不同采样密度下县域森林碳储量仿真估计

采用浙江省台州市仙居县森林资源二类调查样地实测地上部分碳储量数据,结合Landsat TM影像数据,利用序列高斯协同仿真(SGCS)算法、序列高斯块协同仿真(SGBCS)算法,以4种地面采样密度(SD)SD_1=0.012%、SD_2=0.010%、SD_3=0.007%、SD_4=0.005%,估计全县森林碳储量及其空间分布,分析不同地面采样密度对区域森林碳储量及其分布格局估计精度的影响。结果表明:1)不同采样密度下SGCS和SGBCS估计的森林碳储量分布趋势相似,SGCS估计在采样密度为SD_2时可以满足精度要求,且均值与实测最相符;SGBCS估计受采样密度影响较小,在四种采样密度下均可满足精度要求。2)SGCS、SGBCS估计的不确定性随着采样密度的降低均呈现出整体升高的趋势,增长速率在SD_2采样密度时最低,相对SD_1分别升高1.08%、-1.71%;当SGBCS算法的采样密度由SD_2变为SD_3时,样地数的减少对不确定性影响最大,但对区域空间变异格局估计没有实质性影响。3)将采样密度控制在SD_2(0.010%)水平,利用SGCS和SGBCS算法均能得到准确可靠的森林碳储量及其分布信息,同时能节省至少20%左右的森林调查工作量。

Kriging插值和序贯高斯条件模拟算法的对比分析

本文对Kriging插值与序贯高斯条件模拟值的算法联系进行了推导,并将两种计算结果和原始数据的统计参数作了对比。结果表明,Monto-carlo方法求得的序贯高斯条件模拟值经数学变换后等同于已知数据和此前模拟数据共同参与的Kriging插值结果与一个随机偏差的和,该随机偏差的均值为0,方差为Kriging误差方差。最优性条件导致Kriging插值结果的方差较原始数据降低了1个Kriging误差方差,造成Kriging平滑效应,其空间变异函数值降低,但自协方差函数值不变。序贯高斯条件模拟避免了平滑效应,其方差、变异函数和自协方差函数均不变,而其模拟值的误差方差较Kriging误差方差增加了1倍,表明1次随机模拟值的误差比Kriging插值大。然而,多次随机模拟值的平均值与Kriging插值的地理制图效果近似,可以弥补局部估值误差大的不足。因此,在应用中,Kriging插值是提供局部最优估计的方法,但却低估了全局的空间变异。而序贯高斯条件模拟的优点,在于提供若干等可能概率的模拟结果以进行估值的不确定性评价,并再现全局的空间可变性。