Geostatistical methods for double sampling schemes : Habilitationsschrift, Eidgenössische Technische Hochschule

Zürich

1993

146 S.

28 Abb., 7 Tab., zahlr. Lit. Ang.

Monographie

15482

132678

Die Arbeit stellt verschiedene geostatistische Schätzverfahren für zweiphasige Stichprobenerhebungen vor, wie sie im Rahmen kombinierter Forstinventuren verwendet werden. Das Ziel ist die Herleitung effizienter Schätzungen der räumlichen Mittelwerte bestimmter Grössen. Verknüpft wird eine kleine Stichprobe exakter, teurer Beobachtungen (z.B. terrestrische Proben) mit einer grossen, billigen Stichprobe aus Hilfsbeobachtungen, meist qualitativer Natur (z.B. Luftbildproben). Der Grund für die Verwendung der Geostatistik liegt darin, dass im Rahmen von Erhebungen auf globaler Ebene die klassischen Verfahren für lokale Schätzprobleme nur bedingt brauchbar sind. Diese Problematik gewinnt immer mehr an Bedeutung in der Forstinventur. Die vorgeschlagenen Schätzverfahren (Kriging mit Fehlern, Doppel- und Universal-Kriging) sind einfach einzusetzen, sofern man a priori über ein Modell verfügt, welches mittels der Hilfsbeobachtungen Prognosen für die exakten Beobachtungen liefert. Hingegen entstehen mathematische Schwierigkeiten für die Schätzung der residuellen räumlichen Kovarianz, falls das Modell mit den erhobenen Daten angepasst werden muss; die residuelle Kovarianz kann dann mit Verfahren der kleinsten Quadrate oder des eingeschränkten Maximum Likelihood geschätzt werden, wobei letzteres bei stärkerer räumlicher Korrelation effizienter ist. In bezug auf Einfachheit, Effizienz und Zuverlässigkeit schneidet das Doppel-Kriging Verfahren am besten ab; es besteht aus getrenntem Kriging der Modellprognosen und der Residuen mit anschliessender Addition beider Schätzwerte und Fehlervarianzen. Eine kombinierte Forstinventur, ergänzt durch eine Vollerhebung, illustriert die Verfahren und erlaubt eine erste Validierung. Es stellt sich heraus, dass die geostatistischen Verfahren den klassischen überlegen sind, sowohl hinsichtlich des Bias als auch der Fehlervarianz, vor allem für lokale Schätzprobleme.