana katika suala la RMSE na MAE.Kwa upande mwingine thamani ya modeli ya EB ni ya chini kwa sababu ya modeli ya KML pia ni ya chini kwa EBML. ya mgawo wa uamuzi (R2).Matokeo mazuri yalipatikana kwa kutumia EBK SVMR na vipengele vilivyounganishwa (CaKMg) yenye hitilafu za chini za RMSE na MAE kwa usahihi wa 63.7%.Inabadilika kuwa kuchanganya algoriti ya EBK na algoriti ya kujifunza kwa mashine inaweza kuzalisha algoriti mseto inayoweza kutabiri mkusanyiko wa matokeo ya utafiti kwenye udongo jinsi Mg anavyoweza kutabiri mkusanyiko wa PTEs kwenye udongo. ioni ya Ni kwenye udongo.Hii ina maana kwamba utumizi unaoendelea wa mbolea inayotokana na nikeli na uchafuzi wa udongo wa viwandani na sekta ya chuma una mwelekeo wa kuongeza mkusanyiko wa nikeli kwenye udongo.Utafiti huu umebaini kuwa modeli ya EBK inaweza kupunguza kiwango cha makosa na kuboresha usahihi wa kielelezo cha usambazaji wa anga ya udongo mijini au pembezoni mwa ardhi kwa kutumia modeli ya udongo wa PSV kwa ujumla katika maeneo ya mijini na pembezoni mwa miji. ;kwa kuongeza, tunapendekeza kutumia EBK kuchanganya na kanuni mbalimbali za kujifunza kwa mashine. Viwango vya Ni vilitabiriwa kwa kutumia vipengele kama covariates;hata hivyo, kutumia covariates zaidi kungeboresha sana utendakazi wa modeli, ambayo inaweza kuchukuliwa kuwa kizuizi cha kazi ya sasa. Kizuizi kingine cha utafiti huu ni kwamba idadi ya seti za data ni 115. Kwa hiyo, ikiwa data zaidi itatolewa, utendakazi wa mbinu iliyopendekezwa ya mseto iliyoboreshwa inaweza kuboreshwa.
PlantProbs.net.Nikeli katika Mimea na Udongo https://plantprobs.net/plant/nutrientImbalances/sodium.html (Ilipitiwa tarehe 28 Aprili 2021).
Kasprzak, KS Nickel maendeleo katika toxicology mazingira ya kisasa.mazingira.toxicology.11, 145–183 (1987).
Cempel, M. & Nikel, G. Nickel: Mapitio ya vyanzo vyake na sumu ya mazingira.Polish J. Environment.Stud.15, 375–382 (2006).
Freedman, B. & Hutchinson, TC Ingizo la uchafuzi kutoka angahewa na mlundikano katika udongo na mimea karibu na kiyeyusho cha nikeli-shaba huko Sudbury, Ontario, Canada.can.J.Bot.58(1), 108-132.https://doi.org/10.1139/b80-014 (1980).
Manyiwa, T. et al.Madini nzito katika udongo, mimea na hatari zinazohusiana na wanyama wanaocheua malisho karibu na mgodi wa shaba-nikeli wa Selebi-Phikwe nchini Botswana.surroundings.Geochemistry.Health https://doi.org/10.1007/s10653-021-00918-x (2021).
Cabata-Pendias.Kabata-Pendias A. 2011. Fuatilia vipengele katika udongo na… - Google Scholar https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Kabata-Pendias+A+2011.+Fuatilia+Elementi+katika+udongo+na+mimea+2+New+York+2+New+NYCb2+RC2+Mpya tnG= (Ilifikiwa tarehe 24 Nov 2020).
Almås, A., Singh, B., Kilimo, TS-NJ ya & 1995, haijafafanuliwa.Athari za sekta ya nikeli ya Urusi kwenye viwango vya metali nzito katika udongo wa kilimo na nyasi huko Soer-Varanger, Norway.agris.fao.org.
Nielsen, GD et al.Nikeli kunyonya na kubaki katika maji ya kunywa kunahusiana na ulaji wa chakula na unyeti wa nikeli.toxicology.application.Pharmacodynamics.154, 67-75 (1999).
Costa, M. & Klein, CB Nickel carcinogenesis, mutation, epigenetics au selection.mazingira.Mtazamo wa Afya.107, 2 (1999).
Ajman, PC;Ajado, SK;Borůvka, L.;Bini, JKM;Sarkody, VYO;Cobonye, ​​NM;Uchambuzi wa mwenendo wa vipengele vinavyoweza kuwa na sumu: mapitio ya bibliometriki.Jiokemia ya Mazingira na Afya.Springer Science & Business Media BV 2020.https://doi.org/10.1007/s10653-020-00742-9.
Minasny, B. & McBratney, AB Kuchora Udongo Dijitali: Historia Fupi na Baadhi ya Masomo.Geoderma 264, 301–311.https://doi.org/10.1016/j.geoderma.2015.07.017 (2016).
McBratney, AB, Mendonça Santos, ML & Minasny, B. Kwenye ramani ya udongo dijitali.Geoderma 117(1-2), 3-52.https://doi.org/10.1016/S0016-7061(03)00223-4 (2003).
Deutsch.CV Geostatistical Reservoir Modeling,… – Google Scholar https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=CV+Deutsch%2C+2002%2C+Geostatistical+Reservoir+Modeling%2C +Oxford+University+Press%tb8c2C2C2+2C+2C+2C 21).