Analiza Regenerarii Padurii - CARTE

Analiza regenerrii pdurii
Perspective statistice i informatice
Ciprian Palaghianu
Refereni tiinifici:
Conf. univ. dr. ing. Sergiu Andrei HORODNIC
Prof. univ. dr. ing. Cornel Octavian TURCU
Descrierea CIP a Bibliotecii Naionale a Romniei

Palaghianu, Ciprian
Analiza regenerrii pdurii : perspective statistice i informatice /
Ciprian Palaghianu. - Suceava : Editura Universitii "tefan cel Mare",
2015
Conine bibliografie
ISBN 978-973-666-466-3
630
Tiparul executat la Tipografia S.C. ROF S.A. Suceava

str. Mreti 7A, tel.: 0230-523476; 0230-520237
Cuvnt nainte
n cercetarea tiinific modelele sunt uneori att de
ntinse la limit nct cedeaz. Cnd se ntmpl acest lucru,
trebuie s fim satisfcui ntruct se genereaz cunoatere.
Modelul este apoi modificat i forat din nou pn cnd cedeaz n
alt mod.
(Garcia, 2008)
Lucrarea de fa se bazez pe rezultatele cercetrilor efectuate n perioada

de pregtire a tezei de doctorat i are ca tem aspecte privitoare la analiza
regenerrii arboretelor prin mijloace statistice i informatice.
Desigur, teza de doctorat a fost finalizat acum mai bine de cinci ani, dar
efervescena acelor observaii i investigaii nu s-a stins, astfel c aceast carte
conine att fragmente din teza de doctorat ct i informaii care s-au sedimentat i
consolidat n urmtorii ani.
Tema se nscrie n tendinele actuale manifestate n cercetarea silvic, fiind
propuse metode de analiz a regenerrii arboretelor care integreaz tehnici
informatice i statistice moderne ce ofer posibiliti superioare de investigare,
prelucrare, interpretare i prezentare a datelor i rezultatelor.
Doresc s mulumesc n primul rnd domnului profesor universitar dr.
ing. Ioan MILESCU, conductorul tiinific al lucrrii de doctorat pentru faptul c
a acceptat s-mi ghideze paii spre cercetarea silvic. Sprijinul manifestat prin
sfaturi, ndemnuri i ncurajri atunci cnd nu adoptam soluia cea mai
convenabil de urmat m-au ajutat s gsesc cu ajutorul domniei sale soluii la
problemele ivite pe parcursul conceperii tezei. Rbdarea i nelegerea de care a dat
dovad au constituit de asemenea un sprijin important, mobilizndu-m s
continui munca n momentele dificile.
n aceeai msur adresez mulumiri domnului prof. univ. dr. ing. Radu
CENU, nu doar pentru sugestiile utile n finalizarea lucrrii ci i pentru faptul
ca de-a lungul anilor a fost pentru mine, din punct de vedere profesional, un
adevrat printe. De asemenea, pe parcursul carierei didactice am fost ntotdeauna
sprijinit de doamna prof. univ. dr. ing. Filofteia NEGRUIU, fa de care mi
exprim toat consideraia i recunotina.
Mulumesc prietenilor i colegilor mei care m-au ajutat la culegerea datelor
de teren i ulterior mi-au oferit indicaii utile n conceperea lucrrii de doctorat: ef
lucr. dr. ing. Ionu BARNOAIEA i conf. dr. ing. Florin CLINOVSCHI.
Apreciez, de asemenea, observaiile i sprijinul din partea distinilor mei
colegi: conf. dr. ing. Sergiu Andrei HORODNIC, decanul Facultii de
Silvicultur Suceava, conf. dr. ing. Marian DRGOI, conf. dr. ing. Ovidiu
IACOBESCU, conf. dr. ing. Laura BOURIAUD, ef de lucrri dr. ing. Daniel
AVCRIEI, ef de lucrri ing. dr. Alexei SAVIN, ef de lucrri dr. ing. Ctlin
ROIBU i dr. ing. Marius TEODOSIU.
Activitatea de prelucrare a datelor a fost mult uurat de utilizarea unor
aplicaii informatice i sunt ndatorat autorilor acestora pentru faptul c mi-au
furnizat aceste soluii software i mi-au permis folosirea lor: domnului cercettor
principal gr. I dr. ing. Ionel POPA (SilvaSTAT), domnului George PERRY
(SpPack) i domnului Peter HAASE (SPPA).
n final, dar nu n ultimul rnd, mulumesc soiei mele, Delia, pentru
nelegerea manifestat, sprijinul i ncurajrile permanente i prietenului i fiului
meu, David, cu sigurana un viitor cercettor.
Ciprian Palaghianu,
Suceava, 1 octombrie 2015
CUPRINS
PARTEA I ASPECTE TEORETICE N RELAIA PDURE-CIBERNETIC
Capitolul 1 Consideraii referitoare la regenerarea pdurii ............................................. 8
1.1. Regenerarea pdurii - legtur ntre generaii succesive de arbori i arborete ........... 8
1.2. Evoluia concepiilor privitoare la regenerarea arboretelor ................................... 12
Capitolul 2 Scopul i obiectivele cercetrilor ............................................................... 22
2.1. Scopul cercetrilor .............................................................................................. 22
2.2. Obiective urmrite ............................................................................................. 23
2.3. Locul cercetrilor. Materialul i metodologia de cercetare.................................... 26
Capitolul 3 Mijloace informatice folosite n modelarea forestier ................................. 30
3.1. Elemente generale ale procesului de modelare cibernetic .................................... 30
3.2. Particulariti ale procesului de modelare a activitilor din silvicultur ................ 34
3.3. Tipuri i categorii de modele ............................................................................... 39
3.4. Tendine n activitatea de modelare ..................................................................... 46
3.4.1. Inteligena artificial .................................................................................... 47
3.4.2. Analiza spaial ............................................................................................ 52
3.4.3. Modelarea geometric i vizualizarea tridimensional ................................... 60
3.3.4. Folosirea imaginilor satelitare i a tehnicilor GIS .......................................... 72
Capitolul 4 Consideraii cu privire la modelarea procesului de regenerare a arboretelor 77
4.1. Caracteristici ale modelrii regenerrii ................................................................ 77
4.2. Aplicaii software folosite n simularea regenerrii arborilor i arboretelor ............. 87
PARTEA A II-A CERCETRI EFECTUATE I REZULTATE OBINUTE
Capitolul 5 Caracterizarea i modelarea elementelor structurale ale regenerrii ............ 97
5.1. Structura n raport cu numrul de puiei pe specii ............................................... 97
5.2. Structura n raport cu parametrii biometrici nregistrai ..................................... 115
5.2.1. Structura n raport cu diametrul puieilor .................................................. 116
5.2.2. Structura n raport cu nlimea puieilor ................................................... 123
5.2.3. Structura n raport cu nlimea pn la prima ramur verde ...................... 133
5.2.4. Structura n raport cu dimensiunile coroanei.............................................. 140
5.2.5. Profilul tridimensional al suprafeelor studiate ........................................... 147
5.3. Modelarea relaiilor dintre caracteristicile structurale ale seminiului ................. 152
5.3.1. Relaiile dintre parametrii biometrici ai puieilor ........................................ 153
5.3.2. Relaiile dintre parametrii biometrici i desimea puieilor ........................... 171
Capitolul 6 Diversitatea structural a seminiului ..................................................... 177

6.1. Caracterizarea diversitii structurale prin indicatori sintetici.............................. 177
6.2. Aprecierea dominanei i diferenierii dimensionale ........................................... 189
6.3. Fundamentarea unui indice de apreciere a diversitii structurale care include
poziia n spaiu a puieilor - IDIV ........................................................................... 200
6.4. Analiza diversitii structurale a seminiului din suprafeele studiate cu ajutorul
indicelui IDIV .......................................................................................................... 209
Capitolul 7 Evaluarea modelelor de organizare spaial a puieilor instalai pe cale
natural ..................................................................................................................... 224
7.1. Introducere........................................................................................................ 224
7.2. Determinarea modelelor de organizare spaial prin metode independente de
distane .................................................................................................................... 227
7.3. Determinarea modelelor de organizare spaial i asociere prin metode bazate pe
distanele dintre puiei .............................................................................................. 237
7.3.1. Analiza prin intermediul indicilor dependeni de distan .......................... 239
7.3.2. Analiza prin intermediul funciilor bazate pe distribuiile cumulative ale
distanelor ........................................................................................................... 248
7.3.3 Analiza prin metoda celor mai apropiai k vecini (KNN) ............................ 256
7.3.4. Analiza modului de organizare spaial prin metode ale statisticii spaiale de
ordinul al IIlea ................................................................................................... 264
7.4 Determinarea particularitilor de asociere prin metode dependente de distane .. 279
7.5. Folosirea informaiei spaiale n evaluarea relaiilor competiionale..................... 285
7.5.1. Evaluarea competiiei prin indici sintetici dependeni de distan ............... 288
7.5.2. Determinarea suprafeei poteniale de dezvoltare a puieilor ....................... 298
Capitolul 8 Concluzii. Contribuii originale .............................................................. 305
8.1. Sinteza cercetrilor efectuate .............................................................................. 305
8.2. Contribuii originale.......................................................................................... 315
Bibliografie ................................................................................................................ 317
Anexe ........................................................................................................................ 347
PARTEA I
ASPECTE TEORETICE N
RELAIA PDURE CIBERNETIC
Analiza regenerrii pdurii - Perspective statistice i informatice
Capitolul 1
Consideraii referitoare la
regenerarea pdurii
1.1. Regenerarea pdurii - legtur ntre generaii succesive de arbori i
arborete
Pdurea reprezint o resurs natural remarcabil pentru om i societate.
Importana i valoarea acesteia este sporit de faptul c fa de alte resurse naturale
ca petrolul, gazele naturale, crbunii, pdurea se caracterizeaz prin capacitatea de
reproducere, ca urmare a unui proces natural de rennoire a generaiilor de arbori.
Permanena pdurilor, n scopul receptrii continue a beneficiilor izvorte
din funciile de producie i protecie atribuite, presupune o perpetu nnoire a
biocenozei forestiere la nivelul indivizilor. Viaa limitat, dei ndelungat, a
arborilor determin o nlocuire treptat a acestora pentru ca biocenoza n
ansamblul ei s-i pstreze, ntre anumite limite, structura n scopul realizrii
funciilor sale. Aadar, viaa pdurii ca ntreg nu este determinat de durata de via
a elementelor ce o compun.
Rennoirea n cazul ecosistemelor forestiere este un produs natural, dictat
de legile firii, ce se produce continuu sau periodic. Similar acestui proces, n
pdurea cultivat vorbim despre regenerarea arboretelor, care presupune nlocuirea
arborilor ajuni la o anumit vrst, ce se extrag prin tiere, cu exemplare tinere
obinute prin procese generative sau vegetative.
Procesul de nlocuire a vechii generaii de arbori printr-una nou, tnr,
este cunoscut sub numele de regenerare. Regenerarea pdurii deriv din
proprietatea fundamental, general a lumii vegetale i animale de autoreproducere.
Capitolul 1. Consideraii referitoare la regenerarea pdurii
Dat fiind importana regenerrii arboretelor, silvicultorul trebuie s

acioneze cu maxim responsabilitate n vederea conducerii acestui proces deoarece
acesta condiioneaz existena arboretului i implicit realizarea eficient a funciilor
sale. Momentul acesta, de maxim importan n viaa pdurii, trebuie pregtit cu
mult grij i presupune analize atente att n ceea ce privete caracteristicile i
exigenele speciilor cu care se lucreaz ct i n ceea ce privete nsuirile staiunii
care asigur suportul fizic al regenerrii.
Aciunea de regenerare nu presupune n mod neaprat intervenia uman.
n pdurile virgine acest proces s-a derulat i se deruleaz n mod natural, sub
influena exclusiv a factorilor naturali. Regenerarea se produce n acest caz n mod
neregulat n timp i spaiu, n funcie de apariia unor condiii favorabile. Procesul
se desfoar lent, extinderea vegetaiei forestiere este ntmpltoare, la fel ca i
structura din punct de vedere al compoziiei i consistenei.
Evoluia unui arboret este dictat la un moment dat de dou procese ce se
deruleaz concomitent i oarecum antagonic: un proces negativ de slbire
fiziologic a elementelor mature i un altul pozitiv, de instalare i ulterior de
dezvoltare a unor noi seminiuri. Prin urmare, premisele declanrii procesului de
regenerare natural sunt asigurate de apariia semnelor de slbire fiziologic a
pdurii, combinat cu procesul de fructificaie al arborilor.
Studiul regenerrii n pdurea virgin permite decelarea legitilor dup
care se realizeaz regenerarea n condiii naturale. Cunoaterea acestor legiti
naturale ghideaz silvicultorii n aciunea de regenerare a pdurii cultivate n
direcia unei aplicri corecte a diverselor metode tehnice de lucru. n pdurea
cultivat acest lucru nu presupune imitarea modului de regenerare al pdurii
virgine, ci desprinderea unor concluzii utile, cu valabilitate general. Modul de
aciune al naturii contravine de foarte multe ori intereselor silvicultorului care
dorete ca acest proces s se realizeze ct mai repede, ct mai uniform i cu o reuit
ct mai bun. Se desprinde astfel ideea c, n pdurea cultivat, aciunea aleatoare a
naturii este nlocuit cu intervenia contient, planificat i sistematic a
silvicultorului.
9
Intervenia
specialistului
presupune
determinarea
momentului
modalitii de ntrerupere a produciei arboretului btrn, concomitent cu

adoptarea
unor msuri care s favorizeze instalarea i dezvoltarea unei noi
generaii. Dirijarea procesului de regenerare impune reglarea desfurrii n timp a

acestuia prin lichidarea arboretului btrn ntr-un ritm impus de cerinele
dezvoltrii seminiurilor instalate crora trebuie s li se asigure condiii optime de
lumin, cldur i umiditate. n opinia cunoscutului silvicultor N. Constantinescu
(1973), regenerarea n pdurea cultivat nceteaz a mai fi un proces pur natural.
Se remarc o nou idee important, c n pdurea cultivat regenerarea nu se mai
produce n urma eliminrii ca proces natural, ci este o consecin fireasc a unui
proces artificial necesar: exploatarea arborilor.
n pdurea cultivat se deosebesc dou tipuri de intervenii n ceea ce
privete regenerarea: regenerarea pe cale natural i regenerarea artificial.
Regenerarea natural presupune obinerea n urma efecturii de tieri de
regenerare a unei noi generaii din smna diseminat de arbori sau pe cale
vegetativ. Se poate evidenia c ceea ce numim regenerare natural n pdurea
cultivat este un proces influenat puternic de om, dirijat de acesta (Constantinescu,
1973). Denumirea de regenerare natural este n acest caz convenional,
subliniind asemnarea cu procesul natural de regenerare. Este ns evident
antropizarea acestui proces prin dirijarea convenabil a regenerrii din punct de
vedere temporal (privitor la momentul n care se realizeaz), spaial (privitor la
locaia i modul n care avanseaz), compoziional etc. Silvicultorul este parte activ
a acestui proces prin efectuarea unor lucrri de stimulare a fructificaiei, de
favorizare a instalrii i dezvoltrii seminiului, de promovare a anumitor specii sau
de eliminare de la regenerare a altora.
Regenerarea n pdurea cultivat se difereniaz de regenerarea n pdurea
virgin att prin ritm ct i prin calitatea arboretului obinut. n multe cazuri
productivitatea arboretelor din pdurea virgin este inferioar celei din arboretele
pdurii cultivate, iar sortimentele de lemn obinute nu corespund de cele mai
multe ori nevoilor economice ale societii.
10
Apar situaii n care, din diverse motive, regenerarea natural nu este

posibil sau nu este avantajoas din punct de vedere economic, caz n care se
recurge la cealalt modalitate de regenerare a pdurii cultivate: regenerarea
artificial. Aceasta presupune instalarea unui nou arboret cu material de
reproducere produs dup o tehnologie specific. Instalarea se poate face artificial
prin semnturi directe, prin plantaii sau prin butiri directe.
Capacitatea natural a arborilor de a se reproduce conduce la ideea fireasc
potrivit creia, n mod normal, perpetuarea pdurilor se asigur prin regenerarea
natural. n acest context, regenerarea artificial apare ca o aciune de refacere a
unui dezechilibru provocat de diverse calamiti naturale sau de intervenii
antropice neinspirate i pgubitoare. n multe cazuri impactul dezgolirii unor mari
suprafee (din dorina de a concentra tierile) a condus la nlocuirea regenerrii
naturale cu cea artificial. Rucreanu (1962) susine c parchetaia reprezint o
metod de amenajare cu totul necorespunztoare, [] pentru c posibilitatea pe
suprafa oblig la tieri rase. n aceste condiii regenerarea pe cale natural este practic
exclus.
Desigur, regenerarea artificial nu este doar consecina exploatrii n
general, ci este de multe ori impus de efectele negative generate de exploatarea
neraional. Extragerile concentrate, reducerea puternic a consistenei, nelenirea
solului prin punat abuziv, nmltinarea, vtmarea seminiului natural sau chiar
imposibilitatea dezvoltrii acestuia au condus treptat la folosirea regenerrii
artificiale drept unic mijloc de regenerare a anumitor arborete.
Examinarea argumentelor prezentate mai sus, ne permite a evidenia faptul
c procesul de regenerare a pdurilor, n general, constituie un el n sine, de a crui
reuit se leag ateptrile i nevoile societii umane i, desigur, nsi existena i
continuitatea n timp a pdurii.
n acest cadru, regenerarea se impune ca o condiie a perenitii pdurii i
continuitii produciei de lemn, ca o legtur ntre generaii succesive de arbori.
11
11
1.2. Evoluia concepiilor privitoare la regenerarea arboretelor

Evoluia societii omeneti a fost n mod evident influenat de existena
pdurilor. La nceput se putea vorbi despre o relaie ntre om, ca individ, i pdure,
urmnd ca apoi aceast relaie s se maturizeze i s evolueze n relaia pragmatic
dintre societatea uman i pdure.
Aceast trecere a pdurii de la obiect al interesului primar individual la
statutul de resurs natural regenerabil, de interes public a cunoscut numeroase
etape care au condus n final la o situaie ngrijortoare.
n prezent se estimeaz c aproape jumtate din pdurile care existau cu
circa 10000 de ani n urm au disprut. Potrivit unui studiu elaborat de World
Resources Institute 46% din pdurile existente acum 8000 de ani au disprut
(Bryant, 1997). Ba mai mult, aproximativ 75% din acest deficit s-a nregistrat n
ultimele dou secole (Mygatt, 2006). Practic se estimeaz c din cele aproximativ 8
miliarde hectare de pdure existente acum 8000 de ani au mai rmas n prezent
3,952 miliarde hectare (FAO, 2007), doar 22% din pdurile iniiale ale globului
fiind situate n zone naturale nefragmentate (Bryant, 1997). Pn la mijlocul
secolului trecut, pdurile tropicale au rmas n mare parte intacte: ntre anii 1960 i
1990 au fost defriate aproximativ 450 de milioane de hectare, respectiv 20% din
totalitatea pdurilor tropicale (Bryant, 1997).
Declinul suprafeelor ocupate de pdure nu reprezint o problematic
recent, a ultimilor ani. Istoria ne arat c societatea uman a ales o modalitate
greit de management al resurselor forestiere nc de timpuriu. Astfel, pn n anul
1000 .H. majoritatea pdurilor Chinei de Est au fost defriate n vederea extinderii
plantaiilor agricole. n Europa, acum circa 2000 de ani grecii i romanii au distrus
majoritatea suprafeelor ocupate de pdure din zona mediteranean, iar n Evul
Mediu aceast situaie s-a agravat n toat Europa Occidental.
La nivelul continentelor se apreciaz c procentul suprafeei ocupate de
pdure n prezent fa de suprafaa iniial este destul de sczut (Bryant, 1997):
12
Figura 1.1. Dinamica reducerii pdurii la nivel mondial

(adaptare dup hrile oferite on-line de WRI)
Asia pstreaz doar 25% din pdurile iniiale, Africa 34%, Europa cu
Federaia Rus 58%, America de Nord si Central 75%, America de Sud 70% iar
Oceania 65%.
Revenind la istoricul relaiei dintre om i pdure, primele interaciuni nu
vizau n mod prioritar obinerea de material lemnos ci erau axate pe un consum al
produselor accesorii ale pdurii. Omul primitiv folosea pdurea ca pe un mijloc de
a-i procura hrana. Dezvoltarea societii umane a fcut ca pdurea s fie supus
primelor presiuni. Expansiunea terenurilor agricole, nevoia de terenuri de punat
n cazul creterii animalelor, apariia oraelor i a reelelor de drumuri, dezvoltarea
navigaiei reprezint fenomene ce au determinat primele defriri masive de pduri
(Milescu, 1969, 1990).
n funcie de nevoile locale, oamenii extrgeau arborii care corespundeau
dimensional sau calitativ intereselor curente, fr a manifesta nici un interes pentru
operaia de regenerare a pdurii. n cazul n care extragerile de material lemnos erau
relativ dispersate i reduse din punct de vedere cantitativ, pdurea se regenera n
mod natural, fr nici un ajutor uman. Procesul de regenerare se caracteriza printro dinamic aleatoare n timp i n spaiu. n acest stadiu se poate vorbi despre un
aa-zis grdinrit primitiv, ce nu constituie nc un mod de gospodrire dar
13
13
reprezint primul indiciu de folosire al pdurii ca resurs de material lemnos. De

altfel, acest prim mod de folosire a pdurii, a fost ndelung utilizat pn n secolele
XV-XVI sau n unele regiuni de pe glob, chiar pn n timpurile moderne
(Milescu, 1990, 1997).
Continua evoluie social i economic a umanitii a determinat o cretere
a consumului de lemn. Lemnul era apreciat deja ca un produs, ca o marf, ceea ce a
determinat extrageri intensive, concentrate ce au condus la efecte negative
neateptate: nmltinarea sau nelenirea solului, rrirea excesiv a unor zone,
afectarea regenerrii naturale prin distrugerea seminiurilor sau crearea unor
condiii improprii dezvoltrii acestora. n multe din rile europene starea pdurilor
a fost agravat i de un punat intens sau de o extindere agresiv a zonelor
destinate agriculturii.
Degradarea rapid i accentuat a pdurilor accesibile a condus chiar la
dispariia unor zone ntinse de pdure. Efectele degradrii pdurilor, ca de altfel i
dezvoltarea economic rapid, au determinat confruntarea rilor europene cu o
lips a lemnului. Pentru prima oar societatea uman a realizat c pstrarea
suprafeelor mpdurite este o condiie esenial n asigurarea continuitii pdurii
ca resurs economic. n aceast perioad apar primele reglementri cu caracter de
gospodrire a pdurilor care nu urmreau s asigure regenerarea ci erau mai degrab
axate pe restricionarea exploatrilor. Aceste prime reglementri au limitat evoluia
procesului de degradare dar nu au rezolvat problema asigurrii continuitii
pdurii.
Primele idei privind regenerarea pdurilor au aprut n Europa, unde
dezvoltarea economic din secolele XVII-XVIII a determinat confruntarea, de
altfel inevitabil, cu o criz a lemnului, ce impunea soluii rapide. Atunci s-a sesizat
diferena ntre lemn ca resurs regenerabil i celelalte resurse naturale
neregenerabile. n urma unei oarecare experiene forestiere, s-a realizat c pdurea
dispune de o caracteristic excepional i anume capacitatea de regenerare. Astfel sau cristalizat cteva principii care vizau direct regenerarea pdurilor n scopul
14
asigurrii continuitii acestei resurse naturale de valori ecologice i economice

deosebite (Milescu, 1982, 2002).
Aceste principii s-au conturat treptat, n baza observaiilor empirice ale
fenomenelor ce au loc n urma exploatrii unei pduri. A fost sesizat capacitatea de
regenerare natural vegetativ a unor specii ceea ce a dus la folosirea unui prim
regim de gospodrire - regimul crngului.
Efectele negative ale tierilor n crng au fost observate i s-a trecut la
nlocuirea unor cioate epuizate cu exemplare ce proveneau din smn care s
permit obinerea de lemn gros i s contribuie la realizarea unei regenerri mixte
din lstari i din smn.
Dorina de a asigura continuitatea produciei de lemn a marcat apariia
modului de exploatare n parchete anuale prin tieri rase.
Acest pas a determinat folosirea regimului de codru care presupune
rezolvarea problemei regenerrii prin alte mijloace dect pe cale vegetativ.
Regenerarea suprafeelor exploatate se realiza fie natural, prin pstrarea unor arbori
seminceri, fie artificial prin instalarea arboretului prin semnturi sau plantaii.
Experiena acumulat n aceste operaii a determinat chiar aplicarea unor
tipuri de regenerare sub masiv.
nceputul secolului al XVIII-lea a gsit deja bine conturate principiile
exploatrii i regenerrii pdurilor, principii concretizate n unele cazuri n diverse
reglementri ale vremii - Ordonana lui Colbert din 1669 din Frana sau diverse alte
reglementri regionale n Germania (Constantinescu, 1976).
Lucrrile i cercetrile lui Tristan de Rostaing grand matre des Eaux &
Forests de France din 1520 (Troup, 1928), Varenne de Fenille n Frana ntre 17901791 (Constantinescu, 1976) sau ale lui Hartig (1796) n Prusia sunt deschiztoare
de noi orizonturi i au marcat nceputuri timide ale silviculturii ca tiin. Pn
atunci se evideniase strnsa legtur dintre regenerare i exploatare, cele dou
procese considerndu-se dou componente ale aceluiai sistem. Se acceptase faptul
c tehnicile de regenerare trebuie s in cont pe ct posibil de eficiena exploatrii
iar aceasta din urm s se deruleze n funcie de mersul regenerrii. Munca
15
15
specialitilor forestieri de la sfritul secolului al XVIII-lea i nceputul secolului al

XIX-lea a introdus un nou element n relaia dintre regenerare i exploatare, i
anume lucrrile de conducere i ngrijire. Astfel s-a ncercat realizarea de sisteme
integrate de gospodrire a arboretelor care s ofere soluii complete practicii silvice.
Aceast evoluie a fost determinat att de interesul societii n maximizarea
produciei de lemn ct i creterea interesului privind calitatea lemnului.
Eforturile privind elaborarea i implementarea unor concepte cu referire
direct la regenerarea arboretelor a unor cercettori merit ndeosebi amintite.
Hartig (1796) propunea n lucrarea sa Anweisung zur Holtzzucht fur
Forster ca modul de regenerare a arboretelor s se realizeze prin aplicarea tierilor
succesive. La nceputul secolului al XIX-lea, Cotta (1821) recomand n Anweisung
zum Waldbau un sistem de avansare a regenerrii care prin distribuia tierilor n
timp i spaiu s asigure o structur normal. Influenai de Hartig i Cotta,
silvicultorii francezi Lorentz i Parade (1837) dogmatizeaz ulterior n lucrarea
Cours elementaire de culture des bois tratamentul codrului regulat cu tieri
succesive pe care l numesc la methode de reensemencement natural et des eclaircises
periodiques. Ei recomand pstrarea unei consistene strnse care s evite
nelenirea solului i instalarea seminiurilor nainte de momentul tierilor de
regenerare.
Perioada secolului al XIX-lea a fost una deosebit de prolific n apariia de
noi idei i concepte cu privire la regenerarea pdurilor i n general cu privire la
gospodrirea arboretelor, experiena silvicultorilor fiind lrgit de nenumratele
metode i tehnici de lucru aplicate n care s-au obinut rezultate considerate
satisfctoare. La baza dezvoltrii unor metode de regenerare au stat i noile
concepii economice ale respectivei perioade. Astfel, efecte deosebit de nefavorabile
asupra gospodririi pdurilor a avut concepia economic privind renta maxim a
solului. Potrivit acestei concepii terenul reprezint un mijloc de producie ce
trebuie s genereze o rent maxim. Aceast idee ncuraja cultivarea de specii
repede cresctoare care s necesite un minim de cheltuieli de ngrijire i care s
permit recoltarea ct mai rapid. n Germania acest mod de gospodrire a
16
pdurilor a fost utilizat un timp, beneficiind i de justificarea sa prin sistemul

economic bazat pe exploatabilitatea financiar descris de Judeich n 1871 (Dragoi,
2000).
Acest sistem a condus la o gospodrire a pdurilor ce utiliza ca mod de
exploatare tierile rase urmate de o regenerare pe cale artificial a arboretelor.
Pentru a putea folosi acest sistem se utilizau ca specii de cultur molidul i pinul,
extinzndu-se cultura lor n arborete pure. Deceniile ce au urmat au evideniat
consecinele negative ale unei astfel de gospodriri defectuoase asupra
productivitii i stabilitii pdurilor. O reacie violent mpotriva acestor
concepii de gospodrire a avut-o Gayer (1868), ce a promovat ideea respectului
fa de legitile naturale n practica forestier. Gayer a concretizat aceste idei n
conceperea unui nou sistem de regenerare: regenerarea prin tieri cvasigrdinrite.
Anii ce au urmat au marcat i apariia altor metode sau a unor variante,
procedee sau pur i simplu mbuntiri ale metodelor existente deja. Experiena
silvicultorilor s-a mbogit n mod continuu, pdurea fiind privit nu doar ca o
resurs natural exploatabil ci ca un obiectiv de maxim importan a crei
perpetuare n timp i spaiu este vital pentru societatea uman.
Regenerarea pdurilor nu mai este considerat drept o consecin a aciunii
de exploatare ci reprezint o preocupare major a silvicultorilor ce dispune de o
fundamentare teoretic i metodologic i este rezultatul eforturilor ndelungate ale
practicii i cercetrii tiinifice n acest domeniu.
Metodele de regenerare ale pdurii cultivate sunt n mod normal derivate
din observaiile asupra modului de regenerare n pdurea virgin dar au evoluat i sau diversificat n funcie de natura pdurii cultivate, de progresul tiinific i tehnic,
de experiena i profesionalismul silvicultorilor.
Concepiile privitoare la regenerarea arboretelor au suferit modificri n
decursul timpului i chiar n aceeai perioad au variat de la o regiune la alta n
funcie de stadiul dezvoltrii sociale i economice i de gradul de dezvoltare al
tiinelor silvice, complexitatea acestor concepii fiind i rezultatul nevoilor
societii.
17
17
n prezent, suprafaa ocupat de pdure la nivel global este de 3,952

miliarde de hectare adic 30,3% din suprafaa uscatului. Repartizarea resurselor
forestiere este neuniform, att la nivelul continentelor ct i la nivelul statelor.
Astfel, sunt 5 state care dein mpreun mai mult de jumtate din resursele
forestiere mondiale (53%) Rusia (808,79 milioane hectare), Brazilia (477,698
milioane hectare), Canada (310,134 milioane hectare), SUA (303,089 milioane
hectare) i China (197,29 milioane hectare) (FAO, 2007).
Referitor la dinamica suprafeei ocupate de pdure, rata anual a
despduririlor la nivel global, n urma exploatrii de lemn, a involuat de la 16
milioane hectare n anul 1995 la 13 milioane hectare n anul 2005 (FAO, 2007).
n urma eforturilor de regenerare i mpdurire se obine un deficit anual de 7,3
milioane hectare. Practic suprafaa pdurii la nivel mondial scade anual cu aceasta
valoare sau se poate spune c suprafaa pdurii pe Terra scade zilnic cu circa 20 de
mii de hectare pe zi. n urma ritmului alert al despduririlor n ultimii 15 ani,
suprafaa ocupat de pduri s-a diminuat cu 3%. Aceast tendin este posibil chiar
s se accentueze datorit faptului c valoarea consumului de lemn i produse
lemnoase crete an de an i este preconizat o dublare a acestuia n urmtorii 10 ani
(Mygatt, 2006).
n ultimii ani - perioada 2000-2005 - se constat un interes sporit acordat
gestiunii resurselor lemnoase, fiind remarcate progrese n acest sens la nivelul
majoritii continentelor. Daca Europa reprezint n continuare exemplul cel mai
elocvent al posibilitii de cretere a suprafeei mpdurite, America de Sud rmne
singurul continent care nu nregistreaz progrese, avnd un deficit anual de 4,483
milioane hectare, chiar i Africa nregistrnd o scdere a deficitului anual la circa
4,040 milioane hectare fa de perioada 1995-2000 (FAO, 2003, 2005, 2007).
Europa, are o cretere anual a suprafeelor ocupate de pdure constant i
considerabil, suprafaa acoperit de pdure crescnd n medie cu 0,845 milioane
de hectare n perioada 1990-2000 (o rat de cretere de 0,46% pe an), respectiv cu
0,756 milioane de hectare n perioada 2000-2005 (o rat de cretere de 0,40% pe
an) (Palaghianu, 2007).
18
Figura 1.2. Media anual a modificrii suprafeei acoperite de pdure

Perioada 1995-2000 (conform datelor FAO, 2003, 2005, 2007)
Europa este continentul care a luat msurile cele mai drastice i mai
timpurii. Programe de refacere a suprafeei mpdurite au fost demarate nc din
secolul al XVIII-lea. Astfel Danemarca avea n 1810 suprafaa mpdurit de 4%
iar in 2005 de 10%, Elveia 18% n 1810 i 29% n 2005, Frana 14% n 1830 i
27% n 2005 iar Scoia 5% n 1920 i 15% n 2005. i n prezent exist ri
extrem de preocupate de creterea suprafeei mpdurite - mai ales n condiiile
reducerii suprafeelor agricole. Se nregistreaz ritmuri de cretere foarte bune
pentru Spania (296 mii ha/an), Italia (peste 100 mii ha/an), precum i Frana,
Portugalia, Turcia, Grecia (figura 1.3).
Uniunea European s-a implicat n activitatea de management al resurselor
forestiere nc din 1990 prin Politica Comun pentru Agricultur. Din anul 2000,
conform directivei 1257/1999 s-a oferit suport pentru dezvoltare rural, n
domeniul forestier acest suport referindu-se la mpduriri i alte msuri
silviculturale. Au fost acordate prin Fondul European de Orientare i Garantare n
Agricultur (EAGGF) contribuii financiare importante. Spania a beneficiat de
circa 1,5 miliarde de euro (din care 650 milioane de euro doar pentru mpduriri),
19
19
Italia de 900 de milioane de euro (550 milioane doar pentru mpduriri),

Portugalia de 700 de milioane de euro (Zanchi, 2007). n prezent toate aceste
msuri sunt finanate prin Fondul European pentru Agricultur i Dezvoltare
Rural (EARFD), ce a acionat iniial n perioada 2007-2013.
O alt tendin observat n ultimii ani n rile dezvoltate, const n faptul
c ritmul alert de pierdere a folosinei agricole a terenurilor determinat de declinul
rural i abandonarea unor terenuri de ctre agricultur i gsete soluii prin
mpdurirea terenurilor neproductive (Milescu, 2002).
Acest transfer al folosinei terenurilor este chiar ncurajat de ctre stat
prin diverse faciliti i avantaje fiscale. n condiiile actuale, tot mai adesea se
apeleaz la valenele pe care le deine pdurea n rezolvarea crizelor legate de mediu
diminuarea biodiversitii, nclzirea global, creterea concentraiei de CO2 din
atmosfer.
Figura 1.3. Ritmul anual de cretere al suprafeei acoperite de pdure n Europa

(conform datelor FAO, 2003, 2005, 2007)
20
Figura 1.4. Contribuii acordate de UE prin fondul EAGGF ntre anii 2000-2006
(adaptare dup Zanchi, 2007)
Regenerarea pdurilor constituie un deziderat ce implic n aceeai msur

aciunea raional, contient, planificat i sistematic a silvicultorului precum i
aciunea aleatoare dar generatoare de via a naturii. Regenerarea n arborete este
practic o aciune concertat, o legtur ntre doi parteneri, o convenie prin care
silvicultorul ncearc s dirijeze acest acord cu hazardul n limite acceptate de
cerinele economice i culturale ale societii.
Trebuie gsit ns o cale prin care acest parteneriat s funcioneze, n
prezent silvicultorul fiind de multe ori nevoit, datorit greelilor din trecutul mai
mult sau mai puin ndeprtat, s suplineasc prin interveniile sale aciunea
naturii. Pentru c, dup cum spunea i G. Pinchot (1905), adevrata cale de a
salva pdurile nu este reprezentat de plantarea de noi arbori ci de protejarea i
folosirea judicioas a pdurilor existente.
21
21
Capitolul 2
Scopul i obiectivele cercetrilor
2.1. Scopul cercetrilor
Pe plan internaional, n domeniul cercetrii, se manifest tendine care
arat o aplecare intens asupra studiului mecanismelor interioare ale proceselor
naturale. Pdurea este generoas n a oferi nenumrate astfel de procese,
constituind un veritabil laborator n aer liber n care natura experimenteaz.
Capacitatea deosebit a arborilor de a se reproduce i implicit capacitatea pdurii de
a se perpetua a suscitat n mod constant interesul cercettorilor, numeroase studii i
lucrri de cercetare ncadrndu-se n aceast arie de interes. Lucrarea de fa se
nscrie i ea n acest arie de interes, viznd problematica regenerrii arboretelor.
Scopul cercetrilor a fost reprezentat de identificarea unor particulariti
ale procesului de regenerare, n general, i a caracteristicilor de structur relaional
din cadrul seminiurilor rezultate n urma regenerrii, n special. S-a acordat un
interes sporit procesului competiional declanat n fazele iniiale de constituire a
unui nou arboret, competiia fiind unul din elementele ecologice dominante, active
i definitorii n populaiile tinere de arbori, modelnd structura viitorului arboret.
n aceeai msur, analizele au urmrit s determine anumite tipare ale
modului de distribuie n spaiu a indivizilor, relaiile intra i interspecifice
conducnd n timp la realizarea anumitor modele de organizare. S-a dorit
identificarea acelor atribute ale seminiului instalat pe cale natural care s poat fi
folosite n aciunea de modelare a regenerrii. n final, s-a intenionat realizarea
unei caracterizri sintetice a regenerrii n baza creia s se poat identifica
parametrii necesari unui model i relaiile funcionale din interiorul acestuia.
22
Capitolul 2. Scopul i obiectivele cercetrilor
Conceperea unui astfel de model ar permite testarea anumitor ipoteze i

elaborarea unor previziuni privind dinamica suprafeelor aflate n faza de
regenerare.
Toate analizele din cadrul lucrrii implic utilizarea de instrumente
informatice moderne, ca urmare a multiplelor avantaje ce deriv din folosirea
acestora: putere de calcul sporit, prelucrare rapid a unui volum mare de date,
creterea complexitii analizelor efectuate, caracterul modern, adaptat cerinelor
actuale ale cercetrii tiinifice. Mijloacele informatice ofer posibiliti superioare
de prelucrare, analiz, interpretare i prezentare a datelor i rezultatelor, fiind
folosite n cadrul lucrrii pentru a demonstra capacitatea i potenialul acestora n
activitatea de cercetare silvic.
2.2. Obiective urmrite

Lund n considerare tendinele actuale manifestate pe plan internaional
n cercetarea silvic, prin lucrarea de fa s-a propus ca direcie principal de studiu
evaluarea regenerrii arboretelor.
Din perspectiva tiinific a lucrrii, evaluarea regenerrii nu se refer la
operaia din practica silvic de estimare cantitativ i calitativ a rezultatului
procesului de regenerare, operaie realizat n teren prin mijloace expeditive.
Evaluarea regenerrii, ca i tem abordat n lucrare, are un caracter dictat de
tendinele internaionale nregistrate n studiile de acest tip. Cercetrile din ultimii
ani care abordeaz aceast problem fac frecvent referire la relaiile competiionale
dintre indivizi, la tiparele de distribuie n spaiu a puieilor, la omogenitatea
structural a seminiurilor sau la determinarea distribuiilor specifice acestei faze
de dezvoltare. Foarte multe lucrri urmresc integrarea acestor informaii n modele
individuale de cretere care s permit simularea dinamicii regenerrii arboretelor.
Prin prisma acestor consideraii, evaluarea este perceput n lucrare drept
operaia de identificare a anumitor particulariti i caracteristici ale regenerrii care
s poat fi cuantificate prin analize complexe ale datelor de teren. Dei lucrarea nu
a avut ca obiectiv fundamentarea unui model de regenerare, acesta putnd fi
23
23
realizat doar n urma studierii dinamicii regenerrii pe o perioad ndelungat, se

dorete ca informaiile obinute s fie utile i s poat fi integrate pe viitor ntr-un
astfel de model.
Din punctul de vedere al obiectivelor propuse se definesc patru niveluri de
evaluare care vor fi urmrite n lucrare i pot fi suprapuse peste obiectivele
principale:
evaluarea structurii seminiului primul nivel de evaluare a unui

sistem este nivelul structural. La acest punct se urmrete
determinarea particularitilor de structur pe orizontal i pe
vertical
seminiului,
caracteristicilor
distribuiilor
principalelor elemente structurale i a relaiilor de dependen

dintre acestea;
evaluarea diversitii structurale dimensionale heterogenitatea

dimensional
este
una
din
caracteristicile
definitorii
ale
seminiului. Se propune stabilirea gradului de diversitate

dimensional i a implicaiilor pe care le are acesta asupra
structurii i relaiilor individuale din cadrul suprafeelor analizate;
evaluarea particularitilor de organizare n spaiu a puieilor

informaia spaial are un rol determinant n fundamentarea
modelelor individuale dependente de distan. Se urmrete s se
stabileasc ct de ntmpltoare (aleatorie) este distribuia n
spaiu a puieilor, dac exist posibilitatea identificrii unor tipare
de agregare a puieilor sau dac se observ tendina de asociere sau
repulsie a speciilor sau categoriilor dimensionale de puiei;
evaluarea relaiilor de competiie n seminiuri se propune

estimarea intensitii acestor relaii n suprafeele studiate, precum
i decelarea influenei competiiei asupra creterii puieilor.
24
Un obiectiv secundar ataat fiecrui obiectiv principal enunat anterior

const n identificarea acelor metode de evaluare care s surprind ct mai fidel
particularitile nivelului studiat.
n scopul realizrii obiectivelor de cercetare propuse s-a dorit folosirea
unor mijloace informatice specifice. A fost preferat acest mod de abordare datorit
faptului c n ultimii ani au fost dezvoltate ramuri ale informaticii, statisticii i
matematicii care ofer noi posibiliti de explorare i prelucrare a datelor. De
asemenea, cantitatea foarte mare de date i complexitatea prelucrrilor impune
utilizarea unor tehnici adecvate care s ofere rezultate rapide i de ncredere. Nu n
ultimul rnd, apariia unor tehnologii moderne, materializate n diverse
instrumente de prelevare a datelor telemetre laser, clupe informatizate,
hipsometre ultrasonice sau laser, soluii integrate de inventariere de tip FieldMap,
impune folosirea unor mijloace informatice adecvate n activitatea ulterioar de
exploatare a datelor obinute.
n conformitate cu aspectele menionate anterior au fost propuse obiective
adiionale care se refer la conceperea unor aplicaii informatice dedicate, capabile
s prelucreze datele colectate i s ofere rezultate i soluii adecvate obiectivelor
anterior formulate.
Prin abordarea i soluionarea tuturor obiectivelor menionate s-a dorit
descifrarea unor aspecte legate de relaiile inter i intraspecifice ce se stabilesc ntre
indivizii ce vor alctui un viitor arboret. Cu ct nelegem mai bine pdurea i
mecanismele sale interne, cu att mai uor putem s gsim soluiile potrivite pentru
pstrarea i perpetuarea acesteia.
25
25
2.3. Locul cercetrilor. Materialul i metodologia de cercetare

Pentru alegerea suprafeelor de studiu au fost cutate arborete aflate n faza
de regenerare, cu seminiul instalat ct mai compact i uniform, eliberat n
proporie ct mai mare de protecia arboretului matur. Criteriile au urmrit
omogenitatea din punctul de vedere al condiiilor microstaionale pentru a se
reduce din factorii care determin variaia caracteristicilor puieilor.
Cercetrile au fost localizate pe raza Ocolului silvic Flmnzi, Direcia
silvic Botoani, n UA 50A, UP I Flmnzi, n apropierea localitii Cotu.
Arboretul analizat are o suprafa de 21,5 ha, avnd compoziia specific conform
ultimului amenajament (2005): 3Go 2St 3Ca 1Te 1Fr. Tipul de pdure este 5514
- leau de deal cu gorun i stejar pedunculat de productivitate mijlocie iar tipul de
staiune 7420 - Deluros de cvercete cu stejar pe platouri i versani slab moderat
nclinai, cu soluri cenuii, cenuii brune (faeoziom greic-eutricambosol, preluvosol),
+/- brune slab luvice, edafic mare-mijlociu, Bm.
Tierile de regenerare aplicate n acest arboret au fost specifice
tratamentului tierilor progresive, seminiul instalndu-se n perioada 2001-2002
odat cu primele tieri de deschidere a ochiurilor. Amenajamentul ntocmit n anul
2005 recomand tieri cvasigrdinrite, iar n anul 2007 a fost realizat o tiere de
lrgire a ochiurilor i racordare. Compoziia seminiului instalat este conform
controlului anual al regenerrilor efectuat n anul 2007: 7Go 1Ca 1Fr 1Dt.
n cadrul acestui arboret a fost identificat o suprafa regenerat avnd un
caracter compact i omogen, cu o proporie de participare mare a cvercineelor, n
care a fost amplasat o reea de 10 suprafee de prob cu caracter permanent (figura
2.2).
Proiectarea modului de amplasare al reelei a fost realizat utiliznd o hart
n format GIS i extensia DNR Sampling Tool (v 2.8) pentru aplicaia ArcView
Gis. Suprafeele rectangulare de 7 x 7 m au fost poziionate n teren cu ajutorul
unui dispozitiv GPS, materializate cu ajutorul unor rui i inventariate integral.
26
Figura 2.1. Aspect din suprafaa regenerat a arboretului din UA 50 A, UP I Flmnzi
n vederea constituirii unei baze de date consistente, care s permit

prelucrrile statistico-informatice ulterioare, au fost prelevate date primare cu
caracter general pentru fiecare suprafa (altitudinea, panta, expoziia, date
referitoare la ptura erbacee).
S-a inventariat un numr de 7253 de puiei, pentru fiecare individ fiind
prelevate urmtoarele date:
specia;
poziia coordonatele x,y ntr-un sistem cartezian, cu o precizie

de 1 cm;
diametrul la colet, cu o precizie de 1 mm;
nlimea, cu precizia de 1 cm;
nlimea pn la prima ramur, cu precizia de 1 cm;
dou diametre ale coroanei, msurate pe direcia N-S, respectiv EV, cu o precizie de 5 cm;
observaii cu privire la eventuale particulariti ale exemplarului.
Suplimentar, pentru minim 3 puiei pe metrul ptrat, a fost msurat

ultima cretere n nlime, cu o precizie de 1 cm.
27
27
Figura 2.2. Localizarea cercetrilor n UA 50 A, UP I Flmnzi i modul de amplasare al

suprafeelor de prob
Figura 2.3. Instrumentele utilizate n prelevarea datelor

(telemetrul laser tip Leica DISTO i hipsometrul ultrasonic tip Haglof Vertex IV)
A fost completat o fi separat ce cuprinde date privitoare la cioatele i

arborii maturi de pe o raz de 40 de metri fa de centrul fiecrei piee. n cazul
28
cioatelor s-au determinat specia, poziia (distana fa de centrul suprafeei i

orientarea) i dou diametre perpendiculare. Pentru arborii maturi s-a determinat
specia, poziia, dou diametre perpendiculare ale fusului, nlimea total i
nlimea pn la prima ramur a coroanei.
n ceea ce privete instrumentele utilizate n teren pentru prelevarea datelor
pentru msurarea distanelor au fost folosite rulete i un telemetru laser tip Leica
DISTO A6, pentru diametrele la colet - ublere, pentru nlimile puieilor - stadii
gradate, pentru diametrele coroanei i creteri rulete, pentru diametrele arborilor
maturi clupe, iar pentru nlimile arborilor maturi hipsometre ultrasonice tip
Haglof Vertex IV (figura 2.3).
Datorit volumului mare de date, precum i complexitii prelucrrilor
statistice, matematice i informatice au fost utilizate programe specializate de calcul
statistic i analiz a datelor Microsoft Excel, StatSoft Statistica, Stand
Visualization System, ESRI ArcView, SpPack (Perry, 2004), SPPA (Haase, 1995),
SILVASTAT (Popa, 1999). Pentru prelucrri suplimentare ale datelor, necesare
atingerii obiectivelor urmrite, au fost realizate soluii software proprii
(CARTOGRAMA, BIODIV, DIFDOM, IDIV, SPATIAL, VORONOI, SVS
Export, Hegyi, Schutz), utiliznd mediul de dezvoltare i programare Microsoft
Visual Basic.
Lucrarea de fa se bazeaz i pe culegerea i prelucrarea datelor secundare,
a materialului bibliografic. Au fost consultate numeroase lucrri de specialitate
originale aprute pe plan naional i internaional, fiind acordat o importan
crescut celor aprute recent n publicaii cu un factor de impact ridicat conform
Thomson ISI - Journal Citation Report.
29
29
Capitolul 3
Mijloace informatice folosite n
modelarea forestier
3.1. Elemente generale ale procesului de modelare cibernetic
Modelarea rezid ntr-un proces complex prin care se reprezint, prin
metode variate, funcionarea unui sistem sau a unui fenomen, urmnd a oferi
previziuni sau prognoze asupra comportamentului posibil al entitii studiate.
n acest mod modelarea ofer informaii viabile asupra procesului studiat,
informaii care altfel s-ar putea obine doar prin realizarea unor teste reale. Testele
experimentale conduc la rezultate concludente, avnd avantajul c se fac direct
asupra sistemului real.
De multe ori ns, realizarea acestor teste este tardiv, erorile detectate prea
trziu fiind extrem de costisitoare i capabile s compromit eforturi ndelungate de
cercetare.
Drept rspuns la aceast problem stringent, a fost elaborat procesul de
simulare, ce prezint anumite avantaje certe:
modelarea se poate efectua n faza de proiectare, nainte de

demararea unui proiect care s-ar putea s se dovedeasc neviabil;
n general modelarea nu implic costuri deosebite i chiar elimin

costurile unor erori detectabile ulterior;
modelarea se poate efectua n unele cazuri, cum poate fi i cel al

silviculturii, ntr-un timp mult mai scurt dect cel necesar testrii
n condiii reale.
30
Capitolul 3. Mijloace informatice folosite n modelarea forestier
Simularea reproduce procesele i interaciunile unui sistem real prin

intermediul
unui
model.
Acest
model
va
imita
comportamentul
corespondentului din realitate. Practic, se studiaz comportamentul unui sistem

real folosind un sistem nlocuitor, abstractizat.
Modelele sunt aproximaii structurate, selective i repetabile ale lumii reale,
create i folosite pentru a sintetiza i analiza datele i informaiile (Drgoi, 2000). Ele
pot fi definite drept reprezentri abstractizate, matematice sau fizice, ale realitii.
Aceste reprezentri trebuie s ndeplineasc anumite cerine:
s fie clare;
s fie consistente (ne-ambigue);
s fie ct mai complete.
Operatorul uman ce realizeaz modelarea trebuie s fie capabil s elimine

contradiciile, ambiguitile i omisiunile n vederea obinerii unui model viabil.
De asemenea, pentru realizarea unui model ct mai performant, va fi nevoie de o
descompunere a sistemului real n componente funcionale elementare i de o
analiz atent i pertinent a relaiilor i interaciunilor ce se realizeaz la nivelul
acestor componente.
Indiferent de metoda folosit, procesul de modelare presupune parcurgerea
anumitor etape, n vederea obinerii rezultatelor:
fixarea obiectivului;
colectarea datelor;
analiza preliminar a datelor;
alegerea sau generarea unui model;
estimarea inputurilor;
relaiilor procedurale ntre datele de intrare i ieire;
validarea i/sau calibrarea modelului (simularea unor situaii

anterioare i a unor situaii cu consecine previzibile);
planificarea experimentelor i simularea propriu-zis;
analiza i interpretarea rezultatelor.
31
31
n funcie de caracterul procesului de modelare, se poate vorbi, despre

metode:
deterministe;
probabilistice (stohastice).
Metodele deterministe se bazeaz exclusiv pe identificarea unor relaii

funcionale ntre componentele unui sistem analizat, excluznd elementele cu un
anumit grad de incertitudine. n acest sens se poate utiliza modelarea euristic,
programarea liniar sau programarea dinamic.
Metodele stohastice n realitate, sistemele au o complexitate crescut, ce
poate fi mai greu surprins prin metode de modelare determinist. Drept urmare,
n foarte multe cazuri, se apeleaz la metodele stohastice care pot opera cu elemente
ce au un caracter probabil. Aceste metode (e.g. metoda simulrii Monte Carlo, a
probabilitilor condiionate Bayes, lanurile Markov, modelele matriceale etc.)
permit elaborarea unor modele statistico-matematice capabile s exprime mai fidel
atributele i relaiile unui sistem.
Cel mai frecvent ns, modelele sunt o mixtiune avantajoas ntre metodele
deterministe i cele stohastice, formndu-se practic o nou categorie de metode:
metodele mixte.
Trebuie surprins esena funcional a procesului real studiat, pentru ca la
rndul ei, simularea, prin exploatarea modelului creat, s ofere o procedur logic,
consistent de raionament. Erorile ce se strecoar n modelare sunt provocate, n
marea majoritate a cazurilor, nu de descrierea incomplet a componentelor
sistemului ci de interaciunile neprevzute, ce nu au fost surprinse de model.
Se disting trei categorii de modele:
descriptive folosite n scopul familiarizrii cu un sistem greu,

incomplet sau deloc observabil n realitate;
predictive folosite n elaborarea prognozelor pentru diferite

sisteme;
de adoptare a deciziilor ce ofer informaii cu privire la posibilele

stri optime ale unui sistem.
32
Modelele, n sine, nu reprezint ipoteze, dar ele pot confirma sau infirma o
serie de ipoteze prin teste riguroase: un model nu este nici ipotez, nici teorie
(Giurgiu, 1974).
Scopul modelului este acela de a evidenia relaiile i interaciunile dintre
numeroasele variabile ale unui sistem. Reproducerea abstract a proceselor prin
intermediul modelelor i exploatarea acestora prin intermediul simulrilor a fost
mult impulsionat de apariia calculatoarelor. Puterea mare de prelucrare a unui
volum impresionant de date, precum i rapiditatea de care dau dovad n efectuarea
unor operaii complexe au fcut din calculatoare instrumente perfect adecvate
pentru realizarea proceselor de simulare. n ultimele decenii calculatoarele s-au
impus drept o prelungire a creierului uman, iar informatica, prin tehnici i
metode performante de prelucrare a datelor, a devenit tot mai prezent n
activitatea cercettorilor.
Beneficiind de acest impuls tehnologic major, modelarea, ca proces
tiinific, a devenit extrem de util n domenii foarte variate. Ea poate fi aplicat, cu
tot att de mult succes, n proiectare, tiine biologice, sociologie, medicin sau
ecologie.
Importana modelrii se datoreaz nu doar versatilitii i flexibilitii ei, ci
i rezultatelor deosebite obinute n urma folosirii unor tehnici i metode speciale
de simulare, prezentate ulterior n cuprinsul acestei lucrri.
Simularea matematic reprezint un mijloc experimental eficace la
ndemna silvicultorului; prin imitarea proceselor i fenomenelor silvice, folosind
modele matematice de simulare, se pot efectua cele mai diverse experimentri n toate
domeniile de activitate silvic (Giurgiu, 1974).
33
33
3.2. Particulariti ale procesului de modelare a activitilor din

silvicultur
Un model reprezint totalitatea conexiunilor logice, a dependenelor
formale i a formulelor matematice care fac posibil studierea unui obiect real
(Gertsev & Gertseva, 2004).
Obiectele studiului n cazul silviculturii sunt reprezentate de indivizi,
populaii i comuniti de arbori i ecosistemele forestiere ca ntreg. Silvicultorii au
identificat arborii, respectiv arboretele drept uniti ecologice ce pot fi uor
integrate n modele. Efectuarea unor experimente asupra acestor entiti este
dificil sau chiar imposibil datorit faptului c aceste activiti pot conduce la
schimbri nedorite ale structurii sau chiar distrugeri permanente ale elementelor
analizate. n aceast situaie este evident avantajul folosirii modelelor matematice i
a simulrilor, a mijloacelor nedistructive de cercetare.
Un alt avantaj apreciat al modelrii n silvicultur se refer la posibilitatea
efecturii modelrii ntr-un timp mult mai scurt dect cel necesar testrii ipotezelor
formulate n condiii reale, folosind arboretul drept obiect al experimentelor.
Pdurea se constituie ntr-un sistem complex care se dezvolt ntr-un ritm propriu,
mult prea lent pentru a fi convenabil din punctul de vedere al cercettorilor silvici.
Acest ritm ncet de dezvoltare reprezint neajunsul primordial al tuturor
cercetrilor ce se deruleaz n mediul forestier.
Pentru a obine informaii viabile despre acest ecosistem complex ar trebui
s se fac analize, observaii i experimente care s-ar ntinde pe un numr de ani ce
ar depi probabil sperana medie de via a uni om. n mod evident, se folosete
experiena a numeroase generaii de silvicultori, dar chiar i aa, complexitatea
evenimentelor i cazurilor ce pot s intervin n gestionarea unei pduri poate s
depeasc acest cumul de experien. De multe ori este nevoie de decizii rapide n
conducerea unui arboret, decizii care pot influena n mod benefic dezvoltarea
arboretului sau, din contra, pot compromite munca susinut a dou-trei generaii
34
de silvicultori. Pentru rezolvarea unor astfel de probleme, abordarea unor procese

de simulare i modelare se dovedete a fi o soluie potrivit.
Un aspect secundar al folosirii modelrii n domeniul forestier, dar extrem
de util n activitatea silvicultural, se refer la estimarea unor caracteristici ce nu pot
fi uor msurate sau determinate (e.g. cazul nlimilor sau a volumului).
Managementul forestier trebuie s includ criterii multiple i adesea
neconvergente n stabilirea obiectivelor sale, drept urmare scenariile bazate pe
modelri i simulri sunt instrumente utile de planificare n cazul unor elemente
schimbtoare sau caracterizate de incertitudine. Cu ajutorul modelelor se pot
efectua estimri predictive i proiecii sau pot fi analizate efectele unor scenarii
alternative. Modelarea permite reproducerea relaiilor i interaciunilor din mediul
complex al pdurii prin intermediul unei abstractizri ce va imita evoluia natural
a ecosistemului forestier.
Calitatea simulrii este influenat direct de calitatea modelului, care
trebuie s surprind relaiile i interaciunile dintre numeroasele variabile ale unui
sistem. Modelarea presupune determinarea valorilor unui set de variabile
dependente, considernd c acestea sunt influenate concomitent de mai multe
caracteristici factoriale (Drgoi, 1996). Aceste caracteristici factoriale vor fi
reprezentate de coeficienii modelului folosit n activitatea de simulare. Deducerea
modelului utilizat va presupune calculul coeficienilor modelului prin metode ale
regresiei matematice (e.g. metoda celor mai mici ptrate, a verosimilitii maxime)
sau metode neparametrice (metoda celor mai apropiai sau mai similari vecini).
Vanclay i Skovsgaard (1997) consider c evaluarea modelelor forestiere
este o operaie care trebuie s in cont de anumite caracteristici intrinseci ale
acestora:
complexitatea metodelor de estimare a parametrilor modelului;
simplitatea modelului i a modului de selectare a variabilelor;
realismul relaiilor i proceselor biologice;
compatibilitatea submodelelor utilizate;
ncrederea acordat estimrilor furnizate.

35
35
Aspectele care trebuie soluionate cel mai adesea n ceea ce privete

modelele adaptate mediului forestier se refer la procesele principale desfurate n
cadrul arboretelor dinamica extinderii n spaiu, creterea arborilor, mortalitatea
i rata de supravieuire, efectele unor factori perturbatori, respectiv structura i
regenerarea arboretelor (Dinc, 2004; Ciubotaru & Pun, 2014). Procesele
amintite anterior pot fi modelate ntr-o manier foarte diferit de la simplu la
complex, pornind de la simple tabele de producie i ajungnd la utilizarea
inteligenei artificiale, modelrii geometrice sau a tehnicilor GIS.
Modelele au fost ntotdeauna privite cu interes n silvicultur datorit
dificultilor de a nva din experien sau din experimente, evolund n timp de la
simple tabele de producie la simulatoarele cibernetice complexe din prezent.
Originea modelelor se situeaz n secolul al XVII-lea, odat cu dezvoltarea de ctre
chinezi a unor tabele de producie rudimentare (Vuokila, 1965, citat de Ek,
Dudek, 1980).
Figura 3.1. Fisa de descriere a unui arbore n cazul cercetrilor efectuate de Roventlow
(dup Skovsgaard, 2004)
36
Un alt studiu de pionierat este cel al contelui Roventlow, care a efectuat n

Danemarca anului 1793 primele msurtori dendrometrice moderne. Cercetrile
iniiate n arborete de stejar i fag, au urmrit construirea unui model al creterii i
dezvoltrii arborilor. S-a nregistrat poziia fiecrui arbore i dimensiunile arborilor
competitori, s-au efectuat msurtori ale nlimilor i ale creterilor radiale dup
patru direcii (figura 3.1), iar n final s-a reconstituit istoricul creterilor n nlime
prin analiza seciunilor fusului (Vlad et al., 1997; Skovsgaard, 2004;).
Se consider c la originea modelelor actuale se regsesc cercetri ale
silvicultorilor germani de la sfritul secolului al XVIIIlea, materializate sub forma
tabelelor de producie i cretere a arboretelor (Assman, 1970; Lexer et al., 2000;
Garcia 2008). Interesul pentru aceast form primar de modelare a fost deosebit,
n Germania fiind publicate pn n anul 1880 peste 1000 de lucrri privitoare la
tabele forestiere de producie (Kangas, 2004). Tabelele de producie sunt folosite i
n prezent oferind estimri viabile, n special pentru arboretele echiene
monospecifice, n cazul n care condiiile climatice i staionale rmn neschimbate.
Din pcate, n cazul unor modificri majore rezultatele furnizate sunt imprecise
(Kimmins et al., 2008). Drept urmare au fost dezvoltate numeroase alte tipuri de
modele, n ordine cronologic
menionnd modelele de cretere, modelele
ecologice tip gap models, modelele de procese sau modelele hibride.

