NGHIÊN CỨU MỘT SỐ ĐẶC ĐIỂM CẤU TRÚC RỪNG TỰ NHIÊN TRẠNG THÁI IIB TẠI TIỂU KHU 212 THUỘC BAN QUẢN LÝ RỪNG PHÒNG HỘ ĐÔNG GIANG, TỈNH BÌNH THUẬN LÀM CƠ SỞ ĐỀ XUẤT CÁC BIỆN PHÁP QUẢN LÝ VÀ PHÁT TRIỂN RỪNG

BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC NÔNG LÂM THÀNH PHỐ HỒ CHÍ MINH =====o0o===== LÊ THÁI HÙNG NGHIÊN CỨU MỘT SỐ ĐẶC ĐIỂM CẤU TRÚC RỪNG TỰ NHIÊN TRẠNG THÁI IIB TẠI TIỂU KHU 212 THUỘC BAN QUẢN LÝ RỪNG PHỊNG HỘ ĐƠNG GIANG, TỈNH BÌNH THUẬN LÀM CƠ SỞ ĐỀ XUẤT CÁC BIỆN PHÁP QUẢN LÝ VÀ PHÁT TRIỂN RỪNG LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC NGÀNH LÂM NGHIỆP Thành phố Hồ Chí Minh Tháng 06/2012 BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC NÔNG LÂM THÀNH PHỐ HỒ CHÍ MINH =====o0o===== LÊ THÁI HÙNG NGHIÊN CỨU MỘT SỐ ĐẶC ĐIỂM CẤU TRÚC RỪNG TỰ NHIÊN TRẠNG THÁI IIB TẠI TIỂU KHU 212 THUỘC BAN QUẢN LÝ RỪNG PHỊNG HỘ ĐƠNG GIANG, TỈNH BÌNH THUẬN LÀM CƠ SỞ ĐỀ XUẤT CÁC BIỆN PHÁP QUẢN LÝ VÀ PHÁT TRIỂN RỪNG Ngành: Lâm nghiệp LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC Người hướng dẫn: ThS NGUYỄN MINH CẢNH Thành phố Hồ Chí Minh Tháng 06/2012 i LỜI CẢM ƠN Khóa luận kết trình học tập năm học Trường Đại học Nông Lâm Thành phố Hồ Chí Minh, kết từ nỗ lực thân, quan tâm dạy tất Thầy Cô giáo giúp đỡ nhiều cá nhân, tập thể khác … Nhân dịp này, xin chân thành bày tỏ lời cảm ơn chân thành đến: Quý Thầy Cô giáo Trường Đại Học Nơng Lâm Thành phố Hồ Chí Minh Khoa Lâm nghiệp truyền đạt kiến thức quý báu cho suốt thời gian học tập trường Đặc biệt, tơi xin tỏ lòng biết ơn chân thành đến Thầy ThS Nguyễn Minh Cảnh tận tình hướng dẫn giúp đỡ tơi hồn thành khóa luận Xin chân thành cảm ơn Ban lãnh đạo toàn thể Cán bộ, viên chức Ban quản lý rừng phòng hộ Đơng Giang tạo điều kiện thuận lợi cho điều tra, khảo sát thực địa để có liệu viết khóa luận Cuối tơi chân thành cảm ơn đến gia đình, bạn bè giúp đỡ, động viên tơi q trình học tập thời gian thực hoàn thành khóa luận Tp.HCM, ngày 01 tháng 06 năm 2012 Sinh viên thực Lê Thái Hùng ii TÓM TẮT Lê Thái Hùng, sinh viên DH08QR – Khoa Lâm nghiệp, Trường Đại Học Nơng Lâm Thành phố Hồ Chí Minh Đề tài “Nghiên cứu số đặc điểm cấu trúc rừng tự nhiên trạng thái IIB tiểu khu 212 thuộc Ban quản lý rừng phòng hộ Đơng Giang, tỉnh Bình Thuận làm sở đề xuất biện pháp quản lý phát triển rừng” Đề tài tiến hành số diện tích điển hình trạng thái IIB tiểu khu 212 thuộc Ban quản lý rừng phòng hộ Đơng Giang, xã Đơng Giang, huyện Hàm Thuận Bắc thực khoảng thời gian từ tháng 03 năm 2012 đến tháng 06 năm 2012 Giảng viên hướng dẫn: ThS Nguyễn Minh Cảnh Phương pháp nghiên cứu tiến hành đề tài điều tra thu thập số liệu ô điều tra điển hình bố trí ngồi trường, điều tra thu thập thơng tin, tài liệu có liên quan đến đề tài Sử dụng phần mềm Excel 2003 Statgraphics Centurion V 15.1 để xử lý số liệu thực tất nội dung nghiên cứu đặt đề tài Kết thu sau: Về cấu trúc tổ thành loài Tại khu vực nghiên cứu thống kê 48 loài thực vật có lồi tham gia vào cơng thức tổ thành lồi: Trường, Trâm, Thành ngạnh, Cò ke, Bằng lăng, Bình linh, với tỷ lệ tổ thành IV = 58,74% Độ hỗn giao rừng khu vực nghiên cứu K = 0,13 ≈ 13% Phân bố số theo cấp đường kính (N/D1,3) Phân bố số theo cấp đường kính D1,3 có dạng phân bố giảm, đỉnh, lệch trái theo xu hướng giảm dần đường kính tăng lên Phương trình cụ thể: Ln(N%) = 2,29356 + 0,15029.D - 0,00602154.D2 Đường kính bình qn D1,3 = 17,3 cm Hệ số biến động (Cv = 35,46%) chứng tỏ có phân hóa lớn đường kính iii Phân bố số theo cấp chiều cao (N/Hvn) Quy luật phân bố số theo cấp chiều cao Hvn có dạng đỉnh lệch phải Phương trình cụ thể: Ln(N%) = -20,4516 + 7,01025.H - 0,855007.H2 + 0,0495096.H3 - 0,00110686.H4 Chiều cao bình quân H = 13,7 m, với hệ số biến động Cv = 18,1% Phân bố số lồi theo cấp đường kính D1,3 (NL/D1,3) Phân bố thực nghiệm số lồi theo cấp đường kính (NL/D1,3) tổng thể có dạng phân bố đỉnh, có đỉnh nằm cỡ kính thứ Phân bố số loài theo cấp chiều cao Hvn (NL/Hvn) Đường biểu diễn phân bố thực nghiệm số loài theo cấp chiều cao (NL/Hvn) có dạng đỉnh, lệch phải, số lồi tăng dần cấp chiều cao tăng lên Trữ lượng bình quân lâm phần trạng thái IIB khu vực nghiên cứu thông qua số liệu điều tra thực tế 106,23 m3/ha Tương quan chiều cao (Hvn) đường kính (D1,3) Tương quan chiều cao (Hvn) đường kính (D1,3) rừng khu vực nghiên cứu thể phương trình: H = 1/(0,0485722 + 0,392933/D) Tình hình tái sinh tán rừng Đã thống kê lồi tái sinh có 20 lồi, có lồi có số lượng tái sinh nhiều nhất, chiếm tỷ lệ 58,94% Mật độ tái sinh 5034 cây/ha, tái sinh khỏe chiếm 84,1% số