《Forest Ecosystems》:Forest management volume inventory using lidar-based endogenous post-stratification
编辑推荐:
内生事后分层(Endogenous Post-Stratification, EPS)是一种统计方法,用于在总体层级计数未知时近似传统事后分层。该方法将样本单元分配到基于同一样本数据训练的模型预测值所确定的层,然后根据固定层边界对总体进行分层。研究人员评估了E
内生事后分层(Endogenous Post-Stratification, EPS)是一种统计方法,用于在总体层级计数未知时近似传统事后分层。该方法将样本单元分配到基于同一样本数据训练的模型预测值所确定的层,然后根据固定层边界对总体进行分层。研究人员评估了EPS方法在管理级森林清查中估算立木蓄积量(Growing Stock Volume, GSV)的应用。在此类清查中,通过林分年龄的辅助信息将森林区划分为龄级(即第一阶分层),然后利用地面样地GSV数据与机载激光扫描(Airborne Laser Scanning, ALS)指标建立的内部模型,将这些龄级进一步划分为3至6个第二阶分层。第一个研究问题关注传统事后分层估计量是否适用于EPS方法中的均值和方差估计。第二个问题是EPS方法是否比未划分第二阶分层的参考方法(EXP_REF)更有效。研究人员使用模拟森林区(Simulated Forest District)开展研究,该数据集包含模拟的单个网格单元GSV值(视为“地面真值”)以及一组原始ALS指标。利用这些数据进行了1,000次重复样本模拟,每次基于500个样地。整个森林区和11个单独龄级的估计平均GSV与真值无显著差异。真均值落入总体平均GSV置信区间的频率与所有清查单元的理论频率一致。结果表明,与不划分第二阶分层的方法相比,EPS方法可将地面样地数量减少一半以上。未来研究可关注在EPS方法中使用系统样地时,除简单扩展估计量之外的其他方差估计量。
**论文解读:基于激光雷达的内生事后分层在森林管理蓄积量清查中的应用**
**研究背景与问题**
森林清查是森林资源管理的基础,分为大面积清查和管理级清查。管理级清查服务于森林经营方案的编制,通常每10年对林区(如波兰的森林区,面积6000-8000公顷)进行,需提供林分及中间尺度单元(如龄级)的蓄积量(GSV)等数据。传统方法依赖地面样地或航空摄影,存在成本高、主观性强、精度低等问题。机载激光扫描(ALS)的引入使林分尺度GSV估计成为可能,但全球模型(全局回归)在局部(林分)存在系统预测误差,且无法直接用于中间尺度单元的分层。分层抽样是提高估计精度的常用技术,但管理级清查中样地数量有限(通常约500个),若将林区分为10-13个第一阶分层(龄级),每个再分为3-6个第二阶分层,则每层样地数可能接近或低于经典方法的最小阈值(如10个样本)。内生事后分层(EPS)虽能利用ALS数据生成辅助变量进行分层,但其基于样本拟合模型,违背经典事后分层中分层边界和权重已知的假设,可能导致样地归属错误。因此,需验证在管理级清查中,EPS方法能否有效估计GSV均值及其方差,以及是否比不分层的简单扩展估计法更高效。
**研究内容与结论**
研究人员通过模拟森林区(Simulated Forest District,面积4764公顷)进行1,000次重复样本模拟(每次500个样地),评估EPS方法在管理级清查中的表现。该模拟区包含11个龄级(第一阶分层),每个龄级再分为3-6个第二阶分层。研究采用基于ALS指标(如平均回波高度
Hmean和P95分位数)的指数回归模型作为内部模型,预测所有网格单元的GSV,并据此进行EPS分层。比较方法包括:未分层的简单扩展估计法(EXP_REF)和仅用ALS原始数据预测的参考法(RAD_REF)。主要结论:1)传统事后分层估计量适用于EPS方法,估计的GSV均值与真值无显著差异,且95%置信区间覆盖率与理论值一致;2)EPS方法比EXP_REF更高效,整个林区所需地面样地数量可减少58%以上;3)每层最少需6个样地以确保估计稳定性;4)EPS在结构复杂的林分(如更新级)中精度提升尤为显著。
**关键技术方法**
1. **模拟数据集构建**:基于真实森林结构创建模拟森林区,包含95,270个网格单元(每个500 m
