Leveraging national forest inventory data to estimate forest carbon density status and trends for small areas
本文提出一种贝叶斯时空小区域估计模型，直接利用样地级NFI数据和遥感辅助信息，在无需直接估计值的情况下提升美国县级森林碳密度现状与趋势估算的精度和准确性。
2025-03-11 stat.AP
Spatial-temporal prediction of forest attributes using latent Gaussian models and inventory data
针对美国农业部FIA项目基于设计的推断难以估计森林变量时间变化的问题，提出基于高斯过程的多尺度时空潜高斯模型，可在任意时空域推断森林变量及变化，并用其实现两处美国国家森林20年生物量变化的推断。
2025-06-05 stat.AP stat.ME
Mapping forest age using National Forest Inventory, airborne laser scanning, and Sentinel-2 data
林分的年龄是森林管理和养护许多方面的关键信息，但关于林分年龄的区域性信息往往不存在。在这项研究中，我们开发了回归模型，在挪威森林年龄的大规模区域范围内的预测。在模型开发中，我们使用了挪威国家森林资源清查（NFI）的4800多个地块，这些地块分布在挪威北纬58°至65°之间，研究面积为181，773平方公里。预测变量基于机载激光扫描（ALS），哨兵-2和现有的公共地图数据。我们进行了模型验证的一个独立的数据集，包括63云杉与已知年龄的立场。最好的建模策略是将独立的线性回归模型拟合到每个观测到的立地指数（SI）水平，并在模型的应用中使用SI预测图。最重要的预测变量是ALS身高的上百分位数，SI特定模型的均方根误差（RMSE）范围为3至31岁（6%至26%），平均为21岁（25%）。平均偏差（MD）范围为-1至3年。随着SI的增加，模型得到改善，对于100年以上的低SI林分，RMSE最大。使用映射的SI，这是实际应用中所需的，RMSE和MD在图级范围从19至56年（29%至53%），和5至37年（5%至31%），分别。对于验证支架，RMSE和MD分别为12年（22%）和2年（3%）。在描述年龄的模型中，由机载激光扫描估计的树高和预测的地位指数是最重要的变量。总体而言，我们获得了良好的结果，特别是对于具有高SI的看台，可以考虑用于实际应用，但如果有更好的SI地图，则可以看到相当大的改进潜力…
2020-04-28 stat.AP
Evaluating LiDAR Data Sources, Predictor Resolution, and Spatial Random Effects in Bayesian Change-of-Support Models for Forest Inventory
BOKU University（维也纳农业大学）；Michigan State University（密歇根州立大学）
本研究比较ULS与ALS数据结合贝叶斯变更支持模型估算混交林蓄积量，发现ULS模型预测误差更低（RMSPE降低13.8%），且及时高分辨率LiDAR数据比复杂空间模型更有价值。
2026-10-08 stat.AP
Dominant-feature identification in data from Gaussian processes applied to Finnish forest inventory records
在空间数据中，位置相关的变化导致了被称为特征的连接结构。变化发生在不同的空间尺度上，可能源于不同的底层过程。每一种尺度都有其自身的主要特征。在这里，我们介绍了一种统计方法，用于识别这些尺度和它们的主要特征的数据从高斯过程。这种识别包括通过尺度空间分解来识别主导特征，并通过估计潜在过程的协方差函数参数及其与潜在驱动因素的关联来评估特征属性。我们分析芬兰森林资源清查数据从20世纪20年代使用这种优势特征识别方法，并确定最常见的芬兰树木，包括苏格兰松，挪威云杉，桦树，和其他本土落叶树木的断面积估计的变化尺度。比较这些树种的尺度相关特征及其属性，我们确定了土壤和人为驱动因素对其断面积空间分布的不同影响。这些数据进行了分析，第一次在其规模的变化，并由此产生的规模依赖的地图和估计是一个重要的贡献，芬诺斯堪的纳维亚的历史森林生态。到目前为止，这种分析是不可能的传统方法。
2022-03-07 stat.AP stat.ME
Above-ground biomass change estimation using national forest inventory data with Sentinel-2 and Landsat 8
这项研究旨在利用免费提供的卫星图像，基于模型辅助估计，估计五年（2014-2019年）的森林地上净变化总量（Delta AGB，Mt）。该研究是在北方森林地区进行的（约。1.4 100万公顷），其中有双时期国家森林清查、哨兵-2号卫星和大地卫星数据。生物量的变化是基于直接的方法建模。在一个基本的扩展估计器中，仅使用NFI数据的估计精度与四种不同的替代模型辅助估计进行了比较，这些估计使用1）哨兵-2或Landsat数据，以及2）使用双时或单时遥感数据。我们发现，使用遥感数据提高了精度的纯实地估计的一个因素，高达三个。使用双时态Sentinel-2（标准误; SE= 1.7 Mt）的模型辅助估计发现了最精确的估计值。然而，使用大地卫星数据时精度下降幅度很小（标准误差= 1.92百万吨）。此外，我们发现，三角洲AGB也可以精确估计遥感数据时，只有在监测期结束。我们的结论是，卫星光学数据可以大大提高三角洲AGB的估计，即使在那些情况下，重复和重合的NFI数据。免费提供、全球覆盖、频繁更新和长期时间范围使Sentinel-2和Landsat等项目的数据成为对森林碳动态进行一致和持久监测的宝贵数据来源。
