基于区域化特征分析的活立木生物量调查抽样优化

doi:10.13466/j.cnki.lyzygl.2023.02.008

林业资源管理 ›› 2023›› Issue (2): 57-63.doi: 10.13466/j.cnki.lyzygl.2023.02.008

基于区域化特征分析的活立木生物量调查抽样优化

吴恒¹(), 刘浪¹, 陆驰², 王保云³()

1.国家林业和草原局西南调查规划院,昆明 650031
2.西南林业大学,昆明 650224
3.云南师范大学,昆明 650092

收稿日期:2022-12-18 修回日期:2023-04-21 出版日期:2023-04-28 发布日期:2023-06-26
通讯作者: 王保云(1977-),男,云南玉溪人,副教授,博士,主要从事机器学习和大数据分析研究。Email:wspbmly@163.com
作者简介:吴恒(1990-),男,云南曲靖人,高级工程师,博士,主要从事林草资源调查监测与规划设计工作。Email:wuheng@nwsuaf.edu.cn
基金资助:
国家林业和草原局西南调查规划院科技项目“基于区域化特征分析的森林碳储量年度监测抽样设计优化研究”(2023-09)

Sampling Optimization of Stand Biomass Survey Based on Regional Characteristics Analysis

WU Heng¹(), LIU Lang¹, LU Chi², WANG Baoyun³()

1. Southwest Survey and Planning Institute,National Forestry and Grassland Administration,Kunming 650031,China
2. Southwest Forestry University,Kunming 650224,China
3. Yunnan Normal University,Kunming 650092,China

Received:2022-12-18 Revised:2023-04-21 Online:2023-04-28 Published:2023-06-26

摘要/Abstract

摘要：

森林生物量调查监测是正确认识和管理森林生态系统的基础性工作,分析已有的调查资料是提高抽样效率的有效途径。采用四川省森林资源连续清查第六次至第九次数据,即2002年、2007年、2012年和2017年4个年度固定样地的调查数据,进行区域化特征分析,基于聚类分布模式进行空间分层抽样,采用不等概率抽样估计总体特征值。结果表明:区域化特征聚类分层能有效降低层内的方差,作为空间分层抽样的先验信息;在95%可靠性下,空间分层抽样活立木生物量估计精度的均值为93.41%,显著减少了外业样地调查工作量,能有效地提高抽样效率。

关键词: 抽样技术, 区域化特征, 空间相关性, 连续清查

Abstract:

Forest biomass monitoring is the basic work to correctly understand and manage forest ecosystem.Analyzing existing data is an effective way to improve sampling efficiency.In this study,regional characteristics analysis tool was used with the data from the sixth to ninth continuous forest inventories of Sichuan Province in 2002,2007,2012 and 2017,respectively.Combined with the regional characteristics analysis,some samples from the selected samples by stratified sampling were selected to form annual sampling plots.Probability sampling estimation was applied for sampling efficiency analysis.The results show that the regional characteristics analysis can effectively reduce the variance within each stratification,which can be used as the prior information of spatial stratification sampling.With 95% reliability,the average accuracy of spatial stratified sampling of stand biomass estimation was 93.41%,which greatly reduced the workload of field survey,effectively improved sampling efficiency.

Key words: sampling technique, regional characteristics, spatial correlation, continuous forest inventories

中图分类号:

S718.556

吴恒, 刘浪, 陆驰, 王保云. 基于区域化特征分析的活立木生物量调查抽样优化[J]. 林业资源管理, 2023,(2): 57-63.

WU Heng, LIU Lang, LU Chi, WANG Baoyun. Sampling Optimization of Stand Biomass Survey Based on Regional Characteristics Analysis[J]. FOREST RESOURCES WANAGEMENT, 2023,(2): 57-63.