Modelele moderne ale dinamicii ecosistemelor forestiere au aprut n
America de Nord, majoritatea fiind concepute pentru arborete de conifere,
monospecifice, echiene. Perioada cea mai prolific de apariie a modelelor a fost
1960-1990 (Newnham, 1964 citat de Gratzer et al., 2004; Botkin et al., 1972;
Stage, 1973; Ek, Monserud, 1974; Shugart, West, 1977; Wykoff et al., 1982; Hilt,
1985; Urban, 1990, Pacala et al., 1993), perioad ce coincide cu dezvoltarea
tiinelor informatice i folosirea pe scar larg a calculatoarelor. Ulterior, ntre anii
1990-2000, modelele au cunoscut o dezvoltare rapid i n nordul i centrul
Europei, cu precdere n Finlanda, Germania, Austria (Pukkala, 1989; Pukkala,
Kolstrom, 1992; Pretzch, 1992; Hasenauer, 1994; Nagel 1996; Schweiger, Sterba,
1997; Pukkala, Miina, 1997; Monserud, Sterba, 1996).
37
37
n prezent modelarea este un domeniu al cercetrii silvice care preocup

specialiti din toat lumea, cu o arie foarte larg de specializri. Modelarea
ecosistemelor forestiere a devenit un instrument util n analiza dinamicii pdurii i
practic n anticiparea modificrilor aprute la nivelul ntregului ecosistem forestier.
Tendinele moderne indic trecerea la o nou paradigm de modelare prin
deplasarea interesului cercettorilor de la modelele adresate arboretului spre cele de
cretere individual, ale arborilor aa numitele IBM (Individual based models)
(Teuffel, 2006). Structura general a unui model individual de cretere cuprinde,
dup Hasenauer (2006), urmtoarele elemente:
funcii de incrementare a diametrului i nlimii - n funcie de

specie, relaii de competiie, tipul staiunii, geometria coroanei;
indici de competiie dependeni sau independeni de distane;
submodele ale dezvoltrii coroanei - bazate pe indici de form i

nlimea pn la prima ramur verde a coroanei;
submodele ale estimrii mortalitii se calculeaz pentru fiecare

arbore o variabil binar (0 sau 1) ce exprim probabilitatea
mortalitii n funcie de diveri parametri;
submodele de regenerare ce ofer detalii privitoare la instalarea i

dezvoltarea seminiului.
n cutarea unor soluii ct mai performante i mai adaptate mediului

forestier, Monserud (2001) sugereaz o paradigm a modelului ideal, menionnd
condiiile care ar trebui s le ndeplineasc acesta:
s fie bazat pe cauze fundamentale ale productivitii i creterii;
s fie ntocmit n acord cu cerinele managementului forestier;
incertitudinea s fie reprezentat rezonabil;
s fie verificabil n limite satisfctoare;
s fie capabil s prezinte caracteristici noi, originale;
s fie uor de neles;
sa fie flexibil, adaptabil unor situaii diferite.
38
3.3. Tipuri i categorii de modele

Modelele folosite n activitatea de cercetare din silvicultur
au fost
clasificate n timp de un numr foarte mare de cercettori (Botkin, 1993, 2001;

Bugmann, 2001; Dudek, Ek, 1980; Edminster, 1978; Gadow, Hui, 1999; Gertsev
et al., 2004; Gratzer et al., 2004; Kangas, 2004; Kimmins et al., 1999, 2008; Lexer
et al., 2000; Matsushita et al., 2004; Mladenoff, Baker, 1999; Monserud et al.,
1996, 2001; Munro, 1974; Pacala et al., 1996; Peng 2000 a,b, 2006; Pretzch et al.,
2006; Shugart, 1980, 2002), criteriile folosite fiind n general tehnica de modelare
i rezoluia spaial a modelului. Clasificrile sunt de regul formale, ntocmite mai
mult pentru a reliefa direcia de aciune a unui model. n realitate modelele sunt
greu de clasificat datorit complexitii lor i multitudinii de aspecte implicate.
Gertsev (2004) consider c modelele folosite n ecologie sunt din punct
de vedere matematic homomorfice, gnoseologice i n general dependente de timp
i face o clasificare a acestora n funcie de:
momentul final surprins: modele de prognoz sau de reconstrucie;
reprezentarea temporal a dinamicii obiectului modelat: modele

continue sau discrete;
modul de determinare a parametrilor: modele deterministe sau

stohastice;
identificarea tipului de dependen a parametrilor: modele analitice

sau numerice;
momentul ntocmirii modelului fa de perioada investigrii

sistemului real: modele dominante sau subdominante;
Monserud (2001) accept patru clase de modele folosite n silvicultur:
Modele de estimare a creterii i produciei (growth and yield models);
Modelele ecologice - de tipul modelului ochiurilor (gap models) sau

a compartimentelor ecologice (ecological compartment models);
Modele de procese / mecaniciste (process / mechanistic models);
Modele hibride (hybrid models);

39
39
a) Modelele de estimare a creterii i produciei - sunt cele mai vechi modele,

datnd din secolele XVIII (Lexer et al., 2000) i urmresc prognoza produciei n
anumite condiii de gospodrire date. n general s-a modelat relaia dintre desime i
creterea arborilor n diametru i nlime, obinndu-se modele dependente de
specie. Ulterior, cercetrile privitoare la mortalitate au mbuntit prognozele
privind dinamica arboretelor. Monserud i Sterba (1999) au modelat mortalitatea
printr-o funcie dependent de specie, diametru, nlime, dimensiunile coroanei i
desimea arboretului. n prezent, folosirea calculatoarelor a fcut posibil modelarea
individual a arborilor. Ca msur a productivitii, se folosete un indice al
staiunii (site index) ce se exprim prin valoarea nlimii superioare la o vrst dat.
Avantajul acestui tip de model const n prognozele precise cu privire la
valoarea produciei arboretului, fiind folosite de managementul forestier - unele
modele de cretere au fost ncorporate n sistemele naionale de inventariere a
resurselor forestiere cazul FVS (Wykoff et al., 1982) sau PROGNAUS
(Monserud, Sterba, 1996).
Dezavantajul fundamental se refer la faptul c nu integreaz cauzele
productivitii (nutrienii, umiditatea, clima), fiind adesea numite modele
empirice. Exemple de astfel de modele: PROGNOSIS (Stage, 1973), CACTOS
(Wensel, Biging, 1987), SILVA (Pretzsch, 1992, 2002), MOSES (Hasenauer,
1994), BWIN (Nagel, 1996), STAND (Pukkala, Miina, 1997), ORGANON
(Hester et al., 1998; Hann, 2006), CORKFITS (Ribeiro et al., 2001, 2006),
DRYMOS (Chatziphilippidis, Spyroglou, 2006).
b1) Modelele ecologice ale golurilor (ochiurilor) - au fost folosite intensiv n
ultimii ani n modelarea ecologic a succesiunilor populaiilor; se bazeaz pe studiul
efectului produs ntr-o populaie de apariia unui ochi (gol) datorat dispariiei unui
arbore dominant (Botkin et al., 1972; Shugart, West, 1977; Pacala 1993, 1996;
Didion, 2009). Modelele de tip gap models sunt modele individuale,
deterministe care simuleaz dezvoltarea ecosistemelor forestiere pe baza teoriei
dinamicii ochiurilor - shifting-mosaic dynamics (Watt, 1947).
40
Toate modelele de acest tip deriv dintr-un model printe : JABOWA

(Botkin et al., 1972), ulterior fiind luat n calcul i FORET (Shugart, West, 1977).
Acestea au determinat o proliferare a acestui tip, modele similare fiind adoptate n
foarte multe zone ale lumii: Australia, Asia, Europa Central (Bugmann, 1996).
Creterea n diametru se apreciaz n funcie de o cretere potenial a
diametrului, calculat printr-o funcie ce depinde de diametrul curent i diametrul
maxim observat n populaia studiat. Regenerarea n ochiuri va fi apreciat prin
intermediul unei funcii dependente de cantitatea de lumin ce ajunge la nivelul
solului i nu va depinde de existena unor surse de semine disponibile. n schimb
ea va fi influenat de temperatura i umiditatea din sol. Mortalitatea este apreciat
probabilistic, considernd c un individ are 2% anse s ajung la vrsta maxim
observat n populaie. Mortalitatea va crete pentru arborii cu o cretere redus.
Succesul modelului ochiurilor (gap model) s-a datorat mai ales
protocoalelor simple de estimare a parametrilor specifici, ce permit aplicarea n
condiii extrem de variate. Din pcate, prediciile bazate pe acest tip de modele se
refer la urmtorii 100 -1000 de ani, adic mult peste nregistrrile efectuate pn
acum. Din acest motiv, validarea acestor modele rmne o problem dificil i
discutabil, nefiind dezvoltate metode adecvate de testare (Bugmann, 2001).
Desigur au aprut i completri i mbuntiri ale acestui tip de modele
un exemplu ar fi modelul SORTIE (Pacala et al., 1993), considerat o alternativ
promitoare (Monserud,
2001), ForClim (Bugmann, 1996, 2001; Wehrli,
2005), ZELIG (Urban, 1990, 1991) sau FORSKA (Prentice et al., 1993).
b2) Modelul compartimentelor ecologice - acest model ecologic mai este
numit i modelul fluxului de resurse deoarece urmrete prognoza fluxurilor ce se
realizeaz ntre compartimentele unui sistem. Aceste modele au fost mai rar folosite
n managementul forestier, dar totui au existat cazuri de folosire a lor.
c) Modele mecaniciste (de procese) - au fost utilizate mai ales n fiziologie i
biochimie, ele sacrificnd capacitatea predictiv n favoarea explicrii raionale,
tiinifice a proceselor cauzale care determin productivitatea ecosistemelor:
fotosinteza, respiraia, ciclul nutrienilor, regimul hidric etc. Prin aceste modele se
41
41
ncearc reprezentarea dependenei dintre variabilele unui proces, motiv pentru

care se consider destul de generale. Din cauza faptului c aceste modele au o baz
fiziologic solid, se apreciaz c ofer rezultate satisfctoare. Merit menionate
modelele ECOPHYS (Rauscher et al., 1990),
TREGRO (Weinstein, Beloin,
1990), PnET (Aber, Federer, 1992), TREE- BGC (Korol et al., 1995), TRAGIC
(Hauhs et al., 1995), PipeSTEM (Valentine et al., 1997).
d) Modele hibride - n ultimii ani, foarte muli specialiti au subliniat
nevoia de adaptare a modelele nevoilor i problemelor forestiere actuale, una din
soluii fiind combinarea celor mai bune caliti ale modelor fiziologice cu cele ale
modelelor empirice (Valentine, Makela, 2005). Rezultatul este un aa numit model
hibrid, mult mai adaptat specificului mediului forestier.
Sunt numeroase astfel de modele, unul dintre primele modelele hibride
menionate n literatura de specialitate fiind 3-PG (Physiological Processes Predicting
Growth), dezvoltat de Landsberg i Waring (1977). Acesta este capabil s calculeze
carbonul fixat prin activitatea de fotosintez a coronamentului unui arboret,
rezultatele corectndu-se n funcie de secet, deficitul de umiditate atmosferic sau
vrsta arboretului. Modelul este nc folosit i a fost testat n Europa (Suedia),
Australia, Noua Zeeland, coasta de nord-vest a Americii de Nord, sudul Africii.
Modelele hibride sunt cele mai promitoare deoarece nglobeaz
caracteristici folositoare din alte tipuri de modele i elimin anumite caracteristici
considerate inadecvate mediului forestier. Alte exemple de modele hibride sunt:
PipeQual i CROBAS (Makela, 1997), LINKAGES (Post, Pastor, 1986, 1996),
FORECAST (Kimmins et al., 1999, 2008), FOREST 5 (Robinson, Ek, 2003),
EFIMOD (Chertov et al., 2006).
Munro (1974) distinge trei filozofii de modelare ce caracterizeaz
modelele forestiere:
cea n care unitatea de modelare este reprezentat de individ (arbore),

bazat pe relaiile spaiale dintre acetia modele individuale
dependente de distan;
42
cea n care individul este n continuare unitatea de modelare dar nu

este necesar includerea datelor privitoare la distane - modele
individuale independente de distan;
cea n care consider arboretul ca fiind unitatea primar de modelare

modele ale arboretelor.
Modelele individuale dependente de distan pot oferi rezultate foarte

detaliate cu privire la structura i dinamica arboretelor, lund n considerare
relaiile de competiie ce se stabilesc ntre arbori (relaiile dintre arbori vecini,
ntreptrunderea coroanelor sau diferenele de statut).
Dezavantajele acestora sunt reprezentate de nevoia nregistrrii poziiei
fiecrui arbore i modalitatea greoaie i complex de calcul, ce reclam utilizarea
unor aplicaii informatice n activitatea de prelucrare a datelor (Munro, 1974;
Edminster, 1978).
Modelele individuale independente de distan sunt mai eficiente n studierea
efectelor tratamentelor silviculturale, fiind preferate datorit flexibilitii i
simplitii n utilizare, precum i eliminrii calculelor complexe necesare evalurii
competiiei (Botkin et al., 1972; Stage 1973; Shugart, West 1977; Wykoff et al.,
1982).
n ceea ce privete aceast clasificare, Dudek i Ek (1980) remarc o
mprire echilibrat a acestora, din cele 47 de modele analizate 21 fiind
dependente i 22 independente de distan, restul de 4 fiind dificil de ncadrat n
unul din cele dou tipuri.
Modelele adresate arboretelor sunt independente de distan, fiind familiare
silvicultorilor prin modul simplu de nregistrare a parametrilor specifici. Sunt
folosite valori medii ale diametrului, nlimii, volumului, vrstei, suprafeei de
baza, numrului de arbori la suprafa iar rezultatele oferite se refer la producia
arboretelor n condiiile unor strategii diferite de conducere (Edminster, 1978).
Shugart (1980) recunoate trei tipuri de modele forestiere de simulare,
oarecum similare celor identificate de Munro (1974):
43
43
Figura 3.2. Clasificarea modelelor forestiere - adaptare dup Kangas (2004)
modele individuale (tree models) axate pe modelarea din perspectiva

individului;
modele ale ochiurilor (gap models)- ce simuleaz dinamica forestier pe

baza atributelor structurale ale unui spaiu restrns (gol, ochi);
modele ale arboretelor (forest models)- ce i focalizeaz interesul n

modelare asupra arboretului ca ntreg.
Gratzer (2004, a) identific trei clase de modele ale dinamicii forestiere:
Modelul plcurilor (patch models) cu dou subcategorii: automatul cu

numr finit de stri (Shugart, 2002) i modelele ce urmresc evoluia i
creterea indivizilor de la instalare i pn la dispariie, inspirate de
conceptul JABOWA (Botkin et al., 1972) i FORET (Shugart, West,
1977). Acest tip a fost des utilizat, n timp, modelele fiind rafinate
(Bugmann, 1996, 2001; Price et al., 2001; Urban , 2005).
Modelele individuale spaiale (spatially explicit individual-based

models). Interesul se ndreapt de la dinamica plcurilor spre
interaciunile i relaiile dintre entiti. Modelele de acest tip: ZELIG
(Urban, 1990, 1991), SILVA (Pretzsch, 1992) sau SORTIE (Pacala et
al., 1993) consider arboretul ca fiind o mulime de indivizi ntre care
44
intervine
aa-numita
dinamic
de
vecintate
(neighbourhood
dynamics) i n care acioneaz procese cu caracter spaial. Succesul

acestor modele a fost determinat i de dezvoltarea unor noi metode i
instrumente de prelevare i prelucrare a datelor, precum i de folosirea
extensiv a tehnicii de calcul. Dezavantajele folosirii acestor metode
rezid n complexitatea lor i n caracterul stohastic al determinrilor.
Modelele bazate pe momente (moment-based models) sunt modele ce

apeleaz la noiuni specifice recunoaterii formelor, transformrilor
matriceale i analizei spaiale (Ripley, 1997). Se face trecerea de la
descrierea static a structurilor spaiale la o caracterizare a dinamicii
acestora n timp.
Indiferent de tipul modelelor folosite, cercetarea silvic are nevoie de

perfecionarea unor elemente ale modelelor, care se refer la:
mbuntirea reprezentrii comportamentului ecosistemelor;
creterea acurateei prognozelor i a nivelului de detaliu al rezultatelor;
nglobarea unor elemente naturale de risc - doborturi de vnt,

incendii, boli sau atacuri de insecte;
adugarea unor elemente n modelare care s in cont de calitatea

materialului de regenerare (materiale ameliorate genetic sau naturale);
estimarea i prognoza unor atribute non-cantitative (calitatea

lemnului, produsele accesorii, potenialul recreativ).
Interesul acordat activitii de modelare n silvicultur s-a materializat i n

Romnia att sub forma unor lucrri de sintez privind folosirea modelelor
forestiere (Giurgiu, 1974; Tama, 1983; Dinc, 2004, Ciubotaru & Pun, 2014)
ct i a unor lucrri de cercetare importante (Giurgiu, 1968; Dissescu, 1973;
Seceleanu, 1975, a,b; Cenu, 1992, 1996 b, 2002 b; Leahu, 1988; Barbu, Cenu,
2001; Barbu et al., 2002; Dragoi, 1996, 2002; Giurgiu, Drghiciu, 2004; Popa,
1998, 2005; Vlad, 2003, a, 2006).
Acest fapt demonstreaz nc odat
versatilitatea, flexibilitatea i potenialul deosebit al modelrii n domeniul forestier.
45
45
3.4. Tendine n activitatea de modelare

Pacala (1996) consider c motivul pentru care Watt (1947) a conceput
comunitatea forestier ca fiind un mozaic de plcuri (mosaic of patches) a fost
unul pragmatic dificultatea descrierii comunitii la nivel individual i a relaiilor
spaiale din cadrul acesteia. n prezent, avansul tehnologic din domeniul ecologiei,
biologiei, matematicii, informaticii, teledeteciei, permite soluionarea celor dou
aspecte.
Au aprut ns alte provocri cu care se confrunt modelarea n
silvicultur. Dup Gratzer (2004, a) acestea vizeaz trei aspecte principale:
caracterizarea dinamicii i structurii spaiale a vegetaiei;
identificarea proceselor relevante care determin o anumit

structur spaial (dispersia seminelor, interaciunile interspecifice, perturbrile cu caracter aleatoriu ale mediului);
nelegerea consecinelor unei anumite structuri spaiale asupra

dinamicii comunitii.
O alt tendin manifestat recent n activitatea de modelare a

ecosistemelor terestre - a aprut ideea necesitii unui sistem de modele n
cascad, specifice ecologiei peisajului, care s acopere diferitele rezoluii spaiale s opereze fiecare la o scar diferit (Chertov et al., 2006; Urban et al., 2005).
n cazul ecosistemelor forestiere nu se poate vorbi despre o modelare
exhaustiv, complet, i prin urmare nu se pot oferi garanii absolute. Pentru a
compensa acest neajuns au fost dezvoltate metode i tehnici noi care s ofere un
suport solid n activitatea tiinific de modelare i simulare i care s prezinte
anumite avantaje specifice, n funcie de modul n care vor fi folosite.
Kangas (2004) apreciaz c odat cu creterea complexitii unui model
scade acurateea estimrilor furnizate de acesta, recomandnd concentrarea
eforturilor cercettorilor asupra calitii datelor de intrare. n acest mod, noile
modele vor fi mai flexibile i mai adaptabile diferitelor situaii ntlnite n practica
forestier.
46
n ultimele decenii au nceput s fie folosite metode i tehnici speciale,

impuse cu precdere de apariia unor sisteme hardware i software tot mai
performante. Astfel, metodele de analiz a modului de organizare spaial, tehnicile
moderne de GIS i teledetecie, modelare geometric algoritmic sau tehnicile
inteligenei artificiale nu mai reprezint nouti, dar cu toate acestea au adus un
suflu nou n activitatea forestier de modelare i simulare. Aceste noi tehnici pot fi
n general greu de ncadrat; dac analiza spaial i modelarea geometric s-ar
apropia mai mult de metodele deterministe, inteligena artificial cu greu s-ar putea
spune n ce categorie ar trebui ncadrat. n mod cert ns, indiferent de metodele
i tehnicile folosite, intereseaz n primul rnd obinerea unor rezultate utile.
3.4.1. Inteligena artificial
Inteligena artificial (IA) este un termen care n sens larg exprim
abilitatea unui sistem sau a unei entiti lipsite de via de a reproduce
raionamentul uman. Termenul de IA a fost introdus n anul 1956 cu prilejul
Conferinei de la Colegiul Dartmouth, iar prinii acestui nou domeniu sunt
considerai John McCarthy, Alen Newell, Marvin Minsky si Herbert Simon.
Conceptul de inteligen artificial a evoluat i a condus n timp la
cristalizarea anumitor opinii conform crora creia IA urmrete studierea i crearea
unor software-uri i sisteme de calcul ce posed o form de inteligen: entiti care
sunt capabile s raioneze, s asimileze i s deduc concepte diferite, s neleag
limbajul natural sau s perceap reprezentri grafice, pe scurt entiti capabile s
reproduc elemente de inteligen specific uman (Holban et al, 1994).
Inteligena artificial este un domeniu extrem de vast ce cuprinde
subdomenii ca: reprezentarea cunoaterii, recunoaterea formelor, demonstrarea
teoremelor, calculul inteligent, prelucrarea limbajului natural, sisteme expert,
nvarea automat etc. n continuare vor fi prezentate succint cteva subdomenii
care prezint un interes din punctul de vedere al simulrii i modelrii.
47
47
Sistemele expert reprezint o clas particular de sisteme informatice bazate

pe inteligena artificial, avnd drept scop reproducerea cu ajutorul calculatorului a
cunotinelor i raionamentelor experilor umani ntr-un domeniu bine definit
(Turcu, 2003). Un sistem expert este capabil nu doar s imite raionamentul unui
expert uman folosind raionamente artificiale ci s multiplice experiena acestuia i
s justifice raionamentul efectuat. Utilitatea sistemelor expert rezid mai ales n
faptul c acestea sunt capabile s multiplice i s transfere experiena unui specialist
uman.
Elementele constituente ale unui sistem expert sunt: baza de cunotine
(baza de reguli), baza de fapte, motorul de inferene (mecanismul rezolutiv), modulul
explicativ (pentru verificarea coerenei bazei de cunotine), modulul de achiziie a
cunotinelor (destinat prelurii cunotinelor), interfaa cu utilizatorul (asigur
dialogul dintre utilizator i sistemul expert), fiind prezentate n figura 3.3.
Sistemele expert se utilizeaz ntr-o sfer extrem de variat de domenii nc
din deceniul al aselea al secolului XX. Primele sisteme expert au aprut n domenii
foarte variate: DENDRAL (1967) n domeniul chimiei, MYCIN (1976) n
medicin, PROSPECTOR (1979) pentru prospecii geologice (Turcu, 2003). De
atunci au aprut numeroase sisteme expert, n majoritatea domeniilor care
necesitau pregtirea unor experi umani.
Figura 3.3. Arhitectura unui sistem expert

(adaptare dup Turcu, 2003)
48
Recunoaterea formelor constituie o ramur a inteligenei artificiale i are

ca scop identificarea unor relaii de asemnare ntre reprezentrile abstracte ale unor
obiecte sau fenomene (Pentiuc, 1996). n fapt, recunoaterea formelor reprezint un
conglomerat de metode i tehnici ce aparin unor domenii fundamentale variate
(statistica, teoria deciziei, teoria limbajelor formale, teoria mulimilor vagi, reele
neuronale) ce ofer instrumente de analiz performante ale unor procese
abstractizate. Putem s vorbim despre o modelare a realitii prin intermediul
conceptului de form i a relaiilor ce se pot stabili ntre forme.
Forma reprezint o entitate abstract, descris printr-un numr finit de
atribute numite caracteristici care constituie reprezentarea matematic a unui obiect
sau fenomen din lumea real (Pentiuc, 1996). Aceast abstractizare a formei
permite aplicarea formalismului matematic ntr-o gam variat de activiti.
Forma este descris matematic printr-un set de variabile sau caracteristici.
Procesul de analiz a formei include prelucrri matematice cum ar fi: normalizri,
transformri liniare i neliniare, ordonarea, reducerea i selectarea caracteristicilor.
Pentru reprezentarea i analiza relaiilor dintre forme se utilizeaz dou msuri
reale: distana i coeficientul de similaritate.
Elementele unui sistem de recunoatere a formelor sunt: translatorul,
preprocesarea, analiza, nvarea, modulul de decizie (rezultatul procesului de
nvare). Modulul de nvare trebuie conceput s lucreze n dou contexte: de
nvarea supravegheat i nesupravegheat.
Figura 3.4. Schema sistemului de recunoatere a formelor

(adaptare dup Pentiuc, 1996)
49
49
Calculul inteligent aparine sferei IA, grupnd tehnici speciale de

soluionare a unor probleme greu structurabile, care nu pot fi caracterizate de un
model matematic clar sau a cror soluionare prin metode clasice presupune
folosirea unor algoritmi foarte costisitori. n general, este acceptat din aceast
perspectiv gruparea problemelor n dou categorii: probleme corect puse care
pot fi modelate matematic i rezolvate printr-o metod cu caracter algoritmic,
respectiv probleme incorect puse categorie care conine probleme pentru care
definirea complet printr-un model formal nu este posibil i nu se poate evidenia
o relaie de asociere ntre datele de intrare i cele de ieire. Rezolvarea se efectueaz
n acest caz prin calcul inteligent, pe baza unor exemple, prin adaptare sau nvare.
Exist mai multe direcii tradiionale de folosire a calculului inteligent:
calculul neuronal, calculul evolutiv i calculul fuzzy. Exist i alte direcii moderne,
aflate n primele faze de dezvoltare: calculul molecular, cu membrane sau cuantic.
Calculul neuronal se utilizeaz n special n soluionarea unor probleme de
asociere i se bazeaz pe identificarea, prin nvare, a unui tipar plecnd de la
diferite exemple. Din punct de vedere structural, reelele neuronale sunt
caracterizate de flexibilitate i adaptabilitate, imit funcionarea creierului i sunt
formate dintr-un ansamblu de uniti interconectate, care sunt capabile de calcule
foarte imple. Calculul neuronal reprezint o alternativ viabil la paradigma
programrii algoritmice secveniale.
Calculul evolutiv reprezint o form de calcul inspirat de principiile
evoluionismului darwinist. Acest sistem ofer instrumente de cutare a soluiei
(algoritmi genetici, programare genetic sau evolutiv) utiliznd o populaie de
cuttori, ce va fi supus unui proces virtual de evoluie prin mecanisme specifice
similare celor din evoluia natural: selecie, ncruciare i mutaie.
Calculul fuzzy este folosit n rezolvarea problemelor a cror descriere este
caracterizat de un anumit grad de incertitudine (fuzziness). Prelucrrile datelor vor
urmri nlocuirea valorilor exacte cu valori fuzzy descrise prin funcii de
apartenen. n acest mod conceptele vagi pot fi transformate, abordate i
prelucrate prin tehnici matematice convenionale.
50
n silvicultur metodele inteligenei artificiale au fost aplicate odat cu

dezvoltarea unor sisteme expert de management a resurselor naturale (Coulson et
al., 1987). Ulterior tehnicile de procesare paralel distribuit, specifice reelelor
neuronale, au devenit o alternativ la clasicele tehnici statistice aplicate n
modelarea comportamentului sistemelor neliniare (Peng, Wen, 1999).
n prezent se apreciaz c modelele de estimare ce utilizeaz reele
neuronale sunt mai flexibile i ofer rezultate superioare ca precizie modelelor
liniare (Guan, Gertner, 1991; Hasenauer et al., 2001; Hasenauer, Kindermann,
2002).
Tehnicile de inteligen artificial sunt n prezent utilizate ntr-o gam
variat de activiti ale cercetrii silvice:
Clasificarea i evaluarea caracteristicilor ecosistemelor forestiere

prin folosirea imaginilor satelitare (Peng, 2000; Franklin, 2001;
Foody, Cutler, 2006; Kuplich, 2006). Aplicaia software
Definiens eCognition reprezint un exemplu de implementare a
tehnicilor specifice inteligenei artificiale un sistem expert de
clasificare a structurilor pe baza imaginilor satelitare, ce nglobeaz
sisteme de nvare supravegheat, metode
ale recunoaterii
formelor, algoritmi genetici. Sistemul a dat rezultate foarte bune

n clasificarea ecosistemelor forestiere (Shiba, Itaya, 2006);
Modelarea dinamicii arboretelor studii privind mortalitatea

(Guan, Gertner, 1991; Hasenauer et al., 2001), prognoza
compoziiei specifice (Hasenauer, Merkl, 2001), competiia
(Richards et al., 2008),
respectiv regenerarea (Hasenauer,
Kindermann, 2002; Kuplich, 2006) i producia arboretelor

(Porras, 2007);
Evaluarea i modelarea structurii spaiale (Aitkenhead et al.,

2004);
51
51
Identificarea arboretelor susceptibile la aciuni de vtmare

produse de boli i insecte (Park, Chung, 2006) sau provocate de
vnt (Hanewinkal et al., 2004);
Managementul forestier aplicaii ale mulimilor fuzzy n

modelele de management forestier (Boyland et al., 2006), sisteme
expert (Dorn, Mitterbock, 1998), modelarea datelor necesare
proceselor decizionale (Scrinzi et al., 2007).
3.4.2. Analiza spaial

Informaia spaial n silvicultur este folosit n multe activiti specifice
de la planificarea inventarierilor sau dezvoltarea unor modele ale dinamicii
ecosistemelor forestiere, pn la rezolvarea problemelor legate de regenerare sau de
aplicare a lucrrilor silvotehnice. Gradul de heterogenitate al suprafeelor
mpdurite este puternic influenat de scara la care se desfoar analiza unui
fenomen sau proces. Dinamica spaio-temporal a unui atribut analizat este adesea
influenat de scara spaial sau temporal a cercetrii (Hurlbert, 1990), respectiv
de mrimea suprafeei elementare de prelevare a datelor (Dale, 2004; Haining,
2004; Tokola, 2004). Pentru a elimina o parte din aceste influene se recomand
stratificarea ierarhic a informaiilor pe niveluri diferite: al arborelui, arboretului,
unitii de administrare sau regiunii.
La nivelul arborilor cel mai simplu model de proces spaial aplicabil n
cazul studierii modului de distribuie n suprafa este modelul punctiform
Poisson, cu cele trei variante de tipare: neomogene, grupate i uniforme.
Tiparele grupate sau aglomerate sunt frecvent folosite n cadrul modelelor
de simulare n scopul determinrii poziiei puieilor ntr-o regenerare natural.
Procesele uniforme sunt potrivite pentru analiza spaial a distribuiei puieilor n
plantaii. Procesele punctiforme de tip Cox, Neyman-Scott, Gibbs sau Markov
52
sunt utilizate n caracterizarea dinamicii arboretelor deoarece cu ajutorul acestora

pot fi incluse n modele i caracteristici probabilistice.
La nivelul landaftului mozaicul habitatelor influeneaz diversitatea i
dinamica ecosistemelor forestiere. Eforturile de cuantificare a heterogenitii
landaftului au nceput abia n ultimele trei decenii (Tokola, 2004), dar n ultimii
ani s-au nregistrat progrese considerabile ce au condus la apariia a numeroi
indicatori de evaluare a diferitelor aspecte ale heterogenitii peisajului. Imaginile
satelitare, tehnologia GPS sau tehnicile GIS au constituit instrumente utile n
realizarea acestor progrese. Cercetrile actuale n acest domeniu urmresc
determinarea unor indicatori caracteristici: compoziia sau structura, configuraia
spaial, gradul de conectivitate, contagiozitatea sau dimensiunea fractal.
Analiza proceselor punctiforme este o tehnic flexibil i modern de
studiere a modului de organizare spaial a proceselor naturale. Punctul este unul
din cele mai populare unelte aflate la ndemna specialitilor n diverse domenii.
Versatilitatea sa se bazeaz pe simplitatea i claritatea descrierii unor distribuii
spaiale. El caracterizeaz n general entiti a cror mrime, dei nu este foarte
redus, n comparaie cu distanele dintre ele poate fi ignorat. Odat obinut o
hart a punctelor pentru o populaie de interes, se stabilete un model pentru
distribuia spaial respectiv. n operaia de cutare a modelelor trebuie s se in
cont de faptul c fiecare distribuie este rezultatul interaciunii a numeroase procese
la un anumit moment din timp i ntr-un anumit spaiu, cercettorul surprinznd
n aa numita fereastr de observaie (Illian et al., 2008) un fragment al realitii.
Uneori punctele identificate pentru un anumit proces sunt att de
numeroase nct se impune folosirea unor metode de sondaj. n analiza spaial
exist dou metode de selecie a probelor, fiecare necesitnd ulterior tehnici
specifice de analiz: metoda bazat pe prelevarea datelor din suprafee de prob
elementare (quadrat sampling) i metoda bazat pe prelevarea datelor n funcie de
distane (distance sampling).
53
53
Prima metoda (quadrat sampling) (Gleason, 1920) se bazeaz pe stabilirea

unor suprafee de prob reprezentative pentru o populaie, n care se vor numra
ci indivizi (entiti) apar n fiecare suprafa. Cea de a doua metod (distance
sampling) este caracterizat de msurarea distanelor pn la indivizi sau a
distanelor dintre acetia. Prin folosirea acestor metode se urmrete detectarea
tipului de model (randomizat, agregat sau uniform) i/sau a modului de asociere
dintre dou sau mai multe grupuri.
n cadrul metodei de analiz a quadratelor (quadrat sampling) se
nregistreaz frecvena evenimentelor n fiecare quadrat i apoi se compar raportul
dintre variana frecvenelor experimentale i medie cu raportul unei distribuii
randomizate. Metoda prezint anumite puncte slabe mrimea quadratului
influeneaz rezultatele obinute; se msoar dispersia bazat pe densitate i nu se
identific relaiile dintre elemente; ncadrarea ntr-un anumit tipar se face pentru
toat suprafaa, nefiind identificate variaiile din interiorul acesteia.
Metoda de prelevare a datelor n funcie de distane (distance sampling) se
fundamenteaz pe comparaia distanei medii dintre puncte i vecini cu distana
medie caracteristic unei distribuii aleatoare. n acest fel se elimin o parte din
problemele metodei precedente (influena mrimii quadratului), dar pot s apar
erori cauzate de stabilirea limitelor. Aceast tehnic a fost dezvoltat iniial pentru
studierea relaiilor din cadrul comunitilor vegetale, la nceputul anilor 50
aprnd numeroase modele bazate pe distana dintre indivizi (Pielou 1959;
Holgate, 1965; Clark i Evans 1954). Majoritatea modelelor au fost concepute pe
baza distanei pn la cel mai apropiat vecin, fiind acceptat ipoteza conform
creia, ntr-o populaie distribuit uniform ntr-o suprafa, distribuia distanelor
va fi o distribuie Poisson. n cadrul acestei paradigme sunt acceptate diferite teste
de detectare a modelelor spaiale nealeatorii: indicele Fisher (et al., 1922), indicele
de agregare (Clark, Evans, 1954), indicele de ne-randomizare (Pielou, 1959),
coeficientul de agregare (Skellam, 1952) i raportul Holgate (1965).
54
Rezultate bune n stabilirea semnificaiei abaterilor de la modelul aleatoriu

al unei distribuii s-au obinut i folosind tehnici de simulare Monte Carlo (Besag
i Diggle, 1977). O form nou de analiz, numit procedura permutaiilor multirspuns (MRPP) (Mielke, 1986) a fost aplicat, de asemenea, cu succes.
Metodele bazate pe tehnica distanelor sau a quadratelor, numite i metode
de analiz spaial de ordinul I au fost aplicate n cercetarea forestier de muli ani,
studiile fiind numeroase n acest domeniu (Daniels, 1978; Gratzer, Rai 2004;
Houle, Duchesne, 1999; Pommerening, 2002; Stoyan, Penttienen, 2000).
n ultimii ani au devenit tot mai frecvent folosite metodele de analiz
spaial de ordinul al II-lea, n special cele bazate pe funcia K-Ripley sau a
variantelor acesteia (Ripley, 1977, 1981; Besag, 1977; Diggle, 1983; Getis,
Franklin, 1987).
Aceste tehnici au fost utilizate n numeroase ercetri silvice care au urmrit
stabilirea modelelor de organizare spaial a arboretelor (Awada, et al., 2004;
Camarero et al., 2005; Dixon, 2002; Fajardo et al., 2006; Goureaud, 2000;
Dimov, 2004; Hofmeister et al., 2008; Maltez-Mouro et al., 2007; McDonald et
al., 2003; Montes et al., 2007; Popa, 2006; Roibu, Popa, 2007; Wolf, 2005;
Woodal, Graham, 2004).
Avantajul major al folosirii funciilor din gama K Ripley const n faptul c
acestea ofer o palet extins de informaii privitoare la organizarea spaial,
comparativ cu statistica bazat pe analiza distanelor dintre cei mai apropiai vecini.
Practic sunt descrise caracteristicile proceselor punctiforme pentru o gam larg de
distane, o proprietate deosebit de important considernd faptul c rezultatele
analizei proceselor ecologice sunt sensibil influenate de scara la care se desfoar
studiul.
Tot n scopul identificrii caracteristicilor de organizare n spaiu se pot
folosi indici care sunt utilizai n general pentru analiza autocorelaiei: indicele
Moran (1948, 1950); indicele Geary (1954) sau testul Mantel (1967). Paluch
55
55
(2005, 2007) a determinat caracterul spaial agregat al puieilor folosind aceste

tehnici de analiz.
Majoritatea tehnicilor de analiz spaial de ordinul I i II presupun
adoptarea unor metode de corectare a erorilor provocate de efectul de margine,
fiind propuse mai multe soluii pentru aceast problem (Ripley, 1981; Besag,
1977; Getis, Franklin, 1987; Stoyan, Stoyan, 1994; Haase, 1995; Goreaud,
Pellisier, 1999; Pommerening, Stoyan, 2006).
Metodele de corectare a efectului de margine sunt selectate n funcie de
tipul i metodologia de prelevare a datelor, respectiv n funcie de metodele de
analiz spaial folosite (Dale, 2004; Fortin, Dale, 2005).
n unele lucrri (Illian et al., 2008) se admite c n cazul unor dimensiuni
mari ale ferestrei de observaie i a unui numr mare de puncte analizate, efectul de
margine poate fi ignorat, afectnd n foarte mic msur rezultatele obinute.
Tipuri de modele de organizare spaial
CSR (Complete spatial randomness) reprezint ipoteza central a teoriei
analizei proceselor punctiforme bazate pe distribuia omogen Poisson. Devaiile de
la ipoteza distribuiei complet randomizate conduc la modele uniforme (distana
dintre evenimente este mai mare dect cea corespunztoare distribuiei CSR) sau la
modele agregate (distana dintre evenimente este mai mic).
Cercetrile i studiile efectuate pn n prezent au artat c majoritatea
populaiilor biologice se abat de la ipoteza distribuiei CSR (Reich, Davis, 1998;
Dale, 2004; Fortin, Dale, 2005). Distribuia spaial a acestora este determinat de
principalele elemente ale mediului de via, cum ar fi condiiile staionale i
microclimatice, relaiile stabilite cu ceilali indivizi ai populaiei, etc. Ecologitii
recunosc n prezent trei modele distincte de organizare spaial a populaiilor:
modelul randomizat, modelul agregat i modelul uniform.
56
Modelul aleatoriu (randomizat) (Random Spatial Pattern)

Acest model se accept n caracterizarea unei distribuii spaiale atunci
cnd poziiile individuale ale entitilor studiate sunt independente de poziiile
altor obiecte sau entiti de pe o arie infinit de larg (Reich, Davis, 1998). Practic
nu poate fi identificat nici un gradient ntre regiunile dense ale populaiei i
regiunile mai puin populate. Pentru un model spaial aleatoriu, distana medie
dintre punctele individuale este dat de relaia:
d=
(3.1)
unde reprezint densitatea punctelor pe unitatea de suprafa.
Modelul agregat (Agregated Spatial Pattern)

n cazul unei populaii a crei distribuie respect modelul agregat,
indivizii sunt grupai n aglomerri de densitate i mrime variabil. Acest mod de
distribuie este foarte ntlnit n natur (Pielou, 1961). S-au formulat mai multe
teorii ce au ncercat s explice acest mod de repartizare n spaiu a entitilor. Cole
(1946) a lansat ipoteza agregrii ca form a unui proces contagios.
Figura 3.5 Modele de organizare spaial (model randomizat, uniform i agregat)
57
57
Aceast ipotez susinea c prezena unuia sau a mai multe organisme ntro anumit locaie influeneaz probabilitatea apariiei altor organisme n respectivul
spaiu. Pielou (1961) a explicat agregarea prin prisma particularitilor procesului
de reproducere al speciilor i a mecanismelor de dispersie caracteristice fiecrei
specii. Thompson (1958) susine aceast idee, subliniind
faptul ca agregarea
depinde de puterea de diseminare a speciilor vegetale.

Pe de alt parte, o mare importan o au desigur i condiiile staionale ce
pot influena abundena relativ a unei specii ntr-un anumit spaiu dat (Pielou,
1961). Metode ale statisticii spaiale aplicate n pedologie au artat c soluri
forestiere situate n zone aparent omogene pot s posede caracteristici foarte diferite
(Jarvinen et al., 1993), fapt ce ar putea explica unele tipuri de agregare (Fox et al.,
2007, a).
Daniels (1978) a analizat modelul spaial n cazul regenerrii naturale a
unor arborete de Pinus taeda i a artat c gradul de agregare nu depinde de metoda
de regenerare, de vrst sau de desime, dar poate fi influenat de modalitatea de
pregtire a terenului, de condiiile pedologice, de vegetaia competitoare i de
variaia condiiilor micro-staionale. Wolf (2005) a identificat caracterul spaial
agregat al regenerrii arboretelor n urma unui studiu desfurat pe o perioad de
50 de ani n pdurile din Danemarca, multe alte cercetri indicnd acelai
fenomen, indiferent de metoda de analiz folosit (Awada, et al., 2004; Camarero
et al., 2005; Fajardo et al., 2006; Gratzer, Rai, 2004; Hofmeister et al., 2008;
Maltez-Mouro et al., 2007; McDonald et al., 2003; Montes et al., 2007; Nigh,
1997; Paluch, 2005, 2007).
Modelul uniform (Regular Spatial Pattern)
Acest model este rar ntlnit n cazul proceselor naturale, fiind caracterizat
printr-o distribuie uniform a entitilor ntr-o suprafa dat. Aceast repartizare
n spaiu poate fi reprezentat mai simplu printr-o reea de triunghiuri, ptrate sau
hexagoane.
58
S-au fcut numeroase speculaii n ceea ce privete apariia n natur a

acestui tip de model. Pielou (1961) sugera c acest mod de distribuie
caracterizeaz o suprafa n care se desfoar o competiie acerb ntre indivizi,
adeseori acest model fiind numit inhibitiv sau repulsiv. Cole (1946) descrie acest
mod de distribuie ca fiind rezultatul unui proces contagios negativ. Anumite
procese naturale resping ali indivizi cu o asemenea intensitate nct acetia nu pot
exista pe raza de aciune a respectivului proces, genernd distribuii regulate,
uniforme.
n mod evident, aceast mprire a distribuiei n trei categorii (aleatoare,
agregat i uniform) nu are un caracter stabil i permanent. Este dificil de
difereniat un model agregat de unul aleatoriu sau unul uniform de unul aleatoriu,
cu att mai mult cu ct se cunoate c aceast difereniere este influenat de cele
mai multe ori de scara la care se face analiza (Hurlbert, 1990; Dale, 2004; Haining,
2004; Tokola, 2004).
n plus, se apreciaz c exist o anumit dinamic a distribuiei spaiale n
funcie de stadiul de dezvoltare a arboretului, determinat se pare de intensitatea
competiiei i variaia n timp a condiiilor microstaionale. Numeroase cercetri au
artat c modelele uniforme, n cazul arboretelor, converg spre modele randomizate
dac extragerile sunt la rndul lor aleatoare, iar modelele agregate, specifice n
general regenerrilor naturale i arboretelor tinere, tind s se stabilizeze n timp
(Gratzer, Rai, 2004; Houle, Duchesne, 1999; McDonald et al., 2003; Wolf,
2005).
Modul de organizare spaial influeneaz o gam larg de procese intensitatea competiiei, dinamica creterilor, modul de dezvoltare al regenerrii,
rspunsul la influena unor factori perturbatori (Goreaud, 2000; Little, 2002;
Fajardo et al., 2006; Xi et al., 2008). n acest context tiparele de organizare spaial
permit explicarea i motivarea ecologic a unor procese intra sau interspecifice, mai
ales c odat cu dezvoltarea modelelor individuale de caracterizare a dinamicii
ecosistemelor forestiere s-a acordat o importan sporit datelor
privitoare la
distribuia n spaiu.
59
59
Utilitatea informaiei spaiale n conceperea modelelor individuale de

cretere este controversat. Unii cercettori susin c informaia privitoare la
organizarea spaial este neconcludent n activitatea de modelare (Biging,
Dobbertin, 1995), afirmaii determinate de performana sczut a indicilor de
competiie dependeni de distan. Sunt ns studii care au demonstrat c modelele
individuale de cretere pot s beneficieze de pe urma informaiilor privitoare la
organizarea spaial (Pukkala, Kolstrom, 1991; Pretzsch, 1997; Nigh, 1997,
Aitkenhead et al., 2004; Little, 2002; Fox et al., 2007, a, b), artnd c doar
folosirea incorect sau nepotrivit a indicilor poate s conduc la rezultate
nesatisfctoare.
i n Romnia structura i organizarea spaial a arboretelor a suscitat
interesul cercettorilor, fiind efectuate numeroase studii n acest domeniu, cu
rezultate notabile (Cenu, 1986, 1992, 1996 a, 2000; Iacob A.L., 1995; Iacob C.,
1998; Barbu, Cenu, 2001; Cenu et al., 2002; Popa, 2001, 2006; Vlad, 2003;
Roibu, Popa, 2007, Popa C., 2007).
Analiza modelului spaial de organizare a unei populaii poate s ofere
informaii foarte utile cercettorului silvic, dar trebuie s se in cont de
evenimentele ce au avut loc i de relaiile cauz-efect ce intervin la nivelul
populaiei studiate. n condiiile n care mecanismele de interaciune mediupopulaie sunt extrem de complexe i prea puin cunoscute, se impune o segregare
a principalilor factori de mediu i o analiz a efectelor independente ale acestora n
acelai timp, deoarece modelul spaial observat este, n fapt, un rspuns la ntregul
sistem de factori (Reich & Davis, 1998).
3.4.3. Modelarea geometric i vizualizarea tridimensional
Modelarea geometric computerizat a aprut n ultimele decenii, graie
dezvoltrii deosebite a sistemelor de calcul i reprezint ansamblul de tehnici i
procese de construire a unei descrieri matematice pentru un obiect fizic sau virtual.
Practic, modelarea geometric codific geometria unui obiect prin intermediul
60
unor structuri simbolice ce caracterizeaz aspectul spaial al corpului studiat.

Aceast codificare implic construirea unei baze de date care s memoreze toate
caracteristicile modelului.
Chiar dac la prima vedere se poate bnui c ar exista o legtur ntre
geometria analitic clasic i modelarea geometric, ntre cele dou concepte exist
o distincie clar. Dac prima folosete reprezentri prin ecuaii ale curbelor sau
suprafeelor, cea de-a doua utilizeaz reprezentri procedurale pentru definirea
acestor elemente. Reprezentarea procedural este o schem recursiv, care pornind
de la un numr finit de puncte, numite puncte de control, poate s genereze puncte
adiionale pe o curb sau suprafa. n acest mod se pot genera forme cu o
geometrie complex, n baza unei scheme simple.
Faptul c se lucreaz cu o cantitate enorm de date face practic imposibil
utilizarea modelrii geometrice fr ajutorul unui sistem de calcul performant.
Astfel au aprut numeroase aplicaii software care ofer specialitilor instrumente
utile de generare, modificare i manipulare a modelelor geometrice, reducnd n
acest mod efortul depus pentru crearea unor scene complexe.
Figura 3.6. Exemple de modelare computerizat a arborilor sau a peisajului

(colaj de imagini - www.rssgmbh.de; www.fallingpixel.com; www.3dexport.com)
61
61
n principal, acest ansamblu de tehnici este folosit cu precdere n

proiectarea inginereasc CAD (Computer-Aided Design), dar flexibilitatea i
uurina simulrii unor procese prin modelare geometric a condus la lrgirea
semnificativ a sferei de aplicabilitate. n prezent, acest tip de modelare poate fi
folosit cu succes n orice simulare a evenimentelor i fenomenelor ce implic o
component a vizualizrii efectelor.
n cadrul modelrii geometrice exist dou paradigme fundamentale:
cea bazat pe modelarea prin folosirea unor suprafee NURBS

(Non-Uniform Rational B-Splines);
cea bazat pe modelarea prin tehnici de subdivizare.
Rezultatul aciunii de modelare poate fi ncadrat, n funcie de modul de

prezentare n unul din tipurile urmtoare:
modele de tip cadru de srm (wire-frame);
modele de suprafa;
modele solide (de volum).
Indiferent de tehnica sau sistemul de modelare adoptat, gama foarte variat

de domenii n care se pot folosi modelele precum i flexibilitatea, complexitatea i
claritatea simulrilor fac din acest ansamblu de tehnici i metode ale modelrii
geometrice un instrument indispensabil ingineriei moderne.
n ultimele dou decenii, tehnicile moderne de prezentare vizual
computerizat a datelor, cum ar fi modelarea 3D, animaia sau realitatea virtual,
i-au gsit locul n galeria de instrumente a cercettorului silvic.
Domeniul forestier a fost interesat de valorificarea avantajului folosirii
informaiei vizuale, mai ales datorit uurinei perceperii i interpretrii datelor
prezentate. Primele ncercri de modelare vizual computerizat n acest domeniu
au avut loc cu circa trei decenii n urm i foloseau reprezentri abstracte de tip
wire-frame (figura 3.7). Ulterior acestea au fost mbuntite cu ajutorul unor
tehnici de pre-randare i a simulrilor bazate pe capturi de imagine (Weber, Penn,
1995; Max, 1996; Chiba et al., 1997).
62
Figura 3.7 Exemplu de modelare 3D tip wire-frame folosit n anii '80 n programul
PREVIEW
(Sheppard, Salter, 2004)
Song (2008) identific trei tipuri de abordare n cazul prezentrilor vizuale

computerizate ale ecosistemelor forestiere:
folosirea figurilor geometrice elementare pentru reprezentarea

coroanelor arborilor i a unui numr mare de inventarieri
forestiere pentru determinarea parametrilor de reprezentare
(caracteristici dimensionale, poziia n spaiu). Aceast tehnic este
puin practic din perspectiva modului greoi de prelevare a
atributelor de reprezentare. Este realist, dar calitatea vizual este
n general redus cazul SVS (Stand Visualization System),
EnVision, SmartForest.
utilizarea unor tehnici de editare a fotografiilor pentru a obine

texturi foarte detaliate (Bishop et al., 2003; Orland, 1994). n
acest mod se obine o scen vizual la o calitate fotorealist.
Metoda se aplic cu succes n cazul simulrii peisajelor, a
suprafeelor ntinse, dar folosete puine informaii ecologice
cantitative
(compoziia
specific,
desimea,
caracteristicile
dimensionale).
63
63
combinarea unor elemente specifice tehnicilor anterioare
- se
folosesc informaii referitoare la modelul digital al terenului i se

insereaz n poziiile cunoscute ale arborilor reprezentri
fotorealiste ce in cont de informaiile calitative i cantitative
prelevate din teren.
n anii 90 ai secolului trecut, utilizarea tot mai frecvent a calculatoarelor
i a modelelor spaiale pentru arborete a determinat includerea n acestea din urm
a unor module de prezentare vizual a structurilor modelate. Prezentarea vizual
computerizat a permis rularea unor scenarii alternative i observarea n timp real a
efectului deciziilor luate, pe cnd n mod normal, consecinele lucrrilor de
conducere a unui arboret sunt observabile dup cteva decenii i au un caracter
ireversibil.
Unul dintre primele programe informatice destinate modelrii i
vizualizrii 3D a arborilor a fost Sylvan Display Program elaborat n cadrul
Universitii din Missouri SUA (http://oak.snr.missouri.edu/qsl/display/
sylvan.display.html).
Programul a fost conceput de ctre Mark Davison n 1994 pentru a fi
integrat n modelul de management silvicultural Sylvan (Larsen, 1994) i a
introdus concepte inovative care aveau s fie ulterior preluate de majoritatea
aplicaiilor de acest tip - vizualizarea grafic a structurii arboretului n plan
orizontal, profil vertical sau tridimensional, analiza distribuiilor i posibilitatea de
marcare a arborilor.
Probabil cel mai cunoscut i utilizat sistem de reprezentare vizual a
datelor este SVS - Stand Visualization System (McGaughey, 1997), conceput la
Universitatea
din
Washington
pentru
USDA
Forest
Service
(http://forsys.cfr.washington.edu/svs.html).
Acest program se bazeaz pe modelarea individual a arborelui i este
capabil s reprezinte ntr-o form grafic computerizat componentele unui
arboret: arborii, arbutii i lemnul mort.
64
Figura 3.8 Interfaa aplicaiei Sylvan Display Program
Figura 3.9 Modelare 3D cu ajutorul aplicaiei SVS (Stand Visualization System)
Figura 3.10 Modulul de design i sistemul de marcare a arborilor n aplicaia SVS
65
65
Aplicaia SVS - Stand Visualization System este prevzut cu un modul de

design al arborilor care permite definirea formei de reprezentare a indivizilor dintro anumit specie sau clas. Ulterior reprezentarea grafic tridimensional se
realizeaz utiliznd caracteristicile individuale introduse: specia, poziia n spaiu
(coordonatele x,y,z), diametrul de baz, nlimea, tipul de coroan, dimensiunile i
raportul de form al coroanei (razele coroanei dup patru direcii).
Buna integrare cu modelele de simulare FVS - Forest Vegetation Simulator
(Stage, 1973; Wykoff et al., 1982), LMS - Landscape Management System
(McCarter, 1997) sau ORGANON (Hester, Hann, 1989), un sistem interactiv de
marcare a arborilor n scopul simulrii unor lucrri tehnice silvice sau a unor
tratamente, precum i determinarea distribuiilor principalelor caracteristici
analizate au fcut din SVS unul din cele mai frecvent utilizate aplicaii software de
vizualizare computerizat a pdurii. Datorit modului flexibil de preluare a datelor,
sunt numeroase modele forestiere nevizuale, care export rezultatele n fiiere
compatibile cu aplicaia SVS.
McGaughey (1997) este de asemenea, creatorul unui alt program de
vizualizare computerizat numit EnVision (Environmental Visualization System), un
software foarte versatil, cu suport GIS, proiectat pentru a oferi prezentri 3D la
scri
diferite
imagini
ale
arboretului,
respectiv
ale
peisajului
(http://forsys.cfr.washington.edu/envision.html).
Proiectul a demarat n 1998 i a fost finalizat un an mai trziu, prelund
concepte originale ale sistemului Vantage Point Visualization dar integrnd i
facilitile de structur spaial ale SVS.
Aplicaia import modelul digital al terenului, pe care aplic texturile
caracteristice fiecrui tip de suprafa, reprezint individual elementele de vegetaie,
ine cont de poziia sursei de lumin i aplic
i efecte atmosferice variate.
Imaginile produse sunt de o calitate superioar, fiind folosite pentru randare

librriile OpenGL.
66
Figura 3.11 Simulare a unui arboret cu ajutorul programului EnVision
Figura 3.12 Imagini generate de aplicaia SmartForest
SMARTFOREST (Orland, 1997; Uusitalo, Orland, 1997) este un

program informatic de prezentare vizual computerizat, dezvoltat la Universitatea
Penn State (SUA) n cadrul IMLAB - The Imaging Systems Laboratory
(www.imlab.psu.edu/ smartforest). Acesta este un mediu tridimensional interactiv
de vizualizare a structurii arboretelor i a peisajului, ce integreaz date spaiale
georefereniate, fiind compatibil cu ESRI ArcView. Sistemul reprezint arborii n
baza atributelor acestora (tip, dimensiuni, poziie) i este capabil s ofere imagini
de ansamblu ale arboretelor cu o ntindere de maxim 30 x 30 km. Datorit
modului intuitiv de prezentare a informaiilor ntr-o form grafic de calitate,
aplicaia este folosit adeseori n tandem cu modele ecologice ale peisajului.
67
67
Virtual Forest (Buckely et al., 1998) este un produs software creat de

Innovative GIS Solutions, capabil s mbine funciile de vizualizare cu cele ale
bazelor de date forestiere n format GIS. Aplicaia integreaz un motor grafic 3D
pentru generarea n timp real a imaginilor ecosistemelor forestiere analizate.
Utilizatorul poate folosi anumite tipuri de teme predefinite care includ modelul
digital al terenului, efectele atmosferice, iluminarea n funcie de poziia soarelui,
variante alternative de modelare i texturare. Folosirea programului presupune
doua etape modelarea tridimensional a arborilor cu ajutorul modulului Tree
Designer i apoi randarea peisajelor prin includerea obiectelor 3D create anterior,
utiliznd modulul Landscape Viewer.
Figura 3.13 Simulare vizual a lucrrilor de exploatare pe un versant cu ajutorul

Virtual Forest (Buckely et al., 1998)
Figura 3.14 Simulare a peisajului forestier cu ajutorul Red Gum Forest 3D
68
Red Gum Forest 3D (Chandler, Saw, 2008) este un proiect prototip,

dezvoltat n cadrul laboratorului de realitate virtual al Universitii Monash,
Australia (http://vlab.infotech.monash.edu.au/simulations/virtual-reality/red-gum3d), care urmrete s identifice modul n care prezentarea computerizat 3D poate
s ajute cercettorii i publicul n general s interacioneze cu ecosistemele
forestiere.
n Romnia a fost dezvoltat pn n prezent o singur aplicaie software
de prezentare vizual computerizat, PROARB (Popa, 1999). Aplicaia a fost
intens folosit de cercettorii de la noi din ar pentru reprezentarea structurii
orizontale, verticale i tridimensionale a arboretelor.
Programul a fost elaborat n cadrul Staiunii Experimentale de Cultura
Molidului Cmpulung Moldovenesc i a suferit numeroase mbuntiri ale
coninutului n versiunile ulterioare. Pe baza datelor de intrare - coordonatele
spaiale i parametrii biometrici ai fiecrui arbore, elemente ce pot fi importate
direct din foile de calcul Microsoft Excel sau dintr-o baz de date de tip Access, se
genereaz o reprezentare grafic a structurii arboretului.
Figura 3.15 Prezentarea structurii pdurii cu ajutorul programului PROARB

(Popa, 1999)
69
69
Figura 3.16 Imagine generat de simulatorul MONSU

(Pukkala, 2004)
Desigur exist i alte aplicaii software care se ncadreaz n categoria celor

amintite n acest subcapitol, dar care rezolv doar parial problema vizualizrii,
consider acest aspect de importan secundar sau rspund unor nevoi particulare,
fiind folosite de comuniti tiinifice restrnse.
n aceast seciune au fost menionate doar acele programe informatice
care realizeaz exclusiv prezentarea grafic computerizat. Sunt ns numeroase
aplicaiile de modelare a structurii, produciei sau dinamicii forestiere care
integreaz module proprii de vizualizare: JABOWA (Botkin et al., 1972), SILVA
(Pretzsch, 1992), MOSES (Hasenauer, 1994), BWIN-Pro (Nagel, 1996), LANDIS
(Mladenoff et al., 1996), MONSU (Pukkala, 2004), SIBYLA (Fabrika, Iursky,
2006). n general, aceste module integrate ofer o calitate grafic inferioar
aplicaiilor specializate menionate anterior, dar asigur un plus de informaie
utilizatorului, ntr-o form explicit i intuitiv, ce poate fi accesibil chiar i unui
observator nespecialist.
Tehnicile de prezentare computerizat nu sunt instrumente perfecte.
Performana acestora trebuie apreciat prin prisma utilitii i calitii lor.
Prezentrile realizate n condiii improprii, cu dispozitive tehnice inadecvate, cele
lipsite de realism, cele foarte complexe sau animaiile prea rapide pot altera
transmiterea informaiei, crend confuzii sau chiar conduc la interpretri incorecte
din partea observatorilor.
70
Sheppard (2004) avertizeaz asupra unor riscuri n folosirea acestor

tehnici:
crearea unor ateptri nerealiste n rndul observatorilor care nu

sunt familiarizai cu aceste tehnici;
caracterul modern al prezentrii poate s distrag atenia

observatorului i s ascund coninutul real al mesajului;
tehnologia sofisticat poate s ndeprteze anumii observatori, s

le induc o percepie negativ care s conduc la refuzul acestora
de a recepta informaia, indiferent de acurateea ei.
Karjalainen (2002) recomand impunerea unor criterii obiective de

apreciere a modelelor vizuale, care se refer la realismul, gradul de libertate oferit
privitorului, capacitatea de a surprinde dinamica ecosistemelor forestiere i nu n
ultimul rnd costul i efortul de producie al acestora.
Noile clase de instrumente de explorare vizual vor corecta neajunsurile
existente, vor beneficia de o putere de calcul superioar i vor fi mai interactive,
intuitive, dinamice, cu o interfa grafic ergonomic i un realism superior,
ajutnd specialistul silvic s ia decizii corecte i obiective n aciunea de conducere a
arboretelor.
Odat cu avansul tehnologic important nregistrat n ultimii ani n cazul
graficii computerizate, att la nivel hardware ct i software (implementarea
tehnicilor OpenGL, Direct3D, VRML, X3D, WebGL, Vulkan), preocuprile n
domeniul simulrii vizuale a structurii sau dinamicii arboretelor au devenit tot mai
numeroase (Bishop et al., 2003; Lewis et al., 2004; Meitner, 2005; Song et al.,
2006, 2008; Stoltman, 2007; Zamuda, 2007), fapt ce confirm potenialul ridicat
al acestor tehnici n activitatea managerial i de cercetare tiinific a resurselor
forestiere.
71
71
3.3.4. Folosirea imaginilor satelitare i a tehnicilor GIS

Dac primele ncercri de modelare au vizat arborele (Botkin et al., 1972;
Ek, Monserud 1974), apoi grupurile de arbori i arboretele, odat cu trecerea
timpului s-a ncercat predicia proceselor la o scar mai mare - comportamentul
unui ecosistem sau chiar a unui grup dintr-o anumit regiune (Botkin et al., 1972;
Urban et al., 2005). Nici un sistem nu poate fi corect apreciat n afara contextului
n care se afl. Relevana compoziiei, structurii i funciilor sistemului ca ntreg nu
reiese doar din analiza unui ecosistem izolat ci i din utilizarea unui factor de scar
mai mare. Aa cum o pdure este mai mult dect o simpl aglomerare de arbori,
landaftul reprezint mai mult dect o sum de arborete (Bragg, 2004).
Trei tehnologii de caracterizare spaial a datelor GIS (Geographical
Information System), GPS (Global Positioning System) i teledetecia au schimbat
modul n care societatea percepe, evalueaz i administreaz resursele naturale
(Bolstad, 2003).
Fotografiile aeriene sunt folosite n evaluarea resurselor forestiere nc din
1930 n SUA, n prezent constituind o tehnologie matur, cu multiple aplicaii n
silvicultur (Bolstad, 2003). Imaginile satelitare au fost utilizate n domeniul
forestier ncepnd cu anul 1972, odat cu lansarea primului satelit tip LANDSAT
(Bolstad, 2003; Barrett, Fried, 2004). De atunci au fost lansai i ali satelii
comerciali ce furnizeaz imagini: SPOT, GeoCover, Globe 15, RADARSAT. n
ultimul deceniu au aprut satelii care furnizeaz imagini de nalt rezoluie, cu o
dimensiune redus a pixelilor: IKONOS (lansat n anul 1999), cu o rezoluie n
pancromatic de 0,8 m, QuickBird (2001) - 0,6 m, ORBVIEW-3 (2003) - 1 m,
WorldView (2007/2014) - 0,5 m/0,31 m, GeoEye-1 (2008) - 0,4 m.
Datele georefereniate oferite de teledetecie sunt uor de integrat n bazele
de date GIS, crend posibilitatea aplicrii modelelor pe suprafee ntinse, lucru
deosebit de important pentru generalizarea anumitor observaii sau pentru
identificarea unor tendine n dinamica pdurilor. Imaginile satelitare i fotografiile
aeriene sunt capabile s ofere observaii rapide privind zone foarte largi, ce ar putea
72
fi cu greu nregistrate n alt manier. Apariia dronelor a simplificat i mai mult

procesul, permind obinerea de material imagistic ntr-un mod flexibil, rapid i la
un cost mult mai redus.
Un alt avantaj al folosirii materialului imagistic se refer la sensibilitatea
nregistrrii anumitor caracteristici. Filmul fotografic este limitat la un interval
ngust al sensibilitii electromagnetice (400-900 nm), n timp ce senzorii optici
digitali moderni pot opera ntr-un interval mai larg (400-1400 nm) (Wulder,
2004). Imaginile preluate folosind filtre speciale, nu doar n spectrul vizibil, pot s
conin informaii n mod normal ascunse ochiului uman, care pot fi folosite n
domenii extrem de variate de la simpla inventariere sau delimitare a arboretelor
cu structuri, compoziii sau vrste diferite, pn la aprecierea riscului apariiei unor
evenimente nedorite n viaa pdurii (poluare, incendii, doborturi, atacuri de
insecte etc.) sau la aprecierea productivitii arboretelor. De exemplu, pentru
diferenierea tipurilor de vegetaie sunt folosite n general fotografiile n infrarou
(Bolstad, 2003).
Datele digitale preluate de senzori nu ofer direct evaluri ale atributelor
forestiere, fiind nregistrate intensitatea radianei electromagnetice n diferite benzi
spectrale sau lungimi de und. Ulterior se efectueaz prelucrri ale acestor date
pentru extragerea informaiilor. Couturier (2009) subliniaz importana folosirii
unor imagini adecvate obiectivelor propuse, precum i a unor sisteme sau programe
performante de clasificare a modelelor de rspuns spectral.
Scopul acestei clasificri urmrete stabilirea atributelor specifice pdurii.
Intereseaz de asemenea identificarea acelor atribute care sunt considerate cele mai
reprezentative pentru o suprafa forestier. Atributele de interes forestier
(compoziia specific, consistena, vrsta, productivitatea, elemente biometrice
etc.), odat determinate vor ajuta la procesul de clasificare a modelelor de rspuns
spectral. Pentru clasificarea cvasi-automat a ecosistemelor forestiere pot fi folosite
aplicaii software ca: ERDAS Imagine, ITT Envi sau Definiens eCognition (Shiba,
Itaya, 2006).
73
73
Franklin (2001) identifica drept posibile domenii de utilizare a analizei

imaginilor satelitare sau a fotografiilor aeriene:
clasificarea tipurilor de ecosisteme forestiere;
inventarierea forestier i managementul resurselor;
detectarea modificrilor din ecosistemele forestiere provocate de

factori perturbatori naturali sau antropici;
modelarea forestier mai cu seam integrarea n modelele de

procese i n modelele specifice ecologiei landaftului.
Figura 3.17 Exemplu de hart de clasificare a vegetaiei forestiere pe baza imaginilor

satelitare (Giriraj, 2008)
Figura 3.18 Rspunsul spectral n funcie de vrsta pdurii

(adaptare dup Franklin, 2001)
74
Au fost dezvoltate modele flexibile, capabile s acopere rezoluii spaiale

diferite, fiind aplicabile la scara arboretului, la scar local sau chiar regional e.g.
modelul EFIMOD (Chertov et al., 2006), care este axat pe 3 niveluri:
nivelul arboretului - implementat pentru analiza efectelor mediului asupra

ecosistemului forestier i pentru compararea diferitelor tipuri de rrituri;
nivel local - aplicat pentru simulri pe perioade ndelungate ale efectului

aplicrii diferitelor regimuri silviculturale n arborete din Rusia Central;
nivel regional - determinarea pe o arie ntins a rolului solurilor forestiere

n circuitul carbonului.
n ceea ce privete regenerarea, tehnica GIS creeaz posibilitatea unor
analize pertinente cu privire la amplasarea n spaiu, respectiv cu privire la dinamica

acestui proces. Devine astfel mult mai facil studierea atent a dinamicii spaiale i
a evoluiei calitative a suprafeelor regenerate.
Imaginile satelitare nu au fost extrem de folosite n studiul regenerrii, dar
exist cercetri n acest domeniu care arat c se pot identifica zonele de regenerare
i chiar diversele faze de dezvoltare ale regenerrii, prin analiza reflectanei spectrale
(Peterson, Nilson, 1993; Kuplich, 2006). Peterson i Nilson (1993) au introdus
conceptul de traiectorie a reflectanei unui arboret, pe baza cruia se consider c se
poate prognoza evoluia dinamicii unui arboret, n ceea ce privete stadiile de
dezvoltare.
Reprezentnd un complex de tehnici foarte moderne, tehnicile GIS i
teledetecia sunt capabile s realizeze, de multe ori, interaciuni cu metode i
tehnologii cel puin la fel de moderne, care pot s mbunteasc rezultatele
cercetrilor efectuate. Peng (2000), recomand utilizarea inteligenei artificiale, mai
precis a reelelor neuronale, n activitatea de prelucrare a datelor oferite de
teledetecie, i ali cercettori surprinznd creteri semnificative ale capacitilor
decizionale n cazul folosirii tandemului reele neuronale imagini satelitare
(Franklin, 2001, Kuplich, 2006).
O alt tehnologie emergent se refer la scanrile de tip LIDAR (Light
Detection and Ranging) terestre sau aeriene, cu aplicaii n studiile de analiz a
75
75
coronamentului, suprafeei foliare, biomasei (Lee et al., 2007; Hudak et al., 2008).
Perfecionarea acestei tehnologii va permite, odat cu scderea costurilor de
utilizare, folosirea ei mai frecvent n activitatea de inventariere forestier.
Dezvoltarea continu a tehnologiilor computaionale a condus de asemenea la
prelucrri mai rapide i mai facile ale complexului nor de puncte generat de
scanrile LIDAR. Posibilitile care se deschid prin folosirea acestei tehnici n
inventarul forestier i n analiza detaliat a parametrilor structurali ai pdurii au fost
deja intuite i folosite n ultimii ani n domeniul silvic (Parker & Evans, 2009; Van
Leeuwen, & Nieuwenhuis, 2010).
n ultimii ani i n Romnia au fost realizate cercetri cu privire la
potenialul folosirii imaginilor satelitare (Gancz, 2005; Barnoaiea, 2011) sau a
tehnologiei LIDAR (Apostol, 2015) n silvicultur, studii de monitorizare a pdurii
i a strii ei fitosanitare (Zoran et al., 2003; Barnoaiea & Iacobescu, 2008), de
clasificare a arboretelor i analiz a structurii (Vorovencii, 2006; Barnoaiea, 2010)
i de determinare a volumului acestora pe baza imaginilor satelitare (Barnoaiea,
2007).
Studiile de pn acum demonstreaz c tehnicile LIDAR, GIS i
teledetecia sunt instrumente foarte utile n acumularea unor cantiti importante
de observaii, ce pot fi utilizate cu succes n scopul analizei regenerrii arboretelor
(Bollandsas et al., 2008; Brooks, Merenlander, 1998; Kuplich, 2006; Qiu et al.,
2008). Informaiile rezultate n urma folosirii acestor metode pot fi de mare
importan pentru managerii forestieri n procesul de instalare a pdurii i ulterior
de conducere a acesteia.
76
Capitolul 4. Consideraii cu privire la modelarea procesului de regenerare a arboretelor
Capitolul 4
Consideraii cu privire la
modelarea procesului de
regenerare a arboretelor
4.1. Caracteristici ale modelrii regenerrii

Permanena pdurilor, n scopul receptrii continue a beneficiilor izvorte
din funciile de producie i protecie atribuite, presupune o perpetu nnoire a
biocenozei forestiere la nivelul indivizilor. Rennoirea n cazul ecosistemelor
forestiere este un proces natural, dictat de legile firii, ce se produce continuu sau
periodic. Similar acestui proces, n pdurea cultivat vorbim despre regenerarea
arboretelor, care presupune nlocuirea arborilor ajuni la o anumit vrst, ce se
extrag prin tiere, cu exemplare tinere obinute prin procese generative sau
vegetative. Termenul de regenerare se refer att la procesul n sine de perpetuare a
pdurii ct i la noua generaie de arbori instalai.
Pentru a nu lua decizii inadecvate, care s compromit procesul de
regenerare al pdurii, s-a simit nevoia simulrii acestui fenomen complex, n baza
unor condiii date, a unor scenarii particulare, care s ofere anumite rspunsuri
asupra posibilitilor de evoluie a arboretului. n acest fel exist i avantajul legat
de posibilitatea efecturii simulrii ntr-un timp mult mai scurt dect cel necesar
realizrii unor teste n condiii reale.
n ceea ce privete procesul de regenerare al arboretelor, obiectivele
urmrite sunt dominate de trei aspecte:
77
77
dinamica spaial a regenerrii analizat n general prin modele

deterministe, dependente de distan, care doresc s determine
posibilitile de dezvoltare spaial a regenerrii;
dinamica compoziional ce urmrete realizarea unei prognoze

asupra evoluiei ponderii de participare a speciilor n alctuirea
arboretului (se folosesc de regul metode stohastice n special
modelarea prin lanurile Markov);
aspecte privitoare la eventuale avantaje economice n acest caz se

folosesc cu precdere modele de cretere i evaluare a produciei
sau sisteme expert care s ofere informaii i prognoze utile.
n timp ce procesele ce se desfoar n etajul arborilor maturi sunt relativ

bine cunoscute, multe procese caracteristice regenerrii arboretelor sunt incomplet
nelese deoarece este dificil i uneori chiar imposibil de evaluat toi factorii ce
condiioneaz regenerarea. n plus apar numeroase procese i fenomene aleatoare n
timp i spaiu care influeneaz apariia, creterea, integritatea i mortalitatea
plantulelor.
Modelarea regenerrii privit n detaliu, implic aspecte extrem de variate,
care in nu doar de biologia i ecologia speciilor ci i de mediul n care se desfoar
procesul de regenerare.
n general modelarea regenerrii include procesele de producie,
diseminare i germinare a seminelor, precum i a estimrii numrului de
plantule/puiei (innd cont de supravieuirea plantulelor n primul sezon de
vegetaie i de mortalitatea puieilor). De exemplu producia de semine i dispersia
este legat de specie, vrst, mrimea i vigoarea arborelui semincer, condiii
staionale, n timp ce procesul de germinaie a seminelor are un caracter mai
degrab stohastic. Instalarea seminiului este, de asemenea, un proces complex,
fiind implicate procese ecofiziologice, condiiile de mediu, precum i diverse
evenimente aleatoare ce pot perturba instalarea.
78
Figura 4.1 Componentele procesului de regenerare a arboretelor

(adaptare dup Price et al., 2001)
Majoritatea modelelor, cu mici diferene, fac referire la urmtoarele

procese:
producia de semine;
dispersia seminelor;
eventualele condiii de pstrare a seminelor (pn la germinare);
germinarea seminelor;
instalarea seminiului,
mortalitatea plantulelor i puieilor,
competiia intra i interspecific.
Fiecare dintre procesele enumerate sunt influenate de nenumrai factori,

care la rndul lor sunt evaluai stohastic sau determinist, n funcie de posibilitatea
de a determina relaii funcionale ntre elementele sistemului.
79
79
Producia de semine n general este modelat n funcie de anumite

caracteristici, cum ar fi: specia, vrsta i dimensiunile arborelui semincer. De
exemplu, Dey (1995) a folosit pentru evaluarea produciei de ghind a cinci specii
de stejar o funcie dependent de diametrul de baz i aria proieciei coroanei
arborelui. Pennanen a modelat producia de semine n baza unei relaii
determinate empiric (Pennanen et al., 2004):
Qo = 3067 B m0.58
(4.1)
unde Qo cantitatea de semine, B suprafaa proieciei coroanei, m

masa medie a unei semine.
Unii cercettori consider c modelarea empiric a produciei de semine
doar n baza caracteristicilor biometrice nu ofer ntotdeauna cele mai bune
rezultate (Burgos et al., 2008). Calama et al., (2008) susine aceasta opinie,
obinnd cele mai bune rezultate n evaluarea produciei prin folosirea unui model
empiric ecologic ce include n procesul de determinare i altitudinea, tipul solului,
date climatice i geologice.
Rezultatele determinrilor produciei de semine sunt frecvent afectate i
de periodicitatea de fructificaie (Du et al., 2007), fiind dificil de integrat n
modele acest fenomen complex. Abordarea stochastic a periodicitii i
sincronizrii fructificaiilor abundente pare s ofere rezultate interesante
(Palaghianu i Drgoi, 2015), ce pot fi integrate n viitoare modele.
Dispersia seminelor diseminarea reprezint principala form de migrare
a plantelor. Acest proces determin dinamica spaial a pdurilor, dinamic
influenat de numeroase caracteristici: vrsta la care fructific specia respectiv,
cantitatea de semine produs i calitatea acestora, distana pe care seminele se pot
mprtia, anumii factori locali ce se pot erija n vectori ai seminelor (vntul,
mamifere mici, psri, cursuri de ap etc.) precum i condiiile de germinaie (patul
de germinaie, condiiile microclimatice) i particularitile biologice ale
germinaiei.
Dispersia deine un rol important n procesul de regenerare, fiind frecvent
modelat n funcie de distana la care pot ajunge seminele, care la rndul ei este
80
influenat de viteza de cdere a seminelor, nlimea de cdere, viteza i direcia

vntului, perioada i durata diseminrii.
Cercetri n acest sens au fost efectuate de ctre Pukkala i Kolstrom
(1987, 1992) respectiv Kuuluvainen i Pukkala (1989). Pennanen et al., (2004) a
modelat, de asemenea, dispersia n funcie de producia de semine i distana pe
care smna o poate parcurge, corectat cu viteza vntului i nlimea coroanei.
He i Mladenoff (1999) modeleaz dispersia ca o funcie dependent de
distana maxim MD (distana la care smna are probabilitatea de a ajunge de p <
0,001) i distana efectiv de dispersie ED (distana la care smna are cea mai
mare probabilitate de a ajunge, p > 0,95). n cazul unei distane oarecare x , cu MD
> x > ED, probabilitatea P ca smna s ajung la respectiva distan se calculeaz
conform formulei:
P=e
b (
x
)
MD
(4.2)
unde b este un coeficient de form ce depinde de tipul dispersiei.

Se recomand ca rezultatele evalurilor s includ i dispersia secundar
produs de psri, mici roztoare sau alte mamifere (Xiao et al., 2004; Iida, 2006;
Gomez i Hodar, 2008).
n ultimii ani modelarea dispersiei a cunoscut maniere diferite i moderne
de abordare prin tehnici de analiz spaial (Sagnard et al., 2007), tehnici de
teledetecie i GIS (Qiu et al., 2008) sau folosirea de markeri genetici (Chen et al.,
2008).
Germinaia n acest caz modelarea pune accentul pe particularitile
biologice ale speciilor (perioada de germinaie), pe substratul asigurat germinrii
(caracteristicile patului de germinaie, pregtirea terenului, caracteristicile solului,
eventuala lucrare a acestuia) i pe condiiile de mediu (condiiile staionale, de
microclimat).
Sunt puine cercetri privitoare la modelarea acestui proces, literatura de
specialitate recomandnd n acest sens tehnici de abordare mecaniciste (fiziologice)
(Price et al., 2001).
81
81
Instalarea seminiului modelarea n acest caz se refer la supravieuirea

plantulelor n primul an de vegetaie, respectiv la mortalitatea puieilor. Intereseaz
n final numrul de puiei instalai la unitatea de suprafa.
Greene i Johnson (1998) (citai de Pennanen et al., 2004) modeleaz
stohastic supravieuirea plantulelor, n funcie de caracteristicile patului de
germinaie, folosind ecuaii cu coeficieni determinai empiric. Bravo-Oviedo
(2006) folosete un model logistic condiionat de competiie, dimensiunea
arborilor i bonitatea staiunii. Datorit dificultilor decizionale, unele cercetri
folosesc pentru mbuntirea rezultatelor obinute n procesul de modelare a
mortalitii tehnici specifice reelelor neuronale (Guan, Gertner, 1991; Hasenauer
et al., 2001; Hasenauer, Kindermann, 2002).
Indiferent de metodele folosite n modelele ce caracterizeaz populaiile de
arbori, mortalitatea este un eveniment discret, ce poate lua doar dou valori - 0
(mort) sau 1 (viu), extrem de variabil i greu de prognozat, fiind caracterizat din
punct de vedere spaial de un aspect uniform (ca proces aleator desprins din
competiia dintre cei mai apropiai vecini), respectiv neuniform (rezultat al unor
factori perturbatori sau limitativi).
Modelarea mortalitii comport n general o discuie privind dou aspecte
ale caracterului acesteia (Botkin, 1993):
mortalitatea intrinsec ce are loc n condiii de mediu favorabile

i nu este influenat de prezena sau absena competiiei. Ea este
modelat stohastic, printr-o funcie ce depinde de vrsta maxim
observat pentru o specie, ntr-o populaie dat. Majoritatea
modelelor ecologice (e.g. cele de tip gap models) se bazeaz n cazul
mortalitii pe o probabilitate constant de 1% - 2% (din
numrul total de indivizi) ca un arbore s ajung la limita vrstei
biologice. Din cauza faptului c sunt i alte surse ale mortalitii,
mai puin de 1- 2% dintre arbori ajung efectiv la maximul de
vrst al speciei lor. Unii cercettori (Bigler, Bugmann, 2004;
Wunder et al., 2006) critic folosirea acestor funcii teoretice de
82
evaluare a mortalitii, recomandnd n vederea obinerii unor

performane superioare de estimare folosirea unor funcii empirice
obinute pe baza creterilor anuale n diametru.
mortalitatea dependent de cretere este mortalitatea provocat de

competiie, datorit creterilor slabe induse de concurena acerb
pentru resurse. Acest tip de mortalitate are un caracter uniform
din punct de vedere spaial i se modeleaz stohastic printr-o
funcie ce depinde de creterea n diametru. Se bazeaz pe ipoteza
potrivit creia arborii cu creterile cele mai slabe vor fi cel mai
probabil primii eliminai. Botkin (1993) afirm c o cretere
radial anual mai mic de 0,1 mm conduce la o cretere a
mortalitii arborilor n urmtorii 10 ani (aprecia c 30% din
arborii cu creteri reduse, de sub 0,1 mm, sunt eliminai n
urmtorul deceniu).
Keane et al., (2001) indic i un al treilea aspect al mortalitii:

mortalitatea exogen, neuniform din punct de vedere spaial, ce
rezult din aciunea unui factor extern disturbant (incendii,
doborturi provocate de vnt, atacuri de insecte, ageni
fitopatogeni).
Competiia - este un proces complex n care numeroase elemente biotice i

abiotice interacioneaz, ce caracterizeaz lupta pentru resurse a arborilor. Datorit
faptului c nu poate fi msurat direct se utilizeaz indici sintetici capabili s ofere
o imagine relevant asupra relaiilor dintre arbori. Indicii de competiie furnizeaz
informaii utile n activitatea de modelare, fiind de mult timp integrai n modelele
de cretere a arboretelor.
n general n literatura de specialitate se accept clasificarea dup Munro
(1974) a indicilor de competiie:
indici independeni de distan;
indici dependeni de distan.
83
83
Indicii independeni de distan folosesc n analiza competiiei comparaii

ntre caracteristicile biometrice (suprafaa de baz, volumul coroanei, suprafaa
proieciei coroanei, nlimea etc.) ale arborilor, care exprim de fapt diferena ntre
poziiile sociale ale indivizilor. Aceti indici sunt mai uor de folosit deoarece nu
conin informaii cu privire la poziionarea arborilor dar se consider c ofer
rezultate inferioare ca precizie comparativ cu cellalt tip de indici. Biging i
Dobbertin (1995) arat ns c noile clase de indici de acest tip furnizeaz rezultate
ndeajuns de precise, efortul de prelevare a datelor spaiale nefiind justificat
ntotdeauna de sporul de precizie obinut.
Indicii dependeni de distan includ nu doar de caracteristicile
biometrice, ci i poziiile arborilor raportate la vecinii lor. Aceti indici sunt capabili
s surprind mai fidel relaiile de competiie dintre indivizi i prin urmare sunt
preferai indicilor independeni de distan. Practic, se evideniaz influena
arborilor vecini i se permite selectarea competitorilor direci ai unui arbore studiat.
Pentru selecia competitorilor au fost definite metode variate pe baza unei
distane limit sau a unui numr maxim de vecini, respectiv pe baza unor expresii
matematice n care sunt implicate distanele dintre arbori i caracteristicile
biometrice ale acestora diametrul de baz, diametrul coroanei, nlime. Marea
varietate a acestor indici a impus clasificarea acestora n mai multe categorii n
funcie de modul de apreciere al procesului competiional. Astfel, dup Holmes i
Reed (1991) se deosebesc trei clase:
indici bazai pe suprapunerea ariilor de influen (inuence zone

overlap) aria de influen fiind suprafaa necesar unui arbore pentru
a se dezvolta. Aceti indici se bazeaz pe ideea potrivit creia
competiia dintre doi arbori vecini este caracterizat de suprapunerea
ariilor de influen, concept introdus de Staebler (1951, citat de
Schaer, 1981). Dup determinarea ariilor de influen i identificarea
zonelor de suprapunere se trece la calcularea indicelui de competiie
conform unei formule care difer de la indice la indice. Cei mai
cunoscui indici de acest tip sunt: indicele Staebler (1951), Bella
84
(1971) (citai de Schaer, 1981), Arney (1973), Opie (1968) (citat de

Smith, 1987).
indici ce utilizeaz relaiile dintre dimensiunile arborilor (size ratio)

acetia sunt cei mai utilizai indici, datorit uurinei cu care pot fi
calculai i rezultatelor bune obinute. Ei se bazeaz pe ipoteza
conform creia concurena este invers proporional cu distana dintre
arbori i direct proporional cu raportul dintre dimensiunile arborilor
vecini i dimensiunile arborelui studiat. Indicii cei mai cunoscui:
indicele Hegyi (1974, citat Schaer, 1981), Lorimer (1983), Pukkala i
Kolstrom (1987), Schutz (1989, citat de Ung et al., 1997). Aceti
indici, dei prezint un mod de calcul complex, au avantajul uurinei
n algoritmizare, fiind frecvent folosii n determinarea relaiilor de
competiie dintre arbori.
indici dependeni de spaiul de dezvoltare (growing space) sunt

fundamentai teoretic pe conceptul de arie potenial disponibil (area
potentially aveilable) (Brown, 1965, citat Kenkel et al., 1989) ce poate
fi definit drept suprafaa pe care un arbore o are la dispoziie pentru
cretere i dezvoltare. Cu ct aceast suprafa caracteristic unui
arbore este mai mare, cu att va fi mai mic valoarea indicelui de
competiie pentru acel arbore. Cercetrile lui Mark i Esler (1970),
Moore et al., (1973), Smith (1987) sau Mercier i Baujard (1997)
indic faptul c aceast abordare, dei puin folosit ofer rezultate
interesante.
O modalitate modern de evaluare a intensitii relaiilor competiionale o

reprezint analiza fotografiilor hemisferice i determinarea indicelui LAI (leaf area
index), rezultatele obinute n cazul cercetrilor efectuate sitund aceast metod
foarte aproape de indicii dependeni de distan, din punctul de vedere al preciziei
de estimare (Maily et al., 2003; Coomes & Allen, 2007).
85
85
n Romnia studiul proceselor competiionale prin indicatori sintetici a

fost abordat n ultimii ani n numeroase lucrri de cercetare Barbu i Cenu
(2001), Hapca (2003), Popa I. (2004), Avcriei (2005), Popa C. (2007),
Palaghianu (2009, 2012), Duduman et al. (2010).
Studiul relaiilor competiionale dintre indivizi prin folosirea indicilor de
competiie permite extragerea unor concluzii ce pot determina identificarea unor
tendine i legiti n evoluia arboretului, de mare interes pentru conducerea
procesului de regenerare.
Prognoza compoziiei specifice
- n general se folosesc modele
matematice bazate pe proiecii i transformri Markov. Modelele Markov sunt

folosite pentru a caracteriza schimbrile ce apar n timp n compoziia specific a
unui arboret (Mladenoff, Baker, 1999). Aceste modele utilizeaz o matrice a
probabilitilor de transformare, determinate empiric, avnd capacitatea de a
preconiza modul de nlocuire a speciilor unui arboret (Ek, Monserud, 1974;
Arvalo et al., 1999).
O alt modalitate o reprezint folosirea tehnicilor specifice inteligenei
artificiale de pild a reelelor neuronale ce permit identificarea structurii unui
proces dintr-un set de date cu un grad redus de structurare i relevan. Reelele
neuronale au capacitatea de a izola un semnal n cazul unor procese caracterizate de
zgomot puternic, factori aleatori i structur puin cunoscut. Ele acioneaz ca
nite funcii estimatoare neparametrice i neliniare, comportamentul lor fiind
rezultatul unui proces de nvare pe baza prezentrii unor situaii specifice.
Hasenauer i Merkl (2001) au folosit reele neuronale pentru a estima
dinamica numrului de puiei i a proporiei speciilor ntr-un arboret plurien de
amestec folosind drept variabile de intrare diametrul maxim, numrul de arbori pe
specii, suprafaa de baza i tipul de humus. Procesul de nvare a fost realizat
folosind tehnica percepteron multi-strat (MLP) i un algoritm de nvare
supravegheat de tip Rprop (Resilient back propagation). Rezultatele obinute au
indicat c procedura de estimare a fost mai precis dect tehnicile statistice bazate
pe analiza regresiei.
86
4.2. Aplicaii software folosite n simularea regenerrii arborilor i

arboretelor
Activitatea de modelare, precum i cea de exploatare a modelelor prin
intermediul simulrilor a fost mult impulsionat de apariia calculatoarelor. Puterea
mare de prelucrare a datelor i rapiditatea efecturii unor operaii complexe
recomand calculatoarele drept instrumente adaptate proceselor de simulare.
Calculatoarele faciliteaz efectuarea rapid a simulrilor i garanteaz corectitudinea
prelucrrilor. Desigur, ele nu garanteaz i corectitudinea modelelor folosite n
aceast operaie.
n ultimele decenii au aprut numeroase aplicaii software, gama acestora
fiind extrem de variat att ca i concepie ct i ca domeniu n care pot fi utilizate.
n ceea ce privete aplicaiile folosite n activitatea de simulare a regenerrii, acestea
au aprut de foarte mult timp i se mpart n dou mari categorii:
simulatoare;
sisteme expert sau alte sisteme de asistare a deciziei.
a) Simulatoarele sunt aplicaii software complexe, concepute n baza unui

model, capabile s prognozeze strile finale posibile ale unui sistem, n condiiile
unui scenariu dat. Ele integreaz mai multe subrutine care concur la furnizarea
unor informaii complexe privind procesul analizat. n general sunt aplicaii
dezvoltate n limbaje de nivel nalt, capabile s foloseasc tehnici de programare
moderne (e.g. programarea orientat pe obiecte) n vederea descrierii proceselor.
De cele mai multe ori integreaz baze de date vaste pentru a pstra informaii ct
mai complete asupra sistemelor implicate n simulare. Foarte multe dintre ele
dispun i de un motor grafic capabil s redea vizual transformrile prin care trece
sistemul analizat.
Primul simulator forestier a fost JABOWA (Botkin et al., 1972), urmat
apoi de Prognosis-FVS (Stage, 1973), FOREST (Ek, Monserud, 1974) i FORET
(Shugart, West, 1977). Aceste simulatoare ale anilor 70 sunt considerate prinii
simulatoarelor moderne aprute dup anul 1990 ZELIG (Urban, 1990), SILVA
87
87
(Pretzsch, 1992), SORTIE (Pacala et al., 1993), FORSKA (Prentice et al., 1993),
MOSES (Hasenauer, 1994), BWIN (Nagel, 1996), ForClim (Bugmann, 1996),
LANDIS (Mladenoff et al., 1996), PROGNAUS (Monserud, Sterba, 1996),
CORKFITS (Ribeiro, 2001), BALANCE (Grote, Pretzsch, 2002), DRYMOS
(Chatziphilippidis i Spyroglou, 2006) sau SIBYLA (Fabrika, Iursky, 2006).
Acestea nu sunt simulatoare destinate exclusiv regenerrii arboretelor ci sunt bazate
n general pe modele de cretere i evaluare a produciei i nglobeaz elemente
privitoare la modelarea regenerrii.
Trebuie remarcat c majoritatea simulatoarelor se ocup n principal de
creterea indivizilor din stratul arborilor i nu de faza de regenerare. Unele chiar
ignor regenerarea sau folosesc modelri simpliste (utilizeaz ecuaii de regresie
pentru a prognoza regenerarea n funcie de condiiile staionale i de
caracteristicile arboretului).
Brunner et al., (2004) consider c n cazul regenerrii arboretelor exist
trei tipuri de abordare a problemei: modele empirice ce descriu regenerarea prin
variabile simple, submodele de regenerare incluse n modele de cretere sau n
modele ale dinamicii ecosistemelor forestiere i modele ce descriu elemente
componente ale procesului de regenerare (e.g. producia sau dispersia seminelor).
n continuare vor fi prezentate pentru unele din cele mai cunoscute
simulatoare o parte din caracteristicile eseniale n ceea ce privete procesul de
modelare a regenerrii.
Simulatorul JABOWA (Botkin et al., 1972) este un model independent de
distan, ce evalueaz dinamica pdurii prin patru factori de mediu: lumina,
temperatura, cantitatea de azot din sol i umiditatea solului. Instalarea seminiului
n ochiurile de regenerare se apreciaz prin intermediul unei funcii dependente de
cantitatea de lumin ce ajunge la nivelul solului i nu depinde de existena unor
surse de semine disponibile. Speciile se includ n baza unei liste predefinite de
specii ale cror exigene corespund staiunii respective. Germinaia este dependent
de temperatura i umiditatea solului iar creterea ulterioar a plantulelor i puieilor
este modelat diferit n funcie de temperamentul speciei fa de lumin.
88
Mortalitatea este indus de competiie, fiind apreciat printr-o funcie stohastic

dependent de creterea n diametru.
Prognosis (actual FVS) (Stage, 1973; Wykoff et al., 1982; Crookston,
Dixon, 2005) este un model individual de cretere, independent de distan folosit
n Statele Unite n asistarea deciziilor de management. n anii 80, modelul
Prognosis a fost ales drept model naional platform de ctre Serviciul Forestier al
Departamentului de Stat pentru Agricultur, fiind redenumit FVS (Forest
Vegetation Simulator). Modelul se bazeaz pe codul surs scris n FORTRAN, ofer
utilizatorilor o interfa grafic numit Suppose i este capabil s modeleze creterea
arboretului prin intermediul unui set de ecuaii cu coeficieni dedui empiric, n
funcie de creterea n diametru i nlime, dimensiunile relative ale coroanei,
regenerare i mortalitate.
n ceea ce privete instalarea seminiului, modelul determin numrul,
dimensiunea i specia puieilor n funcie de tehnologia de pregtire a terenului i a
compoziiei specifice existente. Utilizatorul are la dispoziie i un editor de
evenimente (Event Monitor) prin care poate defini reguli de simulare a procesului
de regenerare specifice unei anumite regiuni. FVS este foarte versatil, Monserud
(2003) considerndu-l drept cel mai adaptabil model dintr-o lung serie de modele
analizate. FVS nglobeaz un model propriu de cretere n diametru i nlime; trei
modele ale mortalitii (Prognosis, SDI, Twigs); dou modele de regenerare; cinci
modele ale dinamicii coroanei (Prognosis, Weibull, GENGYM, Twigs, BGC). Acest
model a stat la baza a numeroase variante folosite n toat lumea, cea mai
cunoscut dintre ele fiind PROGNAUS (PROGNosis for AUStria) (Monserud,
Sterba 1996, 1999).
FOREST (Ek, Monserud, 1974) simulator dezvoltat n SUA, bazat pe
un model dependent de distan, ce ofer analize foarte detaliate privind
regenerarea, creterea i mortalitatea arborilor. Modelul este foarte complex, innd
cont de producia de semine, dispersia i germinaia acestora, precum i de
creterea, competiia i mortalitatea juvenil. FOREST a fost unul dintre cele mai
complexe modele ale anilor 70 dar necesita introducerea unui numr foarte mare
89
89
de parametri i avea cerine exagerate fa de resursele tehnice de calcul ale acelei

perioade (Mladenoff, Baker, 1999).
FORET (Shugart, West, 1977) este un model derivat din JABOWA, care
aduce unele mbuntiri legate de modul de regenerare a speciilor. Perceperea
pdurii ca un mozaic de poriuni nchise i goluri n coronament a condus la ideea
c influena luminii este determinat n succesul anumitor specii. Spre deosebire de
JABOWA, FORET poate s urmreasc relaiile dintre piesele acestui mozaic i s
le includ n calculul competiiei. O alt diferen const n faptul c instalarea
seminiului este influenat de arborii maturi din zona dar are n continuare un
caracter uniform.
Versiunile moderne inspirate de acest model au suferit mbuntiri
substaniale. De exemplu simulatorul ZELIG (Urban, 1990) este un model
individual n care regenerarea, instalarea seminiului i mortalitatea sunt evaluate
stohastic iar competiia este influenat de nlimea, suprafaa foliar i biomasa
fiecrui individ.
SORTIE (Pacala et al 1993, 1996) este un model de simulare dependent
de distan, adresat arboretelor, care ofer date privitoare la structura i dinamica
pdurilor naturale. Prin volumul i complexitatea datelor, SORTIE amintete de
modelul FOREST dar structura i mecanismul de simulare sunt inspirate din
modelele din categoria JABOWA-FORET. Spre deosebire de acestea folosete
procese modelate mecanicist i n consecin relaiile sunt mai veridice i mai bine
definite. Parametrii folosii n modelare sunt: diametrul, nlimea, dimensiunea
coroanei arborilor, funcii de modelare a creterii, mortalitii, dispersiei i o
funcie de apreciere a cantitii de lumin interceptate de coroan.
SILVA (Pretzsch, 1992) este un simulator conceput n Germania ce
funcioneaz pe baza unui model individual de cretere, dependent de distan.
Parametri individuali folosii sunt: specia, diametrul, nlimea, dimensiunile
coroanei i coordonatele arborelui. Se calculeaz un indice de competiie (indicele
KKL) pentru fiecare arbore, competitorii fiind selectai prin metoda conului
inversat. n evaluarea relaiilor competiionale se ine cont i de tipul de organizare
90
spaial a arborilor. Dat fiind flexibilitatea acestui simulator au fost dezvoltate

modele regionale ale acestuia modelul CORKFITS (Ribeiro, 2001) n Portugalia
sau SIBYLA (Fabrika, Iursky, 2006) n Slovacia.
Simulatorul austriac pentru regenerarea molidului dezvoltat de Schweiger
i Sterba (1997) a fost ncorporat n dou modele europene importante MOSES
(Hasenauer, 1994) i PROGNAUS (varianta austriac a modelului FVS)
(Monserud, Sterba, 1996). Simulatorul este coordonat de un model spaial
individual pentru a crui dezvoltare au fost folosite dou tipuri de ecuaii: ecuaii ce
prognozeaz probabilitatea prezenei regenerrii naturale a molidului i ecuaii ce
prognozeaz probabilitatea regenerrii naturale a molidului care s prezinte o
anumit nlime i un anumit numr de tulpini.
MOSES (Hasenauer, 1994) este un simulator dezvoltat la Universitatea
Boku, ce are la baz un model individual de cretere dependent de distan,
fundamentat teoretic prin conceptul de cretere potenial. Simulatorul include un
modul independent de regenerare care prevede probabilitatea de regenerare a unei
suprafee pentru intervale elementare de 5 ani, proporia speciilor i desimea
puieilor. Calibrarea modelului s-a realizat pentru majoritatea speciilor din Austria
i Elveia, fiind realizat i un simulator pentru pdurile din Grecia - DRYMOS
(Chatziphilippidis, Spyroglou, 2006).
LANDIS (Mladenoff et al., 1996) este un simulator forestier ce utilizeaz
un model stohastic dependent de distan. Modelul se remarc prin tehnica de
concepere utilizat (designul orientat pe obiect), ceea ce i permite s simuleze
dinamica pdurii pe suprafee foarte ntinse i pentru perioade ndelungate de
timp. Instalarea seminiului ine cont de capacitatea de nmulire vegetativ a
speciilor i de dispersia seminelor. Evaluarea modului de dispersie a seminelor se
realizeaz n funcie de doi parametri: distana maxim i distana efectiv de
dispersie. Ulterior instalarea generaiei noi de arbori este condiionat de accesul la
lumin, temperamentul speciilor fa de acest factor i condiiile de sol.
Mai poate fi amintit simulatorul ACORn (Dey, 1995) conceput n
scopul simulrii regenerrii speciilor de stejar i a modelrii produciei de ghind n
91
91
funcie de diametrul de baz i aria coroanei, simulatorul finlandez Young Stand

Simulation System (Valkonen et al., 2002) bazat pe un model de cretere juvenil
pentru pin, molid i mesteacn i simulatorul german BWIN (Nagel, 1996) ce a
dezvoltat recent un modul pentru analiza regenerrii arboretelor capabil s prevad
instalarea, dezvoltarea i structura seminiului (Schmidt et al., 2006).
Aplicaiile software specializate exclusiv n analiza regenerrii sunt foarte
puine, aici putnd s amintim simulatorul FOREGEN (Solomon i Leak, 2002)
sau
programul
informatic dezvoltat n cadrul proiectului Nat-Man,
REGENERATOR (Brunner et al., 2004). Pentru o mai bun nelegere a

funcionrii acestor aplicaii, se prezint unul din simulatoarele capabile s
modeleze regenerarea arboretelor: simulatorul FOREGEN.
FOREGEN este un simulator care modeleaz stohastic regenerarea
suprafeelor exploatate este capabil s lucreze cu ochiuri (goluri) create de
extrageri individuale (de doar civa metri ptrai) dar i cu suprafee tiate ras cu o
arie de pn la 36 de hectare. Modelul pe care se bazeaz a fost conceput pentru
speciile de esen tare ale continentului nord-american. Acest model ncorporeaz
efectele probabilistice legate de rspndirea seminelor, germinaie, instalarea
seminiului, condiiile climatice, caracteristicile regenerrii, etc. Utilizatorul
introduce datele de intrare ce caracterizeaz arboretul studiat, iar rezultatele vor viza
prognoza compoziiei specifice dup trei ani de la exploatare. Dei exist mari
variaii datorit elementelor stohastice ncorporate n model, FOREGEN produce
rezultate realiste, care corespund ateptrilor n ceea ce privete regenerarea speciilor
pentru care a fost conceput.
Aplicaia a fost scris n Fortran 90 i include foarte multe date referitoare
la specificul regenerrii speciilor, n locaia deja amintit. Ea poate fi folosit i ca
simulator de sine stttor, dar i n combinaie cu alte simulatoare de cretere i
dezvoltare. Variabilele primare folosite se introduc ntr-o matrice i urmeaz un
proces de calcul similar lanurilor Markov.
Aceste variabile primare sunt constituite de:
92
producia de semine va fi apreciat prin prisma unei scri a

fructificaiei cu 5 trepte (foarte bun, bun, medie, slab i foarte
slab), separate pe trei clase de vrst ale arboretului (30-50, 5090, >90 de ani). Datele se coreleaz cu pierderi provocate de
insecte, boli sau factori climatici (n funcie de datele precizate n
literatura de specialitate pentru speciile studiate);
dispersia seminelor se ine cont de perioada n care are loc

exploatarea, de viteza de cdere a seminelor, nlimea de la care
cad, viteza i direcia vntului, perioada i durata diseminrii;
patul de germinaie se ine cont de substrat, de o eventual

pregtire a terenului sau lucrare a solului;
germinaia i supravieuirea plantulelor odat seminele

diseminate, trebuie s se determine ansele ca acestea s germineze,
respectiv ca plantulele s supravieuiasc n primul sezon de
vegetaie. Aceste aspecte vor fi apreciate n funcie de patul de
germinaie, expoziie, precipitaiile din primvar, regimul de
temperatur i lumin.
Simulatorul are nevoie de o serie de date de intrare: compoziia iniial a

arboretului, vrsta, perioada de exploatare, numrul de arbori la unitatea de
suprafa, dimensiunile suprafeei exploatate, numrul de seminceri care se las pe
picior i diametrul mediu al acestora, procentul din suprafa pe care se lucreaz
solul, caracteristicile solului, date climatice.
FOREGEN, conform autorilor si, este un model umil, care nu are
pretenia de a fi surprins toi factorii ce influeneaz procesul complex al
regenerrii. Totui acesta poate simula situaii reale, oferind informaii interesante
n ceea ce privete evoluia regenerrii. Autorii recomand acest simulator mai ales
pentru activitile didactice.
Pot fi menionate n cadrul simulatoarelor i aplicaiile destinate simulrii
exclusiv vizuale, care nu nglobeaz modele de cretere sau analiz a datelor, ci pur i
93
93
simplu genereaz seturi de imagini sau secvene 3D, pe baza unor date
reprezentative pentru o situaie dat.
Figura 4.2 Simulare grafic a unei suprafee regenerate folosind aplicaia SVS
Acestea pot s ajute n formarea unei idei asupra modului de regenerare a

arboretului, n cazul folosirii unor date adecvate, furnizate eventual de alte
simulatoare de cretere i dezvoltare. Merit amintite aici programele: SVS EnVision (McGaughey, 1997), SMARTFOREST (Orland, 1997), Virtual Forest
(Buckely et al., 1998) sau PROARB (Popa, 1999).
Legat de utilizarea unor modele n ara noastr, merit menionat
aplicarea cu succes a modelului ForClim (Bugmann, 1996) n zona de nord a
Romniei, n cadrul proiectului internaional FP7 MOTIVE: Models for
Adaptive Forest Management, proiect n care a fost implicat i Facultatea de
Silvicultur din cadrul Universitii tefan cel Mare Suceava.
b) Sistemele expert sunt sisteme informatice ce utilizeaz metode specifice
inteligenei artificiale i urmresc reproducerea computerizat a cunotinelor i
raionamentelor experilor umani ntr-un anumit domeniu. Datorit neliniaritii
sunt asociate ca funcionare principiului cutiei negre, dar compenseaz lipsa
transparenei prin posibilitatea justificrii raionamentelor efectuate. Exist cteva
94
sisteme forestiere de acest tip care pot fi folosite i n domeniul regenerrii

arboretelor.
Sistemul expert ForEx - sistem expert de management forestier dezvoltat n
Austria, destinat reabilitrii ecosistemelor forestiere cu molid. Constituirea bazei de
cunotine a fost dificil, mai ales datorit teoriilor de multe ori contradictorii ale
experilor umani. Un prototip al bazei de cunotine a fost dezvoltat n PROLOG,
iar mecanismul de achiziie a cunotinelor a utilizat formulare de tip HTML
(Dorn, Mitterbock, 1998)
Saarenmaa (1996) a conceput n Finlanda un sistem expert de asistare a
deciziilor privitoare la regenerare. Bazele de date au inclus 47 de variabile, sortarea
fiind fcut pe baza variabilelor discrete (tipul de staiune, specie, calitatea solului,
tratament, metoda de pregtire a solului, numrul de puiei existeni nainte de
plantare) prin intermediul unui algoritm genetic.
Tot n Finlanda preocuprile lui Pukkala au fost concretizate n dou
sisteme de asistare a deciziei - STAND (Pukkala, Miina, 1997) i MONSU
(Pukkala, 2004).
n ultimii ani au aprut o nou tendin de oferire a unor pachete
complete de management forestier care nglobeaz modele, simulatoare i sisteme
expert. Un bun exemplu de soluie integrat de management este sistemul
REMSOFT SPATIAL PLANNING (Remsoft, 1996) ce utilizeaz drept model un
nucleu Spatial Woodstock. Sistemul REMSOFT reprezint n prezent o soluie
comercial complet de management al resurselor forestiere, oferind posibilitatea
de a integra informaiile inclusiv n format GIS. Pachetul software conine modele
analitice i predictive capabile s identifice eventuale riscuri i oportuniti, oferind
suport pentru planificarea: operaional pe termen scurt, tactic pe termen mediu i
strategic pe termen lung. Acest gen de soluii pot reprezenta o bun modalitate de
a integra ntr-o modalitate facil i extrem de orientat spre partea practic a
modelrii, noilor tehnologii i a tehnicii de calcul moderne n domeniul forestier.
95
95
PARTEA a II-a
CERCETRI
EFECTUATE I
REZULTATE
OBINUTE
96
Capitolul 5. Caracterizarea i modelarea elementelor structurale ale regenerrii
Capitolul 5
Caracterizarea i modelarea
elementelor structurale ale
regenerrii
5.1. Structura n raport cu numrul de puiei pe specii

Arboretul reprezint un sistem complex al ecosistemului forestier, iar
structura i dinamica sa sunt reglate prin mecanisme biocibernetice specifice.
Identificarea atributelor structurale specifice este una din aciunile ce caracterizeaz
orice studiu sau cercetare a pdurii, n vederea stabilirii particularitilor
populaiilor de arbori din zona analizat. Unul din obiectivele acestei lucrri se
refer chiar la identificarea acestor particulariti, foarte utile n interpretarea
analizelor ulterioare. Caracteristicile structurii orizontale i verticale sunt prezentate
prin metode adecvate acestui tip de analiz, fiind expuse informaii privitoare la
desime, compoziia pe specii, principalele atribute biometrice i variaia spaial a
acestora.
Un element esenial al structurii este reprezentat de desimea stratului de
puiei, acesta fiind un parametru de baz n caracterizarea i evaluarea regenerrii
arboretelor. n cele 10 suprafee de prob au fost inventariai 7253 de puiei, datele
privitoare la numrul de puiei pe metrul ptrat fiind prezentate sintetic n tabelul
5.1.
97
97
Tabelul 5.1
Situaia pe specii a numrului de puiei la metrul ptrat
Numr puiei/m2
Ca
St
Te
Fr
Ju
Ci
Pam
Total
Suprafaa nr. 1
6,37
7,59
1,47
0,47
0,55
0,35
0,10
16,94
Suprafaa nr. 2
6,61
3,33
0,47
0,08
0,41
0,08
0,53
11,57
Suprafaa nr. 3
7,39
0,39
1,61
0,49
0,47
0,10
0,08
10,82
Suprafaa nr. 4
10,53
0,37
1,63
0,29
0,80
0,41
0,12
14,29
Suprafaa nr. 5
5,41
2,67
0,57
0,33
0,98
0,16
0,00
10,37
Suprafaa nr. 6
13,73
0,08
0,78
0,37
0,04
0,04
0,00
15,14
Suprafaa nr. 7
6,39
0,84
4,00
6,59
0,63
0,24
0,06
18,94
Suprafaa nr. 8
9,47
3,67
0,90
0,24
0,69
0,12
0,33
15,65
Suprafaa nr. 9
8,20
2,47
1,55
0,51
3,00
0,43
0,00
16,16
Suprafaa nr. 10
9,41
1,76
1,80
3,08
1,10
0,59
0,02
18,14
Media nr. puiei/m2
8,35
2,32
1,48
1,24
0,87
0,25
0,12
14,80
Coef. de variaie
30%
97%
68%
166%
93%
72%
139%
20%
% participare
56%
16%
10%
8%
6%
2%
1%
n cuprinsul celor 10 suprafee analizate au fost identificate 13 specii

lemnoase, n tabelul 5.1 fiind prezentate doar datele pentru speciile cu o proporie
de participare de peste 1% - carpen (Carpinus betulus 56%), stejar pedunculat
(Quercus robur 16%), tei pucios (Tilia cordata 10%), frasin comun (Fraxinus
excelsior 8%), jugastru (Acer campestre 6%), cire (Prunus avium 2%) i paltin
de munte (Acer pseudoplatanus 1%). Celelalte specii identificate, n ordinea
procentului de participare, sunt: mce (Rosa canina - 0,70%), snger (Cornus
sanguinea - 0,29%), pducel (Crataegus monogyna - 0,04%), salb rioas
(Euonymus verrucosa - 0,04%), soc (Sambucus nigra - 0,03%) i ulm de cmp
(Ulmus minor - 0,03%).
Se observ c valorile procentului de participare a speciilor identificate n
suprafaa analizat sunt diferite de cele precizate n situaiile ntocmite n urma
controlului anual al regenerrilor efectuat n anul 2007: 7Go 1Ca 1Fr 1Dt. Acest
lucru se explic att prin faptul c a fost analizat doar o poriune a unitii
amenajistice 50, UP I Flmnzi, ct i prin precizia slab a determinrilor efectuate
cu prilejul controalelor anuale ale regenerrilor.
98
O situaie interesant se prezint i n cazul relaiei dintre compoziia

seminiului i compoziia arboretului matur, care este conform ultimului
amenajament (2005): 3Go 2St 3Ca 1Te 1Fr. n compoziia seminiului nu se
regsete gorunul, nefiind identificai cu ocazia inventarierii puiei de gorun. Acest
fapt poate fi explicat prin prezena unui numr mic de arbori maturi de gorun,
problemele de fructificaie ale speciei n regiunea respectiv (ultimul an de
fructificaie abundent la gorun n UP I Flmnzi fiind nregistrat n 1986),
dificulti de instalare a seminiului, precum i posibilitii unor eventuale
nregistrrii eronate ale speciei.
Carpenul este specia care deine proporia de participare cea mai mare,
fiind cunoscut capacitatea de instalare deosebit a acestei specii, considerat chiar
invadant. Carpenul este i cea mai uniform specie din punct de vedere al
rspndirii n cele 10 piee de prob, cu cel mai mic coeficient de variaie - 30%.
Teiul i cireul manifest o uniformitate n spaiu mai redus dect carpenul, avnd
coeficieni de variaie apropiai de 70%, dar superioar stejarului i cireului (97%,
respectiv 93%). Frasinul este specia cu cea mai mare inconstan n ceea ce privete
rspndirea n spaiu (coeficient de variaie de 166%), fiind ntlnit preponderent
n dou suprafee de prob n care s-a nregistrat o umiditate a solului mai ridicat
(apreciat prin identificarea unor specii erbacee higrofite).
Valoarea numrului mediu de puiei la metrul ptrat (14,80) este o valoare
adecvat stadiului de dezvoltare al seminiului i tipului de regenerare, fiind
nregistrat un coeficient de variaie de 20% al acestui parametru pentru suprafeele
studiate. Dat fiind faptul c a fost aleas pentru studiu o suprafaa de regenerare
compact i omogen din punct de vedere al desimii, se atepta obinerea unei
valori reduse a coeficientului de variaie.
Nu au fost efectuate analize ale desimii puieilor pe specii n funcie de
expoziie, altitudine sau pant deoarece nu s-au nregistrat diferene majore ntre
valorile acestora n suprafeele analizate. n toate suprafeele analizate expoziia a
fost nord-estic, panta a avut valori de 2-5, iar ecartul altitudinal a fost cuprins
ntre 135 i 159 m.
99
99
Pentru a realiza o analiz mai fin a desimii puieilor pe specii s-a conceput
i implementat un algoritm de ncadrare a puieilor unei suprafee de prob n
suprafee elementare cu dimensiuni variabile, specificate de utilizator. Necesitatea
acestei subrutine de calcul este reliefat de modalitatea dificil de calcul i analiz,
precum i de volumul mare al datelor prelucrate. Scopul const n determinarea
unor caracteristici ale rspndirii speciilor n suprafeele considerate. Este cunoscut
faptul c analizele care implic rspndirea n spaiu a proceselor sau fenomenelor
sunt afectate de scara la care se face analiza (Hurlbert, 1990; Dale, 2004; Haining,
2004). De aceea aplicaia ofer posibilitatea utilizatorului s testeze mai multe
variante de ncadrare, n funcie de dimensiunile suprafeei elementare de analiz.
Calculele au fost realizate pentru 7 variante de ncadrare: 0,5x0,5 m; 1x1
m; 1,4x1,4 m; 1,75x1,75 m; 2,33x2,33 m; 3,5x3,5 m i 7x7 m. Astfel fiecare
suprafa de prob a fost mprit n 196, 49, 25, 16, respectiv 4 suprafee
elementare. Ulterior s-a efectuat o pivotare a datelor pe specii i suprafee
elementare, obinndu-se desimea tuturor speciilor n ariile de analiz. Pasul
urmtor a constat n calcularea coeficienilor de corelaie ntre desimile speciilor la
aceeai scar de studiu, pentru a aprecia care este modalitatea de asociere a acestora.
Au fost analizate n total 147 de legturi corelative, ntre principalele apte specii
(cele cu procentul de participare de peste 1%), pentru cele apte variante
dimensionale menionate anterior. Rezultatele sunt prezentate sintetic n tabelul
5.2, fiind identificate o serie de legturi corelative pozitive sau negative, n general
slabe ca intensitate, cu un grad de semnificaie acoperit statistic. Unele relaii dintre
specii par s confirme meniunile privitoare la modul de asociere din literatura de
specialitate cazul relaiei negative stejarfrasin (Clinovschi, 2005).
Corelaiile pozitive pot fi explicate prin gradul similar de accesibilitate la
resurse i exigene ecologice apropiate fa de condiiile microstaionale, dar
ntruct nu exist corelaii directe pozitive ntre toate speciile, ba mai mult exist
unele corelaii negative, se poate formula chiar o ipotez referitoare la tendinele de
asociere a speciilor n suprafeele studiate, ipotez ce va fi analizat prin mijloace
ale analizei spaiale n capitolul urmtor.
100
Tabelul 5.2
Matricea corelaiilor ntre desimile (nr. puiei/m2) pe specii ale puieilor
Ca
St
Te
Fr
Ju
Ci
Pam
Ca
St
Te
Fr
Ju
Ci
Pam
0,5 x 0,5
1x1
1,4 x 1,4
1,75 x
2,33 x
3,5 x 3,5
7x7
-0,121
-0,050
-0,068
-0,086
-0,140
-0,200
-0,469
-0,105
-0,028
-0,087
0,004
-0,045
-0,007
-0,194
-0,018
0,021
0,016
0,014
0,009
-0,004
-0,201
-0,066 *
-0,030
-0,037
-0,040
-0,015
-0,108
-0,161
-0,029
-0,034
-0,065
-0,060
0,003
0,075
-0,020
-0,028
-0,032
-0,040
-0,041
-0,106
0,013
-0,172
-0,121 ***
-0,050
-0,068
-0,086
-0,140
-0,200
-0,469
0,5 x 0,5
1x1
1,4 x 1,4
1,75 x 1,75
2,33 x 2,33
3,5 x 3,5
7x7
-0,096 ***
-0,109 *
-0,133 *
-0,154 *
-0,138
-0,189
-0,247
-0,033
-0,058
-0,084
-0,109
-0,131
-0,171
-0,255
-0,001
0,057
0,066
0,118
0,120
0,068
0,059
-0,003
0,026
0,075
0,116
0,151
0,098
0,114
0,003
0,113*
0,110
0,139
0,167
0,220
0,290
-0,105
-0,028
-0,087
0,004
-0,045
-0,007
-0,194
-0,096
-0,109 *
-0,133 *
-0,154 *
-0,138
-0,189
-0,247
0,5 x 0,5
1x1
1,4 x 1,4
1,75 x
2,33 x
3,5 x 3,5
7x7
0,153 ***
0,341 ***
0,427 ***
0,506 ***
0,659 ***
0,716 ***
0,902 ***
-0,053
-0,006
0,029
0,053
0,114
0,088
0,084
0,022
0,055
0,032
0,163 *
0,273 **
0,284
0,350
-0,030
-0,029
-0,022
-0,025
-0,097
-0,206
-0,340
101
-0,018
0,021
0,016
0,014
0,009
-0,004
-0,201
-0,033
-0,058
-0,084
-0,109
-0,131
-0,171
-0,255
0,153 ***
0,341 ***
0,427 ***
0,506 ***
0,659 ***
0,716 ***
0,902 ***
0,5 x 0,5
1x1
1,4 x 1,4
1,75 x
2,33 x
3,5 x 3,5
7x7
0,005
-0,007
0,010
-0,005
-0,008
-0,010
-0,030
-0,008
0,069
0,083
0,193 *
0,243 *
0,254
0,276
-0,036
-0,053
-0,096
-0,115
-0,159
-0,179
-0,260
-0,066 *
-0,030
-0,037
-0,040
-0,015
-0,108
-0,161
-0,001
0,057
0,066
0,118
0,120
0,068
0,059
-0,053
-0,006
0,029
0,053
0,114
0,088
0,084
0,005
-0,007
0,010
-0,005
-0,008
-0,010
-0,030
0,5 x 0,5
1x1
1,4 x 1,4
1,75 x
2,33 x
3,5 x 3,5
7x7
0,000
0,124 **
0,176 **
0,167 *
0,283 **
0,254
0,559
-0,038
-0,041
-0,082
-0,124
-0,132
-0,168
-0,305
-0,029
-0,034
-0,065
-0,060
0,003
0,075
-0,020
-0,003
0,026
0,075
0,116
0,151
0,098
0,114
0,022
0,055
0,032
0,163 *
0,273 **
0,284
0,350
-0,008
0,069
0,083
0,193 *
0,243 *
0,254
0,276
0,000
0,124 **
0,176 **
0,167 *
0,283 **
0,254
0,559
0,5 x 0,5
1x1
1,4 x 1,4
1,75 x
2,33 x
3,5 x 3,5
7x7
-0,037
-0,024
-0,064
-0,076
-0,114
-0,262
-0,390
-0,028
-0,032
-0,040
-0,041
-0,106
0,013
-0,172
0,003
0,113*
0,110
0,139
0,167
0,220
0,290
-0,030
-0,029
-0,022
-0,025
-0,097
-0,206
-0,340
-0,036
-0,053
-0,096
-0,115
-0,159
-0,179
-0,260
-0,038
-0,041
-0,082
-0,124
-0,132
-0,168
-0,305
-0,037
-0,024
-0,064
-0,076
-0,114
-0,262
-0,390
0,5 x 0,5
1x1
1,4 x 1,4
1,75 x 1,75
2,33 x 2,33
3,5 x 3,5
7x7
101
Not: coeficienii de corelaie sunt prezentai pentru cele apte variante de alegere a
dimensiunii suprafeei elementare de analiz (ncepnd de la varianta de 0,5x0,5 m i apoi
1x1 m, 1,4x1,4 m, 1,75x1,75 m, 2,33x2,33 m, 3,5x3,5 m, 7x7 m). Valorile coeficienilor
de corelaie care depesc pragul de semnificaie de 10% sunt tiprite folosind stilul aldin.
Se folosesc de asemenea notaiile consacrate de marcare a semnificaiei (*, **, ***).
Corelaiile negative pot fi determinate de cerine ecologice diferite, de

variaia pe suprafee mici a caracteristicilor solului (Jarvinen et al., 1993), de
competiie sau chiar de scara dimensional folosit. n plus relaiile dintre desimile
speciilor sunt influenate de o serie de factori aleatori, greu predictibili
variabilitatea fructificaiei, dispersia seminelor, condiii microclimatice, diveri
duntori.
Pentru a simplifica reprezentarea relaiilor dintre desimile speciilor a fost
ntocmit i o reprezentare grafic a acestora, doar pe baza legturilor corelative
semnificative, foarte semnificative i distinct semnificative.
Figura 5.1 Sinteza grafic a relaiilor corelative dintre desimile puieilor pe specii
102
Relaiile dintre unele specii i pstreaz acoperirea statistic n aproape

toate variantele analizate, indiferent de valoarea dimensiunilor suprafeei
elementare (relaiile Te-Fr, Ju-Ci), altele devin semnificative doar n anumite
variante dimensionale (relaiile Ca-St, Ca-Te, Ca-Ju, St-Te pentru variantele
dimensionale reduse, respectiv Fr-Ci, Te-Ci pentru variantele dimensionale medii
i mari). Analiza mai multor variante dimensionale a permis studierea relaiilor
dintre specii n condiiile raportrii la diferite mrimi ale suprafeei de analiz,
relaiile dintre indivizi fiind n mod cert influenate de variaia distanei dintre
acetia. Dei au fost efectuate calcule i pentru suprafee elementare mai mici de
0,5x0,5 m, rezultatele (corelaii negative ntre aproape toate speciile) au artat c
sub acest prag competiia pe spaii reduse ntre puiei influeneaz negativ relevana
informaiilor.
Studiul posibilei asocieri a speciilor n suprafeele studiate a fost realizat i
folosind tehnica analizei n componente principale (Horodnic, 2004), pentru
prelucrarea datelor fiind folosit aplicaia software StatSoft STATISTICA. Aceast
metod este o form de analiz factorial ce poate reduce complexitatea datelor,
evidenia asocieri ascunse dintre variabile, respectiv determina variabile latente.
Rezultatele analizei se constituie ntr-o mulime de axe principale generate de
vectorii asociai la valorile proprii ale variabilelor, aranjate n ordinea descresctoare
din matricea de corelaii. Pentru a vizualiza rezultatele se folosete un cerc al
corelaiei, o proiecie a sferei unitate pe dou plane factoriale. Distanele dintre
punctele reprezentate n cercul corelaiilor sunt invers proporionale cu valorile
corelaiilor dintre variabilele corespunztoare. Stabilirea variabilelor pozitiv corelate
se face prin identificarea gruprilor de puncte pe grafic. Trebuie acordat o atenie
sporit eventualelor erori provocate de efectul de perspectiv, pentru formularea
unor concluzii fiind necesar vizualizarea proieciilor grafice dup mai multe
planuri factoriale. n cazul de fa, pentru toate cele apte variante dimensionale
analizate, s-a optat pentru prezentarea a dou alternative de proiecie n planul
dintre primul i al doilea, respectiv al doilea i al treilea factor, ordinea factorilor
fiind dat de tabelul valorilor proprii (eigenvalues), primii trei factori explicnd n
103
103
cea mai mare proporie variana datelor. Rezultatele, prezentate n figurile 5.2 - 5.8,
susin formularea unor ipoteze de asociere a speciilor menionate anterior relaiile
pozitive (n ordinea intensitii) Fr-Te, Ci-Ju, chiar i St-Pam (intensitate slab),
respectiv cele negative: Ca-St, de cea mai mare intensitate i relaiile de intensitate
mai slab Ca-Ju, Ca-Pam. Formularea unor concluzii este ns inoportun datorit
proporiei sczute din variana total pe care principalele componente o explic.
Figura 5.2 Analiza n componente principale a desimii pe specii pentru varianta

suprafeelor elementare de 0,5 x 0,5 m
Figura 5.3 Analiza n componente principale a desimii pe specii pentru varianta

suprafeelor elementare de 1,0 x 1,0 m
104
Figura 5.4 Analiza n componente principale a desimii pe specii (1,4 x 1,4 m)
Figura 5.5 Analiza n componente principale a desimii pe specii ( 1,75 x 1,75 m)
105
105
Rumsey (2007) afirma Nu mergei niciodat att de departe nct s spunei

c prelucrrile statistice dovedesc ceva. Chiar dac identificarea unor tendine de
asociere i distribuie spaial a speciilor are o importan deosebit pentru practica
silvic, deocamdat nu se poate trage o concluzie ferm privitoare la aceste aspecte
doar din analiza corelaiei dintre desimi, respectiv din analiza n componente
principale. n spatele acestor procese se afl factori nc necunoscui i fenomene
bio-ecologice care trebuie desluite. Elucidarea raporturilor concureniale, precum
i analiza organizrii spaiale i a caracteristicilor spaiului de dezvoltare pot ns
conduce la completarea informaiilor i formularea unor opinii mai clare n
capitolele urmtoare.
106
Un alt aspect important privitor la desimea puieilor care este analizat n

acest subcapitol se refer la variaia spaial a acestui parametru n suprafeele
analizate, n figurile 5.9 5.18 fiind prezentate grafic aceste informaii.
Reprezentrile grafice care exprim variaia spaial a caracteristicilor
populaiilor de arbori (cartogramele) sunt frecvent folosite n lucrrile de cercetare
forestier deoarece ofer o modalitate uoar i intuitiv de percepere a informaiei.
n acest scop sunt folosite o serie de aplicaii informatice performante i foarte
complexe (e.g. Golden Software Surfer, ESRI ArcView). n unele cazuri aceste
aplicaii devin dificil de folosit tocmai datorit complexitii lor sau ofer prelucrri
ce sunt adesea interpretate eronat. De exemplu, n cazul aplicaiei Surfer,
prelucrrile oferite implic folosirea unor metode de interpolare ntre valorile reelei
de date, foarte utile n cazul acoperirii unor zone lipsite de informaii, dar care pot
s conduc la reprezentri eronate datorit alterrii rezultatelor.
Inconvenientele menionate anterior au determinat conceperea unei
aplicaii software proprii, care s ofere o modalitate rapid i simpl de obinere a
unor rezultate grafice nealterate prin metode de interpolare. Programul
CARTOGRAMA a fost creat folosind mediul de dezvoltare Microsoft Visual Basic,
rezultatul fiind un fiier executabil independent. Aplicaia realizeaz citirea datelor
(coordonatele evenimentelor) din foi de calcul de tip Microsoft Excel, efectueaz o
serie de prelucrri statistice i genereaz obiecte grafice n care este reprezentat
frecvena de apariie a unui eveniment n cadrul unei suprafee elementare ale crei
dimensiuni sunt particularizabile de ctre utilizator.
Cu ajutorul aplicaiei CARTOGRAMA s-au generat graficele urmtoare i
s-au calculat parametrii statistici corespunztori fiecrei suprafee. Pentru a avea un
grad crescut de consisten vizual i pentru a asigura posibilitatea comparrii
rezultatelor obinute a fost folosit aceeai scar de intensitate coloristic pentru
toate suprafeele analizate, cu minimul corespunztor valorii 0 i maximul
corespunztor valorii 56 (valorile extreme nregistrate n cele 490 de suprafee
elementare analizate).
107
107
Media frecvenelor:
Frecv. minim: 6
Media frecvenelor:
Frecv. minim: 3
16,94
Frecv. maxim: 35
11,57
Frecv. maxim: 34
Coef. de variaie:
Coef. de variaie:
33,40%
55,22%
Figura 5.9 Repartiia spaial a frecvenei
Figura 5.10 Repartiia spaial a
puieilor pe metrul ptrat n suprafaa nr.
frecvenei puieilor pe metrul ptrat n
suprafaa nr. 2
Media frecvenelor: 10,82
Frecv. minim: 2
Frecv. minim: 2
Coef. de variaie: 2,35%
Frecv. maxim: 56
Frecv. maxim: 45
suprafaa nr. 3
suprafaa nr. 4
108
Frecv. minim: 1
Frecv. minim: 2
Frecv. maxim: 36
Frecv. maxim: 48
suprafaa nr. 5
suprafaa nr. 6
Frecv. minim: 8
Frecv. minim: 0
Frecv. maxim: 44
Frecv. maxim: 29
suprafaa nr. 7
suprafaa nr. 8
109
109
Frecv. minim: 3
Frecv. minim: 2
Frecv. maxim: 31
Frecv. maxim: 41
suprafaa nr. 9
suprafaa nr. 10
Tabelul 5.3
Date statistice privitoare la frecvena puieilor n suprafeele elementare de 1x1 m

Media
14,80
Coeficientul de variaie
57%
Abaterea standard a mediei
0,38
Valoarea minim
Abaterea standard
8,38
Valoarea maxim
56
Variana
70,25
Volumul probei
490
Analiza cartogramelor evideniaz variaia gradului de omogenitate n ceea

ce privete repartiia spaial a desimii puieilor. Se confirm astfel importana
rezoluiei spaiale de analiz n evaluarea informaiilor. Dac la analiza desimii pe
cele 10 suprafee de prob a fost calculat un coeficient de variaie 20% (la o scar
de analiz de 7x7 m), n cazul reducerii rezoluiei la suprafee elementare de 1x1 m,
coeficientul de variaie obinut pentru cele 490 valori ale desimii a crescut la 57%,
gradul de heterogenitate fiind mult mai mare pe suprafee mici. Dimensiunea de
1x1 m a suprafeei elementare a fost aleas datorit faptului c un numr mare de
110
studii privitoare la regenerarea arboretelor folosesc drept etalon aceast suprafa n

raportrile privitoare la desime. Avantajul folosirii acestei metode de analiz const
n faptul c se pot afla informaii detaliate asupra unui proces. n acest caz, al
analizei desimii, a fost posibil determinarea coeficienilor de variaie din interiorul
fiecrei suprafee de prob, evideniindu-se valori cuprinse ntre un minim de
33,40% (corespunztor suprafeei nr. 1) i 92,35% (n cazul suprafeei nr. 3), ceea
ce arat un grad ridicat de neomogenitate.
S-a determinat o legtur puternic ntre coeficienii de variaie ai desimii
pe suprafaa de prob i desimea puieilor din respectiva suprafa, caracterizat de
un coeficient de corelaie negativ, distinct semnificativ (r=-0,753 **). Aceast relaie
care arat c omogenitatea crete odat cu desimea puieilor, aparent este
contradictorie. n mod normal apare tentaia de a afirma c la o desime redus
puieii vor reui s valorifice mai bine aria potenial de dezvoltare, repartizndu-se
ct mai uniform n suprafa. n realitate apare un fenomen de aglomerare pe
anumite spaii restrnse, vizibil n cartogramele prezentate anterior, care determin
o omogenitate redus. Dup cum se afirm n multe lucrri de ecologie a plantelor
(Cole, 1946; Pielou, 1961), concurena determin o valorificare superioar a
spaiului printr-o rspndire a indivizilor ce tinde s urmeze un model uniform de
organizare spaial. Acest fapt conduce la o cretere a omogenitii din punct de
vedere al desimii i implicit la reducerea coeficientului de variaie.
Figura 5.19 Relaia dintre coeficientul de variaie al desimii n suprafaa

(calculat pentru o mprire n suprafee de 1x1 m) i numrul de puiei la metrul ptrat
111
111
Parametrii statistici ai distribuiei experimentale calculai n urma gruprii n clase:

media: 14,21; abaterea standard a mediei: 0,38; abaterea standard: 8,31
modulul: 13,26; mediana: 13,30; coeficientul de variaie: 58,48;
indicele de asimetrie:0,97; indicele excesului: 1,55
Figura 5.20 Distribuia numrului suprafeelor elementare (1x1 m) pe categorii

ale numrului de puiei
n finalul analizei structurii dup numrul de arbori, se prezint distribuia

numrului suprafeelor elementare (de 1x1 m) pe categorii ale numrului de puiei.
Au fost formate 14 clase ale numrului de puiei, cu mrimea clasei egal cu 4. Se
observ o distribuie unimodal, cu modulul situat n clasa cu limita maxim 16
(Mo=13,26), n care are loc o descretere a numrului de suprafee odat cu
creterea desimii (nr. puiei/m2). Distribuia experimental este caracterizat de o
asimetrie pozitiv, de stnga (A=0,97) ce arat proporia ridicat a suprafeelor
elementare cu un numr de 5-16 puiei/m2 i de un exces pozitiv (E=1,55; curb
leptokurtic), valori obinute n urma calculelor efectuate pentru valorile
individuale grupate n clase (fig. 5.20).
n urma analizei caracteristicilor distribuiei experimentale au fost alese
pentru ajustarea acesteia distribuiile teoretice Beta, Gamma i Weibull, frecvent
folosite n modelarea caracteristicilor arboretelor, ceea din urm fiind recomandat
n caracterizarea structurii seminiului (Miina et al., 2006; Siipilehto, 2006).
112

a
Parametrii distribuiei teoretice Beta:
= 1,93 = 5,67 k= 1,889 x 10-7
2exp = 8,98
2teor = 11,07 q=0,05
2exp<2teor
Dexp = 0,031
Dteor = 0,258
Dexp<Dteor q=0,05
b
Parametrii distribuiei teoretice Gamma:
= 14,21 k= 2,93
2exp = 18,35
2teor = 16,92 q=0,05
2exp>2teor
Dexp = 0,037
Dteor = 0,258
Dexp<Dteor q=0,05
c
Parametrii distribuiei teoretice Weibull:
= 1,839 = 16,081 =1944
2exp = 5,95
2teor = 16,92 q=0,05
2exp<2teor
Dexp = 0,014
Dteor = 0,258
Dexp<Dteor q=0,05
Figura 5.21 Ajustarea distribuiei experimentale a numrului suprafeelor
elementare pe categorii ale numrului de puiei cu ajutorul distribuiilor teoretice
Beta (a), Gamma (b) i Weibull (c)
113
113
Calculul valorilor funciilor teoretice Beta i Gamma s-a realizat cu

ajutorul macro-ului de tip Excel SILVASTAT (Popa, 1999). Parametrii distribuiei
teoretice Weibull au fost determinai separat, folosind un algoritm bazat pe metoda
celor mai mici ptrate. Ulterior pentru verificarea ipotezei nule prin testul 2 au
fost contopite clasele cu frecvene absolute mai mici dect 5, s-a calculat valoarea
2exp pentru un prag de semnificaie de 5% i s-a comparat cu valoarea 2teoretic.
Suplimentar, n urma constatrii unor deficiene ale testului de ajustare 2, s-a
calculat i testul KolmogorovSmirnov (D) pentru pragul de semnificaie de 5%.
n cazul ajustrii distribuiei experimentale a frecvenelor suprafeelor
elementare pe categorii ale numrului de puiei cu ajutorul distribuiei teoretice
Beta s-a obinut 2exp < 2teoretic (pentru q=5%) ceea ce conduce la validarea ipotezei
nule, avnd o bun ajustare (fig. 5.21 a).
Distribuia teoretic Gamma se dovedete a fi mai puin flexibil dect
Beta, n cazul acestui tip de ajustare a distribuiei experimentale obinndu-se 2exp
> 2teoretic (pentru q=5%) ceea ce conduce la invalidarea ipotezei nule (fig. 5.21 b).
Totui i n acest caz valoarea apropiat a lui 2exp de 2teoretic, precum i analiza
vizual arat un anumit grad de similaritate a celor dou distribuii.
n cazul folosirii distribuiei Weibull (fig. 5.21 c) a fost acceptat ipoteza
nul, obinndu-se cea mai mic valoare a lui 2exp (5,95) i implicit cea mai bun
ajustare a distribuiei experimentale. Acest fapt atest nc odat capacitatea
deosebit a acestei distribuii teoretice de a surprinde caracteristicile structurale ale
ecosistemelor forestiere.
Modelul matematic al distribuiei numrului de suprafee elementare pe
categorii ale numrului de puiei ofer informaii cu privire la rspndirea n spaiu
a indivizilor i poate fi integrat ntr-un model de regenerare. Analiza structurii dup
numrul de indivizi este util n evaluarea organizrii spaiale a populaiilor, n
cazul regenerrilor arboretelor importana acesteia fiind augmentat de numrul
mare al puieilor pe spaii restrnse, precum i de variabilitatea mare a acestui
parametru structural.
114
5.2. Structura n raport cu parametrii biometrici nregistrai

Garcia (2008) consider c distribuiile parametrilor structurali ai unui
arboret reprezint primele forme de modelare a unui sistem forestier. Modelul
Optimal (Cenu, 1996 b) constituie un exemplu n acest sens, fiind modelat
dinamica arboretelor de molid prin intermediul distribuiilor parametrilor
biometrici i a relaiilor dintre acetia i celelalte atribute structurale.
n cazul de fa, n suprafeele analizate au fost prelevate datele biometrice
ale tuturor puieilor n vederea folosirii acestora la modelarea matematic a
distribuiilor, a evidenierii legturilor dintre elementele biometrice ale puieilor,
precum i a analizelor relaiilor dintre acetia. Pentru fiecare atribut structural
analiza a presupus determinarea indicatorilor statistici, modelarea matematic a
distribuiilor experimentale i analiza variabilitii n spaiu. Anterior determinrii
indicatorilor statistici i a distribuiilor experimentale s-a folosit un criteriu de
eliminarea a observaiilor extreme. Acest fapt este motivat de prezena n suprafeele
studiate a unui numr redus de puiei instalai anterior celorlali. Aceti puiei au
fost nregistrai deoarece anumite analize i prelucrri impun folosirea datelor
respective, dar numrul mic al acestora (o proporie mai mic de 3 din numrul
total de puiei) nu a permis constituirea unei populaii statistice diferite. Pentru a
nu avea prelucrrile statistice alterate de caracteristicile biometrice ale acestor puiei
a fost efectuat eliminarea valorilor extreme conform criteriului Grubbs (Horodnic,
2004). n vederea automatizrii operaiei de identificare a observaiilor aberante a
fost realizat un model algoritmic de calcul, implementat ntr-o foaie de lucru tip
Microsoft Excel.
Distribuiile teoretice utilizate n vederea modelrii matematice a
distribuiilor experimentale a parametrilor biometrici sunt Beta, Gamma i
Weibull. Au fost testate i alte funcii de densitate dar rezultatele obinute au fost
inferioare calitativ celor amintite. Pentru a testa ajustarea distribuiilor a fost folosit
criteriul 2 cu un prag de semnificaie de 1%.
115
115
Figura 5.22 Interfaa utilizator a aplicaiei CARTOGRAMA
Variabilitatea parametrilor biometrici n interiorul suprafeelor studiate a

fost analizat cu ajutorul aplicaiei software CARTOGRAMA. Aceasta este o
aplicaie proprie, creat pentru a facilita studiul distribuirii n spaiu a
evenimentelor prin mprirea unei suprafee n mai multe suprafee elementare.
Programul preia datele din foi de calcul de tip Microsoft Excel, calculeaz o serie de
indicatori statistici (media, frecvena, abaterea standard, coeficientul de variaie
pentru toat suprafaa i pentru fiecare suprafa elementar n parte) i genereaz
grafice ale frecvenei de apariie, respectiv ale mediei valorilor unui eveniment
pentru fiecare suprafa elementar. Pentru a asigura posibilitatea comparrii
vizuale a rezultatelor obinute la analiza unui parametru s-a folosit aceeai scar de
intensitate coloristic pentru toate suprafeele studiate.
5.2.1. Structura n raport cu diametrul puieilor
Particularitile suprafeelor regenerate natural impun adoptarea unor
tipuri de distribuie diferite de cele folosite n modelarea structurii arboretelor
mature. Gradul mare de neomogenitate al valorilor diametrelor redat de coeficienii
de variaie, precum i distribuia neomogen n spaiu, face ca analiza structurii n
raport cu diametrul puieilor s se desfoare ntr-o manier aparte.
116
O alt particularitate a studiului regenerrilor arboretelor se refer la

folosirea diametrului la colet, stabilitatea acestui parametru fiind mult mai redus
dect a diametrului de baz datorit erorilor produse de inconsecvena n
poziionare la efectuarea msurtorilor. Chiar dac pentru msurarea diametrului la
colet s-a folosit un ubler care ofer o bun precizie de msurare, poziionarea
diferit de la un puiet la altul poate induce erori.
Tabelul 5.4
Indicatorii statistici ai diametrului puieilor n suprafeele studiate
Medie
(mm)
Abatere
standard
Coef. de
variaie
Minim
(mm)
Maxim
(mm)
Volum
prob
Suprafaa nr. 1
8,27
4,50
54%
22
830
Suprafaa nr. 2
7,73
4,23
55%
23
567
Suprafaa nr. 3
10,83
7,44
69%
41
525
Suprafaa nr. 4
9,94
4,77
48%
30
698
Suprafaa nr. 5
9,11
5,50
60%
32
506
Suprafaa nr. 6
8,10
6,13
76%
33
736
Suprafaa nr. 7
7,73
4,71
61%
28
923
Suprafaa nr. 8
9,98
4,30
43%
27
767
Suprafaa nr. 9
9,36
6,14
66%
36
792
Suprafaa nr. 10
9,04
4,43
49%
27
888
Total
8,94
5,30
59%
41
7232
Tabelul 5.5
Indicatorii statistici ai diametrului puieilor pe specii

Medie (mm)
Abatere standard
Coef. de variaie
Valoare minim
Valoare maxim
Volumul probei
Ca
Ci
Fr
Ju
Pam
St
Te
9,26
5,32
57%
1
39
4075
10,23
5,84
57%
2
41
123
7,01
4,37
62%
2
34
610
8,36
4,29
51%
1
28
425
11,56
5,47
47%
3
23
61
7,01
4,29
61%
1
34
1132
11,99
5,91
49%
1
35
724
117
117
Din analiza datelor prezentate n tabelele anterioare se remarc un grad

redus de omogenitate n privina valorilor diametrului, att n ceea ce privete
situaia referitoare la suprafeele analizate ct i pe specii. Diametrul la colet mediu
al puieilor se situeaz la valoarea de 8,94 mm dac lum n calcul indivizii din
toate pieele de prob. n cadrul suprafeelor aceste valori variaz de la valoarea
minim de 7,73 mm n suprafaa 2 la 10,38 mm n suprafaa 3. Omogenitatea
redus a acestui parametru este subliniat i de valorile ridicate ale coeficienilor de
variaie pe suprafa - ntre 43% i 76%. n ceea ce privete situaia pe specii,
puieii de paltin i tei nregistreaz cele mai mari medii ale diametrului, cu peste
30% mai mari fa de media total. Aceste specii manifest i cea mai mare
omogenitate, fiind singurele specii ce nregistreaz coeficieni de variaie de sub
50%. De cealalt parte, stejarul i frasinul nregistreaz cele mai mici medii, cu
peste 20% sub media total, dar i cei mai mari coeficieni de variaie (peste 60%).
n cazul analizei distribuiei numrului de puiei pe categorii de diametre
(fig. 5.24), la nivelul suprafeelor se nregistreaz n general distribuii unimodale,
cu o tendin de deplasare spre stnga i o oarecare variabilitate a formei.
Parametrii statistici ai distribuiei experimentale
calculai n urma gruprii n clase:
media: 8,38;
abaterea standard a mediei: 0,06;
abaterea standard: 5,34
modulul: 5,25; mediana: 7,41;
coeficientul de variaie: 63,77;
indicele de asimetrie: 1,23;
indicele excesului: 2,08;
Figura 5.23 Histograma frecvenelor tuturor puieilor pe categorii ale

diametrului la colet
118
Figura 5.24 Histograma frecvenelor puieilor pe categorii ale diametrului la colet

119
119

a
Parametrii distribuiei teoretice Beta:
= 1,77 = 7,10 k= 1,36 x 10-7
2exp = 191,79
2teor = 15,09 q=0,01
2exp>2teor
Dexp = 0,039
Dteor = 0,258 Dexp<Dteor q=0,05
b
Parametrii
Gamma:
distribuiei
teoretice
= 8,38 k= 2,46
2exp = 24,42
2teor = 24,73 q=0,01
2exp<2teor
Dexp = 0,018
c
Parametrii
Weibull:
distribuiei
teoretice
= 1,745 = 9,092 =21402
2exp = 356,08
2teor = 21,67 q=0,01
2exp>2teor
Dexp = 0,023
Figura 5.25 Ajustarea distribuiei experimentale a numrului de puiei

pe categorii ale diametrului la colet cu ajutorul distribuiilor
Beta (a), Gamma (b) i Weibull (c)
120
Distribuia tuturor puieilor pe categorii de diametre devine mult mai

stabil (fig. 5.23), fiind unimodal, caracterizat de o puternic asimetrie de stnga
(A=1,23) i un exces pozitiv (E=2,08).
Modelarea matematic a distribuiei numrului de puiei pe clase de
diametre este unul din obiectivele majore ale conceperii unui model al regenerrii,
ulterior estimndu-se cu ajutorul unei matrice de tranziie creterea i mortalitatea
pentru fiecare clas considerat (Miina et al., 2006). Parametrii funciilor de
ajustare se pot determina, n baza unui numr suficient de mare de msurtori, prin
metode cunoscute - metoda verosimilitii maxime, metoda momentelor sau
metoda celor mai mici ptrate.
Din analiza vizual a figurii 5.25, se observ c toate distribuiile teoretice
folosite reuesc s surprind caracteristicile distribuiei experimentale.
Cu toate acestea doar pentru distribuia Gamma s-a obinut statistic o
bun ajustare, cu 2exp < 2teoretic (pentru q=1%) ceea ce a condus la validarea
ipotezei nule. Distribuiile teoretice Beta i Weibull se dovedesc n aceast situaie
mai puin flexibile dect Gamma, obinndu-se 2exp > 2teoretic (pentru q=1%) ceea
ce conduce la respingerea ipotezei nule. Cu toate c aparent (n urma analizei
vizuale) aceste distribuii sunt foarte apropiate de cea experimental, s-au obinut
valori ridicate ale lui 2exp (191,79 i 356,08), datorate n special frecvenelor foarte
mari nregistrate n unele clase (peste 1000-1500), unde i cele mai mici diferene
genereaz valori nsemnate ce se adaug lui 2exp.
n diagramele din figura 5.26, generate de aplicaia CARTOGRAMA, se
prezint
variabilitatea spaial a diametrului mediu la colet, pe suprafee
elementare de 1x1m. Se poate observa att variabilitatea nregistrat ntre

suprafeele analizate ct i n interiorul fiecrei suprafee.
121
121
Suprafaa 1
Suprafaa 2
Suprafaa 3
Suprafaa 4
Suprafaa 5
Suprafaa 6
122
Suprafaa 7
Suprafaa 8
Suprafaa 9
Suprafaa 10
Figura 5.26 Variabilitatea spaial a diametrului la colet n suprafeele studiate
5.2.2. Structura n raport cu nlimea puieilor

Datorit rolului determinant al luminii i competiiei intense n stratul
puieilor, nlimea poate fi considerat parametrul central n analiza structural a
seminiului. Din analiza indicatorilor statistici se remarc un grad de omogenitate
n interiorul suprafeelor mai ridicat n cazul nlimii, comparativ cu situaia
diametrelor. nlimea medie a puieilor se situeaz la 98,01 cm dac lum n calcul
toi indivizii din cele zece piee de prob. n cadrul suprafeelor aceste valori variaz
123
123
de la valoarea minim de 53,07 cm n suprafaa 2 la 119,73 cm n suprafaa 9.

