一种面向并行查询的森林资源小班数据划分粒度研究

为在并行环境下高效地利用并行计算资源,促进静态负载均衡,从而总体上提高森林资源小班数据在并行环境下查询的响应效率,通过分析数据划分粒度与查询效率的关系,建立了数据划分粒度与查询效率的关系模型。采用辽宁省森林资源小班数据,实验验证了该模型,并取得森林资源小班数据的最佳划分粒度。实验表明,在最佳划分粒度进行并行查询时,查询效率明显优于其它划分粒度。

基于粗糙集与C5.0决策树的林地质量评价

【目的】使用数据挖掘算法实现多因子共同影响下的林地质量综合评价,探索林地质量与环境因子之间的非线性关系,为提高森林经营信息化水平提供技术支持。【方法】使用辽宁省抚顺市胡桃楸(Juglans mandshurica Maxim)森林资源小班数据,采用粗糙集算法筛选出与林地质量相关的重要因子,然后建立C5.0决策树,得出环境因子与林地质量间的非线性关系。【结果】影响胡桃楸林地质量的主要因子有坡度、坡向、坡位、海拔、下木种类、下木盖度、地被物种类、地被物盖度和土壤质地;以粗糙集方法选取的因子为输入变量的决策树模型规模小、复杂度低、决策规则简单,预测准确率达91.20%。【结论】本研究提出的林地质量等级预测和评价方法,能在保证模型准确率的同时降低算法的时间和空间复杂性,提高数据挖掘效率,并能克服一般林地质量评价中靠专家打分的局限性与主观性。