Prediction of soil selenium content and model optimization for a watershed in the Taihang Mountains based on machine learning models

तकनीकी सारांश: ताइहांग पर्वत जलसंभर में मृदा सेलेनियम सामग्री का पूर्वानुमान और मॉडल अनुकूलन

समस्या विवरण
सेलेनियम (Se) मानव स्वास्थ्य के लिए एक महत्वपूर्ण सूक्ष्म तत्व है, जिसका मिट्टी में स्थानिक वितरण सीधे क्षेत्रीय पारिस्थितिक सुरक्षा और कृषि उत्पादों की गुणवत्ता को प्रभावित करता है। हालांकि, ताइहांग पर्वतों जैसे छोटे पर्वतीय जलसंभरों में मृदा Se सामग्री का पूर्वानुमान लगाना महत्वपूर्ण चुनौतियां प्रस्तुत करता है। ये क्षेत्र ऊबड़-खाबड़ स्थलाकृति, जटिल जनक सामग्री (parent materials) और तीव्र स्थानिक विषमता द्वारा पहचाने जाते हैं, जो नमूनाकरण (sampling) की सुलभता को प्रतिबंधित करते हैं और अक्सर छोटे नमूना आकार (N < 150) का परिणाम देते हैं। मौजूदा अध्ययन मुख्य रूप से मैदानी क्षेत्रों के बड़े-नमूना डेटासेट पर केंद्रित रहे हैं, जिससे छोटे-नमूना, उच्च-विषमता स्थितियों के तहत मॉडल स्थिरता और प्रेरक तंत्रों की समझ में एक अंतराल रह गया है। इसके अलावा, मृदा Se और भू-रासायनिक कारकों के बीच संबंध अक्सर गैर-रैखिक (nonlinear) होता है, जो पारंपरिक भू-सांख्यिकीय दृष्टिकोणों को जटिल बनाता है।

कार्यप्रणाली
यह अध्ययन हेबेई प्रांत के पिंगशान de काउंटी में एक विशिष्ट जलसंभर पर केंद्रित था, जो लगभग 251.51 किमी² क्षेत्र को कवर करता है। शोधकर्ताओं ने खेती वाली भूमि, बागों, घास के मैदानों और वनों से 107 ऊपरी मृदा नमूनों (0–20 सेमी गहराई) को एकत्र किया। नमूनों का विश्लेषण 17 भविष्य कहने वाले चरों (predictive variables) के लिए किया गया, जिसमें मृदा कार्बनिक पदार्थ (SOM), pH, प्रमुख ऑक्साइड (जैसे SiO₂, Al₂O₃), और सूक्ष्म तत्व (Se, Cd, Pb, Hg, As, Cu, Zn, Ni, Cr) शामिल थे।

पूर्वानुमान की चुनौती को हल करने के लिए, लेखकों ने तीन मशीन लर्निंग मॉडलों का निर्माण और तुलना की:

1. LASSO रिग्रेशन: विशेषता चयन (feature selection) और बहु-सहसंबंध (multicollinearity) को संभालने के लिए L1 नियमितीकरण (regularization) का उपयोग करने वाला एक रैखिक मॉडल।
2. रैंडम फॉरेस्ट (RF): निर्णय वृक्षों (decision trees) पर आधारित एक गैर-रैखिक एन्सेम्बल लर्निंग एल्गोरिदम।
3. सपोर्ट वेक्टर मशीन (SVM): संरचनात्मक जोखिम न्यूनीकरण पर आधारित एक गैर-रैखिक कर्नेल मैपिंग मॉडल, विशेष रूप से रेडियल बेसिस फंक्शन (RBF) कर्नेल का उपयोग करते हुए।

डेटासेट को स्तरित यादृच्छिक नमूनाकरण (stratified random sampling) का उपयोग करके प्रशिक्षण (70%, 76 नमूने) और परीक्षण (30%, 31 नमूने) उपसमूहों में विभाजित किया गया। मॉडल प्रदर्शन का मूल्यांकन मीन स्क्वायर एरर (MSE), रूट मीन स्क्वायर एरर (RMSE), मीन एब्सोल्यूट एरर (MAE), और निर्धारण गुणांक (R²) का उपयोग करके किया गया। विशेषता महत्व (feature importance) का आकलन गुणांक के पूर्ण मान (LASSO) और परम्यूटेशन महत्व (RF और SVM) के माध्यम से किया गया।

