Die Verschmutzung des Bodens mit potenziell toxischen Elementen (PTEs) ist ein wachsendes Problem. Es ist schwierig, sie in großem Maßstab zu überwachen und zu erkennen, und die herkömmlichen Methoden zur Erfassung und Analyse sind nicht kosten- und arbeitseffizient. Die Fernerkundung hingegen liefert frei zugängliche Daten mit hoher räumlicher Abdeckung und hoher zeitlicher Auflösung. In dieser Forschungsarbeit werde ich die nicht-lineare Beziehung zwischen Bodenproben von PTEs und Landsat-7 ETM+ Daten für Bulgarien zwischen den Jahren 2005 und 2020 untersuchen. Ziel ist es, herauszufinden, ob Satellitenbilder zur Erkennung und Überwachung der Verschmutzung durch PTEs auf landwirtschaftlichen Flächen in Bulgarien verwendet werden können. Diese Beziehung wird mit der Methode des maschinellen Lernens - Quantile Random Forest Algorithmus - untersucht. Darüber hinaus werde ich für die Modellkalibrierung auch andere Umweltkovariaten wie den Gehalt an organischem Kohlenstoff, den Tongehalt, das digitale Höhenmodell, topografische Indizes und aus den Landsat 7 ETM+ Bildern abgeleitete Spektralindizes verwenden. Nach dieser Analyse werde ich die Verteilung ausgewählter PTEs in vier Jahren während des Studienzeitraums kartieren: 2005, 2010, 2015, 2020. Diese Karten werden die räumliche Verteilung der PTEs für das jeweilige Jahr zeigen, aber auch für die zeitliche Analyse von Trends und Unterschieden verwendet werden.Das Endziel der Forschung ist die Erstellung eines Berichts zur Folgenabschätzung und eines Instruments zur Erkennung von Verschmutzungen, das den Behörden helfen wird, bessere Strategien zur Überwachung und Eindämmung zu entwickeln.