Assessment of spatiotemporal dynamics of meteorological variables and their forecast is essential in the context of climate change. Such analysis can help suggest possible solutions for flora and fauna in protected areas and adaptation strategies to make forests and communities more resilient. The present study attempts to analyze climate variability, trend and forecast of temperature and rainfall in the Valmiki Tiger Reserve, India. We utilized rainfall and temperature gridded data obtained from the Indian Meteorological Department during 1981–2020. The Mann–Kendall test and Sen’s slope estimator were employed to examine the time series trend and magnitude of change at the annual, monthly and seasonal levels. Random forest machine learning algorithm was used to estimate seasonal prediction and forecasting of rainfall and temperature trend for the next ten years (2021–2030). The predictive capacity of the model was evaluated by statistical performance assessors of coefficient of correlation, mean absolute error, mean absolute percentage error and root mean squared error. The findings revealed a significant decreasing trend in rainfall and an increasing trend in temperature. However, a declining trend for maximum temperature has been observed for winter and post-monsoon seasons. The results of seasonal forecasting exhibited a considerable decrease in rainfall and temperature across the Reserve during all the seasons. However, the temperature will increase during the summer season. The random forest machine learning algorithm has shown its effectiveness in forecasting the temperature and rainfall variables. The findings suggest that these approaches may be used at various spatial scales in different geographical locations.
Pandemia niewątpliwie pokazała nam, że bardzo wiele rzeczy jesteśmy w stanie robić zdalnie. Z powodu zamknięcia uniwersytetów, nauczanie przeniosło się do Internetu. Zdecydowana większość kadry pedagogicznej stanęła na wysokości zadania i poprowadziła wartościowe zajęcia wykorzystując platformy do wideokonferencji oraz stosując różne metody przykuwania uwagi i zainteresowania odbiorców. W niniejszym artykule zbadano, czy forma zajęć (tradycyjna w porównaniu ze zdalną) ma wpływ na średnią ocen końcowych uzyskanych przez studentów z przedmiotu metody probabilistyczne i statystyka. Otrzymane wyniki w większości wskazują na istotne statystycznie podwyższenie średniej ocen w przypadku zajęć prowadzonych zdalnie. Przemawia to za wprowadzeniem niektórych nowoczesnych technologii teleinformatycznych na stałe i stosowanie ich także po pandemii.
EN
The pandemic has undoubtedly shown us that we are able to do many things remotely. Due to the closure of universities, teaching has moved to the Internet. The vast majority of the teaching staff rose to the challenge and conducted valuable classes using videoconferencing platforms and using various methods of attracting the attention and interest of recipients. This article examines whether the form of classes (traditional versus online) has an impact on the average of final grades obtained by students in the subject of probabilistic methods and statistics. Most of the obtained results indicate a statistically significant increase in the average grade in the case of online classes. This results go for the permanent introduction of some modern ICT technologies and their use also after the pandemic.
Artykuł jest pracą przeglądową, prezentującą różne metody analizy danych uzyskanych w wyniku eksperymentu. Na przykładzie zbioru danych przedstawiony jest schemat przeprowadzenia analizy statystycznej z wykorzystaniem testów parametrycznych i nieparametrycznych, w celu stwierdzenia czy jest statystycznie istotna różnica w wartościach danego czynnika w przypadku obserwacji powiązanych oraz niezależnych. Analiza danych została wykonana za pomocą pakietu statystycznego Statistica 7.1, udostępnionego przez Instytut Matematyki i Informatyki Politechniki Wrocławskiej w celu wykorzystania w działalności badawczej.
4
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW