BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC NÔNG LÂM THÀNH PHỐ HỒ CHÍ MINH  ĐẶNG THANH TIẾN NGHIÊN CỨU ĐẶC ĐIỂM CẤU TRÚC RỪNG TỰ NHIÊN TRẠNG THÁI IIIA1 TẠI TIỂU KHU 97 THUỘC BAN QUẢN LÝ RỪNG PHỊNG HỘ LỘC NINH, HUYỆN LỘC NINH, TỈNH BÌNH PHƯỚC LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC NGÀNH LÂM NGHIỆP Thành phố Hồ Chí Minh Tháng 06/2012 BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC NƠNG LÂM THÀNH PHỐ HỒ CHÍ MINH  ĐẶNG THANH TIẾN NGHIÊN CỨU ĐẶC ĐIỂM CẤU TRÚC RỪNG TỰ NHIÊN TRẠNG THÁI IIIA1 TẠI TIỂU KHU 97 THUỘC BAN QUẢN LÝ RỪNG PHÒNG HỘ LỘC NINH, HUYỆN LỘC NINH, TỈNH BÌNH PHƯỚC Ngành: Lâm nghiệp LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC Người hướng dẫn: PGS.TS NGUYỄN VĂN THÊM Thành phố Hồ Chí Minh Tháng 06/2012 i   LỜI CẢM ƠN Khóa luận hồn thành theo chương trình đào tạo kỹ sư chuyên ngành Lâm Nghiệp, hệ quy, trường Đại Học Nơng Lâm Tp Hồ Chí Minh Để hồn thành khóa luận này, tơi nhận quan tâm giúp đỡ tận tình quý thầy cô giáo hướng dẫn, quý thầy cô giáo khoa Lâm Nghiệp, quý thầy cô giáo trường Đại Học Nơng Lâm TP Hồ Chí Minh, ban giám hiệu trường Đại Học Nơng Lâm Tp Hồ Chí Minh, tập thể ban quản lý rừng phòng hộ Lộc Ninh, huyện Lộc Ninh, tỉnh Bình Phước bạn bè Nhân dịp này, xin bày tỏ lời cảm ơn chân thành đến: - Trước hết, tơi xin gửi lòng biết ơn cha mẹ người thân ủng hộ tơi suốt q trình học tập để tơi có thành ngày hơm - Ban giám hiệu trường Đại Học Nông Lâm Tp Hồ Chí Minh tạo điều kiện cho tơi học tập hồn thành khóa luận - Q thầy trường Đại Học Nông Lâm TP Hồ Chi Minh giảng dạy tơi suốt q trình học tập - Quý thầy cô khoa Lâm nghiệp giảng dạy giúp đỡ tơi suốt q trình học tập thực khóa luận - Xin chân thành cảm ơn Thầy PGS.TS Nguyễn Văn Thêm tận tình giúp đỡ tơi thực hồn thành khóa luận - Xin chân thành cảm ơn Ban giám đốc ban quản lý rừng phòng hộ Lộc Ninh tồn thể cán phòng kỹ thuật, kiểm lâm tạo điều kiện cho tơi suốt q trình thực tập - Cảm ơn tập thể lớp DH08LN dành nhiều tình cảm tốt đẹp, động viên giúp đỡ công việc suốt thời gian học tập trường ii   TÓM TẮT Đề tài nghiên cứu “Đặc điểm đặc điểm cấu trúc rừng tự nhiên trạng thái IIIA1 tiểu khu 97 thuộc ban quản lý rừng phòng hộ Lộc Ninh” tiến hành huyện Lộc Ninh, tỉnh Bình Phước, thời gian từ 16/04/2012 đến 29/04/2012 Thí nghiệm bố trí theo kiểu lập tiêu chuẩn tạm thời theo phương pháp điều tra lâm học, diện tích điều tra 2.000 m2 (40 x 50 m) Số lượng ô mẫu cho trạng thái ô Kết nghiên cứuthu bao gồm nội dung sau: Cấu trúc tổ thành lồi Tại khu vực nghiên cứu thống kê số lượng loài thực vật thường gặp trạng thái rừng IIIA1 27 lồi.Trong đó,có lồi tham gia vào cơng thức tổ thành, là: dầu lơng, dầu đồng, cà gằng cà chắc.Công thức tổ thành: 26,68 % dđ + 17,50 % dl + 15,06 % cc + 11,60 % cg Quy luật phân bố số theo cấp đường kính D1,3 lầm phần IIIA1 2.1 Đường cong N – D1,3 ô tiêu chuẩn có dạng đỉnh lệch trái (Sk = 1,24) nhọn (Ku = 1,05) Mơ hình phân bố N – D1,3 phù hợp với phân bố giảm N1 = 263,9686*exp(-0,2408*D) +1 2.2 Đường cong phân bố N – D1,3 tiêu chuẩn có dạng đỉnh lệch trái (Sk = 0,79) bẹt (Ku = -0,3) Mơ hình phân bố N – D1,3 phù hợp với phân bố giảm N2 = 114,7321*exp(-0,1735*D) + 0,5 2.3 Đường cong phân bố N – D1,3 ô tiêu chuẩn có dạng đỉnh lệch trái (Sk = 0,52) bẹt (Ku = -0,55) Mơ hình phân bố N – D1,3 phù hợp với phân bố giảm N3 = 102,0517*exp(-0,134405*D) – Quy luật phân bố số theo cấp chiều cao H lâm phần IIIA1 iii   3.1 Phân bố chiều cao (N/H) ô tiêu chuẩn có dạng đỉnh lệch trái (Sk = 0,17) bẹt (Ku = -1,03), có 31,4 % số phân bố tập trung lớp không gian từ – m; 7,98 % số có chiều cao nhỏ m; lại 61,63 % số có chiều cao lớn m 3.2 Phân bố chiều cao (N/H) ô tiêu chuẩn có dạng đỉnh lệch trái (Sk = 0,33) bẹt (Ku = -0,81), có 47,42 % số phân bố tập trung lớp không gian từ – m; 12,37 % số có chiều cao nhỏ m; lại 40,21 % số có chiều cao lớn m 3.3 Phân bố chiều cao (N/H) ô tiêu chuẩn có dạng đỉnh lệch phải (Sk = -0,29) bẹt (Ku = -0,87), có 65,71 % số phân bố tập trung lớp không gian từ – 12 m; 22,86 % số có chiều cao nhỏ m; lại 11,43 % số có chiều cao lớn 12 m Tương quan chiều cao H đường kính D1,3 4.1 Phân bố chiều cao đường kính (H/D1,3) tiêu chuẩn có mối tương quan chặt (r = 0,9594) Sy/x = 0,0052 Phương trình cụ thể: 4.2 H = 1/(0,0416549 + 0,703509/D) Phân bố chiều cao đường kính (H/D1,3) tiêu chuẩn có mối tương quan chặt (r = 0,9468) Sy/x = 0,068 Phương trình cụ thể: 4.3 H = exp(1,09962 + 0,321116*sqrt(D)) Phân bố chiều cao đường kính (H/D1,3) ô tiêu chuẩn có mối tương quan chặt (r = 0,9938) Sy/x) = 0,002 Phương trình cụ thể: H = 1/(0,0415899 + 0,716449/D) Độ hỗn giao rừng khu vực nghiên cứu 0,09 Trữ lượng (M/D1,3) tập trung nhiều cỡ đường kính 14 – 16 cm chiếm 16,75 % (5,58 m3/ha) tổng trữ lượng lâm phần Trữ lượng rừng trạng thái IIIA1 khu vực nghiên cứu 33,32 m3/ha Tổ thành loài tái sinh: Đã thống kê số lượng loài tái sinh tự nhiên tán rừng khu vực nghiên cứu có 22 loài, mật độ tái sinh 625 iv   cây/ha Trong có lồi chiếm ưu là: Trâm, Trường, Dầu lông, Cơm nguội, Sơn Đào, Cà gằng, Dầu lông, Săn đen Chất lượng tái sinh khu vực nghiên cứu tỷ lệ khỏe chiếm 87,88 % yếu 12,12 % Qua trắc đồ David Richards, đề tài xác định độ tàn che bình quân rừng tự nhiên trạng thái IIIA1 khu vực nghiên cứu 0,38 v   MỤC LỤC TRANG TỰA i LỜI CẢM ƠN .ii TÓM TẮT iii MỤC LỤC vi DANH SÁCH CÁC BẢNG ix DANH SÁCH CÁC HÌNH x Chương 1MỞ ĐẦU 1  1.1 Đặt vấn đề 1  1.2 Mục tiêu nghiên cứu 2  1.3 Giới hạn phạm vi nghiên cứu 2  Chương2ĐIỀU KIỆN TỰ NHIÊN KHU VỰC NGHIÊN CỨU 3  2.1 Đặc điểm khu vực nghiên cứu 3  2.1.1 Đặc điểm tự nhiên 3  2.1.1.1 Vị trí địa lý 3  2.1.1.2 Địa hình 4  2.1.1.3 Khí hậu 4  2.1.1.4 Tài nguyên nước 4  2.1.1.5 Tài nguyên đất 4  2.1.1.6 Tài nguyên rừng 5  2.1.1.7 Tài nguyên khoáng sản 5  2.2 Đặc điểm kinh tế - xã hội 6  2.2.1 Dân số 6  2.2.2 Lao động 6  Chương 3NỘI DUNG VÀ PHƯƠNG PHÁP NGHIÊN CỨU 7  3.1 Nội dung nghiên cứu 7  3.2 Phương pháp nghiên cứu 7  3.2.1 Cơ sở phương pháp luận 7  vi   3.2.2 Phương pháp thu thập số liệu 8  3.2.2.1 Phương pháp điều tra 8  3.2.2.2 Phương pháp phân tích tính tốn số liệu 9  3.2.2.3 Phương pháp đánh giá tương quan hồi quy 14  Chương 4KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN 16  4.1 Cấutrúc tổ thành loài: 16  4.2 Phân bố số theo đường kính (N/D1,3) 19  4.3 Phân bố số theo chiều cao (N/H) 26  4.4 Tương quan chiều cao đường kính (H/D1,3) 30  4.5 Độ hỗn giao rừng 37  4.6 Phân bố trữ lượng theo cấp đường kính (M/D1,3) 37  4.7 Tình hình tái sinh tán rừng 39  4.7.1 Tổ thành loài tái sinh 39  4.7.2 Chất lượng tái sinh 41  Chương 5KẾT LUẬN VÀ KIẾN NGHỊ 45  5.1 Kết luận 45  5.2 Kiến nghị 47  TÀI LIỆU THAM KHẢO 49  PHỤ LỤC 50  vii   DANH SÁCH CÁC CHỮ VIẾT TẮT ÔTC Ô tiêu chuẩn ASEAN Association of Southeast Asian Nations Cv % Hệ số biến động, % D1,3 Đường kính thân tầm cao 1,3 m, cm D_tn Đường kính 1,3 m thực nghiệm D_lt Đường kính 1,3 m lý thuyết H Chiều cao thân cây, m Hvn Chiều cao vút ngọn, m Hdc Chiều cao cành, m H_tn Chiều cao thực nghiệm H_lt Chiều cao lý thuyết P_value Mức ý nghĩa (xác suất) Pa, Pb Mức ý nghĩa (xác suất) tham số a b r Hệ số tương quan R Biên độ biến động S Độ lệch tiêu chuẩn Sk Hệ số độ lệch phân bố Ku Hệ số độ nhọn phân bố Sy/x Sai số phương trình hồi quy viii   DANH SÁCH CÁC BẢNG   Bảng 4.1.Tổ thành loài thực vật trạng thái IIIA1 khu vực nghiên cứu 17  Bảng 4.2.Bảng phân bố số theo đường kính (N/D1,3) ô tiêu chuẩn 20  Bảng 4.3.