基于广东省大样地不同群团抽样方案的对比分析

梁文业，贺 鹏，胡 觉

(1.西藏自治区林业调查规划研究院，拉萨 850000；2.国家林业局中南林业调查规划设计院， 长沙 410014)

基于广东省大样地不同群团抽样方案的对比分析

梁文业1，贺 鹏2，胡 觉2

(1.西藏自治区林业调查规划研究院，拉萨 850000；2.国家林业局中南林业调查规划设计院， 长沙 410014)

在广东省2012年大样地试点成果的基础上，采用不同群团抽样方案与遥感判读相结合的方式，产出全省森林覆盖率，并与2012年试点成果和连清结果进行对比分析，结果表明大样地群团抽样方法是一种可行高效的方法，且工作量显著低于图斑区划判读的工作量。

大样地；群团抽样；遥感判读；广东省

森林是陆地生态系统的主体，在当前全球生态环境恶化和气候变暖的背景下，森林的生态功能得到前所未有的关注，1992年的《联合国气候变化框架公约》、1997的《京都议定书》、2007年的《国际森林文书》和《巴厘路线图》均强调加强森林保护，减少毁林。因此及时掌握森林消长变化情况，特别是年度森林面积和蓄积显得十分迫切。广东省2012年开展了大样地试点工作，探索省级森林资源年度出数方法，本文以此为基础，采用群团抽样方法对监测体系进行优化，以期探索一种操作性更强的省级森林资源年度出数的技术方法。

1 研究方法

1.1 群团样地设置方案

以2012年广东大样地试点数据为基础，在原试点布设的459个2 km×2 km大样地上(大样地布设具体情况参见文献[1-2])，每个大样地再按250 m×500 m间距布设41个666.67 m2的群团样地，以此为基础再分12种方案抽取不同数量样地(如图1)：方案1抽取1个样地，7号小样地；方案2抽取3个样地， 1，7和13号小样地；方案3抽取5个样地，4，5，7，9和10号小样地；方案4抽取7个样地，4，5，6，7，8，9和10号小样地；方案5抽取9个样地， 1，3，4，5，7，9，10，11和13号小样地；方案6抽取12个样地，14，15，16，17，18，19，20，21，22，23，24和25号小样地；方案7抽取13个样地，1，2，3，4，5，6，7，8，9，10，12和13号小样地；方案8抽取15个样地，1，2，3，6，7，8，11，12，13，16，17，18，21，22和23号小样地；方案9抽取16个样地，26，27，28，29，30，31，32，33，34，35，36，37，38，39，40和41号小样地号；方案10抽取17个样地，1，3，4，5，7，9，11，13，26，29，31，32，35，36，38和41号小样地；方案11抽取25个样地，抽取奇数行样地；方案12抽取全部41个样地。

1142153262728291641751830313233619720834353637219221023383940411124122513图1 2km×2km大样地群团抽样方案示意图

1.2 数据处理

数据处理分如下两个步骤进行：

第一步骤，根据上述样地布设方案生成群团样地矢量框，用以提取2012年广东大样地区划判读图层属性，按照面积优势法确定样地的地类属性，仅分森林和非森林，分不同抽样方案产出全省森林面积和森林覆盖率估计值以及变动系数。

第二步骤，组织人员独立完成全省459个群团样地(18 819个小样地)的判读，地类只分森林和非森林，同样分不同抽样方案产出全省森林面积和森林覆盖率估计值以及变动系数，判读所采用的遥感影像均为2012年广东试点所用影像，影像成像时间主要在2011年10月至2012年3月，空间分辨率为2.5～5 m。

基于以上两个步骤的数据处理结果，进行遥感判读一致率统计，并对两次判读不一致的原因进行分析。

1.3 数据统计分析

采用整群抽样公式估计森林面积成数，计算抽样精度和变动系数[3]。

抽样精度：P%=100-E%

式中，N为总体单元数，n为样本单元数(群团样地个数)，mi为第i个群团样地设置的1亩样地个数，yi为第i个群团样地中地类属于森林的样地个数，yij为第i个群团样地中第j个样地的地类属性值(1或0)，ta为可靠性指标，统一取ta=1.96。

2 结果分析

根据数据处理方法，分不同群团方案产出广东省森林面积成数、变动系数和抽样精度，得到第一步骤直接提取原判读地类属性估计计算结果和第二步骤再次判读地类属性估计计算结果，详见表1和表2。广东省2012试点结果详细参见表3。

