森林资源大样地双重抽样监测研究

陈振雄，贺东北，甘世书，刘凯昌，胡 觉

(1．国家林业局中南林业调查规划设计院，长沙 410014； 2.广东省林业调查规划院，广州 510520)

森林资源大样地双重抽样监测研究

陈振雄1，贺东北1，甘世书1，刘凯昌2，胡 觉1

(1．国家林业局中南林业调查规划设计院，长沙 410014； 2.广东省林业调查规划院，广州 510520)

基于大样地双重抽样调查方法，通过监测不同大小和空间位置的遥感和地面样地，同时采用双重回归估计方法，分别得出广东省的森林资源结果，比较其差异，并分析了不同样地大小时各地类变动系数的变化情况，并就遥感正判率对抽样效率的影响等进行了研究。结果表明： ①采用2km×2km遥感样地和500m×500m地面样地双重回归得到的林地、森林、有林地、乔木林地等的面积，其结果可靠，抽样精度达95%以上； ②500m×500m遥感样地判读得到林地、森林、有林地、乔木林地的面积，正判率均在80%以上，与地面调查得到的面积成数相关紧密，R2均在0.5以上。③1.5km×1.5km遥感样地和500m×500 m地面样地双重抽样组合方案，应为广东省森林资源监测的优选方案； ④对于林地、森林、有林地、乔木林，样地面积大于1km×1km时，其变动系数基本趋于稳定，因此遥感样地应设置1km×1km以上。

森林资源；大样地；双重抽样；一类清查；广东省

森林资源监测是林业重要的基础性工作和公益性事业，是国情国力调查的重要组成部分[1]。目前，我国森林资源监测主要以森林资源连续清查( 简称一类清查)为主，采用系统抽样方法布设固定样地，每5年进行一次调查。一类清查经过三十多年的运行，日趋完善，得到了联合国粮农组织(FAO)等国际组织的高度认可与评价，在国际上居领先地位[1-3]。但是，一类调查存在时效性不强、新技术利用不高等诸多问题，需要进一步优化完善。一类清查样地面积一般为666.7m2，面积较小，受遥感数据与地面配准精度影响较大，造成遥感数据在一类清查中应用效率不高，遥感技术仅局限于产出森林资源分布图等森林资源宏观分布信息。纵观美国、德国、加拿大、瑞士等世界林业发达国家的森林资源清查，采用分层、双重分层、三阶抽样等抽样方法，设置大尺度样地，利用遥感影像、航片等获取辅助信息等进行分层，有效利用了遥感数据，提高了工作效率。

本研究借鉴国外森林资源清查中的相片样地或景观样地设计，以及FAO开展全球森林资源评估的大样地设计，开展大样地双重抽样调查试点。以广东省为例，总体布设大样地，利用当前林业调查主要遥感卫星数据源，结合森林经营档案和其它专项调查成果等进行区划判读，并配合一定数量的地面实测，通过回归方法修正判读误差，满足一定精度要求下的森林资源监测出数，以期为拓展森林资源监测思路、创新监测方法、改进监测技术手段，优化完善现有监测体系等提供参考。

1 研究区概况

广东省地处中国大陆最南部，位于20°13′—25°31′N和109°39′—117°19′E之间，全省陆地总面积17.69万km2。根据2012年森林资源连续清查统计结果，全省森林覆盖率为51.26%，林地面积占国土面积的60.90%，活立木总蓄积3.78亿m3。

自1978年开始，广东省建立了森林资源清查体系，全省按6km×8km布设666.7m2方形固定样地3685个，并先后于1983年、1988年、1992年、1997年、2002年、2007年和2012年进行了七次复查。自1993年开展森林资源二类调查以来，全省建立了约130万个地籍小班数据库。并以此为基础，应用“3S”技术建立变化小班(如采伐、征占用林地、造林)台帐数据库和利用模型技术对自然变化的小班进行档案更新，每年形成新的地籍小班档案数据库，产出全省年度森林资源状况与变化数据。

