利用空间分布模式与样地设计提升森林资源抽样调查精度.pdf
《利用空间分布模式与样地设计提升森林资源抽样调查精度.pdf》由会员分享,可在线阅读,更多相关《利用空间分布模式与样地设计提升森林资源抽样调查精度.pdf(11页珍藏版)》请在咨信网上搜索。
1、DOI:10.12171/j.10001522.20230061利用空间分布模式与样地设计提升森林资源抽样调查精度胡樱馨1,2梅安琪1,2徐晴3侯正阳1,2(1.北京林业大学森林培育与保护教育部重点实验室,北京100083;2.国家林业和草原局黑龙江三江平原沼泽草甸生态系统定位观测研究站,黑龙江双鸭山518000;3.国际竹藤中心竹藤资源与环境研究所,国家林业和草原局/北京市共建竹藤科学与技术重点实验室,北京100102)摘要:【目的】森林资源调查中,研究森林属性空间分布模式下的抽样设计,以突破地域限制,为抽样调查提供可推广的经验法则。【方法】利用北京市鹫峰国家森林公园样地调查的实测数据,构建
2、人工总体。以树木死亡率作为为森林属性的代理属性,表达空间自相关。采用系统抽样设计,并通过蒙特卡洛模拟法,评估森林空间自相关、样地大小以及系统抽样设计对抽样精度的影响。【结果】(1)4 种不同空间分布模式的总体变异系数,从小到大依次为:死亡率为 0%的总体、死亡率为 20%的随机模式总体、死亡率为 10%的聚集模式总体、死亡率为 20%的聚集模式总体。当死亡率为 20%,抽样强度为 2.73%时,随机模式的变异系数比聚集模式的变异系数低了 1.3%。(2)3 种不同大小的样地总体变异系数,从小到大依次为:20m20m、30m30m、40m40m。其中,40m40m 的变异系数明显高于 20m20
3、m 和 30m30m对应的变异系数。(3)随着抽样强度增大,随机模式下 88 的主单元数目设计的人工总体的变异系数比 44 的约高0.02%,比 1616 的约高 0.15%;聚集模式下,88 的 N 设计的人工总体的变异系数比 44 的约高 0.32%,比 1616 的约低 0.54%。【结论】(1)不同强度的空间自相关都会削弱抽样精度,其中聚集模式相比随机模式的影响更为显著;(2)较小的样地有利于提高抽样精度和精度的收敛速度,但合理大小的样地设计才能有效提升抽样效率;(3)系统抽样中不同主单元数目对抽样精度的影响不明显,实际调查中应避免选择样本量为 1 的系统抽样,否则抽样误差难以度量。关
4、键词:抽样调查;空间模式;样地大小;系统抽样中图分类号:S757.2文献标志码:A文章编号:10001522(2024)02015511引文格式:胡樱馨,梅安琪,徐晴,等.利用空间分布模式与样地设计提升森林资源抽样调查精度 J.北京林业大学学报,2024,46(2):155165.HuYingxin,MeiAnqi,XuQing,etal.UsingspatialdistributionpatternsandsampleplotdesigntoimprovetheaccuracyofforestresourcesamplingsurveyJ.JournalofBeijingForestryUn
5、iversity,2024,46(2):155165.Using spatial distribution patterns and sample plot design to improve the accuracyof forest resource sampling surveyHuYingxin1,2MeiAnqi1,2XuQing3HouZhengyang1,2(1.KeyLaboratoryforSilvicultureandConservationofMinistryofEducation,BeijingForestryUniversity,Beijing100083,China
6、;2.EcologicalObservationandResearchStationofHeilongjiangSanjiangPlainWetlands,NationalForestryandGrasslandAdministration,Shuangyashan518000,Heilongjiang,China;3.InternationalCenterforBambooandRattan,KeyLaboratoryofNationalForestryandGrasslandAdministration/BeijingforBamboo&RattanScienceandTechnology
7、,Beijing100102,China)Abstract:ObjectiveInforestresourcesurvey,samplingdesignunderthespatialdistributionpatternofforestattributeswasstudiedtobreakthroughregionallimitationsandprovidegeneralizableempiricalrulesforsamplingsurvey.MethodArtificialforestpopulationswereconstructedwiththedatafieldsurveyat收稿
8、日期:20230317修回日期:20240105基金项目:雄安新区科技创新专项(2022XACX1000),国家社会科学基金项目(22BTJ005),国家自然科学基金项目(32001252)。第一作者:胡樱馨。主要研究方向:森林资源抽样调查。Email:地址:100083,北京市海淀区清华东路 35 号。责任作者:侯正阳,博士,副教授。主要研究方向:森林资源统计监测。Email:地址:同上。本刊网址:http:/;http:/第46卷第2期北京林业大学学报Vol.46,No.22024年2月JOURNALOFBEIJINGFORESTRYUNIVERSITYFeb.,2024theBeijin
