第一条 为规范东北内蒙古重点国有林区森林资源规划设计调查补充调查技术方法,提高调查质量,根据《国家林业局bt36365最快线路检测关于开展2017年东北内蒙古重点国有林区森林资源规划设计调查的通知》(资调函﹝2017﹞18号)、《森林经营方案编制与实施规范》(LY/T 2007-2012)等的相关要求,制定本规定。
第二条 本办法适用于东北内蒙古重点国有林区森林资源规划设计调查补充调查。
第三条 东北内蒙古重点国有林区2011年~2015年完成森林资源规划设计调查的森林经营单位(林业局、自然保护区、森林公园等),需要开展补充调查。
第四条 补充调查遵循以下原则:
一、质量效率兼顾。补充调查成果要满足森林经营管理、森林经营方案编制的要求,同时要提高效率,避免过度调查。
二、分类调查。根据不同森林资源类型的特点,采取相应的调查方法。
三、突出重点。按照国家森林资源经营管理的特点,需要开展森林经营的森林资源作为调查重点。
四、衔接原则。补充调查相关的技术标准、技术方法、成果等与森林资源规划设计调查一致。
第五条 调查技术标准执行《东北内蒙古重点国有林区森林资源规划设计调查技术规定》、《东北内蒙古重点国有林区森林资源规划设计调查补充技术规定》、《国家林业局资源司关于进一步明确2016年东北内蒙古重点国有林区二类调查有关要求的通知》(资调函﹝2016﹞45号)、《国家林业局资源管理司关于做好2016年东北内蒙古重点国有林区二类调查内业相关工作的通知》(资调函﹝2016﹞60号)的规定。
第六条 依据遥感影像数据、地形图、森林分类区划界定成果等进行小班划分。小班划分执行第五条的相关规定。
第七条 对有变化的小班要进行现地调查,具体调查方法执行第五条的相关规定。
一、上次调查为有林地,并自上次调查以来有林木采伐、补植补造等人为活动或受森林火灾、林业有害生物等自然灾害危害的小班,应当进行现地调查。
二、上次调查时为非有林地的小班,可遥感判读现状地类,确定地类变化的小班,要到现地进行核实。对于遥感判读难以确定地类变化的,应当进行现地调查。
三、本次区划后的小班,与上次调查小班重叠面积在65%以下的,应当进行现地调查。
第八条 除现地调查小班外的有林地小班,采用分类型抽样调查、建立数学模型的方法更新小班的测树因子。
一、类型划分
1.按上次调查的优势树种/林分类型(组)—起源—龄组等因子的组合划分建模类型。
2.每个建模类型的抽样调查小班数不少于50个。
3.红松、水胡黄、紫椴等珍贵树种以及其他特殊的林分类型单独建模;其它优势树种/林分类型(组)的建模类型现地调查小班数达不到要求的,可按照相近或相似原则合并建模类型。
4.建模类型划分结果需经国家级质量检查组同意。
二、抽样调查
1.抽样强度。以第十条规定的抽样比例,扣除第七条需要到现地调查的面积比例后,剩余的面积即为建模抽样调查的总面积。抽样调查总面积按建模类型的面积比例分配到各类型。
2.抽样方法。结合第七条现地调查小班及各建模类型的分布情况,可将抽样调查小班相对集中在几个有代表性的林场。近期可能需要开展抚育间伐、冠下补植等经营活动的小班,应该优先抽取作为调查小班。
3.外业调查。抽样调查小班的测树因子要全部调查。调查方法执行第五条的相关规定。
三、模型建立。分别建模类型,以本次调查的树高、胸径、郁闭度、株数、断面积、蓄积量等测树因子为因变量,以上次调查的相应值为自变量,建立一元回归模型。详见附录。
四、数据更新。未现地调查的有林地小班(包括与上次调查小班重叠面积在65%以上的新区划小班),以上次调查的测树因子为自变量,根据分类建模类型所建立的各测树因子一元回归模型,推算相应的测树因子值,对小班测树因子进行更新。其它非测树因子沿用上次调查值。
第九条 对遥感判读确定地类没有变化的非有林地小班,其小班因子采用上次调查值。
第十条 以调查总体为单位,现地调查的面积控制比例如下:
自然保护区抽样比例不低于5%;
2015年、2014年完成森林资源规划设计调查的森林经营单位,抽样比例不低于10%;
2013年、2012年完成森林资源规划设计调查的森林经营单位,抽样比例不低于20%;
2011年完成森林资源规划设计调查的森林经营单位,抽样比例不低于30%。
第十一条 补充调查内业数据统计汇总、补充调查成果等按照第五条的相关规定执行。
附录:回归模型的建立方法及其应用案例
一、数据整理:分别建模类型建立现地调查的有林地小班数据库,数据项包括:优势树种/林分类型(lx)、起源(qy)、龄组(lz),本次调查的平均胸径(D2)、树高(H2)、郁闭度(P2)和每公顷株数(N2)、断面积(G2)、蓄积量(V2),以及上一次调查的平均胸径(D1)、树高(H1)、郁闭度(P1)和每公顷株数(N1)、断面积(G1)、蓄积量(V1)。
二、模型建立:首先利用每一个建模类型的胸径、树高、郁闭度、株数、断面积、蓄积量数据,绘制本次调查结果y与上次调查结果x之间的散点图,对明显有偏离的点要作为异常数据予以剔除(异常数据一般控制在5%以内)。然后分别胸径、树高、郁闭度、株数、断面积、蓄积量数据建立形如 y=a+bx 的线性模型,其中y为D2、H2、P2、N2、G2、V2,x为D1、H1、P1、N1、G1、V1,a、b为待估参数(要求其t值在2以上)。每一个建模类型的调查小班数量不能少于50个。模型评价指标采用确定系数R2和平均预估误差MPE,其计算公式如下:
R2= (1)
MPE= (2)
其中,SEE=
式中,yi为实际调查值, 为模型预估值, 为样本平均值,n为样本单元数,p为参数个数,tα为置信水平α时的t值(随n而变)。
三、模型应用:对于没有到现地调查的有林地小班,依据各类型所建立的平均胸径、树高、郁闭度及每公顷株数、断面积、蓄积量等测树因子的线性回归模型,根据各小班上一次各测树因子的调查值计算相应的测树因子值,作为各小班各测树因子的本次调查值。其中,小班蓄积量等于每公顷蓄积量乘以每个小班的面积。
四、建模案例:某经营单位实地调查的有林地小班中,按照林分类型/优势树种-起源-龄组分类统计后,有人工落叶松林小班116个,其中幼龄林66个,中龄林38个,近熟林8个,成熟林4个。依据建模样本数不少于50个的原则,可以按幼龄林和中林+近成熟林2个类型建立模型。以幼龄林类型为例,将66个小班的平均胸径、树高、郁闭度、株数、断面积、蓄积量等因子的上次调查值和本次调查值作散点图(如图1和图2),剔除异常数据(如图1中最下方的2个点)后分别建立线性回归模型,如(3)-(6)式所示:
D2=3.93+0.906×D1,R2=0.853,MPE=2.96% (3)
H2=5.16+0.754×H1,R2=0.825,MPE=3.62% (4)
V2=1.12+1.052×V1,R2=0.820,MPE=7.23% (5)
P2=0.40+0.469×P1,R2=0.330,MPE=4.78% (6)
上式中的所有参数,其t值均在2以上,平均预估误差均未超过10%(这里利用一类清查的实际数据作为计算示例,无株数和断面积模型)。将未调查的人工落叶松幼龄林小班上次调查值分别代入所建模型,即可计算出该小班的本次调查的相应因子值。