September 15, 2016
|
Ở
|
bài trước, mình có vẽ biểu đồ phân bố các loài
cây theo 2 đại lượng IV% và G% trong công thức tổ thành. Tuy nhiên, hiện nay
các đề tài nghiên cứu về cấu trúc tầng cây cao, lớp cây tái sinh, chúng ta nên
áp dụng chỉ số quan trọng IV (%) thông qua 3 đại lượng (F%, Gi% và Ni%). Theo
Curtis and McIntosh (1951) đã so sánh vai trò của các loài trong quần xã thông
qua chỉ số quan trọng IV (Importance Value of species). Chỉ số quan trọng IV được
tính bình quân từ tổng của 3 đại lượng là độ thường gặp tương đối (F%), mật độ
tương đối (N%) và độ ưu thế tương đối (G%), cụ thể qua công thức:
Trong đó:
-
F%: độ thường gặp tương đối của một loài (là tỷ lệ
phần trăm độ thường gặp của loài so với tổng độ thường gặp của tất cả các loài
trong quần xã);
-
N%: mật độ tương đối của một loài (là tỷ lệ phần
trăm số cá thể của loài này so với tổng số cá thể của các loài trong quần xã);
-
G%: độ ưu thế tương đối của một loài (là tỷ lệ phần
trăm tổng tiết diện ngang thân cây của loài so với tổng tiết diện ngang thân
cây của các loài trong quần xã.
==> Tổng cộng (F% + N% + G%) = 300%. ===> Từ đó xác định được công thức tổ
thành.
Trong phạm
vi bài này mình không giới thiệu đến cách vẽ biểu đồ phân bố với nhãn (tên), bởi
ở bài trước mình đã giới thiệu chi tiết việc kết hợp 3 gói (ggplot2, ggthemesvà ggrepel) để vẽ một biểu đồ với nhãn khoa học, đẹp và tương đối hoàn chỉnh. Ở
bài này, mình đề cập đến việc tính chỉ số mức độ quan trọng (IV%) tính qua 2
trường hợp cụ thể.
Tính chỉ số (F%)
Trước nay,
đa số chúng ta xác định công thức tổ thành (CTTT) chỉ qua 2 đại lượng N% và G%.
Vì vậy, sẽ là khó hình dung cách tính đại lượng (F%). Thực ra, đại lượng F%
không phải mới đề cập, nhưng trong quá trình giảng dạy chúng ta ít đề cập, cũng
như không áp dụng nên rất khó mường tượng khi tính toán chỉ số F này. Để dễ hiểu,
chúng ta có thể lập ô tiêu chuẩn (OTC - ô cấp 1) với kích thước 1.000m2,
trong ô cấp 1 lập thêm các ô cấp 2 với kích thước 100m2 (25m x 20m),
tiếp đến trong ô cấp 2 lập thêm các ô cấp 3 với kích thước 4m2 (2m x
2m). Cụ thể trong hình dưới đây:
Điều tra
trong OTC (cấp 1, cấp 2 và cấp 3). Cụ thể:
-
OTC (cấp 1): điều tra tầng cây cao, cây tái sinh
cho tất cả các loài có đường kính ngang ngực ≥ 6cm (hoặc D1.3 ≥ 10cm,
tùy mục tiêu nghiên cứu) về: thành phần loài cây (tên loài cây: tên latinh, tên
phổ thông...), đường kính, chiều cao cây, đường kính tán...
-
Ô cấp 2: điều tra tất cả các cây gỗ tái sinh có đường
kính ngang ngực < 6cm và Hvn > 1,3m về: loài, chiều cao cây, đường kính,
sinh trưởng, chất lượng sinh trưởng...
-
Ô cấp 3: điều tra mức độ thường gặp tương đối của một
loài (F%), tức là trong ô 4m2 điều tra xem loài i có xuất hiện hay
không? Nghĩa là trong 50 ô cấp 3 xem loài i xuất hiện bao nhiêu lần?
