Zjišťování zásoby porostu Kurz oceňování lesa. Metody stanovení zásob porostů 2 Podle způsobu zjišťování vstupních dat metody přímého měření na celé ploše.

Slides:



Advertisements
Podobné prezentace
Kalkulace S tudent. Osnova výkladu 1.Kalkulace nákladů a způsoby jejího rozlišení 2.Kalkulační vzorec nákladů 3.Stanovení nákladů na kalkulační jednici.
Advertisements

Strategické otázky výzkumníka 1.Jaký typ výzkumu zvolit? 2.Na jakém vzorku bude výzkum probíhat? 3.Jaké výzkumné metody a techniky uplatnit?
Název školy ZÁKLADNÍ ŠKOLA, JIČÍN, HUSOVA 170 Číslo projektu CZ.1.07/1.4.00/ Číslo a název klíčové aktivity 3.2 Inovace a zkvalitnění výuky prostřednictvím.
Uvedení autoři, není-li uvedeno jinak, jsou autory tohoto výukového materiálu a všech jeho částí. Tento projekt je spolufinancován ESF a státním rozpočtem.
NÁZEV ŠKOLY: Základní škola Strančice, okres Praha - východ AUTOR: RNDr.Ivana Řehková NÁZEV:VY_32_INOVACE_ R12_ Měřítko TEMA: Matematika 7. ročník.
Odborný výcvik ve 3. tisíciletí Tato prezentace byla vytvořena v rámci projektu.
Experimentální metody oboru – Pokročilá tenzometrie – Měření vnitřního pnutí Další využití tenzometrie Měření vnitřního pnutí © doc. Ing. Zdeněk Folta,
1 Obhajoba diplomové práce Sluneční záření a atmosféra Autor: Tomáš Miléř Vedoucí: Doc. RNDr. Petr Sládek, CSc. Oponent: RNDr. Jan Hollan BRNO 2007Katedra.
Inf Vizualizace dat a tvorba grafů. Výukový materiál Číslo projektu: CZ.1.07/1.5.00/ Šablona: III/2 Inovace a zkvalitnění výuky prostřednictvím.
Grafy Centrum pro virtuální a moderní metody a formy vzdělávání na Obchodní akademii T. G. Masaryka, Kostelec nad Orlicí.
Odborný výcvik ve 3. tisíciletí Tato prezentace byla vytvořena v rámci projektu.
Induktivní statistika
Měření délky pevného tělesa
Zpracování LHP na základě statistické provozní inventarizace
Název školy:  ZÁKLADNÍ ŠKOLA PODBOŘANY, HUSOVA 276, OKRES LOUNY Autor:
STATISTIKA Starší bratr snědl svůj oběd i oběd mladšího bratra. Oba snědli v průměru jeden oběd.
Interpolace funkčních závislostí
Technologie – Měření a orýsování
Číslo projektu CZ.1.07/1.5.00/ Číslo materiálu
Matematika 3 – Statistika Kapitola 4: Diskrétní náhodná veličina
Výukový materiál zpracován v rámci projektu
Odborný výcvik ve 3. tisíciletí
Lineární funkce - příklady
Základní škola Děčín VI, Na Stráni 879/2 – příspěvková organizace
STATISTICKÉ METODY V GEOGRAFII
Statistické pojmy. Statistické pojmy Statistika - vědní obor zabývající se zkoumáním jevů, které mají hromadný charakter Pojem statistika slouží k.
„Svět se skládá z atomů“
2. cvičení
Jednotné principy klasifikace na GJKT
Výběrové metody (Výběrová šetření)
Hra k zopakování a procvičení učiva (Test znalostí)
Zavedení pojmu přímá úměrnost.
zpracovaný v rámci projektu
METODICKÝ LIST PRO ZŠ Pro zpracování vzdělávacích materiálů (VM)v rámci projektu EU peníze školám Operační program Vzdělávání pro konkurenceschopnost   
Poměr v základním tvaru.
2. P marketingového mixu Cena. 2. P marketingového mixu Cena.
RIZIKO.
MATEMATIKA Poměr, úměra.
Základy zpracování geologických dat testování statistických hypotéz
Parametry polohy Modus Medián
SÁRA ŠPAČKOVÁ MARKÉTA KOČÍBOVÁ MARCELA CHROMČÁKOVÁ LUKÁŠ BARTOŠ B3E1
Vytápění Mechanické odvaděče kondenzátu
Kvadratické nerovnice
VYTYČOVÁNÍ HRANIC POZEMKU
Katastr nemovitostí (KNEM)
BIBS Informatika pro ekonomy přednáška 2
Přídavná zařízení.
Číslicové měřící přístroje
Odborný výcvik ve 3. tisíciletí
Základy měření délek, hmotnosti, určování objemu a vlhkosti
RIZIKO.
Lesní hospodářský plán Náležitosti LHP
Digitální učební materiál zpracovaný v rámci projektu
Konstrukce trojúhelníku
Základní statistické pojmy
Úvod do praktické fyziky
Teorie chyb a vyrovnávací počet 1
Elektrické měřící přístroje
Zavedení pojmu přímá úměrnost.
VLASTNOSTI KAPALIN
Poměr v základním tvaru.
Matematická gramotnost napříč vzděláváním
Teorie chyb a vyrovnávací počet 1
Kondiční cvičení v tělocvičně Překážková dráha
TEORIE OCEŇOVÁNÍ LESNÍHO POROSTU A LESA
Lineární funkce a její vlastnosti
Konstrukce trojúhelníku - Ssu
Teorie chyb a vyrovnávací počet 2
Konstrukce trojúhelníku
Základní pojmy.
Transkript prezentace:

Zjišťování zásoby porostu Kurz oceňování lesa

Metody stanovení zásob porostů 2 Podle způsobu zjišťování vstupních dat metody přímého měření na celé ploše porostu reprezentativní (matematicko – statistické) na zkusných plochách (pásech) relaskopická metody odhadu Využití taxačních a růstových tabulek

Metody přímého měření 1.Průměrkování naplno – časově a měřicky velmi náročná metoda, nejpřesnější (  5%), užívá se v případech, kdy je nutné přesně zjistit zásobu (porosty nebo části porostů určené k těžbě) nebo na malých plochách (kde použití reprezentativních metod není technicky možné) - opodstatněné využití při oceňování lesního porostu 2.Reprezentativní metody – rychlejší, založeny na metodě náhodného výběru, přesnost  10 %, používají se jako nejčastější metoda zjišťování zásob - spíše využití při tvorbě LHP 3

Průměrkování naplno 4 Hlavní zásady: dodržovat správný postup měření průměrkou značit změřené stromy proti směru postupu na 2 – 3 měřiče jeden zapisovatel nebo využití digitální průměrky s pamětí Je to měření všech tlouštěk v porostu ve výčetní výšce a jejich zařazení do definovaných tloušťkových stupňů. Obvykle se používají 2- nebo 4-cm tloušťkové stupně.

Průměrkování naplno 5 Průměrkovací („svěrkovací“) manuál

Přesnost průměrkování naplno 6 chyby odstranitelné (chyba způsobená nesprávnou průměrkou, např. „vyviklané“ rameno, nedodržení místa měření, …) – cca 1 – 5 %, kladné i záporné; chyby neodstranitelné (nepravidelný průřez kmenů, subjektivní chyby měření), obvykle do 1 %; chyby úmyslné – zařazení do tloušťkových stupňů – do 1 %, v nestejnověkých porostech (výběrných) až 1,5%. Celková chyba (pokud vyloučíme odstranitelné chyby) je obvykle do 3 %. S připočtením chyb v měření výšek je celková dosažitelná přesnost metody v určení zásoby do 5%.

