NGHIÊN CỨU MỘT SỐ ĐẶC ĐIỂM CẤU TRÚC RỪNG TỰ NHIÊN TẠI TIỂU KHU 978 THUỘC BAN QUẢN LÝ RỪNG PHÒNG HỘ IAMEUR, HỖN LOÀI TRẠNG THÁI IIIA 2 HUYỆN CHƯPRÔNG, TỈNH GIA LAI

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NÔNG LÂM THÀNH PHỐ HỒ CHÍ MINH KHĨA LUẬN TỐT NGHIỆP NGHIÊN CỨU MỘT SỐ ĐẶC ĐIỂM CẤU TRÚC RỪNG TỰ NHIÊN HỖN LOÀI TRẠNG THÁI IIIA2 TẠI TIỂU KHU 978 THUỘC BAN QUẢN LÝ RỪNG PHỊNG HỘ IAMEUR, HUYỆN CHƯPRƠNG, TỈNH GIA LAI Họ tên sinh viên: NGUYỄN NGỌC THÂN Ngành: LÂM NGHIỆP Niên khóa: 2007 – 2011 Tháng 07/2011 NGHIÊN CỨU MỘT SỐ ĐẶC ĐIỂM CẤU TRÚC RỪNG TỰ NHIÊN HỖN LOÀI TRẠNG THÁI IIIA2 TẠI TIỂU KHU 978 THUỘC BAN QUẢN LÝ RỪNG PHÒNG HỘ IAMEUR, HUYỆN CHƯPRƠNG, TỈNH GIA LAI Tác giả NGUYỄN NGỌC THÂN Khóa luận đệ trình để đáp ứng yêu cầu Cấp Kỹ sư ngành LÂM NGHIỆP Giáo viên hướng dẫn: ThS Nguyễn Minh Cảnh Tháng 07/2011 LỜI CẢM ƠN Khóa luận kết trình học tập năm học trường Đại học Nông Lâm Thành phố Hồ Chí Minh Và để hồn thành khóa luận này, nhận nhiều quan tâm, giúp đỡ lớn lao từ vật chất, tinh thần, kiến thức … mà chắn quên Nhân dịp này, xin chân thành bày tỏ lời cảm ơn đến: - Gia đình người thân quan tâm, động viên tạo điều kiện đầy đủ vật chất tinh thần suốt thời gian học tập - Thầy Nguyễn Minh Cảnh tận tình hướng dẫn, giúp đỡ chăm sóc tơi thời gian hồn thành khóa luận - Bộ mơn Quản lý tài ngun rừng tạo điều kiện thuận lợi cho thực hồn thành khóa luận - Q thầy cô giáo Trường Đại học Nông Lâm Thành phố Hồ Chí Minh – Phân hiệu Gia Lai Khoa Lâm nghiệp truyền đạt kiến thức quý báu cho suốt thời gian học tập trường - Ban lãnh đạo toàn thể Cán bộ, nhân viên Ban quản lý rừng phòng hộ Iameur thuộc huyện Chưprơng tỉnh Gia Lai giúp đỡ tạo điều kiện thuận lợi cho thời gian thu thập số liệu để hồn thành khóa luận - Tập thể lớp DH07LNGL dành nhiều tình cảm tốt đẹp, động viên giúp đỡ tơi q trình học tập trường - Do thời gian thực khóa luận trình độ chun mơn hạn chế, nên khóa luận khó tránh khỏi thiếu sót Rất mong nhận nhận xét, đóng góp ý kiến q Thầy Cơ giáo, bạn bè để khóa luận hoàn chỉnh - Xin chân thành cảm ơn! TP.HCM, tháng 07 năm 2011 Sinh viên thực Nguyễn Ngọc Thân i TÓM TẮT Nguyễn Ngọc Thân, sinh viên Khoa Lâm nghiệp, Trường Đại Học Nông Lâm Thành phố Hồ Chí Minh – Phân hiệu Gia Lai Đề tài: “Nghiên cứu đặc điểm cấu trúc rừng tự nhiên hỗn loài trạng thái IIIA2 tiểu khu 978 thuộc Ban quản lý rừng phòng hộ Iameur, huyện Chưprơng, tỉnh Gia Lai” Giáo viên hướng dẫn: ThS Nguyễn Minh Cảnh Phương pháp nghiên cứu tiến hành đề tài điều tra thu thập số liệu trường Sử dụng phần mềm Excel 2003 Statgraphics Centurion V15.1 để xử lý số liệu thực tất nội dung nghiên cứu đề tài Kết nghiên cứu bao gồm nội dung sau đây: Cấu trúc tổ thành loài Tại khu vực nghiên cứu thống kê 42 loài gỗ Trong đó, nhóm thực vật ưu bao gồm lồi: Bằng lăng, Bình linh, Sến mủ, Giẻ trắng Kháo nước với công thức tổ thành: 18,68 % Bằng lăng + 11,77 % Bình linh + 8,84 % Sến mủ + 7,65 % Kháo nước + 6,63 % Giẻ trắng + 46,44 % loài khác Độ hỗn giao khu rừng khu vực nghiên cứu K = 0,159 Phân bố số theo cấp đường kính trạng thái rừng IIIA2 khu vực nghiên cứu có dạng hàm phân bố giảm, lệch trái theo xu hướng giảm dần Phương trình cụ thể: N% = - 25,9327 + 7,24972*D – 0,385508*D2 + 0,0075598*D3 – 0,00005058*D4 Đường kính bình qn lâm phần D1,3 = 21,5 cm Hệ số biến động đường kính 47,18 % Phân bố số theo cấp chiều cao đối tượng rừng tự nhiên trạng thái IIIA2 khu vực nghiên cứu có dạng đỉnh lệch trái theo xu hướng giảm dần Ln(N) = 49,9661 - 70,4067*Ln(H) + 33,1581*Ln(H)2 - 5,01036*Ln(H)3 Chiều cao bình quân lâm phần H = 14,7 m, hệ số biến động Cv = 26,34 % ii Trữ lượng bình quân trạng thái rừng IIIA2 khu vực nghiên cứu 165,79 m3/ha Tương quan chiều cao đường kính rừng tự nhiên trạng thái rừng IIIA2 khu vực nghiên cứu có mối tương quan chặt (r = 0,974) Phương trình cụ thể: H = 1/(0,0338551 + 0,649301/D1,3) Tình hình tái sinh tán rừng Các loài tái sinh xuất chủ yếu Bình linh, Giẻ trắng, Bứa, Bằng lăng, Móng bò, Xoan đào Mật độ tái sinh 7900 cây/ha Cây tái sinh tập trung chủ yếu cấp m, đạt 3733 cây/ha, chiếm 47,26 % Cây tái sinh có nguồn gốc từ hạt chiếm tỷ lệ lớn (94,5 %), tỷ lệ có nguồn gốc từ chồi trung bình đạt 5,5 % Độ tàn che rừng trạng thái IIIA2 khu vực nghiên cứu 57,3 % iii MỤC LỤC Trang tựa Lời cảm ơn - i Tóm tắt ii Mục lục - iv Danh sách chữ viết tắt - vi Danh sách bảng vii Danh sách hình viii Chương MỞ ĐẦU 1.1 Đặt vấn đề - 1.2 Mục tiêu nghiên cứu - 1.3 Phạm vi địa điểm vùng nghiên cứu - Chương TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU - 2.1 Khái niệm cấu trúc rừng - 2.2 Tình hình nghiên cứu cấu trúc rừng có liên quan 2.2.1 Tình hình nghiên cứu cấu trúc rừng tự nhiên giới - 2.2.2 Tình hình nghiên cứu cấu trúc rừng Việt Nam -12 Chương ĐẶC ĐIỂM KHU VỰC, NỘI DUNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU 18 3.1 Đặc điểm khu vực nghiên cứu -18 3.2 Nội dung nghiên cứu 23 3.3 Phương pháp nghiên cứu -23 3.3.1 Cơ sở phương pháp luận -23 3.3.2 Phương pháp thu thập số liệu 24 3.3.2.1 Nội dung thu thập số liệu 24 3.3.2.2 Biện pháp kỹ thuật 24 3.3.3 Phương pháp phân tích tính tốn số liệu -26 Chương KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN -32 iv 4.1 Kết cấu tổ thành loài 32 4.2 Độ hỗn giao rừng -35 4.3 Quy luật phân bố số theo cấp đường kính (N/D1,3) 35 4.4 Phân bố số theo cấp chiều cao (N/H) 40 4.5 Phân bố trữ lượng theo cấp đường kính (M/D1,3) -44 4.6 Tương quan chiều cao đường kính (Hvn/D1,3) 46 4.7 Tình hình tái sinh tán rừng -49 4.7.1 Tổ thành loài tái sinh -49 4.7.2 Chất lượng nguồn gốc tái sinh 51 4.7.3 Phân bố số tái sinh theo cấp chiều cao 53 4.8 Độ tàn che rừng -54 Chương KẾT LUẬN TỒN TẠI VÀ KIẾN NGHỊ 55 5.1 Kết luận -55 5.2 Tồn kiến nghị -56 TÀI LIỆU THAM KHẢO -58 * Phụ biểu v 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 m, cm D1.3_lt Đường kính 1,3 m tính theo lý thuyết, cm D1.3_tn Đường kính 1,3 m theo thực nghiệm, 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 xuất) Pa, Pb, Pc, Pd Mức ý nghĩa (xác xuất) 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 R 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 vi DANH SÁCH CÁC BẢNG Bảng 4.1 Tổ thành loài thực vật trạng thái IIIA2 Ban quản lý rừng phòng hộ Iameur, huyện ChưPrơng, tỉnh Gia Lai 33 Bảng 4.2 Phân bố số theo cấp đường kính (N/D1,3) trạng thái rừng IIIA2 đặc trưng mẫu -37 Bảng 4.3 Bảng so sánh số thống kê từ hàm thử nghiệm (N/D1,3) -38 Bảng 4.4 Phân bố số theo cấp chiều cao (N/H) trạng thái rừng IIIA2 đặc trưng mẫu 41 Bảng 4.5 So sánh số thống kê từ hàm thử nghiệm (N/H) -41 Bảng 4.6 Bảng phân bố trữ lượng theo cấp đường kính (M/D1,3) -45 Bảng 4.7 Bảng so sánh số thống kê từ hàm thử nghiệm (H/D1,3) -47 Bảng 4.8 Tổ thành loài tái sinh trạng thái IIIA2 khu vực nghiên cứu 50 Bảng 4.9 Chất lượng nguồn gốc tái sinh khu vực nghiên cứu -51 Bảng 4.10 Phân bố tái sinh theo cấp chiều cao khu vực nghiên cứu -53 vii DANH SÁCH CÁC HÌNH Hình 4.1 Biểu diễn tỷ lệ tổ thành loài thực vật trạng thái IIIA2 Ban quản lý rừng phòng hộ Iameur, huyện ChưPrơng, tỉnh