NGHIÊN CỨU ĐẶC ĐIỂM CẤU TRÚC VÀ SINH TRƯỞNG CỦA RỪNG ĐƯỚC (Rhizophora apiculata Blume.) TRỒNG TẠI XÃ LONG ĐIỀN ĐÔNG, HUYỆN ĐÔNG HẢI, TỈNH BẠC LIÊU

BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC NÔNG LÂM THÀNH PHỐ HỒ CHÍ MINH  TRƯƠNG VĂN NHÌ NGHIÊN CỨU ĐẶC ĐIỂM CẤU TRÚC VÀ SINH TRƯỞNG CỦA RỪNG ĐƯỚC (Rhizophora apiculata Blume.) TRỒNG TẠI XÃ LONG ĐIỀN ĐÔNG, HUYỆN ĐÔNG HẢI, TỈNH BẠC LIÊU LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC NGÀNH LÂM NGHIỆP Thành phố Hồ Chí Minh Tháng 07/2013 BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC NƠNG LÂM THÀNH PHỐ HỒ CHÍ MINH  TRƯƠNG VĂN NHÌ NGHIÊN CỨU ĐẶC ĐIỂM CẤU TRÚC VÀ SINH TRƯỞNG CỦA RỪNG ĐƯỚC (Rhizophora apiculata Blume.) TRỒNG TẠI XÃ LONG ĐIỀN ĐÔNG, HUYỆN ĐÔNG HẢI, TỈNH BẠC LIÊU Ngành: Lâm nghiệp LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC Người hướng dẫn: ThS NGUYỄN MINH CẢNH Thành phố Hồ Chí Minh Tháng 07/2013 LỜI CẢM ƠN Trước hết, em xin gửi lời cảm ơn sâu sắc đến thầy giáo ThS Nguyễn Minh Cảnh, Giảng viên Khoa Lâm nghiệp – Trường Đại học Nơng Lâm Thành phố Hồ Chí Minh tận tình giúp đỡ, hướng dẫn, tạo điều kiện để em hồn thành khóa luận Em xin chân thành cảm ơn thầy cô giáo Trường Đại học Nông Lâm Thành phố Hồ Chí Minh đặc biệt thầy giáo Khoa Lâm nghiệp tận tình giúp đỡ, giảng dạy tạo điều kiện cho em trình học tập Khoa Em xin chân thành cảm ơn cán Trạm Kiểm lâm số 4, Hạt Kiểm lâm liên huyện rừng phòng hộ biển Đông, Chi cục Kiểm lâm Bạc Liêu, Ban lãnh đạo xã Long Điền Đông, huyện Đông Hải, tỉnh Bạc Liêu hỗ trợ cung cấp tài liệu cần thiết cho em thực địa Em xin chân thành cảm ơn Hội đồng nhân dân huyện Đông Hải cung cấp tài liệu cần thiết điều kiện tự nhiên, dân sinh, kinh tế - xã hội Cuối em xin chân thành cảm ơn gia đình, bạn bè tận tình giúp đỡ, cổ vũ, động viên em suốt trình học tập Thủ Đức, ngày 01 tháng 07 năm 2013 Sinh viên Trương Văn Nhì i TĨM TẮT Trương Văn Nhì, sinh viên lớp DH10QR, thuộc khoa Lâm nghiệp, Trường Đại học Nông lâm Thành Phố Hồ Chí Minh Đề tài: “Nghiên cứu đặc điểm cấu trúc sinh trưởng rừng Đước (Rhizophora apiculata Blume.) trồng xã Long Điền Đông, huyện Đông Hải, tỉnh Bạc Liêu.” thực khoảng thời gian từ tháng đến tháng năm 2013 Giảng viên hướng dẫn: ThS Nguyễn Minh Cảnh Phương pháp nghiên cứu: Áp dụng quy trình điều tra cơng tác ngoại nghiệp Thu thập số liệu ô tiêu chuẩn tạm thời cấp tuổi 7, 10, 12, 16, 18 20, tiêu chuẩn có dạng hình vng với diện tích 100 m2 Ở cấp tuổi nghiên cứu lập ô tiêu chuẩn chặt giải tích Sử dụng phần mềm Excel 2003 Statgraphics Centurion 15.1 để xử lý số liệu thu thập tính tốn nội dung nghiên cứu đặt đề tài Kết nghiên cứu đạt bao gồm nội dung sau đây: Quy luật phân bố % số theo cấp đường kính (N%/D1,3) Đường biểu diễn phân bố % số theo cấp kính N%/D1,3 rừng Đước trồng khu vực nghiên cứu đa số có dạng đỉnh lệch trái Hệ số biến động (Cv%) đường kính tương đối thấp tuổi rừng lớn tương đối cao tuổi rừng nhỏ, cao cấp tuổi 12 (Cv = 24,96%) Đường kính bình qn lâm phần tăng dần theo tuổi, dao động từ 3,9 – 8,5 cm Quy luật phân bố % số theo cấp chiều cao (N%/Hvn) Đường biểu diễn phân bố % số theo cấp chiều cao rừng Đước trồng khu vực nghiên cứu có dạng đỉnh lệch phải tuổi 10, 12, 16, 20 lệch trái tuổi 18 Chiều cao bình quân lâm phần tăng dần từ tuổi đến tuổi 16, dao động từ 4,1 – 10,5 m, đến tuổi 18 chiều cao lại giảm 9,3 m, sau sang tuổi 20 chiều cao tăng lên khoảng 12,5 m Nhìn chung, chiều cao bình quân lâm phần qua tuổi tăng Hệ số biến động (Cv%) chiều cao ii tương đối thấp tuổi rừng lớn tương đối cao tuổi rừng nhỏ, cao cấp tuổi 12 (Cv = 11,94%) Sinh trưởng đường kính thân theo tuổi (D1,3/A) Đường kính Đước tăng theo tuổi, tăng nhanh từ tuổi đến tuổi 7, tăng trưởng