思茅区森林生物量分层抽样调查设计

doi:10.13466/j.cnki.lyzygl.2021.01.025

林业资源管理 ›› 2021›› Issue (1): 197-202.doi: 10.13466/j.cnki.lyzygl.2021.01.025

• 技术应用 • 上一篇

思茅区森林生物量分层抽样调查设计

王瑞(), 杨沁雨, 欧光龙, 胥辉()

西南林业大学西南地区生物多样性保育国家林业局重点实验室,昆明 650224

收稿日期:2020-11-05 修回日期:2021-01-06 出版日期:2021-02-28 发布日期:2021-03-30
通讯作者: 胥辉
作者简介:王瑞(1995-),女,在读硕士,研究方向:森林生物量模拟及估测。Email: 527712490@qq.com
基金资助:
国家自然科学基金项目(31770677);国家自然科学基金项目(31760206);国家自然科学基金项目(31660202);云南省唐守正院士工作站(2018IC066)

Forest Biomass Investigation Design Using Stratified Sampling in Simao District

WANG Rui(), YANG Qinyu, OU Guanglong, XU Hui()

Key Laboratory of State Forestry Administration on Biodiversity Conservation in Southwest China,Southwest Forestry University,Kunming 650224

Received:2020-11-05 Revised:2021-01-06 Online:2021-02-28 Published:2021-03-30
Contact: XU Hui

摘要/Abstract

摘要：

基于普洱市思茅区森林资源二类调查数据,以森林起源、地类、龄组、优势树种作为分层变量,在95%的可靠性下,设置95%,90%和85%的抽样设计精度分层抽样进行森林生物量估测,将抽样调查结果与系统抽样方法进行比较。结果表明:1)分层抽样具有样本数量少、抽样精度高的明显优势,在普洱市思茅区,按85%的设计精度,按优势树种的分层抽样比系统抽样的效率约提高了52%;2)采用单变量进行分层抽样,优势树种具有显著优势。按85%的设计精度,在样本数量为44个的前提下,其实际抽样精度达到87.82%。

关键词: 森林生物量, 分层抽样, 起源, 地类, 龄组, 优势树种, 抽样精度

Abstract:

Based on the second class survey data of forest resources in Simao District of Pu'er City,taking forest origin,land type,age group and dominant tree species as stratified variables,the forest biomass was estimated by stratified sampling with 95%,90% and 85% sampling design accuracy under 95% reliability.The results show that:1) stratified sampling has obvious advantages of small sample size and high sampling accuracy.In Simao District of Pu'er City,the efficiency of stratified sampling based on dominant tree species is about 52% higher than that of systematic sampling with 85% design accuracy;2) stratified sampling based on single variable has significant advantages for dominant tree species.According to the design accuracy of 85%,the actual sampling accuracy can reach 87.82% under the premise of 44 samples.

Key words: forest biomass, stratified sampling, stand origin, forestland types, age group, dominant tree species, sampling accuracy

中图分类号:

S757.2+1

王瑞, 杨沁雨, 欧光龙, 胥辉. 思茅区森林生物量分层抽样调查设计[J]. 林业资源管理, 2021,(1): 197-202.

WANG Rui, YANG Qinyu, OU Guanglong, XU Hui. Forest Biomass Investigation Design Using Stratified Sampling in Simao District[J]. FOREST RESOURCES WANAGEMENT, 2021,(1): 197-202.

