丁相元，陳爾學，李增元，趙 磊，劉清旺，徐昆鵬

(中國林業(yè)科學研究院資源信息研究所，國家林業(yè)和草原局林業(yè)遙感與信息技術重點實驗室，北京 100091)

國家森林資源(連續(xù))清查[national (continuous) forest inventory,NFI/NCFI，文中統(tǒng)稱NFI]和森林資源經(jīng)理調查(forest management inventory,FMI)是世界上所有已建立森林資源監(jiān)測體系國家的兩大主要森林資源調查業(yè)務[1-3]。在中國，NFI被稱為國家森林資源清查或國家森林資源連續(xù)清查(一類調查)，F(xiàn)MI則被稱為森林資源規(guī)劃設計調查(二類調查)[4-5]。遙感在這兩大業(yè)務中都已有廣泛和深入的應用，但由于NFI是宏觀尺度的調查(全國/省出數(shù))，而FMI是當?shù)爻叨鹊恼{查(每個小班出數(shù))，遙感在這兩大業(yè)務中的應用方式、方法有較大的不同[6-7]，筆者主要聚焦遙感應用于NFI的技術研究進展。

NFI是國家森林資源監(jiān)測體系的重要組成部分，可為制定國家林業(yè)發(fā)展戰(zhàn)略和調整林業(yè)方針政策提供及時有效的科學依據(jù)。遙感在推動NFI技術進步方面發(fā)揮了重要作用，已成為支撐NFI業(yè)務運行不可或缺的技術手段。遙感之所以在NFI中顯得越來越重要，主要是在3個方面受到了NFI業(yè)務剛性需求的驅動：①小面積估計需求。保持現(xiàn)有的NFI地面樣地數(shù)不變，但希望能得到省以下行政區(qū)域或經(jīng)營管理單元(市、縣、林場等)總體參數(shù)(總量或變化等)的有效估計，也就是要求監(jiān)測的空間“粒度”更細。②年度監(jiān)測需求。在現(xiàn)有NFI基礎上做到年度監(jiān)測，即要求監(jiān)測的頻率更高。③實現(xiàn)前兩個需求的同時做到低成本和高精度。在以上需求約束下，依靠對單元標志值敏感的輔助信息是必然的技術途徑，而遙感數(shù)據(jù)是最常用和最具有潛力的輔助數(shù)據(jù)之一[8]。筆者總結了目前NFI估測方法的國內外研究現(xiàn)狀，分析了國內相關研究存在的問題，并給出了后續(xù)重點研發(fā)方向及內容建議，以期對天空地多源觀測數(shù)據(jù)在我國NFI業(yè)務中的深入應用起到一定的促進作用。

1 NFI遙感應用主要技術方法

針對NFI應用需求而開展的抽樣調查、統(tǒng)計推斷相關理論和方法研究，也明顯體現(xiàn)了科研人員在將遙感納入NFI技術體系方面所做的各種努力。目前，在NFI業(yè)務需求推動下研發(fā)的各種總體參數(shù)統(tǒng)計推斷方法可概括為4類[9]：①基于設計的推斷方法(design-based inference method)，簡稱設計推斷法；②基于設計和模型輔助的方法(design-based and model-assisted method)，簡稱模型輔助法；③基于模型的方法(model-dependent method)，簡稱模型法；④設計和模型混合推斷法(design and model hybrid method)，簡稱混合法。這4類總體參數(shù)估計方法的特點對比見表1。

1)設計推斷法。設計推斷法是依賴概率抽樣樣本的調查方法。本研究中設計推斷法是指只基于概率抽樣樣本進行統(tǒng)計推斷的方法，也可以采用輔助變量進行估測但不應涉及回歸估計模型的應用。簡單隨機抽樣、系統(tǒng)抽樣、分層抽樣、整群抽樣、成數(shù)抽樣以及多階抽樣等都可用于設計推斷法[10]。適合以遙感特征作為輔助變量的設計推斷法主要包括分層抽樣、成數(shù)抽樣等。

該類方法通常是假設總體由N個單元組成，通過對單元的抽樣調查估計總體某個標志的值，可以是某個標志的總量，也可以是平均值、兩個標志的比值等[11]。為了估計固定但未知的參數(shù)，根據(jù)適當?shù)某闃釉O計，按一定概率從總體中抽取一套樣本，每個單元具有大于零的包含概率，然后采用數(shù)學公式(估計量)，根據(jù)樣本數(shù)據(jù)估計目標參數(shù)。由于樣本的抽取具有隨機性，因此估計量根據(jù)樣本單元所估測的總體參數(shù)值也是一個隨機變量[9]。大范圍的森林資源調查目的是獲取總體參數(shù)的合計值或均值，通常情況下會基于設計的抽樣框架進行估算，利用抽樣獲得的樣本來估計總體值，在該框架下，估計方法是設計無偏的。由于該方法理論體系成熟，且設計無偏，因此被廣泛使用。然而，該方法對樣本概率性條件要求苛刻，在小樣本量下，估計的精度有限[12]。

