思茅区森林生物量分层抽样调查设计

王 瑞,杨沁雨,欧光龙,胥 辉

(西南林业大学 西南地区生物多样性保育国家林业局重点实验室,昆明 650224)

森林生物量是反映森林生产力和森林生态系统功能的重要参数[1],也是研究森林生态系统生产力、碳储量及碳循环的基础,并在森林的经营、监测与评价中起到重要的作用[2]。森林生物量估算可以了解森林生态系统碳储量变化区域以及长时间以来的变化趋势,查清森林生物量空间分布和动态变化,对研究全球气候变化模型和陆地碳循环具有重大的意义[3]。对森林生物量估算的研究包括传统测量方法以及遥感监测等手段[4],且森林生物量也会随森林类型、龄组、起源等差异而不同[5]。

系统抽样和分层抽样调查是森林资源调查包括生物量最常用的方法[6-7]。系统抽样操作简便,但对于复杂的总体,需要大量的样本才能保证其代表性。分层抽样在各层中进行简单随机抽样,可以提高抽样效率[8],但需要运用有效的技术手段、实行科学的分层[9-10],如以用地类型、森林类型、树种、林龄等属性作为分层变量[11]。本文以普洱市思茅区森林资源二类调查为基础,以系统抽样为对照,在95%的可靠性下、设置95%、90%和85%的抽样设计精度进行单变量分层抽样的比较分析,为森林生物量调查分层抽样提供参考和借鉴,具有一定的理论和实践意义。

1 研究区概况

研究区位于云南省普洱市思茅区,思茅区位于云南省南都、普洱市中部,地处北纬22°27′～23°06′,东经100°19′～101°27′之间。东连江城县,西接澜沧县和景谷傣族彝族自治县,南邻西双版纳傣族自治州,北临宁洱县。东西长118km,南北宽72km,总面积3 928km2。全区海拔在578～2 155m之间,森林覆盖率70.28%[12]。思茅区属低纬高原南亚热带季风气候区,境内立体气候明显,有北热带、南亚热带、中亚热带和北亚热带4个不同的气候类型,具有低纬、高温、多雨、湿润、静风的特点,年均气温17.8℃,年均降雨量1 524mm,无霜期318d,冬无严寒,夏无酷暑,四季温和[13-14]。

2 研究方法

2.1 数据收集与整理

研究区的样地数据来自2016年。本研究以2016年普洱市思茅区森林资源二类调查数据进行生物量估测。在ArcGIS下提取乔木林小班数据,参考《云南省森林生物量和碳储量估算及分布研究》[15],采用生物量转换因子法计算小班森林总生物量(表1),进而得到单位面积森林总生物量。

表1 蓄积量-生物量转换因子信息指数

根据对思茅区起源、龄组、地类、优势树种的样地面积生物量的方差分析结果,利用思茅区森林资源二类调查数据中的起源、龄组、地类以及优势树种分层,分层抽样方案分类结果如图1所示。

图1 分类结果示意图

2.2 抽样设计

以森林资源二类调查数据为基础,考虑森林起源、地类、龄组、优势树种等常用调查因子作为分层变量,并考虑目前林业不同调查精度的要求,在可靠性为95%时,分别设置抽样设计精度95%,90%和85%三个水平，并采用系统抽样方法进行比较。为保证抽样结果的准确性,分别采取30次重复抽样,最后利用30次抽样结果的均值作为试验结果。抽样样地大小为30m×30m。

2.2.1基于变异系数的样本单元数确定

2.2.1.1系统抽样样本单元数确定

(1)

为了确保达到设计的抽样精度,在抽样单元数计算中增加15%的保险系数。系统抽样样本数确定方法与简单随机抽样方法相同。

2.2.1.2基于不同分层变量的分层抽样样本单元数确定

考虑森林起源、地类、龄组、优势树种作为分层变量,并分别计算不同分层下的样本平均值与标准差(表2),利用总样本和各层样本计算各层权重。分层抽样的样本数确定是采用最优分配法,兼顾了各层变动大小和层权重这两方面,在给定n的条件下,合理分配各层样本单元数nh,并使误差达到最小；且抽样在各层内独立、随机地进行抽样,公式为:

