Детальная информация

Широкова, Любовь Михайловна. Прогноз будущей пригодности сельскохозяйственных земель с помощью машинного обучения на примере Самарской области = Forecasting the Future Suitability of Agricultural Land Using Machine Learning: A Case Study of the Samara Region: выпускная квалификационная работа бакалавра: направление 05.03.03 «Картография и геоинформатика: картография» / Л. М. Широкова; научный руководитель В. А. Добрякова; Тюменский государственный университет, Школа естественных наук. — Тюмень, 2024. — 1 файл (2,8 Мб). — Загл. с титул. экрана. — Доступ по паролю из сети Интернет (чтение). — Adobe Acrobat Reader 7.0. — <URL:https://library.utmn.ru/dl/Module_VKR_Tyumen/ShEsN/2024/vr24-2189.pdf>. — <URL:https://library.utmn.ru/dl/Module_VKR_Tyumen/ShEsN/2024/rev/vr24-2189-z.zip>. — Текст: электронный

Дата создания записи: 26.08.2024

Тематика: сельскохозяйственные земли; модель присутствия; метод максимальной энтропии; MaxEnt; климатический сценарий; переменные биоклимата; agricultural land; presence model; maximum entropy method; climate scenario; bioclimate variables

Коллекции: Выпускные квалификационные работы

Ссылки: Приложение

Разрешенные действия:

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

В работе выполнено прогнозирование текущей и будущей пригодности земель для выращивания основных сельскохозяйственных культур в Самарской области. Прогноз выполнялся в программном обеспечении ArcGIS Pro при помощи инструмента «Прогнозирование только присутствия (MaxEnt)», который применяет модель коррелятивного машинного обучения – метод максимальной энтропии. Для модели в качестве входных данных использовались 19 биоклиматических переменных. Прогнозные значения переменных рассчитаны в соответствии с климатическим сценарием SSP3 7.0.

The work forecasts the current and future suitability of land for growing major crops in the Samara region. The forecast was performed in ArcGIS Pro software using the Presence Only Forecast (MaxEnt) tool, which uses a correlative machine learning model - the maximum entropy method. The model used 19 bioclimatic variables as input data. Forecast values ​​of variables were calculated in accordance with the climate scenario SSP3 7.0.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
ТюмГУ Все Прочитать
Интернет Читатели Прочитать
-> Интернет Анонимные пользователи

Статистика использования

stat Количество обращений: 1
За последние 30 дней: 1
Подробная статистика