Nghiên cứu chọn giống bạch đàn (eucalyptus) dựa trên các tính chất cơ học gỗ sử dụng công nghệ sóng ứng suất

ĐẠI HỌC THÁI NGUYÊN TRƯỜNG ĐẠI HỌC NÔNG LÂM PHẠM VĂN TRUNG NGHIÊN CỨU CHỌN GIỐNG BẠCH ĐÀN (Eucalyptus) DỰA TRÊN CÁC TÍNH CHẤT CƠ HỌC GỖ SỬ DỤNG CƠNG NGHỆ SÓNG ỨNG SUẤT Ngành: Lâm học Mã số ngành: 8620201 LUẬN VĂN THẠC SĨ LÂM NGHIỆP Người hướng dẫn khoa học: TS Dương Văn Đoàn TS Nguyễn Văn Thái Thái Nguyên - 2022 i LỜI CAM ĐOAN Tôi xin cam đoan nội dung nghiên cứu riêng thân Các số liệu kết nghiên cứu trình bày khóa luận trung thực Kết nghiên cứu chưa sử dụng công bố tài liệu khác Nếu có sai tơi xin hồn tồn chịu trách nhiệm./ Thái Ngun, ngày … tháng … năm 2022 Xác nhận GVHD Học viên TS Dương Văn Đoàn Phạm Văn Trung ii LỜI CẢM ƠN Trong hai năm học qua mái trường Đại học Nông Lâm Thái Nguyên, giúp đỡ bảo nhiệt tình, tâm huyết thầy, giáo trường nỗ lực thân Đến nay, em hồn thành nội dung mơn học khóa học theo quy định Nhà trường, để đánh giá kết sau thời gian học tập, nghiên cứu trường, nhằm vận dụng lý thuyết thực tiễn, trí Ban giám hiệu nhà trường, Ban chủ nhiệm khoa Lâm Nghiệp Trường Đại học Nông Lâm Thái Nguyên, đặc biệt bảo, giúp đỡ tận tình thầy giáo, giảng viên hướng dẫn TS Dương Văn Đoàn TS Nguyễn Văn Thái, em tiến hành nghiên cứu đề tài: “Nghiên cứu chọn giống Bạch đàn (Eucalyptus) dựa tính chất học gỗ sử dụng cơng nghệ sóng ứng suất” Để hoàn thành luận văn thời gian nghiên cứu, trao đổi, hướng dẫn Thầy trò ngày lấy mẫu Trung tâm Khoa học Lâm nghiệp Bắc Trung Bộ, Đông Hà, Quảng Trị Có kết ngày hơm nay, em xin bày tỏ lòng biết ơn sâu sắc đến Ban giám hiệu nhà trường, Ban chủ nhiệm khoa Lâm Nghiệp, Viện khoa học Lâm nghiệp Việt Nam, Viện Lâm nghiệp Phát triển bền vững tất thầy – tận tình dìu dắt em suốt thời gian học tập trường, anh chị, cô công tác Ban quản lý rừng phòng hộ, đặc dụng tỉnh Thái Nguyên giúp đỡ tạo cho em môi trường tốt để em thực đề tài Đặc biệt em xin bày tỏ lòng biết ơn tới thầy giáo, giảng viên hướng dẫn TS Dương Văn Đoàn TS Nguyễn Văn Thái, em cảm ơn quan tâm, giúp đỡ nhiệt tình thầy tận tình bảo, hướng dẫn để em hồn thành khóa luận Trong q trình nghiên cứu cố gắng lý chủ quan, khách quan thời gian kinh nghiệm cịn hạn chế, iii khóa luận em khơng tránh khỏi thiếu sót, em kính mong nhận đóng góp ý kiến, bổ sung thầy - cô giáo bạn bè để khóa luận em hồn thiện tốt Em xin chân thành cảm ơn! Thái Nguyên, ngày … tháng … năm 2022 Học viên Phạm Văn Trung iv MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii MỤC LỤC iv DANH MỤC CÁC TỪ VIẾT TẮT vi DANH MỤC CÁC BẢNG vii DANH MỤC CÁC HÌNH .VIII MỞ ĐẦU 1 Đặt vấn đề .1 Mục tiêu nghiên cứu đề tài 2.1 Mục tiêu chung Error! Bookmark not defined 2.2 Mục tiêu cụ thể Error! Bookmark not defined Ý nghĩa đề tài 3.1 Ý nghĩa học tập 3.2 Ý nghĩa khoa học 3.3 Ý nghĩa thực tiễn Chương TỔNG QUAN NGHIÊN CỨU .6 1.1 Tổng quan vấn đề nghiên cứu 1.1.1 Nghiên cứu nước 1.1.2 Nghiên cứu giới 1.2 Điều kiện tự nhiên nơi thực chương trình khảo nghiệm Bạch đàn 19 1.2.1 Điều kiện tự nhiên nơi thí nghiệm Quảng Trị 19 1.2.2 Đặc điểm lịch sử đất rừng trồng thí nghiệm Quảng trị .20 1.2.3 Phương pháp thiết kế thí nghiệm khảo nghiệm dòng Bạch đàn 20 1.2.4 Kết đánh giá sinh trưởng suất dòng Bạch đàn 21 Chương ĐỐI TƯỢNG, PHẠM VI, NỘI DUNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU 22 2.1 Đối tượng phạm vi nghiên cứu .22 v 2.1.1 Đối tượng nghiên cứu 22 2.1.2 Phạm vi nghiên cứu 22 2.1.3 Địa điểm