Nature.com ஐப் பார்வையிட்டதற்கு நன்றி.நீங்கள் பயன்படுத்தும் உலாவிப் பதிப்பில் CSS க்கு மட்டுப்படுத்தப்பட்ட ஆதரவே உள்ளது. சிறந்த அனுபவத்திற்காக, புதுப்பிக்கப்பட்ட உலாவியைப் பயன்படுத்துமாறு பரிந்துரைக்கிறோம் (அல்லது Internet Explorer இல் பொருந்தக்கூடிய பயன்முறையை முடக்கவும்).இதற்கிடையில், தொடர் ஆதரவை உறுதிசெய்ய, ஸ்டைல்கள் மற்றும் ஜாவாஸ்கிரிப்ட் இல்லாமல் தளத்தைக் காண்பிப்போம்.
மண் மாசுபாடு என்பது மனித நடவடிக்கைகளால் ஏற்படும் ஒரு பெரிய பிரச்சனையாகும். பெரும்பாலான நகர்ப்புற மற்றும் புறநகர் பகுதிகளில் நச்சுத்தன்மையுள்ள தனிமங்களின் (PTEs) இடஞ்சார்ந்த விநியோகம் மாறுபடும். எனவே, அத்தகைய மண்ணில் PTE களின் உள்ளடக்கத்தை இடஞ்சார்ந்த முறையில் கணிப்பது கடினம். மொத்தம் 115 மாதிரிகள் Frydek Mistek (Czechium) (Czechumn Czechumn) (Czechumn) (Czechumn) (Czechumn) ல் இருந்து பெறப்பட்டன. ickel (Ni) செறிவுகள் தூண்டல் இணைக்கப்பட்ட பிளாஸ்மா எமிஷன் ஸ்பெக்ட்ரோமெட்ரியைப் பயன்படுத்தி தீர்மானிக்கப்பட்டது. மறுமொழி மாறி Ni மற்றும் முன்னறிவிப்பாளர்கள் Ca, Mg மற்றும் K. பதில் மாறி மற்றும் முன்கணிப்பு மாறி இடையே உள்ள தொடர்பு அணி ஆகியவை உறுப்புகளுக்கு இடையே திருப்திகரமான தொடர்பைக் காட்டுகிறது. RMSE) (235.974 mg/kg) மற்றும் சராசரி முழுமையான பிழை (MAE) (166.946 mg/kg) ஆகியவை பயன்படுத்தப்பட்ட மற்ற முறைகளை விட அதிகமாக இருந்தன. எம்பிரிகல் பேய்சியன் கிரிகிங்-மல்டிபிள் லீனியர் ரிக்ரஷனுக்கான (EBK-MLR) கலப்பு மாதிரிகள் மோசமாகச் செயல்படுகின்றன. இயந்திர பின்னடைவு (EBK-SVMR) மாடல் சிறந்த மாடலாக இருந்தது, குறைந்த RMSE (95.479 mg/kg) மற்றும் MAE (77.368 mg/kg) மதிப்புகள் மற்றும் உயர் நிர்ணயக் குணகம் (R2 = 0.637) ஆகியவற்றைக் கொண்டது. g-EBK-SVMR கூறுகள் நகர்ப்புற மற்றும் புறநகர் மண்ணில் Ni செறிவுகளைக் கணிக்கும் பல வண்ண வடிவங்களைக் காட்டுகிறது. EBK மற்றும் SVMR ஆகியவற்றை இணைப்பது நகர்ப்புற மற்றும் புறநகர் மண்ணில் Ni செறிவுகளைக் கணிக்க ஒரு சிறந்த நுட்பமாகும் என்பதை முடிவுகள் நிரூபிக்கின்றன.
நிக்கல் (Ni) தாவரங்களுக்கு ஒரு நுண்ணூட்டச்சத்தாகக் கருதப்படுகிறது, ஏனெனில் இது வளிமண்டல நைட்ரஜன் நிலைப்படுத்துதல் (N) மற்றும் யூரியா வளர்சிதை மாற்றத்திற்கு பங்களிக்கிறது, இவை இரண்டும் விதை முளைப்பதற்குத் தேவை. விதை முளைப்பதில் அதன் பங்களிப்புடன், Ni பூஞ்சை மற்றும் பாக்டீரியா தடுப்பானாகவும் செயல்படுகிறது. நைட்ரஜன் நிலைத்தன்மையை மேம்படுத்த பீன்ஸ் நிக்கல் அடிப்படையிலான உரங்களைப் பயன்படுத்த வேண்டும். மண் மண்ணின் pH ஐக் குறைத்து, தாவர வளர்ச்சிக்கு அத்தியாவசியமான சத்தான இரும்பை உட்கொள்வதைத் தடுக்கிறது1. Liu3 இன் படி, தாவர வளர்ச்சி மற்றும் வளர்ச்சிக்குத் தேவையான 17வது முக்கியமான தனிமமாக Ni கண்டறியப்பட்டுள்ளது. தாவர வளர்ச்சி மற்றும் வளர்ச்சியில் நிக்கலின் பங்கிற்கு கூடுதலாக, மனிதர்களுக்கு பல்வேறு பயன்பாடுகளுக்கு இது தேவைப்படுகிறது. வாகனத் தொழில் அனைத்திற்கும் பல்வேறு தொழில்துறைத் துறைகளில் நிக்கல் பயன்பாடு தேவைப்படுகிறது. கூடுதலாக, நிக்கல் அடிப்படையிலான உலோகக் கலவைகள் மற்றும் எலக்ட்ரோபிளேட்டட் பொருட்கள் சமையலறைப் பொருட்கள், பால்ரூம் பாகங்கள், உணவுத் தொழில் பொருட்கள், மின்சாரம், கம்பி மற்றும் கேபிள், ஜெட் விசையாழிகள், அறுவை சிகிச்சை உள்வைப்புகள், ஜவுளி மற்றும் கப்பல் கட்டும் நிலைகளில் பரவலாகப் பயன்படுத்தப்படுகின்றன. மரபியல் மற்றும் இயற்கை ஆதாரங்கள், ஆனால் முதன்மையாக, மானுடவியல்4,6 ஐ விட Ni என்பது இயற்கையான மூலமாகும். நிக்கலின் இயற்கை ஆதாரங்களில் எரிமலை வெடிப்புகள், தாவரங்கள், காட்டுத் தீ மற்றும் புவியியல் செயல்முறைகள் ஆகியவை அடங்கும்;இருப்பினும், எஃகுத் தொழிலில் நிக்கல்/காட்மியம் பேட்டரிகள், எலக்ட்ரோபிளேட்டிங், ஆர்க் வெல்டிங், டீசல் மற்றும் எரிபொருள் எண்ணெய்கள் மற்றும் நிலக்கரி எரிப்பு மற்றும் கழிவுகள் மற்றும் கசடு எரிப்பு ஆகியவற்றிலிருந்து வளிமண்டல உமிழ்வுகள் ஆகியவை மானுடவியல் ஆதாரங்களில் அடங்கும். நிக்கல் குவிப்பு 7,8.10, உடனடி மற்றும் அருகிலுள்ள சூழலில் மேல் மண் மாசுபாட்டின் முக்கிய ஆதாரங்கள் முக்கியமாக நிக்கல்-தாமிரம்-அடிப்படையிலான உருக்காலைகள் மற்றும் சுரங்கங்கள் ஆகும். கனடாவில் உள்ள சட்பரி நிக்கல்-தாமிர சுத்திகரிப்பு நிலையத்தைச் சுற்றியுள்ள மேல் மண்ணில் அதிக அளவு நிக்கல் மாசுபாடு இருந்தது, ரஷ்யாவில் 26,000 மி.கி/கி.கி. நோர்வே மண்ணில் உள்ள செறிவுகள்11. Alms et al படி.12, இப்பகுதியின் மேல் விளை நிலத்தில் (ரஷ்யாவில் நிக்கல் உற்பத்தி) HNO3-பிரித்தெடுக்கக்கூடிய நிக்கலின் அளவு 6.25 முதல் 136.88 mg/kg வரை உள்ளது, இது சராசரியாக 30.43 mg/kg மற்றும் அடிப்படை செறிவு 25 mg/kg என்ற அளவில் உள்ளது. அடுத்தடுத்த பயிர் பருவங்களில் நகர்ப்புற மண் மண்ணை உட்செலுத்தலாம் அல்லது மாசுபடுத்தலாம். மனிதர்களில் நிக்கலின் சாத்தியமான விளைவுகள் பிறழ்வு, குரோமோசோமால் சேதம், Z-DNA உருவாக்கம், தடுக்கப்பட்ட டிஎன்ஏ எக்சிஷன் ரிப்பேர் அல்லது எபிஜெனெடிக் செயல்முறைகள் மூலம் புற்றுநோய்க்கு வழிவகுக்கும்.
மண்-தாவர உறவுகள், மண் மற்றும் மண் உயிரியல் உறவுகள், சுற்றுச்சூழல் சீரழிவு மற்றும் சுற்றுச்சூழல் பாதிப்பு மதிப்பீடு ஆகியவற்றால் எழும் பரவலான உடல்நலம் தொடர்பான பிரச்சினைகள் காரணமாக மண் மாசு மதிப்பீடுகள் சமீப காலங்களில் செழித்திருக்கின்றன. முன்கணிப்பு மண் மேப்பிங் (PSM).Minasny மற்றும் McBratney16 படி, முன்கணிப்பு மண் மேப்பிங் (DSM) மண் அறிவியலின் ஒரு முக்கிய துணைப்பிரிவாக நிரூபிக்கப்பட்டுள்ளது.Lagacherie மற்றும் McBratney, 2006 DSM ஐ "இடஞ்சார்ந்த மண் தகவல் அமைப்புகளை உருவாக்குதல் மற்றும் நிரப்புதல்" என வரையறுக்கிறது. .McBratney மற்றும் பலர்.17 சமகால DSM அல்லது PSM என்பது PTEகள், மண் வகைகள் மற்றும் மண் பண்புகளின் இடஞ்சார்ந்த பரவலைக் கணிக்க அல்லது வரைபடமாக்குவதற்கான மிகச் சிறந்த நுட்பமாகும். புவிசார் புள்ளியியல் மற்றும் இயந்திர கற்றல் வழிமுறைகள் (MLA) என்பது குறிப்பிடத்தக்க மற்றும் குறைந்த தரவுகளைப் பயன்படுத்தி கணினிகளின் உதவியுடன் டிஜிட்டல் மயமாக்கப்பட்ட வரைபடங்களை உருவாக்கும் DSM மாடலிங் நுட்பமாகும்.
