使用地统计分析，伊朗里海地区人造林的空间变异性和树木属性估计外文翻译资料

 2022-12-11 20:19:55

英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料

利用地统计分析，伊朗里海地区人工林的空间变异性和树木属性估算窗体顶端

窗体底端

使用地统计分析，伊朗里海地区人造林的空间变异性和树木属性估计

摘要：本研究旨在通过地统计分析来研究伊朗里海地区人造林中的空间变异性和树木属性。采用18米龄枫木台（Acer velutinum Boiss）的50mtimes;125m系统网格进行采样，采用圆形样品200平方米。总共测量了63个公顷样本，共有96个样地，14.25公顷作为全面普查区进行了盘点。使用地理参考的库存图绘制了森林茎基础面积，茎密度和树高属性的实验变异函数。计算出的基础面积和高度变异系数显示出高度的空间自相关性，由球面模型拟合。然而，茎密度显示出巨大的块状效应。通过普通块克里金和交叉验证结果插值的基底面积和高度估计表明，所有的估计都是准确的。此外，全面人口普查区估计的基底面积平均值与实际平均值没有显着差异。因此，地统计分析能够准确地捕捉和解释这种种植园森林的空间变异性以及树木属性（而不是茎密度）。

关键词：地统计学 空间变异性 人工林 树属性 里海地区

1介绍

森林资源的估计是管理，规划和研究的一个不可避免的前提（Husch 等人 ，1982）。然而，传统的统计数据通常不足以描述空间相关的数据，因为一些空间上的相关属性具有不能通过常规进行分析的属性

只考虑非职业关系的统计数字。什么时候存在空间依赖性，邻近的邻近者比较远的那些更相似，即数据是自相关的。地统计学是描述空间变异性和估计森林变量的有用工具。它是应用统计学的分支，涉及到称为区域化变量的连续分布变量的空间依赖性的检测，建模和估计（Isaak和Srivastava，1989; Goovaerts，1997）。虽然在特定的立场中，树的空间分布代表离散物体的点模式（Dale，2000），树属性即基底面积，高度和密度可以被认为是直接受到不同空间连续变量的影响，如太阳辐射，土壤特征和水分养分利用率，从而允许考虑空间连续（Kint 等人 ，2003）。如今，地统计方法已经在林业中得到应用。地统计学为森林资源抽样评估技术提供了一个自然框架（Mandallaz，1991）。使用地统计分析的动机是，经典的基于设计的方法往往对于全球库存中的小面积估计很弱，而且对于使用区域或国家清单数据进行本地估计（Mandallaz，1993年）。需要准确的空间结构知识来通报造林指南和管理决策，以实现森林的长期可持续性。估计不同尺度的空间依赖性的变化量为设计有效实验提供了基础（Jeffers，1982），地统计学已被用于优化采样设计（Bellehumeur和Legendre，1998;Hernaacute;ndez和Emery，2009）基于森林规模调查的森林资源估算和绘图（Samra 等人 ，1989; Biondi 等人 ，1994; Gunnarsson 等人 ，1998; Tuominen 等人 ，2003; Montes 等人 ，2005; Freeman and Moisen ，2007; Pierce Jr 等人 2009年; Akhavan等人，2010年），其基础上产生地理参考数据图面积，密度或常数，这些变量通常显示空间自相关。本研究的第一个目标是利用地质统计学的变异和克里金法来描述和分析树属性的空间变异性，即基底面积，高度和密度，并将其映射到伊朗北部的种植园。第二个目标是考虑如果克里金能够提高与古典方法的估计精度比较。

2材料与方法

2.1研究领域

该研究于2006年夏天在位于伊朗北部里海地区的18年种植林中完成，海拔高度从200米到450米不等（图1）。 种植园面积63公顷。 主要树种是1989年天然林内部分切割后种植3mtimes;3m间距的枫树（Acer velutinum Boiss。），该地区大致中心的地理坐标为50°48，宽度36°38 N纬度 年平均气温和降水量分别为15.7℃和923mm。 研究领域的坡度从10％到65％不等。研究开始时，这一领域没有造林干预。

