$\mathrm{CO_2}$-Ի ՓՈԽԱՆԱԿՄԱՆ ՆԵՏՏՈ ԷԿՈՀԱՄԱԿԱՐԳՈՎ ՄՈԴԵԼԱՎՈՐՈՒՄ ՄԵՔԵՆԱՅԱԿԱՆ ՈՒՍՈՒՑՄԱՆ ՄԵԹՈԴՈՎ
(Սախալին կղզու օրինակով)
DOI-:
https://doi.org/10.46991/PYSUC.2025.59.2.240Բանալի բառեր-:
net ecosystem exchange of CO2, natural ecosystems, carbon dioxide, gradient boosting, machine learningԱմփոփում
Կլիմայի գլոբալ փոփոխության համատեքստում ածխածնի հաշվեկշռի գնահատումը տարածաշրջանային մակարդակում գնալով ավելի կարևոր է դառնում ջերմոցային գազերի արտանետումների մոնիթորինգի և կլիմայական ժամանակակից փոփոխությունների հետևանքների մեղմման համար արդյունավետ տեխնոլոգիաների մշակման տեսանկյունից։ Երկրային էկոհամակարգերը առանցքային դեր են խաղում ածխածնի գլոբալ ցիկլում՝ զգալի ներդրում ունենալով գործուն մակերևույթի և մթնոլորտի ածխաթթու գազի միջև փոխանակման գործում: Այս ուսումնասիրության մեջ մշակվել է մեքենայացման ուսուցման մեթոդների վրա հիմնված մոդել, մասնավորապես՝ CatBoost գրադիենտային խթանման ալգորիթմը, CO2 նետտո էկոհամակարգային փոխանակման տարածա-ժամանակային փոփոխականության համալիր գնահատելու համար: Սախալին կղզու համար 2023 թ․ մոդելի փորձերի արդյունքները ցույց են տվել, որ այս մոտեցումը թույլ է տալիս հաշվի առնել ածխածնի փոխանակման վրա ազդող բազմաթիվ գործոններ և ստանալ CO2-ի հոսքերի տարածական բաշխումը տարածաշրջանային մասշտաբով՝ մեկ ամսվա ժամանակային լուծաչափով: Մշակված մոդելը ցույց է տվել հոսքերի կանխատեսման բարձր ճշգրտություն՝ դետերմինացիայի գործակիցը (R²) բոլոր էկոհամակարգերի համար միջինը մոտ 0,76 է: Ստացված արդյունքները կարող են օգտագործվել տարբեր աշխարհագրական շրջաններում CO2 հոսքերը տարածաշրջանային մասշտաբով գնահատելու, ածխածնային հաշվեկշռում իրական ներդրումը գնահատելու համար։
Ներբեռնումներ
Հրատարակվել է
Թողարկում
Բաժին
Արտոնագհր
Copyright (c) 2025 ԵՊՀ Գիտական տեղեկագիր
Այս աշխատանքն արտոնագրված է որպես a Creative Commons Attribution-NonCommercial 4.0 International License.
