Ziele
Die Forsteinrichtung in Litauen war in den vergangenen Jahrzehnten vom Leitgedanken geprägt, die Optimierung der Bestandsdichte und die Maximierung der Produktivität in jeder Phase der Bestandsentwicklung als gleichrangige Ziele zu betrachten. Deshalb wurden große Anstrengungen in die Herleitung von Bestandswuchsmodellen für gleichaltrige Kiefern- oder Fichtenreinbestände gelegt. Bei der Anwendung dieser Modelle auf gemischte oder in der Umwandlung befindliche Wälder sind allerdings nur ungenaue Resultate zu erzielen. Um den Erfordernissen einer zeitgemäßen Forstwirtschaft gerecht zu werden, sind geeignete Instrumente zur Prognose von Wachstum und Ertrag strukturreicher Wälder vonnöten. Das Hauptziel dieser Arbeit bestand deshalb in der Neuparametrisierung des Einzelbaumwachstumssimulators BWINPro-S (entwickelt für sächsische Wuchsverhältnisse) für Kiefernwälder auf mineralischen Standorten in Litauen.
Zur Zielerreichung dienten folgende Schritte:
• Schaffung und Evaluierung einer Datengrundlage für die Modellierung.
• Abschätzung der Effekte von Konkurrenz um Wuchsraum auf den Durchmesser-, Grundflächen- und Höhenzuwachs von Einzelbäumen.
• Entwicklung eines Durchmesser-Zuwachsmodells sowie Neuparametrisierung der Grundflächen- und Höhenwachstumsmodelle.
• Bestimmung der Einzelbaummortalität durch Konkurrenz um Wuchsraum.
• Entwicklung eines ersten Ansatzes für einen Einzelbaumwachstumssimulator für Kiefer in Litauen.
Hypothesen:
1. Die Standorteigenschaften sind der prägende Faktor für Wachstum und Ertrag von Waldbeständen.
2. Distanzabhängige Konkurrenzindizes zeigen höhere partielle Korrelationen zu Grundflächen- und Höhenzuwachs der Einzelbäume als distanzunabhängige Konkurrenzindizes.
3. Im Vergleich zum Ursprungsmodell BWINPro-S kann durch die Neuparametrisierung eine bessere Anpassung an die Wachstumswirklichkeit in Litauen erzielt werden (in Bezug auf Durchmesser-, Grundflächen- und Höhenzuwachs sowie Mortalitätsschätzung).
4. Ein Einzelbaumwachstumssimulator unterstützt die Entscheidungsträger und Forstplaner in Litauen bei der Optimierung der Waldbewirtschaftung ganz wesentlich.
Material und Methoden
Der Forschungsansatz gliederte sich wie folgt:
1) Vervollständigung der Datengrundlage.
2) Analyse der Konkurrenzverhältnisse.
3) Modellierung des Einzelbaumwachstums.
4) Validierung der neuentwickelten bzw. neuparametrisierten Modelle.
Die Datengrundlage bestand aus Messwerten von 18 Dauerversuchsflächen (PEP) und zwei Validierungsflächen (VP), von denen letztere nur zur Modellüberprüfung herangezogen wurden. Auf allen Flächen stocken vorwiegend aus Naturverjüngung hervorgegangene, einschichtige Kiefernbestände auf kieferntypischen Standorteinheiten. Die Vervollständigung der Datengrundlage erforderte (a) die Erzeugung der Ausgangsdatenbasis, (b) Berechnung fehlender Werte, und (c) Evaluierung der vervollständigten Datengrundlage. Dabei lag das Hauptaugenmerk auf:
• Stichprobenumfang und Schätzung der Populationsmittelwerte.
• Schätzung des potentiellen Standort-Leistungsvermögens.
• Analyse der Beziehung zwischen dem potentiellen Standort-Leistungsvermögen und dem tatsächlichen Waldertrag.