trung bình từ 0,47 – 0,53 cm/năm, từ tuổi – 13, tăng trưởng trung bình 0,43 cm/năm, từ cấp tuổi 14 trở tăng trưởng chậm trung bình khoảng 0,38 cm/năm tiếp tục tăng thời gian tới Phương trình cụ thể: D1,3 = exp(- 0,767561 + 0,98671.Ln(A)) Sinh trưởng chiều cao theo tuổi (Hvn/A) Chiều cao Đước tăng nhanh khoảng từ tuổi đến tuổi 10 với lượng tăng trưởng trung bình 0,7 m/năm, từ tuổi 11 trở chiều cao tăng chậm trở lại với lượng tăng trưởng trung bình 0,52 m/năm Phương trình cụ thể: Hvn = exp(-0,303815 + 0,95259.Ln(A)) Sinh trưởng thể tích theo tuổi (V/A) Thể tích tăng trưởng nhanh theo tuổi Thể tích Đước tăng chậm từ tuổi đến tuổi 12, từ tuổi 13 trở thể tích tăng dần tuổi nghiên cứu (tuổi 20) chưa có dấu hiệu dừng lại Phương trình cụ thể: V = (-0,0300057 + 0,0119292.A)2 Hình số bình qn chung lồi Đước trồng khu vực nghiên cứu là: f1,3 = 0,65 Quy luật tương quan chiều cao đường kính (Hvn/D1,3) Chiều cao (Hvn) đường kính (D1,3) rừng Đước trồng khu vực nghiên cứu có mối quan hệ chặt, chiều cao (Hvn) tăng lên đường kính (D1,3) tăng chưa có dấu hiệu dừng lại Phương trình cụ thể: Hvn = - 3,35951 + 6,71152.Ln(D1,3) Tăng trưởng đường kính id Đường kính tăng trưởng nhanh từ tuổi đến tuổi 7, dao động từ 0,47 cm – 0,53 cm, từ cấp tuổi sang cấp tuổi tốc độ tăng trưởng tăng chậm giảm 0,39 cm, tuổi tốc độ tăng trưởng tăng lên 0,54 cm, từ tuổi 10 trở tốc độ iii tăng trưởng tăng chậm, lượng tăng trưởng dao động từ 0,3 cm – 0,45 cm Tăng trưởng đường kính bình qn hàng năm lồi Đước trồng khu vực nghiên cứu 0,43 cm Tăng trưởng chiều cao ih Chiều cao tăng mạnh giai đoạn từ tuổi đến tuổi (trung bình 0,7 m/năm), từ tuổi đến tuổi 11 chiều cao tăng trưởng chậm (trung bình 0,61 m/năm), từ tuổi 12 trở chiều cao tăng trưởng chậm (trung bình 0,55 m/năm) Chiều cao bình qn chung lồi Đước trồng khu vực nghiên cứu 0,61 m/năm 10 Lập biểu dự báo tạm thời trình sinh trưởng loài Đước trồng khu vực nghiên cứu iv ABSTRACT Truong Van Nhi, DH10QR grade student, Faculty of Forestry, Nong lam university, Ho Chi Minh City The thesis: "Study on characteristics of structure and growth of mangrove forests (Rhizophora apiculata Blume.) Plant at Long Dien Dong Commune, Dong Hai district, Bac Lieu province." Has been carried out from February to April, 2013 Scientific Advisor: MSc Nguyen Minh Canh Research Methodology: Applying the investigation process in the field work Gathering data on the temporary plots in the age of 7, 10, 12, 16, 18 and 20, plots are square with an area of 100 square meters At each age level established three temporary plots and cut one tree analysis The software Excel 2003 and Statgraphics centurion 15.1 were used to treat data and establish the regression models The research results could be summarized with some contents as follows: The percentage distributon of stem number according to diameter at breast height – rank (N%/D1,3) The percentage distribution curve based on the diameter of the tree N%/D1,3 of woods grown in the study area form a majority of the top and misses Coefficient of variation (Cv%) in diameter relatively low in the age of large forests and relatively high in the small forest age, the largest at age 12 (Cv% = 24,96%) The average diameter of the stand increases with age, ranging from 3,9 to 8,5 centimeter The percentage distribution of stem number according to tree height – rank (N%/Hvn) The percentage distribution curve of the height of trees in the forest were planted in the study area to form a peak shift in the age of 10, 12, 16, 20 and misses at the age of and 18 Average height of the forest increased from age to age 16, ranging from 4,1 to 10,5 meter, but up to age 18, then back down to a height of 