森林经营管理大数据研究进展
1森林经营管理系统的研究现状
森林经营是森林培育措施的总称,可分为森林培育与森林管护。森林经营管理除了针对森林经营全过程的管理之外,还包括森林调查和规划设计、林业资金和劳动力的分配与安排等。森林经营与管理活动的制定需要依据业务数据、森林资源数据与经营活动中的人、财、物数据,因此对这些数据的监测、搜集、获取、分析与管理,是森林经营管理中的关键内容。本研究在中国知网、WebofScience、Springer等数据库,以森林经营业务为主题,以“系统”为关键词的组合形式对森林经营管理系统现状进行文献检索,得到国内的研究主要分为四部分。
♋1.1森林资源管理系统
森林资源数据是制定森林经营方案、制定合理的林分经营措施的根本依据。我国森林资源数据来源众多,包含遥感影像、数字高程模型、森林资源二类调查数据、固定样地调查数据。近年来各种科学有效的工具不断应用于森林经营实践中,以实现森林精准经营,随着遥感技术、地理信息系统、全球定位系统的深入研究,森林资源动态监测技术体系在国外发达国家已基本形成(王雪军,2013),美国、奥地利、芬兰、法国、瑞典等国家从20世纪90年代就已开始实施森林资源年度监测。我国森林资源监测技术在21世纪以来取得飞速的发展,利用遥感监测、航空摄影测量配合地面调查技术建立了多尺度、多技术、多方法的森林资源调查体系。随着组件式GIS软件SuperMapObject等出现,MapInfo、ArcView、MapGIS等GIS平台在林业得到广泛应用,森林资源管理信息系统开发全面转向采用MapObject,ArcEngine进行二次开发(李春干等,2015)。建立了林业资源环境网络数据库与支持多维数据的数据库,实现森林资源动态监测系统(陈端吕,2001)、森林资源小班数据更新(高飞,2011)、森林资源外业采集数据的上报(朱煜,2014)等功能,近年来无人机遥感影像技术(史洁青等,2017)的加入使得森林资源能够得到更精细化的监测与管理。
1.2森林培育管理系统
森林培育主要包括造林规划设计与施工、森林抚育与森林采伐等环节。造林作业设计是造林施工的依据,信息技术的引入使得造林决策可以自动化、科学化、合理化地进行。学者应用GIS(高志强等,2010)、ArcGIS(岑敏强,2012)、移动GIS(汤荣明,2009)建立造林规划设计系统,处理分析造林立地信息。国内外学者采用GIS、ES、DSS开发了造林决策支持与专家咨询系统(RoberGDavis等,1993;吴保国等,2009)。还有学者利用PDA(庞丽峰等,2011)、ArcGIS(周克瑜等,2015)采集造林作业设计数据,以造林工程视角开展系统研究(黄晶,2016)。在造林质量评定检验方面,通过研发造林动态信息统计系统对造林实绩进行统计分析(李丹等,2012)。森林抚育是指在造林到成熟龄之间,为保证幼林成活、促进林木生长、改善林木组成和品质采取的⌛各项措施。李宇昊(2014)依据森林经营技术规程开发森林抚育诊断决策系统,诊断现有林“是否需要抚育”及“如何抚育”;王建明等(2017)运用空间分析和遗传算法对抚育小班的智能选择进行研究,解决了“在哪里抚育”的问题。为及时掌握抚育实施情况,高旗(2015)基于IOS、ArcGIS开发森林抚育检查验收数据采集系统与森林抚育检查与评价系统,周敏等(2018)对森林抚育成效监测进行可视化的研究。森林采伐指从伐区中获取木材的生产活动。魏鑫(2007)研究了森林采伐量测算系统,段劼(2010)引用了美国的FVS-BGC研究了森林生长收获模拟系统,罗子淇等(2016)针对“采多少、采哪里、怎么采”的采伐决策进行决策支持系统的研究。
1.3森林防护管理系统
