Содержание к диссертации
Введение
Глава 1. Обзор литературы по теме исследования .8
1.1. Обзор литературы по ландшафтным исследованиям 8
1.2. Этапы развития и применение геоинформационных технологий для изучения лесов 19
1.3. Продуктивность и производительность древостоя 23
Глава 2. Программа, методика, объект исследования и характеристика экспериментального материала 26
2.1. Ландшафтная характеристика объекта исследования 26
2.2. Программа и методика исследования .31
2.3. Полевые исследования 35
2.4. Применение ландшафтно-морфологической карты исследуемого полигона совместно с базами данных лесотаксационной информации 41
Глава 3. Ландшафтная интерпретация полигона и влияние высоты над уровнем моря на структуру урочищ и продуктивность основных лесообразующих пород 45
3.1. Строение и принципы ландшафтной интерпретации исследуемого полигона 45
3.2. Влияние высоты над уровнем моря на структуру урочищ и продуктивность основных лесообразующих пород 54
Выводы по главе 70
Глава 4. Структура земель лесного фонда исследуемого полигона 71
4.1. Структура земель лесного фонда территории полигона 71
4.2. Структура земель лесного фонда ландшафтов 86
4.3. Структура земель лесного фонда видов местностей 94
4.4. Структура земель лесного фонда видов урочищ 104
Выводы по главе 123
Глава 5. Обоснование группировки видов урочищ математическими методами 130
5.1. Определение общности в структуре древостоев видов урочищ по преобладающим породам, типам леса, классам бонитета и ТЛУ методом кластерного анализа 130
5.2. Сравнение продуктивности древостоев видов урочищ методом вычисления критерия согласия Пирсона 136
Выводы по главе 144
Заключение 145
Список сокращений и условных обозначений 148
Список использованных источников 149
Приложение 1 168
Приложение 2 172
- Этапы развития и применение геоинформационных технологий для изучения лесов
- Влияние высоты над уровнем моря на структуру урочищ и продуктивность основных лесообразующих пород
- Структура земель лесного фонда видов местностей
- Сравнение продуктивности древостоев видов урочищ методом вычисления критерия согласия Пирсона
Этапы развития и применение геоинформационных технологий для изучения лесов
ГИС (географическая информационная система) –информационная система, сбора, хранения, обработки, отображения и распространения пространственно координированных данных (Курлович, 2011). Одно из оригинальных определений ГИС звучит так: «ГИС — это возможность нового взгляда на окружающий нас мир» (Шипулин В.Д., 2010, стр. 33). Термин ГИС иногда употребляется и в значении программного средства, программного продукта, обеспечивающего функционирование ГИС, как системы (Лурье, 2008).
Функции ГИС - ввод, интегрирование, хранение, обработка, анализ и представление географической информации, а если программный продукт не выполняет все перечисленные функции, он рассматривается как специализированное ГИС-приложение, предназначенное для удовлетворения специфических запросов пользователей (Шипулин, 2010). ГИС может одновременно рассматриваться как инструмент научного исследования, технология и продукт ГИС-индустрии (Берлянт, 1997).
Началом ГИС-картографирования земель можно считать создание ГИС Канады в 1960, эта крупномасштабная ГИС функционирует и в наши дни. Главной ее целью являлось создание классификации земель, используя данные о их пригодности. В то же время аналогичный проект велся школой шведской геоинформатики. В конце 60-х годов Гарвардской лабораторией машинной графики и пространственного анализа создано программное обеспечение, признанное классическим в сфере автоматизированного картографирования, была установлена ведущая роль картографических методов, данных и способов предоставления информации в современных ГИС. Функциональная ограниченность первых ГИС была чисто технической, связанной с неразвитостью периферийных устройств и временем вычисления ядром процессора задач (Курлович, 2011).
