森林资源数据挖掘(forestry resources data mining),农学-林业-森林经理学-森林资源信息管理,将传统的数据分析方法与处理大量数据的复杂算法相结合,从大量的、不完全的、有噪声的、模糊的、随机的森林资源数据中,提取隐含在其中的、人们事先不知道的,但又是潜在有用的林业信息和知识的过程。森林资源数据挖掘具有以下特点:挖掘对象多为带有地理坐标的空间数据,在挖掘中广泛应用了地理信息系统空间分析技术;森林资源数据时空尺度特征明显,尺度上推(upscale)、尺度下推(downscale)是挖掘过程中经常遇到的问题;一个小班、一块固定样地的属性可以多达几十甚至上百,导致森林资源属性数据空间维度高;小班、样地等森林资源众多属性之间存在着明显的空间自相关、非线性关系,在数据挖掘中经常用到地统计学知识以及随机森林、神经网络等非线性模型。森林资源数据挖掘的方法可以分为传统统计分析方法、空间分析方法两大类。传统的方法主要包括分类、回归、聚类、时间序列、关联;空间分析方法则包括邻域分析、叠加分析、网络分析、插值分析、趋势面分析等多种。