三明治空间抽样模型的抽样精度最高,其次是空间分层抽样、简单随机抽样;布样时采用分层抽样方式,将地理区域上分布的对象依照相似的属性值划分到不同的区域里,可以明显提高抽样调查效率及估计精度。抽样调查是用抽样数据推断调查对象的属性,这一技术已广泛用于资源,环境,经济和社会等调查之中。相对与普查而言,抽样调查具有费用低,速度快和精度高等优点。一个好的抽样方案可以用较少的样本量获得较高精度的统计推断。

　　近年来,随着抽样技术的发展和应用的广泛性,越来越多的学者开始考虑往抽样过程中融入空间信息,内容涉及土地资源调查,农作物产量评估,病虫害监测等[7]以及多种空间抽样方法的研究,并将其与地理信息系统,遥感技术结合,形成更加高效率的空间抽样调查方法,并且形成了很多的抽样模型和抽样软件。研究主要涉及到三种空间抽样模型,包括空间简单随机抽样、空间分层抽样和三明治空间抽样模型。

　　按照分层随机模型中计算总样本量的方法计算研究区域总样本量,其次将样本量按权重分配到每个层内,可以平均分配,按各层总体单元数分配,按各层离散方差与总体规模乘积分配,其抽样有效性按次顺序提高。经过野外调查以后,计算各个层的样本均值和方差。均值的计算公式同简单随机均值计算公式一样。空间自相关是空间地理数据的重要性质,大部分的空间数据存在一定程度的空间自相关,是同时考虑数据的属性和空间位置两种信息,主要想法在于空间中邻近的资料通常比相离较远的资料具有较高的相似性,它反映了一个区域单元上某种地理现象或某一属性值与邻近区域单元上同一现象或属性值的相关程度。

　　如果我们有适当的历史或参考数据,但没有相关的先验知识或经验,则可以采用数据驱动的方法进行分层。如果既有适当的历史或参考数据,也有相关的先验知识或经验,则可以采用监督学习与非监督学习法相结合,在对结果进行解译,这种分层方法可以得到较理想的分层及估计效果,但是要求较高。