森林抽样调查

出自 MBA智库百科(https://wiki.mbalib.com/)

　　森林抽样调查是以数理统计为理论基础，在调查对象(总体)中，按照要求的调查精度，从总体中抽取一定数量的单元(样地)组成样本，通过对样本的量测和调查推算调查对象(总体)的方法。

　　森林抽样调查工作分外业与内业二大部分。将图上抽取的样本单元(样点)落实到地面上进行定位、测树、调查等一系列工作为森林抽样调查的外业工作。利用外业调查的资料进行分析、推算全体，求出估计的误差等工作为森林抽样调查的内业。森林抽样调查是由踏勘、预备调查、设计相应的抽样方案、外业测定、内业分析等几个环节构成。

　　在森林调查中，广泛应用抽样调查方法，这是由于：

　　(1)森林面积辽阔，地形复杂，研究对象数量多、变化大且具有再生性，不可能也没有必要进行全面调查，只能采用抽样方法来解决。

　　(2)森林大都属于自然变异，是数理统计合适的抽样对象。森林调查因子都属于数量标志，各单元在同一标志上并不完全相同。

　　(3)根据抽样理论，可以用最少的工作量达到成本低、效率高、精度高和预期要求的目的。

　　由于有着上述若干特点，抽样调查有很大的实用价值。因此，抽样技术非常适用于森林资源调查。这也是近30年来各种抽样技术在森林资源调查中得以广泛应用和发展的主要原因。

　　抽样是用抽取的样本估计总体参数。通常是估计总体平均值和总体总量。由样本推算总体叫做估计。森林抽样调查是以概率及其分布率作为理论基础。抽样调查的主要特点是通过调查数据的分析可以取得估计误差，提出调查的精度指标。但是计算的理论精度与实际精度偏离多少，理论精度是否真实?这就需要掌握抽样误差和偏差及其影响。

　　满足所有要求的最佳设计方案，需要考虑到许多因素，甚至有时比较困难。因为森林经营需要各种调查因子的数据资料，在设计的方案中对某因子的调查可能最佳，而对另一因子可能就不是最佳的。例如，调查的某总体的森林蓄积量为最佳，但是对于森林生长量来说则不一定是最佳。一般来说，我们设计的最佳方案是对目的总体而言的。在调查设计中，不仅需要坚实的理论基础，还需要丰富的实践经验，才能取得理想的森林调查方案。

　　一、目的、任务、要求和现有资料

　　森林调查的主要内容和方案的制定取决于调查目的。目的和方案设计有密切关系：目的必须明确，按照目的制定方案。森林调查的目的必须由调查成果使用者——决策人和调查专家共同确定，不能只由专家决定。森林调查专家设计的方案应为用户提供达到精度要求的资料。

　　调查目的和要求是根据林业生产需要和经营要求确定的。其总目的是查清查准森林质和口的特点及其变化规律，以用于合理地组织林业生产，制定生产计划、林业规划和口伐量调整等。从制定方案出发的这些目的称为森林调查的总目的。调查的详细程度决定于森林经营强度。在集约经营的调查中，需要取得小班资料和林相图，小班蓄积量精度要求90％以上，面积精度95％以上。在粗放的经营调查中，森林调查蓄积量精度不落实到小班，只有数孛，且不要求绘林相图。

　　设计调查方案还要根据现有资料和调查地区的林况、地况和自然条件进行。如调查地区有新摄影的大比例尺航空像片，就可采用应用航空像片进行调查的方法；如无像片则要考虑不用像片调查的方案。调查方法因调查的林况、地况和森林种类不同而宜，某种方法在甲地区调查为最优，在乙地区并不一定适用。须知，没有任何的方法能够适合于所有地区的调查，都是要根据调查地区的具体情况、目的和任务要求，确定适合于某一地区的调查方案。

　　二、正确地划分总体和单元

　　1．总体和单元

　　在抽样设计中总体和单元具有重要作用和意义，森林调查中必须要明确地表达出其定义。单元是观测或调查的单位；总体是单元的集合体。其主要特征是每个总体内的各单元属于同一类，并且单元间的属性或特征有差别，称其为变量。

