Leidsid 33 sarnast õppematerjali, mis on seotud failiga "Karpdiagramm". Need materjalid aitavad sul teemat sügavamalt mõista.
karpdiagramm, diameeter, kuusk, puuliikide, ümbermõõtuderead [1] 229 VASTUS: Kogu andmestikus on 229 proovitükki. Mitu puud on sinu proovitükil? #Mitu puud on sinu proovitükil? PRT332=subset(puud2015,PRT=="332") #Teen eraldi andmestiku PRT332-st length(table(PRT332$PUU)) #Loetlen puude arvu PRT-l > #Mitu puud on sinu proovitükil? > PRT332=subset(puud2015,PRT=="332") #Teen eraldi andmestiku PRT332-st > length(table(PRT332$PUU)) #Loetlen puude arvu PRT-l [1] 121 VASTUS: Minu proovitükil on 121 puud Mitu 1. rinde puud on puuliikide kaupa sinu proovitükil? Esita tabel vaid proovitükil esinevate liikide kohta. #Mitu 1. rinde puud on puuliikide kaupa proovitükil. PUUD1=droplevels(subset(PRT332,RIN=="1")) #Teen 1. rinde puude andmestiku, viskan välja mitte vajaliku ehk nullid. table(PUUD1$PL) #Vaatan puid puuliikide kaupa #Ühendan saadud andmed ühte tabelisse P1=with(PUUD1,tapply(D,PL,length)) P1 PRT332RIN=data.frame(PL=names(P1),Rinne1=P1) PRT332RIN write.table(PRT332RIN,"clipboard",sep="t",dec=",",row.names=FALSE)
maaehitusinstituudi üliõpilastööde koostamise metoodilist juhendit (Eesti Maaülikool 2009). 4 1. Proovitüki üldiseloomustus Analüüsitav proovitükk asub kvartalil TR076, eraldusel 2. Mets kuulub jänesekapsa kasvukohatüübi Laanemetsade alla. Ringproovitükk on 1. rinde puude jaoks raadiusega 15m ehk pindalaga 706,5m2. Peapuuliigiks on kuusk, mille vanus on 22 aastat. Mõõrmine on teostatud 4. juulil 2002. aastal. Proovitükk asub Triigi metskonnas ning metsakorralduse aastaks on 2001. Reljeef on tasane nõlv, mikroreljeefiks on tasane ning raieid teostatud pole (Kiviste K 2011b). 2. Tunnuste liigid Nr 772 proovitükil on mõõdetud puuliikideks mänd, kuusk ja kask, puude diameeter proovitüki tsentri suunas (D1), diameeter tsentriga risti olevas suunas (D2), kõrgus (H), võra alguse kõrgus (HV)
............................... 12 2 1. Sissejuhatus. Töö on koostatud proovitüki nr. 819 kohta. Andmed on võetud EMÜ Kreutzwaldi 64 õppehoone serverist. Juhendmaterjalidena on kasutatud A. Kiviste raamatut (2007) ja K. Kiviste kodulehte (2009). 2. Üldiseloomustus. Proovitükk nr. 819 kvartali number on TR077, eralduse number 6. Kasvukohatüüp on tarna, seal kasvavaks rühmatüübiks on soostunud metsad. Peapuuliigiks on kuusk ja peapuuliigi vanus on 28 aastat. Proovitüki raadius esimese rinde puude jaoks on 15 ja teise rinde puude jaoks 0 aastat. Mikroreljeef on tasane. Raieliik puudub. Esimene diameetri üldmõõt on 6,5 teine võeti sammuga 3 . Viimane diameetri üldmõõt 24,5. Mõõtmise kuupäev on 03.07.2002. 3. Tunnuste liigid. Märgin iga tunnuse juurde, millised määratlused tema kohta sobivad. Tabel 1. Tunnuste liigid.
