ScholarGate
Asisten
Process / pipelineMachine learning

Pemodelan Nisia

Pemodelan nisia, juga disebut pemodelan distribusi spesies (SDM), memprediksi jangkauan geografis dan kesesuaian habitat spesies menggunakan data keberadaan hanya-hadir atau keberadaan-latar belakang dan variabel lingkungan. MaxEnt (Maximum Entropy, Phillips et al. 2006) dan GARP (Genetic Algorithm for Rule-set Prediction, Stockwell & Peters 1999) adalah dua algoritma terkemuka. Metode ini mengidentifikasi kondisi lingkungan di mana spesies kemungkinan besar ada, memungkinkan prediksi distribusi di luar area sampel dan penilaian kesesuaian habitat di seluruh bentang alam.

Buka di MethodMindSegeraVideoSegeraUnduh salindia

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Peta metode

Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.

Sumber

  1. Phillips, S. J., Anderson, R. P., & Schapire, R. E. (2006). Maximum entropy modeling of species geographic distributions. Ecological Modelling, 190(3-4), 231-259. DOI: 10.1016/j.ecolmodel.2005.03.026
  2. Stockwell, D. R., & Peters, D. P. (1999). The GARP modelling system: problems and solutions to automated spatial prediction. International Journal of Geographical Information Science, 13(2), 143-158. DOI: 10.1080/136588199241391
  3. Elith, J., Phillips, S. J., Hastie, T., Dudik, M., Chee, Y. E., & Yates, C. J. (2011). A statistical explanation of MaxEnt for ecologists. Diversity and Distributions, 17(1), 43-57. DOI: 10.1111/j.1472-4642.2010.00725.x

Cara menyitasi halaman ini

ScholarGate. (2026, June 3). Niche Modeling (MaxEnt and GARP). ScholarGate. https://scholargate.app/id/ecology/niche-modeling

Metode yang mana?

Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.

Bandingkan berdampingan

Dirujuk oleh

ScholarGateNiche Modeling (Niche Modeling (MaxEnt and GARP)). Diakses 2026-06-15 dari https://scholargate.app/id/ecology/niche-modeling · Set data: https://doi.org/10.5281/zenodo.20539026