云南省基于小班的森林资源数据更新研究
森林资源二类调查报告
405林场森林资源二类调查报告11林业二班第一小组组长: 欧阳组员：谢易成李敏惠赵发颖王晓航孟赵斐陈云达倩2013年9月405林场小班区划图405林场林相图目录1.前言 (1)2.405林场的基本情况 (2)2.1地理概况 (2)2.2 气候特征 (2)2.3 植被 (2)2.4交通 (2)2.5社会经济条件 (2)3.森林资源调查 (2)3.1调查依据 (2)3.2调查范围 (2)3.3主要调查内容 (3)3.4调查方法 (3)3.6主要调查数据及计算方法 (4)4森林资源现状 (5)4.1林地总面积及构成 (5)4.2各类活立木蓄积量 (6)4.3各类森林、林木的起源按面积蓄积统计 (6)4.4林种、龄组统计 (7)4.5外业质量检查 (8)5.森林资源特点、存在的问题及相关建议 (9)5.1 405林场森林资源特点 (9)5.2存在的问题 (9)5.3相关建议 (9)6.小结 (10)7.附表（小班调查卡片） (10)405林场森林资源二类调查报告1.前言森林资源二类调查是，以满足森林经营方案、总体设计、林业区划与规划设计需要而进行的森林资源调查，其成果是建立或更新森林资源档案，制定森林采伐限额，进行林业工程规划设计和森林资源管理的基础，也是制定区域国民经济发展规划和林业发展规划，实行森林生态效益补偿和森林资源资产化管理，指导和规范森林科学经营的重依据。
通过调查林职院405林场的面积和各树种的蓄积量。
为学弟学妹将来学习实习森林调查技术、森林经营管理、森林经营技术等提供参考，具有十分重要的意义。
用4周时间对森林资源管理这门课程全方位、综合性的实习，让学生具备撰写森林资源资源规划设计调查报告的能力，为以后在森林资源规划设计调查中打下一定的基础；并提交实习结果和实习报告。
2.405林场的基本情况2.1地理概况林职院405林场位于昆明市盘龙区金殿国家级风景名胜区，南临金殿森林公园，西接世博园，北靠云南野生动物大世界，东邻高天流云别墅区。
关于林业历年小班不一致情况说明
关于林业历年小班不一致情况说明摘要：一、引言二、林业历年小班不一致情况的原因1.森林资源清查方法的改变2.林业政策和法规的调整3.土地利用变化的影响三、林业历年小班不一致情况的影响1.森林资源管理难度增加2.森林资源利用效率降低3.生态环境受到影响四、解决林业历年小班不一致情况的建议1.完善森林资源清查方法2.优化林业政策和法规3.提高土地利用规划的科学性五、结论正文：一、引言林业历年小班不一致情况是指在森林资源清查过程中，由于时间、地域、方法等因素的变化，导致不同时期的森林资源数据存在一定的差异。
这种现象在我国林业发展历程中较为常见，对森林资源管理和保护带来了诸多挑战。
本文将对林业历年小班不一致情况进行详细说明，并提出相应的解决建议。
二、林业历年小班不一致情况的原因1.森林资源清查方法的改变随着科学技术的进步，森林资源清查方法也在不断更新和改进。
从传统的地面调查、航空遥感技术到如今的激光雷达、无人机等手段，清查方法的改变使得不同时期的森林资源数据存在一定的差异。
2.林业政策和法规的调整林业政策和法规的调整也会对森林资源清查产生影响。
政府对林业政策和法规的调整可能会导致不同时期森林资源清查的标准和要求不一致，从而造成数据差异。
3.土地利用变化的影响土地利用变化是影响林业历年小班不一致情况的另一个重要原因。
随着我国经济的快速发展，土地资源的开发和利用日趋多样化，这使得森林资源在不同时期面临不同的压力，从而导致数据差异。
三、林业历年小班不一致情况的影响1.森林资源管理难度增加由于林业历年小班不一致情况，森林资源管理部门面临着较大的管理难度。
不同时期的数据差异使得森林资源清查、监测、评估等工作难以实现有效衔接，给森林资源管理带来了诸多困扰。
2.森林资源利用效率降低林业历年小班不一致情况可能导致森林资源利用效率降低。
由于不同时期的数据差异，森林资源规划和利用的科学性、合理性可能受到影响，进而降低森林资源利用效率。
森林资源规划设计调查中的小班探讨
森林资源规划设计调查中的小班探讨森林资源规划设计调查中的小班探讨随着社会经济的不断发展和人口的逐渐增加，森林资源的呈现出了越来越重要的意义。
为了更好地保护和利用这一贵重资源，我们需要对森林资源进行规划和设计。
然而，由于森林本身的特殊性，一个完整的森林资源规划需要考虑到的因素非常多，需要在实际操作中进行科学系统的探讨和调查。
在森林资源规划设计调查中，小班是一种重要的调查方法。
“小班”通常是指面积小于1公顷的森林小区域，也即是一个森林的最小调查单位。
小班调查可以极大程度地提高调查的准确性和可靠性，保证规划的科学性和精准性。
在小班调查中，调查员通常会对小班内的树木、树种、树高、树龄等进行详细的测量和标记，并且通过IT技术进行信息的录入和分析。
在小班调查中，一个优秀的小班设计是非常关键的。
优秀的小班设计应该考虑到多方面的因素：首先，它需要考虑到森林的生态环境，避免对森林和野生生物造成过多的干扰；其次，小班的设计需要考虑到统计学的重要性，抽样相对比较均匀和合理，才能够得到比较准确、可靠的结果；最后，小班的设计还需要考虑到调查员的实际操作的便利性，使得调查员可以在规定时间内准确的完成数据的收集和录入工作。
小班调查的过程是比较繁琐的。
在执行小班调查的时候，调查员需要对小班内的森林、植被、地貌、水土等各种信息进行详尽的检查和考察。
在这个过程中，调查员需要保持精神集中、注意力高度集中，有大量的重复、单调的劳动，在这样一个条件下，调查员容易出现错误，因此需要在小班调查中高度重视质量控制的要求。
小班调查是森林资源规划设计中至关重要的一部分。
它能够让决策者们了解森林资源的分布情况，掌握森林的生态特征和生产潜力、了解森林资源的可持续发展状况。
同时，小班调查还可以为政府部门、企业和个人提供决策的依据。
最重要的是，在小班调查中，我们可以更全面地认识和了解森林资源，促进生态建设和绿色发展。
总之，对于森林资源的规划和设计，小班探讨是很有必要的。
云南森林总体情况汇报
云南森林总体情况汇报云南是中国西南地区的一个省份，拥有着丰富的森林资源。
随着近年来环境保护意识的增强，云南的森林保护工作也得到了加强和改善。
现在，我将向大家汇报一下云南森林的总体情况。
首先，云南森林覆盖率较高。
根据最新的统计数据显示，云南森林覆盖率达到了56.1%，位居全国第三。
这主要得益于云南地理位置的优势，气候条件适宜，降水充沛，有利于森林植被的生长。
同时，云南还有大片的原始森林，为保护珍稀濒危物种提供了重要的生态环境。
其次，云南森林资源种类繁多。
云南是中国的南方森林植被分布中心，拥有着丰富的植物资源。
在云南的森林中，有大量的乔木、灌木和草本植物，其中不乏珍稀植物资源。
这些植物资源不仅对于维持生态平衡起着重要作用，也为药用和工业利用提供了丰富的资源基础。
再次，云南森林生态环境较为完整。
云南地处青藏高原、喜马拉雅山和南亚热带地区的过渡地带，拥有着独特的自然生态环境。
在云南的森林中，有着大量的野生动植物资源，包括熊猫、金丝猴、野生象群等珍稀物种。
同时，云南的森林还为当地的气候调节和水源保护提供了重要的支撑。
最后，云南森林保护工作取得了显著成效。
近年来，云南加大了对森林资源的保护力度，大力开展森林植被的恢复和重建工作。
同时，加强对非法砍伐和盗伐的打击力度，有效地减少了森林资源的流失。
此外，云南还积极推动森林资源的可持续利用，促进了森林资源的经济价值和生态价值的充分发挥。
综上所述，云南森林总体情况良好，拥有着丰富的森林资源和完整的生态环境。
但是，也要看到云南森林资源存在着一些问题，比如森林资源的过度开发和利用、森林火灾的频发等。
因此，我们还需要进一步加强对云南森林资源的保护和管理，实现森林资源的可持续利用和生态环境的持续改善。
希望未来云南的森林资源能够得到更好的保护和利用，为人们的生活和自然环境的和谐发展做出更大的贡献。
森林资源规划设计调查中的小班探讨
森林资源规划设计调查中的小班探讨1调查小班与森林区划的关系森林区划是为了便于调查统计和分析森林资源的数量和质量；便于组织森林经营单位及开展森林经营活动；同时便于进行技术经济核算和有效管理森林资源，从而为林业的行政管理、森林资源管理和林业生产组织提供条件。
森林区划是以林业区划中的第三级（县级林业区划）为基础，对确定的森林经理对象进行地域上的规划。
又可分为四（五）级，即：林业局（县市区）———林场（乡镇）———经营区（该项可根据实际需要决定是否保留）———林班（村、屯）———小班。
调查小班是森林区划的最小单位，最初是以获取木材为目的进行区划，因此在区划条件中主要以森林资源指标为准，如树种组成、龄组、立地条件、郁闭度（疏、中、密）等，为此又叫林相班。
由于社会经济发展和行政管理需要，又增加了诸如森林健康、火险等级、野生动植物、生物量、湿地资源等生态环境条件和土地权属、林木权属、森林分类经营等经营管理属性。