图/表 6

表1

表2

图1

表3

表4

表5

参考文献 21

[1]	Lisboa S N, Guedes B S, Ribeiro N, et al. Biomass allometric equation and expansion factor for a mountain moist evergreen forest in Mozambique[J]. Carbon Balance and Management, 2018, 13(1):23-39. doi: 10.1186/s13021-018-0111-7 pmid: 30478717
[2]	方精云, 刘国华, 徐嵩龄. 我国森林植被的生物量和净生产量[J]. 生态学报, 1996(5):497-508.
[3]	Ali A, Lin S L, He J K, et al. Tree crown complementarity links positive functional diversity and aboveground biomass along large-scale ecological gradients in tropical forests[J]. Science of the Total Environment, 2019, 656:45-54. doi: 10.1016/j.scitotenv.2018.11.342
[4]	刘国华, 傅伯杰, 方精云. 中国森林碳动态及其对全球碳平衡的贡献[J]. 生态学报, 2000, 20(5):733-740.
[5]	秦立厚, 张茂震, 钟世红, 等. 森林生物量估算中模型不确定性分析[J]. 生态学报, 2017, 37(23):7912-7919.
[6]	闫睿. 重庆市乔木林碳储量动态分析及潜力预测[J]. 林业经济, 2019, 41(7):70-77.
[7]	孟祥江, 周恺. 基于森林资源二类调查数据的重庆市森林碳储量估算研究[J]. 安徽农业科学, 2013, 41(27):11038-11040.
[8]	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, 2019:18-46.
[9]	Navarro C R M, Gonzalez F E, Garcia G J, et al. Impact of plot size and model selection on forest biomass estimation using airborne LiDAR:A case study of pine plantations in southern Spain[J]. Journal of Forest Science, 2017, 63:88-97. doi: 10.17221/86/2016-JFS
[10]	Liu Qiannan, Li Ainang, Ouyang Zhiyun, et al. Spatial distribution characteristics of biomass and carbon storage in forest vegetation in Chongqing based on RS and GIS[J]. Nature Environment & Pollution Technology, 2016, 15(4):1381-1388.
[11]	孙皓晗, 佘光辉, 温小荣, 等. 空间自相关分析及绿地覆盖率的分层抽样估计[J]. 中南林业科技大学学报, 2012, 32(4):75-80.
[12]	吴恒, 孙昌平, 陆驰, 等. 空间自相关性在森林碳储量年度监测抽样中的运用[J]. 中南林业科技大学学报, 2022(11):112-118
[13]	国家林业和草原局. 2021中国林草资源及生态状况[M]. 北京: 中国林业出版社, 2022:55-56.
[14]	GB/T 38590—2020,森林资源连续清查技术规程[S].
[15]	周昌祥. 对我国森林资源清查体系及年度出数的研究与探讨[J]. 林业资源管理, 2013(2):1-5.
[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:自然科学版, 2021, 41(3):183-188.
[17]	Hou Z Y, Domke G M, Russell M B, et al. Updating annual state-and county-level forest inventory estimates with data assimilation and FIA data[J]. Forest Ecology and Management, 2020, 483:1-9.
[18]	曾伟生, 夏锐. 全国森林资源调查年度出数统计方法探讨[J]. 林业资源管理, 2021(2):29-35.
[19]	曾伟生, 陈新云, 蒲莹, 等. 基于国家森林资源清查数据的不同生物量和碳储量估计方法的对比分析[J]. 林业科学研究, 2018, 31(1):66-71.
[20]	Biplab B, Arun N Y, Chandraprabha D, et al. A critical review of forest biomass estimation equations in India[J]. Trees,Forests and People, 2021, 6(4):15-27.
[21]	Hetzer J, Huth A, Wiegand T, et al. An analysis of forest biomass sampling strategies across scales[J]. Biogeoences, 2020, 17(6):1673-1683.

年份	正态分布检验			全局空间自相关性
年份	K-S检验	S-W检验	P值	Moran'sI指数	z-score值
2002	0.22	0.74	<0.01	0.31	85.92
2007	0.18	0.80	<0.01	0.30	83.25
2012	0.18	0.81	<0.01	0.28	78.77
2017	0.17	0.81	<0.01	0.20	79.70

样地分组	年度	聚类分布模式
		高值集聚			低值集聚			相异集聚			随机分布
		数量/ 个	均值/ (t/hm²)	变异系数	数量/ 个	均值/ (t/hm²)	变异系数	数量/ 个	均值/ (t/hm²)	变异系数	数量/ 个	均值/ (t/hm²)	变异系数
组1	2002	160	234.20	0.54	175	4.71	0.87	30	56.76	3.11	377	49.84	1.10
	2007	158	237.87	0.55	156	5.82	0.79	35	48.33	1.43	385	53.72	0.97
	2012	150	253.02	0.54	165	6.70	0.77	41	47.30	1.17	384	61.42	0.91
组2	2002	159	239.86	0.64	176	4.88	0.74	24	62.34	2.29	374	49.66	1.23
	2007	154	249.68	0.63	183	6.05	0.75	31	41.38	1.49	389	57.10	1.11
	2012	149	258.35	0.63	172	6.52	0.82	34	51.94	1.35	395	62.68	0.93
组3	2002	173	260.37	0.68	172	4.65	0.78	28	27.69	1.60	398	48.74	1.01
	2007	178	267.43	0.67	167	5.62	0.84	26	45.13	1.17	409	52.71	0.91
	2012	166	282.44	0.62	177	6.16	0.87	35	67.23	1.06	401	61.87	0.88
组4	2002	160	251.66	0.60	156	5.04	0.78	35	28.51	1.92	321	50.62	1.26
	2007	155	260.85	0.57	153	6.56	0.85	32	27.40	1.90	340	57.76	1.11
	2012	149	270.69	0.52	142	7.33	0.85	29	57.80	1.10	355	62.69	1.03
组5	2002	160	251.72	0.66	159	4.67	0.81	32	31.68	1.75	397	43.59	0.99
	2007	163	259.91	0.64	159	5.36	0.82	35	39.63	1.54	405	49.00	0.90
	2012	156	272.90	0.63	158	7.00	0.78	38	53.00	1.40	401	53.72	0.82

