Evaluación de la idoneidad del hábitat para el Torreya de Zhuji basada en algoritmos de aprendizaje automático
Autores: Wu, Liangjun; Yang, Lihui; Li, Yabin; Shi, Jian; Zhu, Xiaochen; Zeng, Yan
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Evaluación de la idoneidad del hábitat para el Torreya de Zhuji basada en algoritmos de aprendizaje automático
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Ciencias Agrícolas y Biológicas Generales
Palabras clave
Torreya
Cultivo
Zonificación
Clima
Topografía
Suelo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 17
Citaciones: Sin citaciones
Torreya, con sus roles duales tanto en la alimentación como en la medicina, ha enfrentado múltiples desafíos en su cultivo en la ciudad de Zhuji debido a los frecuentes desastres climáticos globales en los últimos años. Por lo tanto, llevar a cabo un estudio sobre la zonificación adecuada para los hábitats de Torreya basado en factores climáticos, topográficos y del suelo es altamente importante. En este estudio, utilizamos las coordenadas de latitud y longitud de los puntos de distribución de Torreya y datos raster de factores ecológicos. Analizamos a fondo las características ambientales ecológicas del clima, la topografía y el suelo en los puntos de distribución de Torreya mediante modelado físico y métodos de aprendizaje automático. La ciudad de Zhuji se clasificó en zonas adecuadas, moderadamente adecuadas e inadecuadas para determinar las regiones propicias para el crecimiento de Torreya. Los resultados indican que las zonas adecuadas para el cultivo de Torreya en la ciudad de Zhuji se distribuyen principalmente en áreas montañosas y colinosas, mientras que las zonas inadecuadas se encuentran predominantemente en cuencas centrales y redes de llanuras fluviales del norte. Las zonas moderadamente adecuadas están ubicadas en áreas de transición entre zonas adecuadas e inadecuadas. En comparación con los factores climáticos, los factores del suelo y la topografía restringen de manera más significativa el cultivo de Torreya. Los algoritmos de aprendizaje automático también pueden lograr una zonificación de adecuación con un proceso de clasificación más conciso y eficiente. En este estudio, el algoritmo de bosque aleatorio (RF) demostró una mayor precisión predictiva que los algoritmos de máquina de vectores de soporte (SVM) y de Bayes ingenuo (NB), logrando los mejores resultados de clasificación.
Descripción
Torreya, con sus roles duales tanto en la alimentación como en la medicina, ha enfrentado múltiples desafíos en su cultivo en la ciudad de Zhuji debido a los frecuentes desastres climáticos globales en los últimos años. Por lo tanto, llevar a cabo un estudio sobre la zonificación adecuada para los hábitats de Torreya basado en factores climáticos, topográficos y del suelo es altamente importante. En este estudio, utilizamos las coordenadas de latitud y longitud de los puntos de distribución de Torreya y datos raster de factores ecológicos. Analizamos a fondo las características ambientales ecológicas del clima, la topografía y el suelo en los puntos de distribución de Torreya mediante modelado físico y métodos de aprendizaje automático. La ciudad de Zhuji se clasificó en zonas adecuadas, moderadamente adecuadas e inadecuadas para determinar las regiones propicias para el crecimiento de Torreya. Los resultados indican que las zonas adecuadas para el cultivo de Torreya en la ciudad de Zhuji se distribuyen principalmente en áreas montañosas y colinosas, mientras que las zonas inadecuadas se encuentran predominantemente en cuencas centrales y redes de llanuras fluviales del norte. Las zonas moderadamente adecuadas están ubicadas en áreas de transición entre zonas adecuadas e inadecuadas. En comparación con los factores climáticos, los factores del suelo y la topografía restringen de manera más significativa el cultivo de Torreya. Los algoritmos de aprendizaje automático también pueden lograr una zonificación de adecuación con un proceso de clasificación más conciso y eficiente. En este estudio, el algoritmo de bosque aleatorio (RF) demostró una mayor precisión predictiva que los algoritmos de máquina de vectores de soporte (SVM) y de Bayes ingenuo (NB), logrando los mejores resultados de clasificación.