Deutsch18 மற்றும் Olea19 ஆகியவை புவிசார் புள்ளிவிபரங்களை "இடஞ்சார்ந்த பண்புக்கூறுகளின் பிரதிநிதித்துவத்தைக் கையாளும் எண் நுட்பங்களின் தொகுப்பு, முக்கியமாக நேரத் தொடர் பகுப்பாய்வு எவ்வாறு தற்காலிகத் தரவை வகைப்படுத்துகிறது போன்ற சீரற்ற மாதிரிகளைப் பயன்படுத்துகிறது."முதன்மையாக, புவியியல் புள்ளியியல் என்பது வேரியோகிராம்களின் மதிப்பீட்டை உள்ளடக்கியது, இது ஒவ்வொரு தரவுத்தொகுப்பிலிருந்தும் இடஞ்சார்ந்த மதிப்புகளின் சார்புகளை அளவிடவும் வரையறுக்கவும் அனுமதிக்கிறது20.Gumiaux et al.[20] புவிசார் புள்ளியியல்களில் வேரியோகிராம்களின் மதிப்பீடு மூன்று கொள்கைகளை அடிப்படையாகக் கொண்டது என்பதை மேலும் விளக்குகிறது, இதில் (அ) தரவுத் தொடர்பின் அளவைக் கணக்கிடுதல், (ஆ) தரவுத்தொகுப்பு ஏற்றத்தாழ்வில் அனிசோட்ரோபியை அடையாளம் கண்டு கணித்தல் மற்றும் (c) கூடுதலாக கணக்கீட்டில் உள்ளுர் விளைவுகளை கணக்கில் எடுத்துக்கொள்வதுடன், அளவீட்டுத் தரவுகளின் உள்ளார்ந்த விளைவுகளையும் கணக்கிடுகிறது. பொது கிரிகிங், கோ-கிரிகிங், சாதாரண கிரிகிங், அனுபவ பேய்சியன் கிரிகிங், எளிய கிரிஜிங் முறை மற்றும் PTE, மண் பண்புகள் மற்றும் மண் வகைகளை வரைபடமாக்க அல்லது கணிக்க மற்ற நன்கு அறியப்பட்ட இடைக்கணிப்பு நுட்பங்கள் உட்பட புவியியல் நுட்பங்களில் பொலேஷன் நுட்பங்கள் பயன்படுத்தப்படுகின்றன.
இயந்திர கற்றல் அல்காரிதம்கள் (MLA) என்பது ஒப்பீட்டளவில் புதிய நுட்பமாகும், இது பெரிய நேரியல் அல்லாத தரவு வகுப்புகளைப் பயன்படுத்துகிறது, இது முதன்மையாக தரவுச் செயலாக்கம், தரவுகளின் வடிவங்களை அடையாளம் காண்பது மற்றும் மண் அறிவியல் மற்றும் திரும்பப் பெறும் பணிகள் போன்ற அறிவியல் துறைகளில் வகைப்படுத்தலுக்கு மீண்டும் மீண்டும் பயன்படுத்தப்படுகிறது.22 (விவசாய மண்ணில் கன உலோக மதிப்பீட்டிற்கான சீரற்ற காடுகள்), சகிசாதே மற்றும் பலர்.23 (ஆதரவு திசையன் இயந்திரங்கள் மற்றும் செயற்கை நரம்பியல் வலையமைப்புகளைப் பயன்படுத்தி மாடலிங் செய்தல்) மண் மாசுபாடு ).மேலும், வேகா மற்றும் பலர்.24 (மண்ணில் கனரக உலோகத் தக்கவைப்பு மற்றும் உறிஞ்சுதலை மாடலிங் செய்வதற்கான CART) சன் மற்றும் பலர்.25 (கியூபிஸ்ட்டின் பயன்பாடு என்பது மண்ணில் சிடியின் விநியோகம் ஆகும்) மற்றும் கே-அருகிலுள்ள அண்டை நாடு, பொதுமைப்படுத்தப்பட்ட ஊக்கப்படுத்தப்பட்ட பின்னடைவு மற்றும் ஊக்கப்படுத்தப்பட்ட பின்னடைவு மரங்கள் போன்ற பிற வழிமுறைகளும் மண்ணில் PTE ஐக் கணிக்க எம்எல்ஏவைப் பயன்படுத்தியது.
கணிப்பு அல்லது மேப்பிங்கில் DSM அல்காரிதம்களின் பயன்பாடு பல சவால்களை எதிர்கொள்கிறது. பல ஆசிரியர்கள் MLA புவியியல் புள்ளியியல் மற்றும் அதற்கு நேர்மாறாக உயர்ந்தவர் என்று நம்புகிறார்கள். ஒன்று மற்றொன்றை விட சிறந்தது என்றாலும், இரண்டின் கலவையானது DSM15. Woodcock மற்றும் Gopal; Finke2726 Finke2726போன்டியஸ் மற்றும் Cheuk28 மற்றும் Grunwald29 கணிக்கப்பட்டுள்ள மண் மேப்பிங்கில் உள்ள குறைபாடுகள் மற்றும் சில பிழைகள் குறித்து கருத்து தெரிவிக்கின்றனர். DSM மேப்பிங் மற்றும் முன்னறிவிப்பின் செயல்திறன், துல்லியம் மற்றும் முன்கணிப்பு ஆகியவற்றை மேம்படுத்த மண் விஞ்ஞானிகள் பல்வேறு நுட்பங்களை முயற்சி செய்துள்ளனர். அல்.15 வரைபட உருவாக்கம் மற்றும் கணிப்பு மூலம் அறிமுகப்படுத்தப்பட்ட சரிபார்ப்பு நடத்தை மற்றும் நிச்சயமற்ற தன்மை ஆகியவை வரைபடத்தின் தரத்தை மேம்படுத்த சுயாதீனமாக சரிபார்க்கப்பட வேண்டும். DSM இன் வரம்புகள் புவியியல் ரீதியாக சிதறடிக்கப்பட்ட மண்ணின் தரம் காரணமாகும், இதில் நிச்சயமற்ற ஒரு கூறு அடங்கும்;எவ்வாறாயினும், DSM இல் நிச்சயமற்ற தன்மையானது, கோவாரியட் பிழை, மாதிரிப் பிழை, இருப்பிடப் பிழை மற்றும் பகுப்பாய்வுப் பிழை போன்ற பல ஆதாரங்களில் இருந்து எழலாம். எம்எல்ஏ மற்றும் புவிசார் புள்ளியியல் செயல்முறைகளில் தூண்டப்படும் மாடலிங் பிழைகள் புரிதல் இல்லாமையுடன் தொடர்புடையவை, இறுதியில் இது இயற்கையான மாதிரியின் மிக எளிமைப்படுத்தலுக்கு வழிவகுக்கும். ing அளவுருக்கள், கணித மாதிரி கணிப்புகள், அல்லது இடைக்கணிப்பு34;சுபோடினா மற்றும் பலர்.35;தாராசோவ் மற்றும் பலர்.36 மற்றும் தாராசோவ் மற்றும் பலர்.முன்கணிப்பு மற்றும் மேப்பிங்கின் செயல்திறனை மேம்படுத்தும் கலப்பின மாதிரிகளை உருவாக்க புவிசார் புள்ளியியல் மற்றும் இயந்திர கற்றலின் துல்லியமான தரத்தை 37 பயன்படுத்திக் கொண்டுள்ளனர்.இந்த கலப்பின அல்லது ஒருங்கிணைந்த அல்காரிதம் மாதிரிகளில் சில செயற்கை நரம்பியல் நெட்வொர்க் கிரிகிங் (ANN-RK), பல அடுக்கு பெர்செப்ட்ரான் ரெசிடுவல் கிரிஜிங் (MLP-RK), பொதுமைப்படுத்தப்பட்ட பின்னடைவு நரம்பியல் நெட்வொர்க் எஞ்சிய கிரிகிங் (GR-NNRK) பி)37 மற்றும் கோ-கிரிகிங் மற்றும் காஸியன் செயல்முறை பின்னடைவு38.
