Гдз немецкий 7 класс учебник горизонт: ГДЗ по немецкому языку 7 класс Аверин учебник ответы

ГДЗ по немецкому языку 7 класс Аверин учебник ответы

Авторы: М. М. Аверин, Ф. Джин, Р. Лутц

Издательство: Просвещение

Тип книги: Учебник

ГДЗ учебник Lehrbuch Немецкий язык. 7 класс. Второй иностранный язык М. М. Аверина, Ф. Джина, Р. Лутца horizonte с переводом на русский. Издательство: Просвещение, серия Немецкий язык. Горизонты (5-11) состоит из одной части, 96 страниц.

В процессе изучения немецкого языка ученики познакомятся с культурой, традициями и особенностями другой страны, поймут, что знания языка необходимо для создания связей между странами и народами, а также что познания нового языка приведет к личностному и социальному росту. Школьники миролюбиво и дружелюбно будут относиться к ценностям людей другой страны и их культуре, сформируется личностная позиция к миру и целостный взгляд на него, узнают о особенностях жизни сверстников других стран, литературой и искусством. Учащиеся научатся вести диалоги, выражать свои мысли, как письменно так устно, понимать иностранную речь на слух, писать письма и многое другое.

С помощью наших ГДЗ по немецкому языку вы сможете проверить готовые домашние задания из учебника с переводом. Процесс изучения иностранного языка намного упроститься.

Глава 1. Как прошли каникулы

1 2 3 4 5 6 7 8 9 10

Глава 2. Мои планы

1 2 Рамочка — А если подумать 3 4 5 6 7 Рамочка — А если подумать 8 9 10 11 12

Глава 3. Дружба

1 2 Рамочка — А если подумать 3 4 5 6 7 8 Рамочка — А если подумать 9 Рамочка — А если подумать 10 11 12 13 14

Маленькая перемена

АBC-игра в слова Повторяем грамматику Говорим Читаем и понимаем Слушаем и понимаем Играем и повторяем

Глава 4. Изображения и звуки

1 Рамочка — А если подумать 2 3 4 5 6 7 8 Рамочка — А если подумать 9 10 11 12

Глава 5. Совместная жизнь

1 Рамочка — А если подумать 2 3 4 5 6 7 8 9 10 11 12 Рамочка — А если подумать 13

Глава 6. Это мне нравится

1 Рамочка — А если подумать 2 3 4 5 6 7 8 9 Рамочка — Учимся учиться 10

Глава 7. Больше обо мне

1 2 3 4 5 6 7 8 9 10 11

Большая перемена

Интернет-история — Розовый котёнок Повторяем грамматику Говорение Эльфхен Тренируем словарный запас Моя любимая грамматика Размышляем об уроке немецкого языка Играем и повторяем

Страноведение.ру-Большая перемена

Глава 1. Как прошли каникулы

1 2 3

Глава 2. Мои планы

1 2 3

Глава 3. Дружба

1 2 3

Глава 4. Изображения и звуки

1 2

Глава 5. Совместная жизнь

1 2 3

Глава 6. Это мне нравится

1 2

Глава 7. Больше обо мне

1 2

ГДЗ по Немецкому языку для 8 класса horizonte Аверин М.М., Джин Ф., Рорман Л., Ризу Г. на 5

Авторы: Аверин М.М., Джин Ф., Рорман Л., Ризу Г..

Издательство: Просвещение 2016

«ГДЗ по немецкому языку за 8 класс Аверин (Просвещение)» призвано помогать учащимся среднего звена. Благодаря данному методическому пособию школьники смогут облегчить процесс обучения. Им больше не придется записываться на дополнительные курсы или прибегать к дорогостоящим услугам частных педагогов. Теперь к урокам можно готовиться в спокойной домашней обстановке.

Немецкий язык в 8 классе

На занятиях и дома ребята будут выполнять различные задания и отвечать на вопросы из учебника, чтобы вникнуть в суть следующих тем:

1. Имя существительное.
2. Спряжение модальных глаголов.
3. Прилагательные.
4. Глобальные проблемы человечества.
5. Мой любимый школьный предмет.

Если вдруг школьнику что-то станет непонятно на уроке, а учителя он постесняется переспросить, то подросток имеет полное право заглянуть на страницы сборника готовых домашних заданий. В нем он найдет развернутые верные ответы на интересующие его вопросы в рамках программы. Но только не следует пользоваться шпаргалками во время написания тестов и контрольных, потому что это еще больше может усугубить ситуацию.

Содержание ГДЗ по немецкому языку за 8 класс от Аверина

На 83 страницах онлайн-справочника представлена следующая информация:

• грамматические правила и исключения из них;
• планы и переводы текстов;
• анализы небольших произведений;
• яркие примеры эссе и сочинений;
• таблицы, схемы, рисунки;
• решенные номера из контрольных.

Благодаря всем этим сведениям можно без проблем выполнить все заданные на дом упражнения и блистательно подготовиться к любым проверкам в классе. Ребятам не придется окружать себя большим количеством справочников и путаться в обилии сведений. Все, что может потребоваться на протяжении всего учебного года, теперь находится в одном месте.

Решебник — надежный помощник

«ГДЗ по немецкому языку за 8 класс Аверин М. М., Джин Ф., Рорман Л., Ризу Г. (Просвещение)» относится к числу полезных и качественных справочных пособий. Во-первых, материалы, представленные в сборнике решенных заданий и правильных ответов, полностью соответствуют всем правилам и строгим требованиям ФГОС. Во-вторых, информация в решебнике была неоднократно проверена создателями справочника. Именно поэтому пользователям не стоит сомневаться в ее достоверности. Каждый правильный ответ и готовое упражнение сопровождаются исчерпывающими авторскими заметками, чтобы ученикам было намного проще углубиться в лексику и грамматику.

Гдз по немецкому клас — 100letvam.ru

Скачать гдз по немецкому клас doc

ГДЗ по немецкому языку поможет быстро проверить выполненное задание и увидеть, с какие ошибки ребенок допускает чаще всего. Такой анализ поможет прояснить, над какими разделами языка необходимо работать больше. Но самая значимая помощь, которую можно ожидать от ГДЗ по немецкому — экономия времени.  Изучение иностранных языков по школьной программе с ГДЗ по немецкому языку будет более полным, удобным, эффективным и приятным.

Заглянув в ГДЗ по немецкому, родители смогут дать правильные ответы на вопросы школьника даже без необходимой подготовки. И.Л. Бим, Л.И. Рыжова. Решебник (ГДЗ) по Немецкому языку за 1‐2 (первый‐второй) класс авторы: Бим, Рыжова издательство Просвещение, год, часть 1, 2.

Подробный решебник с готовыми домашними заданиями по Немецкому языку к учебникам и рабочим тетрадям. Мегарешеба содержит все ГДЗ по новой школьной программе. На моём канале вы найдёте бесплатный курс немецкого языка для начинающих. К каждому уроку прилагается отдельное видео с упражнениями на запоминание лексики, укрепление грамматических навыков, а также понимание на слух.

Советую вам начать с урока «Немецкий для начинающих, 1 урок» и проходить все уроки по порядку. Грамматические структуры и новую лексику я добавляю постепенно, от урока к уроку.

Если что-то не запомнили, вы всегда можете прослушать урок ещё раз. В описании к каждому видео содержатся также ссылки на полезные видео, которые подойдут именно вам. Немецкий язык 5 класс — уче. Ответы на задания и вопросы из учебников и рабочих тетрадей по немецкому языку за класс бесплатно, без номера телефона (Бим, Рыжева, Гальскова, Гез).

ГДЗ по немецкому языку 4 класс Гальскова Гез. ГДЗ по немецкому языку 3 класс Гальскова Гез учебник. ГДЗ по немецкому языку 2 класс Бим Рыжова. ГДЗ по немецкому языку 3 класс Бим Рыжова. ГДЗ по немецкому языку 4 класс Бим Рыжова. ГДЗ по немецкому языку 3 класс рабочая тетрадь Гальскова Гез. ГДЗ по немецкому языку 2 класс рабочая тетрадь Бим Рыжова. ГДЗ по немецкому языку 2 класс рабочая тетрадь Гальскова. ГДЗ по немецкому языку 4 класс рабочая.

Vladimir. Повысить уровень владения иностранным языком вам помогут онлайн ГДЗ по немецкому языку для 9 класса Бим от Путина. В них содержатся качественные переводы текстов литературного и публицистического. Сборник готовых домашних заданий (ГДЗ) по Немецкому языку. Решебники и ответы онлайн с 1 по 11 класс. Самые свежие версии ответов. Удобный поиск заданий от 100letvam.

ru Данные гдз книг и тетрадей помогут вам проверить выполненное домашние задание.

ГДЗ Путина инфо незаменимый сайт родителям, для контроля ДЗ своих детей.  ГДЗ от Путина 5 класс немецкий язык. ГДЗ от Путина 5 класс немецкий язык решебники учебников и рабочих тетрадей по немецкому языку за 5 класс онлайн. Данные гдз книг и тетрадей помогут вам проверить выполненное домашние задание.

ГДЗ Путина инфо незаменимый сайт родителям, для контроля ДЗ своих детей. ГДЗ по немецкому языку 5 класс Яковлева учебник.

ГДЗ по немецкому языку 5 класс Яцковская учебник. ГДЗ по немецкому языку 5 класс Аверин горизонты учебник. ГДЗ по немецкому языку 5 класс рабочая тетрадь Яцковская.

djvu, PDF, txt, djvu

Похожее:

Збірник для диктантів з української мови

Календарне планування з англійської мови 7 клас несвіт нова програма 2015

5 клас природознавство о.г.ярошенко в.м.бойко

Тести з читання 3 клас

Зошит з основ здоров я 5 клас

Процвітай українська мова заохочуй красою нас

Аверин немецкий язык 6 класс учебник гдз

Скачать аверин немецкий язык 6 класс учебник гдз doc

Решебник к рабочей тетради по немецкому языку серии «Горизонты» («Horizonte. Arbeitsbuch») авторства М.М. Аверина и других создан для облегчения изучения иностранного языка шестиклассниками.

Пособие для занятий дома является неотъемлемой частью курса. Оно: наполнено упражнениями по грамматике; способствует обогащению словарного запаса; знакомит с лексическими нормами; закрепляет навыки аудирования. Решебник по немецкому языку за 6 класс авторы Аверин издательство Просвещение.  ГДЗ > Немецкий > 6 класс > Рабочая тетрадь по немецкому языку 6 класс.

Горизонты Аверин Просвещение. ГДЗ рабочая тетрадь по немецкому языку 6 класс горизонты Аверин Просвещение. Авторы: Аверин. Издательство: Просвещение. Искать. Учебник немецкого языка для 6 класса «Deutsch Horizonte Lehrbuch» – это отличный учебник для школьников, разработанный с учетом образовательных стандартов.  ГДЗ к учебнику по немецкому языку Горизонты 6 класса Аверин содержит ответы к упражнениям учебника и рабочей тетради, тексты к аудированием, упражнения для подготовки к тестам и диктантам.

Также включает словарь – незаменимый помощник школьника, изучающего немецкий язык. Благодаря этому решебнику, школьники прекрасно подготовятся проверочным работам, олимпиадам и экзаменам по немецкому языку.

ГДЗ к рабочей тетради по немецкому языку Horizonte за 6 класс Аверин М.М. можно посмотреть здесь. ГДЗ поможет вам решить задание по Немецкому языку для 6 класса от авторов издания: Аверин М. М., Джин Ф., Рорман Л.. В нем вы сможете сверить ответы к книге от года выпуска ФГОС.  ГДЗ по Немецкому языку за 6 класс Аверин М.

М., Джин Ф. ФГОС. Немецкий язык Аверин М. М., Джин Ф., Рорман Л.. Учебник. ГДЗ поможет вам решить задание по Немецкому языку для 6 класса от авторов издания: Аверин М. М., Джин Ф., Рорман Л.. В нем вы сможете сверить ответы к книге от года выпуска ФГОС. ГДЗ к рабочей тетради по немецкому языку Horizonte за 6 класс Аверин М.М. можно скачать здесь. ГДЗ к сборнику упражнений Horizonte по немецкому языку за 6 класс Лытаева М.А. можно скачать здесь.

Выберите нужную страницу с уроками, заданиями (задачами) и упражнениями из учебника горизонты по немецкому языку за 6 класс — Аверин Джин Рорман. Онлайн книгу удобно смотреть (читать) с компьютера и смартфона.

Электронное учебное пособие подходит к разным годам: от до года — создано по стандартам ФГОС.

ГДЗ учебник Lehrbuch Немецкий язык. 6 класс. Второй иностранный язык М. М. Аверина, Джин Фридерике, Лутца Роберта А horizonte с переводом. Издательство: Просвещение, серия Немецкий язык. Горизонты () состоит из одной части, 96 страниц. Данный учебный курс способствует интелектуальному, умственному, личностному и эмоциаональному развитию ребенка.

Происходит улучшение памяти и фантазия, проявляется творческие начинания, развивается национальное самосознание. Изучая иностранный язык школьники становятся более самостоятельными, воспитывается сознательность, характер, умение приодолеть трудност. Horizonte 6 класс, упр. 4, стр. Начало разговора  Это немецкий 7 класс.

