Nghiên cứu bổ sung phương pháp đánh giá và phân cấp chỉ số lập địa của rừng tự nhiên lá rộng thường xanh ở việt nam

BỘ GIÁO DỤC ĐÀO TẠO BỘ NÔNG NGHIỆP VÀ PTNT TRƯỜNG ĐẠI HỌC LÂM NGHIỆP ĐỖ VĂN THẢO NGHIÊN CỨU BỔ SUNG PHƯƠNG PHÁP ĐÁNH GIÁ VÀ PHÂN CẤP CHỈ SỐ LẬP ĐỊA CỦA RỪNG TỰ NHIÊN LÁ RỘNG THƯỜNG XANH Ở VIỆT NAM LUẬN VĂN THẠC SỸ KHOA HỌC LÂM NGHIỆP Hà Nội, 2012 BỘ GIÁO DỤC ĐÀO TẠO BỘ NÔNG NGHIỆP VÀ PTNT TRƯỜNG ĐẠI HỌC LÂM NGHIỆP ĐỖ VĂN THẢO NGHIÊN CỨU BỔ SUNG PHƯƠNG PHÁP ĐÁNH GIÁ VÀ PHÂN CẤP CHỈ SỐ LẬP ĐỊA CỦA RỪNG TỰ NHIÊN LÁ RỘNG THƯỜNG XANH Ở VIỆT NAM Chuyên ngành: Lâm học Mã số: 60.62.60 LUẬN VĂN THẠC SỸ KHOA HỌC LÂM NGHIỆP NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS TRẦN VĂN CON Hà Nội, 2012 -1ĐẶT VẤN ĐỀ Một nhiệm vụ quan trọng khó khăn nghiên cứu rừng tự nhiên việc tìm phương pháp để phân cấp chất lượng lập địa khác Trong thực tế, có lập địa có khả tạo suất cao, có lập địa cho suất thấp, điều phụ thuộc vào nhiều yếu tố ngoại cảnh khác độ phì đất, khí hậu, thuỷ văn… liên quan đến tổ thành loài tạo nên thảm thực vật rừng Để đánh giá tiềm lập địa rừng, người ta thường tìm số đại diện cho ảnh hưởng tổng hợp nhân tố lập địa vấn đề khó Để phân cấp suất rừng trồng loài đồng tuổi, người ta thường dùng tương quan chiều cao - tuổi (H-A) với quan điểm cho rằng, sinh trưởng chiều cao nhân tố phản ánh tốt tiềm lập địa Tuy nhiên, nghiên cứu rừng tự nhiên nhiều loài, khác tuổi việc xác định tuổi rừng khó khăn sử dụng tương quan H-A để đánh giá chất lượng lập địa Nhiều tác giả tìm phương pháp khác để đánh giá phân cấp suất lập địa rừng tự nhiên, sử dụng tương quan H-D để thay cho tương quan H-A Bất kỳ phương pháp đánh giá ước lượng cấp suất lập địa phải tổng hợp ảnh hưởng nhiều nhân tố môi trường (lập địa) vào số nhất, số thích hợp suất sản xuất sinh khối rừng mục tiêu cuối sản xuất lâm nghiệp Tuy nhiên, tiêu sinh khối khó đo đếm trực tiếp Để góp phần giải vấn đề khó khăn này, thực đề tài: “Nghiên cứu bổ sung phương pháp đánh giá phân cấp số lập địa rừng tự nhiên rộng thường xanh Việt Nam" -2Chương TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU 1.1 Ngoài nước Quản lý rừng dự báo sinh trưởng sản lượng rừng cần có thước đo suất lập địa Có nhiều phương pháp để ước lượng suất lập địa để so sánh phương pháp cần phải định nghĩa phân loại phương pháp khác Sẽ hữu ích phân loại phương pháp đánh giá lập địa theo phương pháp luận quan điểm đánh giá khác Leary (1985) [44] đề xuất quan điểm phương pháp đánh giá lập địa rừng tổng hợp bảng 1.1 sau đây: Bảng 1.1 Quan điểm phương pháp đánh giá lập địa rừng (theo Leary 1985) [44]: Quan điểm Đo sinh khối Phương pháp Trực tiếp Trữ lượng gỗ, sinh khối Độ ẩm đất trạng thái Đánh giá đất đai chất dinh dưỡng Bức xạ hữu ích cho quang hợp Gián tiếp Chiều cao Khí hậu, dạng đất Thực vật thị Quan điểm đo sinh khối xuất phát từ giả thiết sản xuất sinh khối thước đo hữu ích suất lập địa, quan điểm đánh giá đất đai lại cho suất lập địa phụ thuộc vào đất đai khí hậu Các phương pháp xác định trực tiếp sinh khối, trữ lượng gỗ, độ ẩm đất, hàm lượng chất dinh dưỡng… khó khăn nhà nghiên cứu thường sử dụng phương pháp gián tiếp Có thể phân thành hai nhóm phương pháp -3luận đánh giá lập địa: (i) phương pháp dự báo (ii) phương pháp mô tả; (i) phương pháp đánh giá chất lượng (ii) phương pháp đánh giá khối lượng Tuy nhiên, phân biệt không rõ ràng phương pháp từ thái cực sang thái cực khác Phương pháp mô tả tiếp cận suất lập địa dựa vào trạng thái khứ cách thu thập số liệu lịch sử lập địa, thường đo từ hai đến nhiều lần nhiều năm trước Phương pháp dễ để ước lượng suất lập địa