9,3 v meter, then increase to age 20 height to about 12,5 meter Overall, the average height of the forest over the age increased The coefficient of variation (Cv%) of relatively low height at the age of large forests and relatively high in the small forest age, the largest at age 12 (Cv% = 11,94%) Growth of the diameter (D1,3/A) Mangrove tree diameter increased steadily with age, increasing from age to age years of age, average growth from 0,47 to 0,53 centimeter per year, from age to 13, average growth of 0,43 centimeter per year, from age 14 onwards of slow growth averaging about 0,38 centimeter per year and continue to increase in the future Namely equation: D1,3 = exp(-0,767561 + 0,98671.Ln(A)) Growth of the height (Hvn/A) Plant height was increased rapidly in the range from age to age 10 with average growth of 0,7 meter per year, from age 11 onwards height increases slowly return to average growth of 0,52 meter per year Namely equation: Hvn = exp(-0,303815 + 0,95259.Ln(A)) Growth of the growth (V/A) The volume growth with age Forest can be increased slowly from age to age 12, from age 13 onwards increasing volume until the age of the study (age 20) and has no signs of stopping Namely equation: V = (-0,0300057 + 0,0119292.A)2 The figure the average number of plant species in the study area is: f1,3 = 0,65 The correlation between height and diameter (Hvn/D1,3) Height (Hvn) and diameter (D1,3) planting of mangrove forest in the study area have very close relationships, height (Hvn) increases as the diameter (D1,3) increase and there is no sign stop Namely equation: Hvn = - 3,35951 + 6,71152.Ln(D1,3) vi Increment of the diameter (id1,3) Diameter growth from age to age 7, ranging from 0,47 to 0,53 centimeter, from the age of to the age of growth slowed and dropped to 0,39 cm, but the age of the growth rate increased to 0,54 centimeter, from age 10 onwards the growth rate slowed, volume growth ranged from 0,3 to 0,45 centimeter Average diameter growth annually for planting mangrove forest in the study area is 0,43 centimeter Increment of the height (ih) Height increased in the period from age to age (average 0,7 meter per year), from age to age 11 height slower growth (averaging 0,61 meter per year), from the age of 12 onwards height growth is low (average 0,55 meter per year) The average height of the mangrove forest in the study area is 0,61 meter per year 10 Charted temporary forecasts the growth of plant species in the study area vii MỤC LỤC TRANG Lời cảm ơn i Tóm tắt ii Abstract - v Mục lục - viii Danh sách chữ viết tắt - xi Danh sách hình - xiii Danh sách bảng - xiv Chương MỞ ĐẦU - 1.1 Đặt vấn đề - 1.2 Mục tiêu nghiên cứu - 1.2.1 Mục tiêu tổng quát - 1.2.2 Mục tiêu cụ thể - 1.2.3 Đối tượng phạm vi nghiên cứu - Chương TỔNG QUAN NGHIÊN CỨU 2.1 Một số khái niệm - 2.1.1 Những khái niệm cấu trúc rừng - 2.1.2 Những khái niệm sinh trưởng - 2.2 Những nghiên cứu cấu trúc rừng - 2.2.1 Trên giới 2.2.2 Ở Việt Nam - 2.3 Những nghiên cứu sinh trưởng rừng 2.3.1 Trên giới 2.3.2 Ở Việt Nam - 11 2.3.3 Những nghiên cứu loài Đước - 13 viii Simple Regression - V vs A Dependent variable: V Independent variable: A Double square root model: Y = (a + b.sqrt(X))2 Coefficients Parameter Intercept Slope Least Squares Estimate -0,139627 0,0749769 Analysis of Variance Source Sum of Squares Model 0,0672175 Residual 0,00190748 Total (Corr.) 0,069125 Standard Error 0,0107079 0,0031576 Df 16 17 Mean Square 0,0672175 0,000119218 T Statistic -13,0396 23,7449 F-Ratio 563,82 P-Value 0,0000 0,0000 P-Value 0,0000 Correlation Coefficient = 0,986106 R-squared = 97,2405 percent R-squared (adjusted for d.f.) = 97,0681 percent