Zur Abschätzung der Effekte von Konkurrenz um Wuchsraum auf den Durchmesser-, Grundflächen- und Höhenzuwachs von Einzelbäumen diente folgendes Vorgehen: Zur Konkurrentenidentifikation wurde ein inverser Lichtkegel mit einem Öffnungswinkel von 60 und 80 Grad konstruiert, dessen nach unten gerichtete Spitze (a) an der Kronenansatzhöhe, (b) an der Höhe der größten Kronenbreite, und (c) am Stammfuß des Zentralbaumes ansetzte. Zur Quantifizierung des Konkurrenzdrucks wurden mit Hilfe der partiellen Korrelationsanalyse 20 Konkurrenzindizes geprüft, von denen letztendlich sechs distanzabhängige und zwei distanzunabhängige Indizes in der weiteren Auswertung Berücksichtigung fanden. Die Modellierung des Einzelbaumwachstums erfolgte in drei Schritten: (a) Entwicklung eines originären Einzelbaum-Durchmesserzuwachsmodells, (b) Neuparametrisierung des Grundflächen- und Höhenzuwachsmodells, und (c) Entwicklung und Neuparametrisierung von Mortalitätsmodellen.
Zur Bewertung einfacher linearer Regressionsmodelle wurden die statistische Signifikanz und das Bestimmtheitsmaß herangezogen. Bei multiplen linearen Regressionsmodellen wurde die Signifikanz jeder unabhängigen Variablen gesondert geprüft (hinsichtlich Normalverteilung, Varianzhomogenität der Residuen und Multikollinearität). Zur Bewertung einfacher nichtlinearer Regressionsmodelle diente in erster Linie das korrigierte Bestimmtheitsmaß, bei multiplen nichtlinearen Regressionsmodellen fanden darüber hinaus Q-Q-Plots (Quantil-Quantil-Diagramme) und die Prüfung auf Varianzhomogenität der Residuen Verwendung.
Die Evaluierung multipler logistischer Regressionsmodelle erfolgte mit Pearsons Chi-Quadrat-Test, die Signifikanz jedes Modellparameters wurde mit der Wald-Statistik geprüft. Die Anpassungsgüte wurde mit Hilfe der Log-Likelihood-Funktion, Cox & Snell- bzw. Nagelkerke-Bestimmtheitsmaßen, Klassifikationstabellen und ROC-Kurven bewertet.
Zur Prüfung der neuparametrisierten Grundflächen- und Höhenzuwachsmodelle wurden die modellierten Werte gegen die Messwerte und darüber hinaus die Residuen gegen die Modellwerte geplottet. Außerdem wurden zur Beurteilung die Verzerrung, die Präzision und die Treffgenauigkeit (sowohl als Absolut- als auch als Relativwerte) herangezogen.
Ergebnisse und Schlussfolgerungen
Die Wachstumsmodelle des Simulators BWINPro-S konnten erfolgreich an die Bedingungen in Litauen angepasst werden. Daraus lassen sich folgende Schlussfolgerungen ableiten:
1. Der stehende Vorrat und die Gesamtwuchsleistung von Kiefernbeständen werden nur z. T. vom standörtlichen Leistungsvermögen determiniert. Die Standorteigenschaften bestimmen das theoretische Leistungsvermögen von Beständen. Ob dieses Potential auch tatsächlich ausgeschöpft werden kann, hängt weitgehend von der Bewirtschaftungsart ab, die geprägt ist durch Beginn, Häufigkeit und Stärke der Durchforstungseingriffe.
2. In Kiefernreinbeständen eignen sich distanzabhängige Konkurrenzindizes besser zur Prognose des mittleren Grundflächenzuwachses als distanzunabhängige Indizes. Zur Beschreibung des Einzelbaum-Durchmesserzuwachses hat sich der Index nach BIGING & DOBBERTIN (1992, in dieser Arbeit als Index CI4 bezeichnet) in Kombination mit der Konkurrentenidentifikationsmethode „Suchkegelansatz in Kronenansatzhöhe, Öffnungswinkel 80 Grad“ als der bestgeeignetste Ansatz erweisen.
3. Der distanzunabhängige Konkurrenzindex nach HEGYI (1974) erreichte die höchsten partiellen Korrelationskoeffizienten mit den mittleren Einzelbaum-Höhenzuwächsen und ergab etwas bessere Resultate bei der Wachstumsprognose als distanzabhängige Indizes. Allerdings waren die Beziehungen zwischen den Konkurrenzindizes und den Einzelbaum-Höhenzuwächsen nur schwach ausgeprägt.
4. Konkurrenz wirkt sich dämpfend auf den Einzelbaum-Durchmesserzuwachs aus, bei zunehmender Konkurrenz sinkt der Zuwachs kontinuierlich ab. Im Gegensatz dazu beschleunigt leichte Konkurrenz das Einzelbaum-Höhenwachstum, bei starker Konkurrenz jedoch wird auch der Höhenzuwachs negativ beeinflusst.
5. Das im Rahmen dieser Arbeit hergeleitete nichtlineare Durchmesserzuwachsmodell ist zur Prognose des Kiefernwachstums bestens geeignet, das Bestimmtheitsmaß beträgt 0,483, die Residuen waren normalverteilt.
6. Die Neuparametrisierung des Grundflächen- und Höhenzuwachsmodells verbesserte die Anpassung an die Wuchsbedingungen in Litauen bedeutend. Eine erste Validierung, durchgeführt für eine Wachstumsprognose über einen 30-jährigen Zeitraum, ergab zufriedenstellende Ergebnisse.
7. Die zwei im Rahmen dieser Arbeit hergeleiteten Mortalitätsschätzer sind zur Vorhersage der natürlichen Absterbeprozesse in den Kiefernbeständen gut geeignet. Beide Ansätze klassifizierten lebende und tote Bäume mit einer Treffgenauigkeit von über 83%, während der in BWINPro-S enthaltene Schätzer nur 77% der Bäume korrekt zuordnete.
8. Der für litauische Verhältnisse neuparametrisierte Wachstumssimulator BWINPro-S ist ein wichtiges Instrument zur Entscheidungsunterstützung für Forstplaner in Litauen. / Objectives
In Lithuania, during the most recent decades, the leading theory in forest management and planning combined optimization of forest stand density and maximal productivity at every time point of stand development. Thus, great effort was spent in creating stand level models that are highly effective in managing even-aged monocultures of pine or spruce forests. But these models produce significant errors in mixed or converted forests. In order to meet the requirements of contemporary forestry, appropriate forest management tools are required that would be capable to predict the growth and yield of more structured forests.
Thus, the overall objective for this study was to re-parameterise the single tree level simulator BWINPro-S (developed for forests in Saxony/Germany) for Lithuanian pine forests that grow on mineral sites.
To reach this goal, the following tasks were set:
• To create, and to evaluate, a database for modelling.
• To estimate the impact of competition for growing space on diameter, basal area and height growth of trees.
• To develop a tree diameter model, and re-parameterise basal area and height growth models.
• To assess natural tree mortality induced by competition between trees for growing space.
• To develop the first approach of STLS for pine in Lithuania.
Hypotheses
1. Site quality is the most important factor that affects forest growth and yield.
2. Distance dependent Competition Indices had higher partial correlation with tree basal area and height increment than distance independent Competition Indices.
3. The re-parameterised model based on Lithuanian data fits better under Lithuanian conditions (regarding diameter, basal area, height increment and mortality) than the original model BWINPro-S.
4. A single tree level simulator provides valuable support for decision makers and forest managers to improve forest management in Lithuania.
Materials and methods
To reach the main goals of this study, the research was structured to four sections: 1) Database completion, 2) Analysis of competition, 3) Modelling tree growth, 4) Validation of developed models.
