抽樣技術在森林生物量調查中的應用綜述

吳 恒 胥 輝

（1. 西南林業大學林學院，云南 昆明 650233；2. 國家林業和草原局昆明勘察設計院，云南 昆明 650031）

森林生物量是森林生態系統循環的能量基礎和物質來源，以單位面積或時間積累的干物質量或能量來表示，也是研究森林生態系統結構和功能的重要指標[1-2]。森林生態系統生物量信息是森林生態系統科學管理的前提和基礎[3-5]。如何高效和有效地監測森林生物量的年度動態變化是自然資源調查領域的研究熱點和技術難點，受外業調查工作量巨大和對森林生態系統破壞性的機會成本限制，森林生物量不可能采用全林實測方法進行調查，應用抽樣調查和分析已有的森林生物量資料能有效地節省人力、物力和時間等成本[6]。采用全部總體中等概率抽取樣本單元的方法，按照規定的精度與可靠性確定的樣本單元數仍然相當多。因此，在滿足精度與可靠性的條件下，通過改進樣本抽取方法及觀察資料分析，從而減少抽取樣本單元是生物量調查要研究的問題。

當森林生物量空間分布存在顯著差異時，采用隨機抽樣、系統抽樣和分層抽樣等抽樣方法現地調查后估計區域生物量，估計結果缺乏針對性，且可能導致估計偏差[7]。同時樣本單元分散，不利于實際調查工作開展，如系統抽樣按照一定間距布設抽樣單元，樣地間聯通性降低，增加了樣地間的路程成本，部分樣地位于懸崖陡坡只能目測或放棄等，增加了生物量調查結果的誤差來源不確定性[8]。生物量空間分布格局影響著抽樣方法的選擇，如當調查總體呈現集群分布時，采用隨機抽樣可能導致估計精度達不到要求[9]。生物量調查抽樣技術的研究除了減少樣本單元數之外，還應盡可能使樣本單元集中或者位置較容易尋找，如群團抽樣等方法使樣本相對集中，從而降低調查工作成本，而基于空間分布的抽樣是一條有效路徑。

森林資源調查不僅服務于林業生產經營管理，更要運用于生態保護和修復等具體工程項目。抽樣調查作為資源信息調查的重要途徑，應根據戰略任務和實際需求的變化而不斷進行調整[10]。新時期森林資源監測年度出數和生態系統功能監測需求尤為迫切，生物量監測年度出數的關鍵在于抽樣方案的可靠性和可操作性，生態系統功能監測的關鍵在于重要指標的調整。木材生產時期，面積、蓄積量、采伐量和枯損量等是傳統森林資源調查的重要指標[11]。“五位一體”高質量發展時期，森林生物量、碳匯潛力、生態功能、森林健康等服務于民生林業建設的指標得到了更多的關注。為適應調查信息需求的轉變，有必要對森林資源調查技術和方法進行創新和優化，以保證及時、準確和高效地獲取森林生態系統生物量信息。

1 國內外研究現狀

當前國內外生物量調查方法有抽樣估計和遙感估測等方法，主要采用機械抽樣、分層抽樣和隨機抽樣等方法進行地面樣地布設。其中，采用遙感估測生物量可以有效地減少外業調查工作量，隨著遙感數據源的豐富成為一種快捷方法，但因精度和不確定性的限制[12-13]，采用地面機械抽樣是推算不同尺度生物量的主要方式。等概率抽樣作為經典的調查抽樣方法，已經得到廣泛地運用[14]，不等概抽樣、基于遙感的抽樣調查[15]和稀疏總體分布抽樣[16]等方法運用于生物量調查更具有針對性，普適性為基礎和針對性為補充進行抽樣技術的優化整合，形成系統化的調查監測抽樣技術體系，是森林生態系統的動態監測管理的發展趨勢。

1.1 生物量空間分布格局是影響調查精度的重要因素

針對不同的生物量空間分布格局應采用相應的抽樣設計[8]，從而提高抽樣方案制定的科學性和準確性。隨機分布、均勻分布、聚集分布和鑲嵌分布是生物量空間分布格局的4種類型。在森林演替的初始階段可能呈現生物量隨機分布形式，一般情況下，生物量隨機分布較少，因為在區域尺度上，土壤、海坡、坡度、坡向、光照和水源等生境因子極小概率出現均勻一致的情況，生境因子的異質性使森林生物量一般呈現非隨機的空間分布狀態[17]。均勻分布指森林生物量均勻地分布于水平空間中，由于環境資源有限和林木競爭等因素，區域尺度范圍內生物量格局一般也不會呈現均勻分布。但范圍較小區域內的特定時期，灌木化的喬木樹種和大面積的人工造林幼林時期，可能呈現一定程度的均勻分布。集群分布的主要特征是生物量空間分布成群團狀地密集分布，天然林分或次生林分生物量多數呈現聚集分布[18]。