Gia Lai 34 Hình 4.2 Đồ thị biểu diễn phân bố N/D1,3 từ hàm thử nghiệm 38 Hình 4.3 Đồ thị biểu diễn phân bố N/D1,3 trạng thái rừng IIIA2 khu vực nghiên cứu -39 Hình 4.4 Đồ thị biểu diễn phân bố N/H từ hàm thử nghiệm 42 Hình 4.5 Đồ thị biểu diễn phân bố số theo cấp chiều cao (N/H), trạng thái IIIA3 khu vực nghiên cứu -43 Hình 4.6 Phân bố trữ lượng theo cấp đường kính (M/D1,3) trạng thái rừng IIIA2 khu vực nghiên cứu -45 Hình 4.7 Đồ thị biểu diễn phân bố H/D từ hàm thử nghiệm 47 Hình 4.8 Biểu đồ biểu diễn quy luật tương quan H D1,3 trạng thái rừng IIIA2 khu vực nghiên cứu 48 Hình 4.9 Tổ thành lồi tái sinh, trạng thái IIIA2 khu vực nghiên cứu 50 Hình 4.10 Biểu đồ phân bố tái sinh theo chất lượng nguồn gốc tái sinh -52 Hình 4.11 Biểu đồ phân bố tái sinh theo cấp chiều cao 53 viii Total (Corr.) 634.256 12 R-squared = 93.3397 percent R-squared (adjusted for d.f.) = 91.1195 percent Standard Error of Est = 2.1665 Mean absolute error = 1.67435 Durbin-Watson statistic = 1.30307 (P=0.0042) Lag residual autocorrelation = 0.242228 The StatAdvisor The output shows the results of fitting a third order polynomial model to describe the relationship between N and D The equation of the fitted model is N = 10.5165 + 1.23896*D-0.0632094*D2 + 0.00068027*D3 Since the P-value in the ANOVA table is less than 0.05, there is a statistically significant relationship between N and D at the 95% confidence level The R-Squared statistic indicates that the model as fitted explains 93.3397% of the variability in N The adjusted R-squared statistic, which is more suitable for comparing models with different numbers of independent variables, is 91.1195% The standard error of the estimate shows the standard deviation of the residuals to be 2.1665 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 1.67435 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 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 0.018069 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 Polynomial Regression - N versus D Dependent variable: N Independent variable: D Order of polynomial = Standard T Parameter Estimate Error Statistic P-Value CONSTANT -25.9327 7.34416 -3.53107 0.0077 D 7.24972 1.1413 6.35217 0.0002 D -0.385508 0.0591872 -6.51336 0.0002 D 0.00755982 0.00124375 6.07824 0.0003 D4 -0.0000505849 0.00000910705 -5.55448 0.0005 Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 625.558 156.39 143.83 0.0000 p Residual 8.6983 1.08729 Total (Corr.) 634.256 12 R-squared = 98.6286 percent R-squared (adjusted for d.f.) = 97.9429 percent Standard Error of Est = 1.04273 Mean absolute error = 0.660049 Durbin-Watson statistic = 2.5061 (P=0.2843) Lag residual autocorrelation = -0.267113 The StatAdvisor The output shows the results of fitting a fourth order polynomial model to describe the relationship between N and D The equation of the fitted model is N = -25.9327 + 7.24972*D-0.385508*D2 + 0.00755982*D3-0.0000505849*D4 Since the P-value in the ANOVA table is less than 0.05, there is a statistically significant relationship between N and D at the 95% confidence level The R-Squared statistic indicates that the model as fitted explains 98.6286% of the variability in N The adjusted R-squared statistic, which is more suitable for comparing models with different numbers of independent variables, is 97.9429% The standard error of the estimate shows the standard deviation of the residuals to be 1.04273 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 