BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC NÔNG LÂM THÀNH PHỐ HỒ CHÍ MINH KHĨA LUẬN TỐT NGHIỆP BƯỚC ĐẦU NGHIÊN CỨU MỘT SỐ ĐẶC ĐIỂM CẤU TRÚC RỪNG TỰ NHIÊN TRẠNG THÁI IIIA2 TẠI TIỂU KHU 834 THUỘC HUYỆN NAM TRÀ MY, TỈNH QUẢNG NAM Họ tên sinh viên: ĐOÀN NGỌC HOÀI Ngành: LÂM NGHIỆP Niên khóa: 2007 – 2011 Tháng 06/2011 Bước đầu nghiên cứu số đặc điểm cấu trúc rừng tự nhiên trạng thái IIIA2 tiểu khu 834 thuộc huyện Nam Trà My, tỉnh Quảng Nam Tác giả ĐỒN NGỌC HỒI Khóa luận đệ trình để đáp ứng yêu cầu Cấp Kỹ sư ngành LÂM NGHIỆP Giáo viên hướng dẫn: ThS Nguyễn Minh Cảnh Tháng 06 năm 2011 LỜI CẢM ƠN Suốt năm nỗ lực học tập rèn luyện Hơm nay, khóa luận tốt nghiệp tơi thực hoàn thành tốt nhờ quan tâm lo lắng từ phía gia đình, tận tình dạy tất Thầy Cô giáo giúp đỡ nhiều cá nhân, tập thể khác … Nhân dịp này, xin gửi lời cảm ơn chân thành đến: Cha - Mẹ sinh thành nuôi dưỡng nên người Sự yêu thương lo lắng, chăm sóc cha mẹ điểm tựa vững để vươn lên hoàn thành tốt nhiệm vụ Kính gửi lời cảm ơn chân thành từ đáy lòng đến người thầy kính u, thầy Ths.Nguyễn Minh Cảnh, hết lòng dạy dỗ giúp đỡ tận tình tơi suốt q trình học tập thực khóa luận tốt nghiệp Bộ môn Quản lý tài nguyên rừng tạo điều kiện thuận lợi cho tơi thực hồn thành khóa luận Q Thầy Cơ giáo Khoa Lâm nghiệp tồn thể q Thầy Cơ giáo Trường Đại Học Nơng Lâm Tp.Hồ Chí Minh Những người giảng dạy, quan tâm, giúp đỡ suốt năm học thời gian thực khóa luận tốt nghiệp Xin cảm ơn đến Ban Lãnh đạo toàn thể cán bộ, nhân viên Hạt Kiểm lâm huyện Nam Trà My giúp đỡ việc thu thập số liệu để hồn thành khóa luận Cảm ơn đến tập thể lớp DH07QR, cảm ơn tất bạn thăm hỏi, động viên chia sẻ với suốt thời gian học tập Do thời gian thực khóa luận có hạn trình độ chun mơn hạn chế nên khó tránh khỏi thiếu sót Rất mong nhận xét, đóng góp ý kiến q Thầy Cơ giáo bạn bè để khóa luận hoàn thiện Xin chân thành cảm ơn! Tp HCM, tháng 06 năm 2011 Sinh viên thực i Đồn Ngọc Hồi TĨM TẮT Đồn Ngọc Hồi, sinh viên Khoa Lâm nghiệp, Trường Đại Học Nông Lâm Thành phố Hồ Chí Minh Đề tài: “Bước đầu nghiên cứu số đặc điểm cấu trúc rừng tự nhiên trạng thái IIIA2 tiểu khu 834 thuộc huyện Nam Trà My, tỉnh Quảng Nam” 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 V 15.1 để xử lý số liệu thực tất nội dung nghiên cứu đề tài Kết nghiên cứu bao gồm nội dung sau đây: Tổ thành lồi thực vật Số loài thực vật thống kê trạng thái rừng IIIA2 khu vực nghiên cứu 32 loài, với loài chiếm ưu loài Chò nâu, Trường, Chua khét, Mít nài, Trám… Phân bố số theo cấp chiều cao H Đường phân bố thực nghiệm % số theo cấp chiều cao có dạng hai đỉnh, với đỉnh lệch trái (Sk = 0,33 > 0), số tập trung nhiều cấp chiều cao từ – 17 m chiếm tỷ lệ 62,4 % số lượng lâm phần, góp phần tạo nên tầng tán rừng Trong đó, tập trung nhiều cấp chiều cao 11- 13 m, chiếm 17,07 % Chiều cao bình quân rừng là: 14,04 m, với hệ số biến động: Cv = 31% biên độ biến động cấp chiều cao R = 22 m Phương trình phù hợp để mô cho quy luật phân bố số theo cấp chiều cao (N/H) cho trạng thái rừng IIIA2 khu vực nghiên cứu có dạng: N % = - 43,9942 + 11,9949*H – 0,732083*H2 + 0,0129429*H3 Với r = 0,98; Sy/x = 1,56; Ftính = 52,11 > F0,05; χ tính = 2,28 < χ 0,05 = 12,6 ii Phân bố số theo cấp đường kính D1,3 Phân bố số theo cấp đường kính có dạng dạng phân bố giảm Biểu rõ từ cấp kính 22 – 50 cm, phân bố đặc trưng kiểu rừng tự nhiên nhiệt đới hỗn loài Số cấp kính nhỏ chiếm đa số, chủ yếu tập trung cấp kính từ 10 – 18 cm chiếm tỷ lệ 54,7 % so với tổng số lâm phần, sau giảm dần cấp kính Các cấp kính 40 cm chiếm khoảng 6,62 % Đường kính bình qn lâm phần D1,3 = 22 cm, hệ số biến động đường kính Cv = 46,31 % Phương trình