The database consisted of analytical data from 18 permanent experimental plots (PEPs) and 2 Validation Plots (VP) that were used only for the validation of the models. All plots (PEPs and VP) represent mainly naturally regenerated, single layer pine stands that grow on very typical pine sites. Database completion involved (a) establishment of the initial database, (b) modelling of missing data values and (c) evaluation of the complete database, which focused on:
• Sample size and estimation of the population’s mean
• Estimation of potential site productivity
• Estimation of relationship between potential site productivity and forest yield
In order to estimate the impact of competition for growing space on diameter, basal area and height growth of trees the following methods were used. To select the competitors, this study focuses on three separate positions for setting the inverse cone: a) at the height of the crown base, b) at the height of widest crown width, and c) at the stem base. The opening angle of the search cone was either 60 or 80 degrees. To estimate the competition, the study by partial correlation analysis evaluated a total of 20 competition indices, of which six distance dependent and two distance independent CIs were applied in the research programme. Modelling of tree growth was divided into three parts: a) development of an original tree diameter increment model, b) re-parameterisation of basal area and height increment models, and c) development of new natural mortality models and re-parameterisation of natural mortality models.
Simple linear regression models were evaluated by estimating each model’s statistical significance and coefficient of determination. Statistical analysis of multiple linear regression models was enlarged by conducting further tests: statistical significance was checked for each independent variable: regression assumptions (concerning normal distribution and homogeneity of variance of the models’s residuals, and multicollinearity of the independent variables) were checked.
Simple nonlinear regression models were evaluated mainly by adjusted coefficient of determination. For multiple nonlinear regression models, regression assumptions were also checked by producing normal Q-Q plots and by checking homogeneity of variance of model’s residuals.
Multiple logistic regression models were evaluated by estimating each model’s statistical significance with Pearson’s chi square statistics and the statistical significance of each model’s parameters with Wald statistics. Goodness of fit was estimated by using log likelihood function values, Cox-Snell and Nagelkerkle’s coefficients of determination, classification tables and ROC curves.
The re-parameterised basal area and height increment models were validated by plotting each model’s predicted values against observed values. Also each model’s residuals were plotted against predicted values. Bias, relative bias, precision, relative precision, accuracy and relative accuracy when comparing predicted and observed values were estimated as well.
Results and Conclusions
The growth models used in the BWINPro-S simulator were successfully re-parameterised for Lithuanian growth conditions. Thus the study may state these conclusions:
1. The accumulated standing volumes and overall productivity of pine stands only partially depends on the productivity potential of sites. Site quality defines the growth potential that could be reached in a stand. The realization of growth potential largely depends on the growing regime in the stand that is defined by the beginning, frequency and intensity of thinning.
2. In pure pine stands, distance dependent competition indices show greater capabilities to predict mean annual basal area increment than distance independent indices. Competition index (coded as CI4 in this study) proposed by BIGING & DOBBERTIN (1992) combined with the selection method height to crown base with opening angle of 80 degrees is recommended as the most efficient for describing the individual diameter growth of trees.
3. HEGYI\\\'S (1974) distance independent competition index scored the highest partial correlation coefficients and produced slightly better results than distance dependent competition indices in predicting mean annual height increment for individual trees. Yet, the generally poor performance of competition indices to predict height increment of individual pine trees was also recorded.
4. Competition has a purely negative impact on tree diameter growth. Increasing competition leads to steady decreases in diameter increment. Nevertheless, although a small amount of competition does stimulate tree height growth, stronger competition has a lasting negative impact on tree height growth.
5. The nonlinear diameter increment model, developed by this study, has high capabilities to predict growth of pine trees. The model’s coefficient of determination value was equal to 0.483. The distribution of the model’s residuals fulfilled the requirements of regression assumptions.
6. The re-parameterisation of the BWINPro-S basal area and height increment models for use in Lithuanian permanent experimental plots, increased their performance. During the first validation procedure, based on 30 years growth simulation, the re-parameterised models produced reliable results.
