空间分层抽样在森林覆盖面积监测中的应用

doi:10.3969/j.jssn.1000-2006.2012.03.017

国家林草科技领军期刊
中国精品科技期刊
中国高校百佳科技期刊
江苏省新闻出版政府奖期刊奖
RCCSE林学权威期刊（A+）
CSCD核心期刊
Scopus数据库收录期刊
中文核心期刊
SCD核心期刊

作者加群：102861116

微信公众号：南京林业大学学报

高级检索

南京林业大学学报（自然科学版） ›› 2012, Vol. 36 ›› Issue (03): 81-84.doi: 10.3969/j.jssn.1000-2006.2012.03.017

空间分层抽样在森林覆盖面积监测中的应用

张小伟^1,2,佘光辉^2*,温小荣²,林国忠²,曹林²,罗扬³

1.浙江省森林资源监测中心,浙江杭州 310020; 2.南京林业大学森林资源与环境学院,江苏南京 210037; 3.贵州省林业科学院,贵州贵阳 550000

出版日期:2012-05-30 发布日期:2012-05-30
基金资助:
收稿日期:2011-04-19 修回日期:2012-03-12 基金项目:国家自然科学基金项目(30571491); 国家林业公益性行业科研专项项目(200804006); 江苏省林业三项工程项目(lysx(2009)46) 第一作者:张小伟,硕士。*通信作者:佘光辉,教授。E-mail: ghsh@njfu.edu.cn。引文格式:张小伟,佘光辉,温小荣,等. 空间分层抽样在森林覆盖面积监测中的应用[J]. 南京林业大学学报:自然科学版,2012,36(3):81-84.

The application of spatial stratified sampling in remote sensing monitoring of forest cover

ZHANG Xiaowei^1,2, SHE Guanghui^2*, WEN Xiaorong², LIN Guozhong², CAO Lin², LUO Yang³

1.Monitoring Center of Forest Resources of Zhejiang Province, Hangzhou 310020, China; 2. College of Forest Resources and Environment, Nanjing Forestry University, Nanjing 210037,China; 3. Forestry Science Institute of Guizhou Province, Guiyang 550000, China

Online:2012-05-30 Published:2012-05-30

摘要/Abstract

摘要： 为探讨空间分层抽样在森林资源调查中的应用,以对贵阳市花溪区的森林覆盖面积调查为例,利用融合后遥感数据SPOT5作为底图,布设100 m×100 m的抽样框,并从SPOT5影像上提取辅助因子进行先验抽样。采用Moran’s I指数进行空间自相关分析,结果表明,调查目标具有显著空间自相关性,可以进行空间抽样。利用460个样本单元的观测值对整个研究区进行普通克里格空间插值,并以插值结果作为分层辅助因子进行空间分层,结果初步表明空间分层抽样与经典抽样和随机空间抽样相比具有明显优越性,可以降低成本,提高效率。

Abstract: In this paper, we selected the forest cover per hectare in Huaxi district, Guiyang city as an example to explore the application of spatial stratified sampling for forest resources. By using the information from SPOT5 image as foundation, a 100 m×100 m sampling frame was constructed, the information extracted from SPOT5 image were used to make priori sampling. The results showed that there is significant spatial autocorrelation of the forest cover per hectare from Moran’s I. The result of ordinary Kriging interpolation is used as the auxiliary factor to stratify. Our research initially show that spatial stratified sampling is more efficient compared with classic sampling or spatial random sampling.

中图分类号:

S757

张小伟,佘光辉,温小荣,等. 空间分层抽样在森林覆盖面积监测中的应用[J]. 南京林业大学学报（自然科学版）, 2012, 36(03): 81-84.

ZHANG Xiaowei, SHE Guanghui, WEN Xiaorong, LIN Guozhong, CAO Lin, LUO Yang. The application of spatial stratified sampling in remote sensing monitoring of forest cover[J].Journal of Nanjing Forestry University (Natural Science Edition), 2012, 36(03): 81-84.DOI: 10.3969/j.jssn.1000-2006.2012.03.017.

参考文献

相关文章 15

[1]	赵金满, 韩馨悦, 程瑞明, 张志东. 塞罕坝自然保护区华北落叶松和樟子松人工林健康评价[J]. 南京林业大学学报（自然科学版）, 2024, 48(3): 199-206.
[2]	罗奕奕, 李凌超, 程宝栋. 经济增长对森林破碎化的影响——以中国京津冀地区为例[J]. 南京林业大学学报（自然科学版）, 2024, 48(1): 227-236.
[3]	向俊, 严恩萍, 姜镓伟, 宋亚斌, 韦维, 莫登奎. 基于全卷积神经网络和低分辨率标签的森林变化检测研究[J]. 南京林业大学学报（自然科学版）, 2024, 48(1): 187-195.
[4]	张晓迪, 李明泽, 王斌, 吴泽川, 莫祝坤, 范仲洲. 基于红外序列图像的火线实时提取及蔓延模拟火线优化[J]. 南京林业大学学报（自然科学版）, 2023, 47(6): 192-202.
[5]	肖箫, 周阳, 王树梅, 郑亚雄, 官凤英. 带状采伐对新生毛竹空间结构及稳定性的影响[J]. 南京林业大学学报（自然科学版）, 2023, 47(4): 139-147.
[6]	盖军鹏, 陈东升, 贾炜玮, 王政. 基于种源和气候效应的日本落叶松树高生长模型研究[J]. 南京林业大学学报（自然科学版）, 2023, 47(4): 51-60.
[7]	储安婷, 宁卓, 杨红强. 林业碳汇对人工林最优轮伐期的影响--以杉木和落叶松为例[J]. 南京林业大学学报（自然科学版）, 2023, 47(3): 225-233.
[8]	朱志洪, 周本智, 王懿祥, 祁军, 李爱博, 黄润霞. 近30年千岛湖流域产水量时空变化及其影响因子分析[J]. 南京林业大学学报（自然科学版）, 2023, 47(3): 111-119.
[9]	何潇, 雷相东, 段光爽, 丰庆荣, 张逸如, 冯林艳. 气候变化对落叶松人工林生物量生长的影响模拟[J]. 南京林业大学学报（自然科学版）, 2023, 47(3): 120-128.
[10]	宋磊, 金星姬, PUKKALA Timo, 李凤日. 长白落叶松人工林多目标经营模式研究[J]. 南京林业大学学报（自然科学版）, 2023, 47(2): 150-158.
[11]	丁相元, 陈尔学, 李增元, 赵磊, 刘清旺, 徐昆鹏. 国家森林资源清查遥感应用主要技术进展[J]. 南京林业大学学报（自然科学版）, 2023, 47(1): 1-12.
[12]	郭常酉, 郭宏仙, 王宝华. 基于气候因子的杉木单木胸径生长模型构建[J]. 南京林业大学学报（自然科学版）, 2023, 47(1): 47-56.
[13]	陈幸良. 林下经济学的缘起、发展与展望[J]. 南京林业大学学报（自然科学版）, 2022, 46(6): 105-114.
[14]	王大卫, 沈文星. 中国主要树种人工乔木林碳储量测算及固碳潜力分析[J]. 南京林业大学学报（自然科学版）, 2022, 46(5): 11-19.
[15]	雷海清, 孙高球, 郑得利. 温州市森林生态系统碳储量研究[J]. 南京林业大学学报（自然科学版）, 2022, 46(5): 20-26.

空间分层抽样在森林覆盖面积监测中的应用

The application of spatial stratified sampling in remote sensing monitoring of forest cover

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

作者

读者

审稿