林地資源作為國家重要的自然資源和戰(zhàn)略資源之一,肩負著森林的生存和發(fā)展,承載著生態(tài)建設的重任,具有環(huán)境優(yōu)化與促進發(fā)展的雙重使命。為解決我國森林資源產出的結構性矛盾問題,國家建設儲備林基地、實行儲備林制度。儲備林基地的劃定首要原則是適地適樹,對樹種適宜性的評價研究十分重要。隨著我國林業(yè)調查體系和物聯網等技術手段的發(fā)展完善,森林資源數據日益多元化和海量化,但目前其利用情況還并不充分。我國傳統的具體樹種適宜性研究主要使用基于樣地調查的統計分析方法,消耗大量人力物力,現有數據未被綜合利用,同時也難以處理樹種適宜性和各個環(huán)境因子之間的復雜非線性關系。針對上述問題,本文以森林資源小班調查數據為基礎數據,集成多源森林資源小班數據,應用數據挖掘理論和方法,對儲備林樹種適宜性進行了研究分析�？茖W處理樹種適宜性和環(huán)境因子之間的非線性關系,以期從大量數據中挖掘樹種適宜性知識,為儲備林基地建設提供輔助決策和技術支撐,為樹種適宜性評價提供新的思路和方法。本文的具體研究內容有以下幾個方面：(1)以小班為單位的多源森林資源數據集成。本文在森林資源調查數據的基礎上,使用DEM數據、土壤數據、氣象數據,經過提取、轉換、清...

【文章頁數】：71 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
1 引言
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
        1.1.3 項目來源與經費支持
    1.2 國內外研究現狀及發(fā)展趨勢
        1.2.1 樹種適宜性研究現狀
        1.2.2 數據挖掘技術研究現狀
        1.2.3 數據挖掘在林業(yè)數據分析中的應用現狀
        1.2.4 發(fā)展趨勢
        1.2.5 存在問題
    1.3 主要研究內容
    1.4 研究方法與技術路線
2 研究區(qū)概況與數據集成
    2.1 研究區(qū)概況
    2.2 多源森林資源小班數據集成
        2.2.1 基于森林資源小班調查數據的樹種適宜性特征因子提取
        2.2.2 基于DEM的地形因子提取
        2.2.3 氣象因子提取
        2.2.4 土壤數據
3 儲備林樹種適宜性數據挖掘技術體系綜合分析
    3.1 儲備林樹種適宜性的理論研究
        3.1.1 儲備林樹種的特殊性需求
        3.1.2 樹種適宜性評價指標選取
        3.1.3 樹種適宜性評價的原則
    3.2 數據挖掘基本理論
        3.2.1 數據挖掘的基本概念
        3.2.2 數據挖掘一般步驟
        3.2.3 數據挖掘經典算法
    3.3 儲備林樹種適宜性數據挖掘分析
        3.3.1 儲備林樹種適宜性評價指標構建
        3.3.2 樹種適宜性研究數據挖掘流程分析
        3.3.3 樹種適宜性研究數據挖掘算法選擇
    3.4 小結
4 樹種適宜性評價維歸約建模
    4.1 屬性約簡概述
    4.2 粗糙集算法
    4.3 以樹種適宜性為決策屬性的屬性約簡
    4.4 小結
5 樹種適宜性評價分類預測建模
    5.1 樹種適宜性數據挖掘算法概述
        5.1.1 人工神經網絡概述
        5.1.2 決策樹概述
    5.2 樹種適宜性數據挖掘算法實現
        5.2.1 BP人工神經網絡算法實現
        5.2.2 C5.0決策樹算法實現
    5.3 小結
6 實驗與結果分析
    6.1 實驗方案設計
    6.2 基于多元線性回歸模型的樹種適宜性預測模型
        6.2.1 多元線性回歸建模
        6.2.2 精度和性能評價
    6.3 基于人工神經網絡的儲備林樹種適宜性預測模型
        6.3.1 BP神經網絡建模
        6.3.2 精度及性能評價
    6.4 基于決策樹的儲備林樹種適宜性等級評價模型
        6.4.1 C5.0決策樹建模
        6.4.2 精度及性能評價
    6.5 模型應用
    6.6 小結
7 結論與展望
    7.1 主要結論
    7.2 展望
參考文獻
個人簡介
導師簡介
獲得成果目錄清單
致謝



本文編號：3775393