森林防护管理包括对森林病虫害与森林火灾进行管理与防护。国内外学者在病虫害监测、诊断与预警等阶段进行了大量的研究。病虫害的监测主要依托遥感技术、传感器(齐建东等,2010)、TM影像(胡敏华等,2013)、高光谱数据(潘洁等,2015)等技术;病虫害智能化的诊断主要基于专家系统(S.Kaloudisa等,2005)、自然语言理解(WangNihong等,2008)、Agent(YanrongZhang等,2010)等技术;病虫害的预警系统主要采用RS与GIS、WMS/WFS空间信息服务(常原飞等,2011)等技术。许多国家对森林火灾的实时监测、行为模拟与损失评估进行了研究。在森林火灾监测方面,红外线传感技术、微波技术、无人机系统(LuisMerino等,2012)、无线传感器(田仲富等,2014)等技术有着广阔的应用前景;在预测火灾行为方面,主要有野火行为预测(TomàsArtés等,2014)、火灾危险性预测模型(HuangFang等,2000)、火灾热点发生区域的可能性(KhairilAmri等,2015)、森林火灾危险区域绘制(Rajendran等,2016)等研究;在火灾损失评估方面,学者应用MODIS数据对火灾破坏进行评估(PauloBarbosa等,2006)与面积估算(郑伟等,2011)。
1.4森林经营辅助管理系统
目前,森林经营辅助管理主要是针对森林经营人员、资金和财务的管理,大多没有与森林经营业务结合开展研究。人员管理方面,学者对人事工资(刘代明,2000)、森林火灾扑救人员(颜桂梅等,2013)开发了信息系统。资金财务方面,有林业财务管理系统(马骏等,1990)、基于网络的林业财务决策支持系统(钟凤英,2006)等研究。森林经营的日常管理主要综合管理森林资源数据与日常经营数据,引入GIS后实现了对林火防治、木材运输管理、林业病虫害防治、林业档案的管理(聂芹等,2008)。
2新型信息技术在森林经营管理中的应用研究
为了解这新型信息技术在森林经营管理中的研究现状,本研究在中国知网、WebofScience,Springer等数据库,以“林业”为主题,以“商务智能”“数据仓库”“数据挖掘”“云计算”“大数据”为关键词,对新型信息技术在森林经营管理中的应用进行文献检索,并进行相关研究。
2.1数据仓库与数据挖掘在森林经营管理中的应用研究
为有效管理海量的森林资源与经营业务数据,实现数据有效集成与多维分析,数据仓库技术被引入林业数据的处理中,建立基于二类调查数据(陈昌鹏,2004)、火险因子(肖云丹等,2012)的森林资源数据仓库,对森林资源数据进行抽取、转换与加载,形成森林资源多维数据集,并开展多维数据的在线分析(杨卫民等,2007)。还有学者为森林资源经营活动信息的存储建立了空间数据仓⚥库(王育英等,2006)。数据挖掘技术被广泛运用在森林资源管理(李广水,2010)、森林管护(齐少群等,2007)和林业生产与经营服务(江林升等,2011)中。在森林资源管理中,学者对种质资源(段旭良,2008)、立地因子(巩茵熙,2013)、树种适宜性(张宗艺,2016)等方面进行了研究;在造林设计中,采用关联规则、决策树算法挖掘造林技术措施之间的联系(姚山,2008);在森林防护中,采用粗糙集(张艳荣,2012)、关联规则(杨露,2013)、粒子群(DieuTienBui等,2017)等算法进行病虫害预测与森林防火研究。除此之外,还有学者对林分生长模型与森林成熟进行模拟与预测(刘荣其,2009;李金铭等,2009),利用大数据平台对森林生态站数据进行挖掘分析(张正,2016)。
2.2大数据与云计算在森林经营管理中的应用研究
云计算能够利用分布独立的计算资源,实现海量数据的快速处理,为林业信息服务的集成动态管理提供可能。李珺(2012)建立林业信息共享服务平台,侯瑞霞等(2016)搭建林业资源信息云服务体系架构;还有一些学者基于大数据和云平台进行森林管护的研究:诸如基于位置服务的自然保护区智能管护云平台(马琰等,2015)、森林防火大数据的存储与分析(曹梦鸽等,2018;曾志强等,2018)。中国林业科学研究院林业科技信息研究所充分利用大数据、虚拟化、云计算、数据挖掘和可视化技术,开展林业信息资源组织、知识挖掘和数据可视化等关键技术研究,建成了林业科技大数据平台。
3文献述评
3.1结论
