群团抽样对西藏森林资源宏观监测结果的影响分析

doi:10.13466/j.cnki.lyzygl.2019.04.008

林业资源管理 ›› 2019›› Issue (4): 52-58.doi: 10.13466/j.cnki.lyzygl.2019.04.008

群团抽样对西藏森林资源宏观监测结果的影响分析

邢元军¹^,²(), 普布顿珠², 罗鹏³(), 许等平⁴

1.国家林业和草原局中南调查规划设计院,长沙 410014
2.西藏自治区林业调查规划研究院,拉萨 850000
3.中国林业科学研究院资源信息研究所,北京 100091
4.国家林业和草原局林产工业规划设计院,北京 100010

收稿日期:2019-06-17 修回日期:2019-07-25 出版日期:2019-08-28 发布日期:2020-10-20
通讯作者: 罗鹏
作者简介:邢元军(1982-),男,山东文登人,高工,主要从事遥感与信息技术在林业中的应用研究。Email:zny_xyj@foxmail.com

Analyses on the Impact of Cluster Sampling on Forest Resource Macro-monitoring in Tibet

XING Yuanjun¹^,²(), PUBU Dunzhun², LUO Peng³(), XU Dengping⁴

1. Central South Forest Inventory and Planning Institute of National Forestry and Grassland Administration,Changsha 410014,China
2. Forest Inventory and Planning Institute of Tibet Autonomous Region,Lhasa,Tibet 850000,China
3. Research Institute of Forest Resource Information and Techniques,CAF,Beijing 100091
4. Planning and Design Institute of Forest Products Industry,NFGA,Beijing 100010,China

Received:2019-06-17 Revised:2019-07-25 Online:2019-08-28 Published:2020-10-20
Contact: LUO Peng

摘要/Abstract

摘要：

森林资源监测是国情国力调查的重要组成部分,是林业重要的基础性工作。遥感技术弥补了传统人工抽样调查的不足,然而遥感样地的布设方式、数量及遥感判读精度是宏观森林资源监测值得关注的问题。本研究在西藏自治区2015年森林资源宏观监测成果的基础上,采用不同群团抽样方案与遥感判读相结合的方式,得出全区森林覆盖率,并分析群团内样本数量变动对西藏森林资源宏观监测结果的影响。研究结果表明,当样地内群团数量达到25个时,估计均值与实际森林覆盖率相差最小,变动系数最稳定,抽样精度达到最高94.49%。由此可知,大样地群团抽样方法对森林资源宏观监测来说是一种可行高效的方法,且工作量显著低于图斑区划判读的工作量。

关键词: 森林资源监测, 遥感判读, 大样地, 群团抽样, 西藏自治区

Abstract:

Forest resource monitoring is a basic work of forestry,which is an important part of national investigation.The field observation method to monitor macro-forest resource is time-consuming,labor-intensive and costly.Remote sensing technology provides a practical solution to accurately monitor macro-forest resource.However,sample design,sample size and remote sensing interpretation accuracy have attracted wide publicity in macro-forest resource monitoring.In this paper,cluster sampling and remote sensing visual interpretation methods were applied to estimate forest coverage rate of Tibet.At the same time,the impact of size variation in cluster sampling was analyzed using forest resources macro monitoring in Tibet 2015.The results showed that the sampling accuracy reached the highest 94.49% when the number of sample sizes of each sample plot increased to 25.There was no significant difference between estimated result and actual forest coverage,and the coefficient of variation was stable.Therefore,the cluster sampling method was a feasible and efficient method,and the workload was significantly lower than that of visual interpretation method.

Key words: forest resource monitoring, remote sensing interpretation, large plot, cluster sampling, Tibet

中图分类号:

S757.2

邢元军, 普布顿珠, 罗鹏, 许等平. 群团抽样对西藏森林资源宏观监测结果的影响分析[J]. 林业资源管理, 2019,(4): 52-58.

XING Yuanjun, PUBU Dunzhun, LUO Peng, XU Dengping. Analyses on the Impact of Cluster Sampling on Forest Resource Macro-monitoring in Tibet[J]. FOREST RESOURCES WANAGEMENT, 2019,(4): 52-58.

