Bedingte Vorhersagefehler für Punkt- und Flächenvorhersagen bei Stichprobeninventuren im Wald

森林抽样调查中点和面预测的条件预测误差

• 批准号: 5425436
• 负责人: Professor Dr. Joachim Saborowski
• 金额: --
• 依托单位: Abteilung Ökoinformatik, Biometrie und Waldwachstum
• 依托单位国家: 德国
• 项目类别: Research Grants
• 财政年份: 2004
• 资助国家: 德国
• 起止时间: 2003-12-31 至 2007-12-31
• 项目状态: 已结题
• 来源: https://gepris.dfg.de/gepris/projekt/5425436?language=en
• 关键词: Bedingte; Vorhersagefehler; Punkt; und; Fl

Krigingverfahren, häufig mit Hilfsvariablen, sind interessante Verfahren für viele Fragen der Waldinventur, Waldstrukturanalyse und Regionalisierung von Stichprobendaten. Verbreitete Fehlermaße für die in diesen Gebieten vorgenommenen räumlichen Punkt- und Flächenvorhersagen sind Kriging- und Dispersionsvarianz, die beide nicht unmittelbar mit dem klassischen Stichprobenfehler designbasierter Verfahren verglichen werden können. In anderen Anwendungsgebieten sind sie bereits häufig kritisiert worden, da sie Erwartungswerte über alle Realisierungen des unterstellten Prozessmodells darstellen und als solche unabhängig von den konkreten Messwerten sind. In diesem Projekt sollen deshalb die Möglichkeiten zur Schätzung des bedingten MSPE (mean square prediction error), gegeben die Messwerte, auf der Basis geostatistischer Modelle untersucht werden. Neben theoretischen Lösungen in Spezialfällen wird dabei die bedingte Simulation stochastischer Prozesse bei unterschiedlichen Verteilungsannahmen eine zentrale Rolle spielen. Weiterhin soll die Anwendbarkeit der Verfahren anhand von realen forstlichen Stichprobendaten untersucht werden. Als modellabhängiges Fehlermaß ist der geschätzte bedingte MSPE schließlich auch ein potentielles Maß für die Fehler, die aus systematischen Stichproben resultieren.

Krigingverfahren，häufig mit Hilfsvariablen，sind interessante Verfahren für viele Fragen der Waldinventur，Waldstrukturanalysis und Regionalisierung von Stichprobendaten。克里金法和分散变量，是一种与经典的Stichprobenfehler 设计基本相同的非混合变量。 Prozessmodells darstellen 和 solche unabhängig von den konkreten Messwerten sind。理论研究是在特殊情况下进行的，模拟随机过程是在未完成的情况下进行的，并且是一个中心滚动的过程。 Fehlermaß ist der geschätzte bedingte MSPE schließlich auch ein pottierles Maß für die Fehler, die aus systematischen Stichproben resultieren.