CN109992747A - 一种基于gis平台的空间平衡抽样方法 - Google Patents
一种基于gis平台的空间平衡抽样方法 Download PDFInfo
- Publication number
- CN109992747A CN109992747A CN201910267983.8A CN201910267983A CN109992747A CN 109992747 A CN109992747 A CN 109992747A CN 201910267983 A CN201910267983 A CN 201910267983A CN 109992747 A CN109992747 A CN 109992747A
- Authority
- CN
- China
- Prior art keywords
- sampling
- methods
- sample
- spatial
- gis platform
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005070 sampling Methods 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000011156 evaluation Methods 0.000 claims abstract description 12
- 238000012360 testing method Methods 0.000 claims abstract description 7
- 238000011835 investigation Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000009897 systematic effect Effects 0.000 abstract description 5
- 238000011160 research Methods 0.000 abstract description 3
- 238000000605 extraction Methods 0.000 abstract description 2
- 238000012800 visualization Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 235000001674 Agaricus brunnescens Nutrition 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 230000035899 viability Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于GIS平台的空间平衡抽样方法，所述的基于GIS平台的空间平衡抽样方法包括背景值确定、抽样数据确定、影像获取、计算、抽样方法实现和检验评价步骤。本发明所述的基于GIS平台的空间平衡抽样方法结合了随机抽样和系统抽样二种抽样方法的优点，强调样本点抽取的随机等概和空间上的均衡分布。SBS抽样能够产生这样一种抽样方案，使得样本的空间格局与研究总体的空间格局具有近似型，同时能够考虑无反应样本单元对抽样方案的影响。利用GIS平台进行空间平衡抽样在建立抽样框、抽样方案可视化、方便样本点的定位和寻找等方面具有较大的优势。基于GIS平台的空间平衡抽样方法，为解决新形势下森林抽样调查面临的问题提供了一种新的契机。
Description
技术领域
本发明属于地理科学技术领域，具体涉及一种基于GIS平台的空间平衡抽样方法。
背景技术
森林资源是陆地生态系统的主体，是林业可持续发展的根本，是国民经济和社会发展的重要物质基础。森林资源是有生命的、可更新的自然资源，其本身有着生长和死亡的发展规律。同时，受人类活动、自然灾害等影响，其数量、质量和分布处于动态变化中。要经营、管理、保护、利用好森林资源，就必需定期和不定期地进行森林资源调查，及时掌握森林资源状况，了解其消长变化动态。随之而来的各种森林资源调查技术成为学者专家们研究的重点。
我国的森林资源调查事业是新中国成立后才发展起来的。20世纪50年代初期，森林资源调查主要采用经纬仪或罗盘仪进行测量，这一阶段基本上是我国森林资源调查队伍和调查技术从无到有的摸索和开创阶段；20世纪50年代中期，开展了森林航空测量、森林航空调查和地面综合调查工作，从而建立了以航空像片为手段，目测调查为基础的森林调查技术体系；20世纪50年代后期，引进了角规测树技术；20世纪60年代中期引进了以数理统计为理论基础的抽样技术，这是我国森林调查技术的重大突破和转折。
1977年以后，我国很多县市都建立了比较完善的森林资源调查体系。该体系由森林资源连续清查（一类清查）、森林资源规划设计调查（二类调查）、森林作业设计调查（三类调查）三部分构成。一类清查主要采用系统抽样方法在总体范围内布设固定样地，并定期（5年间隔期）进行复查。二类调查以县（林业局、林场）为单位，主要采用小班区划调查的方法，分别山头地块查清总体范围内的森林资源，并利用抽样调查控制总体的蓄积量。三类调查，在生产实践中通常采用高强度抽样和现场实测进行调查。除了一类调查的系统抽样外，在二类调查、三类调查中，林业工作者还经常用到简单随机抽样、分层抽样、整群抽样这三种抽样方法。
1996年后，国家林业局对一类清查和二类调查的技术规程进行了修订，增加了生态状况监测内容。在一类清查技术规定中增加了群落结构、林层结构、自然度、林木生活力、病虫害等反映森林生态状况的因子；在二类调查中增加了群落结构和自然度调查内容。进入21世纪以来，除了一类、二类周期性调查以外，随着国家林业建设重心的转移、城市化步伐的加速，野生动植物调查、湿地保护、荒漠化监测、风景林美景度调查等各种林业专项调查实践活动蓬勃开展。
随着调查种类的变化、调查内容的增加、调查精度要求的提高，调查成本急剧增加。与此同时，随着林区社会经济条件的变化，森林调查过程中抽样框变化、无反应样本单元的现象日益突出。另一方面，森林资源调查的许多因子，如林种、树种、土地类别、郁闭度，均与空间位置有关，不是纯随机变量，而是区域变化变量，具有随机性和结构性双重属性。我国现行的森林资源调查方法以研究随机变量变化规律的经典统计学为理论基础，在研究林木个体、种群和群落空间异质性或空间自相关方面具有较多的缺陷，在生产实践中存在着空间关联性强、适应性差的缺陷。因此，设计一种具有严格统计学基础的、高效低成本的、适应性强的抽样方法，已经成为摆在林业勘察设计工作者的一项紧迫任。