tái sinh yếu chiếm 15,9% 10 Độ tàn che rừng tự nhiên trạng thái IIB khu vực nghiên cứu 57,5% iv ABSTRACT Lê Thái Hùng, student of DH08QR grade – Faculty of Forestry, Nong Lam University, Thu Duc District, Ho Chi Minh City The thesis: "Researching some structural characteristics of natural forest (IIB type) at the 212 sub-zone of Dong Giang protection forest management Board, Ham Thuan Bac district, Binh Thuan province as a basis to propose solutions to manage and protect forest" was conducted from March 2012 to June 2012 Scientific Advisor: MSc Nguyen Minh Canh The main research methods of the thesis are measurement and collection of the data in the study fields The software Excel 2003 and Statgraphics Centurion V 15.1 were used to treat data and establish the regression models The research results could be summarized with some main contents as follows: Structure of botanic species: The number of species in natural forest (IIB type) at study area is 48 species; species have the highest ratio (IV > 5%) are: Xerospernum noronhianum, Syzygium sp, Cratoxylum ligustrinum Spach, Grewia paniculata Roxb, Lagerstroemia sp, Vitex pinnata The total important value of this species is 58,74% Sexual reproduction level of the forest is K = 0,13 ≈ 13% Distribution of stem number according to diameter at breast height – rank (N/D1,3): Correlation of (N) according to diameter (D1,3), to be a mathematical model with an equation as: Ln(N%) = 2,29356 + 0,15029.D - 0,00602154.D2 Average diameter of stand is 17,3 cm Coefficient of variation is 35,46% Distribution of stem number according to tree height - rank (N/Hvn): Correlation of (N) according to height (Hvn), to be a mathematical model with an equation as: Ln(N%) = - 20,4516+7,01025.H - 0,855007.H2 + 0,0495096.H3 - 0,00110686.H4 v Average height of stand is 13,7 m Coefficient of variation is 18,1% Distribution of species according to diameter at breast height – rank (NL/D1,3): Experimental distribution (NL/D1,3) has a peak distribution form with main peak located at the second diameter – rank Distribution of species according to tree height - rank (NL/Hvn): Experimental distribution (NL/Hvn) has also a peak distribution form Number of species had increased when the height level rose Average mass of stand is 106,23 m3 per Correlative equation between the tree height and the diameter (Hvn/D1,3) At study area, the best mathematical equation to modelize for the correlation of the tree height (Hvn) with the diameter (D1,3) with an equation as: H = 1/(0,0485722 + 0,392933/D) The thesis has listed 20 species, of which dominant species accounting for 58,94% Density of reproductive tree of natural forest (IIB type) at study area is appropriate 5780 trees per The number of prospect trees has 84,1 trees per ha, weak trees has 15,9% 10 The thesis has calculated the crown density of the forest at study area is 57,5% vi MỤC LỤC Trang Trang tựa i Lời cảm ơn ii Tóm tắt - iii Abstract - v Mục lục vii Danh sách chữ viết tắt - ix Danh sách bảng x Danh sách hình - xi Chương 1: MỞ ĐẦU 1.1 Đặt vấn đề - 1.2 Mục tiêu nghiên cứu - 1.3 Giới hạn phạm vi nghiên cứu - Chương 2: TỔNG QUAN NGHIÊN CỨU - 2.1 Tổng quan tài liệu nghiên cứu - 2.1.1 Khái niệm cấu trúc hệ sinh thái rừng 2.1.2 Đặc điểm cấu trúc hệ sinh thái rừng 2.2 Tình hình nghiên cứu cấu trúc rừng Thế giới Việt Nam - 2.2.1 Tình hình nghiên cứu cấu trúc rừng Thế giới - 2.2.2 Tình hình nghiên cứu cấu trúc rừng Việt Nam 11 Chương 3: ĐẶC ĐIỂM KHU VỰC, NỘI DUNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU - 15 3.1 Đặc điểm khu vực nghiên cứu 15 3.1.1 Khái quát đặc điểm tự nhiên 15 3.1.2 Đặc điểm kinh tế - xã hội - 19 3.2 Nội dung nghiên cứu - 19 3.3 Phương pháp nghiên cứu 20 3.3.1 Cơ sở phương pháp luận 20 vii 3.3.2 Phương pháp thu thập số liệu - 21 3.3.3 Phương pháp phân tích tính tốn số liệu nội nghiệp - 23 Chương 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 27 4.1 Cấu trúc tổ thành loài khu vực nghiên cứu 27 4.2 Độ hỗn giao rừng 30 4.3 Phân bố số theo cấp đường kính D1,3 (N/D1,3) - 31 4.4 Phân bố số theo cấp chiều cao (N/Hvn) - 35 4.5 Phân bố số loài theo cấp đường kính D1,3 (NL/D1,3) - 39 4.6 Phân bố số loài theo cấp chiều cao (NL/Hvn) 41 4.7 Phân bố trữ lượng theo cấp đường kính D1,3 (M/D1,3) - 43 4.8 Tương quan chiều cao Hvn đường kính D1,3 - 45 4.9 Phân bố lớp tái sinh tán rừng 48 4.9.1 Tổ thành loài tái sinh 48 4.9.2 Chất lượng nguồn gốc tái sinh - 50 4.9.3 Phân bố tái sinh theo cấp chiều cao - 52 4.10 Độ tàn che rừng 54 4.11 Đề xuất số biện pháp kỹ thuật lâm sinh phù hợp phục vụ cho công tác quản lý bảo vệ rừng 55 Chương 5: KẾT LUẬN, TỒN TẠI VÀ KIẾN NGHỊ 57 5.1 Kết luận 57 5.2 Tồn 58 5.3 Kiến nghị 59  Trắc đồ David Richards  Phụ biểu viii DANH SÁCH CÁC CHỮ VIẾT TẮT a, b, c Các tham số phương trình Cv% Hệ số biến động % D1,3 Đường kính thân tầm cao 1,3 mét, cm Ex Hệ số biểu thị độ nhọn phân bố H Chiều cao cây, m Hvn Chiều cao vút ngọn, m H_lt Chiều cao tính theo lý thuyết, m H_tn Chiều cao theo thực nghiệm, m Log Logarit thập phân (cơ số 10) Ln Logarit tự nhiên (cơ số e) P_value Mức ý nghĩa (xác suất) Pa, Pb, Pc, Pd Mức ý nghĩa (xác suất) tham số a, b, c, d 4.1 : Số hiệu hình hay bảng theo chương (4.1) Số hiệu hàm lý thuyết r Hệ số tương quan R Biên độ biến động R2 Hệ số xác định mức độ tương quan S Độ lệch tiêu chuẩn SK Hệ số biểu thị độ lệch phân bố Sodb Diện tích dạng Sy/x Sai số phương trình hồi quy ix Polynomial Regression - Ln(N%) versus D Dependent variable: Ln(N%) Independent variable: D Order of polynomial = Parameter CONSTANT D D^2 Estimate 2,29356 0,15029 -0,00602154 Standard Error 0,597928 0,0545693 0,00112139 Analysis of Variance Source Sum of Squares Model 14,4954 Residual 0,270417 Total (Corr,) 14,7658 Df T Statistic 3,83585 2,75411 -5,3697 P-Value 0,0122 0,0401 0,0030 Mean Square F-Ratio P-Value 7,2477 134,01 0,0000 0,0540834 R-squared = 98,1686 percent R-squared (adjusted for d.f.) = 97,4361 percent Standard Error of Est = 0,232558 Mean absolute error = 0,159887 Durbin-Watson statistic = 2,56067 (P=0,4223) Lag residual autocorrelation = -0,303027 The StatAdvisor The output shows the results of fitting a second order polynomial model to describe the relationship between Ln(N%) and D The equation of the fitted model is Ln(N%) = 2,29356 + 0,15029*D-0,00602154*D^2 Since the P-value in the ANOVA table is less than 0,05, there is a statistically significant relationship between Ln(N%) and D at the 95% confidence level The R-Squared statistic indicates that the model as fitted explains 98,1686% of the variability in Ln(N%) The adjusted R-squared statistic, which is more suitable for comparing models with different numbers of independent variables, is 97,4361% The standard error of the estimate shows the standard deviation of the residuals to be 0,232558 This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu The mean absolute error (MAE) of 0,159887 is the average value of the residuals The Durbin-Watson (DW) statistic tests the residuals to determine if there is any significant correlation based on the order in which they occur in your data file Since the P-value is greater than 0,05, there is no indication of serial autocorrelation in the residuals at the 95% confidence level In determining whether the order of the polynomial is appropriate, note first that the P-value on the highest order term of the polynomial equals 0,00301548 Since the P-value is less than 0,05, the highest order term is statistically significant at the 95% confidence level Consequently, you probably don't want to consider any model of lower order n Polynomial Regression - Ln(N%) versus Ln(D) Dependent variable: Ln(N%) Independent variable: Ln(D) Order of polynomial = Parameter CONSTANT Ln(D) Ln(D)^2 Estimate -22,8057 19,9894 -3,80397 Standard Error 6,24784 4,24839 0,710114 Analysis of Variance Source Sum of Squares Model 14,198 Residual 0,567799 Total (Corr,) 14,7658 Df T Statistic -3,65017 4,70517 -5,35685 P-Value 0,0147 0,0053 0,0030 Mean Square F-Ratio P-Value 7,09901 62,51 0,0003 0,11356 R-squared = 96,1546 percent R-squared (adjusted for d.f.) = 94,6165 percent Standard Error of Est = 0,336986 Mean absolute error = 0,234437 Durbin-Watson statistic = 1.51273 (P=0,0255) Lag residual autocorrelation = 0,20645 The StatAdvisor The output shows the results of fitting a second order polynomial model to describe the relationship between Ln(N%) and Ln(D) The equation of the fitted model is Ln(N%) = -22,8057 + 19,9894*Ln(D)-3,80397*Ln(D)^2 Since the P-value in the ANOVA table is less than 0.05, there is a statistically significant relationship between Ln(N%) and Ln(D) at the 95% confidence level The R-Squared statistic indicates that the model as fitted explains 96,1546% of the variability in Ln(N%) The adjusted R-squared statistic, which is more suitable for comparing models with different numbers of independent variables, is 94,6165% The standard error of the estimate shows the standard deviation of the