lại hạn chế giá trị sử dụng cho Phương pháp dự báo tiếp cận suất lập địa thời điểm cách sử dụng số liệu đo đếm vài đặc trưng lập địa hay thảm thực vật rừng lần đo Phương pháp khó nhiều lại có ý nghĩa áp dụng thực tế nhiều Phương pháp đánh giá chất lượng thường chia lập địa số cấp ký hiệu số (Cấp I, II, III,…) tốt, trung bình, xấu…Vấn đề phải xác định giới hạn cấp chất lượng lập địa, toán khó Cần xem xét cách cẩn thận việc phân thành cấp để phản ánh khác sinh trưởng rừng cách chắn mặt thống kê Phương pháp đánh giá khối lượng thường linh hoạt không giới hạn mở rộng, loại bỏ cần thiết phải giải vấn đề đường giới hạn cấp, lại có ấn tượng không tốt độ xác Có nhiều nghiên cứu công bố liên quan đến đánh giá lập địa cấp suất rừng trồng tuổi, nhiên tổng quan nghiên cứu đánh giá phân cấp lập địa rừng tự nhiên hỗn loài khác tuổi So với nghiên cứu đánh giá lập địa rừng trồng tuổi nghiên cứu đánh giá lập địa phân cấp suất cho rừng tự nhiên hỗn loài nhiều Tuy nhiên, số kỹ thuật đánh giá phân cấp lập địa cho đối tượng rừng tự nhiên hỗn loài công bố tổng quan sau Mục đích tổng quan tìm kiếm phương pháp đánh giá định lượng lập -4địa cho: (i) tái tạo thích hợp chu kỳ dài thời gian; (ii) thị chất lượng lập địa mà không chịu ảnh hưởng đến điều kiện lâm phần hay lịch sử quản lý; (iii) tương quan với suất tiềm lập địa (iv) tốt phương pháp đánh giá suất lập địa có Các phương pháp đo sinh khối: Các thước đo sinh khối số lập địa sử dụng rộng rãi để đánh giá suất lập địa rừng trồng đo đếm dự báo tốt suất lập địa Chỉ số lập địa thường yêu cầu lâm phần tuổi phát triển đồng nhất, nhiên nhiều tác giả cố gắng áp dụng phương pháp cho rừng hỗn loài cách chia rừng hỗn loài thành nhiều lâm phần đồng tuổi Stage (1963) [52] đề xuất phương pháp dựa chiều cao, tuổi tỷ lệ sinh trưởng đường kính ban đầu nhằm loại bỏ ức chế giai đoạn đầu Việc lựa chọn cẩn thận mục tiêu vượt qua số vấn đề, nhiều khó khăn không khắc phục kỹ thuật giá trị sử dụng không xác định tuổi Thuộc nhóm phương pháp đo sinh khối có kỹ thuật: (i) đánh giá mắt: Các biểu quan sát mắt lâm phần như: hình thái sức sống, mật độ tán lá, màu sắc lá,… thị suất rừng mà người có kinh nghiệm dựa vào để đánh giá phân cấp suất lập địa Vanclay (1989) [54] báo cáo việc sử dụng quan sát mắt để phân chia rừng mưa Queenland thành hai cấp chất lượng lập địa (tốt, xấu) Phương pháp mang tính chủ quan chấp nhận kiểm nghiệm cách chấm điểm dựa điều kiện đất đai, loài tại, chiều cao thân gỗ trữ lượng đứng (ii) tiết diện ngang tự nhiên: Pienaar Turnbull (1973) [47] nhận thấy lâm phần rừng tuổi đạt mật độ ban đầu nằm giới hạn tối thiểu định tiệm cận dần đến tiết diện ngang đặc trưng xác định tiềm lập địa Nếu thừa nhận giả thuyết cho -5rằng lập địa chưa bị tác động hướng tới giá trị cân bằng, giá trị cân (hay gọi tiết diện ngang tự nhiên) coi biểu suất lập địa Giả thiết hàm chứa nhiều mô hình sinh trưởng (ví dụ Botkin et al., 1972 [28]) sử dụng số cho suất lập địa rừng tự nhiên tây Australia (Havel, 1980a [40], 1980b [41]) Trong rừng hỗn loài, tiết diện ngang tự nhiên phụ thuộc vào thành phần loài cấu trúc lâm phần Sterba Monserud (1993) [53] phát tiết diện ngang tối đa lâm phần loài tuổi cao so với lâm phần hỗn loài khác tuổi có chiều cao ưu lập địa so sánh Họ nhận thấy khác phụ thuộc vào độ lệch phân bố đường kính ngang ngực Tiết diện ngang tự nhiên lập địa định thấp loài ưa sáng so với loài chịu bóng Như vậy, tiết diện ngang tự nhiên phụ thuộc vào trạng diễn lâm phần phải sử dụng tuỳ theo trường hợp (iii) Chiều cao lâm phần: chiều cao lâm phần sử dụng số cho suất lập địa diện lâm phần chúng đủ lớn để phản ánh chiều cao tối đa tiềm loài lựa chọn đạt lập địa cần đánh giá Phương pháp tương tự số lập địa xác định dựa vào số tuổi Chiều cao trung bình ưu đồng ưu lại sau khai thác sử dụng số suất lập địa rừng họ dầu Philippines (Canonizado 1978 [31], Mendoza Gumpal 1987 [46]) Một khó khăn sử dụng chiều cao lâm phần đỉnh tán rừng tự nhiên khó nhìn thấy Trong trường hợp sử dụng chiều cao cành để thay Các vấn đề khác bao gồm diện tầng trội, việc khai thác lớn bị gãy gió Ở nơi lớn thích hợp cho đánh giá lập địa đường cong tương quan chiều cao - đường kính sử dụng để ước lượng chiều cao Điều -6có thể thực thông qua phương trình dạng như: h-1 = bo + b1d-1 cho nhiều cặp số đo chiều cao (h) đường kính (d) cá thể ước lượng chiều cao tối đa lâm phần theo hmax = bo-1 Tuy nhiên, việc suy diễn kiểu dẫn đến sai số cần cẩn thận giải thích kết Một số phương trình phi tuyến tính đề xuất để suy diễn tốt phương trình đơn giản (iv) Tương quan chiều cao - đường kính: để tránh phải suy diễn tương quan chiều cao - đường kính, chiều cao đường kính lựa chọn dùng làm số cho thước đo suất lập địa; tác giả đề nghị gọi số dạng lập địa để tránh nhầm lẫn với số lập địa xác định tương quan chiều cao tuổi Reinhardt (1982) [49] nghiên cứu tương quan chiều cao - đường kính - lập địa rừng thông rụng (larch) USA phát xu hướng đa dạng biểu diễn phương trình: h = 1,3 +8,23Sh,s0,59 (1 - e-0,04d)0,092Sh,s đó, h chiều cao (m), d đường kính (cm) Sh,s số lập địa (m) tuổi 50 Reinhardt (1982 [49], 1983 [50]) dùng số liệu đo đếm từ lâm phân loài hỗn loài sử dụng đồ thị chiều cao - đường kính để dự đoán số lập địa so sánh với phương trình chiều cao - tuổi công bố Các đồ thị phân biệt rõ ràng có đường kính ngang ngực nhỏ 40 cm có đường kính lớn cần thiết để thiết lập phương trình thích hợp cho phân cấp Vanclay Henry (1988) [55] dùng tương quan H-D để đánh giá suất lập địa rừng kim khác tuổi Queensland, họ sử dụng phương trình: h S h  hmax  (hmax  1,3) max h,d  hmax  1,3    0, 04d -7Trong h chiều cao tính (m), hmax chiều cao lớn (m) tính hmax = -10,87 +2,46 Sh,d, Sh,d dạng lập địa (hay gọi cấp lập địa) tức chiều cao đạt đường kính sở định Để tránh suy diễn, tác giả dùng đường kính sở làm thước đo cho cấp suất lập địa gọi dạng lập địa (site form) để tránh nhầm lập với số lập địa (site index) xác định tương quan H-A Tương quan H-D cho phép đánh giá suất lập địa trường mà có ích để giải đoán ảnh vệ tinh cách xác định đường kính tán chiều cao đọc ảnh Phương pháp áp dụng để phân cấp suất rừng tự nhiên Việt Nam (v) Trữ lượng (thể tích): trữ lượng gỗ chi tiêu điều tra nhà quản lý lâm nghiệp quan tâm nhất, nhiên phương pháp để đo đếm trữ lượng rừng khó cần phải chuẩn hoá Thể tích gỗ sữ dụng tiêu không thích hợp tiêu chuẩn gỗ sử dụng thay đổi theo thời gian địa phương Assmann (1961) [27] khuyến nghị sử dụng khái niệm khối lượng gỗ lớn (derbholz) định nghĩa thể tích gỗ không vỏ khúc thân cành có đường kính không vỏ lớn cm Đề xuất thích hợp kim phản ánh tốt tiêu chuẩn sử dụng nhiều vùng khác nhau, nhiên loài có nhiều gỗ cành nhánh việc đo đếm thể tích gỗ cành nhánh gặp nhiều khó khăn Năm 1888, Hội Trạm thực nghiệm Lâm nghiệp Đức phê chuẩn lấy lượng sản xuất gỗ rừng tuổi 100 làm tiêu chuẩn cho suất lập địa Một số tác giả khác (ví dụ Bradley et al., 1966 [29]) lại cho lượng tăng trưởng thể tích điểm đạt tối đa sở tốt để so sánh suất lập địa, nhiên việc đo đếm tiêu áp dụng cho lâm phần loài, tuổi Trong rừng hỗn loài với nhiều loài có đặc tính sinh trưởng khác khó khăn nhiều -8Các phương pháp đánh giá đất đai lập địa Các phương pháp đánh giá lập địa đo