FAQ
© 2015 Staats- und Universitätsbibliothek
Hamburg, Carl von Ossietzky

Öffnungszeiten heute09.00 bis 24.00 Uhr alle Öffnungszeiten

Eingang zum Volltext in OPUS

Hinweis zum Urheberrecht

Dissertation zugänglich unter
URN: urn:nbn:de:gbv:18-39374
URL: http://ediss.sub.uni-hamburg.de/volltexte/2008/3937/


Evaluierung alternativer Stichprobenkonzepte für die Bundeswaldinventur

Evaluation of alternativ sampling techniques for the German National Forest Inventory

Riedel, Thomas

pdf-Format:
 Dokument 1.pdf (8.606 KB) 


SWD-Schlagwörter: Forsteinrichtung , Inventur , Stichprobeninventur , Permanente Inventur , Waldinventur , Geschichtete Stichprobe , Schichtungseffekt , Systematischer
Freie Schlagwörter (Deutsch): antizipierte Varianz , logistische Regression , k nearest neighbour , Traktstichprobe
Freie Schlagwörter (Englisch): anticipated variance , optimization , forest inventory , cluster inventory , stratification
Basisklassifikation: 48.30
Institut: Biologie
DDC-Sachgruppe: Biowissenschaften, Biologie
Dokumentart: Dissertation
Hauptberichter: Köhl, Michael (Prof. Dr.)
Sprache: Deutsch
Tag der mündlichen Prüfung: 29.09.2008
Erstellungsjahr: 2008
Publikationsdatum: 18.12.2008
Kurzfassung auf Deutsch: Ziel dieser Arbeit war es zu prüfen, welche alternativen Inventurverfahren gegenüber dem heutigen Verfahren der Bundeswaldinventur unter dem Aspekt der Effizienzsteigerung, speziell durch die Integration von Fernerkundungsystemen, zur Verfügung stehen. Im Fokus befanden sich vor allem zwei- und mehrphasige Regressions- als auch prästratifizierte Stichprobenverfahren. Alternativ zu den genannten Verfahren wurde auch ein poststratifiziertes, einphasiges Inventurkonzept untersucht, welches auf die Erhebung von Zusatzinformationen in vorgeschalteten Inventurphasen verzichtet.

Sowohl design-basierte als auch modell-basierte Schätzer für die genannten Inventurverfahren wurden präsentiert. Nach der Diskussion von Vor- und Nachteilen wurden die design-basierten Schätzer zur Hochrechnung von Zielgrößen angewandt.

Bedingung für eine verzerrungsfreie Schätzung der flächenbezogenen Mittelwerte ist eine möglichst fehlerfreie Kartierung der Waldfläche und der Waldstraten in der Fernerkundungsphase. Nimmt die Verzerrung der modell-abhängigen Waldflächenkartierung Werte von größer 2% an, kann der daraus resultierenden RMSE für flächenbezogenen Mittelwerte in Abhängigkeit vom Waldanteil und der Inventurgebietsgröße über den ursprünglichen Fehler des BWI-Verfahrens steigen.

In den Fernerkundungsphasen der untersuchten Inventurverfahren wurden Hilfsinformationen zum einen aus den weitaus billigeren aber auch räumlich gering aufgelösten Landsat-Daten, zum anderen aus den vergleichsweise teureren aber deutlich höher aufgelösten QuickBird-Daten zur Erstellung von Regressionen bzw. zur Stratifizierung gewonnen. Eine ausführliche Analyse der Grauwerte beider Satellitensysteme ergab nur schwache Zusammenhänge zwischen den Hilfsinformationen, gewonnen aus der Fernerkundung und den terrestrisch gemessenen BWI-Daten sowohl auf kontinuierlichen als auch auf ordinalen oder nominalen Skalen. Auf Grund der wenig straffen Beziehungen zwischen Hilfs- und terrestrischer Information wurden die Untersuchungen zur Verwendung von Regressionsstichprobenverfahren eingestellt.

Die multinomialen Modelle, als auch Diskriminanzfunktionen, konnten nutzbringend zur Klassifizierung und der damit einhergehenden Stratifizierung der Untersuchungsgebiete eingesetzt werden. Mit diesen Ansätzen wurden Klassifizierungsgenauigkeiten für drei und mehr Straten von größer 70% erzielt. Verschiedene Schwellenwertverfahren als auch differenzierte kNN-Ansätze konnten ebenfalls gewinnbringend zur Stratifizierung angewandt werden.

Auf Basis dieser verschiedenen Stratifizierungen konnten die BWI-Daten anhand der präsentierten Schätzer unter einem nunmehr stratifizierten Stichprobenplan hochgerechnet werden. Die erzielten Genauigkeitssteigerungen gegenüber dem bisherigen, nur auf Basis der Verdichtungsgebiete stratifizierten BWI-Verfahren, betrugen für die Totalwerte mindestens 30%, für die flächenbezogenen Schätzer bis über 50%. Ein mitunter noch deutlich höheres Potential zur Senkung des Stichprobenfehlers auf Basis eines stratifizierten Stichprobenplanes lieferte das Verfahren der Poststratifizierung, wenn nach der betrachteten Zielgröße selbst oder nach einer mit ihr eng korrelierten Zielgröße stratifiziert wurde. So kann allein durch die Integration eines stratifizierten Stichprobenplanes bei identischen terrestrischen Kosten und eventuellen Mehrkosten aus der Fernerkundungsphase von maximal 1 Mio € die Genauigkeit der BWI deutlich gesteigert werden.

