【目的】以林场或县森林资源总体为调查对象,及时、准确地调查监测总体平均每公顷蓄积量,对上级(如市、省)部门开展森林资源宏观管理、生态保护价值评价、森林碳储量计量、领导干部任期绩效考核等工作都有重要支撑作用。将卫星、无人机等多源遥感数据作为辅助数据,采用较少抽样调查样地数据,实现总体参数有效估测的新方法,已成为国内外重要的研究方向,但目前,国内尚无多种现有估计方法的比较评价研究。为了促进新一代遥感技术在森林资源调查业务中的应用,提高我国森林资源天空地一体化调查监测技术水平,亟需对现有林场或县总体参数估测方法进行比较评价研究。【方法】以内蒙古旺业甸实验林场主要人工林树种为总体,基于2019年在林场获取的无人机激光雷达(LiDAR)抽样数据、Sentinel-2A多光谱数据(全覆盖)和少量样地数据,针对样地(p)、样地-卫星(ps)、样地-抽样无人机LiDAR(pl)以及样地-抽样无人机LiDAR-卫星(pls)4种模式,利用适合这4种模式的概率抽样法(DB)、模型辅助法(MA)、模型法(MD)和混合法(HY)4类共5种估测方法(DB_p、MD_(ps)、MA_(ps)、HY_(pl)以及MD_(pls))对总体森林蓄积量密度均值(MSVD)进行估计与对比分析。【结果】(1)DB_p、MD_(ps)、MA_(ps)、HY_(pl)、MD_(pls) 5种方法估测的MSVD分别为212.54、202.09、202.38、210.07以及208.96 m~3/hm~2,精度分别为90.44%、91.54%、91.69%、96.35%和96.45%,方差依次减小。(2)其他4种方法相对于MD_(pls)方法的估计效率(RE)均大于1 (RE_(DBp,MDpls)=5.39,RE_(MDps,MDpls)=3.82,RE_(MAps,MDpls)=3.69,RE_(HYpl,MDpls)=1.07);HY_(pl)相对于MD_(pls)的RE略大于1,但几倍于其他3种方法(RE_(DBp,HYpl)=5.02,RE_(MAps,HYpl)=3.43,RE_(MDps,HYpl)=3.56)。(3)包含LiDAR数据的HY_(pl)与MD_(pls)方法相对于包含Sentinel-2A数据的MD_(ps)与MA_(ps)方法均为正效率(RE_(MAps,HYpl)=3.43,RE_(MDps,HYpl)=3.56,RE_(MDps,MDpls)=3.82,RE_(MAps,MDpls)=3.69);MD_(ps)与MA_(ps)方法之间的RE接近1,但MA_(ps)的效率微高于MD_(ps)(RE_(MDps,MAps)=1.04)。【结论】和只利用样地数据的估计方法相比,将遥感数据作为辅助变量建立估测模型,无论是采用对蓄积量不够敏感的林场全覆盖Sentinel-2A多光谱遥感数据,还是采用对蓄积量很敏感的抽样式获取的LiDAR数据,都可有效提高林场总体MSVD的估测精度。涉及遥感数据应用的4种方法,估计精度最高的为MD_(pls),其次为HY_(pl),这2种方法都包含了LiDAR遥感抽样观测数据的应用,都是适应于林场总体MSVD估计的年度监测方法。可实现天空地3种观测数据协同应用的MD_(pls)估测精度和相对效率最高,可作为林场森林蓄积量年度监测的首选方法。

Under the background of evaluation of social harmonization, the paper forwards the meanings of parameter estimation of geometric mean of population,the relevant non-bias estimation and standard error of estimation.It uses a special example to indicate that there is difference between the estimation based on geometric mean of sample and that derived through non-bias adjustment,the opposite conclusion can be drawn in comprehensive evaluation.

森林生物量是指一个森林群落在一定时间内积累的有机质总量,是森林生态系统重要的特征数据,因此世界各国越来越重视对森林生物量的监测与研究[1-3],建立的生物量模型众多[4-6]。大尺度森林生物量监测,是以省、流域、国家乃至全球为对象,在估算方法一致的前提下,对多个时间点的森林生物

【目的】森林蓄积量是反映森林资源总规模和水平的基本林分调查因子之一，也是衡量森林资源丰富程度和森林生态环境优劣的重要依据。为探索更优的森林蓄积量建模和估测方法，以期为林业科学中森林蓄积量的估测研究提供新的方法与思路。【方法】以浙江省龙泉市为研究区，以单位蓄积量（m~3/mu）为研究对象，集成森林资源二类调查数据、高分二号遥感影像数据、数字高程模型（DEM）数据。通过逐步回归特征选择方法选取与蓄积量相关的自变量因子，在不区分树种的情况下，利用极端梯度提升（eXtreme gradient boosting,XGboost）方法、决策树梯度提升（Light generalized boosted regression models,LGBM）方法和梯度提升（Gradient boosting）方法分别建立蓄积量估测模型。然后，基于区分针叶林、阔叶林、针阔混交林的情况下，用XGboost方法再次建立蓄积量估测模型，并与未区分树种情况下的估测结果进行对比。采用十折交叉验证法对模型性能指标进行检验。【结果】在不区分树种的情况下，XGboost呈现了最佳的效果，优于LGBM方法和Gradient boosting方法，其建模精度为89.65%，估测精度为83.19%。在区分树种结构下，XGboost方法的建模精度（89.31%）与不区分树种情况下没有明显区别，但估测精度（84.5%）有一定提升，其中针叶林的效果最好。【结论】逐步回归特征选择方法结合XGboost方法能够取得最好的森林蓄积量估测效果，区分树种能够在一定程度上提高模型的泛化能力。XGboost方法在实践中使用方便，提供了在短时间内估测森林蓄积量的可能性，从而为森林蓄积量的估测提供了新的方法。

