空间抽样视野之林业多主题分析研究

《空间抽样视野之林业多主题分析研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、空间抽样视野之林业多主题分析研究1绪论1.1研究背景及问题提出1.1.1研究背景林业作为一个兼顾促进经济发展和改善生态环境双重使命的基础性行业，经历了依靠自然力开发利用、工业开发利用和多向开发利用三个发展阶段。前两阶段的发展，致使林业自身的承载力急剧下降，森林面积锐减，全球陷入了生态环境恶化的危机局面。转变林业发展方式，兼顾其经济效益的同时加强其生态效益、社会效益的服务，成为了林业发展的唯一选择，林业也开始了向现在的多向开发利用的发展方式转变。作为集第一、二、三产业于一体的国民经济基础性产业和社会性公益事业，

2、它的双重使命性决定了林业的时代性和地域性特色。2012年中国《林业发展十二五规划》提出了走以能更好的完善林业三大体系、履行林业四大使命、凸显林业四大地位、发挥林业五大功能的林业发展战略，也就是建立完善的林业生态体系、发达的林业产业体系和繁荣的生态文化体系，履行林业在实现科学发展观、建设生态文明、应对气候变化、解决三农问题当中的重要使命，同时凸显林业在贯彻可持续发展战略中的重要地位、在生态建设中的首要地位、在西部大开发中的基础地位、在应对气候变化中的特殊地位，使林业在经济、社会、生态、碳汇和文化五大领域发挥其独

3、特功能[1]。时代发展赋予了林业发展新意义，新的意义、新的局面则对林业统计信息提出了新的要求，使得林业统计工作必须在原有的道路上谋求新的发展。林业统计具备提供林业系统统计信息、进行林业咨询和实行林业监督的三大职能，重新审视林业统计工作，实施与现代林业相匹配的林业统计调查是现代林业对林业统计提出的发展要求。与此同时，全国林业信息化发展的十二五规划提出推动信息技术与林业工作的结合，建立以林业业务需求为导向的林业信息化体系。而林业统计工作做为林业系统的日常业务之一，加强林业统计工作的信息化也成为了林业信息化发展十二

4、五规划的重要研究内容之一。1.2研究目的与意义1.2.1研究目的本文基于空间抽样的林业多主题调查研究，试图将先进的基于地理信息系统的空间抽样技术与多主题抽样技术相结合，应用至林业统计调查工作当中，重新设计林业统计调查的规范体系、运行管理体系、方法体系，其目的主要是用以解决林业统计业务中遇到的以下问题：第一，试图对林业统计指标进行统一口径规范，针对林业统计立项调查的统计调查制度，探讨适合现代林业系统的林业统计一套表制度；第二，对林业统计组织管理体系进行重新设计，对层层上报、层层审核的林业统计管理体系进行重新思考

5、，试图建立一个更为简洁、更为独立的林业统计管理体系，同时，减弱林业系统当中林业统计兼岗的局面；第三，对现行的林业统计调查方法进行改进和重新设计，使林业统计调查方法体系更符合现行的全国统计调查方法指导思想的要求，在综合林业系统的地学特性和复杂性的特征下，使林业统计调查方法制度更具有可操作性。2相关理论基础2.1永久随机数法抽样技术理论永久随机数法抽样技术的产生是基于随机数表法。随机数表法也称为乱数表法，是数学专业术语，是指利用随机号码表抽取样木的方法。随机号码表是将0-9的10个自然数，按编码位数的要求(可以两

6、位一组，也可以更多位数一组)，利用特制的摇码器(或者电子计算机)，自动地逐个摇出（或电子计算机生成）一定数目的号码编制而成的表，在这个表内任何号码出现的概率相同。其具体的应用步骤为：第一步，对依照规定的编码位数对调查单元进行编号；第二步，在随机号码表上任意规定抽样的起点和顺序；第三步，按照抽样设计从随机号码表上抽取样本单位号码，凡是抽到调查单位编号内的号码，则该调查单元入样，直到满足样本量个数为止。永久随机数法抽样技术是在随机数法抽样技术的基础上进行再设计，其与随机数法抽样的不同之处在于：第一，调查单元编码的

7、表现形式不同，随机数法抽样采取的是确定编码位数的整数编码，而永久随机数法抽样则是釆用(0,1)区间内确定精度的小数编码；第二，样本单元确定的方式不同，随机数法抽样是将抽到调查单位编码的该样本入样，而永久随机数法抽样的样本入样方式则有很多种，可以按永久随机数编码排序入样，也可以按照入样概率与永久随机数之间的大小关系入样等等；第三，对样本量的是否确定的要求不同，随机数法抽样则需要以确定的样本量为前提，而永久随机数法抽样则可以采用确定的样本量开展抽样调查，也可以采用非确定的样本量开展抽样调查。2.2多主题抽样调查样

8、本量计算2.2.1样本容量、样本精度与调查费用三者之间的关系基于空间抽样的林业多主题调查研究是在空间抽样理论以及多主题抽样理论的基础上进行设计的，本章则对其相关理论进行描述，永久随机数法抽样技术符合随机性原理，并且能够很好的实现样本框的维护管理，操作简便而一直被广泛使用；探索性空间数据分析理论则能够通过描述性统计、趋势面分析、变异性分析很好的识别空间数据；三明治空间抽样模型理论则能够很好的处理样本层