2)模型輔助法。模型輔助法通過使用模型和輔助數(shù)據(jù)來提高估計精度,是一種介于設計推斷法和模型法之間的方法[12]。該方法的總體估計和方差估算形式與傳統(tǒng)設計推斷法以及模型法有較大區(qū)別，可用的模型形式包括線性、非線性回歸以及非參數(shù)方法等[13]。

該類方法的基礎假設與設計推斷法相同，在獲取概率抽樣樣本基礎上，建立輔助數(shù)據(jù)(自變量)和樣本觀測值(因變量)之間的關系模型，基于該模型得到每個實測樣本的估測值，利用樣本估測值與實測值之間的偏差，校正基于模型計算得到的總體參數(shù)估測值。該方法繼承了設計推斷法的所有優(yōu)點，同時又利用了輔助數(shù)據(jù)和模型，通?？商岣呖傮w參數(shù)的估測精度[14-16]。模型輔助法可利用的輔助數(shù)據(jù)包括遙感、地形、土壤、氣象等數(shù)據(jù)，其中利用最多的還是遙感數(shù)據(jù)[9]。

3)模型法。該類方法也是在抽樣調查背景下產(chǎn)生的[17-19]，然后被應用于森林資源清查中[20-23]。模型法理論上是有偏的，因此模型估測結果不確定性的估計方法是國際上模型法研究的熱點。

模型法中的假設與設計推斷法、模型輔助法有很大不同。首先，模型法假設對總體單元的觀察是一個隨機變量，而不是像設計推斷法和模型輔助法那樣假設每個單元的觀測值是一個固定常數(shù)。其次，模型法的基礎是“模型”，其隨機性是通過總體單元取值分布的隨機性實現(xiàn)的，而設計推斷法和模型輔助法的隨機化是通過總體單元被隨機選擇樣本而實現(xiàn)的[24]。

相對于設計推斷法和模型輔助法，模型法具有2個優(yōu)勢。首先，模型法不依賴于概率抽樣樣本，因此可適用于采用更多種抽樣方案所獲得的地面觀測數(shù)據(jù)。其次，模型法可以使用感興趣區(qū)域之外的數(shù)據(jù)，因此，它可以用于樣本大小可能不足以進行設計推斷的小區(qū)域，或者無法到達并獲得采樣數(shù)據(jù)的區(qū)域[25]。模型法的缺點為估計結果有偏[26]。然而，在地面實測樣本量很小的情況下，模型法的估測精度一般會更高[12]。

4)混合法?；旌戏ㄊ且环N將設計推斷法和模型法混合應用的方法，最初由St?hl等[27]提出，后來被Corona等[28]稱為混合法。該方法充分發(fā)揮了模型法和統(tǒng)計推斷法的優(yōu)勢，也可以認為是一種特殊的模型法[9]?；旌戏ㄗ裱O計推斷和模型法的基本假設，一種典型應用場景就是當模型法所用的遙感輔助數(shù)據(jù)不是對總體全覆蓋，而是采用概率抽樣方式獲取。這時仍然需要建立一個估測模型，這和模型法完全一致，但總體參數(shù)估計方差的計算需要考慮遙感輔助數(shù)據(jù)以概率抽樣獲取時所引起的不確定性。

2 NFI遙感應用主要技術方法發(fā)展現(xiàn)狀

2.1 設計推斷法的提出和應用

19世紀初，國外森林資源調查的主要方法為詳查，后來，在抽樣技術的支持下，開始選取具有代表性樣本進行調查，并逐漸發(fā)展為現(xiàn)在的設計推斷法[29]。該方法的基礎理論最初由Neyman[30]提出，給出了樣本估計的置信區(qū)間，奠定了隨機抽樣和分層抽樣的應用基礎。設計推斷法是最常用的森林資源抽樣調查方法，也是NFI的基本方法，但完全基于實地樣地調查成本很高，且難于對不可到達區(qū)域進行監(jiān)測，而遙感手段的引入，大大提高了傳統(tǒng)NFI的監(jiān)測效率和精度[31]。對于設計推斷法，遙感數(shù)據(jù)可輔助抽樣設計規(guī)劃、樣地地類識別和參數(shù)估計，以及作為分層依據(jù)等[32]。如在利用雙重分層抽樣進行總體森林參數(shù)估計時，可通過目視判讀與解譯，估計不同地類的權重與分配比例，提高總體參數(shù)的估測精度與效率[33-34]；北美地區(qū)在20世紀初便采用該方法對地類進行分類識別，然后利用分層抽樣技術實現(xiàn)森林資源參數(shù)的估算[35]；其他發(fā)達地區(qū)如歐洲等也利用了該方法以提高監(jiān)測效率與精度[36-38]。該方法早期以航空遙感數(shù)據(jù)為主，隨著衛(wèi)星技術的發(fā)展，Landsat系列衛(wèi)星、SPOT系列衛(wèi)星、Quickbird系列衛(wèi)星以及哨兵系列衛(wèi)星等遙感數(shù)據(jù)也被廣泛應用于NFI監(jiān)測中[39-42]。目前，設計推斷的方法理論已較成熟，在各個國家NFI中得到了廣泛應用[31,38]。