图/表 10

图1

表1

表2

表3

图2

图3

表4

图4

图5

表5

参考文献 14

[1]	罗富和, 赵树丛 . 中国森林资源连清体系的发展机遇与完善策略[M]. 北京: 中国林业出版社, 2015.
[2]	闫宏伟, 黄国胜, 曾伟生 , 等. 全国森林资源一体化监测体系建设的思考[J]. 林业资源管理, 2011(6):6-11.
[3]	陶吉兴, 季碧勇, 张国江 , 等. 浙江省森林资源一体化监测体系探索与设计[J]. 林业资源管理, 2016(3):28-34
[4]	肖智慧, 薛春泉, 熊智平 , 等. 国家森林资源与生态状况综合监测(2012)——广东试点研究[M]. 北京: 中国林业出版社, 2013.
[5]	刘华, 陈永富, 鞠洪波 , 等. 美国森林资源监测技术对我国森林资源一体化监测体系建设的启示[J]. 世界林业研究, 2012,25(6):64-68.
[6]	Tomppo E, Gschwantner T, Lawrence M ,. National Forest Inventories:Pathways for Common Reporting[M]. New York:Springer, 2015.
[7]	Wood M S, Keightley E K, Lee A, Norman P . Continental forest monitoring framework,technical report-design and pilot study[R]. National Forest Inventory,Bureau of Rural Sciences,Canberra,Australia, 2016.
[8]	Teerasit K, Manoj K, Pramod K V . Super-resolution land cover mapping using a markov random field based approach[J]. Remote Sensing of Environment, 2015(96):302-314.
[9]	陈振雄, 熊智平, 曾伟生 , 等. 基于大样地双重抽样方法的广东省森林资源监测研究[J]. 中南林业调查规划, 2014,33(3):28-33.
[10]	陈振雄, 贺东北, 甘世书 , 等. 森林资源大样地双重抽样监测研究[J]. 中南林业调查规划, 2014(4):42-48.
[11]	薛春泉, 肖智慧, 汪求来 , 等. 森林资源年度出数方法研究——基于大样地区划调查[M]. 北京: 中国林业出版社, 2013.
[12]	曾伟生, 黄国胜, 党永峰 , 等. 全国森林资源宏观监测的抽样设计与估计方法探索[J]. 林业资源管理, 2016(3):1-6.
[13]	曾伟生, 程志楚, 夏朝宗 . 一种衔接森林资源一类清查和二类调查的新方案[J]. 中南林业调查规划, 2012,31(3):1-4.
[14]	程志楚, 夏朝宗, 王海滨 , 等. 大样地调查方案在森林资源调查中的可行性分析[J]. 河北农业大学学报, 2015(3):64-68.

抽样方案	群团样地数量	对应的小样地编号
方案1	1	1
方案2		5
方案3		13
方案4		21
方案5		25
方案6	3	1,21,25
方案7		1,13,25
方案8		1,5,25
方案9		5,13,21
方案10	5	1,5,13,21,25
方案11		7,9,13,17,19
方案12		1,3,5,15,25
方案13		1,11,21,23,25
方案14	9	1,5,7,9,13,17,19,21,25
方案15		1,3,5,11,13,15,21,23,25
方案16		1,2,3,4,5,10,15,20,25
方案17		1,6,11,16,21,22,23,24,25
方案18	12	2,4,6,8,10,12,14,16,18,20,22,24
方案19	13	1,3,5,7,9,11,13,15,17,19,21,23,25
方案20	25	全部25个小样地

判读地类	核实地类									合计	正判率/%
判读地类	乔木林	竹林	特殊灌木林	一般灌木林	疏林	未成林造林地	苗圃地	迹地	其他土地	合计	正判率/%
乔木林	18	0	0	0	0	0	0	0	0	18	100
竹林	0	0	0	0	0	0	0	0	0	0	—
特殊灌木林	0	0	10	0	0	0	0	0	1	11	90.9
一般灌木林	0	0	0	6	0	0	0	0	0	6	100
疏林	0	0	0	0	0	0	0	0	0	0	—
未成林造林地	0	0	0	0	0	0	0	0	0	0	—
苗圃地	0	0	0	0	0	0	0	0	0	0	—
迹地	0	0	0	0	0	0	0	0	0	0	—
其他土地	0	0	0	2	0	0	0	0	233	235	99.1

