森林资源抽样(chōuyànɡ)技术稀疏总体(zǒngtǐ)调查抽样方法(fāngfǎ)比较抽样(chōuyànɡ)方法比较一、线截法线截法估计(gūjì)方法线截法估计(gūjì)方法线截法估计(gūjì)方法线截法估计(gūjì)方法二、带抽样(chōuyànɡ)样带布设(bùshè)带抽样(chōuyànɡ)估计带抽样(chōuyànɡ)估计三、样线法样线法－样线布设(bùshè)样线抽样估计(gūjì)方法（一）窄带(zhǎidài)法（一）窄带(zhǎidài)法目视修正法（Smooth-by-eyemethod）：为了使窄带法的直方图接近概率密度函数f，首先选择间隔宽度(kuāndù)，然后用下面表达式确定一定距离x的直方图高特点：引入探测密度函数概念；因为间隔宽和目视探测密度的选择带有主观，所以不同人估计的结果不同。建立在相同概念，后面的参数方法能够克服这些不足。（二）目视(mùshì)修正法（三）参数(cānshù)法（三）参数(cānshù)法（三）参数(cānshù)法（四）非参数(cānshù)法1核函数(hánshù)方法2富利叶级数(jíshù)法2富利叶级数(jíshù)法三、样线法样线法样线法各种(ɡèzhǒnɡ)估计法比较样地形状(xíngzhuàn)设计1、定义群团取样（Clustersampling)：是一种二水平取样，即首先随机选取(xuǎnqǔ)样点，在每一样点取一些样方（而不是一个样方）。自适应群团取样（Adaptiveclustersampling或ACS)：是一种二水平取样，但是在每一样点取满足事先规定条件（或标准）的一些相邻样方。/网络(wǎngluò)(Network):群团中满足条件C的样方和不满足条件c的最初样方。注意与群团概念不同。边缘单元（Edgeunit）：不满足条件C且在邻域内的单元临界值（Criticalvalue）：当样方总体值yi>=C,在最初样点上增加样方；否则，不增加包含概率（Inclusionprobability）：理解为网络(wǎngluò)Ai所包含单元的概率（不能从抽样数据中计算，实际计算中用偏边缘包含概率(PIP)代替）。非常重要的参数，是计算Horvitz-Thompson估计值的主要参数，计算式为：N-总的取样单元(dānyuán)数，xk-在网络Ak中总的单元(dānyuán)数，n1-最初取样点数ACS方法(fāngfǎ)均值和方差估计方法(fāngfǎ)(2)Horvitz-ThompsonEstimator(HT)yk*为第k个网络内观察(guānchá)值和k为最初抽样入样第k个网络的包含概率jk表示最初抽样单元在第j个网络和第k个网络同时入样的包含概率不考虑边缘单元是因为边缘单元不确定TennetworkssampledNetworktotals(yk*)Nine0’sandonenetworkwithan11Intersectionprobabilities(k)Fornetworkwith1unit,k=0.025Fornetworkwith10units,k=0.226Jointintersectionprobabilities(jk)For2smallnetworks,jk=0.00056Forsmallandlargenetworks,jk=0.00515密度估计：3、估计方法(fāngfǎ)研究（1）BrownandManley(1998)为了减少ACS抽样的最终样本数量，提出了限制性的ACS抽样，使用Hansen-Hurwitz和Horvitz-Thompson估计量估计，估计是有偏的SalehiandSeber(2002)认为B&M(1998)的估计有偏，基于Murthy（1957）估计方法，他们(tāmen)提出限制性ACS抽样的无偏估计，并用实例说明了两个估计量算法的详细计算过程。●为了避免选择过多且不能提高估计精度的边缘单元，SalehiandSmith(2005）提出二阶段序贯适应性群团抽样及估计方法4、适应性群团抽样(chōuyànɡ)设计AdjusttheconditionorneighborhoodWoodby(1998)Adjusttheconditionthatdetermineswhentoadaptivelysample.ThatisforCondition={yic},maketheconditionmorerestrictive(i.e.,makecabiggernumber)sothatadaptivesamplingistriggeredlessoften.限制最终抽样(chōuyànɡ)样