phù hợp để mơ cho quy luật phân bố số theo cấp đường kính (N/D1,3) cho trạng thái rừng IIIA2 khu vực nghiên cứu có dạng: Ln(N%) = - 9,57897 + 9,24127*Ln(D1,3) – 1,71043*Ln(D1,3)2 Với r = 0,94; Sy/x = 0,26 (≈ 1,31 cm); Ftính = 51,3 > F0,05; χ tính = 3,26 < χ bảng = 14,1 Tương quan chiều cao H D1,3 Quy luật tương quan chiều cao đường kính trạng thái IIIA2 khu vực nghiên cứu cho hệ số tương quan cao (r = 0,97), sai số phương trình Sy/x = 1,08 m, Phương trình cụ thể : H = Exp(0,986598 + 0,543963*Ln(D1,3)) Với r = 0,97; Sy/x = 1,08; Ftính = 136,66 > Fbảng ; χ tính = 1,13 < χ 0,05 = 15,5 Độ hỗn giao rừng Độ hỗn giao rừng khu vực nghiên cứu K = 32/287 = 0,11 (thấp) Phân bố trữ lượng theo cấp kính Phần lớn trữ lượng tập trung cấp kính từ 26 – 46 cm chiếm tỷ lệ 70 % tổng trữ lượng lâm phần Mặc dù tổ thành loài lâm phần đa dạng (32 loài) chủ yếu lồi gỗ tạp có giá trị mặt kinh tế (Mít nài, Xồi rừng, Chay rừng, Bời lời, Ươi ) phần lớn trữ lượng lâm phần tập trung vào loài Trữ lượng bình quân rừng khu vực nghiên cứu M = 167,5 m³/ha iii Tình hình tái sinh tán rừng Số lượng loài tái sinh tự nhiên tán rừng khu vực nghiên cứu có 27 loài, mật độ tái sinh 7667 /ha Trong đó, có lồi có tỷ lệ tổ thành chiếm %, lồi Chò nâu, Trường, Ươi, Chua khét, Du moóc, Lèo heo Trong lồi Chò nâu chiếm tỷ lệ cao (24,78 %) tổ thành Số lượng tái sinh khu vực nghiên cứu tập trung chủ yếu cấp chiều cao H < 1m H > m chiếm 62,61 % chủ yếu loài như: Chò nâu, Trường, Ươi, Chua khét, Du mc … phân bố tương đối Độ tàn che Độ tàn che trung bình lâm phần trạng thái IIIA2 khu vực nghiên cứu là: 0,663 ( 66,3%) iv MỤC LỤC Trang tựa Lời cảm ơn i Tóm tắt ii Mục lục v Danh sách chữ viết tắt viii Danh sách bảng - ix Danh sách hình x Chương MỞ ĐẦU 1.1 Đặt vấn đề - 1.2 Phạm vi đối tượng nghiên cứu 1.3 Mục tiêu nghiên cứu - 1.4 Đóng góp khóa luận - Chương TỔNG QUAN VẤN ĐỀ NGHIÊN CỨU - 2.1 Đặc điểm cấu trúc hệ sinh thái 2.1.1 Tổ thành thực vật - 2.1.2 Tầng phiến - 2.1.3 Tầng tượng phân tầng 2.1.4 Dạng sống - 2.1.5 Ngoại mạo loài rừng mưa nhiệt đới. - 2.2 Tình hình nghiên cứu cấu trúc rừng giới Việt Nam 2.2.1 Trên giới 2.2.2 Ở Việt Nam - 2.3 Tình hình nghiên cứu tái sinh rừng giới Việt Nam - 10 2.3.1 Trên giới 10 2.3.2 Ở Việt Nam - 11 v Chương ĐẶC ĐIỂM KHU VỰC, NỘI DUNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU - 13 3.1 Đặc điểm khu vực nghiên cứu 13 3.1.1 Vị trí địa lý - 13 3.1.2 Đặc điểm địa hình 13 3.1.3 Đặc điểm đất - 14 3.1.4 Khí hậu – thủy văn - 15 3.1.4.1 Khí hậu 15 3.1.4.2 Thủy văn 16 3.1.5 Tình hình dân sinh kinh tế - 16 3.2 Nội dung nghiên cứu - 18 3.3 Phương pháp nghiên cứu 18 3.3.1 Phương pháp thu thập số liệu - 18 3.3.1.1 Phương pháp thu thập số liệu - 18 3.3.1.2 Phương pháp điều tra - 18 3.3.2 Phương pháp phân tích tính tốn số liệu - 20 3.3.2.1 Cấu trúc tổ thành loài (tầng gỗ) - 21 3.3.2.2 Tính tốn mật độ gỗ lớn rừng (N/ha) - 21 3.3.2.3 Tính tốn độ hỗn giao - 21 3.3.2.4 Tính tốn tiết diện ngang (G,m²/cây) thể tích thân (V, m²/cây) 22 3.3.2.5 Tính tốn độ tàn che rừng - 22 3.3.2.6 Phương pháp đánh giá tái sinh rừng 22 3.3.2.7 Phương pháp tính tốn đặc trưng mẫu mơ hình hóa 22 3.3.2.8 Phương pháp kiểm tra giả thuyết luật phân bố - 24 3.3.2.9 Phương pháp đánh giá tương quan hồi quy 24 Chương KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 26 4.1 Cấu trúc tổ thành loài thực vật – trạng thái IIIA2 27 4.2 Phân bố số theo cấp chiều cao (N/H) – trạng thái IIIA2 30 4.3 Phân bố số theo cấp đường kính (N/D1,3) – trạng thái IIIA2 - 34 vi 4.4 Tương quan chiều cao đường kính (H/D1,3) – trạng thái IIIA2 - 38 4.5 Độ hỗn giao rừng 41 4.6 Phân bố trữ lượng theo cấp đường kính (M/D1,3) 41 4.7 