(2)

2.2.2抽样样地布设

基于ArcGIS生成研究区的30m×30m的总体单元网格,系统抽样的样本点抽取是均匀分布的,采用公式(3)计算抽样间隔；分层抽样则基于森林资源二类调查数据获得不同分层的图层,在层内以网格编号随机确定样地位置。

(3)

表2 不同分层变量的方差分析结果

2.2.3抽样精度比较分析

分层抽样精度计算公式如下:

1)总体平均数估计值的方差:

(4)

2)绝对误差限Δ:

(5)

3)相对误差限E:

(6)

4)估计精度:

Pc=1-E

(7)

2.2.4分层变量的方差分析

采用SPSS软件中的单因素方差分析方法,分别计算森林起源、地类、龄组、优势树种的森林生物量的组间和组内方差,进而解释森林生物量调查中分层抽样变量选择的合理性。

3 结果与分析

3.1 抽样单元数确定

表3列出了不同抽样方法在不同设计精度情况下的抽样单元数。从表中可以看出,系统抽样的抽样单元数较多,分层抽样的抽样单元数相对较少。在分层抽样中,在相同抽样设计精度下,抽样单元数呈现起源>龄组>地类>优势树种的变化趋势。

表3 3种抽样方法样本单元数确定

3.2 抽样精度比较

不同抽样设计精度中,利用不同分层因子进行分层的抽样方法均优于系统抽样。在抽样设计精度相同时,以优势树种为分层变量的实际抽样精度最高。当抽样设计为95%和85%时,实际抽样精度结果为：优势树种>地类>起源>龄组；当设计精度为90%时,实际抽样精度结果为：优势树种>起源>地类>龄组。虽然在不同设计精度下所得出的实际抽样精度结果不完全一样,但是利用优势树种进行分层抽样的结果均为最好的。

3.3 分层变量比较分析

由表5可以看出,4类变量均表现出组间方差高于组内方差,且检验均为极显著(P<0.01),且呈现优势树种>龄组>地类>起源的趋势,其中优势树种变量的组间方差与组内方差差异最大为9.14,起源变量的组间方差与组内方差差异最小为2.15。

表4 3种抽样方法的抽样结果

表5 不同分层变量的方差分析

4 结论与讨论

本研究将分层抽样和系统抽样在相同可靠性和不同设计精度的3种情况下,根据实际抽样精度、抽样样本数和抽样效率三方面进行比较。

样本单元数与资金投入和外业调查时间直接相关,是抽样效率的主要评价因子。85%，90%和95%三种设计精度,为不同成本投入和不同精度要求下开展区域生物量估测提供了多种分层抽样选择。与系统抽样比较,分层抽样具有样本数量少、抽样精度高的明显优势。以设计精度85%为例,系统抽样60个样地,实际抽样精度为85.32%；按优势树种的分层抽样44个样地,实际抽样精度87.82%。如果系统抽样精度要从85.32%提高到87.82%,样地数要从60个增加到91个,而相比分层抽样只要44个,相当于可以减少47个,工作量减少了一半多,相当于效率提高了52%。采用单变量进行分层抽样,优势树种具有显著优势。以设计精度85%为例,在样本数量为44个前提下,其实际抽样精度达到87.82%。

抽样效率受区域生物量总体变动幅度、样本单元数、抽样方式、样本组织形式和样本单元的形状和大小的影响[16],因此,单从抽样成本与估测精度来确定抽样方法是不全面的。在实际操作中,需要考虑到森林生物量空间分布存在显著差异[17],实际调查中由于样本单元分散或者部分样地位于悬崖陡坡只能目测或放弃等因素[18],这将增加生物量数据的不准确性。将其它树种合并到思茅松树种中,以优势树种和龄组作为分层变量进行生物量分层抽样设计具有很强的合理性,理论上可以获得更高的抽样效率,由于样本数量所限,本次研究中未做分析,需要在今后的研究中进一步深入探索。