2.1 不同抽样方案与广东省2012试点结果比较分析

直接提取广东省2012年试点大样地判读图层的地类属性(第一步骤数据处理)分不同方案产出全省的森林面积覆盖率、变动系数和抽样精度(表1)与2012年广东省试点结果(表3)比较：各群团抽样方案的森林面积覆盖率要高于连清估计结果(差异在2%以内)，接近于大样地系统抽样估计结果，低于大样地双重抽样结果(差异在2%以内)；除方案1以外，各群团抽样方案的变动系数明显低于连清抽样的变动系数，接近于大样地系统抽样和双重抽样的变动系数；各群团抽样方案的抽样精度低于连清抽样精度和大样地双重抽样精度(差异在2%以内)，除方案1外，其余的都接近于大样地系统抽样精度。

表1 直接提取原判读地类属性估计计算结果抽样方案群团样本数量森林面积/万hm2森林覆盖率/%变动系数/%成数估计值标准差抽样精度/%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 再次判读地类属性估计计算结果抽样方案群团样本数量森林面积/万hm2森林覆盖率/%变动系数/%成数估计值标准差抽样精度/%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 广东省2012年试点估计计算结果抽样方案样地数量森林面积/万hm2森林覆盖率/%变动系数/%成数估计值标准差抽样精度/%2012连清结果3685906 1351 2697 520 5126190 499996 85大样地系统抽样459924 0952 2859 430 5227650 310794 59大样地双重抽样459969 2254 8359 430 5483000 325996 06

独立组织人员对再次对广东省群团样地进行判读，分不同方案产出的全省的森林面积覆盖率、变动系数和抽样精度(表2)与2012年广东省试点结果(表3)比较：各群团抽样方案的森林面积覆盖率均高于连清抽样估计结果(差异在4%以内)和大样地系统抽样估计结果(差异在3%以内)，接近于大样地双重抽样估计结果；各群团抽样方案的变动系数均明显低于连清抽样变动系数(除方案1以外)，接近于大样地系统抽样和大样地双重抽样的变动系数。

2.2 不同抽样方案之间比较分析

从表1、表2可知，各群团抽样方案的森林覆盖率估计值差异较小，抽样精度也非常接近(除方案1以外)。各群团抽样方案的变动系数与群内样本数量的关系如图1、图2，可看出，变动系数随群内样本数量增加先急剧下降，当群内样本数量达到10个以上时，变动系数趋于平稳。

图1 第一步数据处理各群团抽样方案变动系数与群内样本数量关系图

图2 第二步数据处理各群团抽样方案变动系数与群内样本数量关系图

2.3 遥感判读不一致率分析

第一步骤与第二步骤遥感判读不一致率为13.84%，不一致原因统计分析见表4。原区划判读结果有误导致遥感判读不一致所占比重为33.41%；本次判读有误所占比重为31.36%，这表明图斑区划判读与群团样地判读错判率差异较小，但群团样地判读的工作显著地低于图斑区划判读工作量。

表4 遥感判读不一致率统计分析表不一致原因图斑区划为森林样地判为非森林图斑区划为非森林样地判为森林合计百分比/%区划判读错误图斑中有小地类3612616219 61图斑中不含小地类397511413 80样地判读错误遥感影像森林不明显848410 17遥感影像明显为森林1185717521 19样地跨两个不同地类图斑526411614 04模糊地类1615917521 19

3 结论与建议

本文在广东省2012年大样地试点成果的基础上，采用大样地群团抽样和遥感判读方法，分不同群团抽样方案，产出全省森林覆盖率，并与2012年试点成果和连清结果进行对比分析。结果分析表明，大样地群团样地是一种可行高效的年度出数方法(森林覆盖率)；当群内样本数量达到10个以上时，森林面积变动系数趋于平稳，与大样地图斑区划相比工作量显著降低；如果采用群团样地方法时，建议对大样地群团进行加密，保证抽样精度满足国家森林资源连续清查的要求和监测结果更加客观准确。

[1] 薛春泉, 肖智慧, 汪求来, 等. 森林资源年度出数方法研究─基于大样地区划调查[M]. 北京：中国林业出版社, 2013.

[2] 肖智慧, 薛春泉, 熊智平, 等. 国家森林资源与生态状况综合监测(2012)——广东试点研究[M]. 北京：中国林业出版社, 2013.

[3] 宋新民. 抽样技术[M]. 北京：中国林业出版社, 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

梁文业(1978-)，男，河南许昌人，工程师，主要从事森林资源监测工作。

S 757.2+16

B

1003-6075(2016)04-0057-04

10.16166/j.cnki.cn43-1095.2016.04.012