Đặc trưng thống kê phân bố N-D ô tiêu chuẩn 21  Bảng 4.4.Bảng phân bố số theo đường kính (N/D1,3) tiêu chuẩn 21  Bảng 4.5.Đặc trưng thống kê phân bố N-D ô tiêu chuẩn 22  Bảng 4.6.Bảng phân bố số theo đường kính (N/D1,3) ô tiêu chuẩn 23  Bảng 4.7.Đặc trưng thống kê phân bố N-D ô tiêu chuẩn 24  Bảng 4.8.Đặc trưng thống kê phân bố N - H trạng tháirừng IIIA1 27  Bảng 4.9.Phân bố N – H trạng thái rừng IIIA1 28  Bảng 4.10.Phân bố N – H tích lũy trạng thái rừng IIIA1 29  Bảng 4.11.Bách phân vị phân bố N- H trạng thái rừng IIIA1 30  Bảng 4.12.Bảng so sánh số thống kê từ hàm thực nghiệm (H/D1,3) 31  Bảng 4.13.Bảng so sánh số thống kê từ hàm thực nghiệm (H/D1,3) 33  Bảng 4.14.Bảng so sánh số thống kê từ hàm thực nghiệm (H/D1,3) 35  Bảng 4.15.Phân bố trữ lượng theo cấp kính (M/D1,3) 38  Bảng 4.16.Tổ thành loài tái sinh trạng thái IIIA1 khu vực nghiên cứu 40  Bảng 4.17.Chất lượng tái sinh khu vực nghiên cứu 41  Bảng 4.18.Nguồn gốc tái sinh tán trạng thái rừng IIIA1 43  ix   Phụ biểu 4.Phân bố N – D cua ÔTC trạng thái rừng IIIA1 4.1 Phân bố N – D ÔTC Regression Analysis - Linear model: Y = a + b*X Dependent variable: N Independent variable: D Standard T Parameter Estimate Error Statistic P-Value Intercept 5,57583 0,357787 15,5842 0,0000 Slope -0,240833 0,0214974 -11,2029 0,0000 Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 9,74412 9,74412 125,51 0,0000 Residual 0,465833 0,0776389 Total (Corr.) 10,21 Correlation Coefficient = -0,976921 R-squared = 95,4375 percent Standard Error of Est = 0,278638 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 = 5,57583 - 0,240833*D Since the P-value in the ANOVA table is less than 0.01, there is a statistically significant relationship between N and D at the 99% confidence level The R-Squared statistic indicates that the model as fitted explains 95,4375% of the variability in N The correlation coefficient equals -0,976921, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0,278638 This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu 71   4.2 Phân bố N – D ÔTC Regression Analysis - Linear model: Y = a + b*X Dependent variable: N Independent variable: D Standard T Parameter Estimate Error Statistic P-Value Intercept 4,7426 0,530672 8,93697 0,0001 Slope -0,173534 0,0338344 -5,12892 0,0022 - Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 5,05916 5,05916 26,31 0,0022 Residual 1,15392 0,192321 Total (Corr.) 6,21308 Correlation Coefficient = -0,902372 R-squared = 81,4275 percent Standard Error of Est = 0,438544 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 = 4,7426 - 0,173534*D Since the P-value in the ANOVA table is less than 0.01, there is a statistically significant relationship between N and D at the 99% confidence level The R-Squared statistic indicates that the model as fitted explains 81,4275% of the variability in N The correlation coefficient equals -0,902372, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0,438544 