2 研究方法

2.1 大样地双重抽样调查

大样地是指面积达到数平方千米以上的样地，它既是抽样调查样本，又含有区划调查内容，是介于森林资源一类样地调查和二类小班调查之间的中间形式[4]。大样地双重抽样调查[5]，是指采用系统抽样方法，等间距设置一定数量的遥感样地和地面样地，以遥感样地为一重样本，地面样地为二重样本，采用双重回归估计或比估计方法产出森林资源主要数据的调查方法。其中，遥感样地调查充分利用最新高分辨率遥感影像、航片等，结合林地保护利用规划、最新森林资源二类调查、森林资源一类清查和各项专业调查等资料进行区划判读；地面样地调查以遥感判读样地为基础，在遥感样地范围内系统抽取部分范围到现地进行实地区划调查。

2.2 双重回归估计

双重回归估计，就是在总体中抽取一个大样本n′来估计辅助变量的总体平均值，再从总体中抽取一个较小样本n，对n个单元调查主要因子与辅助因子，并建立主要因子与辅助因子之间的线性关系，然后对总体主要因子的平均数作出估计。n′大，成本低，易测，n小,成本高，测定困难。在主要因子与辅助因子线性关系紧密的情况下，可以提高估计精度，或者在相同精度要求的条件下，可减少工作量。

以大样地双重回归方法估计某地类面积成数为例，假设第一重样本(遥感样地)单元数为n′，第二重样本(地面样地)单元数为n。第一重样本单元只观测某地类遥感判读面积成数x；第二重样本同时观测遥感判读面积成数x和实地调查面积成数y成对值，则该地类面积成数总体平均估计值可按下式计算：

(1)

总体方差近似等于[6]：

(2)

在实际应用中，总体N相当大，并用样本指标代替总体指标，故(2)式改变为：

(3)

(4)

3 广东省大样地双重抽样设计

3.1 确定样地数量

如果考虑一重样本每个单元调查成本Cn和第二重样本每个单元调查成本Cm，则欲使两重样本调查的总成本最小，则双重回归估计第二重样本单元数(n)和第一重样本单元数(n′)分别按以下公式计算[6]：

(5)

(6)

根据广东省历次一类调查、二类调查等成果资料，按照(5)和(6)式进行计算，并参照FAO和加拿大等森林资源调查面积不低于国土面积1%的抽样比确定样地数量459个。

3.2 样地设置

以省为总体，按24km×16km间距系统布设459个2km×2km遥感样地和500m×500m地面样地，大样地数量占一类清查样地的1/8，调查面积占国土面积的1.04%。为方便外业调查，本次研究结合广东省2012年森林资源一类清查工作进行，将森林资源一类清查固定样地西南角点作为遥感样地与地面样地中心点。

3.3 样地调查

本次大样地调查，仅开展面积监测，未作蓄积量调查。样地调查小班最小区划面积为666.7m2，林地地类原则上只区划至二级地类(仅有林地、灌木林区划至三级地类)，非林地至一级地类。小班属性主要调查地类、起源、优势树种(组)、龄组、郁闭度等级等10个因子。遥感样地调查使用的卫星影像有： 2011年10月至2012年3月的RapidEye(5m)和SPOT5(2.5m)融合彩色影像，覆盖国土面积约80%；2007年至2009年林地落界时使用的SPOT5(2.5m)融合彩色影像，覆盖国土面积约20%。调查中还充分利用Google-Earth最新高清影像、地形图、地形地貌等信息进行辅助区划。属性因子判读充分利用林地落界、森林资源二类调查、相关专项调查等成果进行综合判断。遥感样地调查完成后，从2km×2 km遥感样地区划判读结果中按500m×500m抽取地面样地，保留小班区划界线，叠加遥感影像，打印500m×500m地面样地外业调查底图(不提供判读属性数据)进行实地调查。调查时对所有判读小班逐个核实、修正或补充区划，现地调查属性因子。对于面积较小或地形较为复杂的地块，借助GPS辅助定位。对遥感成像后因造林、采伐、火灾、征占用等因素导致地块发生变化的图斑，通过现地实测或GPS定位准确划定小班。