Sergeev et al. படி, பல்வேறு மாடலிங் நுட்பங்களை இணைப்பது குறைபாடுகளை நீக்கி, அதன் ஒற்றை மாதிரியை உருவாக்குவதற்குப் பதிலாக அதன் விளைவாக வரும் கலப்பின மாடலின் செயல்திறனை அதிகரிக்கும். பேய்சியன் கிரிகிங் (EBK) அடிப்படை மாடலாக மற்றும் ஆதரவு திசையன் இயந்திரம் (SVM) மற்றும் பல நேரியல் பின்னடைவு (MLR) மாதிரிகளுடன் கலக்கவும். எந்த MLA உடன் EBK இன் கலப்பினமும் தெரியவில்லை. காணப்பட்ட பல கலப்பு மாதிரிகள் சாதாரண, எஞ்சிய, பின்னடைவு முறைகளின் கலவையாகும். களத்தில் வரையறுக்கப்பட்ட உள்ளூர்மயமாக்கல் அளவுருக்கள் கொண்ட நிலையான/நிலையான சீரற்ற புலமாக உள்ளூர்மயமாக்கப்பட்ட நட்பு சீரற்ற செயல்முறை, இடஞ்சார்ந்த மாறுபாடுகளை அனுமதிக்கிறது
மறுபுறம், சுய-ஒழுங்கமைத்தல் வரைபடம் (SeOM) என்பது Li et al போன்ற பல்வேறு கட்டுரைகளில் பயன்படுத்தப்படும் ஒரு கற்றல் வழிமுறையாகும்.43, வாங் மற்றும் பலர்.44, ஹொசைன் புய்யான் மற்றும் பலர்.45 மற்றும் கெபோனி மற்றும் பலர்.44 SeOM என்பது நேரியல் அல்லாத சிக்கல்களைக் குழுவாக்குவதற்கும் கற்பனை செய்வதற்கும் அறியப்பட்ட ஒரு சக்திவாய்ந்த கற்றல் நுட்பமாகும் என்பதைக் கோடிட்டுக் காட்டுகிறது. முதன்மை கூறு பகுப்பாய்வு, தெளிவில்லாத கிளஸ்டரிங், படிநிலை கிளஸ்டரிங் மற்றும் பல-அளவிலான முடிவெடுத்தல் போன்ற பிற மாதிரி அங்கீகார நுட்பங்களைப் போலல்லாமல், PTE வடிவங்களை ஒழுங்கமைத்து அடையாளம் காண்பதில் SeOM சிறந்தது.44, SeOM ஆனது தொடர்புடைய நியூரான்களின் விநியோகத்தை இடஞ்சார்ந்த முறையில் தொகுக்கலாம் மற்றும் உயர் தெளிவுத்திறன் கொண்ட தரவு காட்சிப்படுத்தலை வழங்க முடியும். நேரடி விளக்கத்திற்கான முடிவுகளை வகைப்படுத்த சிறந்த மாதிரியைப் பெற Ni கணிப்புத் தரவை SeOM காட்சிப்படுத்தும்.
நகர்ப்புற மற்றும் புறநகர் மண்ணில் நிக்கல் உள்ளடக்கத்தை கணிக்க உகந்த துல்லியத்துடன் வலுவான மேப்பிங் மாதிரியை உருவாக்குவதை இந்த தாள் நோக்கமாகக் கொண்டுள்ளது. கலப்பு மாதிரியின் நம்பகத்தன்மை முக்கியமாக அடிப்படை மாதிரியுடன் இணைக்கப்பட்ட பிற மாதிரிகளின் செல்வாக்கைப் பொறுத்தது என்று நாங்கள் கருதுகிறோம். டிஎஸ்எம் எதிர்கொள்ளும் சவால்களை நாங்கள் ஒப்புக்கொள்கிறோம். கள் அதிகரிக்க வேண்டும்;எனவே, கலப்பு மாதிரிகளை வழங்கக்கூடிய ஆராய்ச்சி கேள்விகளுக்கு நாங்கள் பதிலளிக்க முயற்சிப்போம். இருப்பினும், இலக்கு உறுப்பைக் கணிப்பதில் மாதிரி எவ்வளவு துல்லியமானது?மேலும், சரிபார்ப்பு மற்றும் துல்லிய மதிப்பீட்டின் அடிப்படையில் செயல்திறன் மதிப்பீட்டின் நிலை என்ன?எனவே, இந்த ஆய்வின் குறிப்பிட்ட இலக்குகள் (அ) SVMR அல்லது MLR மாதிரிக்கான ஒருங்கிணைந்த மாதிரியை உருவாக்குவதே ஆகும். நகர்ப்புற அல்லது புறநகர் மண்ணில் Ni செறிவுகளை கணித்தல், மற்றும் (d) நிக்கல் இடஞ்சார்ந்த மாறுபாட்டின் உயர் தெளிவுத்திறன் வரைபடத்தை உருவாக்க SeOM இன் பயன்பாடு.
செக் குடியரசில், குறிப்பாக மொராவியா-சிலேசியப் பகுதியில் உள்ள ஃப்ரைடெக் மிஸ்டெக் மாவட்டத்தில் ஆய்வு மேற்கொள்ளப்படுகிறது (படம் 1 ஐப் பார்க்கவும்). ஆய்வுப் பகுதியின் புவியியல் மிகவும் கரடுமுரடானது மற்றும் பெரும்பாலும் மொராவியா-சிலேசியன் பெஸ்கிடி பகுதியின் ஒரு பகுதியாகும், இது கார்பாத்தியன் மலைகளின் வெளிப்புற விளிம்பின் ஒரு பகுதியாகும். 18° 20′ 0′ E, மற்றும் உயரம் 225 மற்றும் 327 மீ இடையே உள்ளது;இருப்பினும், இப்பகுதியின் தட்பவெப்ப நிலைக்கான கோப்பன் வகைப்பாடு அமைப்பு Cfb = மிதமான கடல் காலநிலை என மதிப்பிடப்படுகிறது, வறண்ட மாதங்களில் கூட நிறைய மழை பெய்யும். வெப்பநிலை ஆண்டு முழுவதும் −5 °C முதல் 24 °C வரை சற்று மாறுபடும், அரிதாக −14 °C அல்லது 30 °Cக்கு மேல் சராசரியாக 30 °C வரை இருக்கும். மொத்த பரப்பளவு 1,208 சதுர கிலோமீட்டர்கள், 39.38% பயிரிடப்பட்ட நிலம் மற்றும் 49.36% காடுகள் உள்ளன. மறுபுறம், இந்த ஆய்வில் பயன்படுத்தப்பட்ட பரப்பளவு சுமார் 889.8 சதுர கிலோமீட்டர் ஆகும். ஆஸ்ட்ராவாவிலும் அதைச் சுற்றிலும், எஃகு தொழில் மற்றும் உலோக வேலைகள் மிகவும் சுறுசுறுப்பாக உள்ளன. அரிப்பு) மற்றும் அலாய் ஸ்டீல் (நிக்கல் அதன் நல்ல நீர்த்துப்போகும் மற்றும் கடினத்தன்மையை பராமரிக்கும் போது கலவையின் வலிமையை அதிகரிக்கிறது), மற்றும் பாஸ்பேட் உரம் மற்றும் கால்நடை உற்பத்தி போன்ற தீவிர விவசாயம் இப்பகுதியில் நிக்கலின் ஆராய்ச்சி சாத்தியமான ஆதாரங்கள் (எ.கா. ஆட்டுக்குட்டிகளின் வளர்ச்சி விகிதத்தை அதிகரிக்க ஆட்டுக்குட்டிகளுடன் நிக்கலை சேர்ப்பது மற்றும் குறைந்த உணவுத் தொழில்துறை ஆய்வுகள் உட்பட. ஐக்கெல் மற்றும் எலக்ட்ரோலெஸ் நிக்கல் முலாம் பூசுதல் செயல்முறைகள்.மண்ணின் தன்மைகளை மண்ணின் நிறம், அமைப்பு மற்றும் கார்பனேட் உள்ளடக்கம் ஆகியவற்றிலிருந்து எளிதில் வேறுபடுத்தி அறியலாம்.மண்ணின் அமைப்பு நடுத்தரமானது முதல் நுண்ணியமானது, தாய்ப் பொருளில் இருந்து பெறப்படுகிறது.அவை இயற்கையில் கூட்டு, வண்டல் அல்லது காற்றோட்டமானவை. பிராந்தியம்48. 455.1 முதல் 493.5 மீ வரை உயரத்துடன், செக் குடியரசில் காம்பிசோல்கள் ஆதிக்கம் செலுத்துகின்றன49.
ஆய்வு பகுதி வரைபடம் [ஆய்வு பகுதி வரைபடம் ArcGIS டெஸ்க்டாப்பைப் பயன்படுத்தி உருவாக்கப்பட்டது (ESRI, Inc, பதிப்பு 10.7, URL: https://desktop.arcgis.com).]
ஃப்ரைடெக் மிஸ்டெக் மாவட்டத்தில் உள்ள நகர்ப்புற மற்றும் புறநகர் மண்ணில் இருந்து மொத்தம் 115 மேல் மண் மாதிரிகள் பெறப்பட்டன. 2 × 2 கிமீ இடைவெளியில் மண் மாதிரிகள் கொண்ட வழக்கமான கட்டம் பயன்படுத்தப்பட்டது, மேலும் மேல் மண் 0 முதல் 20 வரை ஆழத்தில் கையடக்க ஜிபிஎஸ் கருவியைப் பயன்படுத்தி அளவிடப்பட்டது (Leica Zeno 5 செ. ஆய்வகத்திற்கு அனுப்பப்பட்டது. மாதிரிகள் காற்றில் உலர்த்தப்பட்டு, தூளாக்கப்பட்ட மாதிரிகள் தயாரிக்கப்படுகின்றன, ஒரு இயந்திர அமைப்பு (ஃபிரிட்ச் டிஸ்க் மில்) மற்றும் சல்லடை (சல்லடை அளவு 2 மி.மீ.) 1 கிராம் உலர்ந்த, ஒரே மாதிரியான மற்றும் சல்லடை மண் மாதிரிகளை தெளிவாக லேபிளிடப்பட்ட டெல்ஃபான் பாட்டில்களில் வைக்கவும். % HNO3 (தானியங்கி விநியோகியைப் பயன்படுத்துதல் - ஒவ்வொரு அமிலத்திற்கும் ஒன்று), லேசாக மூடி, மாதிரிகள் ஒரே இரவில் எதிர்வினைக்காக (அக்வா ரெஜியா நிரல்) நிற்க அனுமதிக்கவும். ஒரு சூடான உலோகத் தட்டில் (வெப்பநிலை: 100 W மற்றும் 160 °C) சூப்பர்நேட்டன்ட்டை 2 மணிநேரத்திற்கு வைக்கவும், அதன் செரிமான செயல்முறையை எளிதாக்கவும். 50 மிலி டீயோனைஸ்டு தண்ணீருடன். அதன் பிறகு, 50 மிலி பிவிசி குழாயில் நீர்த்த சூப்பர்நேட்டன்ட்டை வடிகட்டவும். கூடுதலாக, 1 மிலி கரைசல் கரைசலை 9 மிலி டீயோனைஸ் செய்யப்பட்ட தண்ணீரில் நீர்த்துப்போகச் செய்து 12 மிலி குழாயில் வடிகட்டவும். PTE போலி செறிவு Ca, Mg, K) ICP-OES (Inductively Coupled Plasma Optical Emission Spectroscopy) (Thermo Fisher Scientific, USA) மூலம் நிலையான முறைகள் மற்றும் உடன்படிக்கையின்படி தீர்மானிக்கப்பட்டது. தர உத்தரவாதம் மற்றும் கட்டுப்பாடு (QA/QC) நடைமுறைகளை உறுதி செய்யுங்கள் (SRM NIST 2711a க்குக் கீழே உள்ள ஆய்வின் வரம்புகள் Montana II இல் கண்டறியப்பட்டது. இந்த ஆய்வில் பயன்படுத்தப்பட்ட PTE 0.0004 ஆகும்.(நீங்கள்).மேலும், ஒவ்வொரு பகுப்பாய்விற்கும் தரக் கட்டுப்பாடு மற்றும் தர உறுதி செயல்முறை குறிப்பு தரநிலைகளை பகுப்பாய்வு செய்வதன் மூலம் உறுதி செய்யப்படுகிறது. பிழைகள் குறைக்கப்படுவதை உறுதிசெய்ய, இரட்டை பகுப்பாய்வு செய்யப்பட்டது.