2020-10-27 q-bio.QM stat.AP
Hierarchical models for small area estimation using zero-inflated forest inventory variables: comparison and implementation
Michigan State University（密歇根州立大学）；Reed College（里德学院）；Redcastle Resources, Inc.（红城堡资源公司）；USDA Forest Service（美国农业部林务局）
本研究比较了九种小域估计方法，发现结合零膨胀两阶段建模、县级随机效应和空间随机效应的分层模型能最准确地估计美国县级森林生物量。
2025-11-09 stat.AP stat.ME
Bayesian Principal Component Regression model with spatial effects for forest inventory under small field sample size
遥感观测广泛用于分析环境变量。这些变量往往表现出空间相关性，在预测中使用的校准模型中必须考虑到这一点，要么直接建立相关性模型，要么考虑到空间相关的随机效应。许多遥感仪器的另一个特点是，推导出的预测变量是高度相关的，这可能导致不必要的模型过度训练，最坏的情况下，在估计奇异。这两个因素都会影响预测精度，特别是当用于模型校准的训练集很小时。为了克服这些建模的挑战，我们提出了一个通用的模型校准程序的遥感数据，并将其应用到机载激光扫描数据的森林资源清查。我们使用一个线性回归模型，该模型通过主成分和贝叶斯正则化来解释预测因子中的多重共线性。它有一个空间随机效应分量的空间相关性，不能解释一个简单的线性模型。一个有效的马尔可夫链蒙特卡罗抽样方案是用来占所有模型参数的不确定性。我们测试了所提出的模型对几个替代品，它优于其他线性校准模型，特别是当有空间效应，多重共线性和训练集大小很小。
2017-01-30 stat.AP stat.ME
Enhanced Forest Inventories for Habitat Mapping: A Case Study in the Sierra Nevada Mountains of California
Tesera Systems Inc.（泰塞拉系统公司）；University of Manitoba（曼尼托巴大学）
本文提出增强森林调查方法，通过整合遥感数据与地面调查，用于高分辨率野生动物栖息地制图，为森林管理和生态保护提供空间明确的工具。
2026-02-12 stat.AP
Validating remotely sensed biomass estimates with forest inventory data in the western US
School for Environment and Sustainability, University of Michigan（环境可持续发展学院，密歇根大学）；terraPulse, Inc.（terraPulse公司）
本研究利用美国森林调查数据对terraPulse公司的生物量数据进行独立验证，发现两者在不同尺度上均表现出高度一致性，为全球生物量监测提供了新的基准。
2025-06-03 cs.LG stat.AP
Small area estimation of forest biomass via a two-stage model for continuous zero-inflated data
本文针对森林生物量数据中的零膨胀问题，提出基于两阶段模型的小区域估计方法，并通过模拟和实际数据验证其优于传统估计量，同时开发了R包saeczi。
2024-06-07 stat.AP
Hierarchical spatial models for predicting tree species assemblages across large domains
被称为森林类型或森林类型组的树种组合的空间明确数据层是大规模评估森林可持续性、生物多样性、木材生物量、碳汇和森林健康监测的关键组成部分。本文探讨了耦合地理参考的国家森林资源清查（NFI）数据与现成的和空间完整的环境预测变量，通过空间变化的多项逻辑斯谛回归模型预测森林类型组在大型森林景观的效用。这些模型利用NFI图阵列内的潜在空间关联和预测变量的空间变化影响，以提高森林类型组预测的准确性。这些模型的丰富性带来了繁重的计算负担，我们讨论了维减少空间过程，保留丰富的建模。我们使用来自美国密歇根州的NFI数据进行说明，在那里我们对这个大型研究区域进行了全面分析，并通过相关的不确定性措施证明了改进的预测。
2009-10-08 stat.AP
Joint hierarchical models for sparsely sampled high-dimensional LiDAR and forest variables