Tình hình tái sinh tán rừng 44 4.7.1 Tổ thành loài tái sinh 44 4.7.2 Phân bố số tái sinh theo cấp chiều cao chất lượng - 46 4.8 Độ tàn che rừng 47 4.9 Đề xuất số biện pháp kĩ thuật lâm sinh - 48 Chương KẾT LUẬN, TỒN TẠI VÀ KIẾN NGHỊ 50 5.1 Kết luận 50 5.2 Tồn 51 5.3 Kiến nghị 52 TÀI LIỆU THAM KHẢO 54 • Phụ biểu • Trắc đồ David Richards • Phiếu nhận xét giáo viên hướng dẫn • Phiếu nhận xét giáo viên phản biện vii 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 D1,3_tn Đường kính 1,3 m theo thực nghiệm 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 Log Logarit thập phân (cơ số 10) Ln Logarit tự nhiên (cơ số e) P_value Mức ý nghĩa (xác suất) Pa, Pb, Pc, Pd Mức ý nghĩa (xác suất) tham số a, b, c, d 4.1 Số hiệu hình hay bảng theo chương (4.1) Số hiệu hàm thử nghiệm 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 viii 4.Simple Regression – N% vs H Dependent variable: N% Independent variable: H Square root-Y squared-X model: Y = (a + b*X^2)^2 Coefficients Least Squares Parameter Estimate Intercept 4.05589 Slope -0.00428366 Standard Error 0.431839 0.00119852 Analysis of Variance Source Sum of Squares Model 8.51955 Residual 6.0023 Total (Corr.) 14.5219 T Statistic P-Value 9.39215 0.0000 -3.57413 0.0060 Df Mean Square F-Ratio P-Value 8.51955 12.77 0.0060 0.666922 10 Correlation Coefficient = -0.765945 R-squared = 58.6671 percent R-squared (adjusted for d.f.) = 54.0746 percent Standard Error of Est = 0.816653 Mean absolute error = 0.573968 Durbin-Watson statistic = 0.609104 (P=0.0005) Lag residual autocorrelation = 0.455268 The StatAdvisor The output shows the results of fitting a square root-Y squared-X model to describe the relationship between N% and H The equation of the fitted model is N% = (4.05589 - 0.00428366*H^2)^2 Since the P-value in the ANOVA table is less than 0.05, there is a statistically significant relationship between N% and H at the 95.0% confidence level The R-Squared statistic indicates that the model as fitted explains 58.6671% of the variability in N% The correlation coefficient equals -0.765945, indicating a moderately strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0.816653 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 0.573968 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 n 5.Simple Regression – N% vs H Dependent variable: N% Independent variable: H Logarithmic-Y squared-X: Y = exp(a + b*X^2) Coefficients Least Squares Parameter Estimate Intercept 3.02516 Slope -0.00405226 Standard Error 0.344039 0.000954839 NOTE: intercept = ln(a) Analysis of Variance Source Sum of Squares Model 7.62397 Residual 3.8097 Total (Corr.) 11.4337 T Statistic P-Value 8.79308 0.0000 -4.24391 0.0022 Df Mean Square F-Ratio P-Value 7.62397 18.01 0.0022 0.4233 10 Correlation Coefficient = -0.816578 R-squared = 66.68 percent R-squared (adjusted for d.f.) = 62.9778 percent Standard Error of Est = 0.650615 Mean absolute error = 0.476421 Durbin-Watson statistic = 0.565326 (P=0.0003) Lag residual autocorrelation = 0.490156 The StatAdvisor The output shows the results of fitting a logarithmic-Y squared-X model to describe the relationship between N% and H The equation of the fitted model is N% = exp(3.02516 - 0.00405226*H^2) Since the P-value in the ANOVA table is less than 0.05, there is a statistically significant relationship between N% and H at the 95.0% confidence level The R-Squared statistic indicates that the model as fitted explains 66.68% of the variability in N% The correlation coefficient equals -0.816578, indicating a moderately strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0.650615 