7. Two individual mortality models, developed by this study, showed very high capabilities to predict the natural mortality of pine trees. The distance dependent natural mortality model scored slightly better results. Both models managed to correctly classify dead and living trees, slightly more than 83% of the time. The re-parameterisation of the BWINPro-S natural mortality model increased its ability to predict the natural mortality of pine trees in Lithuania. Correctly classifying growing and dead trees increased by 6%, from 77 to 83%.
8. BWINPro-S simulator with re-parameterised growth models for Lithuanian conditions is a valuable support tool for decision makers and forest managers in Lithuania. / Darbo tikslai
Lietuvoje ilgą laiką ūkininkavimas miškuose buvo grindžiamas medynų tankumo optimizavimu ir maksimalaus medynų produktyvumo siekimu visose medynų vystymosi stadijose. Mokslininkai dėjo daug pastangų kurdami medyno lygmens našumo modelius. Šie modeliai buvo patikimi ūkininkaujant vienaamžiuose medynuose. Tačiau jie yra sunkiai pritaikomi mišriuose medynuose. Siekiant patenkinti šiuolaikinio miškininkavimo poreikius, kai vis didesnis dėmesys skiriamas mišrių medynų su keliais ardais auginimui, reikalingi nauji modeliai, kurie sėkmingai prognozuotų mišrių medynų augimą, jų našumą bei reakcijas į įvairias ūkines priemones.
Todėl pagrindinis šio darbo tikslas yra parametrizuoti iš naujo BWINPro-S medžio lygio stimuliatorių sukurtą Vokietijos rytinėje žemėje Saksonijoje taip pritaikant jį Lietuvos sąlygoms.
Šiam tikslui pasiekti, buvo suformuluoti sekantys uždaviniai:
• Paruošti ir įvertinti duomenų bazę reikalingą modeliavimui.
• Įvertinti medžių tarpusavio konkurencijos įtaką medžių skersmens, skerspločių sumos ir aukščio prieaugiui.
• Sukurti naują medžio skersmens prieaugio modelį ir parametrizuoti iš naujo skerspločių sumos bei aukščio modelius.
• Įvertinti pušynų savaiminio retinimosi dėsningumus atsižvelgiant į medžių tarpusavio konkurenciją dėl augimo erdvės.
Tikrintinos hipotezės:
1. Medyno augavietė yra svarbiausias veiksnys, lemiantis medynų našumą ir produktyvumą.
2. Konkurencijos indeksai, įvertinantys atstumą tarp medžių, turi didesnes dalinės koreliacijos reikšmes su medžių skerspločių sumos, skersmens ir aukščio prieaugiais lyginant su konkurencijos indeksais, neįvertinančiais atstumo tarp medžių.
3. Parametrizuoti naujai, panaudojant Lietuvoje augančių pušynų duomenis, modeliai geriau tinka Lietuvos sąlygoms (pagal skersmens, skerspločių sumos ir aukščio prieaugį bei savaiminį retinimąsi) lyginant su modeliais, sukurtais Vokietijos sąlygoms.
4. Medžio lygmens augimo simuliatorius yra naudinga priemonė miškų valdytojams siekiant pagerinti ūkininkavimo kokybę Lietuvoje.
Darbo metodai
Šis darbas buvo suskirstytas į keturias pagrindines dalis: 1) duomenų bazės suformavimas, 2) konkurencijos indeksų analizė, 3) medžių augimo modeliavimas, 4) augimo modelių patikrinimas.
Duomenų bazę sudarė 20 pastovių tyrimo barelių, iš kurių 18 buvo skirti modelių kūrimui ir 2 modelių patikrinimui. Tyrimo bareliai buvo įsteigti natūraliai atsikūrusiuose vienaardžiuose pušynuose, augančiuose tipingose pušiai augavietėse. Duomenų bazės įvertinimas buvo atliekamas tokiais etapais: (a) pirminės duomenų bazės suformavimas, (b) trūkstamų matavimų modeliavimas ir (c) duomenų bazės įvertinimas yra grindžiamas:
• Imties dydžiu ir populiacijos vidurkio nustatymo tikslumu.
