基于人工神经网络模型的森林资源安全评价——以大兴安岭阿木尔林业局为例

doi:10.13466/j.cnki.lyzygl.2014.06.011

林业资源管理 ›› 2014›› Issue (6): 44-48.doi: 10.13466/j.cnki.lyzygl.2014.06.011

基于人工神经网络模型的森林资源安全评价——以大兴安岭阿木尔林业局为例

王玉芳¹, 白鹤松², 王锐¹

1.东北林业大学经济管理学院,哈尔滨150040;
2.上海理工大学管理学院,上海 200093

收稿日期:2014-10-04 修回日期:2014-11-03 出版日期:2014-12-28 发布日期:2020-11-23
作者简介:王玉芳(1975-),女,哈尔滨人,教授,博士,主要从事森林资源可持续经营及生态经济等研究。Email:wyfbhs@sina.com
基金资助:
国家社会科学基金项目(11CJY021);黑龙江省政府博士后科研启动项目(LBH-Q11181)

Evaluation on Forest Resources Security Based on BP Model—With Amur Forestry Bureau inDaxing′anling Mountains Forestry Region as a Case Study

WANG Yufang¹, BAI Hesong², WANG Rui¹

1. College of Economics & Management,Northeast Forestry University;Harbin 150040,China;
2. Management College,University of Shanghai for Science and Technology,Shanghai 200093,China

Received:2014-10-04 Revised:2014-11-03 Online:2014-12-28 Published:2020-11-23

摘要/Abstract

摘要： 参考国际森林可持续经营的相关进程,通过两轮的德尔菲法,调查中国林业经济管理理论与实践领域的12位专家,从森林资源的数量维度、质量维度、生态系统维度三个层面筛选并确定了反映森林资源安全的22个影响因子。通过实地调查,选取大兴安岭阿木尔林业局12年(1999—2010年)的相关数据,利用BP人工神经网络方法,对阿木尔林业局森林资源安全状态进行评价。结果表明:阿木尔林业局1999—2010年期间的森林资源安全状态的综合得分为0.876 5,表明这期间阿木尔林业局森林资源处于安全状态中。但是目前的这种安全状态是一种低效的安全状态,离高效的安全状态还有一段距离。提出了进一步增强森林资源安全程度,实现高效安全状态的对策。

关键词: 森林资源, 资源安全, 数量安全, 质量安全, 生态安全

Abstract: Firstly,on the basis of consulting some international sustainable forest management processes and using a two-round Delphi survey of twelve theories and practice of forestry economic experts,22 factors of influence were chosen from forest quantity,quality and ecosystem.Secondly,by field investigation,data of Amur Forestry Bureau from 1999-2010 were used and overall assessment was conducted using BP model.The result revealed that Amur Forestry Bureau forest resources security’s score was 0.876 5,it indicated its forest resources were secure.But they are at a low-effect level of security.At last the paper puts forward some countermeasures for strengthening forest security and realizing the efficient security of forest resources.

Key words: forest resources, resource security, quantity security, quality security, ecological security

中图分类号:

S757

王玉芳, 白鹤松, 王锐. 基于人工神经网络模型的森林资源安全评价——以大兴安岭阿木尔林业局为例[J]. 林业资源管理, 2014,(6): 44-48.

WANG Yufang, BAI Hesong, WANG Rui. Evaluation on Forest Resources Security Based on BP Model—With Amur Forestry Bureau inDaxing′anling Mountains Forestry Region as a Case Study[J]. FOREST RESOURCES WANAGEMENT, 2014,(6): 44-48.

[1]	白星雯, 胡晟, 布日古德, 阳帆. 一类调查与二类调查森林蓄积量数据对接方案分析研究[J]. 林草资源研究, 2023, 0(5): 142-147.
[2]	余松柏, 苏晨辉, 张红爱, 刘道平, 陆康英, 陈邵隆. 天然硬阔叶林生态产品价值评估与财政补贴方案研究[J]. 林草资源研究, 2023, 0(5): 29-39.
[3]	周梅, 李春干, 杨承伶, 李振. 无人机激光雷达人工林参数估测试验[J]. 林业资源管理, 2023, 0(3): 90-97.
[4]	邱洁, 李倩楠, 虞瑶. 机载激光雷达数据估测森林资源蓄积量研究[J]. 林业资源管理, 2023, 0(1): 153-160.
[5]	张全林, 刘丽华, 安雄韬, 刘阳. 基于康养功能的森林资源资产评估探究——以五台山国有林管理局金岗库林场为例[J]. 林业资源管理, 2022, 0(zk1): 79-84.
[6]	菅宁红, 陈雅如, 姜雪梅. 青藏高原生态安全评价与提升路径[J]. 林业资源管理, 2022, 0(6): 7-13.
[7]	阳帆, 白星雯. 森林资源监测地面固定样地优化研究[J]. 林业资源管理, 2022, 0(6): 76-81.
[8]	黄智君. 森林资源保护与绿色发展耦合协调关系及障碍因子分析[J]. 林业资源管理, 2022, 0(3): 122-128.
[9]	吴恒, 胥辉. 基于综合监测体系的森林样地抽样方案比较研究[J]. 林业资源管理, 2022, 0(3): 48-53.
[10]	韦艳葵. 北京平原地区森林资源状况及经营策略[J]. 林业资源管理, 2022, 0(2): 10-18.
[11]	陶吉兴, 谢秉楼, 季碧勇, 张国江, 王文武. 浙江省森林蓄积年生长量精准监测时空误差校正[J]. 林业资源管理, 2022, 0(2): 32-38.
[12]	李建德, 解雅麟, 冯亮, 张致铭, 雷相东. 星站差分定位在全国森林资源调查中的应用[J]. 林业资源管理, 2022, 0(2): 39-44.
[13]	李洪, 涂宏涛, 姚兴博, 马国强, 张蓉, 杨书宇. 经营单位级森林资源动态监测评估系统构建研究[J]. 林业资源管理, 2022, 0(2): 54-60.
[14]	付安民, 高显连, 吴发云, 高金萍. 机载激光雷达树高产品的释义与精度水平评估[J]. 林业资源管理, 2022, 0(1): 114-123.
[15]	王伟, 杨净, 高显连, 曾伟生. 2020年全球森林资源评估遥感调查方法和思考[J]. 林业资源管理, 2021, 0(6): 1-5.

基于人工神经网络模型的森林资源安全评价——以大兴安岭阿木尔林业局为例

Evaluation on Forest Resources Security Based on BP Model—With Amur Forestry Bureau inDaxing′anling Mountains Forestry Region as a Case Study

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价