Skip to main content

Stratification by ancillary data in multisource forest inventories employing k-nearest-neighbour estimation

Buy Article:

$50.00 plus tax (Refund Policy)


The Finnish multisource national forest inventory (MS-NFI) utilizes optical area satellite images and digital maps in addition to field plot data to produce georeferenced information, thematic maps, and small-area statistics. In the early version, forestry land (FRYL) was taken directly from the numerical map data. Such data may be outdated and can contain significant errors, for example, the FRYL area is typically overestimated and the mean volume is underestimated. A statistical calibration method has been introduced to reduce the map errors on multisource forest resource estimates. It is based on large-area estimates of map errors, a confusion matrix among land-use classes of the field sample plots, and corresponding map information. The method has some drawbacks: calculations are more complicated than in the original MS-NFI and some field plots may have negative expansion factors. The paper presents a new stratified MS-NFI method to reduce the effect of inaccurate map data on the forest-resource estimates. In this method, the k-nearest-neighbour (k-NN) estimation is applied by strata. All the field plots within each map stratum, independently of their land-use classification by field crew, are used to estimate the areas of land-use classes and forest variables of that stratum. The method was tested on two large areas containing three Landsat 5 TM scenes and field-inventory data from the ninth NFI. The stratified MS-NFI is essentially a different estimation method compared with the calibrated MS-NFI, which calibrates the MS-NFI estimates more or less systematically in one direction. The stratified MS-NFI was found to be statistically simpler and there were fewer significant errors in the estimates than in the calibrated MS-NFI.

L'inventaire forestier national multisource de la Finlande (MS-NFI) utilise les images satellitaires optiques et les cartes numérisées, en plus des données provenant de parcelles terrestres, pour produire l'information à référence spatiale, les cartes thématiques et les estimations pour de petites surfaces. Dans la version antérieure, le territoire forestier était obtenu directement à partir des cartes numériques. Or ces cartes peuvent être obsolètes et contenir des erreurs importantes : par exemple, la superficie du territoire forestier est typiquement surestimée et le volume moyen est sous-estimé. Une méthode de calibration statistique a été développée pour réduire les erreurs d'estimation multisource des ressources forestières à partir des cartes. Cette méthode est basée sur l'estimation des erreurs des cartes sur de grandes superficies au moyen d'une matrice de confusion entre les classes d'affectation des terres obtenues à partir des parcelles terrestres et l'information correspondante provenant des cartes. Elle comporte certains inconvénients. Les calculs sont plus compliqués qu'avec le MS-NFI original et certaines parcelles terrestres peuvent avoir des facteurs d'expansion négatifs. Cet article présente une nouvelle méthode, le MS-NFI stratifié, pour réduire l'effet des données erronées dans les cartes sur l'estimation des ressources forestières. Avec cette méthode, l'estimation k-NN est appliquée à chaque strate. Toutes les parcelles terrestres dans chaque strate, indépendamment de leur classification pour l'affectation du sol par les équipes de terrain, sont utilisées pour estimer l'aire selon la classe d'affectation des terres et les données forestières de cette strate. La méthode a été testée sur deux grandes zones couvertes par trois images Landsat 5 TM et les données d'inventaire terrestre du neuvième inventaire national de la Finlande. Essentiellement, le MS-NFI stratifié est une méthode d'estimation différente du MS-NFI calibré qui calibre les estimations du MS-NFI plus ou mois systématiquement dans une direction. Le MS-NFI stratifié s'est révélé plus simple du point de vue statistique et les estimations comportent significativement moins d'erreurs qu'avec le MS-NFI calibré. [Traduit par la rédaction]

Document Type: Research Article

Publication date: 2002-09-01

More about this publication?
  • Published since 1971, this monthly journal features articles, reviews, notes and commentaries on all aspects of forest science, including biometrics and mensuration, conservation, disturbance, ecology, economics, entomology, fire, genetics, management, operations, pathology, physiology, policy, remote sensing, social science, soil, silviculture, wildlife and wood science, contributed by internationally respected scientists. It also publishes special issues dedicated to a topic of current interest.
  • Information for Authors
  • Submit a Paper
  • Subscribe to this Title
  • Terms & Conditions
  • Sample Issue
  • Reprints & Permissions
  • Ingenta Connect is not responsible for the content or availability of external websites
  • Access Key
  • Free content
  • Partial Free content
  • New content
  • Open access content
  • Partial Open access content
  • Subscribed content
  • Partial Subscribed content
  • Free trial content
Cookie Policy
Cookie Policy
Ingenta Connect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more