0.660049 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 0.000538137 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 Simple Regression - N vs D Dependent variable: N Independent variable: D Square root-Y model: Y = (a + b*X)2 Coefficients Least Squares Standard T Parameter Estimate Error Statistic P-Value Intercept 5.29297 0.365751 14.4715 0.0000 Slope -0.0845174 0.00984569 -8.58421 0.0000 Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 20.801 20.801 73.69 0.0000 Residual 3.10511 11 0.282282 Total (Corr.) 23.9061 12 q Correlation Coefficient = -0.932798 R-squared = 87.0112 percent R-squared (adjusted for d.f.) = 85.8304 percent Standard Error of Est = 0.531302 Mean absolute error = 0.381526 Durbin-Watson statistic = 1.19254 (P=0.0255) Lag residual autocorrelation = 0.313774 The StatAdvisor The output shows the results of fitting a square root-Y model to describe the relationship between N and D The equation of the fitted model is N = (5.29297 - 0.0845174*D)2 Since the P-value in the ANOVA table is less than 0.05, there is a statistically significant relationship between N and D at the 95.0% confidence level The R-Squared statistic indicates that the model as fitted explains 87.0112% of the variability in N after transforming to a logarithmic scale to linearize the model The correlation coefficient equals -0.932798, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0.531302 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 0.381526 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 less than 0.05, there is an indication of possible serial correlation at the 95.0% confidence level Plot the residuals versus row order to see if there is any pattern that can be seen r PHỤ BIỂU PHÂN BỐ SỐ CÂY THEO CẤP CHIỀU CAO (N/H) TỪ CÁC HÀM THỬ NGHIỆM STT Cấp H (m) Trị số tổ (Hi) N (số N%_tn 6-8 14 4,95 8-10 25 8,83 10-12 11 43 15,19 H = 14,7 m 12-14 13 62 21,91 S = 3,87 14-16 15 49 17,31 Sk = 0,24 16-18 17 44 15,55 Ex = -0,24 18-20 19 21 7,42 R = 20 20-22 21 16 5,65 Cv = 26,34 % 22-24 23 2,47 10 24-26 25 0,71 Đặc trưng mẫu Polynomial Regression - N versus H Dependent variable: N Independent variable: H Order of polynomial = Parameter CONSTANT H H2 H3 Estimate -75.1278 17.3537 -1.0075 0.0173652 Standard Error 19.4679 4.20516 0.279241 0.00578821 Analysis of Variance Source Sum of Squares Model 408.74 Residual 39.7383 Total (Corr.) 448.478 Df T Statistic -3.85906 4.12677 -3.60799 3.00011 Mean Square 136.247 6.62305 s P-Value 0.0084 0.0062 0.0113 0.0240 F-Ratio 20.57 P-Value 0.0015 R-squared = 91.1393 percent R-squared (adjusted for d.f.) = 86.709 percent Standard Error of Est = 2.57353 Mean absolute error = 1.55857 Durbin-Watson statistic = 2.37184 (P=0.2102) Lag residual autocorrelation = -0.238441 The StatAdvisor The output shows the results of fitting a third order polynomial model to describe the relationship between N and H The equation of the fitted model is N = -75.1278 + 17.3537*H-1.0075*H2 + 0.0173652*H3 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 91.1393% of the variability in N The adjusted R-squared statistic, which is more suitable for comparing models with different numbers of independent variables, is 86.709% The standard error of the estimate shows the standard deviation of the residuals to be 2.57353 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 1.55857 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 0.0240049 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 