Качественный и количественный скачок в использовании ГИС произошел в 80-е годы, когда ГИС превратились из малоизвестных систем, применяемых главным образом в научно-исследовательских учреждениях, в средство для повседневной работы в бизнесе, управлении, образовании (Герасимов, 2001). Особенно серьезный прогресс в геоинформационных и картографических технологиях наблюдался в деятельности Геологической службы США (Лурье, 2008). К середине 80-х годов было известно уже о 500 ГИС. В этот период формируется ГИС-индустрия, развиваются коммерческие программные средства ГИС. Программное обеспечение ГИС адаптируется с уникальных программных разработок на универсальные программные продукты. Появляются и быстро расширяются новые сферы применения ГИС – наука, производство, образование. Появляются новые источники данных для ГИС – данные дистанционного зондирования (поступающие со спутников), GPS. Цифровые методы обработки изображений сочетаются с электронной картографией (Любимов, 1999; Цветков, 1998). В этот же период началось создание программного обеспечения, переросшего в мощный программный комплекс для ГИС-картографирования ArcGIS (США), созданного компанией ESRI (Шипулин, 2010). На сегодняшний день это самый востребованный программный продукт ГИС. В 1987 г. были разработаны известные программные продукты MapInfo и IDRISI. В данной работе использовались программные комплексы ArcGIS и MapInfo. Середович В.А. описывает их так: MapInfo проста в работе, но позволяет выполнять многие важные функции, ArcGis незаменима для разработчиков, которые используют топологические отношения между объектами в своей деятельности (Середович, 2008).
Направление дальнейшего развития ГИС в области топографического и тематического картографирования, в сфере компьютерных технологий определил накопленный к тому моменту опыт. Важная роль при этом отводится комплексному тематическому картографированию, обеспечивающему применение различных данных для получения знаний о географических объектах, что до сих пор остается важнейшим свойством ГИС (Середович, 2008). ГИС-технологии обеспечивают представление информации как для оформления картографического документа, так и для картографического анализа и моделирования (Верхунов, 2009).
В 90-х начался прогресс в ГИС-технологиях в России, вызванный увеличением быстродействия и снижением стоимости персональных компьютеров. В это же время крупные компании ERSI и ERDAS предложили свои ГИС-продукты бесплатно или с большой скидкой многим научным и образовательным учреждениям, что серьезно замедлило процесс создания отечественных ГИС (Лурье, 2008). Исследования в этой отрасли в Советском Союзе были начаты в 80-е годы и касались пространственного анализа, автоматизации картографирования и картографического моделирования (Берлянт, 1997; Беручашвили, 1983). GeoGraf/GeoDraw Института географии РАН, пакет «Панорама» Топографической службы Вооруженных сил Российской федерации были разработаны в 90-е годы (Шипулин, 2010). Одними из первых пользователей ГИС были организации, осуществляющие охрану окружающей среды (Середович, 2008).
Первые упоминания о ГИС для лесного хозяйства в России появились в 1993-1994 годах, в которых дается описание структуры и функций геоинформационных систем (Сухих, 2005; Китов, 1999; Любимов, 1999). ГИС-технологии автоматизируют процесс изучения, анализа и прогноза объектов лесных сообществ (Верхунов, 2009). ГИС позволяют специалистам лесного хозяйства интегрировать различную разрозненную картографическую и атрибутивную информацию и использовать для повышения качества принимаемых решений. ГИС-технологии являются мощным средством для применения принципов интегрированного управления лесами (Пахучий, 2013).
Как правило, ГИС лесоустройства состоят из двух блоков – картографического проекта (электронных карт) и таксационной базы данных. Для решения прикладных задач могут применяться дополнительные модули и приложения, совместимые с ГИС – программы отвода делянок, материально-денежной оценки, корректировки изображений, создания моделей поверхности, подключения GPS (системы глобального позиционирования) и т.д. (Герасимов, 2001; Трейфельд, 1998; Черных, 2000). Современные ГИС позволяют производить обмен данными в большом количестве форматов, автоматическое картирование, отображение тематических карт и составление таблиц, формирование запросов и выполнение различных видов анализа и др. (Верхунов, 2009; Любимов, 1998, 2000; Пахучий, 2013; Тетюхин, 2018).
