Özet
Giriş:
Orman zararlılarının salgınları orman ekosistemlerinin istikrarını önemli ölçüde etkileyebilir ve orman sağlığının izlenmesi ile risk yönetimi açısından zorluklar yaratabilir. Ancak, orman zararlılarının izleme veri setleri genellikle yüksek oranda sıfır gözlem içerir ve belirgin zamansal değişkenlik gösterir; bu durum da geleneksel makine öğrenmesi yaklaşımlarının tahmin performansını sınırlayabilir. Bu zorlukların üstesinden gelmek amacıyla bu çalışma, Sıfır-Artırılmış Poisson (ZIP) özellikleri ve LSTM’den türetilen zamansal özellikleri birleştiren hibrit bir RF-LSTM çerçevesi geliştirerek bu özellik iyileştirmelerinin Rastgele Orman (RF) modelinin performansı üzerindeki etkilerini değerlendirmiştir.
Yöntemler:

Önerilen çerçeveyi değerlendirmek için Çin’in Zhejiang Eyaleti’ndeki Rui’an Şehri’nde Coleoptera ve Lepidoptera türleri için toplanan çok istasyonlu günlük izleme verileri kullanılmıştır. İlk olarak ZIP modeli, zararlıların ortaya çıkış verilerindeki sıfır artışı yapısını karakterize etmek için kullanılırken, LSTM ağı meteorolojik, mevsimsel ve ZIP’den türetilen özellik dizilerinden zamansal temsiller çıkarmak için kullanılmıştır. Ardından ZIP’den ve LSTM’den türetilen özellikler değerlendirme amacıyla RF modeline dahil edilmiştir.
Sonuçlar:
Geleneksel RF modeliyle karşılaştırıldığında, ZIP özelliklerinin dahil edilmesi Coleoptera için R2 değerini 0,69’dan 0,71’e, Lepidoptera için ise 0,79’dan 0,81’e yükseltmiştir. LSTM’den türetilen zamansal özelliklerin de eklenmesiyle R2 değerleri sırasıyla 0,85 ve 0,87’ye ulaşmıştır. Önerilen çerçeve ayrıca farklı eğitim örneklem oranları altında da değerlendirilmiştir. Her iki zararlı grubu için de eğitim örneklem oranı arttıkça R2 yükselmiş, ancak MAE ve RMSE değerleri tutarlı bir şekilde düşmemiştir.
Tartışma:
Bu sonuçlar, ZIP tabanlı özellik iyileştirmesinin ve LSTM’den türetilen zamansal özelliklerin RF modelinin performansını artırabildiğini göstermektedir; ancak iyileşmenin boyutu zararlı grupları ve eğitim örneklem boyutlarına göre değişmektedir.
1 Giriş
Orman zararlıları, orman ekosistemlerinin istikrarını ve ormancılığın sürdürülebilir gelişimini tehdit eden önemli biyolojik bozulmalardır (Chen ve diğerleri, 2025; Wang ve diğerleri, 2025). Geniş çaplı salgınlar orman kaynaklarının bozulmasına, biyolojik çeşitliliğin kaybına ve ekosistem hizmetlerinin zayıflamasına yol açabilir (MarinaWolz ve diğerleri, 2024; Rong ve diğerleri, 2024); bu da bölgesel ekolojik güvenliği ve ormancılık ekonomisinin gelişimini daha da etkiler. Son yıllarda iklim değişikliği ve artan insan faaliyetlerinin birleşik etkisiyle orman zararlıları daha sık ortaya çıkma, daha geniş alanlara yayılma ve daha şiddetli salgınlar gösterme eğilimi sergilemiştir (Huang ve diğerleri, 2025). Bu nedenle, yüksek doğrulukta orman zararlıları tahmin modelleri geliştirmek, zararlı izleme, erken uyarı ve bilimsel zararlı yönetimi açısından büyük önem taşır.
Rui’an Şehri, Çin’in Zhejiang Eyaleti’nin güneydoğu kıyı bölgesinde yer alır ve subtropikal muson iklimiyle karakterize edilir. Ilık ve nemli iklim koşulları ile zengin orman kaynakları, orman zararlılarının ortaya çıkması için uygun bir ortam sunar. Bunlar arasında Coleoptera ve Lepidoptera, bu çalışmada kullanılan orman zararlıları izleme sistemi tarafından kaydedilen iki böcek grubudur. Larvaları veya yetişkinleri yaprakları, genç sürgünleri ve diğer bitki dokularını besleyebilir (Sun ve diğerleri, 2019); bu da fotosentez kapasitesinin azalmasına ve ağaç büyümesinin engellenmesine yol açar. Şiddetli