抽样技术在森林生物量调查中的应用综述

吴 恒 胥 辉

（1. 西南林业大学林学院，云南 昆明 650233；2. 国家林业和草原局昆明勘察设计院，云南 昆明 650031）

森林生物量是森林生态系统循环的能量基础和物质来源，以单位面积或时间积累的干物质量或能量来表示，也是研究森林生态系统结构和功能的重要指标[1-2]。森林生态系统生物量信息是森林生态系统科学管理的前提和基础[3-5]。如何高效和有效地监测森林生物量的年度动态变化是自然资源调查领域的研究热点和技术难点，受外业调查工作量巨大和对森林生态系统破坏性的机会成本限制，森林生物量不可能采用全林实测方法进行调查，应用抽样调查和分析已有的森林生物量资料能有效地节省人力、物力和时间等成本[6]。采用全部总体中等概率抽取样本单元的方法，按照规定的精度与可靠性确定的样本单元数仍然相当多。因此，在满足精度与可靠性的条件下，通过改进样本抽取方法及观察资料分析，从而减少抽取样本单元是生物量调查要研究的问题。

当森林生物量空间分布存在显著差异时，采用随机抽样、系统抽样和分层抽样等抽样方法现地调查后估计区域生物量，估计结果缺乏针对性，且可能导致估计偏差[7]。同时样本单元分散，不利于实际调查工作开展，如系统抽样按照一定间距布设抽样单元，样地间联通性降低，增加了样地间的路程成本，部分样地位于悬崖陡坡只能目测或放弃等，增加了生物量调查结果的误差来源不确定性[8]。生物量空间分布格局影响着抽样方法的选择，如当调查总体呈现集群分布时，采用随机抽样可能导致估计精度达不到要求[9]。生物量调查抽样技术的研究除了减少样本单元数之外，还应尽可能使样本单元集中或者位置较容易寻找，如群团抽样等方法使样本相对集中，从而降低调查工作成本，而基于空间分布的抽样是一条有效路径。

森林资源调查不仅服务于林业生产经营管理，更要运用于生态保护和修复等具体工程项目。抽样调查作为资源信息调查的重要途径，应根据战略任务和实际需求的变化而不断进行调整[10]。新时期森林资源监测年度出数和生态系统功能监测需求尤为迫切，生物量监测年度出数的关键在于抽样方案的可靠性和可操作性，生态系统功能监测的关键在于重要指标的调整。木材生产时期，面积、蓄积量、采伐量和枯损量等是传统森林资源调查的重要指标[11]。“五位一体”高质量发展时期，森林生物量、碳汇潜力、生态功能、森林健康等服务于民生林业建设的指标得到了更多的关注。为适应调查信息需求的转变，有必要对森林资源调查技术和方法进行创新和优化，以保证及时、准确和高效地获取森林生态系统生物量信息。

1 国内外研究现状

当前国内外生物量调查方法有抽样估计和遥感估测等方法，主要采用机械抽样、分层抽样和随机抽样等方法进行地面样地布设。其中，采用遥感估测生物量可以有效地减少外业调查工作量，随着遥感数据源的丰富成为一种快捷方法，但因精度和不确定性的限制[12-13]，采用地面机械抽样是推算不同尺度生物量的主要方式。等概率抽样作为经典的调查抽样方法，已经得到广泛地运用[14]，不等概抽样、基于遥感的抽样调查[15]和稀疏总体分布抽样[16]等方法运用于生物量调查更具有针对性，普适性为基础和针对性为补充进行抽样技术的优化整合，形成系统化的调查监测抽样技术体系，是森林生态系统的动态监测管理的发展趋势。

1.1 生物量空间分布格局是影响调查精度的重要因素

针对不同的生物量空间分布格局应采用相应的抽样设计[8]，从而提高抽样方案制定的科学性和准确性。随机分布、均匀分布、聚集分布和镶嵌分布是生物量空间分布格局的4种类型。在森林演替的初始阶段可能呈现生物量随机分布形式，一般情况下，生物量随机分布较少，因为在区域尺度上，土壤、海坡、坡度、坡向、光照和水源等生境因子极小概率出现均匀一致的情况，生境因子的异质性使森林生物量一般呈现非随机的空间分布状态[17]。均匀分布指森林生物量均匀地分布于水平空间中，由于环境资源有限和林木竞争等因素，区域尺度范围内生物量格局一般也不会呈现均匀分布。但范围较小区域内的特定时期，灌木化的乔木树种和大面积的人工造林幼林时期，可能呈现一定程度的均匀分布。集群分布的主要特征是生物量空间分布成群团状地密集分布，天然林分或次生林分生物量多数呈现聚集分布[18]。