Standard Error of Est = 0,0109187 Mean absolute error = 0,00860395 Durbin-Watson statistic = 0,240903 (P=0,0000) Lag residual autocorrelation = 0,637154 The StatAdvisor The output shows the results of fitting a double square root model to describe the relationship between V and A The equation of the fitted model is V = (-0,139627 + 0,0749769.sqrt(A))2 Since the P-value in the ANOVA table is less than 0,05, there is a statistically significant relationship between V and A at the 95,0% confidence level The R-Squared statistic indicates that the model as fitted explains 97,2405% of the variability in V after transforming to a Lnarithmic scale to linearize the model The correlation coefficient equals 0,986106, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0,0109187 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 0,00860395 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 95,0% confidence level Plot the residuals versus row order to see if there is any pattern that can be seen jj PHỤ LỤC KẾT QUẢ THỬ NGHIỆM CÁC PHƯƠNG TRÌNH TƯƠNG QUAN GIỮA CHIỀU CAO (Hvn) VÀ ĐƯỜNG KÍNH (D1,3) Simple Regression - H vs D Dependent variable: H Independent variable: D Squared-Y model: Y = sqrt(a + b.X) Coefficients Least Squares Standard T Parameter Estimate Error Statistic P-Value Intercept -40,0162 1,90434 -21,0132 0,0000 Slope 19,3605 0,324727 59,6207 0,0000 Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio Model 1,79369E6 1,79369E6 3554,63 Residual 650944, 1290 504,608 Total (Corr.) 2,44464E6 1291 P-Value 0,0000 Correlation Coefficient = 0,856578 R-squared = 73,3726 percent R-squared (adjusted for d.f.) = 73,352 percent Standard Error of Est = 22,4635 Mean absolute error = 18,0664 Durbin-Watson statistic = 0,66291 (P=0,0000) Lag residual autocorrelation = 0,667689 The StatAdvisor The output shows the results of fitting a squared-Y model to describe the relationship between H and D The equation of the fitted model is H = sqrt(-40,0162 + 19,3605.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 73,3726% of the variability in H after transforming to a reciprocal scale to linearize the model The correlation coefficient equals 0,856578, indicating a moderately strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 22,4635 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 18,0664 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 95,0% confidence level Plot the residuals versus row order to see if there is any pattern that can be seen kk Simple Regression - H vs D Dependent variable: H Independent variable: D Squared-Y square root-X: Y = sqrt(a + b.sqrt(X)) Coefficients Parameter Intercept Slope Least Squares Estimate -148,45 92,9816 Analysis of Variance Source Sum of Squares Model 1,77487E6 Residual 669765, Total (Corr.) 2,44464E6 Standard Error 3,743 1,5903 T Statistic -39,6607 58,4679 Df 1290 1291 Mean Square 1,77487E6 519,197 P-Value 0,0000 0,0000 F-Ratio 3418,50 P-Value 0,0000 Correlation Coefficient = 0,852072 R-squared = 72,6027 percent R-squared (adjusted for d.f.) = 72,5815 percent Standard Error of Est = 22,7859 Mean absolute error = 18,5477 Durbin-Watson statistic = 0,645217 (P=0,0000) Lag residual autocorrelation = 0,675853 The StatAdvisor The output shows the results of fitting an squared-Y square root-X model to describe the relationship between H and D The equation of the fitted model is H = sqrt(-148,45 + 92,9816.sqrt(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 72,6027% of the variability in H after transforming to a logarithmic scale to linearize the model The correlation coefficient equals 0,852072, indicating a moderately strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 