图1 研究区域和抽样网格

2.2 现场测量

我们使用系统网格进行抽样策略。 基于表面积（63公顷）和在地统计方法（至少100个样本）中，用于变异的样本图的最佳数量，设计了具有50m（N-S）times;125m（W-E）网格的网络用于采样（图1）。 样地呈圆形，表面积为200平方米。在每个树上记录了乳房高度的直径（1.3m）d.b.h. 超过7.5厘米。 此外，测量每个图中心点最近的树的高度。 记录每个样本图中心的UTM坐标好。 感兴趣的属性是森林茎基础面积（BA），茎密度（N）和树高（H）。此外，为了获得BA的实际平均值，随机选择一部分研究区域进行全面普查，表面积为14.25公顷，其中包含32个所谓网格样本（图1）。

2.3空间自相关分析

地质统计学的一个基本原理是更多的样本更靠近于相关的空间，因此比远距离的有更大的相似性，其属性有更多的连续性（Isaak和Srivastava，1989; Cressie，1993; Goovaerts，1997）。 一般来说，地统计学包括两个步骤：变异和克里金（Cressie，1993）。

2.4变异分析

半变异函数（简称为简称变量函数），统计模型的结构空间依赖性，是表征空间连续性的地统计学中最常见的工具（Isaaks andSrivastava，1989）。 变异函数表示当样本处于相互远离且在指定方向上的滞后距离的连续距离增量时变量值之间的相似度。 因此，通过以下公式从每个滞后距离和方向估计半方差函数（Webster和Oliver，2000）：

r ( h) = ( 1/2 N ( h) ) Sigma;[ Z ( Xi ) - Z( Xi h) ]sup2;

( i = 1 ,2 ,3 , . . . , n) （1）

其中gamma;（h）是N个数据对的半方差估计器，由特定的数据对分隔h的滞后向量。 z（Xi）和z（Xi h）是区域变量x在i和i h的位置的值。

通常使用三个参数来描述和建模行为变异系数：变程，基台值和块金效应。 范围是空间的距离相关性消失，变异性水平下降。 变异函数的高度平整被称为门槛。 纵轴上的变异函数的截距是表示空间结构的随机分量的块金效应。 当空间依赖关系是空间依赖关系也是样本之间的距离和各向异性（方向性）的函数时，变差函数可以是各向同性的（全向），当空间依赖性也是方向的函数时。 克里金的第一步是将模型拟合到实验变异函数中。 在本研究中，所有获得的实验变异函数都是使用添加了块金效应的球状模型进行建模。选择标准是最小残差平方和。 球状模型由下式给出：

其中c0，c和a分别代表块金常数，偏基台值和变程。

2.5克里金

克里金计算区域化最佳线性无偏估计的曲面基于空间结构定义的未采样点的变量实验半变差函数。 普通kriging z（x）（在实践中最常见的克里金类型，特别是环境科学）点i处的变量x由（Webster和Oliver，2000）给出：

其中，lambda;i是与采样点i处的z(xi)的值相关联的权重非偏差条件：

克里金可用于单点（克里金点）或某个区域的估计（块克里金）。 在这项研究中，由于平均值假设为静止和未知，并且没有观察到大规模趋势，没有趋势的普通块克里金用过的。 使用15mtimes;15m网格（与样本图大致相同的区域来强调采样图周围的局部变化）离散研究区域进行估计。 在最近的16个数据图中进行估计，在与自相关尺度相对应的变异函数的最大有效范围内。

2.6验证

我们使用交叉验证方法。 所有样品从数据集中逐个排除，并通过使用剩余样品的克里金法再次估计。 然后比较测量数据和估计值以评估克里金结果（Webster和Oliver，2000）。

通过计算平均偏差误差（ME）来评估交叉验证理想地等于零，因为克里金是无偏见的（Webster和Oliver，2000）：

使用均方根误差（RMSE）测量克里金的准确度：

用于地统计分析的软件包是GS 版本9（Gamma Design Software，LLC，Plain well，MI）。

3结果采样

总共在研究区域测量了96个样地。 归一化试验显示数据的分布大致正常，不需要转换。 表1显示了样本图的总结统计。

4地统计分析

4.1变异分析

我们计算了森林茎基础面积（BA），茎密度（N）和树高（H）的实验变异系数。 没有发现变异系数各向异性; 因此，仅使用球形模型拟合全向变差图，添加了块金效应。 结果如表2和图2所示。