sinh khối dựa đo đếm nhân tố điều tra rừng không thích hợp diện tích đất lâm nghiệp chưa có rừng Việc đánh giá tiềm đất đai dự báo cấp suất lập địa trước trồng rừng quan trọng quan tâm nghiên cứu Trong quản lý rừng tự nhiên không cần phải đánh giá lập địa diện tích đất trống, phương pháp đánh giá tiềm lập địa hữu ích cho nơi có rừng Sau số nhân tố sử dụng để đánh giá tiềm lập địa: (i) Chỉ số khí hậu: Chỉ số khí hậu sinh trưởng rừng biết đến nhiều số CVP Paterson, số thiết kế để dự đoán sinh trưởng tối đa tiềm thể tích diện tích rộng lớn (Johnston et al., 1967 [43]) Nó dựa lượng bay hơi, biên độ nhiệt, lượng mưa hàng năm, thời gian mùa sinh trưởng nhiệt độ trung bình tháng nóng Mặc dù số chấp nhận bình diện quốc gia nhiều nước dường có ích cho việc đánh giá kinh tế địa lý thống kê lâm nghiệp chung nơi mà việc ước lượng tiềm sản xuất cần bao gồm vùng rộng chưa tiếp cận chưa có số liệu kiểm kê rừng Một số số tương tự số sản xuất bậc vùng khí hậu dựa lượng bốc Lieth Box, 1972 [45] dựa nhiệt độ lượng mưa Esser 1984) [37] Czarnowski (1964) [34] phát triển phương trình với ba tham số khí hậu, ba tham số đất tính chất loài để dự báo khả sản xuất loài không phụ thuộc vào tuổi chổ trái đất Các thử nghiệm phương trình ông cho thấy dự báo sát với số liệu quan sát ba loài châu lục Mô hình điều chỉnh để dự báo số lập địa (ở tuổi 20) cho loài Pinus radiata từ đặc trưng khí hậu đặc trưng đất với sai số trung bình khoảng 10% (Czarnowski et al., 1976) [35] (ii) - 79 SUMMARY OUTPUT Regression Statistics Multiple R 0.868399746 R Square 0.754118118 Adjusted R Square 0.753413586 Standard Error 2.163199795 Observations 351 ANOVA df Regression Residual 349 Total 350 Coefficients Intercept -11.2667094 X Variable 7.875514101 VQ-5 SUMMARY OUTPUT Regression Statistics Multiple R 0.908018493 R Square 0.824497583 Adjusted R Square 0.823922165 Standard Error 2.182929163 Observations 307 VQ-6 SS 5008.775196 1633.12224 6641.897436 Standard Error 0.78138882 0.240718671 MS 5008.775 4.679433 F 1070.381 Significance F 2.3598E-108 t Stat -14.4188 32.71667 P-value 2.67E-37 2.4E-108 Lower 95% -12.80353285 7.402072354 Upper 95% -9.729886 8.3489558 Lower 95.0% -12.8035328 7.40207235 Upper 95.0% -9.729886028 8.348955848 ANOVA df Regression Residual Total Intercept X Variable 1 305 306 SS 6827.872625 1453.379818 8281.252443 MS 6827.873 4.76518 F 1432.868 Significance F 2.8458E-117 Coefficients -13.6437841 8.483375001 Standard Error 0.726338341 0.224112254 t Stat -18.7843 37.85324 P-value 7.67E-53 2.8E-117 Lower 95% -15.0730525 8.042373118 Upper 95% -12.2145 8.924377 Lower 95.0% -15.07305252 8.042373118 Upper 95.0% -12.2145156 8.924376883 - 80 SUMMARY OUTPUT Regression Statistics Multiple R 0.895431198 R Square 0.801797031 Adjusted R Square 0.80145706 Standard Error 1.630183126 Observations 585 PC-1 ANOVA df Regression Residual Total Intercept X Variable 1 583 584 Coefficients -11.74140683 8.3020731 SS 6267.518552 1549.320764 7816.839316 Standard Error 0.49748896 0.170952372 SUMMARY OUTPUT PC-2 Regression Statistics Multiple R 0.93678729 R Square 0.87757042 Adjusted R Square 0.87734243 Standard Error 1.19814324 Observations 539 ANOVA df Regression Residual 537 Total 538 Coefficients Intercept -10.367575 X Variable 7.87098604 SS 5525.701128 770.8888537 6296.589981 Standard Error 0.381761083 0.12686569 MS 6267.519 2.657497 F 2358.429 Significance F 4.7241E-207 t Stat -23.6013 48.56366 P-value 5.97E-87 4.7E-207 Lower 95% -12.71849569 7.966315583 MS 5525.701 1.435547 F 3849.195 Significance F 4.5971E-247 t Stat -27.1572 62.04188 P-value 