通过分析生物量调查的抽样单元空间的自相关性，计算Moran"s I指数[19]得出森林生物量的空间分布状态，空间信息可用于辅助生物量调查和监测抽样。毛学刚等[20]利用遥感手段，计算了全局Moran"s I指数，对大兴安岭地区3个时期的森林生物量进行了异质性和空间自相关性分析。样本单元的面积、形状和数量均会对生物量空间分布格局分析的结果产生影响，生物量空间分布格局非全域分析时应科学设置样本单元的面积、形状和数量等。分析方法如最近个体法、最近相邻法、随机成对法和中心点-四分法等运用于分布格局分析，有助于消除抽样尺度产生的误差。

1.2 抽样技术是影响森林生物量调查效率的关键因素

抽样效率是精度与费用的综合，影响生物量抽样效率的因素包括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。生物量调查总体的标准差较大，那么样本统计量的估计值方差也会偏大，导致抽样误差的增大[21]。样本单元数也影响着抽样精度，如果抽取样本量少对生物量总体估计量的代表性就差，抽样精度就低[22]。抽样方式也影响着抽样效率，样本单元的组织形式也会对生物量调查总体的代表性产生影响[23]，针对某一区域相同的抽样单元数量，放回抽样的估计误差大于不放回抽样的估计误差。当抽样方式和样本单元都一致的情况下，样本单元的面积[24]和形状等也会对抽样效率造成不同程度的影响[25]，如相同测量周界，圆形样地的面积大于正方形，正方形大于长方形，从而包含的森林生物量信息存在差异。同时由于样本单元调查引起的误差传导到区域尺度生物量估计将产生更大的不确定性和误差的传导[26]。基于抽样技术的敏感性分析，如样本组织形式，样本单元数量、形状和大小等将有助于生物量调查效率的提高。

1.3 传统等概率抽样技术运用于生物量调查存在局限性

简单随机抽样得到的样本单元较为分散，不利于实际森林资源调查工作的开展[27]，且精度依赖于样本单元的数量[28-29]。相较于随机抽样，系统抽样的样本组织操作简便。当系统抽样的样本单元间生物量标准差较大，即使按照系统抽样的方法组织样本，估计结果更接近简单随机抽样，要保证抽样调查结果的精度就需要增加样本单元。当前，运用森林资源连续清查样地调查数据估计区域尺度森林生物量是国内学者最多采取的途径[30]。但此方法生物量估计由单木水平汇总成样地水平、再从样地水平推算到区域总体生物量，过程中存在大量不同来源的误差[31]和不确定性，如测量误差、模型不确定性和未进入检尺范围的幼树等，将导致森林生物量数据的高估或低估[32]。森林生物量的估计误差来源是多样的，且彼此间存在交互作用和误差传导效应，科学的抽样设计就显得尤为的重要[33]。

分层抽样与随机抽样相比，分层抽样往往具有显著的潜在统计效果。分层抽样效果一定程度上取决于先验信息的准确性，关键在于根据属性特征的类型划分，同一层内样本单元间的方差应尽可能小，不同层间样本单元的方差应该尽可能大。当总体生物量标准差较大，分总体间标准差较小的情况下，运用分层抽样的估计精度大于简单随机抽样的估计精度[34]，如森林资源规划设计调查中往往采用分层抽样调查森林蓄积量[35]。整群抽样将调查总体划分为互不相交的群体，然后全面调查。通过增加相邻样本的调查单元数量提高精度、节省时间，有助于抽样效率的提高，在一些群团分布的森林资源调查中具有广泛的运用[36-37]。

等概率抽样每个样本单元的地位都相等，方法简单且容易设计，在传统森林资源调查中得到了广泛的应用。等概率抽样在满足规定的精度与可靠性前提下确定的样本单元数仍较多且分散，增加了生物量调查的难度，受调查成本等的限制大规模的组织调查工作存在一定的局限性。尤其当生物量总体差异较大时，必然导致等概率抽样的精度较差，这是就需要牺牲“简单”来提高效率。不等概率抽样适用于抽样单元在总体中的地位不一致或者调查的总体单元与抽样总体的单元不一致等情况，不等概率抽样的前提条件是样本单元的入样概率能由每个单元的辅助信息来确定[38]。

2 生物量调查技术发展趋势

生物量外业调查工作需要考虑样本的单元间的距离，抽样设计应考虑生物量存在的空间分布差异，采取不同的抽样方案。传统的森林资源调查主要以蓄积量调查为主[39]，生物量的估测主要采用与蓄积相容的生物量模型，实现从蓄积量到生物量的转换，建立与蓄积相容且精度高的生物量模型是影响生物量估测准确性的关键因素。同时，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[40-41]，传统的等概率抽样技术需要在敏感性分析的基础上进行优化[42-45]。适应性抽样技术能基于森林生物量的空间分布格局进行不等概率抽样，能有效提高调查效率。

