林業大數據的內涵及應用策略研究

余茂源

(云南省林業調查規劃院，云南 昆明 650051)

林業大數據的內涵及應用策略研究

余茂源

(云南省林業調查規劃院，云南 昆明 650051)

隨著物聯網、3S和移動互聯網等信息技術在林業中的不斷應用，林業資源數據和林業業務數據無論從總量還是種類上都已初具規模。從大數據的定義和特征入手，探討林業大數據的定義，并對林業大數據的分布式特征、多尺度特征，海量特征、多源異構特征等四個特征進行詳細闡述。在此基礎上，探討林業大數據在綜合營造林管理、森林資源管理、林業災害監控以及林業社會公眾服務等方面的應用策略。

大數據；林業大數據；數據挖掘；應用；智慧林業

近年來，隨著移動互聯網、云計算以及物聯網等新一代信息技術的全面應用，數據信息呈現爆炸性增長態勢，各個領域都已經不可避免地進入到“大數據時代”，作為生態建設的基礎行業林業也概莫能外[1]。目前，隨著物聯網、3S和移動互聯網等信息技術在林業中的不斷應用，林業資源數據和林業業務數據無論從總量還是種類上都已初具規模。尤其是，隨著各種傳感器的逐步普及，林業數據將從時效性層面進一步豐富和拓展。龐大的數據資源已經能夠為林業的發展提供支持和為決策提供服務，但目前整個行業仍然存在“數據豐富，但信息缺乏”的問題，加強對林業大數據背后隱藏價值的研究已經迫在眉睫[2]。

目前，國內有部分學者對林業大數據進行了初步研究，比如藍學[3](2015)結合大數據的發展動態和趨勢，初步探討了大數據在林業中的應用。董茜[4](2017)分析了大數據背景下的林業研究現狀。然而，現有研究尚未清晰闡述林業大數據的定義及特征，同時對林業大數據的具體應用策略也缺乏深入探討。基于此，本研究試圖從大數據的定義和特征入手，探明林業大數據的內涵，在此基礎上，進一步分析林業大數據的具體應用策略，以期為后續研究和具體實踐提供理論指導。

1 什么是大數據

“大數據”這個術語最早可以追溯到Apache.org的開源項目Nutch[5]。但是大數據真正被大家所熟知還是在近幾年。由于互聯網的快速發展，自2009開始，“大數據”成為互聯網行業中的流行詞匯，并引起了學術界的廣泛關注和深入研究。從此各行各業都開始著手探究大數據的內涵和作用。

盡管目前很多學者對大數據進行了定義，但是目前尚未形成統一的定義。在《大數據時代》一書中，作者將大數據描述為不用隨機分析法，而采用所有數據進行分析處理的數據集合[6]。麥肯錫將大數據定義為，在一定時間內無法用常規軟件工具對其內容進行抓取、管理和處理的數據集合[7]。

目前，雖然大數據的定義尚未統一，但是業界對大數據的基本特征已經達成共識。業界普遍認為，大數據具有四個特征[8]，分別是數據量大(Volume)、數據類型多(Variety)、數據處理速度快(Velocity)以及數據價值密度低(Value)。現有學者大多基于大數據的基本特征，對大數據的定義和內涵進行豐富，因此大數據的基本特征能夠幫助我們深入理解大數據的內涵。

2 林業大數據的內涵

2.1 林業大數據的定義

編制《中國林業大數據發展戰略研究》、頒布《關于加快中國林業大數據發展的指導意見》以及中國首個林業大數據中心落戶云南等重大事件，都已經顯示出我國對于發展林業大數據的力度和決心。《關于加快中國林業大數據發展的指導意見》中將林業大數據比喻為：生態變遷的“收集器”、生態發展的“顯示器”、生態治理的“指南針”、經濟發展的“變速箱”[2]。

然而，目前學術界對于林業大數據的研究仍然處于初步階段，相關研究成果較少。其中孫偉(2014)關于林業資源數據分析是為數不多的研究成果。作者認為林業資源數據是在一定時空范圍內，利用各種數據采集、傳輸、交換、匯集、處理、存儲和分析等技術手段，對森林、荒漠、濕地及生物多樣性資源進行系統觀察、測定分析和評估而獲取的數據集合[9]。

