Bedingte Vorhersagefehler für Punkt- und Flächenvorhersagen bei Stichprobeninventuren im Wald

Krigingverfahren，Hit Hilfsariablen，sind interessante Verfahren für viele Fragen der Waldinvur，Waldstrukturanalyze and Regionalisierung von Stichprobendaten。Verbreitete Fehlermaüe für在Diesen Gebieten vorgenommenen räumlichen Punkt-und Flächenvor hersagen sind Kriging-and DisdissionsVarianz中，设计了Verfahren verglichen verglichen设计人员。在Anden Anwendungsgebieten sind ie bereits häuig kritisiert Worden，da sie Erwartungswerteüber alle Realisierungen des unterstellten Prozessmodells darstellen and als solche unabhängig von den konkreten Messages Wind sind sind.在预测均方误差(MSPE)、均方预测误差(MSPE)、基本地质统计模型(AUF DER BASIC GISTISTISCHER MODELLE UNTRUTHIT)的基础上，提出了一种新的预测方法。L的理论在空间上的应用模拟随机过程和垂直地衣。他说：“这是一件非常重要的事情。”ALS modellabhängies Fehlermaçist der geschätzte bedingte MSPE Schlieülich a许ein Potelle Ma？für die Fehler，die Aus Systatischen Stichpron Resultieren.

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.