Составить кроссворд с вопросами на немецком языке. с этими словами. Составить кроссворд с вопросами на немецком языке с этими словами. Срочно помогите пожалуйста. Составьте из 2-ух предложений, 1-но придаточное с weil или dass. ГДЗ Решебник Учебник Немецкий язык 6 класс Horizonte Аверин. Немецкий язык 6 класс Учебник Horizonte Аверин, Джин, Рорман «Просвещение». Проблемы с иностранными языками возникают у многих учеников.

Незнакомые слова, непонятное построение предложений и сложная грамматика. Все это мешает школьникам преуспевать в учебе.  Поэтому им сложнее адаптироваться и понять этот язык.

В таких случаях можно прибегнуть к помощи «ГДЗ к учебнику по Немецкому языку 6 класс Учебник Аверин, Джин, Рорман Просвещение». Что содержит решебник. Ученики и родители смогут найти на страницах пособия: Ответы к заданиям из учебника. Полный перевод темы и всех текстов.

doc, PDF, rtf, rtf

Похожее:

Лабораторна робота з біології 8 клас відповіді а.ю.іонцева

Природне і штучне утворення кристалів фізика

Весела зима 3 клас відповіді

Астероїд презентація

Українська мова о. п глазова 6 клас 2014

Курсова робота по паразитології

Конспект уроку числівники прості складні і складені 6 клас

Учебник по немецкому 7 класс гдз

Учебник по немецкому 7 класс гдз

Решебник биология 7 класс котик. Гдз по немецкому языку за 7 класс: бим и. Л. Решебник. Гдз решебник по немецкому языку 7 класс бим садомова.

Решебники (гдз) по предмету німецька мова 7 класс онлайн.

Гдз решебник по немецкому языку 7 класс бим садомова.

Гдз тетрадь по немецкому языку 7 класс стр. 51 номер | alardo.

Гдз по немецкому языку 7 класс бим решения по учебнику.

Гдз немецкий язык, 7 класс, бим и. Л. § iv 2, упр. 8. Hier zum. Гизела хебелер, немецкий язык. 3-й год обучения. 7 класс. Гдз по немецкому языку 7 класс mosaik гальскова, борисова е.Решебник по немецкому языку 7 класс. Запоминалки | präpositionen im dativ | предлоги в дательном.

Гдз (ответы) по немецкому языку за 7 класс от путина.

Гдз и решебники немецкий язык 7 класс | моя школа.

Гдз по немецкому языку 7 класс бим, садомова.

Електронный учебник по биологии 8 класс базанова павиченко. Скачать и. Л. Бим, гдз по немецкому языку за 11 класс | spicburking.

Гдз по немецкому радченко хебелер 7 класс дом решебников.

Гдз от путина 7 класс немецкий язык.

Скачать дирт ралли через торрент Скачать дайыр исмадияров кара козум Скачать альбом dramma через торрент Скачать буланова с днём рождения Скачать для андроид программу скайп

Цветное чудо-пятно: Различия, раскраска, лабиринт, точка за точкой, поиск тени, поиск предметов, поиск слов, одно из видов деятельности Книги для взрослых, детей и подростков: Зешин, Мисаки: 9798683015961: Amazon.

com: Книги

Animal Crossing: New Horizons Activity Book

Давайте узнаем, что вас ждет в этой удивительной тетради!

Большой поклонник игр Animal Crossing никогда не пропустит эту книгу с упражнениями Animal Crossing: New Horizons.Поэтому, если вы считаете эту книгу интересной, просто возьмите ее и попробуйте прямо сейчас!

Что вас поразит в этой книге?

Эта книга станет дверью, которая приведет вас в забавный мир Animal Crossing: New Horizons, где весь ваш стресс улетучивается, а ваш разум свободен. На нескольких страницах этой книги вы будете часами смеяться над различными удивительными занятиями, которые принесут вам много счастья, когда вы выполните задания.

В этой книге у нас 8 видов деятельности, в том числе:

• Раскраска
• Точка за точкой
• Найди отличия
• Лабиринты
• Поиск слов
• Найди скрытые объекты
• Найди тень
• Найдите единственного в своем роде

Вы бы никогда не отказались от этой книги, потому что:

• Потрясающие изображения и блестящие занятия : Все страницы напечатаны с одной стороны на белой бумаге премиум-класса, наполненной различными выдающимися и красивыми изображениями из игры Animal Crossing: New Horizons.
• Отличный сборник радостей для вашего свободного времени : Пока вы любите эту замечательную игру и учебники, эта книга вам всегда подойдет.
• Замечательный подарок для людей, которых вы любите : Вы можете подарить эту книгу всем, кого любите, или просто взять одну для себя и поделиться ее копией с друзьями, тогда вам будет еще веселее вместе!

Что вам нужно делать, чтобы получать больше удовольствия?

Приготовьте мелки, карандаши или что-нибудь, что, по вашему мнению, идеально подходит для занятий.Затем разблокируйте свой разум и наслаждайтесь прекрасным временем, которое вы проводите над этой книгой.

микроорганизмов | Бесплатный полнотекстовый | Фенотипические и генотипические свойства устойчивой к фторхинолонам qnr-носителя Escherichia coli, выделенной из пищевой цепи Германии в 2017 г.

3.1. qnrS является наиболее распространенным геном qnr в E. coli домашнего скота и пищевых продуктов

Тестирование на устойчивость к противомикробным препаратам (AST) показало, что 391 из 2799 исследованных изолятов (14%) проявляли фенотип недикого типа (фенотипическая устойчивость) против ципрофлоксацина ( CIP: MIC ≥ 0. 06 мг / л) и / или налидиксовой кислотой (NAL: MIC ≥ 16 мг / л) (Таблица S1). Из них 80 изолятов были извлечены из ESBL-мониторинга и 23 из ZoMo. ПЦР-скрининг выявил семь различных генов qnr в 103 qnr-положительных E. coli (таблица 1). Среди них наиболее распространенным геном был qnrS (n = 95), за ним следует qnrB (n = 6), в то время как qnrA и qnrVC встречались только один раз каждый. Изолятов, несущих qnrC или qnrD, не обнаружено. Довольно низкая распространенность (фтор) хинолон-устойчивой E. coli (14%) в исследованных матрицах, не относящихся к птице, хорошо согласуется с данными, обобщенными EFSA [42].В то время как несколько европейских стран сообщили о высоком уровне устойчивости к CIP и NAL у бройлеров и индеек, медианные значения в ЕС у свиней и телят были довольно низкими (6,2% и 4,2% для NAL и 7,4% и 8,4% для CIP на матрицу, соответственно). [43]. Что касается обнаружения конкретных генов qnr, наш результат хорошо согласуется с предыдущими отчетами, в которых qnrS и qnrB были наиболее часто обнаруживаемыми генами qnr в источниках домашнего скота [44,45]. В отличие от домашнего скота гены qnrA часто присутствуют в изолятах от госпитализированных пациентов [46].Мы обнаружили qnr-положительные E. coli в телячьих фекалиях (n = 56, 8,2% всех проб телячьих фекалий по результатам ZoMo- и ESBL-мониторинга в 2017 г.), фекалиях свиней на откорме (n = 38, 3,6%), мясном фарше ( n = 3, 4,7%), говядине (n = 2, 5,1%) и свинине (n = 2, 5,9%), а также в фекалиях оленей (n = 1, 0,2%) и оленине (n = 1 0,5%) (подробные данные для каждого изолята представлены в таблице S2). В целом, самая высокая относительная доля (фтор) хинолон-устойчивых и qnr-положительных изолятов во время программы мониторинга в 2017 году была определена в Нижней Саксонии (9.3%), затем следует Северный Рейн-Вестфалия (7,9%). Однако в этих двух федеральных землях самое большое поголовье скота, и они внесли наибольший вклад в общий размер выборки. Распространенность в других федеральных землях была ниже 5%. Обзор региональной распространенности (фтор) хинолон-резистентных и qnr-положительных изолятов представлен на рисунке 1. Анализ макроблокировки XbaI выявил высокую филогенетическую гетерогенность E. coli, несущих гены qnr. Для дальнейшего типирования изоляты подвергали анализу WGS и биоинформатике.Здесь 45 различных типов последовательностей (ST) были определены с помощью анализа in silico. ST10 (21%), ST2325 (6%) и ST58 (5%) представляли собой преобладающие типы. В целом наблюдалось широкое распространение изолятов, несущих qnr, в различных ST-типах. Из ST10 12 изолятов были получены из телячьих фекалий, девять — из свиных фекалий и один — из телячьего мяса. Четыре изолята из фекалий телятины, один из фекалий свиней на откорме и один из мяса телятины были отнесены к ST2325. ST58 был равномерно распределен между изолятами из образцов фекалий телятины и свиней на откорме.Два изолята не могли быть отнесены к ранее описанным ST. Наблюдаемые результаты хорошо согласуются с преобладающими сообщениями, в которых было обнаружено, что гены qnr преобладают в изолятах ST10 домашнего скота и человеческого происхождения, и подтверждают гипотезу об их влиянии как возможных распространителях связанных с плазмидами генов qnr между домашним скотом и человеком [47] . Насколько нам известно, изоляты ST2325 еще не описаны как связанные с генами qnr. На рисунке 2 показаны филогенетические отношения изолятов, основанные на данных WGS отдельных изолятов.Как и ожидалось, кластеры соответствуют преобладающему ST, но, похоже, не связаны с определенной матрицей продуктов питания / домашнего скота. Кроме того, разные профили устойчивости наблюдались в разных кластерах и ST, а также в разных матрицах для тестируемых штаммов (рис. 2). В целом мы обнаружили большое разнообразие E. coli, несущих qnr. Об этом широко распространенном возникновении qnr сообщалось ранее [48]. В частности, E. coli клональной группы ST10 часто ассоциированы с плазмидами AMR [49] и, как сообщается, часто несут qnr-положительные плазмиды [50].Кроме того, ST10 характерен для E. coli, определяемой как ESBL [51]. Когда мы проанализировали 80 изолятов E. coli в результате мониторинга ESBL, наблюдение ST10, связанного с ESBL E. coli, было подтверждено. Наши результаты подтверждают современные знания о том, что гены устойчивости, такие как qnr, могут распространяться из разных источников и не ограничиваются определенными типами последовательностей E. coli.

3.2. Изоляты E. coli, несущие qnr, демонстрируют фенотипы разнообразной устойчивости, включая множественную лекарственную устойчивость

При тестировании чувствительности к противомикробным препаратам, qnr-несущие E.coli показали очень разные профили устойчивости. Большинство из них проявляли фенотипическую устойчивость к классам противомикробных препаратов (Таблица S2), кроме (фтор) хинолонов, что связано с тем фактом, что большинство изолятов было получено в результате мониторинга ESBL. Если рассматривать только 23 ZoMo-изолята, фенотип устойчивости варьировался от одного до пяти различных классов. Когда были проанализированы только изоляты для мониторинга ESBL, количество варьировалось от трех до восьми различных классов.

Таким образом, для изолятов для мониторинга БЛРС 90% проявили фенотип устойчивости к более чем трем классам противомикробных препаратов, 79% проявили фенотип устойчивости к пяти антимикробным средствам и 34% продемонстрировали повышенные значения МИК против шести-восьми противомикробных средств.

В целом, помимо ципрофлоксацина (100% по данным ESBL-мониторинга, 91% по ZoMo), устойчивые фенотипы к ампициллину (99% и 91%), цефалоспорину (100% и 20%) и тетрациклину (80% и 52%) были наиболее распространены среди исследованных кишечной палочки. В таблице 2 показано распределение устойчивых фенотипов относительно соответствующей матрицы. Это распределение представлено графически в дополнительном материале FS1. В целом, мы обнаружили только два изолята ZoMo, которые были устойчивы только к (фтор) хинолонам.Таким образом, наши данные, в которых устойчивость к (фтор) хинолонам часто ассоциируется с множественной лекарственной устойчивостью E. coli, хорошо совпадают с результатами других исследований [52]. В результате давления прямого отбора обработка домашнего скота определенным противомикробным агентом поддерживает поддержание генов устойчивости, направленных против этого противомикробного агента [53]. Поскольку гены устойчивости могут встречаться в изоляте с множественной лекарственной устойчивостью или в плазмиде с множественной резистентностью, распространяясь посредством селективных сил, это может увеличивать преобладание других генов устойчивости в той же плазмиде или в том же изоляте. Наш результат подтверждает, что существует потенциальный риск совместного отбора, поддержания, передачи и размножения E. coli и их плазмид с множественной лекарственной устойчивостью [15]. Исходя из наших результатов, можно предположить, что существуют клоны с множественной лекарственной устойчивостью и устойчивостью к (фтор) хинолонам, особенно в сочетании с генами ESBL, что может вызывать особую озабоченность.

3.3. Изоляты E. coli, несущие qnr, связаны с очень разнообразными резистомами. а также различные варианты генов tet (96%) и bla

_CTX-M (74%).В целом, мы обнаружили, что qnrS1 часто связан с tet (34) и tet (A). Путем анализа нуклеотидной последовательности гена tet (34) E. coli было обнаружено покрытие последовательности только 76% от контрольной (номер доступа: A7J11_00001). Помимо этого дефектного гена, изоляты, устойчивые к тетрациклину, обычно несут другие детерминанты, такие как tet (A) или tet (B). Интересно, что ни одна из E. coli, несущая qnr, не несла PMQR (aac (6 ‘) — Ib-cr, qepA или oqxAB), кроме qnr.