22,7859 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 18,5477 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 95,0% confidence level Plot the residuals versus row order to see if there is any pattern that can be seen ll Simple Regression - H vs D Dependent variable: H Independent variable: D Square root-X model: Y = a + b.sqrt(X) Coefficients Parameter Intercept Slope Least Squares Estimate -5,60952 5,75464 Analysis of Variance Source Sum of Squares Model 6798,44 Residual 2683,66 Total (Corr.) 9482,1 Standard Error 0,236931 0,100666 T Statistic -23,6757 57,1658 Df 1290 1291 Mean Square 6798,44 2,08036 P-Value 0,0000 0,0000 F-Ratio 3267,92 P-Value 0,0000 Correlation Coefficient = 0,846745 R-squared = 71,6976 percent R-squared (adjusted for d.f.) = 71,6757 percent Standard Error of Est = 1,44234 Mean absolute error = 1,20948 Durbin-Watson statistic = 0,515898 (P=0,0000) Lag residual autocorrelation = 0,740467 The StatAdvisor The output shows the results of fitting a square root-X model to describe the relationship between H and D The equation of the fitted model is H = -5,60952 + 5,75464.sqrt(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 71,6976% of the variability in H The correlation coefficient equals 0,846745, indicating a moderately strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 1,44234 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 1,20948 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 95,0% confidence level Plot the residuals versus row order to see if there is any pattern that can be seen mm 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 -3,35951 6,71152 Analysis of Variance Source Sum of Squares Model 6770,45 Residual 2711,65 Total (Corr.) 9482,1 Standard Error 0,199679 0,118259 T Statistic -16,8246 56,7527 Df 1290 1291 Mean Square 6770,45 2,10206 P-Value 0,0000 0,0000 F-Ratio 3220,87 P-Value 0,0000 Correlation Coefficient = 0,844999 R-squared = 71,4024 percent R-squared (adjusted for d.f.) = 71,3802 percent Standard Error of Est = 1,44985 Mean absolute error = 1,20192 Durbin-Watson statistic = 0,510562 (P=0,0000) Lag residual autocorrelation = 0,741692 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 = -3,35951 + 6,71152.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 71,4024% of the variability in H after transforming to a Y/(1-Y) scale to linearize the model The correlation coefficient equals 0,844999, indicating a moderately strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 1,44985 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 1,20192 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 95,0% confidence level Plot the residuals versus row order to see if there is any pattern that can be seen nn Simple Regression - H vs D Dependent variable: H Independent variable: D Double-squared: Y = sqrt(a + b.X2) Coefficients Parameter Intercept Slope Least Squares Estimate 15,9141 1,49223 Standard Error 1,12505 0,0266282 Analysis of Variance Source Sum of Squares Model 1,73284E6 Residual 711802, Total (Corr.) 2,44464E6 Df 1290 1291 T Statistic 14,1453 56,0395 Mean Square 1,73284E6 551,785 P-Value 0,0000 0,0000 F-Ratio 3140,42 P-Value 0,0000 Correlation Coefficient = 0,841921 R-squared = 70,8831 percent R-squared (adjusted for d.f.) = 70,8606 percent Standard Error of Est = 23,4901 Mean absolute error = 18,6616 Durbin-Watson statistic = 0,60594 (P=0,0000) Lag residual autocorrelation = 0,694223 The StatAdvisor The output shows the results of fitting a double squared model to describe the relationship between H and D The equation of the fitted model is H = sqrt(15,9141 + 1,49223.