Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightElde edilen modeller coğrafi bilgi sistemleri kullanılarak yaygınlaştırılmış ve böylece bütün hedef türlerin potansiyel dağılım haritaları elde edilmiştir.
📌 3 Maddede Bu Makale
Özet
Bu çalışma Türkmen Dağı’nda doğal yayılışı olan odun dışı orman ürünlerinin potansiyel dağılım haritalarının elde edilmesi amacıyla gerçekleştirilmiştir. Bu amaç doğrultusunda ekonomik değeri olan Cistus laurifolius, Crataegus monogyna subsp. monogyna, Crataegus orientalis, Rosa canina, Salvia tomentosa ve Thymus longicaulis türleri hedef türler olarak belirlenmiştir. Arazi çalışmaları 693 örnek alanda gerçekleştirilmiştir. Yükselti, eğim, bakı, anakaya, topografik pozisyon indeksi ve bioiklim verileri açıklayıcı değişken olarak kullanılmıştır. Modelleme süreçlerinde Genelleştirilmiş Eklemeli Model (GEM) ile Sınıflandırma ve Regresyon Ağacı Tekniği (SRAT) kullanılmıştır. Bütün türlerin en iyi dağılım modelleri GEM ile elde edilmiştir. Yükselti, dağılım modellerine katkı yapan en önemli değişken olmuş, bunu anakaya, yağışın mevsimselliği (Bio15) ve topografik pozisyon indeksi izlemiştir. Elde edilen modeller coğrafi bilgi sistemleri kullanılarak yaygınlaştırılmış ve böylece bütün hedef türlerin potansiyel dağılım haritaları elde edilmiştir.
Abstract
The aim of this study was to model the potential distribution of non-wood forest products in the Turkmen Mountain of Turkey. Cistus laurifolius, Crataegus monogyna subsp. monogyna, Crataegus orientalis, Rosa canina, Salvia tomentosa and Thymus longicaulis species were selected due to their economic value. Field data were collected from 693 sample plots. Elevation, slope, aspect, parent material, topographic position index, radiation index and bioclimatic variables were used as explanatory variables. Generalized Additive Model (GAM) and Classification and Regression Tree technique (CART) were applied in the modeling processes. The most accurate distribution models for all species were obtained with GAM. Elevation became the most descriptive variable within the distribution models. In addition, parent material, precipitation seasonality (Bio15) and topographical position index played important roles in the model construction process. Visualizations of the distribution models were performed by Geographical Information System software.