通過分析生物量調查的抽樣單元空間的自相關性，計算Moran"s I指數[19]得出森林生物量的空間分布狀態，空間信息可用于輔助生物量調查和監測抽樣。毛學剛等[20]利用遙感手段，計算了全局Moran"s I指數，對大興安嶺地區3個時期的森林生物量進行了異質性和空間自相關性分析。樣本單元的面積、形狀和數量均會對生物量空間分布格局分析的結果產生影響，生物量空間分布格局非全域分析時應科學設置樣本單元的面積、形狀和數量等。分析方法如最近個體法、最近相鄰法、隨機成對法和中心點-四分法等運用于分布格局分析，有助于消除抽樣尺度產生的誤差。

1.2 抽樣技術是影響森林生物量調查效率的關鍵因素

抽樣效率是精度與費用的綜合，影響生物量抽樣效率的因素包括區域生物量總體變動幅度、樣本單元數、抽樣方式、樣本組織形式和樣本單元的形狀和大小。生物量調查總體的標準差較大，那么樣本統計量的估計值方差也會偏大，導致抽樣誤差的增大[21]。樣本單元數也影響著抽樣精度，如果抽取樣本量少對生物量總體估計量的代表性就差，抽樣精度就低[22]。抽樣方式也影響著抽樣效率，樣本單元的組織形式也會對生物量調查總體的代表性產生影響[23]，針對某一區域相同的抽樣單元數量，放回抽樣的估計誤差大于不放回抽樣的估計誤差。當抽樣方式和樣本單元都一致的情況下，樣本單元的面積[24]和形狀等也會對抽樣效率造成不同程度的影響[25]，如相同測量周界，圓形樣地的面積大于正方形，正方形大于長方形，從而包含的森林生物量信息存在差異。同時由于樣本單元調查引起的誤差傳導到區域尺度生物量估計將產生更大的不確定性和誤差的傳導[26]。基于抽樣技術的敏感性分析，如樣本組織形式，樣本單元數量、形狀和大小等將有助于生物量調查效率的提高。

1.3 傳統等概率抽樣技術運用于生物量調查存在局限性

簡單隨機抽樣得到的樣本單元較為分散，不利于實際森林資源調查工作的開展[27]，且精度依賴于樣本單元的數量[28-29]。相較于隨機抽樣，系統抽樣的樣本組織操作簡便。當系統抽樣的樣本單元間生物量標準差較大，即使按照系統抽樣的方法組織樣本，估計結果更接近簡單隨機抽樣，要保證抽樣調查結果的精度就需要增加樣本單元。當前，運用森林資源連續清查樣地調查數據估計區域尺度森林生物量是國內學者最多采取的途徑[30]。但此方法生物量估計由單木水平匯總成樣地水平、再從樣地水平推算到區域總體生物量，過程中存在大量不同來源的誤差[31]和不確定性，如測量誤差、模型不確定性和未進入檢尺范圍的幼樹等，將導致森林生物量數據的高估或低估[32]。森林生物量的估計誤差來源是多樣的，且彼此間存在交互作用和誤差傳導效應，科學的抽樣設計就顯得尤為的重要[33]。

分層抽樣與隨機抽樣相比，分層抽樣往往具有顯著的潛在統計效果。分層抽樣效果一定程度上取決于先驗信息的準確性，關鍵在于根據屬性特征的類型劃分，同一層內樣本單元間的方差應盡可能小，不同層間樣本單元的方差應該盡可能大。當總體生物量標準差較大，分總體間標準差較小的情況下，運用分層抽樣的估計精度大于簡單隨機抽樣的估計精度[34]，如森林資源規劃設計調查中往往采用分層抽樣調查森林蓄積量[35]。整群抽樣將調查總體劃分為互不相交的群體，然后全面調查。通過增加相鄰樣本的調查單元數量提高精度、節省時間，有助于抽樣效率的提高，在一些群團分布的森林資源調查中具有廣泛的運用[36-37]。

等概率抽樣每個樣本單元的地位都相等，方法簡單且容易設計，在傳統森林資源調查中得到了廣泛的應用。等概率抽樣在滿足規定的精度與可靠性前提下確定的樣本單元數仍較多且分散，增加了生物量調查的難度，受調查成本等的限制大規模的組織調查工作存在一定的局限性。尤其當生物量總體差異較大時，必然導致等概率抽樣的精度較差，這是就需要犧牲“簡單”來提高效率。不等概率抽樣適用于抽樣單元在總體中的地位不一致或者調查的總體單元與抽樣總體的單元不一致等情況，不等概率抽樣的前提條件是樣本單元的入樣概率能由每個單元的輔助信息來確定[38]。

2 生物量調查技術發展趨勢

生物量外業調查工作需要考慮樣本的單元間的距離，抽樣設計應考慮生物量存在的空間分布差異，采取不同的抽樣方案。傳統的森林資源調查主要以蓄積量調查為主[39]，生物量的估測主要采用與蓄積相容的生物量模型，實現從蓄積量到生物量的轉換，建立與蓄積相容且精度高的生物量模型是影響生物量估測準確性的關鍵因素。同時，抽樣效率受區域生物量總體變動幅度、樣本單元數、抽樣方式、樣本組織形式和樣本單元的形狀和大小的影響[40-41]，傳統的等概率抽樣技術需要在敏感性分析的基礎上進行優化[42-45]。適應性抽樣技術能基于森林生物量的空間分布格局進行不等概率抽樣，能有效提高調查效率。