2),每个单元有“真值”GSV和原始ALS指标(平均回波高度
Hmean、P95分位数等)。
2. **EPS分层流程**:利用地面样地(500个)GSV与ALS指标建立指数回归模型(式15),预测所有网格单元GSV,按龄级内预测值排序并等面积划分为3-6个第二阶分层,样地依其预测值分配到对应层。
3. **重复模拟评估**:进行1,000次独立随机抽样,每次500个样地,计算估计均值、标准误、相对偏差(BIAS%)、均方根误差(RMSE%)、置信区间覆盖率等指标,并使用Friedman检验和t检验比较方法差异。
4. **效率衡量**:通过相对效率(RE)指标计算EPS相比EXP_REF达到相同标准误所需样地数的减少比例。
**研究结果**
- **最小样地数阈值**:通过模拟发现,当每层至少6个样地时,95%置信区间对真均值的覆盖频率与理论值一致(图3);因此后续模拟设定每层最少6个样地。
- **整个林区GSV估计**:EPS方法估计的全区平均GSV(368.1 m
3·ha
-1)与真值(368.2 m
3·ha
-1)无显著差异(p=0.72),而EXP_REF和RAD_REF的估计值显著偏低(表2)。EPS的RMSE%(0.52%)和标准差(4.1 m
3·ha
-1)均小于EXP_REF(0.76%和6.1 m
3·ha
-1),但大于RAD_REF(0.43%和3.4 m
3·ha
-1)。
- **龄级(第一阶分层)GSV估计**:EPS方法在所有11个龄级的估计均值与真值均无显著差异(p>0.05),而EXP_REF在≥13龄级和更新级有显著偏差(表2)。EPS的BIAS%绝对值不超过0.25%,远小于RAD_REF的较大偏差(最高-4.17%)。RMSE%在EPS中为1.0%-3.5%,介于RAD_REF(0.5%-1.6%)和EXP_REF(1.3%-4.2%)之间。
- **标准误与覆盖率**:EPS方法的所有龄级及全区标准误均显著小于EXP_REF(p<0.001,表3)。例如,全区EPS标准误为8.0 m
3·ha
-1,而EXP_REF为12.4 m
3·ha
-1。EPS的95%覆盖率在11个龄级中的10个与理论值一致(图4),而EXP_REF仅在5个龄级中一致。
- **相对效率(样地减少比例)**:EPS相比EXP_REF,全区达到相同标准误只需42%的样地数(图5)。不同龄级间减少比例从更新级的约50%到中龄林(5-6龄级)的70%以上,老龄林减少幅度较小(约40%)。
- **方差估计准确性**:EPS的RD值(标准误与模拟均值标准差的相对差异)在全区为-0.4%,各龄级在-4.6%至3.3%之间,表明方差估计与实际波动高度一致,而EXP_REF的RD值较大(全区4.1%)。
**讨论与结论**
讨论部分指出,EPS方法在管理级清查中表现良好,传统事后分层估计量有效,即使内部模型存在系统误差(如RAD_REF所示),通过预测值分层仍能获得无偏的GSV估计。研究建议每层至少6个样地,低于经典阈值(10个),但可减少层数以维持统计稳定性。未来研究应关注系统样地布局下EPS的方差估计问题(避免简单扩展估计量的高估)。
**研究结论**(翻译自原文结论部分):
1. 在EPS情况下,传统事后分层估计量仍可有效估计总体均值和估计均值方差。整个林区和各龄级(作为中间尺度清查单元)的估计平均GSV与“真值”无显著差异,且经验覆盖率(真均值落入95%置信区间的频率)与所有清查单元的理论频率一致。
2. EPS方法比未将第一阶分层(龄级)进一步划分为第二阶分层的EXP_REF方法更有效。应用EPS方法,林区内达到目标标准误所需的地面样地数量可减少一半以上,反映了更高的分层相对效率。
3. 应用EPS方法时,必须确保每个分层至少有6个地面样地,这对保证估计均值和标准误的稳定性至关重要。若整个林区的地面样地总数为500个,且为管理级清查目的将林区划分为约10个龄级(第一阶分层),则在创建特定龄级内的第二阶分层时,可能需要减少先前假设的第二阶分层数量。
4. 基于估计平均GSV的标准误,EPS方法在水平和垂直结构多样的林分斑块中表现出比EXP_REF更高的精度。鉴于当代欧洲森林持续的结构变化和复杂性增加,这一精度提升具有重要意义。