森林经理抽样调查-稀疏总体抽样方法讲课教学幻灯片.ppt

2 富利叶级数法 富利叶级数方法估计f(0) 式中：Ak是参数， f(0)为当垂直距离为0时发现目标个体的概率的密度函数；k依次取1、2、3、4、5等自然数；M为k的上限临界值，一般7； w*为单侧样线宽度或最大垂直距离，本例计算时考虑最大值为异常点,所以取次之为w*， y为探测到的个体数目。 2 富利叶级数法 富利叶级数法的基本思想是根据个体距样线的垂直距离的观测值，以Fourier级数模拟发现概率的密度函数或发现函数，通过后者来计算种群密度。而且， 富利叶级数法具有严格的函数拟合有效性的检验( )。在计算过程中，k依次取1、2、3、4等自然数，计算f(0)直至 。 富利叶级数法对很多实际观测值均有很好的拟合，已被广泛运用的方法之一。 三、样线法 样线法总体密度： 方差： 式中li是第i样线的长度、R是样线数、L是样线总长度。 ( ( )2) / 样线法 该法常常用于估计野生动物总体密度数量和病虫害林木密度数量。该法在调查的实际运用中需要满足下列的前提条件： 在线概率为一，即线上的目标无遗漏； 观测前后目标无移动，即每个动植物都观测到了，并且只观测一次； 正确地观测距离和角度； 观测是独立进行的。测量距离是到线的垂直距离，如果不能直接测量，可根据目标到观察点的距离和视角（横断线和观察线之间的角度）计算。 应该承认，在野外调查时，完全符合上述几个条件是比较困难的。但经验丰富的调查人员可以通过预查、复查等各种有效方法尽可能地减少调查结果的误差。 样线法各种估计法比较 如果能够得到条带内调查目标个体数量，窄带法是最为常用的传统方法，它简单易行，但是样线宽度需要根据生境和调查目标的特点以及调查人员的实际观察能力进行经验估计 目视修正法与窄带法相比，它引入了探测密度函数，克服了观察目标没有完全被用来估计的缺点 参数方法克服了目视修正法由于间隔宽和目视探测密度的选择带有主观所引起的不同人估计的结果不同的不足 非参数法避免了参数法未知的探测函数的曲线形状，非参数法可直接估计概率密度函数 选用参数法和非参数法的条件：1）能够得到条带内调查目标个体数量；2）还能够获得目标个体距样线的垂直距离 四、适应性群团抽样方法（adaptive cluster sampling) 美国学者Thompson（1990）第一次提出了适应性群团抽样理论和技术，目前在美国、德国少数国家开始研究和应用。但还有许多理论和技术问题有待研究。 建立试验样地的方法 黑龙江省 系统适应群团样地设计 带状适应群团样地设计 简单随机适应群团样地设计 样地形状设计 1、定义 群团取样（Cluster sampling)：是一种二水平取样，即首先随机选取样点，在每一样点取一些样方（而不是一个样方）。 自适应群团取样（Adaptive cluster sampling或ACS)：是一种二水平取样，但是在每一样点取满足事先规定条件（或标准）的一些相邻样方。 2.自适应群团抽样的几个概念 群团（Cluster):包含有满足条件c的样方（单元） 和边缘样方（单元） 邻域或邻近 (Neighborhood): 一阶邻域（The first-order neighborhood）：包括本单元和四个相邻的单元 二阶邻域（The second-order neighborhood）：包含一阶邻域和东西南北的单元 网络 (Network):群团中满足条件C的样方和不满足条件c的最初样方。注意与群团概念不同。 边缘单元（Edge unit）：不满足条件C且在邻域内的单元 临界值（Critical value）：当样方总体值yi= C, 在最初样点上增加样方；否则，不增加 包含概率（Inclusion probability）：理解为网络Ai所包含单元的概率（不能从抽样数据中计算，实际计算中用偏边缘包含概率(PIP)代替）。非常重要的参数，是计算Horvitz-Thompson估计值的主要参数，计算式为： N-总的取样单元数，xk-在网络Ak中总的单元数，n1-最初取样点数 选择概率（Selective probability）:是计算Hansen-Hurwitz估计值的主要参数 选择概率和包含概率的计算 总面积＝20 D的面积4 C 的面积4 B的面积3 O 的面积10 A的面积1 包含单元o的包含概率＝Σp(s)=0.75 案例(标准值10） (1)SRS 2)ACS ? =1/3(2+54+38)=31.3 ACS