【正文】 :14:4207:14Feb232Feb23 1越是無能的人，越喜歡挑剔別人的錯(cuò)兒。 :14:4207:14:42February 2, 2023 1他鄉(xiāng)生白發(fā)，舊國(guó)見青山。 ?Brown and Manley(1998)為了減少 ACS抽樣的最終樣本數(shù)量，提出了限制性的 ACS抽樣，使用HansenHurwitz和 HorvitzThompson估計(jì)量估計(jì)，估計(jì)是有偏的 ?Salehi and Seber (2023)認(rèn)為 BM(1998)的估計(jì)有偏，基于 Murthy（ 1957） 估計(jì)方法，他們提出限制性 ACS抽樣的無偏估計(jì)，并用實(shí)例說明了兩個(gè)估計(jì)量算法的詳細(xì)計(jì)算過程。但還有許多理論和技術(shù)問題有待研究。 ? 擬合的指數(shù)曲線為圖 2曲線 ? 依據(jù)上面的例子可以計(jì)算探測(cè)函數(shù)為指數(shù)形式的密度估計(jì)為： ? ?22yyD L w L x?? =18/[2()(100)]==55(數(shù)量 /公頃 ) ?wx? 0 10 20 30 40 50 樣線距離 探測(cè)密度 g(x) （三） 參數(shù)法 ? 探測(cè)函數(shù)為指數(shù)曲線的估計(jì)特點(diǎn)： 簡(jiǎn)單容易估計(jì) 對(duì)種群總體估計(jì)不理想（曲線可看出） 所以人們一般選擇 “ 肩形 ” 探測(cè)曲線加以修正。這種方法主要用于估計(jì)野生動(dòng)植物總體密度。( ) ) iilEl ??? 239。抽樣技術(shù)是統(tǒng)計(jì)學(xué)研究中的一個(gè)重要分支。l39。 ? 測(cè)量帶內(nèi)的目標(biāo) 帶抽樣估計(jì) ? 總體蓄積（或其他目標(biāo)變量）： 式中 Vi為第 i條樣帶的總蓄積、 Ai是第 i條樣帶的面積、 AT為總面積，如果目標(biāo)為平均每公頃蓄積，那么可估計(jì)比率盡可為： ?RT11?niiTTniiVRA AA??????11?niiniiVRA?????平均值 （ m3/hm2） 帶抽樣估計(jì) ? 比率的方差為 ： 式中： 為樣帶平均面積、 N為調(diào)查區(qū)域樣帶總數(shù)、 n為抽取的樣帶。 被發(fā)現(xiàn)的調(diào)查對(duì)象的距離x的概率密度函數(shù) f(x)可以通過探測(cè)函數(shù) g(x)和帶寬 w來表示：f(x)=g(x)/w ? 為了估計(jì) f(x)， 使用最大似然估計(jì)方法估計(jì)探測(cè)函數(shù)的未知參數(shù) ， 就可得到 f(0)或 w的估計(jì)值為 或 。 ? 應(yīng)該承認(rèn)，在野外調(diào)查時(shí)，完全符合上述幾個(gè)條件是比較困難的。 桫選擇概率和包含概率的計(jì)算 總面積＝ 20 D的面積 4 C 的面積 4 B的面積 3 O 的面積 10 A的面積 1 包含單元 o的包含概率＝ Σ p(s)= 案例 (標(biāo)準(zhǔn)值 10） (1)SRS 2)ACS ? =1/3(2+54+38)= ACS方法均值和方差估計(jì)方法 目前 ACS有三種方法計(jì)算平均值和方差 (1) HansenHurwitz Estimator (HH) 基于網(wǎng)絡(luò)內(nèi)均值 wi,不考慮邊緣單元 ? ?? ?? ?1111211111? a nd? 垐v a r1nH H iinH H i H HiwnNnwN n n????????????(2) HorvitzThompson Estimator (HT) yk*為第 k個(gè)網(wǎng)絡(luò)內(nèi)觀察值和 ?k為最初抽樣入樣第 k個(gè)網(wǎng)絡(luò)的包含概率 ?jk表示最初抽樣單元在第 j個(gè)網(wǎng)絡(luò)和第 k個(gè)網(wǎng)絡(luò)同時(shí)入樣的包含概率 不考慮邊緣單元是因?yàn)檫吘墕卧淮_定 1j j kkjkN x N x xNxnnnNn?? ? ? ? ??? ? ? ???????? ? ? ?????? ? ? ?????????????? ?