3.4 双重抽样分析设计

为分析不同面积大小遥感样地和地面样地的变动系数、不同大小的遥感样地和地面样地双重抽样组合得到的监测结果差异。在2km×2km遥感样地中，同中心点分别切取250m×250m，500m×500m，750m×750m，1 000m×1000m，1500m×1500m等5种大小尺度的遥感样地。在500m×500m地面样地中，按中心点、中心点正偏移(+75m，+75m)和中心点负偏移(-75m，-75m)分别切取3个250m×250m地面样地。如图1所示。

图1 不同样地大小、空间位置监测分析示意图

4 结果与分析

4.1 遥感样地不同大小双重抽样结果分析

将大样地按同中心点分别设置1 km×1 km、1.5km×1.5 km、2 km×2 km遥感样地(一重样本)和500 m×500 m地面样地(二重样本)，采用双重回归计算得到各地类面积成数及抽样精度，见表1。

从表1可以看出，2 km×2 km遥感样地、500 m×500 m地面样地双重抽样组合得到的林地、森林、有林地和乔木林4个主要面积数据的精度有保证，其抽样精度均达到95%以上；得到的疏林地、灌木林地、未成林地、无立木林地、宜林地等其它小成数地类数据，抽样精度均低于80%。当地面样地为500 m×500 m时，遥感样地由1 km×1 km增至2 km×2 km，得到的各地类面积成数相差很小。与采用2 km× 2km遥感样地相比，采用1.5 km×1.5 km得到的各地类面积成数平均值仅相差0.05，且单个地类相差最大不超过0.28，得到的林地、森林、有林地面积抽样精度在95%以上，乔木林抽样精度为94.97%；采用1 km×1 km得到的各地类面积成数平均值相差0.23，得到的林地、森林抽样精度仍在95%以上，但有林地、乔木林抽样精度均低于95%，平均相差0.4以上。对于林地、森林、有林地、乔木林遥感判读与地面样地调查得到的面积成数之间相关关系紧密，R2均在0.5以上；对于疏林地、灌木林地、未成林地、宜林地、无立木林地等其它小成数地类，R2均在0.15以下。

表1 500m×500m地面样地与不同大小遥感样地双重抽样回归结果地类遥感样地2km×2km1.5km×1.5km1km×1km面积成数/%精度/%面积成数/%精度/%面积成数/%精度/%遥感与地面样地之间的关系(yi=a+bxi)abR2林地 63.2197.5262.9397.2762.5796.677.6190.9080.85森林 54.7396.0654.6395.9054.3195.4611.3920.8290.65有林地 49.6695.4549.6795.2949.4494.849.7240.8060.62乔木林 47.6595.1147.6894.9747.1194.7510.5590.7750.58疏林地 0.7153.880.6953.020.6852.170.5090.1170.04灌木林地 7.8478.507.7478.147.6977.791.3610.2140.03未成林地 1.6153.161.6153.071.6153.015.7930.5230.13无立木林地1.2252.891.2353.141.2453.490.9720.0730.01宜林地 1.5357.051.4955.561.4654.390.9280.4130.13

4.2 地面样地不同位置双重抽样结果分析

为了分析地面样地在不同空间位置时得到林地、森林、有林地、乔木林结果差异，在500 m×500 m地面样地中心切取1个250 m×250 m的地面样地，并将中心点坐标正偏移(+75 m，+75 m)、负偏移(-75 m,-75 m)切出2个250 m×250 m样地，分别与1 km×1 km遥感样地进行双重抽样组合，得到的结果见表2。