Kesk. 64 Mõelge, kas t-test tuleks valida 'assuming equal variances' või 'equal' või 'unequal' 'assuming unequal variances' (lähtuvalt eelmise ül. vastusest) P-väärtus Esitage ka t-testi tulemused Jah või ei 16) Sooviti uurida tavalise täpsusklupi ja elektronklupi mõõtmistulemuste erinevust. Selleks mõõdeti samadel puudel diameeter tavalise täpsusklupiga ning elektronklupiga. Kas võib väita, et keskmine mõõtmistulemus nende kluppide puhul on erinev? Kesk. tava Esitage ka t-testi tulemused Kesk.elek. P-väärtus Jah või ei 1. 2. 3. 4. 5. 6
F) Simony valem v=h(2g0,25h-g0,5h +2g0,75h)/3 G) Sustovi valem v=0,534d1,3d0,5hh H) Denzini valem v= (d1,32 /1000) +k I) Nilsoni valem v= d1,32 (h+2)/30000 J) Tüvikoonuse liitvalem v=(L/12(d12+d1d2+d22 ))+ vlatv 7. Puu ja puistu vormiarv, vormikõrgus ja koonekoefitsient. Vormiarv - puutüve mahu ja kujutlusliku silindri mahu jagatis vormiarve on erinevaid ja erinevused seisnevad kõrguses puutüvel,millest mõõta diameeter kujutlusliku silindri mahu arvutamiseks. Vormiarvu tähis on f. (f1,3=Vtüvi/Vsilinder) Puistu elemendi vormikõrgust määratakse keskmise või sellest jämedamate puude järgi, sest vormikõrgus on suuremate läbimõõtude piirkonnas peaaegu konstantne. Valem H ×F Koonekoefitsent- Suhtarv, mis saadakse puutüve erinevatel kõrgustel mõõdetud diameetrite omavahelisel jagamisel. -Kasutatakse diameetri muutumise kiiruse kirjeldamiseks puutüve pikisuunas
Hinnangud, hüpoteesid, regressioon Proovitükk nr. 6 Kolmas kodutöö õppeaines Metsandusliku andmetöötluse alused Lähteandmeteks on Teie proovitüki 1. rinde enamuspuuliigi keskmine diameeter (rühmitamata andmed). Kopeerige see tulp sellele samale töölehele. Punkthinnangud, vahemikhinnangud, valimi maht Eeldame, et teie proovitükil mõõdetud andmete põhjal tahame teha järeldusi samalaadse üldkogumi kohta Selleks arvuta järgmised statistikud oma proovitüki kohta 1) Leida 1. rinde enamuspuuliigi diameetri kohta (rühmitamata andmetest) järgmised suurused: keskväärtuse hinnang (aritmeetiline keskmine), 4.921
vastusest tuleks T-test valida 'assuming equal variances' . Tabel1. Diameetrite keskväärtused Kesk. Oma 6,387 cm Kesk. 64 22,19 cm Equal or unequal equal P-väärtus 1E-50 Jah või ei Ei ole oluliselt erinevad keskväärtused 16) Sooviti uurida tavalise täpsusklupi ja elektronklupi mõõtmistulemuste erinevust (tabel2). Selleks mõõdeti samadel puudel diameeter tavalise täpsusklupiga ning elektronklupiga. Kas võib väita, et keskmine mõõtmistulemus nende kluppide puhul on oluliselt erinev (t-Test, Paired Two Sample for Means) Tabel 2. Täpsusklupi ja tavaklupi mõõtmistulemused 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. Tavaline 17,9 21,1 20,7 19,5 19,7 20,1 20,6 18,9 19,4 19,7 20,3
Iseseisev töö nr 4 Puistu puutüvede mahtude leidmine Bitterlichi meetodil Ülesande eesmärgid 1. Puistuelemendi täius ja hektaritagavara igal proovitükil eraldi 2. Puistuelementide keskmised täiused ja mahud hektari kohta 3. I ja II rinde mahud hektari ja kogu eraldise kohta 4. I ja II rinde täiused 5. I ja II rinde puuliikide koosseisukordajad Algandmed Eraldise pindala on 5,1 hektarit. Rinnas- Maht Puuliik Proovitpunkti number Keskm.Keskm.pind (G) täiusel ja 1 2 3 4 5 6 7 kõrgus diam. T=100%T=100% rinne Relaskoobilugem proovipunktis (m) (cm) m2 tm/ha