This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu 72   4.3 Phân bố N – D ÔTC Regression Analysis - Linear model: Y = a + b*X Dependent variable: N Independent variable: D Standard T Parameter Estimate Error Statistic P-Value Intercept 4,62548 0,32617 14,1812 0,0000 Slope -0,134405 0,0195977 -6,85821 0,0005 - Analysis of Variance Source Sum of Squares Df Mean Square F-Ratio P-Value Model 3,03486 3,03486 47,04 0,0005 Residual 0,38714 0,0645234 Total (Corr.) 3,422 Correlation Coefficient = -0,941736 R-squared = 88,6867 percent Standard Error of Est = 0,254015 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 = 4,62548 - 0,134405*D Since the P-value in the ANOVA table is less than 0.01, there is a statistically significant relationship between N and D at the 99% confidence level The R-Squared statistic indicates that the model as fitted explains 88,6867% of the variability in N The correlation coefficient equals -0,941736, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0,254015 This value can be used to construct prediction limits for new observations by selecting the Forecasts option from the text menu 73   Phụ biểu 5.Kết thử nghiệm phương trình tương quan H D1,3 5.1 Các phương trình tương quan H – D1,3 ÔTC Simple Regression - H vs D Dependent variable: H Independent variable: D Double reciprocal model: Y = 1/(a + b/X) Coefficients Least Squares Parameter Estimate Intercept 0,0416549 Slope 0,703509 Analysis of Variance Source Sum of Squares Model 0,00188058 Residual 0,000162398 Total (Corr.) 0,00204298 Standard Error 0,00606854 0,0843993 Df T Statistic 6,86408 8,33548 P-Value 0,0005 0,0002 Mean Square F-Ratio 0,00188058 69,48 0,0000270664 P-Value 0,0002 Correlation Coefficient = 0,959432 R-squared = 92,0509 percent R-squared (adjusted for d.f.) = 90,726 percent Standard Error of Est = 0,00520254 Mean absolute error = 0,0034687 Durbin-Watson statistic = 2,06884 (P=0,3477) Lag residual autocorrelation = -0,157405 The StatAdvisor The output shows the results of fitting a double reciprocal model to describe the relationship between H and D The equation of the fitted model is H = 1/(0,0416549 + 0,703509/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 92,0509% of the variability in H The correlation coefficient equals 0,959432, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0,00520254 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 0,0034687 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 74   Simple Regression - H vs D Dependent variable: H Independent variable: D Reciprocal-Y logarithmic-X model: Y = 1/(a + b*ln(X)) Coefficients Least Squares Parameter Estimate Intercept 0,222494 Slope -0,0486158 Analysis of Variance Source Sum of Squares Model 0,00175331 Residual 0,000289669 Total (Corr.) 0,00204298 Standard Error 0,0221458 0,00806721 Df T Statistic 10,0468 -6,02634 P-Value 0,0001 0,0009 Mean Square F-Ratio 0,00175331 36,32 0,0000482781 P-Value 0,0009 Correlation Coefficient = -0,926398 R-squared = 85,8212 percent R-squared (adjusted for d.f.) = 83,4581 percent Standard Error of Est = 0,00694825 Mean absolute error = 0,00481087 Durbin-Watson statistic = 1,52442 (P=0,0997) Lag residual autocorrelation = 0,0348314 The StatAdvisor The output shows the results of fitting a reciprocal-Y logarithmic-X model to describe the relationship between H and D The equation of the fitted model is