Your browser doesn't support javascript.
loading
Forest yield prediction under different climate change scenarios using data intelligent models in Pakistan / Previsão de produção florestal em diferentes cenários de mudanças climáticas usando modelos inteligentes de dados no Paquistão
Yousafzai, A; Manzoor, W; Raza, G; Mahmood, T; Rehman, F; Hadi, R; Shah, S; Amin, M; Akhtar, A; Bashir, S; Habiba, U; Hussain, M.
Afiliação
  • Yousafzai, A; University of Haripur. Department of Forestry and Wildlife Management. PK
  • Manzoor, W; COMSATS University Islamabad. Department of Economics. Lahore. PK
  • Raza, G; University of Baltistan. Department of Biological Sciences. Skardu. PK
  • Mahmood, T; University of Sargodha. University College of Agriculture. Department of Forestry. Sargodha. PK
  • Rehman, F; COMSATS University Islamabad. Department of Economics. Lahore. PK
  • Hadi, R; Jinnah University for Women. Department of Zoology. Karachi. PK
  • Shah, S; University of Swat. Institute of Agriculture Sciences and Forestry. PK
  • Amin, M; Shaheed Benazir Bhutto University. Department of Environmental Sciences. Dir (U). PK
  • Akhtar, A; University of Haripur. Department of Psychology. PK
  • Bashir, S; Agriculture Research System. Peshawar. PK
  • Habiba, U; University of Haripur. Department of Forestry and Wildlife Management. PK
  • Hussain, M; University of Haripur. Department of Forestry and Wildlife Management. PK
Braz. j. biol ; 84: e253106, 2024. tab, graf
Artigo em Inglês | LILACS, VETINDEX | ID: biblio-1345544
Biblioteca responsável: BR1.1
ABSTRACT
Abstract This study aimed to develop and evaluate data driven models for prediction of forest yield under different climate change scenarios in the Gallies forest division of district Abbottabad, Pakistan. The Random Forest (RF) and Kernel Ridge Regression (KRR) models were developed and evaluated using yield data of two species (Blue pine and Silver fir) as an objective variable and climate data (temperature, humidity, rainfall and wind speed) as predictive variables. Prediction accuracy of both the models were assessed by means of root mean squared error (RMSE), mean absolute error (MAE), correlation coefficient (r), relative root mean squared error (RRMSE), Legates-McCabe's (LM), Willmott's index (WI) and Nash-Sutcliffe (NSE) metrics. Overall, the RF model outperformed the KRR model due to its higher accuracy in forecasting of forest yield. The study strongly recommends that RF model should be applied in other regions of the country for prediction of forest growth and yield, which may help in the management and future planning of forest productivity in Pakistan.
RESUMO
Resumo Este estudo teve como objetivo desenvolver e avaliar modelos baseados em dados para previsão da produção florestal em diferentes cenários de mudanças climáticas na divisão florestal Gallies do distrito de Abbottabad, Paquistão. Os modelos Random Forest (RF) e Kernel Ridge Regression (KRR) foram desenvolvidos e avaliados usando dados de produção de duas espécies (pinheiro-azul e abeto-prateado) como uma variável objetiva e dados climáticos (temperatura, umidade, precipitação e velocidade do vento) como preditivos variáveis. A precisão da previsão de ambos os modelos foi avaliada por meio de erro quadrático médio (RMSE), erro absoluto médio (MAE), coeficiente de correlação (r), erro quadrático médio relativo (RRMSE), Legates-McCabe's (LM), índice de Willmott (WI) e métricas Nash-Sutcliffe (NSE). No geral, o modelo RF superou o modelo KRR devido à sua maior precisão na previsão do rendimento florestal. O estudo recomenda fortemente que o modelo RF seja aplicado em outras regiões do país para previsão do crescimento e produtividade florestal, o que pode ajudar no manejo e planejamento futuro da produtividade florestal no Paquistão.
Licença
Assuntos


Texto completo: Disponível Base de dados: LILACS / VETINDEX Assunto principal: Mudança Climática Tipo de estudo: Estudo prognóstico / Fatores de risco País/Região como assunto: Ásia Idioma: Inglês Revista: Braz. j. biol Ano de publicação: 2024 Tipo de documento: Artigo Instituição/País de afiliação: Agriculture Research System/PK / COMSATS University Islamabad/PK / Jinnah University for Women/PK / Shaheed Benazir Bhutto University/PK / University of Baltistan/PK / University of Haripur/PK / University of Sargodha/PK / University of Swat/PK

Texto completo: Disponível Base de dados: LILACS / VETINDEX Assunto principal: Mudança Climática Tipo de estudo: Estudo prognóstico / Fatores de risco País/Região como assunto: Ásia Idioma: Inglês Revista: Braz. j. biol Ano de publicação: 2024 Tipo de documento: Artigo Instituição/País de afiliação: Agriculture Research System/PK / COMSATS University Islamabad/PK / Jinnah University for Women/PK / Shaheed Benazir Bhutto University/PK / University of Baltistan/PK / University of Haripur/PK / University of Sargodha/PK / University of Swat/PK
...