64 Mõelge, kas t-test tuleks valida 'assuming equal variances' või 'equal' või 'unequal' 'assuming unequal variances' (lähtuvalt eelmise ül. vastusest) P-väärtus Esitage ka t-testi tulemused Jah või ei 16) Sooviti uurida tavalise täpsusklupi ja elektronklupi mõõtmistulemuste erinevust. Selleks mõõdeti samadel puudel diameeter tavalise täpsusklupiga ning elektronklupiga. Kas võib väita, et keskmine mõõtmistulemus nende kluppide puhul on oluliselt erinev? Kesk. tava Esitage ka t-testi tulemused Kesk.elek. P-väärtus Jah või ei 1. 2
Mustika (ms) – esinevad palumetsades reljeefi madalamatel osadel, esinevad gleistunud leede või -leetmullad, mullareaktsioon on happeline, levinud kõikjal, eriti Lõuna-Eestis, 17% metsadest. Jänesekapsa – mustika alltüübis on muld viljakam , asudes saviliiv või liivsavi moreenil. Metsakõdu õhuke või puudub, huumushorisont enamasti kuni 25 cm tüsedune. Palumetsad on enamasti I-III bon. Männikud, kus kaaspuuliigiks on kuusk. Laanemetsad Jänesekapsa kasvukohatüüp (jk) – esineb kõrgematel lainjatel tasandikel või küngastel. Muld on värske, hea drenaažiga, põhjavesi sügavamal, kõige enam levinud on kuusikud, moodustavad 6% metsadest, eriti levinud Kagu-Eestis. Sinilille (sl) - levinud positiivsetel pinnavormidel, kõdukiht väga õhuke, sest lagunemistingimused on head, kõige enam kuusikuid (2/3), Pandivere
D1 X D2 X H X HV X HKO X Rikke X kood Kahjust X usaste 1 http://www.eau.ee/~kkiviste/ 3 3.Risttabel, filtreerimine Tabel 3. Risttabel proovitükil 815 puuliikide esinemine erinevatel rinnetel Loendus koguhulgast rin pl T 1 S Grand Total KS 3 3 KU 1 1 MA 3 164 1 168 Grand Total 3 168 1 172 4. Rühmitamine Tabel 4. Männi diameetri esmased karakteristikud Männi diameetri esmased karakteristikud (prt815)
6. Eeldades männi diameetrite korral normaaljaotust, x0,7= 37,9
leida jaotuse 0,7-kvantiil, leia 0,2-täiendkvantiil. x0,8= 39,5
Leia alumine kvartiil, mediaan, variatsioonikordaja 31,8 35,2 14,5
7. Eeldades männi diameetrite korral normaaljaotust,
leida diameeter, millest 15% puudest on jämedamad, x0,85= 40,5
leida diameeter, millest neljandik puudest on peenemad. x0,25= 31,8
8. Eeldades männi diameetrite korral normaaljaotust, leida, kui suur osa diameetritest
jääb vahemikku 32 kuni 36 cm P(32
d -0,255562133 0,069568514 -3,67353 0,00086784 -0,39727 h 0,923254264 0,123927097 7,449979 1,76942E-08 0,670823 Regressioonivõrrand on: hv=-1,6916-0,2556*d+0,9233*h Mitmene korrelatsioonikordaja on : 0,83008768 Mitmene korrelatsioonikordaja, iseloomustab seose tugevust.mida lähemal 0-le seda nõrgem seos on. Regressioonivõrrandi kordajad on nullist erinevad. 25. Prognoos Kui puu kõrgus on 16 m ja diameeter 15 cm siis tõenäoliselt algavad selle puu oksad 9,2 meetri kõrguselt.(Vt. Tabel 10) Tabel 10 Prognoos kui diameeter on 15 cm ja kõrgus 16 m d=15 cm h=16 m hv= 9,2472 10 Kasutatud kirjandus Külliki Kiviste koduleht [www.eau.ee/~kkiviste/] (KUUPÄEV) 11
