1.森林蓄积量的无偏预估方法，其特征在于：包括以下步骤：

1)收集对象地域最近连续的p期有林地面积与森林蓄积量实测时间序列成对数据，且p＞2n+1，n为公式(1)中模型的阶；

2)通过步骤1)收集的数据，基于自回归滑动平均模型与广义最小二乘算法，预估对象地域的森林蓄积量，具体如下：a、森林蓄积量时间序列模型与噪声滞后算子多项式：设森林蓄积量的时间序列模型为：其中：n为模型的阶；

k、j均为常数且k＞j，y(k)为系统的输出，代表第k期的森林蓄积量；

y(k-j)为系统的历史输出，代表第k-j期的森林蓄积量；

u(k-j)为系统可确定性输入，代表第k-j期的有林地面积；

aj为自回归系数，bj为输入传递系数，即aj与bj为森林蓄积量时间序列模型的参数；

ξ(k)为第k期的残差，即模型的有色噪声；

设噪声滞后算子多项式为：

其中：z-i(i＝1,2,...,n)为滞后算子，a1,a2,…,an,b0,b1,b2,…,bn为参数；

则公式(1)可表示为：

a(z-1)y(k)＝b(z-1)u(k)+ξ(k)   (3)b、确定模型阶n：

令θ＝(a1,a2,...,an,b0,b1...,bn)，代表模型参数向量；用不同阶次的模型进行最小二乘拟合，计算拟合优度其中 是在某一阶次下模型的参数θT估计量；

当模型阶次增加时， 的值减小，在显著减小终止时，对应模型的阶次即为合适的模型阶次；

c、计算参数的一次估计量，即广义最小二乘算法需先求的量：设白化滤波器即白化函数为：f(z-1)＝1+f1z-1+…+fmz-m；   (4)其中：z-j(j＝1,2,...,m)为滞后算子，f1,f2,…,fm为参数；

有色噪声ξ(k)与白噪声w(k)的转化关系为其中f(z-1)为白化滤波器；

令公式(5)中的f(z-1)＝1，即噪声模型参数向量f为m维零向量，其中f＝(f1,f2,...,fm)，则模型公式(1)或公式(3)的残差便退化为白噪声，即ξ(k)＝w(k)；

令

其中： 为n期历史输出信息；

为n+1期输入信息；

当得到p对采样值 k＝n+1,n+2,...,n+p时，根据y(k)＝xT(k)θT+ξ(k)，得出向量矩阵模型：Y＝XθT+ξ；    (6)其中：

YT＝(y(n+1),y(n+2),...,y(n+p))，ξT＝(ξ(n+1),ξ(n+2),...,ξ(n+p))，按普通最小二乘法求得θT的一次近似估计量：d、求噪声模型参数向量：

令 φT(k)代表森林生态系统随机干扰下的有色噪声序列；利用 及各期的成对样值，由y(k)＝xT(k)θT+ξ(k)算出模型各期有色噪声ξ(k)的估计值：将得到的 分别代入 得到：根据向量矩阵模型：

其中：

wT＝(w(n+1),w(n+2),...,w(n+p))；

利用利用普通最小二乘法求得fT的估计量：其中： 为 的转置；

e、计算滤波信号：

将公式(5)代入a(z-1)y(k)＝b(z-1)u(k)+ξ(k)，得a(z-1)f(z-1)y(k)＝b(z-1)f(z-1)u(k)+w(k)；

利用步骤d得到的 计算输入滤波信号：与输出滤波信号：

以及输入输出滤波信号：

f、求参数的二次估计量：

根据步骤d求得 再根据步骤e，求得 与用 与 分别代替公式f(z-1)y(k)＝f(z-1)xT(k)θT+w(k)中的y(k)与xT(k)，得到输出滤波信号与输入输出滤波信号间的普通线性回归模型：当k＝n+1,n+2,…,n+p时，得向量矩阵模型：其中：

T

利用普通最小二乘法求得θ的二次近似估计量：g、计算参数最终估计量：

用 取代 根据步骤d，计算根据步骤f，计算得到参数的三次近似估计量如此反复迭代，直到 其中：i为 的第i次迭代，N为 的迭代总次数；

此时，θT的估计量 再将 代入得y(k)的估计值或预测值，即得对象地域第k期森林蓄积量的估计值或预测值。