抽樣技術也是國內NFI監(jiān)測的基礎。國內自20世紀60年代開始引進抽樣技術[43]，并進行了大量的研究[44-45]。在一類調查中進行遙感技術的應用研究始于20世紀70年代，主要以應用試點的形式進行;90年代末，第六次全國森林資源清查后開始全面應用[4,46]。

針對以遙感數(shù)據(jù)為輔助的設計推斷法，李芝喜等[47]將陸地衛(wèi)星數(shù)據(jù)、航片數(shù)據(jù)、地形圖以及角規(guī)樣地數(shù)據(jù)相結合，利用多階不等概率抽樣(PPS)進行了總體森林蓄積量的估測研究，其中，一階單元面積成數(shù)和二階單元蓄積，均采用人工解譯和判讀，三階單元采用角規(guī)測量，研究認為該方法可大大提高監(jiān)測效率；歐潤貴[48]介紹了Landsat ETM+衛(wèi)星遙感數(shù)據(jù)在NFI中的應用，包括利用衛(wèi)星數(shù)據(jù)對面積的成數(shù)抽樣，以及雙重抽樣方法，均屬于設計推斷法。

曾偉生[49]介紹了用遙感判讀代替地面調查的應用方式，尤其是沙漠、戈壁以及草原地區(qū)，遙感判讀正確率較高，可將遙感判讀樣地視同地面調查樣地對待，對于一些不可及區(qū)域，也可以將遙感判讀結果近似作為地面調查結果參與抽樣估計。新疆、西藏、青海等省(區(qū))的一類調查中遙感技術的應用便采取(或部分采取)了這種方式。林輝等[50]基于Landsat TM和ETM+數(shù)據(jù)，對湖南省森林總面積進行了實驗研究，通過對遙感樣地進行目視解譯，進而估算全省各地類森林總面積，加權精度達到85.31%，一級地類正判率超過90%，二級地類正判率在70%以上；鄭冬梅等[51]以全國森林資源宏觀監(jiān)測9個省的遙感判讀結果為依據(jù)，對比分析了群團樣地判讀和圖斑區(qū)劃判讀的森林覆蓋率、森林面積、正判率、抽樣精度和差異原因，結果表明群團樣地判讀的結果效率更高。

近年來，為了實現(xiàn)年度監(jiān)測目標，國內學者研究了遙感大樣地與地面調查數(shù)據(jù)結合的年度出數(shù)方法，部分研究便應用了基于遙感的設計推斷法，如程志楚等[52]研究了遙感大樣地用于森林資源清查面積出數(shù)的可行性，分析了遙感大樣地的大小對面積估測精度的影響，遙感大樣地的解譯判讀和地面調查融合在一起，將解譯結果作為真值，采用系統(tǒng)抽樣方法計算總體平均數(shù)和方差；王雪軍等[53]探討了全國森林面積和森林蓄積年度出數(shù)方法，在現(xiàn)有NFI抽樣框架基礎上，每年按20 km×20 km網(wǎng)格系統(tǒng)抽取1/17的樣地開展固定樣地調查，遙感解譯樣地仍保持不變，采用固定樣地和遙感解譯樣地按成數(shù)抽樣估計全國各地類面積，只用固定樣地的方式采用分層抽樣估測全國蓄積量，分層依據(jù)為全國林地“一張圖”。

2.2 模型輔助法的核心思想和應用

模型輔助法的核心思想是修正與校準，20世紀末該思想便被應用于實驗研究，之后便被廣泛應用于NFI研究中[54]。Breidt等[55]在森林健康調查相關的模擬研究中使用樣條模型估計總體參數(shù)，結果顯示，利用多種輔助變量的兩階段模型輔助估計方法表現(xiàn)較好。Opsomer等[56]在兩階系統(tǒng)抽樣設計中使用了模型輔助估計，應用廣義可加模型將地面測量數(shù)據(jù)與遙感的輔助信息進行關聯(lián)。Boudreau等[57]以GLAS衛(wèi)星數(shù)據(jù)與土地利用數(shù)據(jù)為數(shù)據(jù)源，結合模型輔助法估計了加拿大魁北克的生物量，表明GLAS波形激光雷達數(shù)據(jù)可以改善大區(qū)域森林地上生物量的監(jiān)測精度。Andersen等[58]基于模型輔助法，利用樣地數(shù)據(jù)和條帶抽樣的LiDAR數(shù)據(jù)估算了阿拉斯加西部基奈市的生物量，證明了模型輔助法在區(qū)域生物量監(jiān)測中的優(yōu)勢。

