Почвенные обследования и дальнейшее картографирование в северных регионах являются сложной задачей, однако понимание пространственного распределения почвенных свойств имеет решающее значение для эффективного управления окружающей средой. В данном исследовании мы
впервые оценили целесообразность применения методов машинного обучения для пространственного моделирования нескольких тяжелых металлов в почвах Арктики. Алгоритм машинного обучения был использован для прогнозирования концентраций As, Cd, Cr, Hg и Ni в верхнем слое почвы в сочетании с переменными окружающей среды, включая климат, рельеф, растительность, геология, географическое положение, свойства почвы и типы почв. Представленные результаты могут стать отправной точкой для региональных и национальных усилий по картографированию микроэлементов и металлов в почвах северных регионов