• Potencialaus medynų našumo įvertinimu.
• Ryšių tarp potencialaus medynų našumo ir medynų našumo bei produktyvumo įvertinimu.
Vertinant konkurencijos įtaką medžių skersmens, skerspločių sumos ir aukščio prieaugiui, buvo naudoti konkurentų parinkimo ir konkurencijos įvertinimo metodai.
Konkuruojantys medžiai buvo atrenkami pagal apversto kūgio viršūnę, sutapatintą su tiriamojo medžio a) lajos pradžia, b) plačiausia lajos vieta, ir c) medžio šaknies kakleliu. Kūgio kampas buvo keičiamas nuo 60 iki 80 laipsnių. Iš viso buvo tiriama dvidešimt konkurencijos indeksų (du konkurencijos indeksai, nepriklausantys nuo atstumo tarp medžių ir aštuoniolika konkurencijos indeksų, priklausančių nuo atstumo tarp medžių). Konkurencijos indeksai vertinti taikant dalinės koreliacijos metodus.
Medžių augimo modeliavimas buvo atliekamas trim etapais: a) originalaus medžių skersmens prieaugio modelio sukūrimas, b) medžių skerspločių sumos ir medžių aukščio prieaugio modelių parametrizavimas naujai, c) sukūrimas originalių ir parametrizavimas naujai jau esamų natūralaus retinimosi modelių.
Paprastieji tiesinės regresijos modeliai buvo vertinami naudojant jų statistinį reikšmingumą ir skaičiuojant determinacijos koeficientą. Daugialypių tiesinės regresijos modelių statistinė analizė buvo išplėsta papildomais testais: statistinis reikšmingumas tiriamas kiekvienam nepriklausomam kintamajam, taip pat vertinama ar modelis tenkina pagrindines regresijos sąlygas (nepriklausomi kintamieji nėra tarpusavyje susieti, modelio liekanos turi normalųjį skirstinį, yra tolygiai išsidėstę).
Paprastieji netiesinės regresijos modeliai buvo vertinami skaičiuojant koreguotąjį determinacijos koeficientą. Atliekant daugialypių netiesinės regresijos modelių analizę taip pat buvo tikrinama ar tenkinamos regresijos sąlygos. Logistiniai savaiminio retinimosi modeliai buvo vertinami naudojant šiuos statistinius parametrus: modelio X2 suderinamumo kriterijų, Voldo kriterijų, didžiausio tikėtinumo funkcijos vertę, Kokso-Snelo ir Nagelkerkės pseudodeterminacijos koeficientus, klasifikavimo lenteles ir klasifikatoriaus jautrumo ir specifiškumo (ROC) kreives.
Parametrizuoti naujai medžių skerspločių sumos ir medžių aukščio prieaugių modeliai buvo tikrinami lyginant modeliuotas medžių skersmens ir aukščio reikšmes su realiai išmatuotomis reikšmėmis analizuojamo periodo pabaigoje. Taip pat buvo tiriamas modelių liekanų išsidėstymas modeliuojamų verčių atžvilgiu. Galiausiai, poslinkio, santykinio poslinkio, tikslumo, santykinio tikslumo, tikslumo be poslinkio ir santykinio tikslumo be poslinkio buvo naudojami vertinant modelių prognozes.
Rezultatai ir išvados
Augimo modeliai, naudojami BWINPro-S medžio lygio simuliatoriuje, buvo sėkmingai parametrizuoti naujai ir pritaikyti Lietuvos sąlygoms.
Remiantis šio darbo rezultatais, buvo gautos sekančios išvados:
1. Sukauptas tūris ir bendras medynų našumas pušynuose tik dalinai priklauso nuo potencialaus augaviečių derlingumo. Augavietės sąlygos lemia tik potencialų medynų našumą kuris gali būti pasiektas medyne. Ar potencialus augavietės našumas bus realizuotas priklauso nuo medžių auginimo rėžimo, kuris apibūdinamas ugdomųjų kirtimų pradžia, kartojimų dažnumu ir jų intensyvumu.