随着赋予小班属性的增多，调查小班的信息量在不断增加，同时调查工作量不断加大，作用也在不断增加。
实际工作中许多工程、专业项目也把调查小班作为本身工作的支撑点和落脚点，比如：退耕还林工程、集体林林权划分、公益林工程、湿地调查、动植物保护中的栖息地评价等。
因此调查小班的重要性不言而喻。
2小班的基本性质和功能（1）小班是生态群落和森林区划基本单位。
小班以生态群落和森林区划基本单位的形式按照一定的空间位置排列组成森林景观，具有强烈的地域性即空间环境和立地条件的一致性，是当地自然环境和森林群落长期作用的结果，同时小班林相的差异又反应了环境的特征。
环境变化的进程常常是森林群落发展历史和森林演替的主要因素，环境综合作用于森林，造成森林局部（小班）差异。
如在吉林东部林区其它环境条件都相同的情况下，阴坡多生长阔叶林，阳坡多生长柞树林，季节性积水的平缓草甸多生长天然落叶松。
这些都是由于环境因素导致的森林小地域差异，森林和环境的统一规律默默在起着作用，而一旦破坏了这一规律，将很难得到恢复。
森林资源二类调查外业小班采集系统基于平板电脑在调查中的运用
森林资源二类调查外业小班采集系统基于平板电脑在调查中的运用“互联网+”是这个时代各行各业发展的必然趋势，森林资源调查也不例外。
对森林资源二类调查外业小班采集系统基于平板电脑的调查运用与采用常规纸质影像图和纸质小班卡片调查进行对比分析，总结了其技术路线和调查方法，详细分析了其优势和劣势，认为采用其进行二类调查可节约大量成本，减轻劳动力，提高工作效率和质量，在调查中运用可行，并可在此基础上研发常规三类调查项目的外业采集系统。
Key words：field subcompartment；acquisition system；secondary forest resource inventory；tablet computer；subcompartment divisions investigation；property factor recorded随着科技水平的提高，“3S”技术在森林资源规划设计调查（以下简称“二类调查”）中的运用已越来越成熟，目前“3S”已经广泛应用于森林资源监测管理、森林资源优化决策、森林分类经营区划、森林抽样设计、林业专题图制作、营造林规划设计、森林采伐作业设计、生物量调查、荒漠化和沙化监测、森林防火预警预报等多方面。
课题组在峨山县、墨江县、镇沅县、马关县等二类调查工作中，对外业小班采集系统基于平板电脑的调查运用与采用常规纸质影像图和纸质小班卡片调查进行对比分析，总结出了2种调查方法的优势和劣势。
1传统调查方式回顾传统的森林资源规划设计调查工作需要调查人员携带纸质地形图（或影像图）、纸质卡片，且需要借助手持GPS进行定位及导航至需要调查的林班，轨迹文件导出至常用GIS软件格式数据较为繁琐，而且对于新参加工作的调查人员容易出现寻找不到需要调查的林班等问题，极大地降低了工作效率。
外业调查结束后，需要将区划有小班界线的纸质地形图（或影像图）进行扫描、配准、界线矢量、检查，然后求算各小班面积。
森林资源年度监测变化小班提取及数据检查工具开发
2019年11月华东森林经理Nov.2019 第33卷第4期East China Forest Management V o1.33 No.4森林资源年度监测变化小班提取及数据检查工具开发代 劲 松（浙江省森林资源监测中心浙江杭州 310020）摘要：借助ArcGIS强大的功能扩展能力，使用Python脚本语言，定制了一套专门的工具，主要功能包括：矢量数据多部件检查、小班号重复检查、因子逻辑关系检查、小班拓扑检查和年度监测变化小班提取等，作为森林资源年度监测的专用扩展工具，以减少更新数据中的各种问题。
关键词：森林资源；年度监测；GIS开发；Python中图分类号：TP319 文献标识码：B 文章编号：1004-7743（2019）04-0065-04作为地球上最重要的资源之一，森林资源处于长期不断变化当中。
积极开展森林资源动态监测，及时准确地掌握森林资源状况，可以为更加科学合理地制定林业方针政策提供数据支撑[1, 2]。
在森林资源动态监测方面，浙江省近年来开展了大量的工作，其整个监测体系分为省、市、县三级，其中省市级采用样地抽样的方式，而县级监测以二类小班区划为基础，结合每年度的林业生产经营档案、两期遥感判读变化图斑与现地核实的方式逐年更新变化小班[3]。
县级森林资源年度监测在经过了几年试点后，从2018年开始在87个县（区、县级市）全面开展。
ArcGIS软件作为开展这项工作使用较为广泛的数据处理软件之一，为了保证更新数据质量，减少数据中的错误，借助ArcGIS强大的扩展能力，开发专为森林资源年度监测服务的扩展工具十分必要。
研究基于ArcGIS for Desktop平台进行功能定制，使用Python计算机编程语言为其开发一套专门的工具，以期减少更新数据中的各种问题。
1 开发环境由美国ESRI公司开发的ArcGIS地理信息系统软件，具有空间分析、数据管理、制图可视化、地理编码等方面的功能，同时还具备高度灵活的定制功能。
实验五小班调查资料整理与统计分析森林资源 全文-毕业论文-文档在线
到小数点后一位）。
⑤平均每公顷蓄积量：以优势树种与各龄级 的有林地总面积除其相应的有林地总蓄积 量即得该优势树种及各龄级的平均每公顷 蓄积量。如白桦经营类型的平均每公顷蓄 积量为：Ⅰ龄级 110（蓄积）÷6（面积） =18m3，Ⅱ龄级 2690÷94=29m3，优势树种
÷334=125m3。（精确到1m3，次林层蓄积 加入主林层蓄积内计算）。
（4）分析设计地区的森林资源特点。
整理与检查好调查薄，编制好林班各类土地面 积统计表、林班各类蓄积量统计表与立木龄级表 后，需进一步分析设计地区的森林资源本身的特 点，为今后制定经营原则、安排主产利用、设计 经营措施等提供充分的论据。可从下列几方面进 行分析：
①设计地区各类土地面积与各类蓄积量的分配特点： 根据上述量表中所列百分数来说明林业用地、其 它用地所占比重与森林覆盖率等土地的分配情况， 从而分析森林资源的丰富程度、土地利用的合理 情况与各类蓄积量所占的比重，分析他们形成的 原因并提出改进意见。
小班调查资料整理与统计分析 森林资源
一、实验目的和意义
通过本实验要求掌握森林调查簿的组成， 如何对小班调查资料进行检查和整理，重 点掌握通过小班调查簿进行森林资源统计 和分析。 二、实验材料
小班调查卡片。
三、实验内容
1、调查簿的编制
（1）主要编制内容
就是填写统计调查簿面各项内容。每个 林班填写一个封面，再加上封里各统计用 的过渡表，另附所有小班卡片即构成整个 林班的森林调查簿材料。
计算平均年龄时，过熟林一栏内包括有 各种不同的龄级，因此过熟林的平均年龄 应以各实际龄级平均年龄与相应各龄级的 面积加权平均后求得。
平均年龄计算
②平均地位级：首先统计出各龄级内地位级的 面积分布及龄级总面积，然后以加权平均法求得各 年龄级的平均地位级，进而求得整个优势树种的平 均地位级。如果林分有Ⅰa地位级时，则计算平均 地位级时用假定数字1代替，Ⅰ地位级为2、Ⅱ —3、Ⅲ—4、Ⅳ—5、Ⅴ—6、Va—7，在这样提高一 位的情况下，求得平均地位级后应减去1，使之还原 。在林分有Ⅴa、Ⅴó地位级而无Ⅰa地位级时，利用 Ⅴa—6、Ⅴó—7来表示，所求直接平均地位级不必 再减去，地位级中若无Ⅰa、Ⅴa、Ⅴó地位级时，不 必用假定数字，直接以地位级与其相应面积相 乘 即可。
森林资源二类调查小班数据库更新
森林资源二类调查小班数据库更新陈占稳【摘要】以数据库主键关联、地理位置关联、局部替换等方法,用采集到的最新数据,对二类调查小班数据库进行地理数据和属性数据更新.【期刊名称】《河北林业科技》【年(卷),期】2010(000)001【总页数】2页(P41-42)【关键词】二类调查;数据更新;属性数据;地理数据;关联;拓扑检查【作者】陈占稳【作者单位】河北省林业调查规划设计院,河北,石家庄,050051【正文语种】中文【中图分类】Tp391森林资源二类调查，即森林资源规划设计调查，也称为森林经理调查。
它的目的是查清森林、林地和林木资源的种类、数量、质量和分布状况，将森林、林地的数量和质量落实到具体的山头地块（小班），以满足森林经营方案、总体设计、林业区划与规划设计的需要。
二类调查的成果是更新森林资源档案、制定森林采伐限额，进行林业工程规划设计和森林资源管理的基础，二类调查成果，是进行林业科学经营管理、林业政策科学决策最重要依据之一。
因为二类调查工作量大，调查时间间隔长（一般为10a），为了保持调查成果的时效性，一般在间隔期内需要进行补充调查，小班数据的采集方式一般以外业调查为主，也可通过高分辨率卫星影像进行解译获得，该文所探讨的是如何用采集到的最新数据更新二类调查数据库，保证二类调查成果的动态更新，发挥二类调查数据的最大作用。