எம்பிரிகல் பேய்சியன் கிரிகிங் (EBK) என்பது மண் அறிவியல் போன்ற பல்வேறு துறைகளில் மாடலிங் செய்வதில் பயன்படுத்தப்படும் பல புவியியல் இடைக்கணிப்பு நுட்பங்களில் ஒன்றாகும். மற்ற கிரிஜிங் இடைக்கணிப்பு நுட்பங்களைப் போலல்லாமல், EBK பாரம்பரிய கிரிஜிங் முறைகளிலிருந்து வேறுபட்டது. போதுமான க்ரிஜிங் முறையின் மிகவும் சிக்கலான பகுதியாக இருக்கும் இந்த செமிவரியோகிராம் திட்டமிடலுடன் தொடர்புடைய நிச்சயமற்ற தன்மை மற்றும் நிரலாக்கத்திற்கு வழி செய்கிறது. EBK இன் இடைக்கணிப்பு செயல்முறை Krivoruchko50 ஆல் முன்மொழியப்பட்ட மூன்று அளவுகோல்களைப் பின்பற்றுகிறது, (a) மாதிரியானது semivariogram ஐ மதிப்பிடுகிறது. உருவகப்படுத்தப்பட்ட தரவுத்தொகுப்பில் இருந்து போடப்பட்டது. பேய்சியன் சமன்பாடு விதியானது பின்புறமாக கொடுக்கப்பட்டுள்ளது
\(Prob\left(A\right)\) முந்தையதைக் குறிக்கும், \(Prob\left(B\right)\) விளிம்பு நிகழ்தகவு பெரும்பாலான சந்தர்ப்பங்களில் புறக்கணிக்கப்படுகிறது, \(Prob (B,A)\ ) .semivariogram கணக்கீடு Bayes விதியை அடிப்படையாகக் கொண்டது, இது semiogram கணக்கீடு என்பது Bayes இன் செமியோகிராம் மதிப்பைப் பயன்படுத்தி நிர்ணயம் செய்யப்படலாம். விதி, இது செமிவரியோகிராமில் இருந்து அவதானிப்புகளின் தரவுத்தொகுப்பை உருவாக்குவது எவ்வளவு சாத்தியம் என்பதைக் கூறுகிறது.
ஒரு ஆதரவு திசையன் இயந்திரம் என்பது ஒரு இயந்திர கற்றல் வழிமுறையாகும், இது ஒரே மாதிரியான ஆனால் நேரியல் அல்லாத சுயாதீன வகுப்புகளை வேறுபடுத்துவதற்கு உகந்த பிரிக்கும் ஹைப்பர் பிளேனை உருவாக்குகிறது.Vapnik51 உள்நோக்க வகைப்பாடு அல்காரிதத்தை உருவாக்கியது, ஆனால் இது சமீபத்தில் பின்னடைவு சார்ந்த சிக்கல்களைத் தீர்க்கப் பயன்படுத்தப்பட்டது. இந்த பகுப்பாய்வில் SVM (Support Vector Machine Regression - SVMR) இன் பாகம் பயன்படுத்தப்பட்டது. செர்காஸ்கி மற்றும் முலியர்53 SVMR ஐ கர்னல் அடிப்படையிலான பின்னடைவாக முன்னோடியாகக் கொண்டிருந்தனர், இதன் கணக்கீடு பல நாடுகளின் இடஞ்சார்ந்த செயல்பாடுகளுடன் கூடிய நேரியல் பின்னடைவு மாதிரியைப் பயன்படுத்தி நிகழ்த்தப்பட்டது. நேரியல் அல்லாத உறவுகள் மற்றும் இடஞ்சார்ந்த செயல்பாடுகளை அனுமதிக்கிறது. வோலாண்ட் மற்றும் பலர்.55, எப்சிலான் (ε)-SVMR பயிற்சியளிக்கப்பட்ட தரவுத்தொகுப்பை எப்சிலான்-உணர்ச்சியற்ற செயல்பாடாகப் பெறுவதற்குப் பயன்படுத்துகிறது, இது தொடர்புடைய தரவுகளின் மீதான பயிற்சியிலிருந்து சிறந்த எப்சிலான் சார்புடன் தரவை சுயாதீனமாக வரைபடமாக்கப் பயன்படுத்தப்படுகிறது. ஆதரவு திசையன்களின் பரந்த துணைக்குழு. Vapnik51 முன்மொழியப்பட்ட சமன்பாடு கீழே காட்டப்பட்டுள்ளது.
b என்பது அளவிடல் வரம்பைக் குறிக்கிறது, \(K\left({x}_{,}{ x}_{k}\right)\) கர்னல் செயல்பாட்டைக் குறிக்கிறது, \(\alpha\) என்பது Lagrange பெருக்கியைக் குறிக்கிறது, N ஒரு எண் தரவுத்தொகுப்பைக் குறிக்கிறது, \({x}_{k}\) என்பது தரவு உள்ளீட்டின் \(D இன் புட் இன்புட்) மற்றும் பயன்படுத்தப்படும் தரவு (y. R ஆபரேஷன், இது ஒரு காசியன் ரேடியல் அடிப்படை செயல்பாடு (RBF) ஆகும். RBF கர்னல் உகந்த SVMR மாதிரியைத் தீர்மானிக்கப் பயன்படுத்தப்படுகிறது, இது PTE பயிற்சித் தரவுக்கான C மற்றும் கர்னல் அளவுரு காமா (γ) ஆகியவற்றைப் பெறுவதற்கு முக்கியமானது. svmRadial.
மல்டிபிள் லீனியர் ரிக்ரஷன் மாடல் (எம்எல்ஆர்) என்பது ரெஸ்பான்ஸ் மாறி மற்றும் பல முன்கணிப்பு மாறிகளுக்கு இடையேயான தொடர்பைக் குறிக்கும் ஒரு பின்னடைவு மாதிரி ஆகும். விளக்க மாறிகளுடன் ஒரு நேரியல் உறவு. MLR சமன்பாடு ஆகும்
இங்கு y என்பது மறுமொழி மாறி, \(a\) என்பது இடைமறிப்பு, n என்பது முன்கணிப்பாளர்களின் எண்ணிக்கை, \({b}_{1}\) என்பது குணகங்களின் பகுதியளவு பின்னடைவு, \({x}_{ i}\) ஒரு முன்கணிப்பு அல்லது விளக்க மாறியைக் குறிக்கிறது, மேலும் \({\varepsilon }_{i}\) மாதிரியில் உள்ள பிழையைப் பிரதிபலிக்கிறது.
SVMR மற்றும் MLR உடன் EBK ஐ சாண்ட்விச்சிங் செய்வதன் மூலம் கலப்பு மாதிரிகள் பெறப்பட்டன. இது EBK இடைக்கணிப்பிலிருந்து கணிக்கப்பட்ட மதிப்புகளைப் பிரித்தெடுப்பதன் மூலம் செய்யப்படுகிறது. இடைக்கணிக்கப்பட்ட Ca, K மற்றும் Mg இலிருந்து பெறப்பட்ட கணிக்கப்பட்ட மதிப்புகள், CaK, CaMg போன்ற புதிய மாறிகளைப் பெறுவதற்கான ஒருங்கிணைந்த செயல்முறையின் மூலம் பெறப்படுகின்றன. g.ஒட்டுமொத்தமாக, பெறப்பட்ட மாறிகள் Ca, K, Mg, CaK, CaMg, KMg மற்றும் CaKMg ஆகும். இந்த மாறிகள் எங்கள் முன்கணிப்பாளர்களாக மாறி, நகர்ப்புற மற்றும் புறநகர் மண்ணில் நிக்கல் செறிவுகளைக் கணிக்க உதவுகின்றன. M).அதேபோல், MLR அல்காரிதம் மூலம் மாறிகள் ஒரு கலப்பு மாதிரியை பெறுவதற்கு பைப் செய்யப்படுகிறது. எம்பிரிகல் பேய்சியன் கிரிகிங்-மல்டிபிள் லீனியர் ரிக்ரஷன் (EBK_MLR).பொதுவாக, Ca, K, Mg, CaK, CaMg, KMg ஆகிய மாறிகள் Covariables-ன் மண்ணாகவும், CaKMg இன் உள்ளடக்கங்களாகவும் பயன்படுத்தப்படுகின்றன. பெறப்பட்ட மிகவும் ஏற்றுக்கொள்ளக்கூடிய மாதிரி (EBK_SVM அல்லது EBK_MLR) பின்னர் சுய-ஒழுங்கமைக்கும் வரைபடத்தைப் பயன்படுத்தி காட்சிப்படுத்தப்படும். இந்த ஆய்வின் பணிப்பாய்வு படம் 2 இல் காட்டப்பட்டுள்ளது.