Главной задачей, по мнению многих ученых, является создание и эффективное использование цифровых лесных карт. Именно в цифровом виде карта представляет ценность, так как может быть использована любыми заинтересованными ведомствами (Верхунов, 2009; Любимов, 1998, 1999, 2000; Пахучий, 2013; Сухих, 2005; Материалы IX научной конференции по тематической картографии, 2005; Тетюхин, 2018). Основой для создания достоверных картографических произведений является использование координатной привязки и картографических проекций (Севко, 2005). Созданные лесоустройством базовые карты крупных масштабов являются основой для создания обзорных лесных карт для заинтересованных ведомств. Для тиражирования лесоустроительных планшетов ранее использовались технологии, не обеспечивающие точности, заданной лесоустроительной инструкцией. Лесоустройство на основе ГИС позволит оперативно вносить изменения в базы данных, не дожидаясь повторного лесоустройства нужной территории (Основы геоинформатики, 2004).
Начиная с 1998 года получают широкое применение GPS-технологии и автоматизированные системы обработки данных дистанционного зондирования Земли (Любимов, 1998, 1999, 2000; Герасимов, 2001; Николаев, 1993; Трейфельд, 1998), а лесоустроительные предприятия начинают применять автоматизированную лесоустроительную геоинформационную систему ЛУГИС (WinGis/WinMAP). С 1999 года внедряются ЛесГИС (MapInfo) и другие ГИС, например Topol и ГеоГраф/GeoDraw. На сегодняшний день в России не существует унифицированной лесной ГИС. В Беларуси на протяжении многих лет функционирует единая ГИС лесного хозяйства, к которой подключены все лесхозы (Севко, 2005).
Хорошев А.В. отмечает, что в настоящее время структура ландшафта и ее иерархическая организация описывается средствами ГИС-технологий чаще по легко наблюдаемому компоненту — рельефу и растительному покрову, а сути ландшафтоведения больше соответствуют модели иерархической организации как фактора формирования не отдельных свойств, а их групп, объединяемых статистически достоверными связями. Компонент может реагировать на внешние условия только частью свойств и выявление пространственных закономерностей, тесноты связей в группах представляется насущной задачей в рамках функционально-статического направления ГИС-моделирования (Хорошев, 2016).
Благодаря внедрению ГИС-технологий, карта перестает быть просто средством отображения объектов, а превращается в базу данных, используемую для анализа связей внутри объекта, что очень близко к тому, что наблюдаем мы в природе. Стало возможным применение методов количественной оценки тесноты связей посредством статистического анализа (Рыжкова, 2009).
В настоящее время в лесном хозяйстве активно используются ГИС-технологии, главным образом в лесоустройстве при систематическом обновлении информационной базы лесного фонда и лесных ресурсов, ведении лесного реестра, организации мониторинга, при контроле лесоэксплуатации (Алексеев А.С. 2001, 2014; Любимов А.В., 2000; Никифоров А.А., 2005; Пахучий В. В., 2013; Севко О.А., 2005; Сухих В.И., 2005 и др.). Теоретические и прикладные работы, посвященные ландшафтному картографированию с применением ГИС-технологий ведутся в институте географии им. В.Б. Сочавы СО РАН, г. Иркутск (Материалы IX научной конференции по тематической картографии, 2010), в Карельском научном центре РАН (Громцев, 2015).
Влияние высоты над уровнем моря на структуру урочищ и продуктивность основных лесообразующих пород
Рельеф – это совокупность выпуклых и вогнутых форм земной поверхности, образованных в результате природных процессов, имеющих определенные размерные характеристики, высоту над уровнем моря, очертания и стереометрию (Киреев, 2016). Для формы рельефа характерно природное единство геологического строения, литологического состава горных пород и формы поверхности (Киреев, 2012).
Рельеф и климат играют столь важную роль в формировании и функционировании ландшафта, что им отводится роль ведущих географических компонентов.
