BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NÔNG LÂM THÀNH PHỐ HỒ CHÍ MINH KHĨA LUẬN TỐT NGHIỆP NGHIÊN CỨU ĐẶC ĐIỂM CẤU TRÚC VÀ SINH TRƯỞNG CỦA RỪNG THÔNG HAI LÁ (Pinus merkusii Jungh et de Vriese) TRỒNG TẠI BAN QUẢN LÝ RỪNG PHÒNG HỘ NAM ĐÀN, HUYỆN NAM ĐÀN, TỈNH NGHỆ AN Họ tên: BÙI QUỐC VIỆT Ngành: Lâm nghiệp Niên khóa: 2007 – 2011 Tp Hồ Chí Minh, 06/2011 NGHIÊN CỨU ĐẶC ĐIỂM CẤU TRÚC VÀ SINH TRƯỞNG CỦA RỪNG THÔNG HAI LÁ (Pinus merkusii Jungh et de Vriese) TRỒNG TẠI BAN QUẢN LÝ RỪNG PHÒNG HỘ NAM ĐÀN, HUYỆN NAM ĐÀN, TỈNH NGHỆ AN Tác giả BÙI QUỐC VIỆT Khóa luận đệ trình để đáp ứng yêu cầu Cấp Kỹ sư ngành LÂM NGHIỆP Giáo viên hướng dẫn ThS Nguyễn Minh Cảnh Tháng năm 2011 LỜI CẢM ƠN Để hoàn thành khóa luận này, tơi xin bày tỏ lời cảm ơn chân thành sâu sắc đến: • Quý Thầy Cô giáo Trường Đại Học Nông Lâm Thành phố Hồ Chí Minh giảng dạy tơi suốt q trình học tập • Q Thầy Cơ giáo Khoa Lâm nghiệp giảng dạy truyền đạt kiến thức quý báu giúp đỡ suốt thời gian học tập thực khóa luận • Xin chân thành cảm ơn Thầy Nguyễn Minh Cảnh tận tình hướng dẫn tơi thực hồn thành khóa luận • Xin chân thành cảm ơn Ban lãnh đạo cán kỹ thuật Ban quản lý rừng phòng hộ Nam Đàn, huyện Nam Đàn, tỉnh Nghệ An tạo điều kiện thuận lợi cho suốt thời gian thu thập số liệu ngoại nghiệp • Cảm ơn anh Phan Văn Trọng, quản lý vườn ươm Khoa Lâm nghiệp tạo điều kiện, giúp đỡ tơi thời gian học tập trường • Cảm ơn bạn lớp DH07LN sát cánh giúp đỡ tơi suốt q trình học tập • Cuối tơi xin bày tỏ lời biết ơn sâu sắc tới Cha Mẹ người thân gia đình ln cổ vũ, động viên tơi vượt qua khó khăn Xin chân thành cảm ơn! Tp.HCM, tháng năm 2011 Sinh viên thực Bùi Quốc Việt i TÓM TẮT Đề tài: “Nghiên cứu đặc điểm cấu trúc sinh trưởng rừng Thông hai (Pinus merkusii Jungh et de Vriese) trồng Ban quản lý rừng phòng hộ Nam Đàn, huyện Nam Đàn, tỉnh Nghệ An” thực khoảng thời gian từ tháng đến tháng năm 2011 Giáo viên hướng dẫn: ThS Nguyễn Minh Cảnh Phương pháp nghiên cứu: Dùng phương pháp điều tra ô tiêu chuẩn tạm thời để thu thập số liệu thực địa Sử dụng phần mềm Excel 2003 Statgraphics Plus 3.0 để xử lý số liệu Kết nghiên cứu bao gồm nội dung: Phân bố số theo cấp đường kính (N/D1,3) Phân bố số theo cấp đường kính cấp tuổi có dạng đỉnh Ở cấp tuổi 3, phân bố có dạng tiệm cận phân bố chuẩn, cấp tuổi cấp tuổi phân bố có dạng đỉnh lệch phải, cấp tuổi có dạng đỉnh lệch trái Biên độ biến động đường kính hệ số biến động giảm mạnh theo cấp tuổi cho thấy mức độ tỉa thưa lớn Phân bố số theo cấp chiều cao (N/H) Chiều cao Thông hai rừng 10 năm tuổi có chênh lệch khơng lớn Sự phân hóa chiều cao bắt đầu thể rõ cấp tuổi sau Đường biểu diễn phân bố có dạng đỉnh lệch phải cấp tuổi hay có dạng đỉnh lệch trái cấp tuổi Sự khác biệt cho thấy cấp tuổi 3, độ tuổi có tăng trưởng mạnh chiều cao Hệ số biến động chiều cao giảm dần theo cấp tuổi trình tỉa thưa mạnh Tương quan đường kính tuổi (D1,3/A) Kết tính tốn cho thấy phương trình phù hợp để mô tả cho mối tương quan đường kính D1,3 theo tuổi (A) Phương trình cụ thể: D1,3 = 12,8508 – 18,2036*sqrt(A) + 8,51375*sqrt(A)2 – 0,83427*sqrt(A)3 ii Tương quan chiều cao tuổi (H/A) Kết tính tốn cho thấy phương trình phù hợp để mô tả cho mối tương quan chiều cao H theo tuổi (A) Phương trình cụ thể: Ln(H) = -10,4716 + 67,8642*1/A0,2 – 110,515*(1/A0,2)2 +54,1228*(1/A0,2)3 Tương quan thể tích thân tuổi (V/A) Kết tính tốn cho thấy phương trình phù hợp để mơ tả cho mối tương quan thể tích V theo tuổi (A) Phương trình cụ thể: Ln(V) = - 39,1329 + 202,678*1/A0,2 – 326,848*(1/A0,2)2 +154,475*(1/A0,2)3 Tương quan chiều cao đường kính (H/D1,3) Phương trình sau phù hợp để mô tả cho mối tương quan H D1,3 lồi Thơng hai trồng khu vực nghiên cứu: H = 12,4538–18,71*sqrt(D1,3) + 10,7988*sqrt(D1,3)2 – 2,2334*sqrt(D1,3)3 + 0,160919*sqrt(D1,3)4 Tăng trưởng đường kính (id1,3) Đường biểu diễn có dạng gấp khúc, tăng giảm khơng theo tuổi, xu hướng tăng trưởng mạnh vào thời kỳ đầu Tới tuổi 15, lượng tăng trưởng hàng năm bắt đầu giảm dần