Машинное обучение помогает определить климатические пороги, формирующие распределение естественной растительности

Исследование, опубликованное в журнале Global Change Biology, использует машинное обучение для изучения крупномасштабных связей между растительностью и климатическими характеристиками. Оно показывает, что сочетание климатических данных, данных дистанционного зондирования о земном покрове и прогностических древовидных моделей, называемых деревьями решений, позволяет эффективно выявлять климатические пороги, участвующие в формировании распределения доминирующей растительности на различных пространственных масштабах.

Результаты исследования подчеркивают важность климатических экстремумов в формировании распределения нескольких основных типов растительности. Например, засуха или экстремальный холод имеют решающее значение для доминирования саванн и листопадных хвойных лесов.

«Один из самых важных вопросов, на который предстоит ответить в дальнейших исследованиях, — являются ли климатические пороги, выявленные в этом исследовании, статичными или меняются вместе с изменением климата в будущем», — говорит исследователь Хуэй Тан из департамента геонаук Университета Осло.