Polynomial Regression - log(N) versus log(H) Dependent variable: Ln(N) Independent variable: Ln(H) Order of polynomial = Standard T Parameter Estimate Error Statistic CONSTANT -32.9987 4.76958 -6.91858 Ln(H) 28.8191 3.72309 7.74066 Ln(H)2 -5.75508 0.7131 -8.07051 Analysis of Variance Source Sum of Squares Df Mean Square Model 9.148 4.574 Residual 0.756087 0.108012 Total (Corr.) 9.90408 R-squared = 92.3659 percent R-squared (adjusted for d.f.) = 90.1847 percent Standard Error of Est = 0.328652 Mean absolute error = 0.227105 Durbin-Watson statistic = 1.57364 (P=0.0479) Lag residual autocorrelation = -0.00281166 P-Value 0.0002 0.0001 0.0001 F-Ratio 42.35 P-Value 0.0001 The StatAdvisor The output shows the results of fitting a second order polynomial model to describe the relationship between log(N) and log(H) The equation of the fitted model is Ln(N) = -32.9987 + 28.8191*Ln(H)-5.75508*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 92.3659% 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 90.1847% The standard error of the estimate shows the standard deviation of the residuals to be 0.328652 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 0.227105 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 0.0000861787 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 u Polynomial Regression - log(N) versus log(H) Dependent variable: Ln(N) Independent variable: Ln(H) Order of polynomial = Standard T Parameter Estimate Error Statistic P-Value CONSTANT 49.9661 16.873 2.96131 0.0252 Ln(H) -70.4067 20.074 -3.50735 0.0127 Ln(H)2 33.1581 7.84879 4.22461 0.0055 Ln(H) -5.01036 1.00964 -4.96254 0.0025 Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 9.75596 3.25199 131.73 0.0000 Residual 0.148123 0.0246871 Total (Corr.) 9.90408 R-squared = 98.5044 percent R-squared (adjusted for d.f.) = 97.7566 percent Standard Error of Est = 0.157121 Mean absolute error = 0.0976666 Durbin-Watson statistic = 2.65308 (P=0.4363) Lag residual autocorrelation = -0.385741 The StatAdvisor The output shows the results of fitting a third order polynomial model to describe the relationship between log(N) and log(H) The equation of the fitted model is Ln(N) = 49.9661-70.4067*Ln(H) + 33.1581*Ln(H)2-5.01036*Ln(H)3 Since the P-value in the ANOVA table is less than 0.05, there is a statistically significant relationship between log(N) and log(H) at the 95% confidence level The R-Squared statistic indicates that the model as fitted explains 98.5044% 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 97.7566% The standard error of the estimate shows the standard deviation of the residuals to be 0.157121 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 0.0976666 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 0.00254577 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 v Polynomial Regression - log(N) versus log(H) Dependent variable: Ln(N) Independent variable: Ln(H) Order of polynomial = Standard T Parameter Estimate Error Statistic P-Value CONSTANT -7.52401 149.997 -0.050161 0.9619 Ln(H) 21.2757 238.425 0.0892344 0.9324 Ln(H) -21.049 140.641 -0.149666 0.8869 Ln(H)3 9.07929 36.5055 0.24871 0.8135 Ln(H) -1.35914 3.5199 -0.386132 0.7153 Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 9.76025 2.44006 84.82 0.0001 Residual 0.143834 0.0287667 Total (Corr.) 9.90408 R-squared = 98.5477 percent R-squared (adjusted for d.f.) = 97.3859 percent Standard Error of Est = 0.169608 Mean absolute error = 0.099109 