logo móvil
Contáctanos

Evaluación del Modelo de Aprendizaje Automático de Máxima Entropía (Maxent) para Evaluar las Relaciones entre el Clima y la Idoneidad del Maíz

Autores: Fitzgibbon, Abigail; Pisut, Dan; Fleisher, David

Idioma: Inglés

Editor: MDPI

Año: 2022

Descargar PDF

Acceso abierto

Artículo científico
2022

Evaluación del Modelo de Aprendizaje Automático de Máxima Entropía (Maxent) para Evaluar las Relaciones entre el Clima y la Idoneidad del Maíz


Categoría

Ciencias Medioambientales

Subcategoría

Ciencias medioambientales generales

Palabras clave

Cambio climático
Agricultura
Metodología de modelado
Modelo Maxent
Idoneidad de cultivos
Capacidad predictiva

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 1

Citaciones: Sin citaciones


Descripción
Dado el impacto que se proyecta que el cambio climático tendrá en la agricultura, es esencial entender los mecanismos y condiciones que impulsan la idoneidad de la tierra agrícola. Sin embargo, la literatura existente no proporciona suficiente orientación sobre la mejor metodología de modelado para estudiar la idoneidad de los cultivos, y hay aún menos investigación sobre cómo evaluar la precisión de tales modelos. Además, los estudios aún no han demostrado el uso del modelo de Máxima Entropía (Maxent) para predecir la presencia y el rendimiento de cultivos a gran escala en los Estados Unidos. En este estudio, investigamos la aplicación del modelo Maxent para predecir la idoneidad de los cultivos y presentamos métodos novedosos para evaluar su capacidad predictiva. Maxent es un modelo de aprendizaje automático correlativo que se utiliza a menudo para predecir la idoneidad de las tierras agrícolas. En este estudio, utilizamos Maxent para modelar la idoneidad de la tierra para la producción de maíz en los Estados Unidos contiguos bajo las condiciones bioclimáticas actuales. Desarrollamos métodos para evaluar la capacidad predictiva de Maxent a través de tres comparaciones: (i) clasificación de unidades de tierra adecuadas y comparación de resultados con otro modelo de distribución de especies similar (Clasificación de Bosques Aleatorios), (ii) comparación de curvas de respuesta de salida con la literatura existente sobre umbrales de idoneidad del maíz, y (iii) correlación de la idoneidad predicha con la extensión y el rendimiento observados. Determinamos que Maxent era superior a Bosques Aleatorios, especialmente en su modelado de áreas en las que la tierra probablemente era adecuada para el maíz pero no estaba actualmente asociada con la presencia observada de maíz. También determinamos que las predicciones de Maxent estaban fuertemente correlacionadas con las estadísticas de rendimiento observadas y eran consistentes con la literatura existente respecto al rango de valores de variables bioclimáticas asociadas con condiciones de producción adecuadas para el maíz. Concluimos que Maxent era un método efectivo para modelar la idoneidad actual de las tierras agrícolas y podría aplicarse a cuestiones más amplias de las relaciones agricultura-clima.

Otros recursos que podrían interesarte

Temas Virtualpro