Tăng trưởng bình quân hàng năm 1,1 cm/năm Tăng trưởng chiều cao (ih) Đường biểu diễn có dạng gấp khúc, tăng giảm không theo tuổi, xu hướng tăng trưởng mạnh vào thời kỳ đầu Tới tuổi 18, lượng tăng trưởng hàng năm bắt đầu giảm dần Tăng trưởng bình quân hàng năm 0,41 m/năm Tăng trưởng thể tích (iV) Đường biểu diễn gấp khúc, có dạng tiệm cận phân bố chuẩn, tăng trưởng chậm năm đầu cuối trình sinh trưởng Lượng tăng trưởng bình quân hàng năm 0,025 m3/năm iii MỤC LỤC Trang * Lời cảm ơn i * Tóm tắt .ii * Mục lục iv * Những chữ viết tắt kí hiệu vii CHƯƠNG MỞ ĐẦU 1.1 Đặt vấn đề 1.2 Mục tiêu nghiên cứu 1.3 Phạm vi nghiên cứu CHƯƠNG TỔNG QUAN NGHIÊN CỨU 2.1 Khái niệm cấu trúc rừng 2.2 Khái niệm sinh trưởng, tăng trưởng 2.3 Những nghiên cứu cấu trúc rừng giới Việt Nam 2.3.1 Trên Thế giới 2.3.2 Ở Việt Nam 2.4 Những nghiên cứu sinh trưởng, tăng trưởng rừng giới Việt Nam 2.4.1 Trên Thế giới 2.4.2 Ở Việt Nam…………………………………………………… 11 CHƯƠNG ĐẶC ĐIỂM KHU VỰC NGHIÊN CỨU, NỘI DUNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU……………………………………………… 14 3.1 Đặc điểm khu vực nghiên cứu 14 3.1.1 Đặc điểm tự nhiên 14 3.1.2 Hiện trạng đất đai, tài nguyên rừng 17 3.1.2.1 Diện tích, phân bố loại đất, loại rừng 17 3.1.2.2 Các kiểu thảm thực vật rừng 20 3.2 Điều kiện kinh tế - xã hội 23 iv 3.2.1 Nguồn nhân lực 23 3.2.2 Thực trạng kinh tế 23 3.2.2.1 Sản xuất nông nghiệp 24 3.2.2.2 Sản xuất công nghiệp- xây dựng 24 3.2.2.3 Thương mại - dịch vụ - du lịch 25 3.2.3 Hiện trạng sở hạ tầng 25 3.2.3.1 Hệ thống giao thông 25 3.2.3.2 Hệ thống thủy lợi 26 3.2.3.3 Điện - Chất đốt 26 3.2.3.4 Thông tin liên lạc 26 3.2.3.5 Y tế 26 3.2.3.6 Giáo dục đào tạo 26 3.3 Đối tượng nghiên cứu 27 3.3.1 Đặc điểm sinh thái 27 3.3.2 Giá trị kinh tế 29 3.3.3 Kỹ thuật trồng 29 3.4 Nội dung nghiên cứu 30 3.5 Phương pháp nghiên cứu 31 3.5.1 Ngoại nghiệp 31 3.5.2 Nội nghiệp 32 CHƯƠNG KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 36 4.1 Quy luật phân bố số theo nhân tố sinh trưởng 36 4.1.1 Quy luật phân bố số theo cấp đường kính (N/ D1,3) 36 4.1.2 Quy luật phân bố số theo cấp chiều cao (N/H) 39 4.2 Đặc điểm sinh trưởng rừng Thông hai trồng khu vực nghiên cứu 42 4.2.1 Sinh trưởng đường kính (D1,3/A) 42 4.2.2 Sinh trưởng chiều cao (H/A) 45 4.2.3 Sinh trưởng thể tích (V/A) 49 4.3 Tương quan chiều cao đường kính thân (H/ D1,3) 51 v 4.4 Đặc điểm tăng trưởng rừng Thông hai trồng khu vực nghiên cứu 53 4.4.1 Lượng tăng trưởng đường kính (id1,3) 53 4.4.2 Lượng tăng trưởng chiều cao (ih) 54 4.4.3 Lượng tăng trưởng thể tích (iV) 55 CHƯƠNG KẾT LUẬN, TỒN TẠI VÀ KIẾN NGHỊ 57 5.1 Kết luận 57 5.2 Tồn kiến nghị 58 * Tài liệu tham khảo * Phụ biểu * Phiếu nhận xét giáo viên hướng dẫn * Phiếu nhận xét giáo viên phản biện vi NHỮNG CHỮ VIẾT TẮT VÀ KÍ HIỆU D1,3 Đường kính thân tầm cao 1,3 m, cm D_lt Đường kính 1,3 m lý thuyết, cm D_tn Đường kính 1,3 m thực nghiệm, cm D1,3 bp Đường kính 1,3 m bình qn, cm Hvn Chiều cao vút ngọn, m H_lt Chiều cao lý thuyết, m H_tn Chiều cao thực nghiệm, m id Lượng tăng trưởng đường kính, cm ih Lượng tăng trưởng chiều cao, m iV Lượng tăng trưởng thể tích, m3 N Số A Tuổi V Thể tích, m3 sqrt Căn thức bậc exp Hàm số mũ số e log Logarit thập phân (cơ số 10) ln Logarit tự nhiên (cơ số e) P_value Mức xác suất r Hệ số tương quan 4.1 Số hiệu bảng hay hình theo chương 4.2.2 a Kí hiệu hàm số LN Lâm Nghiệp DTTN Diện tích tự nhiên SX Sản xuất vii DANH SÁCH CÁC BẢNG Bảng 3.1 Phân bố đất đai theo kiểu địa hình 16 Bảng 3.2 Thống kê diện tích loại đất - năm 2008 17 Bảng 3.3 Phân bố diện tích đất lâm nghiệp theo đơn vị hành 18 Bảng 3.4 Thống kê diện tích loại đất lâm nghiệp theo loại rừng 19 Bảng 3.5 Thống kê diện tích loại đất lâm nghiệp theo chủ quản lý 19 Bảng 3.6 Các số kinh tế Nam Đàn - năm 2007…………………………….… 23 Bảng 3.7 Thống kê sở trường lớp giáo viên, học sinh (năm 2007)……… 27 Bảng 4.1 Các tiêu thống kê đường kính thân cây…………………………… 37 Bảng 4.2 Các tiêu thống kê chiều cao thân cây………………….