N?sset等[59]利用LiDAR數(shù)據(jù)和干涉合成孔徑雷達數(shù)據(jù)估計了挪威奧爾斯科格生物量，并基于模型輔助的方法，比較評價了這兩種類型輔助數(shù)據(jù)的估計精度。Gregoire等[60]采用兩階段的模型輔助法對森林生物量進行了估計，第1階段為條帶抽樣的機載LiDAR數(shù)據(jù)(ALS)或條帶更窄的機載LiDAR數(shù)據(jù)(PALS)，第2階段為系統(tǒng)分布的國家森林資源清查固定樣地，基于兩種LiDAR數(shù)據(jù)估算的生物量結果類似。Ene等[61]和Gregoire等[62]也針對這種設計方法進行了更加深入的研究。

Stephens等[63]在基于設計的框架中應用了雙重抽樣回歸估計量，使用機載LiDAR數(shù)據(jù)作為輔助信息估計新西蘭森林中的碳儲量。Strunk等[64]從不同的角度對模型輔助法進行了研究，發(fā)現(xiàn)利用模型輔助法估計森林面積、蓄積和生物量等參數(shù)時，激光脈沖的密度對估計精度幾乎沒有影響。Nelson等[65]和Gobakken等[66]以LiDAR為數(shù)據(jù)源，對挪威海德馬克縣地上生物量進行了估算，并比較了模型輔助法與模型法，發(fā)現(xiàn)兩種方法結果類似。N?sset等[67]進一步評估了Gobakken等[66]開發(fā)的兩階段模型輔助法的精度，著重分析了方差估計對不相等的樣本條帶長度和系統(tǒng)選擇條帶的敏感性。

Massey等[68]在瑞士國家森林清查中開展了模型輔助估計技術的適用性研究，討論了多種非參數(shù)方法在模型輔助估計中的優(yōu)勢和不足，分析了差分估計和回歸估計之間的密切聯(lián)系。Saarela等[15]提出在兩相模型輔助采樣研究中，對激光掃描條帶數(shù)據(jù)進行概率比率采樣，并利用該方法估計了芬蘭庫奧坦北部森林地區(qū)的總蓄積量；研究還發(fā)現(xiàn)，全覆蓋的陸地衛(wèi)星輔助信息與僅使用采樣激光雷達條狀數(shù)據(jù)相比，估計量的精度有所改善。Chirici等[69]以意大利中部的莫利斯地區(qū)為研究區(qū)域，利用模型輔助估計量，比較了回波參數(shù)和高度變量用于估算地上總生物量的性能，結果顯示兩者都可以獲得很高的精度，且輔助數(shù)據(jù)的應用可提高估計精度。McConville等[13]對模型輔助法的應用以及公式等進行了詳細的介紹，可為后續(xù)研究提供參考。

由于NFI屬于宏觀尺度的森林資源監(jiān)測，通常采用衛(wèi)星遙感特征為輔助數(shù)據(jù)，但目前能獲取到的衛(wèi)星遙感影像還都對森林平均高、蓄積量等參數(shù)不夠敏感，我國NFI在總體蓄積量估計上還很少采用遙感數(shù)據(jù)。因此國內還沒有針對估計平均高、蓄積量等森林定量參數(shù)的模型輔助法應用研究，但遙感作為輔助因子用于地類面積或成數(shù)估計已較為普遍。

唐守正[70]提出了兩相抽樣的估測方法，通過抽取遙感樣地和地面樣地建立兩相抽樣樣地，通過轉移矩陣調整面積和蓄積估計值，對于部分合并類別項的蓄積，采用最小平方相對誤差進行調整，方法中雖然并未涉及遙感輔助數(shù)據(jù)與實測數(shù)據(jù)結合建模的問題，但采用了修正的思想。宋新民等[71]介紹了 “用相片判讀地面修正成數(shù)抽樣”方法，在國內后續(xù)基于遙感解譯樣地的NFI技術研究中常被稱為“雙重二階抽樣”。葛宏立等[72]在三相估計中采用了該二相估測方法，并改進了方差、協(xié)方差的計算方法。該研究利用了系統(tǒng)抽樣遙感解譯樣地(一相樣本)、前期地面樣地數(shù)據(jù)(二相樣本)、年度監(jiān)測年完成的地面樣地數(shù)據(jù)(三相樣本)，進行了森林資源面積三相抽樣年度監(jiān)測方法研究。先用一、二相樣本進行前期面積的二相抽樣估計，再將結果用于二、三相樣本的二相估計，這兩步估測都采用了地類轉移矩陣分別對一、二相樣本的總體參數(shù)估計值進行了校正。張宗秀等[73]以2007年四川省森林資源連續(xù)清查數(shù)據(jù)為案例，利用遙感解譯樣地和固定樣地數(shù)據(jù)，開展了雙重二階抽樣森林資源面積抽樣估計精度研究，該方法能夠明顯提高各類土地面積的成數(shù)估計精度，其中也利用了對遙感數(shù)據(jù)判讀結果校正的思想。

