【正文】 :14:5307:14Feb232Feb23 1越是無能的人，越喜歡挑剔別人的錯兒。 :14:5307:14:53February 2, 2023 1他鄉(xiāng)生白發(fā)，舊國見青山。 ?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估計量估計，估計是有偏的 ?Salehi and Seber (2023)認為 BM(1998)的估計有偏，基于 Murthy（ 1957） 估計方法，他們提出限制性 ACS抽樣的無偏估計，并用實例說明了兩個估計量算法的詳細計算過程。但還有許多理論和技術問題有待研究。 ? 擬合的指數(shù)曲線為圖 2曲線 ? 依據上面的例子可以計算探測函數(shù)為指數(shù)形式的密度估計為： ? ?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 探測密度 g(x) （三） 參數(shù)法 ? 探測函數(shù)為指數(shù)曲線的估計特點： 簡單容易估計 對種群總體估計不理想（曲線可看出） 所以人們一般選擇 “ 肩形 ” 探測曲線加以修正。這種方法主要用于估計野生動植物總體密度。( ) ) iilEl ??? 239。抽樣技術是統(tǒng)計學研究中的一個重要分支。l39。 ? 測量帶內的目標 帶抽樣估計 ? 總體蓄積（或其他目標變量）： 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，如果目標為平均每公頃蓄積，那么可估計比率盡可為： ?RT11?niiTTniiVRA AA??????11?niiniiVRA?????平均值 （ m3/hm2） 帶抽樣估計 ? 比率的方差為 ： 式中： 為樣帶平均面積、 N為調查區(qū)域樣帶總數(shù)、 n為抽取的樣帶。 被發(fā)現(xiàn)的調查對象的距離x的概率密度函數(shù) f(x)可以通過探測函數(shù) g(x)和帶寬 w來表示：f(x)=g(x)/w ? 為了估計 f(x)， 使用最大似然估計方法估計探測函數(shù)的未知參數(shù) ， 就可得到 f(0)或 w的估計值為 或 。 ? 應該承認，在野外調查時，完全符合上述幾個條件是比較困難的。 桫選擇概率和包含概率的計算 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 (標準值 10） (1)SRS 2)ACS ? =1/3(2+54+38)= ACS方法均值和方差估計方法 目前 ACS有三種方法計算平均值和方差 (1) HansenHurwitz Estimator (HH) 基于網絡內均值 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個網絡內觀察值和 ?k為最初抽樣入樣第 k個網絡的包含概率 ?jk表示最初抽樣單元在第 j個網絡和第 k個網絡同時入樣的包含概率 不考慮邊緣單元是因為邊緣單元不確定 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 = 計算案例 11004001? ??????? ???? ?HT? ? ? 11114001?ra?v222 ????????????? ??HT?密度估計 ： 方差估計： 20 40 60 80 100 120 Final sample size Efficiency A B C A B 群團多 和小 CV： 45％ , % 群團少和大 CV: 網絡內方差 44％ 占有率% C 群團少 和小 CV:3 48% % 效率比較結果 0 50 100 150 200Num be r o f q ua dra tsProbability of sampling unmon speciesAdaptive quadra tsInitial qua drats適應性群團能提高探測稀疏物種的能力 估計方法研究 （ 1） ? Thompson(1990)首先提出 修正的 HansenHurwitz和HorvitzThompson兩個無偏估計量 ，并給出了詳細的算法 。 07:14:5307:14:5307:142/2/2023 7:14:53 AM 1以我獨沈久，愧君相見頻。 上午 7時 14分 53秒 上午 7時 14分 07:14: 楊柳散和風，青山澹吾慮。 :14:5307:14:53February 2, 2023 1意志堅強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 14分 53秒 07:14:532 February 2023 1做前，能夠環(huán)視四周；做時，你只能或者最好沿著以腳為起點的射線向前。 O 是最初抽樣單元 鄰域為一次 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)則適應性群團抽樣示意圖 一次 4單元和一次 2單元叫停群團抽樣圖 對于交叉型的樣方（ cross pattern）,S=3的叫停規(guī)則有24個自適應群團樣方 對于線性型的樣方（ linear pattern） ,S=4的叫停規(guī)則最大有 8個自適應群團樣方 叫停規(guī)則的特點 自適應群團抽樣設計的理論基礎發(fā)生改變，可能導致不完全的網絡（例如網絡重疊 )。 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 （ 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