…… … 40 Bảng 4.3 So sánh tiêu thống kê từ hàm thử nghiệm – Tương quan đường kính tuổi (D1,3/A)…………………………………………… 43 Bảng 4.4 So sánh tiêu thống kê từ hàm thử nghiệm – Tương quan chiều cao tuổi (H/A) .…………………………… 46 Bảng 4.5 So sánh tiêu thống kê từ hàm thử nghiệm – Tương quan thể tích tuổi (V/A)……………………………………………… … 49 viii 2.Polynomial Regression Analysis Dependent variable: H Standard T Parameter Estimate Error Statistic P-Value CONSTANT 6.33361 0.979748 6.46453 0.0000 log(A) -10.4708 1.64339 -6.37146 0.0000 log(A)^2 6.87063 0.833462 8.24348 0.0000 log(A)^3 -0.94049 0.130737 -7.19376 0.0000 - Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 355.055 118.352 1676.32 0.0000 Residual 1.69445 24 0.0706023 Total (Corr.) 356.75 27 R-squared = 99.525 percent R-squared (adjusted for d.f.) = 99.4657 percent Standard Error of Est = 0.265711 Mean absolute error = 0.212647 Durbin-Watson statistic = 0.60784 The StatAdvisor The output shows the results of fitting a third order polynomial model to describe the relationship between H and log(A) The equation of the fitted model is H = 6.33361-10.4708*log(A) + 6.87063*log(A)^2-0.94049*log(A)^3 Since the P-value in the ANOVA table is less than 0.01, there is a statistically significant relationship between H and log(A) at the 99% confidence level The R-Squared statistic indicates that the model as fitted explains 99.525% of the variability in H The adjusted R-squared statistic, which is more suitable for comparing models with different numbers of independent variables, is 99.4657% The standard error of the estimate shows the standard deviation of the residuals to be 0.265711 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 0.212647 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 DW value is less than 1.4, there may be some indication of serial correlation Plot the residuals versus row order to see if there is any pattern which can be seen w 3.Polynomial Regression Analysis Dependent variable: H Standard T Parameter Estimate Error Statistic P-Value CONSTANT -5.60391 0.84304 -6.64727 0.0000 sqrt(A) 4.80782 0.504276 9.53411 0.0000 sqrt(A)^2 -0.237611 0.0704857 -3.37105 0.0024 - Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 351.527 175.763 841.28 0.0000 Residual 5.22311 25 0.208924 Total (Corr.) 356.75 27 R-squared = 98.5359 percent R-squared (adjusted for d.f.) = 98.4188 percent Standard Error of Est = 0.457082 Mean absolute error = 0.372649 Durbin-Watson statistic = 0.22279 The StatAdvisor The output shows the results of fitting a second order polynomial model to describe the relationship between H and sqrt(A) The equation of the fitted model is H = -5.60391 + 4.80782*sqrt(A)-0.237611*sqrt(A)^2 Since the P-value in the ANOVA table is less than 0.01, there is a statistically significant relationship between H and sqrt(A) at the 99% confidence level The R-Squared statistic indicates that the model as fitted explains 98.5359% of the variability in H The adjusted R-squared statistic, which is more suitable for comparing models with different numbers of independent variables, is 98.4188% The standard error of the estimate shows the standard deviation of the residuals to be 0.457082 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 0.372649 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 DW value is less than 1.4, there may be some indication of serial correlation Plot the residuals versus row order to see if there is any pattern which can be seen x 4.Polynomial Regression Analysis Dependent variable: log(H) Standard T Parameter Estimate Error Statistic P-Value CONSTANT 0.385844 -0.0520392 7.41449 0.0000 A 0.186947 0.00767993 24.3422 0.0000 A^2 -0.00401812 0.000241297 -16.6521 0.0000 Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 8.64436 4.32218 781.37 0.0000 Residual 0.138289 25 0.00553155 Total (Corr.) 8.78265 27 R-squared = 98.4254 percent R-squared (adjusted for d.f.) = 98.2995 percent Standard Error of Est = 0.0743744 Mean absolute