发明内容
本发明的目的在于提供一种基于GIS平台的空间平衡抽样方法。
本发明的目的是这样实现的，所述的基于GIS平台的空间平衡抽样方法包括背景值确定、抽样数据确定、影像获取、计算、抽样方法实现和检验评价步骤，具体包括：
A、背景值确定：在ArcGIS环境下，将数据以森林小班单位面积蓄积量为属性字段转为栅格文件，作为待检地区森林蓄积量模拟抽样调查的背景值；
B、抽样数据确定：将小班Shape文件分类，作为分层抽样数据；
C、影像获取：将SPOT5遥感图像以待检地区界线为掩膜裁剪，获得待检地区遥感影像；
D、计算：在ERDAS中进行归一化植被指数计算，作为空间平衡抽样包含概率图层的输入信息源，然后再计算小班森林蓄积量的空间自相关系数Moran′s I；
E、抽样方法实现：
1）样本量计算：在设计抽样方案之前，需确定总体的样本容量，简单随机抽样、系统抽样方法按照以下公式计算样本容量n：
式中：
T为标准误差置信水平；
C为总体变异系数；
E为允许误差；
在计算空间平衡抽样样本容量时，需要将n乘以校正系数（1－ρ），ρ为空间自相关系数Moran′s I；
2）抽样方法实现：采用反向随机四分递归栅格算法和通用随机方格分层算法及S-Draw实现；
F、检验评价：采用抽样平均误差、抽样效率对抽样方法进行检验评价。
本发明所述的基于GIS平台的空间平衡抽样方法结合了随机抽样和系统抽样二种抽样方法的优点，强调样本点抽取的随机等概和空间上的均衡分布。SBS抽样能够产生这样一种抽样方案，使得样本的空间格局与研究总体的空间格局具有近似型，同时能够考虑无反应样本单元对抽样方案的影响。利用GIS平台进行空间平衡抽样在建立抽样框、抽样方案可视化、方便样本点的定位和寻找等方面具有较大的优势。基于GIS平台的空间平衡抽样方法，为解决新形势下森林抽样调查面临的问题提供了一种新的契机。
附图说明
图1为海口市抽样结果示意图；
其中：a为海口市森林资源分布图；b为系统抽样示意图；c为随机抽样示意图；d为空间平衡抽样示意图；
图2为海南省森林资源分布图；
图3为简单随机抽样结果示意图；
图4为系统抽样结果示意图；
图5为空间平衡抽样结果示意图。
具体实施方式
下面结合实施例和附图对本发明作进一步的说明，但不以任何方式对本发明加以限制，基于本发明教导所作的任何变换或替换，均属于本发明的保护范围。
本发明所述的基于GIS平台的空间平衡抽样方法包括背景值确定、抽样数据确定、影像获取、计算、抽样方法实现和检验评价步骤，具体包括：
A、背景值确定：在ArcGIS环境下，将数据以森林小班单位面积蓄积量为属性字段转为栅格文件，作为待检地区森林蓄积量模拟抽样调查的背景值；
B、抽样数据确定：将小班Shape文件分类，作为分层抽样数据；
C、影像获取：将SPOT5遥感图像以待检地区界线为掩膜裁剪，获得待检地区遥感影像；
D、计算：在ERDAS中进行归一化植被指数计算，作为空间平衡抽样包含概率图层的输入信息源，然后再计算小班森林蓄积量的空间自相关系数Moran′s I；
E、抽样方法实现：
1）样本量计算：在设计抽样方案之前，需确定总体的样本容量，简单随机抽样、系统抽样方法按照以下公式计算样本容量n：
式中：
T为标准误差置信水平；
C为总体变异系数；
E为允许误差；
在计算空间平衡抽样样本容量时，需要将n乘以校正系数（1－ρ），ρ为空间自相关系数Moran′s I；
2）抽样方法实现：采用反向随机四分递归栅格算法和通用随机方格分层算法及S-Draw实现；
F、检验评价：采用抽样平均误差、抽样效率对抽样方法进行检验评价。
所述的抽样平均误差计算公式如下：
式中：
S为样本标准差；
n为样本容量。
所述的抽样效率计算公式如下：
式中：
S²为样本方差；
S² （随机）为简单随机抽样样本方差。
下面以具体实施案例对本发明做进一步说明：
实施例1
以海口市为例，具体见表1和表2：
表1 海口市不同地类抽样方法精度分析
表2 海口市不同抽样结果性能分析
实施例2
以海南省为例，具体见表3和表4：
表3 海南省不同地类抽样方法精度分析
表4 海南省不同抽样结果性能分析
Claims (3)
1.一种基于GIS平台的空间平衡抽样方法，其特征在于所述的基于GIS平台的空间平衡抽样方法包括背景值确定、抽样数据确定、影像获取、计算、抽样方法实现和检验评价步骤，具体包括：
A、背景值确定：在ArcGIS环境下，将数据以森林小班单位面积蓄积量为属性字段转为栅格文件，作为待检地区森林蓄积量模拟抽样调查的背景值；
B、抽样数据确定：将小班Shape文件分类，作为分层抽样数据；
C、影像获取：将SPOT5遥感图像以待检地区界线为掩膜裁剪，获得待检地区遥感影像；
D、计算：在ERDAS中进行归一化植被指数计算，作为空间平衡抽样包含概率图层的输入信息源，然后再计算小班森林蓄积量的空间自相关系数Moran′s I；
E、抽样方法实现：
1）样本量计算：在设计抽样方案之前，需确定总体的样本容量，简单随机抽样、系统抽样方法按照以下公式计算样本容量n：
式中：
T为标准误差置信水平；
C为总体变异系数；
E为允许误差；
在计算空间平衡抽样样本容量时，需要将n乘以校正系数（1－ρ），ρ为空间自相关系数Moran′s I；
2）抽样方法实现：采用反向随机四分递归栅格算法和通用随机方格分层算法及S-Draw实现；
F、检验评价：采用抽样平均误差、抽样效率对抽样方法进行检验评价。
2.根据权利要求1所述的基于GIS平台的空间平衡抽样方法，其特征在于所述的抽样平均误差计算公式如下：
式中：
S为样本标准差；
n为样本容量。
3.根据权利要求1所述的基于GIS平台的空间平衡抽样方法，其特征在于所述的抽样效率计算公式如下：
式中：
S²为样本方差；
S² （随机）为简单随机抽样样本方差。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910267983.8A CN109992747A (zh) | 2019-04-03 | 2019-04-03 | 一种基于gis平台的空间平衡抽样方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910267983.8A CN109992747A (zh) | 2019-04-03 | 2019-04-03 | 一种基于gis平台的空间平衡抽样方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109992747A true CN109992747A (zh) | 2019-07-09 |