Coeficienii de variaie pe suprafa variaz ntre 35% i 68%. n ceea ce privete
situaia pe specii, puieii de tei, cire i jugastru nregistreaz cele mai mari medii
ale nlimii, cu 15-20% mai mari fa de media tuturor puieilor. Aceste specii
manifest i cea mai mare omogenitate, fiind singurele specii ce nregistreaz
coeficieni de variaie de sub 50%. De cealalt parte, frasinul nregistreaz cea mai
mic medie a nlimii, cu peste 30% sub media total, dar i cel mai ridicat
coeficient de variaie (69%), acest lucru reducnd din relevana mediei.
Tabelul 5.6
Indicatorii statistici ai nlimii puieilor n suprafeele studiate
Medie
(cm)
Abatere
standard
Coef. de
variaie
Minim
(cm)
Maxim
(cm)
Volum
prob
Suprafaa nr. 1
88,46
43,22
49%
10
235
830
Suprafaa nr. 2
53,07
31,61
60%
163
563
Suprafaa nr. 3
119,13
64,18
54%
15
368
528
Suprafaa nr. 4
94,57
43,61
46%
260
699
Suprafaa nr. 5
95,30
52,12
55%
288
506
Suprafaa nr. 6
79,90
54,39
68%
15
290
718
Suprafaa nr. 7
102,03
60,88
60%
295
928
Suprafaa nr. 8
119,65
42,28
35%
21
244
767
Suprafaa nr. 9
119,73
53,83
45%
20
280
792
Suprafaa nr. 10
99,51
42,27
42%
11
229
889
Total
98,01
52,94
54%
368
7220
Tabelul 5.7
Indicatorii statistici ai nlimii puieilor pe specii

Ca
Ci
Fr
Ju
Pam
St
Medie (cm)
Abatere standard
Coef. de variaie
Valoare minim
Valoare maxim
Volumul probei
102,69
51,25
50%
6
368
4064
111,94
55,31
49%
23
335
124
65,32
45,04
69%
10
250
610
124
108,42
50,22
46%
15
262
425
105,76
61,94
59%
20
250
59
77,62
48,50
62%
7
295
1132
Te
122,16
54,28
44%
7
280
724
n cazul analizei distribuiei numrului de puiei pe categorii de nlimi

(fig. 5.28), la nivelul celor zece suprafee analizate se nregistreaz o variabilitate
mai mare a gamelor de distribuii ntlnite. Competiia pentru factorul lumin
determin n cazul nlimilor o separare mai clar n interiorul fiecrei suprafee a
categoriilor de nlimi, fapt ce poate conduce i la apariia mai multor maxime
locale ale frecvenei. Competiia pentru lumin, ce acioneaz mult mai intens n
cazul acestei faze de cretere, explic i reducerea asimetriei de stnga i a excesului
distribuiei tuturor puieilor pe categorii de nlimi comparativ cu distribuia pe
categorii de diametre. n acest caz indicele de asimetrie are valoarea 0,59 (fa de
1,23 n cazul diametrelor), iar indicele excesului este egal cu 0,05 (fa de 2,08 n
cazul diametrelor). Din comparaia distribuiilor pentru cei doi parametri
biometrici se deduce c puieii reuesc s utilizeze mult mai bine spaiul aerian,
acest fapt determinnd rspndirea mai echilibrat a frecvenelor pe clase de
nlimi. Distribuia pe categorii de nlimi se regleaz n cazul lurii n calcul a
tuturor puieilor (fig. 5.27), devenind mai uniform. Este caracterizat de o curb
unimodal mezokurtic (E0), cu o moderat asimetrie de stnga (A=0,59).
media: 96,72;
abaterea standard: 53,10;
indicele de asimetrie: 0,59;
indicele excesului: 0,05;
Figura 5.27 Histograma frecvenelor tuturor puieilor pe categorii ale nlimii
125
125
Figura 5.28 Histograma frecvenelor puieilor pe categorii ale nlimii
126

a
Parametrii
teoretice Beta:
distribuiei
= 2,20 = 6,34 k= 0,4

x 10-7
2exp = 36,44
2teor = 18,48 q=0,01
2exp>2teor
Dexp = 0,019
Dteor = 0,242 Dexp<Dteor
q=0,05
b
Parametrii
distribuiei
teoretice Gamma:
= 96,72 k= 3,32
2exp = 483,83
2teor = 24,73 q=0,01
2exp>2teor
Dexp = 0,041
q=0,05
c
Parametrii
distribuiei
teoretice Weibull:
= 1,883 = 109,788
=179504
2exp = 43,94
2teor = 24,73 q=0,01
2exp>2teor
Dexp = 0,014
q=0,05
Figura 5.29 Ajustarea distribuiei experimentale a numrului de puiei pe

categorii ale nlimii cu ajutorul distribuiilor Beta (a), Gamma (b) i Weibull (c)
127
127
Modelarea distribuiei experimentale s-a realizat cu aceleai distribuii

teoretice folosite anterior (Beta, Gamma, Weibull). Parametrii funciilor i valorile
necesare testului de semnificaie a gradului de ajustare sunt prezentate n figura
5.29.
Analiza vizual a variantelor prezentate n figura 5.29 arat c toate
distribuiile teoretice reuesc s surprind o mare parte din caracteristicile
distribuiei experimentale. Cu toate acestea pentru nici una din ele nu s-a obinut
din punct de vedere al asigurrii statistice o bun ajustare, n toate cele trei cazuri
avnd 2exp > 2teoretic (pentru q=1%) ceea ce a condus la respingerea ipotezei nule.
Distribuiile teoretice Beta i Weibull se dovedesc n aceast situaie mai flexibile
dect Gamma, obinndu-se valori mult mai mici ale lui 2exp (36,44; respectiv
43,94 fa de 483,83).
Se poate considera c modelarea matematic a repartizrii numrului de
puiei pe categorii de nlimi poate fi realizat cu una din cele dou funcii de
densitate. i n acest caz frecvenele foarte mari nregistrate n unele clase (peste
1000), determin creterea valorii 2exp chiar i pentru diferene mici nregistrate
ntre distribuii.
n diagramele incluse n figura 5.30, generate de aplicaia software
CARTOGRAMA, se prezint variabilitatea spaial a nlimii, prin reprezentarea
grafic a mediei nlimilor pe suprafee elementare de 1x1m. Pentru a se oferi
posibilitatea comparrii variabilitii parametrului analizat nu doar n interiorul
suprafeelor de 7x7 m ci i ntre aceste suprafee s-a folosit aceeai scar de
reprezentare (de la 0 la 310 cm) pentru toate cele zece piee.
128
Suprafaa 1
Suprafaa 2
Suprafaa 3
Suprafaa 4
Suprafaa 5
Suprafaa 6
129
129
Suprafaa 7
Suprafaa 8
Suprafaa 9
Suprafaa 10
Figura 5.30 Variabilitatea spaial a nlimii puieilor n suprafeele studiate
Lund n considerare importana deosebit a nlimii n stabilirea

relaiilor dintre puiei, pentru acest parametru biometric au fost efectuate o serie de
analize suplimentare. Pentru a simplifica efectuarea acestor analize s-au definit
patru straturi de ncadrare a puieilor dup nlimea total. Aceste straturi sunt:
stratul 1 puieii cu nlimea cuprins ntre 0 i 25 cm;
stratul 4 puieii cu nlimea mai mare de 150 cm.

130
Datele privitoare la ncadrarea puieilor n aceste straturi, pe specii, sunt

prezentate procentual, sub form grafic, fcndu-se referire doar la speciile care au
un procent de participare n compoziia seminiului mai mare de 1%.
S-a constatat c structura pe straturile de nlimi a seminiului instalat
natural este urmtoarea: 6 % din totalul puieilor sunt ncadrai n primul strat, 33
% n stratul 2, 44 % n stratul 3 i 17 % n stratul 4.
Numrul mic de indivizi din primul strat (al plantulelor), arat c
instalarea unor noi generaii de puiei se realizeaz tot mai greu n condiiile n care
generaiile anterioare au atins dimensiuni considerabile, care le permit s elimine
cea mai mare parte din vegetaia lemnoas proaspt instalat. Se observ c puieii
sunt echilibrat repartizai n celelalte categorii, valorificnd la maxim spaiul pe
vertical, dup cum s-a remarcat i din distribuia pe clase de nlimi.
n cazul analizei pe specii se disting dou aspecte cel al procentului de
participare al speciilor la formarea fiecrui strat i a modului de repartizare al
puieilor unei specii n aceste categorii.
Carpenul, fiind specia cu cel mai mare procent de participare n toat
suprafaa, este specia majoritar n toate straturile, cu un procent situat n jurul
valorii de 50% (figura 5.31). n stratul 1 o reprezentare consistent o au i stejarul
(26%) i frasinul (21%), pstrat i n cel de al doilea strat (22%, respectiv 14%).
n straturile superioare, dup carpen, teiul are cea mai bun reprezentare, cu un
procent de 11% n stratul al treilea i 19% n stratul al patrulea.
Modul de repartizare al puieilor unei specii n fiecare strat (figura 5.32),
poate s surprind strategia de dezvoltare pe vertical a unei specii, precum i
rezultatul concurenei exercitate de celelalte specii. Frasinul i stejarul sunt speciile
care au cel mai bine reprezentat strat 1 n structura lor pe nlimi, faptul c au o
pondere mare a numrului de indivizi n stratul plantulelor dovedind o bun
vigoare de regenerare. 15% din totalul puieilor de frasin i 10% din cei de stejar
sunt ncadrai n primul strat, n condiiile n care celelalte specii au ponderea
acestui strat de circa 2-5%. Aceste dou specii sunt i singurele care au maximul de
puiei ncadrat n stratul 2.
131
131
Figura 5.31 Procentul de participare a speciilor n alctuirea straturilor dup nlimea

puieilor
Figura 5.32 ncadrarea puieilor fiecrei specii n cele patru straturi dup nlime
Ponderea mare a indivizilor acestor specii n straturile inferioare (frasinul

are peste 70% din puiei n primele dou straturi) indic un ritm al creterilor mai
puin activ comparativ cu celelalte specii de amestec. La polul opus, dovedind
creteri active, se afl teiul cu peste 30% din indivizi situai n stratul 4 i 78%
situai n straturile superioare (3 i 4). Jugastrul i cireul sunt singurele specii care
mai au peste 70% dintre puiei situai n straturile superioare.
Analiza structurii nlimii pe specii localizeaz poziia pe vertical a
fiecrei specii din compoziia seminiului, oferind informaii utile n interpretarea
rezultatelor unor analize ce vor fi efectuate n capitolele urmtoare.
132
5.2.3. Structura n raport cu nlimea pn la prima ramur verde

nlimea pn la prima ramur verde este un indicator ce ofer informaii
utile privitoare la structura arboretelor. Datorit concurenei pentru accesul la
lumin, acest parametru biometric este puternic influenat de relaiile
competiionale ale puietului cu vecinii si i de desime.
n aceeai msur nlimea pn la prima ramur verde este un factor
determinant indirect al volumului coroanei, ce influeneaz creterea i dezvoltarea
fiecrui individ, fiind frecvent folosit drept variabil n modelele de cretere
(Stage, 1973; Zumrawi, Hann, 1989; Bachmann, 1996).
innd cont de aceste considerente s-a considerat oportun includerea
acestui parametru n analiza structural a seminiului. Trebuie fcut observaia c
s-a forat folosirea termenului de coroan, practic neputnd vorbi nc de aceast
structur n cazul puieilor.
Analiza coeficienilor de variaie indic un grad de omogenitate mai ridicat
n cazul nlimii pn la prima ramur verde a coroanei (notat de acum hv),
comparativ cu situaia nlimilor i a diametrelor.
Valoarea medie a hv se situeaz la 26,79 cm dac lum n calcul toi
indivizii din cele zece piee de prob. n cadrul suprafeelor valori le hv variaz de la
valoarea minim de 20,25 cm n suprafaa 2 la 34,60 cm n suprafaa 8.
Coeficienii de variaie pe suprafa variaz ntre 39% i 63%.
n ceea ce privete situaia pe specii, puieii de tei, cire i paltin
nregistreaz cele mai mari valori medii ale hv, iar cei de frasin i jugastru cele mai
mici. Situaia puieilor de jugastru este interesant deoarece, dei nregistreaz
valori peste medie ale nlimii totale, valorile hv sunt reduse, avnd i cel mai mic
procent al hv din nlimea total (26%), n condiiile n care media acestui procent
calculat pentru toi puieii este de 33% (tabelul 5.9).
133
133
Tabelul 5.8
Indicatorii statistici ai nlimii pn la prima ramur verde n suprafeele studiate
Medie
(cm)
Abatere
standard
Coef. de
variaie
Minim
(cm)
Maxim
(cm)
Volum
prob
Suprafaa nr. 1
23,64
11,19
47%
68
823
Suprafaa nr. 2
20,25
9,51
47%
55
555
Suprafaa nr. 3
25,06
12,54
50%
77
526
Suprafaa nr. 4
21,93
13,87
63%
75
697
Suprafaa nr. 5
21,49
10,38
48%
65
505
Suprafaa nr. 6
33,89
18,99
56%
115
734
Suprafaa nr. 7
29,68
15,34
52%
96
926
Suprafaa nr. 8
34,60
9,99
39%
75
762
Suprafaa nr. 9
21,99
10,44
47%
61
791
Suprafaa nr. 10
30,36
15,85
52%
95
887
Total
26,79
14,31
53%
115
7206
Tabelul 5.9
Indicatorii statistici ai nlimii pn la prima ramur verde a coroanei puieilor pe specii

Ca
Ci
Fr
Ju
Pam
St
Te
Medie (cm)
26,69
30,70
22,81
24,38
33,41
24,35
34,23
Abatere standard
14,16
17,11
12,63
11,72
19,00
12,20
16,53
Coef. de variaie
53%
56%
55%
48%
57%
50%
48%
Valoare minim
Valoare maxim
115
95
90
76
80
90
100
Volumul probei
4075
122
608
424
58
1132
708
Date privitoare la procentul hv din nlimea total

(media acestui procent calculat pentru toi puieii - 33%)
Procentul hv din h
31%
30%
42%
26%
35%
39%
32%
Coef. de variaie
57%
45%
43%
54%
43%
51%
52%
134

media: 26.20;
abaterea standard: 14.49;
modulul: 22.05; mediana: 23.68;
indicele de asimetrie: 1.21;
indicele excesului: 2.47;
Figura 5.33 Histograma frecvenelor tuturor puieilor pe categorii ale nlimii pn la

prima ramur verde a coroanei
Analiza distribuiei numrului de puiei pe categorii de nlimi pn la

prima ramur verde a coroanei (fig. 5.34) arat c la nivelul celor zece suprafee de
prob se nregistreaz o variabilitate sczut a gamelor de distribuii ntlnite,
acestea fiind similare cu distribuia general a tuturor puieilor.
Competiia determin n cazul hv o asimetrie puternic de stnga,
aglomerarea n clasele mici ale hv (n condiiile n care nlimea total este mult
mai uniform distribuit) reprezentnd tendina puieilor de a valorifica ct mai
bine lumina la nivelul coroanei prin extinderea acesteia la maxim n plan vertical.
Parametrii statistici ai distribuiei tuturor puieilor pe categorii hv sunt
prezentai n figura 5.33. Distribuia este caracterizat de o curb unimodal
leptokurtic (E=2,47), cu o puternic asimetrie pozitiv (A=1,21).
Modelarea distribuiei experimentale s-a realizat cu distribuiile teoretice
folosite anterior: Beta, Gamma, Weibull. Parametrii funciilor i valorile necesare
testului de semnificaie a gradului de ajustare sunt prezentate n figura 5.35
135
135
Figura 5.34 Histograma frecvenelor puieilor pe categorii ale nlimii pn la prima

ramur verde a coroanei n suprafeele studiate
136

a
Parametrii
teoretice Beta:
distribuiei
= 2,03 = 8,02 k= 0,7

x 10-7
2exp = 163,71
2teor = 16,81 q=0,01
2exp>2teor
Dexp = 0,026
q=0,05
b
Parametrii
distribuiei
teoretice Gamma:
= 26,20 k= 3,27
2exp = 84,27
2teor = 24,73 q=0,01
2exp>2teor
Dexp = 0,015
q=0,05
c
Parametrii
distribuiei
teoretice Weibull:
= 2,017 = 28,268
=57544.5
2exp = 799,46
2teor = 21,67 q=0,01
2exp>2teor
Dexp = 0,030
q=0,05

categorii ale nlimii pn la prima ramur verde
137
137
Din analiza vizual a variantelor prezentate n figura 5.35 reiese c

distribuiile teoretice utilizate reuesc s surprind caracteristicile distribuiei
experimentale. Cu toate acestea nu s-a obinut din punct de vedere al asigurrii
statistice o bun ajustare, n toate cele trei cazuri avnd relaia 2exp > 2teoretic
(pentru q=1%) ceea ce a condus la respingerea ipotezei nule. Pentru distribuia
teoretic Gamma s-a obinut cea mai mic valoare a 2exp (84,27), n vederea
modelrii matematice a repartizrii numrului de puiei pe categorii ale hv funcia
de densitate Gamma reprezentnd cea mai bun opiune disponibil.
Suprafaa 1
Suprafaa 2
Suprafaa 3
Suprafaa 4
138
Suprafaa 5
Suprafaa 6
Suprafaa 7
Suprafaa 8
Suprafaa 9
Suprafaa 10
Figura 5.36 Variabilitatea spaial a nlimii pn la prima ramur verde

139
139
n diagramele din figura 5.36, generate de aplicaia software

CARTOGRAMA, se prezint variabilitatea spaial a nlimii, prin reprezentarea
grafic a mediei valorilor hv pe suprafee elementare de 1x1m. n vederea
comparrii variabilitii parametrului analizat att n interiorul suprafeelor de 7x7
m ct i ntre aceste suprafee s-a folosit aceeai scar de reprezentare (de la 0 la 68
cm) pentru toate cele zece piee.
5.2.4. Structura n raport cu dimensiunile coroanei
Coroana unui arbore ndeplinete trei funcii fiziologice importante
asimilaia, respiraia i transpiraia. Drept urmare, dimensiunea coroanei este strns
corelat cu creterea arborilor, fiind un bun indicator al vigorii i al strii de
sntate. Dificultatea msurtorilor biometrice directe ale coroanei arborilor a
condus la proceduri de estimare ale dimensiunilor acesteia n baza unor
caracteristici ale arborilor mai uor msurabile sau apreciabile: diametrul de baz,
suprafaa de baz, nlimea sau nlimea pn la prima ramur verde a coroanei.
Dimensiunile coroanei sunt variabile frecvent incluse n modelele de cretere, de
apreciere a competiiei sau de dinamic a arboretului. Parametrii ce caracterizeaz
coroana au fost inclui n modele ale competiiei (Schutz, 1989, citat de Ung et al.,
1997; Biging, Dobbertin, 1995; Bachmann, 1996), modele de predicie a
mortalitii (Hasenauer, Monserud, 1996; Hasenauer et al., 2001) sau modele de
cretere i dezvoltare (Monserud, Sterba, 1996).
Coroanele arborilor sunt caracterizate n general de un mare grad de
variabilitate al formelor i dimensiunilor, lucru ce este evideniat i n suprafeele
studiate. Din analiza coeficienilor de variaie se remarc un grad de neomogenitate
ridicat n interiorul suprafeelor - caracterizat de o medie de 60% i o valoare
maxim de 77%. Valoarea medie a diametrului mediu al coroanei se situeaz la
valoarea de 24,90 cm pentru toate cele zece piee de prob, cu o amplitudine
descris de valorile extreme: 5 cm 107,5 cm. n ceea ce privete situaia pe specii,
puieii de cire, tei i stejar nregistreaz cele mai mari valori medii ale diametrului
140
coroanei (cireul cu 30% peste media general), iar cei de frasin cele mai mici (cu
34% sub media general). Variabilitatea acestui parametru pe specii este similar,
exceptnd jugastrul (cu un coeficient de variaie 67%).
Tabelul 5.10
Indicatorii statistici ai diametrului mediu al coroanei puieilor n suprafeele studiate
Medie
(cm)
Abatere
standard
Coef. de
variaie
Minim
(cm)
Maxim
(cm)
Volum
prob
Suprafaa nr. 1
27,37
12,18
45%
70
830
Suprafaa nr. 2
26,33
17,87
68%
97,5
567
Suprafaa nr. 3
23,38
15,87
68%
90
518
Suprafaa nr. 4
22,60
12,89
57%
75
688
Suprafaa nr. 5
29,39
18,48
63%
107,5
504
Suprafaa nr. 6
20,47
15,80
77%
87,5
734
Suprafaa nr. 7
24,92
11,94
48%
75
927
Suprafaa nr. 8
26,86
11,81
44%
70
767
Suprafaa nr. 9
27,08
19,05
70%
92,5
792
Suprafaa nr. 10
21,78
12,52
57%
75
888
Total
24,90
14,98
60%
107,5
7215
Tabelul 5.11
Indicatorii statistici ai diametrului mediu al coroanei puieilor pe specii
Ca
Ci
Fr
Ju
Pam
St
Te
Medie (cm)
25,54
30,31
16,33
22,72
25,57
26,68
26,51
Abatere standard
15,41
16,20
8,52
15,17
12,22
15,23
13,63
Coef. de variaie
60%
53%
52%
67%
48%
57%
51%
Valoare minim
7,5
Valoare maxim
105
75
60
75
70
107,5
85
Volumul probei
4068
123
609
424
61
1128
720
141
141

media: 23.20;
abaterea standard: 15,12;
indicele de asimetrie: 1.28;
indicele excesului: 2.03;
Figura 5.37 Histograma frecvenelor tuturor puieilor pe categorii ale diametrului mediu
al coroanei
Analiza distribuiei numrului de puiei pe categorii ale diametrului mediu

al coroanei (fig. 5.38) arat c la nivelul celor zece suprafee de prob se ntlnesc
distribuii unimodale, cu asimetrie pozitiv (de stnga) i o variabilitate relativ
redus a formei.
Distribuia tuturor puieilor pe categorii ale diametrului mediu al coroanei
devine mai stabil, dup cum se observ n figura 5.37. Aceasta prezint un modul
situat la valoarea 16,84 cm, o puternic asimetrie de stnga (A=1,28) i un exces
pozitiv (E=2,08) caracteristic unei distribuii leptokurtice.
Modelarea distribuiei experimentale s-a realizat i n aceast situaie cu
ajutorul distribuiilor teoretice folosite anterior: Beta, Gamma i Weibull.
Parametrii funciilor i valorile necesare efecturii testului de semnificaie a
gradului de ajustare sunt prezentate n figura 5.39.
142
Figura 5.38 Histograma frecvenelor puieilor pe categorii ale diametrului mediu al

coroanei n suprafeele studiate
143
143
a
Parametrii
distribuiei
teoretice Beta:
= 1,65 = 6,16 k=
0,21 x 10-7
2exp = 352,22
2teor = 13,28 q=0,01
2exp>2teor
Dexp = 0,046
Dteor = 0,271
D Dexp<Dteor q=0,05
b
Parametrii
distribuiei
teoretice Gamma:
= 23,20 k= 2,36
2exp = 45,12
2teor = 21,67 q=0,01
2exp>2teor
Dexp = 0,020
Dteor = 0,258
Dexp<Dteor q=0,05
c
Parametrii
distribuiei
teoretice Weibull:
= 1,759 = 25,017
=70780
2exp = 648,16
2teor = 18,46 q=0,01
2exp>2teor
Dexp = 0,035
Dteor = 0,285
Dexp<Dteor q=0,05
categorii ale diametrului mediu al coroanei
144
Analiza vizual a variantelor prezentate n figura 5.39 arat c distribuiile

teoretice surprind caracteristicile distribuiei experimentale. Se ntlnete aceeai
situaie remarcat anterior cu privire la testarea semnificaiei cu ajutorul testului 2
- analiza statistic nu confirm analiza vizual, numrul mare de observaii alternd
rezultatele testului. n toate cele trei cazuri s-a obinut relaia 2exp > 2teoretic (pentru
q=1%) ceea ce a condus la respingerea ipotezei nule. Pentru distribuia teoretic
Gamma s-a obinut cea mai mic valoare a 2exp (45,12), n vederea modelrii
matematice a repartizrii numrului de puiei pe categorii ale diametrului mediu al
coroanei funcia de densitate Gamma reprezentnd cea mai bun opiune
disponibil.
Suprafaa 1
Suprafaa 2
Suprafaa 3
Suprafaa 4
145
145
Suprafaa 5
Suprafaa 6
Suprafaa 7
Suprafaa 8
Suprafaa 9
Suprafaa 10
Figura 5.40 Variabilitatea spaial a diametrului mediu al coroanei puieilor

146
n diagramele din figura 5.40, generate de aplicaia CARTOGRAMA, se

prezint variabilitatea spaial a diametrului mediu al coroanei,
pe suprafee
elementare de 1x1m. n vederea comparrii variabilitii parametrului analizat att

n interiorul suprafeelor de 7x7 m ct i ntre aceste suprafee s-a folosit aceeai
scar de reprezentare (de la 0 la 70 cm) pentru toate cele zece piee.
5.2.5. Profilul tridimensional al suprafeelor studiate
Structura arboretelor este descris frecvent prin intermediul unor variabile
care nu nglobeaz direct caracterul orizontal i vertical al dispunerii arborilor n
spaiu. Desimea, suprafaa de baz sau distribuia indivizilor pe categorii de
diametre reprezint parametri care ignor caracterul spaial al structurii
ecosistemelor forestiere. Pentru a completa lipsa informaiilor spaiale este
recomandat folosirea unor metode de analiz moderne, adecvate cercetrilor
forestiere, care s utilizeze parametri relevani ai dispunerii n spaiu (Zenner,
Hibbs, 2000).
Determinarea coordonatelor fiecrui puiet, a dimensiunilor coroanei, a
nlimii totale precum i a nlimii de inserie a coroanei au permis reconstituirea
modelului tridimensional al suprafeelor studiate. Modelarea geometric
tridimensional reprezint o form modern i intuitiv de apreciere unitar a
complexitii structurale a ecosistemelor forestiere. Analiza modelului se poate
efectua chiar i fr ajutorul unui calculator, prin schie explicite - metoda
profilelor spaiale (Cenu, 1992), dar n prezent este recomandat utilizarea
reprezentrilor computerizate. Calculatorul a devenit o unealt esenial n
cercetarea inginereasc, iar tehnicile moderne de prezentare vizual computerizat a
datelor, cum ar fi, de exemplu, modelarea 3D, faciliteaz perceperea i interpretarea
corect a informaiilor prezentate.
n cercetarea silvic sunt folosite numeroase aplicaii informatice destinate
modelrii tridimensionale a structurii ecosistemelor forestiere (prezentate n
subcapitolul 3.4.3), chiar i la noi n ar existnd soluii software specializate
147
147
programul PROARB (Popa, 1999).

n cazul de fa s-a preferat modelarea tridimensional cu ajutorul
aplicaiei SVS Stand Visualization System (McGaughey, 1997). Alegerea a fost
determinat de faptul c acest program este cel mai frecvent utilizat la nivel
internaional, fiind foarte complex i versatil.
Modulul de design al arborilor a permis definirea formei de reprezentare a
puieilor fiecrei specii, n figura 5.41 fiind prezentate simbolurile grafice utilizate
n profilurile tridimensionale i orizontale. Dei aplicaia permite i vizualizarea
fotorealist a suprafeelor s-a optat pentru reprezentarea arborilor prin modele
solide considerndu-se a fi mai explicit n cazul unei desimi mari a puieilor.
Datorit prelucrrii unui volum mare de date a fost conceput un program
propriu - SVS Export, de transfer automat a datelor din foile de calcul de tip
Microsoft Excel n fiierele de date specifice aplicaiei SVS. Formatul relativ criptic
al fiierelor datelor de intrare, precum i numrul mare de variabile care trebuie s
respecte un tipar specific reprezint un impediment n folosirea SVS, dar care poate
fi soluionat prin utilizarea programului SVS Export.
n figurile 5.42 5.51 sunt prezentate structurile caracteristice ale celor
zece suprafee studiate. Pentru fiecare suprafa de prob s-a determinat att
profilul tridimensional ct i cel orizontal. n acest fel informaiile se completeaz
reciproc, pentru ca n final structura s fie perceput i apreciat corect.
Figura 5.41 Simbolurile grafice folosite n reprezentarea profilelor spaiale
148
Figura 5.42 Profilul tridimensional i orizontal al suprafeei nr. 1

149
149

150

151
151
Analiza informaiilor vizuale ale structurii tridimensionale i orizontale

confirm i completeaz informaiile descriptive din subcapitolele anterioare
privitoare la numrul de arbori pe specii, distribuiile caracteristicilor biometrice i
gradul de neomogenitate al parametrilor studiai. Datele profilelor spaiale permit
de asemenea interpretarea unor aspecte ce vor fi prezentate ulterior, referitoare la
modul de organizare spaial a puieilor, spaiul potenial de dezvoltare i relaiile
de competiie ce se stabilesc ntre indivizi.
5.3. Modelarea relaiilor dintre caracteristicile structurale ale seminiului

Parametrii structurali ai unui arboret reprezint caracteristici importante
care pot fi utilizate n modele de cretere i dezvoltare. Analiza intensitii i tipului
relaiilor stabilite ntre diversele variabile poate s conduc la identificarea
atributelor cheie, determinante n fundamentarea matematic a modelului propus.
n literatura de specialitate sunt menionate relaiile stabilite ntre
caracteristicile biometrice ale arborilor diametru, nlime, nlimea pn la
punctul de inserie al coroanei, dimensiunile coroanei. n cazul regenerrii
arboretelor aceste relaii prezint anumite particulariti care vor fi evideniate n
subcapitolele urmtoare.
152
5.3.1. Relaiile dintre parametrii biometrici ai puieilor

n cazul arborilor maturi diametrul de baz este considerat parametrul
central al structurii, fiind n acelai timp caracteristica cea mai uor msurabil. n
cazul seminiurilor de cele multe ori nu se poate preleva diametrul de baz datorit
nlimii reduse a puieilor, astfel c se utilizeaz n caracterizarea structurii
diametrul la colet. Acest parametru este mult mai puin stabil dect diametrul de
baz, fiind dificil de msurat i oferind o precizie adesea insuficient. n cadrul
acestui studiu diametrul la colet a fost prelevat cu ajutorul ublerului, utiliznd o
precizie de 1 mm. Cu toate c aceast precizie este aparent satisfctoare, o analiz
mai atent dezvluie c procentual marja de eroare a msurtorilor efectuate la cei
7253 de puiei este cuprins ntre 0,95% i 50%. Avnd n vedere c o cretere a
preciziei de msurare la valori mai mici de 1 mm nu este practic posibil datorit
dificultilor de msurare i erorilor de poziionare a ublerului la nivelul coletului,
reprezentativitatea acestui parametru scade n special la valori reduse ale sale.
nlimea reprezint parametrul cel mai uor msurabil n cazul
seminiului. Precizia determinrilor este de asemenea procentual superioar
evalurii oricrui alt parametru biometric, marja de eroare datorat rotunjirii la
precizia de 1 cm fiind n cazul acestui studiu cuprins ntre 0,12% i 8,33%.
nlimea poate fi considerat un parametru mult mai stabil statistic i cu o
sensibilitate de nregistrare a relaiilor dintre puiei deosebit datorit competiiei
intense ce caracterizeaz aceast faza de dezvoltare. Unele cercetri efectuate n
seminiuri naturale (Siipilehto, 2006) confirm importana nlimii n
caracterizarea regenerrii arboretelor, recomandnd folosirea acesteia drept
parametru central de evaluare structural.
n continuare se va face o analiz a relaiilor dintre caracteristicile
biometrice prelevate. Scopul analizei l reprezint conceperea unor modele
matematice simple, bazate pe analiza regresiei, care n funcie de un numr minim
de variabile s conduc la determinarea suficient de precis a unor parametri
biometrici dificil de estimat, n vederea simplificrii metodologiei de prelevare a
datelor n seminiuri.
153
153
Prima etap n vederea selectrii variabilelor modelului este reprezentat de

analiza corelaiilor dintre variabilele candidate. Pentru a simplifica prezentarea
datelor, se va folosi urmtoarea convenie de notare a variabilelor: d - diametrul la
colet, h nlimea total, hv nlimea punctului de inserie a coroanei, dc
diametrul mediu al coroanei.
Valorile matricei corelaiilor (tabelul 5.12) arat legturi foarte
semnificative ntre toi parametrii studiai. Privitor la intensitatea acestora, se
remarc legtura puternic dintre d i h i de intensitate medie dintre h i hv, dc i
d, respectiv dc i h. nlimea pn la punctul de inserie a coroanei (hv) stabilete
legturile de intensitatea cea mai sczut. n figurile 5.52-5.57 sunt prezentate
grafic cmpurile de corelaie a elementelor, din analiza acestora observndu-se
natura i forma legturii.
Pentru aprecierea relaiilor dintre parametri, precum i pentru a stabili
importana acestora n explicarea variabilitii datelor s-a folosit tehnica analizei n
componente principale, pentru prelucrarea datelor fiind folosit aplicaia StatSoft
STATISTICA. n figura 5.58 sunt prezentate dou alternative de proiecie n
planul dintre primul i al doilea, respectiv al doilea i al treilea factor, ordinea
factorilor fiind dat de tabelul valorilor proprii (eigenvalues), primii trei factori
explicnd variaia datelor n proporie de 94,4%. Din cele dou proiecii se
identific legtura puternic dintre h i d, precum i cea de intensitate medie dintre
primele dou amintite i dc. i n acest caz se observ legtura slab a hv cu
celelalte elemente.
Relaia dintre diametru i nlime reprezint unul dintre elementele
definitorii ale structurii unui arboret, fiind esenial n modelarea creterii i
dezvoltrii arborilor (Botkin et al., 1972). De la funcia exponenial prezentat de
Meyer (1940)
h = 1.3 + b1 (1 e b2d )
(5.1)
unde h-nlimea, d-diametrul de baz iar b1, b2coeficieni, au fost

concepute numeroase modele care descriu aceast relaie (Prodan, 1965; Curtis,
1967; Wykoff et al., 1982; Larsen, Hann, 1987; Huang et al., 1992).
154
Tabelul 5.12
Matricea corelaiilor dintre parametrii biometrici analizai
d
hv
0,761 ***
hv
0,388 ***
0,512 ***
dc
0,654 ***
0,644 ***
0,303 ***
dc
Figura 5.52 Legtura corelativ d-h
Figura 5.53 Legtura corelativ d-hv
Figura 5.54 Legtura corelativ d-dc
Figura 5.55 Legtura corelativ h-hv
155
155
Figura 5.56 Legtura corelativ h-dc
Figura 5.57 Legtura corelativ dc-hv
Figura 5.58 Analiza n componente principale a legturii dintre parametri biometrici
Relaia diametru-nlime prezint anumite particulariti n cazul

seminiurilor naturale, comparativ cu situaia din arboretele mature. Din analiza
graficului ce descrie legtura corelativ dintre cele dou elemente (fig. 5.52) se
observ c tendina asimptotic specific arboretelor mature, ce constrnge
nlimea, limitndu-i valorile spre dimensiunile maxime ale diametrului este mult
mai puin evident. n cazul puieilor nu apare nc fenomenul de limitare a
valorilor maxime ale nlimii. O alt particularitate se refer la raportul dintre cele
dou elemente dac n cazul arborilor maturi se prefer msurarea diametrului de
baz i determinarea n funcie de acesta a nlimii (dificil i costisitor de apreciat
n cazul unui numr mare de indivizi), n cazul seminiurilor se inverseaz
procedura este de preferat msurarea nlimii i determinarea diametrului la
colet n funcie de aceasta. Recent, aceast modalitate de determinare a diametrului
156
n funcie de celelalte caracteristici biometrice (e.g. nlime i diametrul mediu al

coroanei) a devenit folosit i n cazul arboretelor mature datorit determinrii
uoare a parametrilor necesari folosind imagini satelitare de nalt rezoluie
(Kalliovirta, Tokola, 2005).
Dimensiunile coroanei sunt de asemenea importante n modelarea creterii
arborilor, numeroase cercetri stabilind funcii de determinare a acestora n raport
de diametrul de baz sau de nlime. n general componenta orizontal a coroanei
diametrul mediu al coroanei (dc) se determin n funcie de diametrul de baz
(Krajicek et al., 1961; Arney, 1973; Paine, Hann, 1982; Meng et al., 2007), iar
componenta vertical nlimea coroanei, se determin prin intermediul nlimii
punctului de inserie a coroanei (hv), n funcie de nlimea total (Ritchie, Hann,
1987; Zumrawi, Hann, 1989).
c
Figura 5.59 Ecuaiile de regresie ce descriu
variaia diametrului la colet (a),
diametrului mediu al coroanei (b) i
nlimii pn la punctul de inserie a
coroanei (c) n funcie de nlimea total
157
157
n urma analizei relaiilor dintre elemente s-a optat pentru modelarea

caracteristicilor biometrice n funcie de nlimea total, fiind considerat un
parametru esenial al structurii seminiului. A fost testat o gam larg de ecuaii
de regresie, selectndu-se ecuaiile pentru care au fost obinute cele mai mari valori
ale coeficientului de determinare (R2) figura 5.59. n cazul ecuaiei de regresie de
determinare a diametrului la colet, variabila independent (h) explic 61,31% din
variaia diametrelor (d). n cazul determinrii diametrului mediu al coroanei (dc),
este explicat 44,42% din variaie, iar pentru nlimea punctului de inserie a
coroanei (hv) 29,91%. Rezultatele se nscriu n limitele ateptate, gradul de
incertitudine fiind indus de ctre comportamentul i reacia diferit a multitudinii
de specii din compoziia seminiului, precum i de competiia intens. Krajicek (et
al., 1961) consider c relaiile dintre parametrii biometrici ai aceleiai specii nu
sunt afectate de vrst sau bonitatea staiunii, competiia dintre arbori fiind
singurul proces care altereaz rezultatele determinrilor.
Pentru a mbunti capacitile predictive ale modelelor matematice s-a
efectuat o stratificare a datelor pe specii, i au fost determinai coeficienii ecuaiilor
de regresie separat pe fiecare specie, graficele fiind prezentate n figurile 5.60-5.64.
c
pentru carpen
158

pentru stejar

pentru tei
Calculele au fost efectuate doar pentru speciile cu un procent de

participare de peste 5% (carpen, stejar, tei, frasin i jugastru), pentru care exist un
volum substanial de date.
159
159

pentru frasin

pentru jugastru
n vederea evalurii acurateei de estimare a modelelor folosite s-au analizat

valorile reziduale obinute prin diferenele dintre valorile determinate de ecuaiile
160
de regresie i valorile individuale experimentale observate. Pentru fiecare ecuaie de

regresie a fost calculat valoarea abaterii ptratice medii (RMSD), media
procentual a abaterilor absolute reziduale (MPEA%), i media procentual a
abaterilor reziduale (MPE%),conform metodologiei de apreciere a acurateei
modelelor prezentate de Uzoh i Oliver (2008):
n
RMSD =
(Y Y )
i
i =1
MPEA% =
1 n Yi Yi
n i =1 Yi
MPE% =
unde n reprezint numrul de observaii,
1 n Yi Yi
n i =1 Yi
(5.2)
Yi valorile individuale
experimentale iar Yi valorile individuale estimate de ecuaiile de regresie. Situaia

este prezentat sintetic n tabelul urmtor.
Tabelul 5.12
Acurateea ecuaiilor de regresie folosite per total i pe specii - variabila independent h
Total
Ca
St
Te
Fr
Ju
R2
0,613
0,603
0,719
0,543
0,655
0,522
RMSD
3,9464
3,5615
2,1850
4,0949
2,3783
3,0081
MPEA%
29%
31%
28%
30%
26%
32%
MPE%
8%
7%
6%
7%
5%
7%
R2
0,444
0,520
0,521
0,311
0,455
0,341
RMSD
11,9221
11,7133
10,5097
12,1535
6,1691
12,8195
MPEA%
39%
36%
34%
34%
38%
48%
MPE%
11%
10%
9%
9%
18%
15%
R2
0,299
0,248
0,387
0,259
0,470
0,274
RMSD
12,5850
12,5104
9,9293
15,6810
9,8285
9,4271
MPEA%
40%
41%
33%
41%
31%
38%
MPE%
12%
12%
8%
13%
8%
17%
determinare d
determinare dc
determinare hv
161
161
Rezultatele obinute arat c la majoritatea speciilor se mbuntesc

rezultatele predictive fa de modelul general n care au fost utilizate observaiile de
la puieii aparinnd tuturor speciilor. Speciile la care se determin cele mai
apropiate valori de cele experimentale sunt stejarul i frasinul, la polul opus
aflndu-se carpenul i jugastrul, pentru care determinrile specifice scad chiar sub
precizia oferit de modelul general.
n ceea ce privete comparaia ntre parametrii biometrici, abaterile cele
mai reduse de la valorile experimentale se nregistreaz n cazul diametrului,
explicabil datorit faptului c modelele ce utilizeaz nlimea drept variabil
predictiv reuesc s explice o mare parte din variaia datelor experimentale n
cazul stejarului este explicat n proporie de 72%. O alt observaie se poate face
referitor la diametrul mediu al coroanei este parametrul la care s-au constatat
mbuntiri ale determinrilor n cazul tuturor speciilor (mai puin n cazul
jugastrului), ceea ce conduce la ideea c dimensiunea coroanei n plan orizontal este
un parametru cu un grad mare de specificitate.
nlimea pn la punctul de inserie al coroanei rmne parametrul cel
mai dificil de modelat matematic, surprinzndu-se foarte puin din variaia datelor
experimentale.
mbuntirea rezultatelor predictive ale unui model se poate realiza prin
introducerea n modelul matematic a unor variabile independente suplimentare.
Precizia modelului de determinare a valorilor variabilei dependente poate s
creasc, dar implicit crete i complexitatea modelului, adugarea de variabilele
adiionale presupunnd un volum de munc crescut n vederea prelevrii acestora.
Acest efort suplimentar poate fi justificat doar de obinerea unei precizii mult
sporite. Pentru a studia posibilitatea i oportunitatea integrrii unor variabile
suplimentare n determinarea parametrilor biometrici s-a efectuat o analiz a
regresiei multiple. n acest scop s-a utilizat aplicaia software StatSoft Statistica.
Indicatorii statistici obinui n urma analizei regresiei multiple sunt prezentai n
tabelul 5.13. Indicele reprezint valoarea coeficientului de regresie multipl
standardizat, msurat n uniti ale abaterii standard i arat ct de mult
162
influeneaz una din variabilele independente pe cea dependent. Valoarea

coeficientului de corelaie multipl (R) indic intensitatea legturii dintre variabile.
Coeficientul de determinare R2 arat proporia din variaia variabilei
dependente ce este explicat de modelul matematic propus. Datorit faptului c
aceast valoare tinde s supraestimeze capacitatea predictiv a modelului, ea se
ajusteaz n funcie de numrul de variabile independente i observaii. Pentru
fiecare variant s-a precizat valoarea testului F, respectiv p nivelul de semnificaie,
care trebuie s aib o valoare situat sub 5% pentru a considera viabil modelul
propus.
Rezultatele analizei arat c se nregistreaz mbuntiri ale prediciei
valorilor diametrului la colet, respectiv a diametrului mediu al coroanei dac se
utilizeaz pe lng nlimea total o alt variabil predictiv.
n cazul modelrii diametrului la colet folosirea nlimii totale i a
diametrului mediu al coroanei explic 62,5% din variaia variabilei dependente, n
condiiile n care nivelul de semnificaie este sub pragul de 5%. Valorile
coeficientului de regresie multipl arat c nlimea influeneaz ntr-o msur
mult mai mare valoarea diametrului la colet n comparaie cu diametrul mediu al
coroanei. n cel de al doilea caz, folosirea nlimii totale i a diametrului la colet
explic doar 47,9% din variaia diametrului mediu al coroanei, n condiiile n care
nivelul de semnificaie este sub pragul de 5%. Valorile coeficientului de regresie
multipl arat c cele dou variabile independente influeneaz valoarea
diametrului mediu al coroanei n proporii sensibil egale, cu o uoar diferen n
favoarea diametrului la colet.
Indicatorii statistici ai analizei susin ideea c n acest caz folosirea unor
modele matematice predictive bazate pe dou variabile independente conduce la
mbuntiri de evaluare a variabilei dependente, dar ntr-o msur redus.
Rezultatele pot fi ns afectate de fenomenul de multicoliniaritate datorit folosirii
ca variabile independente a unui set de variabile ntre care exist corelaie (atenie
n special la folosirea concomitent a nlimii i diametrului ntre care exist o
corelaie puternic).
163
163
Tabelul 5.13
Indicatori statistici ai analizei regresiei multiple
Variabila Variabilele
dependent independente
d
dc
0,580
dc
0,281
0,346
0,391
R2
ajustat
R2
0,791
0,6252 0,6251 6006,323 <0,05
0,692
0,4788 0,4786 3306,251 <0,05
Figura 5.65 Modelul matematic al
dependenei variabilei d de h i dc
dependenei variabilei dc de h i d
n concluzie se poate aprecia c mbuntirile predictive minore nu

justific pe deplin folosirea unui parametru biometric suplimentar nlimii.
Folosirea unei a doua variabile conduce n practic la prelevarea unui volum sporit
de date, dificil de msurat att n cazul diametrului la colet ct i a diametrului
mediu al coroanei. Drept urmare se poate opta pentru modelarea tuturor celorlalte
caracteristici biometrice doar n funcie de nlime,
fr pierderi majore de
precizie.
Exist i ali parametri biometrici importani care pot fi evaluai n baza
datelor prelevate. Volumul coroanei este o caracteristic folosit adesea n
caracterizarea structurii forestiere (Meng et al., 2007; Rautiainen et al., 2008),
164
Assman (1970) acordndu-i o mare importana n lucrarea The Principles of Forest

Yield Study. Assman folosete volumul i aria suprafeei exterioare a coroanei n
fundamentarea eficienei creterii arborilor, considernd c suprafaa exterioar a
coroanei este un parametru cu o sensibilitate superioar volumului n explicarea
proceselor de cretere i dezvoltare, beneficiind i de o justificare fiziologic mai
bun. El recomand folosirea unor corpuri simple pentru aprecierea volumului i a
suprafeei exterioare n procesul de modelare a coroanei con, cilindru, paraboloid,
elipsoid, dar admite c exist diferene semnificative ntre acestea. Studii
comparative recente efectuate de Rautiainen (et al., 2008) au evideniat c folosirea
conului drept corp de modelare a coroanei, chiar i n cazul rinoaselor, genereaz
abateri negative majore, fiind recomandat folosirea elipsoidului.
n baza acestor idei s-a calculat pentru fiecare puiet volumul coroanei i
aria suprafeei exterioare, folosind elipsoidul drept model geometric de aproximare.
n cazul volumului s-a folosit formula:
Volum _ elipsoid =
4
a b c
3
(5.3)
unde a, b, i c sunt razele elipsoidului. Datorit faptului c aria suprafeei

elipsoidului nu poate fi exprimat exact prin funcii elementare (folosete
integralele eliptice incomplete de ordinul I i II, dificil de algoritmizat) s-a optat
pentru folosirea formulei de aproximare a suprafeei exterioare a elipsoidului
propus de Cantrell (2004) ce furnizeaz rezultate afectate de o eroare mai mic de
0,13%.
Suprafata = 4
15 Q 3 7 P Q R 27 R 2
15 (2 Q 2 + P R )
(5.4)
unde P, Q, R sunt polinoamele simetrice elementare, P=a+b+c;

Q=ab+bc+ca; R=abc, iar a, b, i c sunt razele elipsoidului.
Modelarea acestor doi noi parametri a presupus o analiz prealabil n
vederea alegerii celei mai bune variabile predictive. n literatura de specialitate se
menioneaz determinarea volumului prin ecuaii de regresie ce folosesc drept
variabil predictiv diametrul de baz (Meng et al., 2007). Diametrul de baz este
n general puternic corelat cu diametrul coroanei (Paine, Hann, 1982), iar acesta
165
165
din urm intr direct n calculul volumului prin cele dou dimensiuni n plan
orizontal. n cazul seminiului am propus ipoteza relevanei sczute a diametrului
la colet n predicia celorlalte elemente biometrice, comparativ cu nlimea total.
Astfel c n cazul volumului coroanei i a suprafeei exterioare a coroanei se va face
o comparaie ntre acurateea de determinare a ecuaiilor de regresie bazate pe
diametrul la colet i a celor bazate pe nlimea total. Analiza preliminar const n
compararea coeficienilor de corelaie dintre parametri. Coeficienii de corelaie
sunt foarte semnificativi, indicnd legturi de intensitate medie i chiar puternic.
Tabelul 5.14
Legtura corelativ a volumului coroanei i suprafeei exterioare a coroanei
cu nlimea total i diametrul la colet
nlimea total
diametrul la colet
volumul coroanei
0,63 ***
0,61 ***
suprafaa exterioar a coroanei
0,80 ***
0,72 ***
Valorile coeficienilor de corelaie sunt inferiori n cazul diametrului,

comparativ cu cei corespunztori nlimii. Se remarc de asemenea faptul c
suprafaa exterioar a coroanei pare un element mai expresiv fa de volumul
coroanei, att n relaia cu diametrul ct i cu nlimea.
Nu se poate deocamdat formula o concluzie privind superioritatea valorii
predictive a nlimii deoarece dependena dintre elementele analizate nu este
neaprat liniar, caz n care coeficienii de corelaie nu sunt foarte sugestivi.
Pasul urmtor al analizei a constat n alegerea dintr-un set de ecuaii de
regresie a variantei pentru care s-a obinut cel mai bun coeficient de determinare
(R2). Acurateea modelelor folosite va fi studiat prin analiza valorilor reziduale.
Ecuaiile de regresie de determinare a volumului i suprafeei exterioare a coroanei
prin intermediul nlimii totale i a diametrului la colet sunt prezentate n figurile
5.67-5.70. Pentru a simplifica prezentarea datelor, se va folosi urmtoarea
convenie de notare a variabilelor: d - diametrul la colet, h nlimea total, vol_c
volumul coroanei, sup_c suprafaa exterioar a coroanei.
166
Figura 5.67 Ecuaia de regresie de
determinare a vol_c pe baza h
determinare a vol_c pe baza d
determinare a sup_c pe baza h
determinare a sup_c pe baza d

Tabelul 5.15
Comparaie ntre acurateea ecuaiilor de regresie de determinare a volumului coroanei i

suprafeei exterioare a coroanei
Variabila predictiv: h
Variabila predictiv: d
R2
0,758
0,596
RMSD
68,70
72,76
MPEA%
113%
202%
MPE%
67%
145%
Determinarea volumului coroanei
Determinarea suprafeei exterioare a coroanei

R2
0,809
0,612
RMSD
39,48
48,07
MPEA%
51%
90%
MPE%
19%
47%
167
167
n tabelul 5.15 precizia modelelor de determinare a volumului i suprafeei

exterioare a coroanei este analizat prin comparaia valorilor urmtorilor indicatori
statistici: coeficientul de determinare (R2), valoarea abaterilor ptratice medii
(RMSD), media procentual a abaterilor absolute reziduale (MPEA%) i media
procentual a abaterilor reziduale (MPE%). Diferenele dintre valorile obinute
pentru cele dou variante de determinare prin folosirea nlimii totale, respectiv
a diametrului la colet ca variabile predictive, ne conduc spre concluzia c nlimea
reprezint variabila care asigur cea mai mare precizie de determinare a elementelor
de structur specifice coroanei. Modelele bazate pe nlimea total explic n cel
mai mare grad variaia volumului (76%) i suprafeei exterioare a coroanei (81%),
fiind n acelai timp caracterizate i de cele mai mici abateri reziduale.
Pentru a stabili dac se obin mbuntiri n predicia volumului i
suprafeei exterioare a coroanei fa de modelul general n care calculele au fost
efectuate pentru puieii aparinnd tuturor speciilor, s-au determinat i ecuaiile de
regresie pentru fiecare specie n parte, fiind prezentate n figurile 5.71-5.75.
Figura 5.71 Regresie de determinare a vol_c i sup_c pe baza h la carpen
Figura 5.72 Regresie de determinare a vol_c i sup_c pe baza h la stejar
168
Figura 5.73 Regresie de determinare a vol_c i sup_c pe baza h la tei
Figura 5.74 Regresie de determinare a vol_c i sup_c pe baza h la frasin
Figura 5.75 Regresie de determinare a vol_c i sup_c pe baza h la jugastru
Ecuaiile de regresie folosesc exclusiv nlimea total ca variabil, n urma

analizei anterioare stabilindu-se superioritatea predictiv a acestui parametru. Din
analiza graficelor 5.71-5.75 se observ c speciile i modific volumul coroanei n
proporii diferite la aceeai variaie a nlimii, n acest fel confirmndu-se unele
observaii efectuate n teren cu prilejul prelevrii datelor de exemplu la puieii de
tei a fost observat variaia mic a volumului coroanei n funcie de nlimea
puieilor.
169
169
n vederea stabilirii eventualelor mbuntiri ale prediciei volumului i

suprafeei exterioare a coroanei n cazul folosirii datelor caracteristice fiecrei specii,
se prezint sintetic n tabelul 5.16 indicatorii statistici ai analizei valorilor reziduale,
obinui pentru fiecare model matematic. Valorile indic faptul c ecuaiile de
regresie specifice aduc un plus de a curatee determinrii volumului i suprafeei
exterioare a coroanei doar n cazul puieilor de stejar. Stejarul nregistreaz i n
cazul acestor parametri abaterile cele mai reduse n determinarea parametrilor
biometrici n funcie de nlime.
Comparaia dintre modelele folosite pentru determinarea volumului i cele
de determinare a suprafeei exterioare a coroanei subliniaz diferene legate de
expresivitatea parametrilor determinai. Att modelul general ct i modelele
specifice explic un procent mult mai mare din variana suprafeei exterioare a
coroanei (74-84%) comparativ cu cea explicat pentru volumul coroanei (6382%), fapt ce conduce la ideea c primul parametru menionat are o dependen
mai mare de nlime.
Tabelul 5.16
Comparaie ntre acurateea ecuaiilor de regresie de determinare a volumului coroanei i
suprafeei exterioare a coroanei pe specii (cu variabil predictiv nlimea total)
Total
Ca
St
Te
Fr
Ju
Determinarea volumului coroanei

R2
0,76
0,78
0,82
0,67
0,75
0,63
RMSD
68,69
71,32
67,27
66,04
14,93
59,75
MPEA%
113%
111%
60%
124%
135%
196%
MPE%
67%
69%
14%
91%
99%
161%
Determinarea suprafeei exterioare a coroanei

R2
0,81
0,83
0,84
0,74
0,80
0,74
RMSD
39,48
40,81
37,45
41,75
14,19
39,82
MPEA%
51%
50%
38%
54%
61%
66%
MPE%
19%
21%
16%
31%
37%
41%
170
5.3.2. Relaiile dintre parametrii biometrici i desimea puieilor

Numrul de indivizi la unitatea de suprafa reprezint un factor structural
de mare importan n caracterizarea ecosistemelor forestiere. n cazul regenerrii
arboretelor numrul de puiei la metrul ptrat ofer informaii utile privitoare la
spaiere, cu implicaii asupra competiiei, creterii i dezvoltrii tinerelor exemplare.
Desimea este considerat un factor important al structurii i datorit
influenei puternice exercitate asupra caracteristicilor dimensionale ale indivizilor.
n cazul seminiurilor naturale numrul de puiei la metrul ptrat poate fi
determinat relativ uor, ceea ce poate constitui un avantaj n folosirea acestui factor
drept variabil predictiv n determinarea altor parametri structurali. Oportunitatea
folosirii desimii n modele matematice de evaluare a unor caracteristici structurale
va fi analizat n continuare. n literatura de specialitate sunt menionate n special
cazuri n care desimea, folosit ca variabil predictiv adiional, a condus la
mbuntirea acurateei modelelor Mcalpine i Hobbs (1994) au modelat
nlimea pn la punctul de inserie al coroanei n funcie de nlimea total i
desime; Kanazawa (et al., 1985) a determinat lungimea coroanei n funcie de
nlime i desime; Sharma i Zhang (2004), respectiv Newton i Amponsah
(2007) au inclus desimea n modelarea relaiei dintre diametre i nlime.
Prima etap a analizei const n determinarea coeficienilor de corelaie
dintre elementele biometrice i desimea puieilor i prezentarea grafic a cmpurilor
de corelaie. n vederea creterii numrului de observaii pentru aprecierea
corelaiilor s-a fcut o mprire a suprafeelor de prob n suprafee elementare de
form ptrat, fiind propuse trei variante dimensionale suprafee de 1 x 1 m; 1,75
x 1,75 m i 3,5 x 3,5 m (tabelul 5.17).
Cu ajutorul aplicaiei CARTOGRAMA s-a efectuat repartizarea puieilor
pe suprafee elementare n funcie de coordonatele poziiilor acestora i a fost
calculat pentru fiecare quadrat desimea i valoarea medie a fiecrui parametru
biometric. Coeficienii de corelaie au fost calculai pentru aceste valori medii i
desimi, obinute pentru fiecare suprafa elementar n parte.
171
171
Au fost alese trei variante dimensionale diferite de analiz pentru a nu avea

eventuale alterri ale rezultatelor produse de o alegere nepotrivit.
Tabelul 5.17
Valorile coeficienilor de corelaie dintre elementele biometrice i desimea puieilor
Varianta
1x1m
Varianta
1,75x1,75m
Varianta
3,5x3,5m
Diametrul la colet
-0,418 ***
-0,577 ***
-0,638 ***
nlimea total
-0,230 ***
-0,266 ***
-0,343 **
nlimea pct. de inserie a coroanei
-0,049
-0,082
-0,018
Diametrul mediu al coroanei
-0,404 ***
-0,521 ***
-0,617 ***
Volumul coroanei
-0,304 ***
-0,434 ***
-0,599 ***
Suprafaa exterioar a coroanei
-0,337 ***
-0,475 ***
-0,556 ***
Numr de observaii
490
160
40
Figura 5.76 Legtura corelativ dintre diametrul la colet i desimea puieilor
Figura 5.77 Legtura corelativ dintre nlimea total i desimea puieilor
172
Figura 5.78 Legtura corelativ dintre diametrul mediu al coroanei i desime
Figura 5.79 Legtura corelativ dintre volumul coroanei i desimea puieilor
Figura 5.80 Legtura corelativ dintre suprafaa coroanei i desimea puieilor
Se observ c dimensiunile suprafeelor elementare de analiz nu modific

natura relaiilor dintre elementele dimensionale i desime dar apare o modificare a
intensitii n sensul creterii acesteia odat cu lrgirea ariei suprafeelor elementare.
Acest lucru este explicabil datorit faptului c raportarea la suprafee mai largi
determin o cretere a omogenitii observaiilor (Zenner, 2005), caz n care o mare
parte din zgomotul informaional se reduce.
n toate variantele de analiz se constat c desimea este un factor al
structurii ce influeneaz caracteristicile dimensionale ale puieilor. Pentru toi
parametri biometrici (mai puin pentru nlimea pn la punctul de inserie al
coroanei) au fost obinui coeficieni de corelaie negativi, foarte semnificativi.
173
173
Desimea influeneaz n cea mai mare msur, n ordine: diametrul la colet i

diametrul mediu al coroanei (intensitate medie), suprafaa exterioar i volumul
coroanei (intensitate slab spre medie), respectiv nlimea (intensitate slab). Este
surprinztor c nu s-a evideniat o legtur ntre desime i nlimea pn la
punctul de inserie al coroanei, acest parametru fiind n general puin expresiv, n
analizele anterioare nregistrnd cele mai slabe corelaii cu celelalte caracteristici
biometrice.
Faptul c nlimea total stabilete cea mai slab legtur cu desimea
prezint un avantaj n regresia multipl, la folosirea concomitent a celor dou
variabile predictive n modelare reducndu-se riscul ca determinrile s fie afectate
de fenomenul de multicoliniaritate. n vederea studierii oportunitii de integrare a
desimii ca variabil suplimentar n determinarea parametrilor biometrici s-a
efectuat o analiz a regresiei multiple cu ajutorul aplicaiei software StatSoft
Statistica. Indicatorii statistici obinui n urma analizei regresiei multiple sunt
prezentai n tabelul 5.18. Notaiile parametrilor n vederea simplificrii prezentrii
datelor sunt cele folosite anterior n coninutul lucrrii. Datele au fost preluate
pentru varianta dimensional a suprafeelor de 3,5 x 3,5 m.
Tabelul 5.18
Indicatori statistici ai analizei regresiei multiple
Variabila Variabilele
dependent independente
d
dc
vol_c
sup_c
0,663
desime
-0,410
0,265
desime
-0,530
0,455
desime
-0,440
0,720
desime
-0,310
R2
R2
ajustat
0,892
0,795
0,784
71,889
<0,05
0,665
0,442
0,412
14,658
<0,05
0,736
0,541
0,517
21,843
<0,05
0,876
0,767
0,754
61,038
<0,05
174
Tabelul 5.19
Comparaie ntre coeficienii corelaiei simple i cei ai corelaiei multiple
d
dc
vol_c
sup_c
Coef.de corelaie cu
nlimea
0,804
0,445
0,607
0,826
Coef. de corelaie
cu desimea
-0,638
-0,617
-0,599
-0,556
Coef. de corelaie
multipl
0,892
0,665
0,736
0,876
Rezultatele analizei arat c se nregistreaz mbuntiri ale prediciei

tuturor parametrilor dac se utilizeaz desimea ca variabil predictiv suplimentar
fa de nlimea total.
n cazul modelrii diametrului la colet i a suprafeei exterioare a coroanei
este explicat peste 75% din variaia variabilei dependente, n condiiile n care
nivelul de semnificaie este sub pragul de 5%. Valorile coeficientului de regresie
multipl arat c nlimea influeneaz ntr-o msur mult mai mare valoarea
diametrului la colet i suprafaa coroanei n comparaie cu desimea.
Desimea puieilor influeneaz ntr-o proporie superioar nlimii valorile
diametrului coroanei, iar n cazul volumului coroanei influena variabilelor
predictive este sensibil egal.
n tabelul 5.19 sunt prezentate valorile coeficienilor de corelaie dintre
elementele supuse modelrii i nlime, respectiv desime. n ultima coloan sunt
afiate valorile coeficientului de corelaie multipl, considernd drept variabile
independente nlimea i desimea. Toi indicatorii statistici sunt calculai pentru
varianta mpririi suprafeelor n quadrate 3,5 x 3,5 m, avnd drept variabile
media caracteristicilor biometrice nregistrate n fiecare quadrat.
n figurile 5.81-5.84 sunt expuse grafic modelele matematice ale relaiilor
dintre parametrii biometrici i variabilele independente reprezentate de nlimea
total i desimea puieilor.
175
175
dependenei variabilei d de h i desime
dependenei variabilei dc de h i desime
dependenei variabilei vol_c de h i desime
dependenei variabilei sup_c de h i

desime
Indicatorii statistici obinui n cadrul analizei regresiei multiple, susin

oportunitatea folosirii unor modele matematice predictive bazate pe nlimea
total i desime, utilizarea celor dou variabile independente conducnd la
mbuntiri ale determinrilor.
176
Capitolul 6. Diversitatea structural a seminiului
Capitolul 6
Diversitatea structural a
seminiului
6.1. Caracterizarea diversitii structurale prin indicatori sintetici
Diversitatea, ca msur a variabilitii unor atribute, poate fi msurat la
niveluri i scri diferite n cadrul ecosistemelor forestiere. Datorit diversitii
specifice relativ sczute a arboretelor din zona temperat, diversitatea dimensional
(numit adesea diversitate structural) a suscitat un interes superior cercettorilor
silvici. n vederea stabilirii unor criterii comune de apreciere i comparare a
evalurilor, a fost conceput o gam larg de indicatori sintetici de apreciere a
diversitii structurale, care permit surprinderea fidel a caracteristicilor unui
arboret la un anumit moment din timp. Folosirea acestora alturi de indicii
convenionali (diametrul, nlimea, suprafaa de baz, vrsta, desimea) determin
obinerea unui nivel de detaliu superior n aprecierea complexitii structurale a
arboretelor.
Aplicaiile cuantificrii diversitii dimensionale se regsesc n comparaii
ale acestui parametru ntre arborete n vederea stabilirii stabilitii structurale,
aspecte privitoare la dinamica structurii n timp i spaiu sau implicaii ale
influenei tratamentelor silviculturale asupra structurii. O parte a indicilor sintetici
folosii n aprecierea diversitii structurale au fost integrai n modele de cretere i
dezvoltare a arboretelor.
Dei cercetri n acest domeniu au fost efectuate ncepnd cu mijlocul
secolului trecut, n ultimul deceniu interesul cercettorilor n domeniul
biodiversitii i diversitii forestiere a crescut.
177
177
n cazul diversitii structurale a arboretelor, preocuprile s-au materializat

n numeroase lucrri tiinifice (Zenner, Hibbs, 2000; Staudhammer, LeMay,
2001; Pommerening, 2002; Aguirre et al., 2003; Lexerod, Eid, 2005; Vorcak et al.,
2006; Davies, Pommerening, 2008).
La noi n ar primele lucrri privitoare la tematica diversitii structurale
forestiere au aprut nc de acum trei decenii, tefania Leahu (1978) introducnd o
serie de noiuni mprumutate din teoria informaiei. Botnariuc i Vdineanu
prezint n tratatul de ecologie din 1982 o scurt analiz a unor indicatori sintetici
de apreciere a diversitii, modalitatea de calcul a acestora i modul de interpretare
a rezultatelor obinute. Ulterior, interesul pentru acest aspect particular al analizei
structurii pdurii a fost concretizat n numeroase cercetri (e.g. Leahu, I., 1988;
Cenu 1992, 1996 a, 2002; Avcriei, 2005; Duduman, 2009; Dnil, 2009).
n continuare se prezint o analiz a diversitii structurale a seminiului
din suprafeele studiate. Sunt calculai principalii indicatori ai diversitii
recomandai de literatura de specialitate, n raport cu diveri parametri biometrici,
pe specii i la nivel general. Scopul analizei l reprezint determinarea expresivitii
indicilor, a particularitilor distribuiilor dimensionale, respectiv a diferenelor pe
care acestea le nregistreaz la nivel de specie. Clarificarea acestor aspecte poate s
conduc la includerea informaiilor diversitii structurale n modele forestiere de
cretere i dezvoltare. Datorit faptului c pn acum nu a fost stabilit
superioritatea absolut a unui anumit indicator sintetic, cercetrile ce urmresc
aceast tem folosesc o gam larg de indici de evaluare a diversitii, n vederea
surprinderii ct mai multor particulariti.
Prelucrrile numerice ce trebuie efectuate n vederea stabilirii valorii
acestor indici sunt relativ complexe, operaiile fiind dificile n cazul unui volum
mare de date. Calculatorul este n acest caz un instrument util, deoarece permite
algoritmizarea i automatizarea prelucrrilor. Dezvoltarea unor aplicaii de calcul
tabelar a uurat ntr-o oarecare msur calculul acestor indici, dar chiar i cu
ajutorul unei aplicaii de calcul tabelar (e.g. Microsoft Excel), multe din aceste
prelucrri ale datelor ar fi greu de efectuat fr cunotine de programare.
178
Pentru a veni n ntmpinarea cercettorilor care doresc s efectueze studii

ecologice dar nu posed toate cunotinele necesare prelucrrii datelor, ca de altfel
i tuturor celor care doresc o form rapid de a afla informaii privitoare la
biodiversitatea sau diversitatea structural a unei zone analizate s-a realizat o
aplicaie de calcul a celor mai utilizai indicatori sintetici, numit BIODIV
(Palaghianu & Avcriei, 2006; Palaghianu, 2014).
Aplicaia, dezvoltat n Microsoft Visual Basic, preia datele de intrare dintro foaie de calcul de tip Microsoft Excel i calculeaz valorile pentru: indicele
Simpson, indicele Shannon i echitatea pentru acesta (indicele Pielou), indicele
Brillouin, indicele Berger-Parker, indicele McIntosh, indicele Margalef, indicele
Menhinick i coeficientul Gleason.
Folosirea aplicaiei n
activitatea
de
cercetare
prezint anumite avantaje introducerea datelor primare

este facil, se obine o cretere
a productivitii muncii, se
obin rapid rezultate i este
extrem de uor de folosit
datorit interfeei grafice. Se
poate considera c aplicaia
BIODIV poate fi de un real
folos
domeniul
cercettorilor
silviculturii,
Figura 6.1 Fereastra aplicaiei BIODIV
din
eco-
logiei, biologiei (figura 6.1).
179
179
Indicatorii calculai de aplicaia software sunt:

Indicele Shannon (H)
Acesta este unul dintre cei mai utilizai indici de apreciere a diversitii,
avnd originea n conceptul de entropie a informaiei dezvoltat de Shannon (1948)
n lucrarea A Mathematical Theory of Communication. Adesea este incorect
menionat sub denumirea de indicele Shannon-Weaver sau Shannon-Wiener (dei
nici unul din autorii ulterior alturai numelui indicelui nu au contribuit la
fundamentarea sa). Valoarea indicelui reprezint gradul de organizare/
dezorganizare al unui sistem dat. Acesta se calculeaz cu urmtoarea relaie:
S
H = pi ln pi , pi = ni / N
(6.1)
i =1
pi - proporia de reprezentare a unei categorii de caracteristici observate

ni - numrul de observaii pentru o categorie
S numrul de categorii analizate
N - numrul total de observaii n perimetrul analizat
Valoarea minim a indicelui este 0 i se obine atunci cnd toate
observaiile se gsesc ntr-o singur categorie. Valoarea maxim este egal cu ln
(1/S) i se obine n cazul n care toate observaiile sunt repartizate n mod egal ntre
categoriile analizate.
Echitatea (E) arat relaiile dintre abundenele categoriilor n cazul unor
abundene relative similare echitatea va avea o valoare unitar iar n cazul n care
majoritatea observaiilor aparin unei singure categorii ea tinde spre valoarea zero.
Echitatea reprezint o form de standardizare a indicelui Shannon, ca raport ntre
diversitatea observat i diversitatea maxim (Pielou, 1969; citat de Lexerod, Eid,
2006).
E=
H
H
ln(S )
(6.2)
- valoarea indicelui Shannon

180
Indicele Brillouin (HB)

n anumite condiii acest indice surprinde mai bine diversitatea, dar n
general valoarea acestui indice este foarte apropiat de cea a indicelui Shannon i
ntotdeauna inferioar (Magurran, 2004). Indicele este considerat din punct de
vedere matematic superior indicelui Shannon ca msur a diversitii, folosirea sa
fiind recomandat de ctre numeroi cercettori. Cu toate acestea, modul de calcul
greoi descurajeaz folosirea sa, fiind mai puin utilizat comparativ cu indicele
Shannon. Dependena de volumul eantionului poate conduce de asemenea la
rezultate neateptate n anumite situaii.
S
HB =
ln( N !) ln(ni !)
i =1
(6.3)

Indicele Simpson este un indice care ine cont nu doar de numrul
categoriilor ci i de proporia fiecreia. A fost prezentat de Simpson (1949) n
lucrarea Measurement of Diversity, fiind un instrument deosebit de util aflat la
ndemna specialitilor n ecologie. Este puternic influenat de abundena
categoriilor i puin sensibil la numrul de categorii. n publicaiile de specialitate
se prezint n general trei variante ale acestui indice de evaluare a biodiversitii:
Indicele Simpson (D)
2
D = p i , pi = ni / N
(6.4)
pi - proporia de reprezentare a unei categorii de observaii

n aceast variant indicele Simpson (D) exprim probabilitatea ca dou
observaii extrase ntmpltor din perimetrul analizat s aparin aceleiai categorii.
181
181
Valoarea minim este egal cu 1/S (unde S numrul de categorii analizate), iar
maximul este 1.
Indicele complementar de diversitate Simpson (1 D) exprim
probabilitatea ca dou observaii efectuate aleatoriu, s aparin unor categorii
diferite. n acest caz valoarea minim este 0 iar maximul 1-(1/S).
Indicele reciproc Simpson (1/D) exprim numrul de categorii cu
pondere ridicat ce conduc la o anumit valoare a indicelui Simpson D. Valoarea
minim este 1, iar valoarea maxim numrul de categorii.
Indicele Berger-Parker (d)
Acest indice (Berger, Parker, 1970) este o form simpl de calcul a
dominanei, reprezentnd proporia maxim din cadrul categoriilor analizate. Este
un indice independent de numrul categoriilor, fiind ns cel mai influenat de
ctre echitate. Valoarea maxim este 1 n cazul n care toate observaiile sunt
grupate n aceeai categorie i minim 1/S (unde S numrul de categorii
analizate) n cazul unei distribuiri uniforme a observaiilor ntre categorii.
d = pmax (i : pmax pi )
(6.5)
pi - proporia de reprezentare a unei categorii de observaii

Indicele McIntosh (DMI)
Este un indice puin folosit datorit modului complex de calcul i
interpretrii dificile. Este o alt form de calcul a dominanei propus de McIntosh
(1967), indicele fiind independent de numrul de categorii. Pielou (1969, citat de
Magurran, 2004) a conceput o form de standardizare a indicelui, ca msur a
echitii.
N
DMI =
2
i
i =1
(6.6)
N N