　　森林调查中是以调查对象为总体。把它划分成许多相互联接不重复的地块，每个地块作为一个观测单位就是一个单元，在这种情况下是由面积单元组成的总体。随机抽样中的每个单元就是一个样地。若把森林面积所划分的面积单元大小加以改变。在调查中以树木为单元时，林中所有树木的集合体即为总体。从调查的角度看，总体单元的树木具有许多特征，如胸高直径、树高、生长量、年龄等，在统计意义上各单元的每一项特征值均可构成一个总体。因此，以树木作为单元而构成的总体视为统计上不同的总体。在这种情况下，单元值的集合体即为总体。用网点抽样法估计面积时，可把总体视为无数点的集合体。

　　总体可分为抽样总体和目标总体。后者为取得信息的总体。所有森林调查的目的都是用数量来说明总体，以便使调查结果为森林经营设计、实施和检查服务。据此可得出结论：林业工作者应从一片森林的许多总体中，选出最合乎调查目时的总体。同时从工作和统计技术观点看，要求选的总体必须具备最优条件。正确地划分总体是调查设计和实现森林调查目的的首要前提。

　　森林总体多数是空间成层的，其单元有时不是随机分布的。这两点认识是抽样设计和实施森林调查的两个基本点，所有统计的规律都以概率法则为基础，但在总体内单元的分布受其他因子而不是受概率所制约，这就需要以样本的分布运用概率法则确定。这一点在下面各章的抽样设计中将占重要地位。

　　总体是一个估计范围的界限，而总体参数是总体内一些特征的具体数值。它应满足的条件是，能提供充分的资料。参数可使总体之间便于比较，在许多情况下，没有参数就无法进行比较。最重要的参数是总体平均数和方差。

　　2．总体大小

　　在森林抽祥调查中，总体是精度落实的单位。其大小依生产要求精度落实的单位而定。如要求蓄积量精度落实到林班，则应以林班为总体才能保证精度要求；如要求到林场，以林场为总体进行蓄积量调查才能保证蓄积量精度要求。一般来说，总体愈大，抽样效率愈高。在大小不同的两个总体中，变动系数相近似时，用相同的祥本单元数就可以取得同样精度。抽样精度与总体面积大小无关，而与变动系数有关。因此，面积愈大，抽祥效率愈高。

　　3．正确地划分单元

　　总体平均数和方差是通过单元计算的。单元的划分对总体参数和精度有着重要的影响。在理论上可把森林按其组成面积单元大小划分为无数个总体。

　　三、正确组织样本

　　组织样本和估计总体是抽样调查的两个重要环节。它们是相互联系的，在设计方案中应同时考虑如何正确地组织样本和对总体进行估计。

　　抽样是从总体抽取一部单元代表总体。其目的是对整个总体作出正确的推断。在总体中随机抽中的单元叫祥本单元，由样本单元组成样本。只有当抽取的样本能真正代表总体时，对总体的推断才是正确的。因此，在抽取单元时必须要遵守随机和等概的原则，才能保证抽取样本的正确性。随机可以避免主观性，等概是每个单元都有同等被抽中的概率。总体中每个单元出现的概率巳知，采用随机抽取的方法才能严格实现这一原则。

　　抽样误差公式和参数估计值都是以随机和等概原则为基础。如果不满足这一原则，估计值因其概率无法确定而不能符合。如果总体单元的单位相同，其抽样方法符合已知概率，就可由样本计算出参数估计值的标准误和在一定概率水准下的置信区间。

　　随机抽样只能在总体单元划分之后进行，这些单元必须编号随机抽样调查与概率有密切关系，并认为总体分布是正态分布。非正态分布总体，当样本单元数足够大时，其样本分布近似为总体分布。随机抽样调查是基于正态分布理论进行的。抽样调查是用祥本估计总体参数，最重要的总体参数是平均值和方差。平均值是描述总体的一个重要指标，根据正态分布理论由方差可以取得估计值精度。抽样调查取得的成果能否代表总体真实情况和精度高低决定于这两项指标。

　　(1)可靠性

　　调查结果应用精度指标，抽样调查不仅能客观地估计误差，并有概率保证，一般用95％的概率保证即可。

　　(2)有效性

　　误差小、效率高、成本低。

　　(3)连续性

　　适宜建立森林资源连续清查体系，通过定期复查，能够及时地分析森林资源的消长变化。

　　(4)灵活性

　　调查方案可塑大，适用范围广，能满足林业科学技术发展的要求。在林区进行综合性调查时，要尽量注意使估计参数不同的抽样方案，相互嵌套，以利提高工效，降低成本。

　　一般来说调查目标的分布可以分为：均匀分布、随机分布和稀少群团分布。由于总体目标的分布不同可能导致抽样调查技术与方法多种多样。以下是以郁闭的森林资源为主要调查目标的抽样方法(等概抽样、不等概抽样、基于遥感的抽样)和针对稀疏群团总体的抽样方法的研究应用进展。