结合表1可以看出，当地面样地由500 m×500m降至为250 m×250 m时，遥感样地与地面样地得到的林地、森林、有林地、乔木林面积成数之间的相关关系明显降低，R2平均下降0.11，有林地、乔木林抽样精度均在95%以下。地面样地由250 m×250 m增至500 m×500 m比遥感样地由1 km×1 km增至2 km×2 km，对抽样效率的贡献大，林地、森林、有林地、乔木林抽样精度平均提高0.4个百分点。相比中心点位置的250 m×250 m地面样地，中心点正、负偏移位置得到的林地、森林、有林地和乔木林相关系数平均相差0.1左右，抽样精度平均相差在0.7以下；面积成数平均值相差0.22，其中有林地相差最大为1.39，乔木林次之为1.37，森林为0.62、林地为0.15。说明利用不同空间位置的250 m×250 m地面样地与1 km×1 km遥感样地进行双重回归估计，得到的林地、森林结果还是比较稳定的，但对得到的有林地和乔木林结果仅基本稳定，这可能与250 m×250 m地面样地面积小，变动相对较大所致。

表2 不同位置250m×250m地面样地与遥感样地双重抽样回归结果地类中心点遥感样地2km×2km1.5km×1.5km1km×1km面积成数精度面积成数精度面积成数精度R2正偏移75m负偏移75m遥感样地遥感样地1km×1km面积成数精度R21km×1km面积成数精度R2林地 63.4996.6963.2396.6462.9196.510.6862.9397.030.7962.7697.130.81森林 54.6495.1354.5695.1054.2995.000.4954.9195.520.6053.7495.410.59有林地 48.7294.3748.7394.3548.5394.240.4749.9294.910.5847.9194.700.57乔木林 46.4593.9546.4793.9246.2793.820.4347.6494.440.5345.9294.290.54

4.3 遥感正判率对抽样效率的影响分析

利用500 m×500 m地面样地实地调查结果，对同范围内的遥感样地判读结果进行比较分析，得到各地类的遥感正判率。正判率越高，遥感样地和地面样地得到的各地类面积成数相关性越强，抽样效率越高。林地、森林、有林地、乔木林、疏林地、灌木林、未成林地、无立木林地、宜林地的遥感正判率分别为94.12%，87.00%，87.33%，80.26%，7.33%，42.92%，14.67%，11.45%，24.64%。根据表1建立相关系数与遥感正判率的回归方程结果如下：

Y=0.020 90·X0.819 16(R2=0.96)

式中:Y为相关系数，X为正判率(%)。从式中可以计算出当正判率达75%以上时，相关系数达0.7以上，遥感样地发挥作用显著。

为分析正判率对抽样效率的影响，假设每个2 km×2 km遥感样地调查成本Cn约300元 (按每人每天调查1个计)，则同样大小的地面样地调查成本Cm约9 000元(按22.5元/hm2计)，即Cm/Cn=30。以产出乔木林面积为例，根据前面分析其变动系数Cv近似为80%，设期望精度为95%，如果采用系统抽样，需要调查地面样地数984个。参照Cochran关于“两个时期抽样”(two-phase sampling两相抽样)，计算需要调查的地面样地数m和遥感样地数n最优配比，并分析在地面样地数不变的情况下，随着遥感样地数变化，其抽样精度的变化情况，结果见表3。

表3 遥感正判率对抽样效率的影响分析正判率/%抽样精度为95%抽样精度随遥感样地大小的变化mnn/m最优比n/m=3n/m=4n/m=8n/m=163092818311.9795.2695.5796.7397.944087222692.6095.1295.9296.6297.875080226403.2994.9195.7596.4897.786071829344.0994.6295.5096.2897.657062031385.0694.2195.1696.0097.478050832286.3593.6094.6695.5897.219038231638.2792.6293.8494.9096.78

结果表明，随着正判率提高，调查样地减少，当遥感正判率达80%时，外业调查样地减少近50%。在地面样地数不变的情况下，随着遥感样地增大，抽样精度上升。遥感正判率为80%和90%时，遥感样地数与地面样地数最优配比分别为6.35和8.27，为便于在生产中操作，n/m之比应取整数，因此广东省遥感样地数与地面样地数最优配比约为8∶1和9∶1。