Xác định công thức tổ thành qua chỉ số mức độ
quan trọng (IV%)
Để xác định
CTTT trong quần xã qua chỉ số quan trọng (IV%), mình lấy ví dụ cho 2 trường hợp:
(i) tính chỉ số IV% qua 2 đại lượng N% và G% và (ii) tính chỉ số IV% qua 3 đại
lượng N%, G% và F%. Cụ thể như sau:
Trường hợp
1: tính chỉ số IV% thông qua 2 đại lượng N% và G%. Công thức tổ thành như sau:
31,50 Vot + 24,82 Cal + 6,40
Chel + 5,92 Tran + 5,30 Sotrl + 4,63 Cor + 4,23 Deađ + 3,85 Sop + 3,76 Thc +
9,58 lk
Trường hợp
2: tính chỉ số IV% qua 3 đại lượng N%, G% và F%. Công thức tổ thành như sau:
33,12 Vot + 25,64 Cal + 7,30
Chel + 6,98 Tran + 6,56 Sotrl + 4,45 Hoq + 3,09 Cor + 12,86 lk
Qua hai
công thức tổ thành trên có thể đi đến nhận xét sau:
-
Thứ tự các loài trong công thức tổ thành không có sự
thay đổi lớn. Chỉ số IV% khi tính qua 3 đại lượng (N%, G% và F%) có tăng một
chút so với mức độ quan trọng IV% khi tính bằng 2 đại lượng (N% và G%);
-
Thành phần loài tham gia trong công thức tổ thành ở
trường hợp 2 giảm đi 3 loài (Dead, Sop và Thc) và xuất hiện 1 loài mới (Hoq) so
với trường hợp 1.
Để thể hiện
chi tiết hơn về thành phần các loài cũng như giá trị các đại lượng của từng
loài thông qua biểu đồ phân bố với nhãn dưới đây cho 2 trường hợp trên.
Trường hợp 1:
- Phân bố giữa IV% và Gi%
> o11=ggplot(data=o1,
aes(x=IV, y=Gi))+ geom_point()+ theme_bw()+ theme_classic()+ xlab("IV,
%")+ ylab("Gi, %")+ geom_rangeframe()+ theme_tufte()+
scale_x_continuous(breaks=extended_range_breaks()(o1$IV))+ scale_y_continuous(breaks=extended_range_breaks()(o1$Gi))+
ggtitle("Figure 1")
> o111=o11+geom_text_repel(aes(IV,Gi,
label=(loai),col="red"))
- Phân bố giữa IV% và Ni%
> o12=ggplot(data=o1, aes(x=IV, y=Ni))+ geom_point()+ theme_bw()+ theme_classic()+ xlab("IV, %")+ ylab("Ni, %")+ geom_rangeframe()+ theme_tufte()+ scale_x_continuous(breaks=extended_range_breaks()(o1$IV))+ scale_y_continuous(breaks=extended_range_breaks()(o1$Ni))+ ggtitle("Figure 2")
> o112=o12+geom_text_repel(aes(IV,Ni, label=(loai)))
Trường hợp
2:
- Phân bố giữa IV% và Ni%
> o13=ggplot(data=o2, aes(x=IV, y=Ni))+ geom_point()+ theme_bw()+ theme_classic()+ xlab("IV, %")+ ylab("Ni, %")+ geom_rangeframe()+ theme_tufte()+ scale_x_continuous(breaks=extended_range_breaks()(o2$IV))+ scale_y_continuous(breaks=extended_range_breaks()(o2$Ni))+ ggtitle("Figure 3")
> o113=o13+geom_text_repel(aes(IV,Ni, label=(loai)))
- Phân bố giữa IV% và Gi%
> o14=ggplot(data=o2, aes(x=IV, y=Gi))+ geom_point()+ theme_bw()+ theme_classic()+ xlab("IV, %")+ ylab("Gi, %")+ geom_rangeframe()+ theme_tufte()+ scale_x_continuous(breaks=extended_range_breaks()(o2$IV))+ scale_y_continuous(breaks=extended_range_breaks()(o2$Gi))+ ggtitle("Figure 4")
> o114=o14+geom_text_repel(aes(IV,Gi, label=(loai)))
Qua 2 trường
hợp trên các bạn có thể hình dung và so sánh rõ hơn việc áp dụng cách tính chỉ
số mức độ quan trọng (IV%) trong việc xác định công thức tổ thành rừng thông
qua 2 hay 3 đại lượng.
0 comments:
Post a Comment