2.1 基于空間分布格局分析的適應性抽樣技術更滿足生物量調查需求

不等概率抽樣的優點是提高估計精度，減少抽樣誤差，和等概率抽樣相比，不等概率抽樣編制抽樣框的過程要更加復雜。森林資源調查中的PPES（sampling with probability proportional to an estimate of size）抽 樣 和PPP（probability proportional prediction）抽樣就是不等概率抽樣理論的實際運用。上世紀70年代，林業開始運用不等概率進行抽樣設計[39]，角規測樹是森林資源調查不等概率抽樣的典型運用實例，計算計數木的胸高斷面積，根據形高法計算森林蓄積量，角規點抽樣與一般的矩形樣地相比簡單易行且抽樣效率較高。不同的樣本組織形式和不等概抽樣結合形成了不同的抽樣設計方案[40-41]。如整群抽樣中的群團樣本往往大小不一，規定不同大小群團的入樣概率，利用不等概率進行抽樣可以在較少抽樣單元的情況下，保證抽樣估計的精度[46]。不等概抽樣在抽樣框的設計和入樣概率確定比等概抽樣復雜，但能有效提高調查效率[47]，對于森林生物量估測，應用不等概抽樣方法可能獲得更高的抽樣效率[21]。

從20世紀90年代適應性抽樣設計的提出[48]，樣本組織形式、估計方法和實際運用等均得到了改進和完善。由于傳統抽樣方法沒有考慮生物量不同群團間對總體估計的貢獻不一致，采用系統抽樣等傳統方法可能導致抽樣效率和估計量精度的降低[49-52]。對稀疏分布總體采用適應性抽樣設計依賴樣本單元間的關聯程度能有效減少抽樣單元數量，提高抽樣效率[53-54]；對聚集分布總體采用傳統的群團抽樣可能導致估計偏差[55]。生物量空間分布格局分析結果運用于適應性抽樣的結合點在于不等概率抽樣，不同的分布格局入樣概率不一樣，可以有效地減少抽樣調查的樣本量。適應性抽樣結合不等概率抽樣能充分考慮生物量的空間分布差異和不同群團的地位差異，進行適應性的不等概率入樣。

2.2 基于空間分布格局分析的適應性抽樣關鍵技術和方法

Ripley’sK(d)分析、聚集指數分析、最近鄰體分析和空間相關性分析是目前主要的空間格局分析方法[7]。最近鄰體分析依次選取和測量每個基礎單元與其最近基礎單元之間的距離，然后計算區域內全部基礎單元的最近鄰體距離平均值，再與隨機分布的期望平均值進行比較。聚集指數是采用與相鄰樣本單元間的距離進行指數計算和分析，描述生物量的空間分布集聚狀態。Ripley’sK(d)可以針對不同尺度的生物量分布格局進行精確分析。空間相關性分析樣本單元間的空間自相關性，能夠有效減少樣本冗余，降低調查成本[14]。

一階二鄰域、一階四鄰域、一階八鄰域和分裂四鄰域是適應性抽樣設計的四種鄰域形式，適應性抽樣的抽樣框和樣本單元受鄰域形式的影響，進而對抽樣效率造成影響。自適應抽樣設計要根據樣本單元間的鄰域聚集狀態進行不等概率抽樣參數調整，使之適應不同的生物量空間分布格局。生物量調查適應性抽樣根據森林生物量的分布格局先驗信息設定原始抽樣比例，根據鄰域樣本單元的入樣概率進行適應性抽樣，從而提高抽樣效率。

抽樣技術優化應該考慮復雜系統退化失效和突發失效對生物量抽樣調查可靠性影響。如森林資源連續清查固定樣地因為人為干擾和特殊保護等不確定性使得樣地的代表性逐次下降，導致調查抽樣系統退化失效[42-43]；森林資源規劃設計調查控制樣地與山脊平行，導致抽樣設計突發失效等假設，進行抽樣設計的可靠性評估。

3 結語

生物量抽樣調查應充分利用已有的空間矢量數據進行分布格局分析，基于空間分布格局分析結果進行抽樣設計。抽樣效率受區域生物量總體變動幅度、樣本單元數、抽樣方式、樣本組織形式和樣本單元的形狀和大小的影響，傳統的等概率抽樣技術需要在敏感性分析的基礎上進行優化。適應性抽樣技術能基于森林生物量的空間分布格局進行不等概率抽樣，能有效提高調查效率[56-57]。生態文明建設背景下，生物量調查抽樣應研究和設計出符合不同尺度生物量時空分布特點的抽樣方案，解決森林生物量年度出數和抽樣失效可靠性影響分析的關鍵科學問題。同時為監測全國范圍宏觀性森林生物量變化和發展趨勢，以遙感衛星數據為抽樣基礎數據，輔助調查資料，運用空中抽樣的方法，在遙感圖上布設樣地估算森林生物量[58-59]，以滿足不同區域尺度和空間分布特點的生物量估測的實際需要[60-61]。