数据挖掘技术在森林资源经营中的应用分析

潘明哲

（ 黑龙江省自然资源权益调查监测院，黑龙江 哈尔滨150000）

森林资源， 从广义讲是指林木、 竹类和林区范围内其他植物、动物、微生物、林地资源和环境资源的总称，从狭义讲是指以乔木为主体的森林植物组成部分。 森林资源经营是为取得森林多种效益，通过计划、组织、指挥、协调和控制，对一地域内的森林资源及相关因素进行筹划和控制的过程。 森林资源分布的地域性以及资源本身所具有的空间属性决定了森林资源信息必须应用数据挖掘技术，才能更合理、直观、及时和动态地监测和预测森林资源的动态变化，取得更好的经营效果和效益。

1 数据发掘技术

1.1 数据挖掘技术的现状

在当前的大数据时代下， 数据挖掘技术在各个行业范围内都起到了重要作用。 该技术结合了现代尖端的人工智能、 数据分析、数据库以及信息识别系统等多种技术手段，满足市场变化范围的各个领域的基本需求。 在当前的发展情况下， 这种大数据模式对于数据发掘来说，不仅是一个快速发展的机会，也是一个挑战。 在这种背景下，数据挖掘技术也在不断的摸索，调整技术的运转体系，对数据进行更准确的分析，提高其准确性与处理效率，不断地进行优化，使其应用的领域更加广泛。

1.2 数据挖掘技术的基本流程

在一般情况下的数据挖掘分析当中， 大致分为以下八个步骤： 第一步信息收集，在初步确定数据分析对象后，对其中的具体数据内容信息进行选定，再选择适当的收集方式，将数据进行筛选储存，将其准确的输入的数据库当中。 第二步数据集成，将不同类型、格式的数据进行分类数据化处理，在分析时，能够为其提供数据共享的便利条件。 第三步数据规约， 这一步的目的实际上是提高数据的处理时间， 提高效率与准确率。 通过技术的内部运转，进行数据规约处理，在保证原数据的准确性与完整性的同时，精确了数据挖掘的结果。 第四步数据清理，在数据的收集输入当中，也会存在一些数据不准确、部分缺失的问题，为了保证数据挖掘技术的准确性，对于这部分数据应进行数据清理，将准确、完整、统一的数据录入其中。 第五步数据变换，准确来说是对数据的形式进行变化，统一其形式，为数据发掘分析提供便利。 第六步数据挖掘的过程，根据数据库中的信息，应用适当的处理工具与方法，挖掘出重要的信息。第七步模式评估，对于数据挖掘的结果，有第三方专业人员介入进行验证评估。 第八步知识表示，将数据挖掘评估后的结果，转化为用户可视化的信息模式，供其参考应用。 数据挖掘的过程是比较漫长的，且环节步骤比较多，我们需要严格把控各个环节，保证数据挖掘结果的准确性。

1.3 数据挖掘技术的未来发展

随着数据挖掘技术不断优化、内容的不断丰富，所适用范围也越来越广泛，涉及到的数据信息内容不仅量大，种类也比较多。 随着科技水平的不断发展与提升，数据挖掘系统中分类、识别、预测、基础预测等功能都有所提升，挖掘的对象内容也在不断的扩大。 在大数据与互联网+ 的大时代背景下，数据挖掘技术从这个角度上也顺应了时代的发展，再加上未来信息通信技术的结合，数据挖掘技术的发展是非常客观的。

2 数据挖掘技术的基本方法

2.1 神经网络法

神经网络通常是与数学模型共同结合， 执行功能计算处理的，该挖掘方法是在十九世纪五十年代由国外的物理学家与数学学家共同创建的。 这种数据挖掘方法自身的兼容性、适用性、组织能力以及数据处理等性能都比较好，可以识别、预测的数据类型也比较多。 通过网络神经单元的处理，进行了非线性的新型计算处理，大幅度提升了数据的挖掘速率。 但是该方法也存在缺点，就是对于用户来说，这种神经网络比较空洞，对于挖掘的过程相对茫然。

2.2 决策树法

随着科技水平的不断发展，决策树法也逐渐在更新优化，推出了不同类型的算法，例如：ID3、C4.5。 该方法适用于预测类的数据计算，能够将数据进行有效的分类，并从中快速获取有价值的信息，进行数据分类与基本描述，在数据挖掘当中，更适合规模较大的数据处理。 并且分类算法之间的关联性比较强，在此基础上，数据处理的限制属性也比较弱，挖掘的结果也便于用户的理解。

2.3 贝叶斯分类法

贝叶斯分类法是一种算法简单且精准度较高的分类算法，当前可以分朴素贝叶斯算法与动态贝叶斯算法等。 从分类的功能上来看，该方法与决策树和神经网络法之间，有着紧密的联系。 与其它方法不同的是，该方法不是独立存在的，通常以模块处理器组合的方式呈现出来。 在精准度与数据处理上，都优于其它方法，并且对于数据的处理更加全面，能够通过信息处理、自动控制和识别系统来进行多范畴的共同运作，更能体现挖掘技术的基本性质。

3 数据挖掘技术在森林资源经营中的应用

3.1 森林资源的监测

森林资源经营中，最重要的就是森林资源的质量，这就需要对森林资源进行实时监测，了解其基本情况，这样对森林的成长状态和森林资源的经营状况也能有所了解。 森林资源范围比较广，在监测上工作难度比较大，且需要调查统计的数据也比较多，传统的数据调查模式，不仅费时费力，信息的准确程度也相对较低。 但应用数据挖掘技术， 可以更好的实现对数据的统计， 并且通过决策树或是神经网络的方法不仅调查起来耗时短、准确率高，数据的结果也更加清晰，为监测工作提供了便利。

3.2 森林的成长预测

林木的生长在一般情况下，都是呈周期性规则变化的，通过数据挖掘技术可以将林木的生长情况进行系统的数据分析，以数据的形式对林木未来的成长趋势进行预测，并针对其未来的成长趋势做出相应的培养方案，促使林木的生长更加健康。 并通过贝叶斯分类法，将林木的状况进行基本的分类，以此来实现森林资源经营效益。

3.3 促使森林资源的健康

相应促进森林资源的健康发展， 就要了解林木容易出现的问题，并对此做出相应的措施防护。 其中包括：森林的防火和防虫害工作，森林火灾是一种常见的自然灾害，发生的频率比较高，且一般呈现蔓延的趋势，人们大多时候不能及时的发现。 但是通过数据发掘技术，可以通过计算机对比数据的变化，并且在出现火灾情况后，也会及时预警。 而防虫害则是通过对比林木的健康数据实现的，通过数据挖掘技术的及时反应，能够对其做出及时的防护，避免造成更大的经济损失，增强森林资源的经营效益。

3.4 森林资源可视化

我国大部分森林资源的范围都比较广阔， 且资源内容较为丰富，传统的数据统计不能满足当前的经营需求，呈现出一种盲视感。 通过数据挖掘技术的实践证明，对于数据的统计，该技术手段的优势更大，结合GIS 和GPS 的双定位技术，数据信息的特征会更加明显，数据的规律性也更强，增强了森林资源的可视化，进一步扩大了森林资源的经营优势。

4 结论

总而言之，面对复杂的森林资源状况，数据挖掘技术的应用必不可少，想要该技术得到更全面的应用，相关人员也该对技术的流程、内容、系统以及处理模式进一步分析，为森林资源的经营提供更有价值的技术支持。