National Forest Inventories (NFI) are designed to produce unbiased estimates of forest parameters at a variety of scales. These parameters include means and totals of current forest area and volume, as well as components of change such as means and totals of growth and harvest removals. Over the last several decades, there has been a steadily increasing demand for estimates for smaller geographic areas and/or for finer temporal resolutions. However, the current sampling intensities of many NFI and the reliance on design-based estimators often leads to inadequate precision of estimates at these scales. This research focuses on improving the precision of forest removal estimates both in terms of spatial and temporal resolution through the use of small area estimation techniques (SAE). In this application, a Landsat-derived tree cover loss product and the information from mill surveys were used as auxiliary data for area-level SAE. Results from the southeastern US suggest improvements in precision can be realized when using NFI data to make estimates at relatively fine spatial and temporal scales. Specifically, the estimated precision of removal volume estimates by species group and size class was improved when SAE methods were employed over post-stratified, design-based estimates alone. The findings of this research have broad implications for NFI analysts or users interested in providing estimates with increased precision at finer scales than those generally supported by post-stratified estimators.

中文翻译：

---

利用小面积估算技术提高大规模林地砍伐估算的精度

国家森林清单（NFI）旨在产生各种规模的森林参数无偏估计。这些参数包括当前森林面积和体积的均值和总量，以及变化的组成部分，例如生长和采伐量的均值和总量。在过去的几十年中，对于较小的地理区域和/或更精细的时间分辨率的估计一直在稳定增长。但是，当前许多NFI的采样强度以及对基于设计的估计器的依赖通常导致这些级别的估计精度不足。这项研究的重点是通过使用小面积估算技术（SAE）在空间和时间分辨率方面提高森林砍伐估算的精度。在此应用程序中，a Landsat得出的树木覆盖率损失产品，以及来自工厂调查的信息被用作区域级SAE的辅助数据。美国东南部的结果表明，使用NFI数据在相对精细的时空尺度上进行估算时，可以实现精度的提高。具体而言，当采用SAE方法而不是仅基于基于设计的后分层估算方法时，按物种组和大小类别估算的清除量估算方法的精度将会提高。这项研究的发现对NFI分析师或用户有意提供比后分层估算器通常支持的更精细的精度更高的估算值，从而对NFI分析师或用户产生广泛的影响。美国东南部的结果表明，使用NFI数据在相对精细的时空尺度上进行估算时，可以实现精度的提高。具体而言，当采用SAE方法而不是仅基于基于设计的后分层估算方法时，按物种组和大小类别估算的清除量估算方法的精度将会提高。这项研究的发现对NFI分析师或用户有意提供比后分层估算器通常支持的更精细的精度更高的估算值，从而对NFI分析师或用户产生广泛的影响。美国东南部的结果表明，使用NFI数据在相对精细的时空尺度上进行估算时，可以实现精度的提高。具体而言，当采用SAE方法而不是仅基于基于设计的后分层估算方法时，按物种组和大小类别估算的清除量估算方法的精度将会提高。这项研究的发现对NFI分析师或用户有意提供比后分层估算器通常支持的更精细的精度更高的估算值，从而对NFI分析师或用户产生广泛的影响。仅基于设计的估算。这项研究的发现对NFI分析师或用户有意提供比后分层估算器通常支持的更精细的精度更高的估算值，从而对NFI分析师或用户产生广泛的影响。仅基于设计的估算。这项研究的发现对NFI分析师或用户有意提供比后分层估算器通常支持的更精细的精度更高的估算值，从而对NFI分析师或用户产生广泛的影响。