Family
ID=67132316
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910267983.8A Pending CN109992747A (zh) | 2019-04-03 | 2019-04-03 | 一种基于gis平台的空间平衡抽样方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109992747A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114817616A (zh) * | 2022-06-29 | 2022-07-29 | 四川省林业和草原调查规划院(四川省林业和草原生态环境监测中心) | 一种森林蓄积量连续监测方法、系统及其执行方法 |
| CN116433748A (zh) * | 2023-06-14 | 2023-07-14 | 南开大学 | 一种林地多源数据融合的森林碳储量确定方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110054839A1 (en) * | 2009-08-31 | 2011-03-03 | U.S. Government As Represented By The Secretary Of The Army | Method and system of confidence interval methodology for ratio means |
| CN107103378A (zh) * | 2016-02-23 | 2017-08-29 | 中国农业大学 | 一种玉米种植环境测试站点布局方法及系统 |
| CN107609687A (zh) * | 2017-08-25 | 2018-01-19 | 中国农业大学 | 一种农作物品种测试站点布局方法及装置 |
| US9928319B1 (en) * | 2016-09-26 | 2018-03-27 | International Business Machines Corporation | Flexible framework for ecological niche modeling |
-
2019
- 2019-04-03 CN CN201910267983.8A patent/CN109992747A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110054839A1 (en) * | 2009-08-31 | 2011-03-03 | U.S. Government As Represented By The Secretary Of The Army | Method and system of confidence interval methodology for ratio means |
| CN107103378A (zh) * | 2016-02-23 | 2017-08-29 | 中国农业大学 | 一种玉米种植环境测试站点布局方法及系统 |
| US9928319B1 (en) * | 2016-09-26 | 2018-03-27 | International Business Machines Corporation | Flexible framework for ecological niche modeling |
| CN107609687A (zh) * | 2017-08-25 | 2018-01-19 | 中国农业大学 | 一种农作物品种测试站点布局方法及装置 |
Non-Patent Citations (2)
| Title |
|---|
| 刘敏等: "基于GIS平台的森林资源调查模拟抽样软件性能及其应用分析", 《中南林业调查规划》 * |
| 李苑菱等: "基于GIS海南森林资源调查抽样方法研究", 《热带林业》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114817616A (zh) * | 2022-06-29 | 2022-07-29 | 四川省林业和草原调查规划院(四川省林业和草原生态环境监测中心) | 一种森林蓄积量连续监测方法、系统及其执行方法 |
| CN114817616B (zh) * | 2022-06-29 | 2022-09-16 | 四川省林业和草原调查规划院(四川省林业和草原生态环境监测中心) | 一种森林蓄积量连续监测方法、系统及其执行方法 |
| JP7339467B1 (ja) | 2022-06-29 | 2023-09-05 | 四川省林業和草原調査規劃院（四川省林業和草原生態環境監測中心） | 森林蓄積量連続監視測定方法、システム及びその実施方法 |
| US11869023B1 (en) | 2022-06-29 | 2024-01-09 | Sichuan Provincial Institute of Forestry and Grassland Inventory and Planning | Continuous monitoring method and system for forest stock and execution method therefor |
| JP2024007387A (ja) * | 2022-06-29 | 2024-01-18 | 四川省林業和草原調査規劃院（四川省林業和草原生態環境監測中心） | 森林蓄積量連続監視測定方法、システム及びその実施方法 |
| CN116433748A (zh) * | 2023-06-14 | 2023-07-14 | 南开大学 | 一种林地多源数据融合的森林碳储量确定方法及系统 |