Н.А. Солнцев подчеркивал, что географический ландшафт является участком географической оболочки со своей индивидуальной структурой, которая создает разнообразие местоположений и определяет его морфологию, и каждой ландшафтной единице присуще определенное сочетание элементов и форм рельефа (Солнцев, 1949). Среди факторов, формирующих ландшафт, он отводил ведущую роль литогенной основе с присущими ей элементами и формами рельефа, многие исследователи поддерживают данное утверждение (Арманд, 1979; Громцев, 1993, 2005; Исаченко, 1965; Киреев, 1975 и др.). Рельеф влияет на распределение солнечной энергии и вод в ландшафте. Литогенной основой ландшафтного урочища является единая положительная или отрицательная мезоформа рельефа, либо совокупность микроформ рельефа. Типы рельефа и морфологическая структура ПТК зависят от высоты над уровнем моря. С ней связаны история развития и генезис форм рельефа, литологический состав горных пород, расчлененность, водный баланс и экологические режимы лесных земель в целом (Киреев, 1995).
Современный уровень цифровых технологий и доступность данных дистанционного зондирования позволяет изучать рельеф с помощью построения цифровых моделей. Как указано выше, рельеф является наиболее важным фактором при выявлении природных территориальных комплексов ранга урочищ.
Для построения цифровой модели рельефа использовались данные SRTM (Shuttle radar topographic mission – челночная радарная топографическая миссия). Это международная исследовательская работа, целью которой являлось создание самой полной цифровой топографической базы данных Земли высокого разрешения. Радарная топографическая съемка большей части территории земного шара, за исключением самых северных ( 60), самых южных широт ( 54), а также океанов произведена за 11 дней в феврале 2000 г. с помощью специальной радарной системы. Сьемка местности проводилась с борта шаттла «Индевор» с помощью радарной интерферометрической камеры и двух радиолокационных сенсоров SIR-C и X-SAR, установленных на борту корабля. С помощью метода радарной интерферометрии (radar interferometry) было собранно огромное количество информации о рельефе Земли (более 12 терабайт), ее обработка продолжается до сих пор. Но определенное количество информации уже доступно пользователям. После обработки данных получили матрицу высот, захватывающую территорию суши от 60 с.ш. до 54 ю.ш. и некоторые участки моря (URL: http://mapgroup.com.ua/articles/dzz/109-dannye-srtm-sposoby-polucheniya-dannykh).
Данные SRTM доступны бесплатно в нескольких видах. Существует три версии данных: предварительная (unfinished, версия 1, 2003 г.), окончательная (finished, версия 2, февраль 2005 г.) и обработанная. Окончательная версия прошла дополнительную обработку, выделение береговых линий и водных объектов, фильтрацию ошибочных значений. Обработанная версия производится CGIAR и включает сборку мозаик в более крупные фрагменты (6000 x 6000 пикселей или 5х5, а не 1х1 градус) и исправление областей с отсутствующими значениями.
Изначально планировалось распространение данных Level-2 с максимальным разрешением - 30 метров (1 угловая секунда), но, в связи угрозой терроризма было принято решение распространять генерализованные данные Level-1 с разрешением 90 метров (3 угловых секунды).23 сентября 2014 года на саммите ООН по климату правительство Соединенных Штатов объявило, что максимально возможное разрешение глобальных топографических данных, полученных из миссии SRTM, будет опубликовано для общественности и до конца того же года была выпущена 1-дуговая вторая глобальная цифровая модель рельефа (URL: https://en.wikipedia.org/wiki/Shuttle_Radar_Topography_Mission).
