自适应群团抽样方法是一种对观测目标进行自适应抽样的方法。它利用了观测目标稀有且呈聚集分布的特点，比传统的抽样方法有更高的效率。这种方法通过给定参数，将总体唯一地划分为网络，并基于网络得到两个无偏估计，即修正的Hansen-Hurvitz估计量与修正的Horvitz-Thompson估计量。这种事先分割调查区域为样本单元的抽样方法对区域总体是有一定要求的，而这种分割往往受调查区域的实际环境条件所限无法完成。 在林业资源调查背景下，Roesh提出的自适应群团抽样方法将调查区域内的每棵树木单株作为个体，避免了调查区域分割的问题。但这种方法在实际应用中也存在一些困难。比如如何从最初的布点得到观测目标，网络不能被全部选入样本等问题。 在林业珍稀物种资源调查中，我们将调查区域中的点视为抽样的个体，设计了一种针对无穷总体的点自适应抽样方法，给出了基于网络的HH估计量和HT估计量，证明了它们都是单位面积珍稀物种数量的无偏估计量，并给出其方差和方差的估计方法。 这种抽样方法弥补了上面抽样方法的不足，并通过实例模拟验证了这种抽样方法的可行性。与简单随机抽样和自适应群团抽样的估计量相比，这种抽样方法的估计量有更小的均方误差。 此外，我们还给出了“最终样本覆盖率”，即抽样得到的最终样本面积占调查区域总面积的比例。这个指标意在考察实际调查中完成整个抽样方案的实际工作量。通过比较最终样本覆盖率，从成本的角度分析不同抽样方法的优势大小。