基于廣東省大樣地不同群團抽樣方案的對比分析

梁文業(yè)，賀 鵬，胡 覺

(1.西藏自治區(qū)林業(yè)調查規(guī)劃研究院，拉薩 850000；2.國家林業(yè)局中南林業(yè)調查規(guī)劃設計院， 長沙 410014)

基于廣東省大樣地不同群團抽樣方案的對比分析

梁文業(yè)1，賀 鵬2，胡 覺2

(1.西藏自治區(qū)林業(yè)調查規(guī)劃研究院，拉薩 850000；2.國家林業(yè)局中南林業(yè)調查規(guī)劃設計院， 長沙 410014)

在廣東省2012年大樣地試點成果的基礎上，采用不同群團抽樣方案與遙感判讀相結合的方式，產出全省森林覆蓋率，并與2012年試點成果和連清結果進行對比分析，結果表明大樣地群團抽樣方法是一種可行高效的方法，且工作量顯著低于圖斑區(qū)劃判讀的工作量。

大樣地；群團抽樣；遙感判讀；廣東省

森林是陸地生態(tài)系統的主體，在當前全球生態(tài)環(huán)境惡化和氣候變暖的背景下，森林的生態(tài)功能得到前所未有的關注，1992年的《聯合國氣候變化框架公約》、1997的《京都議定書》、2007年的《國際森林文書》和《巴厘路線圖》均強調加強森林保護，減少毀林。因此及時掌握森林消長變化情況，特別是年度森林面積和蓄積顯得十分迫切。廣東省2012年開展了大樣地試點工作，探索省級森林資源年度出數方法，本文以此為基礎，采用群團抽樣方法對監(jiān)測體系進行優(yōu)化，以期探索一種操作性更強的省級森林資源年度出數的技術方法。

1 研究方法

1.1 群團樣地設置方案

以2012年廣東大樣地試點數據為基礎，在原試點布設的459個2 km×2 km大樣地上(大樣地布設具體情況參見文獻[1-2])，每個大樣地再按250 m×500 m間距布設41個666.67 m2的群團樣地，以此為基礎再分12種方案抽取不同數量樣地(如圖1)：方案1抽取1個樣地，7號小樣地；方案2抽取3個樣地， 1，7和13號小樣地；方案3抽取5個樣地，4，5，7，9和10號小樣地；方案4抽取7個樣地，4，5，6，7，8，9和10號小樣地；方案5抽取9個樣地， 1，3，4，5，7，9，10，11和13號小樣地；方案6抽取12個樣地，14，15，16，17，18，19，20，21，22，23，24和25號小樣地；方案7抽取13個樣地，1，2，3，4，5，6，7，8，9，10，12和13號小樣地；方案8抽取15個樣地，1，2，3，6，7，8，11，12，13，16，17，18，21，22和23號小樣地；方案9抽取16個樣地，26，27，28，29，30，31，32，33，34，35，36，37，38，39，40和41號小樣地號；方案10抽取17個樣地，1，3，4，5，7，9，11，13，26，29，31，32，35，36，38和41號小樣地；方案11抽取25個樣地，抽取奇數行樣地；方案12抽取全部41個樣地。

1142153262728291641751830313233619720834353637219221023383940411124122513圖1 2km×2km大樣地群團抽樣方案示意圖

1.2 數據處理

數據處理分如下兩個步驟進行：

第一步驟，根據上述樣地布設方案生成群團樣地矢量框，用以提取2012年廣東大樣地區(qū)劃判讀圖層屬性，按照面積優(yōu)勢法確定樣地的地類屬性，僅分森林和非森林，分不同抽樣方案產出全省森林面積和森林覆蓋率估計值以及變動系數。

第二步驟，組織人員獨立完成全省459個群團樣地(18 819個小樣地)的判讀，地類只分森林和非森林，同樣分不同抽樣方案產出全省森林面積和森林覆蓋率估計值以及變動系數，判讀所采用的遙感影像均為2012年廣東試點所用影像，影像成像時間主要在2011年10月至2012年3月，空間分辨率為2.5～5 m。