2. Grynuose pušynuose, konkurencijos indeksai, įvertinantys atstumą tarp medžių turi didesnes galimybes prognozuoti skerspločių sumos prieaugį negu konkurencijos indeksai, neįvertinantys atstumo tarp medžių. Konkurencijos indeksas CI4, pasiūlytas BIGING & DOBBERTIN (1992), grindžiamas konkurentų parinkimu pagal apverstą 80 laipsnių kūgį, kurio viršūnė yra sutapatinama su medžių lajos pradžia yra rekomenduojamas kaip pats efektyviausias modeliuojant medžių skersmens prieaugį.
3. HEGYI (1974) konkurencijos indeksas, neįvertinantis atstumo tarp medžių tiriant konkurencijos indeksų įtaką medžių aukščio prieaugiui, parodė kiek geresnius dalinės koreliacijos rezultatus negu kad konkurencijos indeksai, įvertinantys atstumą tarp medžių. Tyrimų rezultatai parodė gana silpną konkurencijos indeksų galimybę prognozuoti medžių aukščio prieaugį.
4. Konkurencija turi išskirtinai neigiamą įtaką medžių skersmens prieaugiui. Didėjanti konkurencija lemia mažėjantį skersmens prieaugį. Nedidelė konkurencija padidina medžių aukščio prieaugį. Tačiau stipresnė konkurencija taip pat turi neigiamą įtaką medžių aukščio prieaugiui.
5. Originalus skersmens prieaugio modelis turi geras galimybes prognozuoti pušies medžių augimą. Šio modelio determinacijos koeficientas buvo lygus 0.483. Modelio liekanos turėjo normalųjį skirstinį ir buvo tolygiai pasiskirsčiusios modeliuojamų verčių atžvilgiu.
6. Parametrizuoti naujai BWINPro-S medžių skerspločių sumos ir medžių aukščio prieaugio modeliai, panaudojant Lietuvos pušynų pastovių tyrimo barelių duomenis, padidino jų prognozavimo galimybes. Pirmieji modelių tikrinimo rezultatai pagrįsti trisdešimties metų augimo prognozėmis, parodė, kad šie modeliai yra patikimi.
7. Du originaliai sukurti pušynų savaiminio retinimosi modeliai pasižymi geromis galimybėmis prognozuoti pušynų savaiminį išsiretinimą. Savaiminio retinimosi modelis, atsižvelgiantis į atstumą tarp medžių pasižymi geresnėmis galimybėmis prognozuoti pušynų savaiminį retinimąsi negu savaiminio retinimosi modelis, neatsižvelgiantis į atstumą tarp medžių. Abu modeliai teisingai klasifikavo daugiau negu 83% augančių ir savaime išsiretinančių medžių. BWINPro-S savaiminio retinimosi modelio parametrizavimas naujai padidino jo teisingai prognozuojamų augančių ir savaime išsiretinančių medžių dalį šešiais procentais, nuo 77 iki 83%.
8. Medžio lygio augimo simuliatorius BWINPro-S su parametrizuotais naujai augimo modeliais yra naudingas įrankis Lietuvos miškų augintojams.
Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa.de:bsz:14-qucosa-150330 |
Date | 06 October 2014 |
Creators | Linkevicius, Edgaras |
Contributors | Technische Universität Dresden, Fakultät Umweltwissenschaften, Prof. Dr. rer. silv. habil. Heinz Röhle, Prof. Dr. rer. silv. habil. Andrius Kuliesis, Dr. rer. silv. habil. Jens Schröder |
Publisher | Saechsische Landesbibliothek- Staats- und Universitaetsbibliothek Dresden |
Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
Language | English |
Detected Language | German |
Type | doc-type:doctoralThesis |
Format | application/pdf |
Page generated in 0.0033 seconds