thời gian nghiên cứu 22 2.2 Nội dung nghiên cứu 23 2.3 Phương pháp nghiên cứu 23 2.3.1 Cách tiếp cận 23 2.3.2 Phương pháp thu thập mẫu xử lý mẫu 24 2.3.3 Phương pháp xử lý số liệu 30 Chương KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 31 3.1 Sự biến động giá trị khối lượng thể tích bên dịng dòng Bạch đàn 31 3.2 Sự biến động tính chất học (MOEd) đo phương pháp khơng phá hủy bên dịng Bạch đàn .34 3.3 Sự biến động tính chất học (MOE, MOR) đo phương pháp phá hủy bên dòng Bạch đàn .37 3.3.1 Mô đun đàn hồi uốn tĩnh (MOE) 38 3.3.2 Độ bền uốn tĩnh (MOR) 40 3.4 Xây dựng mơ hình dự đốn nhanh tính chất học gỗ Bạch đàn cơng nghệ sóng ứng suất đo đứng mẫu gỗ nhỏ .43 3.4.1 Đo sóng ứng suất đứng 43 3.4.2 Dự đốn tính chất học từ đo sóng ứng suất mẫu gỗ nhỏ 46 KẾT LUẬN VÀ ĐỀ NGHỊ 50 Kết luận 50 Đề nghị 52 TÀI LIỆU THAM KHẢO .53 PHỤ LỤC vi DANH MỤC CÁC TỪ VIẾT TẮT Từ viết tắt Nghĩa từ MOR Modulus of Rupture (Độ bền uốn tĩnh) MOE Modulus of Elasticity (Mô đun đàn hồi uốn tĩnh) MOEd Dynamic modulus of Elasticity (Mô đun đàn hồi uốn tĩnh động lực học) SWVT Vận tốc truyền sóng ứng suất đo đứng AD Air-dry density (Khối lượng thể tích) DBH Đường kính 1,3 m Hvn Chiều cao vút vii DANH MỤC CÁC BẢNG Bảng 1.1 Đặc điểm lịch sử đất rừng trồng thí nghiệm Quảng Trị 20 Bảng 2.1 Mã hóa thơng số dòng Bạch đàn 25 Bảng 3.1 Sự biến động giá trị khối lượng thể tích bên dòng dòng Bạch đàn 32 Bảng 3.2 So sánh giá trị khối lượng thể tích Bạch đàn nghiên cứu với số loài Bạch đàn loài rừng trồng khác 34 Bảng 3.3 Sự biến động giá trị mô đun đàn hồi uốn tĩnh động lực học (MOEd) bên dòng dòng Bạch đàn 36 Bảng 3.4 Sự biến động giá trị mô đun đàn hồi uốn tĩnh (MOE) bên dòng dòng Bạch đàn 39 Bảng 3.5 So sánh giá trị MOE nghiên cứu với số loài Bạch đàn loài rừng trồng khác 40 Bảng 3.6 Sự biến động giá trị độ bền uốn tĩnh (MOR) bên dòng dòng Bạch đàn 41 Bảng 3.7 So sánh giá trị MOR nghiên cứu với số loài Bạch đàn loài rừng trồng khác 42 Bảng 3.8 Giá trị trung bình vận tốc truyền sóng ứng suất đứng dòng Bạch đàn 46 Bảng 3.9 Mơ hình dự đốn tính chất học dựa vận tốc truyền sóng ứng suất đo đứng 46 Bảng 3.10 Mơ hình dự đốn tính chất học dựa đo vận tốc truyền sóng ứng suất mẫu gỗ nhỏ 48 viii DANH MỤC CÁC HÌNH Hình 2.1 Rừng khảo nghiệm dòng Bạch đàn Quảng Trị 23 Hình 2.2 Quá trình thu mẫu Bạch đàn Quảng Trị 26 Hình 2.3 Quy trình thí nghiệm tạo mẫu gỗ 27 Hình 2.4 Quá trình cắt mẫu Bạch đàn 27 Hình 2.5 Quá trình xử lý mẫu gỗ Bạch đàn phịng thí nghiệm 28 Hình 2.6 Thực đo độ ẩm cho mẫu gỗ Bạch đàn phịng thí nghiệm 29 Hình 3.1 Q trình đo giá trị khối lượng thể tích dịng Bạch đàn 31 Hình 3.2 Q trình đo vận tốc truyền sóng mẫu gỗ nhỏ Bạch đàn 35 Hình 3.3 Quá trình đo MOE MOR cho mẫu gỗ Bạch đàn phương pháp phá hủy truyền thống 38 Hình 3.4 Đo vận tốc truyền sóng đứng Bạch đàn 44 Hình 3.5 Mơ hình tương quan dự đốn MOE MOR dựa MOEd 48 MỞ ĐẦU Đặt vấn đề Mặc dù đối mặt với nhiều khó khăn, đặc biệt ảnh hưởng đại dịch Covid-19, kết thúc năm 2020 ngành gỗ đạt kết khả quan Theo báo cáo Cục chế biến phát triển thị trường nông sản (Bộ NN&PTNT 2021) cho biết giá trị xuất gỗ sản phẩm gỗ năm 2020 đạt 12,32 tỷ USD, tăng 15,7% so với năm 2019 Kim ngạch xuất tăng, thiếu hụt nguyên liệu đầu vào cho chế biến đồ gỗ xuất năm gần thách thức lớn công nghiệp gỗ Việt Nam Hiệp hội gỗ Lâm sản Việt Nam, năm 2019 ngành gỗ bỏ gần 2,55 tỷ USD để nhập nguồn nguyên liệu gỗ, tăng 9% so với kim ngạch nhập năm 2018 (Tô Xuân Phúc