Topola
2017, br. 199/200, str. 167-176

tip rada: Izvorni naučni rad
UDK/DOI: 551.583:630

Razvoj modela potencijalne distribucije vrsta pomoću metoda mašinskog učenja



Lazar Pavlović 1, Dejan B. Stojanović 2, Milena Kresoja 3, Stefan Stjepanović 4, Saša Orlović 1,  Mirjana Bojović 5


1 Univerzitet u Novom Sadu, Poljoprivredni fakultet
1 Univerzitet u Novom Sadu, Institut za nizijsko šumarstvo i životnu sredinu
3 Univerzitet u Novom Sadu, Prirodno-matematički fakultet
4 Univerzitet Istočno Sarajevo, Poljoprivredni fakultet
5 Univerzitet Educons, Fakultet zaštite životne sredine

e-mail: lazar.pavlovic@polj.uns.ac.rs

Sažetak

Klimatske promene koje se intenzivno dešavaju u poslednjih nekoliko decenija imaju globalni efekat na vegetaciju i šumski pokrivač, što dovodi do velikih transformacija u prirodnim resursima i strukturi pejzaža. Uticaj klimatskih promena na vrste često se procenjuje korištenjem modela distribucije vrste (SDMs). Ovi modeli koriste podatke o životnoj sredini i prisustvu/odsustvu neke vrste, utvrđuju njihov međusobni odnos, te na drugim lokacijama pokazuju da li su uslovi sredine pogodni ili ne za postojanje te vrste. Pošto se modeli lako implementiraju, oni se danas koriste u velikoj meri za razmatranje različitih pitanja u istraživanju životne sredine, kao i za pružanje smernica za primenjena istraživanja. Cilj ovog rada je razviti i oceniti Random Forest (RF) model zasnovan na trenutnim podacima o rasprostranjenju šuma evropske bukve, ekoloških i klimatskih karakteristika na teritoriji Srbije. Dobijeni model će poslužiti kao osnova za izgradnju modela koji će predvideti distribucije vrste u budućnosti.Tačnost modela je ispitana upotrebom adekvatnih statističkih metoda. Analiza True Skill Statistic (TSS) ukazuje na veliku tačnost modela (TSS = 0.87, specifičnost =87.81, senzitivnost =99.44). Tačnost je potvrđena analizom površine ispod ROC (Receiver Operating Characteristic) krive (AUC) (AUC=0.97, specifičnost =88.01, senzitivnost=99.27). Takođe, rezultati ukazuju na potrebu za uključivanjem više ekološki relevantnih topografskih varijabli prilikom projektovanja modela distribucije vrsta u odnosu na klimatske promene, naročito za vrste koje su u korelaciji sa topografijom, odnosno visinskom raspodelom.



Ključne reči: Modeli distribucije vrsta, evropska bukva, mašinsko učenje, BIOMOD2