地理数据，要考虑投影和精度，关于投影，一般的地理信息软件度能够进行自动处理，但更新的数据精度必须满足原数据的要求，在小比例尺背景下进行的区划一般不适于对大比例尺精度的地理数据进行更新。
对于更新数据必须进行拓扑检查，特别是批量更新，对于前后期调查产生的重叠（Overlap）和间隙（俗称双眼皮Gaps），必须进行拓扑编辑，做到新老数据的无缝拼接（例如4林班拓扑纠正前后效果见图2）。
属性数据需要考虑数据结构、精度、兼容等问题。
用于更新的入库的数据，各属性字段的类型要与原库相同，字符型的字段要考虑字段长度，数字属性字段要考虑精度等等，否则就会出现更新数据丢失、不完整、精度降低等问题。
211198597_基于森林资源二类调查数据的森林生物量抽样设计对比研究
第48卷第2期2023年3月㊀林㊀业㊀调㊀查㊀规㊀划Forest Inventory and PlanningVol.48㊀No.2Mar.2023doi:10.3969/j.issn.1671-3168.2023.02.002基于森林资源二类调查数据的森林生物量抽样设计对比研究田志艳,延原原,张超(西南林业大学,云南昆明650224)摘要:探究和对比不同抽样方法对森林生物量抽样调查中样地数量㊁样地布设及估算精度等方面的影响,优选适宜的抽样方案,在保证精度的前提下节省外业调查的工作量和成本㊂基于云南省大理市2016年森林资源二类调查小班数据,以森林起源㊁龄组㊁优势树种作为分层变量,在可靠性为95%㊁抽样精度为90%和85%的条件下,计算分层抽样所需的样本单元数,并与系统抽样进行比较分析;以分层抽样方法进行大理市森林地上生物量的抽样设计,将抽样结果与系统抽样方法进行比较分析㊂结果表明,抽样精度为90%时,分层抽样所需的样本单元数分别比系统抽样少21.91%㊁12.92%和45.51%;抽样精度为85%时,分层抽样所需的样本单元数分别比系统抽样少21.51%㊁12.66%和45.57%;在相同的抽样精度条件下,抽样单元数呈现起源>优势树种>龄组的变化趋势㊂按抽样精度90%,系统抽样估测的大理市森林地上总生物量为1914.83万t,按起源㊁优势树种和龄组,其总生物量估测值分别为1608.22万t㊁1679.03万t㊁1536.08万t㊂在可靠性和抽样精度相同时,实际抽样精度排序为起源>优势树种>龄组,其中,利用优势树种估测的森林地上总生物量为1679.03万t,最接近实际值,按优势树种估测的抽样效果较好,抽样精度为96.63%㊂由于分层抽样具有样本数量少㊁抽样精度高的明显优势,可为区域森林生物量抽样调查和估测提供方法参考㊂关键词:分层抽样;系统抽样;森林地上生物量;抽样精度;森林资源二类调查数据中图分类号:S718.556;S757.2㊀㊀文献标识码:A㊀㊀文章编号:1671-3168(2023)02-0009-07引文格式:田志艳,延原原,张超.基于森林资源二类调查数据的森林生物量抽样设计对比研究[J].林业调查规划,2023,48(2):9-15.doi:10.3969/j.issn.1671-3168.2023.02.002TIAN Zhiyan,YAN Yuanyuan,ZHANG parative Study on Sampling Design of Forest Biomass Based on Forest Management Inventory Data[J].Forest Inventory and Planning,2023,48(2):9-15.doi:10.3969/j.issn.1671-3168.2023.02.002Comparative Study on Sampling Design of Forest Biomass Based onForest Management Inventory DataTIAN Zhiyan,YAN Yuanyuan,ZHANG Chao(Southwest Forestry University,Kunming650224,China) Abstract:This paper explored and compared the effects of different sampling methods on the number, layout,and estimation accuracy of sample plots in forest biomass sampling surveys,and selected suitable sampling plans to save the workload and cost of field surveys while ensuring accuracy.Based on the sub -compartment data of forest management inventory in Dali City,Yunnan Province in2016,using forest收稿日期:2022-02-04.基金项目:国家自然科学基金项目(32160405);云南省 万人计划 人才培养项目(YNWR-QNBJ-2018-334).第一作者:田志艳(1997-),女,陕西榆林人,硕士研究生.研究方向为数字林业和森林资源管理.Email:1143449086@ 责任作者:张超(1980-),男,河北唐山人,博士,教授.研究方向为森林经理学.Email:42668600@林业调查规划origin,age group,and dominant tree species as stratified variables,the number of sample units required for stratified sampling was calculated and compared with systematic sampling under the conditions of relia-bility of95%,sampling accuracy of90%and85%;the sampling design of forest aboveground biomass was made by using stratified sampling method,and the sampling results were compared with systematic sampling method.The results showed that when the design accuracy was90%,stratified sampling was 21.91%,12.92%,and45.51%less than systematic sampling,respectively;when the design accuracy was85%,stratified sampling was21.51%,12.66%,and45.57%less than the systematic sampling, respectively;under the same design precision,the number of sampling units showed a trend of origin> dominant tree species>age group;according to90%design accuracy,the total biomass estimated by sys-tematic sampling was19.1483million t,the total biomass estimated by origin,dominant tree species and age group was16.0822million t,16.7903million t,15.3608million t,respectively.When the reliability and sampling design accuracy were the same,the actual sampling accuracy results was origin> dominant tree species>age group,in which the overall biomass estimated by the dominant tree species was16.7903million t which was closest to the actual biomass,and the sampling effect of estimated bio-mass based on the dominant tree species was better with the