4.4 不同大小样地各地类变动系数变化分析

不同大小样地得到的各地类变动系数结果见表4。为了更直观展示各地类变动系数随样地大小的变化趋势情况，做出各地类变动系数随样地大小的变化趋势图(图2)。其中林地、有林地、森林和乔木林的变动系数随样地大小的变化趋势类似，灌木林地、疏林地、未成林地、无立木林地的变动系数随样地大小的变化趋势类似。

表4 各地类变动系数随样地大小的变化地类遥感样地地面样地0.25km×0.25km0.5km×0.5km0.75km×0.75km1km×1km1.5km×1.5km2km×2km0.25km×0.25km0.5km×0.5km林地 67.8663.5460.7058.8356.6854.8664.1460.61森林 77.3871.0567.0264.3961.5259.4374.5269.72有林地 82.5276.1371.7168.9265.9463.7184.3877.65乔木林地 85.3878.4973.6570.5967.2464.7287.6979.94疏林地 559.02446.52394.67363.31313.58274.47691.01541.57灌木林地 420.79370.61337.12323.72306.65293.31256.16255.48未成林地 772.53585.13505.00456.46375.73321.61570.00523.97无立木林地324.57266.48237.77216.37187.86169.15624.60506.54宜林地 615.45509.97430.99399.52346.61313.39586.22518.26

图2 各地类变动系数随样地大小的变化

随着样地面积的增大，各地类变动系数逐渐减小。对于林地、森林、有林地、乔木林，当遥感样地面积由250 m×250 m增至1 km×1 km时，变动系数明显下降，平均变动系数下降12.60%。当样地大小由1 km×1 km增至2 km×2 km，变动系数变化趋势渐缓，基本趋于稳定，变动系数平均仅下降5.00 %。如就森林面积估计而言，参考样地数量计算基本公式：n=t2c2/E2，即抽样误差相同时，样地数与变动系数的平方成正比。遥感样地从1×1 km2增大到2×2 km2，样地面积增加至4倍，对应的样地数可减少约15%。1个1 km×1 km的遥感样地大约相当于0.85个2 km×2 km的遥感样地，也就是说将1 km×1 km的遥感样地扩大4倍后，取得同样抽样效率时的样地数只能减少15%，继续增大遥感判读样地面积对提高抽样效率作用显著。因此，对于林地、森林、有林地、乔木林而言，遥感样地面积设置为1 km×1 km以上时是适用的。对于疏林地、灌木林、未成林地、无立木林地、宜林地等地类，当遥感样地大小由250 m×250 m增至2 km×2 km时，变动系数下降了264.08%。样地大小为2 km×2 km时，其变动系数仍较大，平均为274.39%。因此，对于疏林地、灌木林、未成林地、无立木林地、宜林地等地类，样地面积设置为2 km×2 km时仍不适用，如果要得到小成数地类可靠(抽样精度95%以上)的统计结果，根据统计学原理，样地数量、大小应大幅度加大，投入的人力、物力也大幅度增加。

5 结论与讨论

本研究利用大样地双重抽样调查方法，对广东省森林资源面积进行监测。比较分析了遥感样地和地面样地不同大小、空间位置所估测的监测结果及各地类变动系数变化情况，分析了遥感正判率对抽样效率的影响等，主要结论如下：

1) 利用459个2 km×2 km遥感样地和500 m×500 m地面样地双重抽样组合得到的广东省林地、森林、有林地和乔木林面积，抽样精度均达到95%以上，结果可靠。且调查样地数仅为清查的1/8，减少了外业调查工作量。