　　一、等概抽样

　　这里主要论述我国森林等概抽样调查的主要方法以及它们在森林调查中应用的研究现状，包括简单随机抽样、系统抽样、分层抽样和整群抽样4种基本方法。

　　1．简单随机抽样

　　该方法在林业调查中应用很普遍，不仅适用于大面积林区，也适用于林分或伐区调查。1974年于璞和介绍了如何在森林资源清查中实施简单随机抽样：(1)用样点到第i株最近木的平均距离推算每公顷株数；(2)以测定样点附近几株立木的直径和树高，确定单株木的平均材积，将此两项相乘得到每公顷材积，这种方法不设标准地、测定简单，并能客观地估计抽样误差，所以省时省力。孟繁民等用简单随机抽样方法对宁安市江东林场林木进行了抽样调查，得出了江东林场近三年森林资源非生产消耗量调查测算结果，并根据结果提出了可行性建议；金来武等在种群空间格局研究的基础上，对油松毛虫(Dendrolimus puncmtustabulaeformis Zhao et Wu)蛹种群简单随机抽样技术中最适样方大小的确定问题进行了研究，还给出了考虑抽样花费时确定最适样方大小的各种方法。

　　2．系统抽样

　　该方法组织样本简便，外业样本定位易于实施。在实践中，系统抽样容易受周期性的影响，有时周期性影响可能导致较大误差。当系统样本内两两单元间相关性越小(即方差越大)抽样误差越小、越接近简单随机抽样。我国在1977年开始建立的全国森林资源连续清查体系，采用以公里网交叉点作为样点定位的系统抽样方法，目前安徽省采用3 km×4 km点间距网格，先在1：50000地形图上布设样点，每隔5年重复测量样地内全体够检尺样木，用以推算全省森林资源现状及消长变化。贾云奇以红松(Pinus koraiensis Sieb．et Zucc．)林为研究对象，介绍了系统抽样法的原理与实施；余国宝等也应用自助法(Bootstrap主要用以解决有偏估计量消除偏性和小样本估计量不依赖于正态分布理论的精度估计问题的方法)样本对森林系统抽样误差进行了初步研究；于峰等列对系统抽样在三类调查中的应用做了研究，讨论了样本单元数的确定、布点、外业调查、现地区划、小班调查和样地调查等过程的具体实施，并认为系统抽样比简单随机抽样精度高。

　　3．分层抽样

　　该方法要对总体事先有一定认识，能提供分层使用的某些资料；然后合理地分层，分层的结果应使同一层内单元值保持差异不大。在总体单元标志值变动较大的情况下，运用分层抽样比简单随机抽样可以得到更准确的结果。毕庆雨介绍了分层随机抽样的基本概率和基本原理，引进了关于层的最优配置和效率的概念；黄清麟采用分层抽样法对南方的杉木(Cunninghamia lanceolata(Lamb．)Hook．)进行了不同单元面积的抽样调查，从抽样精度和调查成本方面得出：400 m²是比较经济合理的杉木样地调查面积；杨道武以旌德县森林资源为研究对象，采用简单随机抽样、分层抽样和回归估计3种抽样方法对该县的森林蓄积量进行调查估计，得出分层抽样的精度最高。向小芹等研究了分层抽样法在退耕还林工程水土流失监测中的应用，以陕西富县退耕还林工程退耕地水土流失监测结果为例，探讨和分析退耕还林工程水土流失监测的途径，最后得出了对该退耕还林工程运用分层抽样技术，可获得较高估计精度的结论。

　　4．整群抽样(群团抽样)

　　该方法与简单随机抽样相比较，在抽样比相同的情况下，前者抽样误差较后者大，但由于这种抽样组织形式可以节省费用和时间，所以可以适当地增加样本单元数，以达到减少抽样误差，达到抽样估计的目的。在实际工作中成群抽样方法被广泛采用。曾伟生等副对两阶群团抽样设计在森林调查中的应用及其效率进行了研究，定义了扩大因子、提出了效率系数的概念、并推导出效率系数等于1的临界状态的相关系数的表达式，为群团抽样设计和效率评估提供了重要依据，此外还对群团抽样估计效率与群内样地间距的关系进行了深入研究；周春国到构造了样群结构及成本结果的效率函数，按使其最大原则确定最优样群结构。刘健探讨了整群抽样在平原绿化调查中的应用，将村作为群，每群所包括的单元数为各村的占地面积数，由于每个村面积不等，即划分的群是不等群，对陵县、临邑两县村庄绿化率进行了调查，用不等群估计方法进行总体估计。