sampling accuracy of96.63%.Due to the obvious advantages of small sample size and high sampling accuracy,stratified sampling could provide a method reference for regional forest biomass sampling and estimation.Key words:stratified sampling;systematic sampling;forest aboveground biomass;sampling accuracy; forest management inventory data㊀㊀森林生物量是森林经过长期的生产和代谢,在一定年龄㊁一定面积上所生长的全部干物质的重量[1]㊂作为森林生态系统最基本的特征数据,森林生物量是研究森林生态系统结构㊁特征㊁功能以及森林生产力的基础,亦是计算森林生态系统碳储量的重要数据来源和全球碳循环的重要组成部分,是林学和生态学领域研究的热点问题[2]㊂为克服传统生物量调查时劳动强度大㊁时间和人力成本高等弊端,研究采用抽样的方式对森林生物量进行估测,这是目前可行的调查方法㊂森林生物量估测方法已成为区域或全国范围内进行森林生物量㊁生产力及其动态变化和碳平衡研究中最具代表性的手段之一㊂森林生物量数据主要通过直接测量和间接估算两种途径获得㊂目前,有关森林生物量间接估算的方法已有大量研究㊂可通过单木生物量推算样地生物量,再通过加权平均等方法推算林分㊁区域甚至更大空间尺度的森林生物量数据[3-11]㊂森林生物量抽样估计方法多基于森林资源连续清查(简称 一类调查 )样地数据或森林资源规划设计调查(简称 二类调查 )小班数据,因此其抽样估计方法多采用系统抽样或分层抽样[12]㊂系统抽样可使样本单元在总体中均匀分布,具有良好的代表性,且计算和操作简便,统计学基础可靠,是目前森林生物量抽样估计最常用且可行的途径[13];分层抽样则在样本量相同的情况下,总体标准误一般小于简单随机抽样㊁系统抽样或整群抽样[14],可显著提高估计精度,减少样本数量,节约调查成本[15]㊂分层抽样可将用地类型㊁森林类型㊁优势树种㊁林龄等属性作为分层变量[16],同时对各层进行参数估计㊂本研究以云南省大理市为研究区,基于全市二类调查小班数据,分别从样地大小㊁样本数量和抽样方法3个方面系统分析森林生物量抽样的不确定性;在可靠性为95%和抽样精度为90%㊁85%的两个水平,对基于不同分层变量的分层抽样和系统抽样进行对比分析,为今后区域森林生物量的精准计量方法研究提供理论依据,为提高森林生物量的抽样效率㊁建立精准高效的森林生物量抽样方法体系提供参考依据㊂1研究区概况研究区位于云南省大理市,地处云南省中部偏西,平均海拔为2090m,地理坐标为东经98ʎ52ᶄ~ 101ʎ03ᶄ,北纬24ʎ41ᶄ~26ʎ42ᶄ㊂土地总面积29459 km2㊂以低纬高原季风气候为主,四季温和,年温差小;由于地形地貌复杂,海拔高差悬殊,气候的垂直差异显著;河谷热,坝区暖,山区凉,高山寒,立体气候特征显著㊂森林资源丰富,是云南省的重点林区㊂主要树种有云南松㊁华山松㊁铁杉㊁冷杉㊁马尾杉㊁思㊃01㊃第48卷田志艳,等:基于森林资源二类调查数据的森林生物量抽样设计对比研究茅松㊁柏树㊁樟树㊁椿树和栎树等㊂珍稀树种有银杏㊁牟尼柏㊁罗汉松㊁秃杉㊁红豆杉和珙桐等㊂森林资源情况,截至2020年底,大理市森林总面积80892hm2,森林覆盖率46.54%,其中,有林地面积70491hm2,占总面积的87.14%;国家特别规定灌木林地面积10400hm2,占12.86%㊂在森林总面积中,天然林面积44417hm2,占54.91%;人工林面积36474hm2,占45.09%㊂与2019年相比,2020年度全市森林面积由70232hm2增长到80891hm2,净增10659hm2,增幅为15.15%;全市森林覆盖率由40.41%增长到46.54%,净增6.13%,呈平稳增长态势㊂2材料与方法2.1森林地上生物量计算以大理市2016年森林二类调查小班矢量数据为主要数据源,设置抽样间隔为1kmˑ1km,对森林地上生物量样本数据进行整理,以此作为本研究基础数据㊂参考‘云南省森林生物量和碳储量估算及发布研究“[17],利用生物量扩展因子法进行蓄积量-生物量转换,计算小班生物量,生物量转换因子模型如式(1)所示㊂各主要优势树种生物量扩展因子及木材密度如表1所示,计算得出的研究区地上生物量统计结果如表2所示㊂B=V㊃SVD㊃BEF(1)式中:B为森林地上生物量;BEF为生物量扩展因子;SVD为某优势树种的木材密度;V为林分蓄积㊂表1㊀森林地上生物量转换因子Tab.1㊀Conversion factors of forest aboveground biomass2.2抽样设计以上述计算得到的大理市森林地上生物量小班数据为基础,根据起源㊁龄组㊁优势树种等常用的森林生物量调查因子作为分层变量,在可靠性为95%时,分别设置抽样精度为90%和85%,并采用系统抽样进行对比分析㊂为确保达到抽样的准确性,共表2㊀大理市森林地上生物量统计Tab.2㊀Statistics of forest aboveground biomass in Dali City云南松227256.2987.3743.4栎类㊀83719.3579.8869.3其他㊀23026.1113.9649.5总计㊀334001.61681.2150.3重复抽取10次,样地大小重采样为30mˑ30m的栅格数据㊂2.2.1样本单元数确定1)系统抽样样本单元数确定对森林地上生物量样本数据进行随机抽取,计算标准差为30.25t/hm2,平均值为46.60t/hm2,利用平均值和标准差计算变异系数(c)㊂在可靠性为95%和抽样精度为90%㊁85%的情况下,计算所需要的样本量(n)为:n=tαcE()2(2)式中:c为总体变动系数;E为给定的相对误差;tα为可靠性指标㊂为避免无反应单元的情况,增加10%的保险系数,系统抽样样本数确定方法与简单随机抽样方法相同㊂2)基于不同分层变量的分层抽样样本单元数确定利用森林起源㊁龄组㊁优势树种作为分层变量,计算不同分层下的样本平均值与标准差,通过总样本和各层样本计算各层权重㊂分层抽样的样本计算方法采用的是最优分配法,根据各层的变动大小和层权重2个方面,再给定n的条件下,合理分配各层的样本单元数(n h),使得误差达到最小;且在各层独立㊁随机地进行抽样,其计算公式为:n=tα2ðm h=1W h S h2E2ðm h=1W h y h()2(3)式中:W h为第h层总体单元占总体N的比重(层权重);S h为第h层的标准差;y h为第h层平均数估计值㊂2.2.2样地布设基于ArcGIS生成研究区公里网格㊂系统抽样的样本点是均匀分布的,计算抽样间隔;分层抽样基㊃11㊃第2期林业调查规划于森林二类调查数据获得不同分层的图层,在层内以网络编号随机确定样地位置㊂两个样地之间实际地面距离(L )公式为:L =100A n(4)式中:A 为总体面积;n 为实际抽取的样本单元数㊂2.3抽样精度计算总体平均数估计值标准误差(S Y st)㊁绝对误差限(ΔY st)㊁相对误差限(AE)㊁抽样精度(p )计算公式分别为:S Y st=S Yst2(5)ΔY st=t αˑS Y st(6)AE =ΔYstY stˑ100%(7)p =100%-AE (8)式中:S Yst2为层平均数方差;Y st 为平均数估计值㊂2.4分层变量的方差分析采用SPSS 中的单因素方差分析法,分别计算起源㊁龄组㊁优势树种的森林地上生物量组间和组内方差,进而解释森林地上生物量调查中对分层抽样变量选择的合理性㊂3结果与分析3.1样地布设利用系统抽样进行了样地单元布设,在设置精度为90%和85%的情况下,计算出2种抽样间隔,分别是4332m ˑ4332m㊁6502m ˑ6502m,结果如图1所示㊂在ArcGIS 中利用Fishnet 对大理市进行不同规格抽样单元的划分,然后对样本进行有规律的抽取㊂3.2分层抽样利用起源㊁龄组㊁优势树种3个常用的森林调查因子,根据其因子特性首先进行分层㊂分层后利用SPSS 中的单因素方差分析结果(表3)以及传统分层抽样的要求,对样本过少的分层进行合并,并根据分类习惯调整㊂最终得出利用3个森林调查因子进行分层的结果,结果如图2所示㊂3.3抽样单元数分层抽样的样本计算方法均采用的是最优分配法,计算出各个因子所占比例,根据公式计算抽样单元数㊂不同抽样方法在不同设计精度情况下的抽样单元数如表4所示㊂图1㊀样地布点Fig.1㊀Layout of sample