error = 0.058379 Durbin-Watson statistic = 0.304514 The StatAdvisor The output shows the results of fitting a second order polynomial model to describe the relationship between log(H) and A The equation of the fitted model is log(H) = 0.385844 + 0.186947*A-0.00401812*A^2 Since the P-value in the ANOVA table is less than 0.01, there is a statistically significant relationship between log(H) and A at the 99% confidence level The R-Squared statistic indicates that the model as fitted explains 98.4254% of the variability in log(H) The adjusted R-squared statistic, which is more suitable for comparing models with different numbers of independent variables, is 98.2995% The standard error of the estimate shows the standard deviation of the residuals to be 0.0743744 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 0.058379 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 DW value is less than 1.4, there may be some indication of serial correlation Plot the residuals versus row order to see if there is any pattern which can be seen y 5.Polynomial Regression Analysis Dependent variable: log(H) Standard T Parameter Estimate Error Statistic P-Value CONSTANT -10.4716 1.75283 -5.97413 0.0000 1/A^0.2 67.8642 7.97796 8.50645 0.0000 1/A^0.2^2 -110.515 11.9318 -9.26226 0.0000 1/A^0.2^3 54.1228 5.86097 9.23444 0.0000 - Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 8.763 2.921 3568.49 0.0000 Residual 0.0196453 24 0.000818554 Total (Corr.) 8.78265 27 R-squared = 99.7763 percent R-squared (adjusted for d.f.) = 99.7484 percent Standard Error of Est = 0.0286104 Mean absolute error = 0.0218589 Durbin-Watson statistic = 0.700295 The StatAdvisor The output shows the results of fitting a third order polynomial model to describe the relationship between log(H) and 1/A^0.2 The equation of the fitted model is log(H) = -10.4716 + 67.8642*1/A^0.2-110.515*1/A^0.2^2 + 54.1228*1/A^0.2^3 Since the P-value in the ANOVA table is less than 0.01, there is a statistically significant relationship between log(H) and 1/A^0.2 at the 99% confidence level The R-Squared statistic indicates that the model as fitted explains 99.7763% of the variability in log(H) The adjusted R-squared statistic, which is more suitable for comparing models with different numbers of independent variables, is 99.7484% The standard error of the estimate shows the standard deviation of the residuals to be 0.0286104 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 0.0218589 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 DW value is less than 1.4, there may be some indication of serial correlation Plot the residuals versus row order to see if there is any pattern which can be seen z PHỤ BIỂU KẾT QUẢ THỬ NGHIỆM CÁC PHƯƠNG TRÌNH TƯƠNG QUAN GIỮA THỂ TÍCH THÂN CÂY (V) VÀ TUỔI CÂY (A) 1.Polynomial Regression Analysis Dependent variable: V Standard T Parameter Estimate Error Statistic P-Value CONSTANT -0.0992946 0.0292251 -3.39758 0.0023 A 0.0178282 0.00431303 4.13356 0.0004 A^2 0.000410137 0.000135512 3.02658 0.0057 Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 1.72028 0.860141 493.03 0.0000 Residual 0.0436151 25 0.00174461 Total (Corr.) 1.7639 27 R-squared = 97.5273 percent R-squared (adjusted for d.f.) = 97.3295 percent Standard Error of Est = 0.0417685 Mean absolute error = 0.0348124 Durbin-Watson statistic = 0.138626 The StatAdvisor The output shows the results of fitting a second order polynomial model to describe the relationship between V and A The equation of the fitted model is V = -0.0992946 + 0.0178282*A + 0.000410137*A^2 Since the P-value in the ANOVA table is less than 0.01, there is a statistically significant relationship between V and A at the 99% confidence level The RSquared statistic indicates that the model as fitted explains 97.5273% of the variability in V The adjusted R-squared statistic, which is more suitable for comparing models with different numbers of independent