Далее мы разделили изоляты по источникам ZoMo- и ESBL-мониторинга.Для изолятов ZoMo мы обнаружили значительную корреляцию для совместной встречаемости qnrVC с bla _{, OXA10} , cmlA5 и геном qacF, кодирующим устойчивость к пестицидам. Для других вариантов гена qnr не было обнаружено значимой корреляции для совместной встречаемости (Таблица S3). Статистически значимой корреляции не наблюдалось для qnrS1 и bla _TEM-1 (p-значение 0,059). Однако небольшое количество изолятов ZoMo препятствует тщательному анализу этой потенциальной корреляции. Когда мы проанализировали изоляты для мониторинга БЛРС, было обнаружено некоторое совместное присутствие qnr и других генов устойчивости (таблица 3).Благодаря процедуре селективного выделения наблюдалась высокая корреляция генов qnr и bla. Однако qnrA был скорее связан с bla _ACC-1 и bla _VIM-1 , а также qnrB с bla _OXA-1 , тогда как qnrS коррелировал с bla _CTX-M-65 и bla _OXA-1. . Другие сопутствующие гены устойчивости с qnr представлены в таблице 3. В частности, qnrS1 часто обнаруживался в сочетании с множественными генами устойчивости, а также с геном qacEΔ1, кодирующим устойчивость к пестицидам.Такое сосуществование множественных генов устойчивости может представлять более высокий риск, поскольку их присутствие может способствовать лучшей адаптации к различным условиям окружающей среды и увеличивать устойчивость плазмиды. В предыдущих публикациях сообщалось, что изоляты E. coli из разных матриц домашнего скота несут гены ESBL и PMQR, поскольку они часто сосуществуют в одной плазмиде. В основном, сосуществование qnr и bla _CTX-M-15 , а также bla _SHV было описано ранее [12].В целом, E. coli, продуцирующая БЛРС, представляет собой растущую угрозу общественному здоровью, и ее рост приведет к дальнейшему сокращению доступных вариантов лечения в медицине. Совместное присутствие генов qnr и ESBL представляет собой еще один риск, поскольку бактерии проявляют устойчивость к противомикробным препаратам двух важных классов. В частности, распространение плазмид, несущих детерминанты устойчивости обоих классов противомикробных препаратов, будет способствовать дальнейшему развитию изолятов с множественной лекарственной устойчивостью. Корреляция qnr-положительного БЛРС E.coli ранее сообщалось о человеческих источниках. Присутствие генов, обеспечивающих устойчивость к двум критически важным антимикробным агентам в одной плазмиде или в одном изоляте, может представлять собой важную проблему для неудач лечения при использовании соответствующих противомикробных агентов для терапевтического применения у госпитализированных пациентов. Как отмечает Салах и др. Как уже упоминалось, эти плазмидно-опосредованные резистентности в значительной степени способствуют распространению и увеличивают их частоту [54]. Они также обнаружили, что каждый qnr-положительный штамм, исследованный в их исследовании, продуцирует БЛРС.Однако, поскольку мы в основном проводили скрининг E. coli, предварительно отобранного на БЛРС, наблюдение qnr у этих продуцентов БЛРС, по-видимому, связано с условной вероятностью. Хотя сосуществование нескольких генов PMQR было описано как частое явление [52], мы не обнаружили других PMQR, кроме qnr.Как уже упоминалось, наблюдалась значительная совместная встречаемость qnrS1 и qacEΔ1, а также qnrVC и qacF. Эти детерминанты придают устойчивость к дезинфицирующим средствам на основе четвертичного аммония [55]. Осведомленность об этом связанном с плазмидой гене антисептической устойчивости широко распространена, поскольку он повышает толерантность к нескольким дезинфицирующим средствам, которые могут повышать способность изолятов, несущих AMR, сохраняться в окружающей среде [56].Соединения четвертичного аммония широко используются в качестве дезинфицирующего средства на фермах. Было замечено, что гены qac часто связаны с изолятами с множественной лекарственной устойчивостью [57]. Таким образом, они могут поддерживать эволюцию (т. Е. Адаптацию к конкретным условиям окружающей среды) устойчивости бактерий к нескольким антимикробным агентам. Здесь присутствие генов устойчивости к биоцидам указывает на другой риск, которому подвергаются изоляты, несущие qnr, поскольку он представляет собой дополнительную детерминанту устойчивости к биоцидам.

3.4. Гены вирулентности, ассоциированные с qnr-несущей E. coli

Поскольку это исследование было основано на комменсальной E. coli, ожидалось, что количество ассоциированных с вирулентностью генов в изолятах будет низким. В наших образцах было идентифицировано от 34 до 108 потенциальных факторов вирулентности (согласно базе данных факторов вирулентности) на изолят. Было обнаружено, что 92 изолята несут fimH, адгезин, специфичный для D-маннозы, ген, кодирующий фимбрии типа 1. Частое обнаружение потенциальных факторов поверхностной вирулентности fimH довольно распространено среди E.coli. Однако FimH опосредует прикрепление к клеткам и, тем самым, способствует образованию бактериальных биопленок [58]. Это дает возможность колонизации и, когда происходят определенные мутации, может представлять фактор вирулентности [59,60]. Кроме того, были обнаружены другие гены, кодирующие фактор поверхностной вирулентности, такие как afa (n = 2), focG (n = 1), paa (n = 1), pap (n = 1) и saf (n = 1). Более того, мы обнаружили один изолят с eae, геном, кодирующим интимин. Белок, кодируемый eae, играет решающую роль в колонизации кишечника и, следовательно, в STEC (шига-токсин-продуцирующий E.coli) или другой агрегатный патогенез E. coli [61]. Некоторые изоляты содержали гены токсина или субъединицы токсина, такие как astA (n = 16), cdtA (n = 3), cnf1 (n = 3), eltA (n = 1) и faeC (n = 1). Наличие astA было обнаружено в подгруппах энтероагрегативных E. coli [62]. Кроме того, два изолята обладали геном hlyA, важным секреторным фактором вирулентности. При этом наличие генов вирулентности не было связано с различными программами мониторинга, из которых была выделена E. coli.Таким образом, мы показали, что важные факторы вирулентности могут спорадически встречаться в qnr-положительных изолятах E. coli. Поскольку многие факторы вирулентности также расположены на мобильных генетических элементах, таких как плазмиды, необходимо учитывать их потенциальное распространение с детерминантами устойчивости. Таким образом, посредством горизонтального переноса генов распространяются не только гены устойчивости, но и дополнительные факторы вирулентности. В этих случаях неэффективность лечения антибиотиками из-за резистентности может вызвать потенциальное воздействие определенных факторов вирулентности; вместе с тем, представляя эволюционный путь к патогенности [63].Однако большинство факторов вирулентности, обнаруженных в этом исследовании, представляют собой отдельные компоненты различных сложных систем. Поскольку различные факторы вирулентности E. coli довольно сложны во взаимодействии, они могут не иметь большого влияния на патогенность изолята сами по себе [64].

3,5. Прогнозирование на основе кремния типов плазмид, несущих qnr

Плазмиды играют важную роль в эволюции бактерий и передаче генов устойчивости. Понимание факторов, влияющих на состав и эволюцию плазмид, необходимо для надежных оценок.Таким образом, мы обнаружили наиболее подходящие ссылки на наши плазмиды, несущие qnr, с помощью инструмента refSNPer. Таким образом, контрольные плазмиды, которые были покрыты до 100% и 90%, были определены для 31 и 35 наборов данных, соответственно, по отношению к их контрольным плазмидам. Четыре набора данных WGS не показали значимых совпадений (наилучшее эталонное покрытие <50%) с каким-либо геномом qnr-плазмиды в эталонной базе данных и могут рассматриваться как новые плазмиды. Наиболее часто обнаруживаемыми ссылками были плазмида tig00003056 E.coli штамм AR_0162 (NZ_CP021681, n = 15), плазмида C штамма E. coli D9 (NZ_CP010155, n = 8), безымянная плазмида штамма Shigella flexneri 1a штамм 0670 (NZ_CP020088, n = 8) и штамм pKpvST101bs_6 клеща пневмонии KpvST101_OXA-48 (NZ_CP031373, n = 6).

Плазмиды, демонстрирующие нуклеотидное сходство> 80% с наиболее подходящей плазмидой tig00003056 (NZ_CP021681), были описаны у госпитализированных пациентов в США (CP026200.1, CP044008.1), Великобритании (LT^{2.1, LT882487.1), на Тайване (CP046430.1) и в Пакистане (CP040574.1). Геномы, подобные плазмиде C (NZ_CP010155), были обнаружены в Китае и Японии, выделенные из сточных вод (CP035315. 1, CP045998.1, AP019678.1, MT219825.1, CP051432.1, CP046002.1) или фекалий собак (NZ_CP010155). Обе плазмиды были в основном выделены из E. coli, но также были обнаружены у других Enterobacteriaceae. Это географическое распространение, а также различные резервуары не дают дополнительных доказательств общего источника / происхождения плазмид, несущих qnr. Кроме того, казалось, что плазмиды, подобные NZ_CP020088, широко распространены.Они были обнаружены в Бразилии (MK965545.1) и Норвегии (MH507589.1) в мясе кур и индейки, а также в фекалиях ладьи в Чешской Республике (KF362122.2, Mh221702.1). Однако они также были изолированы от госпитализированных пациентов в Китае (CP020088.1, KJ201886.1, CP012734.1 и CP020341.1). Поскольку сообщалось, что плазмиды, подобные NZ_CP020088, происходят в основном от домашней птицы, это подтверждает наши выводы об этой плазмиде в резервуаре домашнего скота. NZ_CP031373 был обнаружен в Нидерландах (KX618696.1), Чехии (MH594478.1) и Великобритании (CP031373.2). В целом, наиболее подходящие ссылки на плазмиды для идентифицированных нами плазмид, несущих qnr, в основном происходят от E. coli (n = 50) и Shigella flexneri (n = 20). Однако аналогичные типы плазмид были также идентифицированы в широком диапазоне других Enterobacteriaceae, таких как Enterobacter, Salmonella и Serratia. Широкое распространение этих плазмид, тесно связанных с идентифицированными нами плазмидами, несущими qnr, демонстрирует высокую способность к распространению среди Enterobacteriaceae. Разнообразная адаптация хозяев является четким доказательством широкого спектра qnr-плазмид.Кроме того, удаленные места выделения плазмиды демонстрируют предполагаемый обмен глобальным переносом устойчивости через плазмиды, особенно в данном случае для qnr.}

Как показано в Таблице 4 (и Таблице S4), наиболее распространенными типами репликонов плазмид среди идентифицированных нами эталонных плазмид qnr были IncN (n = 12), IncY (n = 19), а также комбинация IncX1 и IncX3 (n = 29). Однако была идентифицирована всего 21 комбинация различных типов плазмид. При этом сообщается, что плазмиды IncN являются типами хозяев широкого круга, способными к конъюгативному переносу и переносу генов устойчивости к лекарственным средствам.Тесные филогенетические отношения из экологических и клинических образцов описаны для плазмид IncN [65]. Кроме того, плазмиды IncN известны тем, что несут большое количество генов устойчивости к β-лактамам расширенного спектра, сульфонамидам, хинолонам, аминогликозидам, тетрациклинам и стрептомицину [66]. Здесь мы обнаружили, что эталонная плазмида IncN несет ген устойчивости bla _TEM-1 , кодирующий β-лактамазу. IncN широко встречается у Enterobacteriaceae и признан конъюгатом.Плазмиды типа IncY известны тем, что часто содержат гены устойчивости bla _CTX-M-5 или bla _SHV-2 , связанные с развитием ESBL [66]. Кроме того, было показано, что плазмиды этой группы несут mcr-1 [67]. Здесь мы обнаружили, что эталонная плазмида из группы IncY содержит несколько генов устойчивости, включая bla _CTX-M-5 и bla _TEM-1 . Хотя плазмиды, принадлежащие к группе IncX, известны как плазмиды с узким кругом хозяев, обычно обнаруживаемые у Enterobacteriaceae, они часто несут широкий спектр генов, обеспечивающих множественную лекарственную устойчивость, и часто обнаруживаются в кишечнике животных [68].Гены, кодирующие карбапенемазы, а также гены устойчивости к колистину mcr-1 и mcr-2 часто встречаются на плазмидах IncX [69,70]. Добясова и Долейска [71] обнаружили, что плазмиды IncX широко распространены в E. coli у европейских животных и преимущественно связаны с генами устойчивости к (фтор) хинолонам, особенно с qnrS. Все преобладающие группы несовместимости плазмид (Inc) часто были связаны с множественными генами устойчивости, помимо qnr, что увеличивает риск распространения этих плазмид.Как показано в таблице 4, плазмиды из группы IncX действительно несли несколько генов устойчивости рядом с qnrS. Таким образом, мы обнаружили bla _TEM-1 и bla _SHV , расположенные на одних и тех же плазмидах. Однако, хотя мы идентифицировали определенные кластеры упомянутых Inc-групп плазмиды, ген qnr был довольно широко распределен по разным типам плазмид. Кроме того, мы исследовали распределение по размерам внехромосомных элементов ДНК с помощью анализа S1-PFGE и последовательной ДНК-ДНК-гибридизации против различные гены qnr.В целом мы обнаружили большое разнообразие размеров плазмид, несущих qnr (рис. 3).