表1.样本图的总结统计

表2.树属性拟合变异函数的特征

自相关范围的比较表明，在三个属性中，高度具有最大的自相关范围，而密度最小。 同时密度的结构化部分（SP％）低于50％，这表明在实验变体中存在相当高的块金效应（图2b）。

图2 各向同性实验变差函数和拟合球面模型的三个属性

4.2克里金

应用普通块克里金法在研究区域生成不同属性的连续图。 使用15mtimes;15m的网格进行离散化。 克里金结果如表3所示。克里金结果和茎密度的图谱在这里没有显示，原因在下一节中宣布。 表1和表3的比较表明，BA和H的平均值几乎相同。 然而，与测量数据相比，克里格数据的最小和最大值之间的范围已经减少。 事实上，由于克里格法的平滑效应，已经发生了约70％的差异减少。 图3显示了研究区域的基础面积和高度的空间分布（克里金图）。 图4显示了研究区域基础面积和高度的估计标准差（克里金误差）图。

表3.基底面积和高度克里金结果汇总统计

图3. 基底面积克里金图（a) 和高度的克里金图 (b)

图4. 基底面积克里金标准偏差图(a)和高度的克里金标准偏差图(b)

4.3验证

表4显示了验证结果。 交叉验证图如图5所示。根据表4，对于茎密度，估计误差（RMSE）和偏差（ME）的量如此之高。 这意味着，也基于图2b和5b，该属性的行为不像区域化变量。 因此，计算克里金图将被忽略。

表4.树属性的验证结果

图5.三个属性的交叉验证图

4.4 全面树种普查库存

使用完整的卡尺库存，我们用d.b.h计算了13036棵树。 在14.25中超过7.5厘米

哈。 因此，该区域的平均茎密度将为每公顷914.80棵。 我们计算出的平均基础面积等于15.82平方米/公顷，并将其视为实际平均值。 如此地区由32个样地组成。 有空间的想法

基础面积的变化与其他方法进行比较，我们也应用了这个地区的地统计方法。 图6显示了全面普查区基础面积的空间结构。从图6可以看出，全球树种普查区基底面积较大，空间结构较强，球面模型适合。 交叉验证图如图7所示。

因此，在这里使用三种方法：

1-全盘存货（100％）

2-取样（古典方法）

3-克里金（地统计方法）

并在表5中比较了结果：

图6.各向同性实验变异函数和全面普查区基底面积拟合球形模型，每个滞后距离对数

图7.全面树种普查区域基础面积的交叉验证图

表5.估计基础面积的3种方法的总结统计

5讨论

三个森林树属性;基础面积，密度和高度进行了调查空间结构研究在18年的枫叶种植园。两个基础区域和高度显示出空间自相关性，并且表现良好区域变量没有任何变异函数各向异性的线索。但是，尽管测量错误，variogarm的树木密度具有很大的块金效应，并没有在空间上自相关。这是因为树木以3米times;3米的规定间隔种植，处于初始阶段（典型的旋转周期为80年）。因此，基本竞争尚未开始茎密度属性的任何空间结构。同时，基底面积为246m，空间自相关度为2.277 m（表2）。自相关范围越长，变量越均匀。因此，这里的高度比基础面积更均匀。这意味着再次，光竞争尚未开始，表明树木一般具有相似的高度。此外，众所周知，土壤中的任何应力或差异都在增长条件和位置变量首先影响直径增量，然后在高度上。

由于基底面积和高度呈现空间连续性，我们应用了克里金插值法以产生其空间分布的连续图。根据这些地图，在研究区域的西北部（图3）看到基底面积的最高值，与全面人口普查区域部分重叠。由于该研究开始时该地区没有造林活动，这一部分的较高价值回归到土壤肥力和树木死亡率。

基础面积和高度属性的手段，从古典和地统计学方法几乎相同，没有显着差异（表1和表3）。然而，地质统计方法的差异减少从克里金获得的是70％左右。这意味着克里金估计基础面积和高度比传统方法在变异系数方面更准确。这是因为与所测量的数据相比

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[27384]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章