Phương pháp xử lý số liệu

Tùy theo từng nội dung nghiên cứu, đề tài sẽ áp dụng những phương pháp phân tích số liệu cụ thể theo từng nội như sau:

2.4.3.1. Đánh giá sinh trưởng của cây trồng trong các mô hình (1) Sinh trưởng chiều cao

- Xác định chiều cao bình quân: Áp dụng công thức bình quân đơn giản để tính[15].

Áp dụng công thức: hbq= h1+h2+...+hn

n (1)

Trong đó: h1, h2... là chiều cao của cây n là tổng số cây

(2) Sinh trưởng đường kính

- Tính đường kính bình quân (Dbq) bằng phương pháp bình quân gia quyền theo số cây[15].

Dbq = d1n1 + d2n2 + ... + dnnn

Trong đó: Dbq là đường kính bình quân Di là cỡ kính giữa tổ

Ni là tổng số cây của tổ

(3) Các đại lượng đặc cho quy luật sinh trưởng

Đối với sinh trưởng đường kính và chiều cao, được tính toán các đại lượng thống kê thông thường, nhằm tìm ra quy luật sinh trưởng D1.3 và Hvn của cây trồng trong mô hình[15, 19, 22, 23]

- Sai tiêu chuẩn mẫu (Sd)

Áp dụng công thức: Sx = √∑ 𝑛𝑖(𝑥𝑖−𝑥𝑡𝑏)

∑ 𝑛𝑖 (3)

- Hệ số biến động (S%)

S% = 𝑆𝑥

𝑥𝑡𝑏×100% (4)

Trong đó: N là tổng số cây trong OTC, 𝑥𝑖 là trị đường kính hoặc chiều cao của cây thứ i, 𝑥𝑡𝑏 là trị trung bình của đường kính hoặc chiều cao cây cá thể trong OTC.

- Độ lệch (Sk). (Skewness)

Trị số này cho biết độ mất đối xứng của phân bố, nghĩa là biểu thị các giá trị dồn về phía trên hoặc phía dưới của giá trị trung bình. Sk có thể được tính theo các công thức sau đây:

Dùng hệ số độ xiên của Pearson Sk = ∑ 𝑛𝑖(𝑥𝑖−𝑥𝑡𝑏)

3

𝑁𝑆3 (5)

Nếu Sk lấy giá trị dương thì phân phối lệch trái, nghĩa là có nhiều giá trị dồn về phía dưới trị Xbq. Ngược lại, Sk mang dấu âm thì phân phối lệch phải, nghĩa là có nhiều giá trị dồn về phía trên trị Xbq.

- Độ nhọn (Ku). (Kurtosis)

Trị số này có liên quan với phân bố chuẩn, trong đó Ku = ∑ 𝑛𝑖(𝑥𝑖−𝑥𝑡𝑏)4

Đối với phân bố chuẩn Ex có trị số bằng 3. Do đó, nếu Ex lấy giá trị âm thì đỉnh đường cong phân bố là tù. Ngược lại, nếu Ex lấy giá trị dương thì đỉnh đường cong phân bố là nhọn.

2.4.3.2. Đánh giá cấu trúc của cây trồng trong các mô hình (1) Biến động mật độ (N/ha)

- Xác định mật độ tại thời điểm trồng (N0): Kế thừa tài liệu (hồ sơ trồng rừng)

- Xác định mật độ hiện tại (Nht): Từ kết quả điều tra về số cây/OTC của mỗi loại mật độ trong mô hình trồng rừng (Notc1, Notc2, Notc3 lần lượt là kết quả đo đếm số cây của 03 OTC của 1 loại mật độ trong 1 mô hình)[15].

+ Mật độ bình quân trong 01 OTC (1000m2): Nbq = Notc1+Notc2+Notc3

3 (7)

+ Mật độ hiện tại: Nht= Nbq * 10 (8)

- Biến động mật độ (∆n): ∆n = Nht - N0 (9)

(2) Xác định kết cấu N, G, M của các mô hình

Để làm rõ về kết cấu của N, G, M, trước hết tiến hành thống kê N, G, M của các loài cây trồng trong mô hình rừng trồng. Sau đó thực hiện so sánh N, G, M của các loài theo D1.3, H và loại mô hình[5, 9, 15, 19, 23].