Ген qnrS1 был обнаружен на плазмидах в диапазоне от 30 до 480 т.п.н. Это еще раз подчеркивает способность qnr сочетаться с разными типами плазмид разного размера и, следовательно, адаптивность к разным нишам.

Помимо qnr, наиболее часто встречающимися генами устойчивости в одной и той же эталонной плазмиде были aph (3 ″) — Ib, aph (6) -Id, bla _CTX-M-15 , bla _TEM-1 и sul2. , независимо от программы мониторинга.Встречаемость этой комбинации генов устойчивости была не только для определенной группы Inc, но и довольно широко распространена. Следовательно, гены qnr обнаруживаются на плазмидах различного размера и редко являются единственным геном устойчивости, локализованным на плазмиде, но вместо этого связаны с разными генами устойчивости. Перенос плазмид, несущих qnr, был описан как связанный с переносом генов, приводящим к множественной лекарственной устойчивости [72]. Это говорит о том, что провоцирование устойчивости к qnr чрезмерным использованием противомикробного агента может способствовать распространению изолятов с множественной лекарственной устойчивостью в животноводстве и источниках пищи.

3,6. Частое обнаружение точечных мутаций в генах gyrA, parC и parE qnrS-несущей E. coli

В наших исследованиях мы обнаружили изоляты с фенотипами, устойчивыми к ципрофлоксацину, но не обладающими фенотипической устойчивостью к налидиксовой кислоте (Таблица S2). Устойчивость к фторхинолонам без устойчивости к хинолонам в основном связана с мутациями в хромосоме в генах gyrA и parC [58,59]. Кроме того, EFSA предположило, что устойчивость к ципрофлоксацину без устойчивости к налидиксовой кислоте указывает на увеличение случаев опосредованной плазмидой устойчивости к хинолонам [2].В целом, помимо генов PMQR, мутации в генах, кодирующих ДНК-гиразу (gyrA и gyrB) и топоизомеразу IV (parC и parE), в значительной степени связаны с повышенной устойчивостью к (фтор) хинолонам. Предыдущие исследования показали, что высокий уровень устойчивости к (фтор) хинолонам в основном связан с мутациями в gyrA и дополнительной мутацией в гене parC у E. coli [73,74]. В этом исследовании было идентифицировано 16 из 103 изолятов, несущих qnr, с точечной мутацией в областях QRDR gyrA (n = 9, две мутации; n = 5, одна мутация) или parC (n = 2, две мутации; n = 10, одна мутация) и parE (n = 4, одна мутация).Впоследствии эти 16 изолятов имели высокие значения MIC для налидиксовой кислоты (в основном> 128 мг / л) и ципрофлоксацина (в основном> 8 мг / л). Интересно, что мы также обнаружили три других изолята с MIC для налидиксовой кислоты> 128 мг / л, но без изменений в хромосомных генах, связанных с устойчивостью к (фтор) хинолонам. Однако все изоляты, кроме одного, имели точечную мутацию в области parC, приводящую к аминокислотной подстанции E62K. Это убедительно свидетельствует о влиянии этой мутации на устойчивость к (фтор) хинолонам у E.coli. Vingopoulou et al. [75] описали эту замену ParC E62K ранее. Они обнаружили этот новый аминокислотный обмен в устойчивой к энрофлоксацину E. coli, выделенной из собачьих отитов и образцов фекалий. Поскольку энрофлоксацин относится к группе (фтор) хинолонов, это подтверждает гипотезу об обмене E62KL, повышающем устойчивость к (фтор) хинолонам. В общей сложности 87 из проанализированных изолятов были устойчивыми к (фтор) хинолонам, но несли только ген qnr без каких-либо других генов PMQR, связанных с развитием устойчивости.Возможно, присутствие генов qnr достаточно для повышения МИК для NAL до степени устойчивости. Можно также рассмотреть развитие еще неизвестных генов или точечных мутаций в E. coli, участвующих в этой устойчивости к (фтор) хинолонам. Это ясно демонстрирует актуальность мониторинга PMQR для оценки устойчивости к (фтор) хинолонам и возможную способность qnr повышать устойчивость E. coli к (фтор) хинолонам.

Общенациональная оценка окислительно-восстановительных условий подземных вод и концентраций нитратов с помощью машинного обучения

Защита водных ресурсов и разработка стратегий смягчения последствий требуют крупномасштабной информации о загрязнении воды, таком как нитраты. Такие методы машинного обучения, как случайный лес (RF), доказали свою ценность для оценки качества подземных вод на основе пространственных предикторов окружающей среды. Мы исследуем потенциал RF и квантильного случайного леса (QRF) для оценки окислительно-восстановительных условий и концентрации нитратов в грунтовых водах (разрешение 1 км × 1 км) с использованием сети мониторинга подземных вод Европейской рамочной директивы по водным ресурсам, а также пространственной экологической информации, доступной по всей Германии. . Модель RF для нитратов обеспечивает хорошие прогнозные характеристики с R ² , равным 0.52. Основными предикторами являются окислительно-восстановительные условия в подземном водном объекте, гидрогеологические единицы и процент пахотных земель. Оценка неопределенности с использованием QRF показывает довольно большие неопределенности со средним интервалом прогноза (MPI) 53,0 мг / л ^-1 . Это исследование представляет собой первую общенациональную оценку пространственного распределения концентраций нитратов в подземных водах для Германии на основе данных.

Растущее использование подземных вод как наиболее важных ресурсов питьевой воды в мире подчеркивает важность защиты их от загрязнения (Foster and Chilton 2003).В Германии и многих других странах на качество подземных вод влияют повышенные концентрации нитратов (NO ₃ ), которые в основном объясняются диффузными потерями азота в сельскохозяйственных системах (Galloway et al 2008, EEA 2018). Загрязнение водных систем нитратами имеет далеко идущие экологические последствия и представляет серьезный риск для здоровья человека (van Grinsven et al 2006, Erisman et al 2013, Reis et al 2016). Рамочная директива ЕС по водным ресурсам 2000/60 / EC (WFD) была введена для комплексной защиты воды, направленной на поддержание или восстановление «хорошего состояния» подземных водных объектов.Что касается загрязнения нитратами, это требует принятия мер по сокращению поступления азота для соответствия стандарту качества WFD <50 мг л ^-1 NO ₃ .

Страны-члены ЕС обязаны регулярно представлять инвентаризацию состояния подземных вод. Последний отчет показывает, что 25% подземных водных объектов в ЕС имеют плохой химический статус, 18% в основном из-за загрязнения нитратами (EEA 2018). Ответственным органам необходимо разработать междисциплинарные, комплексные и целостные планы управления речными бассейнами для реализации ВРД, что требует комплексного картирования загрязнения водных систем и определения территорий, находящихся под значительным давлением (Kallis and Butler 2001, Voulvoulis et al 2017).

Оценка концентрации нитратов в подземных водах зависит от нескольких факторов и процессов. Структуры землепользования и количество излишков азота на сельскохозяйственных землях указывают на источники поступления. Кроме того, гидрогеологические и биогеохимические условия водоносного горизонта определяют наличие нитратов в водоеме. Сложные естественные процессы поглощения происходят во время вертикального смещения нитратов в ненасыщенной зоне и бокового переноса в водоносном горизонте в направлении потока грунтовых вод (Rivett et al 2008). Денитрификация, как наиболее важный процесс удаления нитратов из грунтовых вод, сильно зависит от преобладающих окислительно-восстановительных условий (Korom 1992, Rivett et al 2008). Денитрификация происходит в анаэробных условиях, если присутствуют денитрифицирующие бактерии и доноры электронов (Rivett et al 2008). Такие анаэробные условия характеризуются концентрацией кислорода (O ₂ ) ≤1–2 мг / л ^–1 и концентрацией железа (Fe) ≥0,1–0,2 мг / л ^–1 (Kunkel et al 2004 , 2017, Rivett et al 2008, Mcmahon and Chapelle 2008).Несколько исследований касались крупномасштабной оценки окислительно-восстановительных условий в подземных водах (Tesoriero et al 2015, 2017, Close et al 2016, Rosecrans et al 2017, Koch et al 2019) и Ransom et al. (2017) определил его как один из наиболее важных параметров для оценки концентрации нитратов.

Статистические подходы, основанные на данных, доказали свою эффективность при моделировании крупномасштабных показателей качества подземных вод. Карты концентрации нитратов в подземных водах по всей стране были разработаны с использованием регрессионных моделей для Китая (Gu et al 2013) и США (Nolan et al 2002, Nolan and Hitt 2006).Методы машинного обучения (ML) привлекают все больше внимания в области исследований водных ресурсов. Халил и др. (2005) продемонстрировали сильные прогностические возможности при моделировании загрязнения подземных вод с помощью различных алгоритмов, например искусственные нейронные сети или опорные векторные машины. В качестве еще одного эффективного инструмента случайный лес (RF), разработанный Брейманом (2001), часто применяется в вопросах водных ресурсов (Tyralis et al 2019). RF — очень мощный инструмент для моделирования и оценки больших сложных наборов данных с нелинейными отношениями между числовыми и категориальными независимыми переменными.Кроме того, он отличается надежностью и повышенной прогностической эффективностью (Tyralis et al 2019). Сравнение различных методов машинного обучения с точки зрения эффективности прогнозирования показало, что древовидные модели, такие как RF, превосходят другие (Wang et al 2016, Knoll et al 2019). Такие методы ML на основе деревьев уже использовались в нескольких исследованиях по крупномасштабному прогнозированию концентраций нитратов в подземных водах (Nolan et al 2014, 2015, Rodriguez-Galiano et al 2014, 2018, Wheeler et al 2015, Ransom et al 2017, Tesoriero et al 2017, Knoll et al 2019, Ouedraogo et al 2019).Что касается оценки окислительно-восстановительных условий подземных вод, Close et al (2016) и Wilson et al (2018) провели линейный дискриминантный анализ. Принимая во внимание, что в других исследованиях ML также использовался для прогнозирования окислительно-восстановительных условий подземных вод или окислительно-восстановительного интерфейса (Tesoriero et al 2015, Rosecrans et al 2017, Koch et al 2019, Friedel et al 2020, Wilson et al. al 2020).

Из-за сложных процессов, влияющих на качество подземных вод, оценки сопровождаются неопределенностями, которые необходимо оценить количественно (Refsgaard et al 2007, Grizzetti et al 2015).В качестве одного из немногих, Rahmati et al (2019) исследовали неопределенности в подходах машинного обучения для оценки концентраций нитратов в подземных водах и показали, что важно учитывать как производительность, так и неопределенность для оценки модели. Ransom и др. (2017) использовали начальную загрузку для модели дерева ускоренной регрессии, а Koch и др. (2019) расширили RF с геостатистикой для оценки неопределенностей. Изменив RF на квантильный случайный лес (QRF), Meinshausen (2006) предоставил метод для рассмотрения полного условного распределения для прогнозов, а не только среднего.Это позволяет не только дополнительно выводить медианные прогнозы, но также оценивать неопределенности путем определения интервалов прогнозирования. Несмотря на то, что этот метод еще не получил широкого распространения в исследованиях водных ресурсов, он уже использовался в цифровом картировании почв (Vaysse and Lagacherie 2017, Szatmári and Pásztor 2019).

Здесь мы впервые предоставляем основанную на данных оценку концентраций нитратов в подземных водах для федеральной земли Германия, которая характеризуется значительной долей использования сельскохозяйственных земель, составляющей около 50% ее площади (360 000 км ² ).Цели нашего исследования — разработать RF-модель в сочетании с QRF, чтобы: (1) охарактеризовать пространственное распределение окислительно-восстановительных условий в грунтовых водах, (2) оценить концентрации нитратов в грунтовых водах с учетом окислительно-восстановительных условий и (3) определить интервалы прогноза в виде оценка неопределенности.

Общий процесс моделирования включает четыре этапа, то есть создание базы данных, предварительную обработку данных, прогнозное моделирование и анализ неопределенности с RF в сочетании с QRF (рисунок 1).Прогнозное моделирование, а также анализ неопределенности выполняется с помощью R (v. 3.4.1). Все пространственные данные обрабатываются в Географической информационной системе ArcGIS (v. 10.4).

Увеличить Уменьшить Сбросить размер изображения

Рисунок 1. Схема четырехэтапного процесса моделирования: создание базы данных, предварительная обработка данных, прогнозное моделирование и анализ неопределенностей. RF = случайный лес, QRF = квантильный случайный лес, RMSE = среднеквадратичная ошибка, R ² = коэффициент детерминации, MAE = средняя абсолютная ошибка, PI = интервал прогнозирования, MPI = средний интервал прогнозирования, PICP = вероятность охвата интервала прогнозирования .

