Bedingte Vorhersagefehler für Punkt- und Flächenvorhersagen bei Stichprobeninventuren im Wald

Krigingverfahren，häufig mit Hilfsvariablen，sind interessante Verfahren für viele Fragen der Waldinventur，Waldstrukturanalysis 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 klassichen Stichprobenfehler designbasierter Verfahren verglichen韦尔登können.在其他方面，他们的批评沃登很严厉，他们的工作重点是所有未完成的过程模型的实现，以及解决这些问题的方法。在这个项目中，必须确定MSPE（均方预测误差）的估计值，并在基础地质统计学模型上进行计算。Neben theoretischen Lösungen in Spezialfällen wird dabei die bedingte Simulation stochastischer Prozesse bei unterschedlichen Verteilungsannahmen eine zentrale Rolle spielen.因此，我们必须确保在实际工作中落实执行韦尔登建议。Als modellabhängiges Fehlermasterist der geschätzte bedingte MSPE schließlich auch ein potentielles Masteniers für die Fehler，die aus systematischen Stichproben 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.