基于空间结构调查的林分密度估计_王宏翔 1).pdfVIP

网络出版时间：2014-04-29 10:13 网络出版地址：/kcms/doi/10.13287/j.1001-9332003.html 基于空间结构调查的林分密度估计* 王宏翔 惠刚盈** 张弓乔 李远发 刘 恩 ( 中国林业科学研究院林业研究所/ 国家林业局林木培育重点实验室, 北京 100091) 摘 要 利用林分空间结构抽样调查技术，采用测量抽样点到其第 k 株最近相邻木的距离(距离法) 进行密度估计，分别选取 k=4 和 k=6 两种距离调查方法进行分析，并对 Prodan、Persson 、Thompson 3 种不同密度估计方法的预估能力进行检验。结果表明：不同预估方法的预估能力受林木水平分布 格局影响。Prodan 法在均匀分布的林分中有较强的预估能力，随着分布格局聚集性增加会产生越来 越大的偏差；Persson 计算法在均匀及随机分布的林分中产生正偏差，但随着分布格局聚集性增加产 生的相对误差接近 0，预估能力增强；Thompson 计算法对随机或接近随机分布的林分有较强的预估 能力，而在均匀分布和聚集分布的格局中分别产生正偏差和负偏差。抽样点为 49 个时，选择 6 株木 与 4 株木预估能力无显著差异，因此，密度估计可与选取 4 株相邻木的空间结构参数调查整合在一 起。 关键词 林分空间结构 距离法 密度估计 空间分布格局 角尺度 文章编号 中图分类号 S758.5 文献标识码 A Stand density estimation based on the measurement of spatial structure. WANG Hong-xiang, HUI Gang-ying, ZHANG Gong-qiao, LI Yuan-fa, LIU En (Institute of Forestry, Chinese Academy of Forestry/ Key Laboratory of Tree Breeding and Cultivation, State Forestry Administration, Beijing 100091, China) Abstract: This study estimated stem density by combining distance sampling with stand spatial structure investigation techniques. We tested the statistical performance of two investigative methods (selecting the fourth- or sixth-nearest tree to the sample location) and three different density estimators (Prodan, Persson, and Thompson). Different spatial distribution patterns influenced the performance of these estimators. Prodan’s estimator was unbiased for uniform patterns, and it produced increasing bias with increasing spatial clustering. Persson’s estimator produced consistent positive bias for uniform and random patterns,