發(fā)布時(shí)間：2023-03-30 20:00

　　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(fù)著森林的生存和發(fā)展,承載著生態(tài)建設(shè)的重任,具有環(huán)境優(yōu)化與促進(jìn)發(fā)展的雙重使命。為解決我國森林資源產(chǎn)出的結(jié)構(gòu)性矛盾問題,國家建設(shè)儲(chǔ)備林基地、實(shí)行儲(chǔ)備林制度。儲(chǔ)備林基地的劃定首要原則是適地適樹,對(duì)樹種適宜性的評(píng)價(jià)研究十分重要。隨著我國林業(yè)調(diào)查體系和物聯(lián)網(wǎng)等技術(shù)手段的發(fā)展完善,森林資源數(shù)據(jù)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(tǒng)的具體樹種適宜性研究主要使用基于樣地調(diào)查的統(tǒng)計(jì)分析方法,消耗大量人力物力,現(xiàn)有數(shù)據(jù)未被綜合利用,同時(shí)也難以處理樹種適宜性和各個(gè)環(huán)境因子之間的復(fù)雜非線性關(guān)系。針對(duì)上述問題,本文以森林資源小班調(diào)查數(shù)據(jù)為基礎(chǔ)數(shù)據(jù),集成多源森林資源小班數(shù)據(jù),應(yīng)用數(shù)據(jù)挖掘理論和方法,對(duì)儲(chǔ)備林樹種適宜性進(jìn)行了研究分析�？茖W(xué)處理樹種適宜性和環(huán)境因子之間的非線性關(guān)系,以期從大量數(shù)據(jù)中挖掘樹種適宜性知識(shí),為儲(chǔ)備林基地建設(shè)提供輔助決策和技術(shù)支撐,為樹種適宜性評(píng)價(jià)提供新的思路和方法。本文的具體研究?jī)?nèi)容有以下幾個(gè)方面：(1)以小班為單位的多源森林資源數(shù)據(jù)集成。本文在森林資源調(diào)查數(shù)據(jù)的基礎(chǔ)上,使用DEM數(shù)據(jù)、土壤數(shù)據(jù)、氣象數(shù)據(jù),經(jīng)過提取、轉(zhuǎn)換、清...

【文章頁數(shù)】：71 頁

【學(xué)位級(jí)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(xiàng)目來源與經(jīng)費(fèi)支持
    1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢(shì)
        1.2.1 樹種適宜性研究現(xiàn)狀
        1.2.2 數(shù)據(jù)挖掘技術(shù)研究現(xiàn)狀
        1.2.3 數(shù)據(jù)挖掘在林業(yè)數(shù)據(jù)分析中的應(yīng)用現(xiàn)狀
        1.2.4 發(fā)展趨勢(shì)
        1.2.5 存在問題
    1.3 主要研究?jī)?nèi)容
    1.4 研究方法與技術(shù)路線
2 研究區(qū)概況與數(shù)據(jù)集成
    2.1 研究區(qū)概況
    2.2 多源森林資源小班數(shù)據(jù)集成
        2.2.1 基于森林資源小班調(diào)查數(shù)據(jù)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(shù)據(jù)
3 儲(chǔ)備林樹種適宜性數(shù)據(jù)挖掘技術(shù)體系綜合分析
    3.1 儲(chǔ)備林樹種適宜性的理論研究
        3.1.1 儲(chǔ)備林樹種的特殊性需求
        3.1.2 樹種適宜性評(píng)價(jià)指標(biāo)選取
        3.1.3 樹種適宜性評(píng)價(jià)的原則
    3.2 數(shù)據(jù)挖掘基本理論
        3.2.1 數(shù)據(jù)挖掘的基本概念
        3.2.2 數(shù)據(jù)挖掘一般步驟
        3.2.3 數(shù)據(jù)挖掘經(jīng)典算法
    3.3 儲(chǔ)備林樹種適宜性數(shù)據(jù)挖掘分析
        3.3.1 儲(chǔ)備林樹種適宜性評(píng)價(jià)指標(biāo)構(gòu)建
        3.3.2 樹種適宜性研究數(shù)據(jù)挖掘流程分析
        3.3.3 樹種適宜性研究數(shù)據(jù)挖掘算法選擇
    3.4 小結(jié)
4 樹種適宜性評(píng)價(jià)維歸約建模
    4.1 屬性約簡(jiǎn)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(jiǎn)
    4.4 小結(jié)
5 樹種適宜性評(píng)價(jià)分類預(yù)測(cè)建模
    5.1 樹種適宜性數(shù)據(jù)挖掘算法概述
        5.1.1 人工神經(jīng)網(wǎng)絡(luò)概述
        5.1.2 決策樹概述
    5.2 樹種適宜性數(shù)據(jù)挖掘算法實(shí)現(xiàn)
        5.2.1 BP人工神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)
        5.2.2 C5.0決策樹算法實(shí)現(xiàn)
    5.3 小結(jié)
6 實(shí)驗(yàn)與結(jié)果分析
    6.1 實(shí)驗(yàn)方案設(shè)計(jì)
    6.2 基于多元線性回歸模型的樹種適宜性預(yù)測(cè)模型
        6.2.1 多元線性回歸建模
        6.2.2 精度和性能評(píng)價(jià)
    6.3 基于人工神經(jīng)網(wǎng)絡(luò)的儲(chǔ)備林樹種適宜性預(yù)測(cè)模型
        6.3.1 BP神經(jīng)網(wǎng)絡(luò)建模
        6.3.2 精度及性能評(píng)價(jià)
    6.4 基于決策樹的儲(chǔ)備林樹種適宜性等級(jí)評(píng)價(jià)模型
        6.4.1 C5.0決策樹建模
        6.4.2 精度及性能評(píng)價(jià)
    6.5 模型應(yīng)用
    6.6 小結(jié)
7 結(jié)論與展望
    7.1 主要結(jié)論
    7.2 展望
參考文獻(xiàn)
個(gè)人簡(jiǎn)介
導(dǎo)師簡(jiǎn)介
獲得成果目錄清單
致謝



本文編號(hào)：3775393