| CN116433748B (zh) * | 2023-06-14 | 2023-08-22 | 南开大学 | 一种林地多源数据融合的森林碳储量确定方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kedron et al. | Three dimensional (3D) spatial metrics for objects | |
| Vibrans et al. | Using satellite image-based maps and ground inventory data to estimate the area of the remaining Atlantic forest in the Brazilian state of Santa Catarina | |
| Wulder et al. | Estimating time since forest harvest using segmented Landsat ETM+ imagery | |
| Tomlinson | The impact of the transition from analogue to digital cartographic representation | |
| Ferraz et al. | Tropical tree size–frequency distributions from airborne lidar | |
| Fu et al. | Assessment of approaches for monitoring forest structure dynamics using bi-temporal digital aerial photogrammetry point clouds | |
| CN109992747A (zh) | 一种基于gis平台的空间平衡抽样方法 | |
| CN116561509A (zh) | 顾及植被类型的城市植被地上生物量精确反演方法及系统 | |
| KR101324748B1 (ko) | 회귀분석을 이용한 정점높이 산정 장치 및 방법 | |
| Beiranvand et al. | Evaluation of changes in per capita green space through remote sensing data | |
| Tansey et al. | Classification of forest volume resources using ERS tandem coherence and JERS backscatter data | |
| CN103236083B (zh) | 基于立体影像库的实时三维测量方法 | |
| Martini et al. | Database-supported change analysis and quality evaluation of OpenStreetMap Data | |
| CN109489636B (zh) | 一种测绘作业实时采集系统及采集方法 | |
| Krunić et al. | Modelling the spatial distribution of Vojvodina's population by using dasymetric method | |
| Pokonieczny et al. | Analysis of spatial distribution of geodetic control points and land cover | |
| Zhang et al. | Design and Application of an Intelligent Patrol Algorithm for Forest Management and Protection Based on Global Positioning System. | |
| ADDOUN | Mapping of spatial evolution in central northern Algerian Sahara: rural dynamics and the remodelling of space | |
| Willey et al. | Predicting occurrence of Mexican Spotted Owls in arid canyonlands of southern Utah | |
| Maselli et al. | Use of geographically weighted regression to enhance the spatial features of forest attribute maps | |
| Ferreira et al. | Monitoring the Brazilian savanna with lidar and RGB sensors onboard remotely piloted aircraft systems | |
| Batista et al. | Suitable methods for landscape evaluation and valorization: the third dimension in landscape metrics | |
| Liang et al. | Measurement of vegetation parameters and error analysis based on Monte Carlo method | |
| Peddle et al. | Incorporating topographic and climatic GIS data into satellite image analysis of an alpine tundra ecosystem, Front Range, Colorado Rocky Mountains | |
| Doumit | Comparison of SRTM DEM and ASTER GDEM Derived Digital Elevation Models with elevation points over the Lebanese territory |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190709 |