本文结合森林经营业务总结了森林经营管理系统的开发现状,对数据仓库、数据挖掘、云计算、大数据等新型技术在森林经营管理中的应用进行了综述,主要得到2个方面的研究结论。(1)3S技术在森林资源监测中的应用和森林资源管理系统的开发研建,已经实现森林资源数据的定期监测与获取;在森林经营业务的基础上,研建了造林、森林抚育、森林采伐、病虫害防治与防火等森林经营业务系统,各类业务系统已经形成了海量分散化的大数据基础。海量多源的森林资源与经营业务数据已经实现了森林经营业务的数据化,为森林经营管理的后续研究奠定了林业大数据的基础,而其背后隐含着大量具有实用价值的经营决策信息还有待挖掘,以期实现数据信息化,进而可以指导森林经营业务。(2)数据仓库、数据挖掘、云计算等大数据处®理方法被广泛应用,建立了众多以森林资源为主题的数据仓库;将数据挖掘的模型与算法应用在森林资源管理、森林经营业务环节的辅助决策、森工企业生产管理与人员配置等方面;云计算用于建立林业资源信息云服务体系,大数据广泛用于林业资源监测管理、远程诊断等领域。这些新型信息技术不但可以分析处理关系复杂的海量数据,还能挖掘隐含的信息与知识。尽管信息技术在森林经营管理中已经呈现丰厚的研究成果,但其中还存在4个方面的不足。(1)长期以来,森林资源管理系统和经营业务系统自行研发,缺乏全面、系统、一致的规划,使得获取数据的方式、粒度、时间等存在差异,存在严重的“信息孤岛”现象(杨卫民,2005),造成数据的存储分散、共享程度低,存在大量冗余和垃圾数据等问题。同时这些数据没有直接从森林经营业务环节抓取,不能及时反映森林经营业务进展情况,数据源的分散性容 ☺易导致数据疏漏、数据造假等数据质量问题。(2)尽管森林资源与森林经营数据已经初具规模,但这些数据没有做到有效集成。业务系统对各类数据没有统一规范存储模式(蒲莹等,2013),缺乏数据类型之间的协同性与集成性,更缺乏从多维度、多粒度对森林资源数据和森林经营数据进行分析和展现,造成林业大数据中蕴藏的极大的信息资源不能有效集成,从而造成支持森林经营管理决策的能力低。(3)现有的对林业大数据进行的数据仓库的建立主要针对二类调查等森林资源数据,没有融合森林经营业务、人力、财务数据和统计报表数据。数据挖掘也多围绕森林资源、林木生长预测等方面,有关人员、财力、物力的数据挖掘分析十分有限。(4)依据现有的林业数据仓库,数据可视化能够呈现的主题仅局限于森林资源在不同信息维度的分布情况,没有结合森林经营管理主题进行业务分析,无法提供管理者关心的森林经营关键指标,无法及时把控森林经营生产活动,是现有研究中的缺憾。
3.2未来研究方向
目前国内林业大数据已经形成,“数据丰富,但信息缺乏”的问题仍然存在,加强对林业大数据背后隐藏价值的研究已经迫在眉睫,因此将大数据的理念和技术引入森林经营管理是不容忽视的一个发展方向。基于此,本文提出未来的研究方向。(1)通过大数据、商务智能和数据仓库等信息技术,基于森林资源和经营数据,整合不同来源、粒度、层次的异构数据,形成森林经营决策与管理人员关心的数据形式,构建一个能够融合森林资源管理系统、森林经营业务系统、森林经营单位财务系统和报表系统等各个数据源的数据中心。将各种数据源的数据通过清洗、转换、集成和计算等工作汇入数据仓库,统一定义数据标准、数据规范、计算逻辑和数据模型,形成一个反映森林经营范围内的森林资源状况、森林经营活动、经营人员投入和经营财物投资等综合森林经营成果和森林经营业务要素的多源数据中心,是今后森林经营单位数据管理的研究方向。(2)通过数据仓库、多维分析等商务智能技术,对森林经营关键指标进行多层次、多维度、多粒度的展示,实现森林经营成果和森林经营过程的动态管理和监控;通过森林经营关键指标差异分析,发现森林经营的业务问题,倒逼业务部门进行优化;通过监测关键指标的落地情况,形成完整的业务过程监控,为不同层级、不同职能部门的管理人员提供管理、流程和财务方面的信息支持,进而提高森林经营管理的精细程度,为森林经营业务提供精准信息服务和智能解决方案。综上,如何基于森林经理学和林业经济学知识背景,融合多平台多系统获取的数据,达到信息与应用共享的林业异构数据集成,从多源异构化的森林经营管理信息中揭示科学规律和有效知识,是未来研究的发展方向。