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 95,0% confidence level The R-Squared statistic indicates that the model as fitted explains 70,8831% of the variability in H The correlation coefficient equals 0,841921, indicating a moderately strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 23,4901 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 18,6616 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 95,0% confidence level Plot the residuals versus row order to see if there is any pattern that can be seen oo PHỤ LỤC SỐ LIỆU CÁC CÂY GIẢI TÍCH PHỤC VỤ TÍNH TỐN HÌNH SỐ f1,3 Năm D1 D2 D3 D4 D5 2006 4,5 4,1 3,2 2,5 1,6 2003 5,4 5,1 4,5 4,1 3,8 3,5 2,5 2,2 4,9 2001 6,1 5,4 4,9 4,5 3,8 3,5 2,9 2,2 5,3 1997 7,5 7,3 6,5 6,1 5,7 5,4 4,8 4,5 3,8 2,9 2,2 6,8 1995 8,1 7,8 7,3 7,2 6,7 6,1 5,4 4,8 2,9 1,9 1,4 7,6 1993 9,4 8,9 8,3 8,0 7,6 7,0 6,5 6,1 5,6 4,8 4,1 D6 D7 D8 D9 D10 D11 D12 D13 D1,3 f1,3 tính trực tiếp từ giải tích theo công thức: Di2 ∑n f1,3 = D12,3 pp 2,5 1,6 8,6 PHỤ LỤC KẾT QUẢ THỬ NGHIỆM CÁC PHƯƠNG TRÌNH TƯƠNG QUAN GIỮA SỐ CÂY (N, cây/ha) VÀ TUỔI (A) Simple Regression - N vs A Dependent variable: N Independent variable: A Reciprocal-X model: Y = a + b/X Coefficients Least Squares Standard T Parameter Estimate Error Statistic P-Value Intercept 1060,0 1256,59 0,843558 0,4464 Slope 74266,6 14221,2 5,22226 0,0064 Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 3,38217E7 3,38217E7 27,27 0,0064 Residual 4,96065E6 1,24016E6 Total (Corr.) 3,87824E7 Correlation Coefficient = 0,933858 R-squared = 87,209 percent R-squared (adjusted for d.f.) = 84,0113 percent Standard Error of Est = 1113,63 Mean absolute error = 799,149 Durbin-Watson statistic = 1,86326 (P=0,1999) Lag residual autocorrelation = -0,0664677 The StatAdvisor The output shows the results of fitting a reciprocal-X model to describe the relationship between N and A The equation of the fitted model is N = 1060 + 74266,6/A Since the P-value in the ANOVA table is less than 0,05, there is a statistically significant relationship between N and A at the 95,0% confidence level The R-Squared statistic indicates that the model as fitted explains 87,209% of the variability in N The correlation coefficient equals 0,933858, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 1113,63 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 799,149 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 qq Simple Regression - N vs Ln(A) Dependent variable: N Independent variable: Ln(A) Linear model: Y = a + b.X Coefficients Parameter Intercept Slope Least Squares Estimate 24578,6 -6783,06 Analysis of Variance Source Sum of Squares Model 3,64876E7 Residual 2,29478E6 Total (Corr.) 3,87824E7 Standard Error 2203,73 850,537 Df Mean Square 3,64876E7 573694 T Statistic 11,1532 -7,97503 F-Ratio 63,60 P-Value 0,0004 0,0013 P-Value 0,0013 Correlation Coefficient = -0,969964 R-squared = 94,0829 percent R-squared (adjusted for d.f.) = 92,6037 percent Standard Error of Est = 757,426 Mean absolute error = 508,108 Durbin-Watson statistic = 2,22084 (P=0,3647) Lag residual autocorrelation = -0,243977 The StatAdvisor The output shows the results of fitting a linear model to describe the relationship between N and LN(A) The equation of the fitted model is N = 24578,6 - 6783,06.Ln(A) Since the P-value in the ANOVA table is less than 0,05, there is a statistically significant relationship between N and Ln(A) at the 95,0% confidence level The R-Squared statistic indicates that the model as fitted explains 94,0829% of the variability in N The correlation coefficient equals -0,969964, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 757,426 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 