plots㊀㊀从表4可以看出,在分层抽样中,利用优势树种㊁起源㊁龄组3个分层变量分层抽取所需的样本单元数,在设置可靠性为95%㊁抽样精度为90%时,分别比系统抽样少21.91%㊁12.92%㊁45.51%;抽样精度为85%时,分别比系统抽样少21.51%㊁12.66%㊁45.57%㊂根据样本单元数的计算结果来看,在相同设计精度下,系统抽样的抽样单元数较多,分层抽样单元数相对较少㊂在分层抽样中,抽样单元数呈现起源>优势树种>龄组的变化趋势㊂㊃21㊃第48卷田志艳,等:基于森林资源二类调查数据的森林生物量抽样设计对比研究表3㊀单因子分层抽样方差分析Tab.3㊀Analysis of variance of one-waystratified sampling优势树种云南松㊀41.4223.5068.0栎类㊀㊀64.0041.9425.1其他树种45.9028.42 6.9起源天然㊀㊀49.6833.2972.8人工㊀㊀40.1422.698.1飞播㊀㊀39.9220.0219.1龄组龄组Ⅰ㊀31.4217.0436.3龄组Ⅱ㊀47.2222.0047.1龄组Ⅲ㊀85.1844.0816.7总计46.6130.25100.0注:优势树种的其他树种包括华山松㊁桤木㊁其他阔叶林㊁桉树;龄组Ⅰ(幼龄林)㊁龄组Ⅱ(中龄林)㊁龄组Ⅲ(近熟林㊁成熟林㊁过熟林)㊂表4㊀样本单元数确定Tab.4㊀Determination of sample units number起源㊀㊀155-12.92龄组㊀㊀97-45.518579优势树种62-21.516502起源㊀㊀69-12.66龄组㊀㊀43-45.573.4抽样精度利用不同分层因子进行分析,其分层抽样精度均比系统抽样精度高,重复抽取10次(表5)㊂在系统抽样中,设置可靠性为95%,抽样精度为90%时,实际抽样精度为90.91%,估测的总体生物量为1914.83万t;抽样精度为85%时,实际抽样精度为87.25%,估测的总体生物量为1674.35万t,此时最接近实际生物量㊂在分层抽样中,设置可靠性为95%,抽样精度为90%时,以优势树种为分层变量的实际抽样精度为96.63%;以起源为分层变量的实际抽样精度为96.77%;以龄组为分层变量的实际抽样精度为96.00%;实际抽样精度结果排序为起源>优势树种>图2㊀分层提取结果Fig.2㊀Layered extraction results㊃31㊃第2期林业调查规划表5㊀不同抽样方法的抽样结果Tab.5㊀Sampling results of different sampling methods90系统抽样57.3335.469.0990.911914.83分层抽样优势树种云南松42.6025.091422.85栎类㊀61.9939.502070.48其他㊀树种㊀50.3420.481681.37总计㊀50.2732.33 3.3796.631679.03起源天然㊀50.1333.331674.35人工㊀44.1218.161473.62飞播㊀37.5216.281253.18总计㊀48.1531.23 3.2396.771608.22龄组龄组Ⅰ㊀31.8013.781062.13龄组Ⅱ㊀47.7725.731595.53龄组Ⅲ91.2238.583046.77总计㊀45.9929.224.0096.001536.0885系统抽样50.1328.9712.7587.251674.35分层抽样优势树种云南松42.5222.221420.18栎类㊀86.8856.122901.81其他㊀树种㊀47.2147.681573.82总计㊀59.2845.21 6.0094.001979.96起源天然㊀50.5431.131688.05人工㊀28.789.58961.26飞播㊀39.7219.161326.66总计㊀47.8729.58 4.6195.391598.87龄组龄组Ⅰ㊀29.1614.42973.95龄组Ⅱ㊀43.8520.391464.60龄组Ⅲ66.0021.812204.41总计㊀40.1023.365.5194.491339.35龄组,利用优势树种估测的总体生物量为1679.03万t,最接近实际生物量;抽样精度为85%时,以优势树种为分层变量的实际抽样精度为94.00%;以起源为分层变量的实际抽样精度为95.39%;以龄组为分层变量的实际抽样精度为94.49%;实际抽样精度排序结果为龄组>起源>优势树种,利用起源估测的总体生物量为1598.87万t,最接近实际生物量㊂3.5分层变量对比分析不同分层变量的方差分析结果见表6㊂表6㊀分层变量的组内与组间的方差分析Tab.6㊀Analysis of variance within and betweengroups of stratified variables优势树种组间3549.47758200.610 2.9620.000组内1667.24580960.206总计5216.72313916起源组间4019.01958200.691 1.0000.504组内5592.23680960.691总计9611.25613916龄组组间3948.06458200.678 2.1930.000组内2504.38780960.309总计6452.45113916㊀㊀由表6可以看出,单因子变量分层抽样中,组间方差均高于组内方差,组间差异呈现优势树种>龄组>起源的趋势,其中优势树种变量的组间方差最大,这与实际抽样精度结果一致㊂4结论与讨论1)以大理市2016年森林资源规划设计调查(二类调查)小班矢量数据为基础数据,采用系统抽样和分层抽样方法,在相同可靠性和不同设计精度下,对实际抽样精度㊁抽样样本单元数和抽样效率进行对比分析㊂系统抽样采用计算间隔进行抽样,分层抽样以起源㊁优势树种㊁龄组为分层变量进行抽样㊂2)根据抽样精度计算结果得出,抽样调查精度的高低取决于抽样误差及可靠性指标㊂当可靠性一定时,抽样误差越小,估计误差亦越小,精度则越高㊂当抽样误差一定时,可靠性指标越高,精度越低㊂当设计可靠性为95%㊁抽样精度为85%时,系统抽样的样本量为79,实际抽样精度为87.25%,估测的总生物量为1674.35万t,与实际估测的生物量接近;当设计可靠性为95%㊁抽样精度为90%时,按优势树种进行分层抽样,其样本量为139,实际抽样精度为96.63%,估测的总生物量为1679.03万t,与实际估测的生物量接近,抽样效果最好㊂根据不同抽样方法的样本数量估测的总生物量结果得出,90%和㊃41㊃第48卷田志艳,等:基于森林资源二类调查数据的森林生物量抽样设计对比研究85%的抽样设计精度为不同成本投入和精度要求下开展森林生物量估测提供了多种抽样选择㊂与系统抽样相比,分层抽样具有样本数量少㊁抽样精度高的明显优势㊂3)样本单元数的大小直接与资金投入和外业调查时间相关,是抽样效率的主要评价因子㊂在森林碳储量计算过程中抽样误差主要受样地数量㊁大小㊁抽样方式及自然条件等因素影响[18]㊂在实际调查中调查方式仍以人力调查为主,将增加人为误差,如树高对应错误㊁树木漏测㊁树种记录错误等,均会对内业计算产生影响;有的样本单元分散或部分样地位置特殊,也将增加生物量数据的不确定性㊂单从抽样成本与估测精度来确定抽样方法是不全面的㊂在实际操作中,要考虑森林生物量空间分布存在显著差异[19]㊂4)本研究中森林生物量值通过生物量扩展因子转换得出,最终导致一些生物量值偏高或偏低,在实际调查中可调整计算标准㊂在分层抽样中,为保证抽样精度,可将数据少或差别不明显的层合并优化,保证层间方差大即可,这样进行的生物量分层抽样设计将具有很强的合理性,理论上可获得更高的抽样效率㊂将优势树种部分数据进行合并,抽样效果较好,但由于本次研究的样本数量有限,尚缺乏具体优化设计㊂在下一步研究中,可根据因子属性将一些常规的分层变量进行细化和优化,找到最优抽样设计方案,以达到减小误差,提高效率,降低成本,提高抽样效率的目的㊂参考文献:[1]冯宗炜.中国森林生态系统生物量和生产力[M].北京:科学出版社,1993.[2]FANG J Y,LIU G H,XU S L.Forest biomass of China:An estimation based on the biomass-volume relationship[J]. Ecological Applications,1998(8):1084-1091. [3]唐守正,张会儒.相容性生物量模型的建立及其估计方法的研究[J].林业科学,2000,36(z1):19-27. [4]雷渊才,唐守正.适应性群团抽样技术方法和应用研究进展[J].林业科学,2009,45(3):118-127. [5]李海奎,赵鹏祥,雷渊才,等.基于森林清查资料的乔木林生物量估算方法的比较[J].林业科学,2012,48(5): 44-52.[6]胥辉.两种生物量模型的比较[J].西南林学院学报,2003,23(2):36-39.[7]曾伟生,唐守正.国外立木生物量模型研究现状与展望[J].世界林业研究,2010,23(4):30-35. [8]雷相东,张会儒,牟惠生.东北过伐林区蒙古栎林分相容性生物量模型研究[J].