cộng 2020) Từ nhiều năm Chính phủ Bộ NN&PTNT trọng vào việc phát triển rừng trồng để đáp ứng nhu cầu sản xuất Mặc dù diện tích rừng trồng nước ta liên tục tăng với 4,2 triệu năm 2018 (Bộ NN&PTNT 2019), chất lượng gỗ rừng trồng nước ta thấp chủ yếu phục vụ cho xuất nguyên liệu thô băm dăm, bột giấy mà chưa đáp ứng nguyên liệu cho chế biến đồ gỗ phục vụ cho xuất Chất lượng nguồn nguyên liệu gỗ phụ thuộc vào loài Trong loài, chất lượng gỗ lại phụ thuộc vào nguồn giống điều kiện sinh trưởng, nguồn giống yếu tố then chốt Khơng có giống cải thiện theo mục tiêu kinh tế khơng thể đưa suất rừng trồng lên cao Theo Davidson cộng (1998) giống cải thiện chiếm đến 50-60% suất rừng trồng Vì thế, cải thiện, lựa chọn giống rừng trồng cho suất cao, chất lượng gỗ tốt yêu cầu cấp bách sản xuất lâm nghiệp nước ta Tuy nhiên năm vừa qua, chọn giống cho rừng 55 16 Dundar T, Wang X, As N, Avci E (2016), Potential of ultrasonic pulse velocity for evaluating the dimensional stability of oak and chestnut wood, Ultrasonics 66:86-90 17 Dundar T, Wang X, Ross RJ (2013), Prediction of transverse shrinkages of young-growth Sitka spruce (Picea sitchensis) and western hemlock (Tsuga heterophylla) with ultrasonic measurements, Wood Mat Sci Eng 8(4):234-241 18 Duong DV (2018), Study on within-tree variation in wood properties of Melia azedarach planted in northern Vietnam, PhD thesis, Kyushu University, Japan 19 Duong DV, Matsumura J (2018a), Within-stem variations in mechanical properties of Melia azedarach planted in northern Vietnam, Journal of Wood Science 64(4): 329-337 20 Duong DV, Matsumura J (2018b), Transverse shrinkage variations within tree stems of Melia azedarach planted in northern Vietnam, Journal of Wood Science 64(6): 720-729 21 Duong DV, Schimleck L, Tran DL (2022a), Variation in wood density and mechanical properties of Acacia mangium provenances planted in Vietnam, Journal of Sustainable Forestry https://doi.org/10.1080/10549811.2022.2045507 22 Duong DV, Schimleck L, Tran DL, & Vo HD (2022b), Radial and among-clonal variations of the stress-wave velocity, wood density, and mechanical properties in 5-year-old Acacia auriculiformis clones, BioResources 17(2), 2084-2096 23 Eldridge K, Davidson J, Harwood C, Van Wyk G (1993), Eucalypt domestication and breeding, Oxford University Press, Oxford 56 24 Grabianowski M, Manley B, Walker J (2004), Impact of stocking and exposure on outerwood acoustic properties of Pinus Radiata in Eyrewell Forest, N Z J For 49(2):13-17 25 Hodge GR, Pepe B, Wijoyo FS, Dvorak WS (2001), Early results of Eucalyptus urophylla provenance/progeny trials in Colombia and Venezuala, In: Proceedings of developing the Eucalypt of the future, Valdivia, 9-13 September 2001 26 Ikeda K, Arima T (2000), Quality evaluation of standing trees by a stresswave propagation method and its application II Evaluation of sugi stands and application to production of sugi (Cryptomeria japonica D Don) structural square sawn lumber (in Japanese), Mokuzai Gakkaishi 46:189–196 27 Ishiguri F, Kawashima M, Iizuka K, Yokota S, Yoshizawa N (2006), Relationship between stress-wave velocity of standing tree and wood quality in 27-year-old Hinoki (Chamaecyparis obtusa Endl.), J Soc Mat Sci Japan 55(6):576-582 28 Ishiguri F, Matsui R, Iizuka K, Yokota S, Yoshizawa N (2008), Prediction of the mechanical properties of lumber by stress-wave velocity and Pilodyn penetration of 