H = 1/(0,222494 - 0,0486158*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 85,8212% of the variability in H The correlation coefficient equals -0,926398, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0,00694825 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 0,00481087 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 75   Simple Regression - H vs D Dependent variable: H Independent variable: D Double square root model: Y = (a + b*sqrt(X))^2 Parameter Estimate Intercept 1,69088 Slope 0,424717 Error 0,298022 0,0745055 Analysis of Variance Source Sum of Squares Model 0,494363 Residual 0,0912796 Total (Corr.) 0,585642 Df Statistic 5,67369 5,70048 P-Value 0,0013 0,0013 Mean Square F-Ratio 0,494363 32,50 0,0152133 P-Value 0,0013 Correlation Coefficient = 0,91877 R-squared = 84,4138 percent R-squared (adjusted for d.f.) = 81,8161 percent Standard Error of Est = 0,123342 Mean absolute error = 0,0815775 Durbin-Watson statistic = 1,80667 (P=0,2041) Lag residual autocorrelation = -0,0721359 The StatAdvisor The output shows the results of fitting a double square root model to describe the relationship between H and D The equation of the fitted model is H = (1,69088 + 0,424717*sqrt(D))^2 Since the P-value in the ANOVA table is less than 0,05, there is a statistically significant relationship between H and D at the 95,0% confidence level The R-Squared statistic indicates that the model as fitted explains 84,4138% of the variability in H after transforming to a logarithmic scale to linearize the model The correlation coefficient equals 0,91877, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0,123342 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 0,0815775 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 76   Simple Regression - H vs D Dependent variable: H Independent variable: D Logarithmic-Y square root-X model: Y = exp(a + b*sqrt(X)) Coefficients Least Squares Parameter Estimate Intercept 1,3953 Slope 0,25996 Standard Error 0,186913 0,0467281 NOTE: intercept = ln(a) Analysis of Variance Source Sum of Squares Model 0,185207 Residual 0,0359049 Total (Corr.) 0,221112 Df T Statistic 7,465 5,56323 P-Value 0,0003 0,0014 Mean Square F-Ratio 0,185207 30,95 0,00598415 P-Value 0,0014 Correlation Coefficient = 0,915214 R-squared = 83,7617 percent R-squared (adjusted for d.f.) = 81,0553 percent Standard Error of Est = 0,0773573 Mean absolute error = 0,0522191 Durbin-Watson statistic = 1,63382 (P=0,1341) Lag residual autocorrelation = -0,00813332 The StatAdvisor The output shows the results of fitting a logarithmic-Y square root-X model to describe the relationship between H and D The equation of the fitted model is H = exp(1,3953 + 0,25996*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 83,7617% of the variability in H The correlation coefficient equals 0,915214, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0,0773573 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 0,0522191 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 77   5.2 Các phương trình tương quan H – D1,3 ƠTC Simple Regression - H vs D Dependent variable: H Independent variable: D Multiplicative model: Y = a*X^b Coefficients Least Squares Parameter Estimate Intercept 0,726316 Slope 0,601286 Standard Error 0,245496 0,0914402 NOTE: intercept = ln(a) Analysis of Variance Source Sum of Squares Model 0,199668 Residual 0,0230882 Total (Corr.) 