Clustered Subsampling of Double Sampling for Stratification and Growth Model Based Updates of Past Forest Inventories
Zusammenfassung der Projektergebnisse
Bei der Beurteilung von Waldinventurverfahren ist deren Effizienz von zentraler Bedeutung. Trotz ihrer nachweislichen Effizienz und Praxistauglichkeit ist eine weitere Effizienzsteigerung der DSS erstrebenswert. In diesem Projekt sollte ein solches Effizienz steigerndes Verfahren entwickelt werden. Dazu sollte zum Einen die DSS um eine geclusterte Unterstichprobe erweitert werden und zum Anderen ein Zusammengesetzter Schätzer konstruiert werden. Bestandteile dieses Schätzers sollten Daten eines aktuellen Inventurdurchgangs und Waldwachstumssimulationen des vorherigen Inventurdurchgangs sein. In einer Fallstudie mit den Daten von vier Niedersächsischen Fortsämtern wurde ein solcher Zusammengestzter Schätzer konstruiert. Verwendet wurden dabei Waldwachstumssimulationen, die mit dem Programm WaldPlaner 2.0 der NW-FVA durchgeführt wurden, und Daten des aktuellen Inventurdurchgangs, die mit einem DSS- Schätzer ausgewertet wurden. Es zeigte sich, dass sich ein solcher Schätzer zwar konstruieren lässt, dieser aber nicht zu der erhofften Effizienzsteigerung führt, da die Differenzen zwischen den Daten der Wiederholungsinventur und den Ergebnissen der Waldwachstumssimulationen zu groß sind. Aus diesem Grund wurde ein bestehendes dreiphasiges Verfahren (Saborowski, 1994) um die Annahme des infinite population approach in der ersten Phase erweitert. Dieses Verfahren, das die DSS mit einer zweiphasigen Regressionsstichprobe kombiniert, wurde an den Daten der Fallstudie erprobt. Dabei wurden die Korrelationen zwischen aktuellen Inventurdaten und Simulationsergebnissen genutzt. Des Weiteren wurden die Korrelationen zwischen den Messwerten zweier aufeinanderfolgender Inventurdurchgänge genutzt. In den meisten Fällen führt die Verwendung der Waldwachstumsprognosen als Regressor zu besseren Ergebnissen als die Verwendung der alten Inventurergebnisse. Das vorgestellte Verfahren führt zu einer höheren Effizienz als eine reine DSS. Eine weitere Effizienzsteigerung wurde von der Erweiterung der DSS um eine geclusterte Unterstichprobe erhofft. Entsprechende Mittelwert- und Varianzschätzer wurden sowohl für den Ratio-to-Size- als auch für den unverzerrten Ansatz erstellt und in einer Fallstudie mit Daten von sieben niedersächsischen Forstämtern erprobt. Dabei wurden drei verschiedene Clusterformen verwendet. Dieses Verfahren konnte in den Untersuchungsgebieten nicht zu einer Effizienzsteigerung führen. Um geeignete Cluster zu bilden wurden in einer weiteren Fallstudie sieben verschiedene Cluster-Algorithmen an den Daten von sieben Niedersächsischen Forstämtern erprobt. Ein Vergleich der Ergebnisse zeigt, dass drei Algorithmen des VRP dazu geeignet sind, Probepunkt-Cluster von homogener Größe zu erstellen, die anderen Algorithmen dagegen nicht. Durch einen Vergleich mit optimierten Richtwert-Lösungen kann die Qualität dieser Lösungen als gut angesehen werden.
Projektbezogene Publikationen (Auswahl)
- (2011): Zusammengesetzte Schätzer für periodische Waldinventuren. In: Deutscher Verband Forstlicher Forschungsanstalten, Sektion Forstliche Biometrie und Informatik - 22. Tagung, 13-21
Lüpke, N. v.; Nagel, J.; Saborowski, J.
- (2012): A three-phase sampling procedure for continuous forest inventory with partial remeasurement and updating of terrestrial sample plots. European Journal of Forest Research 131, 1979-1990
Lüpke, N.v.; Hansen, J.; Saborowski, J.
(Siehe online unter https://doi.org/10.1007/s10342-012-0648-z)
