环境调查中利用辅助信息实现空间平衡的抽样策略研究

《Environmental and Ecological Statistics》：Strategies for exploiting auxiliary information and achieving spatial balance in environmental surveys

本文针对环境与生态调查中如何有效利用遥感等辅助信息提高估计精度的问题，研究了在空间平衡抽样框架下辅助信息在设计层面和估计层面的应用策略。通过基于哈佛森林树木群落的模拟实验比较了LPM、SCPS、GRTS、DBSS等空间平衡抽样方法与OPSS、SYS等传统方法在估计AGB和树木丰度总量时的表现，发现将辅助信息用于估计层面的GREG估计量具有更好的稳健性和实用性，为多目的环境调查提供了优化方案。

　　

在环境与生态监测领域，准确评估自然资源和生物多样性状况至关重要。科学家们经常需要估计栖息地覆盖率、物种丰富度和多度等参数，这些参数通常可以表示为总量或总量函数。然而，环境种群具有两个显著特征：空间正自相关和空间异质性，这使得传统抽样方法面临巨大挑战。空间正自相关意味着相邻单元的调查变量值往往相似，而空间异质性则表示调查变量在整个研究区域内存在变化。这些特性要求样本单元必须在研究区域内合理分布，才能提高估计精度。

随着遥感技术的快速发展，土地覆盖分类、地形特征和遥感影像等大量辅助变量可以低成本或免费获取，这为改进环境调查的估计精度提供了前所未有的机遇。但是，如何最有效地利用这些辅助信息仍然是一个亟待解决的问题。辅助变量可以在抽样设计阶段使用，通过调整一阶包含概率来实现；也可以在估计阶段使用，通过模型辅助估计量来改进估计精度。然而，在多变的环境调查中，选择最合适的辅助变量策略并非易事。

研究人员在《Environmental and Ecological Statistics》上发表的研究中，深入探讨了在空间平衡抽样背景下利用辅助变量的策略。该研究基于哈佛森林树木群落的真实数据，构建了两个区域总体：包含560个25米边长样方的种群和包含3500个10米边长样方的种群。研究重点关注地上生物量(AGB)和树木多度(abundance)两个调查变量，并利用12个LiDAR衍生的辅助变量进行比较分析。

关键技术方法包括使用局部关键点方法(LPM)、空间相关泊松抽样(SCPS)、广义随机镶嵌分层抽样(GRTS)和双重平衡空间抽样(DBSS)等空间平衡抽样方案，以及每层一个的分层抽样(OPSS)和系统抽样(SYS)。在估计层面采用广义回归估计量(GREG)，并比较了使用单一最相关变量和全部辅助变量作为回归因子的效果。实验考虑了5%、10%和25%三种抽样比例，通过10000次模拟计算相对均方根误差(RRMSE)来评估不同策略的性能。

抽样方案比较

研究比较了多种空间平衡抽样方案在利用辅助信息时的表现。当在设计层面使用与调查变量强正相关的辅助变量时，所有抽样方案都表现出令人满意的估计精度。例如，对于AGB估计，使用与之最相关的tree_mean变量时，RRMSE值均低于4%；对于多度估计，使用tree_vdr变量时，RRMSE值低于7.5%。然而，当使用不合适的辅助变量时，估计精度会显著下降。

设计层面与估计层面的对比

研究发现在设计层面使用辅助变量时，变量选择的准确性至关重要。如果选择了不合适的辅助变量，估计精度会严重恶化。而在估计层面使用GREG估计量时，变量选择的影响相对较小，特别是当样本量足够大时，使用所有可用辅助变量并不会显著影响估计精度。

传统方法与复杂方法的性能比较

一个重要的发现是，传统的OPSS和SYS抽样方案与GREG估计量结合使用的性能，与更复杂的空间平衡抽样方案相当，有时甚至更优。这表明在有效利用辅助信息的情况下，简单的抽样方案也能获得良好的估计效果。

多目的调查的适用性

对于多目的环境调查，在估计层面使用辅助信息更具优势。因为调查者可以根据样本数据分析不同调查变量与辅助变量之间的关系，为每个参数选择最合适的估计量，而不需要在抽样前就确定用于设计层面的辅助变量。

研究的讨论部分强调，将辅助信息用于估计层面而非设计层面具有明显优势。在多变的环境调查中，很难找到一个与所有调查变量都强相关的辅助变量用于设计层面。此外，避免在设计层面使用辅助变量可以确保样本在地理上的均匀分布，这对于需要保证每个行政区域都有适当样本量的调查尤为重要。

该研究的实际意义在于为环境调查工作者提供了明确的策略建议：结合使用简单的OPSS或SYS抽样方案与GREG估计量，是一个既实用又高效的选择。这种方法不仅避免了在设计层面选择辅助变量的风险，还允许根据不同的调查变量灵活选择最合适的估计量，特别适用于需要估计多个参数的多目的环境调查。

这项研究为环境与生态调查中的抽样策略选择提供了重要指导，表明在遥感数据日益丰富的背景下，通过合理利用辅助信息，即使使用相对简单的抽样方案，也能获得高质量的估计结果，这对于促进环境监测和生物多样性保护工作具有重要的实践价值。