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.
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.
Texto completo