Predicción de la potencialidad de los bosques esclerófilos españoles mediante redes neuronales artificiales
DOI:
https://doi.org/10.3989/graellsia.2003.v59.i2-3.251Palabras clave:
vegetación potencial, redes neuronales artificiales, Quercus ilex, Quercus suber, encina, alcornoqueResumen
Encinares y alcornocales son dos de las formaciones esclerófilas más importantes de la Iberia mediterránea. Para conocer cual es su potencialidad en el territorio español se ha empleado un modelo generado mediante redes neuronales artificiales con un algoritmo de retropropagación de errores que conduce la información siempre hacia delante. Las variables bioclimáticas empleadas como predictores son: altitud, continentalidad, insolación, precipitación total, temperatura media anual, temperatura media de las mínimas del mes más frío y temperatura media de las máximas del mes más cálido, con una resolución de 10 km. Las redes neuronales se perfilan como una herramienta de gran poder predictivo. Se aprecian patrones de respuesta diferente para las formaciones estudiadas. Mientras que para la encina se simula un área potencial continua y extensa, para el alcornoque se obtiene un área fragmentada y restringida, que se ajusta bastante a su presencia actual. La principal discrepancia del modelo presentado con esquemas de vegetación potencial anteriores radica en la ausencia de encinares y alcornocales en zonas térmicas del Levante y sur peninsular.
Descargas
Los datos de descargas todavía no están disponibles.
Descargas
Publicado
2003-12-30
Cómo citar
1.
Benito Garzón M, Maldonado Ruiz J, Sánchez de Dios R, Sainz Ollero H. Predicción de la potencialidad de los bosques esclerófilos españoles mediante redes neuronales artificiales. Graellsia [Internet]. 30 de diciembre de 2003 [citado 24 de febrero de 2025];59(2-3):345-58. Disponible en: https://graellsia.revistas.csic.es/index.php/graellsia/article/view/251
Número
Sección
Artículos
Licencia
Derechos de autor 2003 Consejo Superior de Investigaciones Científicas (CSIC)

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
© CSIC. Los originales publicados en las ediciones impresa y electrónica de esta Revista son propiedad del Consejo Superior de Investigaciones Científicas, siendo necesario citar la procedencia en cualquier reproducción parcial o total.Salvo indicación contraria, todos los contenidos de la edición electrónica se distribuyen bajo una licencia de uso y distribución “Creative Commons Reconocimiento 4.0 Internacional ” (CC BY 4.0). Puede consultar desde aquí la versión informativa y el texto legal de la licencia. Esta circunstancia ha de hacerse constar expresamente de esta forma cuando sea necesario.
No se autoriza el depósito en repositorios, páginas web personales o similares de cualquier otra versión distinta a la publicada por el editor.