182
Indicele Margalef (DMg)

Este un indice frecvent folosit datorit modului simplu de calcul, conceput
n forma iniial de Margalef (1958) (citat de Margalef, 1994), inspirat de indicele
Gleason. Valoarea sa nu este influenat de abundena relativ a categoriilor ci de
numrul acestora. Prezint i o variant alternativ de calcul, ca raport ntre
numrul de categorii a diametrelor i logaritmul natural al sumei suprafeelor de
baz pentru toate clasele de diametre (Lexerod, Eid, 2006). Valoarea minim este 0
cnd toi arborii se ncadreaz n aceeai clas dimensional analizat.
DMg =
S 1
ln( N )
(6.7)

Indicele Menhinick (DMn)
Este un indice conceput de Menhinick (1964) n urma unui studiu
comparativ al indicilor de diversitate aprui pn la acea dat (indicele Gleason,
Margalef, .a.). Autorul a ncercat realizarea unui indice superior ca expresivitate
care s fie influenat ct mai puin de scara la care se face analiza.
DMn =
(6.8)

Indicele Gleason (Kgl)
Este unul din primii indici ai diversitii, inspirnd o mare parte din
indicii concepui ulterior (e.g. indicele Margalef). A fost conceput de ctre Gleason
(1922), ca urmare a preocuprilor legate de studiul relaiei dintre numrul de specii
dintr-o arie dat. Se consider c valoarea sa este n mic msur influenat de
ctre scara de analiz, datorit formei sale logaritmice.
K gl = (S 1) / log(N)
(6.9)

183
183
Tabelul 6.1
Valorile indicilor sintetici de apreciere a diversitii pe categorii de diametre
indicele Simpson (D)

indicele Simpson
(1-D)
indicele Simpson
(1/D)
indicele Shannon
echitatea (Shannon)
indicele Brillouin
indicele Berger-Parker
indicele McIntosh
indicele Margalef
indicele Menhinick
indicele Gleason
total
Ca
St
Te
Fr
Ju
0,240
0,238
0,300
0,201
0,315
0,258
0,760
0,762
0,700
0,799
0,685
0,742
4,164
4,207
3,339
4,976
3,171
3,876
1,610
0,610
1,606
0,358
0,516
1,462
0,164
1,014
1,628
0,617
1,620
0,354
0,521
1,563
0,219
1,083
1,381
0,629
1,365
0,405
0,467
1,137
0,267
0,788
1,753
0,798
1,725
0,291
0,573
1,215
0,334
0,842
1,350
0,614
1,322
0,439
0,457
1,247
0,364
0,865
1,470
0,756
1,439
0,348
0,517
0,991
0,340
0,687
Tabelul 6.2
Valorile indicilor sintetici de apreciere a diversitii pe categorii de nlime
total
Ca
St
Te
Fr
Ju

indicele Simpson
(1-D)
indicele Simpson
(1/D)
0,157
0,159
0,195
0,148
0,239
0,170
0,843
0,841
0,805
0,852
0,761
0,830
6,351
6,278
5,136
6,775
4,182
5,880
indicele Shannon
echitatea (Shannon)
indicele Brillouin
indicele McIntosh
indicele Margalef
indicele Menhinick
indicele Gleason
1,973
0,729
1,967
0,199
0,610
1,575
0,176
1,092
1,971
0,728
1,962
0,206
0,610
1,683
0,234
1,167
1,806
0,727
1,783
0,297
0,576
1,564
0,356
1,084
2,011
0,873
1,978
0,198
0,640
1,367
0,372
0,947
1,645
0,749
1,614
0,379
0,533
1,247
0,364
0,865
1,907
0,868
1,861
0,252
0,618
1,322
0,437
0,916
184
Tabelul 6.3
Valorile indicilor sintetici de apreciere a diversitii pe categorii de volum a coroanei

indicele Simpson
(1-D)
indicele Simpson
(1/D)
indicele Shannon
echitatea (Shannon)
indicele Brillouin
indicele McIntosh
indicele Margalef
indicele Menhinick
indicele Gleason
total
Ca
St
Te
Fr
Ju
0,974
0,968
0,965
0,986
0,997
0,991
0,026
0,032
0,035
0,014
0,003
0,009
1,027
1,033
1,036
1,014
1,003
1,009
0,084
0,036
0,082
0,987
0,013
1,012
0,117
0,702
0,100
0,043
0,097
0,984
0,016
1,082
0,156
0,750
0,104
0,065
0,099
0,982
0,018
0,569
0,148
0,394
0,041
0,060
0,039
0,993
0,007
0,152
0,074
0,105
0,012
0,018
0,011
0,998
0,002
0,156
0,081
0,108
0,033
0,030
0,028
0,995
0,005
0,330
0,146
0,229
Tabelul 6.4
Valorile indicilor sintetici de apreciere a diversitii pe categorii ale suprafeei exterioare a
coroanei
total
indicele Simpson
(1-D)
indicele Simpson
(1/D)
indicele Shannon
echitatea (Shannon)
indicele Brillouin
indicele McIntosh
indicele Margalef
indicele Menhinick
indicele Gleason
Ca
St
Te
Fr
Ju
0,785
0,759
0,838
0,746
0,961
0,766
0,215
0,241
0,162
0,254
0,039
0,234
1,273
0,461
0,186
0,458
0,881
0,115
1,237
0,141
0,858
1,317
0,507
0,204
0,503
0,865
0,131
1,323
0,188
0,917
1,193
0,387
0,186
0,377
0,914
0,087
0,995
0,237
0,690
1,340
0,499
0,360
0,489
0,856
0,141
0,456
0,149
0,316
1,040
0,102
0,093
0,097
0,980
0,020
0,312
0,121
0,216
1,306
0,463
0,334
0,449
0,868
0,131
0,496
0,194
0,344
185
185
Tabelul 6.5
Valorile coeficienilor de corelaie dintre indicii de apreciere a diversitii structurale
1-D
HB
DMi
DMg
DMn
indicele Simpson 1-D
indicele Shannon H
0,995
indicele Brillouin HB
0,994
1,000
indicele Berger-Parker d
-0,994
-0,996
-0,996
indicele McIntosh Dmi
0,997
0,998
0,997
-0,998
indicele Margalef DMg
0,785
0,798
0,801
-0,774
0,776
indicele Menhinick DMn
0,778
0,768
0,761
-0,760
0,782
0,573
indicele Gleason Kgl
0,785
0,798
0,801
-0,774
0,776
1,000
0,573
Kgl
Din analiza modului de calcul al indicilor sintetici, a valorilor diversitii

obinute pentru elementele biometrice precum i a corelaiilor dintre indici se
poate face o ncadrare a indicilor n dou mari grupe, fiecare grup avnd o
expresivitate similar prima grup format din indicele Shannon, Simpson,
Brillouin, Berger-Parker, McIntosh, iar cea de a doua este reprezentat de indicii
Gleason, Margalef i Menhinick.
Se remarc de asemenea similaritatea valorilor unor indici indicele
Brillouin are nu doar o relaie aproape funcional cu Shannon (r=0,994***), dar i
valori individuale absolute att de apropiate nct grafic nu pot fi deosebite. De
altfel, ntre toi indicii din prima grup s-au obinut coeficieni de corelaie cu
valori mai mari de 0,99***. n cadrul celei de-a doua grupe se observ relaia
funcional dintre indicele Gleason i Margalef, formula celor doi indici
deosebindu-se doar prin baza logaritmic folosit. Toi indicii din cea de a doua
grup au fost influenai de observaiile lui Gleason (1922), formula lor de calcul
neinnd cont de proporia categoriilor ci doar de raportul dintre numrul de
categorii i numrul total de observaii.
Pentru facilitarea observrii diferenelor dintre indici, au fost reprezentate
grafic valorile acestora, separat pentru fiecare grup, folosindu-se pentru
reprezentare diagrame multi-ax, separate pe elementele dimensionale n funcie de
186
care au fost calculate valorile indicilor. S-a ales acest tip de comparaie n
defavoarea folosirii unor valori aa-zis relative (utilizate uneori n comparaii) care
elimin informaii importante (fig. 6.2-6.3).
Figura 6.2 Variaia grafic a indicatorilor sintetici de evaluare a diversitii pe specii i

elemente biometrice prima grup de indici
Figura 6.3 Variaia grafic a indicatorilor sintetici de evaluare a diversitii pe specii i

elemente biometrice grupa a doua de indici
187
187
n graficul din figura 6.2 s-a reprezentat un singur indice din gama
Simpson (1-D), iar datorit faptului c indicele Berger-Parker (d) este singurul
corelat negativ cu ceilali din grupa sa, s-a utilizat pentru reprezentare valoarea 1-d.
Diferenele nregistrate ntre valorile indicilor din grupa I sunt
nesemnificative din punctul de vedere al sensibilitii, toi nregistrnd aceleai
fluctuaii ale valorilor. Singurele diferene se nregistreaz la nivelul valorilor
absolute, indicele Shannon nregistrnd constant valori superioare celorlali, fapt
ce-i poate aduce fals plus de expresivitate n cazul reprezentrii la aceeai scar cu
ceilali indici, chiar i n cazul folosirii unor valori relative. n cazul celui de al
doilea grup (fig. 6.3), diferenele ntre indici se remarc doar la nivelul indicelui
Menhinick, ntre indicele Gleason i Margalef existnd o relaie funcional.
Chiar dac relaiile de calcul ale tuturor celor trei indici sunt n mare
msur similare, indicele Menhinick nregistreaz un comportament mult diferit de
al celorlali doi. Comparaia ntre valorile primei i celei de a doua grupe de indici
arat o expresivitate superioar a indicilor primei grupe, justificat de includerea n
formula de calcul nu doar a numrului de categorii i observaii ci i a proporiei
categoriilor.
Cu toate c au fost efectuate numeroase comparaii ntre diveri indici ai
diversitii structurale (Lexerod, Eid, 2005; Davies, Pommerening, 2008), nu s-a
oferit un verdict clar privitor la superioritatea unui anumit indice. Consider ns c
se poate aprecia c n vederea evalurii diversitii dimensionale este suficient
folosirea unui singur tip de indice din prima grup i a unuia din cea de a doua sau
chiar a unui singur indice din
prima grup, datorit expresivitii superioare a
acestora. Este recomandabil folosirea din prima grup a indicilor Shannon sau
Simpson datorit numeroaselor cercetri care utilizeaz aceti indici, n acest fel
existnd posibilitatea efecturii unor comparaii ntre rezultatele obinute. Dac se
intenioneaz compararea rezultatelor cu ale altor cercetri este bine s se precizeze
valorile standardizate (relative) ale indicilor (e.g. echitatea determinat pentru unii
indici ca raport ntre diversitatea observat i diversitatea maxim).
188
Diversitatea structural a parametrilor biometrici arat un maxim n cazul

nlimii, iar apoi valorile descresc n ordine pentru diametru, suprafaa coroanei i
volumul coroanei.
Avnd n vedere c diversitatea maxim se realizeaz la o
repartizare ct mai echilibrat n clase, se poate afirma c nlimea este, n cazul

seminiului din suprafeele studiate, un parametru mai stabil dect diametrul i de
asemenea suprafaa coroanei n relaie direct cu volumul coroanei.
n ceea ce privete analiza gradului de organizare pe specii se constat
frecvent valori minime pentru frasin i stejar i maxime pentru tei i carpen.
Structurarea superioar pe orizontal i vertical a carpenului i teiului exprim
caracterul invadant al acestor specii, determinat de creterile viguroase din primele
etape de dezvoltare.
6.2. Aprecierea dominanei i diferenierii dimensionale

Efortul silvicultorilor de a regla funcionalitatea i stabilitatea ecosistemelor
forestiere este dublat de numeroase cercetri ce urmresc stabilirea relaiilor dintre
structura arboretelor i funciile atribuite acestora. Heterogenitatea structurii
orizontale i verticale a unei pduri este frecvent asociat cu o stabilitate ecologic
superioar a acesteia. Informaiile privitoare la diversitatea structural sunt utile n
modelarea i managementul forestier, putnd fi folosite n optimizarea anumitor
decizii cu implicaii economice sau ecologice (Pommerening, 2006).
n literatura de specialitate (Gadow, Hui, 1999; Pommerening, 2002) se
accept c din punct de vedere al modalitii de calcul majoritatea indicatorilor de
evaluare a diversitii structurale se mpart n dou mari grupuri: independeni de
distan i dependeni de distan (sau spaiali). Primul grup nu ine cont de
caracteristicile distribuiei n spaiu a evenimentelor i are o utilitate restrns n
caracterizarea ecosistemelor forestiere datorit imposibilitii de a efectua analize la
un nivel de detaliu satisfctor. Cel de al doilea grup folosete informaiile
privitoare la repartiia n spaiu a evenimentelor, n funcie de modalitatea de calcul
sau de scara la care sunt prezentate rezultatele deosebind (Pommerening, 2002):
189
189
indici individuali percep diferene structurale la scar redus;

rezultatele se refer la indivizii populaiei analizate, fiind stabilite n
funcie de relaiile dintre arborii vecini;
indicatori ai diversitii la nivel de suprafa valorile indicilor se

refer la o scar mai larg (suprafee de prob, arborete);
funcii de evaluare a diversitii funcii continue, specifice analizei

proceselor punctiforme sau geostatisticii; folosirea acestora n
cercetarea forestier a luat amploare datorit faptului c pdurea ofer
numeroase clase de tipare ale modului de organizare spaial.
n general sunt preferai indicii individuali deoarece acetia au avantajul de

a putea fi calculai relativ uor folosind date care se nregistreaz n mod curent n
inventarierile forestiere. n unele situaii prelucrarea rezultatelor oferite de
indicatorii individuali ofer informaii privitoare la diversitatea unei ntregi
suprafee studiate.
Evaluarea diversitii structurale spaiale presupune conform colii
Gttingen - von Gadow i Hui (1999) trei aspecte majore: poziionarea indivizilor
(se pot efectua filtrri dup specie sau caracteristici dimensionale), asocierea
(specific, dimensional sau calitativ) i diferenierea (ntre caracteristicile
cantitative parametrii biometrici).
n continuare se prezint modul n care poate fi evaluat diferenierea
parametrilor biometrici prin intermediul unor indici frecvent menionai n
literatura de specialitate. Evaluarea diferenelor dintre atributele dimensionale ale
arborilor se realizeaz n general prin dou metode distincte: aprecierea dominanei
(indicele sintetic este apreciat prin
intermediul
unui contor care se
autoincrementeaz la nregistrarea unui raport de dominan) sau determinarea

diferenierii (indicele indic n acest caz raportul subunitar dintre atributele
dimensionale comparate).
Diametrul i nlimea sunt parametrii biometrici cei mai frecvent folosii
n calculul acestui tip de indici, n situaia de fa optndu-se doar pentru calculul
diversitii structurale a nlimilor, ca urmare a importanei acesteia n seminiuri.
190
Gadow i Fuldner (citai de Gadow 1997) au introdus n 1992 indicele de

difereniere dimensional T (Dimensionsdifferenzierung), pe care l-au definit i
calculat pentru circumferin i nlime. Ulterior variante ale aceluiai indice au
fost prezentate de Gadow (1993), Fuldner (1995 b, citat de Kint et al., 2000) i
Pommerening (2002).
Formula indicelui de difereniere dimensional T pentru arborele i este:
Ti = 1
1 n min( pi , p j )
n j =1 max( pi , p j )
(6.10)
n numrul de vecini fa de care se calculeaz raportul

i indicele arborelui de referin
j - indicele unui arbore considerat a fi n primii n vecini
pi, pj valoarea atributului dimensional analizat al arborelui i i j
Variantele acestei formule vizeaz numrul de vecini pentru care se
calculeaz raportul de difereniere. Pommerening (2002) utilizeaz doar cel mai
apropiat vecin n calculul acestui indice (notat T1), n vreme ce n alte cercetri au
fost folosii 2, 3 ,4 sau 5 vecini (Kint et al., 2000; Pommerening, 2006).
Valoarea minim a indicelui T este 0 n cazul n care toi arborii vecini au
aceleai dimensiuni cu cele ale arborelui de referin i crete odat cu majorarea
mediei diferenei dimensionale dintre arborii vecini i arborele referin. Valoarea
maxim menionat n literatur este 1, dar este o valoare spre care se tinde,
deoarece nu poate fi atins nici practic i nici teoretic, implicnd dimensiuni nule.
Pentru a uura interpretarea indicilor, Pommerening (et al., 2000)
propune o scar de apreciere cu 4 trepte, frecvent folosit:
difereniere slab (schwache differenzierung) (0,0 T < 0,3) cea mai

mic dimensiune a parametrului analizat reprezint minim 70% din
dimensiunea arborilor vecini;
difereniere medie (mittlere differenzierung) (0,3 T < 0,5)

dimensiunea minim este de 50 - 70% din dimensiunea vecinilor;
difereniere puternic (starke differenzierung) (0,5 T < 0,7)

dimensiunea minim este de 30 - 50% din dimensiunea vecinilor;
191
191
difereniere foarte puternic (sehr starke differenzierung) (0,7 T < 1)

dimensiunea minim este mai mic de 30% din dimensiunea
arborilor vecini.
Aguirre (et al., 1998) sugereaz folosirea n comparaii a unei scri de

apreciere cu 5 trepte, cu ecartul fiecrui interval de 0,2.
Hui (et al., 1998) consider c diferenierea dimensional nu este
suficient n aprecierea diversitii structurale la scar redus, deoarece nu se
nregistreaz sensul superioritii dimensionale dintre vecini. Astfel, menioneaz
un nou indice care contorizeaz raporturile de dominan i surprinde media
numrului de vecini cu dimensiuni superioare unui arbore de referin (Hui et al.,
1998). Ulterior Gadow i Hui
(1999), respectiv
Aguirre (et al., 2003) au
considerat c dominana se poate aprecia i prin nregistrarea raporturilor favorabile

arborelui de referin, calculndu-se media numrului de indivizi cu dimensiuni
inferioare arborelui de referin.
Relaia de calcul a indicelui de dominan este:
Ui =
1 n
vj
n j =1
(6.11)
1, p j > p i
unde: vj =
pentru varianta propus de Hui et al. (1998)
0
,
altfel
1, p > pj
conform Gadow i Hui (1999), Aguirre et al.
vj = i
0, altfel
(2003)
n numrul de vecini pentru care se calculeaz valoarea vj

i indicele arborelui de referin
j - indicele unui arbore considerat a fi n primii n vecini
pi, pj valoarea atributului dimensional analizat al arborelui i i j
Valoarea indicelui de dominan dimensional U este cuprins ntre 0 i 1,
n funcie de proporia arborilor vecini cu dimensiuni superioare/inferioare
arborelui de referin.
192
Figura 6.4 Interfaa utilizator a aplicaiei DIFDOM
n cadrul acestei lucrri, diversitatea structural a nlimilor a fost

analizat folosind indicii de difereniere i dominan dimensional prezentai
anterior. Calculele au fost efectuate cu ajutorul unei aplicaii informatice proprii,
DIFDOM. Aplicaia a fost creat n mediul de dezvoltare Microsoft Visual Basic,
fiind un program independent ce import datele din foi de calcul tabelar tip
Microsoft Excel. Scopul dezvoltrii acesteia a fost automatizarea calculelor ce devin
complexe pentru un volum mare de indivizi, singura soluie alternativ de calcul a
acestor indici fiind CRANCOD, un program realizat de ctre o echip de
cercettori ai Universitii Bangor (ara Galilor). Acest program este dezvoltat n
Java, fiind dificil de instalat i utilizat de operatori nefamiliarizai.
Aplicaia DIFDOM calculeaz indicii n baza unui numr al celor mai
apropiai vecini introdus de ctre utilizator i include i un modul de corecie a
erorilor generate de efectul de margine. Efectul de margine poate afecta rezultatele
obinute datorit neincluderii n calcule a unor evenimente situate n afara ferestrei
de observaie, n literatura de specialitate fiind menionate mai multe metode de
soluionare a acestui aspect (Diggle, 1983; Stoyan, Stoyan, 1994). n cazul de fa
s-a folosit metoda zonei tampon, fiind una din soluiile recomandate de ctre
Pommerening i Stoyan (2006) pentru eliminarea erorilor de calcul a acestui tip de
indici. S-a folosit o zon tampon cu o lime de 30 cm (dimensiunea poate fi
definit de ctre utilizator n aplicaia DIFDOM). Aceast valoare a fost aleas n
193
193
urma unei analize a distanelor medii dintre arbori i cei mai apropiai vecini. S-au
determinat distanele medii fa de cei mai apropiai 5 vecini, media acestui
parametru fiind de 21,98 cm. A fost luat n calcul nu doar media, ci si variaia
individual a distanei fa de cei mai apropiai 5 vecini, ajungnd n final la
valoarea de 30 cm. Valoarea indicatorilor s-a calculat n funcie de un numr
variabil al celor mai apropiai k vecini (k = 1 - 5), fiind notat explicit pentru fiecare
indice numrul de vecini considerai (e.g. T3 indicele T calculat n funcie de cei
mai apropiai 3 vecini).
Indicii de difereniere i dominan dimensional vor fi analizai att prin
prisma valorilor individuale (a distribuiei acestora), ct i prin valorile medii
nregistrate n fiecare suprafa de prob.
Distribuia indicelui de difereniere a nlimilor (T) se prezint grafic n
figura 6.5, pentru cele 5 variante ale numrului de vecini luai n calcul.
Figura 6.5
Distribuia indicilor T pe
categorii ale intensitii de
difereniere dimensional
194
Distribuiile au fost realizate folosind scara de interpretare menionat de

Pommerening (2000), prezentat anterior n cuprinsul acestui subcapitol.
Se remarc faptul c ultimele dou categorii (difereniere puternic i
foarte puternic) sunt foarte puin influenate de numrul de vecini luat n calcul,
proporia puieilor ncadrai n aceast categorie rmnnd constant. n grupurile
celor mai apropiai 3-6 indivizi, proporia puieilor cu dimensiunea minim de sub
50% din dimensiunea vecinilor rmne constant, la valori de 19-21%, nefiind
influenat de dimensiunea grupului.
Putem vorbi astfel de o dinamic a proporiei de reprezentare n cazul
primelor dou categorii cu diferenierea slab (0T<0,3) i difereniere medie
(0,3T<0,5). Proporia puieilor ncadrai n cea dinti categorie scade odat cu
creterea numrului de vecini.
Odat cu creterea numrului de puiei din grup proporia celor cu
dimensiunea minim de peste 70% din dimensiunea vecinilor se reduce (de la 50%
n cazul unui grup de 2 puiei la 37% n cadrul unui grup de 6 puiei), crescnd
practic diversitatea structural. Aceast reducere a proporiei primei categorii de
difereniere se regsete
n creterea reprezentrii celei de a doua categorii
(difereniere medie). Procentul puieilor cu dimensiuni de 50-70% din

dimensiunea puieilor vecini crete de la 24% n cazul comparaiei cu cel mai
apropiat vecin la 44% n cazul lurii n calcul a celor mai apropiai 5 vecini. Se
poate concluziona c per total diferenierea dimensional majoritar este slab spre
medie n grupurile de 2-6 indivizi, crescnd odat cu mrirea grupului, dar
nedepind intensitatea medie.
n ceea ce privete valorile individuale ale indicilor de dominan U var 1
(Hui et al., 1998) i U var 2 (Gadow i Hui, 1999; Aguirre et al., 2003), acestea
indic poziionarea unui arbore n ierarhia dimensional a grupului format dintrun numr dat de puiei.
Cele
dou
variante
ale
indicelui
de
dominan
sunt
aproape
complementare, diferena pn la ntreg fiind dat de puieii cu dimensiuni egale

cu ale vecinilor.
195
195
Figura 6.6
Distribuia indicilor
U (var 1) pe categorii de
dominan
Figura 6.7
Distribuia indicilor
U (var 2) pe categorii de
dominan
196
Indicele de dominan U var 1 indic procentual proporia indivizilor

vecini cu dimensiuni superioare puietului de referin iar U var 2 proporia
indivizilor vecini cu dimensiuni inferioare puietului de referin.
Valoarea informaional a indicelui U de dominan este foarte ridicat
mai ales la nivel individual, ns n cazul distribuiilor sau a valorilor medii pe
suprafa situaia foarte echilibrat este greu interpretabil (figura 6.6 i 6.7).
n cazul primei variante a indicelui, analiza grafic dezvluie o proporie
inferioar a situaiilor n care puietul de referin este mai mic dect majoritatea
vecinilor si, n grupurile de 2-6 indivizi. Situaia nu se oglindete ntr-o
complementaritate perfect fa de distribuia variantei a doua a indicelui,
distribuiile valorilor U var 2 fiind mult mai echilibrate, avantajul procentual n
favoarea situaiilor n care puietul de referin este mai mare dect majoritatea
vecinilor fiind infinitezimal. Rezultatele indic o diversitate structural dup
nlime redus, fapt ce confirm observaiile analizei diferenierii dimensionale.
Figura 6.8 Variaia indicilor de

difereniere i dominan dimensional n
suprafeele analizate
197
197
Au fost calculate i valorile medii pe fiecare suprafa, pentru a vedea n ce

msur indicii T i U pot s le caracterizeze, datele calculate pentru un numr de 15 vecini fiind prezentate detaliat n anexa 1.
Din analiza grafic a variaiei indicelui de difereniere dimensional (fig.
6.8 a) n suprafeele studiate se observ c acesta este puin influenat de numrul
de vecini luat n calcul, dinamica valorilor T fiind similar. Sporirea numrului de
vecini determin o cretere a valorilor indicelui, nedeterminnd ns o ncadrare
ntr-o categorie diferit a intensitii de difereniere se observ n cadrul
majoritii suprafeelor o ncadrare n categoria de difereniere medie, n suprafeele
8 i 10 chiar slab.
Indicele de dominan U este mult mai sensibil la schimbarea numrului
de vecini considerai, numrul de puiei vecini avnd o pondere mult mai mare n
relaia de calcul a acestuia n ambele din cele dou variante prezentate. Se remarc
n cazul indicelui de dominan valorile mult diferite obinute pentru modul de
calcul bazat doar pe cel mai apropiat vecin fa de cazul utilizrii unui numr
superior de vecini. n acest sens se recomand pentru creterea valorii
informaionale a acestui indice includerea unui numr mai mare de vecini, dar care
s nu depeasc numrul mediu de puiei dintr-o aglomerare. Cu ajutorul
metodelor specifice analizei spaiale se poate determina pentru fiecare suprafa
distana pe care acioneaz fenomenele de agregare, i n baza distanei medii dintre
puiei se poate evalua numrul mediu al puieilor dintr-un plc. Aceast analiz va
fi efectuat n urmtorul capitol al lucrrii.
Pentru a explica variaia valorilor indicilor n cele zece suprafee, s-au
calculat coeficienii de corelaie ai acestora cu nlimea medie i desimea puieilor
pe suprafa (anexa 2). Rezultatele arat c indicele de difereniere dimensional T
nu este influenat de desimea puieilor dar stabilete o relaie negativ de intensitate
medie (semnificativ doar la valorile calculate pentru 5 vecini: -0,564*) cu
nlimea medie.
n cazul indicelui de dominan U rezultatele sunt destul de diferite pentru
cele dou variante folosite. Prima variant a indicelui (U var 1) are o relaie slab cu
198
desimea, fr a avea o semnificaie statistic sub pragul de semnificaie de 10% i o

relaie instabil (foarte variabil la valori diferite ale numrului de vecini) cu
nlimea medie a puieilor relaie de intensitate medie, negativ, distinct
semnificativ la utilizarea a 2 (-0,702**) i 5 vecini (-0,605**).
Cea de a doua variant a indicelui (U var 2) se dovedete mult mai stabil
n relaiile cu cei doi parametri. Se nregistreaz relaii de intensitate medie, pozitive
att cu desimea ct i cu nlimea medie a puieilor (valori semnificative i distinct
semnificative).
Dominana este influenat mai intens att de desime ct i de nlimea
medie a puieilor, dar valorile dominanei pe suprafa trebuie interpretate cu
precauie, valorile individuale fiind mai reprezentative. Diferenierea surprinde mai
bine diversitatea structural, fiind nregistrate corelaii de intensitate slab i medie
cu principalii indici de evaluare a diversitii structurale din prima grup (Shannon,
Simpson, Berger-Parker - anexa 3), dar include n plus o parte din informaia
spaial, ce poate fi completat cu datele referitoare la dominan.
Majoritatea
cercetrilor
referitoare
la
diferenierea
dominana
dimensional se refer la arborete mature, una din puinele referine bibliografice

cu referire la analiza regenerrii arboretelor fiind lucrarea lui Vorcak (et al., 2006).
innd cont de aceast lips a informaiilor, cu att mai mult se simte nevoia
efecturii unui numr mai mare de cercetri n cazul regenerrilor, pentru a se
putea realiza comparaii ale indicilor obinui i pentru a se identifica caracteristici
specifice stadiilor tinere de dezvoltare n ceea ce privete diferenierea i dominana
dimensional.
199
199
6.3. Fundamentarea unui indice de apreciere a diversitii structurale care

include poziia n spaiu a puieilor - IDIV
Majoritatea indicilor sintetici de apreciere a diversitii structurale se
bazeaz pe datele oferite de distribuiile dimensionale ale arborilor. Dei au fost
efectuate numeroase cercetri n domeniul variabilitii spaiale a omogenitii
dimensionale (Kint et al., 2000; Vorcak et al., 2006; Mason et al., 2007; Davies,
Pommerening, 2008), puini autori au sugerat modaliti de evaluare care s
nglobeze direct nu doar caracteristicile biometrice ci i distribuia n spaiu a
acestora. Dificultatea conceperii unor indicatori sintetici care s in cont de
caracterul spaial al datelor biometrice este determinat de modalitatea anevoioas
de prelevare a datelor spaiale (coordonatele arborilor ntr-un sistem de poziionare)
precum i de prelucrrile complexe ale datelor.
Pentru evaluarea diversitii se folosesc n prezent analize bazate pe
indicatori sintetici (e.g. Shannon), urmat de includerea rezultatelor obinute n
modele de prelucrare care utilizeaz tehnici geostatistice sau specifice statisticii
spaiale de ordinul doi (funcii tip K-Ripley). Unii cercettori (Gadow, 1993,
1997; Hui et al., 1998; Gadow, Hui, 1999; Pommerening, 2002; Aguirre et al.,
2003) au ncercat s soluioneze aspectele variabilitii spaiale prin folosirea
comparaiilor dintre vecini, pe baza raportului dintre dimensiunile acestora
determinndu-se un indice de difereniere sau dominan. Exist variante diferite
ale acestei metode, n funcie de modul de prelevare i prelucrare a datelor determinat de folosirea coordonatelor sau a distanelor dintre arbori. Dezavantajul
acestei tehnici const n faptul c nu se include direct n calculul indicilor
componenta spaial.
O abordare superioar din punctul de vedere al fundamentrii i justificrii
variabilitii spaiale o au Zenner i Hibbs (2000). Modelul conceput de acetia se
bazeaz pe construirea unei reele tridimensionale de triunghiuri obinute prin
unirea vrfurilor arborilor, transpunerea n plan orizontal a acestei reele fiind o
triangulaie Delauney. A fost definit un indice de complexitate structural (SCI), ca
200
raport ntre suma ariilor triunghiurilor care aparin reelei tridimensionale i suma
ariilor triunghiurilor din plan orizontal. SCI integreaz foarte bine att
componenta orizontal ct i cea vertical. Cu ct diferenele n nlime dintre
arborii care formeaz triunghiurile sunt mai mari, cu att raportul care furnizeaz
valoarea indicelui sintetic va fi mai mare. SCI va nregistra valoarea minim (egal
cu 1) doar n cazul n care toi arborii au aceeai nlime. Utilitatea acestui indice
este deosebit deoarece permite realizarea unor comparaii ale structurii spaiale
ntre arborete (sau suprafee analizate).
Obieciile cu privire la folosirea acestui model de evaluare a diversitii fac
referire n primul rnd la dificultatea calculelor. Algoritmii sunt dificil de
implementat, soluia nu ofer rezultate rapide, autorii nu au furnizat o aplicaie
software care s efectueze aceste prelucrri complexe, ceea ce face metoda
inaccesibil majoritii cercettorilor.
n vederea obinerii rapide a informaiilor privitoare la diversitatea spaial
a structurii, s-a fundamentat un nou indicator sintetic, numit IDIV. Modelul
teoretic al acestuia se bazeaz pe descompunerea variabilitii structurale n dou
componente IDIV_Ox, IDIV_Oy corespunztoare celor dou axe din planul
orizontal dup care se reprezint poziia arborilor.
Modelul teoretic prezentat n continuare consider nlimea variabila
pentru care se dorete calcularea diversitii structurale, dar acestei variabile i se
poate asocia orice parametru biometric.
Analiza se efectueaz prin intermediul profilului vertical al arborilor, avnd
drept referine dou din cele patru laturi perpendiculare ale suprafeei de prob
(axa Ox i Oy). Se unesc vrfurile arborilor nvecinai prin segmente de dreapt, se
adun distanele elementare obinute i se raporteaz la proiecia distanei dintre
primul i ultimul arbore din profil. Determinarea gradului de ndeprtare a
variabilei nlime de la omogenitatea n spaiu se realizeaz prin intermediul
raportului calculat anterior. n condiiile omogenitii perfecte, toi arborii au
aceeai nlime, caz n care, indiferent de valoarea acesteia, se obine valoarea 1
pentru indicele IDIV.
201
201
Figura 6.9 Explicarea modalitii de calcul a indicelui IDIV
Figura 6.10 Exemplu al influenei poziiei n spaiu asupra diversitii

structurale
n acest caz suma distanelor obinute prin unirea vrfurilor arborilor este
egal cu suma distanelor dintre arbori (se iau n calcul distanele dintre arbori
proiectate pe una din laturile suprafeei). n cazul nregistrrii unor diferene ntre
nlimile arborilor nvecinai distanele dintre vrfurile arborilor vor fi superioare
distanelor dintre arbori i implicit raportul dintre cele dou sume va fi supraunitar.
Cu ct diferenele dintre nlimile arborilor nvecinai vor fi mai mari, cu att mai
mare va fi i raportul IDIV, indicnd o diversitate structural superioar ca valoare
(figura 6.9).
202
Indicele IDIV nu este sensibil doar la diferenele dintre valorile biometrice

ale arborilor, n formula sa intervenind i diferena dintre poziia arborilor. n
figura 6.10 se prezint dou situaii ipotetice, n care 5 puiei sunt poziionai
diferit n spaiu. Dimensiunile lor sunt identice n ambele situaii, avnd trei puiei
cu nlimea de 2m i doi puiei cu nlimea de 1m, iar distana dintre puiei este
de 1m. Pentru ambele situaii prezentate, indicii sintetici de estimare a diversitii
structurale (n exemplu s-a folosit indicele Shannon) indic aceeai valoare,
neidentificnd diferene ntre cele dou cazuri. Indicele IDIV face o distingere ntre
cele dou situaii prezentate, indicnd valori diferite ale diversitii structurale
1,10, respectiv 1,41. Situaia a doua este identificat ca avnd o diversitate
structural spaial superioar primei variante, datorit modului de poziionare n
spaiu a puieilor.
Influena distanei dintre puiei se observ i din formula de calcul a
indicelui IDIV:
n 1
IDIV =
i =1
(hi2,i +1 + si2,i +1 )
s n s1
n 1
i =1
(( hi hi +1 ) 2 + ( si si +1 ) 2 )
s n s1
(6.12)
unde:
n numrul de puiei analizat
h diferena de nlime dintre doi puiei vecini
hi nlimea puietului i
s distana dintre puiei proiectat pe una din axele sistemului de
coordonate
si fiind proiecia distanei fa de originea sistemului de coordonate a
puietului i
Valoarea teoretic minim a IDIV este 1 i se obine n cazul n care toi
puieii au aceeai nlime. n cazul n care se admit variaii ale parametrului
analizat (diferene ntre nlimile puieilor) n baza relaiei de calcul a indicelui
IDIV putem defini minimul teoretic spre care se poate tinde, n funcie de
nlimea maxim hmax i cea minim hmin ca fiind :
203
203
IDIV _ MIN =
(hmax hmin ) 2 + ( sn s1 ) 2
sn s1
(6.13)
Valoarea minim teoretic ar putea fi obinut doar n cazul n care toi

puieii avnd nlimea egal cu hmax sunt situai la o extremitate i toi puieii
avnd nlimea egal cu hmin sunt situai la cealalt extremitate a suprafeei
considerate.
n mod similar se poate defini maximul teoretic spre care se poate tinde, n
funcie de nlimea maxim hmax i cea minim hmin ca fiind :
IDIV _ MAX = (n 2) (hmax hmin ) +
(hmax hmin ) 2 + ( sn s1 ) 2
sn s1
(6.14)
n ambele formule se folosesc aceleai notaii folosite la prezentarea

modului de calcul al indicelui IDIV.
Valoarea maxim teoretic este tot o valoare ideal ce ar putea fi obinut
doar n cazul n care jumtate din puiei ar avea nlimea egal cu hmax iar cealalt
jumtate nlimea egal cu hmin. n plus ar fi nevoie ca n una din extremiti s se
gseasc un singur puiet iar toi ceilali s se gseasc n extremitatea opus. Valorile
extreme teoretice ale indicelui IDIV sunt n realitate greu sau chiar imposibil de
atins, aceste valori fiind obinute prin ignorarea poziiei reale a puieilor i plasarea
acestora n poziii convenabile pentru maximizarea sau minimizarea unei valori. Ele
ofer ns indicii asupra limitelor de variaie a indicelui IDIV, innd cont de
distana dintre puieii cei mai ndeprtai i de nlimea minim i maxim a
puieilor din suprafaa studiat.
Pentru a reduce intervalul de variaie al indicelui se poate calcula un
minim, respectiv maxim, care s includ poziiile individuale reale ale puieilor i
valorile individuale corespunztoare nlimii i n acest fel s exprime mai bine
extremele posibile ale diversitii structurale pentru parametrul studiat. n vederea
calculului limitelor diversitii n acest mod se face o rearanjare a puieilor,
schimbnd poziia acestora ntre ei pentru a obine diferene ale variabilei analizate
minime, respectiv maxime ntre puieii vecini. Valoarea minim (IDIV_min) se
204
obine n acest caz prin ordonarea vectorului nlimilor astfel nct s se

minimizeze diferena dintre oricare doi puiei vecini, iar valoarea maxim
(IDIV_max) se obine prin plasarea pe poziii vecine n vectorul nlimilor a
valorilor extreme pentru a obine cele mai mari diferene, atand modelului de
calcul cele mai mari diferene de nlime celor mai mici diferene de poziie.
Valorile extreme indic diversitatea posibil de obinut n condiiile pstrrii
acelorai valori ale nlimii i al aceluiai model de organizare spaial a indivizilor.
Indicele IDIV este sensibil la spaialitate, valoarea sa nglobnd influena
desimii puieilor. n condiiile unor distane reduse ntre puiei efectul diferenierii
dimensionale se resimte mai puternic, fapt ce corespunde realitilor ecologice din
interiorul unei populaii de arbori. Datorit acestei proprieti se poate aprecia c
IDIV este capabil s surprind intensitatea proceselor concureniale la nivelul unei
ntregi suprafee (fig. 6.6).
Analiza presupune aplicarea aceleiai metode i pentru cealalt ax, n final
fiind obinute dou valori ale diversitii structurale spaiale (IDIV_Ox i
IDIV_Oy) ce caracterizeaz aceeai suprafa, pe cele dou componente din planul
orizontal.
Figura 6.11 Exemplu al influenei distanei dintre indivizi asupra diversitii

structurale
205
205
Figura 6.12 Analiza fenomenelor direcionale prin compararea valorilor IDIV

obinute pe fiecare din cele dou axe
n cazul n care se constat diferene majore ntre cele dou componente se

poate considera c n suprafaa respectiv acioneaz fenomene direcionale care
provoac dezechilibre ntre valorile obinute pe fiecare dintre axe (exemplu n
figura 6.12).
n vederea aprecierii indicelui IDIV pentru o ntreag suprafa, pentru
fiecare component Ox, respectiv Oy se va proceda la o mprire n benzi de
aceeai lime. Scopul acestei mpriri const n evitarea comparaiilor ntre arbori
foarte ndeprtai dar care ar avea proieciile pe una din axe foarte apropiate i ar
putea fi considerai vecini dei ei au apropiate valorile poziiilor doar pe una din
axele Ox sau Oy.
206
Figura 6.13 mprirea unei suprafee n benzi n vederea calculrii IDIV
Metoda presupune adunarea sumelor distanelor dintre vrfurile arborilor

pe benzi i raportarea la valoarea nsumat a sumelor distanelor dintre puiei
proiectate pe axa pe care se face analiza. n acest mod se obine un indice capabil s
caracterizeze o suprafa ntreag.
Un alt avantaj al acestei mpriri const n posibilitatea efecturii unor
comparaii ntre diferitele benzi, astfel c se pot determina diferene ale diversitii
structurale chiar n interiorul aceleiai suprafee.
Determinarea pasului optim folosit pentru mprirea suprafeei n benzi
de lime egal nu se poate face prin introducerea unei relaii de calcul. O lime
prea mic a benzilor (un pas mic) poate determina nenregistrarea unor
particulariti observabile doar n cazul utilizrii unor limi mai mari ale benzilor.
Pe de alt parte o lime prea mare poate determina o uniformizare a diversitii la
nivelul suprafeei analizate sau face imposibil analiza diferenelor structurale din
interiorul suprafeei. De aceea pasul de observaie trebuie ales n funcie de scopul
cercetrilor sau se poate opta pentru o analiz difereniat pe valori diferite ale
pasului.
207
207
Un punct de plecare n alegerea unei mrimi adecvate a pasului l

constituie distana medie dintre puiei. Aceasta poate fi calculat ca medie a
distanei medii fa de un numr limitat de vecini (n general n analizele bazate pe
distana medie dintre indivizi sunt folosii cei mai apropiai 3-5 vecini). n cazul
unor suprafee n care s-a remarcat un grad ridicat de omogenitate pasul optim
poate fi ales acel pas pentru care s-a obinut o diferen minim ntre componentele
axiale ale IDIV.
n final, se poate aprecia c aceast metod de apreciere a diversitii
structurale prezint avantaje reale:
eliminarea aprecierii bazate pe ncadrarea n clase, un proces de multe

ori inconsistent ce poate altera rezultatele n cazul folosirii unor
indicatori clasici (e.g. Shannon, Simpson);
modelul clar, uor algoritmizabil;
posibilitatea efecturii analizelor att n interiorul suprafeelor studiate

ct i a comparaiei ntre suprafee diferite;
posibilitatea identificrii unor fenomene direcionale;
oferirea de informaii cu privire la competiia din interiorul suprafeei

studiate
adaptabilitatea modelului poate conduce la folosirea unor parametri

biometrici diferii drept variabil pe ordonat (diametrul, diametrul
coroanei etc.);
aplicabilitatea extins a modelului (aplicabil nu doar puieilor ci i

arborilor).
208
6.4. Analiza diversitii structurale a seminiului din suprafeele studiate

cu ajutorul indicelui IDIV
n conformitate cu obiectivele cercetrilor, de integrare a mijloacelor
cibernetice n studiul regenerrii, s-a conceput un program informatic care
realizeaz prelucrarea automat a datelor n vederea obinerii valorii indicelui IDIV,
fundamentat teoretic n subcapitolul anterior.
Aplicaia software IDIV (figura 6.14) este o soluie proprie, conceput
pentru analiza diversitii structurale n spaiu conform unei metode proprii.
Programul folosete datele introduse n foi de calcul de tip Microsoft Excel i
calculeaz n baza acestora o serie de indicatori - valoarea IDIV pe fiecare
component axial (Ox, Oy) i pe fiecare band, valoarea minim (IDIV_min) i
maxim (IDIV_max), valorile teoretice extreme, coeficienii de variaie ai IDIV pe
suprafa. Se calculeaz i media distanelor medii ale puieilor fa de un numr de
3, 5 i 7 vecini, n vederea alegerii unui pas optim al analizei.
Datele de intrare sunt coordonatele puieilor i nlimea total a fiecrui
puiet. n locul nlimii puieilor se poate folosi orice alt parametru biometric
diametrul la colet, diametrul, volumul sau suprafaa exterioar a coroanei.
Utilizatorul trebuie s specifice mrimea suprafeei analizate, precum i paii la care
se dorete efectuarea analizei, date care pot fi salvate ntr-un fiier de setri iniiale.
Figura 6.14 Interfaa utilizator a aplicaiei IDIV

209
209
Programul IDIV a fost creat folosind mediul de dezvoltare Microsoft Visual

Basic, rezultatul fiind un fiier executabil independent. Integrarea aplicaiei cu o
soluie performant de calcul tabelar, interfaa grafic intuitiv, uurina n
utilizare, precum i rapiditatea prelucrrii unui volum mare de date sunt cteva din
avantajele folosirii programului IDIV n procesul de analiz a datelor.
Analiza diversitii structurale n spaiu s-a realizat pentru toate cele 10
suprafee, fiind folosit aplicaia software IDIV pentru calcularea valorilor
indicatorilor sintetici. S-a efectuat att o analiz a diversitii structurii n interiorul
suprafeelor (prin examinarea valorilor benzilor) ct i o comparaie ntre
suprafeele de prob.
n ceea ce privete parametrul considerat a fi studiat prin aceast metod,
s-a apreciat c nlimea este variabila care reprezint cea mai potrivit alegere. Dei
metoda fundamentat n subcapitolul precedent se preteaz la analiza unor variabile
diferite, s-a optat pentru nlime datorit analizelor desfurate anterior n cadrul
lucrrii care au evideniat importana acesteia n definirea relaiilor dintre puiei.
Au fost calculai indicatorii specifici pentru fiecare component axial,
utilizndu-se trei variante ale pasului de observaie, la o lime a benzii de 25, 50 i
100 de cm. Efectuarea unei analize n pai multipli permite decelarea unor aspecte
legate de influena scrii de studiu asupra aprecierii diversitii structurale a unui
parametru. Se poate stabili, de asemenea, un pas optim, adecvat obiectivelor
cercetrilor. Valoarea pailor a fost adoptat n urma calculului pentru fiecare
suprafa a mediei distanei medii a puieilor fa de primii 3, 5 i 7 puiei vecini.
Numrul de vecini adoptat de regul n cercetrile ce implic calculul distanei
dintre indivizi este situat ntre valorile menionate anterior (Pommerening, 2002;
Davies, Pommerening, 2008). Distanele medii pn la primii 3 i 5 vecini sunt n
general situate n intervalul 20-25 cm, n timp ce pentru 7 vecini distana medie
depete 25 de cm. Datorit acestui fapt sunt prezentate n acest subcapitol doar
graficele i analizele pentru un pas de 25 i 50 cm, n anexa 4 fiind prezentate
graficele individuale, iar n anexa 5 valorile indicatorilor pentru fiecare suprafa, n
cele trei variante ale limii benzii (figura 6.15).
210
Figura 6.15 Exemplu privind efectul creterii pasului de analiz

asupra valorilor IDIV
La creterea pasului de analiz se observ o stabilizare (reducere a

diferenelor) a valorilor IDIV pe fiecare band, n cadrul unei suprafee (n primul
rnd datorit reducerii numrului de benzi), dar i o cretere a valorilor IDIV.
Valorile limitate ale diversitii nregistrate pentru limile mici ale benzilor conduc
la ipoteza c pe distane reduse apare o agregare a puieilor de dimensiuni
apropiate. n cazul creterii distanelor sporete i posibilitatea de a nregistra
diferene dimensionale superioare. Ipoteza agregrii puieilor este testat i
prezentat n cuprinsul capitolului 7 prin tehnici specifice analizei spaiale.
Nu s-a realizat calculul valorilor individuale ale IDIV pentru fiecare specie
deoarece s-a considerat c analiza ar fora modelul propus. S-a apreciat c valorile
ce ar putea fi astfel obinute nu ar fi relevante, neavnd acoperire n realitate
datorit faptului c puieii de aceeai specie, de cele mai multe ori nu sunt vecini,
dei n cadrul analizei ar fi considerai astfel. n aceast situaie indicele IDIV ar
putea oferi informaii asupra diversitii structurale specifice, dar componenta
spaial a acestuia ar fi inconsistent.
211
211
a) Analiza diversitii structurale n interiorul suprafeelor studiate

n continuare sunt prezentate graficele variaiei valorii indicelui IDIV
pentru cele 10 suprafee analizate, folosind paii de analiz de 25, respectiv 50 de
cm. Este prezentat situaia separat pe cele dou componente axiale (IDIV_Ox i
IDIV_Oy) (figura 6.16, 6.17).
n grafice sunt prezentate valorile indicelui IDIV pe fiecare component
axial, precum i valorile minime i maxime (IDIV_min, IDIV_max) care se pot
obine n condiiile n care se face o rearanjare a puieilor folosind aceleai
coordonate spaiale (se schimb poziia puieilor ntre ei). Valorile minime i
maxime ofer posibilitatea stabilirii gradului de apropiere a indicelui IDIV fa de
valorile extreme ale diversitii structurale, oglindind influena distribuiei spaiale
asupra diversitii.
Figura 6.16 Variaia valorilor IDIV n cadrul benzilor din suprafeele analizate
(limea benzilor = 25 cm)
212
Att n cazul calculrii IDIV_min ct i a IDIV_max sunt folosii aceeai

puiei, cu aceleai caracteristici dimensionale, diferena dintre valorile calculate
fiind atribuit exclusiv distribuiei n spaiu.
Apropierea IDIV de valoarea minim sau maxim s-a studiat att grafic,
ct i prin intermediul unor indicatori. Se apreciaz c dac valoarea IDIV
depete valoarea medie a intervalului dintre minim i maxim se apropie mai mult
de valoarea IDIV_max, iar dac este sub acest prag se apropie mai mult de
IDIV_min. Abaterea IDIV de la referina considerat s-a calculat pentru toate
valorile individuale. S-a definit un raport (notat ) ntre valoarea IDIV i valoarea
referin (jumtatea intervalului minim-maxim) ce exprim nu doar apropierea de
una din cele dou extremiti, ci i gradul de apropiere.
Figura 6.17 Variaia valorilor IDIV n cadrul benzilor din suprafeele analizate
(limea benzilor = 50 cm)
213
213
Tabelul 6.6
Valori utile n determinarea gradului de apropiere a indicelui IDIV de extreme
pas 25 cm
comp. Ox
pas 25 cm
comp. Oy
pas 50 cm
comp. Ox
pas 50 cm
comp. Oy
Media abaterilor
Valori mai apropiate
Valori mai apropiate
de IDIV_max
de IDIV_min
136 (49%)
144 (51%)
- 0.0118
0.990
125 (45%)
155 (55%)
- 0.0369
0.986
90 (64%)
50 (36%)
0.1860
1.037
85 (61%)
55 (39%)
0.1002
1.022
individuale de la
Raportul
referin
Valorile obinute n cazul variantei limii benzii de 25 cm arat n general

o situaie echilibrat, cu o uoar tendin de deplasare spre minim - 55%,
respectiv 51% din indicii IDIV corespunztori fiecrei componente axiale fiind mai
apropiai de minim. La utilizarea unui pas de 50 cm se constat o tendin mai
pronunat de apropiere de valoarea maxim, peste 60% din totalul indicilor IDIV
fiind mai apropiai de maxim n cazul ambelor componente axiale. Aceast
tendin se pstreaz i n cazul utilizrii unei limi a benzii de 100 cm (anexa 4 c).
Rezultatele dovedesc nc odat influena scrii de analiz n cercetrile ce implic
distribuia spaial a evenimentelor (Hurlbert, 1990; Dale, 2004; Tokola, 2004;
Zenner, 2005). Tendina de maximizare a diversitii structurale odat cu creterea
suprafeei de analiz poate fi explicat prin aceeai ipotez de agregare a puieilor pe
spaii reduse i cretere a heterogenitii datorit diferenelor dintre aceste grupuri
odat cu lrgirea perspectivei de analiz.
n ceea ce privete omogenitatea valorilor IDIV calculate pentru benzile
aceleiai componente axiale se remarc o variabilitate relativ redus. n cazul
pasului de analiz de 25 cm, majoritatea coeficienilor de variaie sunt situai ntre
20-25% (anexa 5), doar patru suprafee nregistrnd valori medii ce depesc cu
puin pragul de 30%, suprafaa numrul 3 nregistrnd cea mai crescut
214
heterogenitate (37%). Situaia este similar i n cazul utilizrii unui pas de 50 cm,
respectiv de 100 cm. Acest fapt rezolv problema reprezentativitii mediei valorilor
individuale ale IDIV, indicele IDIV pentru o component axial (Ox, Oy) fiind
foarte apropiat ca valoare i modalitate de calcul de media valorilor obinute pentru
fiecare band a suprafeei studiate.
Un alt aspect se refer la diferenele dintre valorile IDIV nregistrate
pentru aceeai suprafa, dar pentru cele dou componente axiale. Sunt diferene
majore ntre componenta Ox i cea Oy? Se poate utiliza media celor dou valori
pentru a caracteriza o suprafa? n figura 6.18 sunt prezentate diferenele
procentuale dintre indicii IDIV pe componente axiale, n varianta pailor de
analiz de 25 i 50 cm.
Diferenele procentuale nregistrate ntre cele dou componente axiale sunt
reduse, n unele suprafee (nr. 2, 4, 7, 9) fiind sub 2%, pentru ambele variante ale
pasului de analiz. n suprafeele nr. 5 i 10 se realizeaz maximul diferenelor
dintre componentele axiale, fiind singurele suprafee cu un decalaj de peste 5%
ntre IDIV_Ox i IDIV_Oy. Rezultatele obinute permit considerarea drept
reprezentativ a mediei dintre valorile IDIV pentru cele dou componente axiale,
cel puin n cazul suprafeelor studiate.
Figura 6.18 Diferenele procentuale ntre valorile IDIV ale componentelor axiale
215
215
nregistrarea unor diferene mari ntre indicii componentelor axiale ale

aceleiai suprafee poate s conduc la ipoteza surprinderii unor fenomene
direcionale. Referitor la aceast posibilitate nu au fost observate cu ocazia
prelevrii datelor astfel de fenomene i nici diferenele dintre valorile IDIV_Ox i
IDIV_Oy nu permit formularea unei astfel de ipoteze. Trebuie menionat c n
teren coordonatele corespunztoare axei Ox au fost plasate pe direcia N-S iar cele
corespunztoare Oy au fost plasate pe direcia E-V.
Un ultim aspect abordat n cadrul analizei diversitii structurale n
interiorul suprafeelor de prob se refer la legtura dintre indicele IDIV i desimea
puieilor. Factorul spaial poate aciona asupra structurii seminiului i prin
desime, iar valoarea indicelui IDIV ar trebui s surprind acest fapt. Drept urmare
se prezint valorile coeficienilor de corelaie dintre indicii individuali IDIV,
caracteristici fiecrei benzi i desimea puieilor din banda corespunztoare (tabelul
6.7).
Au fost calculai coeficienii de corelaie dintre desime i valoarea IDIV,
IDIV_min i IDIV_max pentru a vedea n ce msur desimea puieilor afecteaz
nu doar diversitatea structural real ci i cea potenial, exprimat prin limitele
minime i maxime. Este interesant de observat c dei se nregistreaz corelaii
pozitive, de intensitate medie i chiar puternic ntre desime i IDIV, respectiv
IDIV_max (coeficieni de corelaie foarte semnificativi), nu exist o corelaie nici
mcar slab cu IDIV_min.
Tabelul 6.7
Coeficienii de corelaie dintre valorile individuale IDIV i desimea puieilor
Ox, pas 25 cm
Oy, pas 25
Ox, pas 50
Oy, pas 50
cm
cm
cm
IDIV - desime
0,770 ***
0,650 ***
0,819 ***
0,718 ***
IDIV_min - desime
-0,005
-0,007
-0,008
-0,058
IDIV_max - desime
0,786 ***
0,739 ***
0,802 ***
0,750 ***
216
Figura 6.19 Legtura corelativ dintre valorile pe fiecare band ale IDIV i desimea
puieilor
Este evident c IDIV are o component neafectat de desime la aceeai

diversitate structural (aceleai valori ale nlimilor) i aceeai dispunere spaial
(implicit aceeai desime), se pot obine valori ale IDIV diferite cuprinse ntre
IDIV_min i IDIV_max. Totui, valoarea limit minim a IDIV, dei ca model de
calcul ine cont de poziia n spaiu i nlimea acelorai puiei, este insensibil la
variaia desimii. Tendina de reducere a diferenelor dintre nlimile indivizilor
conduce la acordarea unei ponderi mai mici distanelor dintre puiei (desimii).
Din graficele 6.20 i 6.21 se observ c valorile IDIV_min prezint o
anumit variabilitate determinat de banda i suprafaa pentru care sunt calculate,
graficele fiind mult mai expresive atunci cnd sunt analizate folosind o scar
proprie i nu o scar comun i valorilor IDIV_max. Aceast observaie ne permite
practic s apreciem c se poate folosi pentru comparaiile ntre benzi sau suprafee
capacitatea discriminatorie a indicelui IDIV_min, n toate cazurile n care se
dorete eliminarea influenei desimii puieilor.
217
217
Figura 6.20 Variaia IDIV_min n cadrul benzilor din suprafeele analizate (pas 25 cm)
Figura 6.21 Variaia IDIV_min n cadrul benzilor din suprafeele analizate (pas 50 cm)
Valoarea minim potenial a IDIV ofer o evaluare a diversitii

structurale a unui parametru dar omite o mare parte din informaiile legate de
distribuia n spaiu, reprezentnd un compromis care poate fi acceptat de ctre
cercettor n funcie de obiectivele analizelor efectuate.
b) Comparaia ntre valorile diversitii structurale ale suprafeelor
Diferenele mici nregistrate ntre valorile IDIV pentru cele dou
componente axiale ale unei suprafee au permis caracterizarea fiecrei piee de
prob printr-un indice calculat drept medie ntre IDIV_Ox i IDIV_Oy. Acest fapt
a permis efectuarea unei analize comparative ntre valorile diversitii structurale ale
suprafeelor. S-au analizat situaiile n care pasul de analiz este de 25, respectiv 50
cm pentru ca analiza comparativ s nu fie bazat exclusiv pe folosirea unui singur
pas, considernd c limea benzilor poate conduce la diferene semnificative.
218
n figura 6.22 se prezint grafic variaia valorilor IDIV n cele zece

suprafee i se poate remarca faptul c pasul analizei nu influeneaz studiul
diferenelor dintre suprafee. Chiar dac sunt nregistrate decalaje ntre valorile
obinute pentru aceeai suprafa la pai de analiz diferii, reprezentarea la o alt
scar ofer grafic aceleai informaii referitoare la diferenele dintre suprafee.
Corelaiile dintre valorile IDIV, IDIV_min i IDIV_max obinute la diferite limi
ale benzilor sunt foarte puternice (coeficieni de corelaie de peste 0,99 ***), astfel
c folosirea unei anumite valori a pasului de analiz nu conduce la concluzii diferite
n ceea ce privete comparaiile dintre suprafee, fiind necesar doar consecvena n
folosirea aceleiai valori a pasului pentru toate suprafeele.
Din analiza diagramei 6.22 se observ c diversitatea structural a
nlimii, exprimat prin IDIV, variaz n intervalul 1,550 - 3,287 (coeficient de
variaie: 21,9%) n cazul pasului de 25 cm, respectiv 2,273 - 5,967 (coeficient de
variaie: 27,6%) pentru pasul de 50 cm, n ambele variante observndu-se acelai
tip de variaie, cu minime n suprafeele 2 i 5, respectiv maxime n suprafeele 6 i
7. O explicaie a modului n care valorile IDIV variaz n suprafeele analizate se
refer la influena desimii puieilor. i la nivelul suprafeelor s-a observat o corelaie
direct pozitiv ntre valorile indicilor IDIV, IDIV_max i desime, de intensitate
medie (r=0,688** i r=0,674** pentru pasul de 25 cm, respectiv r=0,725** i
r=0,713** pentru pasul de 50 cm).
Figura 6.22 Variaia valorilor medii ale IDIV n suprafeele analizate (pas 25 i 50 cm)
219
219
n cazul IDIV_min coeficientul de corelaie calculat (r=-0,116 pentru

ambele variante ale pailor de analiz) nu indic o influen a desimii asupra
acestuia, fapt constatat i n cazul studierii acestei legturi corelative la nivelul
fiecrei benzi.
Au fost calculate i valorile principalilor indicatori ai diversitii structurale
pentru distribuiile nlimilor n suprafeele studiate, datele fiind prezentate tabelar
n anexa 6. S-a urmrit determinarea unei relaii ntre respectivii indicatori i IDIV,
pentru a vedea n ce msur valorile IDIV surprind aceeai diversitatee structural.
n tabelul 6.8 sunt prezentate valorile coeficienilor de corelaie dintre
IDIV, IDIV_min, IDIV_max i restul indicilor. Se remarc legtura slab pozitiv
dintre IDIV i indicele Shannon i Brillouin i negativ cu indicele Menhinick,
pragul de semnificaie al coeficienilor de corelaie depind ns valoarea de 10%.
Aceleai tip i intensitate a relaiilor s-a consemnat i pentru IDIV_max.
Tabelul 6.8
Coeficienii de corelaie ai legturii dintre IDIV i indicatorii clasici
ai diversitii structurale
pasul: 25 cm
pasul: 50 cm
IDIV
IDIV_min
IDIV_max
IDIV
IDIV_min
IDIV_max
-0,036
0,533 *
-0,061
-0,034
0,576 *
-0,099
0,036
-0,533 *
0,061
0,034
-0,576 *
0,099
0,131
-0,473
0,157
0,130
-0,516
0,194
indicele Shannon
0,225
-0,254
0,248
0,214
-0,286
0,272
echitatea Shannon
0,044
-0,667 **
0,052
0,056
-0,695 **
0,109
indicele Brillouin
0,267
-0,273
0,288
0,260
-0,304
0,315
indicele BergerParker
0,065
0,732 **
0,047
0,053
0,788 ***
-0,004
indicele McIntosh
-0,017
-0,507
0,011
-0,024
-0,551 *
0,045
indicele Margalef
0,004
0,405
0,043
-0,042
0,384
-0,001
indicele Menhinick
-0,408
0,309
-0,370
-0,456
0,293
-0,418
indicele Gleason
0,004
0,405
0,043
-0,042
0,384
-0,001
indicele Simpson
(D)
indicele Simpson
(1-D)
indicele Simpson
(1/D)
220
Valori superioare n ceea ce privete intensitatea i semnificaia corelaiilor

s-au obinut pentru valorile indicelui IDIV_min. Acesta stabilete legturi de
intensitate cel puin slab cu toi indicii, remarcndu-se relaiile de intensitate
medie, cu asigurare statistic, cu indicii Simpson, McIntosh i echitatea Shannon.
Relaia cu indicele Berger-Parker indic n cazul pasului de 50 cm o legtur
puternic, foarte semnificativ. Legturile mai strnse dintre IDIV_min i ceilali
indicatori ai diversitii structurale vin n sprijinul observaiilor anterioare
privitoare la proprietatea acestuia de a surprinde preponderent diversitatea
structural a parametrului analizat, neglijnd o parte a informaiilor legate de
distribuia n spaiu.
Indicii IDIV i IDIV_max sunt influenai ntr-o msur mai mare de
organizarea spaial a variabilei studiate, valorile lor reflectnd acest aspect. Aceast
situaie poate explica corelaiile slabe cu valorile indicatorilor clasici ai diversitii
structurale.
S-au analizat i relaiile dintre indicele IDIV i indicii de difereniere i
dominan dimensional, acetia din urm folosind, chiar dac nu direct n relaia
lor de calcul, informaii referitoare la poziionarea n spaiu a puieilor. Valorile
coeficienilor de corelaie dintre IDIV, IDIV_min, IDIV_max i indicii T i U
calculai pentru 1-5 vecini sunt prezentate n tabelul 6.9.
ntre IDIV_min i indicele de difereniere T se constat o relaie pozitiv
de intensitate medie, caracterizat de un coeficient de corelaie semnificativ.
Numrul de vecini nu afecteaz caracterul relaiei, dar se observ c odat cu
creterea acestuia se nregistreaz o uoar scdere a intensitii legturii. Nu este
surprinztoare corelaia mai puternic dintre indicele T i valoarea minim a IDIV,
acesta din urm, dup cum remarcam i anterior, fiind mai expresiv n
caracterizarea diversitii dimensionale care nu este afectat de distribuia n spaiu.
n ceea ce privete relaia IDIV cu cele dou variante ale indicelui de
dominan U, se constat legturi de intensitate medie, dar mai puternice dect n
cazul relaiei cu indicele T.
221
221
Tabelul 6.9
Coeficienii de corelaie dintre IDIV i indicii de difereniere i dominan dimensional
relaia IDIV - T
IDIV min
IDIV max
IDIV_min
IDIV 50
25
25
50
T1
0,457
0,407
0,434
0,571*
0,570*
T2
0,490
0,435
0,468
0,543*
0,536*
T3
0,459
0,411
0,441
0,531*
0,528*
T4
0,469
0,426
0,452
0,547*
0,544*
T5
0,438
0,397
0,423
0,524*
0,526*
relaia IDIV - U varianta 1 Hui et al (1998)
IDIV min
IDIV max
IDIV_min
IDIV 25
IDIV 50
25
25
50
U1
-0,282
-0,087
-0,195
-0,262
-0,092
U2
-0,508
-0,517
-0,498
-0,480
-0,556*
U3
-0,459
-0,455
-0,540*
-0,542*
-0,542*
U4
-0,397
-0,396
-0,620**
-0,656**
-0,639**
U5
-0,355
-0,346
-0,524*
-0,551*
-0,529*
relaia IDIV - U varianta 2 Gadow i Hui (1999) i Aguirre et al (2003)
IDIV min
IDIV max
IDIV_min
IDIV 25
IDIV 50
25
25
50
U1
0,473
0,212
0,429
0,456
0,205
U2
0,468
0,437
0,612**
0,679**
0,612**
U3
0,388
0,387
0,655**
0,686**
0,669**
U4
0,267
0,257
0,677**
0,740***
0,702**
U5
0,114
0,094
0,563*
0,608**
0,578*
IDIV 25
IDIV_max
50
0,385
0,418
0,395
0,410
0,382
IDIV_max
50
-0,194
-0,526*
-0,516
-0,642**
-0,532*
IDIV_max
50
0,426
0,659**
0,673**
0,742***
0,613**
Legtura este mult mai strns cu cea de a doua variant a indicelui U (U

var 2), coeficienii de corelaie fiind distinct semnificativi sau chiar foarte
semnificativi. Relaia cu dominana se realizeaz de aceast dat prin intermediul
IDIV i IDIV_max, valorile coeficienilor de corelaie cu IDIV_min fiind
inferioare. Dominana nu pune n valoare diferenele dimensionale dintre arbori
dar surprinde mai bine informaia spaial datorit relaiei simple ce caracterizeaz
superioritatea sau inferioritatea dimensiunilor fa de o referin ntr-un spaiu
limitat bine definit.
Fundamentarea teoretic i informaia surprins de IDIV este complex i
diferit de a celorlali indicatori, drept urmare rezultatele comparaiilor confirm
ateptrile. Singurul indice apropiat ca mod de fundamentare de IDIV prin
222
capacitatea de a surprinde particularitile diversitii spaiale ale unui parametru

este cel conceput de Zenner i Hibbs (2000), modalitatea greoaie de calcul a
acestuia mpiedicnd deocamdat comparaia direct a valorilor caracteristice
fiecrei suprafee. n viitor se va studia posibilitatea algoritmizrii i implementrii
ntr-un program informatic a acestui indice spaial, pentru a studia diferenele fa
de rezultatele oferite de IDIV.
A fost acordat o atenie sporit diversitii structurale a nlimilor
datorit importanei deosebite a acestui parametru n dinamica seminiului
precum i n dezvoltarea ulterioar a arboretului. Unele cercetri (Wichmann,
2002) au artat c ierarhia dimensional n cazul nlimii se formeaz n
populaiile de arbori din stadiile incipiente de cretere i dezvoltare, neaprnd
modificri majore ale acestei ierarhii dect n cazul derulrii unor evenimente
perturbatoare majore. Corelarea informaiilor privitoare la diversitatea structurii
nlimii cu cele referitoare la distribuia n spaiu a puieilor poate fi determinant
n realizarea unor modele individuale, dependente de distan, de evaluare i
apreciere a dinamicii regenerrii arboretelor.
223
223
Capitolul 7
Evaluarea modelelor de
organizare spaial a puieilor
instalai pe cale natural
7.1. Introducere
Tobler (1970) a formulat prima lege a geografiei prin celebra sintagm
"Everything is related to everything else, but near things are more related than distant
things.", n traducere Lucrurile depind de toate celelalte lucruri, dar mai mult de cele
situate n apropiere. A fost un concept rapid adoptat i recunoscut de numeroase
alte tiine, ecologia fiind una dintre acestea. Acest principiu acord o mare
importan informaiei privitoare la organizarea n spaiu a unor evenimente, fiind
dezvoltate numeroase metode de testare a autocorelaiei, multe din aceste metode
fiind adaptate analizei modului de organizare n spaiu - indicele Moran, indicele
Geary sau testul Mantel.
Distribuia n spaiu a indivizilor influeneaz o gam larg de procese
specifice unui ecosistem, de aceea s-a acordat o atenie sporit studierii acesteia.
Cele mai utilizate metode de cercetare sunt cele ale analizei proceselor punctiforme,
care au drept model de reprezentare aa numitul spatial point pattern, termen
utilizat la noi n diverse forme: tipar spaial, model de aranjare n spaiu sau model
de organizare spaial.
Diggle (1983) definete tiparul spaial ca fiind o mulime format din
poziiile evenimentelor situate ntr-o zon de interes. Accentundu-i importana,
Goreaud i Pelissier (2003) afirm c tiparul spaial se constituie ntr-o veritabil
224
Capitolul 7. Evaluarea modelelor de organizare spaial a puieilor instalai pe cale natural
amprent ecologic specific fiecrui ecosistem. n ceea ce privete importana

acestor informaii n cercetarea forestier, Nigh (1997) consider coordonatele
poziiei arborilor instrumente utile ce permit specialistului silvic s rezolve aspecte
privitoare la dinamica arboretelor evaluarea competiiei, creterii i dezvoltrii.
Probabil una din primele cercetri care a folosit informaiile privitoare la
poziiile n spaiu ale indivizilor a fost estimarea densitii n baza distanelor
calculate dintre arbori, prezentat de ctre Konig (1835) n lucrarea Die ForstMathematik. Ulterior Svedberg n 1922 (citat de Stoyan, Penttinen, 2000) a
folosit procesele Poisson pentru a explica modul de organizare n spaiu a
populaiilor de plante. Introducerea unor metode moderne de analiz a proceselor
punctiforme n populaiile de arbori a fost realizat de ctre Matern (1960) i
Warren (1972) (citai de Stoyan, Penttinen, 2000). Trebuie amintite i lucrrile
devenite clasice ale lui Ripley (1981), Diggle (1983), Cressie (1991, citat de
Haining, 2004) sau lucrri importante aprute mai recent: Dale (2004), Fortin i
Dale (2005), Illian et al (2008).
Principalele modele de organizare n spaiu (modelul aleatoriu, agregat i
uniform) au fost prezentate n subcapitolul 3.4.2, fiind amintite i metodele de
investigare ce sunt folosite n stabilirea abaterii unui tipar de la ipoteza CSR
(Complete spatial randomness), ipoteza central a teoriei analizei proceselor
punctiforme bazate pe distribuia omogen Poisson.
Numrul indivizilor i modul de poziionare al acestora n spaiu nu sunt
suficiente pentru a caracteriza ct mai complet o populaie de arbori. Specia i
caracteristicile biometrice msurate sau calculate sunt importante n definirea
structurii, fapt ce a condus la folosirea aa numitelor procese etichetate sau marcate
(marked point processes/fields) (Penttinen et al., 1992; Stoyan, Stoyan, 1994). n
acest caz fiecrui punct i este ataat o etichet, ce poate fi folosit n analizele
ulterioare, trecndu-se n acest mod de la analizele univariate (ce testeaz abaterea
de la CSR) la analize bivariate (ce testeaz abaterea de la independena sau de la
randomizarea etichetrii) (Goreaud i Pelissier, 2003). Procesele etichetate pot s
fac trecerea spre indicii de competiie dependeni de distane, care folosesc n
225
225
aceeai msur elementele biometrice i informaia spaial dar ntr-o alt form.
Metodele specifice analizei spaiale sunt extrem de adecvate aplicrii n
cercetrile privitoare la regenerarea arboretelor datorit numrului mare de indivizi
pe suprafa i numeroaselor tipare de organizare ntlnite. Astfel se explic i faptul
c una dintre primele aplicaii ale proceselor punctiforme a vizat chiar modul de
organizare n spaiu a puieilor (Ripley, 1976), observndu-se c puieii de sequoia
nu sunt rspndii conform unui proces Poisson. n ultimii ani au fost efectuate
numeroase cercetri care au urmrit acest tip de aspecte n regenerri (Awada, et al.,
2004; Camarero et al., 2005; Fajardo et al., 2006; Gratzer, Rai, 2004; Hofmeister
et al., 2008; Maltez-Mouro et al., 2007; McDonald et al., 2003; Montes et al.,
2007; Nigh, 1997; Paluch, 2005).
n cazul de fa obiectivele propuse n acest capitol se refer la:
stabilirea tiparului de organizare spaial a puieilor n general sau

a unor clase de puiei prin folosirea unor metode diferite (inclusiv
stabilirea unor parametri ce caracterizeaz agregarea);
testarea unor ipoteze privitoare la asocierea dintre puieii unor

specii diferite;
evaluarea relaiilor competiionale dintre puiei prin intermediul

unor metode care s in cont de informaia spaial.
226
7.2. Determinarea modelelor de organizare spaial prin metode

independente de distane
Metodele independente de distan care urmresc determinarea tipului de
distribuie n spaiu folosesc informaii privitoare la variaia densitii
evenimentelor pentru a evalua situaia la nivelul unei suprafee. Datele legate de
modul de organizare n spaiu a indivizilor sunt folosite n mod indirect n evaluri,
de aceea metodele sunt denumite generic independente de distan. Cea mai
cunoscut abordare a acestui concept este metoda quadratelor (quadrat sampling),
dezvoltat n urma cercetrilor de la nceputul secolului trecut ale lui Gleason
(1920). Metoda se bazeaz pe mprirea ariei de studiu n uniti statistice
elementare (quadrate) de dimensiune egal n care se nregistreaz frecvena
evenimentelor i apoi se compar raportul dintre variana frecvenelor
experimentale i medie cu raportul unei distribuii randomizate, care respect
ipoteza CSR (Complete spatial randomness). Analiza datelor urmrete detectarea
tipului modelului de organizare spaial - randomizat, agregat sau uniform prin
intermediul valorilor obinute pentru o serie de indici sintetici.
La noi n ar, dei o parte din indicii de distribuie spaial sunt
menionai de cteva decenii n literatura de specialitate (Botnariuc i Vdineanu,
1982) aplicarea lor a fost posibil mult mai trziu (Cenu, 1996 a; Popa, 2001;
Avcriei, 2005). Acest lucru a fost datorat nu caracterului modern de analiz ci
faptului c prelucrrile numerice ce trebuie efectuate n vederea stabilirii valorii
indicilor respectivi sunt relativ complexe, calculatorul fiind n acest caz un
instrument extrem de folositor. Dezvoltarea unor aplicaii de calcul tabelar a uurat
ntr-o oarecare msur calculul acestor indici. Totui, chiar cu ajutorul unei
aplicaii de calcul tabelar, multe din aceste prelucrri ale datelor ar fi imposibil de
efectuat fr cunotine de programare n VBA (Visual Basic for Applications).
Pentru a putea prelucra datele conform acestei tehnici de analiz, precum
i pentru a veni n ntmpinarea cercettorilor care doresc s efectueze studii asupra
proceselor spaiale, dar nu posed toate cunotinele necesare prelucrrii datelor am
227
227
realizat o aplicaie software proprie de analiz i interpretare a distribuiilor spaiale.