istilalar geniş çaplı yaprak kaybına ve orman verimliliğinin düşmesine neden olabilir (Xu ve diğerleri, 2024). Bu böcek gruplarının ortaya çıkışı ve aktivitesi iklimsel ve çevresel koşullara göre değişebilir (Liu ve diğerleri, 2023); bu da bölgesel orman kaynak güvenliği, orman verimliliği ve ekosistem istikrarı için potansiyel tehditler oluşturur. Ancak, Çam Solgunluğu Hastalığı, çam tırtılları ve sonbahar ağ kurdu gibi başlıca orman zararlıları ve hastalıklarıyla karşılaştırıldığında (Huang ve diğerleri, 2026; Tan ve diğerleri, 2026; Zhao ve diğerleri, 2025), bu çalışmada kaydedilen Coleoptera ve Lepidoptera gruplarının bolluk dinamikleri ve tahmini üzerine yapılan araştırmalar nispeten sınırlıdır. Dolayısıyla, bu iki böcek grubunun kaydedilen bolluğunu tahmin etmek sadece yaprak döken orman zararlılarının öngörülmesi için teorik çerçeveyi zenginleştirmekle kalmaz, aynı zamanda bölgesel ölçekte hassas orman zararlıları yönetimi için bilimsel bir temel de sağlar.
Temel Bulgular ve Genel Değerlendirme
Beyanlar
Üretken Yapay Zeka beyanı
Yazar(lar), bu makalenin oluşturulmasında üretken yapay zekanın kullanılmadığını beyan etmiştir.
Bu makaledeki şekillerin yanında sunulan alternatif metinlerin (alt metin) tamamı Frontiers tarafından yapay zeka desteğiyle oluşturulmuş ve yazarlar tarafından mümkün olduğunca incelenmek de dahil olmak üzere doğruluğu sağlamak için makul çabalar gösterilmiştir. Herhangi bir sorun tespit ederseniz lütfen bizimle iletişime geçin.
Yayıncının notu
Bu makalede ifade edilen tüm iddialar yalnızca yazarlara aittir ve yazarların bağlı olduğu kuruluşların, yayıncının, editörlerin veya hakemlerin görüşlerini yansıtmak zorunda değildir. Bu makalede değerlendirilebilecek herhangi bir ürün veya üreticisi tarafından yapılabilecek herhangi bir iddia, yayıncı tarafından garanti edilmez veya onaylanmaz.
Özet
Anahtar Kelimeler
özellik iyileştirmesi, orman zararlıları izleme, uzun kısa süreli bellek, Rastgele Orman, sıfır-artırılmış Poisson
Atıf
Xu J, Zhang J, Mo X, Fang G, Xu C ve Huang J (2026) Hibrit bir Rastgele Orman–LSTM modeli kullanılarak orman zararlılarının tahmini. Front. Environ. Sci. 14:1991679. doi: 10.3389/fenvs.2026.1991679
Alındı
08 Eylül 2026
Revize edildi
28 Ekim 2026
Kabul edildi
30 Ekim 2026
Yayınlandı
17 Kasım 2026
Cilt
14 – 2026
Jie Gao, Xinjiang Normal Üniversitesi, Çin
Hanxu Ma, Harbin Teknoloji Enstitüsü, Çin
Shouket Zaman Khan, Ziraat Üniversitesi, Pakistan
© 2026 Xu, Zhang, Mo, Fang, Xu ve Huang.
Bu, Creative Commons Atıf Lisansı (CC BY) şartları altında dağıtılan açık erişimli bir makaledir. Orijinal yazar(lar) ve telif hakkı sahibi(leri) belirtilip bu dergideki orijinal yayına kabul edilen akademik uygulamalara uygun olarak atıf yapıldığı sürece, diğer platformlarda kullanımı, dağıtımı veya çoğaltılması mümkündür. Bu şartlara uymayan hiçbir kullanım, dağıtım veya çoğaltma izni verilmemektedir.
*İletişim: Jixia Huang, huangjx@bjfu.edu.cn
†
Bu yazarlar ilk yazarlık unvanını paylaşıyor
Bu makalede ifade edilen tüm iddialar yalnızca yazarlara aittir ve yazarların bağlı olduğu kuruluşların, yayıncının, editörlerin veya hakemlerin görüşlerini yansıtmak zorunda değildir. Bu makalede değerlendirilebilecek herhangi bir ürün veya üreticisi tarafından yapılabilecek herhangi bir iddia, yayıncı tarafından garanti edilmez veya onaylanmaz.


Bu gelişme hakkında düşüncelerinizi, donanım deneyimlerinizi veya sorularınızı Topluluk Forumumuzda paylaşın.
Foruma Katıl & Yanıtla ➔




2 yorum
Fikrinizi bir kaynak, soru veya yapıcı karşı görüşle geliştirin.