0,222756 Df T Statistic 2,95856 6,57573 P-Value 0,0316 0,0012 Mean Square F-Ratio 0,199668 43,24 0,00461764 P-Value 0,0012 Correlation Coefficient = 0,946759 R-squared = 89,6352 percent R-squared (adjusted for d.f.) = 87,5623 percent Standard Error of Est = 0,0679532 Mean absolute error = 0,0403948 Durbin-Watson statistic = 3,06382 (P=0,8799) Lag residual autocorrelation = -0,537592 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(0,726316 + 0,601286*ln(D)) or ln(H) = 0,726316 + 0,601286*ln(D) Since the P-value in the ANOVA table is less than 0,05, there is a statistically significant relationship between H and D at the 95,0% confidence level The R-Squared statistic indicates that the model as fitted explains 89,6352% of the variability in H The correlation coefficient equals 0,946759, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0,0679532 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 0,0403948 is the average value of the residuals The Durbin-Watson (DW) statistic tests the residuals to determine if there is any significant correlation based 78   Simple Regression - H vs D Dependent variable: H Independent variable: D Logarithmic-Y square root-X model: Y = exp(a + b*sqrt(X)) Coefficients Least Squares Parameter Estimate Intercept 1,09962 Slope 0,321116 Standard Error 0,189136 0,0488347 NOTE: intercept = ln(a) Analysis of Variance Source Sum of Squares Model 0,199667 Residual 0,0230892 Total (Corr.) 0,222756 Df T Statistic 5,8139 6,57557 P-Value 0,0021 0,0012 Mean Square F-Ratio 0,199667 43,24 0,00461784 P-Value 0,0012 Correlation Coefficient = 0,946756 R-squared = 89,6348 percent R-squared (adjusted for d.f.) = 87,5617 percent Standard Error of Est = 0,0679547 Mean absolute error = 0,0448021 Durbin-Watson statistic = 3,12875 (P=0,9035) Lag residual autocorrelation = -0,584143 The StatAdvisor The output shows the results of fitting a logarithmic-Y square root-X model to describe the relationship between H and D The equation of the fitted model is H = exp(1,09962 + 0,321116*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 89,6348% of the variability in H The correlation coefficient equals 0,946756, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0,0679547 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 0,0448021 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 79   Simple Regression - H vs D Dependent variable: H Independent variable: D Double square root model: Y = (a + b*sqrt(X))^2 Coefficients Least Squares Parameter Estimate Intercept 1,25158 Slope 0,51339 Standard Error 0,311142 0,0803365 Analysis of Variance Source Sum of Squares Model 0,510361 Residual 0,0624853 Total (Corr.) 0,572846 Df T Statistic 4,02255 6,3905 P-Value 0,0101 0,0014 Mean Square F-Ratio 0,510361 40,84 0,0124971 P-Value 0,0014 Correlation Coefficient = 0,943886 R-squared = 89,0921 percent R-squared (adjusted for d.f.) = 86,9106 percent Standard Error of Est = 0,11179 Mean absolute error = 0,0667905 Durbin-Watson statistic = 3,13378 (P=0,9053) Lag residual autocorrelation = -0,573044 The StatAdvisor The output shows the results of fitting a double square root model to describe the relationship between H and D The equation of the fitted model is H = (1,25158 + 0,51339*sqrt(D))^2 Since the P-value in the ANOVA table is less than 0,05, there is a statistically significant relationship between H and D at the 95,0% confidence level The R-Squared