　　这4种基本抽样方式在原理上有两点不同：(1)抽取样本单元可用随机或系统方式；(2)样本单元可以是相等的(单阶抽取)，也可以是不相等的，而且初阶、次阶等样本单元是在每阶分别抽取的(多阶抽取)，整群抽样是多阶抽样的一种形式。全国营造林实绩综合核查，为了便于样本单元的组织和抽取，就采用了二阶抽样的方法。实践表明多阶抽样在许多森林资源监测调查中也是一种高效率的方法。

　　二、不等概抽样

　　1943年，Hamsen与Hurwitz提出了不等概抽样的理论和方法，随着不等概抽样理论的发展，出现了另一种类型：概率与估计值大小成比例的抽样，简称为PPES抽样(Sampling with Probability Proportional to an Estimate of Size)。美国的格鲁森堡于1963年提出了PPP抽样(Probability Proportional to Prediction)，即3P抽样。20世纪70年代后期美国林学界开始两阶抽样方法研究，先后设计出3种HPS(水平点抽样)／PPS(不等概率抽样)抽样方法，20世纪90年代设计出的第3种方法，即第一阶为水平点抽样，第二阶为简单随机抽样，随机样本限制在第一阶样点内，样本选取是按与直径平方成比例的概率进行，特别适用于大面积的总体调查，而且对树龄较大的天然混交林更呈现出它的优点。

　　我国林业上最早抽样技术的应用是1957年角规测树的引入，后来不断探索并应用角规点抽样等方法。徐祯祥等旧一将毕特利希的角规测树原理和日本的平田种男的用垂直角规抽取树高计数木原理相结合，并依据大偶真一求形高的方法，分别获得林分的单位面积断面积、样木树高和形高，从而推出林分的平均蓄积，得出总蓄积估计，此方法具有较高的实用价值。张伏全等采用不等概率重复抽样，以县为抽样总体，对各小班造林成活率进行不等概率抽样调查，研究了云南省4个县(市)的造林成活情况。汪丽等以扎兰屯东山的兴安落叶松(玩疵gmelinii(Rupr．)Rupr．)人工林为研究对象，随机布点进行角规点抽样，结果表明角规点抽样法不仅在精度上优于标准地调查，而且简单易行。王小昆等应用了中央断面积区分求积法求材积，开发了3P抽样的程序，自动产生随机数，从而使得3P抽样的过程变得简易。

　　不等概率抽样技术所形成的方法体系，其内容是相当丰富的。它可以分别与抽样调查的各种组织形式及其他技术方法相结合，构成各种不同形式的不等概率抽样方法。刘良才针对造林验收介绍了二阶系统抽样调查法，该法是多阶系统抽样的应用，也是一种面积等距不等概的抽样方法，用比值估计法推算核实面积，肇庆市的12个县(区)在1988年造林检查验收中，首次采用了该调查方法，收到了比较满意的效果。彭念一在其发表的论整群不等概抽样技术中讨论了不等概抽样在不等群抽样中的应用问题及原理，并论述了应用不等概率抽样应注意的问题，如何得到较好的抽样估计效果。周超等分析了分层多阶不等概抽样的样本结构性偏差产生的原因，探讨了数据加权调整方法，并进行了实例研究。