Prima versiune a aplicaiei SPATIAL (Palaghianu, Horodnic, 2007) avea o
aplicabilitate restrns, dar ulterior au fost adugate module noi de analiz i
interpretare a datelor. Principalele mbuntiri se refer la integrarea unor noi
module de prelucrare a datelor prin metode dependente de distane, nglobarea
unor subrutine de eliminare a efectului de margine, automatizarea interpretrilor
statistice ale indicilor calculai i introducerea posibilitii de creare a unor fiiere de
configurare care rein preferinele de analiz ale utilizatorilor.
Aplicaia a fost realizat n mediul de dezvoltare Microsoft Visual Basic,
fiind conceput sub forma unui fiier executabil independent care preia datele
dintr-un registru de lucru de tip Microsoft Excel.
SPATIAL posed patru module, primul dintre ele efectund o prelucrare
prin metoda quadratelor iar celelalte trei furnizeaz rezultate obinute n urma unor
prelucrri prin metode dependente de distan. Modulul de analiz prin metoda
quadratelor are ca date de intrare coordonatele arborilor, dimensiunile suprafeei
studiate i dimensiunile unui quadrat. n baza acestor date, programul calculeaz o
serie de indici i stabilete tipul de structur spaial prin interpretarea statistic a
valorii acestora la un prag de semnificaie de 5%.
Figura 7.1 Interfaa aplicaiei SPATIAL
228
Sunt determinai urmtorii indici: indicele de dispersie (ID), indicele

mrimii agregatului (ICS), indicele Morisita ( I ) i indicele Green (C), detaliile
privitoare la relaiile de calcul i modul de interpretare a acestora fiind prezentate n
continuare.
Indicele de dispersie (ID) - indicele cu cea mai simpl relaie de calcul se
bazeaz pe raportul dintre varian i medie, indicnd o structur aleatoare la valori
egale ale celor dou caracteristici (ID=1), o structur agregat la valori supraunitare
(ID>1), respectiv uniform pentru un raport subunitar (ID<1), (Botnariuc i
Vdineanu, 1982).
ID =
s2
x
(7.1)
2
Testarea semnificaiei pentru pragul de 5% se face cu ajutorul testului
la (n-1) grade de libertate, ipoteza nul CSR fiind respins n cazul n care:
s2
(n 1) 02.975 02.025
x
(7.2)
n - numrul de quadrate;
s2 - variana numrului de evenimente pe quadrate;
x media numrului de evenimente pe quadrat.

Indicele mrimii agregatului (ICS) este un indice prezentat n 1954 de
ctre David i Moore (citai de Green, 1966) similar ca i concepie indicelui de
dispersie. Interpretarea este asemntoare, comparaia efectundu-se n acest caz
fa de 0, valoarea la care structura este aleatoare. O valoare pozitiv indic o
structur agregat, iar valorile negative identific o structur uniform.
s2
ICS =
1
x
(7.3)
Interpretarea statistic se face prin intermediul testului u bilateral. Se

calculeaz:
z=(
s2
x
1)
(n 1)
2
(7.4)
229
229
i se compar cu valoarea critic u pentru un prag de semnificaie (u=1,96

pentru pragul de 5%). n cazul n care z [ 1,96 + 1,96] se respinge ipoteza nul
CSR i se realizeaz interpretarea structurii prin compararea valorii indicelui cu 0.
Indicele Morisita este unul dintre cei mai cunoscui indici de
caracterizare a tiparului distribuiei spaiale, conceput de ctre cercettorul japonez
Morisita (1962). Hurlbert (1990) consider c este cel mai stabil indice, fiind
extrem de versatil i foarte puin afectat de dimensiunea quadratului.
(x ) x
= n
( x ) x
2
(7.5)
n numrul de quadrate,
xi numrul de evenimente din quadratul i.
Semnificaia abaterii de la distribuia Poisson se apreciaz prin intermediul
2
testului , dup relaia:
2
exp
= I ( xi 1) + n xi
(7.6)
Ipoteza nul (CSR) va fi admis dac valoarea experimental a

lui corespunztoare unui numr de n-1 grade de libertate se ncadreaz n
2
intervalul: 02.975 02.025 . n cazul abaterii de la tipul de distribuie aleatoare,

valoarea indicelui I mai mare de 1 indic o structur agregat, iar o valoare mai
mic de 1 o structur uniform.
Indicele Morisita este singurul indice care este dublat de o justificare a
valorii sale, unii autori (Hurlbert, 1990) reprond celorlali indici lipsa explicaiei
valorii lor.
I msoar de cte ori este mai mare probabilitatea ca doi indivizi
selectai la ntmplare s aparin aceluiai quadrat fa de probabilitatea ca x

indivizi din populaie s fie distribuii aleatoriu n spaiu. n aceste condiii o
valoare a indicelui de 1,5 semnific faptul c probabilitatea ca doi indivizi alei
ntmpltor s aparin aceluiai quadrat este cu 50% mai mare fa de cazul n care
n care distribuia indivizilor ar fi aleatoare.
230
Indicele Green - conceput de Green (1966), a fost considerat de ctre

autorul su un indice puin afectat de numrul de quadrate sau de mrimea
acestora. Green l-a realizat pentru a surprinde situaii pe care ceilali indici, n
opinia sa, nu reueau s le caracterizeze n mod adecvat. Relaia de calcul este:
C =(
1
s2
1)
x
x
i 1
(7.7)
s2 - variana numrului de evenimente pe quadrate;

xi numrul de evenimente din quadratul i.
Interpretarea se face prin intermediul variabilei normale u, dup relaia:
u = 2z 2 2 f 1
(7.8)
2
iar valoarea experimental a testului statistic este: z = s (n 1)
x
f = n-1 - reprezint numrul gradelor de libertate;
(7.9)
n - reprezint numrul de uniti statistice elementare.

n cazul n care u > 1,96 se respinge ipoteza CSR a structurii aleatoare i
se poate stabili modelul organizrii spaiale n funcie de valoarea indicelui C.
Green a stabilit c valorile pozitive (C poate atinge maxim valoarea 1) indic o
structur agregat (numit de ctre autor contagiozitate pozitiv conform
terminologiei introduse de Cole, 1946), iar valorile negative (valoarea minim: 1/(x - 1)) indic o structur uniform (contagiozitate negativ).
n lucrarea de prezentare a indicelui C, Measurement of non-randomness in
spatial distributions, Green afirm c nu exist nici un indice perfect, capabil s
identifice toate situaiile particulare ale structurii spaiale, considernd propriul
indice mai potrivit identificrii structurilor agregate dect celor uniforme.
Un avantaj al folosirii programului SPATIAL pentru analiza datelor const
i n faptul c se pot preciza dimensiuni diferite pentru quadrate. Acest lucru este
important deoarece prin metoda quadratelor se pot obine rezultate diferite n ceea
ce privete organizarea spaial la o variaie a dimensiunilor quadratului. La
creterea mrimii quadratului se pot obine valori mai mari ale indicelui de
dispersie, ceea ce poate conduce (pentru unii indici) spre o structur de tip agregat.
231
231
Figura 7.2 Exemplu de grafic de repartiie a evenimentelor pe quadrate i modul de
numerotare a suprafeelor statistice elementare (SPATIAL)

Alegerea mrimii quadratului este, aadar, de maxim importan n
interpretarea rezultatelor obinute. Aplicaia SPATIAL permite efectuarea rapid a
calculelor pentru diferite dimensiuni ale quadratului i astfel d posibilitatea
cercettorului s stabileasc care este dimensiunea optim a acestuia din perspectiva
obiectivelor propuse. Programul realizeaz ncadrarea automat a fiecrui punct n
quadratul corespunztor i ntocmete un grafic pentru verificarea corectitudinii
ncadrrii, calculeaz indicii spaiali menionai anterior i ofer interpretarea
statistic a valorii acestora, calculeaz frecvena evenimentelor pe fiecare quadrat i
de asemenea efectueaz o distribuie a quadratelor pe clase ale numrului de
evenimente pe quadrat.
Pentru o nelegere facil a analizelor ulterioare i pentru a clarifica
modalitatea de interpretare a informaiilor spaiale se prezint un exemplu folosind
cele trei situaii corespunztoare principalelor tipare de distribuie n spaiu
uniform, aleatoriu i agregat. Se prezint grafic distribuia n spaiu, valorile
indicilor prezentai anterior precum i caracteristicile distribuiei pe clase ale
numrului de evenimente pe quadrat.
232
Figura 7.3 Exemplu de structur spaial uniform (A), aleatoare (B), i agregat (C) valorile indicilor de caracterizare i distribuia frecvenelor relative ale quadratelor pe
clase ale numrului de evenimente pe quadrat
233
233
Legat de numrul adecvat de quadrate care trebuie utilizat n analiz,

Green (1966) sugereaz un minim situat n jurul valorii de 50 de quadrate pentru
calculul indicilor specifici acestei metode (pentru situaia dat latura maxim a
quadratului ar trebui s fie de 100 cm, pentru care s-ar obine 49 de quadrate).
Acest fapt trebuie corelat i cu afirmaiile lui Gratzer i Rai (2004) care consider c
metoda quadratelor trebuie efectuat pentru un numr de minim 15 evenimente pe
quadrat (n situaia dat latura minim a quadratului ar trebui s fie de 100 cm,
pentru care s-ar obine o densitate a evenimentelor pe suprafaa statistic
elementar de 14,8). Unii au sugerat c aria unui quadrat ar trebui s fie apropiat
de dublul suprafeei medii aferente unui eveniment (Lembo, 2007) n cazul de
fa, innd cont de densitatea puieilor pe suprafa s-ar obine latura quadratului
de circa 40 cm n ipoteza unor suprafee statistice elementare de form ptrat.
innd cont de aceste aspecte, de dimensiunile suprafeelor de prob i de
densitatea evenimentelor s-a decis folosirea n analiz a trei variante dimensionale
50x50 cm, 70x70 cm i 100x100 cm, care s acopere intervalul calculat anterior.
ncadrarea n cele trei tipuri de structur s-a realizat prin folosirea testelor
statistice specifice fiecrui indicator pentru a se testa dac abaterile de la CSR sunt
semnificative (s-a folosit pragul de semnificaie de 5%) iar apoi s-au interpretat
valorile individuale ale indicilor calculai. Valorile indicilor i testelor statistice
folosite, precum i graficele pentru toate suprafeele n cele trei variante
dimensionale de analiz sunt prezentate n anexa 7 i 8.
n toate cele 10 suprafee studiate s-au obinut diferene statistic
semnificative fa de ipoteza distribuiei aleatoare n spaiu a puieilor, n cazul
tuturor variantelor dimensionale ale quadratelor. Mai mult, valorile indicilor au
evideniat acelai tipar de distribuie n spaiu a puieilor tiparul agregat. Aceste
rezultate sunt n concordan cu cele ale altor cercetri efectuate n suprafeele cu
regenerare, menionate n literatura de specialitate (McDonald et al., 2003; Awada,
et al., 2004; Gratzer, Rai, 2004; Camarero et al., 2005; Paluch, 2005; Fajardo et
al., 2006; Maltez-Mouro et al., 2007; Montes et al., 2007).
234
Rezultatele sunt prezentate grafic n figura 7.4 n relaie cu desimea

puieilor, la dimensiunea quadratului de 100x100 cm, pentru valorile indicelui
Morisita. A fost aleas aceast dimensiune datorit faptului c diferenele dintre
cele trei alternative sunt reduse, iar varianta de 100x100 cm este cea care rspunde
cerinelor la dou dintre cele trei criterii utilizate n stabilirea suprafeei adecvate a
unui quadrat. n privina indicatorului ales, s-a optat pentru indicele Morisita care
are un comportament mai stabil dect ceilali indici la variaia dimensiunii
quadratului (Hurlbert, 1990). n mod normal se consider c o cretere a
dimensiunii quadratului conduce n mod artificial la creterea tendinei de agregare
n cazul evalurilor bazate pe analiza raportului dintre varian i medie. Indicele
Morisita nu este afectat de acest fenomen, n suprafeele studiate nregistrnd chiar
o uoar scdere la creterea suprafeei quadratului. Un motiv n plus pentru
alegerea indicelui este faptul c este singurul care ofer o explicaie a valorii sale.
Legtura dintre desimea puieilor i indicele Morisita este caracterizat prin
coeficieni de corelaie negativi ce indic o intensitate medie i chiar puternic: 0,77 ** (n varianta 50x50cm), -0,70* (70x70cm) i -0,69 * (100x100cm).
Scderea intensitii de agregare odat cu creterea desimii confirm rezultatele
nregistrate anterior la punctul 5.1 (redate sintetic n figura 5.19).
Figura 7.4 Variaia tendinei de agregare exprimate prin indicele Morisita, n

relaie cu desimea puieilor n suprafeele studiate
235
235
Creterea concurenei determin o valorificare superioar a spaiului

printr-o rspndire a indivizilor ce tinde s urmeze un model uniform de
organizare spaial (Cole, 1946). Rezultate similare a nregistrat Pretzsch (1997) n
cazul unor arborete de fag i larice.
Metoda quadratelor este una dintre cele mai simple i mai rapide metode
utilizate n determinarea organizrii n spaiu a evenimentelor dar prezint anumite
puncte slabe:
mrimea quadratului poate influena rezultatele obinute;
nu s-a definit o mrime optim a quadratului, fiind nevoie n unele cazuri

de analiza unei multitudini de variante dimensionale;
se msoar dispersia bazat pe densitatea evenimentelor i nu se identific

relaiile dintre elementele individuale;
ncadrarea ntr-un anumit tipar se face pentru toat suprafaa, neputnd fi

identificate variaii n interiorul acesteia; probleme de fundamentare i
interpretare a unor indici - a se vedea consideraiile lui Hurlbert (1990)
asupra distribuiilor unicorniene (distribuii cu raportul dintre varian i
medie unitar dar care difer semnificativ de distribuiile Poisson) i asupra
ambiguitii conceptului de agregare.
Cu toate acestea reprezint o metod accesibil i adecvat de analiz,
frecvent folosit de numeroi cercettori, care poate s ofere informaii utile asupra
naturii organizrii n spaiu a elementelor unui sistem.
236
7.3. Determinarea modelelor de organizare spaial i asociere prin metode

bazate pe distanele dintre puiei
Pentru a compensa o parte din dezavantajele metodelor independente de
distan, au fost dezvoltate metode de analiz care includ explicit informaia
spaial n prelucrarea datelor. Acestea sunt denumite generic metode dependente
de distane datorit faptului c se bazeaz pe media distanelor dintre cei mai
apropiai vecini i prezint avantajul c interpretarea se poate face nu doar la nivelul
ntregii suprafee, ci i n interiorul ariilor studiate.
Cea mai folosit categorie de metode dependente de distan este metoda
celui mai apropiat vecin (nearest neighbour) (Clark i Evans, 1954) ce compar
distribuia distanelor dintre cele mai apropiate evenimente cu distribuia teoretic
Poisson, corespunztoare unui proces spaial aleator. Interpretarea abaterii de la
ipoteza CSR (Complete spatial randomness) se face prin metode variate prin
intermediul valorilor unor indici sintetici sau prin analiza grafic a distribuiei
cumulative a distanelor.
i n cazul aplicrii acestei metode s-a folosit aplicaia proprie SPATIAL,
creia i-au fost aduse mbuntiri substaniale comparativ cu varianta iniial
conceput. Aplicaia SPATIAL include n prezent trei module de prelucrare a
datelor prin metoda distanelor ce folosesc drept date de intrare coordonatele
arborilor, dimensiunile suprafeei studiate i limea benzii de tampon n cazul n
care se dorete eliminarea erorilor provocate de efectul de margine. Datele sunt
preluate dintr-o foaie de calcul de tip Microsoft Excel iar rezultatele sunt salvate n
registrul de lucru iniial. Pentru automatizarea complet a prelucrrilor, toate
setrile iniiale referitoare la prelucrarea datelor pot fi salvate ntr-un fiier de
configurare extern.
Metodele dependente de distan prezint i anumite dezavantaje, care in
de stabilirea limitelor ferestrei de observaie i de efectul de margine care poate
afecta rezultatele prelucrrilor.
Efectul de margine n analizele spaiale se refer la erorile aprute n
237
237
rezultate ca urmare a ignorrii elementelor situate n afara marginilor aa numitei

ferestre de observaie (Illian et al., 2008), elemente care pot stabili relaii cu cele din
interiorul ariei studiate. Au fost propuse mai multe soluii de corectare a acestui
efect (Ripley, 1981; Besag, 1977 ; Getis, Franklin, 1987; Stoyan, Stoyan, 1994;
Haase, 1995; Goreaud, Pellisier, 1999; Pommerening, Stoyan, 2006), n general
fiind folosite patru categorii de metode de corecie (Tokola, 2004; Illian et al.,
2008):
inventariere suplimentar (plus sampling) pentru a avea

informaii complete despre vecini;
folosirea unei zone tampon (minus sampling) dei se inventariaz

toat suprafaa, se las o zon de tampon, calculele efectundu-se
doar pentru zona central (core area);
inventarierea n oglind sau folosind nfurarea pe un toroid

(toleroid edge correction sau mirror sampling) calculele se
efectueaz n baza datelor obinute prin copierea unei zone de
margine n zona tampon opus;
acordarea unor ponderi observaiilor (weighting of observations)

datele privitoare la vecinti sunt ponderate n funcie de
probabilitatea existenei informaiilor n respectiva zon.
Metodele de corectare a efectului de margine vor fi alese n funcie de tipul

datelor, modalitatea de eantionare i tehnicile de analiz spaial utilizate (Dale,
2004; Fortin, Dale, 2005). n cazul unor dimensiuni mari ale ferestrei de
observaie, cu un numr mare de evenimente, efectul de margine poate fi ignorat
(Pommerening, Stoyan, 2006; Illian, 2008).
n aplicaia SPATIAL s-a inut cont de efectul de margine, utilizatorul
avnd posibilitatea de a corecta consecinele acestuia prin introducerea limii
benzii de tampon care va fi folosit n calcule. Aceast valoare trebuie stabilit n
funcie de numrul considerat al celor mai apropiai vecini i de distana medie fa
de acetia.
238
7.3.1. Analiza prin intermediul indicilor dependeni de distan

Una din abordrile cele mai rapide i mai utilizate ale metodelor
dependente de distan este reprezentat de interpretarea tiparului spaial prin
intermediul valorii unor indici sintetici. Indicii sunt calculai n funcie de media
distanelor fa de cel mai apropiat vecin al fiecrui eveniment, iar apoi se
efectueaz o comparaie cu media distanelor fa de cel mai apropiat vecin n
ipoteza unei distribuiri aleatoare n spaiu.
Aplicaia SPATIAL calculeaz o serie de indicatori menionai n literatura
de specialitate, care sunt folosii n scopul stabilirii tipului de organizare. Se
efectueaz i o interpretare statistic a valorilor obinute, pentru a vedea dac se
poate respinge H0 - ipoteza de nul CSR (conform creia evenimentele sunt
distribuite aleator n suprafa). Conform ipotezei alternative H1 evenimentele sunt
dispuse nerandomizat (dispunere agregat sau uniform). Au fost folosite n funcie
de recomandrile din literatura de specialitate referitoare la fiecare tip de indice,
testele 2 i testul u bilateral, la un prag de semnificaie de 5%.
Se prezint relaiile de calcul ale indicilor determinai de aplicaia
SPATIAL, precum i interpretarea valorilor acestora i a modului de testare a
semnificaiei lor statistice.
Media distanelor fa de cel mai apropiat vecin
n
d=
i =1
(7.10)
di distana de la evenimentul i la cel mai apropiat vecin;

n numrul de evenimente din suprafa.
Media distanelor fa de cel mai apropiat vecin n ipoteza unei
distribuiri aleatoare n spaiu (dCSR)
d CSR =
1
2
(7.11)
n
2
A
n numrul de evenimente din suprafa;

239
239
A aria suprafeei analizate;

- densitatea de evenimente pe suprafa.
Dispersia distanei fa de cel mai apropiat vecin
(d
n
s2 =
i =1
(7.12)
n 1

n numrul de evenimente din suprafa.
Indicele Fisher este mai puin folosit, fiind derivat din testul introdus de
Fisher (et al. 1922) pentru testarea asocierii nentmpltoare a evenimentelor.
Valoarea sa este bazat pe controversatul raport dintre varian i medie.
If =
s2
d
(7.13)
O valoare apropiat de 1 indic o structur aleatoare (If 1), valorile

subunitare o structur uniform (If <1), iar cele supraunitare o structur agregat
(If >1).
Pentru testarea semnificaiei se folosete produsul If (n-1) care se compar
cu valoarea lui 2 corespunztoare la (n-1) grade de libertate. Ipoteza nul se
respinge pentru pragul de semnificaie de 5% (test bilateral) dac If este mai mic
dect valoarea critic 2 pentru p=0,975 sau este mai mare dect valoarea critic 2
pentru p=0,025.
Indicele de agregare ClarkEvans este unul din cei mai cunoscui i
utilizai indici de testare a abaterii de la distribuia aleatoare, prezentat de Clark i
Evans (1954) n lucrarea devenit clasic Distance to nearest neighbour as a measure
of spatial relationships in populations. Cei doi autori menioneaz o aplicaie a
indicelui n mediul forestier, identificnd un tipar uniform n stejretele din
Michigan. Valoarea indicelui reprezint o standardizare a mediei distanei fa de
cel mai apropiat vecin, reprezentnd proporia acesteia din media distanelor fa
de cel mai apropiat vecin n ipoteza unei distribuiri aleatoare n spaiu a
evenimentelor.
240
R=
d CSR
d
= 2d
1
n
n
=
A ( xmax xmin )( y max y min )
unde: =
(7.14)
(7.15)
x, y - valorile extreme ale poziiilor carteziene ale arborilor;

- densitatea de evenimente pe suprafa;
A aria suprafeei analizate.
Pentru a testa semnificaia valorii indicelui i a stabili dac se respinge
ipoteza nul s-a folosit testul propus de Clark i Evans. S-a calculat variabila
repartizat normal:
c=
d d CSR
unde d
(7.16)
CSR
CSR
reprezint abaterea standard a mediei aritmetice a distanei
dintre cei mai apropiai vecini n ipoteza unei distribuii aleatoare de densitate .
CSR
4
0.26136
=
4 n
n
(7.17)
Dac valoarea absolut|c| > 1,96 (la pragul de semnificaie de 5%) sau 2,58
(la pragul de semnificaie de 1%) se respinge ipoteza nul i se va stabili tiparul
spaial n funcie de valoarea indicelui R. Valorile mai mici de 1 indic o structur
agregat, iar cele mai mari de 1 o structur uniform (maximul R este de 2,1491
pentru distribuia punctelor ntr-o reea hexagonal perfect). Valoarea R=1 este
caracteristic unei structuri perfect aleatoare.
Indicele Donnelly - folosind o serie de simulri, Donnelly n 1978 (citat
de Ripley, 1981) a efectuat modificri formulei iniial concepute de Clark i Evans,
n vederea corectrii erorilor determinate de efectul de margine.
241
241
IC =
(7.18)
d CSR _ corectata
d CSR _ corectata = 0.5
A
P 0.041 P
+ 0.0514 +
n
n
n3
(7.19)
P - perimetrul suprafeei experimentale;

A aria suprafeei analizate.
Testarea statistic a semnificaiei se face folosind aceeai relaie introdus
de Clark i Evans, folosind ns distana corectat conform formulei (7.19).
Abaterea standard a mediei aritmetice a distanei dintre cei mai apropiai vecini n
ipoteza unei distribuii aleatoare de densitate este:
CSR
A
1
0.07 A + 0.037 P
n
n
(7.20)
Ipoteza nul se respinge la valori ale |c| mai mari de 1,96 (la pragul de
semnificaie de 5%) sau 2,58 (la pragul de semnificaie de 1%). Valorile mai mici
de 1 indic o structur agregat, iar cele mai mari de 1 o structur uniform.
Indicele Skellam a fost iniial fundamentat de ctre Skellam (1952),
fiind modificat apoi de ctre Hopkins i Skellam (1954) (citai de Lesseps, 1975).
n
IS = 2 d i2
(7.21)
i =1

- densitatea de evenimente pe suprafa.
Valoarea pentru acest indice n cazul unei distribuii aleatoare este de 2n,
de aceea pentru interpretare se folosete raportul IS/2n. Dac acest raport este mai
mare de 1, structura este uniform, iar pentru valori subunitare structura este
agregat. Pentru testarea semnificaiei se folosete valoarea indicelui IS care se
compar cu valoarea testului 2 pentru 2n grade de libertate. Ipoteza nul se
respinge pentru pragul de semnificaie de 5% (test bilateral) dac IS este mai mic
242
dect valoarea critic 2 pentru p=0,975 sau este mai mare dect valoarea critic 2
pentru p=0,025.
Indicele Pielou
- conceput de Pielou (1959), este asemntor ca
fundamentare cu indicele Skellam (valoarea indicelui Pielou este echivalent cu

valoarea testului IS/2n). Pielou recomanda n formularea iniial utilizarea
distanelor dintre puncte aleatoriu alese i evenimente pentru a uura calculele. n
multe cazuri este ns folosit formula ce utilizeaz direct distanele dintre
evenimente:
unde: =
IP =
d
i =1
2
i
1
n
(7.22)

- distana ptratic medie dintre evenimente.

Valoarea unitar (IP =1) corespunde unui proces aleatoriu, o valoare mai
mare de 1 corespunde unei structuri uniforme, iar mai mic de 1 unei structuri
agregate (n multe lucrri interpretarea este dat exact invers datorit faptului c nu
se ine cont de formularea iniial a lui Pielou care se referea la distana dintre
puncte aleatoriu alese i evenimente). Semnificaia se testeaz prin compararea
valorii: D = 2
2
i
(7.23)
i =1
cu valoarea testului 2 pentru 2n grade de libertate. Ipoteza nul se
respinge dac valoarea D nu aparine intervalului 02.975 02.025 .

Datorit relaiei dintre indicele Pielou i Skellam aplicaia SPATIAL
precizeaz o valoare comun pentru indicele Pielou i testul Skellam. Pentru
calculul valorii testului 2 a fost adaptat i implementat algoritmul propus de
Ibbetson (1963) n lucrarea Algorithm 209: Gauss deoarece funcia CHIINV a
Microsoft Excel nu este definit pe anumite intervale n cazul unor valori mari ale
numrului de grade de libertate.
243
243
Figura 7.5 Identificarea tipului de structur spaial n suprafeele studiate pe baza

interpretrii valorii i semnificaiei statistice a indicilor dependeni de distan
Valorile indicilor au fost calculate fr a corecta efectul de margine datorit

faptului c literatura de specialitate recomand folosirea coreciilor pentru acest tip
de prelucrri doar n cazul unui volum mic de evenimente (Illian, 2008).
n figura 7.5 este prezentat sintetic situaia pe suprafee a tipului de
structur spaial determinat prin intermediul indicilor dependeni de distan.
Valorile indicilor i a testelor statistice utilizate sunt prezentate n anexa 9.
Comparativ cu situaia identificat prin metoda quadratelor se observ unele mici
diferene, cu precdere n suprafeele 8 i 9, unde doar indicele Fisher a indicat o
abatere semnificativ de la CSR n direcia unei contagioziti pozitive. n
suprafeele 8 i 9 au fost nregistrate tiparele cele mai apropiate de distribuia
Poisson, n restul suprafeelor fiind nregistrate majoritar tipare agregate.
n ceea ce privete capacitatea indicilor de a surprinde informaia spaial
se constat diferene mai ales n privina indicilor Fisher i Pielou/Skellam, indici
cu relaii de calcul simpliste. n literatura de specialitate indicele Clark-Evans (sau
varianta Donnelly a acestui indice care include o corecie a efectului de margine)
este considerat cel mai expresiv, datorit modului de fundamentare - faptul c
include direct n relaia de calcul comparaia cu distana medie n ipoteza CSR.
Pentru a explica diferenele dintre suprafee privitoare la tendina
244
procesului contagios de distribuie n spaiu au fost studiate relaiile dintre indicii

de determinare a tiparului spaial i o serie de caracteristici structurale ale
suprafeelor analizate. n anexa 10 se prezint situaia complet a valorilor
coeficienilor de corelaie.
n continuare se face referire doar la relaia indicelui de agregare ClarkEvans cu atributele structurale selectate (figura 7.6). S-a ales acest indice datorit
versatilitii i intensei utilizri n lucrrile de cercetare. n plus comportamentul
celorlali indici n relaia cu atributele structurale este similar.
Desimea influeneaz n mod cert agregarea puieilor, acest aspect fiind
evideniat n unele cercetri (Pretzsch, 1997) precum i n analiza precedent prin
metoda quadratelor. Valorile coeficienilor de corelaie indic legturi puternice,
distinct semnificative i foarte semnificative. Pentru indicele Clark-Evans s-a
nregistrat un coeficient de corelaie de -0,805**, cele mai puternice legturi fiind
cu indicele Fisher (-0,918***) i Skellam (0,967***), n relaia de calcul a celui din
urm intervenind direct desimea. Se confirm nc odat c la creterea desimii,
datorit competiiei intense se accentueaz procesele repulsive (contagiozitatea
negativ).
Parametrii biometrici influeneaz n mic msur distribuia spaial
surprins de indici, singurele relaii evidente fiind surprinse n cazul nlimii i
volumului coroanei. Acestea sunt n general de intensitate slab, fr acoperire
statistic. Singura relaie semnificativ s-a nregistrat ntre volumul coroanei i
indicele Fisher (0,710*). Creterea nlimii medii poate conduce la o intensificare
a proceselor repulsive dintre puiei, aspect natural i firesc. Este ns interesant n
cazul volumului coroanei (nu i a suprafeei exterioare a coroanei) c la o cretere a
mediei acestui parametru se constat o amplificare a tendinelor de agregare. n
aceast situaie consider c trebuie analizat cu pruden relaia dintre cele dou
elemente, media volumului coroanei fiind un parametru cu o reprezentativitate
extrem de sczut innd cont de neomogenitatea sa (coeficieni de variaie n
general de peste 150-200%, chiar de peste 400% n suprafeele 3 i 6). n sprijinul
acestei preri vine i faptul c nu s-a obinut o corelaie asemntoare cu suprafaa
245
245
exterioar a coroanei, un parametru mult mai omogen i care exprim ntr-o

msur similar gradul de expansiune al coroanei puieilor pe vertical i orizontal.
S-a studiat i legtura dintre intensitatea agregrii i indicatorii diversitii
structurale (calculai pentru nlimi). S-au constatat legturi slabe cu indicii clasici
de apreciere a neomogenitii structurale (Shannon, Simpson), singurul indice
pentru care s-au obinut intensiti slabe spre medii ale corelaiei (dar
nesemnificative din punct de vedere statistic) fiind indicele Gleason. Legturi mai
intense (de intensitate slab i medie) i n anumite cazuri semnificative (0,659*
pentru indicele Skellam) au fost stabilite cu indicele fundamentat n aceast lucrare
IDIV. Cele mai intense legturi s-au realizat cu valoarea medie IDIV observat i
nu cu valorile poteniale IDIV_min sau IDIV_max. Valori superioare ale
coeficienilor de corelaie au fost nregistrate pentru legtura cu IDIV_50 (pasul de
analiz de 50cm) comparativ cu IDIV_25.
Organizarea spaial stabilete legturi slabe sau chiar neconcludente cu
indicii de difereniere dimensional T, indiferent de numrul de vecini considerai
n relaia de calcul, fiind mai intense relaiile cu indicii de dominan, n special U
var 2 varianta a doua de calcul, propus de Gadow i Hui (1999) i Aguirre (et
al., 2003).
Rezultatele indic faptul c o cretere a diversitii structurale a nlimilor
conduce la creterea uniformitii distribuiei n spaiu a puieilor. Observaia este
foarte interesant i se poate explica prin tendina unei utilizri optime a spaiului
la o utilizare optim a spaiului pe vertical (indicat de valorile superioare ale
indicilor de diversitate structural) se produce i o utilizare optim a spaiului
disponibil pe orizontal, datorit presiunii competiionale exercitate de puieii din
stratul superior asupra celor din straturile inferioare. O valorificare inadecvat a
spaiului disponibil pe vertical (omogenitatea nlimilor) implic o valorificare
defectuoas i a spaiului n plan orizontal. n aceste condiii este de neles
tendina arboretelor n general de a tinde n timp spre tipare uniforme de
distribuie n suprafa (Gratzer, Rai, 2004; Houle, Duchesne, 1999; McDonald et
al., 2003; Wolf, 2005), structuri mai stabile i din punctul organizrii spaiale
246
tridimensionale.
Figura 7.6 Legtura dintre indicele Clark-Evans de determinare a structurii spaiale i

diveri parametri structurali ai suprafeelor studiate
247
247
7.3.2. Analiza prin intermediul funciilor bazate pe distribuiile

cumulative ale distanelor
O alt metod din gama celor dependente de distane este aa numita
analiz rafinat a distanelor fa de cel mai apropiat vecin (Rened nearest
neighbour analysis) - o procedur ce compar un set de valori obinute pe baza
datelor experimentale cu un alt set obinut printr-un numr de simulri Monte
Carlo ale distribuiei aleatoare a evenimentelor, folosind aceeai mrime i form a
suprafeei i acelai numr de evenimente. Diggle (1979) propune analiza cu
ajutorul unor funcii dependente de distana fa de cel mai apropiat vecin. Pentru
fiecare distan dat w se calculeaz proporia evenimentelor care se afl la o
distan mai mare de w fa de orice limit exterioar pentru care distana pn la
cel mai apropiat vecin este mai mic dect w. Aceast funcie/proporie se noteaz
cu G(w) i se estimeaz calculnd frecvenele relative cumulate pentru distribuia
distanelor fa de primul vecin.
G(w) este o funcie capabil s identifice procesele contagioase pozitive sau
negative prin comparaia cu valoarea G(w) obinut n ipoteza unei distribuii
aleatoare n suprafa. n ipoteza CSR,
notm aceast valoare G(w)_CSR i o
calculm folosind relaia:
G ( w) _ CSR = 1 e w
(7.24)

w clasa de distane pn la cel mai apropiat vecin.
Analiza grafic a valorilor G(w) permite identificarea tiparului spaial
folosind dou moduri de interpretare (Bailey, Gatrell, 2008):
o cretere rapid a G(w) la valori mici ale w indic agregarea iar o

cretere brusc spre final indic uniformitatea;
valorile G(w) superioare G(w)_CSR indic o structur agregat iar

valorile inferioare G(w)_CSR indic o structur uniform.
Testarea semnificaiei abaterii de la CSR se realizeaz prin generarea de m

simulri Monte Carlo ale poziiilor unui numr identic de evenimente ntr-o
248
suprafa similar ca form i dimensiuni. n baza analizelor datelor furnizate de

simulri se poate stabili o nfurtoare de ncredere (confidence envelope) a G(w)_CSR
mrginit de valorile minime i maxime ale funciei G(w) calculate pentru cele m
situaii de simulare a distribuiei aleatoare. Ipoteza CSR va fi respins doar n cazul
n care valorile G(w) depesc valorile funciei nfurtoare pentru un anumit prag
de semnificaie. n literatura de specialitate termenul de nfurtoare (confidence
envelope) se folosete n locul intervalului sau limitei de ncredere pentru a evidenia
faptul c valorile acesteia au fost obinute prin simulare.
Pragul de semnificaie depinde de numrul de simulri efectuate. Dei
muli cercettori obinuiesc s foloseasc acoperitor un numr mare de simulri
(de ordinul sutelor), din punct de vedere statistic este suficient un numr de 19
simulri pentru un prag de semnificaie de 5%.
Pentru un numr de m simulri probabilitatea de transgresiune se poate
calcula conform relaiei (Leemans, 1991; Bailey, Gatrell, 2008) :
q = 1/(m+1)
(7.25)
n figura 7.7 se prezint un exemplu de folosire a funciei G(w) pentru

identificarea celor trei tipuri de structuri. Pentru generarea celor 19 simulri pe
baza crora a fost construit nfurtoarea s-a folosit instrumentul software SpPack
(Perry, 2004). Coordonatele puieilor distribuii aleatoriu n spaiu de ctre SpPack
au fost ncrcate n programul propriu SPATIAL i au fost prelucrate prin modulul
de calcul al distanelor.
Datorit faptului c uneori reprezentarea grafic a variaiei funciei G(w)
este dificil de interpretat, s-a conceput o modalitate alternativ ce const n
calcularea unei valori dw obinut prin aflarea maximului diferenei dintre G(w) i
G(w)_CSR:
d w = max G ( w) G ( w) _ CSR
(7.26)
Rezultatul se compar cu valorile obinute prin mai multe simulri ale

aceluiai numr de evenimente ntr-o suprafa de aceeai dimensiune cu cea
studiat.
249
249
Figura 7.7 Reprezentarea funciei G(w) i a nfurtoarelor pentru probabilitatea de

acoperire de 95% pentru un caz de structur spaial uniform (A), aleatoare (B), i
agregat (C)
250
Figura 7.8 Reprezentarea diferenelor

G(w)- G(w)_CSR i a nfurtoarelor
pentru probabilitatea de acoperire de
95% pentru cele trei tipuri de structur
spaial
Analiza poate fi mbuntit prin reprezentarea grafic a diferenelor

dintre G(w) i G(w)_CSR. Semnificaia statistic se apreciaz tot n baza simulrilor
Monte Carlo efectuate conform ipotezei de distribuire aleatoare n spaiu (CSR)
prin stabilirea valorilor ce definesc nfurtoarea la pragul de semnificaie dorit.
Valorile pentru noua funcie de nfurare se obin prin calcularea diferenelor
dintre valorile nfurtoarei anterior determinate i G(w)_CSR i se reprezint grafic.
n cazul n care diferenele G(w)- G(w)_CSR depesc valorile nfurtoarei,
din punct de vedere statistic abaterile de la CSR sunt semnificative i se poate
aprecia sensul acestora. Diferenele pozitive indic o structur agregat iar cele
negative o structur uniform. Pentru situaia prezentat anterior n figura 7.7 s-a
realizat i graficul diferenelor G(w)- G(w)_CSR pentru a putea observa
mbuntirea percepiei asupra abaterilor de la structura aleatoare.
Pentru a analiza caracteristicile tiparului spaial n suprafeele studiate s-au
determinat funciile G(w) - frecvenele relative cumulate pentru distribuiile
251
251
distanelor fa de cel mai apropiat vecin n baza prelucrrilor efectuate de

programul SPATIAL. Funciile G(w)_CSR i funciile nfurtoare pentru pragul de
semnificaie de 5% s-au determinat prin prelucrrile efectuate asupra a 190 de
simulri (19 simulri pentru fiecare din cele 10 suprafae de prob). Pentru
simularea rspndirii aleatoare a puieilor n spaiu s-a utilizat aplicaia SpPack
(Perry, 2004). Chiar dac toate suprafeele au aceeai form i dimensiune nu s-a
putut folosi aceeai funcie G(w)_CSR pentru toate ariile studiate deoarece desimea
puieilor este diferit, iar distribuia Poisson are drept parametru densitatea
evenimentelor.
Rezultatele prelucrrilor sunt prezentate grafic n calupul de figuri 7.9, sub
forma funciei G(w) i a diferenelor G(w)-G(w)_CSR. Interpretrile diagramelor
susin determinrile efectuate anterior privitoare la distribuia n spaiu a puieilor,
dar evideniaz aspecte privitoare la contagiozitate la o alt rezoluie. Analizele
confirm abateri semnificative din punct de vedere statistic de la ipoteza CSR n
toate suprafeele (mai puin evidente n suprafeele 8, 9 i 10) n direcia unei
contagioziti pozitive. Metoda analizei rafinate a distanelor fa de cel mai
apropiat vecin ofer n plus fa de metodele anterioare informaii cu privire la
variabilitatea n suprafa a tiparului spaial. Mai precis se permite identificarea
abaterilor de la CSR pe o distan teoretic echivalent cu maximul distanei fa de
primul vecin n realitate distana relevant pentru care se pot face analize
pertinente este mai mic deoarece la apropierea de distana maxim valorile G(w)
se apropie foarte mult de cele ale G(w)_CSR.
252
253
253
254
Figura 7.9 Reprezentarea funciei G(w), a diferenelor G(w)- G(w)_CSR i a

nfurtoarelor pentru probabilitatea de acoperire de 95% pentru suprafeele studiate
Se constat c procentul arborilor care au distana pn la cel mai apropiat

vecin mai mic de 10-30 cm este mai mare dect n cazul unei distribuiri aleatoare
n spaiu (la un prag de acoperire statistic de 5%), fapt care poate s conduc la
ideea agregrii puieilor. Precauia manifestat n afirmaia precedent este dictat
de faptul c analizele se refer doar la cel mai apropiat vecin i nu se ine cont de
poziia celorlali puiei nvecinai. Distana de agregare surprins de funcia G(w)
variaz n suprafa de la 5-10 cm (suprafaa 10) pn la un maxim de 30 cm
(suprafeele 2 i 5), fiind corelat negativ cu desimea (r = -0.84**).
Pentru a mbunti rezultatele acestui tip de analiz se poate folosi
distana medie dintre evenimente i primii k vecini. Fortin i Dale (2005) susin c
n general distanele calculate pentru primul sau primii 2 vecini sunt foarte
importante, fiind foarte sensibile la abaterile semnificative ale structurii de la CSR.
Un avantaj al acestei metode este faptul c testul se poate adapta oricrui
alt tip de distribuie pentru a formula ipoteza nul i nu necesit limitarea doar la
ipoteza CSR, corespunztoare distribuiei omogene Poisson.
Dar exist i dezavantaje ale acestei metode: i) prelucrrile sunt influenate
direct de numrul vecinilor care prin poziia lor determin distanele; ii)nivelul
analizei este n general prea detaliat i pe distane prea mici pentru o interpretare a
grupurilor de indivizi; iii) analiza are relevan doar pentru valori ale distanei w
mai mici dect distana maxim fa de evenimentul vecin nregistrat n suprafa
peste aceast distan G(w) are o valoare constant (egal cu 1).
255
255
7.3.3 Analiza prin metoda celor mai apropiai k vecini (KNN)

Metodele din gama celui mai apropiat vecin (NN nearest neighbour)
derivate din cercetrile lui Clark i Evans (1954) se refer doar la distribuia
distanelor fa de primul vecin. Este interesant i util s se determine distana fa
de al doilea, al treilea sau al k-lea vecin prin utilizarea aa numitelor metode ale
celor mai apropiai k vecini (KNN kth nearest neighbours).
Aplicaia SPATIAL efectueaz prelucrrile asupra coordonatelor puieilor,
fiind calculat implicit distana fa de cel mai apropiat puiet, dar este oferit prin
cel de al doilea modul de analiz i posibilitatea calculului distanei medii fa de
un numr maxim de vecini introdus de la consol. S-a considerat c distana fa de
primul vecin poate s ofere informaii asupra spaiului propriu de dezvoltare al
fiecrui individ iar distana fa de ceilali vecini poate s conduc la informaii
relevante privitoare la relaiile de grup.
Thompson (1956) a prezentat n lucrarea Distribution of Distance to Nth
Neighbour in a Population of Randomly Distributed Individuals o metod de analiz
a distribuiei n spaiu a evenimentelor pe baza distanelor fa de un numr k>1 al
celor mai apropiai vecini, autorul considernd c n acest mod se pot determina
caracteristici spaiale la o scar mai larg dect n cazul folosirii celui mai apropiat
vecin.
n aceast situaie distana fa de primii k vecini n ipoteza CSR, a
rspndirii randomizate n spaiu se poate calcula folosind formula:
d K _ CSR =
k (2 k )!
(2 k!) 2
(7.27)
cu - densitatea de evenimente pe suprafa =
n
A
(7.28)
k numrul de vecini considerat;

A aria suprafeei.
Pentru densitatea a evenimentelor i distanele di ctre cel mai apropiat al
256
k-lea vecin, se poate nota: x n = 2 d i2
(7.29)
Distribuia valorilor xn este o distribuie de tip 2 cu 2nk grade de

libertate pentru care se poate defini un test de abatere de la distribuia aleatoare.
Thompson recomand calcularea valorilor xn i a mediei acestora,, urmnd a fi
comparate cu limitele intervalului de ncredere:
( 4 n k 1 1.96) 2 ( 4 n k 1 + 1.96) 2
2
n
2n
(7.30)
Aceast modalitate de interpretare statistic este una discutabil datorit

unor greeli strecurate n lucrarea original a lui Thompson, care au fost ulterior
preluate de numeroi cercettori (Mumme et al., 1983).
Thompson propune i o modalitate alternativ de testare a semnificaiei,
asemntoare cu cea propus de Clark i Evans (1954), prin care se compar media
distanelor observate d k cu cea teoretic d K _ CSR (media distanelor n ipoteza
CSR). Raportul Rk =
dk
va fi egal sau apropiat de 1 n cazul unei distribuii
d K _ CSR
aleatoare, va fi subunitar n cazul unei distribuii agregate i supraunitar n cazul

uneia uniforme. Limitele de ncredere ale d K _ CSR , se afl n intervalul:
1.96 d K _ CSR
1.96 d K _ CSR
d K _ CSR +
d K _ CSR
n
n
K _ CSR
(7.31)
fiind abaterea standard a mediei d K _ CSR
Distanele fa de primii 2, 3 i 4 vecini n ipoteza rspndirii aleatoare

sunt date de formulele:
d 2 _ CSR =
0.75
d3 _ CSR =
0.9375
d 4 _ CSR =
1.09375
(7.32)
iar d - abaterile standard ale mediilor aritmetice sunt egale cu:

K
2 _ CSR
0.2723
3 _ CSR
0.2757
257
4 _ CSR
0.2777
(7.33)
257
n cazul unor valori mai mari ale numrului de vecini (ce crete implicit
dificultatea calculrii factorialului) formula 7.27 poate fi aproximat prin relaia:
d K _ CSR
(7.34)
iar abaterea standard a mediei devine: d =

4
0.2821
(7.35)
O alt modalitate de testare a semnificaiei const n generarea unei

nfurtoare pentru raportul R prin simulri Monte Carlo ale distribuiei aleatoare
a evenimentelor.
Programul SPATIAL calculeaz prin modulul KNN raportul Rk i
efectueaz interpretarea statistic n baza intervalului de ncredere al d K _ CSR ,
conform formulei 7.31. Dac valoarea d k observat este mai mic dect limita
intervalului de ncredere se respinge ipoteza CSR n favoarea unei distribuii
agregate, iar dac este mai mare dect limita superioar a intervalului se poate trage
concluzia c tiparul spaial este unul uniform.
Rezultatele prelucrrilor sunt prezentate n continuare ntr-o form grafic
(figura 7.10), fiind reprezentat n diagrame raportul R i limitele inferioare i
superioare ale acestuia corespunztoare distribuiei aleatoare. Valorile distanelor
medii fa de cei mai apropiai 1-15 vecini i distanele corespunztoare n ipoteza
CSR, precum i limitele inferioare i superioare ale intervalului de ncredere
calculat se regsesc n anexa 11.
258
Figura 7.10 Reprezentarea raportului Rk i a limitelor acestuia inferioare i superioare la

probabilitatea de acoperire de 95% pentru suprafeele studiate
259
259
Analiza celor mai apropiai k vecini (KNN) are avantajul c permite

identificarea agregrii nu la diferite variante ale valorilor distanei dintre puiei
precum metodele anterioare ci la diferite valori ale numrului de vecini. n acest
mod se poate stabili numrul de indivizi din aglomerrile de puiei. O valoare a
raportului Rk subunitar indic faptul c distana d k fa de al k-lea puiet este mai
mic fa de distana teoretic d K _ CSR care s-ar nregistra n ipoteza unei distribuii
aleatoare, drept urmare n suprafaa analizat primii k vecini ai puieilor sunt mai
aglomerai dect n mod normal. Numrul de puiei din nucleul identificat ca
avnd o structur agregat va fi de k+1.
n general n arboretele mature analizele KNN implic valori ale lui k de
maxim 5, dar pentru analiza suprafeelor regenerate aceast valoare este mic dat
fiind densitatea n suprafa a puieilor. Drept urmare, pentru suprafeele studiate
s-a ales s se efectueze aceast analiz pentru un numr de vecini de pn la 15.
n cele zece suprafee amplasate agregarea puieilor implic un numr
diferit de indivizi, ncepnd de la grupri de 2-3 indivizi (n suprafeele 1, 7, 9),
grupri de pn la 6-7 indivizi (suprafeele 2 i 10) sau chiar aglomerri de peste 16
puiei (cazul suprafeelor 3, 4, 5, 6). Chiar i n cazul situaiilor din urm se poate
constata un maxim al tendinei procesului contagios pozitiv la anumite valori ale
dimensiunii grupului, dup care are loc o stabilizare a acestei tendine - maxim la
2-6 puiei (suprafaa 3), 2-4 puiei (suprafaa 4), 2-7 puiei (suprafaa 5 i 6).
Singura suprafa n care nu s-au nregistrat abateri semnificative statistic
n direcia agregrii, indiferent de numrul de vecini considerat, este suprafaa 8. n
aceast suprafa abateri semnificative de la CSR s-au constatat doar n direcia
uniformitii, la valori ale lui k mai mari de 12 situaia diferit a suprafeei 8 a
fost evideniat i prin analizele anterioare dependente de distana fa de primul
vecin (att prin indicii sintetici ct i prin funcia G(w)). Odat cu raportarea la un
vecin mai ndeprtat (creterea valorii k), se reduce diferena dintre d k i d K _ CSR ,
ba chiar apare tendina de uniformitate, fenomen manifestat n suprafeele 1
(pentru k7), 2 (k10), 7 (k14), 8 (k12) i 10 (k14).
260
Datorit capacitii metodei de analiz de a identifica nu doar tiparul

spaial ci i numrul de puiei din cadrul unei grupri s-a considerat oportun
analiza a trei procese punctiforme difereniate pe straturi dimensionale ale
puieilor. S-a folosit nlimea drept parametru dimensional, fiind utilizate
straturile definite anterior n capitolul 5.2.2, cu o modificare straturile mediane 2
i 3 au fost grupate astfel c s-au obinut n acest caz doar 3 straturi:
stratul 1 al plantulelor (nlimea 0 .. 25 cm);
stratul 2 al puieilor din clasa medie (nlimea 26 .. 150 cm);
stratul 3 al puieilor de mari dimensiuni (nlimea > 150 cm).
n figura 7.11 este prezentat sinteza acestei analize.

Harta complet a proceselor punctiforme i graficele variaiei raportului Rk
(pe baza crora s-a generat situaia sintetic) n cele zece suprafee se pot consulta n
anexa 12. n suprafeele 8 i 9 s-a nregistrat un numr de plantule prea mic pentru
efectuarea prelucrrilor, iar n suprafaa 2 un numr prea mic al puieilor de mari
dimensiuni.
Analiza situaiei sintetice relev informaii interesante asupra organizrii
spaiale a celor trei straturi n funcie de numrul k al celor mai apropiai vecini la
care se realizeaz prelucrrile. n stratul plantulelor agregarea se produce doar la
nivelul grupurilor de dou plantule (mai rar n grupuri de 5-7 plantule n
suprafeele 7 i 10). Preponderent este distribuia uniform a plantulelor, n
majoritatea suprafeelor acest tipar spaial devenind vizibil ncepnd cu analiza
grupurilor de 5-6 plantule.
Analiza grafic a hrilor procesului spaial corespunztor stratului 1 (anexa
12) relev o distribuie relativ uniform n zona acoperit de plantule dar foarte
neomogen la nivelul ntregii suprafee aspect foarte evident n suprafeele 3, 4,
5, 6, 10. Chiar dac rspndirea este neomogen, se poate afirma c ntre plantule
nu apar procese de agregare dect n grupuri foarte mici, pentru grupurile de peste
5-6 indivizi fiind semnificative abaterile de la CSR n direcia evidenierii
proceselor contagioase repulsive.
261
261
Figura 7.11 Situaia sintetic a identificrii tiparului spaial pe baza raportului Rk pentru
procesele punctiforme corespunztoare celor 3 straturi dimensionale definite
262
n cel de al doilea strat agregarea este prezent n toate suprafeele

analizate, ncepnd de la grupuri de 5-11 indivizi i chiar pn la grupuri de peste
16 indivizi (suprafeele 3, 4, 5, 6).
Procesele contagioase pozitive evideniate arat c majoritatea puieilor
(stratul al doilea avnd o pondere de peste 77% din totalul puieilor) sunt
organizai conform unui tipar spaial agregat, fapt ce corespunde observaiilor
fcute n numeroase lucrri de cercetare (McDonald et al., 2003; Awada, et al.,
2004; Gratzer, Rai, 2004; Camarero et al., 2005; Paluch, 2005; Fajardo et al.,
2006; Maltez-Mouro et al., 2007; Montes et al., 2007).
Tipul de organizare spaial arat c n rndul acestui strat nu se
nregistreaz fenomene repulsive intense, agregarea putnd fi explicat i prin
particularitile de reproducere a speciilor (prezena n suprafa a unor specii cu o
mare
capacitate
de
regenerare
vegetativ),
mecanismele
dispersiei
sau
neomogenitatea condiiilor pedologice.

n cel de al treilea strat predomin caracterul uniform, procesele repulsive
fiind semnificative n toate suprafeele de la valori ale dimensiunii grupului de peste
5 indivizi. Au fost nregistrate structuri agregate n doar dou suprafee (5 i 7), la
valori reduse ale dimensiunii grupurilor. Situaia este normal, puieii de
dimensiuni mari inhibnd dezvoltarea altora de dimensiuni similare n apropiere,
rezultatul fiind o distribuire de tip uniform n suprafa.
Informaiile rezultate n urma analizelor de tip KNN pot conduce la
elucidarea unor aspecte interesante, cu implicaii asupra practicii forestiere, n
special n stabilirea dimensiunii optime a biogrupelor (a numrului de puiei i a
spaierii acestora).
263
263
7.3.4. Analiza modului de organizare spaial prin metode ale

statisticii spaiale de ordinul al IIlea
Metodele quadratelor i chiar cele bazate pe distanele dintre evenimentele
vecine prezint anumite dezavantaje, menionate anterior n lucrare. Pentru
mbuntirea determinrilor tiparelor spaiale unii autori recomand utilizarea
concomitent a mai multor metode complementare de analiz pentru a identifica
abaterile semnificative de la ipoteza CSR (Fortin i Dale 2005). Au fost concepute
i soluii alternative de analiz spaial de ordin I care combin tehnica quadratelor
cu metodele distanelor, un bun exemplu n acest sens fiind tehnicile de tip SADIE
(Spatial Analysis by Distance IndicEs) (Perry, 1996; Perry et al 1996, 1999), care,
dei sunt aprute recent au fost incluse de Fortin et al (2002) ntre tehnicile
adecvate cercetrilor ecologice. Analiza SADIE (sau tehnica fragmentelor roiialbastre red-blue plots) determin intensitatea agregrii i este capabil s identifice
forma i dimensiunea plcurilor, respectiv a ochiurilor din interiorul suprafeei
studiate.
n prezent se consider c cele mai potrivite metode de analiz a proceselor
punctiforme sunt cele care aparin statisticii spaiale de ordinul al II-lea (Dale,
2004). Metodele statisticii spaiale de ordinul al II-lea evalueaz tiparul de
organizare la un nivel secundar nivelul local, fiind bazate pe variana datelor, pe
cnd metodele de ordinul I sunt considerate acele metode care ofer informaii
referitoare la atributele spaiale ale suprafeei luate ca ntreg, pe baza analizei mediei
datelor. Analiza spaial de ordinul al II-lea are o baz teoretic solid i este
capabil s ofere informaii mult mai detaliate privitoare la organizarea n suprafa,
la diferite rezoluii.
Funciile de tip K sau K-Ripley au fost fundamentate n urm cu trei
decenii de ctre Ripley (1976, 1977) n lucrrile devenite clasice The Second-Order
Analysis of Stationary Point Processes, respectiv Modelling spatial patterns i au
cunoscut transformri i adaptri care le-au sporit gradul de adaptabilitate la
situaiile diferite n care sunt folosite.
264
Figura 7.12 Principiul de determinare a funciei K(t)
Fundamentarea funciei K-Ripley este simpl valoarea sa reprezint n

principiu numrul de evenimente situate la o distan t fa de un eveniment ales
aleatoriu drept referin. Pentru calculul valorii K(t) se numr toate evenimentele
situate ntr-un cerc cu raza egal cu t i centrul n poziia evenimentului referin
iar apoi se mrete iterativ valoarea razei t cu un pas dat i se contorizeaz numrul
evenimentelor situate la noua distan t fa de centrul cercului (figura 7.12). n
final media evenimentelor pentru fiecare clas de distane se raporteaz la
densitatea a evenimentelor din suprafa pentru a se obine valoarea funciei.
Spre deosebire de indicatorii metodelor bazate pe distana fa de cel mai
apropiat vecin, funcia K(t) nregistreaz valori mai mari n cazul tiparelor spaiale
agregate i mai mici n cazul celor uniforme. Dac se ignor efectul de margine
aprut atunci cnd o parte din cercuri se situeaz parial n afara ferestrei de
observaie se poate considera c media valorilor n cazul unui proces Poisson
omogen staionar este de h2.
n situaia unei distribuiri a unui numr de n evenimente n concordan
cu ipoteza CSR numrul evenimentelor situate ntr-un cerc cu raza egal cu t este:
NE = K (t ) =
n
K (t )
A
(7.36)
unde este densitatea evenimentelor n suprafaa de arie A, iar n reprezint

numrul de evenimente din suprafa.
265
265
Definiia formal se bazeaz pe o funcie indicatoare It, descris prin:
1, dac d ij t
I ij (t ) =
0, dac d ij > t
(7.37)
unde dij reprezint distana de la evenimentul i la evenimentul j.