基于以上兩個步驟的數據處理結果，進行遙感判讀一致率統計，并對兩次判讀不一致的原因進行分析。

1.3 數據統計分析

采用整群抽樣公式估計森林面積成數，計算抽樣精度和變動系數[3]。

抽樣精度：P%=100-E%

式中，N為總體單元數，n為樣本單元數(群團樣地個數)，mi為第i個群團樣地設置的1畝樣地個數，yi為第i個群團樣地中地類屬于森林的樣地個數，yij為第i個群團樣地中第j個樣地的地類屬性值(1或0)，ta為可靠性指標，統一取ta=1.96。

2 結果分析

根據數據處理方法，分不同群團方案產出廣東省森林面積成數、變動系數和抽樣精度，得到第一步驟直接提取原判讀地類屬性估計計算結果和第二步驟再次判讀地類屬性估計計算結果，詳見表1和表2。廣東省2012試點結果詳細參見表3。

2.1 不同抽樣方案與廣東省2012試點結果比較分析

直接提取廣東省2012年試點大樣地判讀圖層的地類屬性(第一步驟數據處理)分不同方案產出全省的森林面積覆蓋率、變動系數和抽樣精度(表1)與2012年廣東省試點結果(表3)比較：各群團抽樣方案的森林面積覆蓋率要高于連清估計結果(差異在2%以內)，接近于大樣地系統抽樣估計結果，低于大樣地雙重抽樣結果(差異在2%以內)；除方案1以外，各群團抽樣方案的變動系數明顯低于連清抽樣的變動系數，接近于大樣地系統抽樣和雙重抽樣的變動系數；各群團抽樣方案的抽樣精度低于連清抽樣精度和大樣地雙重抽樣精度(差異在2%以內)，除方案1外，其余的都接近于大樣地系統抽樣精度。

表1 直接提取原判讀地類屬性估計計算結果抽樣方案群團樣本數量森林面積/萬hm2森林覆蓋率/%變動系數/%成數估計值標準差抽樣精度/%方案11920 4352 0796 050 5206970 500191 21方案23915 3051 7870 380 5177920 364493 59方案35942 0053 2967 020 5328980 357193 90方案47935 8452 9464 310 5294120 340594 12方案59949 1053 6960 880 5369160 326994 46方案612922 0352 1662 120 5216040 324094 32方案713942 6553 3359 910 5332660 319594 52方案815942 6552 8859 350 5288310 313994 60方案916923 0852 2263 020 5221950 329194 23方案1017923 0852 8161 250 5281300 323594 43方案1125932 7652 7759 600 5276690 314594 55方案1241928 9852 5560 060 5255330 315794 52

表2 再次判讀地類屬性估計計算結果抽樣方案群團樣本數量森林面積/萬hm2森林覆蓋率/%變動系數/%成數估計值標準差抽樣精度/%方案11935 8452 9494 380 5294120 499791 37方案23967 9354 7667 640 5475670 370493 84方案35967 4254 7366 600 5472770 364593 94方案47963 8954 5363 880 5452850 348394 19方案59981 6255 5359 430 5553130 330094 59方案612956 3854 1062 840 5410310 340094 28方案713974 0555 1059 150 5510310 325994 62方案815968 1954 7759 830 5477120 327794 56方案916965 9254 6462 560 5464320 341994 31方案1017974 5755 1360 260 5513260 332294 52方案1125965 5754 6259 880 5462310 327194 55方案1241965 7154 6360 130 5463100 328594 53

表3 廣東省2012年試點估計計算結果抽樣方案樣地數量森林面積/萬hm2森林覆蓋率/%變動系數/%成數估計值標準差抽樣精度/%2012連清結果3685906 1351 2697 520 5126190 499996 85大樣地系統抽樣459924 0952 2859 430 5227650 310794 59大樣地雙重抽樣459969 2254 8359 430 5483000 325996 06

獨立組織人員對再次對廣東省群團樣地進行判讀，分不同方案產出的全省的森林面積覆蓋率、變動系數和抽樣精度(表2)與2012年廣東省試點結果(表3)比較：各群團抽樣方案的森林面積覆蓋率均高于連清抽樣估計結果(差異在4%以內)和大樣地系統抽樣估計結果(差異在3%以內)，接近于大樣地雙重抽樣估計結果；各群團抽樣方案的變動系數均明顯低于連清抽樣變動系數(除方案1以外)，接近于大樣地系統抽樣和大樣地雙重抽樣的變動系數。