36-year-old Japanese larch trees, Holz Roh Werkst 66:275-280 29 Ivkovic M, Gapare WG, Abarquez A, Ilic J, Powell MB, Wu HX (2009), Prediction of wood stiffness, strength, and shrinkage in juvenile wood of radiata pine, Wood Sci Technol 43:237–257 30 Kothiyal V, Raturi A (2011), Estimating mechanical properties and specific gravity for five-year-old Eucalyptus tereticornis having board moisture content range by NIR spectroscopy, Holzforschung, 65(5), 757-762 57 31 Kube PD, Raymond CA, Banham PW (2001), Genetic parameters for diameter, basic density, cellulose content and fiber properties for Eucalyptus nitens, Forest Genetics 8:285-294 32 Launay J, Ivkovich M, Paques L, Bastien C, Higelin P, Rozenberg P (2002), Rapid measurement of trunk MOE on standing trees using rigidimeter, Ann For Sci 59:465–469 33 Lindstrom H, Harris P, Nakada R (2002), Methods for measuring stiffness of young trees, Holz Roh Werkst 60:165–174 34 Matheson AC, Dickson RL, Spencer DJ, Joe B, Ilic J (2002), Acoustic segregation of Pinus radiata logs according to stiffness, Ann For Sci 59:471–477 35 Nanami N, Nakamura N, Arima T, Okuma M (1993), Measuring the properties of standing trees with stress waves III Evaluating the properties of standing trees for some forest stands (in Japanese), Mokuzai Gakkaishi 39:903–909 36 Raymond CA, Schimleck LR, Muneri A, Mitchell AJ (2001), Genetic parameters and genotype-by-environment interactions for pulp yield predicted using near infrared reflectance analysis and pulp productivity in Eucalyptus globulus, Forest Genetics 8(2):213-224 37 Ross RJ, McDonald KA, Green DW, Schad KC (1997), Relationship between log and lumber modulus of elasticity, For Prod J 47(2):89-92 38 Schimleck LR, Kube P, Raymond CA (2004), Estimate of genetic parameters of wood traits for saw timber production in Eucalyptus grandis, Genetics and Molecular Biology 27:567-573 39 Uusitalo J (1997), Pre-harvest measurement of pine stands for sawing production planning, Acta Forestalia Fennica 259 p 56 58 40 Wang SY, Lin CJ, Chiu CM (2005), Evaluation of wood quality of Taiwania trees grown with different thinning and pruning treatments using ultrasonic wave testing, Wood Fiber Sci 37(2): 192–200 41 Wang X, Carter P, Ross RJ, Brashaw BK (2007), Acoustic assessment of wood quality of raw forest materials–a path to increased profitability, For Prod J 57(5):6–14 42 Wang X, Ross RJ, McClellan M (2000), Strength and stiffness assessment of standing trees using a nondestructive stress wave technique Research paper FPL-RP-600, U.S Department of Agriculture, Forest Products Laboratory, Madison, p 43 Wang X, Ross RJ, McClellan M, Barbour RJ, Erickson JR, Forsman JW, McGinnis GD (2001), Nondestructive evaluation of standing trees with a stress wave method, Wood Fiber Sci 33(4):522-533 44 Wang X, Simpson WT (2006), Using acoustic analysis to presort warpprone ponderosa pine by 4s before kiln-drying, Wood Fiber Sci 38(2):206-214 45 Wei X, Borallho NMG (1997), Genetic control of wood basic density and bark thickness and their relationships with growth traits of Eucalyptus urophylla in south east China, Silvae Genetica 46:245-250 46 Wessels CB, Price CS, Turner P, Dell MP (2006), Integrating harvesting and sawmill operations using an optimized sawmill production planning system, In: Ackerman PA, Langin DW, Antonides MC (eds) Proceedings of the International Precision Forestry