王 瑞,楊沁雨,歐光龍,胥 輝

(西南林業(yè)大學(xué) 西南地區(qū)生物多樣性保育國家林業(yè)局重點實驗室,昆明 650224)

森林生物量是反映森林生產(chǎn)力和森林生態(tài)系統(tǒng)功能的重要參數(shù)[1],也是研究森林生態(tài)系統(tǒng)生產(chǎn)力、碳儲量及碳循環(huán)的基礎(chǔ),并在森林的經(jīng)營、監(jiān)測與評價中起到重要的作用[2]。森林生物量估算可以了解森林生態(tài)系統(tǒng)碳儲量變化區(qū)域以及長時間以來的變化趨勢,查清森林生物量空間分布和動態(tài)變化,對研究全球氣候變化模型和陸地碳循環(huán)具有重大的意義[3]。對森林生物量估算的研究包括傳統(tǒng)測量方法以及遙感監(jiān)測等手段[4],且森林生物量也會隨森林類型、齡組、起源等差異而不同[5]。

系統(tǒng)抽樣和分層抽樣調(diào)查是森林資源調(diào)查包括生物量最常用的方法[6-7]。系統(tǒng)抽樣操作簡便,但對于復(fù)雜的總體,需要大量的樣本才能保證其代表性。分層抽樣在各層中進行簡單隨機抽樣,可以提高抽樣效率[8],但需要運用有效的技術(shù)手段、實行科學(xué)的分層[9-10],如以用地類型、森林類型、樹種、林齡等屬性作為分層變量[11]。本文以普洱市思茅區(qū)森林資源二類調(diào)查為基礎(chǔ),以系統(tǒng)抽樣為對照,在95%的可靠性下、設(shè)置95%、90%和85%的抽樣設(shè)計精度進行單變量分層抽樣的比較分析,為森林生物量調(diào)查分層抽樣提供參考和借鑒,具有一定的理論和實踐意義。

1 研究區(qū)概況

研究區(qū)位于云南省普洱市思茅區(qū),思茅區(qū)位于云南省南都、普洱市中部,地處北緯22°27′～23°06′,東經(jīng)100°19′～101°27′之間。東連江城縣,西接瀾滄縣和景谷傣族彝族自治縣,南鄰西雙版納傣族自治州,北臨寧洱縣。東西長118km,南北寬72km,總面積3 928km2。全區(qū)海拔在578～2 155m之間,森林覆蓋率70.28%[12]。思茅區(qū)屬低緯高原南亞熱帶季風(fēng)氣候區(qū),境內(nèi)立體氣候明顯,有北熱帶、南亞熱帶、中亞熱帶和北亞熱帶4個不同的氣候類型,具有低緯、高溫、多雨、濕潤、靜風(fēng)的特點,年均氣溫17.8℃,年均降雨量1 524mm,無霜期318d,冬無嚴寒,夏無酷暑,四季溫和[13-14]。

2 研究方法

2.1 數(shù)據(jù)收集與整理

研究區(qū)的樣地數(shù)據(jù)來自2016年。本研究以2016年普洱市思茅區(qū)森林資源二類調(diào)查數(shù)據(jù)進行生物量估測。在ArcGIS下提取喬木林小班數(shù)據(jù),參考《云南省森林生物量和碳儲量估算及分布研究》[15],采用生物量轉(zhuǎn)換因子法計算小班森林總生物量(表1),進而得到單位面積森林總生物量。

表1 蓄積量-生物量轉(zhuǎn)換因子信息指數(shù)

根據(jù)對思茅區(qū)起源、齡組、地類、優(yōu)勢樹種的樣地面積生物量的方差分析結(jié)果,利用思茅區(qū)森林資源二類調(diào)查數(shù)據(jù)中的起源、齡組、地類以及優(yōu)勢樹種分層,分層抽樣方案分類結(jié)果如圖1所示。

圖1 分類結(jié)果示意圖

2.2 抽樣設(shè)計

以森林資源二類調(diào)查數(shù)據(jù)為基礎(chǔ),考慮森林起源、地類、齡組、優(yōu)勢樹種等常用調(diào)查因子作為分層變量,并考慮目前林業(yè)不同調(diào)查精度的要求,在可靠性為95%時,分別設(shè)置抽樣設(shè)計精度95%,90%和85%三個水平，并采用系統(tǒng)抽樣方法進行比較。為保證抽樣結(jié)果的準確性,分別采取30次重復(fù)抽樣,最后利用30次抽樣結(jié)果的均值作為試驗結(jié)果。抽樣樣地大小為30m×30m。

2.2.1基于變異系數(shù)的樣本單元數(shù)確定

2.2.1.1系統(tǒng)抽樣樣本單元數(shù)確定

(1)

為了確保達到設(shè)計的抽樣精度,在抽樣單元數(shù)計算中增加15%的保險系數(shù)。系統(tǒng)抽樣樣本數(shù)確定方法與簡單隨機抽樣方法相同。

2.2.1.2基于不同分層變量的分層抽樣樣本單元數(shù)確定

考慮森林起源、地類、齡組、優(yōu)勢樹種作為分層變量,并分別計算不同分層下的樣本平均值與標準差(表2),利用總樣本和各層樣本計算各層權(quán)重。分層抽樣的樣本數(shù)確定是采用最優(yōu)分配法,兼顧了各層變動大小和層權(quán)重這兩方面,在給定n的條件下,合理分配各層樣本單元數(shù)nh,并使誤差達到最??；且抽樣在各層內(nèi)獨立、隨機地進行抽樣,公式為:

(2)

2.2.2抽樣樣地布設(shè)

基于ArcGIS生成研究區(qū)的30m×30m的總體單元網(wǎng)格,系統(tǒng)抽樣的樣本點抽取是均勻分布的,采用公式(3)計算抽樣間隔；分層抽樣則基于森林資源二類調(diào)查數(shù)據(jù)獲得不同分層的圖層,在層內(nèi)以網(wǎng)格編號隨機確定樣地位置。

(3)

表2 不同分層變量的方差分析結(jié)果

2.2.3抽樣精度比較分析

分層抽樣精度計算公式如下:

1)總體平均數(shù)估計值的方差:

(4)

2)絕對誤差限Δ:

(5)

3)相對誤差限E:

(6)

4)估計精度:

Pc=1-E

(7)

2.2.4分層變量的方差分析

采用SPSS軟件中的單因素方差分析方法,分別計算森林起源、地類、齡組、優(yōu)勢樹種的森林生物量的組間和組內(nèi)方差,進而解釋森林生物量調(diào)查中分層抽樣變量選擇的合理性。

3 結(jié)果與分析

3.1 抽樣單元數(shù)確定

表3列出了不同抽樣方法在不同設(shè)計精度情況下的抽樣單元數(shù)。從表中可以看出,系統(tǒng)抽樣的抽樣單元數(shù)較多,分層抽樣的抽樣單元數(shù)相對較少。在分層抽樣中,在相同抽樣設(shè)計精度下,抽樣單元數(shù)呈現(xiàn)起源>齡組>地類>優(yōu)勢樹種的變化趨勢。

表3 3種抽樣方法樣本單元數(shù)確定

3.2 抽樣精度比較

不同抽樣設(shè)計精度中,利用不同分層因子進行分層的抽樣方法均優(yōu)于系統(tǒng)抽樣。在抽樣設(shè)計精度相同時,以優(yōu)勢樹種為分層變量的實際抽樣精度最高。當抽樣設(shè)計為95%和85%時,實際抽樣精度結(jié)果為：優(yōu)勢樹種>地類>起源>齡組；當設(shè)計精度為90%時,實際抽樣精度結(jié)果為：優(yōu)勢樹種>起源>地類>齡組。雖然在不同設(shè)計精度下所得出的實際抽樣精度結(jié)果不完全一樣,但是利用優(yōu)勢樹種進行分層抽樣的結(jié)果均為最好的。

3.3 分層變量比較分析

由表5可以看出,4類變量均表現(xiàn)出組間方差高于組內(nèi)方差,且檢驗均為極顯著(P<0.01),且呈現(xiàn)優(yōu)勢樹種>齡組>地類>起源的趨勢,其中優(yōu)勢樹種變量的組間方差與組內(nèi)方差差異最大為9.14,起源變量的組間方差與組內(nèi)方差差異最小為2.15。

表4 3種抽樣方法的抽樣結(jié)果

表5 不同分層變量的方差分析

4 結(jié)論與討論

本研究將分層抽樣和系統(tǒng)抽樣在相同可靠性和不同設(shè)計精度的3種情況下,根據(jù)實際抽樣精度、抽樣樣本數(shù)和抽樣效率三方面進行比較。

樣本單元數(shù)與資金投入和外業(yè)調(diào)查時間直接相關(guān),是抽樣效率的主要評價因子。85%，90%和95%三種設(shè)計精度,為不同成本投入和不同精度要求下開展區(qū)域生物量估測提供了多種分層抽樣選擇。與系統(tǒng)抽樣比較,分層抽樣具有樣本數(shù)量少、抽樣精度高的明顯優(yōu)勢。以設(shè)計精度85%為例,系統(tǒng)抽樣60個樣地,實際抽樣精度為85.32%；按優(yōu)勢樹種的分層抽樣44個樣地,實際抽樣精度87.82%。如果系統(tǒng)抽樣精度要從85.32%提高到87.82%,樣地數(shù)要從60個增加到91個,而相比分層抽樣只要44個,相當于可以減少47個,工作量減少了一半多,相當于效率提高了52%。采用單變量進行分層抽樣,優(yōu)勢樹種具有顯著優(yōu)勢。以設(shè)計精度85%為例,在樣本數(shù)量為44個前提下,其實際抽樣精度達到87.82%。

抽樣效率受區(qū)域生物量總體變動幅度、樣本單元數(shù)、抽樣方式、樣本組織形式和樣本單元的形狀和大小的影響[16],因此,單從抽樣成本與估測精度來確定抽樣方法是不全面的。在實際操作中,需要考慮到森林生物量空間分布存在顯著差異[17],實際調(diào)查中由于樣本單元分散或者部分樣地位于懸崖陡坡只能目測或放棄等因素[18],這將增加生物量數(shù)據(jù)的不準確性。將其它樹種合并到思茅松樹種中,以優(yōu)勢樹種和齡組作為分層變量進行生物量分層抽樣設(shè)計具有很強的合理性,理論上可以獲得更高的抽樣效率,由于樣本數(shù)量所限,本次研究中未做分析,需要在今后的研究中進一步深入探索。