puuligi taimede arv, kesmine kõrgus ja vaadata taimede asetust. Proovitükkidel tuleb loendada kõik olulised puud, külvikultuuris tuleb igal külvilapil loendada iga kõrgeim puu. Kännuvõsude korral loetakse ühekännuvõsud ühe puuna, juurevõsud loetakse kõik eraldi. Igale puuliigile määratakse keskmine kõrgus ja suurematel puudel kõrgus (Kõrgus üle 1,3m) ka keskmine diameeter. Igale puuliigile tuleb määrata tekkeviis(Külv, istutus, seemne tekkeline, kännuvõsu, juurevõsu). Noorendikule tuleb määrata koosseisu valem ja planeerida järgmised metsanduslikud tööd. Edukuse ehk kasvamamineku protsent määratakse ainult külvatud või istutatud liigile Noorendiku hooldamine ehk valgustusraie Valgustustusraie kuni 10-aastases puistus
Oluline on omada õiget ettekujutust metsast, sest enam kui 51% Eestist on kaetud metsaga ja see näitaja suureneb veelgi. Mets on keeruline kooslus, mis on pidevas muutumises ja seotud ümbritseva loodus- ja sotsiaalse keskkonnaga, mis mõjutab metsa kõiki omadusi ja samal ajal mõjutab mets alati ka ümbritsevat keskkonda. Kõige levinum puuliik Eestis on mänd 31,3% II kohal on kask 31,2% III kohal kuusk - 17,8% IV kohal hall lepp V kohal 9,2% haab 5,7% Euroopa metsasus 30% Maailma metsasus 26% Hoiumetsad Loodusobjektide hoidmiseks määratud mets kuulub hoiumetsade kategooriasse. Siia kuuluvad reservaadid ja erilist kaitset ning pikaajalist säilitamist vajavad metsad. Neid majandatakse looduskaitse ja teadustöö huvides. Hoiumetsade majandamise kitsendused tulenevad kaitstavate loodusobjektide seadusest ja kaitseala eeskirjadest.
väheviljakate põllumaade metsastamise programmi. 2. Eesti tolleaegne metsapoliitika oli suunatud olemasoleva metsaressursi säilitamisele ja suurendamisele (Eestisse veeti metsa NSVL teistest piirkondadest sisse). Teise Maailmasõja järgsel perioodil on Eesti metsade pindala suurenenud ligemale kaks korda ja Eesti metsade kogupindala oli 2001. a. 2 211 280 ha SMI (statistilise metsakorralduse) andmetel. Kõige levinum puuliik Eestis on mänd 33,4% II kohal on kask 26,2% III kohal kuusk 19,3% hall lepp 8,4% haab 7,4% Üldse kõigi Eesti puistute tagavara on ligikaudu: 450 milj tm. so. kõigi metsas kasvavate puude tüvemahud m3. Metsa ühe hektari keskmine tüvede tagavara on 183 tm/ha. Suurim on see haaval - 255 tm/ha ja väikseim tammel - 122 tm/ha. 1 elaniku kohta on Eestis 1,3 ha metsa ja 227 tm puitu. 1994. a. raiuti Eestis 2-3 milj. tm puitu, 1996. a. 4 milj., 1997. aastal 5,5 milj., 1998. a. 6,1 milj. tm., 1999. a. 6,7 ja 2000. a. 6,4 milj. tm
üle kogu maa ja nende põhjal saadud mõõtmistulemuste alusel tehakse üldistused. SMI kasutuse võtmise tingis erametsade teke. Kui riigimetsades kasutatakse siiani paralleelselt SMI-ga lausmetsakorradlust, siis erametsaomaniku jaoks pole metsakorraldus kohustuslik. Eesti metsade liigiline koosseid onmeitmekesine, kõige levinum puuliik on mänd 33,6% , teisel kohal kask 30,8%, kolmandal kohal kuusk 16,7%. Viimase poolsajandi jooksul on okaspuude osatähtsus vähenenud ja lehtpuude osatähtsus suurenenud. Kõigi Eestipuistute tagavara on ligikaudu 458,5 milj m3/ha. Keskmiselt tuleb Eestis 1 elaniku kohta 1,68 ha metsa. Selleks, et metsad oleks järjepidavad ja et metsaressurss ei väheneks,ei tohiks aastane raiemaht ületada aastast juurdekasvu. Eesti puistute keskmine vanus on 56a. Riigimetsades 61 aastat ja erametsades 54 aastat. Eesti metsade keskmine boniteet on 2,0.
