大數據分析在生態林業中的應用

羅興軍

（南平市林業局，福建 南平 354200）

大數據能夠對大量數據進行快速采集、傳輸、存儲和處理，從而能夠對傳統林業運作模式進行改變，并對林業生態建設效率進行提升，同時能夠提高林業管理水平。林地等林業資源是我國重要的戰略資源，我國經濟發展速度的不斷加快，要求進一步提高林業資源利用率。將大數據分析應用到生態林業中，能夠促使林業資源利用更具合理性和高效性，同時還能對林業生產經營管理效率和水平進行提升，從而加快生態林業建設速度。

1 大數據分析的意義

傳統的經營理念顯然已經不能適應時代發展，企業需要跟隨信息技術和互聯網發展對經營方式進行改變，而且互聯網還改變了政府運作方式和人們的生活方式。大數據作為一種新的信息技術同樣能夠對這些進行改變。互聯網的普及使得我們獲取信息的途徑越來越多，獲取信息的速度也越來越快，獲取信息的數量也不斷增加，這是大數據應用的基礎。大數據和互聯網有著很大差異，互聯網能夠讓我們快速收集大量數據，大數據則是讓我們在大量數據中尋找到有用的信息。

2 大數據分析的運用特點

將大數據分析應用在生態林業中，首先，能夠改變傳統的數據收集和使用方式，以前的統計學家只能對少量的數據和樣本進行收集和分析，但是大數據分析能夠快速分析大量數據；其次，改變了林業工作者偏愛純凈、有序數據的愛好，對于雜亂無章的數據林業工作者也要進行接受，畢竟大量數據中難免存在雜亂無章的數據。最后，不要過于追究事情的發展原因，而是要重點關注相關性分析。應用大數據并不是為了對發動機拋錨的原因進行探究，而是為了通過對大量相關事件信息進行收集和分析來對發動機拋錨這種事件的發生規律進行預測。大數據分析技術能夠幫助我們弄懂“是什么”，但是不能幫助我們對“為什么”進行解答，通常情況下這樣的回答就能滿足日常工作需要。

生態林業大數據分析離不開完善的數據庫，如，歷史統計數據庫、檔案庫、自然資源數據庫、林業發展報告數據庫等，這些數據庫涉及了生態林業發展過程中各個方面的內容，而且不需要復雜的查詢步驟，是對我國林業信息化發展成果的一種展示。還有我國建立的用于處理數據、發布新產品和提供遙感基礎數據的衛星林業遙感數據應用平臺，該平臺能夠顯著提高林業遙感應用水平。此外，為了實現辦公一體化目標，很多政府機構都在辦公平臺中添加了林業局，這樣能夠對我國生態林業的發展起到完善作用，同時還能提高林業數據的豐富性，并對林業信息服務進行增強，確保生態林業系統的更好發展。

3 大數據分析在生態林業中的應用現狀

3.1 數據搜集存在不準確和造假問題

數據搜集體量和錯誤率之間有著密切聯系，通常情況下，如果是對大體量的數據進行搜集，那么出現失誤和錯誤的頻率就會提升。很多地方都會采用植被移栽培育的方式進行生態林業發展，但是進行移栽培育之前，工作人員先要對樹木品種進行充分了解，并對種植地區進行合理選擇，這樣才能確保植被能夠在新的區域成活和健康成長，否則只會導致植被枯萎、死亡。這種情況就需要應用大數據分析技術對每個地區的氣候和土壤狀況進行分析，但是如果最初搜集的數據就是不準確的，那么最終得到的分析結果也會是不準確的，管理層如果將不準確的數據作為決策依據，就會造成嚴重后果。還有就是有些管理人員認識不到數據分析的重要作用，沒有按照要求安裝監測設備，或是采用人工輸入方式進行數據搜集，這些現象的存在都會對大數據分析的準確性產生嚴重影響，進而致使大數據分析不能發揮出應有的引導作用。

3.2 數據存儲壓力過大

生態林業在最近幾年的發展速度不斷加快，發展過程中產生數據的速度也越來越快，積累的數據也變得越來越多。但是現在信息技術要求對數據不斷的進行更新和沉淀，這樣就會大大增加數據存儲壓力，針對這種情況只有對一些比較老舊的數據進行刪除，才能將更新的數據進行存儲。所以管理人員需要合理劃分當前數據，對存儲時間進行合理調整，以此來對數據存儲要求進行有效滿足。