7.4E-103 4.6E-247 Lower 95% -11.11750308 7.62177218 Upper 95% -10.7643 8.637831 Upper 95% -9.61764675 8.12019991 Lower 95.0% -12.71849569 7.966315583 Lower 95.0% -11.1175031 7.62177218 Upper 95.0% -10.76431797 8.637830618 Upper 95.0% -9.61764675 8.120199907 - 81 SUMMARY OUTPUT Regression Statistics Multiple R 0.86115845 R Square 0.74159387 Adjusted R Square 0.74109694 Standard Error 1.44173522 Observations 522 ANOVA df Regression Residual 520 Total 521 Coefficients Intercept -9.73525993 X Variable 7.56100148 SUMMARY OUTPUT Regression Statistics Multiple R 0.900956517 R Square 0.811722645 Adjusted R Square 0.811418481 Standard Error 1.162394496 Observations 621 ANOVA df Regression Residual 619 Total 620 Intercept X Variable Coefficients -8.68542067 7.137436333 PC-3 SS 3101.970681 1080.87223 4182.842912 Standard Error 0.549810451 0.195724858 MS 3101.971 2.0786 F 1492.336 Significance F 6.4134E-155 t Stat -17.7066 38.63077 P-value 3E-55 6.4E-155 Lower 95% -10.81538258 7.176492872 SS 3605.847144 836.3686366 4442.215781 MS 3605.847 1.351161 F 2668.703 Significance F 1.262E-226 Standard Error 0.379697788 0.138163121 t Stat -22.8746 51.65949 P-value 2.12E-84 1.3E-226 Lower 95% -9.431072586 6.866111085 Upper 95% -8.655137276 7.945510094 Lower 95.0% -10.81538258 7.176492872 Upper 95.0% -8.65513728 7.945510094 PC-4 Upper 95% -7.93977 7.408762 Lower 95.0% -9.43107259 6.866111085 Upper 95.0% -7.939768746 7.408761581 - 82 SUMMARY OUTPUT Regression Statistics Multiple R 0.90998497 R Square 0.82807265 Adjusted R Square 0.82770993 Standard Error 1.68814692 Observations 476 ANOVA df Regression Residual 474 Total 475 Coefficients Intercept -10.252838 X Variable 7.9548383 SUMMARY OUTPUT Regression Statistics Multiple R 0.92778124 R Square 0.86077803 Adjusted R Square 0.86044497 Standard Error 1.99896174 Observations 420 ANOVA df Regression Residual 418 Total 419 Coefficients Intercept -12.349646 X Variable 9.85665702 PC-5 SS 6506.123316 1350.824163 7856.947479 Standard Error 0.497418952 0.166487047 MS 6506.123 2.84984 F 2282.978 Significance F 2.4063E-183 t Stat -20.6121 47.78052 P-value 7.25E-68 2.4E-183 Lower 95% -11.23025706 7.627694371 Upper 95% -9.27542 8.281982 Lower 95.0% -11.2302571 7.627694371 Upper 95.0% -9.275419196 8.281982233 PC-6 SS 10326.86885 1670.264479 11997.13333 Standard Error 0.609445112 0.193887493 MS 10326.87 3.995848 F 2584.4 Significance F 4.5541E-181 t Stat -20.2638 50.83699 P-value 4.29E-64 4.6E-181 Lower 95% -13.54760518 9.475541025 Upper 95% -11.1517 10.23777 Lower 95.0% -13.5476052 9.475541025 Upper 95.0% -11.15168705 10.23777302 - 83 ĐR-1 SUMMARY OUTPUT Regression Statistics Multiple R 0.81756968 R Square 0.66842019 Adjusted R Square 0.66790849 Standard Error 3.20235308 Observations 650 ANOVA df Regression Residual 648 Total 649 Coefficients Intercept -7.30494407 X Variable 8.53847697 SUMMARY OUTPUT Regression Statistics Multiple R 0.8024139 R Square 0.6438681 Adjusted R Square 0.6434375 Standard Error 3.197436 Observations 829 ANOVA df Regression Residual 827 Total 828 Coefficients Intercept -7.8820278 X Variable 9.3634335 SS 13395.99309 6645.282293 20041.27538 Standard Error 0.708765781 0.236244751 MS 13395.99 10.25507 F 1306.281 Significance F 1.7934E-157 t Stat -10.3066 36.1425 P-value 3.61E-23 1.8E-157 Lower 95% -8.696698944 8.074579314 MS 15286.05 10.2236 F 1495.174 Significance F 1.3472E-187 t Stat -11.0168 38.66747 P-value 1.97E-26 1.3E-187 Lower 95% -9.286349461 8.888127269 Upper 95% -5.913189 9.0023746 Lower 95.0% -8.696698944 8.074579314 Upper 95.0% -5.91318919 9.002374627 