Загрузить рисунок:

Стандартный образ Изображение высокого разрешения

2.1. База данных

Согласно WFD, химический статус подземных вод оценивается на основе репрезентативной сети мониторинга, по которой государства-члены ЕС обязаны регулярно отчитываться. Мониторинг ВРД включает сеть наблюдения для долгосрочного и полного описания состояния подземных вод и дополнительную оперативную сеть. Участки мониторинга, выбранные в сети мониторинга ВРД, отражают качественный статус соответствующего подземного водного объекта (EC 2003).Поскольку реализация ВРД в Германии является обязанностью федеральных земель, дизайн сетей мониторинга варьируется, что, в частности, отражается на количестве и распределении отдельных участков мониторинга. В этом исследовании мы используем консолидированный набор данных измерений концентрации подземных вод всех сетей мониторинга WFD в федеральных землях (далее именуемый набором данных WFD), который был предоставлен соответствующими федеральными властями. Мы рассмотрели ряд предварительных условий для выбора участков мониторинга из набора данных ВРД:

• Должны быть доступны метаданные и информация о глубине отбора проб.
• Участки мониторинга с глубиной> 100 м исключены, чтобы избежать глубоких водоносных горизонтов.
• Последний период наблюдений (среднее значение 2009–2018 гг.).
• Участки мониторинга с сильными вариациями среднегодовых значений исключаются (стандартная ошибка среднего (SEM) во временном ряду> 1 мг л ^-1 для O ₂ и Fe и> 10 мг л ^-1 для NO ₃ ), чтобы обеспечить репрезентативную концентрацию с помощью надежных средств на период отбора проб.
• Выбросы в концентрациях O _2, Fe и NO ₃ (> 99% процентиля) удалены из набора данных.

Информация о сборе и подготовке данных дополнительно описана в тексте S1 дополнительных материалов, доступных на stacks.iop.org/ERL/15/064004/mmedia. Данные о качестве подземных вод статистически обобщены в таблице S1 и на рисунке S1, пространственное распределение участков мониторинга показано на рисунке S2.

Измерения концентрации подземных вод (точечные данные) для NO ₃ (n = 5414), O ₂ (n = 5837) и Fe (n = 5628) используются в качестве зависимых переменных.Классификация окислительно-восстановительных условий основана на концентрациях O ₂ и Fe и учитывается в модели нитратов в качестве предиктора. Для моделирования концентраций нитратов в подземных водах в соответствии с экспертными знаниями предварительно выбран набор из 21 соответствующего пространственного экологического предиктора, доступного по всей Германии, включая 7 предикторов по землепользованию и управлению, 12 предикторов по гидрогеологии и гидрохимии и 2 предиктора по почвенным условиям (таблица S2). Описание данных и информацию о подготовке данных можно найти в тексте S2 и на рисунках S3 – S6.

2.2. Предварительная обработка

2.2.1. Характеристика окислительно-восстановительных условий

Характеристика окислительно-восстановительных условий основана на схеме классификации из четырех пунктов в соответствии с LAWA (2018). Концентрация O ₂ является преобладающим фактором, определяющим возникновение денитрификации, при концентрациях <2 мг / л ^-1 , что указывает на анаэробные условия и возникновение денитрификации (Rivett et al 2008). В этом случае сайту мониторинга присваиваются две точки.В диапазоне 2–5 мг л ⁻¹ O ₂ существует только средняя вероятность возникновения денитрификации, и ей присваивается один балл. При концентрациях O ₂ > 5 мг / л ^-1 наблюдаются сильные аэробные условия, вероятность денитрификации мала, и участку мониторинга не присваиваются баллы. Поскольку денитрификация предпочтительно происходит в присутствии концентраций Fe ≥0,2 мг / л ^-1 (Kunkel et al 2004, 2017), мы добавили дополнительный балл.Это приводит к четырем окислительно-восстановительным классам: (3) сильно анаэробный, (2) анаэробный, (1) промежуточный и (0) аэробный (таблица S3).

2.2.2. Анализ буфера

Точечные данные (концентрации O ₂ , Fe и NO ₃ ) связаны с пространственными предикторами посредством вкладываемых площадей. Участок представляет собой потенциальный водосбор участка мониторинга, где на измеренное качество подземных вод могут влиять факторы окружающей среды. Поскольку информация о крупномасштабных условиях потока подземных вод ограничена, мы использовали упрощенную процедуру для определения участков, вносящих вклад в каждый участок мониторинга, т.е.е. круглый буфер радиусом 1000 м обеспечивает наилучшие характеристики модели (Knoll et al 2019). Пространственные предикторы составляются в этой буферной зоне и связаны с сайтом мониторинга. Аналогичным образом пространственные предикторы назначаются отдельным ячейкам карты сетки для Германии (358 171 ячейка сетки). Предварительная обработка данных дополнительно описана в тексте S3.

2.2.3. Выбор признаков

Сначала была использована корреляционная матрица для проверки сильной корреляции (коэффициент корреляции Пирсона r> 0.75) между числовыми предикторами. Это имело место для скорости фильтрования и скорости пополнения подземных вод, после чего мы удалили скорость фильтрата из набора данных. С помощью пакета Boruta R (Kursa and Rudnicki, 2010), алгоритма выбора всех релевантных признаков, был выбран окончательный набор соответствующих предикторов, из которых также был удален тип породы водоносного горизонта (таблица S2). Графики важности предикторов, полученные с помощью метода Борута, можно найти на рисунке S7. После выбора признаков остается 11 предикторов для набора данных O ₂ , 6 для набора данных Fe и 19 для набора данных NO ₃ .

2.3. Прогнозное моделирование

Для обучения и оценки РЧ-модели данные сначала разделяются на обучающий (80%) и тестовый (20%) набор данных. Для обеспечения примерно равного распределения переменной ответа в обоих наборах данных применяется стратифицированная случайная выборка (Kuhn and Johnson 2013). Для пространственного прогнозирования окончательная модель обучается со всеми данными из-за относительно низкой плотности участков мониторинга. Подробная информация о подходе к радиочастотному моделированию приведена в тексте S4.В то время как RF учитывает только условное среднее предсказания ответа, QRF сохраняет все наблюдения в этом узле и оценивает условное распределение (Meinshausen 2006). Эта функция непрерывного распределения описывает диапазон и изменение переменной отклика вокруг прогнозируемого среднего, и, таким образом, могут быть получены медианные значения или оценка неопределенности прогноза. Мы используем пакет R ‘caret’ версии 6.0–82 (Kuhn 2018) для прогнозного моделирования, в котором пакет R ‘randomForest’ (Liaw and Wiener 2002) (method = ‘rf’) и ‘QuantregForest’ (Meinshausen 2017) (method = ‘qrf’) реализован.В ‘caret’ мы определяем количество деревьев в модели ( ntree = 1000) и трижды повторяемую 10-кратную перекрестную проверку (метод = ‘repeatcv’, number = 10, repeat = 3) как метод передискретизации в функция обучения модели.

Оценка производительности модели основана на трех целевых функциях: среднеквадратическая ошибка (RMSE), коэффициент детерминации (R ² ) и средняя абсолютная ошибка (MAE). RMSE и MAE дают выражение для средней ошибки прогнозирования модели в единицах отклика модели, где R ² — это общая мера, указывающая дисперсию в прогнозе.Мы определяем производительность модели для набора обучающих данных и проверяем его с помощью набора независимых тестовых данных. Поскольку RF-деревья вырастают до максимального размера, они, вероятно, превышают данные в каждом дереве, что приводит к существенно низким ошибкам предсказания для обучающих данных. Использование перекрестной проверки в процессе обучения модели позволяет избежать переобучения. Следовательно, эффективность окончательно использованной модели на основе всех данных определяется путем перекрестной проверки. Относительная важность предиктора для каждой модели оценивается в процессе обучения модели путем перекрестной проверки на основе набора обучающих данных с нормализованной мерой важности от 0% до 100%, где наиболее важный предиктор устанавливается на 100% (Kuhn 2018 ).

После обучения модели и настройки набора данных карты сетки (1 км × 1 км) для Германии модели используются для оценки концентраций подземных вод для каждой ячейки сетки в соответствии с назначенными предикторами. Перед применением модели для NO ₃ к сетке необходимо определить окислительно-восстановительные условия для каждой ячейки сетки в соответствии со схемой классификации, основанной на прогнозируемых концентрациях O ₂ и Fe (таблица S3).

2.4. Анализ неопределенности

Для оценки надежности оценок можно получить интервал прогноза (ИП) для определения неопределенности модели.Квантиль распределения p соответствует значению, не превышаемому значениями переменной ответа с вероятностью p . На основе квантилей p PI определяется как диапазон между нижним (PL ^нижний ) и верхним пределом прогноза (PL ^{верхний} ). 90% -PI указывает диапазон от квантиля 5% до квантиля 95%, в котором истинное значение ожидается с высокой вероятностью ( p = 0,9). Средний интервал прогнозирования (MPI) и вероятность охвата интервала прогнозирования (PICP) предлагаются в качестве статистических мер для оценки неопределенности QRF (Shrestha and Solomatine 2006, Rahmati et al 2019).MPI выражает среднюю ширину всех PI с более низкими значениями, указывающими на меньшую неопределенность (уравнение (1)). При использовании PICP в качестве меры проверки неопределенности модели доля наблюдаемых значений ( y _i ) в пределах оцененного PI рассчитывается для заданного уровня достоверности p (уравнение (2)) (Dogulu et al. 2015). В идеале PICP приблизительно соответствует доверительному интервалу p , в противном случае неопределенность будет завышена (PICP> p ) или занижена (PICP < p ).

3.1. Пространственное распределение окислительно-восстановительных условий подземных вод

На этапе предварительной обработки были определены четыре класса, характеризующие преобладающие окислительно-восстановительные условия, на основе измеренных концентраций O ₂ и Fe. На рисунке 2 показано отчетливое влияние окислительно-восстановительных условий на концентрацию нитратов в грунтовых водах со значительным снижением с увеличением анаэробных условий. Однако очень высокие концентрации нитратов все еще можно увидеть в анаэробных классах (2) и (3), несмотря на потенциально благоприятные условия для денитрификации.В этих случаях либо потенциал денитрификации превышен, либо способность денитрификации исчерпана из-за истощенных доноров электронов (Green et al 2008, Liao et al 2012, Wilde et al 2017).

Увеличить Уменьшить Сбросить размер изображения

Рис. 2. Коробчатые диаграммы измеренных концентраций NO ₃ для четырех классов окислительно-восстановительных условий на основе набора данных WFD.

Загрузить рисунок:

Стандартный образ Изображение высокого разрешения

Чтобы составить карту окислительно-восстановительных условий, сначала необходимо оценить пространственное распределение концентраций O ₂ и Fe в подземных водах. RF-модели для обоих параметров обучаются с предварительно выбранными предикторами. Важность предикторов, используемых в модели RF для O ₂ (RF _O2 ) и Fe (RF _Fe ), ранжирована и изображена на рисунке 3. Для модели RF _O2 гидрогеологические единицы и скорость пополнения подземных вод наиболее актуальна.В модели RF _Fe преобладают гидрогеологические единицы, за которыми следует полевой потенциал. Tesoriero et al (2017, 2015) также пришли к выводу, что геология и параметры, связанные со временем прохождения грунтовых вод, включая скорость пополнения запасов грунтовых вод, являются важными предикторами для оценки аэробных условий.

Увеличить Уменьшить Сбросить размер изображения

Рис. 3. Ранжирование по важности от 0% до 100% шести наиболее важных предикторов для моделей RF _O2 , RF _Fe и RF _NO3 на основе данных обучения WFD.hyd_unit = гидрогеологические единицы, GWR = скорость пополнения подземных вод, L_KF = гидравлическая проводимость, FC = полевой потенциал, RTGW = время пребывания грунтовых вод, HUMUS = содержание гумуса, Redox = окислительно-восстановительные условия, arable_land = процент пахотных земель, SWR_conc = потенциальная концентрация нитратов в просачивающаяся вода, Nsurp_cm = рассчитанный средний избыток азота, лес = процент леса.

Загрузить рисунок:

Стандартный образ Изображение высокого разрешения

Результаты прогнозных характеристик моделей RF приведены в таблице 1.Модель RF _O2 показывает очень хорошие прогностические характеристики для набора обучающих данных. Модель RF _O2 , основанная на всех данных после перекрестной проверки, по-прежнему обеспечивает хорошие прогностические характеристики (RMSE = 2,49 мг л ^-1 , R ² = 0,53, MAE = 1,86 мг л ^-1 ), аналогично что из набора тестовых данных. Модель RF _Fe также показывает очень хорошие прогностические характеристики для набора обучающих данных. Однако для данных независимых испытаний модель RF _Fe имеет только разумные прогностические характеристики, как и модель RF _Fe , основанная на всех данных после перекрестной проверки (RMSE = 3.00 мг л ^-1 , R ² = 0,26, МАЭ = 1,66 мг л ^-1 ). Подобные исследования, например Tesoriero et al (2017) и Rosecrans et al (2017) вряд ли можно сравнивать с нашими результатами, поскольку они предсказывают вероятность превышения определенных пороговых значений. Прогнозы по сравнению с наблюдениями для подземных вод O ₂ и концентраций Fe в тестовых данных показаны на рисунке 4. Несмотря на более низкие прогностические характеристики по сравнению с кислородом, железо вносит важный дополнительный вклад в классификацию окислительно-восстановительных условий.