Kuivendamisel muutub nende muldade huumuskate niiskusreziimilt värskeks või niiskeks hästi lagunenud kõduturbaks. Madalsoomuldade kuivendamisel on oht, et turvas võib liiga kiiresti mineraliseeruda. Madalsoometsade turvasmuldade boniteet on keskmine, kõikudes vahemikus II-IV. Sügavate madalsoomuldade kuivendamisel võib nende boniteet tõusta I-II klassini. Madalsoometsade põhiliseks puuliigiks on kask, hästi sobib ka sanglepp. Kuivendatud madalsoomullal võib peale kase kasvada ka kuusk ja sellistele muldadele moodustuvad hästi lagunenud kõduturbaga arumetsataimelised jänesekapsa-kõdusoo kuusikud ja kaasikud. Suurimad madalsoomuldade levikualad on Kõrvemaa, Alutaguse, Lääne-Eesti ja Pärnu madalik, Võrtsjärve ja Valga nõgu, Peipsi-äärsed madalikud ning Pandivere kõrgustikku ümbritsevad alad. 3 PUISTU KIRJELDUS ARUMETSAS 3.1 Puistu taimkate Puistu on hõre, puud on kohati kõveratüvelised ja okslikud. Võimalik on eristada kahte
Põllumajandus- ja keskkonnainstituut Arti Unt Metsaseire analüüs Linna- ja tööstusmaastike korraldus mag. 1 Juhendaja: lektor Merle Ööpik Tartu 2014 SISUKORD .....................................................................................................................................................1 1.Metsaseire alaprogramm..........................................................................................................3 2.Eesmärgid.................................................................................................................................4 3.Seirejaamad..............................................................................................................................5 4.Metoodika................................................................................................................................6 5.Tulemused.........................
Puuliikide vaheldus. Kliimaks on püsivam ja suhteliselt pikemaajalisem kooslus. Kuuse vaheldumine lehtpuudega Üks sagedasemaid puuliikide vaheldusi Eesti tingimustes. Kui kuusk peaks järsku hävinema. Kuusk ei suuda uueneda nii kiiresti kui lehtpuud. Kuusk tundlik ka temp kõikumistele. Lehtpuud kohastunud lagedal valitsevate keskkonnatingimustele. Kiirekasvulised lehtpuud tõrjuvad kuuse lagedal alal välja. Pärast lehtpuu metsa teket tingimused soodsamad kuuse jaoks: metsa all puudub otsene päiksekiirgus, varjus väheneb rohttaimede osakaal. Kui läheduses kasvab kuuski, võib tekkida looduslik uuendus. Kuused pikemaealised, lehtpuud ei talu varju, mistõttu langevad välja.