(3) Lập phân bố số cây theo đường kính (N/D) và theo chiều cao (N/H)

Số liệu sau khi chỉnh lý và lập bảng phân bố tần suất thực nghiệm theo tổ, tính toán các đặc trưng mẫu, đề tài lựa chọn hàm lý thuyết phù hợp để mô phỏng các quy luật phân bố[5, 9, 15, 19, 23]: N/D1.3, NL/D.

* Phân bố Weibull

Là phân bố xác suất của biến ngẫu nhiên liên tục, với miền giá trị (0, +). Phân bố Weibull là phân bố xác suất cho phép mô phỏng phân bố thực nghiệm có dạng giảm, lệch trái, lệch phải và đối xứng.

P (x) =      x e X 1 . . .   (10) Trong đó:

Tham số α đặc trưng cho độ lệch của phân bố. Tham số λ đặc trưng cho độ nhọn của phân bố. Giá trị λ được ước lượng từ công thức

(11) Trong đó: x = Yi - Ymin

Yi: là trị số giữa tạm thời của nhân tố điều tra

Ymin: là trị số quan sát nhỏ nhất của nhân tố điều tra (giới hạn của tổ đầu tiên).

* Phân bố khoảng cách

Phân bố khoảng cách là phân bố xác suất của biến ngẫu nhiên đứt quãng, hàm toán học có dạng:

 với x = 0 F (x) =

(1-  )(1-) x1 x ≥ 1

Trong đó:

 = f0/n, với f0 là Tần suất quan sát của tổ đầu tiên n: dung lượng mẫu

xi = (yi – y1)/k, với k là cự ly tổ; yi: trị số giữa tổ thứ i của đại lượng điều tra ; y1: trị số giữa tổ thứ nhất của đại lượng điều tra.

Phân bố khoảng cách dùng để nắn những phân bố thực nghiệm có dạng hình chữ J (đỉnh nằm ở cỡ thứ hai và sau đó Tần suất giảm dần khi x tăng).

Kiểm tra sự phù hợp giữa phân bố lý thuyết với phân bố thực nghiệm

Để đánh giá sự phù hợp của phân bố lý thuyết với phân bố thực nghiệm, sử dụng tiêu chuẩn khi bình phương (2)

    xi fi n .

2 =    m i fl fl ft 1 2 ) ( (12)

Nếu 2tính ≤ 205 tra bảng, với bậc tự do k = m – r - 1 (m: là số tổ sau khi gộp; r: số tham số của phân bố lý thuyết cần ước lượng), thì phân bố lý thuyết phù hợp với phân bố thực nghiệm và ngược lại.

Khi sử dụng các phân bố lý thuyết để mô phỏng phân bố thực nghiệm, thì phân bố nào có tỷ lệ chấp nhận cao hơn sẽ được chấp nhận.

2.4.3.3. Đánh giá đặc điểm tái sinh trong các mô hình (1) Công thức tổ thành cây tái sinh

Việc xác định công thức tổ thành cây tái sinh được dựa vào chỉ số quan trọng IV. Công thức tính chỉ số quan trong IVI như sau[6, 20]:

IV = (𝑅𝐷%+𝑅𝐹%)

2 (13)

Trong đó:

IV là chỉ số quan trọng (%)

RD% là mật độ tương đối của loài

RF% là Tần suất bắt gặp tương đối của loài trong các ODB. Công thức tổ thành của loài gồm các loài có chỉ số IV ≥ 5,0%.

(2) Xác định cây tái sinh có triển vọng.

Cây tái sinh có triển vọng được quy ước là những cây tốt và trung bình đồng thời có chiều cao > 1m

Xác định cây tái sinh có triển vọng theo công thức[15]:

N = Ni*N% (14)

Trong đó:

N: là số cây tái sinh có triển vọng

Ni: số cây tái sinh có chiều cao > 100 cm N%: tỷ lệ cây tốt và trung bình

- Tỷ lệ cây tái sinh từ hạt, tỷ lệ cây tái sinh chồi.