Увеличить Уменьшить Сбросить размер изображения

Рис. 4. Прогнозируемые и наблюдаемые концентрации подземных вод для моделей RF _O2 (a), RF _Fe (b) и RF _NO3 (c) на основе данных испытаний набора данных WFD. Синие линии показывают линии регрессии между наблюдениями и прогнозами вместе с их 95% доверительными интервалами.

Загрузить рисунок:

Стандартный образ Изображение высокого разрешения

Таблица 1. Оценка производительности моделей для моделей RF _O2 , RF _Fe и RF _NO3 на основе данных испытаний, данных обучения и всех данных набора данных WFD.

							Перекрестная проверка всех данных
	Данные испытаний			Данные обучения			(10-кратное 3-кратное повторение)
Модель	RMSE [мг л -1 ]	р 2	MAE [мг л -1 ]	RMSE [мг л -1 ]	р 2	MAE [мг л -1 ]	RMSE (± SD) [мг / л]	R 2 (± SD)	MAE (± SD) [мг л -1 ]
РФ О2	2.50	0,53	1,87	1,32	0,89	0,97	2,49 ± 0,09	0,53 ± 0,03	1,86 ± 0,06
РФ Fe	3,09	0,24	1,65	1,62	0,84	0,88	3,00 ± 0,25	0,26 ± 0,05	1,66 ± 0,11
РФ НО3	20,90	0,51	12.97	8,66	0,93	5,39	20,12 ± 0,97	0,52 ± 0,04	12,71 ± 0,51

Прогнозируемые сеточные карты концентраций в подземных водах окислительно-восстановительных параметров O ₂ и Fe можно найти на рисунках S8 и S9. Для каждой карты модель QRF используется для определения верхнего и нижнего пределов прогноза (PL ^{верхний} = 95% -квантиль, PL ^нижний = 5% -квантиль) для получения PI (рис. S8 и S9).Графики плотности прогнозируемых окислительно-восстановительных параметров можно найти на рисунке S11. MPI 7,4 мг / л ^-1 для модели RF _O2 и 6,0 мг / л ^-1 для модели RF _Fe указывает на очень высокую неопределенность в предсказании модели. Значения PICP 0,89 для RF _O2 и 0,90 для RF _Fe соответствуют p (0,90), что указывает на то, что неопределенности прогнозов правильно оцениваются с помощью QRF.

Согласно классификационной схеме в таблице S3, пространственное распределение окислительно-восстановительного состояния определяется с помощью расчетных концентраций O ₂ и Fe в подземных водах.Из-за низкой производительности модели RF _Fe и ее довольно больших неопределенностей это может привести к неправильной классификации, особенно в соответствии с низким порогом концентрации Fe для анаэробных условий. Поскольку концентрации Fe показывают строго искаженное вправо распределение, мы используем медианное значение в пользу среднего для описания ожидаемого ответа. Результирующая карта производных окислительно-восстановительных условий показана на рисунке 5. В северной части Германии, а также на некоторых низинах в центральной и южной частях возникают преимущественно сильно анаэробные или промежуточные окислительно-восстановительные условия.В южной части Германии преобладают окислительно-восстановительные условия от промежуточных до преимущественно аэробных. Такое распределение указывает на более высокий потенциал денитрификации в рыхлых водоносных горизонтах Северо-Германской равнины и местных низменностей, чем в консолидированных единицах центральной и южной Германии.

Увеличить Уменьшить Сбросить размер изображения

Рисунок 5. Пространственное распределение четырех окислительно-восстановительных классов для карты сетки Германии размером 1 км × 1 км, полученной на основе прогнозируемых концентраций кислорода и железа в период 2009–2018 годов на основе набора данных WFD (границы федеральных земель: © GeoBasis-DE / BKG 2017, Лицензия на передачу данных Германия — авторство — версия 2.0 (www.govdata.de/dl-de/by-2-0)).

Загрузить рисунок:

Стандартный образ Изображение высокого разрешения

3.2. Пространственное распределение концентрации нитратов в подземных водах

Обучение модели RF для модели NO ₃ (RF _NO3 ) основано на более полном наборе предикторов по сравнению с RF _O2 и RF _Fe (таблица S2). В дополнение к доступным пространственным предикторам используется информация о окислительно-восстановительных условиях, полученная из данных мониторинга O ₂ и концентрации Fe (рисунок 5).Переменная важность предикторов, используемых в модели RF _NO3 , ранжирована на рисунке 3. Окислительно-восстановительное состояние, безусловно, является наиболее подходящим предиктором, за ним следуют гидрогеологические единицы и процент пахотных земель. Высокая актуальность гидрогеологических единиц и процента пахотных земель также была обнаружена в Knoll et al (2019). Рэнсом и др. (2017) использовали окислительно-восстановительные параметры марганца и кислорода для предсказания нитратов, которые в этом случае оказались наиболее подходящими предикторами.Вопреки нашим ожиданиям, время пребывания грунтовых вод в модели RF _NO3 менее актуально. Рэнсом и др. (2017) добавили возраст подземных вод в качестве предиктора и значительно улучшили прогностические характеристики своей модели нитратов подземных вод. Однако довольно грубое разрешение возраста подземных вод могло быть причиной низкого воздействия в нашем исследовании.

Модель RF _NO3 дает хорошие прогностические характеристики для набора обучающих данных (таблица 1).Для набора независимых тестовых данных модель по-прежнему обеспечивает хорошие прогностические характеристики, а также для модели, основанной на всех данных после перекрестной проверки (RMSE = 20,12 мг л ^-1 , R ² = 0,52, MAE = 12,71 мг. л ^-1 ). Прогнозы по сравнению с наблюдениями для концентраций нитратов в подземных водах данных испытаний показаны на рисунке 4. Модель RF _NO3 имеет тенденцию занижать высокие концентрации (> 50 мг л ^-1 ) и имеет проблемы с предсказанием экстремальных значений> 100 мг. л ^-1 .Однако производительность модели можно считать хорошей, особенно с учетом большого масштаба приложения и относительно низкой плотности сайтов мониторинга. Другие исследования крупномасштабного прогнозирования концентраций нитратов в подземных водах приводят к сопоставимым характеристикам моделей (Нолан и др. 2015, Уиллер и др. 2015, Рэнсом и др. 2017, Кнолл и др. 2019). Прогнозируемая сеточная карта концентрации NO ₃ в подземных водах показана на рисунке 6, соответствующий график плотности можно найти на рисунке S11.Как было показано ранее, результаты моделей RF _Fe и RF _O2 содержат частично большие погрешности. Это может привести к неправильной классификации окислительно-восстановительных классов, используемых для прогноза NO ₃ . Поскольку окислительно-восстановительное состояние является наиболее подходящим предиктором, мы проанализировали его пространственную чувствительность. Короче говоря, мы добавили случайную ошибку 5–30% ко всем классам на рисунке 5, подробности см. В тексте S5 и на рисунке S12. Средняя прогнозируемая концентрация NO ₃ еще больше изменяется с увеличением ошибочной классификации.Но даже предполагаемая ошибочная классификация до 30% не приводит к общему сомнению в наших результатах. Прогнозируемая средняя концентрация NO ₃ по Германии, составляющая 22,7 мг / л ^-1 , находится в диапазоне от 21,0 до 24,9 мг / л ^-1 при этом предположении.

Увеличить Уменьшить Сбросить размер изображения

Рисунок 6. Пространственный прогноз (1 км × 1 км) средней концентрации нитратов в подземных водах (NO ₃ ) в период 2009–2018 годов для Германии и 90% -ный интервал прогноза (PI) на основе Набор данных WFD (границы федеральных земель: © GeoBasis-DE / BKG 2017, Лицензия на передачу данных Германия — авторство — версия 2.0 (www.govdata.de/dl-de/by-2-0)).

Загрузить рисунок:

Стандартный образ Изображение высокого разрешения

Модель QRF также используется для определения верхнего и нижнего пределов прогноза для модели RF _NO3 . Полученный 90% -PI показан на рисунке 6. Основываясь на данных испытаний, MPI 53,0 мг / л ^-1 для модели RF _NO3 указывает на очень высокую неопределенность в прогнозе модели. Значения PICP для модели RF _NO3 0,91 соответствуют p (0.90), что указывает на правильно оцененные неопределенности прогнозов с помощью QRF. Другие исследования по прогнозированию концентрации нитратов в подземных водах определили неопределенности в аналогичном диапазоне (Ransom et al 2017, Rahmati et al 2019). Koch et al (2019) указали, что неопределенность можно значительно уменьшить с помощью более полного набора данных. В соответствии с этим, мы также протестировали набор данных с дополнительными объектами мониторинга (n = 13 038 для NO ₃ ), находящимися в ведении нескольких федеральных земель Германии, что привело к уменьшенной, но все еще высокой неопределенности (MPI = 41.9 мг л ^-1 ). В любом случае, поскольку эти участки не являются частью программы мониторинга ВРД, они не рассматривались в дальнейшем в этом исследовании.

Высокая значимость окислительно-восстановительных условий в оценке концентраций нитратов подчеркивает важность точной оценки гидрогеохимических условий в водоносных горизонтах. Поскольку гидрогеологические единицы (рисунок S4) обеспечивают решающий прогноз для оценки окислительно-восстановительных параметров, очевидно, что они также имеют большое значение для оценки концентраций нитратов в подземных водах.Тем не менее, антропогенное воздействие на нагрузку по нитратам может быть правильно представлено только при правильном поступлении азота в грунтовые воды. Таким образом, важно знать процент сельскохозяйственных угодий, избыток азота и скорость просачивания. Хотя процессы естественного круговорота в подземном водном объекте являются наиболее важным фактором, определяющим загрязнение подземных вод, отправной точкой для мер по смягчению воздействия является уменьшение поступления, особенно в отношении конечного потенциала сокращения в подземном водном объекте.

Очевидно, что окислительно-восстановительные условия примерно разделены на две области (рис. 5). На Северо-Германской равнине и в некоторых низинах преобладают анаэробные и сильно анаэробные условия и, следовательно, предпочтительно условия денитрификации. И наоборот, в горных регионах южной и центральной Германии преобладают аэробные или промежуточные окислительно-восстановительные условия. Аналогичные результаты описаны в Kunkel et al (2004), которые пришли к выводу, что водоносные горизонты с пониженной способностью разлагать нитраты встречаются на Северо-Германской равнине, в то время как в водоносных горизонтах консолидированных единиц преобладают условия, не приводящие к разложению нитратов.Hannappel et al (2018) также обнаружили, что потенциал денитрификации в четвертичных и третичных рыхлых породах явно выше, чем в консолидированных единицах.

Северо-восточная часть Германии представляет собой преимущественно незагрязненные территории ледниковых отложений позднего плейстоцена. Эти в значительной степени замкнутые водоносные горизонты характеризуются низкой скоростью потока, длительным временем пребывания грунтовых вод и сильно анаэробными условиями из-за толстого покрытия до слоев и, следовательно, хорошо защищены от загрязнения (Wendland et al 2008, Merz et al 2009).Мерц и др. (2009) также описывают аэробные зоны в регионах подпитки подземных вод с высокими концентрациями NO ₃ , которые только местами идентифицируются предсказаниями модели RF _NO3 . Однако прогнозы сопровождаются довольно высокими неопределенностями, так что более высокие концентрации, по крайней мере, находятся в пределах доверительного интервала модели. В северо-западной части Германии высокие концентрации NO ₃ наблюдаются в регионах Геста, сформировавшихся в среднем плейстоцене, тогда как в низинах подземные воды почти не содержат нитратов, что соответствует Wriedt et al (2019 ).В районах Геста окислительно-восстановительные условия, как правило, от менее анаэробных до промежуточных, в отличие от низин, где преобладают сильные анаэробные условия, о чем также сообщили Eschenbach et al (2018). И наоборот, низменности с отложениями песка и гравия в средней и южной части Германии часто показывают загрязненные нитратами грунтовые воды из-за отсутствия покровного слоя, от слабых анаэробных до средних окислительно-восстановительных условий и интенсивного использования сельскохозяйственных земель (Grimm-Strele et al ). 2008, Wendland et al 2008, Kuhr et al 2013, Knoll et al 2019).Для поровых водоносных горизонтов северных предгорий Альп модель RF _NO3 предсказывает большие площади грунтовых вод, загрязненных нитратами, несмотря на в целом хорошо развитые покровные слои и связанную с этим высокую защитную функцию водоносных горизонтов в этом регионе. Тенденция к завышению концентрации нитратов в подземных водах в этом регионе может быть связана с очень низкой плотностью участков мониторинга. Неопределенность в этой области также высока. В консолидированных единицах центральной и южной Германии трещиноватые и карстовые водоносные горизонты обычно более уязвимы для загрязнения и преимущественно указывают на более высокие концентрации нитратов в подземных водах, что также соответствует более низкому потенциалу восстановления нитратов из-за аэробных или промежуточных окислительно-восстановительных условий (Hannappel et al. al 2018).В этих консолидированных регионах высокие концентрации нитратов в грунтовых водах соответствуют районам с высоким избытком азота, вызванным интенсивно используемыми в сельском хозяйстве депрессиями. Только горные районы с обширным лесным покровом обычно не загрязняются нитратами подземных вод. Исходя из описанного подхода, около 10% площади Германии превышают порог в 50 мг / л ^-1 NO ₃ .