2.3 模型法的參數(shù)特點和應用

將遙感特征作為輔助數(shù)據(jù)，基于模型法估測大范圍、全覆蓋的森林資源參數(shù)研究已有很多[74-80]。只要采用若干樣地和遙感特征建立了正確的估測模型，就可以得到像元尺度的估測結果，因此模型法是遙感應用于森林資源調查監(jiān)測的最基本方法[81-82]，特別是對于從事遙感應用技術研究的學者，研發(fā)高精度的生物物理參數(shù)遙感估測模型是他們的主要科研任務。

模型法的結果精度受模型形式、變量等因素影響較大[26]，對其不確定性的度量是NFI應用研究中的重要方向。對于模型法的不確定性主要利用RMSE、方差、模型效率以及AIC等指標衡量[83]，NFI監(jiān)測中多用MSE或方差[8,84-85]。

20世紀末，模型法被逐漸應用于NFI中[86]，之后研究人員針對模型形式和不確定性進行了大量研究[87-88]。McRoberts[12]分析了GPS位置誤差對模型輔助法、模型法推算森林面積比例的影響。Saarela等[15]評估了芬蘭庫爾坦研究區(qū)模型形式和樣本量對模型法估計精度的影響，不同模型形式的結果存在一定的差異。Saarela等[8]評估了遙感數(shù)據(jù)和實地測量之間的地理不匹配對模型法、模型輔助法的影響。McRoberts[12,89]將陸地衛(wèi)星數(shù)據(jù)作為輔助信息和野外樣地數(shù)據(jù)相結合，應用模型法估算了美國明尼蘇達州北部總體森林面積，并對方差的估計進行了優(yōu)化。Chen等[90-91]考慮異速生長模型、單木測量、單木地上生物量(AGB)預測、樣地AGB估算以及遙感像元尺度的AGB估算全過程的誤差，揭示了利用野外樣地校準遙感生物量模型時，考慮地塊AGB估計不確定性的重要性。

LiDAR數(shù)據(jù)相對多光譜、高光譜以及SAR等數(shù)據(jù)，對森林高度、胸徑以及蓄積量等森林參數(shù)的估計精度更高[92-94]。LiDAR技術的快速發(fā)展，大大推動了模型法在NFI中的應用，尤其是 GLAS (ICESat)、ATLAS (ICESat-2)以及GEDI(ISS)星載激光雷達數(shù)據(jù)的廣泛使用，為大范圍的NFI監(jiān)測提供了數(shù)據(jù)支撐[95-98]。

Saarela等[99]提出了基于空天地3種數(shù)據(jù)源的分層模型推理法(hierarchical model-based inference，HMB)，可提高總體參數(shù)的估計精度，但該研究基于模擬數(shù)據(jù)，且僅僅適用于線性模型。針對這種分層的模型法，Saarela團隊對無人機數(shù)據(jù)的抽樣方式、模型方法以及不同衛(wèi)星數(shù)據(jù)的潛力進行了實際應用和優(yōu)化[85,100-101]。為了使該方法適用于非線性模型，Saarela等[102]對模型殘差以及方差的估算進行了優(yōu)化，并考慮單木異速生長模型的誤差傳遞影響，提出了通用的分層模型推理法(GHMB)。

在非參數(shù)模型方法總體不確定性估計研究方面，Esteban等[103]利用隨機森林方法，采用自助法(bootstrapping)估算了西班牙和挪威兩個試驗區(qū)的總體蓄積量不確定性。Sandoval等[104]基于激光雷達數(shù)據(jù)，提出利用自舉引導對(bootstrapping-pairs)方法檢驗總體估計的不確定性，估算了亮果桉(Eucalyptusnitens)和藍桉(Eucalyptusglobulus)林分的平均蓄積和方差，對比了傳統(tǒng)自舉引導對、考慮同方差殘差和異方差殘差3種情況，結果顯示，對于面積較大的總體結果不確定性較小，當面積較小時，需考慮異方差殘差。

總之，國外已經(jīng)對空天地多源數(shù)據(jù)協(xié)同應用中的不確定性進行了廣泛的研究，包括參數(shù)和非參數(shù)方法的不確定性量化分析、單木模型-樣地-像元尺度-總體的誤差影響分析等，為森林資源監(jiān)測提供了重要的技術支撐。