Durbin-Watson statistic = 2.69087 (P=0.2830) Lag residual autocorrelation = -0.385791 The StatAdvisor The output shows the results of fitting a fourth order polynomial model to describe the relationship between Ln(N) and Ln(H) The equation of the fitted model is Ln(N) = -7.52401 + 21.2757*Ln(H) - 21.049*Ln(H)2 + 9.07929*Ln(H)3 - 1.35914*log(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 Ln(H) at the 95% confidence level The R-Squared statistic indicates that the model as fitted explains 98.5477% 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 97.3859% The standard error of the estimate shows the standard deviation of the residuals to be 0.169608 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 0.099109 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 0.715283 Since the P-value is greater than or equal to 0.05, that term is not statistically significant at the 95% or higher confidence level Consequently, you should consider reducing the order of the model by using the Analysis Options dialog box w Polynomial Regression - N versus H Dependent variable: N Independent variable: H Order of polynomial = Standard T Parameter Estimate Error Statistic P-Value CONSTANT -1.48647 55.7924 -0.0266428 0.9798 H -5.00703 16.4952 -0.303545 0.7737 H 1.35533 1.71317 0.791126 0.4647 H3 -0.0866383 0.0747313 -1.15933 0.2987 H4 0.00162505 0.00116465 1.39532 0.2217 Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 419.877 104.969 18.35 0.0034 Residual 28.6014 5.72028 Total (Corr.) 448.478 R-squared = 93.6226 percent R-squared (adjusted for d.f.) = 88.5206 percent Standard Error of Est = 2.39171 Mean absolute error = 1.41372 Durbin-Watson statistic = 2.61922 (P=0.1862) Lag residual autocorrelation = -0.333898 The StatAdvisor The output shows the results of fitting a fourth order polynomial model to describe the relationship between N and H The equation of the fitted model is N = -1.48647-5.00703*H + 1.35533*H2-0.0866383*H3 + 0.00162505*H4 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 93.6226% of the variability in N The adjusted R-squared statistic, which is more suitable for comparing models with different numbers of independent variables, is 88.5206% The standard error of the estimate shows the standard deviation of the residuals to be 2.39171 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 1.41372 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 0.221725 Since the P-value is greater than or equal to 0.05, that term is not statistically significant at the 95% or higher confidence level Consequently, you should consider reducing the order of the model by using the Analysis Options dialog box x PHỤ BIỂU KẾT QUẢ THỬ NGHIỆM PHƯƠNG TRÌNH TƯƠNG QUAN GIỮA Hvn D1,3 Polynomial Regression - H versus D Dependent variable: H Independent variable: D Order of polynomial = Standard T Parameter Estimate Error Statistic P-Value CONSTANT 4.71214 1.41492 3.33033 0.0030 D 0.62262 0.0955767 6.51434 0.0000 D2 -0.00575065 0.00142137 -4.04586 0.0005 Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 335.726 167.863 96.49 0.0000 Residual 38.2735 22 1.73971 Total (Corr.) 374.0 24 R-squared = 89.7664 percent R-squared (adjusted for d.f.) = 88.8361 percent Standard Error of Est = 1.31898 Mean absolute error = 0.836768 Durbin-Watson statistic = 2.12878 (P=0.4460) Lag residual autocorrelation = -0.0933912 The StatAdvisor The output shows the results of fitting a second order polynomial model to describe