В работе приводятся количественные оценки первичной валовой продукции для территории Алтайского края и Новосибирской области, полученные в рамках подхода, основанного на использовании методов машинного обучения, в частности, на построении деревьев решений. Для предсказания значений целевой переменной в работе использовалась древовидная регрессионная модель Cubist. Обучающая выборка включает данные продуктов радиометра MODIS/Terra и реанализа ERA5 для 2021 г. Проведена валидация полученной модели. С использованием валидации по методу отложенной выборки для 2021 г. установлены метрики регрессии: коэффициент детерминации R2 = 0.9 и среднеквадратическая ошибка RMSE = 0.8 гСO2/(м2 день). Анализ результатов, полученных с использованием кросс-валидации на тестовом наборе данных для 2022 г., позволяет сделать вывод о высоком качестве обучения модели и о возможности ее применения для моделирования первичной валовой продукции регионов.
Файл презентации: | Волков Н.В., Мордвин Е.Ю., Лагутин А.А..pdf |