SeOM ஐப் பயன்படுத்துவது நிதித் துறை, சுகாதாரம், தொழில், புள்ளியியல், மண் அறிவியல் மற்றும் பலவற்றில் தரவை ஒழுங்கமைத்தல், மதிப்பீடு செய்தல் மற்றும் முன்னறிவித்தல் ஆகியவற்றுக்கான ஒரு பிரபலமான கருவியாக மாறியுள்ளது. செயற்கை நரம்பியல் நெட்வொர்க்குகள் மற்றும் மேற்பார்வை செய்யப்படாத கற்றல் முறைகளை அமைப்பு, மதிப்பீடு மற்றும் கணிப்பு ஆகியவற்றைப் பயன்படுத்தி SeOM உருவாக்கப்பட்டது. .SeOM மதிப்பீட்டில் செயலாக்கப்பட்ட தரவு n உள்ளீடு-பரிமாண திசையன் மாறிகள் 43,56 ஆகப் பயன்படுத்தப்படுகிறது.மெல்சென் மற்றும் பலர்.57 உள்ளீடு திசையன் ஒரு நரம்பியல் வலையமைப்பில் ஒரு உள்ளீட்டு அடுக்கு மூலம் ஒற்றை எடை வெக்டருடன் ஒரு வெளியீட்டு திசையனுடன் இணைக்கப்படுவதை விவரிக்கிறது. SeOM ஆல் உருவாக்கப்படும் வெளியீடு இரு பரிமாண வரைபடமாகும், இது அறுகோண, வட்ட அல்லது சதுர இடவியல் வரைபடங்களில் நெய்யப்பட்ட வெவ்வேறு நியூரான்கள் அல்லது முனைகளைக் கொண்டுள்ளது. பிழை (TE), முறையே 0.086 மற்றும் 0.904 கொண்ட SeOM மாதிரி தேர்ந்தெடுக்கப்பட்டது, இது 55-வரைபட அலகு (5 × 11) ஆகும். நியூரான் அமைப்பு அனுபவ சமன்பாட்டில் உள்ள முனைகளின் எண்ணிக்கையின்படி தீர்மானிக்கப்படுகிறது.
இந்த ஆய்வில் பயன்படுத்தப்பட்ட தரவுகளின் எண்ணிக்கை 115 மாதிரிகள். தரவை சோதனை தரவுகளாக (25% சரிபார்ப்புக்கு) மற்றும் பயிற்சி தரவு தொகுப்புகளாக (75% அளவீடு) பிரிக்க ஒரு சீரற்ற அணுகுமுறை பயன்படுத்தப்பட்டது. பயிற்சி தரவுத்தொகுப்பு பின்னடைவு மாதிரியை (அளவுத்திருத்தம்) உருவாக்க பயன்படுகிறது. ஒரு பத்து மடங்கு குறுக்கு சரிபார்ப்பு செயல்முறை, மீண்டும் மீண்டும் ஐந்து முறை. EBK இடைக்கணிப்பு மூலம் உற்பத்தி செய்யப்படும் மாறிகள் இலக்கு மாறியை (PTE) கணிக்க முன்கணிப்பாளர்கள் அல்லது விளக்க மாறிகளாகப் பயன்படுத்தப்படுகின்றன. மாடலிங் RStudio இல் தொகுப்பு நூலகம்(Kohonen), library(caret), library(modelr10, library("ebrary)"1000 நூலகத்தைப் பயன்படுத்தி கையாளப்படுகிறது. கருவிகள்”), நூலகம் (” ப்ராஸ்பெக்டர்”) மற்றும் நூலகங்கள் (“மெட்ரிக்ஸ்”).
மண்ணில் நிக்கல் செறிவைக் கணிக்க ஏற்ற சிறந்த மாதிரியைத் தீர்மானிக்கவும், மாதிரியின் துல்லியம் மற்றும் அதன் சரிபார்ப்பை மதிப்பிடவும் பல்வேறு சரிபார்ப்பு அளவுருக்கள் பயன்படுத்தப்பட்டன. கலப்பின மாதிரிகள் சராசரி முழுமையான பிழை (MAE), ரூட் சராசரி சதுரப் பிழை (RMSE) மற்றும் R- ஸ்கொயர் அல்லது குணக நிர்ணயம் (R2) ஆகியவற்றைப் பயன்படுத்தி மதிப்பீடு செய்யப்பட்டன. சுயாதீன அளவீடுகளில் SE மற்றும் மாறுபாடு அளவு ஆகியவை மாதிரியின் முன்கணிப்பு சக்தியை விவரிக்கின்றன, அதே நேரத்தில் MAE உண்மையான அளவு மதிப்பை தீர்மானிக்கிறது. சரிபார்ப்பு அளவுருக்களைப் பயன்படுத்தி சிறந்த கலவை மாதிரியை மதிப்பிடுவதற்கு R2 மதிப்பு அதிகமாக இருக்க வேண்டும், மதிப்பு 1 க்கு நெருக்கமாக இருக்கும், அதிக துல்லியம். Li et al படி.59, R2 அளவுகோல் மதிப்பு 0.75 அல்லது அதற்கு மேற்பட்டது ஒரு நல்ல கணிப்பாளராகக் கருதப்படுகிறது;0.5 முதல் 0.75 வரை ஏற்றுக்கொள்ளக்கூடிய மாதிரி செயல்திறன், மற்றும் 0.5 க்கு கீழே இருந்தால் ஏற்றுக்கொள்ள முடியாத மாதிரி செயல்திறன். RMSE மற்றும் MAE சரிபார்ப்பு அளவுகோல் மதிப்பீட்டு முறைகளைப் பயன்படுத்தி ஒரு மாதிரியைத் தேர்ந்தெடுக்கும்போது, ​​பெறப்பட்ட குறைந்த மதிப்புகள் போதுமானவை மற்றும் சிறந்த தேர்வாகக் கருதப்பட்டன. பின்வரும் சமன்பாடு சரிபார்ப்பு முறையை விவரிக்கிறது.
இதில் n என்பது கவனிக்கப்பட்ட மதிப்பின் அளவைக் குறிக்கிறது\({Y}_{i}\) அளவிடப்பட்ட பதிலைக் குறிக்கிறது, மேலும் \({\widehat{Y}}_{i}\) கணிக்கப்பட்ட மறுமொழி மதிப்பையும் குறிக்கிறது, எனவே, முதல் i அவதானிப்புகளுக்கு.
முன்கணிப்பு மற்றும் மறுமொழி மாறிகளின் புள்ளிவிவர விளக்கங்கள் அட்டவணை 1 இல் வழங்கப்பட்டுள்ளன, சராசரி, நிலையான விலகல் (SD), மாறுபாட்டின் குணகம் (CV), குறைந்தபட்சம், அதிகபட்சம், குர்டோசிஸ் மற்றும் வளைவு ஆகியவற்றைக் காட்டுகிறது. தனிமங்களின் குறைந்தபட்ச மற்றும் அதிகபட்ச மதிப்புகள் Mg < Ca < K < Ni மற்றும் Ca < Mg < K < Ni, பதிலளிப்பு வரம்பிலிருந்து (NC-ல் இருந்து மாதிரி வரம்பிலிருந்து) முறையே Mg < Ca < K < Ni மற்றும் Ca < Mg < K < Ni . 4.86 முதல் 42.39 மி.கி./கி.கி. வரை Ni-ஐ உலக சராசரி (29 mg/kg) மற்றும் ஐரோப்பிய சராசரி (37 mg/kg) ஆகியவற்றுடன் ஒப்பிடுகையில், ஆய்வுப் பகுதிக்கான ஒட்டுமொத்தக் கணக்கிடப்பட்ட வடிவியல் சராசரியானது சகிக்கக்கூடிய வரம்பிற்குள் இருப்பதைக் காட்டுகிறது. இருப்பினும், Kabata-Pendias11 காட்டியுள்ளபடி, விவசாய நிலப்பரப்புடன் ஒப்பிடுகையில், தற்போதைய நிலப்பரப்பின் சராசரி நிலப்பரப்பைக் காட்டுகிறது. தற்போதைய சராசரி நிக்கல் செறிவு அதிகமாக உள்ளது. அதேபோல், தற்போதைய ஆய்வில் (Ni 16.15 mg/kg) நகர்ப்புற மற்றும் புறநகர் மண்ணில் Frydek Mistek இன் சராசரி செறிவு, போலந்து நகர்ப்புற மண்ணில் Ni க்கு அனுமதிக்கப்பட்ட வரம்பான 60 (10.2 mg/kg) ஐ விட அதிகமாக உள்ளது. தற்போதைய ஆய்வுடன் ஒப்பிடும்போது டஸ்கனியில் நகர்ப்புற மண்ணில் Ni செறிவுகள் (1.78 mg/kg) மிகக் குறைவு. ஹாங்காங் நகர்ப்புற மண்ணில் குறைந்த நிக்கல் செறிவு (12.34 mg/kg) இருப்பதையும் Jim62 கண்டறிந்துள்ளது, இது தற்போதைய பழைய நிக்கல் செறிவை விட குறைவாக உள்ளது. மற்றும் ஜெர்மனியின் சாக்சோனி-அன்ஹால்ட்டில் உள்ள நகர்ப்புற தொழில்துறை பகுதியின் சராசரி Ni செறிவு (16.15 mg/kg) ஐ விட 1.45 mg/kg அதிகமாக இருந்தது. தற்போதைய ஆராய்ச்சி. ஆய்வுப் பகுதியின் சில நகர்ப்புற மற்றும் புறநகர் பகுதிகளில் உள்ள மண்ணில் உள்ள அதிகப்படியான நிக்கல் உள்ளடக்கம் முக்கியமாக இரும்பு மற்றும் உலோகத் தொழில் சார்ந்ததாக இருக்கலாம்.[64] எஃகு தொழில் மற்றும் உலோக வேலைப்பாடுகள் மண்ணில் நிக்கல் மாசுபடுவதற்கான முக்கிய ஆதாரங்களாகும். இருப்பினும், முன்னறிவிப்பாளர்கள் Ca க்கு 538.70 mg/kg இலிருந்து 69,161.80 mg/kg வரையிலும், 497.51 mg/kg முதல் 3535.68 mg/kg வரை மற்றும் 5kg/5kg/8 mg வரை 5kg/kg. Mg.Jakovljevic மற்றும் பலர்.65 மத்திய செர்பியாவில் உள்ள மண்ணின் மொத்த Mg மற்றும் K உள்ளடக்கத்தை ஆய்வு செய்தனர். மொத்த செறிவுகள் (முறையே 410 mg/kg மற்றும் 400 mg/kg) தற்போதைய ஆய்வின் Mg மற்றும் K செறிவுகளைக் காட்டிலும் குறைவாக இருப்பதைக் கண்டறிந்தனர். பிரித்தறிய முடியாதது, கிழக்கு போலந்தில், Orzechowski மற்றும் Smolczyng இன் உள்ளடக்கம் சராசரியாக மதிப்பிடப்பட்டது. 1100 mg/kg), Mg (590 mg/kg) மற்றும் K (810 mg/kg) இந்த ஆய்வில் உள்ள ஒற்றைத் தனிமத்தை விட மேல் மண்ணில் உள்ள உள்ளடக்கம் குறைவாக உள்ளது. பொன்கிராக் மற்றும் பலர் மேற்கொண்ட சமீபத்திய ஆய்வு.67 ஸ்காட்லாந்து, யுகே (Mylnefield மண், Balruddery மண் மற்றும் ஹார்ட்வுட் மண்) 3 வெவ்வேறு மண்ணில் பகுப்பாய்வு செய்யப்பட்ட மொத்த Ca உள்ளடக்கம் இந்த ஆய்வில் அதிக Ca உள்ளடக்கத்தைக் குறிக்கிறது.