Din punct de vedere matematic funcia K(t) se estimeaz prin formula:
I
1
t
K (t ) =
n i j wij
(7.38)
unde wij reprezint o pondere de corectare a efectului de margine, fiind

proporia din aria cercului de raz t care se afl n afara ferestrei de observaie.
Pentru corecia efectului de margine au fost propuse mai multe variante
(Ripley, 1981; Besag, 1977; Getis, Franklin, 1987; Stoyan, Stoyan, 1994; Haase,
1995; Goreaud i Pellisier, 1999), fiecare dintre acestea avnd o modalitate diferit
de determinare a valorii proporiei wij:
wij = 1 cos1 (e / dij ) /
(Getis, Franklin, 1987) (7.39)
wij = 1 [ cos1 (e1 / d ij ) + cos1 (e2 / dij ) + / 2 ]/ 2 (Getis, Franklin, 1987) (7.40)
wij = 1 [ 2 cos 1 (e1 / d ij ) + 2 cos 1 (e 2 / d ij ) ] / 2
(Haase, 1995)
(7.41)
S-a notat cu e distana de la evenimentul i la cea mai apropiat limit, iar

cu e1 i e2 distanele de la evenimentul i la cele mai apropiate dou margini.
Formula 7.39 este folosit n cazul n care dij > e, varianta 7.40 n situaia n care
distana de la evenimentul i la cel mai apropiat col (pentru suprafeele
rectangulare) este mai mic dect dij, iar ultima variant n cazul n care distana de
la evenimentul i la cel mai apropiat col (pentru suprafeele rectangulare) este mai
mare dect dij.
Interpretarea funciei se bazeaz pe comparaia acesteia cu valoarea K(t) n
ipoteza CSR. Dac valoarea estimat este mai mare dect t2 se indic un tipar
agregat, iar dac este mai mic un tipar uniform. Funcia K(t) are o cretere
exponenial n funcie de distan, fiind uneori dificil de interpretat reprezentarea
sa grafic. n plus, pentru comparaia la diferite valori ale distanei t s-a dorit
obinerea unei funcii care s fie constant n ipoteza CSR.
266
Besag (1977) a propus standardizarea funciei prin liniarizarea sa, aceast

variant a funciei K(t) fiind cunoscut drept funcia L(t), cu relaia:
L(t ) =
K (t )
(7.42)
Frecvent este folosit i o alt form de standardizare:

L(t ) =
K (t )
(7.43)
Interpretarea grafic a funciei L(t) (n varianta dat de formula 7.43) se

realizeaz mult mai uor dect n cazul funciei K(t) (figura 7.13). Valorile pozitive
ale L(t) indic un model spaial agregat, iar cele negative un model regulat
(uniform). Valorile apropiate de zero indic o distribuie aleatoare n spaiu a
evenimentelor.
Testarea semnificaiei se poate face prin aproximarea unui interval de
ncredere echivalent cu 1.42 A /( n 1) pentru pragul de semnificaie de 5% i
1.68 A /(n 1) pentru cel de 1%.
O metod mai des folosit presupune generarea nfurtoarelor de

ncredere prin simulri Monte Carlo. Aceasta este o tehnic frecvent utilizat n
testele neparametrice, fiind o modalitate acceptat de testare a semnificaiei
abaterilor de la ipoteza nul n cazul funciilor de tip K-Ripley (Besag i Diggle,
1977).
Figura 7.13 Diferena dintre funcia K(t) i L(t) n reprezentarea aceluiai proces
punctiform (toi puieii - suprafaa 1)
267
267
Numrul de simulri ce vor fi efectuate depinde de pragul de semnificaie

impus. Teoretic, din perspectiv statistic este suficient un numr de 19 simulri
pentru asigurarea unui prag de semnificaie de 5%. Pentru un numr de m simulri
probabilitatea de transgresiune se calculeaz conform relaiei (Leemans, 1991):
m= (1/q)-1
(7.44)
n unele cazuri valorile limit necesare calculului nfurtorii de ncredere

se determin nu pe baza valorilor extreme ci folosind cele mai apropiate r valori (de
obicei r = 5) de limit (Perry, 2004). n aceast situaie numrul de simulri
necesare crete:
m= (r/q)-1
(7.45)
Personal consider c folosind a doua variant (neincluznd direct extremele

n nfurtoare) este teoretic posibil s se resping ipoteza nul chiar i pentru
datele produse de o simulare, date care au fost generate folosind legea de distribuie
Poisson. Conform formulei 7.45 pentru un prag de semnificaie de 5% sunt
necesare 99 de simulri. Desigur, un numr mai mare de simulri nu duneaz, dar
ar trebui specificat pentru fiecare analiz numrul de simulri sau pragul de
semnificaie.
n cercetarea silvic din strintate, identificarea tiparului spaial prin
metode ale statisticii spaiale de ordinul al doilea a devenit una din analizele cele
mai frecvente n ultimii ani, numeroase cercetri fiind desfurate chiar n
seminiuri (Leemans, 1991; Awada, et al., 2004; Camarero et al., 2005; Fajardo et
al., 2006; Gratzer, Rai, 2004; Hofmeister et al., 2008; Maltez-Mouro et al., 2007;
McDonald et al., 2003; Montes et al., 2007; Nigh, 1997; Paluch, 2005). n
Romnia au fost realizate puine cercetri n acest domeniu, metodele analizei
spaiale de ordinul al II-lea fiind folosite abia n ultimul deceniu (Popa, 2006;
Roibu, Popa, 2007), dar nefiind utilizate n regenerri.
n continuare sunt prezentate rezultatele analizelor efectuate cu ajutorul
funciei de tip Ripley L(t). Pentru prelucrarea datelor s-au folosit aplicaiile
software SpPack (Perry, 2004) i SPPA (Haase, 2002), ambele cu acordul autorilor.
Rezultatele furnizate de cele dou programe informatice au fost similare, existnd
268
mici diferene ntre ele doar n modul de concepere a testelor de semnificaie i n

ergonomia de utilizare. n final a fost preferat SpPack datorit integrrii n sistemul
de calcul tabelar Microsoft Excel. Prelucrrile au fost efectuate pe distana de maxim
350 cm - jumtate din latura minim a suprafeei (Haase, 1995), cu un pas de
analiz de 5 cm, aplicnd corecii ponderate pentru nlturarea efectului de
margine, pentru determinarea nfurtoarelor de ncredere fiind generate 99 de
simulri.
269
269
Figura 7.14 Determinarea tiparului spaial al distribuiei puieilor n suprafeele studiate

prin interpretarea grafic a funciei L(t)
Figura 7.15 Centralizatorul determinrilor tiparului spaial prin intermediul L(t) pe

suprafee
270
Rezultatele arat unele similitudini cu situaia determinat prin metoda

KNN, dar se observ rezoluia spaial superioar a funciei L(t) precum i
sensibilitatea sporit n cazul distribuiilor apropiate de cea aleatoare. Multe din
situaiile pentru care celelalte metode nu au putut determina faptul c abaterile de
la CSR erau semnificative au fost soluionate de ctre analiza spaial de ordinul al
II-lea (aspect evident n suprafeele 8, 9 sau 10). Tiparul spaial agregat a fost
identificat n absolut toate suprafeele pn la valori ale distanei de 120-220 cm
sau n unele cazuri chiar pe toat lungimea analizat (suprafeele 3, 5, 6, 8, 10).
Abateri spre structura uniform au fost observate doar n suprafaa 7 i 9, la
distane de peste 230 cm.
n centralizatorul din figura 7.15 au fost marcate i intervalele cu
intensitatea maxim de agregare i maximele absolute nregistrate n fiecare
suprafa. Sunt evidente n diagram dou intervale n care agregarea este maxim
de 30-90 cm (n suprafeele 1, 2, 4, 7), respectiv de 220-310 cm (n suprafeele 3,
5, 6, 8, 10). Acest fapt conduce la ideea c puieii au tendina de a forma fie nuclee
mai mici cu diametrul de 30 pn la 90 cm fie aglomerri de dimensiuni mai mari
de 2-3 m (pentru vizualizarea hrilor proceselor punctiforme n suprafeele
elementare se poate consulta anexa 8).
S-a considerat oportun i efectuarea analizei la nivelul celor trei procese
punctiforme difereniate pe straturi dimensionale ale puieilor n funcie de
nlime. Au fost utilizate cele trei straturi definite n capitolul 7.3.3: stratul 1 al
plantulelor (nlimea 0 .. 25 cm); stratul 2 al puieilor din clasa medie (nlimea
26 .. 150 cm) i stratul 3 al puieilor de mari dimensiuni (nlimea > 150 cm).
S-a efectuat att o analiz individual univariat a acestora ct i analiza bivariat
pentru a observa eventualele interaciuni dintre cele trei straturi.
Graficele variaiei funciei L(t) folosite pentru interpretarea tiparului
spaial n cazul proceselor punctiforme corespunztoare celor 3 straturi de puiei
definite n funcie de nlime pot fi consultate n anexa 13. Pe baza acestora au fost
realizate diagramele centralizatoare prezentate n figura 7.16.
271
271
Figura 7.16 Centralizatorul de determinare a modelului de distribuie spaial a puieilor

din cele trei straturi dimensionale cu ajutorul funciei L(t) analiza univariat
272
n toate straturile i toate suprafeele este preponderent fenomenul de

agregare, tiparul uniform fiind ntlnit ntr-o singur suprafa (nr. 9) n stratul 3
(al puieilor de mari dimensiuni), pentru valori ale distanei de peste 275 cm. n
stratul puieilor de mari dimensiuni se remarc o agregare care apare pe intervale
mai reduse dect n celelalte straturi i pentru valori ale distanei n general mai
mari de 15-25 cm (stratul 3 fiind singurul strat n care agregarea nu se produce
ncepnd de la cele mai mici distane). Puieii de mari dimensiuni manifest uneori
chiar o tendin de repulsie (valori L(t) negative dar situate n intervalul
nfurtoarei) pe distana de pn la 15-25 cm (evideniat n graficele pentru
suprafeele 4, 8 i 10).
Agregarea se manifest pregnant n stratul 2, al puieilor de dimensiuni
medii, intensitatea fiind maxim n grupurile cu dimensiunea de 30-80 cm
(suprafaa 1, 2, 4, 7), 120-250 cm (suprafaa 3, 5, 9) sau peste 250 cm (6, 8, 10).
n stratul 1, al plantulelor, agregarea are un caracter fragmentat, fiind
ntlnit n grupuri foarte variate ca dimensiune, un exemplu elocvent fiind cel din
suprafaa 1, n care procesele contagioase pozitive se ntlnesc n grupuri cu
dimensiunea mai mic de 35 cm, precum i n grupuri de 85-105 cm, 115-165 cm,
315-325 cm. n aceast situaie grupurile mici sunt dispuse aleatoriu n grupuri
mai mari care la rndul lor sunt dispuse aleatoriu n grupe i mai mari. Rezultatele
conduc la ideea c modelarea distribuiei n suprafa a plantulelor ar putea fi
analizat folosind i alte tipuri de procese punctiforme procese agregate sau
compuse (e.g. procesele Neyman-Scott).
Pentru efectuarea analizei bivariate determinrile au fost efectuate folosind
conceptul proceselor etichetate sau marcate (Penttinen et al., 1992; Stoyan, Stoyan,
1994), straturile diferite constituind n acest context etichetele. Funciile de tip KRipley permit efectuarea analizelor bivariate (ntre dou procese etichetate diferit)
pe baza metodologiei i relaiilor fundamentate de Lotwick i Silverman (1982).
Abordarea bivariat presupune folosirea a cel puin dou ipoteze nule,
cercettorul fiind nevoit s adopte metode diferite de testare a semnificaiei pentru
a nu confunda interpretrile (Diggle, Cox, 1983; Goreaud, Pelissier, 2003).
273
273
Prima dintre ipoteze presupune distribuia independent n spaiu a celor

dou procese, fiind folosit n cazul aprecierii interaciunii dintre dou specii
diferite sau dou categorii sociale/dimensionale diferite. Cea de a doua ipotez nul
presupune etichetarea aleatoare a evenimentelor, aplicaiile ei fcnd referire de
exemplu la mortalitatea dintr-o populaie de arbori sau la aciunea unui fenomen
perturbator accidental. n cazul de fa a fost folosit prima ipotez nul, a
independenei proceselor studiate.
Pentru analiza unui proces bivariat cu n1 evenimente de tipul 1 i n2
evenimente de tipul 2 ntr-o suprafa de arie A, Lotwick i Silverman (1982) au
definit funciile inter-tipuri:
~
K12 (t ) =
n1 n2
It
1
12
2 n1 i =1 j =1 wij
(7.46)
~
K 21 (t ) =
n2 n1
It
1
21
1 n2 i =1 j =1 wij
(7.47)
n1
n
i 2 = 2 sunt densitile evenimentelor iar wij i wij sunt
A
A
ponderile asociate funciilor indicatoare n vederea coreciei efectului de margine.
unde 1 =
Funcia indicatoare It12 are valoarea 1 dac distana dintre evenimentul i de tip 1 i
cel j de tip 2 este mai mic sau egal cu t i zero altfel. Similar se definete funcia
It21 innd cont de distana dintre evenimentul i de tip 2 i cel j de tip 1. Cele dou
estimri ale funciei K(t) se bazeaz pe contorizarea evenimentelor de un anumit tip
care se afl la distana t de evenimentele de cellalt tip.
~
~
K 12 (t ) i K 21 (t ) sunt estimri ale aceleiai funcii, astfel c Upton i
Fingleton (1985, citai de Dale, 2004) au definit un estimator comun:
~
~
n2 K12 (t ) + n1 K 21 (t )
K12 (t ) =
n1 + n2
(7.48)
Frecvent n analiza proceselor bivariate este folosit o standardizare a

acestui estimator, similar celei definite de Besag (1977) pentru funcia K(t):
274
L12 (t ) =
~
K12 (t )
(7.49)
Dac valoarea estimat a funciei L12(t) este nul distribuia n spaiu a

evenimentelor aparinnd unui tip este complet independent de distribuia
celuilalt tip. Valorile estimate mai mari dect zero indic o asociere pozitiv a celor
dou tipuri de evenimente, fenomen interpretat din punct de vedere ecologic drept
efect de atracie. Valorile negative indic asocierea negativ sau segregarea,
interpretat ecologic ca rezultat al efectului de repulsie (Goreaud, Pelissier, 2003).
Pentru interpretarea semnificaiei statistice a abaterilor s-au folosit
nfurtoarele de ncredere ale valorii corespunztoare ipotezei nule de
independen, generate prin simulri Monte Carlo. Prelucrrile au fost efectuate cu
ajutorul aplicaiei software SpPack (Perry, 2004), pentru distana de 350 cm, un
pas de analiz de 5 cm, corecii ponderate pentru nlturarea efectului de margine,
fiind generate 99 de simulri pentru determinarea nfurtoarelor de ncredere.
Cele 24 de grafice folosite pentru determinarea interaciunii dintre cele trei
straturi dimensionale n cele 10 suprafee se regsesc n anexa 14. n baza acestora
au fost concepute graficele centralizatoare prezentate n figura 7.17.
Interaciunea n spaiu a stratului plantulelor (stratul 1) cu celelalte straturi
Plantulele realizeaz n toate cazurile analizate asocierea cu puieii de
dimensiuni medii. Rezultatele nregistrate au artat abateri semnificative de la
ipoteza nul a independenei distribuiei n spaiu. Privitor la distanele de asociere,
acestea se pot situa n intervale fragmentate, mai reduse (suprafaa 1, 2, 4) sau
asocierea poate avea loc pe tot intervalul analizat (0-350 cm). Valorile cele mai
intense ale asocierii nu se produc la distane mici, ci mai frecvent n intervalul 50200 cm. A fost constatat i un caz uor atipic n suprafaa 7 unde asocierea de
intensitate maxim s-a produs la distane mai mici (20-90 cm), dar la o distan de
peste 185 cm apare fenomenul de repulsie.
Rezultatele conduc la concluzia c n general puieii de dimensiuni medii
manifest toleran i chiar suport pentru instalarea i dezvoltarea plantulelor, chiar
dac nu n imediata proximitate.
275
275
Figura 7.17 Centralizatorul de determinare a tipului de interaciune n spaiu dintre cele

trei straturi de puiei definite n funcie de nlime prin intermediul funciei L12(t)
276
Nu acelai lucru se poate afirma despre puieii de dimensiuni mari,

rezultatele indicnd mai degrab fenomenul de segregare n relaia acestora cu
plantulele. Chiar dac situaia din centralizator arat doar un uor avantaj al
fenomenului de segregare analiza graficelor individuale (anexa 14) indic n toate
suprafeele (mai puin n suprafaa 7) tendina de segregare dar la un nivel situat de
multe ori n interiorul nfurtorii de ncredere. Puieii de mari dimensiuni
acioneaz n general repulsiv fa de plantule, dei exist i situaii (suprafaa 3 i 7)
n care s-a constatat o asociere pozitiv.
Interaciunea n spaiu a stratului puieilor de dimensiuni medii (stratul 2) cu
stratul puieilor de dimensiuni mari (stratul 3)
n aceast situaie caracterul repulsiv este mai evident, n ase suprafee
abaterile semnificative de la ipoteza nul de independen a poziionrii indicnd
segregarea puieilor din cele dou straturi. Aciunea repulsiv se declaneaz de la
distane de 20 cm i poate s se desfoare chiar i pn la distane de peste 350 cm.
Poziionarea puieilor de talie mare pare s influeneze mai pregnant distribuia n
spaiu a puieilor de dimensiuni medii fa de cea a plantulelor. Explicaia const n
faptul c puieii de talie medie au cerine superioare plantulelor n ceea ce privete
necesarul de spaiu individual de dezvoltare, fiind mai afectai de presiunea
dominanei dimensionale a puieilor din stratul 3. Exist i n cazul interaciunii
dintre straturile 2 i 3 situaii izolate n care s-a constatat asocierea dintre puieii
celor dou categorii. Coerena determinrilor este posibil s fie influenat de
ncadrarea n cele trei straturi, care s-a efectuat lund n consideraie valorile
nlimii totale a puieilor din toate suprafeele. S-a sacrificat n acest mod
surprinderea unor situaii particulare n suprafeele n care nlimea puieilor se
abate de la media general, dar s-a asigurat posibilitatea comparrii rezultatelor
obinute pentru suprafee diferite. De asemenea o stratificare cu un nivel mai mare
de detaliu ar putea oferi informaii suplimentare, dar un numr mai mare de
straturi conduce la creterea exponenial a variantelor ce trebuie prelucrate i
comparate. n condiiile a 4 straturi i 10 suprafee este nevoie de 60 de analize
individuale, iar pentru 5 straturi de 100 de analize individuale. Volumul mare de
277
277
date pentru fiecare suprafa i prelucrrile foarte dificile chiar i n condiiile

definirii a trei straturi au condus la alegerea variantei prezentate, considerate
optime n condiiile date.
n urma efecturii n suprafeele studiate a unei game complete de analize,
prin metode diferite, putem trage concluzia c abaterile de la ipoteza nul a
distribuiei aleatoare n spaiu se ntlnesc n toate pieele de prob, preponderent
n favoarea unei dispuneri agregate. Acest fapt este n concordan cu rezultatele a
numeroase cercetri de analiz spaial ntreprinse n seminiuri menionate
anterior n aceast lucrare.
Aa-zisele abateri de la caracterul ntmpltor par s fie mai degrab o
regul n regenerrile arboretelor. Testele abaterii de la CSR se efectueaz n ipoteza
proceselor Poisson omogene i staionare. n cazul n care se consider c aceasta nu
este cea mai potrivit ipotez sau se dorete analiza amnunit a detaliilor de
agregare exist i alternative procese Poisson neomogene, agregate sau compuse,
procese de tip Cox, Markov, Neyman-Scott, Gibbs.
Studiul proceselor punctiforme etichetate prin intermediul analizelor
bivariate efectuate cu ajutorul funciilor de tip K-Ripley a reuit s identifice i
fenomene de asociere sau repulsie ntre anumite categorii dimensionale de puiei,
indicnd abateri semnificative de la ipoteza distribuiei independente n spaiu a
acestor categorii, n conformitate cu cercetri similare menionate n literatura de
specialitate (Penttinen, et al 1992; Szwagrzyk, Czerwczak, 1993; Boyden et al.,
2005; Camarero et al., 2005; Fajardo et al., 2006).
Tiparele aparent ntmpltoare sau independente ale distribuiei puieilor
n spaiu sunt structuri organizate care pot fi definite i reproduse matematic prin
intermediul proceselor punctiforme. Aceast constatare conduce la ideea c
modelele individuale ale arborilor pot beneficia de informaiile obinute prin
analiza spaial, fiind posibil generarea nu doar a distribuiilor dimensionale ci i a
distribuiilor distanelor i a modului de organizare n suprafa a indivizilor. Se
poate considera c analiza spaial este o etap important a modelrii care poate
aduce numeroase mbuntiri capacitii predictive a modelelor forestiere.
278
7.4 Determinarea particularitilor de asociere prin metode dependente de

distane
Identificarea unor tendine de asociere n ceea ce privete distribuia n
spaiu a speciilor are nu doar o importan tiinific ci i o relevan deosebit
pentru practica silvic, informaiile putnd fi folosite n alctuirea compoziiilor de
regenerare, precum i n stabilirea formulelor de mpdurire, a modului de asociere
i a dispozitivului de amplasare a speciilor n cazul interveniilor de instalare
artificial a vegetaiei forestiere.
n subcapitolul 5.1, pe baza corelaiilor realizate ntre desimile speciilor pe
quadrate de 1x1 m, au fost formulate cteva ipoteze privitoare la identificarea unor
tendine pozitive i negative ale modului de asociere a speciilor. Obiectivul acestui
subcapitol l reprezint testarea ipotezelor formulate anterior prin metode adecvate
oferite de statistica spaial.
n ecologie, interesul pentru problema modului de asociere n spaiu a
speciilor este manifestat de foarte mult timp. Primele analize n acest sens s-au
desfurat folosind mprirea n quadrate a suprafeei i contorizarea apariiei
concomitente a speciilor de interes. Aceast metod rudimentar este influenat
foarte mult de alegerea dimensiunii quadratului. Pielou (1961) a dezvoltat prima
metod bazat pe distanele dintre indivizi, folosind tabele de contingen create pe
baza informaiilor referitoare la specia individului referin i a primului su vecin.
Autoarea considera c speciile pot fi considerate segregate cnd au tendina de a fi
grupate n plcuri, astfel nct orice individ este mai probabil s fie gsit lng
membrii propriei sale specii dect lng indivizii celeilalte specii.
Pielou a explicat segregarea indivizilor, menionnd dou cauze:
agregarea indivizilor de aceeai specie determinat de reproducerea

vegetativ, dispersia grupat a seminelor i competiia inter-specific;
heterogenitatea habitatului - perceput ca variaie spaial a unor

factori de mediu ce poate interaciona cu cerinele ecologice diferite
ale speciilor i tolerana lor distinct fa de anumii factori.
279
279
Indicele de segregare S definit de Pielou se calculeaz folosind un raport

ntre numrul perechilor mixte (constituite din specii diferite) observate i cel
ateptat la o distribuie independent. Pentru o suprafa cu N indivizi, dintre care
NA indivizi ai speciei A i NB indivizi ai speciei B (N=NA+NB) se poate defini tabelul
de contingen:
Specia individului
Specia celui mai apropiat vecin
Total
de referin
fAA
fAB
NA
fBA
fBB
NB
Total
nA
nB
S =1
f AB + f BA
N A nB + N B nA
(7.50)
Valorile S apropiate de zero indic o populaie nesegregat, independent

din punctul de vedere al distribuiei n spaiu. Valorile pozitive indic tendina de
segregare, maximul atingnd unitatea n condiiile de repulsie perfect ntre cele
dou specii (nici un individ nu are cel mai apropiat vecin un individ aparinnd
celeilalte specii). Valorile negative sunt caracteristice asocierii pozitive dintre specii,
minimul fiind atins la -1, n cazul n care numrul de indivizi ai speciei A este egal
cu cel al speciei B iar distribuia n spaiu este format din perechi perfect izolate de
tip AB (e.g. o specie parazitat de o alta). Pentru testarea semnificaiei statistice
Pielou recomand folosirea unui test 2.
Dei indicele de segregare Pielou a fost i este nc folosit frecvent pentru
interpretarea raporturilor de interaciune n spaiu, Dixon (1994) a subliniat cteva
probleme de interpretare i concepere a acestui indice, indicnd situaii n care
indicele S nu este capabil s disting segregarea. Dixon a efectuat de asemenea
cteva modificri i recomandri cu privire la metodologia propus de Pielou de
folosire a tabelelor de contingen n aprecierea segregrii.
280
Cercetri privitoare la aspectele de asociere au mai fost efectuate de

Fuldner (1995) (citat de Aguirre et al., 2003) i von Gadow (1999). Ei au definit
variante diferite ale unui indice de amestec al speciilor (species mingling index) care
reflect capacitatea unei specii de a forma grupuri pure. Fundamentarea indicilor
este bazat pe metode dependente de distan, fiind folosit identitatea specific a
celor mai apropiai vecini.
Datorit inconvenientelor pe care le implic metodele celor mai apropiai
vecini se consider c cele mai adecvate modaliti de studiere a asocierii sunt
metodele bivariate de analiz spaial de ordinul al II-lea (Dale, 2004). Funciile de
tip Ripley pentru analiz bivariat K12(t) i L12(t) sunt capabile s ofere o imagine
detaliat a proceselor de interaciune dintre dou specii raportate la distribuia n
spaiu, fiind menionate n literatura forestier de specialitate numeroase cercetri
n acest domeniu (Szwagrzyk, Czerwczak, 1993; Beland et al., 2003; Dimov,
2004).
n lucrarea de fa s-a optat pentru studierea asocierii/segregrii speciilor
prin analiza bivariat cu ajutorul funciei L12(t) (Lotwick i Silverman, 1982).
Principiul acesteia i modalitatea de interpretare au fost prezentate n subcapitolul
anterior. Pentru prelucrarea datelor a fost folosit componenta SpPack (Perry,
2004). Interpretarea semnificaiei statistice a abaterilor s-a efectuat prin compararea
valorilor obinute cu cele ale nfurtoarelor de ncredere corespunztoare ipotezei
nule de independen, generate prin 99 de simulri Monte Carlo. Analizele au fost
efectuate pentru distana de 350 cm cu un pas de analiz de 5 cm i corecii
ponderate pentru nlturarea efectului de margine.
Graficele utilizate pentru determinarea interaciunii spaiale dintre specii se
regsesc n anexa 15. Cu ajutorul acestora au fost concepute diagramele
centralizatoare prezentate n figura 7.18. Suprafeele care nu se regsesc n situaia
prezentat sintetic au nregistrat un numr prea mic de puiei dintr-o specie
implicat n analiz, n consecin prelucrrile nu au mai fost efectuate pentru
acestea. Perechile de specii pentru care s-a efectuat analiza au fost alese conform
ipotezelor de asociere a speciilor formulate n subcapitolul 5.1.
281
281
Figura 7.18 Centralizatorul de determinare a tipului de interaciune n spaiu ntre specii

prezente n suprafeele studiate, prin intermediul funciei L12(t)
282
Relaia dintre distribuia n spaiu a carpenului i stejarului

n cazul acestei relaii, rezultatele iniiale obinute din corelaia desimilor
pe quadrate indicau o uoar tendin de segregare la dimensiunea de 50x50 cm i
mai intens dar nesemnificativ la valori ale quadratului de 350x350 cm. Analiza
bivariat permite nuanarea unor aspecte legate de distribuia n spaiu a celor dou
specii. Se nregistreaz i prin aceast metod o slab tendin de repulsie la distane
de 25-50 cm (vizibil n graficele din anexa 15 suprafeele 1, 2, 4, 5, 7) dar
nesemnificativ. Abaterile semnificative de la ipoteza nul a independenei
poziionrii n spaiu arat n general o asociere n zona median a intervalului
distanelor iar spre sfritul acestuia, la distane de peste 200-250 cm apar frecvent
procese repulsive. Cele dou specii par s manifeste o asociere, dar nu n imediata
apropiere, i nu pe distane foarte mari, odat cu creterea intervalului de analiz
fiind nregistrat chiar segregarea lor.
Relaia dintre distribuia n spaiu a frasinului i teiului
Pentru cele dou specii s-au nregistrat n analizele iniiale legturile
corelative pozitive cele mai intense, foarte semnificative la toate dimensiunile
quadratelor. Rezultatele analizei bivariate susin ipoteza formulat anterior,
asocierea pozitiv semnificativ fiind nregistrat n aproape toate suprafeele (mai
puin n suprafaa 1). Nu s-a nregistrat o tendin de asociere la o anumit
distan, fenomenul fiind semnificativ pe distane scurte, n intervale fragmentate
sau chiar pe intervale ntinse.
Relaia dintre distribuia n spaiu a jugastrului i cireului
Chiar dac ipoteza iniial susinea asocierea celor dou specii, rezultatele
analizei bivariate indic mai degrab contrariul, n 3 din cele 4 suprafee analizate
fiind semnalat segregarea semnificativ pe intervale ntinse. Tendina de variaie a
funciei L12(t) chiar i n interiorul spaiului definit de nfurtoarele de ncredere
este tot negativ indicnd repulsia indivizilor din cele dou specii ncepnd de la
circa 30 cm i continund chiar i pn la 350 cm.
Faptul c rezultatele nu confirm n totalitate ipotezele formulate anterior
prin analiza pe quadrate confirm nc odat afirmaiile lui Hurlbert (1990), care
283
283
sublinia c scara de analiz este foarte important i poate influena rezultatele

obinute. Funciile de tip Ripley sunt mai puin influenate de scara de analiz,
oferind i informaii mult mai detaliate. n concluzie se poate afirma c fenomenele
de asociere i agregare se produc, dar nu manifest constan la nivelul tuturor
suprafeelor analizate, puieii fiind mai sensibili la dinamica mai intens a
proceselor i fenomenelor specific acestui stadiu de dezvoltare.
O explicaie interesant a interaciunilor dintre specii este dat de
Szwagrzyk i Czerwczak (1993), care sugereaz c valorile semnificative ale asocierii
n direcia pozitiv sau negativ pot fi determinate de influene directe ntre
indivizii speciilor, prin fenomenul de alelopatie, considerat de autori unul din
factorii eseniali care modeleaz distribuia n spaiu a speciilor.
284
7.5. Folosirea informaiei spaiale n evaluarea relaiilor competiionale
Competiia este procesul care face referire la presiunea exercitat asupra

resurselor unui spaiu limitat de ctre indivizi care se bazeaz pe acestea pentru
supravieuire, cretere i dezvoltare. Prin intensitatea competiiei se exprim
intensitatea presiunii exercitate asupra resurselor comune.
Datorit legturii dintre accesul individual la resursele disponibile i
cretere, competiia dintre indivizi este frecvent folosit n fundamentarea
modelelor dinamicii ecosistemelor forestiere (Botkin et al., 1972; Stage, 1973; Ek,
Monserud, 1974; Ek, Monserud, 1974; Pretzsch, 1992; Hasenauer, 1994;
Monserud, Sterba, 1996).
Pentru evaluarea intensitii competiiei pot fi folosii indicatori absolui
caracteristici unei suprafee (densitatea n suprafa, suprafaa de baz) sau pot fi
folosii indicatori care determin intensitatea procesului la nivel individual. Indicii
individuali ofer un grad de detaliu mai mare, o rezoluie de apreciere superioar
celor absolui, exprimnd intensitatea relativ a competiiei.
Acest concept de intensitate relativ a fost utilizat iniial de ctre
Newnham (1964, citat de Vanclay, 1992), care afirma c n mediul forestier un
arbore fr competitori are aceleai rate de cretere cu un arbore de acelai diametru
care crete n cmp deschis. n aceeai idee considera c un arbore afectat de
competiie va avea creterea n diametru redus proporional cu intensitatea
competiiei.
Indicatorii individuali folosii n aprecierea competiiei au avantajul
aprecierii cantitative a acestui proces, dar valoarea lor nu poate fi explicat dect n
termeni relativi, prin comparaie cu valori calculate similar pentru ali arbori.
A fost conceput un numr foarte mare de indici de competiie, mai mult
sau mai puin diferii n modul de fundamentare i n relaiile de calcul. n general
este acceptat clasificarea dat de Munro (1974) n indici independeni de distan
i indici dependeni de distan.
285
285
Prezentarea acestor dou categorii a fost efectuat n capitolul 4.1, fiind

detaliate tipurile de indici ce fac parte din cea de a doua categorie. Aceti indici
sunt capabili s surprind mai fidel relaiile de competiie dintre indivizi deoarece
includ n relaia de calcul nu doar de caracteristicile biometrice, ci i poziiile
arborilor raportate la vecinii lor.
Muli autori au efectuat comparaii ntre categoria indicilor independeni
de distan i a celor dependeni de distan, prerile privind superioritatea celor
din urm nefiind unanime (Biging, Dobbertin, 1995). Reticena unor cercettori
privitoare la folosirea indicilor dependeni de distan se refer la dificultatea
culegerii poziiei tuturor arborilor ce nu compenseaz ntotdeauna sporul de
precizie obinut. n general se consider c modelele individuale de cretere pot s
beneficieze de pe urma informaiilor privitoare la variaia n spaiu a procesului
competiional, fiind efectuate numeroase cercetri n sprijinul acestei idei (Pukkala,
Kolstrom, 1991; Pretzsch, 1997; Nigh, 1997, Aitkenhead et al., 2004; Little, 2002;
Fox et al., 2007, a, b).
Cu toate c interaciunile competiionale dintre arbori au loc att la nivel
supra ct i subteran, majoritatea cercetrilor au urmrit procesul competiional
desfurat n sfera vizibil. Majoritatea indicilor de competiie includ n relaia de
calcul diametrul de baz sau suprafaa de baz a arborilor, datorit simplitii de
prelevare a datelor i importanei acestor parametri n prognoza creterilor dar
adesea sunt utilizai i ali parametri: nlimea sau dimensiunile coroanei
(diametru, volum, suprafa exterioar).
Fundamentarea indicilor dependeni de distan se bazeaz pe ipoteza
conform creia concurena resimit de un individ este invers proporional cu
distana dintre arborele de referin i vecinii si i direct proporional cu raportul
dintre dimensiunile arborilor vecini i dimensiunile arborelui de referin.
Foarte multe discuii contradictorii sunt legate de modul de alegere al
competitorilor direci. Informaiile asupra vecintilor se pot raporta la diferite
criterii de definire a vecinilor (Haining, 2004):
286
distana fix n linie dreapt dintre puncte sunt considerai

vecini toi indivizii care se ncadreaz ntr-o distan limit
precizat;
cel mai apropiat numr de vecini se consider c fiecare individ

are un numr egal cu K al celor mai apropiai vecini;
grafuri Gabriel dou elemente situate n poziia A i B sunt

vecine dac i numai dac toate celelalte elemente sunt poziionate
n afara cercului de circumferin AB (figura 7.19 a);
triangulaia Delauney toi indivizii care au o muchie comun n

partiionarea Dirichlet a spaiului respectiv sunt considerai vecini.
O partiie Dirichlet a unui spaiu consider c aria specific a unui
punct A const din mulimea tuturor punctelor ce sunt mai
apropiate de punctul A fa de orice alt punct din spaiu aceasta
este metoda cea mai natural de definire a vecinilor dar din pcate
i cea mai complicat (figura 7.19 b).
Figura 7.19 Definirea vecinilor prin grafuri Gabriel (a) sau folosind partiionarea
Dirichlet (b)
287
287
7.5.1. Evaluarea competiiei prin indici sintetici dependeni de distan

Au fost concepui foarte muli indici de apreciere a competiiei dependeni
de distan, acetia fiind preferai datorit capacitii lor de a surprinde variaia n
spaiu a intensitii acestui proces. Dei au fost efectuate numeroase cercetri n
care s-a comparat precizia de evaluare a diferiilor indici (Vanclay, 1992; Biging,
Dobbertin, 1995; Stadt et al., 2002; Popa, 2004) nici un indice nu i-a dovedit
superioritatea universal, fiind dificil de ales din multitudinea de indicatori
menionai de literatura de specialitate.
n cazul de fa s-a optat pentru evaluarea competiiei prin indicii Hegyi
(1974, citat Schaer, 1981) i Schutz (1989, citat de Ung et al., 1997), doi indici
foarte apreciai pentru versatilitatea lor i acurateea cu care surprind relaiile dintre
indivizi (Popa, 2004).
Indicele Hegyi este caracterizat prin relaia de calcul:
dj 1
j =1 d i lij
n
CI =
(7.51)
unde di diametrul arborelui referin; dj diametrul arborelui

competitor; lij distana dintre arborele de referin i vecinul su competitor; n
numrul de competitori considerai. Acest indice pondereaz raportul dintre
diametrele arborilor aflai n competiie cu distana dintre ei, nsumnd
componentele elementare obinute pentru un numr de vecini dat sau obinut n
funcie de o distan limit impus. Iniial Hegyi a definit numrul de vecini
competitori n funcie de o distan limit de 3 m, dar exist numeroase alte
variante de identificare a vecinilor.
Indicele Schutz folosete o relaie de calcul complex i include o
modalitate proprie de selectare a arborilor vecini competitori:
S = 0.65 SV + S O = 0.65
HV H C
E
+ (0.5 VC )
DVC
DVC
288
(7.52)
un arbore fiind considerat competitor

dac:
EVC 0.5 DVC + 0.65 ( HV H C )
.(7.53)
semnificaia notaiilor:
SV, SO componenta vertical, respectiv
orizontal a indicelui; HV, HC
nlimea arborelui vecin, respectiv a
arborelui referin;
DVC media
diametrelor coroanelor celor doi arbori;

EVC distana dintre limitele coroanelor
celor doi arbori.
Figura 7.20 Indicele de competiie Schutz (dup Ung et al., 1997)
Pentru calculul indicilor Hegyi am propus o modificare referitoare la

alegerea vecinilor cu care un arbore intr n competiie. Indicele Hegyi nu include
o modalitate de determinare a competitorilor, drept urmare se folosesc metode care
sunt limitative i nenaturale din punctul de vedere al relaiilor dintre arbori. Cel
mai frecvent se impune un numr fix de vecini cu care fiecare arbore dintr-o
suprafa poate interaciona (se folosesc 3, 4, 5, 8 vecini) sau o distan limit n
care cercettorul crede c se restrng procesele concureniale. Ambele variante sunt
la fel de absurde din perspectiva realitilor biologice, problema stabilirii vecinilor
fiind cu adevrat o problem foarte complicat. Se poate recurge la grafuri Gabriel
sau la partiionarea Dirichlet a spaiului, dar algoritmii specifici unor astfel de
soluii sunt dificil de implementat mai ales pentru un numr mare de indivizi.
Rezolvarea pe care o propun ine cont de gradul de umbrire al coroanei
unui arbore de ctre ceilali vecini. Un arbore vecin va fi considerat competitor
doar dac va umbri coroana arborelui de referin. Am plecat de la ipoteza c
umbrirea maxim care se realizeaz n perioada diurn corespunde unui unghi de
289
289
inciden () al razelor solare cu suprafaa terestr de maxim 45. Aceasta este o

valoare care se poate modifica n funcie de poziionarea regiunii n care se
desfoar analiza. n general peste aceast valoare a unghiului de inciden,
intensitatea radiaiei solare scade fiind n general considerat inutilizabil.
Folosind ipoteza anterior menionat am stabilit c un arbore vecin va fi
considerat competitor doar dac la un unghi maxim (de 45) realizeaz (chiar i
parial) umbrirea coroanei arborelui de referin (fig. 7.21, situaia 2 i 3).
Figura 7.21 Explicaia grafic a modului

de identificare a vecinilor
290
Aceast condiie se traduce prin inegalitatea:
arctan (
h j hV _ i
d ij
180
90
(7.54)
dac rezultatul funciei arctan este dat n radiani, iar unghiul de

inciden al razelor solare.
n ipoteza unghiului de 45 inegalitatea se reduce la:
d ij h j hV _ i
(7.55)
unde dij distana dintre arbori; hj nlimea arborelui vecin; hV_i

nlimea pn la punctul de inserie a coroanei pentru arborele de referin.
Indicele Hegyi s-a calculat folosind att relaia propus iniial de autor
prin raportarea diametrelor arborilor competitori, ct i printr-o relaie care
evalueaz intensitatea procesului competiional la nivelul nlimilor. Varianta din
urm nu este folosit n cazul arboretelor, dar personal consider c este o variant
mai potrivit pentru evaluarea relaiilor dintre puiei, nlimea, dup cum am
evideniat n capitolul 5, putnd fi considerat parametrul central n evaluarea
structurii seminiului.
Pentru justificarea fiziologic a legturii dintre competiie i cretere am
propus o variant care include n relaia de calcul aria suprafeei exterioare a
coroanei, aceasta fiind suprafaa receptoare a luminii folosit n procesul de
fotosintez.
Suplimentar a fost calculat o variant a indicelui care utilizeaz volumul
coroanei, pentru a vedea care din cele dou atribute ale coroanei influeneaz mai
mult procesul de cretere. Assman (1970) acord o importan deosebit ambilor
parametri ai coroanei menionai anterior, considernd suprafaa exterioar a
coroanei mai adecvat n studierea proceselor de cretere i dezvoltare. Att
volumul coroanei, ct i suprafaa exterioar a acesteia au fost calculate prin
asimilarea cu un elipsoid, folosind formulele (5.3) i (5.4) prezentate n capitolul 5.
Calculul valorilor indicilor s-a realizat cu aplicaii software proprii,
realizate n mediul de dezvoltare Microsoft Visual Basic.
291
291
a) indicele Hegyi_sup
b) indicele Hegyi_nlime
c) indicele Schutz
Figura 7.22 Identificarea nucleelor de intensitate maxim a competiiei prin

analiza grafic a valorilor obinute pentru indicii Hegyi i Schutz (ex. suprafaa 5)
Primul modul determin valorile indicelui Hegyi folosind diferenele

dintre diametre, nlimi, volumele coroanei i suprafeele exterioare ale acestora,
selectnd competitorii pe baza principiului fundamentat anterior.
Cel de al doilea modul determin valorile indicelui Schutz, precum i a
componentelor verticale i orizontale ale acestuia. Utilizatorul are posibilitatea de a
introduce constanta k ce reprezint ponderea acordat componentei verticale a
indicelui.
Prelucrarea datelor s-a efectuat pentru toate suprafeele i au fost ntocmite
cu ajutorul aplicaiei personale CARTOGRAMA diagramele ce prezint variaia n
spaiu a intensitii proceselor competiionale (anexa 16). Analiza cartogramelor ce
prezint variabilitatea n spaiu a proceselor competiionale permite identificarea
nucleelor cu intensitatea maxim a competiiei.
Tabelul 7.1
Matricea corelaiilor pentru indicii de evaluare a competiiei
Hegyi_d
Hegyi_vol
Hegyi_sup
Hegyi_h
Schutz
Hegyi_d
1
0,427 ***
0,593 ***
0,836 ***
0,776 ***
Hegyi_vol
Hegyi_sup
Hegyi_h
Schutz
1
0,929 ***
0,585 ***
0,486 ***
1
0,771 ***
0,685 ***
1
0,874 ***
292
Studiul acestor grafice (prezentate pentru fiecare suprafa n anexa 16)

relev faptul c indicii sintetici folosii evideniaz aceleai centre ale competiiei
(fig. 7.22), diferene nregistrndu-se n zonele cu o presiune mai sczut. Indicele
Hegyi_sup, calculat folosind suprafaa exterioar a coroanei, pare s accentueze
foarte mult zonele de intensitate maxim, estompnd restul valorilor deoarece are
cel mai mare coeficient de variaie al valorilor (anexa 17). Varianta calculat
folosind nlimea evideniaz maximele, dar pare mai sensibil grafic n aprecierea
valorilor intermediare, iar indicele Schutz, dei diferit ca i concepie de cei
anteriori, identific nuclee de intensitate maxim similare dar pare s surprind
grafic foarte bine amplitudinea intensitilor.
Relaiile dintre indicii folosii, observate prin comparaia cartogramelor,
sunt confirmate de valorile ridicate ale coeficienilor de corelaie (tabelul 7. 1).
n general obiectivul evalurii competiiei l constituie folosirea
informaiilor n corectarea modelelor funciilor de cretere a arborilor sau chiar
determinarea unor funcii de estimare a creterii. Pentru a aprecia relevana
informaiilor furnizate de indici s-a studiat legtura dintre valorile acestora i
creterile puieilor n nlime. n teren s-a msurat prin sondaj ultima cretere n
nlime pentru puieii aparinnd speciilor cu ponderea cea mai mare de
participare (carpen, stejar, tei i frasin). Primul pas a constat n determinarea
coeficienilor de corelaie dintre indici i creterea n nlime.
Tabelul 7.2
Coeficienii de corelaie ai legturii dintre creterea n nlime i indicii de competiie
Toi puieii Ca
St
Te
Fr
Hegyi_d
-0,298 ***
-0,244 ***
-0,339 ***
-0,559 ***
-0,445 ***
Hegyi_vol
-0,194 ***
-0,170 ***
-0,294 ***
-0,386 ***
-0,156
Hegyi_sup
-0,309 ***
-0,401 ***
-0,362 ***
-0,475 ***
-0,391 ***
Hegyi_h
-0,331 ***
-0,312 ***
-0,370 ***
-0,599 ***
-0,566 ***
Schutz
-0,386 ***
-0,358 ***
-0,426 ***
-0,577 ***
-0,637 ***
Schutz vertical
-0,348 ***
-0,339 ***
-0,409 ***
-0,518 ***
-0,589 ***
Schutz orizontal
0,242 ***
0,204 ***
0,300 ***
0,376 ***
0,510 ***
293
293
Din analiza valorilor prezentate n tabelul 7.2 se remarc faptul c toi

indicii calculai stabilesc legturi foarte semnificative de intensitate slab i medie
cu creterea n nlime. Exist ns diferene n ceea ce privete capacitatea
indicilor de a explica variaia creterilor.
Valorile coeficienilor de corelaie au fost prezentate att pentru toi arborii
ct i pentru principalele patru specii, considernd c fiecare specie are propriile
mecanisme auxologice i caracteristici distincte de reacie la competiie. Corelaiile
obinute pe specii difer pentru acelai indice i au fost obinute n general
intensiti mai mari dect cele obinute pentru toi puieii, fapt ce confirm ideea
c speciile reacioneaz diferit la competiie. Drept urmare, includerea informaiilor
legate de procesul competiional n modelele de cretere trebuie s se fac
difereniat pe specii pentru a crete acurateea prediciilor.
n ceea ce privete capacitatea difereniat a indicilor de a surprinde
caracteristicile auxologice ale speciilor, se remarc anumii indici cu un
comportament predictiv superior: indicele Schutz (intensitatea legturii a fost
maxim pentru St, Fr i per total), indicele bazat pe raportarea nlimilor Hegyi_h
(intensitate maxim pentru Te) i indicele bazat pe raportarea suprafeelor
exterioare ale coroanei Hegyi_sup (intensitate maxim pentru Ca).
Componenta vertical a indicelui Schutz explic mult mai bine variaia
creterii prin comparaie cu componenta orizontal, fapt determinat pe de o parte
de comparaia realizat cu creterea n nlime i pe de alt parte de importana
acestui parametru biometric n caracterizarea structurii seminiului.
Surprinde faptul c dei volumul coroanei i suprafaa coroanei sunt
parametri bazai pe aceleai elemente, sunt diferene mari ntre Hegyi_sup i
Hegyi_vol n ceea ce privete relaia cu creterea, cu att mai mult cu ct
coeficientul de corelaie dintre cei doi indici este de 0,929 ***. Explicaia se regsete
n fundamentarea fiziologic a Hegyi_sup, fapt confirmat de opiniile lui Assman
(1970) privitoare la superioritatea suprafeei exterioare a coroanei n explicarea
proceselor de cretere.
294
Pentru a identifica eventuala superioritate a capacitii predictive a unuia

dintre indicii folosii, legturile corelative au fost analizate i grafic deoarece
dependena dintre elemente nu pare s fie liniar, caz n care coeficienii de
corelaie determinai nu sunt pe deplin sugestivi.
n vederea determinrii formei legturii corelative au fost folosite ecuaii de
regresie logaritmice, exponeniale sau de tip putere, fiind selectate i prezentate
grafic acele ecuaii pentru care s-au obinut coeficienii de determinare maximi, n
acest fel explicndu-se cea mai mare parte a variaiei datelor.
Este evident n toate diagramele din figura 7.23 faptul c cele mai mari
creteri se nregistreaz n condiiile unor valori reduse ale competiiei. Se remarc
descreterea exponenial a valorilor indicilor de competiie odat cu majorarea
creterilor.
Ecuaiile de regresie care modeleaz cel mai bine legtura dintre competiie
i creterea n nlime sunt ecuaiile exponeniale i cele de tip putere. Valorile
maxime ale coeficienilor de determinare au fost obinute i n acest caz la analiza
pe specii, n cazul teiului i frasinului modelele matematice reuind s explice peste
60% din variana datelor.
Indicele sintetic pentru care s-a obinut cea mai puternic legtur ntre
cretere i intensitatea competiiei este indicele Hegyi_sup, varianta pentru care s-a
folosit n definirea raportului dimensional aria suprafeei exterioare a coroanei. S-a
dovedit astfel c acest parametru al coroanei nu este superior doar teoretic (prin
justificarea sa fiziologic) ci i practic, oferind informaii utile care ar putea fi
folosite n activitatea de modelare.
Un comportament similar, dar inferior din punctul de vedere al varianei
explicate l-a avut indicele Hegyi_h. n cazul indicelui Schutz ecuaiile de regresie
descriu mai greu relaia acestuia cu creterile n special datorit numrului mare al
valorilor nule pe care acest indice le determin. Numrul puieilor pentru care nu
se identific vecini competitori (i implicit valoarea intensitii competiiei este
nul) reprezint o diferen major ntre cele dou tipuri de indici folosii.
295
295
Figura 7.23 Analiza grafic a legturilor corelative dintre indicii de competiie i

creterea n nlime cazul tuturor puieilor i separat pe specii
296
n cazul folosirii indicelui Schutz au fost identificai 3% puiei fr

competitori direci, pe cnd n cazul utilizrii pentru indicele Hegyi a criteriului de
selecie a vecinilor competitori fundamentat anterior s-au identificat doar 0,03%
puiei din aceast categorie. Diferena este determinat de criteriul de selecie al
vecinilor, pentru indicele Schutz acest criteriu fiind foarte limitativ, fiind acceptate
situaii evidente de umbrire a coroanelor drept cazuri n care nu intervine
competiia. Criteriul de selecie al vecinilor fundamentat n aceast lucrare a permis
identificarea de peste 100 de ori mai multe cazuri n care competiia nu poate fi
exclus comparativ cu varianta de selecie a competitorilor propus de Schutz.
Indicele Schutz exclude n acest fel date privitoare la relaiile dintre puiei, pe cnd
utilizarea criteriului nou propus include date suplimentare, crescnd relevana
indicilor de competiie care l folosesc.
Trebuie amintit faptul c toi indicii folosii au avut rezultate comune n
privina aprecierii speciilor cel mai puin afectate de competiie valorile medii
calculate pe specii (anexa 17) indic aceeai ordine paltinul, cireul i teiul sunt
speciile care au puieii cel mai puin afectai de competiie. Informaia este
interesant dar trebuie privit cu rezerv deoarece valorile mari ale coeficienilor de
variaie indic o structur foarte eterogen din punctul de vedere al indicilor
calculai, media fiind n acest caz prea puin semnificativ.
Relaiile de competiie dintre puiei permit obinerea unor informaii utile
din punctul de vedere al modelrii creterilor n nlime i ulterior de determinare
a dinamicii seminiului, dar metodele de obinere a acestor informaii trebuie
selectate cu mult atenie deoarece insuficienta fundamentare a unora dintre ele
poate s conduc la rezultate care s nu reflecte foarte obiectiv situaia real din
teren.
297
297
7.5.2. Determinarea suprafeei poteniale de dezvoltare a puieilor

ncercrile cercettorilor de a explica mecanismele competiiei dintre
indivizi au ptruns de multe ori n domenii ale matematicii pentru a gsi metodele
cele mai potrivite de evaluare a intensitii acestei relaii.
O abordare mai puin ntlnit dar foarte interesant se refer la suprafaa
potenial de dezvoltare sau aria potenial disponibil a unui individ, conceptul de
APA (area potentially available) fiind introdus n ecologie de ctre Brown (1965,
citat Kenkel et al., 1989). Acelai concept se pare c a fost dezvoltat independent i
de ctre Mead (1966, citat Kenkel et al., 1989), dar cercetri n domeniul spaiului
de dezvoltare sunt menionate nc din 1835 n lucrarea Die Forst-Mathematik a
lui Konig.
Prin APA se definete suprafaa pe care un individ o are la dispoziie
pentru accesul la resursele necesare creterii i dezvoltrii. Includerea APA n
evaluarea competiiei ncearc rezolvarea unei probleme de referin circular care
frmnt cercettorii interesai de modelarea creterilor (Wichmann, 2002; Garcia
2008) - arborii au dimensiuni mai mari pentru c au acces la mai multe resurse sau
au acces la resurse mai multe pentru c sunt mai mari? Exist relativ puine
cercetri n acest domeniu (Mark, Esler, 1970; Moore et al., 1973; Kenkel et al.,
1989; Mercier, Baujard, 1997), Smith (1987) considernd c aceast abordare a
fost n general ignorat sau chiar evitat datorit nenelegerii fundamentrii
geometrice a APA i datorit dificultilor de calcul i algoritmizare. Ultimii ani au
condus la o dezvoltare fr precedent a computerelor i s-au realizat numeroase
progrese n cazul algoritmilor specifici geometriei computaionale, astfel c
problema ariei poteniale de dezvoltare revine n atenia cercettorilor.
Soluionarea problemelor prin utilizarea acestui concept nu se rezum doar
la aprecierea competiiei ci implic i alte aspecte cercetri de apreciere a
mortalitii plantulelor efectuate de Owens i Norton (1989) sau determinarea
tiparului spaial al populaiilor de arbori (Mercier, Baujard, 1997; Palaghianu,
2012). Asupra acestui ultim aspect Garcia (2008) sublinia faptul c se poate vorbi
298
de o interaciune ntre spaiul de dezvoltare al arborilor apropiai ca efect al

autocorelaiei. Vecinii foarte apropiai (ntre care exist o distan mai mic dect
media distanelor din suprafa) vor avea amndoi APA mai mic dect media
spaiilor de dezvoltare din suprafaa analizat i viceversa, APA puieilor mai
ndeprtai va fi mai mare dect media.
Winsauer i Mattson (1992) menionau cteva din avantajele utilizrii ariei
poteniale de dezvoltare n cercetrile forestiere - suprafeele potenial disponibile
ale arborilor se exclud reciproc, sunt sensibile la dinamica populaiei i se
nregistreaz corelaii bune ale ariei acestora cu ratele de cretere. Aceast ultim
observaie st la baza utilizrii APA drept metod de evaluare a intensitii
competiiei - cu ct suprafaa corespunztoare unui individ este mai mare, cu att
mai mic va fi presiunea concurenial ce acioneaz asupra lui.
Spaiul potenial de dezvoltare al arborilor a cunoscut diverse forme de
exprimare similare conceptului formulat de Brown e.g. zona de influen folosit
de Staebler (1951) i Bella (1971) (citai de Schaer, 1981) sau Moore (et al.,
1973). Cea mai corect formulare rmne totui cea iniial, bazat pe un concept
matematic al partiionrii unui spaiu partiionarea n poligoane Voronoi sau n
celule Dirichlet. Se admite c aria potenial disponibil este echivalent cu
suprafaa poligonului Voronoi asociat unui individ.
n matematic diagramele Voronoi sau Dirichlet sunt un tip particular de
partiionare a spaiului metric prin distanele ctre o mulime finit de obiecte din
spaiu. Primele preocupri i referiri la acest tip de partiionare a spaiului aparin
lui Descartes (1644, citat de Aurenhammer i Klein, 1999), dar acesta nu a definit
explicit metoda. Numele ei provine de la matematicianul ucrainean Georgy
Fedoseevich Voronoi, respectiv de la cel german Peter Gustav Dirichlet care au
definit geometric acest proces particular de mozaicare (Aurenhammer i Klein,
1999).
n spaiul bidimensional un poligon Voronoi sau o celul Dirichlet a unui
element conine toate punctele din plan mai apropiate de acel element dect de
orice alt element din plan (figura 7.24 a, b).
299
299
Figura 7.24 Partiionarea spaiului n poligoane Voronoi (a, b) i modul

geometric de construcie a unui astfel de poligon (c)
Muchiile poligonului sunt formate din punctele situate la distane egale de

dou elemente considerate nvecinate. Vrfurile poligonului sunt formate din
puncte situate la distane egale de minim 3 elemente. n aceast situaie dou
elemente sunt considerate vecine dac au o latur comun a poligonului Voronoi
asociat.
Din punct de vedere geometric posibilitatea construirii unui astfel de
poligon se reduce la intersectarea mediatoarelor segmentelor care unesc elementele
vecine (figura 7.24 c). Odat obinut diagrama Voronoi pentru o suprafa, dac
se unesc prin segmente elementele considerate vecine din interiorul nfurtoarei
convexe, se obine triangulaia Delauney. Datorit dificultilor de construire a
partiionrii Dirichlet pentru un numr mare de elemente, s-a ncercat
automatizarea procesului, n ultimii ani fiind concepui numeroi algoritmi, de
referin n acest domeniu fiind lucrarea Spatial Tessellations: Concepts and
Applications of Voronoi Diagrams (Okabe et al., 2000).
n vederea stabilirii ariei poteniale a puieilor din suprafeele studiate a
fost realizat un program n mediul de dezvoltare Microsoft Visual Basic, folosind
un algoritm prezentat de Ohyama (2008). Complexitatea algoritmului nu este cea
mai potrivit (O (n2)) existnd i metode mai rapide - cunoscutul algoritm al lui
Fortune (1987) are o complexitate de O(n log n), dar este dificil de implementat.
300
Programul VORONOI preia coordonatele puieilor dintr-o foaie de

calcul tabelar de tip Excel i construiete diagrama Voronoi pentru suprafaa dat.
Analiza vizual a diagramelor permite obinerea de informaii privitoare la
vecinii fiecrui puiet ceea ce poate constitui o metod natural de selectare a
vecinilor n cazul determinrii diverilor indici de competiie. De asemenea se pot
face aprecieri asupra spaierii indivizilor i asupra tiparului de organizare spaial,
identificndu-se mai uor zonele de agregare sau cele care tind spre un tipar
uniform.
Se pot efectua numeroase analize folosind aria poligoanelor Voronoi
coeficientul de variaie poate constitui un test care s aprecieze ndeprtarea de la
ipoteza distribuiei uniforme n spaiu, valorile mari ale acestuia indicnd abaterea
de la ipoteza CSR n direcia agregrii (Palaghianu, 2012). A fost constituit o
aplicaie de calcul a valorii ariei poteniale de dezvoltare i s-a determinat pe fiecare
suprafa i coeficientul de variaie al APA. Legturile corelative ale acestui
parametru cu principalii indici de apreciere ai organizrii spaiale (r = 0.88 ** n
cazul indicelui Morisita i r = -0.58 n cazul indicelui Clark-Evans) arat
potenialul folosirii coeficientului de variaie al APA drept indicator de evaluare a
tiparului spaial al puieilor (figura 7.25). Ideea este susinut i de rezultatele
obinute n cazul folosirii simulrilor Monte-Carlo pentru a genera o nfurtoare
de ncredere a CSR pentru parametrul constituit de coeficientul de variaie al APA.
Figura 7.25 Corelaia dintre coeficientul de variaie ala APA i (a) indicele Clark-Evans,
respectiv (b) indicele Morisita
301
301
Figura 7.26 Valorile coeficientului de variaie al APA indic agregarea n toate suprafeele
studiate - depete valorile nfurtoarei de ncredere
Rezultatele obinute arat abateri semnificative de la ipoteza CSR pentru

toate suprafeele considernd pragul de semnificaie de 5% (figura 7.26).
Aria poligoanelor poate fi folosit i drept indice de competiie, valorile
mici fiind asociate cu o intensitate mare a proceselor concureniale. Structurile
complexe de reprezentare a datelor pentru poligoanele Voronoi fac totui dificil
folosirea ariei n prelucrri numerice uzuale.
Figura 7.27 Diagramele Voronoi generate pentru suprafeele 3 i 4
302
Figura 7.28 Diferena dintre diagramele Voronoi neponderate (a) i ponderate (b),
detaliu din suprafaa 4
n figura 7.27 sunt prezentate diagramele Voronoi pentru dou din

suprafeele studiate, diagramele pentru restul suprafeelor regsindu-se n anexa 18.
Prin analiza diagramelor Voronoi (figura 7.27) devin evidente zonele de agregare
din suprafee, iar prin prin compararea acestora cu cartogramele ce prezint
intensitatea competiiei se observ c multe din nucleele de intensitate maxim a
competiiei corespund zonelor de agregare identificate n diagramele Voronoi.
Spaiul de dezvoltare influeneaz n mod evident relaiile dintre tinerele exemplare
cu efect direct asupra creterilor acestora. n cazul arborilor literatura de specialitate
menioneaz corelaii puternice semnificative ntre APA i creterea n suprafaa de
baz (Moore et al., 1973; Winsauer, Mattson, 1992).
n unele situaii se consider c suprafaa potenial de dezvoltare nu
surprinde suficient de realist spaiul aferent unui individ deoarece nu se iau n
calcul datele biometrice caracteristice (nlimea, dimensiunea coroanei) care
modeleaz diferit configuraia spaiului care asigur accesul la resurse. Au aprut
soluii matematice de corectare a acestei probleme - ponderarea ariilor Voronoi cu
valori atribuite fiecrui punct. n acest fel ariile poteniale determinate iniial pot fi
corectate prin intermediul unor ponderi individuale. Lucrrile de cercetare
menioneaz c ponderarea se poate face cu ajutorul diametrului, suprafaei de baz
sau razei coroanei (Moore et al., 1973; Smith, 1987; Winsauer, Mattson, 1992).
303
303
n cazul seminiului consider c ar fi mai indicat folosirea nlimii (fiind

evideniat n subcapitolul 7.5.1 importana acesteia n competiie) sau a
parametrilor coroanei (raza medie sau volumul coroanei).
Aplicaia VORONOI prezint un modul separat pentru generarea
diagramelor ponderate (figura 7.28 b). Utilizatorul poate alege caracteristica
biometric pe baza creia s se realizeze corecia spaiului individual de dezvoltare.
Suprafeele obinute sunt neregulate i este dificil de calculat aria mai ales n cazul
suprafeelor cu o desime mare.
Potenialul de utilizare al diagramelor Voronoi este foarte mare dar
insuficient exploatat datorit prelucrrilor dificile, de aceea consider aplicaia
conceput un instrument foarte util cercettorilor care intenioneaz s foloseasc
aceast tehnic de investigare.
304
Capitolul 8. Concluzii i contribuii originale
Capitolul 8
Concluzii. Contribuii originale
8.1. Sinteza cercetrilor efectuate
Concluziile sunt redactate sub forma unei sinteze a rezultatelor obinute,
prezentarea fiind fcut n conformitate cu obiectivele principale propuse iniial.
Astfel s-au obinut rezultate ale cercetrilor cu privire la:
1. Evaluarea structurii seminiului
Pentru determinarea particularitilor structurii seminiului au fost
efectuate analize statistice ale principalelor elemente structurale. Datele biometrice
ale celor 7253 de puiei inventariai au constituit suportul determinrii
distribuiilor, indicatorilor statistici i relaiilor dintre parametrii analizai. S-a
determinat grafic, cu ajutorul aplicaiei proprii CARTOGRAMA, variaia spaial a
desimii, precum i a valorilor atributelor biometrice analizate, ceea ce a permis
stabilirea gradului de neomogenitate din suprafeele studiate. Pentru modelarea
matematic a distribuiilor experimentale cele mai bune rezultate au fost obinute
prin folosirea funciilor de densitate Beta, Gamma i Weibull.
a) Referitor la situaia numrului de puiei pe specii, au fost formulate
primele ipoteze privitoare la asocierea/repulsia unor specii, ca urmare a analizei
corelaiilor dintre desimile speciilor pe quadrate de diferite mrimi, ipoteze care au
fost testate ulterior prin metode ale analizei spaiale. Distribuia suprafeelor
statistice elementare de 1x1m pe categorii ale numrului de puiei la metrul ptrat
este unimodal, cu asimetrie de stnga, i a fost bine ajustat de distribuia teoretic
Weibull i Beta. S-a nregistrat un numr mediu de 14 puiei la metrul ptrat i un
coeficient de variaie de 57%.
305
305
b) Au fost de asemenea calculai indicatorii statistici (pentru toi puieii i

pe specii) i analizate distribuiile experimentale pentru: diametrul la colet (media
de 8,3 mm /coeficientul de variaie 63,8%), nlime (96,7 cm/54,9%), nlimea
pn la prima ramur verde (26,2 cm/55,3%) i diametrul mediu al coroanei (23,2
cm/65,2%). Distribuiile sunt n general bine ajustate de funciile de densitate
folosite, cu toate c s-au remarcat deficiene ale testului 2 la valori mari ale
frecvenelor pe clase. Dei aprecierea vizual i testul KolmogorovSmirnov indic
o bun ajustare, la folosirea testului 2 se respinge ipoteza nul.
S-a efectuat i o stratificare a puieilor n patru straturi difereniate dup
nlime, pe specii i s-a artat c instalarea noilor generaii de puiei se realizeaz
greu n condiiile n care generaiile anterioare au atins dimensiuni apreciabile.
Distribuia pe categorii de nlimi, ct i cea pe straturile definite relev o foarte
bun valorificare a spaiului pe vertical datorit competiiei pentru lumin.
Capacitatea speciilor de a se situa preponderent n straturile superioare sau
inferioare este dat de mecanismul competitiv al fiecrei specii - frasinul are peste
70% din puiei n cele mai de jos dou straturi, iar teiul, cireul, jugastrul au peste
70% puiei n straturile superioare (3 i 4).
Din analiza indicatorilor statistici ai parametrilor coroanei se desprinde
tendina speciilor de a-i forma nc din stadiile foarte tinere un tipar al coroanei.
Att proporia nlimii pn la punctul de inserie al coroanei din nlimea total
(hv/h) ct i diametrul mediu al coroanei arat diferene foarte mari nregistrate
ntre specii. Media raportului hv/h este de 33% pentru toi puieii, dar frasinul
nregistreaz valori cu peste 27% peste medie pe cnd jugastrul cu mai mult de
21% sub medie. Similar se nregistreaz diferene majore i n cazul diametrului
coroanei - cireul are valori cu 30% peste media general, pe cnd frasinul cu 34%
sub medie. S-a folosit termenul de coroan a puieilor, chiar dac puieii de 1-2 ani
nu au aceast structur bine difereniat. Geometric s-a determinat un corp al
coroanei innd cont de aparatul foliar, deschiderea dintre lujeri i punctul de
inserie pe tulpin al primului lujer.
306
c) Determinarea precis n teren a poziiei fiecrui puiet precum i a

caracteristicilor biometrice care definesc arhitectura sa a permis reconstituirea
modelului tridimensional al fiecrei suprafee. Metoda completeaz informaiile
referitoare la structur i reprezint o form intuitiv de prezentare i interpretare a
informaiilor. Reprezentrile tridimensionale au fost realizate cu ajutorul
programului SVS (McGaughey, 1997). Pentru a uura transferul datelor din foile
de calcul tabelar n formatul complex impus de SVS s-a conceput un program (SVS
Export) care realizeaz automat aceast operaie.
d) S-au studiat i relaiile dintre elementele biometrice ale puieilor. S-a
demonstrat c spre deosebire de situaia arboretelor, unde parametrul central al
structurii este reprezentat de diametrul de baz, n cazul seminiului diametrul la
colet este un parametru important, dar greu msurabil, instabil i cu o
reprezentativitate sczut. nlimea se msoar uor, precizia determinrilor este
mare, este mai stabil din punct de vedere statistic (are cel mai mic coeficient de
variaie) i influeneaz esenial dinamica seminiului datorit competiiei intense
pentru lumin. n urma acestor aprecieri se consider nlimea total a puieilor
atributul central al structurii seminiului.
Valorile coeficienilor de corelaie dintre elementele biometrice indic
legturi de intensitate medie i puternic, foarte semnificative, ntre toi parametrii.
Se poate meniona legtura dintre d (diametru) i h (nlime) - 0,761***, dintre h
i dc (diametrul mediu al coroanei) - 0,644***, respectiv d i dc - 0,654***. Dac n
cazul arboretelor se practic modelarea elementelor biometrice n funcie de
diametrul de baz, acesta putnd fi uor msurat, n cazul seminiurilor se
recomand modelarea celorlalte elemente, mai greu msurabile, n funcie de
nlimea puieilor. Au fost determinate ecuaiile de regresie ce descriu variaia
parametrilor biometrici n funcie de nlime i s-a constatat c variabila
independent (h) explic 61,3% din variaia diametrelor (d), 44,4% din cea a
diametrului mediu al coroanei (dc) i 29,9% din cea a nlimii punctului de
inserie a coroanei (hv). Stratificarea pe specii a permis mbuntirea substanial a
capacitilor predictive ale modelelor matematice. Acurateea de estimare a
307
307
modelelor propuse s-a testat prin analize ale abaterilor reziduale. Parametrul pentru
care modelele matematice dependente de nlime explic cea mai mare parte a
varianei este diametrul la colet (61% per total, 72% n cazul stejarului).
e) n scopul mbuntirii capacitii predictive a modelelor s-au introdus
variabile independente suplimentare nlimii i s-a efectuat o analiz a regresiei
multiple. Au fost nregistrate progrese minore, care nu justific efortul prelevrii
datelor suplimentare.
f) S-a determinat volumul i suprafaa exterioar a coroanei, doi parametri
considerai importani n definirea relaiilor dintre arbori i n fundamentarea
eficienei creterilor (Assman, 1970). Pentru estimarea suprafeei exterioare a
elipsoidului asociat coroanei s-a folosit o formul de aproximare recent (Cantrell,
2004). Au fost determinate i modele matematice de estimare a celor doi parametri
ai coroanei n funcie de nlime i diametrul la colet. nlimea a reprezentat
variabila independent ce a oferit predicii superioare celor oferite de modelele
bazate pe diametrul la colet (prin comparaia abaterilor reziduale), explicnd peste
80% din variana suprafeei exterioare a coroanei i peste 75% din cea a volumului
coroanei. Suprafaa exterioar a coroanei este un element mai expresiv comparativ
cu volumul acesteia, att n relaia cu diametrul ct i cu nlimea, fiind obinui
coeficieni de determinare superiori. Pentru creterea preciziei de estimare au fost
determinate ecuaiile de regresie (n funcie de nlime) pe specii, dar s-au obinut
mbuntiri doar n cazul puieilor de stejar.
g) S-a analizat i relaia parametrilor biometrici cu desimea, la diferite scri
de
analiz,
pentru
prelucrarea
datelor
fiind
folosit
aplicaia
proprie
CARTOGRAMA. Toate variantele dimensionale de analiz (quadrate de 1x1 m,

1,75x1,75 m, 3,5x3,5 m) au evideniat legturi corelative negative, de intensitate
medie, foarte semnificative, parametrii cei mai afectai de desime fiind n ordine
diametrul la colet, diametrul mediu al coroanei, volumul coroanei i suprafaa
exterioar a acesteia. Corelaia dintre desime i nlime este de intensitate slab
astfel c s-a propus folosirea concomitent a acestor dou variabile n modelare,
riscul ca rezultatele s fie afectate de multicoliniaritate fiind redus. Analiza regresiei
308
multiple a artat c folosirea nlimii i desimii drept variabile independente n

modele matematice de determinare a parametrilor biometrici conduce n unele
cazuri la mbuntirea consistent a preciziei modelelor.
2. Evaluarea diversitii structurale dimensionale
a) Heterogenitatea structurii dimensionale a fost apreciat pentru
distribuia diametrelor, nlimilor, volumelor i suprafeelor exterioare ale coroanei
prin indici sintetici consacrai: Shannon, Simpson, Brillouin, Berger-Parker,
McIntosh, Gleason, Margalef i Menhinick, calculai cu ajutorul aplicaiei software
proprii BIODIV. Analiza valorilor obinute i a corelaiilor a permis identificarea a
dou grupe, ce conin indici similari ca expresivitate sau chiar redundani: prima
grup format din indicele Shannon, Simpson, Brillouin, Berger-Parker, McIntosh,
iar cea de a doua reprezentat de indicii Gleason, Margalef i Menhinick.
Rezultatele confirm stabilitatea structurii nlimilor, pentru care s-au
nregistrat valorile maxime ale diversitii structurale (cea mai echilibrat rspndire
n clase). n cazul speciilor valorile maxime au fost obinute pentru carpen i tei,
subliniindu-se capacitatea deosebit a acestora de a se impune n comuniti.
b) Diversitatea structural a fost apreciat pentru nlime i prin
intermediul indicilor de difereniere dimensional T (Gadow, 1997) i dominan
U (Hui et al., 1998; Gadow i Hui, 1999). Determinarea acestora a fost efectuat
pentru un numr de 1-5 vecini, cu ajutorul programului propriu DIFDOM.
Rezultatele indic o difereniere dimensional
slab spre medie n
grupurile de 2-6 indivizi crescnd odat cu mrirea grupului. i indicele de

dominan U indic o diversitate structural redus dup nlime. Lund n calcul
valorile medii pe suprafa s-a artat c indicele de difereniere dimensional T este
puin influenat de numrul de vecini luat n calcul, indicele de dominan U fiind
ns mai sensibil. S-a stabilit c indicele T nu este influenat de desimea puieilor
dar este corelat negativ cu nlimea medie.
c) Datorit faptului c indicii sintetici de apreciere a diversitii structurale
nu includ date explicite privitoare la distribuia n spaiu a atributelor dimensionale
a fost fundamentat un indice propriu care corecteaz aceast deficien a indicilor.
309
309
Indicele IDIV se bazeaz pe un principiu simplu de comparare a sumei distanei

dintre vrfurile puieilor apropiai cu suma distanelor reduse la orizont dintre
puiei. Cu ct raportul se abate mai mult de la valoarea unitar, cu att diversitatea
este mai mare. Fundamentarea include i definirea unui maxim i minim teoretic,
precum i a unui maxim i minim posibil de realizat pentru aceleai valori ale
nlimii puieilor. Pentru acoperirea ntregii suprafee aceasta se mparte n benzi
paralele de lime egal i se definesc dou componente axiale ale indicelui IDIV
IDIV_Ox i IDIV_Oy. Indicele IDIV este foarte flexibil i adaptabil i permite
identificarea unor fenomene direcionale prin analiza diferenelor dintre valorile
componentelor axiale. Pentru calculul componentelor indicelui a fost conceput o
aplicaie software proprie, numit IDIV.
Rezultatele arat influena scrii de analiz n cercetrile ce implic
distribuia spaial a evenimentelor. A fost observat o tendin de maximizare a
diversitii structurale odat cu creterea pasului de analiz explicabil prin tendina
de agregare a puieilor de dimensiuni apropiate pe spaii reduse. Creterea
heterogenitii se datoreaz diferenelor dintre aglomerrile de puiei odat cu
mrirea perspectivei de analiz. n urma studierii diferenelor dintre componentele
axiale IDIV_Ox i IDIV_Oy nu s-au constatat decalaje care s conduc la ipoteza
unor fenomene direcionale.
Corelaiile cu desimea au artat c indicii IDIV i IDIV_max sunt
puternic influenai de desime, dar au artat i o component independent de
desime: IDIV_min. Corelaiile semnificative, de intensitate medie cu indicii clasici
ai diversitii structurale precum i cu cei de dominan i difereniere dimensional
dovedesc capacitatea indicelui IDIV de a surprinde heterogenitatea dar nu se poate
stabili superioritatea sa fr analize suplimentare.
3. Evaluarea particularitilor de organizare n spaiu a puieilor
a) Au fost folosite analize diferite care au urmrit identificarea unor tipare
care nu sunt evidente la o simpl analiz vizual i confirmarea faptului c un tipar
spaial difer statistic semnificativ de o distribuie aleatoare n spaiu. Prelucrrile
datelor au fost realizate cu ajutorul unei versiuni mbuntite a aplicaiei proprii
310
SPATIAL (Palaghianu, Horodnic, 2007) i a modulului SpPack (Perry, 2004).