2) 遥感样地1.5 km×1.5 km与地面样地500 m×500 m抽样组合应为广东省森林资源监测的较优方案。理由如下： 一是当地面样地为500 m×500 m、遥感样地为1.5 km×1.5 km时，估测结果与2 km×2 km得到的结果相差较小，林地、森林、有林地、乔木林平均面积成数平均值相差0.09，最大不超过0.28，平均精度仅减少0.36，变动系数相差2%以内；二是1.5 km×1.5 km遥感样地与500 m×500 m地面样地双重抽样组合，符合遥感样地与地面样地数最优配比9∶1，抽样效率较优；三是地面样地为500 m×500 m时，遥感样地和地面样地得到的各地类面积成数相关性明显高于250 m×250 m地面样地，乔木林等地类的面积成数相关系数平均提高0.11，相关系数与抽样效率紧密相关，适当提高相关系数，可明显提高抽样精度和结果的可靠性；四是250 m×250 m地面样地偏小，不同空间位置得到的林地、森林面积较稳定，但有林地和乔木林面积成数跳动1.39和1.37百分点，不利于前后期数据的连续监测。

3) 正判率越高，调查样地越少，抽样效率越高。遥感判读得到的林地、森林、有林地、乔木林等大成数地类遥感正判率达80%以上。遥感样地发挥作用显著，相比系统抽样，可减少外业调查工作量近50%；对疏林地、灌木林、未成林地、无立木林地等小成数地类遥感正判率均在50%以下，遥感样地发挥作用不显著。

4) 随着样地面积的增大，各地类变动系数逐渐减小。对于林地、森林、有林地、乔木林，当遥感样地面积达1 km×1 km以上时，变动系数明显下降，且变化渐趋平缓。对于疏林地、灌木林、未成林地、无立木林地、宜林地等地类；样地大小为2 km×2 km时，其变动系数仍较大，如需产出更为准确的监测结果，样地面积应进一步扩大。

致谢: 国家林业局调查规划设计院曾伟生教授提出了很好的建议和给予的帮助，在此深表谢意。

[1] 闫宏伟,黄国胜,曾伟生,等.全国森林资源一体化监测体建设的思考[J].林业资源管理,2011(6)：6-11.

[2] 唐守正.我国森林资源清查体系位居世界先进行列[N].中国绿色时报，2009-11-18(2).

[3] 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(6)：15-18.

[4] 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,2012,3(31):1-4.

[5] 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,2014,3(31):1-4.

[6] 宋新民,李金民.抽样调查技术[M].北京：中国林业出版社,2009.

ForestResourcesMonitoringBasedonDoubleSamplingwithLargePlot

CHEN Zhenxiong1，HE Dongbei1，GAN Shishu1, LIU Kaichang2， HU Jue1

(1.Central South Forest Inventory and Planning Institute of State Forestry Administration，Changsha 410014，Hunan，China；2. Guangdong Forest Inventory and Planning Institute, Guangzhou 510520，Guangdong，China)

In this paper, the forest resources monitoring in Guangdong province based on double sampling withdifferent area size large plot was studied, and the difference comparison of forest resources monitoring result by using different area size and space position large plot was studied, then the coefficient of variation changes, theremote sensing accuracy to influence the double sampling efficiency with large plot were analyzed.The results showed that: the area estimates of forestry land, forestedland, forest and arbor forest based on double sampling with 2km×2km remote sensing and 500m×500m field surveylarge plot were very reliable, the sampling precisionsof the estimates were up to 95%; The remote sensingjudgment accuracy of forestry land, forestedland, forest and arbor forest was above 80%, the area estimateswas very closed by remote sensing and field surveying, theR2was above 0.5; the best method to monitor forest resources in Guangdong province was double sampling with 1.5km×1.5km remote sensing and 500m×500m field survey large plot; The change of variationcoefficient of forestry land, forestedland, forest and arbor forest was stablewhen large plot was up to 1km×1km.

forest resources； large plot； double sampling； continuous forest inventory； Guangdong

2014-09-20

陈振雄(1979-)，男，湖南新邵人，高级工程师，主要从事森林资源监测工作。

S 757.2+12

A

1003-6075(2014)04-0042-07