Symposium, Stellenbosch University, South Africa, 5–10 March 2006 ISBN 0-7972-1121-7 47 Wielinga B, Raymond CA, James R, Matheson AC (2009), Effect of green density values on Pinus Radiata stiffness estimation using a stresswave technique, N Z J For Sci 39:71–79 59 48 Yamashita K, Hirakawa Y, Nakatani H, Ikeda M (2009a), Longitudinal shrinkage variations within trees of sugi (Cryptomeria japonica) cultivars, J Wood Sci 55:1-7 49 Yamashita K, Hirakawa Y, Nakatani H, Ikeda M (2009b), Tangential and radial shrinkage variation within trees in sugi (Cryptomeria japonica) cultivars, J Wood Sci 55:161-168 PHỤ LỤC XỬ LÝ DỮ LIỆU I Phân tích liệu theo dòng Bạch đàn > describe(dat) vars n STT mean sd median trimmed mad 392 196.50 113.30 196.50 196.50 145.29 Clone* Tree* 392 4.00 3.61 1.48 1.50 0.50 1.50 1.50 0.74 6.00 5.00 -0.13 1.00 2.00 se -1.21 5.72 -1.20 0.08 1.00 30.00 29.00 -0.09 392 196.50 113.30 196.50 196.50 145.29 SWV 1.00 392.00 391.00 0.00 1.00 392 16.10 8.94 17.00 16.25 11.86 Radial* 392 ID* 3.59 1.64 max range skew kurtosis 1.00 0.00 -1.27 0.45 -2.01 0.03 1.00 392.00 391.00 0.00 -1.21 5.72 392 4141.62 249.25 4157.50 4156.76 272.06 3480.00 4741.00 1261.00 -0.48 AD 392 0.52 0.06 0.51 0.51 0.07 0.40 0.68 0.28 0.24 -0.38 12.59 -0.91 0.00 MOEd 392 8.86 1.48 8.96 8.81 1.43 5.39 12.56 7.17 0.24 -0.29 0.07 MOE 392 7.48 1.36 7.33 7.40 1.31 4.59 11.22 6.63 0.44 -0.27 0.07 MOR 10 392 72.47 13.11 72.45 72.28 13.48 34.63 105.28 70.65 0.03 -0.23 0.66 > describeBy(AD, Clone) Descriptive statistics by group group: PN14 vars n mean sd median trimmed mad max range skew kurtosis se X1 56 0.53 0.05 0.54 0.53 0.04 0.42 0.62 0.2 -0.38 -0.7 0.01 -group: U1427 vars n mean sd median trimmed mad max range skew kurtosis se X1 64 0.6 0.03 0.59 0.59 0.01 0.53 0.68 0.15 0.63 1.44 -group: U892 vars n mean sd median trimmed mad max range skew kurtosis se X1 56 0.49 0.04 0.49 0.49 0.04 0.41 0.56 0.15 -0.44 -0.46 0.01 -group: UP54 vars n mean sd median trimmed mad max range skew kurtosis se X1 80 0.46 0.03 0.46 0.46 0.04 0.4 0.51 0.11 0.07 -1.23 -group: UP95 vars n mean sd median trimmed mad max range skew kurtosis se X1 80 0.49 0.03 0.49 0.49 0.04 0.43 0.54 0.11 -0.21 -1.33 -group: UP99 vars n mean sd median trimmed mad max range skew kurtosis se X1 56 0.56 0.06 0.58 0.56 0.05 0.42 0.64 0.22 -0.76 -0.61 0.01 > describeBy(MOEd, Clone) Descriptive statistics by group group: PN14 vars n mean sd median trimmed mad max range skew kurtosis se X1 56 8.16 1.33 8.11 8.17 1.66 5.39 10.6 5.21 -0.09 -1.09 0.18 -group: U1427 vars n mean sd median trimmed mad max range skew kurtosis se X1 64 8.97 0.96 9.07 8.96 0.87 6.55 11.39 4.84 0.04 -0.05 0.12 -group: U892 vars n mean sd median trimmed mad max range skew kurtosis se X1 56 9.12 1.22 9.12 9.18 1.19 6.49 11.43 4.94 -0.41 -0.51 0.16 -group: UP54 vars n mean sd median trimmed mad max range skew kurtosis se X1 80 7.85 1.14 7.78 7.77 1.38 5.82 10.48 4.66 0.45 -0.69 0.13 -group: UP95 vars n mean sd median trimmed mad max range skew kurtosis se X1 80 8.98 0.91 9.18 9.01 0.99 7.04 10.72 3.68 -0.28 -1.12 0.1 -group: UP99 vars n mean sd median trimmed mad max range skew kurtosis se X1 56 10.47 1.85 11.22 10.69 1.45 6.15 12.56 6.41 -0.88 -0.37 0.25 > describeBy(MOE, Clone) Descriptive statistics by group group: PN14 vars n mean sd median trimmed mad max range skew kurtosis se X1 56 6.73 1.11 6.8 6.71 1.22 4.59 9.46 4.87 0.2 -0.53 0.15 -group: U1427 