在更一般的模型和加权平方损失下,文章考虑改良著名的Efron-Morris估计,研究了加权损失函数下均值矩阵估计的改进方法,并把相关结果应用到协方差估计的改进问题中去。在适当条件下,证明了该估计是极小极大的。最后通过一个数值例子验证了结果的有效性。

在前人研究中还没有把基于BP与RBF神经网络的森林蓄积量预测模型的应用效果进行评价。拟在实际应用中对两种方法进行综合分析与评价,找到一种预测精度更高、适用性更强的方法。采用相关分析法选定郁闭度、阴坡、阳坡、TM1、TM2、TM3、TM5、TM7、NDVI、TM(4-3)、TM4/3为输入变量,以密云县森林蓄积量为输出变量,建立蓄积量估测的RBF与BP神经网络模型。并从神经网络的训练步长、训练时间、预测精度、模型适用性对二者进行了综合分析,RBF神经网络无论是在训练步长、训练时间、预测精度、模型适用性上都优于BP神经网络模型。

森林是陆地生态系统的重要组成部分,蓄积量是森林资源调查的基本指标之一。传统的森林蓄积量调查数据一般以行政单元为记录进行表示,因此,难以在更细尺度上反映蓄积量的空间分布及其变化。以20世纪80年代全国森林资源清查数据为例,在国家和省区两个尺度分别分析森林蓄积量与不同土地利用类型面积和不同土地覆被类型面积之间的关系。结果显示:不论在国家尺度还是省区尺度,森林蓄积量与土地覆被类型的相关性(国家尺度R2=0.568 2;省区尺度R2=0.851 1)均优于其与土地利用类型的相关性(国家尺度R2=0.528 3;省区尺度R2=0.775 4),而且分省区模型优于全国整体模型;在此基础上,基于蓄积量与不同...

【目的】1）量化“过期”模型对推断总体参数（总体均值、方差）的影响；2）提出利用基于模型辅助的估计量修正模型保质期引起的推断偏倚；3）评估度量误差模型对推断偏倚的修正作用。【方法】在基于设计、基于模型和基于模型辅助3种推断框架下，应用度量误差模型，修正“过期”模型对总体参数（总体均值、方差）的影响。【结果】1）将二阶抽样的估计值作为参照，对比基于模型的统计推断估计值，无论是线性回归模型还是度量误差模型，其均值估计值与二阶抽样下总体均值估计值6.774 m3·hm-2接近，其方差估计值的平均值为0.117，远小于基于设计的方差估计值0.965，精度提升平均为87.93%;2）遥感数据“过期”引起模型失效，对总体均值估计产生较大偏差，总体均值估计值的偏移程度随着遥感数据获取时间的推移加剧；3）在基于模型辅助推断框架下，线性回归模型和度量误差模型的总体均值估计值均在6.5～6.8波动，波动范围较小，变化趋势相同，二者均值估计值差异较小，后者推断精度更高，精度提升范围为5.71%～22.50%，平均为13.34%。【结论】1）遥感数据作为辅助信息可有效提高估计精度；2）当遥感数据“过期”时模型失效，总体均值估计值偏倚增大，方差估计值被低估；3）基于模型辅助的统计推断可解决模型“过期”造成的推断偏倚问题，保持估计量近似无偏性，且精度与概率样本的样本量呈正相关；4）度量误差模型可降低总体方差估计值，但仅使用度量误差模型无法消除时间外延性遥感数据产生的推断偏倚。

未知参数的区间估计是一种非常重要的统计推断形式。文章从单个正态总体入手,用枢轴量法在均值已知条件下提出总体方差的一种置信区间,并将该置信区间与常用的总体方差的置信区间进行比较,从而说明常用的总体方差的置信区间的合理性。

无回答的产生,对抽样调查结果的可信性产生了一定的影响,这引起了许多统计学者的关注。但至今仍未能找到一个比较满意的处理无回答的方法。现行的主要一些无回答处理方法,都侧重于事后对无回答数据本身的补救。文章则主要着眼于受访者的回答概率,在随机性回答下,给出了总体均值的一个估计。通过事先对总体均值给出一个大体的水平值,或者叫经验值;然后估计均值与这一水平的差距;最后在一定范围内改变这一水平值,减小了估计的方差。