利用對總體全覆蓋的遙感影像，結合若干地面調查樣地觀測數(shù)據(jù)，估測每個像元的地類或定量參數(shù)，這是最典型的遙感應用情景，國內在相關分類、估測模型方法方面的研究非常多，具體可參考李增元等[105]、龐勇等[106]、黃華國[107]、張王菲等[108]的總結?？傮w來看，國內森林遙感監(jiān)測應用技術研究學者所研發(fā)的森林參數(shù)遙感定量反演、估測方法，基本上都屬于模型法。而針對NFI業(yè)務的以遙感為輔助變量的模型法研究卻很少。

張煜星等[109]研究了森林面積和空間分布的“多階遙感監(jiān)測”技術，為建立全國森林資源年度監(jiān)測技術框架提供技術支持。將中空間分辨率遙感(中分遙感)地類判讀樣地數(shù)據(jù)、高分遙感地類判讀樣地數(shù)據(jù)和地面驗證地類數(shù)據(jù)，共3級數(shù)據(jù)采用了級聯(lián)的回歸估計模型對省級總體森林面積進行估計。雖然中分遙感樣地的布設采用系統(tǒng)抽樣，但總體參數(shù)方差的計算只考慮了回歸模型引起的不確定性，并沒有考慮遙感系統(tǒng)抽樣會導致的抽樣誤差。該研究還將中分遙感樣地判讀結果用于確定低分遙感森林-非森林分類的NDVI閾值，這相當于用一個簡單的模型實現(xiàn)低分遙感每個像元的森林分類，主要用于森林分布圖的制作，這一步也屬于模型法。

在以遙感為輔助變量的模型法不確定性估計方法研究方面，GHMB方法用于樣地-抽樣激光雷達-衛(wèi)星遙感協(xié)同估測像元森林參數(shù)，第2步估測模型以第1步基于抽樣獲取的LiDAR數(shù)據(jù)估測的森林參數(shù)作為因變量，不同像元之間的因變量取值不可避免具有空間相關性[102]，因此Zhao等[110]在第2步建模時將GHMB的非空間模型改為回歸克里格(RK)模型，提出了基于地統(tǒng)計學方法的森林參數(shù)估測及其不確定性估計方法RK-GHMB。該方法雖然以林場為實驗區(qū)進行驗證，但所提出的方法也同樣可用于NFI。

2.4 混合法與其他方法的區(qū)別及應用

國外已根據(jù)具體的NFI應用需求，開展了多種混合法研究，可概括為3類。

1)設計推斷法所基于的樣地數(shù)據(jù)采用單木生長模型估計得到。在只基于抽樣樣地對總體參數(shù)進行估測時，若假設樣地蓄積量等參數(shù)是真值，這種估計方法就是純粹的設計推斷法；但若樣地蓄積量等參數(shù)是由樣地上單木參數(shù)求和得到的，而單木參數(shù)的計算采用了生長方程(模型法)，則此估計方法就成了混合法。McRoberts等[25]利用混合法評估了單木蓄積量模型預測中的不確定性對大范圍區(qū)域蓄積量估計的影響。樣地蓄積量的估計利用了單木生長方程，自然會產(chǎn)生模型估測誤差，進而基于單木生長模型估測的樣地蓄積量，采用設計推斷法進行總體蓄積量的估測。這里所用的數(shù)據(jù)只是按概率抽取的每個樣地的單木測量數(shù)據(jù)，并沒有用到遙感及其他輔助數(shù)據(jù)。

2)模型法所用遙感輔助數(shù)據(jù)采用概率抽樣獲取。在森林資源調查過程中，有時獲取大范圍全覆蓋的遙感輔助數(shù)據(jù)(如LiDAR數(shù)據(jù))的成本可能非常高昂，這時可采用抽樣的方式獲取遙感輔助數(shù)據(jù)，形成對整個研究區(qū)域按一定概率抽取的遙感觀測樣本，以降低成本。隨著對如何獲取區(qū)域或國家可靠、穩(wěn)定和可重復估測的森林資源監(jiān)測數(shù)據(jù)的需求不斷增加[111]，將遙感數(shù)據(jù)和樣地數(shù)據(jù)相結合的多相和多階抽樣方法研究越來越多。如兩相抽樣，在第1階段，基于概率設計，獲取部分條帶分布的激光雷達數(shù)據(jù)，然后根據(jù)概率原理在激光雷達數(shù)據(jù)條帶內獲取樣本數(shù)據(jù)，此時樣本數(shù)據(jù)的位置同時包含實測數(shù)據(jù)和激光雷達數(shù)據(jù)。第2階段主要利用樣地數(shù)據(jù)和激光雷達數(shù)據(jù)相關變量建立模型，并將該模型應用于整個激光雷達條帶數(shù)據(jù)估算目標參數(shù)，進而估算總體參數(shù)和方差。該方法提高了設計的復雜性，也提高了估計精度，為了實現(xiàn)對不確定性的量化，該方法中遙感輔助數(shù)據(jù)的抽取也必須遵循嚴格的概率抽樣框架[9,62,112]。