vars n mean sd median trimmed mad max range skew kurtosis se X1 64 7.7 0.99 7.8 7.7 1.06 4.89 10.52 5.63 0.02 0.55 0.12 -group: U892 vars n mean sd median trimmed mad max range skew kurtosis se X1 56 7.97 1.17 7.97 7.99 1.13 5.47 10.44 4.97 -0.06 -0.6 0.16 -group: UP54 vars n mean sd median trimmed mad max range skew kurtosis se X1 80 6.67 0.94 6.73 6.61 0.96 5.07 8.67 3.6 0.36 -0.8 0.1 -group: UP95 vars n mean sd median trimmed mad max range skew kurtosis se X1 80 7.24 0.89 7.31 7.22 1.02 5.33 9.18 3.85 0.09 -0.78 0.1 -group: UP99 vars n mean sd median trimmed mad max range skew kurtosis se X1 56 8.98 1.65 9.65 9.13 1.33 5.27 11.22 5.95 -0.8 -0.58 0.22 > describeBy(MOR, Clone) Descriptive statistics by group group: PN14 vars n mean X1 sd median trimmed mad max range skew kurtosis se 56 66.57 13.11 68.59 67.58 12.92 34.63 88.44 53.81 -0.7 -0.28 1.75 -group: U1427 vars n mean sd median trimmed mad max range skew kurtosis se X1 64 83.94 6.47 84.42 83.94 6.86 71.1 95.63 24.53 -0.02 -0.84 0.81 -group: U892 vars n mean sd median trimmed mad max range skew kurtosis se X1 56 70.73 71.28 71 9.28 53.43 85.44 32.01 -0.24 -0.73 1.07 -group: UP54 vars n mean sd median trimmed mad max range skew kurtosis se X1 80 63.05 8.05 63.08 62.95 9.84 45.8 81.97 36.17 0.04 -0.91 0.9 -group: UP95 vars n mean sd median trimmed mad max range skew kurtosis se X1 80 69.3 9.2 70.67 69.59 9.83 42.88 84.87 41.99 -0.33 -0.61 1.03 -group: UP99 vars n mean X1 sd median trimmed mad 56 84.98 15.15 86.5 max range skew kurtosis se 86.3 15.43 44.46 105.28 60.82 -0.79 -0.34 2.02 > II Phân tích liệu theo vị trí bán kính (R1: Gần tâm; R2: Gần vỏ) > attach(UP54) > describeBy(AD, Radial) Descriptive statistics by group group: R1 vars n mean sd median trimmed mad max range skew kurtosis se X1 40 0.43 0.02 0.43 0.43 0.01 0.4 0.48 0.08 0.95 0.66 -group: R2 vars n mean sd median trimmed mad max range skew kurtosis se X1 40 0.48 0.02 0.48 0.48 0.01 0.45 0.51 0.06 0.17 -1.18 > describeBy(MOEd, Radial) Descriptive statistics by group group: R1 vars n mean sd median trimmed mad max range skew kurtosis se X1 40 6.99 0.62 6.82 6.93 0.43 5.82 8.96 3.14 1.01 1.19 0.1 -group: R2 vars n mean sd median trimmed mad max range skew kurtosis se X1 40 8.71 0.84 8.64 8.65 0.9 7.35 10.48 3.13 0.46 -0.79 0.13 > describeBy(MOE, Radial) Descriptive statistics by group group: R1 vars n mean sd median trimmed mad max range skew kurtosis se X1 40 5.96 0.51 5.89 5.91 0.48 5.07 7.15 2.08 0.64 -0.23 0.08 -group: R2 vars n mean sd median trimmed mad max range skew kurtosis se X1 40 7.38 0.69 7.26 7.37 0.62 5.7 8.67 2.97 0.14 -0.38 0.11 > describeBy(MOR, Radial) Descriptive statistics by group group: R1 vars n mean sd median trimmed mad max range skew kurtosis se X1 40 56.5 4.63 56.2 56.43 5.65 45.8 65.78 19.98 0.1 -0.64 0.73 -group: R2 vars n mean sd median trimmed mad max range skew kurtosis se X1 40 69.59 4.69 69.69 69.51 3.79 58.84 81.97 23.13 0.21 0.35 0.74 > attach(UP95) > describeBy(AD, Radial) Descriptive statistics by group group: R1 vars n mean sd median trimmed mad max range skew kurtosis se X1 40 0.46 0.02 0.46 0.46 0.01 0.43 0.52 0.09 0.73 -0.07 -group: R2 vars n mean sd median trimmed mad max range skew kurtosis se X1 40 0.51 0.01 0.51 0.51 0.01 0.48 0.54 0.06 -0.24 -0.62 > describeBy(MOEd, Radial) Descriptive statistics by group group: R1 vars n mean sd median trimmed mad max range skew kurtosis se X1 