Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 10

Liczba wyników na stronie
Pierwsza strona wyników Pięć stron wyników wstecz Poprzednia strona wyników Strona / 1 Następna strona wyników Pięć stron wyników wprzód Ostatnia strona wyników

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych:  drzewostany niepielegnowane
help Sortuj według:

help Ogranicz wyniki do:
Pierwsza strona wyników Pięć stron wyników wstecz Poprzednia strona wyników Strona / 1 Następna strona wyników Pięć stron wyników wprzód Ostatnia strona wyników
Wieloletni program badawczy prowadzony na stałych powierzchniach doświadczalnych pozwolił skonstruować lokalny referencyjny model wzrostu drzewostanów (PINUS ZIELONKA). Na podstawie materiału empirycznego, odpowiednio wyselekcjonowanego pod względem ilościowym i jakościowym, dobrano funkcje regresji. W przypadku zależności stochastycznych, kiedy wartości przyjmowane przez zmienną zależną są obarczone błędami losowymi, w dopasowaniu funkcji zastosowano metodę najmniejszych kwadratów. W ostatecznym wyborze funkcji i algorytmów kierowano się wielkością współczynników determinacji i wtórnych błędów procentowych. Opracowany model wzrostu może być wykorzystany do szacowania nadziemnej biomasy i sekwestracji węgla niepielęgnowanych drzewostanów sosnowych na terenie Leśnego Zakładu Doświadczalnego Murowana Goślina.
Wieloletni program badawczy, prowadzony na stałych powierzchniach doświadczalnych, pozwolił opracować lokalny bonitacyjny model wzrostu drzewostanów sosnowych (PINUS). Na podstawie odpowiednio wyselekcjonowanego, pod względem ilościowym i jakościowym, materiału empirycznego oraz po pogrupowaniu drzewostanów o podobnym tempie wzrostu, dobrano najlepsze funkcje regresji. W ostatecznym wyborze funkcji i algorytmów kierowano się wielkością współczynników determinacji i wtórnych błędów procentowych. Korzystanie z modelu jest przyjazne dla użytkownika, albowiem funkcjonuje on w wersji elektronicznej środowiska EXCEL. Adekwatną bonitację ustalamy według wysokości średniej lub górnej w określonym wieku, wykorzystując do tego celu tablicę bonitacyjną (BON) lub wykresy wysokości średniej (WH) i wysokości górnej (WHg). Korzystając z arkusza BON, wpisujemy do komórki X ustalony wiek drzewostanu. Następnie określoną w drzewostanie wysokość średnią (H) lub górną (Hg) porównujemy z wyświetlonymi w wierszu X danymi i wybieramy najlepiej dopasowaną bonitację. Dobieramy odpowiedni arkusz: B24-B34 i wpisujemy w nim do komórki X ustalony wiek drzewostanu. W wierszu X i wierszu powyżej zostaną wyświetlone dane cechy dla wieku X i X-5. Wszystkie cechy można uzyskać bezpośrednio z tablic: B24-B34, w 5-letnim odstopniowaniu wieku w zakresie od 20 do 120 lat. Opracowany model wzrostu może być wykorzystany do szacowania nadziemnej biomasy i sekwestracji węgla niepielęgnowanych drzewostanów sosnowych, w zakresie bonitacj: BON24-BON34, na terenie Leśnego Zakładu Doświadczalnego Murowana Goślina. W celu regionalnego stosowania modelu PINUS jest konieczna analiza jego dokładności w innych rejonach Polski i ewentualne korygowanie współczynników bazowych równań. W przyszłości jest także planowane uzupełnienie modelu o słabsze bonitacje poprzez rozszerzenie zasięgu badań o regiony, w których wyrastają takie drzewostany.
Although modelling of the diameter at the breast height (DBH) distributions has long history, theoretical discrete distributions have not so far been used for this purpose. In this study we use measurements covering 25 years (six inventories) without silvicultural influence on 14 even−aged Scots pine (Pinus sylvestris L.) stands to develop the DBH distribution models. Analysed stands are located in Murowana Goślina Forest Experimental Station (W Poland). The objective of the study was to elaborate the most simplified model that applies stand variables easy to assess and uncomplicated theoretical distribution. We employed two−parameter Gamma Poisson (GP) distribution and compared it to Weibull (W) and Sb Johnson (SbJ) ones. When maximum likelihood estimation (MLE) was used, GP gave similar results to W and both were slightly worse than SbJ. We found that both DBH standard deviation and stand density have substantial impact for model bias when above distributions used. Stepwise regression analysis was used for obtaining linear equations for parameter prediction of GP distribution. Then, GP model was simplified by removing standard deviation of DBH (SDD) from equation for overdispersion parameter. Results showed slight increase in mean of error values (i.e. modified Reynolds e index and root mean square error) for simplified model (SGP) compared with those for model including SDD, but differences in means were insignificant. Minimal and mean DBH represent enough variability of diameter distribution to obtain appropriate model based on Gamma Poisson distribution. Error was only 5% greater from four−parameter SbJ (MLE) distribution with similar range: 8.2−28.8% against 5.1−25.5% for SGP and SbJ respectively. The presented model can be used in many branches of forestry for more accurate calculation of stand level variables, when additional allometric equations employed, for instance assimilation apparatus volume or below− and above− ground biomass.
Pierwsza strona wyników Pięć stron wyników wstecz Poprzednia strona wyników Strona / 1 Następna strona wyników Pięć stron wyników wprzód Ostatnia strona wyników
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.