Chỉ số Morans I toàn cục Kết quả tính toán chỉ số Morans I cho tổng thể loài cây ở OTC CP2 là: Tự tương quan trong không gian sử dụng dữ liệu điều tra Hvn, Z Score = 2.37 > 1.96, có đế
Trang 1KHOANH VẼ VÀ XÁC ĐỊNH HỆ THỐNG SÔNG SUỐI CỦA LƯU VỰC Bài 1 Xác định hệ thống sông suối của lưu vực từ bản đồ địa hình của lưu vực (DEM)
Bài 2 Khoanh vẽ lưu vực bất kỳ từ DEM
Kết quả khoanh vẽ lưu vực trên hệ thống sông suối của lưu vực
Trang 2Lab 3 QUY LUẬT PHÂN BỐ KHÔNG GIAN CỦA CÂY RỪNG
(OTC: CP2)
Vị trí tất cả các cây (Tổng thể loài cây) trên OTC CP2:
Vị trí các cây thuộc loài ưu thế trên OTC CP2:
Trang 31 Chỉ số khoảng cách đến cây gần nhất (Average Nearest Neighbor Distance
Index – ANN)
Kết quả tính toán chỉ số ANN cho tổng thể ở OTC CP2 là:
Z score = -1.715 > -1.96, có đến hơn
90 % phân bố không gian của tổng thể loài cây là phân bố cụm
Kết quả tính toán chỉ số ANN cho loài cây ưu thế ở OTC CP2 là:
Z score = -0.66, chắc chắn phân bố không gian của loài cây ưu thế là phân
bố ngẫu nhiên
Trang 42 Chỉ số quy luật phân bố cây rừng ở các khoảng cách khác nhau (Ripley’s
K Function)
Kết quả tính toán chỉ số Ripley’s K Function cho tổng thể loài cây ở OTC CP2 là:
Từ kết quả tính toán phân bố,
ta thấy khoảng cách từ 2.5m đến 8m thì đường màu đỏ nằm trên đường màu xanh nên phân bố là cụm và khoảng cách xem xét lớn hơn 8m thì đường màu đỏ nằm phía dưới đường màu xanh nên
từ đây trở đi phân bố của các cây
là phân tán
Kết quả tính toán chỉ số Ripley’s K Function cho loài cây ưu thế ở OTC CP2:
Từ kết quả tính toán phân bố,
ta thấy khoảng cách từ 2.5m đến 8m thì đường màu đỏ nằm trên đường màu xanh nên phân bố là cụm và khoảng cách xem xét lớn hơn 7.5m thì đường màu đỏ nằm phía dưới đường màu xanh nên
từ đây trở đi phân bố của các cây
là phân tán
→ Kết quả phân bố không gian theo chỉ số Ripley’s K Function của tổng
thể loài cây và loài cây ưu thế là tương tự nhau
Trang 53 Các chỉ số tự tương quan trong không gian (Spatial Autocorrelation)
3.1 Chỉ số Morans I (toàn cục)
Kết quả tính toán chỉ số Morans I cho tổng thể loài cây ở OTC CP2 là:
Tự tương quan trong không gian
sử dụng dữ liệu điều tra Hvn, Z Score
= 2.37 > 1.96, có đến hơn 95% các loài cây có giá trị chiều cao vút ngọn tương tự nhau có xu hương phân bố cụm với nhau
Tự tương quan trong không gian
sử dụng dữ liệu điều tra D1.3, Z Score
= -0.85, vậy tổng thể các loài cây phân bố ngẫu nhiên trong ô tiêu chuẩn
Tự tương quan trong không gian
sử dụng dữ liệu điều tra Hdc, Z Score
= 4.13, có hơn 99% tổng thể các loài cây có chiều cao dưới cành tương tự nhau có xu hướng phân bố cụm với nhau
Trang 6Tự tương quan trong không gian
sử dụng dữ liệu điều tra Dt, Z Score = 4.13, có hơn 99% tổng thể các loài cây có đường kính tán tương tự nhau
có xu hướng phân bố cụm với nhau
Kết quả tính toán chỉ số Morans I cho loài cây ưu thế ở OTC CP2 là:
Tự tương quan trong không gian của giá trị Hvn, Z Score = 0.29, các loài cây ưu thế phân bố ngẫu nhiên trong ô tiêu chuẩn
Tự tương quan trong không gian của giá trị D1.3, Z Score = -2.58, có đến hơn 95% các loài cây ưu thế có giá trị đường kính ngang ngực tương tự nhau
có xu hướng phân bố đều trong ô tiêu chuẩn