variables, is 97.3295% The standard error of the estimate shows the standard deviation of the residuals to be 0.0417685 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 0.0348124 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 DW value is less than 1.4, there may be some indication of serial correlation Plot the residuals versus row order to see if there is any pattern which can be seen aa 2.Polynomial Regression Analysis Dependent variable: V Standard T Parameter Estimate Error Statistic P-Value CONSTANT 0.385446 0.0564697 6.82571 0.0000 log(A) -0.604289 0.053716 -11.2497 0.0000 log(A)^2 0.208671 0.0120033 17.3846 0.0000 - Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 1.73475 0.867377 744.06 0.0000 Residual 0.0291433 25 0.00116573 Total (Corr.) 1.7639 27 R-squared = 98.3478 percent R-squared (adjusted for d.f.) = 98.2156 percent Standard Error of Est = 0.0341428 Mean absolute error = 0.0280849 Durbin-Watson statistic = 0.437468 The StatAdvisor The output shows the results of fitting a second order polynomial model to describe the relationship between V and log(A) The equation of the fitted model is V = 0.385446-0.604289*log(A) + 0.208671*log(A)^2 Since the P-value in the ANOVA table is less than 0.01, there is a statistically significant relationship between V and log(A) at the 99% confidence level The R-Squared statistic indicates that the model as fitted explains 98.3478% of the variability in V The adjusted R-squared statistic, which is more suitable for comparing models with different numbers of independent variables, is 98.2156% The standard error of the estimate shows the standard deviation of the residuals to be 0.0341428 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 0.0280849 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 DW value is less than 1.4, there may be some indication of serial correlation Plot the residuals versus row order to see if there is any pattern which can be seen bb 3.Polynomial Regression Analysis Dependent variable: V Standard T Parameter Estimate Error Statistic P-Value CONSTANT 0.142117 0.0631117 2.25183 0.0334 sqrt(A) -0.192117 0.0377511 -5.08905 0.0000 sqrt(A)^2 0.057085 0.0052767 10.8183 0.0000 - Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 1.73462 0.867312 740.74 0.0000 Residual 0.029272 25 0.00117088 Total (Corr.) 1.7639 27 R-squared = 98.3405 percent R-squared (adjusted for d.f.) = 98.2077 percent Standard Error of Est = 0.0342181 Mean absolute error = 0.0274942 Durbin-Watson statistic = 0.141641 The StatAdvisor The output shows the results of fitting a second order polynomial model to describe the relationship between V and sqrt(A) The equation of the fitted model is V = 0.142117-0.192117*sqrt(A) + 0.057085*sqrt(A)^2 Since the P-value in the ANOVA table is less than 0.01, there is a statistically significant relationship between V and sqrt(A) at the 99% confidence level The R-Squared statistic indicates that the model as fitted explains 98.3405% of the variability in V The adjusted R-squared statistic, which is more suitable for comparing models with different numbers of independent variables, is 98.2077% The standard error of the estimate shows the standard deviation of the residuals to be 0.0342181 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 0.0274942 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 DW value is less than 1.4, there may be some indication of serial correlation Plot the residuals versus row order to see if there is any pattern which can be seen cc 4.Polynomial Regression Analysis Dependent variable: log(V) Standard T Parameter Estimate Error Statistic P-Value CONSTANT -8.70845 0.27742 -31.3909 0.0000 A 0.733352 0.0409416 17.9122 0.0000 A^2 -0.0160008 0.00128635 -12.4389 0.0000 - Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 127.227 63.6137 404.66 0.0000 Residual 3.93008 25 0.157203 Total (Corr.) 131.157 27 R-squared = 97.0035 percent R-squared (adjusted