最佳取样计划估计景观制图.docVIP

最佳取样计划估计景观制图 抽样设计的一个优化的目的，而不会失去必要在降低成本的空间信息和预期的估计和植被制图的精度。这项研究集中于调查抽样设计，综合考虑在成本方面均情节和样本量和最佳的解决方案方差估计全球估计和当地景观的整体植被覆盖映射使用水土流失的管理。阿地统计学方法的基础上发展区域化变量理论和比较经典的一个案例研究随机抽样方法，即最佳采样是专为评估和测绘植被覆盖。成本是引入抽样设计条款的测量时间。这种方法使得有可能寻求最佳的解决方案确定情节和样本大小给予所需的精度和允许调查的费用预算为本地及全球估计。结果表明，地统计学方法更具成本效率比传统设计因为它占空间的变量依赖于抽样设计。此外，情节的大小影响克立格法的标准误差估计的更为显着高于当地的样本大小，而更多的样本规模对全球的估计比不积尺寸精度。引言 土壤侵蚀，在美国通常是预测使用像经修订的通用土壤经验模型流失方程（RUSLE的）（勒纳尔等人。1997年）。在公式中，水土流失是一个六函数的输入包括降雨径流侵蚀力，土壤因子可蚀，坡长，坡度，地面和植被覆盖，支持实践。该盖的因素是土壤流失面积率从指定覆盖，反映了地面效应和植被覆盖对土壤流失还原降雨和径流减少。土壤侵蚀主要是既敏感地形和覆盖系数。 不过，后者是至关重要的监测土壤侵蚀，因为地形特点随着时间的相对稳定。较大的地面和植被覆盖，较小的土壤流失。 准确定位覆盖对景观土壤侵蚀的管理目的要求无偏估计不仅应提供为跨大区，而且对全球的估计景观上的任何位置。此外，抽样应符合成本效益的，也就是说，一个采样设计应提供尽可能多的信息可能在一个最低的成本。 最佳采样设计是确定适当的依赖样本量的大小和情节时，地面数据收集成本预算给予调查和理想的估计精度。 给出的最优样本量的大小是定义一个阴谋作为样本的大小，尽量减少成本给予理想的估计精度，但确切最低损失情况尚不清楚。精度和情节相关的成本的大小和样本大小。该理想的精确度可以达到每具体个案，组合的数量之间样本的大小和情节大小（Arvanitis1967年和奥里根;辛格和Chandhary1986年）。在一般来说，较大的样本量和较大的样地将导致更高的精度。但是，这将导致成本增加。问题因此成为如何确定适当的组合情节大小和样本大小。许多作者研究了测定情节大小合适的尺寸和最佳范例天然资源清查（Mesavage和Grosenbaugh1956年，亨德里克斯1956; Wiegert1962;奥里根和Arvanitis1966年，王等人。 2001年b，c）项。例如，亨德里克斯（1956）发现，变异通常随更大的地皮大小。 然后，他开发了一种方法来确定最佳小区面积的斜坡上的绝对价值为基础作为一个对数的方差回归线函数的对数的情节大小，以及的金钱和时间花费抽样比例对比情节大小。 Wiegert（1962）提出，首要的情节因素的最优规模决定和形状是相对的可变性和相对成本。情节大小和形状时，可以选择的产品相对变率和相对成本最小。此外，柯伦和威廉姆森（1986）讨论样本大小之间的平衡和采样在错误的地点在一个图像水平地面数据时，获得和使用校准和确定的精确度远程遥感数据和相应的产品。 传统上，确定样本的大小和情节给予所需的精度是基于一个变化变简单随机抽样。的基础传统方法是一个假设，即有不能样地之间的空间相关性。最近的研究并不支持这一假设。另外，结果得到了地统计学方法倾向于支持一个区域化变量理论认为，一个变量的数据是相似的，当他们发出的指示接近对方，成为具有相似的增长疲软数据之间的间隔距离，最后消失在远处，这就是所谓最高范围的空间变异。这个空间特征样本数据的空间变异性也被称为或依赖。忽略了空间依赖可能导致更高的成本或更大不确定性的抽样设计及估计。该方差估计届时的偏颇。 80年代以来，许多学者已应用区域化变量理论及Kriging算法在抽样设计（Burgess等人统计学。1981年McBratney和韦伯斯特1981年，1983年;McBratney等。 1981年，奥利1984; Yfantis等。1987年韦伯斯特等人。 1989年; Arvanitis和Reich1991年，阿特金森1991;麦奎尔等人。 1993年;英格伦和Heravi1995年）。克里格可能导致与最小误差方差的无偏估计任何未知位置或研究区块内区，而仅误差方差取决于在一个半方差衡量的空间变异性一个变量，因此，在配置在关系到观测场点或块估计之间的距离和他们。误差方差不依赖于样本数据本身。一旦半方差函数是已知的，例如，通过进行试验样品或使用现有的数据集