第四纪研究,2010,30(3): 559-565.[9]王仲锋.森林生物量建模与精度分析[D].北京:北京林业大学,2006.[10]罗云建,张小全,王效科,等.森林生物量的估算方法及其研究进展[J].林业科学,2009,45(8):129-134.[11]AVITABILE V,CAMIA A.An assessment of forest biomassmaps in Europe using harmonized national statistics andinventory plots[J].Forest Ecology and Management,2017(409):489-498.[12]冯仲科,罗旭,石丽萍.森林生物量研究的若干问题及完善途径[J].世界林业研究,2005,18(3):25-28. [13]SHEN W J,LI M S,HUANG C Q,et al.Annual forestaboveground biomass changes mapped using ICESat/GLAS measurements,historical inventory data,and time-series optical and radar imagery for Guangdong province,China[J].Agricultural and Forest Meteorology,2018(259):23-38.[14]STRIMBU V F,ENE L T,GOBAKKEN T,et al.Post-stratified change estimation for large-area forest biomassusing repeated ALS strip sampling[J].Canadian Journalof Forest Research,2017(47):839-847. [15]FASSNACHT F E,LATIFI H,HARTIG ing synthet-ic data to evaluate the benefits of large field plots for for-est biomass estimation with LiDAR[J].Remote Sensing ofEnvironment,2018(213):115-128.[16]张超.三峡库区森林碳储量估测研究[D].北京:北京林业大学,2016.[17]胥辉,张子翼,欧光龙,等.云南省森林生物量和碳储量估算及分布研究[M].昆明:云南科技出版社,2019.[18]PICARD N,GAMARRA J G P,BIRIGAZZI L,et al.Plot-level variability in biomass for tropical forest inventory de-signs[J].Forest Ecology and Management,2018(430):10-20.[19]AHMED R,SIQUEIRA P,HENSLEY S,et al.Uncertaintyof forest biomass estimates in north temperate forests dueto allometry:Implications for remote sensing[J].RemoteSensing,2013(5):3007-3036.责任编辑:陈旭㊃51㊃第2期。
森林资源小班数据更新与营造林工程管理系统的研建的开题报告
森林资源小班数据更新与营造林工程管理系统的研建的开题报告一、项目概述本项目旨在更新森林资源的数据，为营造林工程的管理提供数据支持。
具体包括对森林资源小班的信息进行收集、整理、更新，建立管理系统，实现对小班的统一管理。
二、项目背景随着我国经济的快速发展和城市化进程的不断加快，对林木资源的需求越来越大。
为了满足这种需求，我国各级政府不断加大了对林木的保护和管理力度，也越来越重视对林木资源信息的采集和管理。
当前我国林木资源管理的核心是小班制度，省界、县界、河流等自然界界线与政区界线交叉的地方，常常被认为是小班划分的基本依据。
由于森林资源小班信息的复杂性和广泛性，无法通过传统的手工方式进行管理。
因此，我们需要一个信息化的林业资源管理系统，以实现对林木资源的全面、准确、高效的管理。
三、项目目标1. 更新森林资源小班数据，包括林木种类、数量、面积和资源状况等信息。
2. 建立营造林工程管理系统，实现对小班的统一管理，包括林木生长监测、病虫害防治、火险预防等。
3. 提高林业资源管理的精度和效率，实现对森林资源的科学、系统、全面的管理。
四、项目实施方案1. 数据更新：采用GPS测量和遥感技术，对小班的地理位置和森林资源的情况进行统计和分析。
2. 系统建设：采用.NET平台，建立小班资源管理系统，包括数据采集、存储、查询、分析等功能。
3. 系统测试：对系统进行测试和调试，确保系统的稳定性和可靠性。
4. 系统应用：推广和应用小班资源管理系统，提高林业资源管理的精度和效率。
五、预期成果1. 实现对森林资源的全面、准确、高效的管理，提高林业资源管理的精度和效率。
2. 推进林木资源管理的信息化进程，促进林业经济发展和可持续发展。
3. 为森林资源保护和管理提供有效的技术支持和决策依据。
六、项目周期本项目预计周期为12个月。
七、项目预算项目预算为100万元，具体包括人力、物料、设备等费用。
八、项目风险1. 数据采集困难：由于小班分布广泛，数据采集难度较大。
基于小班和像元结合的森林资源监测方法研究
林 相 图上 给 出变化 位置 ，实 现动态 监测 。很 多地 方
建立 的 固定 小班 使林 地 小班 地 理位 置 和面 积 固 定 ，
图 面位 置与 空 间定 位一 致 ，统一 地籍 编码 ，方便 管 理 与监测 …。刘 风玲 、 向安 民、李传 生等 从 面积 变 化 和 蓄积量 消长变 化 监测 两方 面介绍 了通 过 “ 森林 资 源二 调” 和 “ 三调 ”资料 进行 黑龙 江大 兴安 岭林 区年度 森林 资 源监 测 的 方 法 ，分 析 了存 在 的 问题 ， 并从 ５个 方 面提 出 了主 要 对 策 。 张 朝 勋 在 １９ Ｊ ９５ 年 介绍 了大 兴安 岭东 部林 区年 度森林 资 源监测 的方
Ｋｅ ｓ ｆｒｓ ｅ ｏ ｒｅ ｍ ｎ ｔｒｎ ； ｓ ｂ ｏ ｐ ｒ ｎｔ ｍ ａ ｅ ｕ ｉ；ｄ ｎ ｍ ｉ ｈ ｎ ｅ ｙ ｗＯ ｄ ： ｏ ｅ ｔｒｓ ｕ ｃ ｏ ｉ ｉ ｇ ｕ ｃ ｍ ａｔ ｏ ｍｅ ，ｉ ｇ ｔ ｙ ａ ｃ ｃ ａ ｇ ｎ
１ 森 林 资 源监 测 方 法 介绍
维普资讯
林业调查 规划
２Ｏ ． ｃ．１ （） ～４ Ｏ６ Ｏ ｔ３ ５ ：１
ＣＮ ５ ３一 ｌ ７ ， １ ２Ｓ
Ｓ １ ７ —３ ６ Ｎ ６ １ １８
Ｆｏ ｅ ｔ Ｉ ｅ ｏｒ ａ ｄ Ｐｌｎ ｎｇ ｒ ｓ ｎｖ ｎｔ ｙ ｎ ａ ｎｉ
测 方 法 。 文章 以 富 民 县 为例 ，介 绍 了该 方 法 的 技 术路 线 、 前 后 期 数 据 库 的 建 立 、 数 据 统 计 分 析 ， 实 现 了 两期 森 林 资 源 的 动 态监 测 。
关键词 ： 森林 资源监测 ；小班像元 ；动 态变化 中图分 类号 ： ７８４ ￥５ ． 文献标识码 ：Ａ 文章编号 ：１７ —３ ６ ２０ ）０ —００ —０ ６ １ １８（０６ ５ ０ １ ４
云南省森林资源现状及其变化分析
１ ６ 生 长量 ．
全省 年均 总生 长 量 ６３ ６８ ９ ．５万 ｍ ，年 均生 长 ３
率 ４ ２ ％。 ．８ １ ７ 消耗 量 ．
全 省 土地 总 面 积 ３８ ６４ ２ ．４万 ｈ ，其 中 ：林 ｍ２ 业 用地 面积 ２４ ４７ ２ ．６万 ｈ ，占 ６ ．７ ｍ２ ３ ３ ％。 在林业 用 地 面 积 中 ，有 林 地 面 积 １５ １５ ０ ．０万 ｈ ，占 ６ ．２ ｍ２ １９ ％；疏 林 地 面 积 ７ ．５万 ｈ ２ ９６ ｍ ，占 ３ ２ ％ ；灌 木 林 地 面 积 ４８ ３ 万 ｈ ２ 占 ．９ ０ ．７ ｍ， １ ．４ ６ ８ ％；未 成 林 造 林 地 面 积 １ ．５万 ｈ ， 占 ２９ ｍ２ ０ ５ ％ ；苗 圃地 面积 ０ ４ ．３ ．８万 ｈ ， 占 ００ ％ ；无 ｍ２ ．２ 林地 面积 ４ １８ 万 ｈ ，占 ｌ ．０ ２ ．１ ｍ２ ７ ４ ％。 １ ２ 各 类林木 蓄积 ． 全 省 活 立 木 蓄 积 １４７ ９４ ５ ５ ．０万 ｍ３ 。其 中 ：
维普资讯
林 业调 查规划 ２ ０ ． ｙ ３ （ 千 ） ７ ４ ０６ Ｍａ ．１ 增 Ⅱ ｉ４ － ８
Ｆ ｒｓ Ｉ ｖ ｎ ｏ ｙ ａ ｄ Ｐｌｎ ｉｇ ｏ ｅｔ ｎ ｅ ｔｒ ｎ ａ ｎｎ