3.3 計算速度過于緩慢，計算結果存在誤差

工作人員對數據進行統計時，需要使用不同的公式和算法來對不同的樹木種類進行統計。但在現在的生態林業積累了大量數據，如果還是采用統計的人工方式就會出現各種問題，而且人工統計方式在很多方面都存在不準確性，這樣就會嚴重影響最終統計結果的準確性。如果想要對不準確的統計結果進行修改，又需要花費工作人員大量的時間和精力。除此之外，數據的不斷增加嚴重影響了數據處理速度，這時就需要采取人工刪減手段，但是如果不能準確的對數據進行刪減，就會給決策的正確性帶來嚴重影響。

4 大數據分析在生態林業上的運用

4.1 數據挖掘算法

數據挖掘算法是林業資源大數據分析的核心，各種林業資源數據的產生都需要數據挖掘算法的支持。不同物種需要運用不同的數據類型和格式，而數據挖掘算法能夠科學的對這些數據進行呈現，而且不會影響到數據本身的特點。基本上全世界的統計學家都認為變更林業資源數據能夠為進入數據內部提供助力，而大數據分析能夠幫助人們更順利的完成該項工作。首先，將大數據分析應用在生態林業中能夠對生態林業發展基本特征進行總結，還能對產品背景和關鍵技術應用情況進行挖掘，是一項有著重要內涵和作用的先進技術。其次，大數據生態林業分析還能對林業發展主體定位、總體發展思路、發展框架和建設目標等進行合理規劃。再次，大數據生態林業分析還能確保生態林業發展中建立林業感知體系、提高林業協同管理水平、構建生態林業價值體系等重點任務的順利完成。最后，為生態林業發展和推進中制定推進路線和保障對策提供助力。

現在大部分的生態林業工作人員都會使用數據挖掘算法進行工作，應用數據挖掘算法是確保生態林業發展和制定正確發展決策的基礎保障。而且，數據挖掘算法還能為存儲大量的林業資源數據提供便利，該算法能夠利用軟件實現整合不同存儲設備的目的，還能提高數據存儲的協同性，同時能夠促使數據挖掘的有效性得到提升。此外，運用該算法能夠凸顯數據之間的內在聯系，并提高數據應用和處理的有效性，而且能夠利用IAAS層對資源進行合理調度，這正是建設生態林業的重要目標。

4.2 大數據技術

開展大數據分析的前提條件就是要進行數據化。對生態林業資源進行動態整合時，數字化和數據化沒有什么太大區別。我們通常會把對生態林業系統中的變動信息和森林演變中的變化軌跡轉變為可以存儲到數據庫中的電子數據的過程稱作數字化。數字化是數據化的基礎，數據化就是通過數據仔細描述生態林業變更的過程，進行數據化的目的就是為了讓人和計算機都能對結果進行理解。生態林業發展中會產生大量的數據信息，而且數據來源也比較多樣，甚至有些數據不能直接預測挖掘過程，如，來源于結構化數據群體的數據、來源于非結構化群體的數據等。通過有效分析各種數據，能夠量化組合不同結構的數據，這樣就能對森林類別和生態林業屬性進行數據化，最終將無序的生態林業加工變為有序的加工。使用數據化能夠直接量化生態林業數據對象，還能構建和挖掘基本服務對象數據，最終可以提高數據分析和數據利用的簡便性和有效性。

4.3 大數據應用未來發展

大數據不僅是一種資源還是一種工具。大數據在生態林業發展中一直肩負著信息告知職責，但是不具備對數據內容進行合理解釋的功能。由于人們對大數據掌握程度的不足，致使很多人都對大數據存在認知誤區，還有一些人對大數據分析結果不信任、不接受，從而影響了大數據內容的擴充。隨著大數據技術的不斷成熟，相信人們會轉變對大數據的思想觀念，能夠對大數據分析應用進行深層次認識。同時能夠對云計算等智慧服務技術進行合理利用，最終實現對生態林業結構進行建立和完善的目的。

5 結束語

生態林業大數據分析就是應用云計算和物聯網分析數據的一種新型信息技術，最終目的就是為了將傳統的服務模式變為智慧服務。大數據分析能夠對傳統生態林業狀況進行改變，還能提高生態管理水平，同時能夠促使民生服務質量得到提升，應用大數據分析能夠為林業結構優化發展提供保障，還能為生態林業智慧服務的實現提供助力，此外，還能促使我國的生態林業結構發展更具現代化。建設大數據林業是實現林業發展國際領先和創新優化發展的必然選擇。