Reprezentativní metody 7 Využívá se poznatků matematické statistiky, kdy se měří jen určitá část stromového inventáře porostu – výběrový soubor, na jehož základě se odhaduje velikost zásoby celého porostu (nebo zásoba na 1 ha). zkusné plochy kruhové zkusné plochy pásové relaskopická stanoviště Porostní veličiny se měří obvykle na zkusných plochách nebo stanovištích:

Teoretický základ reprezentativních metod 8 Cíl: určení zásoby porostu (porost – základní soubor). Místo proměření všech stromů porostu je úlohou reprezentativních metod určit (odhadnout) skutečnou zásobu porostu (kterou neznáme) pomocí měření na určitém malém počtu n zkusných ploch (na výběrovém souboru). Podmínkou je, aby chyba odhadu zásoby porostu nepřekročila relativní chybu s pravděpodobností P%. velikost výběru (zpravidla počet ploch) intenzita výběru způsob rozmístění prvků výběrového souboru v porostu Co je nutné stanovit (vytyčovací údaje):

Stanovení počtu ploch n (velikost výběru) 9 Velikost výběru závisí na: přímo úměrně na variabilitě zásoby (čím více úroveň zásoby po ploše kolísá, tím větší výběr potřebujeme) – mírou je variační koeficient  % – tuto hodnotu neznáme, nutno odhadnout (v praxi pomocí 5-ti stupňové škály rozrůzněnosti zásoby); přímo úměrně na požadované spolehlivosti – mírou je hodnota t – čím vyšší spolehlivost požadujeme, tím vyšší je hodnota t (např. pro 90 % je 1,64, pro 95% je 1,96, pro 99% je 2,58, atd.); nepřímo úměrně požadované přesnosti určení zásoby  x %. Přesnost je dána tak, že vypočítaná hodnota zásoby se od skutečné nebude lišit o víc než , tedy čím je  menší (a tedy požadovaná přesnost vyšší) tím větší výběr potřebujeme. nezávisí na velikosti základního souboru POZOR!! Velikost výběru nezávisí na velikosti základního souboru (např. velikosti porostu)!

Intenzita výběru 10 úhrnná výměra všech zkusných ploch P výměra porostu Intenzita výběru (podíl plochy porostu zaujatý zkusnými plochami) je měřítkem efektivity metody. Na rozdíl od počtu ploch závisí na velikosti základního souboru (ploše porostu). Čím je porost větší, tím je reprezentativní metoda efektivnější (při stejné variabilitě a požadované přesnosti) V praxi se určuje hranice efektivity reprezentativních metod (zda se výběrová metoda „vyplatí“ nebo je již lepší použít celoplošnou metodu).

Rozmístění zkusných ploch v porostu 11 Výběr musí být objektivní - neovlivněný „přáními“ měřiče, systematickými změnami ve struktuře porostu, apod.; reprezentativní – musí odrážet vlastnosti celé plochy porostu. Z praktického hlediska se nejlépe osvědčuje systematický výběr – pravidelná síť ploch rozložená po celé ploše porostu.

Metoda objemových tabulek jednoargumentové tabulky – v = f(d 1,3 ) –“tarify“ – vhodné jen pro homogenní území, určité rozpětí věku nižší přesnost  % dvouargumentové tabulky - v = f(d 1,3 ;h) – nejčastěji používané, přesnější (  7-12 %) – využívané v ČR! trojargumentové tabulky - v = f(d 1,3 ;h;X) – rozšíření dvouargumentových tabulek o další veličinu zachycující tvar kmene (např.tloušťka 7 m od země, tloušťka ve 30 % výšky stromu, apod.), přesnější (  4-6 %), ale náročnější měření 12 Vyjadřuje objem stromu jako funkci jedné nebo více snadno měřitelných veličin.

Metoda objemových tabulek  Praktický postup : zjištění počtu tlouštěk v jednotlivých tloušťkových stupních – průměrkování naplno nebo zkusné plochy pro každý tloušťkový stupeň naměříme výšky (pro středové 4-6 výšek, pro okrajové 1- 3 výšky) sestrojení výškové funkce a určení vyrovnaných výšek (výpočtem nebo graficky) pomocí středů tloušťkových stupňů a vyrovnaných výšek určíme pomocí objemových tabulek objem jednoho kmene vynásobením počtu stromů a objemu jednoho kmene získáme objem pro dřevinu, sečtením pro dřeviny objem pro porost 13

Metoda objemových tabulek 14 Tloušťková struktura Měřené výšky

Metoda objemových tabulek Odvození vyrovnaných výšek:

Metoda objemových tabulek 16 vyrovnané výšky výčetní tloušťka objem 1 stromu

Metoda jednotných objemových křivek (JOK) 17 Odstraňují hlavní nevýhodu metody objemových tabulek – nutnost měření velkého množství výšek a jejich vyrovnání výškovým grafikonem. Individuální výškové křivky nahrazují systémem standardizovaných výškových křivek a na ně navazujících objemových křivek.