　　事实说明，不等概抽样在组织样本和对资料进行分析及对总体参数的估计，都比等概抽样复杂，但是在一定条件下，采用不等概抽样方法要比等概抽样得到更高的估计效率。

　　三、基于遥感的抽样调查

　　遥感技术可缩短森林资源清查的周期，快速、准确、高质高效地获取森林资源的各种数据，评价森林资源的质量与效益，实现森林资源的定期甚至是实时监测。

　　第二次世界大战爆发时，抽样方法开始结合航空摄影测绘技术。1946年森林调查开始应用航空像片进行导航。1955年罗杰斯在伊朗建议用一种非独立的三相抽样，然后用回归分析来研究这些联合样地在像片判读和地面测定之间的相关，最终求得所需的总材积。洛茨在泰国应用具有独立相的二阶抽样，估计各层面积时只用航空像片，在像片上用截距法抽样，在第二相内，每层的平均材积是按所谓野外营地单位独立抽取的。唐守正对面积的两相抽样和蓄积的两相抽样的结合使用进行了研究，提出了关于面积蓄积统计的原则。葛宏立纠对两相抽样地类合并后蓄积估计方法进行了探讨，认为地类合并后的平均蓄积根据合并前各地类的平均蓄积按各地类修正后的面积成数加权计算会比较合理，并提出了新算法，避免了以往地类合并后计算蓄积的算法所引起的问题。余平阐述了卫星相片在森林资源调查中应用的方法和步骤。朱维凡介绍了PR(PPS和Remote Sensing的开头字母)抽样设计估计蓄积量的方法，PR抽样是一阶单元采取PPS，二阶单元采取RS(Remote Sensing)的抽样方法。林春芳哺。将卫星相片的分辨能力与分层抽样相结合。章礼拐等将遥感图像处理技术与分层抽样相结合调查森林蓄积量，精度达到国家规定要求，节省了调查成本。熊泽彬研究了遥感技术在连续清查应用中的抽样效率，讨论了影响双重抽样一致率的因子及因子间的关系，找到提高一致率的方法，从而达到提高抽样精度的目的。肖银松介绍了基于“3S”技术的抽样方法、“3S”及抽样技术应用的国内外现状，并对其在森林动态监测中的应用特点进行了简要概括。2006年，Piermaria等对成行林带的调查方法进行了研究，调查的主要目的是估计总体参数。从航空像片可获得树木的行数，并直接算出这些估计量，在这种情况下可应用二阶整群抽样，以行为初级样本，抽取若干行，然后在抽取的行中抽取树木，也可以优势树种和年龄为分层标准采用二阶分层抽样。

　　有关学者认为光测量、测距是可以用来测量树木的高精度测量工具，尽管该项遥感技术还没有作为实际测量工具而广泛应用，它仍有很大的研究意义和应用于森林测量中的潜力。

　　上世纪70年代，我国建立了国家森林资源连续清查体系；90年代，在联合国开发计划署(UNDP)援助下我国实施了“建立国家森林资源监测体系”项目，进行了遥感技术在国家森林资源连续清查中的应用示范研究，将遥感技术应用于国家森林资源监测；1999—2003年开展的第六次全国森林资源清查，全面地应用了遥感技术。

　　四、针对稀疏总体分布的抽样方法

　　因为传统抽样方法没有考虑稀疏总体明显存在的空间分布差异，将可能导致调查成本增加或估计结果出现偏差；尽管目前广泛应用的遥感技术、全球定位系统、地理信息系统(3S技术)和专家预测预报系统等为评价植被资源状况提供了有力的技术支撑，然而由于稀疏植被资源的相对稀疏(少)性和空间分布的独特性，这些技术的应用仍不能全面准确测定和预估调查区域的稀疏植被及其生态环境因子信息。针对稀疏总体的抽样方法则能够提高对这类分布对象的抽样效率，弥补了传统抽样方法失效、最终样本中观测目标信息几乎为零的缺点。以下几种是针对稀疏、簇状分布总体调查的常用的技术与方法。

　　1．适应性群团抽样方法(ACS)

　　Thompson于1990年发表了题为“Adaptive Cluster Sampling”的论文，提出了适应性群团抽样来调查群团状、散生分布目标。其操作规则为先从总体中按照某种抽样方法选取一定容量的初始样本，再根据每个样本单元的观测值进行自适应抽样，当样本单元的观测值满足某条件(即入样条件)时，其周围邻近的样本单元加入到样本，否则不进行扩充。再根据新加入的样本单元观测值判断是否将此样本单元周围邻近的样本单元也加入样本，并以此类推，直到无法再加入任何新的样本单元时，抽样过程结束。适应性群团抽样的估计量目前主要应用修正的Hansen—Hurwitz(HH)和Horvitz—Thompson(HT)估计。