結合大數據的定義，本研究將林業大數據定義為：通過傳感器、智能化設備、監控設備等各種數據采集渠道收集到的結構化、半結構化和非結構化的海量林業資源數據和林業業務數據的集合。本質上來說，林業大數據是大數據理念、方法和技術在林業行業的實踐。因此，對于林業大數據的認識，不能簡單地將其看作是傳統意義下信息系統的管理對象——信息和數據，而應該將其看作為一種基礎性資源。這種基礎性資源的價值不在于其本身，而是基于對大數據的挖掘以數據服務的方式為林業發展和管理提供決策支持。

2.2 林業大數據的特征

由于目前關于林業大數據的定義尚未形成統一認識，因此，筆者試圖效仿大數據定義的發展模式，對林業大數據的基本特征進行研究，以期幫助學術界和實業界加深對林業大數據本質的認識和理解。筆者認為，林業大數據具有以下四個特征：

(1)分布式特征。由于我國林業資源分布廣闊，而林業大數據是對林業資源時空特征和演替過程的描述，導致了林業大數據天然地具有分布式特征。同時，在林業資源管理過程中，我國林業部門多以行政區劃結合林業區劃為單位，各個單位獨立開展林業資源數據的采集和管理工作，因此林業大數據的采集、存儲、更新和維護都是分布于各級、各地的林業數據庫，從而在物理上進一步使林業大數據具有分布式特征。此外，由于各個地區數據采集口徑以及數據存儲方式等都存在一定的差異，較難將全國的林業數據進行統一的集中管理和分析。

(2)多尺度特征。尺度是林業大數據表達的一種非常重要的因子。林業大數據多尺度特征主要表現為空間多尺度和時間多尺度。具體來說，空間多尺度主要是指部分林業數據的表示綜合了地理空間真實特征和過程。也就是說，由于林業資源分布廣泛，因此對林業大數據監控所產生的林業大數據與空間位置緊密相關。時間多尺度主要是指部分林業數據的表示綜合了林業資源演變的時間特征。也就是說，林業資源的生長和消耗有其自身的自然節律性，因此對林業資源監控所產生的林業大數據與時間緊密相關。由于對林業資源監控的周期、要素有所不同，導致了林業大數據具有非常明顯的時間多尺度特征。

(3)海量特征。林業大數據的海量特征主要表現在兩個方面：一方面是數據本身的海量特性。不同于普通的關系型二維數據，林業大數據更多的是二維或者三維的時空數據，比如矢量地圖數據、遙感影像數據等，這就直接導致了林業大數據本身具有一定的海量特性。另一方面是數據來源豐富導致的海量特性。與其他大數據類似，林業大數據的來源較為豐富。隨著移動互聯網技術、3S技術以及物聯網技術等技術的不斷應用，林業大數據的來源和種類不斷增多。同時，地理位置服務數據、短報文數據、社交媒體數據也已經成為林業大數據的重要來源，從而進一步增加了林業大數據的來源，使得林業大數據具有明顯的海量特征。

(4)多源異構特征。由于林業大數據來源呈現多樣化特征，導致了林業大數據具有明顯的多源異構特征。從大的方面來說，林業大數據來源兩個方面：一個是與林業資源密切相關的渠道，一個是與林業資源間接相關的渠道。其中直接密切相關的渠道，可以收集到矢量地圖數據、遙感影像等傳統數據。而間接渠道主要是從一些新興媒體，社交網絡、博客等收集到的與林業資源間接相關的信息，比如對于林業資源的評論、林業輿情等。由于林業大數據來源豐富，而不同數據來源中的林業大數據格式有所差異，導致了結構化數據、半結構化數據以及非結構化數據大量并存，同時數據語義表達也相差較大。

3 林業大數據的應用策略

通常來說，林業業務較為豐富，主要包括林業資源監控與管理、綜合營造林管理、森林資源管理、林業災害監控以及林業社會公眾服務[9]。其中，由于林業資源監控業務的開展而形成的林業資源數據能夠為其他業務的開展提供輔助決策支持，因此，本部分主要探討林業大數據在綜合營造林管理、森林資源管理、林業災害監控以及林業社會公眾服務等方面的應用。