40 8.27 0.7 8.14 8.22 0.7 7.04 10.06 3.02 0.71 -0.06 0.11 -group: R2 vars n mean sd median trimmed mad max range skew kurtosis se X1 40 9.69 0.39 9.7 9.67 0.35 8.89 10.72 1.83 0.46 0.22 0.06 > describeBy(MOE, Radial) Descriptive statistics by group group: R1 vars n mean sd median trimmed mad max range skew kurtosis se X1 40 6.57 0.57 6.58 6.56 0.64 5.33 8.14 2.81 0.23 0.21 0.09 -group: R2 vars n mean sd median trimmed mad max range skew kurtosis se X1 40 7.92 0.6 7.85 7.92 0.48 6.53 9.18 2.65 0.04 -0.29 0.09 > describeBy(MOR, Radial) Descriptive statistics by group group: R1 vars n mean sd median trimmed mad max range skew kurtosis se X1 40 62.37 7.01 61.72 62.27 5.59 42.88 76.31 33.43 -0.04 0.09 1.11 -group: R2 vars n mean sd median trimmed mad max range skew kurtosis se X1 40 76.22 4.88 75.9 76.14 6.46 66.37 84.87 18.5 0.07 -1.16 0.77 > attach(UP99) > describeBy(AD, Radial) Descriptive statistics by group group: R1 vars n mean sd median trimmed mad max range skew kurtosis se X1 28 0.53 0.07 0.55 0.53 0.04 0.42 0.62 0.2 -0.59 -1.22 0.01 -group: R2 vars n mean sd median trimmed mad max range skew kurtosis se X1 28 0.58 0.05 0.6 0.59 0.04 0.47 0.64 0.17 -0.91 -0.69 0.01 > describeBy(MOEd, Radial) Descriptive statistics by group group: R1 vars n mean sd median trimmed mad max range skew kurtosis se X1 28 9.52 1.86 10.11 9.6 1.74 6.15 12.02 5.87 -0.54 -1.17 0.35 -group: R2 vars n mean sd median trimmed mad max range skew kurtosis se X1 28 11.42 1.28 11.91 11.57 0.61 8.35 12.56 4.21 -1.29 > describeBy(MOE, Radial) 0.16 0.24 Descriptive statistics by group group: R1 vars n mean sd median trimmed mad max range skew kurtosis se X1 28 8.24 1.71 8.81 8.33 1.58 5.27 10.07 4.8 -0.51 -1.43 0.32 -group: R2 vars n mean sd median trimmed mad max range skew kurtosis se X1 28 9.73 1.23 10.21 9.8 0.79 7.27 11.22 3.95 -0.88 -0.65 0.23 > describeBy(MOR, Radial) Descriptive statistics by group group: R1 vars n mean sd median trimmed mad X1 28 77.45 14.6 84.2 max range skew kurtosis se 78.1 6.93 44.46 100.79 56.33 -0.65 -0.87 2.76 -group: R2 vars n mean X1 sd median trimmed mad max range skew kurtosis se 28 92.5 11.71 96.91 93.66 5.88 64.18 105.28 41.1 -1.12 -0.07 2.21 > U892 = subset(dat, Clone=="U892") > attach(U892) > describeBy(AD, Radial) Descriptive statistics by group group: R1 vars n mean sd median trimmed mad max range skew kurtosis se X1 28 0.47 0.03 0.48 0.47 0.02 0.41 0.53 0.12 -0.39 -1.12 0.01 -group: R2 vars n mean sd median trimmed mad max range skew kurtosis se X1 28 0.52 0.03 0.52 0.52 0.02 0.47 0.56 0.09 -0.18 -0.98 > describeBy(MOEd, Radial) Descriptive statistics by group group: R1 vars n mean sd median trimmed mad max range skew kurtosis se X1 28 8.39 1.08 8.77 8.41 0.59 6.49 10.63 4.14 -0.34 -0.94 0.2 group: R2 vars n mean sd median trimmed mad max range skew kurtosis se X1 28 9.84 0.89 10.02 9.86 0.66 8.09 11.43 3.34 -0.42 -0.65 0.17 > describeBy(MOE, Radial) Descriptive statistics by group group: R1 vars n mean sd median trimmed mad max range skew kurtosis se X1 28 7.3 0.92 7.45 7.33 0.83 5.47 8.74 3.27 -0.44 -0.72 0.17 -group: R2 vars n mean sd median trimmed mad max range skew kurtosis se X1 28 8.63 1.02 8.64 8.65 1.23 6.84 10.44 3.6 -0.24 -1.13 0.19 > describeBy(MOR, Radial) Descriptive statistics by group group: R1 vars n mean sd median trimmed mad max range skew kurtosis se X1 28 65.09 6.36 64.95 64.94 6.82 53.43 78.05 24.62 0.08 -0.6 