residuals to be 0,336986 This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu The mean absolute error (MAE) of 0,234437 is the average value of the residuals The Durbin-Watson (DW) statistic tests the residuals to determine if there is any significant correlation based on the order in which they occur in your data file Since the P-value is less than 0.05, there is an indication of possible serial correlation at the 95% confidence level Plot the residuals versus row order to see if there is any pattern that can be seen In determining whether the order of the polynomial is appropriate, note first that the P-value on the highest order term of the polynomial equals 0,00304717 Since the P-value is less than 0,05, the highest order term is statistically significant at the 95% confidence level Consequently, you probably don't want to consider any model of lower order o PHỤ BIỂU KẾT QUẢ THỬ NGHIỆM CÁC DẠNG PHƯƠNG TRÌNH BIỂU THỊ PHÂN BỐ SỐ CÂY THEO CẤP CHIỀU CAO N/Hvn Polynomial Regression - N% versus H Dependent variable: N% Independent variable: H Order of polynomial = Parameter CONSTANT H H^2 Estimate -55,7047 12,3938 -0,488006 Standard Error 17,9127 3,26956 0,134378 Analysis of Variance Source Sum of Squares Model 718,211 Residual 242,693 Total (Corr.) 960,904 Df T Statistic -3,10979 3,79066 -3,63159 P-Value 0,0266 0,0127 0,0150 Mean Square F-Ratio P-Value 359,106 7,40 0,0321 48,5386 R-squared = 74,7433 percent R-squared (adjusted for d.f.) = 64,6406 percent Standard Error of Est = 6,96696 Mean absolute error = 5,17324 Durbin-Watson statistic = 1,4468 (P=0,0150) Lag residual autocorrelation = 0,177869 The StatAdvisor The output shows the results of fitting a second order polynomial model to describe the relationship between N% and H The equation of the fitted model is N% = -55,7047 + 12,3938*H-0,488006*H^2 Since the P-value in the ANOVA table is less than 0,05, there is a statistically significant relationship between N% and H at the 95% confidence level The R-Squared statistic indicates that the model as fitted explains 74,7433% of the variability in N% The adjusted R-squared statistic, which is more suitable for comparing models with different numbers of independent variables, is 64,6406% The standard error of the estimate shows the standard deviation of the residuals to be 6,96696 This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu The mean absolute error (MAE) of 5,17324 is the average value of the residuals The Durbin-Watson (DW) statistic tests the residuals to determine if there is any significant correlation based on the order in which they occur in your data file Since the P-value is less than 0,05, there is an indication of possible serial correlation at the 95% confidence level Plot the residuals versus row order to see if there is any pattern that can be seen In determining whether the order of the polynomial is appropriate, note first that the P-value on the highest order term of the polynomial equals 0,0150357 Since the P-value is less than 0,05, the highest order term is statistically significant at the 95% confidence level Consequently, you probably don't want to consider any model of lower order p Polynomial Regression - Ln(N%) versus H Dependent variable: Ln(N%) Independent variable: H Order of polynomial = Parameter CONSTANT H H^2 Estimate -9,97029 2,14803 -0,0855981 Standard Error 1,18949 0,217115 0,00892336 Analysis of Variance Source Sum of Squares Model 21,1692 Residual 1,07018 Total (Corr.) 22,2394 Df T Statistic -8,38201 9,89351 -9,59259 P-Value 0,0004 0,0002 0,0002 Mean Square F-Ratio P-Value 10,5846 49,45 0,0005 0,214036 R-squared = 95,1879 percent R-squared (adjusted for d.f.) = 93,2631 percent Standard Error of Est = 0,46264 Mean absolute error = 0,312512 Durbin-Watson statistic = 1,78226 (P=0,0590) Lag residual autocorrelation = -0,022422 The StatAdvisor The output shows the results of fitting a second order polynomial model to describe the relationship between Ln(N%) and H The equation of the fitted model is Ln(N%) = -9,97029 + 2,14803*H-0,0855981*H^2 Since the P-value in the ANOVA table is less than 0,05, there is a statistically significant relationship between Ln(N%) and H at the 95% confidence level The R-Squared statistic indicates that the model as fitted explains 95,1879% of the variability in Ln(N%) The adjusted R-squared statistic, which is more suitable for comparing models with different numbers of independent variables, is 93,2631% The standard