மாதிரி தனிமங்களின் வெவ்வேறு அளவிடப்பட்ட செறிவுகள் காரணமாக, தனிமங்களின் தரவுத் தொகுப்புப் பரவல்கள் வெவ்வேறு வளைவைக் காட்டுகின்றன. தனிமங்களின் வளைவு மற்றும் குர்டோசிஸ் முறையே 1.53 முதல் 7.24 மற்றும் 2.49 முதல் 54.16 வரை இருக்கும். கணக்கிடப்பட்ட அனைத்து கூறுகளும் வளைவு மற்றும் கர்டோசிஸ் அளவுகள் .உறுப்புகளின் மதிப்பிடப்பட்ட CVகள், K, Mg மற்றும் Ni ஆகியவை மிதமான மாறுபாட்டை வெளிப்படுத்துகின்றன, அதே சமயம் Ca மிக அதிக மாறுபாட்டைக் கொண்டுள்ளது. K, Ni மற்றும் Mg இன் CVகள் அவற்றின் சீரான விநியோகத்தை விளக்குகின்றன. மேலும், Ca விநியோகம் சீரற்றது மற்றும் வெளிப்புற ஆதாரங்கள் அதன் செறிவூட்டல் அளவை பாதிக்கலாம்.
மறுமொழி கூறுகளுடன் முன்கணிப்பு மாறிகளின் தொடர்பு உறுப்புகளுக்கு இடையே திருப்திகரமான தொடர்பைக் குறிக்கிறது (படம் 3 ஐப் பார்க்கவும்). CaNi ஐப் போலவே, CaK ஆனது r மதிப்பு = 0.53 உடன் மிதமான தொடர்பை வெளிப்படுத்தியதாகக் குறிப்பிடுகிறது. Ca மற்றும் K ஒன்றுக்கொன்று சுமாரான தொடர்பைக் காட்டினாலும், கிங்ஸ்டன் போன்ற ஆராய்ச்சியாளர்கள்.68 மற்றும் Santo69 மண்ணில் அவற்றின் அளவுகள் நேர்மாறான விகிதாச்சாரத்தில் இருப்பதாகக் கூறுகின்றன. இருப்பினும், Ca மற்றும் Mg K க்கு விரோதமானவை, ஆனால் CaK நன்கு தொடர்புபடுத்துகிறது. இது பொட்டாசியத்தில் 56% அதிகமாக இருக்கும் பொட்டாசியம் கார்பனேட் போன்ற உரங்களின் பயன்பாடு காரணமாக இருக்கலாம். பொட்டாசியம் மிதமாக தொடர்புடையது. ஏனெனில் பொட்டாசியம் மெக்னீசியம் சல்பேட், பொட்டாசியம் மெக்னீசியம் நைட்ரேட் மற்றும் பொட்டாஷ் ஆகியவை மண்ணில் அவற்றின் குறைபாடு அளவை அதிகரிக்க பயன்படுத்தப்படுகின்றன. நிக்கல் முறையே 0.52, 0.63 மற்றும் 0.55 போன்ற r மதிப்புகளுடன் Ca, K மற்றும் Mg உடன் மிதமாக தொடர்புடையது. மெக்னீசியம் கால்சியம் உறிஞ்சுதலைத் தடுக்கிறது, கால்சியம் அதிகப்படியான மெக்னீசியத்தின் விளைவுகளை குறைக்கிறது, மேலும் மெக்னீசியம் மற்றும் கால்சியம் இரண்டும் மண்ணில் நிக்கலின் நச்சு விளைவுகளை குறைக்கிறது.
முன்னறிவிப்பாளர்களுக்கும் மறுமொழிகளுக்கும் இடையிலான உறவைக் காட்டும் உறுப்புகளுக்கான தொடர்பு அணி (குறிப்பு: இந்த எண்ணிக்கை உறுப்புகளுக்கு இடையே ஒரு சிதறலை உள்ளடக்கியது, முக்கியத்துவ நிலைகள் p <0,001 ஐ அடிப்படையாகக் கொண்டது).
படம் 4 தனிமங்களின் இடஞ்சார்ந்த பரவலை விளக்குகிறது. பர்கோஸ் மற்றும் பலர் படி, இடஞ்சார்ந்த விநியோகத்தின் பயன்பாடு என்பது மாசுபட்ட பகுதிகளில் உள்ள ஹாட் ஸ்பாட்களை அளவிடுவதற்கும் முன்னிலைப்படுத்துவதற்கும் பயன்படுத்தப்படும் ஒரு நுட்பமாகும். படம் 4 இல் Ca இன் செறிவூட்டல் அளவுகள் வடமேற்கு பகுதியில் உள்ள இடஞ்சார்ந்த பரவல் வரைபடத்தை காட்டுகின்றன. வரைபடத்தின் வடமேற்கில், மண்ணின் அமிலத்தன்மையைக் குறைக்க சுண்ணாம்பு (கால்சியம் ஆக்சைடு) பயன்படுத்தப்படுவதாலும், எஃகு ஆலைகளில் எஃகு தயாரிக்கும் செயல்பாட்டில் கார ஆக்ஸிஜனாகப் பயன்படுத்துவதாலும் இருக்கலாம். மறுபுறம், மற்ற விவசாயிகள் அமில மண்ணில் கால்சியம் ஹைட்ராக்சைடைப் பயன்படுத்தி pH ஐ நடுநிலையாக்க விரும்புகிறார்கள். வடமேற்கு ஒரு முக்கிய விவசாய சமூகம், மேலும் பொட்டாசியத்தின் மிதமான-உயர்ந்த முறை NPK மற்றும் பொட்டாஷ் பயன்பாடுகளின் காரணமாக இருக்கலாம். இது மதராஸ் மற்றும் லிபாவ்ஸ்கி72, Madaras et al.73, Pulkrabová et al.74 போன்ற மற்ற ஆய்வுகளுடன் ஒத்துப்போகிறது.விநியோக வரைபடத்தின் வடமேற்கில் இடஞ்சார்ந்த பொட்டாசியம் செறிவூட்டல், பொட்டாசியம் அடிப்படையிலான உரங்களான பொட்டாசியம் குளோரைடு, பொட்டாசியம் சல்பேட், பொட்டாசியம் நைட்ரேட், பொட்டாஷ் மற்றும் பொட்டாஷ் ஆகியவை ஏழை மண்ணின் பொட்டாசியம் உள்ளடக்கத்தை அதிகரிக்க பயன்படுத்துவதால் இருக்கலாம்.Zádorová et al.76 மற்றும் Tlustoš et al.77 K- அடிப்படையிலான உரங்களைப் பயன்படுத்துவது மண்ணில் K உள்ளடக்கத்தை அதிகரிக்கிறது மற்றும் நீண்ட காலத்திற்கு மண்ணின் ஊட்டச்சத்து உள்ளடக்கத்தை கணிசமாக அதிகரிக்கிறது, குறிப்பாக K மற்றும் Mg மண்ணில் வெப்பப் புள்ளியைக் காட்டுகிறது. வரைபடத்தின் வடமேற்கு மற்றும் வரைபடத்தின் தென்கிழக்கில் ஒப்பீட்டளவில் மிதமான ஹாட்ஸ்பாட்கள். பொட்டாசியம் மெக்னீசியம் சல்பேட், மெக்னீசியம் சல்பேட் மற்றும் கீசரைட் போன்ற மெக்னீசியம் அடிப்படையிலான உரங்கள், சாதாரண pH வரம்பைக் கொண்ட மண்ணில் உள்ள குறைபாடுகளை (தாவரங்கள் ஊதா, சிவப்பு அல்லது பழுப்பு நிறத்தில் தோன்றும், மெக்னீசியம் குறைபாட்டைக் குறிக்கும்) நிவர்த்தி செய்கின்றன. எல் துருப்பிடிக்காத எஃகு உற்பத்தியில்78.
