利用国家森林清查数据估计小区域森林碳密度状态与趋势
应用统计
2025-03-12 v1
摘要
国家森林清查 (NFI) 数据往往昂贵收集，这会阻碍对小空间、小时间或生物力学域感兴趣的参数进行估计。传统上，会使用设计基准估计量来估计森林参数感兴趣的状态，但在数据稀疏的小区域时不可靠。此外，针对样本量尤其小的情况，直接 constructed 的设计基准估计往往不可用。传统的基于模型的小范围估计方法，如 Fay-Herriot (FH) 模型，依赖于这些直接估计进行推断；因此，缺失的直接估计会阻止使用此类方法。本文详细介绍了一种贝叶斯时空小范围估计模型，有效地利用稀疏的 NFI 数据来估计森林参数的状态和趋势。该提议模型绕过了直接估计的使用，改为使用基于图块的 NFI 测量值以及包括远程感知树冠覆盖率在内的辅助数据。我们对美国 NFI 数据在美国四分之八地区跨越 14 年的森林碳估计进行了估计，并进行了模拟研究，以评估我们提议模型的准确性、精确度和偏差，与设计基准估计方法进行了比较。该提议模型在传统估计方法方面提供了 improved 的精确度和准确性，并为美国四分之八地区县级森林碳动态提供了有用的见解。
引用
@article{arxiv.2503.08653,
title = {Leveraging national forest inventory data to estimate forest carbon density status and trends for small areas},
author = {Elliot S. Shannon and Andrew O. Finley and Paul B. May and Grant M. Domke and Hans-Erik Andersen and George C. Gaines and Arne Nothdurft and Sudipto Banerjee},
journal= {arXiv preprint arXiv:2503.08653},
year = {2025}
}