2.2 不同抽樣方案之間比較分析

從表1、表2可知，各群團抽樣方案的森林覆蓋率估計值差異較小，抽樣精度也非常接近(除方案1以外)。各群團抽樣方案的變動系數與群內樣本數量的關系如圖1、圖2，可看出，變動系數隨群內樣本數量增加先急劇下降，當群內樣本數量達到10個以上時，變動系數趨于平穩(wěn)。

圖1 第一步數據處理各群團抽樣方案變動系數與群內樣本數量關系圖

圖2 第二步數據處理各群團抽樣方案變動系數與群內樣本數量關系圖

2.3 遙感判讀不一致率分析

第一步驟與第二步驟遙感判讀不一致率為13.84%，不一致原因統計分析見表4。原區(qū)劃判讀結果有誤導致遙感判讀不一致所占比重為33.41%；本次判讀有誤所占比重為31.36%，這表明圖斑區(qū)劃判讀與群團樣地判讀錯判率差異較小，但群團樣地判讀的工作顯著地低于圖斑區(qū)劃判讀工作量。

表4 遙感判讀不一致率統計分析表不一致原因圖斑區(qū)劃為森林樣地判為非森林圖斑區(qū)劃為非森林樣地判為森林合計百分比/%區(qū)劃判讀錯誤圖斑中有小地類3612616219 61圖斑中不含小地類397511413 80樣地判讀錯誤遙感影像森林不明顯848410 17遙感影像明顯為森林1185717521 19樣地跨兩個不同地類圖斑526411614 04模糊地類1615917521 19

3 結論與建議

本文在廣東省2012年大樣地試點成果的基礎上，采用大樣地群團抽樣和遙感判讀方法，分不同群團抽樣方案，產出全省森林覆蓋率，并與2012年試點成果和連清結果進行對比分析。結果分析表明，大樣地群團樣地是一種可行高效的年度出數方法(森林覆蓋率)；當群內樣本數量達到10個以上時，森林面積變動系數趨于平穩(wěn)，與大樣地圖斑區(qū)劃相比工作量顯著降低；如果采用群團樣地方法時，建議對大樣地群團進行加密，保證抽樣精度滿足國家森林資源連續(xù)清查的要求和監(jiān)測結果更加客觀準確。

[1] 薛春泉, 肖智慧, 汪求來, 等. 森林資源年度出數方法研究─基于大樣地區(qū)劃調查[M]. 北京：中國林業(yè)出版社, 2013.

[2] 肖智慧, 薛春泉, 熊智平, 等. 國家森林資源與生態(tài)狀況綜合監(jiān)測(2012)——廣東試點研究[M]. 北京：中國林業(yè)出版社, 2013.

[3] 宋新民. 抽樣技術[M]. 北京：中國林業(yè)出版社, 1995.

ComparisonAnalysisofSeveralDifferentClusterSamplingSchemesBasedonGuangdongProvinceLargePlots

LIANG Wenye1, HE Peng2, HU Jue2

(1.Forest Inventory and Planning Institute of Tibet Autonomous Region, Lhasa 850000,Tibet,China；2.Central South Forest Inventory and Planning Institute of State Forestry Administration, Changsha 410014,Hunan,China)

In this paper, we used different cluster sampling schemes and remote sensing interpretation method to output forest coverage in Guangdong province based on forest resource monitoring with large plots in 2012. Comparing with forest resource monitoring and national forest inventory, the results showed that sample cluster sampling method was an efficient and feasible method, and cluster sample interpretation workload was significantly lower than workload of map spot zoning interpretation.

large plots；cluster sampling；remote sensing interpretation；Guangdong

2016-09-28

梁文業(yè)(1978-)，男，河南許昌人，工程師，主要從事森林資源監(jiān)測工作。

S 757.2+16

B

1003-6075(2016)04-0057-04

10.16166/j.cnki.cn43-1095.2016.04.012