Ist es dagegen gewünscht, mit Hilfe eines stratifizierten Stichprobenplanes die Kosten unter Wahrung der bisherigen BWI-Genauigkeit zu senken, kann auf Grund des Effizienzgewinnes durch die Stratifizierung das bisherige terrestrische Stichprobennetz, bestehend aus quadratischen Trakten, um 50% ausgedünnt werden.

Mit Hilfe des Optimierungstools der "antizipierten Varianz"' wurden noch weitere Traktdesigns mit weniger Traktecken pro Trakt, bis hin zur einfachen Punktstichprobe hinsichtlich ihrer Effizienz untersucht. Folgende Ergebnisse können formuliert werden:
1. Je weniger Punkte pro Trakt erhoben werden, desto effizienter ist das Stichprobendesign unter den in Deutschland vorzufindenden Geländeverhältnissen und den damit verbundenen Zeiten zur Aufnahme der terrestrischen Probepunkte.
2. Ist es das Ziel, die BWI-Genauigkeit mit einem stratifizierten Stichprobenplan zwischen 30 und 50% zu steigern, können durch die Umstellung von dem bisherigen unstratifizierten quadratischen Traktdesign auf ein stratifiziertes einfaches Punktdesign gleichzeitig die Kosten für die terrestrischen Erhebungen um 60% gesenkt werden.
3. Sollen dagegen die Kosten mit Hilfe eines stratifizierten Stichprobenplanes unter Wahrung der bisherigen BWI-Genauigkeit gesenkt werden und erfolgt gleichzeitig die Umstellung von dem bisherigen unstratifizierten quadratischen Traktdesign auf ein stratifiziertes einfaches Punktdesign, so reduzieren sich die terrestrischen Inventurkosten um bis zu 80%.
Kurzfassung auf Englisch: The intention of this thesis was to evaluate alternative inventory schemes in comparison to the present german national forestry inventory (NFI) system - a one-phase, unstratified, systematic sampling plan with square clusters as smallest sampling unit. Particular emphasis was placed on an increased efficiency by enhancing the NFI system with an integrated remote sensing phase. Remote sensing provides a basis to collect auxiliary data used for two- or multiphase sampling techniques, e.g. stratified sampling or regression sampling techniques. Furthermore, a one-phase, poststratified inventory concept without the additional use of auxiliary data was analysed.

Both design-based and model-based estimators were presented for the abovementioned sampling techniques. After the discussion of their advantages and disadvantages the design-based estimators were applied for upscaling procedures.

A basic requirement for unbiased estimations of means per hectar is a nearly error-free forest/non forest classification of the remote sensing data. If the bias of the model-dependent forest/non forest classification from satellite images is greater than 2%, the resulting root mean square error for means per hectar can rapidly increase above the original sampling error of the current one-phase german NFI methodology.

Detecting changes of the forest area by means of intersection of Landsat-based forest/non-forest maps from two points in time is an error-prone procedure. Despite the high classification accuracies of the maps change-detections arise from ill-classified pixels in one of the two maps more than 75% of the time.

For regression and stratification purposes auxiliary data was sampled in the remote sensing phases of the analysed sampling techniques using cheaper and lower resolved Landsat-data as well as more expensive high-resolution QuickBird-data. A detailed analysis of the digital numbers from both satellite systems shows only a poor correlation between auxiliary data from the remote sensing phase and terrestrially surveyed NFI data. This circumstance leads to small coefficients of determination r² for both simple and multi-nominal linear regression approaches. Because of the very lose relationships between auxiliary data and ground thruth the research of the feasibility of regression sampling techniques was not continued.

The multi-nomial models linked with threshold algorithms, but also discriminat functions were useful for imagery classification approaches which leads to a stratification of the test sites. With those approaches an overall accuracy of 70% could be achieved for stratifying the test sites in non forest and three or more strata inside the forest class. Additionally good results were achieved with kNN approaches to seperate different strata within the forest class.

So a lot of different stratifications - based on diverse nominal, ordinal and metrical parameters with different classification procedures - could be used to scale up the german NFI data in pre-stratified approaches. The resulting accuracy increased for both the state estimates and the change in time estimates up to 30% for the total and up to 50% for the estimations per hectar. Poststratified approaches could lead to higher accuracy increases, especially if the parameters, which are upscaled, or a highly correlated parameter is used for stratification.

Consequently, using the same sampling intensity (with the same costs) of the current german NFI plus potential extra costs for a remote sensing phase of the magnitude of 1 Mio € maximum, the introduction of a stratified sampling plan drastically enhances the accuracy of the estimates.

If, on the other hand, the intention is to maintain the present accuracy of the german NFI, it is possible to reduce the terrestrial costs with the introduction of a stratified sampling plan. The present amount of square clusters in an unstratified sampling plan could be reduced to 50% using a stratified sampling scheme with square clusters as the smallest sampling units.

Furthermore, the tool of the anticipated variance was used to evaluate other stratified cluster sampling schemes with a decreasing amount of sampling points per cluster culminating in simple random sampling with the following results:
1. The smaller the cluster size, the higher is the efficiency of a sampling design under the terrestrial conditions in Germany and their correlated times to survey the sampling points.
2. If the intention is to increase the NFI accuracy up to 30 to 50%, the terrestrial survey costs could be reduced by 60%, if the present unstratified cluster sampling plan would be exchanged by a stratified simple random sampling plan.
3. If the accuracy of the present unstratified cluster sampling design suffices, the shift to a stratified simple random sampling design could reduce the amount of terrestrial survey costs by 80%.

Zugriffsstatistik

keine Statistikdaten vorhanden
Legende