*1**2111? a nd1? ?v a r 1kHTk kj k jkHTjk jk j kyNyyN???????? ? ????????? ?????????(3) RaoBlackwell Esimator (RB) ?Ten works sampled ?Network totals (yk*) ?Nine 0’s and one work with an 11 ?Intersection probabilities (?k) ?For work with 1 unit, ?k= ?For work with 10 units, ?k= ?Joint intersection probabilities (?jk) ?For 2 small works, ?jk = ?For small and large works, ?jk = 計(jì)算案例 11004001? ??????? ???? ?HT? ? ? 11114001?ra?v222 ????????????? ??HT?密度估計(jì) ： 方差估計(jì)： 20 40 60 80 100 120 Final sample size Efficiency A B C A B 群團(tuán)多 和小 CV： 45％ , % 群團(tuán)少和大 CV: 網(wǎng)絡(luò)內(nèi)方差 44％ 占有率% C 群團(tuán)少 和小 CV:3 48% % 效率比較結(jié)果 0 50 100 150 200Num be r o f q ua dra tsProbability of sampling unmon speciesAdaptive quadra tsInitial qua drats適應(yīng)性群團(tuán)能提高探測(cè)稀疏物種的能力 估計(jì)方法研究 （ 1） ? Thompson(1990)首先提出 修正的 HansenHurwitz和HorvitzThompson兩個(gè)無偏估計(jì)量 ，并給出了詳細(xì)的算法 。 07:14:4207:14:4207:142/2/2023 7:14:42 AM 1以我獨(dú)沈久，愧君相見頻。 上午 7時(shí) 14分 42秒 上午 7時(shí) 14分 07:14: 楊柳散和風(fēng)，青山澹吾慮。 :14:4207:14:42February 2, 2023 1意志堅(jiān)強(qiáng)的人能把世界放在手中像泥塊一樣任意揉捏。 2023年 2月 2日星期四 7時(shí) 14分 42秒 07:14:422 February 2023 1做前，能夠環(huán)視四周；做時(shí)，你只能或者最好沿著以腳為起點(diǎn)的射線向前。 O 是最初抽樣單元 鄰域?yàn)橐淮?4單元 S1， S2和 S3為 1，2和 3階叫停 灰色單元為邊緣單元 叫停規(guī)則適應(yīng)性群團(tuán)抽樣示意圖 一次 4單元和一次 2單元叫停群團(tuán)抽樣圖 對(duì)于交叉型的樣方（ cross pattern）,S=3的叫停規(guī)則有24個(gè)自適應(yīng)群團(tuán)樣方 對(duì)于線性型的樣方（ linear pattern） ,S=4的叫停規(guī)則最大有 8個(gè)自適應(yīng)群團(tuán)樣方 叫停規(guī)則的特點(diǎn) 自適應(yīng)群團(tuán)抽樣設(shè)計(jì)的理論基礎(chǔ)發(fā)生改變，可能導(dǎo)致不完全的網(wǎng)絡(luò)（例如網(wǎng)絡(luò)重疊 )。 1 2 3 4 5 6 78 9 10 11 12 13 1415 16 17 18 19 20 2122 23 24 25 26 27 2829 30 31 32 33 34 3536 37 38 39 40 41 4243 44 45 46 47 48 49 群團(tuán) （ Cluster):包含有滿足條件 c的樣方（單元） 和邊緣樣方（單元） 鄰域或鄰近 (Neighborhood): 一階鄰域 （ The firstorder neighborhood） ：包括本單元和四個(gè)相鄰的單元 二階鄰域 （ The secondorder neighborhood） ：包含一階鄰域和東西南北的單元 網(wǎng)