ＣＮ ３— １ ７ ／ Ｉ ｓ １ ７ ５ １２Ｓ ｓ Ｎ ６ １—３ ６ １８
散 生 木 蓄 积 １ ３４ ５ 万 ｍ ， 占 ６ ７ ％； ０ ８ ．０ ３ ．１
四 旁 树 蓄 积 ２１９８ 万 ｍ ，占 １４ ％。 ７ ．８ ．１
１ ３ 林分资 源 ．
全 省林分 面积１ ５ ５ ８万 ｈ ， 分 蓄 积 ３ ６． ｍ２ 林
１ ９９ ９ １ 万 ｍｊ ３ ２ ．６ 。
森林资源年度监测小班数据自动更新技术
森林资源年度监测小班数据自动更新技术魏安世;杨志刚【期刊名称】《南京林业大学学报：自然科学版》【年(卷),期】2010(34)4【摘要】以相邻两年度遥感影像和上一年度小班数据为基础,研究了小班数据自动更新技术。
通过多时相遥感特征与植被变化相关性分析,筛选出对判别植被变化贡献较大的一些遥感特征,提取每个小班的遥感特征,对现势的遥感影像和小班历史GIS数据的先验知识进行综合分析,建立森林资源变化判别规则,以确定变化小班。
然后以变化的小班内遥感影像为研究对象,分别利用边缘提取和图像分割方法自动提取变化界线,产生分割线,再用分割线更新小班界线,从而生成本年度森林资源空间数据。
研究表明:基于边缘提取方法的自动更新结果存在较多的伪边界,同时又丢失了一些真正的边界,其自动更新效果不理想;而基于图像分割方法自动更新的小班变化界线与人工目视勾绘的小班变化界线基本一致,可以满足生产要求。
【总页数】6页(P123-128)【关键词】森林资源;年度监测;空间数据;自动更新;RS;GIS【作者】魏安世;杨志刚【作者单位】广东省林业调查规划院【正文语种】中文【中图分类】S757【相关文献】1.基于“3S”技术森林资源年度监测及档案更新技术方法初探 [J], 陈一佐2.浅析森林资源动态监测技术与应用——以义乌市2012年度森林资源动态监测为例 [J], 初映雪3.对内蒙古大兴安岭林区森林资源二类调查数据实现资源数据库数据自动更新的构想 [J], 刘伟4.森林资源年度监测变化小班提取及数据检查工具开发 [J], 代劲松5.昆明发布2019年度森林资源主要指标监测数据 [J], 张佳琪(文/图)因版权原因，仅展示原文概要，查看原文内容请购买。
森林资源小班调查计算程序的编制与应用
Ｃｏ ｐ ｔｒ Ｐｒ ｇ ａ ｍ ｉ ｇ ａ ｄ ｐ ｉａ ｉ ｎ ｏ ｕ ｃ ｍ ｐ ｒｍ ｅ ｔＳ ｒ ｅ ｆ ｍ ｕ ｅ ｏ ｒ ｍ ｎ ｎ Ａｐ ｌｃ ｔｏ ｆＳ ｂ ｏ ａｔ ｎ ｕ ｖｙｏ
Ｆｏ ｅ ｔ Ｒｅ ｏ ｒ ｅ ｒ ｓ ｓ ｕ ｃ ｓ
ＺＥＮＧ Ｙｏｎ ｇ—ｙｕ ｎ
森林 资 源 调 查 中常 采 用 角 规 典 型 选 样 调 查 方 法 ，在 二 类 资 源 清查 中，一 般 每 个 县 的 小 班 数 有 １５万 ～４万 个 ，常 用 的 小 班 调 查 卡 片 查 表 计 算 方 ．
免 混肴 ，需 再增 设一 个树 种代码 。树 种 代码 的设 置 方 法 是在 相对应 形 高计算 式代 码 的小数 点后 再增 加
１ 编 程思 路
１１ 将树 种 组形高 计算式 固存 在 一个 子程 序里 ．
对 于相 同树 种 ，其形 高 （ 历） 由材 积计 算 式
＝ａ ｂ ｃ导 算 得 ｆ ＤＨ ｈ＝４ ０ ０ ００
维普资讯
林业调查 规划
２Ｏ ．ｕ ．１ （ ） ９ ３ Ｏ６ Ｊｎ ３ ３ ：１ —２
Ｃ ５ Ｎ ３—１ ７ ， Ｉ Ｓ １ ７ １２ Ｓ Ｓ Ｎ ６ １—３ ６ １８
Ｆｏ ｅ ｔ Ｉ ｖｅ ｏｒ ａ ｄ Ｐｌｎ ｎｇ ｒ ｓ ｎ ｎｔ ｙ ｎ ａ ｎｉ
ｏ ｒｅ ｓ ｃｅ ｒ ｅ ｌｃ ｄ ｂ ｏ ｅ ａ ｅ ｎ ａ ａｙ ｉ ｆｔ ｅ ｍｅ ｏ ｏ ａｃ ｌｔ ｇ ａ ｄ ｃ ａ ａ ｔｒｓ ｃ ｆ ｆｔｅ ｐ ｉｓ ｗｅ ｅ ｒ ｐａ ｅ ｙ ｃ ｄ ｓ ｂ ｓ ｏ ｅ ｄ ｎ ｌｓｓ ｏ ｔ ｄ ｆｒ ｃ ｕ ａ ｎ ｈ ｒｃｅ ｉｔ ｓ ｏ ｈ ｈ ｌ ｉ ｎ ｉ ｃ ｍｐ ｓｎ ，ａ ｄ ｄｇｔｌｂ ｃ ｅ ｒ ｅ ｓ ｎ ｂｌ ｐ ｌｅ ｃ ｏｄ ｎ ｏ ｏ ｒｔ ｎ ｅ ｕ ａｉｎ．Ｔｈ ｓｓ ｕｃ ｒ — ｏ ｏ ｉ ｇ ｎ ｉｉ ｕ ｈ ｓｗｅ ｅ ｒａ ｏ ａ ｙ ａ ｐ ｉｄ ａ ｃ ｒ ｉ ｔ ｐ ａｉ ａ ｒ ｇ ｌｔ ａ ｎ ｇ ｅ ｏｌ ｏ ｉ ｏ ｒ ｅ ｐ ｏ ｇ ａ ｉ ｃｕ ｅ ｕ ｐ ｇａ ｏ ｅ ｈ ｉｈｔ ｉ ｒ ｇａ ｄ ２ ａ ｄｉｏ ａ ｒ ｇａ ． ｒｍ ｎ ｌ ｄ ｓｓ ｂ ｒ ｒｍ ｆｔ ｅ ｇ ，２ ｍａｎ ｐ ｒｍｓ ａ ｄ ｔ ｎ ｐ ｒｍｓ ｏ ｈ ｏ ｎ ｉ ｌ ｏ Ｋｅ ｒ ｓ：ｆｒｓ ｅ ｏ ｒ ｅ；ｉｖ ｎ ｏ ｙ ｍｅ ｏ ｙ ｗｏ ｄ ｏ ｅ ｔｒ ｓ ｕ ｃ ｎ ｅ ｔｒ ｔ ｄ；ｐ ｇ ａ ｆｒ ｃ ｃ ｌｔ ｇ；ａ ｐ ｉａ ｏ ｈ ｏ ｒ ｒｍ ｏ ａ ｕ ａｉ ｌ ｎ ｐ ｌ ｔｎ ｃｉ
基于小班信息GIS更新的森林资源动态监测研究
基于小班信息GIS更新的森林资源动态监测研究结合动态监测技术及林业生产调查探讨开展森林资源动态监测的可行性，并进行了森林资源动态监测体系的设计。
建设森林资源动态监测体系涉及到2个关键技术，即小班信息更新技术与更新验证调查技术。
结合吉林省和龙市二类调查与历年森林经营措施资源，完成了2个林场小班信息的更新。
Key words: sub compartment information; GIS updating; forest resources; dynamic monitoring system收稿日期：2011 - 12 - 31.1森林资源动态监测体系的设计利用遥感与GIS技术进行城市用地的动态监测已被广泛研究，其体系完善、技术成熟，不少学者希望将动态监测的体系引入到森林资源调查中，实现森林资源动态监测。
森林资源的动态监测与城市用地的动态监测有较大区别，主要表现在对用地地类的遥感解译上。
城市用地的遥感解译普遍采用了高分辨率遥感影像，依照城市用地分类标准，基本上能实现一类的解译，部分地类能实现二类解译。
森林资源的动态变化并不以地类为主，资源的消长不仅表现在林地类别的增减上，而且表现在林木的蓄积量、树高、胸径的变化上，不结合森林资源调查将无法实现森林资源的动态监测。
国家规定的森林资源调查主要分为森林资源连续清查(即一类清查)与森林资源规划设计调查(即二类调查)。
传统的国家森林资源连续清查的主要对象是森林资源及其生态状况。
它的任务是定期、准确地查清全国和各省森林资源的数量、质量及其消长动态，掌握森林生态系统的现状和变化趋势，对森林资源与生态状况进行综合评价。
一类清查是以省为单位，以固定样地为主进行定期复查的森林资源调查方法。
原则上每5年复查一次。
森林资源规划设计调查是以满足森林经营管理、编制森林经营方案、总体设计、林业区划与规划设计等需要，按山头地块进行的一种森林资源清查方式，以国有林业局（场）、自然保护区、森林公园等森林经营单位或县级行政范围为单位，其成果是科学经营管理森林资源的重要依据。
基于林分动态生长模型的小班资源档案更新研究
基于林分动态生长模型的小班资源档案更新研究霍振江【摘要】建立森林资源档案是森林资源管理的重要组成部分,森林资源档案必须及时进行更新和完善,体现森林资源的动态变化,分析森林资源消长变化,以便更加科学地森林经营.小班档案更新是森林资源档案更新的基础,其精度决定了森林资源档案更新的可靠性.但是在一个林业局小班数量大、树种组成复杂,归类套用生长量(率)进行计算,不仅档案更新计算工作量大,而且不能考虑各个小班的郁闭度(疏密度)、年龄等差异而计算精度得不到保证.以内蒙古大兴安岭森林为例,探讨了由密度、年龄、地位级指数控制的三元可变密度动态生长模型在小班资源档案更新中的应用.结果表明,所建立的林分动态生长模型系统能够满足不同间隔期林分蓄积、断面积、公顷株数、平均胸径和平均树高等调查因子动态更新的需要.研究结果可为小班数据更新奠定可靠基础.【期刊名称】《林业资源管理》【年(卷),期】2018(000)001【总页数】7页(P141-147)【关键词】小班;档案更新;可变密度;林分;生长模型【作者】霍振江【作者单位】内蒙古大兴安岭森林调查规划院,内蒙古牙克石022150【正文语种】中文【中图分类】S75在我国,利用林分生长模型进行小班林分测树因子的更新主要应用于人工林区[1-5],而天然林区由于森林类型的多样化,特别是经过多次采伐活动后的过伐林区,小班组成树种多,林分年龄难以准确确定,缺乏天然林区树种生长发育规律的系统性研究。
对天然混交林、异龄林如何确定林分年龄或在模型中如何隐含这一林分因子,林分的地位质量如何反映,如何预估出林分的树种组成,如何考虑林木径阶问题都还不能很好地解决。
内蒙古大兴安岭林区的可变密度森林生长动态模型是利用森林资源连续清查的数据建立的,能全面系统反映内蒙古大兴安岭林区的森林资源实际状况。