for d.f.) = 96.7638 percent Standard Error of Est = 0.396489 Mean absolute error = 0.29782 Durbin-Watson statistic = 0.291573 The StatAdvisor The output shows the results of fitting a second order polynomial model to describe the relationship between log(V) and A The equation of the fitted model is log(V) = -8.70845 + 0.733352*A-0.0160008*A^2 Since the P-value in the ANOVA table is less than 0.01, there is a statistically significant relationship between log(V) and A at the 99% confidence level The R-Squared statistic indicates that the model as fitted explains 97.0035% of the variability in log(V) The adjusted R-squared statistic, which is more suitable for comparing models with different numbers of independent variables, is 96.7638% The standard error of the estimate shows the standard deviation of the residuals to be 0.396489 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 0.29782 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 DW value is less than 1.4, there may be some indication of serial correlation Plot the residuals versus row order to see if there is any pattern which can be seen dd 5.Polynomial Regression Analysis Dependent variable: log(V) Standard T Parameter Estimate Error Statistic P-Value CONSTANT -39.1329 3.75105 -10.4325 0.0000 1/A^0.2 202.678 17.0728 11.8714 0.0000 1/A^0.2^2 -326.848 25.534 -12.8005 0.0000 1/A^0.2^3 154.475 12.5424 12.3161 0.0000 - Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 131.067 43.6891 11654.70 0.0000 Residual 0.0899671 24 0.00374863 Total (Corr.) 131.157 27 R-squared = 99.9314 percent R-squared (adjusted for d.f.) = 99.9228 percent Standard Error of Est = 0.0612261 Mean absolute error = 0.0488166 Durbin-Watson statistic = 0.316484 The StatAdvisor The output shows the results of fitting a third order polynomial model to describe the relationship between log(V) and 1/A^0.2 The equation of the fitted model is log(V) = -39.1329 + 202.678*1/A^0.2-326.848*1/A^0.2^2 + 154.475*1/A^0.2^3 Since the P-value in the ANOVA table is less than 0.01, there is a statistically significant relationship between log(V) and 1/A^0.2 at the 99% confidence level The R-Squared statistic indicates that the model as fitted explains 99.9314% of the variability in log(V) The adjusted R-squared statistic, which is more suitable for comparing models with different numbers of independent variables, is 99.9228% The standard error of the estimate shows the standard deviation of the residuals to be 0.0612261 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 0.0488166 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 DW value is less than 1.4, there may be some indication of serial correlation Plot the residuals versus row order to see if there is any pattern which can be seen ee PHỤ BIỂU KẾT QUẢ THỬ NGHIỆM CÁC PHƯƠNG TRÌNH TƯƠNG QUAN GIỮA CHIỀU CAO (H) VÀ ĐƯỜNG KÍNH (D1,3) 1.Polynomial Regression Analysis Dependent variable: H Parameter Estimate Standard Error T Statistic P-Value CONSTANT 16.2519 4.14195 3.92373 0.0020 log(D) -39.2169 10.2942 -3.8096 0.0025 log(D)^2 34.1426 8.33744 4.09509 0.0015 log(D)^3 -11.2119 2.73259 -4.10303 0.0015 log(D)^4 1.30975 0.313827 4.17348 0.0013 Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 174.475 43.6189 269.83 0.0000 Residual 1.93984 12 0.161653 Total (Corr.) 176.415 16 R-squared = 98.9004 percent R-squared (adjusted for d.f.) = 98.5339 percent Standard Error of Est = 0.402061 Mean absolute error = 0.278338 Durbin-Watson statistic = 1.96192 The StatAdvisor The output shows the results of fitting a fourth order polynomial model to describe the relationship between H and log(D) The equation of the fitted model is H = 16.2519-39.2169*log(D) + 34.1426*log(D)^2-11.2119*log(D)^3 + 1.30975*log(D)^4 Since the P-value in the ANOVA table is less than 0.01, there is a statistically significant relationship between H and log(D) at the 99% confidence level The RSquared statistic indicates that