error of the estimate shows the standard deviation of the residuals to be 0,46264 This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu The mean absolute error (MAE) of 0,312512 is the average value of the residuals The Durbin-Watson (DW) statistic tests the residuals to determine if there is any significant correlation based on the order in which they occur in your data file Since the P-value is greater than 0,05, there is no indication of serial autocorrelation in the residuals at the 95% confidence level In determining whether the order of the polynomial is appropriate, note first that the P-value on the highest order term of the polynomial equals 0,000208615 Since the P-value is less than 0,05, the highest order term is statistically significant at the 95% confidence level Consequently, you probably don't want to consider any model of lower order q Polynomial Regression - Ln(N%) versus Ln(H) Dependent variable: Ln(N%) Independent variable: Ln(H) Order of polynomial = Parameter CONSTANT Ln(H) Ln(H)^2 Estimate -41,7814 37,4893 -7,82373 Standard Error 10,3258 9,23299 2,00707 Analysis of Variance Source Sum of Squares Model 17,7035 Residual 4,53589 Total (Corr.) 22,2394 Df T Statistic -4,04632 4,06036 -3,89809 P-Value 0,0099 0,0097 0,0114 Mean Square F-Ratio P-Value 8,85174 9,76 0,0188 0,907178 R-squared = 79,6042 percent R-squared (adjusted for d.f.) = 71,4459 percent Standard Error of Est = 0,952459 Mean absolute error = 0,675269 Durbin-Watson statistic = 1,43659 (P=0,0183) Lag residual autocorrelation = 0,0585602 The StatAdvisor The output shows the results of fitting a second order polynomial model to describe the relationship between Ln(N%) and Ln(H) The equation of the fitted model is Ln(N%) = -41,7814 + 37,4893*Ln(H)-7,82373*Ln(H)^2 Since the P-value in the ANOVA table is less than 0,05, there is a statistically significant relationship between Ln(N%) and Ln(H) at the 95% confidence level The R-Squared statistic indicates that the model as fitted explains 79,6042% of the variability in Ln(N%) The adjusted R-squared statistic, which is more suitable for comparing models with different numbers of independent variables, is 71,4459% The standard error of the estimate shows the standard deviation of the residuals to be 0,952459 This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu The mean absolute error (MAE) of 0,675269 is the average value of the residuals The Durbin-Watson (DW) statistic tests the residuals to determine if there is any significant correlation based on the order in which they occur in your data file Since the P-value is less than 0,05, there is an indication of possible serial correlation at the 95% confidence level Plot the residuals versus row order to see if there is any pattern that can be seen In determining whether the order of the polynomial is appropriate, note first that the P-value on the highest order term of the polynomial equals 0,0114314 Since the P-value is less than 0,05, the highest order term is statistically significant at the 95% confidence level Consequently, you probably don't want to consider any model of lower order r Polynomial Regression - N% versus Ln(H) Dependent variable: N% Independent variable: Ln(H) Order of polynomial = Parameter CONSTANT Ln(H) Ln(H)^2 Ln(H)^3 Estimate 1177,16 -1718,41 813,635 -124,21 Standard Error 320,485 439,079 196,111 28,6252 Analysis of Variance Source Sum of Squares Model 872,665 Residual 88,2391 Total (Corr.) 960,904 Df T Statistic 3,67306 -3,91366 4,14886 -4,33919 P-Value 0,0213 0,0173 0,0143 0,0123 Mean Square F-Ratio P-Value 290,888 13,19 0,0153 22,0598 R-squared = 90,8171 percent R-squared (adjusted for d.f.) = 83,9299 percent Standard Error of Est = 4,69678 Mean absolute error = 2,89026 Durbin-Watson statistic = 2,38499 (P=0,1397) Lag residual autocorrelation = -0,197553 The StatAdvisor The output shows the results of fitting a third order polynomial model to describe the relationship between N% and Ln(H) The equation of the fitted model is N% = 1177,16-1718,41*Ln(H) + 813,635*Ln(H)^2-124,21*Ln(H)^3 Since the P-value in the ANOVA table is less than 0,05, there is a statistically significant relationship between N% and Ln(H) at the 95% confidence level The R-Squared statistic indicates that the model as fitted explains 90,8171% of the variability in N% The adjusted R-squared statistic, which is more suitable for comparing models with different numbers of independent variables, is 83,9299% The