mata tatud andmed andmed ühik Vaatluste arv 46 Rühmade arv 6 Maksimum 42,1 cm Miinimum 17,85 cm Aritmeetiline keskmine 27,71630435 29,81 cm Ruutkeskmine diameeter 28,2678195 29,40 cm Kaalutud keskmine diameeter 30,00065942 30,17 cm Mediaan 27,15 19,5 cm Mood 29,55 20,5 cm 0,1-kvantiil 21,375 11,5 cm Alumine kvartiil (0,25- kvantiil) 23,8 15,5 cm 0,9-kvantiil 35,59 21,5 cm
ee ja Reet Miil [email protected] 3. PUISTU KIRJELDUS Antud kasvukohatüübis määratakse kõikides taimestiku rinnetes liigid osatähtsuse järjekorras. Kirjeldust alustatakse ülemisest rindest alanemise suunas: puurinne (I rinne lihtpuistu korral või I ja II rinne eraldi liitpuistu korral), järelkasv, alusmets (põõsarinne), puhmarinne, rohurinne, sambla- samblikurinne. Loetakse puurinde puude arv puuliigiti. Saadakse puude arvuline koosseis puuliigiti, mitte puuliikide koosseisu valem tüvemahu protsentides mis on kasutusel metsatakseerimisel. Nt: I rinne: 14 Ma, 3 Ku, 2 Ks II rinne: 23 Ku, 1 Ta Iseseisev töö metsabotaanikast, metsamuldadest, metsatüpoloogiast 12MSÕ I kursusele Luua, 7.9.2012 Järelkasvu, alusmetsa ja alustaimestikku iseloomustatakse skaala järgi: puudub, kohati, laiguti, lausaline. Vähemalt 10 m raadiuses olevad alusmetsa ja alustaimestu liigid herbariseeritakse (igast
hooldamata puistute puhul. Tekkinud kännud võivad olla nakkusallikaks väga pikka aega, haigustekitajat on leitud isegi kuni 60 aasta vanustelt kändudelt. Siiski kujutavad endast kõige suuremat ohtu just värsked kännud. 1. Nakatumisel on oluline roll peremeestaime juurestikul, mükoriisal ja mulla mikroflooral. Metsas kasvavad puud on resistentsemad kui põllumaal kasvavad. 2. Oluline on kasvukoha muld: kuusk on eriti vastuvõtlik lubjarikastel, hästi õhustatud ja hästi soojenevatel muldadel, näit. loo kasvukohatüübid või sinilille kasvukohatüüp. Mänd on ohustatud kergetel, kuivadel liivmuldadel, näit. pohla kasvukohatüüp. 3. Mulla niiskusrežiim – enim on ohustatud kuivadel muldadel kasvavad puistud, liigniisketel kasvukohtadel juurepessukahjustusi reeglina ei leidu. Varem käsitleti juurepessu ühe liigina (Heterobasidion annosum), mille sees eristati 2 erinevat vormi:
Millest on see tingitud? Puistu isehõrenemine on tingitud olelusvõitlusest (kasvuks vajalike ressursside hulk kasvukohal on piiratud, seetõttu tekib suuremaks kasvades nende vahel terav konkurents). 13. Mets ja valgus. Valgusnõudlikud ja varjutaluvad puuliigid. Kuidas jaotatakse puu- ja põõsaliigid valgusnõudlikkuse järgi? Erinevad puuliigid vajavad valgust kasvamiseks ja arenemiseks erineval hulgal. Valgusnõudlikkuse järgi jaotatakse puittaimed valgus- ja varjutaimedeks. Puuliikide klassifitseerimisel on väga oluline nende varjutaluvus: mida vähem üks või teine liik varju talub, mida enam aeglustub valgusepuuduse korral fotosüntees ja mida kiiremini puuliik hukkub, seda valgusenõudlikum ta on. Valgusnõudlikud - e. valguslembesed puud (lehis, kask, mänd, haab). Varjutaluvad - e. varjusallivad puud (kuusk, nulg, jugapuu, pärn, pöök). Vahepealse varjutaluvusega liigid on poolvarju taluvad (sanglepp, hall lepp, toomingas)