உறுப்புகளின் ஸ்பேஷியல் விநியோகம் [இடவெளி விநியோக வரைபடம் ArcGIS டெஸ்க்டாப்பைப் பயன்படுத்தி உருவாக்கப்பட்டது (ESRI, Inc, பதிப்பு 10.7, URL: https://desktop.arcgis.com).]
இந்த ஆய்வில் பயன்படுத்தப்பட்ட கூறுகளுக்கான மாதிரி செயல்திறன் குறியீட்டு முடிவுகள் அட்டவணை 2 இல் காட்டப்பட்டுள்ளன. மறுபுறம், Ni இன் RMSE மற்றும் MAE இரண்டும் பூஜ்ஜியத்திற்கு அருகில் உள்ளன (0.86 RMSE, -0.08 MAE). மறுபுறம், K இன் RMSE மற்றும் MAE மதிப்புகள் இரண்டும் ஏற்றுக்கொள்ளக்கூடியவை. வெவ்வேறு தரவுத்தொகுப்புகளின் காரணமாக r. இந்த ஆய்வின் RMSE மற்றும் MAE ஆகியவை EBK ஐப் பயன்படுத்தி Ni ஐக் கணிக்க ஜான் மற்றும் பலரின் முடிவுகளை விட சிறந்ததாகக் கண்டறியப்பட்டது.54 அதே சேகரிக்கப்பட்ட தரவுகளைப் பயன்படுத்தி மண்ணில் S செறிவுகளைக் கணிக்க சினெர்ஜிஸ்டிக் க்ரிஜிங்கைப் பயன்படுத்துகிறோம். நாங்கள் படித்த EBK வெளியீடுகள் ஃபேபிஜாசிக் மற்றும் பலவற்றுடன் தொடர்புடையவை.41, யான் மற்றும் பலர்.79, பெகுயின் மற்றும் பலர்.80, ஆதிகாரி மற்றும் பலர்.81 மற்றும் ஜான் மற்றும் பலர்.82, குறிப்பாக கே மற்றும் நி.
நகர்ப்புற மற்றும் புறநகர் மண்ணில் நிக்கல் உள்ளடக்கத்தை கணிக்க தனிப்பட்ட முறைகளின் செயல்திறன் மாதிரிகளின் செயல்திறனைப் பயன்படுத்தி மதிப்பிடப்பட்டது (அட்டவணை 3). மாதிரி சரிபார்ப்பு மற்றும் துல்லிய மதிப்பீடு EBK SVMR மாதிரியுடன் இணைந்து Ca_Mg_K முன்கணிப்பு சிறந்த செயல்திறனை வழங்கியது என்பதை உறுதிப்படுத்தியது. (MAE) 0.637 (R2), 95.479 mg/kg (RMSE) மற்றும் 77.368 mg/kg (MAE) Ca_Mg_K-SVMR என்பது 0.663 (R2), 235.974 mg/kg (RMSE) மற்றும் 166.974 mg/kg (RMSE) மற்றும் 166.946 மி.கி. K-SVMR (0.663 mg/kg R2) மற்றும் Ca_Mg-EBK_SVMR (0.643 = R2);அவர்களின் RMSE மற்றும் MAE முடிவுகள் Ca_Mg_K-EBK_SVMR (R2 0.637) ஐ விட அதிகமாக இருந்தன (அட்டவணை 3 ஐப் பார்க்கவும்).மேலும், Ca_Mg-EBK_SVMR இன் RMSE மற்றும் MAE (RMSE = 1664.64 மற்றும் MAE = 1031 ஐ விட பெரியது, 1.3.5) மாதிரிகள். Ca_Mg_K-EBK_SVMR. அதேபோன்று, Ca_Mg-K SVMR இன் RMSE மற்றும் MAE (RMSE = 235.974 மற்றும் MAE = 166.946) மாதிரிகள் 2.5 மற்றும் 2.2 பெரியதாக உள்ளன மையப்படுத்தப்பட்ட தரவுத் தொகுப்பு சிறந்த பொருத்தத்தின் வரியுடன் உள்ளது. உயர் RSME மற்றும் MAE ஆகியவை காணப்பட்டன. Kebonye et al படி.46 மற்றும் ஜான் மற்றும் பலர்.54, RMSE மற்றும் MAE ஆகியவை பூஜ்ஜியத்திற்கு நெருக்கமாக இருந்தால், சிறந்த முடிவுகள் கிடைக்கும். SVMR மற்றும் EBK_SVMR ஆகியவை அதிக அளவு RSME மற்றும் MAE மதிப்புகளைக் கொண்டுள்ளன. RSME மதிப்பீடுகள் MAE மதிப்புகளை விட தொடர்ந்து அதிகமாக இருப்பதைக் காண முடிந்தது, இது வெளிப்புறங்களின் இருப்பைக் குறிக்கிறது. E) அவுட்லையர்களின் இருப்புக்கான குறிகாட்டியாகப் பரிந்துரைக்கப்படுகிறது. இதன் பொருள், தரவுத்தொகுப்பு அதிக பன்முகத்தன்மை கொண்டதாக இருந்தால், MAE மற்றும் RMSE மதிப்புகள் அதிகமாக இருக்கும். நகர்ப்புற மற்றும் புறநகர் மண்ணில் Ni உள்ளடக்கத்தை கணிக்க Ca_Mg_K-EBK_SVMR கலப்பு மாதிரியின் குறுக்கு சரிபார்ப்பு மதிப்பீட்டின் துல்லியம் Li.According% 63.70 ஆக இருந்தது.59, இந்த அளவிலான துல்லியம் ஏற்றுக்கொள்ளக்கூடிய மாதிரி செயல்திறன் விகிதமாகும். தற்போதைய முடிவுகள் தாராசோவ் மற்றும் பலர் முந்தைய ஆய்வுடன் ஒப்பிடப்படுகின்றன.தற்போதைய ஆய்வில் தெரிவிக்கப்பட்டுள்ள EBK_SVMR துல்லிய மதிப்பீட்டுக் குறியீட்டுடன் தொடர்புடைய MLPRK (மல்டிலேயர் பெர்செப்ட்ரான் ரெசிடுவல் க்ரிஜிங்) ஐ உருவாக்கிய கலப்பின மாதிரியானது, RMSE (210) மற்றும் The MAE (167.5) ஆகியவை தற்போதைய ஆய்வில் (RMSE 7, 8.67, 8.67, 67, 87, 62) ஒப்பிடும்போது தற்போதைய ஆய்வில் தெரிவிக்கப்பட்டதை விட அதிகமாக இருந்தது. தற்போதைய ஆய்வின் 2 (0.637) தாராசோவ் மற்றும் பலர்.36 (0.544), இந்த கலப்பு மாடலில் நிர்ணய குணகம் (R2) அதிகமாக உள்ளது என்பது தெளிவாகிறது. கலப்பு மாடலுக்கான பிழையின் விளிம்பு (RMSE மற்றும் MAE) (EBK SVMR) இரண்டு மடங்கு குறைவாக உள்ளது. அதேபோல், Sergeev et al.34 0.28 (R2) ஐ பதிவு செய்தது. 0.637 (R2) பதிவு செய்யப்பட்டுள்ளது. இந்த மாதிரியின் (EBK SVMR) கணிப்புத் துல்லிய நிலை 63.7% ஆகும், அதே சமயம் செர்கீவ் மற்றும் பலர் மூலம் கணிப்புத் துல்லியம் பெறப்பட்டது.34 என்பது 28%. EBK_SVMR மாதிரி மற்றும் Ca_Mg_K ஐப் பயன்படுத்தி உருவாக்கப்பட்ட இறுதி வரைபடம் (படம் 5) முழு ஆய்வுப் பகுதியிலும் ஹாட் ஸ்பாட்கள் மற்றும் மிதமான நிக்கலின் கணிப்புகளைக் காட்டுகிறது. இதன் பொருள் ஆய்வுப் பகுதியில் நிக்கலின் செறிவு முக்கியமாக மிதமானது, சில குறிப்பிட்ட பகுதிகளில் அதிக செறிவு உள்ளது.
இறுதி முன்கணிப்பு வரைபடம் EBK_SVMR கலப்பின மாதிரியைப் பயன்படுத்தி மற்றும் Ca_Mg_K ஐ முன்கணிப்பாளராகப் பயன்படுத்துகிறது.[ இடஞ்சார்ந்த விநியோக வரைபடம் RStudioவைப் பயன்படுத்தி உருவாக்கப்பட்டது (பதிப்பு 1.4.1717: https://www.rstudio.com/).