9、gJiufengNationalForestPark.Treemortalityratewasusedasaproxyforexpressingforestspatialautocorrelation.Systematicsamplingdesignwasadopted,andMonteCarlosimulationswereimplementedtoevaluatetheeffectsofspatialautocorrelation,sampleplotsizeandsystematicsamplingonsamplingprecision.Result(1)The coefficients
10、 of variation for the four different spatial distribution patternsincreased in the following order:0%mortality,20%mortality in random pattern,10%mortality inaggregatedpattern,and20%mortalityinaggregatedpattern.Whenmortalityratewas20%andsamplingintensitywas2.73%,thecoefficientofvariationforrandompatt
11、ernwas1.3%lowerthanthatforaggregatedpattern.(2)Thecoefficientsofvariationforthreedifferentsampleplotsizesincreasedinthefollowingorder:20m20m,30m30m,and40m40m.Thecoefficientofvariationof40m40mwassignificantlyhigherthanthatof20m20mand30m30m.(3)Withincreasingsamplingintensity,undertherandompattern,thec
12、oefficientofvariationfortheartificialpopulationdesignedwith88mainunitswasabout0.02%higherthanthatfor44,andabout0.15%higherthanthatfor1616.Undertheclusteredpattern,thecoefficientofvariationfortheartificialpopulationdesignedwith88mainunitswasabout0.32%higherthanthatfor44,andabout0.54%lowerthanthatfor1
13、616.Conclusion(1)Differentdegreesofspatialautocorrelationreducesamplingaccuracy,amongwhichaggregatedpatternhasamoresignificantimpactthanrandompattern.(2)Smallersampleplotshelpimprovesamplingaccuracyandconvergencerate,butreasonablesampleplotdesigncaneffectivelyenhancesamplingefficiency.(3)Thenumberof
14、mainunitsinsystematicsamplinghaslittleimpactonsamplingaccuracy.Inpractice,systematicsamplingdesignswithasamplesizeof1shouldbeavoidedbecausesamplingerrorswouldbehardtoquantify.Key words:samplingsurvey;spatialmodel;sampleplotsize;systematicsampling森林资源调查是获取森林基本状况和变化规律的主要手段,也是实现森林合理经营与资源利用的基础12。作为陆地生态系
15、统的主体,森林为世界上大部分动植物提供了栖息环境,它对人类生存发展有重要保障作用34。抽样调查在森林资源调查中的应用有效地解决了无法进行全面调查的现实问题5。目前,森林资源抽样调查中引入了遥感、模型、数据库、全球定位和地理信息系统等多种技术手段,有简单随机抽样、分层抽样、系统抽样和群团抽样等方法68。中国和欧美主要国家的森林资源调查普遍以抽样调查为基础,采用系统抽样设计,按照预定规则抽取样本9。一直以来,降低不确定性和提升抽样调查精度是森林资源调查的重要目标和核心内容,实际开展调查时,综合考虑当地气候、地形、树种等现实因素选择合适的技术手段,是降低调查过程中的不确定性的关键10。在我国目前森林
16、资源调查周期缩短的情况下,如何在控制样本量的前提下,有效提升抽样精度,是森林资源调查迫切需要解决的科学问题。基于设计的统计推断方法被证明具有稳健性较强、出数可靠等特点11,在中国、美国等国家级森林资源调查中采用12,该推断方法尤其适用于国家、州及省级区域等广域调查13。该统计推断方法依赖于入样概率(个体或单位被选入样本的概率)且具有无偏性1415。其核心观点是总体单元的调查因子被视为固定的,因此未知的总体参数,如均值和方差,也是固定的16。而推断中的不确定性主要来自于抽样带来的随机性,源于对总体的不完全调查17。虽然增加样本量能够有效提升森林资源抽样调查精度,但由于成本限制,通常需要在较低的抽
17、样强度下尽量提高精度16。21 世纪以来,随着调查技术进步,该方法得到持续改进和广泛应用,然而对于复杂环境下的调查仍有待进一步探索。森林属性的空间分布是影响抽样精度的关键。森林具有空间自相关性,即在空间分布上相邻或位置靠近的森林样本(如不同试验地),其林分结构、生长状况等属性存在一定的相关性18。受自然干扰、人为干扰以及树种特性等因素相互作用,森林资源属性如地上生物量、林分蓄积量、森林土壤、物种分布等调查因子并不是独立存在1920。森林空间自相关性的简化表达就是森林空间模式,包括随机、规则和聚集 3 种模式21。森林的聚集模式在自然条件下最为常见,体现了森林是一个复杂综合体,森林属性在空间上相
