Zur Kurzanzeige

New adaptive plot designs for sampling rare and clustered populations

dc.contributor.advisorKleinn, Christoph Prof. Dr.de
dc.contributor.authorYang, Haijunde
dc.date.accessioned2012-02-07T15:12:48Zde
dc.date.accessioned2013-01-18T11:00:13Zde
dc.date.available2013-01-30T23:51:27Zde
dc.date.issued2012-02-07de
dc.identifier.urihttp://hdl.handle.net/11858/00-1735-0000-0006-B151-Ade
dc.identifier.urihttp://dx.doi.org/10.53846/goediss-2343
dc.description.abstractIn der vorliegenden Studie werden drei neue methodische Ansätze für adaptive Stichprobenverfahren (Aufnahmeverfahren I, II und III) vorgestellt, um die Effizienz der Erfassung von seltenen und räumlich geklumpten Populationen in Waldinventuren oder Ökologischen Aufnahmen zu steigern.Die vorgeschlagenen Aufnahmeverfahren I und II sind für Probeflächen festgelegter Größe und Form gedacht, während Aufnahmeverfahren III für die Winkelzählprobe konzipiert ist. Die vorgeschlagenen Aufnahmeverfahren beruhen auf einem einfach umzusetzenden Ansatz der bedingten einmaligen Erweiterung der Aufnahmefläche . Die Anpassung bzw. einmalige Vergrößerung eines Stichprobenplots erfolgt hierbei, sobald in einem initialen Probeplot ein festgelegter kritischer Wert beobachtet wird. Hierdurch wird die Erweiterung der Aufnahmeeinheiten im Vergleich zu herkömmlichen adaptiven Verfahren vereinfacht und erfolgt nicht, wie z.B. dem Adaptive Cluster Sampling, durch einen zeitaufwändigen und fehlerbehafteten sequenziellen Prozess.Die Entwicklung der statistischen Schätzer für die vorgestellten Verfahren beruht auf dem Konzept einer unendlichen Population. Auf dieser Grundlage kann die Einschlusswahrscheinlichkeit jedes einzelnen Elementes analytisch hergeleitet und im Rahmen des Horvitz-Thomson-Schätzers verwendet werden. Zusätzlich wird für das vorgeschlagene Aufnahmeverfahren I der Mittelwertschätzer der zweiphasigen Stichprobe zur Stratifizierung (double sampling for stratification, DSS) angewendet. Im Rahmen von Simulationen der Aufnahmeverfahren wird zum einen die herkömmliche Monte Carlo Simulation einer sehr hohen Anzahl von Zufallsstichproben verwendet, zum anderen werden die tatsächlichen Einschlusswahrscheinlichkeiten der Stichprobenelemente auf Grundlage einer analytischen räumlichen Aufteilung des flächenhaften Stichprobenraums in einzelne Einschlussflächen hergeleitet (jigsaw Puzzle). Auf diese Weise können die relativen Standardfehler im Prozent (SE%) für verschiedene Aufnahme-Alternativen vergleichend gegenüber gestellt werden. Die Kosten Funktionen zur Evaluierung der Gesamt-effizienz der vorgeschlagenen Aufnahmen werden entwickelt.Die Ergebnisse, die für einen realen geklumpten Waldbestand und elf weitere, künstlich generierte räumliche Baum-Verteilungsmuster hergeleitet wurden, zeigen dass (1) die vorgeschlagenen adaptiven Aufnahmeverfahren den SE% bei einem geringen Anteil erweiterter Aufnahmeeinheiten in geklumpten Populationen deutlich verringern. Im Fall von zufälligen oder gleichmäßigen Verteilungsmustern wir eine geringe Verbesserung des Standardfehlers erzielt, wobei hier ein hoher Anteil von Aufnahmeeinheiten erweitert wird. (2) Der SE% der vorgeschlagenen Aufnahmeverfahren I, II und III sinkt wie erwartet mit zunehmender Größe der initialen Aufnahmefläche und nimmt mit zunehmendem kritischen Wert zu. (3) Der SE% des Aufnahmeverfahrens I und III nimmt mit zunehmendem Flächen-Erweiterungsfaktor ab; (4) Der SE% des Aufnahmeverfahrens II nimmt für die simulierten geklumpten Populationen mit zunehmender sub-plot Entfernung zu; und (5) Für die stark geklumpten Verteilungsmuster produziert Aufnahmeverfahren I vergleichsweise geringere SE%.Die abgeleiteten Ergebnisse lassen folgende Schlussfolgerungen zu: (1) der verwendete DSS Schätzer weist für das vorgeschlagene Aufnahmeverfahren I eine negative systematische Verzerrung auf; (2) die drei vorgeschlagenen adaptiven Aufnahmeverfahren sind für Schätzungen über seltene oder räumlich geklumpte Ereignisse im Vergleich zu nicht-adaptiven Standardverfahren überlegen; (3) Jedoch stellt das Schätzdesign hierbei erhöhte Anforderungen; und (4) weitere Simulationsstudien auf Grundlage von Verteilungsmustern mit unterschiedlich starker räumlicher Klumpung sind nötig, um die Effizienz des Aufnahmeverfahrens III abschließend zu evaluieren.de
dc.format.mimetypeapplication/pdfde
dc.language.isoengde
