不跨越边界基于Horvitz-Thompson估计量的分层自适应群团抽样

提出一种新的不跨越边界的基于Horvitz-Thompson估计量的分层自适应群团抽样方法,给出其估计量公式,并证明其无偏性。将9种抽样方法(简单随机抽样、分层简单随机抽样、基于修正Hansen-Hurwitz估计量的ACS、基于修正Horvitz-Thompson估计量的ACS、跨越边界基于Hansen-Hurwitz估计量的ACSI、跨越边界基于Hansen-Hurwitz估计量的ACSII、不跨越边界基于修正Hansen-Hurwitz估计量的ACS、跨越边界基于修正Horvitz-Thompson估计量的ACS、不跨越边界基于修正Horvitz-Thompson估计量的ACS)应用于中国乌兰布和沙漠边缘植被花棒密度调查,并对比9种抽样方法精度。结果表明:不跨越边界的基于Horvitz-Thompson估计量的分层自适应群团抽样的效果最佳;分层的抽样方法比不分层的抽样方法效率要高。

两阶段自适应群团抽样在沙漠边缘植被调查中的比较

两阶段自适应群团抽样(two-stageACS)是一种新兴自适应群团抽样(ACS)设计,它能在一定程度上解决自适应群团抽样最终样本量不确定的缺陷。概述两阶段自适应群团抽样方法的技术思路和原理。以实地调查的花棒数据为研究对象,进行4种两阶段自适应群团抽样方法的比较和分析,指出不跨越边界的基于Horvitz-Thompson估计量的两阶段自适应群团抽样的效果最佳。

珍稀植物细枝岩黄耆自适应群团抽样的比较研究

对于稀少、群团状总体的调查,自适应群团抽样(adaptive cluster sampling,简称ACS)被认为是一种有效的抽样方法。针对中国西部森林植被的集聚、稀少的分布特征,以乌兰布和沙漠边缘地区细枝岩黄耆株数密度为研究对象,进行6种抽样方法(简单放回随机抽样、简单不放回随机抽样、最初样本放回基于修正Hansen-Hurwitz估计量的ACS、最初样本不放回基于修正Hansen-Hurwitz估计量的ACS、最初样本放回基于修正Horvitz-Thompson估计量的ACS和最初样本不放回基于修正Horvitz-Thompson估计量的ACS)的重复抽样模拟试验,并对模拟试验的结果进行了比较和分析,指出最初样本不放回基于Horvitz-Thompson估计量的自适应群团抽样的效果最佳,其均值估计相对误差为0.037%,均值方差估计为0.03571。研究结果有助于提高稀少、群团状森林资源的清查的精度和效率。