standard error of the estimate shows the standard deviation of the residuals to be 4,69678 This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu The mean absolute error (MAE) of 2,89026 is the average value of the residuals The Durbin-Watson (DW) statistic tests the residuals to determine if there is any significant correlation based on the order in which they occur in your data file Since the P-value is greater than 0,05, there is no indication of serial autocorrelation in the residuals at the 95% confidence level In determining whether the order of the polynomial is appropriate, note first that the P-value on the highest order term of the polynomial equals 0,0122606 Since the P-value is less than 0,05, the highest order term is statistically significant at the 95% confidence level Consequently, you probably don't want to consider any model of lower order s Polynomial Regression - Ln(N%) versus H Dependent variable: Ln(N%) Independent variable: H Order of polynomial = Parameter CONSTANT H H^2 H^3 H^4 Estimate -20,4516 7,01025 -0,855007 0,0495096 -0,00110686 Standard Error 0,805869 0,325786 0,0457476 0,00267643 0,0000556119 Analysis of Variance Source Sum of Squares Model 22,2351 Residual 0,00429976 Total (Corr.) 22,2394 Df T Statistic -25,3783 21,518 -18,6896 18,4984 -19,9033 P-Value 0,0001 0,0002 0,0003 0,0003 0,0003 Mean Square F-Ratio P-Value 5,55877 3878,43 0,0000 0,00143325 R-squared = 99,9807 percent R-squared (adjusted for d.f.) = 99,9549 percent Standard Error of Est = 0,0378583 Mean absolute error = 0,0207837 Durbin-Watson statistic = 3,79181 (P=0,9891) Lag residual autocorrelation = -0,901963 The StatAdvisor The output shows the results of fitting a fourth order polynomial model to describe the relationship between Ln(N%) and H The equation of the fitted model is Ln(N%) = -20,4516 + 7,01025*H-0,855007*H^2 + 0,0495096*H^3-0,00110686*H^4 Since the P-value in the ANOVA table is less than 0,05, there is a statistically significant relationship between Ln(N%) and H at the 95% confidence level The R-Squared statistic indicates that the model as fitted explains 99,9807% of the variability in Ln(N%) The adjusted R-squared statistic, which is more suitable for comparing models with different numbers of independent variables, is 99,9549% The standard error of the estimate shows the standard deviation of the residuals to be 0,0378583 This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu The mean absolute error (MAE) of 0,0207837 is the average value of the residuals The Durbin-Watson (DW) statistic tests the residuals to determine if there is any significant correlation based on the order in which they occur in your data file Since the P-value is greater than 0,05, there is no indication of serial autocorrelation in the residuals at the 95% confidence level In determining whether the order of the polynomial is appropriate, note first that the P-value on the highest order term of the polynomial equals 0,000277181 Since the P-value is less than 0,05, the highest order term is statistically significant at the 95% confidence level Consequently, you probably don't want to consider any model of lower order t PHỤ BIỂU 5: KẾT QUẢ THỬ NGHIỆM DẠNG PHƯƠNG TRÌNH BIỂU DIỄN TƯƠNG QUAN GIỮA CHIỀU CAO VÀ ĐƯỜNG KÍNH H/D1,3 Simple Regression - H vs D Dependent variable: H Independent variable: D Double reciprocal model: Y = 1/(a + b/X) Coefficients Least Squares Parameter Estimate Intercept 0,0485722 Slope 0,392933 Standard Error 0,00215697 0,0390545 Analysis of Variance Source Sum of Squares Model 0,000680339 Residual 0,0000403255 Total (Corr.) 0,000720665 Df T Statistic P-Value 22,5188 0,0000 10,0612 0,0001 Mean Square F-Ratio P-Value 0,000680339 101,23 0,0001 0,00000672092 Correlation Coefficient = 0,971619 R-squared = 94,4044 percent R-squared (adjusted for d.f) = 93,4718 percent Standard Error of Est = 0,00259247 Mean absolute error = 0,00176701 Durbin-Watson statistic = 2,53187 (P=0,6434) Lag residual autocorrelation = -0,329775 The StatAdvisor The output shows the results of fitting a double reciprocal model to describe the relationship between H and D The equation of the fitted model is H = 1/(0,0485722 + 0,392933/D) Since the P-value in the ANOVA table is less than 0,05, there is a statistically significant relationship between H and D at the 95,0% confidence level The R-Squared statistic indicates that the model as fitted explains 94,4044% of the variability in H, The correlation