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 0.476421 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 o PHỤ BIỂU KẾT QUẢ THỬ NGHIỆM CÁC HÀM PHÂN BỐ N/D1,3 1.Simple Regression – N% vs D Dependent variable: N% Independent variable: D Logarithmic-Y squared-X: Y = exp(a + b*X^2) Coefficients Least Squares Parameter Estimate Intercept 3.03959 Slope -0.0010844 Standard Error 0.144283 0.000110028 NOTE: intercept = ln(a) Analysis of Variance Source Sum of Squares Model 7.70895 Residual 0.714279 Total (Corr.) 8.42323 T Statistic P-Value 21.0669 0.0000 -9.85564 0.0000 Df Mean Square F-Ratio P-Value 7.70895 97.13 0.0000 0.0793643 10 Correlation Coefficient = -0.956662 R-squared = 91.5201 percent R-squared (adjusted for d.f.) = 90.5779 percent Standard Error of Est = 0.281717 Mean absolute error = 0.229928 Durbin-Watson statistic = 1.64809 (P=0.1534) Lag residual autocorrelation = 0.0228721 The StatAdvisor The output shows the results of fitting a logarithmic-Y squared-X model to describe the relationship between N% and D The equation of the fitted model is N% = exp(3.03959 - 0.0010844*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 91.5201% of the variability in N% The correlation coefficient equals -0.956662, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0.281717 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 0.229928 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 p 2.Simple Regression – N% vs D Dependent variable: N% Independent variable: D Square root-X model: Y = a + b*sqrt(X) Coefficients Least Squares Parameter Estimate Intercept 33.8852 Slope -4.6429 Standard Error 4.51221 0.823813 Analysis of Variance Source Sum of Squares Model 351.352 Residual 99.5552 Total (Corr.) 450.908 T Statistic P-Value 7.50966 0.0000 0.0003 5.63587 Df Mean Square F-Ratio P-Value 351.352 31.76 0.0003 11.0617 10 Correlation Coefficient = -0.88273 R-squared = 77.9212 percent R-squared (adjusted for d.f.) = 75.468 percent Standard Error of Est = 3.32591 Mean absolute error = 2.08645 Durbin-Watson statistic = 1.62735 (P=0.1444) Lag residual autocorrelation = -0.0138341 The StatAdvisor The output shows the results of fitting a square root-X model to describe the relationship between N% and D The equation of the fitted model is N% = 33.8852 - 4.6429*sqrt(D) 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 77.9212% of the variability in N% The correlation coefficient equals -0.88273, indicating a moderately strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 3.32591 This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu The mean absolute error (MAE) of 2.08645 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 q 3.Polynomial Regression – N% versus D Dependent variable: N% Independent variable: D Order of polynomial = Parameter CONSTANT d d^2 Estimate 23.6482 -0.533836 0.00137529 Standard Error 5.96632 0.441611 0.00723583 Analysis of Variance Source Sum of Squares Model 358.907 Residual 92.0012 Total (Corr.) 450.908 T Statistic 3.96361 -1.20884 0.190067 P-Value 0.0042 0.2612 0.8540 Df Mean Square F-Ratio P-Value 179.453 15.60 0.0017 11.5001 10 R-squared = 79.5964 percent R-squared (adjusted for d.f.) = 74.4956 percent Standard Error of Est = 3.39119 Mean absolute error = 2.07913 Durbin-Watson statistic = 1.6269 (P=0.0599) Lag residual autocorrelation = 0.0163698 The StatAdvisor The output shows the results of fitting a second order polynomial model to describe the relationship between N% and D The equation of the fitted model is N% = 23.6482-0.533836*D + 0.00137529*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% confidence level