Metoda jednotných objemových křivek (JOK) 18 Systém JVK a JOK závisí nejvíce na střední tloušťce a střední výšce (d g a h g ), méně na ostatních faktorech (věk, bonita, oblast). Systém JVK je sestaven zvlášť pro každou dřevinu a v rámci každé dřeviny pro několik tloušťkových tříd tak, aby střední odstup výškových křivek byl asi 1 m. Křivky jsou očíslovány trojmístnými čísly, z nichž 1. číslice udává tloušťkovou třídu, další dvě číslice pořadové číslo křivky.

Metoda jednotných objemových křivek (JOK) – od JVK k JOK tloušťková třída zde jsou středy výškových křivek ze systému JVK pro 4. tloušťkovou třídu smrkusystému JVK

Metoda jednotných objemových křivek (JOK) – praktický postup 20 vyprůměrkování porostu (buď naplno nebo na zkusných plochách); určení střední tloušťky dřevin (buď pomocí Weisseho střední tloušťky nebo jako tloušťka d g ); měření výšky dřevin (změřit výšky pro tloušťkový stupeň obsahující střední tloušťku a v sousedních tloušťkových stupních - obvykle výšek, pokud je výšková struktura komplikovanější a pro větší porosty i více); stanovení střední výšky dřevin (buď aritmetický průměr měřených výšek pro jednotlivé dřeviny nebo sestrojit zkrácený výškový grafikon pro středové tloušťkové stupně); stanovení čísla JOK (jako průsečík d g a h g ); stanovení objemu jednotlivého stromu pro příslušnou JOK (najde se v tabulce objemů příslušné JOK); stanovení objemu dřeviny (objem jednoho stromu se vynásobí počtem stromů) a objemu porostu (součet objemů dřevin).

Metoda jednotných objemových křivek (JOK) – přesnost a použitelnost 21 Přesnost metody závisí především na: přesnosti měření výšky a tloušťky - u tloušťky bývá střední chyba kolem 1% (poměrně značný počet měřených tlouštěk), u měření výšek asi 2-3% - tyto chyb ovlivňují určení správné JOK přesnosti samotného systému JVK a JOK– u středových částí JOK je přesnost vysoká (chyba 0-3%), u okrajových částí nižší (chyba 8-15%), proto se v systému JOK používají jen středové části JVK (kolem d g ) Metoda JOK se nedoporučuje: pro nestejnověké (výběrné) porosty s klesajícím rozdělením pro porosty s velmi rozkolísanou tloušťkovou strukturou (polymodální křivka tloušťkových četností, apod.) extrémní porosty, jejich tloušťka a výška není v rozpětí JVK

Relaskopická metoda - princip 22 Metoda je založena na měření pomocí záměrného úhlu, který se vytvoří záměrnou pomůckou (např. Bitterlichovou tyčí) Pro každý strom se vytvoří myšlený hraniční kruh (relaskopická „zkusná plocha“), jehož poloměr se rovná C-násobku tloušťky d dotyčného stromu.

Relaskopická metoda - princip 23

Relaskopická metoda - pomůcky 24 Relaskopická (Bitterlichova) hůl

Relaskopická metoda - pomůcky 25 Optický klín zaujatý hraniční nezaujatý 1 m 2 0,5 m 2 0 m 2

Relaskopická metoda - pomůcky 26 Zjištění hodnoty násobného faktoru optického klínu – „cejchování“ využijeme výrazný a kontrastní terč u známých rozměrech (např. čtverec 10 x 10 cm), šířka terče je rozměr d. klínem zaměříme na terč a odstoupíme do takové vzdálenosti, kdy se jeho zdánlivý obraz jeví přesně jako hraniční a tuto vzdálenost změříme co nejpřesněji jako vzdálenost R využijeme úměru založenou na principu relaskopické metody

Relaskopická metoda - pomůcky 27 Příklad cejchování : d = 10 cm, r = 485 cm d = 10 cm, r = 527 cm