3.1 在綜合營造林方面的應用

造林是通過人工方法營造森林的簡稱，是為維持、改進和擴大森林資源，實現林業和社會可持續發展的重要手段和措施之一。然而，如何科學造林，一直是林業工作者的關注重點。通常來說，造林不僅需要滿足適地適樹原則，還需要考慮采取措施提高造林質量。基于林業大數據挖掘，可以為適地適樹原則的貫徹提供支撐，也可以為造林質量提高措施的選擇提供指導。

具體來說，基于關聯分析能夠挖掘發現造林地的地形、土壤、氣候、植被等立地因子和適生樹種之間的關系，對不同立地條件下樹木生長的適宜性進行判斷和預測。比如基于每個人工造林小班的自然環境和成活率的數據集，采用粗糙集理論進行數據挖掘，能夠探明自然環境條件與成活率的關系，從而可以有效預測目標區域的造林成活率。

在提高造林質量方面，需要考慮密度、配置方式、樹種搭配、整地方式等措施。基于林業大數據，采用關聯規則算法，通過對主要造林樹種之間的關系進行定性和定量分析，能夠發現造林設計中整地規格和其他造林措施之間的關系、株行距和其他造林措施之間的關系以及混交比和其他造林措施之間的關系。

3.2 在森林資源管理方面的應用

森林資源信息關系復雜，導致了森林資源管理與決策較為困難。因而，基于林業大數據，采用交叉分析、關聯分析、單因素分析、多因素分析等分析方法，可以很好地理清森林資源各要素之間的綜合關系，得到一些隱藏在森林資源信息中的潛在、有意義的信息，進而為森林資源管理和決策提供支撐。

比如，基于Apriori算法構建關聯分析的大數據模型，分析起源、權屬、平均胸徑、樹高、年齡和郁閉度之間的關聯，從而為優良種源選擇提供參考。而基于歷史數據挖掘可以發現在某地區與特定樹種的生長密切相關的自然因素或人為管理措施,從而幫助改進培育或撫育措施。此外，以森林資源連續清查樣地的地理坐標建立二維坐標系，以樣地森林面積和森林蓄積為狀態向量，應用二維Kalman濾波可以實現對森林資源的動態預測，以此研究森林資源動態。

3.3 在林業災害監控與應急方面的應用

林業病蟲害是危害生態安全的主要原因之一。通常來說，對森林資源進行實時監控是遏制病蟲害進一步發展的有效措施。但是，由于實時監控并不能對病蟲害的產生進行科學預測，因此本質上說實時監控屬于一種事后措施。然而，通過對病蟲害發生的歷史數據進行分析，可以對病蟲害的發生情況進行預測，是一種事前措施。

具體來說，基于森林地面數據、天氣數據、衛星數據、航空地圖遙感數據等大數據，建立林業有害生物檢疫預警模型。基于有害生物檢疫預警模型生成的蟲情預報，可以有效地對蟲情輿情進行預防。一個成功的案例是，由于病蟲害的頻繁爆發，加拿大地區的大片森林地區經常會出現大片的樹木枯死區域。針對此問題，俄勒岡州立大學的學者發起了一個能夠預防森林病蟲害的大數據項目，首先通過研究發現刺激松樹病蟲害爆發頻繁的因素有很多，例如干旱、森林大火以及天氣變化等，然后采用了最新的數據分析工具和算法，以及最新采集整理的數據集，利用大規模并行計算發現和修正那些多年來對森林蟲害防治的錯誤認識和理解，繪制了詳細的太平洋西北地區森林蟲害的歷史地圖，并對森林蟲害的爆發時間、性質和規模進行了預測。