Результирующие данные соответствуют спецификации интерферометрических данных о рельефе (Interferometric Terrain Height Data (ITHD-2)) с размером элемента 30х30 метров, =20 метров точность по высоте. Для территории Евразии линейная абсолютная ошибка по высоте составляет 6 метров, линейная относительная ошибка по высоте 4,7 метра, абсолютная ошибка в плане 7,2 метра. Московская компания «Ракурс» при анализе матрицы SRTM сделала вывод, что она может быть использована при создании ортофотопланов М 1:25 000 и мельче на районы с равнинным и всхолмленным рельефом (URL: http://mapgroup.com.ua/articles/dzz/109-dannye-srtm-sposoby-polucheniya-dannykh), каким и является территория исследуемого полигона.
Исходные данные распространяются квадратами размером 1х1 градус, при максимальном доступном разрешение 3 арксекунды такой квадрат является матрицей размером 1201х1201 элементов (пикселей). Один дополнительный ряд (нижний) и одна колонка (правая) являются дублирующим и повторяется на соседней матрице. Данные являются простым 16-битным растром (без заголовка), значение пиксела является высотой над уровнем моря в данной точке, оно также может принимать значение -32768, что соответствует значению no data (нет данных) (URL: http://gis-lab.info/qa/srtm.html). Референц-эллипсоид данных – WGS 84 (World Geodetic System), что в переводе соответствует понятию «глобальная опорная система», принятая на момент 1984 года с целью геодезического обеспечения ориентирования в мировом пространстве: космической, воздушной, морской и наземной навигации (URL: https://geostart.ru/wgs_84).
Импортировать данные SRTM для работы в ГИС можно с помощью большинства распространенных пакетов ГИС, например Arcinfo Workstation, Arcview GIS/Spatial Analyst, SAGA. Ссылка на источник данных в формате GeoTIFF: URL: http://srtm.csi.cgiar.org. Полученные растры были загружены на карту в ArcGIS с помощью модуля ArcMap. Полученный растр поверхности первоначально представляется в неклассифицированном виде. Затем значения были сгруппированы в классы и для каждого подобрана цветовая палитра отображения. На рисунке 3.2 представлена карта высот поверхности исследуемого полигона с созданными изолиниями, раскрашенная по градациям высоты.
Необходимо отметить, что данная модель не является полноценной картой рельефа, так как включает в себя данные о высоте объектов, расположенных на земной поверхности, таких как строения, полог древостоя и др. а не чистые отметки высот территории. Так как большая часть изучаемой территории покрыта лесной растительностью, полученная таким образом векторная карта поверхности целям и задачам данного исследования соответствовать не может. Данная модель использовалась при ЛМА территории для целей уточнения границ видов местностей на полигоне.
Не смотря на вышеуказанные обстоятельства, такой метод получения информации о рельефе может служить для исследований регионального и глобального масштаба.
Для изучения влияния высоты н.у.м. на структуру урочищ и продуктивность основных лесообразующих пород была создана растровая цифровая модель рельефа исследуемой территории (ЦМР, digital elevation model, DEM).
Структура земель лесного фонда видов местностей
Как описано в разделе 3.1 данного исследования, в пределах изучаемого полигона выявлено два вида местности. Рисунок 4.2, стр. 82, показывает границы видов местностей.
В таблице 4.19 отражено распределение площадей видов местностей в общей площади исследуемого полигона.
В дальнейшем полные названия видов местностей будут заменены сокращенными – местность вида 1 и местность вида 2 для удобства восприятия таблиц. Распределение показывает, что на территории полигона преобладает местность вида 2. Таблица 4.20 отражает на сколько тот или иной вид местности представлен в каждом исследуемом ландшафте.
Таким образом, в обоих ландшафтах заметно преобладание вида местности 2, а в Тосна-Волховском местность вида 1 почти отсутствует (9%).
В таблице 4.21 показано распределение площади исследуемых видов местности по категориям земель.
Данные таблицы 4.21 показывают, что основная часть земель относится к категории насаждений естественного происхождения (71-80%). Распределение земель по категориям в пределах видов местности очень похоже. Самое существенное отличие заключается в том, что местность вида 1 гораздо более заболочена (12% против 3% в местности вида 2). В таблице 4.22 рассмотрено распределение площади насаждений естественного происхождения исследуемых местностей по преобладающим породам.