statistic indicates that the model as fitted explains 89,0921% of the variability in H after transforming to a logarithmic scale to linearize the model The correlation coefficient equals 0,943886, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0,11179 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 0,0667905 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 80   Simple Regression - H vs D Dependent variable: H Independent variable: D Exponential model: Y = exp(a + b*X) Coefficients Least Squares Parameter Estimate Intercept 1,70039 Slope 0,0420921 NOTE: intercept = ln(a) Analysis of Variance Source Sum of Squares Model 0,198435 Residual 0,0243211 Total (Corr.) 0,222756 Standard Error 0,102307 0,00659019 Df T Statistic 16,6205 6,38708 P-Value 0,0000 0,0014 Mean Square F-Ratio 0,198435 40,79 0,00486423 P-Value 0,0014 Correlation Coefficient = 0,943831 R-squared = 89,0817 percent R-squared (adjusted for d.f.) = 86,8981 percent Standard Error of Est = 0,069744 Mean absolute error = 0,0510223 Durbin-Watson statistic = 3,07262 (P=0,8829) Lag residual autocorrelation = -0,587201 The StatAdvisor The output shows the results of fitting an exponential model to describe the relationship between H and D The equation of the fitted model is H = exp(1,70039 + 0,0420921*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 89,0817% of the variability in H after transforming to a reciprocal scale to linearize the model The correlation coefficient equals 0,943831, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0,069744 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 0,0510223 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 the95,0% confidence 81   5.3 Các phương trình tương quan H – D1,3 ÔTC Simple Regression - H vs D Dependent variable: H Independent variable: D Double reciprocal model: Y = 1/(a + b/X) Coefficients Least Squares Parameter Estimate Intercept 0,0415899 Slope 0,716449 Analysis of Variance Source Sum of Squares Model 0,0019504 Residual 0,0000245881 Total (Corr.) 0,00197498 Standard Error 0,00236133 0,0328406 Df T Statistic 17,613 21,816 P-Value 0,0000 0,0000 Mean Square F-Ratio 0,0019504 475,94 0,00000409801 P-Value 0,0000 Correlation Coefficient = 0,993756 R-squared = 98,755 percent R-squared (adjusted for d.f.) = 98,5475 percent Standard Error of Est = 0,00202436 Mean absolute error = 0,00136309 Durbin-Watson statistic = 0,866341 (P=0,0065) Lag residual autocorrelation = 0,369074 The StatAdvisor The output shows the results of fitting a double reciprocal model to describe the relationship between H and D The equation of the fitted model is H = 1/(0,0415899 + 0,716449/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 98,755% of the variability in H The correlation coefficient equals 0,993756, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0,00202436 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 0,00136309 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 tha 82   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 -0,19339 Slope 2,91124 Standard Error 0,960957 0,240239 Analysis of Variance Source Sum of Squares Model 23,2275 Residual 0,94904 Total (Corr.) 24,1766 Df T Statistic P-Value -0,201247 0,8472 12,1181 0,0000 Mean Square F-Ratio 23,2275 146,85 0,158173 P-Value 0,0000 Correlation Coefficient = 0,980176 R-squared = 96,0745 percent R-squared (adjusted for d.f.) = 95,4203 percent