假設由森林樣地調查數(shù)據(jù)計算得到的森林參數(shù)值為真值，作為因變量，以遙感特征為自變量，采用模型法進行估測。這時，若遙感對調查區(qū)域是全覆蓋的，這種模型法就是“純”基于模型的方法；若采用抽樣方式對調查區(qū)域進行遙感觀測(非全覆蓋)，則就屬于混合法。如St?hl等[27]采用該框架進行總體森林資源參數(shù)的估測，其中不確定性通過第1階段的抽樣方差[由抽樣獲取的機載激光雷達(ALS)數(shù)據(jù)各條帶預測值之間的不一致性引起]和由模型引起的不確定性兩個加性成分進行量化。部分學者在同一區(qū)域，基于條帶抽樣LiDAR數(shù)據(jù)以及樣地數(shù)據(jù)，使用混合推斷估計森林資源參數(shù)[66-67,113]。Healey等[114]利用GLAS數(shù)據(jù)在加州進行了混合推理模型的應用試驗。Margolis等[115]也利用抽樣的GLAS數(shù)據(jù)和航空ALS數(shù)據(jù)，估算了北美北方森林地上生物量。

3)模型輔助法所采用的樣地數(shù)據(jù)通過時間維預測模型得到。假設遙感對感興趣區(qū)域的成像觀測時間就是目的調查時間，并且遙感觀測可對感興趣區(qū)域全覆蓋，擬采用模型輔助法進行估測。若樣地和遙感觀測是同一個時間完成的，這屬于純粹的模型輔助法；但若在遙感觀測時并沒有開展樣地觀測，或只采集了部分樣地數(shù)據(jù)，需要借用歷史樣地數(shù)據(jù)，這就需要用生長方程將歷史樣地的蓄積量等參數(shù)推算到目標調查時間點，這個推算方法屬于模型法。以上結合起來就是一種典型的混合法,顯然這種方法是實現(xiàn)年度監(jiān)測的一種重要方法。如Condés等[116]利用混合法，對西班牙國家森林資源清查數(shù)據(jù)進行了年度更新。首先利用第2次和第3次國家森林資源清查數(shù)據(jù)，采用生長模型將樣地數(shù)據(jù)調整到第4次清查時間點，這屬于模型法；然后將經(jīng)調整得到的樣地數(shù)據(jù)與第4次清查時間點的樣地數(shù)據(jù)合在一起，并以Landsat數(shù)據(jù)為輔助變量，對第4次清查時間點森林資源總體參數(shù)采用模型輔助法進行預測；整個估測過程既采用了模型法，又采用了模型輔助法，也屬于一種混合估測法。

尚未查閱到以遙感為輔助變量，針對NFI應用的估測總體森林平均高、蓄積量等定量參數(shù)的混合法研究文獻。但在地類面積或成數(shù)估計方面，國內常用的是雙重回歸抽樣法。如魯賽尼·阿特馬維扎扎等[117]對雙重回歸估計法進行了試驗，遙感數(shù)據(jù)采用的是航片。宋新民等[71]介紹了雙重回歸抽樣法，在方差估計上既考慮了回歸估測模型誤差，又考慮了抽樣誤差，可歸為混合法。國內后續(xù)開展的應用研究多引用了該方法，如陳振雄等[118]基于遙感大樣地雙重抽樣方法，采用系統(tǒng)抽樣等間距設置一定數(shù)量的遙感解譯大樣地和地面樣地，以遙感樣地為一重樣本，用于區(qū)劃判讀，地面樣地為二重樣本，結合遙感樣地判讀結果，采用雙重回歸對廣東省主要地類面積進行了估計。另外，曾偉生等[119]提出了利用聯(lián)合估計以及雙重回歸估計兩種方法實現(xiàn)NFI年度出數(shù)，雖然文中未提及遙感數(shù)據(jù)，但該思路也可歸于混合法。

3 我國NFI遙感應用技術研究展望

森林資源監(jiān)測是資源管理的基礎性工作，結合天空地一體化遙感觀測數(shù)據(jù)，有助于多尺度、全方位獲取森林資源信息，在資源變化監(jiān)測、智慧分析與決策方面，為林業(yè)全周期適應性經(jīng)營、優(yōu)化經(jīng)營、多目標經(jīng)營提供支持[120]。4類NFI估測方法在我國應用前景廣闊。