Upper 95% -6.47771 9.83874 Lower 95.0% -9.28634946 8.888127269 Upper 95.0% -6.477706111 9.83873964 ĐR-2 SS 15286.05256 8454.914866 23740.96743 Standard Error 0.715455212 0.242152702 - 84 SUMMARY OUTPUT Regression Statistics Multiple R 0.97124251 R Square 0.94331202 Adjusted R Square 0.94322358 Standard Error 1.86647688 Observations 643 ANOVA df Regression Residual 641 Total 642 Coefficients Intercept -23.68292 X Variable 15.0433326 ĐR-3 SUMMARY OUTPUT ĐR-4 Regression Statistics Multiple R 0.95855289 R Square 0.91882365 Adjusted R Square 0.91874099 Standard Error 1.54895196 Observations 984 ANOVA df Regression Residual 982 Total 983 Coefficients Intercept -19.304842 X Variable 12.5981045 SS 37159.31095 2233.074742 39392.38569 Standard Error 0.44779972 0.145657499 SS 26667.97476 2356.065635 29024.0404 Standard Error 0.348207365 0.119494561 MS 37159.31 3.483736 F 10666.51 Significance F t Stat -52.8873 103.2788 P-value 5.7E-236 Lower 95% -24.56225116 14.75730913 MS 26667.97 2.399252 F 11115.12 t Stat -55.4406 105.4283 P-value 1.1E-304 Upper 95% -22.8036 15.32936 Lower 95.0% -24.56225116 14.75730913 Upper 95.0% -22.80358788 15.32935615 Significance F Lower 95% -19.9881577 12.36361048 Upper 95% -18.621526 12.8325986 Lower 95.0% -19.9881577 12.36361048 Upper 95.0% -18.62152553 12.83259858 - 85 SUMMARY OUTPUT Regression Statistics Multiple R 0.93941102 R Square 0.88249307 Adjusted R Square 0.88229186 Standard Error 2.22931477 Observations 586 ANOVA df Regression Residual 584 Total 585 Coefficients Intercept -18.074107 X Variable 12.1580066 SUMMARY OUTPUT Regression Statistics Multiple R 0.93959952 R Square 0.88284725 Adjusted R Square 0.88264665 Standard Error 1.79185358 Observations 586 ANOVA df Regression Residual 584 Total 585 Coefficients Intercept -13.0463876 ĐR-5 SS 21797.33787 2902.389092 24699.72696 Standard Error 0.558284342 0.183582822 MS 21797.34 4.969844 F 4385.92 Significance F 1.0096E-273 t Stat -32.3744 66.22628 P-value 1.9E-132 1E-273 Lower 95% -19.17059626 11.79744367 MS 14130.29 3.210739 F 4400.945 Significance F 4.1805E-274 t Stat -29.1568 P-value 5E-116 Lower 95% -13.92520586 Upper 95% -16.9776 12.51857 Lower 95.0% -19.17059626 11.79744367 Upper 95.0% -16.97761707 12.51856958 Upper 95% -12.1676 Lower 95.0% -13.9252059 Upper 95.0% -12.16756937 ĐR-6 SS 14130.28663 1875.071729 16005.35836 Standard Error 0.447455652 - 86 X Variable 9.84419251 SUMMARY OUTPUT Regression Statistics Multiple R 0.76423726 R Square 0.58405858 Adjusted R Square 0.58260931 Standard Error 4.8311226 Observations 289 ANOVA df Regression Residual 287 Total 288 Coefficients Intercept -16.4150769 X Variable 10.7085896 0.148390853 66.33962 4.2E-274 9.552747787 10.13564 9.552747787 10.13563724 XS-1 SS 9405.94113 6698.506967 16104.4481 Standard Error 1.726422791 0.533432172 SUMMARY OUTPUT Regression Statistics Multiple R 0.807940554 R Square 0.652767939 Adjusted R Square 0.651758544 Standard Error 3.898166221 Observations 346 ANOVA df Regression Residual 344 Total 345 Coefficients Intercept -16.95981821 X Variable 10.86794085 MS 9405.941 23.33975 F 403.001 Significance F 1.31657E-56 t Stat -9.50814 20.07489 P-value 8.17E-19 1.32E-56 Lower 95% -19.81313278 9.658654229 Upper 95% -13.017 11.75852 Lower 95.0% -19.81313278 9.658654229 Upper 95.0% -13.01702095 11.75852496 XS-2 SS 9826.936466 5227.32076 15054.25723 Standard Error 1.338512701 0.427364601 MS 9826.936 15.1957 F 646.6919 Significance F 5.15121E-81 t Stat -12.6706 25.43014 P-value 1.86E-30 5.15E-81 Lower 95% -19.59251738 10.02736427 Upper 95% -14.3271 11.70852 Lower 