Big data and machine learning for global evaluation of habitat suitability of European forest species

With the rise in amounts and types of data collected, artificial intelligence and machine learning algorithms have become highly desired. They are being applied in every possible field, for almost every purpose imaginable. In environmental sciences they are applied in remote sensing, in different climate and terrain modeling, even in trait analysis of collected species data. Previous habitat suitability studies using machine learning methods confirmed improvements in results, but until recently it was very difficult to collect or find the data for analysis, and virtually impossible to do such analysis on a large scale. Due to the trend of releasing free global datasets to the public it is becoming possible to do the habitat suitability studies for whole continents or even for the whole globe. Free data sources are analyzed, set of data describing soil, terrain, climate and current distribution of forest species is wrangled and prepared. Habitat suitability study of Fagus sylvatica (European beech) on the global level is performed using machine learning with special focus on artificial neural networks algorithms and big data problem. Results of different algorithms and methods are compared and analyzed.

Con l’aumento delle quantità e dei tipi di dati raccolti, l’intelligenza artificiale e gli algoritmi di apprendimento automatico sono diventati altamente desiderati. Vengono applicati in ogni campo possibile, per quasi tutti gli scopi immaginabili. Nelle scienze ambientali vengono applicate nel telerilevamento, in diversi modelli di clima e di terreno, anche in analisi di tratti di dati di specie raccolte. Precedenti studi di idoneità all’habitat che utilizzavano metodi di apprendimento automatico hanno confermato miglioramenti nei risultati, ma fino a poco tempo fa era molto difficile raccogliere o trovare i dati per l’analisi, e praticamente impossibile fare tali analisi su larga scala. A causa della tendenza a rilasciare dataset globali gratuiti al pubblico, è possibile effettuare studi di idoneità all’habitat per interi continenti o anche per l’intero globo. Vengono analizzate le fonti di dati gratuite, set di dati che descrivono il suolo, il terreno, il clima e la distribuzione attuale delle specie forestali vengono sballottati e preparati. Lo studio di idoneità all’habitat di Fagus sylvatica (faggio europeo) a livello globale viene eseguito utilizzando l’apprendimento automatico con particolare attenzione agli algoritmi delle reti neurali artificiali e al problema dei big data. I risultati di diversi algoritmi e metodi sono confrontati e analizzati.