The R-Squared statistic indicates that the model as fitted explains 79.5964% of the variability in N% The adjusted R-squared statistic, which is more suitable for comparing models with different numbers of independent variables, is 74.4956% The standard error of the estimate shows the standard deviation of the residuals to be 3.39119 This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu The mean absolute error (MAE) of 2.07913 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 Pvalue on the highest order term of the polynomial equals 0.853991 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 r 4.Polynomial Regression - ln(N) versus ln(D) Dependent variable: ln(N%) Independent variable: ln(D) Order of polynomial = Parameter CONSTANT ln(D) ln(D)^2 Estimate -9.57897 9.24127 -1.71043 Standard Error 3.53995 2.29016 0.363154 Analysis of Variance Source Sum of Squares Model 7.81379 Residual 0.609434 Total (Corr.) 8.42323 T Statistic -2.70596 4.03521 -4.70992 P-Value 0.0268 0.0038 0.0015 Df Mean Square F-Ratio P-Value 3.9069 51.29 0.0000 0.0761793 10 R-squared = 92.7648 percent R-squared (adjusted for d.f.) = 90.956 percent Standard Error of Est = 0.276006 Mean absolute error = 0.200655 Durbin-Watson statistic = 1.56311 (P=0.0532) Lag residual autocorrelation = 0.114486 The StatAdvisor The output shows the results of fitting a second order polynomial model to describe the relationship between ln(N%) and ln(D) The equation of the fitted model is ln(N%) = -9.57897 + 9.24127*ln(D)-1.71043*ln(D)^2 Since the P-value in the ANOVA table is less than 0.05, there is a statistically significant relationship between ln(N) and ln(D) at the 95% confidence level The R-Squared statistic indicates that the model as fitted explains 92.7648% 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 90.956% The standard error of the estimate shows the standard deviation of the residuals to be 0.276006 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 0.200655 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 Pvalue on the highest order term of the polynomial equals 0.00152182 Since the P-value is less than 0.05, the highest order term is statistically significant at the 95% confidence level Consequently, you probably don't want to consider any model of lower order s 5.Simple Regression – N% vs D Dependent variable: N% Independent variable: D Linear model: Y = a + b*X Coefficients Least Squares Parameter Estimate Intercept 22.6305 Slope -0.451318 Standard Error 2.48685 0.0763831 Analysis of Variance Source Sum of Squares Model 358.491 Residual 92.4166 Total (Corr.) 450.908 T Statistic P-Value 9.10003 0.0000 -5.90861 0.0002 Df Mean Square F-Ratio P-Value 358.491 34.91 0.0002 10.2685 10 Correlation Coefficient = -0.891652 R-squared = 79.5043 percent R-squared (adjusted for d.f.) = 77.227 percent Standard Error of Est = 3.20445 Mean absolute error = 2.11914 Durbin-Watson statistic = 1.59564 (P=0.1312) Lag residual autocorrelation = 0.0490947 The StatAdvisor The output shows the results of fitting a linear model to describe the relationship between N% and D The equation of the fitted model is N% = 22.6305 - 0.451318*D 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 79.5043% of the variability in N The correlation coefficient equals -0.891652, indicating a moderately strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 3.20445 This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu The mean absolute error (MAE) of 2.11914 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 t PHỤ BIỂU KẾT QUẢ THỬ NGHIỆM CÁC PHƯƠNG TRÌNH TƯƠNG QUAN GIỮA H VÀ D1,3 