В целом, неопределенности велики (MPI = 53,0 мг л ^-1 ), особенно в регионах, где концентрации нитратов высоки или где существуют сильные различия между очень высокими и низкими концентрациями.Ransom et al (2017) также определили самые высокие неопределенности в районах, загрязненных нитратами.

Возможный источник ошибок прогнозирования и высокой неопределенности связан с доступными предикторами. Более точная оценка времени пребывания грунтовых вод может привести к лучшим результатам и меньшей неопределенности. Однако нет общенациональной подробной базы данных о глубине до поверхности грунтовых вод и условиях потока или толщине покровных слоев, которые были бы важными индикаторами времени пребывания и защитной функции водоносного горизонта.Кроме того, интеграция дополнительных предикторов, таких как подробное описание геохимического характера водоносного горизонта или подробная информация об источниках ввода (которые в настоящее время недоступны в больших масштабах), может улучшить характеристики модели. Неопределенности и ошибки прогнозирования также могут возникать из-за лежащей в основе зависимой переменной. Исследования пространственного распределения окислительно-восстановительных условий в водоносных горизонтах показали уменьшение аэробных условий с глубиной (Close et al 2016, Rosecrans et al 2017).Из-за такого гидрогеохимического зонирования водоносных горизонтов концентрации проб подземных вод сильно зависят от горизонта, в котором скважины экранированы, и, как правило, концентрации NO ₃ уменьшаются с увеличением глубины скважины (Wheeler et al 2015, Ransom et al. 2017). Tesoriero et al (2017) также показали более высокую вероятность высоких концентраций нитратов у поверхности грунтовых вод. Wriedt et al (2019) сообщили об уменьшении концентраций нитратов с глубиной, но они пришли к выводу, что вертикальная градация глубинных горизонтов не может адекватно описать гидрогеохимическое зонирование водоносных горизонтов.Длинные экранированные участки также могут привести к смешиванию грунтовых вод из аэробной и анаэробной зон во время отбора проб. Соседние точки измерения, которые предоставляют образцы с разных горизонтов, таким образом, приводят к вариациям в наборе данных, что, вероятно, приводит к высокой неопределенности прогнозов.

Наконец, следует отметить, что результаты районированной концентрации нитратов в подземных водах и, таким образом, выявленные территории с NO ₃ > 50 мг л ⁻¹ (10%), представленные в этом исследовании, нельзя сравнивать с одними — к одному с исследованиями, посвященными другим вопросам исследования.Классификация химического статуса подземных вод в Германии в соответствии с WFD показала, что даже 27,1% подземных водных объектов не соответствовали стандарту качества WFD для нитратов (UBA.2017). Следует принять во внимание, что оценка WFD основана на принципе предосторожности, то есть результаты учитывают экстремальные концентрации, которые потенциально опасны. Соответственно, подземный водный объект (средний размер около 316 км, ² ) полностью классифицируется как «плохой статус», если даже один из участков мониторинга или определенная часть территории внутри подземного водного объекта не соответствует стандарту качества (GrwV 2010). .Таким образом, гораздо большая часть территории обозначена как загрязненная нитратами по сравнению с нашим анализом, где пространственная оценка основана на гораздо более высоком разрешении и средних значениях, исключающих выбросы. По мнению авторов, какая методология наиболее адекватно характеризует качество подземных вод (в отношении нитратов), зависит от научного контекста и цели исследования.

Это исследование показывает потенциал приложений машинного обучения, таких как RF и QRF, в области исследований водных ресурсов в национальном масштабе.Мы представили первую в Германии оценку окислительно-восстановительных условий подземных вод и концентраций нитратов с разрешением 1 км × 1 км с использованием единого подхода на основе данных, основанного на пространственных предикторах окружающей среды. В дополнение к большому влиянию окислительно-восстановительных условий, гидрогеологических единиц и процента пахотных земель на оценку нитратов, были определены высокие погрешности прогнозов. Более подробная и полная база данных, стратифицированная по глубине скважины, вероятно, улучшит прогноз концентрации NO ₃ в подземных водах.Адаптация национальных сетей мониторинга подземных вод с обширным мониторингом на разных горизонтах глубины была бы крупным шагом вперед не только для Германии. Однако результаты этого исследования могут способствовать дальнейшим исследованиям в масштабах страны, например расчет национальных целевых показателей по азоту или количественная оценка потоков азота из подземных вод в поверхностные воды, а также для выявления уязвимых регионов, в которых необходимы подробные исследования относительно реализации мер по смягчению воздействия.

Проект, лежащий в основе этой публикации, координировался и финансировался Агентством по окружающей среде Германии в рамках плана экологических исследований Федерального министерства окружающей среды, охраны природы и ядерной безопасности (проект № 3715 22 2200). Мы очень благодарны Немецкой рабочей группе по водным вопросам федеральных земель и Федеральному правительственному комитету по подземным водам и водоснабжению (LAWA-AG), а также органам управления водными ресурсами федеральных земель за предоставление данных о подземных водах.Мы также заявляем, что при подаче этой рукописи не существует конфликта интересов.

Данные, подтверждающие выводы этого исследования, могут быть предоставлены соответствующим автором по обоснованному запросу.

Фрэнсис Хунгер — Вычислительный капитал — ИССЛЕДОВАТЕЛЬСКИЕ ЦЕННОСТИ 2018

В этом отрывке из более подробного исследования обсуждается, как электронные базы данных оказались в процессе формирования вычислительного капитала. В нем рассматривается, как базы данных образуют инфраструктурную часть продолжающегося социального сдвига, связанного со СМИ, когда субъективность больше не может рассматриваться как единое целое, а скорее как фрагментарная, разрозненная.Эти частичные субъективности, хранящиеся в базах данных, возникли вместе с угасанием приватности и кончиной личности в неделимом, модернистском смысле, к появлению индивидуальности [1].

Джузеппе Мария Мителли: Museo Cospiano. В: Лоренцо Легато: Museo Cospiano. Болонья 1677. Архив: Universitätsbibliothek Göttingen / GDZ.

Исторически сложилось так, что технология электронных баз данных восходит к методам сбора, сортировки, сохранения и экспонирования информации [2] в библиотеках, музеях, файлах компаний и правительств и подобных коллекциях.В теории медиа термин «база данных» широко используется, относясь как к электронным базам данных, так и к любым другим тематическим коллекциям. Суженное определение: Электронная база данных — это инфраструктура для структурированного хранения информации .

Это набор программных приложений, которые, как и большинство инфраструктур, не существуют сами по себе, а состоят из различных инфраструктурных слоев. Чаще всего он состоит из языка запросов , обычно ориентированного на естественные языки, такие как английский, и способный манипулировать наборами информации в области математико-логических символов.Этот язык запросов может быть встроен в более высокий язык программирования и в хост-системы, которые часто предоставляют пользовательский интерфейс . Компонент преобразования и оптимизации переводит запросы в машинный код и имена полей и таблиц в адреса памяти и наоборот. Другая часть системы отвечает за ведение журнала, безопасность транзакций, контроль параллелизма и управление правами доступа пользователей. Он обращается к памяти , , часто на жестком диске и все чаще на устройствах флэш-памяти.

База данных как дискурс

Один из малоизвестных текстов теории культуры, который можно сделать продуктивным для теории медиа, был написан американским профессором медиа-исследований Марком Постером, который разработал более длинную главу «Базы данных как дискурс» или «Электронные интерпелляции » в своей книге «» 1995 года. Вторая эпоха СМИ . Его аргументы могут пролить свет на биополитику базы данных, и после обсуждения они будут расширены понятиями производства транзакционных данных и вычислительного капитала.

Плакат предлагает обратиться к Фуко для понимания того, как власть конституируется как действием, так и знанием. Аналитическая задача должна больше располагаться не только в акте, но и в языке, поскольку базы данных расположены в символическом поле и являются репрезентациями реальности. Вместе с Фуко он описывает, что субъективность вписывается в человеческие существа через язык. Сам язык подвержен влиянию институтов. В сложном взаимодействии идеология вписывается в субъективность процесса интерпелляции (Альтюссер), или приветствия.

»Операция лингвистического запроса требует, чтобы адресат принял его конфигурацию как предмет без прямого отражения, чтобы продолжить разговор или практику. Интерпелляция может быть откалибрована по полу, возрасту, этнической принадлежности или классу или может исключать любую из этих групп или их частей »(Poster 1995, 80). Адресат — предположительно добровольно — подвергает себя внутреннему принуждению, чтобы принять свою позицию субъекта, как это приписывается учреждением.Однако позиция субъектов никогда не бывает окончательной, она остается открытой и открытой для повторных переговоров, что также открывает горизонт для сопротивления и переориентации.

С этой точки зрения Постер описывает базу данных как «дискурс чистого письма, который напрямую усиливает силу своего владельца / пользователя» (Poster 1995: 85). Здесь он утверждает, что в отличие от разговорного языка база данных не имеет авторов в этом смысле, то есть имеет слишком много авторов, чтобы их можно было идентифицировать. Власть опосредуется через владение базой данных юридическим лицом, например учреждением, компанией, вооруженными силами, библиотекой или университетом.Это институциональное посредничество позволяет актам приветствовать субъекта. Далее он подразумевает, что это прекращение авторства приводит к ситуации, когда никто не может нести ответственность за то, что и как собирается в базах данных.

Мы можем расширить и изменить его аргумент, если мы добавим, что базы данных предварительно конфигурируют то, что записывается и обрабатывается в базах данных и через них. Во всех аспектах этой предварительной конфигурации активно участвуют люди: администраторов , менеджеров , инженеров , проектировщиков пользовательского интерфейса и политиков .Хотя может быть слишком много авторов информации, которая хранится в системе баз данных, Poster упускает из виду, что сама система во всей ее сложности создана определенным количеством создателей внутри учреждений — потенциальных адресатов политических требований.

Другой агент в области дискурса баз данных, другой автор — пользователь . Сегодня с каждым запросом в поисковой системе, с каждым пространственным перемещением (записанным смартфонами), с каждым актом выполнения пользователи производят добровольно и непроизвольно данные, то есть транзакционных данных .На первый взгляд может показаться, что это феномен 2000-х, а именно Big Data, обещание записать всего, . Плакат напоминает нам, что уже тогда, когда оплата кредитной картой стала действующей инфраструктурой в 1970-х годах, запись действий (потребителей) была налажена на регулярной основе.

Инновационные тенденции в технологиях центров обработки данных Think Tank, семинар Dell 2013 (c) Dell Inc.

2 Производство транзакционных данных

Термин «наблюдение» вводит в заблуждение.В тех случаях, когда либеральное сознание определяет сбор данных как акт контроля, направленный в отношении отдельного человека, необходимо привести аргумент, что запись в большинстве своем не о слежке, а о производстве и извлечении данных. Фрейм записи данных как слежки — это сильный нарратив , хорошо вписывающийся в либертарианскую идеологию, теоретически, в поп-культуре и в политике.

Он предоставляет вульгаризированное, удобоваримое объяснение на индивидуальном, почти нарциссическом уровне «черного ящика» систем баз данных или вычислительной инфраструктуры в более широком смысле слова.Конечно, слежка осуществляется в форме надзора на самых разных социальных уровнях и, таким образом, стала биополитической практикой. Но не следует путать его с производством транзакционных данных и последующим алгоритмическим управлением трудом.

Перед нами новый режим производства данных, документированное приветствие и записанное извлечение информации от каждого участника социальной сферы. Каждое действие, даже кажущееся непродуктивным, например, запрос навигационных систем, акты потребления и оплаты, использование инфраструктуры, такой как вода из крана или чтение (с электронного устройства), превратилось в акт данных. производство.Из извлечения транзакционных данных, основанных на человеческих действиях, развилось массовое производство эпистемической ценности [3].

В 1489 году фра Лука Пачоли опубликовал главу под названием Particularis de Computis et Scripturis , в которой широко обсуждались методы ведения бухгалтерского учета с двойной записью. Для ведения заметок продавца применялась определенная последовательность действий, алгоритм, который гарантировал, что каждая транзакция будет записана дважды. Любая сумма, которая была записана на конкретный счет как дебет, должна была одновременно быть зачислена на другой счет как кредит.Двойная запись одной и той же транзакции создала новую эпистемологическую связь, связь между периодической логикой входа и выхода и тематической логикой товаров и капитала . Регистрация на основе квитанций вызвала бумажную основу доверия и позволила увеличить заимствования капитала (Lauwers und Willekens 1994; Fischer 2000).

Якопо де Барбари — Ритратто фра Лука Пачоли, ок. 1495. Бухгалтерская книга с двойной записью от J. and H. Hadden and Company Limited, Hosiers, Nottingham (источник: Ноттингемский университет, Рукописи и специальные коллекции, Ha A 3-5). сложная и деперсонализированная коммерческая практика.Эта новая прозрачность сочеталась с более широкой тенденцией к деперсонализации капитала в эпоху раннего Возрождения, или, как отмечает экономист Роб А. Брайер: «двойная бухгалтерия возникла по мере социализации капитала в ответ на коллективный спрос со стороны инвесторам для частого расчета нормы прибыли на капитал как основы для распределения прибыли »(Bryer 1993, 114f.).