Relaskopická metoda - postup 28 stanovení vytyčovacích údajů – počtu stanovišť, záměrného úhlu, odstupové vzdálenosti zjištění počtu zaujatých stromů – m 2 kruhové výčetní základny a střední tloušťky a výšky ověření počtu stanovišť (test racionality) zjištění korekcí (násobný faktor, sklon svahu) výpočet zásoby

Relaskopická metoda - postup 29 Stanovení vytyčovacích údajů  Stanovení vytyčovacích údajů provádí se podobně jako u kruhových zkusných ploch počet relaskopických stanovišť (nikoli ploch!!), jejich odstupová vzdálenost Měření na stanovištích  Měření na stanovištích počet zaujatých a hraničních stromů – kruhovou výčetní základnu, pro každou dřevinu střední tloušťku a výšku sklon terénu

Relaskopická metoda - postup 30  Ověření dostatečného počtu stanovišť zda je odhadnutý počet stanovišť dostatečný z hlediska skutečné variability kruhové výčetní základny. Obvykle se posuzuje podle grafikonu minimální potřebný počet stanovišť rozdíl mezi minimální a maximální kruhovou výčetní základnou na jednotlivých stanovištích celková kruhová výčetní základna

Relaskopická metoda - postup 31  Korekce na násobný faktor (pokud se liší o více než o 5% od hodnoty 1) na svah terénu vyšší než 10° (stanovíme průměrný sklon ze všech stanovisek) – obvykle podle grafikonu sklon terénu celková kruhová výčetní základna celková kladná oprava na sklon

Relaskopická metoda - postup 32 Sdružený grafikon pro korekci na svah a pro test racionality

Relaskopická metoda - postup 33 Výpočet zásoby  Výpočet zásoby V/ha = G/ha x JHF G/ha – kruhová výčetní základna na hektar (včetně všech oprav) JHF (jednotná výtvarnicová výška) – získáme z „Taxačního průvodce“ podle střední výšky dřeviny

Relaskopická metoda – možné zdroje chyb 34 hodnocení stromů v zákrytu (mírné vyklonění se při zachování vzdálenosti od stromu) nedodržení vrcholu záměrného úhlu (nad bodem označujícím relaskopické stanoviště držíme konec relaskopické tyče (oko měřiče) nebo přímo optický klín) individuální chyba měřiče (nutno testovat) měření ve víceetážových porostech (etáže se měří zvlášť)

Metody odhadu – Využití růstových tabulek Růstové tabulky jsou přílohou č. 3 vyhlášky č. 84/1996 Sb. O lesním hospodářském plánování Vyjadřují vývoj dendrometrických veličin  stejnověkých  stejnorodých  plně zakmeněných  stejným způsobem obhospodařových porostů na ploše 1 ha

Růstové tabulky  Lze je nalézt na webu old.uhul.cz v sekci legislativa v dané vyhlášce  Vytvořeny pro 4 hlavní hospodářské dřeviny (SM, BO, BK, DB)  Číselné i grafické přehledy

37 Růstové tabulky - účel bonitace stanovení zásoby stanovení přírůstů predikce vývoje

Příklad výpočtu zásoby pomocí RT  Smíšený porost 5,6 ha, věk 83 let, zastoupení: SM – 50%, BK 30%, JD 20%, AVB: SM 30, BK 26, JD 28, zakmenění porostu 0,9  Postup:  vybrat podle dřeviny a bonity správné RT  Na řádku s nejbližším nižším a vyšším věkem zjistit zásobu na hektar  Provést interpolaci na daný rok => zásoba tabulková na hektar  Vypočítat zásobu skutečnou na hektar a to tak, že zásobu tabulkovou vynásobím zakmeněním porostu a zastoupením dřeviny  Skutečnou zásobu na hektar vynásobit plochou porostu a dostanu zásobu dřeviny na celý porost  Sečíst zásoby dřevin za porost a dostávám zásobu celého porostu

Příklad výpočtu zásoby pomocí RT  Řešení pro SM:  V t /ha v 80 letech = 605 m 3, V t /ha v 85 letech = 649 m 3 => V t /ha v 83 letech = 631 m 3  V s /ha = V t /ha * zastoupení * ρ = 631*0,50*0,9=284 m 3  V s /porost = V s /ha * výměra = 284 * 5,6 = 1590 m 3  Stejný postup i pro ostatní dřeviny => V s /porost BK = 591 m 3, V s /porost JD = 576 m 3  Celková zásoba porostu je 2757 m 3