coefficient equals 0,971619, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0,00259247 This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu, The mean absolute error (MAE) of 0,00176701 is the average value of the residuals The DurbinWatson (DW) statistic tests the residuals to determine if there is any significant correlation based on the order in which they occur in your data file Since the P-value is greater than 0,05, there is no indication of serial autocorrelation in the residuals at the 95,0% confidence level u 2.Simple Regression - H vs D Dependent variable: H Independent variable: D S-curve model: Y = exp(a + b/X) Coefficients Least Squares Parameter Estimate Intercept 2,96382 Slope -5,39749 Standard Error 0,031735 0,5746 NOTE: intercept = Ln(a) Analysis of Variance Source Sum of Squares Model 0,128373 Residual 0,00872913 Total (Corr) 0,137102 Df T Statistic P-Value 93,3929 0,0000 -9,39347 0,0001 Mean Square F-Ratio P-Value 0,128373 88,24 0,0001 0,00145485 Correlation Coefficient = -0,967642 R-squared = 93,6331 percent R-squared (adjusted for d.f) = 92,5719 percent Standard Error of Est = 0,0381426 Mean absolute error = 0,0235848 Durbin-Watson statistic = 2,89723 (P=0,8412) Lag residual autocorrelation = -0,545994 The StatAdvisor The output shows the results of fitting a S-curve model model to describe the relationship between H and D The equation of the fitted model is H = exp(2,96382 - 5,39749/D) Since the P-value in the ANOVA table is less than 0,05, there is a statistically significant relationship between H and D at the 95,0% confidence level The R-Squared statistic indicates that the model as fitted explains 93,6331% of the variability in H The correlation coefficient equals -0,967642, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0,0381426 This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu, The mean absolute error (MAE) of 0,0235848 is the average value of the residuals The Durbin-Watson (DW) statistic tests the residuals to determine if there is any significant correlation based on the order in which they occur in your data file Since the P-value is greater than 0,05, there is no indication of serial autocorrelation in the residuals at the 95,0% confidence level, v Simple Regression - H vs D Dependent variable: H Independent variable: D Square root-Y reciprocal-X model: Y = (a + b/X)^2 Coefficients Least Squares Parameter Estimate Intercept 4,35639 Slope -10,0507 Standard Error 0,062854 1,13805 Analysis of Variance Source Sum of Squares Model 0,445124 Residual 0,0342421 Total (Corr) 0,479366 Df T Statistic P-Value 69,3096 0,0000 -8,83153 0,0001 Mean Square F-Ratio P-Value 0,445124 78,00 0,0001 0,00570701 Correlation Coefficient = -0,963622 R-squared = 92,8568 percent R-squared (adjusted for d.f) = 91,6663 percent Standard Error of Est= 0,0755448 Mean absolute error = 0,0448463 Durbin-Watson statistic = 2,97853 (P=0,8753) Lag residual autocorrelation = -0,611573 The StatAdvisor The output shows the results of fitting a square root-Y reciprocal-X model to describe the relationship between H and D The equation of the fitted model is H = (4,35639 - 10,0507/D)^2 Since the P-value in the ANOVA table is less than 0,05, there is a statistically significant relationship between H and D at the 95,0% confidence level The R-Squared statistic indicates that the model as fitted explains 92,8568% of the variability in H The correlation coefficient equals -0,963622, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0,0755448 This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu The mean absolute error (MAE) of 0,0448463 is the average value of the residuals The Durbin-Watson (DW) statistic tests the residuals to determine if there is any significant correlation based on the order in which they occur in your data file Since the P-value is greater than 0,05, there is no indication of serial autocorrelation in the residuals at the 95,0% confidence level w Simple Regression - H vs D Dependent variable: H Independent variable: D Reciprocal-X model: Y = a + b/X Coefficients Least Squares Parameter Estimate Intercept 18,6673 Slope -75,1027 Standard Error 0,505478 9,15229 Analysis of Variance Source Sum of Squares Model 24,8541 Residual 2,21462 Total (Corr) 27,0688 Df T Statistic P-Value 36,9299 0,0000 -8,20589 0,0002 Mean Square F-Ratio P-Value 24,8541 67,34 0,0002 0,369103 Correlation Coefficient = -0,95822 R-squared = 91,8185 percent R-squared (adjusted for d,f,) = 