Nguồn gốc cây tái sinh được xác định thông qua các chỉ tiêu định tính (tái sinh từ hạt, tái sinh từ chồi)

Tỷ lệ cây tái sinh theo nguồn gốc được xác định theo công thức:

N% = n/N*100% (15)

Trong đó:

N%: tỷ lệ phần trăm cây tái sinh từ hạt, chồi hoặc theo các cấp phẩm chất cây tái sinh

n: Tổng số cây tái sinh từ hạt, chồi, theo từng cấp phẩm chất N: Tổng số cây tái sinh

- Khả năng gieo giống từ các khu rừng kế cận còn lại.

(4) Phân bố cây tái sinh trên mặt đất bằng các chỉ số

+ Hệ so phân tán,

Hệ số phân tán kiểm nghiệm tính phân tán của quần thể xem chúng có thuộc loại hình phân bố ngẫu nhiên hay không. Công thức tính[6]:

2 /

C  S X (16)

Trong công thức: X số cá thể bình quân của quần thể；S2 là phương sai. Khi C=1 các cá thể trong quần thể có cách thức phân bố không gian là ngẫu nhiên; khi C>0 cách thức phân bố của các cá thể thuộc loại phân bố cụm; khi C<0 cách thức phân bố của các cá thể thuộc loại phân bố đều.

Hệ số phân tán (C) có thể sử dụng 2 để tiến hành kiểm nghiệm thống kê.

2 2

n S X

   , nếu như cách thức phân bố không gian của quần thể thuộc phân

bố Poisson (Phân bố ngẫu nhiên) thì 2 tính lớn hơn 2 tra bảng với n độ tự do ở mức ý nghĩa 0.05, ngược lại là thuộc phân bố Cụm.

+ Chỉ số độ tụ hợp (I)

2 1 S I X   (17)

Khi I =0，cách thức phân bố thuộc dạng phân bố ngẫu nhiên; khi I>0 thuộc dạng phân bố Cụm; khi I<0 thuộc dạng phân bố đều.

+ Chỉ số phân tán (I),

Chỉ số phân tán được tính toán theo công thức[6]:

   1 1 1 i n X X I N N      (18)

Trong công thức: N là tổng số cá thể, N n X ；n là số ODB điều tra；Xi

là số cá thể trong ODB thứ i。

(5) Tính đa dạng thực vật của lớp cây tái sinh trong các mô hình

- Đa dạng loài cây tái sinh gồm 3 thành phần[3, 9, 10, 21, 23]: (1) Số loài bắt gặp hay chỉ số giàu có về loài; (2) Chỉ số đồng đều; (3) chỉ số đa dạng loài. Trong đề tài luận văn này, mức độ giàu có về loài được xác định theo số loài (S, loài) và chỉ số giàu có về loài của Margalef (dmargalef). Chỉ số đồng đều được xác định theo chỉ số Peilou (J'). Đa dạng loài cây tái sinh được xác định theo chỉ số đa dạng Shannon – Weiner (H'). Chỉ số ưu thế của loài được xác đinh theo chỉ số Gini – Simpson (1- 𝜆).

dmargalef = 𝑆−1 𝐿𝑛(𝑁) (19) J' = 𝐻′ 𝐻⁄ 𝑚𝑎𝑥′ = 𝐿𝑛 (𝑆) (20) 𝐻′ = ∑ 𝑛𝑖 𝑁𝑙𝑛𝑛𝑖 𝑁 𝑠 𝑖=1 = -∑𝑠𝑖=1𝑃𝑖𝐿𝑛(𝑃𝑖) (21) (1 - 𝜆) = 1 − ∑ 𝑃12 (22)

Trong công thức (22) – (25), S là số loài cây tái sinh bắt gặp trong mỗi |OTC, Pi = 𝑛𝑖⁄𝑁 (N là tổng số cây trong OTC, ni là số cây của loài thứ i, Ln() = Logarit cơ số Neper.

Kế đến sự khác biệt về các thành phần đa dạng loài cây tái sinh giữa các mô hình rừng trồng được so sánh bằng phương pháp phân tích phương sai (ANOVA) và thuật so sánh Duncan