the relationship between H and D The equation of the fitted model is H = 4.71214 + 0.62262*D-0.00575065*D2 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% confidence level The R-Squared statistic indicates that the model as fitted explains 89.7664% of the variability in H The adjusted R-squared statistic, which is more suitable for comparing models with different numbers of independent variables, is 88.8361% The standard error of the estimate shows the standard deviation of the residuals to be 1.31898 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 0.836768 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 0.000539335 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 y Simple Regression - H vs D Dependent variable: H Independent variable: D Double reciprocal model: Y = 1/(a + b/X) Coefficients Least Squares Standard T Parameter Estimate Error Statistic P-Value Intercept 0.0338551 0.00144456 23.4362 0.0000 Slope 0.649301 0.0312091 20.8049 0.0000 Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 0.00607844 0.00607844 432.84 0.0000 Residual 0.00032299 23 0.0000140431 Total (Corr.) 0.00640143 24 Correlation Coefficient = 0.974445 R-squared = 94.9544 percent R-squared (adjusted for d.f.) = 94.735 percent Standard Error of Est = 0.00374741 Mean absolute error = 0.00263088 Durbin-Watson statistic = 2.23423 (P=0.6470) Lag residual autocorrelation = -0.177677 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/(0.0338551 + 0.649301/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 94.9544% of the variability in H The correlation coefficient equals 0.974445, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0.00374741 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 0.00263088 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 z 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 3.23273 Slope -9.61775 NOTE: intercept = ln(a) Analysis of Variance Source Sum of Squares Model 1.33367 Residual 0.12255 Total (Corr.) 1.45622 Standard Error 0.0281383 0.607914 Df 23 24 T Statistic 114.887 -15.8209 Mean Square 1.33367 0.00532824 P-Value 0.0000 0.0000 F-Ratio 250.30 P-Value 0.0000 Correlation Coefficient = -0.956997 R-squared = 91.5844 percent R-squared (adjusted for d.f.) = 91.2185 percent Standard Error of Est = 0.0729948 Mean absolute error = 0.0542778 Durbin-Watson statistic = 1.89574 (P=0.3140) Lag residual autocorrelation = -0.0469865 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(3.23273 - 9.61775/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 91.5844% of the variability in H The correlation coefficient equals -0.956997, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0.0729948 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 0.0542778 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 aa Simple Regression - H vs D Dependent variable: H Independent variable: D Multiplicative model: Y = a*Xb Coefficients Least Squares Standard T Parameter Estimate Error Statistic P-Value Intercept 1.35684 0.0991761 13.6811 0.0000 Slope 0.442696 0.0290195 15.2551 0.0000 NOTE: intercept = ln(a) Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 1.32524 1.32524 232.72 0.0000 Residual 0.130976 23 0.00569461 Total (Corr.) 1.45622 24 Correlation Coefficient = 0.953969 R-squared = 91.0057 percent R-squared (adjusted for d.f.) = 90.6147 percent Standard Error of Est = 0.0754627 Mean absolute error = 0.0533492 Durbin-Watson statistic = 1.60651 (P=0.1084) Lag residual