EESTI MAAÜLIKOOL Metsandus- ja maaehitusinstituut Metsakasvatuse osakond Praktikumi arvutustöö Iseseisev töö õppeaines Metsaselektsioon Juhendaja: dotsent Veiko Uri Tartu 2014 Sisukord Sissejuhatus................................................................................................ 3 1. Variatsioon-statistiline analüüs................................................................4 2.2 Variatsioonide ja mõju tugevuse leidmine..........................................6 3. Regressioonanalüüs................................................................................... 8 Sissejuhatus Käesolev praktikumi arvutustöö on koostatud metsaselektsiooni õppeaineaine raames. Töö eesmärgiks on variatsioon-statistilise, dispersioon- ja regressioonanalüüsi teostamine kolme mõõdetud katseala põhjal (katseala algandmed on saadud juhendajalt ning toodud Lisas 1). Igal proovitükil on mõ�
Mitmene regressioonanalüüs ja mittelineaarne regressioonanalüüs PD <- read.csv("puud15.CSV") PD$d_k<-with(PD, ifelse(d2>0,(d1+d2)/2, d1)) PD.1<-subset(PD, prt==642 & aasta==2001 & h>0 & hv>0) PD.2<-subset(PD, prt==642 & aasta==2006, select=c(puu,rin,d_k,h,hv)) names(PD.2)<-c("puu","rin_2","d_k2","h_2","hv_2") PD.1.2<-merge(PD.1,PD.2,all.x=T) with(PD.1.2, table(rin,rin_2)) PD.1.2$rin12<-with(PD.1.2, paste(rin,rin_2,sep="")) table(PD.1.2$rin12) PD.1.2E<-subset(PD.1.2, rin12 %in% c("11","22")) # rinnaspindala juurdekasv PD.1.2E$ig5<-with(PD.1.2E, (d_k2^2 - d_k^2)*pi/4) hist(PD.1.2E$ig5) # M0: ig5 = a M0<-lm(ig5~1,PD.1.2E) summary(M0) # mean(PD.1.2E$ig5); sd(PD.1.2E$ig5) # R2: 1-(sd(PD.1.2E$ig5)/var(PD.1.2E$ig5))^2 # Md: ig5 = a + b*d Md<-lm(ig5~d_k,PD.1.2E) summary(Md) # Mh: ig5 = a + b*h Mh<-lm(ig5~h,PD.1.2E) summary(Mh) # Mhv: ig5 = a + b*hv Mhv<-lm(ig5~hv,PD.1.2E) summary(Mhv) # Mdh: ig5 = a + b1*d + b2*h Mdh<-lm(ig5~d_
METSALUGEMISLEHT Metskond Järvselja Kokkuveo kaugus (km) 0,6 Kvartal 253 Langi pindala (ha) 0,76 Eraldis 1 Kasvukohatüüp mustika Raieviis lageraie Võimalik raiuda talvel Dia- Kuusk Kask meetri- Terved Kütte- Kahjus- Eriti Terved Kütte- Kahjus- Kahjus- Eriti klass puud puud tatud kvalit. puud puud tatud tatud kvalit. puud puud puud puud puud 8 12 2 16 3 3 4 2
Kodutöö: Lineaarne regressioonanalüüs PD <- read.csv("puud15.CSV") # parameeter sep="," ja dec="." PD$d_k<-with(PD, ifelse(d2>0,(d1+d2)/2, d1)) PD.<-subset(PD, prt==642 & aasta==2001) PD.<-droplevels(PD.) plot(h~d_k,data=PD.) PD.H <- subset(PD., h>0 & hv>0) table(PD.H$pl) PD.KU<-subset(PD.H, pl=="KU") par(mar=c(4.5,4.5,1,1)) plot(NULL,xlim=c(0,40),ylim=c(0,25),xlab="diameeter, cm", ylab="kõrgus, m") abline(v=seq(0,40,10),lty=3,col="grey75") abline(h=seq(0,25,5),lty=3,col="grey75") # abijooned points(h~d_k,data=subset(PD.KU),lwd=1) with(subset(PD., pl=="KU"),rug(d_k)) 1. Sirge h=a+b*d M1 <- lm(h~d_k, data=PD.KU) summary(M1) D<-0:40 M1.pred <- predict(M1,newdata=data.frame(d_k=D)) lines(D,M1.pred, col="red") coefficients(M1)[1] coefficients(M1)[2] # dobavit' p-value v tablicu v vide * summary(M1)$adj.r.squared summary(M1)$sigma # sqrt(sum(M1$residuals^2)/(length(M1$residuals)-2)) AIC(M1) > coefficients(M1)[1] (Intercept) 7.7585
Vaatluste arv 175 175 tk Rühmade arv 8 tk Maksimum 19,70 cm Miinimum 4,00 cm Aritmeetiline keskmine 10,22 10,1 cm Ruutkeskmine diameeter 10,74 10,7 cm Mediaan 9,85 10 cm Mood 10,8 cm Alumine kvartiil (0,25-kvantiil) 7,63 7,8 cm 0,9-kvantiil 14,48 15 cm 0,3-täiendkvantiil(0