Výpočet zásoby porostu pomocí Taxačních tabulek  Výpočet zásoby je velmi podobný – pouze se jinak stanovuje tabulková zásoba na 1 hektar  Podle střední výšky a střední tloušťky s taxačních tabulkách určí tabulková zásoba  Další postup je stejný s metodou RT  Skutečná zásoba dřeviny/ha = Zásoba tabulková/ha * zakmenění porostu * zastoupení dřeviny  Skutečnou zásobu na hektar vynásobit plochou porostu a dostanu zásobu dřeviny na celý porost  Sečíst zásoby dřevin za porost a dostávám zásobu celého porostu

Další taxační veličiny určené k popisu porostu  Bonita dřeviny  Objem středního kmene  Střední tloušťka  Střední výška  Redukovaná plocha dřeviny a porostu  Zastoupení dřeviny  Zakmenění porostu

Bonita dřeviny  Bonita udává produkční schopnost dřeviny na daném stanovišti  vyjádření v absolutních jednotkách – Absolutní Výšková Bonita – AVB – udává průměrnou výšku porostu ve standartním věku (v našich podmínkách 100 let)  Vyjádření v relativních jednotkách – Relativní Výšková Bonita – RVB – vyjadřuje produkční schopnost dřeviny v relativních bezrozměrných hodnotách na stupnici +1 až do -9  bonita se využívá často pro srovnání produkčních schopností dřeviny na různých stanovištích  Stanovení bonity se provádí na základě znalosti střední výšky a věku porostu v taxačních tabulkách (nebo i růstových tabulkách)

Objem středního kmene  Objem středního kmene se nejčastěji stanovuje jako podíl zásoby dřeviny v porostu a celkového počtu stromů dané dřeviny v porostu  Lze jej také stanovit při znalostech bonity a věku z růstových tabulek nebo při znalosti střední výšky a střední tloušťky z taxačních tabulek

Střední tloušťka  střední tloušťka reprezentující objem středního kmene  střední tloušťka reprezentující průměrnou kruhovou výčetní základnu  Weisseho střední tloušťka  průměrná tloušťka  Tloušťka stanovená kvalifikovaným odhadem (d max - d min )/2

Střední výška  Stanovuje se jako průměrná hodnota z několika naměřených výšek pro stromy se střední tloušťkou  Také ji lze stanovit ze vzorníků, které jsou měřeny na relaskopických stanovištích  Lze ji také stanovit při znalosti střední tloušťky a výškové funkce při metodě objemových tabulek odečtením z výškové křivky

Redukovaná plocha dřeviny a porostu

Zastoupení dřevin

Zakmenění porostu

Rekonstrukce zásoby porostu  Zjištění zásoby ze vzorníků ze stejného porostu, v jakém byla provedena těžba  Dohledání stromů se stejnými parametry, jako jsou na pařezech a na těchto stromech provedeno klasické zjištění zásoby např. pomocí JOK nebo objemových tabulek  Zjištění zásoby pouze z parametrů pařezů, které zůstaly po těžbě  V současné době volně dostupná aplikace ASPOT na webu ÚHÚL – využitelná pro dřevinu SM  K hrubé orientaci také lze provést výpočet pomocí objemu středního kmene porostu a počtu pařezů (nevhodné pro stromy s objemem výrazně vyšším než je objem středního kmene => nadhodnocení zásoby)

Moderní měřické pomůcky a technologie  Oblast měření výšek stromů  Výškoměry řady VERTEX  Výškoměry jako součást dálkoměrů (např. NIKON PROOF 800)  Výškoměry, které je nutné používat společně s dálkoměry (např. Häglof HEC)  Oblast měření tlouštěk stromů  Digitální průměrky (např. Mantax Digitech Professional)  Laserové průměrky (např. Digitech Pro One, Gator Eyes…)  Oblast měření výměry porostu nebo jeho částí  Technologie XScape  Technologie Field Map

Ukázka laserové průměrky  