Trang 7Tự tương quan trong không gian của giá trị Hdc, Z Score = 1.95, có đến hơn 90% các loài cây ưu thế có giá trị chiều cao dưới cành tương tự nhau có xu hướng phân bố cụm với nhau
Tự tương quan trong không gian của giá trị Dt, Z Score = 2.11, có đến hơn 95% các loài cây ưu thế có giá trị đường kính tán tương tự nhau có xu hướng phân bố cụm với nhau
3.2 Chỉ số General G (toàn cục)
Kết quả tính toán chỉ số General G cho tổng thể loài cây ở OTC CP2 là:
Tự tương quan trong không gian
sử dụng dữ liệu điều tra D1.3, Z Score
= -1.02, tổng thể các loài cây phân bố ngẫu nhiên trong ô tiêu chuẩn
Trang 8Tự tương quan trong không gian
sử dụng dữ liệu điều tra Hvn, Z Score
= -1.86, có hơn 90% tổng thể các loài cây có giá trị chiều cao vút ngọn thấp
có xu hướng phân bố cụm lại trong ô tiêu chuẩn
Tự tương quan trong không gian
sử dụng dữ liệu điều tra Hdc, Z Score
= 0.07, tổng thể các loài cây phân bố ngẫu nhiên trong ô tiêu chuẩn
Tự tương quan trong không gian
sử dụng dữ liệu điều tra Dt, Z Score = 4.2, có hơn 99% tổng thể các loài cây
có giá trị đường kính tán cao phân bố cụm với nhau trong ô tiêu chuẩn
Trang 9Tự tương quan trong không gian của giá trị D1.3, Z Score = -1.54, các loài cây ưu thế phân bố ngẫu nhiên trong ô tiêu chuẩn
Tự tương quan trong không gian của giá trị Hvn, Z Score = -2.98, có hơn 99% các loài cây ưu thế có giá trị chiều cao vút ngọn thấp có xu hướng phân bố cụm với nhau trong ô tiêu chuẩn
Tự tương quan trong không gian của giá trị Hdc, Z Score = -2.86, có hơn 99% các loài cây ưu thế có giá trị chiều cao dưới cành thấp có xu hướng phân
bố cụm với nhau trong ô tiêu chuẩn
Trang 10Tự tương quan trong không gian của giá trị Dt, Z Score = 2.95, có hơn 99% các loài cây ưu thế có giá trị đường kính tán cao có xu hướng phân
bố cụm với nhau trong ô tiêu chuẩn
3.3 Chỉ số Local Morans I (cục bộ)
Kết quả tính toán chỉ số Morans I cục bộ cho tổng thể loài cây ở OTC CP2
Tự tương quan trong không gian của giá trị D1.3
Tự tương quan trong không gian của giá trị Hvn
Trang 11Tự tương quan trong không gian của giá trị Dt
Kết quả tính toán chỉ số Morans I cục bộ cho loài cây ưu thế ở OTC CP2
Tự tương quan trong không gian của giá trị D1.3
Trang 12Tự tương quan trong không gian của giá trị Hdc
Tự tương quan trong không gian của giá trị Dt
Trang 13 Kết quả tính toán chỉ số Getis-Ord Gi* (Hotspot Analysis) cho tổng thể loài cây ở OTC CP2 :
Tự tương quan trong không gian của giá trị D1.3
Tự tương quan trong không gian của giá trị Hvn
Tự tương quan trong không gian của giá trị Hdc
Trang 14 Kết quả tính toán chỉ số Getis-Ord Gi* (Hotspot Analysis) cho loài cây ưu thế ở OTC CP2 :
Tự tương quan trong không gian của giá trị D1.3
Tự tương quan trong không gian của giá trị Hvn
Tự tương quan trong không gian của giá trị Hdc
Trang 15Tự tương quan trong không gian của giá trị Dt
Lựa chọn các chỉ số Generar G và Morans I toàn cục cho câu trả lời các cây có đi cùng nhau hay không? Chúng ở đâu trên bản đồ, thì không thể hiện được
Nếu muốn biết được những giá trị cao/ thấp cụm lại ở đâu thông thường
sử dụng đến Generar G cục bộ (Local Gi*) và khi muốn biết thêm sự phân bố của các giá trị bất thường (quá cao, quá thấp) so với khu vực xung quanh thì sử dụng Morans I cục bộ (Local Morans I)