A „Járó-tábla” (avagy az egyes termőhelytípusokon alkalmazható célállományok és azok növekedésének) közelítése gépi tanulási módszerrel
DOI:
https://doi.org/10.17164/EK.2018.006Kulcsszavak:
gépi tanulás, termőhely, célállomány, növekedésAbsztrakt
Ebben a cikkben egy gépi tanulási eljárást kívánunk bemutatni, amely a Járó-féle egyes termőhelytípusokon alkalmazható célállományok és azok növekedésének adatait dolgozza fel. A módszer képes a meglévő adatok alapján célállomány és növekedést javasolni a klímaváltozás miatt kialakuló új termőhelytípus változatokra, és egy újonnan belépő erdészeti klímaosztályra is. Az eljárás lényege, hogy a Járó-tábla bejegyzéseit egy ötdimenziós térben helyezi el és távolság kernelek segítségével kiválogatja a közeli célállomány típusokat, valamint súlyozza azok növekedését. Ezáltal megadja egy kiválasztott termőhelytípus változatra, hogy mely célállományok valószínűsíthetők azon a területen és milyen növekedéssel jellemezhetők. Az eredmények megfelelő validálás után az Agrárklíma projekt döntéstámogató rendszerébe épülnek be.
Hivatkozások
Balogh L., Kovács G. & Tímár G. 2005: Az egyes termőhelytípus-változatokon alkalmazható célállományok. Állami Erdészeti Szolgálat, Budapest.
Berki I., Rasztovits E., Móricz N. & Mátyás Cs. 2009: Determination of the drought tolerance limit of beech forests and forecasting their future distribution in Hungary. Cereal Research Communications 37: 613–616.DOI: 10.1556/CRC.37.2009.Suppl.4
Czimber K. & Gálos B. 2016: A new decision support system to analyse the impacts of climate change on the Hungarian forestry and agricultural sectors. Scandinavian Journal of Forest Research 31: 664–673. DOI: 10.1080/02827581.2016.1212088
Falcão A. & Borges J.G. 2005: Designing decision support tools for Mediterranean forest ecosystems manage ment: a case study in Portugal. Annals of Forest Science 62: 751–760. DOI: 10.1051/forest:2005061
Führer E. 2010: A fák növekedése és a klíma. Klíma-21 Füzetek 61: 98–107.
Führer E., Horváth L., Jagodics A., Machon A. & Szabados I. 2011: Application of a new aridity index in Hungarian forestry practice. Időjárás 115: 103–118.
Gálos B., Führer E., Czimber K., Gulyás K., Bidló A., Hänsler A., et al. 2015: Climatic threats determining future adaptive forest management – a case study of Zala County. Időjárás 119(4): 425–441.
Mátyás Cs. & Czimber K. 2000: Zonális erdőtakaró mezoklíma szintű modellezése: lehetőségek a klímaváltozás hatásainak előrejelzésére. In: Tar K. (ed): III. Erdő és Klíma Konferencia. DE-TTK, Debrecen, 83–97.
Mátyás Cs. & Czimber K. 2004: A zonális zárt erdőtakaró alsó határának klímaérzékenysége Magyarországon. In: Mátyás Cs. & Vig P., (eds): Erdő és Klíma IV. Nyugat-Magyarországi Egyetem, Sopron, 35–44.
Ray D. 2001: Ecological site classification decision support system. Version 1.7. Edinburgh: Forestry Commission.
Reynolds K.M., Twery M., Lexer M.J., Vacik H., Ray D., Shao G., et al. 2008: Decision Support Systems in Forest Management. In: Burstein F. & Holsapple C. (eds): Handbook on Decision Support System 2. Inter national Handbooks on Information Systems Series, Springer-Verlag Berlin Heidelberg, 499–534. DOI: 10.1007/978-3-540-48716-6
Rosenblatt M. 1956: Remarks on Some Nonparametric Estimates of a Density Function. The Annals of Mathematical Statistics 27(3): 832–837. DOI: 10.1214/aoms/1177728190
Silverman B.W. 1986: Density Estimation for Statistics and Data Analysis. Routledge, New York.
Vacik H., Lexer M.J., Rammer W., Seidl R., Hochbichler E., Strauss M., et al. 2010: ClimChAlp – a web based decision support system to explore adaptation options for silviculture in secondary Norway spruce forests in Austria. In: Falcao A. & Rosset C. (eds): Proceedings of the Workshop on Decision Support Systems in Sustainable Forest Management, Lisbon.
##submission.downloads##
Megjelent
Hogyan kell idézni
Folyóirat szám
Rovat
License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