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/de
dc.titleNew adaptive plot designs for sampling rare and clustered populationsde
dc.typedoctoralThesisde
dc.title.translatedNeue Ansätze für adaptive Stichprobenverfahren zur Erfassung von seltenen und räumlich geklumpten Populationende
dc.contributor.refereeKleinn, Christoph Prof. Dr.de
dc.date.examination2011-11-28de
dc.subject.dnb500 Naturwissenschaftende
dc.description.abstractengIn this methodological study, three new and more practical adaptive plot designs (I, II and III) are introduced with an overall objective to improve the efficiency of sampling rare and geographically clustered populations in forest inventories and ecological surveys.Plot design I and II are proposed for fixed-area plot sampling and plot design III for relascope sampling. They all employ a simple approach of conditional one-off expansion of initial plots : whenever an observed value from an initial sample plot satisfies a predefined condition in terms of a critical value (CrV), an expanded plot will be installed there. Thereby their adaptation processes need not to be conducted in a time-consuming and error-prone sequential fashion as known in the conventional adaptive cluster sampling. Under plot design I and III, the plot size factor (PSF) defines how much larger the expanded plot area is in relation to the initial plot. An expanded plot under plot design II consists of five subplots, four of which are additionally installed at a given distance (subplot distance) from the sample point.The estimation design in this study follows the infinite population approach. The Horvitz-Thompson estimator is constructed for all proposed plot designs based on the concept of inclusion zone. In addition, the mean estimator for double sampling for stratification (DSS) is applied for the first proposed plot design. The traditional Monte-Carlo simulation of a large number of random samples and the jigsaw-puzzle approach are used for the estimation and direct calculation of the relative standard error in percentage (SE%) respectively. The cost function for each adaptive plot design is developed for evaluating its overall efficiency.The results from one clustered real and eleven artificial populations with different spatial patterns demonstrate that: (1) the proposed adaptive plot designs lower the SE% considerably with low average percentage of expanded plots for the geographically clustered populations, and only slightly for the random and uniform populations but with high average percentages of expanded plots; (2) the SE% from plot design I, II and III decreases with increasing initial sample plot size as expected, but increases with growing CrV; (3) the SE% from plot design I and III decreases with increasing PSF; (4) the SE% from plot design II increases with growing subplot distance for the simulated clustered populations; and (5) on a comparable basis, plot design I produces a noticeable lower SE% than plot design II for the compactly clustered populations.It is concluded that: (1) the standard DSS estimator for the mean as used for plot design I presented in this study is negatively biased; (2) the proposed three adaptive plot designs are superior to their nonadaptive counterparts in sampling rare and geographically populations if appropriately configured; (3) effort for estimation is problematic for the proposed plot designs; and (4) further simulation studies with populations of different degrees of spatial clustering are needed for plot design III to have a comprehensive insight into the influences of clustering on its performance.de
dc.contributor.coRefereeSaborowski, Joachim Prof. Dr.de
dc.contributor.thirdRefereeAmmer, Christian Prof. Dr.de
dc.subject.topicForest Sciences and Forest Ecologyde
dc.subject.gerWaldinventurde
dc.subject.geradaptives Aufnahmeverfahrende
dc.subject.gerStichprobensimulationde
dc.subject.gerSchätzverfahrende
dc.subject.engForest inventoryde
dc.subject.engadaptive plot designde
dc.subject.engsampling simulationde
dc.subject.engestimation designde
dc.subject.bk48.03de
dc.subject.bk48.30de
dc.identifier.urnurn:nbn:de:gbv:7-webdoc-3358-8de
dc.identifier.purlwebdoc-3358de
dc.affiliation.instituteFakultät für Forstwissenschaften und Waldökologiede
dc.subject.gokfullYVT000de
dc.identifier.ppn690164483de


Dateien

Thumbnail

Das Dokument erscheint in:

Zur Kurzanzeige