Aprendizaje de máquina para la predicción de reservas de carbono en un bosque tropical en el sureste de Brasil

Resumen

La conciencia de la sociedad en relación a los cambios climáticos globales ha llamado la atención sobre el papel de los bosques como mitigadores de este proceso, ya que actúan como sumideros de carbono en la atmósfera. Comprender el proceso de almacenamiento de carbono en los bosques y sus determinantes, así como presentar modelos consistentes para su estimación es una demanda actual. En este sentido, el objetivo de este estudio fue evaluar el desempeño de las técnicas de máquina de vectores de soporte (SVM) y proponer un nuevo modelo no lineal extraído del entrenamiento de una red neuronal artificial (RNA) para modelar la cantidad de carbono sobre el suelo en un Bosque secundario estacional semideciduo. El proceso de construcción y entrenamiento de SVM y RNA consideró variables independientes seleccionadas por stepwise: DAP mínimo (diámetro de altura del pecho - 1.3 m), DAP máximo, DAP promedio, altura total promedio y número de árboles, todo por unidad de muestreo. La SVM y el modelo extraído de la RNA se aplicaron al conjunto de datos para su validación. Ambas técnicas mostraron un desempeño satisfactorio en la modelación de la cantidad de carbono por unidad de muestreo, con distribución homogénea y baja dispersión de residuos y valores pronosticados cercanos a los observados. Los criterios de análisis utilizados indicaron un desempeño superior del modelo extraído de la red neuronal artificial, que presentó un error relativo promedio de 6.94 %, mientras que la máquina de vectores de soporte presentó 13.52 % junto con valores de sesgo más bajos y una mayor correlación entre predicciones. y observaciones.