1)設計推斷法。該方法是NFI的基礎方法，以地面調查樣地數(shù)據(jù)為主進行推斷，遙感能介入的主要是輔助分層抽樣設計，如用遙感制作的地類分布圖作為分層依據(jù)；并通過布設遙感解譯樣地，將遙感解譯樣地和地面調查樣地一起用于成數(shù)抽樣。這類方法的國內外技術水平相差不大。

2)模型輔助法。國外對模型輔助法有很多的研究，已經(jīng)在NFI業(yè)務中應用，但國內很少開展相關研究，實際應用較少。目前可歸入模型輔助法的研究，如以遙感為輔助數(shù)據(jù)的二相成數(shù)抽樣方法，也只是用于地類面積或成數(shù)的估計，鮮見有關采用模型輔助法估計森林定量參數(shù)的研究報道。以NFI樣地數(shù)據(jù)為基本數(shù)據(jù)，實現(xiàn)小面積估計(實現(xiàn)市/縣等子總體出數(shù))是驅動國外模型輔助法研究和應用的重要原因。中國對實現(xiàn)國家-省-縣3級森林資源一體化監(jiān)測也有很強的需求，模型輔助法是一種很好的小面積估計方法，是實現(xiàn)一體化監(jiān)測的有效方法，建議今后加強該方法的應用示范和推廣工作。

3)模型法。國內林業(yè)遙感應用科研人員對模型法的研究很多，但鮮見對其不確定性度量的深入探討，更缺乏對層次化聯(lián)合估測模型的研究。目前我國NFI業(yè)務采用模型法的可能性不大，主要是模型法的統(tǒng)計推斷理論還不夠完善，國外雖有一些新的進展，但還不夠成熟。另外目前還缺乏對蓄積等定量參數(shù)較敏感的可大區(qū)域獲取的遙感數(shù)據(jù)，如可對全國、省、市等全覆蓋的機載LiDAR數(shù)據(jù)、P波段SAR數(shù)據(jù)等。但在基于NFI數(shù)據(jù)的增值應用上應大膽嘗試，比如對于調查困難地區(qū)森林資源的監(jiān)測，應充分發(fā)揮模型法最有利于解決小面積估計問題的優(yōu)勢，以遙感為輔助數(shù)據(jù)通過模型法，實現(xiàn)不同尺度森林參數(shù)的有效估計。后續(xù)研究重點包括外業(yè)樣地調查方法、模型擬合效果評價方法、多尺度估測結果不確定性估計方法等。

4)混合法。國外已發(fā)展了3類混合法。第1類是在基于NFI樣地進行設計推斷時，將樣地的蓄積量、地類等因子看成是通過單木異速生長模型估計得到的，存在模型估計誤差。國內NFI技術研究很少考慮這類誤差對總體參數(shù)估計不確定性的影響，需要加強這方面相關研究。第2類混合法的特點是少量樣地調查數(shù)據(jù)和按概率抽取的遙感數(shù)據(jù)的綜合應用；樣地可以主觀選擇，也可以是按概率抽樣，但遙感數(shù)據(jù)必須是按概率抽取[27]。國內NFI的樣地早已將遙感解譯樣地納入，在NFI框架下為實現(xiàn)年度監(jiān)測而大量試驗的森林資源宏觀監(jiān)測方法主要采用了遙感大樣地系統(tǒng)抽樣數(shù)據(jù)[118]，適合采用混合法。但國內這方面的研究僅限于用雙重回歸抽樣法估計地類面積，還沒有對蓄積量等定量參數(shù)的混合估測法開展研究。同時，國內采用雙重回歸抽樣法估計地類面積的研究，所建立的回歸模型都是將遙感樣地解譯的地類面積或成數(shù)作為自變量，而不是將遙感特征作為自變量。直接通過遙感模型估測得到抽樣的遙感區(qū)域所有像元的目標參數(shù)，如地類、蓄積量，然后再由遙感估測的象元尺度地類、蓄積量，通過設計推斷法得到總體參數(shù)，這在國內未進行試驗研究，有必要深入開展相關研究工作。特別是今后國家林業(yè)和草原局陸地生態(tài)系統(tǒng)碳監(jiān)測衛(wèi)星的應用，該衛(wèi)星搭載的波形激光雷達將抽樣式獲取波形LiDAR數(shù)據(jù)，尤其適合這種混合方法。第3類混合法適合用于實現(xiàn)年度監(jiān)測。國內主要采用了回歸估測的方法將“歷史”樣地推算到“當前”用于設計推斷，可以全部用推算得到樣地數(shù)據(jù)，也可以綜合利用推算樣地數(shù)據(jù)和實際調查樣地數(shù)據(jù)[119，121]。這也是國外常用的年度監(jiān)測方法。國外目前的研究熱點是發(fā)展可更加充分利用時間序列遙感數(shù)據(jù)的、適用于NFI框架森林資源年度監(jiān)測的“數(shù)據(jù)同化方法”，建議國內也盡快啟動相關試驗示范研究。