Standard Error of Est = 0,39771 Mean absolute error = 0,28213 Durbin-Watson statistic = 0,752944 (P=0,0028) Lag residual autocorrelation = 0,401641 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 = -0,19339 + 2,91124*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 96,0745% of the variability in H The correlation coefficient equals 0,980176, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0,39771 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 0,28213 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 83   Simple Regression - H vs D Dependent variable: H Independent variable: D Multiplicative model: Y = a*X^b Coefficients Least Squares Parameter Estimate Intercept 0,973327 Slope 0,528174 Standard Error 0,110235 0,040156 NOTE: intercept = ln(a) Analysis of Variance Source Sum of Squares Model 0,206946 Residual 0,00717721 Total (Corr.) 0,214124 Df T Statistic 8,82958 13,1531 P-Value 0,0001 0,0000 Mean Square F-Ratio 0,206946 173,00 0,0011962 P-Value 0,0000 Correlation Coefficient = 0,983098 R-squared = 96,6481 percent R-squared (adjusted for d.f.) = 96,0895 percent Standard Error of Est = 0,0345861 Mean absolute error = 0,0244619 Durbin-Watson statistic = 0,74395 (P=0,0027) Lag residual autocorrelation = 0,394911 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(0,973327 + 0,528174*ln(D)) or ln(H) = 0,973327 + 0,528174*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 96,6481% of the variability in H The correlation coefficient equals 0,983098, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0,0345861 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 0,0244619 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 84   Simple Regression - H vs D Dependent variable: H Independent variable: D Double square root model: Y = (a + b*sqrt(X))^2 Coefficients Least Squares Parameter Estimate Intercept 1,60113 Slope 0,44322 Standard Error 0,163934 0,0409836 Analysis of Variance Source Sum of Squares Model 0,538373 Residual 0,0276196 Total (Corr.) 0,565993 Df T Statistic 9,76687 10,8146 P-Value 0,0001 0,0000 Mean Square F-Ratio 0,538373 116,95 0,00460327 P-Value 0,0000 Correlation Coefficient = 0,975296 R-squared = 95,1202 percent R-squared (adjusted for d.f.) = 94,3068 percent Standard Error of Est = 0,0678474 Mean absolute error = 0,0490278 Durbin-Watson statistic = 0,718361 (P=0,0021) Lag residual autocorrelation = 0,400347 The StatAdvisor The output shows the results of fitting a double square root model to describe the relationship between H and D The equation of the fitted model is H = (1,60113 + 0,44322*sqrt(D))^2 Since the P-value in the ANOVA table is less than 0,05, there is a statistically significant relationship between H and D at the 95,0% confidence level The R-Squared statistic indicates that the model as fitted explains 95,1202% of the variability in H after transforming to a logarithmic scale to linearize the model The correlation coefficient equals 0,975296, indicating a relatively strong relationship between the variables The standard error of the estimate shows the standard deviation of the residuals to be 0,0678474 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 0,0490278 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 85   ...BỘ GIÁO DỤC VÀ ĐÀO TẠO ĐẠI HỌC NÔNG LÂM THÀNH PHỐ HỒ CHÍ MINH  ĐẶNG THANH TIẾN NGHIÊN CỨU ĐẶC ĐIỂM CẤU TRÚC RỪNG TỰ NHIÊN TRẠNG THÁI IIIA1 TẠI TIỂU KHU 97 THUỘC BAN