1.Simple Regression - H vs D Dependent variable: H Independent variable: D Square root-X model: Y = a + b*sqrt(X) Coefficients Least Squares Parameter Estimate Intercept -2.31266 Slope 3.56077 Standard Error 2.19337 0.400453 Analysis of Variance Source Sum of Squares Model 206.658 Residual 23.5239 Total (Corr.) 230.182 T Statistic P-Value -1.05439 0.3192 8.89185 0.0000 Df Mean Square F-Ratio P-Value 206.658 79.07 0.0000 2.61377 10 Correlation Coefficient = 0.947525 R-squared = 89.7803 percent R-squared (adjusted for d.f.) = 88.6448 percent Standard Error of Est = 1.61671 Mean absolute error = 1.09328 Durbin-Watson statistic = 1.10846 (P=0.0193) Lag residual autocorrelation = 0.133619 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 = -2.31266 + 3.56077*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 89.7803% of the variability in H The correlation coefficient equals 0.947525, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 1.61671 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 1.09328 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 u 2.Simple Regression - H vs D Dependent variable: H Independent variable: D Multiplicative model: Y = a*X^b Coefficients Least Squares Parameter Estimate Intercept 0.986598 Slope 0.543963 Standard Error 0.154939 0.046532 NOTE: intercept = ln(a) Analysis of Variance Source Sum of Squares Model 0.788685 Residual 0.0519411 Total (Corr.) 0.840626 T Statistic P-Value 6.36764 0.0001 11.6901 0.0000 Df Mean Square F-Ratio P-Value 0.788685 136.66 0.0000 0.00577124 10 Correlation Coefficient = 0.968613 R-squared = 93.8211 percent R-squared (adjusted for d.f.) = 93.1346 percent Standard Error of Est = 0.0759686 Mean absolute error = 0.0499676 Durbin-Watson statistic = 1.21419 (P=0.0328) Lag residual autocorrelation = 0.11808 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(0.986598 + 0.543963*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 93.8211% of the variability in H The correlation coefficient equals 0.968613, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0.0759686 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 0.0499676 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 v 3.Simple Regression - H vs D Dependent variable: H Independent variable: D Squared-Y square root-X: Y = sqrt(a + b*sqrt(X)) Coefficients Least Squares Parameter Estimate Intercept -349.189 Slope 121.548 Standard Error 112.365 20.515 Analysis of Variance Source Sum of Squares Model 240801 Residual 61737.5 Total (Corr.) 302538 T Statistic P-Value -3.10762 0.0126 5.92483 0.0002 Df Mean Square F-Ratio P-Value 240801 35.10 0.0002 6859.73 10 Correlation Coefficient = 0.892152 R-squared = 79.5935 percent R-squared (adjusted for d.f.) = 77.3261 percent Standard Error of Est = 82.8235 Mean absolute error = 54.2047 Durbin-Watson statistic = 0.943097 (P=0.0075) Lag residual autocorrelation = 0.178168 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(-349.189 + 121.548*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 79.5935% of the variability in h after transforming to a logarithmic scale to linearize the model The correlation coefficient equals 0.892152, indicating a moderately strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 82.8235 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 54.2047 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 w 4.Simple Regression - H vs D Dependent variable: H Independent variable: D Squared-Y model: Y = sqrt(a + b*X) Coefficients Least Squares Parameter Estimate Intercept -62.0539 Slope 12.0654 Standard Error 55.6812 1.71023 Analysis of Variance Source