படம் 6 இல் வழங்கப்பட்டுள்ள PTE செறிவுகள் தனிப்பட்ட நியூரான்களைக் கொண்ட ஒரு கலவை விமானமாக உள்ளன. எந்த ஒரு கூறு விமானங்களும் ஒரே வண்ண வடிவத்தை வெளிப்படுத்தவில்லை. இருப்பினும், வரையப்பட்ட வரைபடத்திற்கு பொருத்தமான நியூரான்களின் எண்ணிக்கை 55 ஆகும்.SeOM என்பது பல்வேறு வண்ணங்களைப் பயன்படுத்தி தயாரிக்கப்படுகிறது, மேலும் ஒரே மாதிரியான வண்ண வடிவங்களைப் பயன்படுத்தி, அவற்றின் மாதிரிகள், தனித்தனியான கூறுகள். Mg) ஒற்றை உயர் நியூரான்கள் மற்றும் மிகக் குறைந்த நியூரான்களுக்கு ஒரே மாதிரியான வண்ண வடிவங்களைக் காட்டியது. இதனால், CaK மற்றும் CaMg ஆகியவை உயர்-வரிசை நியூரான்கள் மற்றும் குறைந்த முதல் மிதமான வண்ண வடிவங்களுடன் சில ஒற்றுமைகளைப் பகிர்ந்து கொள்கின்றன. குறைந்த முதல் உயர் வரை துல்லியமான வண்ண அளவு, மாதிரியின் கூறுகளின் பிளானர் விநியோக முறை மண்ணில் நிக்கலின் சாத்தியமான செறிவைக் குறிக்கும் உயர் வண்ண வடிவத்தைக் காட்டியது (படம் 4 ஐப் பார்க்கவும்). CakMg மாதிரி கூறு விமானம் ஒரு துல்லியமான வண்ண அளவுகோலின் படி குறைந்த முதல் உயர் வரை பல்வேறு வண்ண வடிவங்களைக் காட்டுகிறது. ure 5.இரண்டு வரைபடங்களும் நகர்ப்புற மற்றும் புறநகர் மண்ணில் நிக்கல் செறிவின் உயர், நடுத்தர மற்றும் குறைந்த விகிதாச்சாரத்தைக் காட்டுகின்றன. படம் 7 வரைபடத்தில் உள்ள k-அர்த்தம் குழுவில் உள்ள விளிம்பு முறையை சித்தரிக்கிறது, ஒவ்வொரு மாதிரியிலும் கணிக்கப்பட்ட மதிப்பின் அடிப்படையில் மூன்று கிளஸ்டர்களாக பிரிக்கப்பட்டுள்ளது. 74.கிளஸ்டர் 2 33 மாதிரிகளைப் பெற்றது, அதே சமயம் கிளஸ்டர் 3 8 மாதிரிகளைப் பெற்றது. ஏழு-கூறு பிளானர் ப்ரெடிக்டர் கலவையானது சரியான கிளஸ்டர் விளக்கத்தை அனுமதிக்கும் வகையில் எளிமைப்படுத்தப்பட்டது. மண்ணின் உருவாக்கத்தை பாதிக்கும் ஏராளமான மானுடவியல் மற்றும் இயற்கை செயல்முறைகள் காரணமாக, விநியோகிக்கப்பட்ட SeOM வரைபடத்தில் சரியாக வேறுபடுத்துவது கடினம்.
ஒவ்வொரு எம்பிரிகல் பேய்சியன் கிரிகிங் சப்போர்ட் வெக்டர் மெஷின் (EBK_SVM_SeOM) மாறி மூலம் கூறு விமான வெளியீடு.[SeOM வரைபடங்கள் RStudio ஐப் பயன்படுத்தி உருவாக்கப்பட்டன (பதிப்பு 1.4.1717: https://www.rstudio.com/).]
வெவ்வேறு கிளஸ்டர் வகைப்பாடு கூறுகள் [SeOM வரைபடங்கள் RStudio ஐப் பயன்படுத்தி உருவாக்கப்பட்டன (பதிப்பு 1.4.1717: https://www.rstudio.com/).]
தற்போதைய ஆய்வு நகர்ப்புற மற்றும் புறநகர் மண்ணில் நிக்கல் செறிவுக்கான மாடலிங் நுட்பங்களை தெளிவாக விளக்குகிறது. மண்ணில் நிக்கல் செறிவுகளை கணிக்க சிறந்த வழியைப் பெற, மாடலிங் நுட்பங்களுடன் தனிமங்களை இணைத்து, வெவ்வேறு மாடலிங் நுட்பங்களை ஆய்வு சோதித்தது. இருப்பினும், இடஞ்சார்ந்த விநியோக வரைபடம் EBK_SVMR ஆல் காட்சிப்படுத்தப்பட்ட கூறுகளின் பிளானர் ஸ்பேஷியல் விநியோகத்தை உறுதிப்படுத்துகிறது (படம் 5 ஐப் பார்க்கவும்). ஆதரவு திசையன் இயந்திரம் பின்னடைவு மாதிரி (Ca Mg K-SVMR) ஒரே மாதிரியாக மண்ணில் Ni செறிவைக் கணித்ததாக முடிவுகள் காட்டுகின்றன. மறுபுறம், EBK_MLR மாடலில் பயன்படுத்தப்படும் மாடலிங் நுட்பமும் குறைந்த மதிப்புடைய நிர்ணய குணகம் (R2) குறைபாடுடையது. EBK SVMR மற்றும் ஒருங்கிணைந்த உறுப்புகள் (CaKMg) குறைந்த RMSE மற்றும் MAE பிழைகள் மூலம் 63.7% துல்லியத்துடன் நல்ல முடிவுகள் பெறப்பட்டன. மண்ணில் உள்ள PTE களின் செறிவைக் கணிக்கக்கூடிய ஒரு கலப்பின வழிமுறை. ஆய்வுப் பகுதியில் Ni செறிவுகளைக் கணிக்க Ca Mg K ஐ கணிப்பான்களாகப் பயன்படுத்துவதன் மூலம் மண்ணில் Ni இன் கணிப்பை மேம்படுத்த முடியும் என்று முடிவுகள் காட்டுகின்றன. இதன் பொருள் நிக்கல் அடிப்படையிலான உரங்களின் தொடர்ச்சியான பயன்பாடு மற்றும் எஃகுத் தொழில்துறையின் மண்ணின் தொழில்துறை மாசுபாடு ஆகியவை EK மாதிரியின் செறிவைக் குறைக்கும். நகர்ப்புற அல்லது புறநகர் மண்ணில் மண் இடஞ்சார்ந்த விநியோக மாதிரியின் துல்லியம். பொதுவாக, மண்ணில் PTE ஐ மதிப்பிடவும் கணிக்கவும் EBK-SVMR மாதிரியைப் பயன்படுத்த நாங்கள் முன்மொழிகிறோம்;கூடுதலாக, பல்வேறு இயந்திர கற்றல் வழிமுறைகளுடன் கலப்பினமாக்க EBK ஐப் பயன்படுத்த நாங்கள் முன்மொழிகிறோம்.இருப்பினும், அதிகமான கோவாரியட்டுகளைப் பயன்படுத்துவது மாதிரியின் செயல்திறனை பெரிதும் மேம்படுத்தும், இது தற்போதைய வேலையின் வரம்பாகக் கருதப்படலாம். இந்த ஆய்வின் மற்றொரு வரம்பு என்னவென்றால், தரவுத்தொகுப்புகளின் எண்ணிக்கை 115 ஆகும். எனவே, கூடுதல் தரவு வழங்கப்பட்டால், முன்மொழியப்பட்ட உகந்த கலப்பின முறையின் செயல்திறனை மேம்படுத்த முடியும்.
தாவரங்கள் மற்றும் மண்ணில் PlantProbs.net.Nickel https://plantprobs.net/plant/nutrientImbalances/sodium.html (28 ஏப்ரல் 2021 அன்று அணுகப்பட்டது).
காஸ்ப்ரசாக், கே.எஸ். நிக்கல் நவீன சுற்றுச்சூழல் நச்சுயியலில் முன்னேறுகிறார்
செம்பல், எம்
ஃப்ரீட்மேன், பிBot.58(1), 108-132.https://doi.org/10.1139/b80-014 (1980).
மானிவா, டி. மற்றும் பலர்.போட்ஸ்வானாவில் உள்ள செலிபி-ஃபிக்வே தாமிர-நிக்கல் சுரங்கத்திற்கு அருகில் மண், தாவரங்கள் மற்றும் மேய்ச்சல் மேய்ச்சலுடன் தொடர்புடைய ஆபத்தில் உள்ள கனரக உலோகங்கள்.
Cabata-Pendias.Kabata-Pendias A. 2011. மண்ணில் உள்ள தனிமங்கள் மற்றும்... - Google Scholar https://scholar.google.com/scholar?hl=en&as_sdt=0%2C5&q=Kabata-Pendias+A.+2011.+Trace+plies+Oilements. %28NY%29%3A+CRC+Press&btnG= (24 நவம்பர் 2020 அன்று அணுகப்பட்டது).
Almås, A., Singh, B., Agriculture, TS-NJ of & 1995, undefined. Soer-Varanger, Norway.agris.fao.org இல் விவசாய மண் மற்றும் புற்களில் ஹெவி மெட்டல் செறிவுகளில் ரஷ்ய நிக்கல் தொழில்துறையின் விளைவுகள்.
Nielsen, GD et al. குடிநீரில் நிக்கல் உறிஞ்சுதல் மற்றும் தக்கவைத்தல் ஆகியவை உணவு உட்கொள்ளல் மற்றும் நிக்கல் உணர்திறனுடன் தொடர்புடையவை.toxicology.application.Pharmacodynamics.154, 67-75 (1999).
கோஸ்டா, எம். & க்ளீன், சிபி நிக்கல் புற்றுநோய், பிறழ்வு, எபிஜெனெடிக்ஸ் அல்லது தேர்வு
அஜ்மான், பிசி;அஜாடோ, எஸ்கே;Borůvka, L.;பினி, ஜேகேஎம்;சார்கோடி, VYO;கோபோனி, என்எம்;நச்சுத்தன்மையுள்ள தனிமங்களின் போக்கு பகுப்பாய்வு: ஒரு நூலியல் ஆய்வு
மினாஸ்னி, பி
McBratney, AB, Mendonça Santos, ML & Minasny, B. ஆன் டிஜிட்டல் மண் மேப்பிங்
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+U+Oxity. nG= (28 ஏப்ரல் 2021 அன்று அணுகப்பட்டது).