the model as fitted explains 98.9004% of the variability in H The adjusted R-squared statistic, which is more suitable for comparing models with different numbers of independent variables, is 98.5339% The standard error of the estimate shows the standard deviation of the residuals to be 0.402061 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 0.278338 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 DW value is greater than 1.4, there is probably not any serious autocorrelation in the residuals ff 2.Polynomial Regression Analysis Dependent variable: H Standard T Parameter Estimate Error Statistic P-Value CONSTANT 12.4538 5.48215 2.2717 0.0423 sqrt(D) -18.71 7.29822 -2.56363 0.0248 sqrt(D)^2 10.7988 3.36232 3.21171 0.0075 sqrt(D)^3 -2.2334 0.645068 -3.46227 0.0047 sqrt(D)^4 0.160919 0.0440071 3.65666 0.0033 - Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 174.583 43.6458 285.85 0.0000 Residual 1.83228 12 0.15269 Total (Corr.) 176.415 16 R-squared = 98.9614 percent R-squared (adjusted for d.f.) = 98.6152 percent Standard Error of Est = 0.390755 Mean absolute error = 0.270279 Durbin-Watson statistic = 1.46023 The StatAdvisor The output shows the results of fitting a fourth order polynomial model to describe the relationship between H and sqrt(D) The equation of the fitted model is H = 12.4538-18.71*sqrt(D) + 10.7988*sqrt(D)^2-2.2334*sqrt(D)^3 + 0.160919*sqrt(D)^4 Since the P-value in the ANOVA table is less than 0.01, there is a statistically significant relationship between H and sqrt(D) at the 99% confidence level The R-Squared statistic indicates that the model as fitted explains 98.9614% of the variability in H The adjusted R-squared statistic, which is more suitable for comparing models with different numbers of independent variables, is 98.6152% The standard error of the estimate shows the standard deviation of the residuals to be 0.390755 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 0.270279 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 DW value is greater than 1.4, there is probably not any serious autocorrelation in the residuals gg 3.Polynomial Regression Analysis Dependent variable: log(H) Standard T Parameter Estimate Error Statistic P-Value CONSTANT 122.295 24.3576 5.0208 0.0003 1/D^0.2 -745.572 150.824 -4.94331 0.0003 1/D^0.2^2 1731.28 346.025 5.00333 0.0003 1/D^0.2^3 -1774.51 348.447 -5.09263 0.0003 1/D^0.2^4 672.302 129.901 5.17551 0.0002 Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 4.49421 1.12355 549.98 0.0000 Residual 0.0245146 12 0.00204289 Total (Corr.) 4.51873 16 R-squared = 99.4575 percent R-squared (adjusted for d.f.) = 99.2767 percent Standard Error of Est = 0.0451983 Mean absolute error = 0.0299906 Durbin-Watson statistic = 2.04205 exp(D)^4 is a linear combination of other variables The StatAdvisor The output shows the results of fitting a fourth order polynomial model to describe the relationship between log(H) and 1/D^0.2 The equation of the fitted model is log(H) = 122.295-745.572*1/D^0.2 + 1731.28*1/D^0.2^2-1774.51*1/D^0.2^3 + 672.302*1/D^0.2^4 Since the P-value in the ANOVA table is less than 0.01, there is a statistically significant relationship between log(H) and 1/D^0.2 at the 99% confidence level The R-Squared statistic indicates that the model as fitted explains 99.4575% of the variability in log(H) The adjusted R-squared statistic, which is more suitable for comparing models with different numbers of independent variables, is 99.2767% The standard error of the estimate shows the standard deviation of the residuals to be 0.0451983 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 0.0299906 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 DW value is greater than 1.4, there is probably not any serious autocorrelation in the residuals hh 4.Polynomial Regression Analysis Dependent variable: log(H) Parameter Estimate Standard Error T Statistic P-Value CONSTANT 2.73384 0.422091 6.4769 