Sum of Squares Model 256208 Residual 46330.4 Total (Corr.) 302538 T Statistic P-Value -1.11445 0.2940 7.0548 0.0001 Df Mean Square F-Ratio P-Value 256208 49.77 0.0001 5147.82 10 Correlation Coefficient = 0.920251 R-squared = 84.6861 percent R-squared (adjusted for d.f.) = 82.9846 percent Standard Error of Est = 71.7483 Mean absolute error = 49.3316 Durbin-Watson statistic = 1.10117 (P=0.0185) Lag residual autocorrelation = 0.127569 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(-62.0539 + 12.0654*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 84.6861% of the variability in H after transforming to a reciprocal scale to linearize the model The correlation coefficient equals 0.920251, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 71.7483 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 49.3316 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 x 5.Simple Regression - H vs D Dependent variable: H Independent variable: D Reciprocal-X model: Y = a + b/X Coefficients Least Squares Parameter Estimate Intercept 23.6736 Slope -164.722 Standard Error 1.6431 33.8998 Analysis of Variance Source Sum of Squares Model 166.655 Residual 63.5263 Total (Corr.) 230.182 T Statistic P-Value 14.4079 0.0000 -4.85908 0.0009 Df Mean Square F-Ratio P-Value 166.655 23.61 0.0009 7.05847 10 Correlation Coefficient = -0.850892 R-squared = 72.4017 percent R-squared (adjusted for d.f.) = 69.3352 percent Standard Error of Est = 2.65678 Mean absolute error = 1.7794 Durbin-Watson statistic = 0.658164 (P=0.0010) Lag residual autocorrelation = 0.321044 The StatAdvisor The output shows the results of fitting a reciprocal-X model to describe the relationship between H and D The equation of the fitted model is H = 23.6736 - 164.722/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 72.4017% of the variability in H The correlation coefficient equals -0.850892, indicating a moderately strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 2.65678 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 1.7794 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 y PHỤ BIỂU SỐ LIỆU ĐIỀU TRA CÂY TÁI SINH ƠTS STT Tên 1.1 Chò nâu Trường 1.2 1.3 1.4 2.1 7 10 Gội gác Chua khét Ràng ràng xanh Sp Lèo heo Lòng máng Gội gác Trường Lòng máng Chò nâu Nang Ươi Lèo heo Sp Rè hương Giổi xanh Mít nài Trâm Ràng ràng xanh Chò nâu Máu chó nhỏ Dẻ trắng Re bầu Ngát lơng Du mc Vạng trứng Ươi Chua khét Chò nâu Du mc Chò nâu Trường H3 khỏe yếu 1 1 2 1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 z 2.2 2.3 2.4 3.1 3.2 3.3 6 5 8 Trám Ràng ràng xanh Sp Chua khét Chò nâu Du mc Nang Lèo heo Trám Chua khét Gội gác Chò nâu Máu chó to Ươi Vạng trứng Trường Chua khét Mít nài Gội gác Lèo heo Du moóc Ươi Sp Dẻ trắng Chua khét Ràng ràng xanh Sp Chò nâu Gội nếp Bời lời Trường Máu chó to Trường Trâm Trám Chò nâu Du mc Dẻ trắng Mít nài 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1 1 1 1 2 1 1 1 1 2 1 1 2 aa 3.4 5 Du mc Chò nâu Bời lời Trường Ươi Nang Dẻ trắng Ngát lông Chân chim Muồng ràng rà Khổng Chò nâu 1 1 1 1 1 2 1 1 bb ... tài: Bước đầu nghiên cứu số đặc điểm cấu trúc rừng tự nhiên trạng thái IIIA2 tiểu khu 834 thuộc huyện Nam Trà My, tỉnh Quảng Nam thực khoảng thời gian từ tháng 02 đến tháng 06 năm 20 11 1 .2 Phạm... trạng thái IIIA2 1.3 Mục tiêu nghiên cứu - Tìm hiểu số đặc điểm cấu trúc rừng tự nhiên trạng thái IIIA2 tiểu khu 834 thuộc huyện Nam Trà My, tỉnh Quảng Nam - Từ đó, góp phần làm sở đề xuất số biện.. .Bước đầu nghiên cứu số đặc điểm cấu trúc rừng tự nhiên trạng thái IIIA2 tiểu khu 834 thuộc huyện Nam Trà My, tỉnh Quảng Nam Tác giả ĐỒN NGỌC HỒI Khóa luận đệ