3.4 在林業社會公眾服務方面的應用

林業公眾服務主要是向公眾提供林產品、生態文化產品等信息。在這個過程中需要關注兩個關鍵問題：發布什么信息以及發布對象是誰。其中，在發布信息方面，需要考慮如何形象地將信息展示給公眾。通常來說，基于林業大數據分析得到的結果，需要進行有效的整理和組織才能提供更加直觀的幫助，這里所說的有效組織形式就是所謂的可視化模式，即選擇合適的可視化模式可以將大數據分析結果清晰美觀地展示出來。可視化對于林業大數據及分析結果的展示具有更加顯著的作用，因為林業大數據具有時空性，而可視化技術可以有效地展示出時空性，比如具體展示森林資源的空間分布規律，以及森林資源生長和消亡的演變過程和規律。

在發布對象方面，需要實現個性化推薦。林區群眾每天都能接觸到各種林業信息，包括林業政策、林業市場信息、種植養護知識等。從資源配置的角度來說，林業部門應該主動、實時地將個性化的林業信息推送給相應的大眾。在個性化推薦方面，大數據發揮了重要的作用。通常來說，基于林業大數據的個性化推薦具有兩種分析形式：一種是對所有林業信息進行挖掘，將與某一用戶關注信息相似的所有其他信息都推薦給該用戶；另一種是對所有公眾的偏好信息進行挖掘，將與某一用戶相似的其他用戶的信息推送給該用戶。

4 結語

隨著信息技術的快速發展，大數據時代已經來臨，作為生態行業的重點，林業迎來了新的發展機遇。在大數據時代，基于林業大數據的智能化決策將成為林業管理工作中的常態，而這種常態最終將加快“數字林業”向“智慧林業”的轉變。可以說，林業大數據是林業產業轉型升級的關鍵，只有林業大數據得到了有效的發展和廣泛應用，林業才能實現真正的“智慧”。因此，面向林業的大數據應用，不僅僅是林業在技術水平方面的進步，更是在發展理念、發展方向以及技術路線等方面的變革，能夠為未來智慧林業的發展奠定基礎。

[1]劉俊,羅凡,劉人境,徐輝,嚴杰.大數據背景下電力需求側管理的應用策略研究[J].電力需求側管理,2016(2):5—10.

[2]《關于加快中國林業大數據發展的指導意見》發布[J].造紙信息,2016(9):6.

[3]藍學,韋緒,覃德文.淺談大數據分析在生態林業上的運用[J].經濟研究導刊,2015(6):55—56.

[4]董茜.大數據時代林業研究進展[J].合作經濟與科技,2017(1):24—25.

[5]王元卓,靳小龍,程學旗.網絡大數據:現狀與展望[J].計算機學報,2013(6):1 125—1 138.

[6]孟小峰,慈祥.大數據管理:概念、技術與挑戰[J].計算機研究與發展,2013(1):146—169.

[7]Manyika J, Chui M, Brown B, et al. Big data: The next frontier for innovation, competition, and productivity[EB/OL].http://www.mckinsey.com/business-functions/digital-mckinsey/our-insights/big-data-the-next-frontier-for-innovation[2017-03-05].

[8]趙蘇陽,李艷軍,錢小燕,曹愈遠,許振騰,喬磊,汪雷.大數據基本概念、技術與挑戰[J].現代計算機：專業版,2015(8):51—54+60.

[9]孫偉,馬志波,曹姍姍,符利勇.林業資源數據特征分析[J].西北林學院學報,2014(6):200—206+233.

責任編輯：富春凱

Research on the Connotation and Application Strategy of Forestry Big Data

YU Mao-yuan

(Yunnan Institute of Forestry Survey and Program, Kunming 650051, China)

With the continuous application of information technology such as Internet , 3S and mobile Internet in forestry, forestry resources data and forestry business data have been issued in both the total amount and categories. Discussing the definition of forestry big data based on the definition and characteristics of big data, and four typical characteristics of forestry big data were thoroughly analyzed in detail, including distribution, multi-scale, massive and heterogeneous. On the basis of this, we discusses the application strategy of forestry big data in the afforestation management, forest resource management, forest disaster monitoring and public service.

Big data；Forestry big data；Data mining；Application；Intelligent forestry

10.3969/j.issn.1674-6341.2017.03.006

2017-03-07

余茂源(1975—)，男，廣西融安人，工程師。研究方向：森林資源調查規劃、林業大數據挖掘。

F29

A

1674-6341(2017)03-0017-03