Forest yield prediction under different climate change scenarios using data intelligent models in Pakistan
Yousafzai, A.; Manzoor, W.; Raza, G.; Mahmood, T.; Rehman, F.; Hadi, R.; Shah, S.; Amin, M.; Akhtar, A.; Bashir, S.; Habiba, U.; Hussain, M..
Braz. j. biol
; 842024.
Artigo
Inglês
|
LILACS-Express
| ID: biblio-1469249
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-McCabes (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.
Biblioteca responsável:
BR68.1
Texto completo
Documentos relacionados
