模型假设对基于模型的森林蓄积量估算的影响

【目的】1)评估模型的线性和非线性形式、模型残差假设对推断不确定性的效应;2)比较2种总体均值的方差估计方法(自助法和解析法);3)评估多种因素对推断不确定性的效应,构建基于遥感模型的统计推断经验法则用于指导实践。【方法】应用基于模型的统计推断方法,以森林蓄积量估算为例,基于非洲稀树草原的薪材材积实测样地数据和Landsat 8遥感辅助数据,使用二阶抽样从总体中选择160块样地形成样本,在不同模型假设下进行总体参数推断,量化分析参数模型假设对估计量不确定性的效应,并辅以置信椭圆等诊断方法确保分析的有效性。【结果】1)不同模型假设下的总体均值估计值μmb为7.159~7.331 m^(3)·hm^(-2),解析方差估计值Var(μmb)为0.147~0.221,抽样精度为93.59%~96.64%,总体均值的经验方差估计值Var(μmb)为0.143~0.237。模型假设会影响模型参数估计,进而影响推断精度Var(μmb)。自助法是检验总体参数解析估计量无偏性的有效方法。2)基于设计的统计推断方法得出的总体均值估计值μdb为6.774 m^(3)·hm^(-2),其方差估计值Var(μdb)为0.965,抽样精度为85.50%。既定条件下,相比基于设计的统计推断,基于模型的统计推断能够有效将推断精度提升77.10%~84.77%,对抽样精度的提升为9.46%~13.03%。【结论】基于模型的统计推断在小样本推断中具有更高的推断精度和抽样精度,有助于实现高精度、低样本量、短周期的森林资源调查目标,但建模过程中的不确定性会影响推断精度,其中残差变异性对推断不确定性的影响最大。忽略方差异性和空间自相关效应在同方差假设下进行总体参数推断,会低估Var(μmb),在考虑方差异性的同时应进一步检验空间自相关性并使用相应的权函数和自相关函数模拟残差变异性。