欢迎访问林草资源研究
技术应用

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
展开
  • 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
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

收稿日期: 2020-11-05

  修回日期: 2021-01-06

  网络出版日期: 2021-03-30

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

  • Rui WANG ,
  • Qinyu YANG ,
  • Guanglong OU ,
  • Hui XU
Expand
  • Key Laboratory of State Forestry Administration on Biodiversity Conservation in Southwest China,Southwest Forestry University,Kunming 650224

Received date: 2020-11-05

  Revised date: 2021-01-06

  Online published: 2021-03-30

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%。

本文引用格式

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]. 林草资源研究, 2021 , 0(1) : 197 -202 . DOI: 10.13466/j.cnki.lyzygl.2021.01.025

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.

参考文献

[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.
文章导航

/