Характеризуя местности по преобладающим породам, стоит отметить, что в обоих видах местности преобладают сосняки и березняки, однако в виде местности 2 сосняков больше, а ельников меньше, чем в виде 1. В местности вида 2 насаждений с преобладанием сосны больше, чем в местности вида 1, это объясняется большей оводненностью, создаваемой подпором ленточных глин и более низким и равнинным положением в рельефе. По показателю водности сосна имеет более широкий экологический ареал, чем ель.
Распределение площади насаждений естественного происхождения исследуемых видов местностей по классам бонитета приведено в таблице 4.23.
Данные таблицы 4.23 показывают, что структура распределения насаждений естественного происхождения по классам бонитета в двух видах местности очень похожа. Для обоих видов местности характерно преобладание высокобонитетных насаждений, растущих по классу бонитета, доля класса так же довольно значительна (24-25%). Можно отметить, что самые низкобонитетные насаждения (а и б классов) в местности вида 2 встречаются реже, по сравнению с местностью вида 1. Доля насаждений, растущих по Iа и б классу, очень мала и составляет менее 1%.
В таблице 4.24 приведено распределение площадей насаждений естественного происхождения по ТУМ и видам местности.
В целом, распределение по ТУМ по видам местностей очень похоже, более-менее значительное отличие можно отметить в типе черничных свежих ТУМ - их на 6% больше в местности вида 1 и в черничных влажных осушенных ТУМ – их на 4% больше в местности вида 2. В местности вида 1 на 3% больше сфагновых ТУМ, что объяснимо данными таблицы 4.21 (болот в этом виде местности на 9% больше). Остальные отличия минимальны. Данные по распределению площадей покрытых лесной растительностью земель по типам леса и классам бонитета приведены в таблице 1 по Тосна-Волховскому ландшафту и в таблице 2 по Лужско-Тосненскому ландшафту (см. Приложение 2).
Анализ таблицы 1 и таблицы 2 помогает составить представление о самых распространенных сочетаниях типов леса с классом бонитета в двух ландшафтах. В Тосна-Волховском ландшафте в обоих видах местности ельники и березняки кисличные чаще растут по классу бонитета, а осинники кисличные по классу. Данных по сероольшаникам в местности вида 1 недостаточно, а в местности вида 2 они чаще травяно-таволжные, растущие по классу бонитета. В местности вида 1 чаще встречаются сосняки черничные влажные класса бонитета, а в местности вида 2 больше сосняков черничных свежих, растущих по классу бонитета.
В Лужско-Тосненском ландшафте по ельникам, березнякам и осинникам картина распределения аналогична Тосна-Волховскому ландшафту (см. выше), но в местности вида 1 чаще встречаются сосняки черничные свежие, растущие по классу бонитета в, а в местности вида 2 чаще встречаются сосняки долгомошные осушенные, растущие по класса бонитета. В местности вида 1 чаще встречаются сероольшаники кисличные. В местности вида 2 более распространены черноольшаники травяно-таволжные растущие по класса бонитета. Если подытожить вышесказанное, можно сделать вывод что на изучаемом полигоне распространены леса зеленомошной группы, растущие по - классу бонитета, что подтверждает более общие данные предыдущих таблиц.
В таблице 4.25 отражены данные по распределению площадей насаждений естественного происхождения по типам лесорастительных условий в исследуемых видах местности.
Картина распределения насаждений по типам лесорастительных условий по видам местностей по данным таблицы 4.25 достаточно однородна, наибольшее отличие наблюдается в большем проценте свежих и влажных боров в местности вида 2 и большему проценту свежих суборей в местности вида 1.
В таблицах 4.26 и 4.27 приведены средние таксационные показатели насаждений естественного происхождения местности вида 1 и местности вида 2 Лужско-Тосненского и Тосна-Волховского ландшафтов.