प्रमुख परिणाम

• मॉडल प्रदर्शन: SVM मॉडल ने श्रेष्ठ प्रदर्शन और स्थिरता प्रदर्शित की। इसने परीक्षण सेट पर 0.7381 का R² प्राप्त किया, जिसमें RMSE अनुपात (प्रशिक्षण/परीक्षण) 0.996 था, जो ओवरफिटिंग या अंडरफिटिंग की अनुपस्थिति को दर्शाता है। इसके विपरीत, RF मॉडल ने गंभीर ओवरफिटिंग (प्रशिक्षण पर R² = 0.9267 से परीक्षण पर 0.6479 तक गिर गया, RMSE अनुपात = 2.517) दिखाई, जो संभवतः छोटे नमूना आकार और जटिल स्थलाकृति के कारण है। LASSO मॉडल ने मध्यम प्रदर्शन (R² = 0.5907) दिखाया लेकिन मामूली अंडरफिटिंग से ग्रस्त रहा, जिसका कारण इसके गैर-रैखिक संबंधों को पकड़ने में असमर्थता थी।
• इष्टतम SVM पैरामीटर: ग्रिड सर्च और क्रॉस-वैलिडेशन के माध्यम से, इष्टतम SVM पैरामीटरों की पहचान की गई: गामा = 1×10⁻⁵, कॉस्ट = 1000, और एप्सिलॉन = 0.2। अंतिम मॉडल ने 53 सपोर्ट वेक्टर्स (प्रशिक्षण सेट का 69.74%) का उपयोग किया।
• ड्राइविंग कारक: तीनों मॉडलों ने लगातार मृदा कार्बनिक पदार्थ (SOM), कैडमियम (Cd), और लेड (Pb) को मृदा Se सामग्री के प्रमुख नियंत्रक कारकों के रूप में पहचाना।
  • SOM एक प्राथमिक चालक के रूप में कार्य करता है, जो अधिशोषण स्थल (adsorption sites) प्रदान करता है और Se के साथ स्थिर परिसर (complexes) बनाता है।
  • Cd और Pb Se के साथ समान भू-जनित स्रोतों (चट्टान के अपक्षय और वायुमंडलीय निक्षेपण से प्राप्त) को साझा करते हैं और SOM-युक्त मृदा कोलाइड्स पर Se के लिए अधिशोषण स्थलों हेतु प्रतिस्पर्धा करते हैं।
  • सहसंबंध विश्लेषण ने पुष्टि की कि भ्रमित करने वाले चरों (confounding variables) को नियंत्रित करने के बाद भी Se और SOM, Cd, तथा Pb के बीच महत्वपूर्ण सकारात्मक संबंध हैं।

प्रमुख योगदान

1. छोटे नमदों के लिए मॉडल चयन: यह अध्ययन इस बात का अनुभवजन्य प्रमाण प्रदान करता है कि छोटे-नमूना (N < 150), उच्च-विषमता वाले पर्वतीय जलसंभरों में मृदा Se सामग्री के पूर्वानुमान के लिए SVM एक इष्टतम एल्गोरिदम है, जो सामान्यीकरण और स्थिरता के मामले में RF और LASSO दोनों से बेहतर है।
2. भू-रासायनिक तंत्र का स्पष्टीकरण: अनुसंधान ने एक युग्मित भू-रासायनिक संयोजन (Se-Cd-Pb-SOM) की पहचान की है। यह स्पष्ट करता है कि Se का स्थानिक परिवर्तन न केवल सामान्य भू-रासायनिक उत्पत्ति द्वारा बल्कि SOM सतहों पर Se, Cd और Pb के बीच प्रतिस्पर्धी अधिशोषण गतिशीलता द्वारा भी विनियमित होता है।
3. व्यावहारिक ढांचा: यह अध्ययन उन जटिल पर्वतीय क्षेत्रों में प्रभावशाली कारकों की स्क्रीनिंग और मृदा तत्व वितरण की भविष्यवाणी के लिए एक प्रमाणित तकनीकी वर्कफ़्लो प्रदान करता है जहाँ बड़े पैमाने पर नमूनाकरण संभव नहीं है।

महत्व और दावे
लेखक दावा करते हैं कि यह कार्य समान पर्वतीय जलसंभरों में मृदा Se पूर्वानुमान और कारक स्क्रीनिंग के लिए एक विश्वसनीय तकनीकी दृष्टिकोण प्रदान करता है। छोटे-नमूना परिदृश्यों के लिए पसंदीदा मॉडल के रूप में SVM की पुष्टि करके, यह अध्ययन पर्यावरण भू-रसायन विज्ञान में एक महत्वपूर्ण अंतर को संबोधित करता है। SOM, Cd और Pb को मुख्य कारकों के रूप में पहचानने से ताइहांग पर्वतों में सेलेनियम संसाधन मूल्यांकन और पारिस्थितिक सुरक्षा आकलन के लिए विशिष्ट भू-रासायनिक सहायता मिलती है। अध्ययन अपनी सीमाओं को स्वीकार करते हुए, यह उल्लेख करता है कि मशीन लर्निंग मॉडल आंतरिक तंत्र के संबंध में "ब्लैक बॉक्स" के रूप में कार्य करते हैं और भविष्य के कार्यों को स्केल प्रभावों को और अधिक स्पष्ट करने के लिए बहु-स्रोत पर्यावरणीय सहचरों (जैसे DEM, रिमोट सेंसिंग) को एकीकृत करना चाहिए और नमूनाकरण के दायरे का विस्तार करना चाहिए।