1.2 -group: R2 vars n mean sd median trimmed mad max range skew kurtosis se X1 28 76.36 4.9 75.36 76.37 4.98 66.63 85.44 18.81 0.04 -1.01 0.93 > U1427 = subset(dat, Clone=="U1427") > attach(U1427) > describeBy(AD, Radial) Descriptive statistics by group group: R1 vars n mean sd median trimmed mad max range skew kurtosis se X1 32 0.59 0.02 0.6 0.6 0.01 0.53 0.63 0.1 -0.95 0.66 -group: R2 vars n mean sd median trimmed mad max range skew kurtosis se X1 32 0.6 0.03 0.59 0.59 0.01 0.55 0.68 0.13 1.28 > describeBy(MOEd, Radial) 0.99 0.01 Descriptive statistics by group group: R1 vars n mean sd median trimmed mad max range skew kurtosis se X1 32 8.32 0.74 8.41 8.32 0.68 6.55 10.11 3.56 0.01 -0.01 0.13 -group: R2 vars n mean sd median trimmed mad max range skew kurtosis se X1 32 9.61 0.67 9.43 9.56 0.57 8.57 11.39 2.82 0.83 0.11 0.12 > describeBy(MOE, Radial) Descriptive statistics by group group: R1 vars n mean sd median trimmed mad max range skew kurtosis se X1 32 7.02 0.77 6.92 7.03 0.62 4.89 8.51 3.62 -0.2 0.22 0.14 -group: R2 vars n mean sd median trimmed mad max range skew kurtosis se X1 32 8.39 0.66 8.32 8.3 0.56 7.49 10.52 3.03 1.48 2.47 0.12 > describeBy(MOR, Radial) Descriptive statistics by group group: R1 vars n mean sd median trimmed mad max range skew kurtosis se X1 32 80.42 6.16 80.34 79.93 6.04 71.1 95.45 24.35 0.67 -0.07 1.09 -group: R2 vars n mean sd median trimmed mad max range skew kurtosis se X1 32 87.47 4.63 86.92 87.44 4.44 79.6 95.63 16.03 0.01 -0.96 0.82 > attach(PN14) > describeBy(AD, Radial) Descriptive statistics by group group: R1 vars n mean sd median trimmed mad max range skew kurtosis se X1 28 0.5 0.03 0.5 0.5 0.03 0.42 0.55 0.13 -0.32 -0.75 0.01 -group: R2 vars n mean sd median trimmed mad max range skew kurtosis se X1 28 0.57 0.02 0.57 0.57 0.03 0.52 0.62 0.1 -0.46 > describeBy(MOEd, Radial) Descriptive statistics by group group: R1 vars n mean sd median trimmed mad max range skew kurtosis se X1 28 7.07 0.77 7.08 7.1 0.86 5.39 8.3 2.91 -0.19 -0.82 0.15 -group: R2 vars n mean sd median trimmed mad max range skew kurtosis se X1 28 9.25 0.72 9.29 9.26 0.6 7.88 10.6 2.72 -0.29 -0.68 0.14 > describeBy(MOE, Radial) Descriptive statistics by group group: R1 vars n mean sd median trimmed mad max range skew kurtosis se X1 28 5.97 0.78 5.76 5.95 0.64 4.59 7.63 3.04 0.34 -0.67 0.15 -group: R2 vars n mean sd median trimmed mad max range skew kurtosis se X1 28 7.5 0.83 7.32 7.48 0.82 5.88 9.46 3.58 0.37 -0.02 0.16 > describeBy(MOR, Radial) Descriptive statistics by group group: R1 vars n mean sd median trimmed mad max range skew kurtosis se X1 28 57.01 11.1 58.5 57.52 11.1 34.63 75.18 40.55 -0.49 -0.85 2.1 -group: R2 vars n mean sd median trimmed mad max range skew kurtosis se X1 > 28 76.13 6.1 77.18 76.31 4.41 62.08 88.44 26.36 -0.37 -0.12 1.15 ... dự đốn nhanh tính chất học gỗ Bạch đàn cơng nghệ sóng ứng suất đo ? ?ứng mẫu gỗ nhỏ .43 3.4.1 Đo sóng ứng suất ? ?ứng 43 3.4.2 Dự đốn tính chất học từ đo sóng ứng suất mẫu gỗ nhỏ 46 KẾT... xuất công nghiệp Cơng nghệ khơng phá huỷ nói chung cơng nghệ sóng ứng suất sử dụng phổ biến nước phát triển giới cho thấy hiệu cao việc dự đốn tính chất học gỗ công nghệ bắt đầu nghiên cứu ứng dụng. .. dòng Bạch đàn - Đánh giá biến động tính chất học đo phương pháp phá huỷ khơng phá huỷ (cơng nghệ sóng ứng suất) bên dòng dòng Bạch đàn - Xây dựng mơ hình dự đốn nhanh tính chất học gỗ Bạch đàn cơng