地类	覆盖率/ %	方差	标准误	相对误差/ %	抽样精度/ %	各地类面积/ 100hm²	估计区间/ 100hm²
森林	12.95	0.0801	0.0036	5.51	94.49	159119	150348~167890
乔木林	7.74	0.0567	0.0031	7.77	92.23	95063	87681~102444
竹林	0.00	0	0	0	0	0	0~0
特殊灌木林	5.21	0.0228	0.0019	7.31	92.69	64056	59374~68738
一般灌木林	0.48	0.0027	0.0007	27.39	72.61	5879	4269~7489
疏林	0.10	0.0002	0.0002	33.96	66.04	1226	809~1642
未成林造林地	0.03	0.0001	0.0001	65.29	34.71	340	118~563
苗圃地	0.00	0	0	0	0	0	0~0
迹地	0.02	0	0.0001	84.31	15.69	204	32~377
其他土地	86.42	0.0862	0.0038	0.86	99.14	1061623	1052522~1070723

	森林	森林覆盖率/%	乔木林	特殊灌木林	估计区间	抽样精度/%
一类调查(2016年)	149099	12.14	88367	60732	148115~150083	99.34
宏观监测(2015年)	159119	12.95	95063	64056	150348~167890	94.49
面积差异	10020	0.81	6696	3324
面积差异比例/%	6.30	6.25	7.04	5.19

地类	面积100hm²		2015年与 2016年面积差异 100hm²	2015年与 2016年差异比例 /%
地类	2016年宏观监测	2015年宏观监测	2015年与 2016年面积差异 100hm²	2015年与 2016年差异比例 /%
森林	154987	159119	-4132	-2.67
乔木林	93269	95063	-1794	-1.92
特殊灌木林	61718	64056	-2338	-3.79
一般灌木林	4631	5879	-1248	-26.95
疏林	1634	1226	408	24.97
未成林造林地	363	340	23	6.34

群团抽样对西藏森林资源宏观监测结果的影响分析

Analyses on the Impact of Cluster Sampling on Forest Resource Macro-monitoring in Tibet

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 10

参考文献 14

相关文章 15

编辑推荐

Metrics

本文评价

[1]	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.
[2]	杨雪清, 孙志超, 王立生, 柴政, 邱议文, 蒋春颖. 森林可燃物大样地抽样调查方法研究[J]. 林业资源管理, 2022, 0(5): 53-59.
[3]	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.
[4]	黄国胜, 刘谦, 蒲莹, 孙乡楠. 大数据时代森林资源监测新模式[J]. 林业资源管理, 2020, 0(6): 1-5.
[5]	高金萍, 高显连, 孙忠秋, 于慧娜. 新时期东北内蒙古重点国有林区森林资源监测发展对策研究[J]. 林业资源管理, 2020, 0(2): 9-13.
[6]	刘谦, 张煜星, 王雪军, 王少杰, 杨英, I Nengah Suratijaya, Dewayany Sutrisno, Ita Carolita. 东南亚国家森林资源年度遥感监测设计——以印度尼西亚为例[J]. 林业资源管理, 2018, 0(3): 113-120.
[7]	郑冬梅, 智长贵, 黄国胜, 曾伟生, 张云. 遥感大样地点面判读方法在森林资源宏观监测中的应用分析[J]. 林业资源管理, 2017, 0(6): 137-142.
[8]	黄国胜. 创新推动森林资源监测发展的思考[J]. 林业资源管理, 2017, 0(3): 1-5.
[9]	黄国胜, 曾伟生, 党永峰, 智长贵. 全国森林资源宏观监测抽样设计改进方案探索[J]. 林业资源管理, 2017, 0(1): 7-11.
[10]	智长贵, 黄国胜, 曾伟生. 基于遥感影像与整群抽样的丹江口库区及上游森林资源监测方法研究[J]. 林业资源管理, 2016, 0(5): 34-38.
[11]	李凤华. 北京山区森林资源监测存在的问题及对策建议——以北京市延庆县为例[J]. 林业资源管理, 2015, 0(2): 45-48.
[12]	陶吉兴, 张国江, 季碧勇, 何伟平, 王文武, 王剑武, 叶进武. 杭州市森林资源市县联动年度化监测的探索与实践[J]. 林业资源管理, 2014, 0(4): 14-18.
[13]	徐泽鸿, 杨雪清, 李超, 吴发云. 基于德国国家监测数据的境外遥感抽样调查方法研究[J]. 林业资源管理, 2014, 0(1): 41-45.
[14]	曾伟生, 闫宏伟. 森林资源监测有关问题的思考[J]. 林业资源管理, 2013, 0(6): 15-18.
[15]	徐济德, 张成程, 熬春光, 白卫国. 巴西森林资源监测对我国的启示[J]. 林业资源管理, 2013, 0(3): 125-128.