图/表 6

表1

图1

表2

表3

表4

表5

参考文献 18

[1]	李卓凡. 兴安落叶松林生物量与碳储量的研究[D]. 呼和浩特:内蒙古农业大学, 2013.
[2]	曹荞, 岳彩荣, 李圣娇, 等. 森林生物量估测进展[J]. 林业调查规划, 2015,40(6):22-25.
[3]	赵平安. 区域森林碳分布空间估计误差分析[D]. 杭州:浙江农林大学, 2013.
[4]	薛立, 杨鹏. 森林生物量研究综述[J]. 福建林学院学报, 2004(3):283-288.
[5]	邹琪, 孙华, 王广兴, 等. 基于Landsat 8的深圳市森林碳储量遥感反演研究[J]. 西北林学院学报, 2017,32(4):164-171.
[6]	应天玉, 李明泽, 范文义. 哈尔滨城市森林碳储量的估算[J]. 东北林业大学学报, 2009,37(9):33-35.
[7]	徐延鑫, 李明阳, 郝思宇. 基于GIS的城市森林生物量抽样方法研究[J]. 林业资源管理, 2018(5):123-127.
[8]	孙皓晗. 空间分层抽样在森林覆盖监测中的应用研究[D]. 南京:南京林业大学, 2013.
[9]	庞恩奇, 徐丽华, 等. 城市森林生物量遥感估测中DN值分层抽样的应用[J]. 西南林业大学学报:自然科学, 2018,38(5):132-138.
[10]	Dillabaugh K A, King D J. Riparian marshland composition and biomass mapping using Ikonos imagery[J]. Canadian Journal of Remote Sensing, 2008,34(2):143-158.
[11]	张超. 三峡库区森林碳储量估测研究[D]. 北京:北京林业大学, 2016.
[12]	李月. 思茅地区公益林建设树种选择[J]. 林业调查规划, 2002(2):104-108.
[13]	索渺清, 尤卫红, 马学文, 等. 思茅境内澜沧江径流变化量与云南气候变化的关系[J]. 云南地理环境研究, 2005(3):1-8.
[14]	经晶. 思茅“茶马古道”文化遗产廊道多维连接性研究[D]. 昆明:云南大学, 2015.
[15]	胥辉, 张子翼, 欧光龙, 等. 云南省森林生物量和碳储量估算及分布研究[M]. 昆明: 云南科技出版社, 2019.
[16]	吴恒, 胥辉. 抽样技术在森林生物量调查中的应用综述[J]. 西南林业大学学报:自然科学, 2021,41(2):1-6.
[17]	姜成晟, 王劲峰, 曹志冬. 地理空间抽样理论研究综述[J]. 地理学报, 2009,64(3):368-380.
[18]	傅煜, 雷渊才, 曾伟生. 区域尺度杉木生物量估计的不确定性度量[J]. 林业科学, 2014,50(12):79-86.

树种	模型公式	BEF					SVD
树种	模型公式	幼龄林	中龄林	近熟林	成熟林	过熟林	乔木层
思茅松	MA=V×BEF×SVD	1.304	1.304	1.304	1.304	1.304	0.454
栎类		1.380	1.328	1.360	1.474	1.587	0.541
乔木树种平均		1.821	1.472	1.441	1.394	1.451	0.441

	组别	平均值/ (t/hm²)	标准差/ (t/hm²)	面积/ hm²
地类	纯林	5.08	2.72	50.88
	混交林	7.46	3.21	43.90
	其他林地	2.98	2.18	5.22
优势树种	思茅松	4.67	2.27	44.39
	栎类	7.64	3.35	42.85
	其他树种	4.51	2.79	12.76
起源	人工	4.22	2.55	23.12
	人工促进	6.76	2.11	7.47
	天然	6.42	3.25	69.41
龄组	龄组-Ⅰ	4.26	2.91	22.98
	龄组-Ⅱ	6.11	2.90	56.17
	龄组-Ⅲ	7.35	3.27	20.84
总体		5.73	3.16	100.00

设计精度	系统抽样		分层抽样
	系统抽样		起源		地类		龄组		优势树种
	相对误差	抽样精度	相对误差	抽样精度	相对误差	抽样精度	相对误差	抽样精度	相对误差	抽样精度
95	4.48	95.52	4.33	95.67	4.26	95.74	4.54	95.46	4.25		95.75
90	8.91	91.09	8.54	91.46	8.60	91.40	8.99	91.01	8.15		91.85
85	14.68	85.32	12.99	87.01	12.59	87.41	13.28	86.72	12.18		87.82