　　国外对适应性群团抽样技术理论上和实践上的研究较多，针对稀疏、群团分布的植被已大量应用该法进行了调查和效率分析。Roeseh将不等概抽样与ACS技术结合，开发了适应性群团的森林调查系统，并用点抽样模拟了3．1hm²混交林分树种密度，验证了ACS的潜在效率。Talvitie等H副使用简单随机抽样和ACS抽样技术，调查了赫尔辛基市所属的3 700hm²森林公园内的枯损木数量，比较了传统抽样方法与ACS方法的效率。除此之外在鸟类数量、海洋和水生资源数量调查中适应性群团抽样也得到了应用。国内，张南松针对人们所熟悉的害虫种群的空间分布及相应的密度估计，提出了二阶适应性整群抽样方法，应用该技术调查害虫的密度、研究农作物害虫种群分布，并从理论上证明这种抽样设计是一个无偏估计，方差也比较小。雷渊才等介绍了适应性群团抽样技术在森林资源清查中的应用，引用具体案例说明如何使用自适应群团抽样设计、方法和技术步骤，分析比较了不同估计方法的抽样效率，并指出该抽样技术及其应用时存在的问题。有关详细研究现状见雷渊才等发表的文章。

　　2．其他抽样方法

　　近年来应用研究较多的适用于稀疏总体的其他几种抽样方法是：

　　样带抽样(Strip Sampling)经常用于稀疏总体调查。样带抽样可以看成样地面积很大的样地抽样调查，根据计算，最简单情况是研究区域分成几个非交叠样带，从中随机抽选若干样带。样带可以间隔一定距离抽选，也可以重叠(部分)抽选。抽样调查倒木或林内粗木质时，如果原木粗大的一端置于带样地内或者原木一部分在带样地内则测量整个原木。Shiver等提出该方法存在一个问题，即各样带通常是不同的长度、面积，这样它们的平均估计值对于总体平均数是无效的，Stehman等认为这个问题可以通过将样带面积作为辅助变量来解决。

　　线截抽样(Line Intersect Sampling)，在某区域内布设一条具有一定方向角的样线，则与该线相交的所有目标人样，每棵树的概率取决于抽样线长度和树的有效长度，如果将树看成一条线，则可直接根据其与抽样线所成的夹角计算。该方法由Canfield提出并在20世纪60年代得到发展应用，目前线截抽样方法广泛应用于估计林地粗木质残体、倒木、野生动物、估计公路长度等。Esseen等提出并评价了用线截抽样在航空相片上收集森林边缘数据的方法，为调查林地森林边缘量(森林和非森林生态系统之间或两片林地之间的交界面)、进而理解和减轻“森林碎片”对森林生物多样性的影响提供了精确而有效的方法。研究表明，线截抽样结合航空相片有很大的应用潜力。刘素青系统地研究了林木株数调查的线截抽样原理与方法，在不同的针叶林和阔叶林中进行了试验，并与传统的样地法进行比较，认为该方法可行、可靠，抽样效率高，抽样效率比普通的样地方法高出4倍以上。他还研究了采伐剩余物的线截抽样原理和方法，在应用中既可使用单条样线进行估计，也可以使用多条样线进行估计，在计算机上应用线截抽样估计原理模拟了采伐剩余物的调查情况，精度较高。同年，刘素青以Buffon随机投针问题为原理，提出了以线截抽样为原理的线状物体的调查方法，在计算机上模拟了路网调查，得出了线截抽样完全适用路网调查的结论，并认为可以推广到林网及防护带的调查。

　　样线法(Line Transects Sampling)以观测目标所在的样线为基础，用于估计野生动植物总体密度，是野生动物种群数量调查的常用方法之一。早在1906年，美国学者Gross在伊利诺斯州的鸟类普查中就运用了样线调查的方法。如果目标随机分布在区域内，观察目标的概率取决于距样线的距离，距离越长观测概率越小，这种方法具有完备的理论基础。样线调查方法的内容一般包括样线布设、数量调查和密度计算，该法通过对样线条带内的个体进行绝对数量调查，来反映整个地区的种群数量或密度。总体密度的估计方法主要有窄带法(Narrow—strip Method)、目视修正法(Smooth-by—eye Method)、参数法(ParameterMethods)和非参数法(Nonparametrie Methods)。许龙在其发表的文章中介绍了样线法在鸟类调查中的发展历史、基本原理和主要类型，并对4种常用的种群密度计算方法，即条带最大记数法、Gates截线法、Fourier截线法以及距离取样法进行比较和总结，认为在鸟类野外数量调查中应记录鸟类个体到样线的垂直距离，并使用距离取样法来计算鸟类的种群密度，能够得到更为准确的结果。熊国经等把几种密度估计法用于计算机模拟产生测线调查的距离数据，由统计量RRMSE(Relative Root Mean Square Error)和RB(Relative Bias)对推定值进行评价，验证了各种估计方法的优劣。国外林业工作者常用这种技术与方法调查野生动植物总体密度，对于该技术的应用我国还有些差距。

• 森林资源连续清查