Сравнение продуктивности древостоев видов урочищ методом вычисления критерия согласия Пирсона
В статистике критерий Пирсона 2 (хи-квадрат) применяется, в частности, для сравнения распределений объектов двух совокупностей на основе измерений в двух независимых выборках.
В данном исследовании критерий Пирсона применялся для сравнения распределений средних запасов в двух независимых видах урочищ на основе выборок данных по десятилетним классам возраста. Целью вычисления является установить, есть ли статистически значимое различие между ходом роста по запасу в древостоях видов урочищ.
Общее представление о разбросе средних значений запаса по видам урочищ можно составить с помощью рисунка 5.6.
На рисунке 5.6 особо выделяются урочища вида G1, как самые низкопроизводительные (это урочища верховых глубокозалежных болот в местности вида 1) и урочища вида D2, как самые высокопроизводительные (это урочища приречных раменей в местности вида 2).
Для решения поставленных задач сначала была произведена выборка данных по древостоям видов урочищ из общей базы, затем данные по основным таксационным показателям древостоев каждого вида урочищ группировались по возрасту. При этом в анализе использовались только выборки по древостоям естественного происхождения и определенного типа леса. В сравнении показателей запаса на 1 га в двух видах урочищ участвовали только данные по одинаковым средним возрастам преобладающей породы. Пример исходных данных приведен в таблице 5.1.
Для сравнения были выбраны пары урочищ, как сходные по морфологическим признакам, так и различные. Пары составили урочища:
- вида B и C, находящиеся в разных видах местности, но имеющие одинаковое положение в рельефе и условия увлажнения;
- урочища вида H и E, находящиеся в разных видах местности и имеющие разное местоположение и условия увлажнения;
- урочища вида A и F, находящиеся в одном виде местности, занимающие близкое местоположение, но имеющие разные условия увлажнения;
- группа болотных урочищ вида G в местности вида 1 сравнивалась с аналогичной в виде местности 2.
Для получения более развернутых результатов было произведено сравнение средних запасов в одном виде урочища (С) в различающихся на одну ступень по увлажнению типах леса – черничном свежем и черничном влажном.
Аналогичное объединение было использовано для анализа структуры видов урочищ в главе 4.4. Для анализа были использованы только такие выборки, в которых количество совпадающих классов возраста было больше 5. Таким образом, в анализ попали только данные о наиболее часто встречаемых в видах урочищ типах леса.
По урочищам вида D (расположенным также, в двух видах местностей) данных для анализа оказалось достаточно лишь в случае выборки по ельникам кисличным.
Критерий "Хи-квадрат" позволяет сравнивать распределения частот вне зависимости от того, распределены они нормально или нет, однако для уменьшения погрешности при анализах выборок, в которых число сравнений редко превышало 10, лучше использовать данные, распределение которых приближено к нормальному. Для проверки нормальности распределения использовался критерий Колмогорова - Смирнова (Kolmogorov-Smirnov) в пакете прикладных программ Statistica, модуль Distribution Fitting Normal. Чем меньше величина этой статистики, тем ближе распределение случайной величины к нормальному. Например, по распределению средних значений запасов древостоев урочища вида в сосняках кисличных был получен критерий d = 0,15125. Все используемые для анализа данные показали значение критерия d в пределах 0,3, то есть гипотезу о распределении, близком к нормальному, можно считать принятой. Для наглядности строились диаграммы распределения. Пример диаграммы распределения средних значений запасов древостоев в сосняках кисличных в видах урочищ B и C находится на рисунке 5.7.
Для получения X табличного был использован модуль Формулы Другие функции XОБР. В этой функции используются следующие аргументы:
вероятность - вероятность, связанная с распределением хи-квадрат, принятая равной 0,05;
степени свободы - число степеней свободы, равное количеству пар данных минус 1.
Результаты анализа сравнения средних значений запасов на 1 га древостоев видов урочищ с помощью критерия Пирсона, сравниваемых попарно, при выборке по одинаковым и разным типам леса, находятся в сводной таблице 5.4.