18、互关联1920。特定的空间模式可通过对空间数据的统计处理表达出来22。然而,森林自相关变程是多样化的,有学者指出,在选择样地之前就应当考虑森林属性的空间模式对基于设计的调查精度估算效果的影响23。156北京林业大学学报第46卷样地设计从形状和大小两个方面影响抽样调查精度。样地形状有矩形、方形、圆形等15,其中方形样地在我国使用普遍7。方形样地从中心点按一定距离确定 4 个角,能有效降低出错可能性11,24。在实践调查中,样地大小对于精度和成本都有重要影响,相同抽样强度下大样地比小样地更能节约成本25。样地的布设方式和样地数量与成本直接相关,庞丽峰等26比较了 4 种不同样地布设方式(系统抽样间
19、距)对抽样精度和成本花费的影响,提出了具体有关样地布设的抽样设计方案。无论从成本还是精度考虑,样地设计都是抽样调查中的关键环节,解析样地设计对于精度和成本的作用机制尤为关键。然而,大多数研究寻找到的最优设计方案对不同地形地貌条件的适应性需要进一步验证,这使得设计方案如何突破地域限制成为关键。综上所述,本研究针对基于设计的统计推断方法在森林资源抽样调查应用中的局限性,构建不同空间分布模式的人工总体,开展包含不同样地大小和不同系统抽样间距设置的抽样调查模拟并采用蒙特卡洛模拟法进行结果评估。与传统的统计方法相比,蒙特卡洛模拟法通常不需要特定的理论假设,如正态分布等,使得它在复杂的森林生态系统中更加适
20、用。本研究重点分析了森林空间模式、样地大小以及系统抽样设计对抽样调查精度的影响,并探讨三者的组合设计如何有效提升调查精度。研究旨在寻找不受时间和地域限制,能够被广泛推广的经验性结论,为实际调查降低不确定性提供理论依据,为平衡精度与样本量之间的权衡关系提供普适结论。1研究区概况与方法1.1 研究区域概况北京市鹫峰国家森林公园,位于北京市海淀区西北部苏家坨镇境内(3954N,11628E),海拔1001153m,隶属北京林业大学试验林场。气候属于暖温带半湿润半干旱季风气候区,春秋干旱、冬季寒冷干燥,年降水量约 628.9mm,年平均气温约12.527。该林场林分起源类型为天然林和人工林,林场总面积
21、 832.04hm2,包含人工林面积 576.43hm2,天然林面积 173.22hm2。该地区土壤多为砂质壤土,包含 13 种立地类型。该林场共划分为 6 大经营区,15 个林班,106 个小班。其中各小班的郁闭度在 0.350.90 不等,多数郁闭度在 0.70 左右28。林场中栓皮栎(Quercus variabilis)、侧柏(Platycladus orientalis)、五角枫(Acer mono)、油松(Pinus tabuliformis)和华北 落 叶 松(Larix principis-rupprechtii)等 为 优 势树种。在海拔 800m 以下地区主要为人工林,主要
22、树种包括侧柏、油松和栓皮栎;在海拔 8001100m之间,以松栎天然混交林、华北落叶松为主。1.2 数据来源该研究的基础数据调查于 2021 年,在北京林业大学鹫峰试验林场试验区域内共均匀设置了 18 个临时样地,每个样地的大小为 0.09hm2,形状均为方形。在对林分踏查掌握林分特点的基础上,对林分特征及立地条件一致的林地简单分层后随机抽取本次调查的全部样地。此外,确保样地位置不跨越河流、道路或伐开的调查线,并且远离林缘。在各样地内进行每木检尺,调查乔木共计 2437 株,包含栓皮栎、侧柏、五角枫、油松、千金榆(Carpinus cordata)、槲栎(Quercus aliena)、朴树(
23、Celtis sinensis)、刺槐(Robinia pseudoacacia)、白蜡(Fraxinus chinensis)、华北落叶松,各树种胸径和树高基本信息如表 1。1.3 研究方法1.3.1人工总体构建抽样调查中,最佳的抽样设计通常与林地地域直接关联,因而多数研究致力寻找到的最优设计在表1鹫峰乔木树种调查基本信息统计Tab.1BasicinformationstatisticsofJiufengarborspeciesinvestigation树种Treespecies胸径DBH/cm树高Treeheight(H)/m最小值Min.value最大值Max.value平均值Mean标
24、准差SD最小值Min.value最大值Max.value平均值Mean标准差SD栓皮栎Quercus variabilis3.059.215.99.21.431.010.04.9侧柏Platycladus orientalis1.723.510.33.52.214.98.02.3五角枫Acer mono4.124.210.64.83.023.010.84.9千金榆Carpinus cordata4.230.69.34.42.316.97.53.2槲栎Quercus aliena5.036.413.55.12.323.69.53.4朴树Celtis sinensis5.024.510.95.52
25、.420.210.14.7白蜡Fraxinus chinensis5.021.67.83.23.114.26.52.0刺槐Robinia pseudoacacia5.232.612.49.02.114.06.33.1油松Pinus tabuliformis6.319.113.33.53.711.58.12.5华北落叶松Larix principis-rupprechtii8.417.112.42.64.79.46.21.3第2期胡樱馨等:利用空间分布模式与样地设计提升森林资源抽样调查精度157区域上缺乏可推广性。因此本研究并不针对于研究区域开展讨论,而是从森林属性入手,但并不局限于某一特定属性
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 利用 空间 分布 模式 设计 提升 森林资源 抽样调查 精度
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。