分层情况	年度	抽样分组
		组1		组2		组3		组4		组5
		分组样地	检尺样地	分组样地	检尺样地	分组样地	检尺样地	分组样地	检尺样地	分组样地	检尺样地
空间分层	2002	1.85	0.69	1.94	0.72	1.79	0.69	2.02	0.68	1.82	0.68
	2007	1.62	0.60	1.67	0.64	1.61	0.63	1.74	0.60	1.61	0.61
	2012	1.50	0.56	1.51	0.57	1.45	0.57	1.62	0.55	1.50	0.57
不分层	2002	2.73	0.99	2.76	1.01	2.76	1.05	2.73	0.97	2.75	1.03
	2007	2.73	0.99	2.76	1.02	2.76	1.07	2.73	0.97	2.75	1.06
	2012	2.73	0.99	2.76	1.02	2.76	1.07	2.73	0.96	2.75	1.04

分层情况	估计年度	抽样分组										森林资源连续清查
		组1		组2		组3		组4		组5		森林资源连续清查
		中值/亿t	精度/%	中值/亿t	精度/%	中值/亿t	精度/%	中值/亿t	精度/%	中值/亿t	精度	中值/亿t	精度/%
空间分层	2007	12.52	92.86	13.34	94.36	13.06	94.02	12.96	93.88	13.34	94.21	13.00	94.73
	2012	13.89	93.76	13.72	93.99	13.71	93.94	14.02	94.43	14.11	94.37	13.95	94.90
	2017	16.12	93.66	15.82	93.33	15.70	93.22	15.15	93.63	15.57	93.48	15.97	95.49
不分层	2007	13.19	94.91	13.27	94.94	12.91	94.77	12.79	94.66	12.98	94.38	13.00	94.73
	2012	13.87	94.93	13.98	95.01	14.25	95.03	13.50	94.97	14.13	94.93	13.95	94.90
	2017	15.41	94.76	16.05	94.84	16.40	94.93	16.06	95.16	16.15	94.99	15.97	95.49

年度	空间分层抽样分组
	组1		组2		组3		组4		组5
	R	RD/%	R	RD/%	R	RD/%	R	RD/%	R	RD/%
2007	0.97	4.30	0.95	-3.00	0.95	-0.50	0.96	0.30	0.95	-2.90
2012	0.97	0.50	0.97	1.90	0.97	2.00	0.97	-0.60	0.97	-1.30
2017	0.93	-1.00	0.94	1.10	0.94	2.00	0.97	-7.40	0.94	2.90

基于区域化特征分析的活立木生物量调查抽样优化

Sampling Optimization of Stand Biomass Survey Based on Regional Characteristics Analysis

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 21

相关文章 13

编辑推荐

Metrics

本文评价

[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]	曾伟生, 杨学云. 我国一元立木材积表基本现状分析与估计误差检验[J]. 林业资源管理, 2023, 0(2): 43-49.
[3]	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.
[4]	陈敏, 叶金盛, 刘萍. 基于森林连续清查数据的马尾松立地质量评价[J]. 林业资源管理, 2020, 0(6): 85-89.
[5]	陈新云, 曾伟生, 王威, 张璐, 孙乡楠, 黄国胜, 党永峰, 秦仲焘. 论天津市森林资源连续清查抽样设计方案的优化改进[J]. 林业资源管理, 2018, 0(5): 42-46.
[6]	马克西, 曾伟生, 侯晓巍. 青海省林木胸径生长量与生长率模型研究[J]. 林业资源管理, 2018, 0(4): 22-27.
[7]	曾伟生, 陈新云, 杨学云. 内蒙古主要树种组立木胸径生长率模型研建[J]. 林业资源管理, 2018, 0(2): 38-42.
[8]	葛宏立, 孟源源. 森林面积不同抽样估计方法的无偏性及有效性分析与证明[J]. 林业资源管理, 2016, 0(4): 47-52.
[9]	孟源源, 葛宏立. 块状与带状森林的面积抽样估计计算机模拟[J]. 林业资源管理, 2016, 0(2): 49-55.
[10]	吴雪琼, 李华, 崔文举. 基于文献计量的我国森林资源调查现状分析[J]. 林业资源管理, 2015, 0(1): 168-172.
[11]	李明军, 杜明凤, 喻理飞. 贵州省杉木中龄林蓄积量与立地因子的关系研究[J]. 林业资源管理, 2014, 0(5): 58-63.
[12]	高明福. 关于提高内蒙古森林资源连续清查质量的几点做法[J]. 林业资源管理, 2014, 0(3): 42-44.
[13]	李明阳, 张向阳, 吴文浩, 刘方. 森林生物量空间知识挖掘方法应用研究——以河南西峡县为例[J]. 林业资源管理, 2011, 0(5): 53-59.