综合利用黑龙江省某林业局的一类样地调查资料、GF-1号卫星影像、数字高程(DEM)模型以及土地利用类型图,采用k-近邻(k-nearest neighbor,k-NN)法进行森林蓄积量估测研究,分析k-NN方法及GF-1卫星数据在森林资源调查与监测中的应用效果。为对比k-NN方法的估测精度,对相同试验数据也进行了最小二乘估计和稳健估计建模。采用GF-1号16 m分辨率的多光谱数据,在林业局级尺度上分别应用这3种方法进行森林蓄积量建模估测,生成了监测区域森林蓄积量分布图并统计得到监测区域总的蓄积量值。将3种

【目的】探讨采用Landsat-8遥感影像数据，基于距离相关系数特征选择的Catboost模型在森林蓄积量估测中的潜力和适应性，为森林蓄积量的估测方法再增加一种可能性，也能为“双碳”目标的实现提供理论支撑。【方法】以浙江省龙泉市为研究区域，使用多源数据，包括Landsat-8卫星影像数据、森林资源二调数据和数字高程模型的数据，整个过程使用十字折交叉验证法对模型检验。首先使用基于距离相关系数方法筛选特征因子，在不区分树种的情况下，分别利用K最近邻算法（KNN）、装袋算法（Bagging）、决策树梯度提升算法（LGBM）、梯度增强集成分类器算法（Catboost）4种方法建立蓄积量估测模型。之后再选取样本数据中数量比较大的杉木、针叶混交林、马尾松3种优势树种，分别使用Catboost方法进行蓄积量估测，再按权求和与未区分树种情况下的估测结果进行比较。【结果】Catboost方法表现优势明显，优于k最近邻算法（K-NN）、装袋算法（Bagging）以及决策树梯度提升算法（LGBM），其模型的精确度达到了81.43%，建模估测的精确度达到了76.74%，并且与3种不同优势树种按权求和的结果对比，Catboost法的建模精确度差别不大，但是估测的精确度提高了1.01%。【结论】基于距离相关系数特征选择方法结合Catboost模型在森林蓄积量估测中效果表现更好，并且不管区分树种和不区分树种的情况下模型的估测能力差距比较小，但是区分树种情况下还是略有提高，这为测量区域森林蓄积量提供了一种新的思路。

探讨了用在ＴＭ数据中与地面对应的样点上测得的密度值和波段比，并加上定性因子与地面样地中分别测得的蓄积量进行多元回归，从而估测森林二类调查中所需的林业局、场、林班之蓄积量的方法。并与实测结果进行了对比，证明这一方法是可行的。为遥感在二类调查中的应用提供了必要依据。

【目的】应用XGBoost算法建立包含林龄的遥感因子-蓄积量模型，评价遥感估算的林龄因子与遥感因子相结合提高森林蓄积量估算精度的有效性，为实现高效、快速、精准的大范围森林蓄积量估算提供一种新的思路和方法。【方法】以福建省将乐县为研究示范区，首先，基于1987—2016年时序Landsat影像，采用LandTrendr森林干扰与恢复监测算法监测年度林分更替干扰并估算干扰区林龄；然后，基于GF-1号影像光谱、纹理、地形等特征，采用递归特征消除的随机森林算法（RFE-RF）估算非干扰区林龄；在此基础上，结合GF-1影像光谱、纹理因子和森林资源二类调查小班实测蓄积量数据，采用极端梯度提升算法估算研究区森林蓄积量。对比有无林龄因子的森林蓄积量估算精度，进一步验证遥感林龄因子对提高森林蓄积量估算精度的重要性。【结果】采用LandTrendr森林干扰与恢复监测算法获得的干扰区林分林龄误差仅1～2年，林龄估算精度明显优于传统利用遥感因子估算的林龄精度（误差4～12年）。仅采用常规遥感因子估算森林蓄积量时，XGBoost模型决定系数（R~2）为0.59，平均均方根误差（RMSE）为30.72 m~3·hm~(-2)，相对均方根误差（rRMSE）为16.46%；加入林龄因子后，模型R2提高至0.73，平均RMSE减少至23.73 m~3·hm~(-2),rRMSE为13.26%，森林蓄积量估算平均总体精度约提高10.4%，达84.4%。【结论】相比仅采用常规遥感因子估算森林蓄积量，应用XGBoost算法建立包含林龄的遥感因子-蓄积量模型，其估算精度接近森林资源调查相关规定要求，可为大范围亚热带森林资源快速调查评估提供重要技术支持。

以南方150株马尾松地上生物量数据为例,在考虑林分起源和未考虑林分起源2种情形下,对非线性似然无关回归法、比例平差法和非线性联立方程组法3种方法进行综合比较研究。根据分配层次不同,比例平差法和非线性联立方程组法将进一步考虑总量直接控制和分级联合控制2种方案。从直径、树高、地径、年龄、枝下高和冠幅6个林分变量中选取不同的变量构建一元、二元和三元生物量模型,利用加权最小二乘回归法消除生物量模型中存在的异方差性。基于独立形式的一元、二元和三元模型,利用非线性似然无关回归法、比例平差法和非线性联立方程组法构建相应的相容性生物量模型。结果表明:在考虑和未考虑林分起源情形下,3种估计方法都能有效保证各分量...