遥感技术的最新进展，特别是光探测和测距（LiDAR）传感器，提供了以精细的空间分辨率量化大地理区域森林特征所需的数据。从推理的角度来看，有兴趣在预测和插值的稀疏采样和空间错位激光雷达信号和森林变量。我们提出了一个完全基于过程的贝叶斯分层模型，地上生物量（AGB）和激光雷达信号。基于过程的框架提供了丰富的推理能力，例如，对整个基本过程进行推断，而不是仅在预先指定的点进行估计。我们面临的主要挑战包括AGB观测和LiDAR信号之间的不一致，以及LiDAR信号与大量空间位置相结合产生的模型中的高维性。我们提供模拟实验来评估我们提出的模型，并将其应用于一个具有挑战性的数据集，包括LiDAR和空间重合的森林资源调查变量收集的Penobscot实验森林（PEF），缅因州。我们的主要实质性贡献包括AGB数据产品与PEF的相关不确定性措施，更广泛地说，一种方法，应该在各种当前和即将到来的森林变量绘图工作中使用稀疏采样的遥感高维数据。
2016-12-05 stat.AP
Dynamic spatial regression models for space-varying forest stand tables
许多森林管理规划决策是根据每单位面积的树种和直径的树木数量信息作出的。这些信息通常汇总在林分表中，林分被定义为一组树种组成、年龄、条件或生产力足够一致的林木，可以被视为规划目的的同质单位。通常用于构建林分表的信息是从使用基于概率的抽样设计选择的森林的观察子集中收集的。这样的取样活动是昂贵的，因此通常只观察到少量的样品单位。这种数据的缺乏意味着林分表只能估计相对较大的面积单位。现代森林管理规划和空间明确的生态系统模型需要林分表输入更高的空间分辨率比可以负担得起使用传统的方法提供。我们提出了一个动态的多变量泊松空间回归模型，可同时容纳观测到的直径分布之间的空间相关性，也在每个位置内的直径类之间的树木计数的相关性。为了改进未观测位置的拟合和预测，可以使用管理历史或遥感信息等辅助数据来估计直径比强度。该模型被用来分析不同的森林资源调查数据集收集的美国林务局佩诺布斯科特实验林在缅因州布拉德利。结果表明，明确建模的残差空间结构，通过一个多变量的高斯过程，并结合LiDAR协变量的森林结构的信息，提高模型拟合，可以提供高空间分辨率的林分表地图与相关的不确定性估计。
2014-11-03 stat.AP
Small area estimation of growing stock timber volume, basal area, mean stem diameter, and stem density for mountain forests in Austria
该研究利用 ALS 与移动激光扫描样地数据及小区域估计框架，对奥地利山地森林824个林分的蓄积量、直径、断面积和密度进行估计，发现简单模型可达到与复杂空间多变量模型相当的预测效果。
2025-07-23 stat.AP
Assessing and mitigating systematic errors in forest attribute maps utilizing harvester and airborne laser scanning data
定长切割收割机收集有用的信息，用于建模森林属性和机载激光扫描（ALS）数据之间的关系。然而，收割机在成熟的森林中作业，这可能会引入选择偏差，从而导致基于收割机数据的森林属性地图中的系统性错误。我们拟合回归模型（收割机模型）体积（V），高度（HL），茎频率（N），地上生物量，断面积，和平方平均直径（QMD）使用收割机和ALS数据。性能的收割机模型进行了评估，使用国家森林资源清查地块在8.7 Mha的研究领域。我们估计了大面积合成估计的偏差，并比较了模型辅助（MA）估计与基于现场数据的直接估计的效率。收获机模型在生产性森林中的表现优于非生产性森林，但两者都出现了系统误差。使用MA估计量导致HL的效率增益最大（相对效率，RE=6.0），QMD的效率增益最小（RE=1.5）。合成估计量的偏倚最大为N（39%），最小为V（1%）。后者是由于高估了落叶和低估了云杉林，偶然平衡。我们的结论是，可能需要一个参考观测的概率样本，以确保利用收割机数据估计的无偏性。
2022-12-19 stat.AP stat.OT
Geostatistical estimation of forest biomass in interior Alaska combining Landsat-derived tree cover, sampled airborne lidar and field observations
本研究的目标是开发和检查的性能相结合的实地清查测量，带状样品的机载激光雷达和Landsat的遥感数据产品，以预测地上生物量（AGB）在阿拉斯加州的塔纳纳谷内陆的地质统计coregionalization建模方法。所提出的建模策略有利于在整个空间域的AGB密度预测的像素级映射。此外，coregionalization框架允许统计上合理的估计总AGB任意面积单位内的研究领域-一个关键的进步，以支持阿拉斯加内陆的多样化管理目标。本研究的重点是适当的表征形式的后验预测覆盖区间和标准差的预测不确定性。使用这里详述的框架，可以量化任何空间范围的估计不确定性，从像素级的AGB密度预测到全域的AGB存量估计。激光雷达通知coregionalization模型始终优于其对应的激光雷达无模型的点级预测性能和总AGB精度。此外，将Landsat导出的森林覆盖率作为协变量，进一步提高了激光雷达采样强度较低地区的估计精度。我们的研究结果还表明，基于模型的方法，不明确占剩余的空间依赖可能会严重低估不确定性，导致错误的精确估计的AGB。另一方面，在地统计学环境中，残差空间结构可以在贝叶斯分层框架内建模，以获得统计上可辩护的AGB估计的不确定性评估。
2017-12-20 stat.AP
How reliable are remote sensing maps calibrated over large areas? A matter of scale?