autocorrelation = 0.193495 The StatAdvisor The output shows the results of fitting a multiplicative model to describe the relationship between H and D The equation of the fitted model is H = exp(1.35684 + 0.442696*Ln(D)) or Ln(H) = 1.35684 + 0.442696*Ln(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 91.0057% of the variability in H The correlation coefficient equals 0.953969, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0.0754627 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 0.0533492 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 bb 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 Standard T Parameter Estimate Error Statistic Intercept 1.22622 0.200633 6.11174 Slope 0.877934 0.0587063 14.9547 Analysis of Variance Source Sum of Squares Model 5.21204 Residual 0.536021 Total (Corr.) 5.74807 Df 23 24 Mean Square 5.21204 0.0233053 P-Value 0.0000 0.0000 F-Ratio 223.64 P-Value 0.0000 Correlation Coefficient = 0.952233 R-squared = 90.6748 percent R-squared (adjusted for d.f.) = 90.2693 percent Standard Error of Est = 0.152661 Mean absolute error = 0.100355 Durbin-Watson statistic = 1.89843 (P=0.3148) Lag residual autocorrelation = 0.050362 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 = (1.22622 + 0.877934*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 90.6748% of the variability in H after transforming to an inverse normal scale to linearize the model The correlation coefficient equals 0.952233, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0.152661 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 0.100355 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 cc Simple Regression - H vs D Dependent variable: H Independent variable: D Logarithmic-X model: Y = a + b*Ln(X) Coefficients Parameter Intercept Slope Least Squares Estimate -5.97271 7.03801 Analysis of Variance Source Sum of Squares Model 334.953 Residual 39.0473 Total (Corr.) 374.0 Standard Error 1.7124 0.50106 Df 23 24 T Statistic -3.48791 14.0462 Mean Square 334.953 1.69771 P-Value 0.0020 0.0000 F-Ratio 197.30 P-Value 0.0000 Correlation Coefficient = 0.946359 R-squared = 89.5596 percent R-squared (adjusted for d.f.) = 89.1056 percent Standard Error of Est = 1.30296 Mean absolute error = 0.847468 Durbin-Watson statistic = 2.08558 (P=0.4976) Lag residual autocorrelation = -0.0495335 The StatAdvisor The output shows the results of fitting a logarithmic-X model to describe the relationship between H and D The equation of the fitted model is H = -5.97271 + 7.03801*Ln(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 89.5596% of the variability in H after transforming to a Y/(1-Y) scale to linearize the model The correlation coefficient equals 0.946359, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 1.30296 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 0.847468 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 dd ...NGHIÊN CỨU MỘT SỐ ĐẶC ĐIỂM CẤU TRÚC RỪNG TỰ NHIÊN HỖN LOÀI TRẠNG THÁI IIIA2 TẠI TIỂU KHU 978 THUỘC BAN QUẢN LÝ RỪNG PHỊNG HỘ IAMEUR, HUYỆN CHƯPRƠNG, TỈNH GIA LAI Tác giả NGUYỄN... 07 năm 20 11 1 .2 Mục tiêu nghiên cứu - Tìm hiểu số đặc điểm cấu trúc đối tượng rừng tự nhiên trạng thái IIIA2 tiểu khu 978 thuộc Ban quản lý rừng phòng hộ Iameur, huyện Chưprơng, tỉnh Gia Lai -... trung nghiên cứu số đặc điểm cấu trúc rừng trạng thái IIIA2 số diện tích điển hình tiểu khu 978, Ban quản lý rừng phòng hộ Iameur, huyện Chưprông, tỉnh Gia Lai Đề tài tập trung nghiên cứu nội