Iseloomulikud on leostunud gleimullad, küllastunud gleimullad ja turvastunud mullad. Puistutest on sagedasemad kaasikud ja sanglepikud. Alusmets hõre kuid liigirikas. Alustaimestikus domineerivad sõnajalad. 1.1.6. Soovikumetsad Osja kasvukohatüüp –tasastel madalatel aladel, mikroreljeef tugevasti künklik. Esinevad mitmesugused soostunud ja küllastunud mullad. Enamasti kasvavad segapuistud. Enamuspuuliikideks on kask, mänd või kuusk. Alusmets liigirikas, kuid enamasti hõre. Alustaimestikule on iseloomulik mosaiiksus vastavalt mikroreljeefile: kõrgematel osadelhappelise metsakõdu taimed. Lohkudes salu- ja lodumetsadele iseloomulikud taimed. Tarna kasvukohatüüp - madalatel tasandikel. Levinud küllastunud gleimullad, turvastunud glei ja küllastumata gleimulllad. Iseloomulik on kuni 30 cm toorhuumuse kiht, millele järgneb liiv. Puistutest domineerivad madalaboniteedilised sookaasikud
©V. Uri Metsaökoloogia ja majandamine MI.1771 prof. Veiko Uri Sügissemester 2018/2019 I osa 1. Eesti metsad ja metsandus Metsandus on väga lai mõiste, ta on metsamajandust ja metsatööstust hõlmav majandusharu, mis sisaldab endas metsade kasvatamist, mitmekülgset kasutamist (sh metsahoidu), tervisliku seisundi kaitset, puidu transporti ja töötlemist ning neid toetavaid metsandust puudutavat haridust, metsateadust, teabetöötlust ja kommunikatsiooni. Tänapäeval on metsandusega tihedalt seotud kliimamuutuste leevendamine ja puidu kasutamine taastuvenergia tootmiseks. Metsanduslikul kõrgharidusel on Eestis ligi 100 aasta pikkune ajalugu. Selle alguseks peetakse 1920. a., kui tolleaegse Tartu Ülikooli juurde moodustati metsaosakond ja selle esimeseks juhiks oli prof. Andres Mathiesen (1896-1955). Metsamajanduse (mis on osa metsandusest)
see veelgi põhjuseks intensiivene metsakasutus (paberi- ja puidutööstuse areng). Uuesti hakkas metsade pindala suurenema pärast II MS. Põhjused: metsade pindala suurenes põllumaade arvelt, kuna palju maad jäeti sööti; algas ulatuslik metsamaade kuivendamine. 2008 a oli Eesti metsade kogupindala 2,2 milj. Ha (SMI statistilise mmetsakorralduse andmetel). Levinuim puuliik eestis on mänd 35% siis kask 30% ja kolmas kuusk 17%. Eesti puistute tagavara on 45 milj m3. Eestis on keskmiselt elaniki kohta 1,3 ha metsa ja 185 m3 puitu. Eesti metsade keskmine puidu juurdekasv on 5,7 m3/ha/a, keskmine vanus 56 a ja keskmine metsade bonittet 2. 2. Metsa ja puistu mõiste. Metsakategooriad. Mets on ökosüsteem, mis koosneb metsamaast, sellel kasvavast taimestikust ja seal elunevast loomastikust. Peab vastama ka järgmistele nõuetele: on metsamaana maakatastrisse sisse kantud;
mõõtmistulemuste alusel tehakse üldistused ka neid kandvate okste kuivamise. teise rindega, männik kuuse teise rindega või ka Kõige levinum puuliik Eestis on mänd 31% Valgusnõudlikel puuliikidel (kask,lehis, mänd) kuusik, kus nii esimeses kui teises rindes kasvavad II kohal on kask 31% toimub see kiiremini kui varjusallivatel liikidel kuused. Ülarinde III kohal kuusk - 18% (kuusk, nulg). Lõpukskuivanud oksad kõdunevad, eraldamiseks peab selle täius olema vähemalt hall lepp 9% langevad maha ja moodustub oksavaba tüve Järelkasv - noor metsapõlvkond, mis võib haab 6% laasumine. Metsa tuleb mõista kui seostatud edaspidi vana metsa asendada. Järelkasv koosneb
annaabi.ee 