508,108 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 rr Simple Regression - Ln(N) vs A Dependent variable: Ln(N) Independent variable: A Linear model: Y = a + b.X Coefficients Parameter Intercept Slope Least Squares Estimate 9,8922 -0,07794 Analysis of Variance Source Sum of Squares Model 0,758318 Residual 0,0261852 Total (Corr.) 0,784503 Standard Error 0,10548 0,00724157 Df Mean Square 0,758318 0,0065463 T Statistic 93,7825 -10,7629 P-Value 0,0000 0,0004 F-Ratio 115,84 P-Value 0,0004 Correlation Coefficient = -0,983169 R-squared = 96,6622 percent R-squared (adjusted for d.f.) = 95,8277 percent Standard Error of Est = 0,0809092 Mean absolute error = 0,0608349 Durbin-Watson statistic = 2,15783 (P=0,3222) Lag residual autocorrelation = -0,226615 The StatAdvisor The output shows the results of fitting a linear model to describe the relationship between Ln(N) and A The equation of the fitted model is Ln(N) = 9,8922 - 0,07794.A Since the P-value in the ANOVA table is less than 0,05, there is a statistically significant relationship between Ln(N) and A at the 95,0% confidence level The R-Squared statistic indicates that the model as fitted explains 96,6622% of the variability in Ln(N) The correlation coefficient equals -0,983169, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0,0809092 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 0,0608349 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 ss Simple Regression - Ln(N) vs Ln(A) Dependent variable: Ln(N) Independent variable: Ln(A) Linear model: Y = a + b.X Coefficients Parameter Intercept Slope Least Squares Estimate 11,2693 -0,957085 Analysis of Variance Source Sum of Squares Model 0,726432 Residual 0,0580709 Total (Corr.) 0,784503 Standard Error 0,350563 0,135301 Df Mean Square 0,726432 0,0145177 T Statistic 32,1462 -7,07373 F-Ratio 50,04 P-Value 0,0000 0,0021 P-Value 0,0021 Correlation Coefficient = -0,962277 R-squared = 92,5978 percent R-squared (adjusted for d.f.) = 90,7472 percent Standard Error of Est = 0,120489 Mean absolute error = 0,0850232 Durbin-Watson statistic = 1,86012 (P=0,1854) Lag residual autocorrelation = -0,101483 The StatAdvisor The output shows the results of fitting a linear model to describe the relationship between Ln(N) and Ln(A) The equation of the fitted model is Ln(N) = 11,2693 - 0,957085.Ln(A) Since the P-value in the ANOVA table is less than 0,05, there is a statistically significant relationship between Ln(N) and Ln(A) at the 95,0% confidence level The R-Squared statistic indicates that the model as fitted explains 92,5978% of the variability in Ln(N) The correlation coefficient equals -0,962277, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0,120489 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 0,0850232 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 tt MỘT SỐ HÌNH ẢNH TRONG Q TRÌNH NGHIÊN CỨU Lập tiêu chuẩn uu Dụng cụ phục vụ công tác đo đếm chặt giải tích vv Hình ảnh thớt giải tích cấp tuổi Thớt 1,3 m năm 2006 2003 ww Thớt 1,3 m năm 2001 1997 Thớt 1,3 m năm 1995 1993 xx ... tìm cho nhi u loại cây, loại rừng cơng bố giới hàm sinh trưởng Gompertz (1925) điển hình cho việc nghiên cứu trình sinh trưởng lồi Tuy nhi n, qua nhi u cơng trình nghiên cứu nước ta, nhi u tác... khu vực khí hậu nhi t đới gió mùa xích đạo với đặc điểm sau: - Chế độ nhi t cao tháng năm, chế độ ánh sáng dồi số nắng trung bình: 2.269 giờ/ năm, tổng lượng nhi t năm 9.5000C; nhi t độ trung... hai nhân tố Kết nghiên cứu cấu trúc rừng tự nhi n ông phù hợp với nghiên cứu Prodan (1952), cấu trúc đứng rừng tự nhi n Việt Nam đặc trưng phân bố nhi u đỉnh chiều cao cấu trúc ngang phân bố