		平方和	自由度	均方	F	P
地类	组间	7652.62	15443	0.50	2.43	0.000
	组内	1839.91	9009	0.20
	总计	9492.53	24452
优势树种	组间	12895.05	15443	0.84	9.14	0.000
	组内	823.40	9009	0.09
	总计	13718.45	24452
起源	组间	16408.71	15443	1.06	2.15	0.000
	组内	4447.97	9009	0.49
	总计	20856.68	24452
龄组	组间	8484.67	15443	0.55	3.31	0.000
	组内	1496.46	9009	0.17
	总计	9981.13	24452

思茅区森林生物量分层抽样调查设计

Forest Biomass Investigation Design Using Stratified Sampling in Simao District

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 18

相关文章 15

编辑推荐

Metrics

本文评价

[1]	李晨晨, 武健伟, 石田. 基于林地类型的基准地价评估方法与应用研究[J]. 林草资源研究, 2023, 0(6): 61-66.
[2]	陈晶晶, 柴宗政. 基于模拟测算法的森林合理年伐量确定与应用[J]. 林业资源管理, 2023, 0(3): 146-152.
[3]	高金萍, 于慧娜, 翟召坤. 高分多模卫星林业地类及树种识别应用研究[J]. 林业资源管理, 2023, 0(1): 127-132.
[4]	杨雪清, 孙志超, 柴政, 邱议文, 蒋春颖. 全国森林可燃物载量样地调查与预估方法探讨[J]. 林业资源管理, 2022, 0(6): 1-6.
[5]	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.
[6]	曾伟生, 杨学云, 孙乡楠, 刘樯漪, 张宇超. 森林资源调查监测中各级储量数据的一体化方法研究[J]. 林业资源管理, 2022, 0(4): 13-19.
[7]	曾伟生. 森林资源调查监测中的数据耦合方法研究[J]. 林业资源管理, 2022, 0(2): 61-66.
[8]	曾伟生. 森林蓄积量和生物量多元混合模型研建[J]. 林业资源管理, 2021, 0(6): 23-28.
[9]	叶鹏, 汤孟平. 基于GIS的常绿阔叶林郁闭度与树冠重叠度分析[J]. 林业资源管理, 2021, 0(5): 70-79.
[10]	韩晓荣, 杨林, 马秀枝, 梁蕾, 李依倩, 梁芝. 不同龄组兴安落叶松林土壤养分及其化学计量特征[J]. 林业资源管理, 2021, 0(3): 129-136.
[11]	吴旭平, 吕勇, 张雄清, 易烜, 朱光玉. 基于立地因子的杉木人工林断面积生长混合效应模型研究[J]. 林业资源管理, 2021, 0(2): 75-82.
[12]	蒲莹, 牟耀杰, 邵景安. 三峡库区近20年森林生态服务功能变化及影响因素分析——以石柱县为例[J]. 林业资源管理, 2020, 0(6): 31-39.
[13]	张冬燕, 王冬至, 范冬冬, 张健东, 李大勇. 不同立地类型华北落叶松人工林冠幅与胸径关系研究[J]. 林业资源管理, 2019, 0(4): 69-73.
[14]	刘洋, 肖中琪, 张怀清, 姚博, 黄建文. 新疆阿尔泰山天然林保护工程区2000—2016年林地类型变化分析[J]. 林业资源管理, 2019, 0(1): 70-77.
[15]	徐延鑫, 李明阳, 郝思宇. 基于GIS的城市森林生物量抽样方法研究[J]. 林业资源管理, 2018, 0(5): 123-127.

精度 /%	抽样单元数/个
	系统抽样	分层抽样
	系统抽样	起源	地类	龄组	优势树种
95	537	452	413	443	395	2168
90	134	113	103	111	99	4336
85	60	50	46	49	44	6504