0.0000 log(D) -5.9681 1.04904 -5.68908 0.0001 log(D)^2 5.52234 0.849637 6.49965 0.0000 log(D)^3 -1.80931 0.278468 -6.49738 0.0000 log(D)^4 0.204318 0.0319809 6.38877 0.0000 - Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 4.49858 1.12465 669.93 0.0000 Residual 0.020145 12 0.00167875 Total (Corr.) 4.51873 16 R-squared = 99.5542 percent R-squared (adjusted for d.f.) = 99.4056 percent Standard Error of Est = 0.0409726 Mean absolute error = 0.0272826 Durbin-Watson statistic = 1.79935 exp(D)^4 is a linear combination of other variables The StatAdvisor The output shows the results of fitting a fourth order polynomial model to describe the relationship between log(H) and log(D) The equation of the fitted model is log(H) = 2.73384-5.9681*log(D) + 5.52234*log(D)^2-1.80931*log(D)^3 + 0.204318*log(D)^4 Since the P-value in the ANOVA table is less than 0.01, there is a statistically significant relationship between log(H) and log(D) at the 99% confidence level The R-Squared statistic indicates that the model as fitted explains 99.5542% of the variability in log(H) The adjusted R-squared statistic, which is more suitable for comparing models with different numbers of independent variables, is 99.4056% The standard error of the estimate shows the standard deviation of the residuals to be 0.0409726 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 0.0272826 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 DW value is greater than 1.4, there is probably not any serious autocorrelation in the residuals ii Polynomial Regression Analysis Dependent variable: log(H) Parameter Estimate Standard Error T Statistic P-Value CONSTANT 5.85491 1.00123 5.84772 0.0001 sqrt(1/D) -36.7686 12.0948 -3.04002 0.0103 sqrt(1/D)^2 141.249 51.012 2.76894 0.0170 sqrt(1/D)^3 -255.231 88.8254 -2.8734 0.0140 sqrt(1/D)^4 161.81 53.8741 3.00349 0.0110 - Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 4.48053 1.12013 351.95 0.0000 Residual 0.0381917 12 0.00318264 Total (Corr.) 4.51873 16 R-squared = 99.1548 percent R-squared (adjusted for d.f.) = 98.8731 percent Standard Error of Est = 0.0564149 Mean absolute error = 0.0348437 Durbin-Watson statistic = 1.7531 exp(D)^4 is a linear combination of other variables The StatAdvisor The output shows the results of fitting a fourth order polynomial model to describe the relationship between log(H) and sqrt(1/D) The equation of the fitted model is log(H) = 5.85491-36.7686*sqrt(1/D) + 141.249*sqrt(1/D)^2-255.231*sqrt(1/D)^3 + 161.81*sqrt(1/D)^4 Since the P-value in the ANOVA table is less than 0.01, there is a statistically significant relationship between log(H) and sqrt(1/D) at the 99% confidence level The R-Squared statistic indicates that the model as fitted explains 99.1548% of the variability in log(H) The adjusted R-squared statistic, which is more suitable for comparing models with different numbers of independent variables, is 98.8731% The standard error of the estimate shows the standard deviation of the residuals to be 0.0564149 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 0.0348437 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 DW value is greater than 1.4, there is probably not any serious autocorrelation in the residuals jj PHỤ BIỂU MỘT SỐ HÌNH ẢNH NGOẠI NGHIỆP Hình 1: Lập điều tra Hình 2: Giải tích tiêu chuẩn Hình 3: Rừng Thông hai cấp tuổi kk ...NGHIÊN CỨU ĐẶC ĐIỂM CẤU TRÚC VÀ SINH TRƯỞNG CỦA RỪNG THÔNG HAI LÁ (Pinus merkusii Jungh et de Vriese) TRỒNG TẠI BAN QUẢN LÝ RỪNG PHÒNG HỘ NAM ĐÀN, HUYỆN NAM ĐÀN, TỈNH NGHỆ AN Tác giả... tài: "Nghiên cứu đặc điểm cấu trúc sinh trưởng rừng Thông hai (Pinus merkusii Jungh et de Vriese) trồng Ban quản lý rừng phòng hộ Nam Đàn, huyện Nam Đàn, tỉnh Nghệ An" 1.2 Mục tiêu nghiên cứu -... 2011 Sinh viên thực Bùi Quốc Việt i TÓM TẮT Đề tài: ? ?Nghiên cứu đặc điểm cấu trúc sinh trưởng rừng Thông hai (Pinus merkusii Jungh et de Vriese) trồng Ban quản lý rừng phòng hộ Nam Đàn, huyện Nam