Изучение способности лесов аккумулировать углерод вышло на мировой уровень, а оценка поглощения парниковых газов на карбоновых полигонах стала особо востребованной. Авторы создали и опубликовали три собственные базы данных, отражающие биологическую продуктивность лесов Евразии. Разработан алгоритм расчета приходной части углеродного цикла (ЧПП) лесов Уральского региона, который лежит в основе использования машинного обучения ML.NET. Настоящее исследование направлено на дальнейшее развитие моделей и алгоритмов использования упомянутых баз данных в среде машинного обучения для решения острых глобальных климатических проблем современности.
The study of the ability of forests to accumulate carbon has reached a global level, and the assessment of greenhouse gas uptake in carbon landfills has become particularly in demand. The authors have created and published three proprietary databases reflecting the biological productivity of Eurasian forests. An algorithm for calculating the input part of the carbon cycle (NWP) of forests in the Ural region has been developed, which underlies the use of machine learning. ML.NET . The present study is aimed at further developing models and algorithms for using these databases in a machine learning environment to solve acute global climate problems of our time.