2.1 基于空间分布格局分析的适应性抽样技术更满足生物量调查需求

不等概率抽样的优点是提高估计精度，减少抽样误差，和等概率抽样相比，不等概率抽样编制抽样框的过程要更加复杂。森林资源调查中的PPES（sampling with probability proportional to an estimate of size）抽 样 和PPP（probability proportional prediction）抽样就是不等概率抽样理论的实际运用。上世纪70年代，林业开始运用不等概率进行抽样设计[39]，角规测树是森林资源调查不等概率抽样的典型运用实例，计算计数木的胸高断面积，根据形高法计算森林蓄积量，角规点抽样与一般的矩形样地相比简单易行且抽样效率较高。不同的样本组织形式和不等概抽样结合形成了不同的抽样设计方案[40-41]。如整群抽样中的群团样本往往大小不一，规定不同大小群团的入样概率，利用不等概率进行抽样可以在较少抽样单元的情况下，保证抽样估计的精度[46]。不等概抽样在抽样框的设计和入样概率确定比等概抽样复杂，但能有效提高调查效率[47]，对于森林生物量估测，应用不等概抽样方法可能获得更高的抽样效率[21]。

从20世纪90年代适应性抽样设计的提出[48]，样本组织形式、估计方法和实际运用等均得到了改进和完善。由于传统抽样方法没有考虑生物量不同群团间对总体估计的贡献不一致，采用系统抽样等传统方法可能导致抽样效率和估计量精度的降低[49-52]。对稀疏分布总体采用适应性抽样设计依赖样本单元间的关联程度能有效减少抽样单元数量，提高抽样效率[53-54]；对聚集分布总体采用传统的群团抽样可能导致估计偏差[55]。生物量空间分布格局分析结果运用于适应性抽样的结合点在于不等概率抽样，不同的分布格局入样概率不一样，可以有效地减少抽样调查的样本量。适应性抽样结合不等概率抽样能充分考虑生物量的空间分布差异和不同群团的地位差异，进行适应性的不等概率入样。

2.2 基于空间分布格局分析的适应性抽样关键技术和方法

Ripley’sK(d)分析、聚集指数分析、最近邻体分析和空间相关性分析是目前主要的空间格局分析方法[7]。最近邻体分析依次选取和测量每个基础单元与其最近基础单元之间的距离，然后计算区域内全部基础单元的最近邻体距离平均值，再与随机分布的期望平均值进行比较。聚集指数是采用与相邻样本单元间的距离进行指数计算和分析，描述生物量的空间分布集聚状态。Ripley’sK(d)可以针对不同尺度的生物量分布格局进行精确分析。空间相关性分析样本单元间的空间自相关性，能够有效减少样本冗余，降低调查成本[14]。

一阶二邻域、一阶四邻域、一阶八邻域和分裂四邻域是适应性抽样设计的四种邻域形式，适应性抽样的抽样框和样本单元受邻域形式的影响，进而对抽样效率造成影响。自适应抽样设计要根据样本单元间的邻域聚集状态进行不等概率抽样参数调整，使之适应不同的生物量空间分布格局。生物量调查适应性抽样根据森林生物量的分布格局先验信息设定原始抽样比例，根据邻域样本单元的入样概率进行适应性抽样，从而提高抽样效率。

抽样技术优化应该考虑复杂系统退化失效和突发失效对生物量抽样调查可靠性影响。如森林资源连续清查固定样地因为人为干扰和特殊保护等不确定性使得样地的代表性逐次下降，导致调查抽样系统退化失效[42-43]；森林资源规划设计调查控制样地与山脊平行，导致抽样设计突发失效等假设，进行抽样设计的可靠性评估。

3 结语

生物量抽样调查应充分利用已有的空间矢量数据进行分布格局分析，基于空间分布格局分析结果进行抽样设计。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，传统的等概率抽样技术需要在敏感性分析的基础上进行优化。适应性抽样技术能基于森林生物量的空间分布格局进行不等概率抽样，能有效提高调查效率[56-57]。生态文明建设背景下，生物量调查抽样应研究和设计出符合不同尺度生物量时空分布特点的抽样方案，解决森林生物量年度出数和抽样失效可靠性影响分析的关键科学问题。同时为监测全国范围宏观性森林生物量变化和发展趋势，以遥感卫星数据为抽样基础数据，辅助调查资料，运用空中抽样的方法，在遥感图上布设样地估算森林生物量[58-59]，以满足不同区域尺度和空间分布特点的生物量估测的实际需要[60-61]。