he correlation matrix was calculate

he correlation matrix was calculated in order to examine the relationship between the metals in Table S6. Pearson’s correlation analysis showed that Cr was significantly correlated with Fe (r 0.443), and Ni (r 0.824) and Fe was significantly correlated with Ni (r 0.420), Cu (r 0.741), and Zn (r 0.373), and Cu was significantly correlated with Zn (r 0.386), and Zn was significantly correlated with Pb (r 0.451), and As was significantly correlated with Pb (r 0.510). According to the study published by Tholkappian et al. (2018), if the correlation coefficient between heavy metal factors is found to be positive, these factors may have a common source, interdependence and the same behavior during transport. These important and significantly strong correlations indicate that these metals in the soil of Sinop are derived from similar sources, mainly originating from anthropogenic activities. But, a significant moderate negative correlations exist between Cr and Pb (r 0.235, P < 0.01), Cr and height (r 0.229, P < 0.01), Ni and As (r 0.217, P < 0.01), Pb and height (r 0.225, P < 0.01). This shows that Cr and Pb, Ni and As originate from different sources. According to the Kruskal-Wallis test, the differences be- tween the stations in Cr, Fe, and Cu concentrations were found to be statistically significant (p < 0.05). According to the results of the One Way Anova test, the differences between the stations at Ni, Zn, As and Pb concentrations were not statistically significant (p > 0.05).

結果 (繁體中文) 1:

他相關矩陣，以檢查表S6金屬之間的關係來計算。Pearson相關分析顯示Cr是顯為Fe（R 0.443），和Ni（R 0.824）和Fe著地相關是顯用Ni（R 0.420），銅（R 0.741），和Zn（R 0.373）著地相關，和Cu是顯用Zn（R 0.386），和Zn著地相關是顯用PB（R 0.451）著地相關，如同顯用PB（R 0.510）著地相關。據Tholkappian等人發表了這項研究。（2018），如果重金屬因素之間的相互關係COEF音響cient被發現是正的，這些因素可能具有共同的源，相互依存，在運輸過程中相同的行為。這些重要和顯著地強相關性表明，在錫諾普的土壤這些金屬選自類似的來源，主要是對源自人類活動。但是，一個顯著的鉻和Pb（R 0.235，P <0.01），Cr和高度（R 0.229，P <0.01），Ni和為（R 0.217，P <0.01），Pb和高度之間存在中度負相關（r 0.225，P <0.01）。由此可見，Cr和鉛鎳作為源於不同的源。根據Kruskal-Wallis檢驗，差異是 - 吐溫被發現以Cr，Fe和銅濃度站是統計學顯著的（P <0.05）。根據單向ANOVA試驗的結果，在鎳，鋅，As和Pb含量各站之間的差異不是統計學顯著的（P> 0.05）。P <0.01），Pb和高度（R 0.225，P <0.01）。由此可見，Cr和鉛鎳作為源於不同的源。根據Kruskal-Wallis檢驗，差異是 - 吐溫被發現以Cr，Fe和銅濃度站是統計學顯著的（P <0.05）。根據單向ANOVA試驗的結果，在鎳，鋅，As和Pb含量各站之間的差異不是統計學顯著的（P> 0.05）。P <0.01），Pb和高度（R 0.225，P <0.01）。由此可見，Cr和鉛鎳作為源於不同的源。根據Kruskal-Wallis檢驗，差異是 - 吐溫被發現以Cr，Fe和銅濃度站是統計學顯著的（P <0.05）。根據單向ANOVA試驗的結果，在鎳，鋅，As和Pb含量各站之間的差異不是統計學顯著的（P> 0.05）。

結果 (繁體中文) 2:

計算了相關矩陣，以檢驗表S6中金屬之間的關係。Pearson 的相關分析表明，Cr 與 Fe （r 0.443） 和 Ni （r 0.824） 和 Fe 顯著相關，與 Ni （r 0.420）、Cu （r 0.741） 和 鋅（r 0.373）和Cu與Zn（r 0.386）顯著相關，鋅與Pb（r 0.451）顯著相關，As與Pb（r 0.510）顯著相關。根據Tholkappian等人（2018年）發表的研究，如果重金屬因數之間的相關係數為正，這些因素在運輸過程中可能具有共同的來源、相互依賴性和相同的行為。這些重要且顯著強的相關性表明，中P土壤中的這些金屬來源相似，主要來自人類活動。但是，Cr 和 Pb （r 0.235， P = 0.01），Cr 和高度 （r 0.229， P = 0.01）， Ni 和 As （r 0.217， P = 0.01）， Pb 和高度 （r 0.225， P = 0.01） 之間存在顯著的中負相關。這表明Cr和Pb、Ni和As來自不同的來源。根據Kruskal-Wallis試驗，發現Cr、Fe和Cu濃度的站位的差異具有統計學顯著性（p = 0.05）。 根據單向Anova試驗的結果，Ni、Zn、As和Pb濃度的站之間的差異在統計學上沒有顯著性（p = 0.05）。

結果 (繁體中文) 3:

計算相關矩陣以檢查表S6中金屬之間的關係。皮爾遜的相關分析表明，鉻與鐵（r 0.443）和鎳（r0.824）顯著相關，鐵與鎳（r0.420）、銅（r0.741）和鋅（r0.373）顯著相關，銅與鋅（r0.386）顯著相關，鋅與鉛（r0.451）顯著相關，As與Pb顯著相關（r 0.510）。根據Tholkappian等人發表的研究。（2018年），如果發現重金屬因素之間的相關係數為正，則這些因素可能具有共同來源、相互依賴性和運輸過程中的相同行為。這些重要且顯著的强相關性表明，錫諾普土壤中的這些金屬來源相似，主要來源於人類活動。但鉻與鉛（r 0.235，P<0.01）、鉻與身高（r0.229，P<0.01）、鎳與砷（r0.217，P<0.01）、鉛與身高（r0.225，P<0.01）呈顯著的中度負相關。這說明鉻、鉛、鎳、砷的來源不同。根據Kruskal-Wallis試驗，鉻、鐵和銅濃度的各站間差异具有統計學意義（p<0.05）。單因素方差分析結果顯示，鎳、鋅、砷、鉛三種元素濃度的監測站間差异無統計學意義（p>0.05）。