90,455 percent Standard Error of Est, = 0,607538 Mean absolute error = 0,359966 Durbin-Watson statistic = 2,99899 (P=0,8831) Lag residual autocorrelation = -0,64772 The StatAdvisor The output shows the results of fitting a reciprocal-X model to describe the relationship between H and D The equation of the fitted model is H = 18,6673 - 75,1027/D Since the P-value in the ANOVA table is less than 0,05, there is a statistically significant relationship between H and D at the 95,0% confidence level The R-Squared statistic indicates that the model as fitted explains 91,8185% of the variability in H The correlation coefficient equals -0,95822, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0,607538 This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu The mean absolute error (MAE) of 0,359966 is the average value of the residuals The Durbin-Watson (DW) statistic tests the residuals to determine if there is any significant correlation based on the order in which they occur in your data file Since the P-value is greater than 0,05, there is no indication of serial autocorrelation in the residuals at the 95,0% confidence level x Simple Regression - H vs D Dependent variable: H Independent variable: D Square root-Y logarithmic-X model: Y = (a + b*Ln(X))^2 Coefficients Least Squares Parameter Estimate Intercept 2,19143 Slope 0,537446 Standard Error 0,239803 0,0767858 Analysis of Variance Source Sum of Squares Model 0,427062 Residual 0,0523039 Total (Corr) 0,479366 Df T Statistic P-Value 9,13844 0,0001 6,99929 0,0004 Mean Square F-Ratio P-Value 0,427062 48,99 0,0004 0,00871731 Correlation Coefficient = 0,943869 R-squared = 89,0889 percent R-squared (adjusted for d.f) = 87,2704 percent Standard Error of Est = 0,0933666 Mean absolute error = 0,0643603 Durbin-Watson statistic = 2,15593 (P=0,3967) Lag residual autocorrelation = -0,155711 The StatAdvisor The output shows the results of fitting a square root-Y logarithmic-X model to describe the relationship between H and D The equation of the fitted model is H = (2,19143 + 0,537446*Ln(D))^2 Since the P-value in the ANOVA table is less than 0,05, there is a statistically significant relationship between H and D at the 95,0% confidence level The R-Squared statistic indicates that the model as fitted explains 89,0889% of the variability in H after transforming to an inverse normal scale to linearize the model The correlation coefficient equals 0,943869, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0,0933666 This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu The mean absolute error (MAE) of 0,0643603 is the average value of the residuals The Durbin-Watson (DW) statistic tests the residuals to determine if there is any significant correlation based on the order in which they occur in your data file Since the P-value is greater than 0,05, there is no indication of serial autocorrelation in the residuals at the 95,0% confidence level y PHỤ BIỂU 6: SỐ LIỆU ĐIỀU TRA CÂY TÁI SINH Ô TIÊU CHUẨN Chiều cao ODB 1.1 1.2 1.3 1.4 STT 4 Tên Trường Máu chó Cò ke Bình linh Chò Trâm Sp Trường Trâm Xồi rừng Trường Cò ke Sp Thành ngạnh Giẻ Bời lời Trâm 3m TS Hạt K Y 0 0 0 0 0 0 0 0 0 0 0 0 0 0 TS chồi K Y 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 Ô TIÊU CHUẨN Chiều cao ODB 2.1 2.2 2.3 2.4 STT 4 4 Tên Máu chó Trường Trâm Cò ke Trâm Bình linh Trường Bằng lăng Sp Bằng lăng Trâm Sp Xoài rừng Bời lời Trường Trâm Nhọc 3m TS Hạt K Y 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 TS chồi K Y 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 Ô TIÊU CHUẨN Chiều cao ODB 3.1 3.2 3.3 3.4 STT Tên 4 Bời lời Cầy Cóc Bứa Thầu tấu Trâm Trường Trâm Sp Bằng lăng Săng máu Săng đen Nhọc Trường Trâm Xoài rừng Ba khía Máu chó Thành ngạnh Cò ke 3m TS Hạt K Y 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 TS chồi K Y 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ... độ Theo Meyer (1952), Turnbull (1963), Rollet (1969) “cấu trúc” dùng để rõ phân bố gỗ theo cấp kính phân bố diện tích ngang thân theo cấp kính Theo Golley cộng tác viên (1969) “cấu trúc” phân... thân - Thảm thực xanh mặt đất - Các dây leo - Thực vật thắt nghẹt hay “Ficus bóp cổ” - Thực vật phụ sinh: nhóm thực vật bám thân cành gỗ lớn, bụi dây leo rừng, số chí mọc đá hay tươi - Thực vật... cơng trình nghiên cứu cấu trúc rừng, đặc biệt rừng tự nhiên nhiệt đới tác giả nước Meyer, Jumbule, Rollet … đáng ý cơng trình nghiên cứu Richards.P.W, tác giả “Rừng mưa nhiệt đới” Theo David Richards