95.0% -19.59251738 10.02736427 Upper 95.0% -14.32711904 11.70851743 - 87 SUMMARY OUTPUT Regression Statistics Multiple R 0.8713569 R Square 0.75926284 Adjusted R Square 0.75870168 Standard Error 3.30661294 Observations 431 ANOVA df Regression Residual 429 Total 430 Coefficients Intercept -17.4277309 X Variable 11.739314 SUMMARY OUTPUT Regression Statistics Multiple R 0.93624112 R Square 0.87654744 Adjusted R Square 0.87623089 Standard Error 1.97268107 Observations 392 ANOVA df Regression Residual 390 Total 391 Coefficients Intercept -13.124307 X Variable 10.5589614 XS-3 SS 14793.57149 4690.552638 19484.12413 Standard Error 0.978213828 0.319146116 MS 14793.57 10.93369 F 1353.027 Significance F 9.6815E-135 t Stat -17.8159 36.78351 P-value 1.51E-53 9.7E-135 Lower 95% -19.35041902 11.11202945 MS 10775.9 3.891471 F 2769.108 Significance F 2.9999E-179 t Stat -20.6353 52.62232 P-value 1.75E-64 3E-179 Lower 95% -14.37474738 10.16445947 Upper 95% -15.505 12.3666 Lower 95.0% -19.350419 11.11202945 Upper 95.0% -15.50504277 12.36659861 KHN-1 SS 10775.90297 1517.673539 12293.57651 Standard Error 0.636011621 0.200655582 Upper 95% -11.8739 10.95346 Lower 95.0% -14.37474738 10.16445947 Upper 95.0% -11.87386668 10.95346341 - 88 SUMMARY OUTPUT Regression Statistics Multiple R 0.955363338 R Square 0.912719108 Adjusted R Square 0.912559253 Standard Error 1.958314564 Observations 548 ANOVA df Regression Residual 546 Total 547 Coefficients Intercept -14.252641 X Variable 11.61218225 KHN-2 SUMMARY OUTPUT Regression Statistics Multiple R 0.924967294 R Square 0.855564494 Adjusted R Square 0.855339867 Standard Error 2.271308101 Observations 645 KHN-5 SS 21896.5412 2093.90778 23990.44898 Standard Error 0.482913751 0.153676881 MS 21896.54 3.834996 F 5709.665 Significance F 2.6536E-291 t Stat -29.5138 75.56232 P-value 3.7E-115 2.7E-291 Lower 95% -15.20123722 11.31031196 Upper 95% -13.304 11.91405 Lower 95.0% -15.20123722 11.31031196 Upper 95.0% -13.3040447 11.91405254 Upper 95% -11.1721 11.31602 Lower 95.0% -13.2722566 10.6181213 Upper 95.0% -11.17212584 11.3160195 ANOVA df Regression Residual Total Intercept X Variable 1 643 644 SS 19649.06361 3317.134434 22966.19805 MS 19649.06 5.15884 F 3808.814 Significance F 2.326E-272 Coefficients -12.2221912 10.9670704 Standard Error 0.534749024 0.177703406 t Stat -22.8559 61.71559 P-value 4.36E-85 2.3E-272 Lower 95% -13.27225655 10.6181213 - 89 SUMMARY OUTPUT Regression Statistics Multiple R 0.992368697 R Square 0.984795631 Adjusted R Square 0.984758816 Standard Error 0.551762992 Observations 415 ANOVA df Regression Residual 413 Total 414 Coefficients Intercept -5.368092578 X Variable 7.696811866 KHN-6 SUMMARY OUTPUT Regression Statistics Multiple R 0.994709044 R Square 0.989446083 Adjusted R Square 0.989430019 Standard Error 0.402574879 Observations 659 ANOVA df Regression Residual 657 Total 658 Coefficients Intercept -5.49035904 X Variable 7.890489692 KHN-7 SS 8143.90866 125.734711 8269.643371 Standard Error 0.148319794 0.047059466 SS 9982.450173 106.4777125 10088.92789 Standard Error 0.097750327 0.03179304 MS 8143.909 0.304442 F 26750.24 Significance F t Stat -36.1927 163.555 P-value 3.6E-130 Lower 95% -5.659648429 7.604305922 MS 9982.45 0.162067 F 61594.77 t Stat -56.1672 248.1829 P-value 5.1E-253 Upper 95% -5.07654 7.789318 Lower 95.0% -5.659648429 7.604305922 Upper 95.0% -5.076536727 7.78931781 Significance F Lower 95% -5.682299749 7.828061475 Upper 95% -5.29842 7.952918 Lower 95.0% -5.68229975 7.828061475 Upper 95.0% -5.29841833 7.952917908 - 90 SUMMARY OUTPUT Regression