मशीन लर्निंग विधियाँ: ब्राज़ील के अटलांटिक वन में शुद्ध वृद्धि का मॉडलिंग

वृक्ष वृद्धि मॉडल वन गतिशीलता के मॉडलिंग का एक महत्वपूर्ण और आवश्यक हिस्सा हैं और प्रबंधन योजना और जैव विविधता संरक्षण रणनीतियों के लिए मूल्यवान उपकरण हैं। हमने ब्राज़ील के अटलांटिक वन में भूखंड स्तर पर वृक्ष वृद्धि की भविष्यवाणी करने के लिए तीन अलग-अलग मशीन लर्निंग मॉडल, अर्थात् आर्टिफिशियल न्यूरल नेटवर्क्स (ANN), सपोर्ट वेक्टर मशीन (SVM) और रैंडम फॉरेस्ट (RF) मॉडल का उपयोग किया। मॉडलिंग में वन विशेषताएँ, भूमि उपयोग इतिहास, परिदृश्य, मिट्टी और जलवायु विशेषताएँ शामिल की गईं। सबसे अच्छे पूर्वानुमान चर के उपसमुच्चय का चयन करने के लिए पुनरावृत्ति विशेषता समाप्ति का उपयोग किया गया। हमने पाया कि ब्राज़ील के अटलांटिक वन में वृद्धि को आकार देने में मिट्टी, वन विशेषताएँ और जलवायु चर महत्वपूर्ण हैं। मिट्टी की अम्लता सबसे महत्वपूर्ण विशेषता थी। मशीन लर्निंग विधियाँ प्रभावी थीं। रैंडम फॉरेस्ट विधि अटलांटिक वन में वृद्धि के मॉडलिंग के लिए दूसरों की तुलना में श्रेष्ठता प्रदर्शित करती है। नेमेनी परीक्षण ने यह संकेत दिया कि RF मॉडल और अन्य तकनीकों के बीच का अंतर गणना की गई महत्वपूर्ण भिन्नता (CD) से अधिक था। मशीन लर्निंग ब्राज़ील के अटलांटिक वन में वन खंडों में विकास का मॉडलिंग करने के लिए एक महत्वपूर्ण उपकरण हो सकता है। ये जैव विविधता को पुनर्प्राप्त करने और खंडन के हानिकारक प्रभावों को कम करने के उद्देश्य से प्रबंधन रणनीतियों को विकसित करने में मदद कर सकते हैं।