То, что мы сейчас наблюдаем, — это устойчивое алгоритмическое производство данных (в отношении прибыли и собственности) для генерации знаний, что дает отдельному продавцу преимущество перед его конкурентами и позволяет несвязанным донорам капитала инвестировать в торговлю.

Учитывая влияние транзакционных данных на экономические процессы с 14 ^{-го по} годы, нынешнее расширение транзакционной записи представляется в ином свете. То, что в настоящее время воспринимается как чрезмерное увеличение сбора данных (или наблюдения), на самом деле является расширением производства определенного вида данных, транзакционных данных. Мы являемся свидетелями первых следов еще одного воплощения капиталистической экономики.

Какие новые семантические отношения устанавливаются? Как избыточные данные меняют политическую, социальную и экономическую сферы? Как это меняет культуру? Как это новое эпистемологическое качество меняет социальное посредничество и медиа?

Взрыв частного

До недавнего времени различие между частной и общественной сферами было определенным образом.Это различие лучше всего иллюстрируется деревней, существовавшей до модерна, где все знают всех, и все личные действия известны и публичны. В наше время город начал функционировать по-другому: он обеспечил анонимность, что характерно для его либерального гражданства.

Напротив, современный город, наполненный сетями мобильной связи, точками беспроводного доступа в Интернет (способными отслеживать все мобильные устройства, которые перемещаются по их следу), спутниковой навигационной информацией и методами оплаты с помощью сетевых карт, разрывает это обещание индивидуальной свободы на части: » Индивидуальные действия теперь оставляют следы оцифрованной информации, которые регулярно накапливаются в компьютерных базах данных… »(Poster 1995: 65).

Каждое взаимодействие, особенно акты потребления и пространственного перемещения, создают транзакционные данные, которые записываются. И в этом нет никакого заговора — расширение производства транзакционных данных является необходимостью для бизнеса в рамках нынешней экономической системы.

Эта запись ранее игнорировалась, создает новый способ нарушения субъективности, который теперь может быть объединен с индивидуальным приветствием (в основном посредством рекламы), как только человек был идентифицирован либо с помощью метаданных, либо по логину.«Ни события, ни действия, ни общения — или отсутствия общения — которые не имели бы отношения к транзакциям» (Engemann 2014, 377).

Городская анонимность современности, таким образом, обрушивается на глобальную деревню Маклюэна, где каждое действие известно. Слово «деревня» является ключевым словом — с небольшим поворотом: информация об отдельных действиях больше не циркулирует по садовым перилам или столу постоянного посетителя в местном пабе и в конечном итоге забывается. Теперь он циркулирует в глобальных машинных сетях.Информация никогда не исчезает, а навсегда сохраняется в базах данных. Это не открыто, а приватизировано, чтобы в конечном итоге использоваться в капиталистическом процессе оценки.

Маршалл Маклюэн / Квентин Фиоре: Среда — это массаж. Bantam Books, 1967, стр. 12f.

Разрозненные, децентрализованные субъективности

»Базы данных — это дискурс, прежде всего, потому, что они влияют на конституцию субъекта. Они представляют собой форму письма, начертания символических следов, которая расширяет основной принцип письма как différance, как делающий различие и как дистанцирующий, отличающийся, откладывающий то, что должно быть его окончательной реализацией »(Poster 1995, 80).Поскольку приветствия могут быть адаптированы по полу, расе, этнической принадлежности, классу или другим категориям, технология баз данных абсолютно подходит для обозначения различий, а поскольку базы данных принадлежат учреждению, организации или корпорации, их дискурс может усилить власть его владельца.

Результирующая дискурсивная конструкция субъективности «вписывает позиционность субъектов в соответствии с ее [базами данных] правилами формирования» (Poster 1995, 87). Конституция субъекта в системах баз данных действует таким образом, что «опровергает гегемонистский принцип субъекта как центрированного, рационального и автономного» (там же.) — для меня главное в тексте плакатов. »На данный момент, только с помощью базы данных, субъект был размножен и децентрализован, и на него можно было воздействовать компьютерами во многих социальных местах без малейшего осознания заинтересованным лицом, но с такой уверенностью, как если бы этот человек каким-то образом присутствовал внутри компьютера. . «(Там же)

Это, в свою очередь, означает, что каждая отдельная база данных применяет другой режим приветствия к индивидууму, на которого она ссылается, таким образом создавая разрозненное множество частей индивидуума.Ни владелец, ни частное лицо не знают, какая часть субъективности сохраняется в той или иной базе данных. Таким образом, он возникает как децентрализованная, фрагментированная, потенциально всегда комбинируемая биовласть, которая касается субъекта. И эта биоэнергетика управляется вычислительным капиталом — контролем над ресурсами вычислений и транзакционными данными.

Тот факт, что наши тела всегда связаны сетями с базами данных, требует другой политики тела; тело, которое больше не может прятаться от посторонних глаз в каком-то частном особняке и которое больше не покидает производство, посещая место, называемое «досуг».[4]

Мануэла Отт и Джеральд Рауниг недавно предложили использовать термин отдельный для лучшего понимания разрозненных, фрагментированных индивидуальностей информационной эпохи (Raunig 2015; Ott 2015). [5] Дискурсивная сила систем баз данных заключается в их способности связывать фрагменты информации, соотносить их друг с другом и постоянно перестраивать эту эпистемологическую структуру в соответствии с запросом. Таким образом, запросы становятся отдельной практикой .

Вычислительный капитал

Вычислительный капитал означает распоряжение данными и вычислительной инфраструктурой. Он направлен на создание стоимости в определенной форме, которая может быть преобразована в экономический капитал. [6] Подобно практике двойной бухгалтерии средневековых торговцев, вычислительные капиталы используют эпистемологическую практику — запись транзакционных данных и воздействие на информацию, полученную из этих данных.

Это приводит к вопросу, как приветствие с использованием баз данных и их встроенных алгоритмов, которые представляют человеческие предубеждения, взаимодействует с вопросами класса, пола и этнической принадлежности? Поскольку запросы могут быть адаптированы к полу, этнической принадлежности, классу или другим категориям, технология баз данных лучше всего подходит для записи différance, , , , а поскольку базы данных принадлежат учреждению, их дискурс может усилить власть его владельца.

Вычислительные машины, обрабатывающие символы, не понимают смысла. Они используют алгоритмы , чтобы приписать значение и представить результат людям или машинным объектам для дальнейшей обработки. Алгоритмы ранжирования и анализ настроений восходят к попыткам конца 1950-х годов создать компьютерные информационные системы.

Унаследованное качество таких алгоритмов заключается в том, что они взвешивают информационные объекты, потому что так приписывается значение. Предвзятость в этом подходе носит системный характер.Все, что было выделено в процессе формализации информации для включения в базу данных, не существует и не имеет отношения к содержимому баз данных. Это приводит к исключению любой информации, которая могла бы нивелировать предвзятость в содержащемся теле данных. [7]

В отношении отдельного человека это означает, что тот, кто пишет запрос, ищет математическую формулировку вывода разницы из заданного и ограниченного набора данных. Поскольку целью любого запроса является результат, который может привести к названию, по своей природе запрос формулирует его в соответствии с различием , которое может включать семейный статус, возраст, сексуальные интересы, кредитный рейтинг и, в свою очередь, влияет на политические категории как e.грамм. пол, этническая принадлежность и класс.

Исторически термин класс применялся по-разному: во-первых, для описания людей в соответствии с их экономической ролью и способностями по отношению к обществу в конкретный исторический период. Во-вторых, признать их разделяющими общее структурное качество. В-третьих, путем разработки или присвоения термина (Begriff), который позволяет идентифицировать и самоидентифицироваться.

Этот термин в какой-то момент предоставил членам класса терминологическую способность отражать свою собственную ситуацию и действовать в соответствии с ней независимо от результата.Термин для отдельных лиц, подпадающих под режим производства данных, основанный на их субъективности, еще не появился. Вычислительный капитал , если он будет развиваться в дальнейшем как понятие для описания возникновения современных социальных отношений, имеет потенциал для решения проблемы присвоения стоимости посредством транзакционных данных и неравномерного распределения созданной стоимости.

Демистификация баз данных означает их интерпретацию как институциональные или организационные инструменты приветствия, адресации и посредничества.Базы данных и алгоритмы — это не в первую очередь технологии, они скорее представляют человеческие представления о потенциальных (взаимодействующих) действиях. Базы данных усиливают институциональную власть, поскольку они могут обращаться к отдельным лицам на индивидуальном уровне, и делают это на основе транзакционных записей прежних действий адресата. Критика систем баз данных, понимаемых как совокупность практических правил агентств, не начинается с требования конфиденциальности. Он начинается с рассмотрения запроса и его институционального контекста, который представляет собой формирование информационного запроса как индивидуальной практики.

francis.hunger@irmielin.org, декабрь 2017 г.

Банкноты

[1] Фреймворк — доктор философии. исследование, проведенное в Университете Баухаус в Веймаре по теме «Форма базы данных.», в которой рассматривается появление модели реляционной базы данных в Соединенных Штатах и ​​Западной Европе по сравнению с Восточной Германией и Восточным блоком, 1950–1990 годы.

[2] Информация — это данные , приведенные в форму — на форме, таблице, перфокарте или жестком диске. (Краевский 2007, 2011)

[3] Еще в 1995 году Марк Постер осознал важность транзакционных данных.»Все чаще экономические операции автоматически попадают в базы данных и делают это с помощью клиента. Продажа кредитных карт, конечно, хороший пример »(Плакат 1995, 86)

[4] Сегодняшнее свободное время превратилось в усиленный период производства транзакционных данных при использовании любых электронных сетевых устройств для использования в развлекательных медиа (Facebook, Twitter, Instagram, Youtube, Pornhub, Tinder, Netflix) и других развлечений, которые включают действия которые могут быть записаны в электронном виде.

[5] Информационная эра вводит в заблуждение, поскольку подразумевает, что мы оставили индустриальную эру позади, как если бы она закончилась и больше не актуальна. Отчасти мы можем приписать это невежество академической моде, которая предпочитает новое известному. Это невежество и усталость от вульгарно-марксистской риторики «владение производительными средствами», возможно, привели к сегодняшней ситуации, когда информационный век обсуждается так, как будто промышленности больше не существует и ничего больше не производится.Сотрудники Foxcon могут сказать иначе (Duhigg und Barboza 2012).

[6] Это понятие развивается аналогично социальному и культурному капиталу Пьера Бурдье, основанному на понятии капитала Маркса (Бурдье, 1983; Генрих, 1999). Для обозначения капитала, связанного с экономической сферой, и дифференциации его от культурного, социального и эстетического капитала, понятие «экономический капитал» используется вдоль Бурдье, но в том виде, в каком его реконструировали Майкл Генрих и Мойше Постоне. (Генрих 1999; Postone 2003)

[7] Поверхностный взгляд на институциональную среду и распределение власти в технологических компаниях может показать, насколько предвзятость является продуктивным дискурсом.Большинство этих компаний построено на преимущественно мужской субъективности, основанной на ценностях инженерии. Это может быть больше, чем просто предположение, что это приводит к включениям и исключениям на подсознательном уровне, которые, в свою очередь, отражаются на основе накопленных данных.

Библиография

Бурдье, Пьер. 1983. «Ökonomisches Kapital, kulturelles Kapital, soziales Kapital.» In Soziale Ungleichheiten. , herausgegeben von Reinhardt Kreckel, Sonderband 2: S.183–198. Soziale Welt. Гёттинген.

Брайер, Р.А. 1993. «Двойная бухгалтерия и рождение капитализма — учет коммерческой революции в средневековой Северной Италии». Критические перспективы бухгалтерского учета 4 (2): 113–40.

Буркхард, Маркус. 2015. Digitale Datenbanken — Eine Medientheorie im Zeitalter von Big Data. Билефельд: стенограмма. (PDF)

Духигг, Чарльз и Дэвид Барбоза. 2012. «Apple iPad и человеческие затраты на рабочих в Китае». The New York Times , 25 января 2012 г. https://www.nytimes.com/2012/01/26/business/ieconomy-apples-ipad-and-the-human-costs-for-workers-in- china.html.

Энгеманн, Кристоф. 2014. «Вы не можете не совершать транзакции — большие данные и транзакции». В Big Data. , 365–381.

Фишер, Майкл Дж. 2000. «Лука Пачоли о коммерческой прибыли». Журнал деловой этики 25 (4): 299–312.

Генрих, Майкл. 1999. Die Wissenschaft vom Wert — Die Marxsche Kritik der politischen Ökonomie zwischen wissenschaftlicher Revolution und Klassischer Tradition .Мюнстер: Westfälisches Dampfboot.

Краевский, Маркус. 2007. «In Formation — Aufstieg und Fall der Tabelle als Paradigma der Datenverarbeitung». In Nach Feierabend: Zürcher Jahrbuch für Wissensgeschichte: Datenbanken , 37–55. Диафан.

———.