Statistics Multiple R 0.99009822 R Square 0.98029449 Adjusted R Square 0.9802566 Standard Error 0.63928099 Observations 522 ANOVA df Regression Residual 520 Total 521 Coefficients Intercept -6.3239727 X Variable 8.01362296 SUMMARY OUTPUT Regression Statistics Multiple R 0.996719617 R Square 0.993449994 Adjusted R Square 0.99343802 Standard Error 0.316494698 Observations 549 ANOVA df Regression Residual 547 Total 548 Coefficients Intercept -5.47533127 X Variable 7.701647122 KHN-8 SS 10571.96881 212.5136941 10784.4825 Standard Error 0.154641236 0.049824478 MS 10571.97 0.40868 F 25868.56 Significance F t Stat -40.8945 160.8371 P-value 1.3E-164 Lower 95% -6.627771002 7.915740955 MS 8310.45 0.100169 F 82964.3741 Significance F t Stat -67.122 288.0354 P-value 3.101E-266 Lower 95% -5.635565712 7.649124322 Upper 95% -6.02017 8.111505 Lower 95.0% -6.627771002 7.915740955 Upper 95.0% -6.020174322 8.111504957 KHN-9 SS 8310.449582 54.7923849 8365.241967 Standard Error 0.08157288 0.026738546 Upper 95% -5.3151 7.75417 Lower 95.0% -5.63556571 7.649124322 Upper 95.0% -5.315096827 7.754169922 - 91 SUMMARY OUTPUT Regression Statistics Multiple R 0.99357464 R Square 0.987190564 Adjusted R Square 0.9871696 Standard Error 0.409403388 Observations 613 ANOVA df Regression Residual 611 Total 612 Coefficients Intercept -4.843128683 X Variable 7.488095622 KHN-10 SS 7892.508828 102.4104028 7994.91923 Standard Error 0.104840855 0.034507641 MS 7892.509 0.167611 F 47088.21 Significance F t Stat -46.1951 216.9982 P-value 1.7E-201 Lower 95% -5.049020823 7.42032765 Upper 95% -4.63724 7.555864 Lower 95.0% -5.04902082 7.42032765 Upper 95.0% -4.637236542 7.555863594 Phụ lục Tương quan Hmax với số lập địa SUMMARY OUTPUT Regression Statistics Multiple R 0.93003567 R Square 0.86496634 Adjusted R Square 0.86141282 Standard Error 2.40389857 Observations 40 ANOVA df Regression Residual 38 Total 39 Intercept X Variable Coefficients 0.05744902 1.6846934 Tương quan Hmax với số lập địa Dcs=40cm SS 1406.607889 219.5916771 1626.199566 Standard Error 2.416476916 0.107981782 MS 1406.608 5.778728 F 243.4113 Significance F 4.14391E-18 t Stat 0.023774 15.60164 P-value 0.981157 4.14E-18 Lower 95% -4.834452701 1.466095717 Upper 95% 4.949350748 1.903291092 Lower 95.0% -4.8344527 1.46609572 Upper 95.0% 4.949350748 1.903291092 - 92 SUMMARY OUTPUT Tương quan Hmax với số lập địa Dcs=25cm Regression Statistics Multiple R 0.930035667 R Square 0.864966341 Adjusted R Square 0.861412824 Standard Error 2.403898572 Observations 40 ANOVA df SS MS F Significance F Regression 1406.607889 1406.608 243.4113 4.14391E-18 Residual 38 219.5916771 5.778728 Total 39 1626.199566 Standard Coefficients Error t Stat P-value Lower 95% Intercept X Variable -3.31193779 2.246257873 2.629971619 0.143975709 -1.25931 15.60164 0.215601 4.14E-18 -8.636036936 1.954794289 Upper 95% 2.012161 2.537721 Lower 95.0% 8.636036936 1.954794289 Upper 95.0% 2.012161366 2.537721456 - 93 - ... GIÁO DỤC ĐÀO TẠO BỘ NÔNG NGHIỆP VÀ PTNT TRƯỜNG ĐẠI HỌC LÂM NGHIỆP ĐỖ VĂN THẢO NGHIÊN CỨU BỔ SUNG PHƯƠNG PHÁP ĐÁNH GIÁ VÀ PHÂN CẤP CHỈ SỐ LẬP ĐỊA CỦA RỪNG TỰ NHIÊN LÁ RỘNG THƯỜNG XANH Ở VIỆT NAM. .. đến đánh giá lập địa cấp suất rừng trồng tuổi, nhiên tổng quan nghiên cứu đánh giá phân cấp lập địa rừng tự nhiên hỗn loài khác tuổi So với nghiên cứu đánh giá lập địa rừng trồng tuổi nghiên cứu. .. tài: Nghiên cứu bổ sung phương pháp đánh giá phân cấp số lập địa rừng tự nhiên rộng thường xanh Việt Nam" -2Chương TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU 1.1 Ngoài nước Quản lý rừng dự báo sinh trưởng sản