本文利用地方与区域森林清查样地、ALS 和 Sentinel-2 数据校准 randomForest 模型，评估不同尺度和抽样投入下林分断面积地图的可迁移性，指出需重视模型有效域与外推风险。
2024-07-23 stat.AP
From pixels to parcels: flexible, practical small-area uncertainty estimation for spatial averages obtained from aboveground biomass maps
本研究针对森林地上生物量地图的空间平均值，提出了一种结合四类不确定性并考虑残差空间相关性的标准误估计方法，通过地块特征回归实现小区域不确定性估计，为森林碳核算提供支持。
2024-12-20 stat.AP
Residual Kriging for Regional-Scale Canopy Height Mapping: Insights into GEDI-Induced Anisotropies and Sparse Sampling
UMR TETIS（TETIS联合研究单位）；UMR Eco&Sols（Eco&Sols联合研究单位）；LSCE/IPSL；INRAE（法国国家农业食品与环境研究院）；CIRAD（法国农业研究国际中心）；Université Paris-Saclay（巴黎萨克雷大学）
本研究比较 U-Net 与随机森林模型在 GEDI 数据上的冠层高度制图，发现残差克里金空间插值能有效校正各向异性并提升精度，使随机森林结合插值达到与 U-Net 相当的性能。
2025-10-17 physics.geo-ph stat.AP
Model-assisted estimation of domain totals, areas, and densities in two-stage sample survey designs
本研究提出了一套用于两阶段抽样设计的模型辅助估计量，包括新的密度估计量，并通过模拟验证了机载遥感数据在抽样模式下能提高国家森林清查估计精度与效率。
2024-02-16 math.ST stat.AP stat.TH
Global-scale massive feature extraction from monthly hydroclimatic time series: Statistical characterizations, spatial patterns and hydrological similarity
水文气候时间序列分析集中于几种特征类型（例如，自相关、趋势、极值），它们描述了观测的整个信息内容的一小部分。旨在利用更大部分的可用信息，从而提供更可靠的结果（例如，在水文气候时间序列聚类上下文中），在这里，我们以不同的方式处理水文气候时间序列分析，即，通过大量的特征提取在这方面，我们开发了一个水文气候变量行为表征的大数据框架。这一框架依赖于大约60种不同的特征，并且是完全自动的（从某种意义上说，它不依赖于手头的水文气候过程）。我们应用新的框架来表征月平均温度，月总降水量和月平均河流流量。这些应用是在全球范围内进行的，利用了来自13 000多个台站的长达40年的时间序列。我们提取可解释的知识，季节性，趋势，自相关，长期依赖性和熵，以及不太频繁遇到的特征类型。我们进一步比较检查水文气候变量类型的知识，并确定相关的空间变异性的功能模式。对于后者的目的，我们还提出并利用水文气候时间序列聚类方法。这种新的方法是基于Breiman的随机森林。全球尺度的应用程序所获得的描述性和探索性的见解证明了在水文气候背景下所采用的功能汇编的有用性。此外，新方法提供的集群特征的空间相干模式建立了对其未来开发的信心。
2021-01-15 stat.AP stat.CO stat.ME
Foundation for unbiased cross-validation of spatio-temporal models for species distribution modeling
Skolkovo Institute of Science and Technology（斯克洛夫诺科学与技术研究所）
本文提出基于空间自相关阻塞和外部时间验证的稳健SDM工作流程，以提高物种分布模型在空间和时间转移中的可靠性。
2025-12-19 cs.LG stat.AP