每次森林资源连续清查完成后及时重新进行拟合出新参数,与森林资源变化保持一致,代表着森林资源的动态信息。
因此,尽管所建立的森林生长动态模型的函数形式没有变,但其参数的变化反映了林分特点的变化。
森林资源普查中小班区划应注意的几个问题
建议与展望
加强小班区划技术培训和规范制定，提高区划人 员的专业素质和技能水平。
加强与相关部门之间的沟通和协调，促进小班区 划数据的共享和应用，提高数据的使用效率和价 值。
针对不同林分类型和不同地区的特点，开展小班 区划方法的研究和探索，不断完善和优化区划技 术和方法。
在保证完整性的前提下，应尽量减小小班的规模，提 高可操作性。
可持续性
在区划时，应考虑森林资源的可持续利用，避免过度 开发和破坏生态环境。
04
森林小班区划的方法
基于地理信息系统（GIS）的区划方法
01
GIS软件应用
02
空间数据分析
03
数据可视化
利用GIS软件，通过空间数据分析， 进行区划边界的精确绘制和属性信息 的录入，提高区划的准确性和效率。
森林资源普查的目的
为了保护和管理森林资源，进行定期的森林资源普查是必要的。通过普查，可以收集关于森林面积、结构、物种组成和生态状况等关键信息，为制定合理的森 林管理策略提供科学依据。
小班区划在森林资源普查中的地位
小班区划是森林资源普查中的基本单位，它通过对森林地块的划分和调查，能够提供更为详细和精确的森林资源信息。
建立决策支持系统，集成专家知识和决策者的经验 ，为区划方案提供科学依据和决策支持。
动态调整
根据实际情况和专家建议，对区划方案进行 动态调整和优化，提高区划的合理性和科学 性。
05
森林小班区划中应注意的几个问 题
区划边界的确定
边界应清晰明确
边界应具有可辨识 性
小班区划的边界应该清晰明确 ，避免模糊和重叠现象。边界 的确定应基于地形、地貌、林 相和行政界等因素综合考虑。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
云南省基于小班的森林资源数据更新研究
科技成果登记公示
根据《云南省科技成果登记和信息发布实施办法》（云科奖发﹝2015﹞2号）要求，现将由云南省林业调查规划院申报的“云南省基于小班的森林资源数据更新研究”成果登记信息公示如下：
一、成果概况
（一）成果名称：
云南省基于小班的森林资源数据更新研究
（二）成果类别：
应用技术
（三）第一完成单位：
云南省林业调查规划院
（四）主要完成人：
邓喜庆、贠新华、年顺龙、皇宝林、何长斌、王海波、李永、李元
杰、冷天熙
二、成果简介
（一）课题来源与背景
森林资源与生态状况的消长变化动态数据是各级政府制定国民经济和社会发展规划、社会可持续发展战略、生态安全规划及编制林业规划计划、指导林业生产建设的重要依据。
我国森林资源调查体系主要包括森林资源连续清查（一类调查）、森林资源规划设计调查（二类调查）和森林作业设计调查（三类调查）。
一类调查以5年为周期，二类调查以10年为一个经理期，一类调查和二类调查信息反馈严重滞后，时效性差，且一类调查与二类调查相互独立运行、互不衔接。
三类调查和年度核查是以某一特定范围或作业地段为调查对象，虽然能提供精度较高的调查结果，但调查范围具有局部性、微观性，无法满足宏观决策信息需要。
在现代社会对信息交流与反馈的要求更加频繁、及时、准确、全面的今天，通过每5年或10年进行一次本底调查已经不能满足各级政府每年向社会公布森林资源和生态状况的需求。
因此，为了实现我省森林资源监测年度出数，探索出一套符合我省省情的基于小班的数据更新解决方案，我院于2011年底开展云南省基于小班的森林资源数据更新研究各项工作，并以普洱市为试点，利用研究技术方法对全市进行数据更新，历时近一年半，于2013年4月完成项目研究并通过专家评审，两年来，更新成果得到广泛应用。
（二）研究目的与意义
本研究为我省森林资源监测年度出数探索出一套符合我省省情的落实到山头地块的数据更新完整解决方案；为各级政府制定国民经济和社会发展规划、社会可持续发展战略、生态安全规划及编制林业规划计划、指导林业生产建设的重要依据。
（三）技术的创造性与先进性
1. 首次提出云南省基于小班的森林资源数据更新解决方案；
2. 利用数学模型对不同经营类型下林分的生长、进界和消耗进行模拟；
3. 基于空间建模和数据库技术对小班边界变化、管理属性变化及空间区域的立地条件自动化处理；
4. 基于C/S结构的森林资源管理信息系统建设。
（四）技术的成熟程度
2013年4月，在云南省林业厅主持下，项目成果通过专家组评审，专家组一致认为：“研究项目是全省首次对市级及所辖全部县（区）的一次森林资源数据更新，其成果和方法有重要意义；拟定的技术路线和方法可行，技术手段先进；成果数据详实、可靠；对开展全省森林资源数据更新，实现年度出数有重要的推广应用价值”。
并于2013年应用本研究的技术方法对普洱市10县区的森林资源进行更新，通过大量的调查验证证明，本研究的技术方法可行，可在全省进行推广应用。
（五）应用情况及存在的问题
应用情况：项目组依据云南省基于小班的森林资源数据更新研究的技术方法对普洱市所辖10县（区）进行了森林资源更新。
两年来，森林资源更新数据已在普洱市人民政府及所属发改、国土、环保、林业、水务等各相关部门，绿色经济办、森林普洱办、森林城市办等各相关机构和各县区人民政府及其所属各相关部门、相关机构普遍应用。
为普洱市节省了上千万元的资金，产生了极大的经济效益及社会效益。
存在的问题：目前，部分县（区）对森林资源更新相关档案资料的管理不够重视，没有安排专人管理储存档案资料，导致部分档案资料缺失，给森林资源更新工作造成一定程度上的阻碍。
（六）历年获奖情况
2013年4月获云南省林业调查规划院科技进步奖一等奖。
（七）成果简介
为了实现我省森林资源监测年度出数，探索出一套符合我省省情的落实到山头地块的数据更新完整解决方案，我院于2011年底开展云南省基于小班的森林资源数据更新研究各项工作，并以普洱市为试点，利用研究技术方法对全市进行数据更新，历时近一年半，于2013年4月完成项目研究并通过专家评审。
项目在普洱市全面收集了各县（区）2006至2011年的各项森林经营及森林灾害资料，1978年-2012年35年间7次一类调查中的万个胸径生
长样本，利用3S技术及数据建模技术，经过大量的实践验证，研究编制了基于空间建模技术的小班边界更新、采伐作业设计更新、造林作业设计更新、公益林更新、征占用林地更新、数据优化与整理、前期小班因子提取、地形因子更新等8个空间数据更新模型；拟合并验证了基于林木自然生长和消耗的胸径生长模型、树高生长模型、蓄积量生长模型、林木株数模型、枯损模型、消耗模型、年龄胸径关系模型、年龄树高关系模型等一系列用小班林木因子更新的数学模型共153个；综合各种模型和更新技术路线，采用GIS技术开发了云南省森林资源管理系统。
在普洱市各县（区）2007年二类调查的基础上，结合间隔期遥感影像及林业生产经营变化，利用森林资源管理系统完成了普洱市全市基于小班的森林资源更新，更新成果经验证符合精度要求。
2013年4月，在云南省林业厅主持下，研究成果通过国家林业局昆明勘察设计院、国家林业局驻云南省森林资源监督专员办事处、西南林业大学、云南省林业科学院、云南省森林资源管理总站、普洱市林业局及普洱市各县（区）林业局等单位的专家评审。
专家组一致认为：“研究项目是全省首次对市级及所辖全部县（区）的一次森林资源数据更新，其成果和方法有重要意义；拟定的技术路线和方法可行，技术手段先进；成果数据详实、可靠；对开展全省森林资源数据更新，实现年度出数有重要的推广应用价值。
”
研究项目技术方法及更新成果得到国家林业局、新华网、人民网、云
南网等官方门户网站的广泛报道。
两年间，更新成果得到广泛应用，在后续各项工作中为普洱市节省了了上千万元资金，产生了极大的经济效益及社会效益。
三、成果完成人员及其贡献情况
（一）邓喜庆：完成整个项目方案设计，参与完成技术方案设计并最终审定技术方案，在项目中对整个项目进度和质量进行管理。
（二）贠新华：项目协调与管理、参与制定项目研究技术路线、主持项目技术方法咨询、主持项目评审结题。
（三）年顺龙：参与项目研究技术方案制定；参与项目影像解译标志建立、目视解译、实地验证等；参与数据处理及森林资源数据更新报告编写。
（四）何长斌：参与项目并完成云南省森林资源管理系统的开发工作。
（五）皇宝林：完成林分的生长、进界和消耗模型的研究。
（六）王海波：完成数据汇总处理。
（七）李永：参与完成外业验证及分析。
（八）李元杰：参与项目影像解译标志建立、目视解译、实地验证等；完成成果矢量数据汇总和专题图制作；制作基于县级成果的境界线自动生成模型、制图图斑自动规范模型和林业专题图图例库。
（九）冷天熙：参与项目调查及数据处理。
四、成果合作完成单位及其贡献情况
普洱市森林资源管理站：参与外业调查及成果验证。
云南省林业厅 2015年6月 24日。