Primele analize au fost realizate printr-o metod independent de distane
- metoda quadratelor. Au fost determinai: indicele de dispersie, indicele mrimii
agregatului, indicele Morisita i indicele Green n situaia a trei variante
dimensionale ale quadratului (50 cm, 70 cm i 100 cm). n toate suprafeele i
variantele dimensionale s-au obinut abateri statistic semnificative fa de ipoteza
CSR n direcia tiparului agregat. S-a remarcat scderea intensitii de agregare la
creterea desimii. Legat de expresivitatea indicilor, recomand folosirea indicelui
Morisita datorit faptului c este singurul indice care ofer o explicaie a valorii sale
i este mai puin afectat de variaia dimensiunii quadratului (Hurlbert, 1990).
b) S-au determinat o serie de indici sintetici dependeni de distan:
indicele Fisher, Clark-Evans, Donnelly, Skellam, Pielou. Rezultatele indic n 75%
din cazuri procese contagioase pozitive. Influena desimii asupra modului de
organizare spaial s-a confirmat i prin aceast metod. Creterea desimii i
implicit a competiiei accentueaz procesele repulsive, determinnd apariia unui
tipar spaial uniform. Corelaia dintre indicii de apreciere a agregrii i cei ai
diversitii arat c la creterea diversitii structurale a nlimilor se accentueaz
uniformitatea n spaiu. Se dovedete n acest fel tendina puieilor de a utiliza
optim spaiul att pe vertical (prin distribuirea echilibrat n clase de nlimi) ct
i pe orizontal (prin tendina de a se distribui uniform).
c) S-a inclus n seria analizelor efectuate i metoda rafinat a distanelor
fa de cel mai apropiat vecin, fiind folosit funcia G(w) (Diggle, 1979) pentru
identificarea proceselor contagioase. Au fost realizate diagrame pentru toate
suprafeele pentru a identifica diferenele dintre valoarea experimental a G(w) i
valoarea teoretic, obinut n condiiile unei distribuii aleatoare n spaiu.
Testarea semnificaiei statistice s-a realizat pentru pragul de semnificaie de 5%
prin intermediul generrii nfurtoarelor de ncredere prin simulri. i n acest
caz s-a constatat preponderent agregarea, dar metoda se bazeaz pe analiza
distanelor fa de primul vecin i nu ofer informaii privitoare la spaiere pentru
distane mai mari dect distana maxim fa de primul vecin.
311
311
d) S-au efectuat i analize prin metoda celor mai apropiai k vecini - (KNN
kth nearest neighbours). Indicatorii specifici acestei metode au fost calculai pentru
cei mai apropiai 1-15 vecini. Pentru testarea semnificaiei statistice limitele
intervalului de ncredere au fost determinate analitic, dei exist posibilitatea
folosirii unor nfurtoare de ncredere generate prin simulri Monte Carlo. n
nou din cele zece suprafee au fost identificate abateri semnificative de la ipoteza
distribuiei aleatoare n direcia agregrii. S-a constatat agregarea puieilor pentru
grupri de 2-3 indivizi (n suprafeele 1, 7, 9), grupri de pn la 6-7 indivizi
(suprafeele 2 i 10) sau chiar aglomerri de peste 16 puiei (suprafeele 3, 4, 5, 6).
e) Ultima dintre analize a constat n folosirea metodelor analizei spaiale de
ordinul al II-lea. S-a folosit funcia L(t) (Besag, 1977), o variant standardizat a
funciei K(t) (Ripley, 1977). Testarea semnificaiei abaterilor de la ipoteza CSR s-a
fcut cu ajutorul generrii nfurtoarelor de ncredere prin efectuarea a 99 de
simulri. Tendina de agregare este majoritar, fiind prezent n toate suprafeele
studiate pe diferite distane. Au fost identificate dou intervale n care agregarea
este maxim: 30-90 cm (suprafeele 1, 2, 4, 7) i 220-310 cm (suprafeele 3, 5, 6,
8, 10). Puieii au tendina de a forma nuclee mai mici cu diametrul de 30 pn la
90 cm incluse n aglomerri de dimensiuni mai mari (de 2-3 m).
S-a efectuat i o analiz a straturilor dimensionale ale puieilor n funcie
de nlime. Agregarea este preponderent n toate straturile. Puieii de mari
dimensiuni se agreg pe intervale mai reduse comparativ cu celelalte straturi iar
agregarea nu se produce de la cele mai mici distane. Puieii de dimensiuni medii
manifest cele mai intense procese contagioase pozitive, cu agregarea maxim n
grupurile cu dimensiunea de 30-80 cm, 120-250 cm, sau chiar peste 250 cm.
Agregarea plantulelor are un caracter fragmentat, formndu-se grupuri foarte
variate ca dimensiune (grupuri mici dispuse aleatoriu n grupuri mai mari).
f) Analiza bivariat prin funcia L12(t) a evideniat faptul c plantulele se
asociaz n general pozitiv cu puieii de dimensiuni medii iar puieii de talie mare
acioneaz repulsiv att fa de plantule ct mai ales fa de puieii de dimensiuni
medii. Cu ajutorul analizei bivariate s-au testat i ipotezele privitoare la asocierea
312
speciilor. S-a infirmat ipoteza relaiei repulsive dintre carpen i stejar, dar a fost
confirmat ipoteza asocierii pozitive dintre frasin i tei, identificndu-se i c relaia
dintre cire i jugastru are tendine preponderent repulsive.
4. Evaluarea relaiilor de competiie n seminiuri
a) Competiia este unul din fenomenele care se produc cu cea mai mare
intensitate n seminiuri, avnd un impact deosebit asupra creterii puieilor. Din
gama larg de indici de competiie menionai de literatura de specialitate au fost
selectai pentru evaluarea intensitii fenomenului n suprafeele studiate indicele
Hegyi i Schutz, foarte apreciai pentru acurateea determinrilor. Datorit faptului
c indicele Hegyi nu are un sistem de alegere a vecinilor competitori s-a
fundamentat matematic un criteriu propriu de selectare a competitorilor unui
puiet, pentru a nu se impune un numr fix de vecini competitori sau o distan
limit pe care puieii s relaioneze. Un puiet vecin este considerat competitor doar
dac umbrete (chiar i parial) coroana puietului de referin. Pentru adaptarea
indicelui Hegyi particularitilor de structur ale seminiului s-au propus trei
variante noi de indici, care s includ nlimea puieilor, volumul coroanei i
suprafaa exterioar a acesteia. Pentru calcularea valorilor indicilor au fost create
dou programe informatice: HEGYI i SCHUTZ. Rezultatele prelucrrilor pentru
fiecare suprafa sunt prezentate grafic prin intermediul unor diagrame generate cu
ajutorul aplicaiei proprii CARTOGRAMA. Analiza vizual a acestora relev faptul
c toi indicii de competiie folosii evideniaz aceleai nuclee de intensitate
maxim a competiiei dar surprind diferit amplitudinea de variaie a fenomenului.
b) Testarea relevanei rezultatelor obinute s-a studiat prin analiza legturii
dintre creterea n nlime a puieilor i valorile indicilor de competiie. S-a
constatat c toi indicii selectai stabilesc legturi foarte semnificative cu creterea n
nlime dar au o capacitate diferit de a explica variaia creterilor. Creterile n
nlime descresc exponenial odat cu majorarea intensitii competiiei. Au fost
determinate ecuaiile de regresie care exprim legtura dintre intensitatea
competiiei i creterea n nlime i s-a identificat n indicele Hegyi_sup (pentru
care s-a folosit n definirea raportului dimensional aria suprafeei exterioare a
313
313
coroanei) varianta predictiv optim. Varianta Hegyi_h (definit prin raportarea

nlimilor) a avut un comportament predictiv bun, superior indicelui Schutz.
Criteriul de identificare a vecinilor competitori fundamentat n lucrare este mult
mai sensibil n aprecierea intensitii competiiei comparativ cu cel al indicelui
Schutz (care se dovedete limitativ n seminiuri), reuind s identifice de peste
100 de ori mai multe cazuri n care competiia nu poate fi exclus.
Valorile calculate pe specii indic faptul c paltinul, cireul i teiul sunt
specii cu mecanisme concureniale bine dezvoltate, avnd puieii cel mai puin
afectai de competiie.
c) n aprecierea competiiei a fost folosit i conceptul de suprafa
potenial de dezvoltare (APA - area potentially available), fiind determinat pentru
fiecare puiet acest spaiu prin intermediul programului propriu VORONOI,
capabil s genereze inclusiv diagrame Voronoi ponderate cu o anumit variabil. A
fost de asemenea susinut i potenialul folosirii coeficientului de variaie al APA
drept indicator al structurii spaiale a indivizilor.
Fa de cele evideniate mai sus, considerm c obiectivul secundar al
cercetrilor a fost ndeplinit, pentru fiecare metod de analiz fiind specificate
particularitile care apar n cazul seminiurilor.
Totodat au fost ndeplinite obiectivele adiionale privitoare la mijloacele
informatice. Au fost realizate aplicaii software proprii care constituie instrumente
utile n prelucrarea, analiza i prezentarea datelor. Au fost concepute nou aplicaii
informatice independente: CARTOGRAMA, BIODIV, DIFDOM, IDIV,
SPATIAL, SVS_Export, VORONOI, HEGYI, SCHUTZ i alte module pentru
aplicaia de calcul tabelar Microsoft Excel testul Grubbs pentru un volum mare
de date, calculul valorilor teoretice 2 pentru un numr foarte mare de grade de
libertate, determinarea volumului i suprafeei exterioare a coroanei. Toate aceste
aplicaii informatice se adaug celor concepute n afara temei de doctorat
(Palaghianu, 2004; Palaghianu, 2014). Toate programele informatice concepute
ct i codul surs sunt puse la dispoziia cercettorilor interesai n folosirea lor.
314
8.2. Contribuii originale

n urma cercetrilor efectuate se pot remarca o serie de contribuii
originale:
s-a demonstrat c nlimea poate fi considerat parametrul central de

structur a seminiurilor;
s-a artat c suprafaa exterioar a elipsoidului asociat coroanei este un

atribut biometric important n seminiuri;
s-a fundamentat un indice de apreciere a diversitii structurale

dimensionale care include poziia n spaiu a puieilor (indicele IDIV);
a fost fundamentat matematic un criteriu de identificare a vecinilor

competitori ai unui puiet;
s-au realizat nou aplicaii informatice independente de analiz a datelor:

CARTOGRAMA, BIODIV, DIFDOM, IDIV, SPATIAL, SVS_Export,
VORONOI, HEGYI, SCHUTZ, plus alte componente de analiz;
s-a efectuat un amplu studiu bibliografic privitor la relaia ciberneticii cu

pdurea, n special cu regenerarea arboretelor;
au fost identificate tendine (statistic semnificative) asociative sau repulsive

ale speciilor ce vegeteaz n suprafeele studiate;
s-a artat c speciile tind s formeze din fazele foarte tinere tipare
particulare ale coroanei;
au fost semnalate deficiene ale testului statistic 2 la valori foarte mari ale
frecvenelor experimentale;
a fost evideniat suprafaa potenial disponibil (APA) a puieilor prin

diagrame de tip Voronoi i s-a evideniat capacitatea coeficientului de
variaie al valorilor APA de a decela tiparul spaial al evenimentelor;
s-a determinat valoarea intensitii de competiie prin indici consacrai i

adaptri proprii ale acestora, adecvate folosirii n seminiuri;
au fost determinate ecuaiile de regresie care descriu variaia parametrilor

biometrici n funcie de nlime i a fost testat acurateea de estimare a
315
315
acestora prin analiza abaterilor reziduale;
s-a artat c nlimea este variabila independent cu cea mai bun

capacitate predictiv a volumului coroanei i a suprafeei exterioare a
acesteia;
au fost identificate legturi negative semnificative, de intensitate medie,

ntre desime i diveri parametrii biometrici;
s-a artat c utilizarea concomitent a desimii i nlimii ca variabile

predictive ale caracteristicilor biometrice conduce la mbuntiri
substaniale ale determinrilor comparativ cu modelele bazate pe o singur
variabil;
s-a efectuat o analiz a indicilor de apreciere a diversitii structurale;
s-a identificat nlimea drept parametrul structural cel mai stabil, pentru
care s-au obinut valorile maxime ale diversitii dimensionale;
s-a constatat creterea diversitii structurale odat cu lrgirea perspectivei

de analiz i odat cu creterea desimii;
au fost identificate abateri statistic semnificative de la ipoteza distribuirii

aleatoare n spaiu a puieilor n direcia agregrii prin metode diferite ale
analizei spaiale;
s-a constatat o cretere a uniformitii distribuiei n spaiu odat cu

creterea desimii;
a fost identificat numrul mediu de puiei din nucleele de agregare prin

metoda celor mai apropiai k vecini;
au fost folosite metode de analiz spaial bivariat de ordinul al II-lea

pentru determinarea tendinelor de asociere sau segregare;
s-a determinat faptul c plantulele se asociaz cu puieii de dimensiuni

medii iar puieii de talie mare au un comportament repulsiv att fa de
plantule ct i fa de ceilali puiei.
316
Anexe
Bibliografie
1.
Aber, J.D., Federer, C.A., 1992, A generalized, lumped-parameter model of photosynthesis,

evapotranspiration and net primary production in temperate and boreal forest ecosystems,
Oecologia 92, 463-474;
2.
Aguirre, O., Kramer, H., Jimenez, J., 1998, Strukturuntersuchungen in einem KiefernDurchforstungsversuch Nordmexikos, Allgemeine Forst und Jagdzeitung 169 (12), 213-219;
3.
Aguirre, O., Hui, G., von Gadow, K., Jimenez, J., 2003, An analysis of spatial forest
structure using neighbourhood-based variables, Forest Ecology and Management 183, 137
145;
4.
Aitkenhead, M.J., Mustard, M.J., McDonald, A.J.S., 2004, Using neural networks to
predict spatial structure in ecological systems, Ecological Modelling 179, 393403;
5.
Apostol, B., 2015. Utilizarea tehnicilor moderne ale teledeteciei n estimarea unor
caracteristici dendrometrice la arbori i arborete de molid din Valea Lotrului, Teza de
doctorat, Facultatea de Silvicultur i Exploatri Forestiere, Universitatea Transilvania
din Braov;
6.
Arvalo, J.R., Fernndez-Palacios, J.M., Palmer, M.W., 1999. Tree regeneration and future
dynamics of the laurel forest on Tenerife, Canary Islands. Journal of Vegetation Science 10,
861-868;
7.
Arney, J.D., 1973, Tables for Quantifying Competitive Stress on Individual Trees,
Report BC-X-78, Canadian Forestry Service, Victoria, B.C., 45;
8.
Assmann, E., 1970. The Principles of Forest Yield Study. Studies in the Organic Production,
Structure, Increment and Yield of Forest Stands. Pergamon Press, 506;
9.
Aurenhammer, F., Klein, R., 1999, Voronoi Diagrams, Handbook Of Computational

Geometry, Amsterdam, pp. 201-290;
10.
Avcriei, D., 2005, Cercetari auxologice in arborete de fag aflate in perioada de regenerare,
Universitatea "Stefan cel Mare" Suceava, Teza de doctorat, pp. 387;
11.
Awada, T., Henebry, G.M., Redmann, R.E., Sulistiyowati, H., 2004, Picea glauca
dynamics and spatial pattern of seedlings regeneration along a chronosequence in the
mixedwood section of the boreal forest, Annals of Forest Science 61, 789-794;
12.
Bachmann, M., 1996, Indizes zur Erfassung der Konkurrenz im Bergmischwald - eine
Methodenstudie, Deutscher Verband Forstlicher Forschungsanstalten, Sektion Ertragskunde, Jahrestagung 1996 in Nereshe, 249-266;
13.
Bailey, T.C., Gatrell, A.C., 2008, Methods for Spatial Point Patterns, material curs SIE 512
Spatial Analysis prelegere 8 i 9, (www.spatial.maine.edu/~beard);
317
317

14.
Barbu, I., Cenu, R., 2001, Regenerarea natural a molidului, Editura Tehnic Silvic,
Cmpulung Moldovenesc, pp. 238;
15.
Barbu, I., Iacoban, C., Popa, I., 2002, Cercetri privind modelarea fluxului ionilor poluani
din atmosfer n principalele ecosisteme forestiere din Romnia, Anale ICAS 45, 187-197;
16.
Barrett, T.M., Fried, J.S., 2004, Inventory - Modeling, Encyclopedia of Forest Sciences,
Elsevier, 426-433;
17.
Barnoaiea, I., 2007, Aspects regarding the use of IKONOS images in stand volume
assessments, Proceedings of the Romanian Academy, Series B, 2, 159163;
18.
Barnoaiea I., Iacobescu O., 2008, Using pixel and object based IKONOS image analysis for
studying decay in silver fir stands. Annals of Forest Research 52(1), 151-162;
19.
Barnoaiea, I., 2010, Forest structure analysis on very high resolution images. Advances in
Environmental Sciences, 2(2), 239-251;
20.
Barnoaiea, I., 2011, Cercetri privind stabilirea structurii i strii pe nregistrri satelitare
moderne, Teza de doctorat, Facultatea de Silvicultur i Exploatri Forestiere,
Universitatea Transilvania din Braov;
21.
Beland, M., Lussier, J.M., Bergeron, Y., Longpre, M.H., Beland, M., 2003, Structure,
spatial distribution and competition in mixed jack pine (Pinus banksiana) stands on clay soils
of eastern Canada, Annals of Forest Science 60, 609-617;
22.
Bella, I.E., 1971, A new competition model for individual trees, Forest Science 17, 364
372;
23.
Berger, W.H., Parker, L.F., 1970, Diversity of Planktonic Foraminifera in Deep-Sea

Sediments, Science Vol. 168. no. 3937, 1345-1347;
24.
Besag, J.E., 1977, Contribution to the discussion of Dr. Ripleys paper, Journal of Royal
Statistical Society B 39, 193195;
25.
Besag, J., Diggle, P.J., 1977, Simple Monte Carlo Tests for Spatial Pattern, Applied
Statistics, Vol. 26, no. 3, 327-333;
26.
Biging, G.S., Dobbertin, M., 1995, Evaluation of competition indices in individual tree
growth models. Forest Science 41 (2), 360-377;
27.
Bigler, C., Bugmann, H., 2004, Assessing the performance of theoretical and empirical tree
mortality models using tree-ring series of Norway spruce; Ecological Modelling 174, 225
239;
28.
Bishop, I. D., Fasken, G., Ford, R. M., Hickey, J. E., Loiterton, D., Williams, K. J. H.,
2003, Visual simulation of forest regrowth under different harvest options. Trends in
Landscape Modelling, proceedings at Anhalt University of Applied Sciences, Dessau,
Germany, Herbert Wichmann Verlag, 46-55;
318
Anexe
29.
Bollandsas, O.M., Hanssen, K.H., Marthiniussen, S., Naesset, E., 2008, Measures of
spatial forest structure derived from airborne laser data are associated with natural regeneration
patterns in an uneven-aged spruce forest, Forest Ecology and Management 255, 953961;
30.
Bolstad, V.P., 2003, Remote Sensing and Geographical Information Systems for Natural
Resource Management, Introduction to Forest Ecosystem Science and Management, Wiley,
266-284;
31.
Botkin, D.B., Janak, J.F., Wallis, J.R., 1972. Some ecological consequences of a computer
model of forest growth. Journal Ecology 60, 849872;
32.
Botkin, D.B., 1993. Forest Dynamics: An Ecological Model. Oxford University Press,
Oxford and New York, pp. 309;
33.
Botkin, D.B., 2001. The Role of Theory in Forest Science and Forest Management. Forest
Modelling for Ecosystem Management, Forest Certification and Sustainable Management
Conference, Vancouver;
34.
Botnariuc N., Vdineanu A., 1982, Ecologie. Editura didactic i pedagogic, Bucureti,
pp. 439;
35.
Boyden, S., Binkley, D., Shepperd, W., 2005, Spatial and temporal patterns in structure,
regeneration,and mortality of an old-growth ponderosa pine forest in the Colorado Front
Range, Forest Ecology and Management 219, 4355;
36.
Boyland, M., Nelson, J., Bunnell, F.L., D'Eon, R.G., 2006, An application of fuzzy set
theory for seral-class constraints in forest planning models, Forest Ecology and Management
223, 395-402;
37.
Bragg, D.C., Roberts, D.W., Crow, T.R., 2004, A hierarchical approach for simulating
northern forest dynamics, Ecological Modelling 173, 3194;
38.
Bravo-Oviedo, A., Sterba, H., Rio, M., Bravo, F., 2006, Competition-induced mortality for
Mediterranean Pinus pinaster Ait. and P. sylvestris L., Forest Ecology and Management
222, 8898;
39.
Brooks, C.N., Merenlender, A.M., 1998, Characterizing the Spatial Pattern of Vegetation
Regeneration in a Cleared Watershed, ESRI User Conference Proceedings, San Diego, Vol.
18, 23pp;
40.
Brown, G.S., 1965, Point density in stems per acre, New Zealand Forestry Service
Research Notes 38, pp 1-11;
41.
Brunner, A., Rajkai, K., Gacsi, Z., Hagyo, A., 2004, Regenerator - a forest regeneration
model, Nat-Man Project Report, pp. 73;
42.
Bryant, D., Nielsen, D., Tangley., L., 1997, The Last Frontier Forests: Ecosystems and
Economies on the Edge, World Resources Institute, pp. 54;
43.
Buckley, D.J., Craig, U., Berry,J., 1998, The Virtual Forest: Advanced 3-D Visualization
Techniques for Forest Management and Research, ESRI User Conference Proceedings, San
319
319

Diego Convention (http://gis.esri.com/library/userconf/proc98/PROCEED/TO350/ PAP
337P337.htm);
44.
Bugmann, H., 1996. A simplied forest model to study species composition along climate
gradients. Ecology 77, 20552074;
45.
Bugmann, H., 2001. A review of forest gap models. Climatic Change 51, 259305;
46.
Burgos, A., Grez, A.A., Bustamante, R.O., 2008, Seed production, pre-dispersal seed
predation and germination of Nothofagus glauca (Nothofagaceae) in a temperate fragmented
forest in Chile, Forest Ecology and Management 255, 12261233;
47.
Calama, R., Gordo, F.J., Mutke, S., Montero, G., 2008, An empirical ecological-type model
for predicting stone pine (Pinus pinea L.) cone production in the Northern Plateau (Spain),
Forest Ecology and Management 255, 660673;
48.
Camarero, J.J., Gutierrez, E., Fortin, MJ., Ribbens, E., 2005, Spatial patterns of tree
recruitment in a relict population of Pinus uncinata: forest expansion through stratied
diffusion, Journal of Biogeography 32, 19791992;
49.
Cantrell, D.W., 2004, Symmetric rational approximations of the surface area of an ellipsoid,
Sci.Math Google Group - groups.google.com/group/sci.math/msg/da83d4d8e48f2069;
50.
Cenu, R., 1992, Cercetri asupra structurii, volumului ecologic i succesiunii ecosistemelor
forestiere de limit altitudinal din Carpaii nordici (Climani i Giumalu). Tez de
doctorat, ASAS Bucureti.
51.
Cenu, R., 1986, Structura i stabilitatea unei pduri naturale de molid din Codrul secular
Giumalu, Revista pdurilor 4, 185-189;
52.
Cenu, R., 1996 a, Probleme de ecologie forestier. Teoria fazelor de dezvoltare. Aplicaii la
molidiuri naturale din Bucovina. Editura Universitii tefan cel Mare. Suceava, pp. 165;
53.
Cenu, R., 1996 b, Direcii de evoluie a structurii i funcionalitii ecosistemelor de molid

naturale i artificiale pentru fundamentarea sistemelor silviculturale. Raport anual de
cercetare, Staiunea Experimental de Cultura Molidului C-lung Moldovenesc, 4-10;
54.
Cenu, R., 2000, Cercetri asupra dinamicii structurale a ecosistemelor de pdure de la

limita altitudinal de vegetaie pentru meninerea echilibrului ecologic, Referat tiinific
ICAS, pp. 69;
55.
Cenu, R., Popa, C., Teodosiu, M., 2002, Cercetri privind relaia structur-funcie i
evoluia ecosistemelor forestiere naturale din nordul rii, Anale ICAS 45, pp. 9-19;
320
Anexe
56.
Cenu, R., Teodosiu, M., Popa, C., 2002, Cercetri privind influena pdurii montane n
modelarea principalilor parametri meteo-climatici (temperaturi, umiditate atmosferic,
precipitaii), Anale ICAS 45, 179-186;
57.
Chandler, T. Saw, J., 2008, Red Gum Forest 3D, Berwick School, Monash Univ.
(http://vlab.infotech.monash.edu.au/simulations/virtual-reality/red-gum-3d);
58.
Chatziphilippidis, G., Spyroglou, G., 2006, Modeling the Growth of Quercus frainetto in
Greece, Sustainable Forest Management: Growth Models for Europe, Springer Berlin
Heidelberg, 373-395;
59.
Chen, X.Y., Fan, X.X., Hu, X.S., 2008, Roles of seed and pollen dispersal in natural
regeneration of Castanopsis fargesii (Fagaceae): Implications for forest management, Forest
Ecology and Management 256, 11431150;
60.
Chertov, O., Komarov, A., Loukianov, A., Mikhailov, A., Nadporozhskaya, M., Zubkova,
E.,
2006, The use of forest ecosystem model EFIMOD for research and practical
implementation at forest stand, local and regional levels, Ecological Modelling 194, 227
232;
61.
Chiba, N., Muraoka, K., Doi, A., Hosokawa, J., 1997, Rendering of forest scenery using 3D
textures, Journal of Visualization and Computer Animation, vol. 8, no. 4, 191199;
62.
Chiesi, M., Maselli, F., Moriondob, M., Fibbi, L., Bindi, M., Running, S.W., 2007,
Application of BIOME-BGC to simulate Mediterranean forest processes, Ecological
Modelling 206, 179190;
63.
Chirici, G., Barbati, A., Maselli, F., 2007, Modelling of Italian forest net primary
productivity by the integration of remotely sensed and GIS data, Forest Ecology and
Management 246, 285295;
64.
Ciubotaru, A., Pun, M., 2014, Structura arboretelor, Editura Universitii Transilvania
din Braov, pp. 169;
65.
Clark, P. J., Evans, F. C.1954. Distance to nearest neighbour as a measure of spatial

relationships in populations. Journal of Ecology 35, 445-453;
66.
Clinovschi, F., 2005, Dendrologie, Editura Universitii tefan cel Mare Suceava, pp.
300;
67.
Cole, L. C. 1946, A theory for analyzing contagiously distributed populations., Ecology 27,
329-341;
68.
Constantinescu, N., 1973, Regenerarea arboretelor. Ediia a II-a, Ed. Ceres, Bucureti, pp.
668;
321
321

69.
Constantinescu, N., 1976, Conducerea arboretelor, vol I, Editura Ceres, Bucuresti, pp.
250;
70.
Coomes, D. A., & Allen, R. B., 2007. Effects of size, competition and altitude on tree
growth. Journal of Ecology, 95(5), 1084-1097.
71.
Cotta, H., 1821, Anweisung zum Waldbau, Arnold - Dresden und Leipzig, pp. 416;
72.
Coulson, R.N., Folse, L.J., Loh, D.K., 1987, Artificial intelligence and natural resource
management, Science 237, 262-267;
73.
Couturier, S., Gastellu-Etchegorry, J.P., Patino, P., Martin, E., 2009, A model-based
performance test for forest classiers on remote-sensing imagery, Forest Ecology and
Management 257, 23-37;
74.
Cressie, N., 1991, Statistics for Spatial Data, Wiley, New York, pp. 920;
75.
Crookston, N.L., Dixon, G.E., 2005, The forest vegetation simulator: A review of its
structure, content, and applications, Computers and Electronics in Agriculture 49, 6080;
76.
Curtis, R.O., 1967, Height-diameter and height-diameter-age equations for second-growth

Douglas-fir, Forest Science 13, 365-375;
77.
Dale, M.R.T., 2004, Spatial Pattern Analysis in Plant Ecology, Cambridge University Press,
pp. 326;
78.
Daniels, R. F. 1978. Spatial patterns and distance distributions in young seeded loblolly pine
stands. Forest Sciences 24; 260-266;
79.
David, F.N., Moore, P.G., 1954, Notes on Contagious Distributions in Plant Populations,
Annals of Botany 18, 47-53;
80.
Davies, O., Pommerening, A., 2008, The contribution of structural indices to the modelling
of Sitka spruce (Picea sitchensis) and birch (Betula spp.) crowns, Forest Ecology and
81.
Dnil, G., 2009, Cercetri privind diversitatea productorilor primari n ecosistemele

forestiere de pe clina estic a Munilor Stnioara, Tez de doctorat, Universitatea
Transilvania, Braov, pp. 165;
82.
Descartes, R., 1644, Principia philosophiae, Ludovicum Elzevirium, Amsterdam, pp. 310;
83.
Dey, D.C., 1995. Acorn production in red oak, Forest Research Information Paper. No.
127. 1995. 1-22;
84.
Didion, M., Kupferschmid, A.D., Lexer, M.J. et al., 2009, Potentials and limitations of
using large-scale forest inventory data for evaluating forest succession models, Ecological
Modelling 220, 133-147;
322
Anexe
85.
Diggle, P.J., 1979, On Parameter Estimation and Goodness-of-Fit Testing for Spatial Point
Patterns, Biometrics, Vol. 35, no. 1, Perspectives in Biometry, 87-101;
86.
Diggle, P.J., 1983, Statistical Analysis of Spatial Point Patterns, Academic Press, pp. 148;
87.
Diggle, P.J., Cox, T.F., 1983, Some Distance-Based Tests of Independence for SparselySampled Multivariate Spatial Point, International Statistical Review vol. 51, no. 1, 11-23;
88.
Dimov, D.L., 2004, Spatial analyses and growth of trees in selected bottomland hardwood
stands, Teza de doctorat, Louisiana State University, pp. 125;
89.
Dinc, L., 2004. Programe de modelare n silvicultur, Editura Silvodel, pp. 172;
90.
Dissescu, 1973, Cercetri privind elaborarea modelului matematic al planului de recoltare,

Anale ICAS, vol 29, 393-411;
91.
Dixon, P., 1994, Testing Spatial Segregation Using a Nearest-Neighbor Contingency Table,
Ecology vol. 75, no. 7, 1940-1948;
92.
Dixon, P.M., 2002, Ripleys K function, Encyclopedia of Environmetrics, vol. 3, John

Wiley & Sons Ltd, 1796-1803;
93.
Donnelly, K.P., 1978, Simulations to determine the variance and edge effect of total nearest
neighbour distance, Simulation Methods in Archaeology, Cambridge University Press, 9195;
94.
Dorn, J., Mitterbock, F., 1998. Acquisition and Representation of Knowledge for the Forex
Expert System. Proceedings of Computer Science for Environmental Protection `98, 13;
95.
Drgoi, M. 1996, Analiza sistemic a amplasrii masei lemnoase i a alegerii tratamentelor pe

tipuri de categorii funcionale de pduri, Teza de doctorat, ASAS, pp. 172;
96.
Drgoi, M. 2000, Economie forestier. Editura Economic Bucureti, pp. 288;
97.
Drgoi, M. 2002, Deciziile amenajistice ca procese ierarhizate, Bucovina Forestier 10, 312;
98.
Du, X., Guo, Q., Gao, X., Ma, K., 2007, Seed rain, soil seed bank, seed loss and
regeneration of Castanopsis fargesii (Fagaceae) in a subtropical evergreen broad-leaved forest,
99.
Dudek, A., Ek, A.R., 1980, A bibliography of worldwide literature on individual tree based
forest stand growth models. Staff Paper Series, 12. Department of Forest Resources,
University of Minnesota, pp. 33;
100. Duduman, G., 2009, Cercetri cu privire la modalitile de stabilire a recoltelor de lemn n
arboretele cu structur grdinrit, Tez de doctorat, Universitatea "Stefan cel Mare"
Suceava, pp.354;
323
323

101. Duduman, G., Roibu, C. C., Duduman, M. L., & Miron-Onciul, M., 2010. The
influence of competition and dimensional-spatial characteristics of trees on their radial growth
in Old-Growth Slatioara forest, Romania. AES Bioflux, 2(2), 215-230.
102. Echeverria, C., Comes, D., Hall, M., Newton, A.C, 2008, Spatially explicit models to
analyze forest loss and fragmentation between 1976 and 2020 in southern Chile, Ecological
103. Edminster, C., 1978. Development of growth and yield models for dwarf mistletoe-infested
stands, Symposion on Dwarf Mistletoe Control through Forest Management
Proceedings, Berkley University, California, 172-177;

104. Ek, A.R., Dudek, A., 1980, Development of Individual tree based Stand Growth Simulators:
Progress and Applications, Staff Paper Series, no. 20, Department of Forest Resources,
University of Minnesota, pp. 25;
105. Ek, A.R., Monserud, R. A., 1974, FOREST: a computer model for simulating the growth
and reproduction of mixed species forest stands. Research Report R2635, University of
Wisconsin, pp. 13;
106. Fabrika, M., Iursky, J., 2006, Implementing Tree Growth Models in Slovakia, Sustainable
Forest Management: Growth Models for Europe, Springer Berlin Heidelberg, 315-341;
107. Fajardo, A., Goodburn, J.M., Graham, J., 2006, Spatial patterns of regeneration in
managed uneven-aged ponderosa pine/Douglas-r forests of Western Montana, USA, Forest
108. Fisher R.A., Thornton H.G., Mackenzie W.A., 1922. The accuracy of the plating method of
estimating the density of bacterial population with particular reference to the use of Thorntons
agar medium with soil samples. Annals of Applied Botany 9, 325-359;
109. Foody, G. M., Cutler, M.E.J., 2006, Mapping the species richness and composition of
tropical forests from remotely sensed data with neural networks, Ecological Modelling 195,
3742;
110. Fortin, M.J., Dale, M.R.T., Hoef, J., 2002, Spatial analysis in ecology, Encyclopedia of
Environmetrics, John Wiley & Sons, Volume 4, 20512058;
111. Fortin, M.J., Dale, M., 2005, Spatial Analysis -
A Guide for Ecologists, Cambridge
University Press, pp. 365;

112. Fortune, S., 1987, A sweepline algorithm for Voronoi diagrams, Algorithmica, 2, 153-174;
324
Anexe
113. Fox, J.C., Bi, H., Ades, P.K., 2007, Spatial dependence and individual-tree growth models I.
Characterising spatial dependence, Forest Ecology and Management 245, 1019;
114. Fox, J.C., Bi, H., Ades, P.K., 2007, Spatial dependence and individual-tree growth models
II. Modelling spatial dependence, Forest Ecology and Management 245, 2030;
115. Franklin S.E., 2001, Remote sensing for sustainable forest management. Lewis Publishers, pp.
424;
116. Fuldner, K., 1995 a, Strukturbeschreibung von Buchen-Edellaubholz-Mischwaldern. Lucrare
de diseraie, Universitatea Gottingen, 146 pp;
117. Fuldner, K., 1995 b, Zur Strukturbeschreibung in Mischbestnden, Forstarchiv 66, 235240;
118. Gadow, von, K., Fuldner, K., 1992, Bestandesbeschreibung in der Forst-einrichtung,
Tagungsbericht der Arbeitsgruppe Forsteinrichtung, Klieken bei Dessau;
119. Gadow, von, K., 1993, Zur bestandesbeschreibung in der Forsteinrichtung, Forst und Holz,
21, 602-606;
120. Gadow, von, K., 1997, Strukturentwicklung eines Buchen-Fichten-Mischbestandes,
Allgemeine Forst und Jagdzeitung, 168 (6/7), 103-106;
121. Gadow, von, K., 1999, Waldstruktur und diversitat, Allgemeine Forst und Jagdzeitung 170
(7), 117-122;
122. Gadow, von, K., Hui, G., 1999, Modelling Forest Development, Kluwer Academic
Publishers, Springer, pp. 213;
123. Gancz V., 2005. Evaluarea potenialului de utilizare a imaginilor satelitare de foarte nalt
rezoluie spaial (VHSRSI) n studiul ecosistemelor forestiere. Analele ICAS 48(1), 197-217;
124. Garcia, O., 2008, Plant individual-based modelling: More than meets the eye, World
Conference
on
Natural
Resource
Modeling
Warsaw,
http://forestgrowth.unbc.
ca/warsaw.pdf;
125. Gayer, H., 1868, Die Forstbenutzung, Berlin, pp. 701;
126. Geary, R. C., 1954, The contiguity ratio and statistical mapping, The Incorporated
Statistician 5, 115145;
127. Gertsev, V.I., Gertseva, V.V., 2004. Classication of mathematical models in ecology,
Ecological Modelling 178, 329334;
128. Getis, A., Franklin, J., 1987, Second-order neighborhood analysis of mapped point patterns,
Ecology 68, 473477.
129. Giriraj, A., Ullah, I.M, Murthy, M.S.R, Beierkuhnlein, C., 2008, Modelling Spatial and
Temporal Forest Cover Change Patterns (1973-2020): A Case Study from South Western
Ghats (India), Sensors 8, 6132-6153;
325
325

130. Giurgiu, V., 1968, Bazele statistico-matematice ale unei metode analitice de ntocmire a
tabelelor de descretere a diametrului fusului i a celor de sortare i cubaj cu ajutorul
calculatoarelor electronice, Anale ICAS, vol. 26 (1), 253-276;
131. Giurgiu, V., 1972, Metode ale statisticii matematice aplicate n silvicultur. Editura Ceres,
Bucureti, pp. 565;
132. Giurgiu, V., 1974. Metode ale cercetrii operaionale i calculatoarelor electronice aplicate n
silvicultur. Editura Ceres, Bucureti, pp. 327;
133. Giurgiu, V., Drghiciu, D., 2004, Modele matematico-auxologice i tabele de producie
pentru arborete. Editura Ceres, Bucureti, pp. 607;
134. Gjertsen, A.K., 2007, Accuracy of forest mapping based on Landsat TM data and a kNNbased method, Remote Sensing of Environment 110, 420430;
135. Gleason, H.A., 1920, Some Applications of the Quadrat Method, Bulletin of the Torrey
Botanical Club, Vol. 47, no. 1, 21-33;
136. Gleason, H.A., 1922, On the relation between species and area, Ecology 3 (2), 158-162;
137. Gomez, J.M., Hodar, J.A., 2008, Wild boars (Sus scrofa) affect the recruitment rate and
spatial distribution of holm oak (Quercus ilex), Forest Ecology and Management 256,
13841389;
138. Goreaud, F., Pelissier, R., 1999, On explicit formulas of edge effect correction for Ripleys Kfunction, Journal of Vegetation Science 10, 433-438;
139. Goreaud, F., 2000, Apports de l'analyse de la structure spatiale en foret temperee a l'etude et la
modelisation des peuplements complexes, Teza de doctorat, ENGREF, Nancy, pp. 524;
140. Goreaud, F., Pelissier, R., 2003. Avoiding misinterpretation of biotic interactions with the
intertype K12-function: population independence vs. random labelling hypothesis, Journal of
Vegetation Science 14, 681692;
141. Gratzer, G. et al., 2004, Spatio-temporal development of forests current trends in field
methods and models, OIKOS 107, 3-15;
142. Gratzer, G., Rai, P.B., 2004, Density-dependent mortality versus spatial segregation in early
life stages of Abies densa and Rhododendron hodgsonii in Central Bhutan, Forest Ecology and
143. Green, R.H., 1966, Measurement of non-randomness in spatial distributions, Researches on
Population Ecology, 8 (1), 1-7;
326
Anexe
144. Greene, D.F., Johnson, E.A., 1998, Seed mass and early survivorship of tree species in upland
clearings and shelterwoods, Canadian Journal of Forest Research 28, 13071316;
145. Grote, R., Pretzsch, H., 2002, A Model for Individual Tree Development Based on
Physiological Processes. Plant Biology, 4(2), 167-180;
146. Guan, B.T., Gertner, G., 1991, Modeling Red Pine Tree Survival with an Artificial Neural
Network, Forest Science, Vol. 37, no. 5, 1429-1440;
147. Haase, P., 1995, Spatial pattern analysis in ecology based on Ripley's K-function: Introduction
and methods of edge correction, Journal of Vegetation Science 6, 575-582;
148. Haase, P., 2002, SPPA - a program for Spatial Point Pattern Analysis; program informatic
disponibil la adresa web: http://haasep.homepage.t-online.de;
149. Haining, R., 2004, Spatial Data Analysis - Theory and Practice, Cambridge University Press,
pp. 432;
150. Hall, R.J., Skakun, R.S., Arsenault, E.J., Case, B.S., 2006, Modeling forest stand structure
attributes using Landsat ETM+ data: Application to mapping of aboveground biomass and
stand volume, Forest Ecology and Management 225, 378390;
151. Hanewinkel, M., Zhou, W., Schill, C., 2004, A neural network approach to identify forest
stands susceptible to wind damage, Forest Ecology and Management 196, 227-243;
152. Hann, D.W., 2006, ORGANON users manual.
Edition 8.2., Department of Forest
Resources, Oregon State University. Corvallis, Oregon, pp. 129;

153. Hapca A.I., 2003. Contribuii dendrometrice, auxologice i la studiul lemnului n arborete de
molid de la limita superioar a pdurii din nordul Carpailor Orientali, Universitatea
"Stefan cel Mare" Suceava, Teza de doctorat, pp. 285;
154. Hartig, G. L. 1796 Anweisung zur Holtzzucht fur Forster. Ediia I, bilingv francezgerman, cu traducerea n francez de Baudrillart. J.J., 1805 Instruction sur la culture des
bois a l'usage des Forestiers, Paris, pp. 371:
155. Hasenauer, H., 1994, Ein Einzelbaumwachstumssimulator fr ungleichaltrige FichtenKiefern-und Buchen-Fichtenmischbestnde. Forstliche Schriftenreihe, Universitat fur
Bodenkultur, Wien, pp. 152;
156. Hasenauer, H., Monserud, R.A., 1996, A crown ratiomodel for Austrian forests, Forest
157. Hasenauer, H., Merkl, D., Weingartner, M., 2001, Estimating tree mortality of Norway
spruce stands with neural networks, Advances in Environmental Research 5, 405-414;
158. Hasenauer, H., Merkl, D., 2001, Predicting regeneration establishment within mixed species
stands using neural networks. Spatial technologies for forest inventories. Contributions to
327
327

the XXI IUFRO World Congress 2000, Kuala Lumpur, Malaysia, Freiburger
Forschungsberichte 37, 145-154;
159. Hasenauer, H., Kindermann, G., 2002, Methods for assessing regeneration establishment and
height growth in uneven-aged mixed species stands, Forestry 75 (4), 385-394;
160. Hasenauer, H., 2006, Concepts Within Tree Growth Modeling, Sustainable Forest
Management: Growth Models for Europe, Springer Berlin Heidelberg, 3-17;
161. Hauhs, M., Kastner-Maresch, A., Rost-Siebert, K., 1995, A model relating forest growth to
ecosystem-scale budgets of energy and nutrients, Ecological Modelling 83, 229-243;
162. He, S.H., Mladenoff, D.J., 1999, The Effects of Seed Dispersal on the Simulation of LongTerm Forest Landscape Change, Ecosystem 2, 308319;
163. He, S.H., Mladenoff, D.J., Boeder, J., 1999, An object-oriented forest landscape model and
its representation of tree species, Ecological Modelling 119, 1-19;
164. Hegyi, F., 1974, A simulation for managing jack-pine stands, Growth Models for Tree and
Stand Simulation. Royal College of Forestry, Stockholm, Sweden, 7490;
165. Hester, A.S., Hann, D.W., Larsen, D.R., 1989. ORGANON: Southwest Oregon growth
and yield model user manual, Version 2.0. Oregon State University, Forest Research
Laboratory, Corvallis, Oregon. pp. 59;
166. Hilt, D.E., 1985, OAKSIM: An individual-tree growth and yield simulator for managed,
even-aged, upland oak stands, Research Paper NE-562. Broomall, U.S. Department of
Agriculture, Forest Service, pp. 21;
167. Hofmeister, S., Svoboda, M., Souek, J., Vacek, S., 2008, Spatial pattern of Norway spruce
and silver fr natural regeneration in uneven-aged mixed forests of northeastern Bohemia,
Journal of Forest Science, 54, 92101;
168. Holban, S., Vancea, R., Iancu, F., 1994. Inteligen artificial. Universitatea "tefan cel
Mare" Suceava, Suceava-Timioara-Dijon, pp. 184;
169. Holgate, P. 1965. Some new tests of randomness. Journal of Ecology 53 261266;
170. Holmes, M.J.,Reed, D.D., 1991, Competition Indices for Mixed Species Northern
Hardwoods, Forest Science 37(5), 13381349;
171. Hopkins, B., Skellam, J.G., 1954, A New Method for determining the Type of Distribution
of Plant Individuals, Annals of Botany 18, 213-227;
172. Horodnic, S., 2004, Elemente de biostatistic forestier, Editura Universitii Suceava, pp.
158;
173. Houle, G., Duchesne, M., 1999, The spatial pattern of a Juniperus communis var. depressa
population on a continental dune in subarctic Qubec, Canada, Canadian Journal of Forest
Research 29 446-450;
328
Anexe
174. Huang, S., Titus, S.J., Wiens, D.P., 1992, Comparison of nonlinear height-diameter
functions for major Alberta tree species, Canadian Journal of Forest Research 22, 1297
1304;
175. Hudak, T. A., Crookston, N., Evans, J., Hall, D., Falkowski, M., 2008, Nearest neighbor
imputation of species-level, plot-scale forest structure attributes from LiDAR data, Remote
Sensing of Environment 112, 22322245;
176. Hurlbert, S.H., 1990, Spatial distribution of the montane unicorn, Oikos, 58, 257271;
177. Hui, G.Y., Albert, M., Gadow, von, K., 1998, Das Umgebungsma als Parameter zur
Nachbildung von Bestandesstrukturen, Forstwissenschaftliches Centralblatt 117, 258266;
178. Iacob, A.L., 1995, Distribuia arborilor n biogrupe n arboretele naturale amestecate,
Bucovina Forestier, nr 2, 9-13;
179. Iacob, C., 1998. Cercetri auxologice n arborete naturale pluriene de fag cu rinoase din
Bucegi i Piatra Craiului. Rezumat tez de doctorat. Universitatea tefan cel Mare Suceava,
pp. 60;
180. Ibbetson, D., 1963, Algorithm 209: Gauss, Communications of the ACM 6 (10), pp. 616;
181. Iida, S., 2006, Dispersal patterns of Quercus serrata acorns by wood mice in and around
canopy gaps in a temperate forest, Forest Ecology and Management 227, 7178;
182. Illian, J., Penttinen, A., Stoyan, H., Stoyan, D., 2008, Statistical Analysis and Modelling of
Spatial Point Patterns, John Wiley & Sons Inc., pp. 534;
183. Ismail, R., Mutanga, O., Bob, U., 2006. The use of high resolution airborne imagery for the
detection of
forest canopy damage caused by Sirex noctilio, IUFRO Precision Forestry
Symposium Proceedings, Stellenbosch, 119-134;

184. Jarvinen, E., Hokkanen, T.J., Kuuluvainen, T., 1993, Spatial heterogeneity and
relationships of mineral soil properties in a boreal Pinus sylvestris stand. Scandinavian Journal
of Forest Research 8, 435445;
185. Kalliovirta, J., Tokola, T., 2005, Functions for estimating stem diameter and tree age using
tree height, crown width and existing stand database information, Silva Fennica 39(2), 227
248;
186. Kanazawa, Y., Kiyono, Y., Fujimori, T., 1985, Crown development and stem growth in
relation to stand density in even-aged stands (II).Clear-length model of Cryptomeria japnica
stands as a function of stand density and tree height, Journal of Japanese Forest Society 67,
391-397;
329
329

187. Kangas, A., Kangas, J., 2004, Yield Tables, Forecasting, Modeling and Simulation,
Encyclopedia of Forest Sciences, Elsevier, 580-586;
188. Karjalainen, E., Tyrvinen, L., 2002. Visualization in forest landscape preference research: a
Finnish perspective, Landscape and Urban Planning 59, pp13-28;
189. Keane, R.E., Austin, M., Field, C., Huth, A., Lexer, M.J., Peters, D., Solomon,A.,
Wyckoff, P., 2001, Tree mortality in gap models: application to climate change. Climatic
Change 51, 509540;
190. Kenkel, N.C., Hoskins, J.A., Hoskins, W.D., 1989, Edge Effects in the Use of Area Polygons
to Study Competition, Ecology, vol. 70, no. 1, 272-274;
191. Kimmins, J.P., Mailly, D., Seely, B., 1999. Modelling forest ecosystem net primary
production: the hybrid simulation approach used in FORECAST. Ecological Modelling 122,
195224;
192. Kimmins, J.P., Blanco, J.A., Seely, B., et al., 2008. Complexity in modelling forest
ecosystems: How much is enough?, Forest Ecology and Management 256, 1646-1658;
193. Kint, V., Lust, N., Ferris, R., Olsthoorn, A.F.M., 2000, Quantification of forest stand
structure applied to Scots pine (Pinus sylvestris L.) forests, Investigacin agraria. Sistemas y
recursos forestales, vol. 9, Fuera de Serie 1, 147-163;
194. Korol, R.L., Running, S.W., Milner, K.S., 1995. Incorporating inter-tree competition into
an ecosystem model. Canadian Journal of Forest Research 25, 413424;
195. Konig, G., 1835, Die Forst-Mathematik in den Grenzen wirtschaftlicher Anwendung nebst
Hlfstafeln fr die Forstschtzung und den tglichen Forstdienst, editia rev.1854, pp. 830;
196. Krajicek, J.E., Brinkman, K.A., Gingrick, S.F., 1961, Crown competition: a measure of
density. Forest Science 7, 3542;
197. Kuplich, T.M., 2006, Classifying regenerating forest stages in Amazonia using remotely sensed
images and a neural network, Forest Ecology and Management 234, 19;
198. Kuuluvainen, T., Pukkala, T., 1989, Effect of Scots pine seed trees on the density of ground
vegetation and tree seedlings, Silva Fennica 23, 159167;
199. Landsberg, J.J., Waring, R.H., 1997, A generalised model of forest productivity using
simplified concepts of radiation-use efficiency, carbon balance and partitioning. Forest
Ecology and Management 95, 209-228;
200. Larsen, D.R., 1994, Adaptable stand dynamics model integrating site-specific growth for
innovative silvicultural prescriptions, Forest Ecology and Management 69, 245-257;
330
Anexe
201. Larsen, D.R., Hann, D.W., 1987, Heightdiameter equations for seventeen tree species in
southwest Oregon, Oregon State University, Forest Research Lab, Res. Paper 49, pp. 16;
202. Larsen, J., 2002, Forest Cover Shrinking, Earth Policy Institute; (www.earth-policy.org
/Indicators/indicator4.htm)
203. Leahu, ., 1978, Structura arboretelor i gradul lor de organizare n lumina teoriei
informaiei, Revista Pdurilor 6, Bucureti, 276-281;
204. Leahu I., 1988, Modelarea structurii arboretelor pluriene pe baza energiei lor informaionale
(cu aplicaie la pdurile din jurul Braovului). Revista pdurilor, nr. 4, 190-192;
205. Leckie, D.G., Gougeon, F., Tinis, S., Nelson, et al., 2005, Automated tree recognition in
old growth conifer stands with high resolution digital imagery, Remote Sensing of
Environment 94, 311 326;
206. Lee, A.C., Lucas, R.M., 2007, A LiDAR-derived canopy density model for tree stem and
crown mapping in Australian forests, Remote Sensing of Environment 111, 493518;
207. Leemans, R., 1991, Canopy Gaps and Establishment Patterns of Spruce (Picea abies (L.)
Karst.) in Two Old-Growth Coniferous Forests in Central Sweden, Vegetatio 93, 157-165;
208. Lembo, A.J., 2007, Spatial Modeling and Analysis, Cornell University, prezentare curs CSS
620 (http://www.css.cornell.edu/courses/620/css620.html);
209. Lesseps R.J., van Kessel, A.H., Denuce, J.M., 1975, Cell patterns and cell movements
during early development of an annual fish, Nothobranchius neumanni, The Journal of
experimental zoology 193(2), 137-46;
210. Lewis, J.L., Sheppard, S.R.J, Sutherland, K., 2004 - Computer-based visualization of forest
management: A primer for resource managers, communities,and educators; BC Journal of
Ecosystems and Management 5(2), 5-13;
211. Lexer, M.J., Lexer, W., Hasenauer, H., 2000, The use of forest models for biodiversity
assessments at the stand level, Investigacin agraria. Sistemas y recursos forestales, no 1,
297-316;
212. Lexerod, N.L., Eid, T., 2006, An evaluation of different diameter diversity indices based on
criteria related to forest management planning, Forest Ecology and Management 222, 17
28;
213. Little, L.R., 2002, Investigating competitive interactions from spatial patterns of trees in
multispecies boreal forests: the random mortality hypothesis revisited, Canadian Journal of
Botany 80, 93100;
331
331

214. Lorentz, M., Parade, A., 1837, Cours elementaire de culture des bois, Chez madame Huzard
Paris, pp. 560;
215. Lorimer, C.G., 1983, Test of age-independent competition indices for individual trees in
natural hardwood stands, Forest Ecology and Management 6, 343360;
216. Lotwick, C.G., Silverman, B.W., 1982, Methods for Analysing Spatial Processes of Several
Types of Points, Journal of the Royal Statistical Society, Series B, vol. 44, no. 3, 406413;
217. Magurran, A.E., 2004, Measuring Biological Diversity, Blackwell Publishing, pp. 256;
218. Mailly, D., Turbis, S., Pothier, D., 2003, Predicting basal area increment in a spatially
explicit, individual tree model: a test of competition measures with black spruce, Canadian
Journal of Forest Research 33, 435443;
219. Makela, A., 1997, Carbon balance model of growth and self-pruning in trees based on
structural relationships, Forest Science 43 (1), 724;
220. Maltez-Mouro, S., Garcia, L.V., Maranon, T., Freitas, H., 2007, Recruitment Patterns in a
Mediterranean Oak Forest: A Case Study Showing the Importance of the Spatial Component,
Forest Science 53 (6), 645-652;
221. Mantel, N., 1967, The detection of disease clustering and a generalized regression approach.
Cancer Research 27, 209-220;
222. Margalef, R., 1958, Information theory in ecology, General Systems 3, 36-71;
223. Margalef, R., 1994, Dynamic Aspects of Diversity, Journal of Vegetation Science, Vol. 5,
no. 4, 451-456;
224. Mark, A.F., Esler, A. E., 1970, An assessment of the point-centred quarter method of plotless
sampling in some New Zealand forests, Proceedings of the New Zealand Ecological Society
17, 106-110;
225. Mason, W.L., Connolly, T., Pommerening, A., Edwards, C., 2007, Spatial structure of
semi-natural and plantation stands of Scots pine (Pinus sylvestris L.) in northern Scotland,
Forestry 80 (5), 567-586;
226. Matern, B., 1960, Spatial variation. Meddelanden fran Statens Skogsforskningsinstitut 49,
1144, (Lecture Notes in Statistics, no. 36, Springer, Berlin, 1986);
227. Matsushita, B., Xu, M., Chen, J., Kameyama, S., Tamura, M., 2004. Estimation of
regional net primary productivity (NPP) using a process-based ecosystem model: How
important is the accuracy of climate data? Ecological Modelling 178, 371388;
332
Anexe
228. Max, N., 1996, Hierarchical rendering of trees from precomputed multi-layer z-buffers,
Proceedings of the Eurographics workshop on Rendering tech. Porto '96, 165 - 174;
229. Mcalpine R.S., Hobbs, M.W., 1994, Predicting the Height to Live Crown Base in
Plantations of Four Boreal Forest Species, International Journal of Wildland Fire 4(2), 103
- 106;
230. McCarter, J.B., 1997, Integrating forest inventory, growth and yield, and computer
visualization into a landscape management system. Proceedings of the Forest Vegetation
Simulator Conference, Ogden, USDA Forest Service, 159-167;
231. McDonald, R.I., Peet, R.K., Urban, D.L., 2003, Spatial pattern of Quercus regeneration
limitation and Acer rubrum invasion in a Piedmont forest, Journal of Vegetation Science 14,
441-450;
232. McGaughey, R.J., 1997, Visualizing forest stand dynamics using the stand visualization
system. ACSM/ASPRS Annual Convention and Exposition Proceedings;
Seattle,
American Society for Photogrammetry and Remote Sensing. Vol. 4, 248-257;

233. McIntosh, R.P., 1967, An index of diversity and the relation of certain concepts to diversity,
Ecology 48 (3), 392-404;
234. Mead, R., 1966, A relationship between individual plant-spacing and yield. Annals of
Botany 30, 301-309;
235. Meitner, M.J., Sheppard, S.R.J., Cavens D., Gandy, R., Picard, P., Harshawa, H.,
Harrison, H., 2005, The multiple roles of environmental data visualization in evaluating
alternative forest management strategies, Computers and Electronics in Agriculture 49,
192205;
236. Mercier, F., Baujard, O., 1997, Voronoi diagrams to model forest dynamics in French
Guiana, Second annual conference of GeoComputation 97 & SIRC 97 Proceedings,
University of Otago, New Zealand, 161-171;
237. Meng, S.X., Lieffers, V.J., Huang, S., 2007, Modeling crown volume of lodgepole pine based
upon the uniform stress theory, Forest Ecology and Management 251, 174181;
238. Menhinick, E.F., 1964, A Comparison of Some Species-Individuals Diversity Indices Applied
to Samples of Field Insects, Ecology 45 (4), 859-861;
239. Meyer, H.A., 1940, A mathematical expression for height curves. Journal of Forestry 38,
415-420;
240. Mielke, Jr., P. W. 1986. Non-metric statistical analysis. Some metric alternatives. Journal of
statistical planning and inference 13, 377-387;
241. Miina, J., Eerikinen, K., Hasenauer, H., 2006, Modeling forest regeneration, Sustainable
242. Milescu, I., Alexe, A., 1969, Pdurile pe Glob, Editura Agrosilvic, Bucureti, pp. 335;
243. Milescu, I., Alexe, A., 1982, Economia forestier, Editura Ceres, Bucureti, pp. 340;
333
333

244. Milescu, I., 1990, Pdurea i omenirea, Editura Ceres, Bucureti, pp. 200;
245. Milescu, I., 1997, Istoria pdurilor: introducere n silvicultur, Tipografia Universitii
Suceava, pp. 196;
246. Milescu, I., 2002, Economie forestier, Grupul Editorial Crai Nou, Musatinii, Bucovina
Viitoare, pp. 292;
247. Mladenoff, D.J., Host, G.E., Boeder, J., Crow, T.R., 1996. LANDIS: a spatial model of
forest landscape disturbance, succession, andmanagement. GIS and EnvironmentalModeling:
Progress and Research Issues. GISWorldBooks, FortCollins,USA, 175180;
248. Mladenoff, D.J., Baker, W., 1999, Development of forest and landscape modeling approches,
Spatial modeling of forest landscape change: approacehes and applications, Cambridge
University Press, 1-13;
249. Monserud, R.A., Sterba, H., 1996. A basal area increment model for individual trees
growing in even- and uneven-aged forests stands in Austria. Forest Ecology and Management
80, 5780 ;
250. Monserud, R.A., Sterba, H., 1999, Modeling individual tree mortality for Austrian forest
species, Forest Ecology and Management 113, 109-123;
251. Monserud, R.A., 2001. The role of Models in answering questions of Forest Forest
Sustainability. Forest Modelling for Ecosystem Management Conference, Vancouver
2001;
252. Montes, F., Pardos, M., Canellas, I., 2007, The effect of stand structure on the regeneration
of Scots pine stands, FBMIS vol. 1, 1-9;
253. Moore, J.A., Budelsky, C.A., Schlesinger, R.C., 1973, A new index representing individual
tree competitive status, Canadian Journal of Forest Research 3, 495-500;
254. Moran, P.A.P., 1948, The interpretation of statistical maps. Journal of the Royal Statistical
Society, B 10, 243251;
255. Moran, P.A.P., 1950, Notes on continuous stochastic phenomena. Biometrika 37, 1723;
256. Morisita, M., 1962, I index, a measure of dispersal of individuals. Researches on
Population Ecology 4, 1-7;
257. Mumme, R.L., W.D., Koenig, F.A., Pitelka, 1983, Are acorn woodpecker territories
aggregated? Ecology 64, 1305-1307;
258. Munro, D.D., 1974. Forest growth models - a prognosis, Growth Models for Tree and
Stand Simulation - Proceedings IUFRO Working Party 1973.
Dept.
Research, Royal College of Forestry, Stockholm. Research Note 30, 7-21;

259. Mygatt E., 2006, Worlds Forests Continue to Shrink, Earth Policy Institute;
334
For Yield
Anexe
260. Nagel, J., 1996, Anwendungsprogramm zur Bestandesbewertung und zur Prognose der
Bestandesentwicklung, Forst Holz 51 (3), 76-78;
261. Newnham, R.M., 1964, The development of a stand model for douglas fir, Ph.D. Thesis,
University of British Columbia, Vancouver, 201 p;
262. Newton, P.F., Amponsah, I.G., 2007, Comparative evaluation of five heightdiameter
models developed for black spruce and jack pine stand-types in terms of goodness-of-fit, lack-offit and predictive ability, Forest Ecology and Management 247, 149166;
263. Nigh, G., 1997, Identifying and Modelling the Spatial Distribution Dynamics of
Regenerating Lodgepole Pine, Research report 12, British Columbia Forestry Division
Services, pp. 41;
264. Ohyama, T., 2008, Voronoi diagram, http://www.nirarebakun.com/eng.html;
265. Opie, J.E., 1968, Predictability of individual growth using various definitions of competing
basal area, Forest Science 14, 314-323;
266. Okabe, A., Boots, B., Sugihara, K., Chiu, S., 2000, Spatial Tessellations: Concepts and
Applications of Voronoi Diagrams, Second Edition, John Wiley and Sons, pp. 671;
267. Orland, B., 1994, Visualization techniques for incorporation in forest planning geographic
information systems. Landscape and Urban Planning 30, 83-97;
268. Orland, B., 1997, Forest visual modeling for planners and managers. Proceedings,
ASPRS/ACSM/RT97-Seattle, American Society for Photogrammetry and Remote
Sensing, Washington, DC. vol 4, 193-203;
269. Owens, M.K., Norton, B.E., 1989, The impact of available area on Artemisia tridentata
seedling dynamics. Vegetatio 82, 155-162;
270. Pacala, S. W., C. D. Canham, J. A. J. Silander. 1993. Forest models defined by field
measurements: I. The design of a northeastern forest simulator. Canadian Journal of Forest
Research, 23, 1980-1988;
271. Pacala, S. W., Canham, C.D., Saponara, J., Silander, A. Jr., Kobe, R. K., Ribbens, E.,
1996. Forest Models Defined by Field Measurements: Estimation, Error Analysis and
Dynamics. Ecological Monographs. Vol. 66, No. 1, 1-43;
272. Paine, D.P., Hann, D.W., 1982, Maximum crown-width equations for southwestern Oregon
tree species. Oregon State University, Forest Research Laboratory, Corvallis, Oregon,
Research Paper 46, pp. 20;
335
335

273. Palaghianu, C., 2004. Sistem informatic utilizat in cercetarile dendrocronologice. Analele
Universitatii Stefan cel Mare Suceava - Sectiunea Silvicultura, 6 (1), 109-116.
274. Palaghianu, C.,
Avcriei, D., 2006, Software application for Computing the Main
Biodiversity Indexes, EcoForum International Conference CleanProd 2007 Proceedings,

GEC Bucovina Suceava, 131-133;
275. Palaghianu, C., Horodnic, S., 2007. Software application for characterizing spatial
distribution of a population, Lucrarile sesiunii stiintifice bienale cu participare
internationala Padurea si Dezvoltarea Durabila Brasov, Romania, 27-28 octombrie 2006,
Universitatea Transilvania Braov, 135-140;
276. Palaghianu, C.,
2007. Aspecte privitoare la dinamica resurselor forestiere mondiale.
Analele Universitatii Stefan cel Mare Suceava - Sectiunea Silvicultura, 9 (2), 21-32.
277. Palaghianu, C., 2009. Cercetari privind evaluarea regenerarii arboretelor prin mijloace
informatice, Teza de doctorat, Facultatea de Silvicultur, Universitatea tefan cel Mare
Suceava;
278. Palaghianu, C., 2014. A tool for computing diversity and consideration on differences between
diversity indices. Journal of Landscape Management, 5 (2), 78-82;
279. Palaghianu, C., Drgoi, M., 2015. Patterns of mast fruiting - a stochastic approach. Journal
of Landscape Management, 6 (2);
280. Paluch, J.G., 2005, The inuence of the spatial pattern of trees on forest oor vegetation and
silver r (Abies alba Mill.) regeneration in uneven-aged forests, Forest Ecology and
281. Paluch, J.G.,2007, The spatial pattern of a natural European beech (Fagus sylvatica L.)silver
r (Abies alba Mill.) forest: A patch-mosaic perspective, Forest Ecology and Management
253, 161170;
282. Panta, M., Kim, K., Joshi, C., 2008, Temporal mapping of deforestation and forest
degradation in Nepal: Applications to forest conservation, Forest Ecology and Management
256, 15871595;
283. Park, Y.S., Chung, Y.J., 2006, Hazard rating of pine trees from a forest insect pest using
artificial neural networks, Forest Ecology and Management 222, 222-233;
284. Parker, R. C., & Evans, D. L., 2009, LiDAR forest inventory with single-tree, double-, and
single-phase procedures. International Journal of Forestry Research, pp 1-6;
336
Anexe
285. Peng, C., Wen, X., 1999, Recent applications of artificial neural networks in forest resource
management: an overview, Environmental Decision Support Systems and Artificial
Intelligence, Tech. report WS-99-07, AAAI Press, Menlo Park, 1522;
286. Peng, C., 2000, Growth and yield models for uneven-aged stands:past, present and future,
Forest Ecology and Management 132, 259-279;
287. Peng, C., 2000, Quantitative methods. Understanding the role of forest simulation models in
sustainable forest management, Environmental Impact Assessment Review 20, 481-501;
288. Peng, C. Wen, X., 2006, Forest simulation models, Computer Applications in Sustainable
Forest Management: Including Perspectives on Collaboration and Integration, Springer,
101125;
289. Pennanen, J., Greene, D., Fortin, MJ., Messier, C. 2004. Spatially explicit simulation of
long-term boreal forest landscape dynamics: incorporating quantitative stand attributes.
Elsevier Ecological Modelling 180, 195-209;
290. Penttinen, A. K., Stoyan, D., Henttonen, H. M., 1992, Marked point processes in forest
statistics, Forest Science 38, 806824;
291. Pentiuc t. Gh., 1996. Recunoasterea formelor: metode, programe, aplicatii. Editura
Universitii Suceava, pp. 255;
292. Peterson, U., T. Nilson, 1993, Successional reectance trajectories in northern temperate
forests. International journal of remote sensing 14 (3), 609613;
293. Perry, J.N., Bell, E.D., Smith, R.H., Woiwod, I.P., 1996, SADIE: software to measure and
model spatial pattern. Aspects of Applied Biology, 46, 95 - 102;
294. Perry, J.N., 1996, Simulating spatial patterns of counts in agriculture and ecology.
Computers and Electronics in Agriculture 15, 93109;
295. Perry, J.N., Winder, L., Holland, J.M., Alston, R.D., 1999, Redblue plots for detecting
clusters in count data, Ecology Letters 2, 106-113;
296. Perry, G.L.W., 2004, SpPack: spatial point pattern analysis in Excel using Visual Basic for
Applications (VBA), Environmental Modelling & Software 19, 559569;
297. Pielou, E. C. 1959, The use of point-to-plant distances in the study of the pattern of plant
populations. Journal of Ecology 47, 607-613;
298. Pielou, E. C. 1961, Segregation and symmetry in two-species population as studied by nearest
neighbour relationships. Journal of Ecology 49, 255-269;
299. Pielou, E.C., 1969, An Introduction to Mathematical Ecology, Wiley, NewYork, pp. 286;
300. Pinchot, G., 1905, A primer of forestry Practical Forestry, Government Printing Office,
Washington, pp. 27;
337
337

301. Pommerening, A., Biber, P., Stoyan, D., 2000, Neue Methoden zur Analyse und
Charakterisierung von Bestandesstrukturen, Forstwissenschaftliches Centralblatt 119 (1/2),
pp. 62-78;
302. Pommerening, A., 2002, Approaches to quantifying forest structures, Forestry, vol. 75, no. 3,
305-324;
303. Pommerening, A., 2006, Evaluating structural indices by reversing forest structural analysis,
304. Pommerening, A., Stoyan, D., 2006, Edge-correction needs in estimating indices of spatial
forest structure, Canadian Journal of Forest Research 36, 1723-1739;
305. Popa, C., 2007, Cercetri privind structura i dendrocronologia ecosistemelor cu Pinus
Cembra L. din Munii Rodnei, Universitatea "Stefan cel Mare" Suceava, Teza de doctorat,
pp. 241;
306. Popa, I., 1998, Cuantificarea riscului apariiei catastrofelor naturale in ecosistemele forestiere
cu funcia Weibull, Revista pdurilor, 3-4. 75-81;
307. Popa, I., 1999, Aplicaii informatice utile n silvicultur, Programul Carota i programul
PROARB. Revista Pdurilor, nr. 2, 41-42;
308. Popa, I., 2001, Modelarea structurii spaiale n pdurea natural, Referat tiinific,
Manuscris I.C.A.S., pp. 82;
309. Popa, I., 2004, Variabilitatea spaial a indicilor de competiie n pdurea natural, Referat
tiinific, Staiunea Experimental de Cultura Molidului C-lung Moldovenesc, pp. 31;
310. Popa, I., 2005, Doborturi produse de vnt - factor de risc n ecosistemele forestiere montane,
Anale ICAS 48, 3-28;
311. Popa, I., 2006, Cuantificarea modului de organizare spaial a ecosistemului forestiere din
Codrul Secular Giumalu prin intermediul funciei Ripley K, Revista pdurilor nr. 3, 1-12;
312. Porras, J.C., 2007, Growth evaluation of a conifer forest using neural net backpropagation
trained with distance independent competition measures, Computacion y Sistemas vol. 10,
no. 4, 415-427;
313. Post, W.M., Pastor, J., 1986, Influence of climate, soil moisture, and succession on forest
carbon and nitrogen cycles, Biogeochemistry 2 (1), 3-27;
314. Post, W.M., Pastor, J., 1996, Linkages an individual-based forest ecosystem model,
Climatic Change 34 (2), 253-261;
315. Prentice, I.C., Sykes, M.T. & Cramer, W. 1993. A simulation model for the transient effects
of climate change on forest landscapes. Ecological Modelling 65, 5170;
316. Pretzsch, H., 1992, Konzeption und Konstruktion von Wuchsmodellen fr Rein- und
Mischbestnde, Forstliche Forschungsberichte 115, Mnchen, pp. 332;
338
Anexe
317. Pretzsch, H., 1997, Analysis an modeling of spatial stand structure. Methological
considerations based on mixed beech-larch stands in Lower Saxony. Forest Ecology and
Management 95, 237-253;
318. Pretzsch, H., Biber, P., Dursky, J., 2002, The single tree-based stand simulator SILVA:
construction, application and evaluation. Forest Ecology and Management 162, 3-21;
319. Pretzch, H., et al., 2006, Standardizing and Categorizing Tree Growth Models, Sustainable
320. Price, T.D., et al., 2001. Regeneration in Gap models. Priority Issues For Studying Forest
Responses To Climate Change. Climatic Change, Kluwer Academic Publishers, 475-508;
321. Prodan, M., 1965, Holzmesslehre. J. D. Sauerlnders Verlag. Frankfurt a.M., pp. 644;
322. Pukkala, T., Kolstrom, T., 1987, Competition indices and the prediction of radial growth in
Scots pine, Sliva Fennica 21(1), 55-67;
323. Pukkala, T., 1989, Prediction of tree diameter and height in a Scots pine stand as a function
of the spatial pattern of trees, Silva Fennica 23, 83-99;
324. Pukkala, T., Kolstrom, T., 1991, Effect of spatial pattern of trees on the growth of Norway
spruce stand. A simulation model, Silva Fennica 25, 117-131.
325. Pukkala, T., Kolstrom, T., 1992, A stochastic spatial regeneration model for Pinus sylvestris.
Scandinavian Journal of Forest Research 7, 377385;
326. Pukkala, T., Miina, J., 1997, A method for stochastic multiobjective optimization of stand
management, Forest Ecology and Management 98, 189-203;
327. Pukkala, T., 2004, Dealing with Ecological Objectives in the Monsu Planning System, Silva
Lusitana, vol. 12, no Especial, 1 - 15;
328. Qiu, F., Li, B., Chastain, B., Alfarhan, M., 2008, A GIS based spatially explicit model of
dispersal agent behavior, Forest Ecology and Management 254, 524537;
329. Rauscher, H.M., Isebrands, J.G.,Host, G.E., Dickson, R.E., Dickmann, D.I., Crow,
T.R., Michael, D.A., 1990, ECOPHYS: An ecophysiological growth process model for juvenile
poplar, Tree Physiology 7, 255-281;
330. Rautiainen, M., Mottus, M., Stenberg, P., Ervasti, S., 2008, Crown Envelope Shape
Measurements and Models, Silva Fennica 42(1) , 1933;
331. Reich, R. M., Davis, R., 1998, Quantitative Spatial Analysis , Colorado State University
Fort Collins , Colorado, pp. 420;
332. Remsoft, I.N.C., 1996. Design and development of a tactical harvest blocking/scheduling tool.
Final Report, Canadian Forest Service.
333. Ribeiro, N.A., Oliveira, A.C., Pretzsch, H., 2001, Importncia da estrutura espacial no
crescimento de cortia em povoamentos de sobreiro (Quercus suber L.) na regio de Coruche. A
Estatstica em Movimento. Actas do VIII Congresso Anual da Sociedade Portuguesa de
Estatstica, SPE, Lisboa, 377-385;
339
339

334. Ribeiro, N.A., Oliveira, A.C., Surovy, P., 2006, Modeling Cork Oak PRoduction in
Portugal, Sustainable Forest Management: Growth Models for Europe, Springer Berlin
Heidelberg, 285-313;
335. Richards, M., McDonald, A.J.S., Aitkenhead, M.J., 2008, Optimisation of competition
indices using simulated annealing and artificial neural networks, Ecological Modelling 214,
375-384;
336. Ritchie, M.W., Hann, D.W., 1987, Equations for predicting height to crown base for
fourteen tree species in southwest Oregon, Oregon State University, Forest Research
Laboratory, Corvallis, Research Paper 50, 14p;
337. Ripley, B.D., 1976, The second-order analysis of stationary process, Journal of Applied
Probability 13 (2), 255-266;
338. Ripley, B. D., 1977, Modelling spatial patterns. Journal of the Royal Statistical Society,
Series B 39, 172212;
339. Ripley, B. D., 1981, Spatial Statistics. John Wiley & Sons Inc. Publication, pp. 252;
340. Robinson, A.P., Ek, A.R., 2003, Description and validation of a hybrid model of forest
growth and stand dynamics for the Great Lakes region, Ecological Modelling 170, 73-104;
341. Roibu, C., Popa, I., 2007, The use of Ripley function for spatial structure study of natural
forest Humosu old growth beech forest, Romanian Academy Proceedings 2, 1-9;
342. Rucreanu, N., 1962, Amenajarea pdurilor, Editura Agro-Silvic, Bucureti, pp. 368;
343. Rumsey, D., 2007, Intermediate Statistics for Dummies, Wiley Publishing, Inc.,
Indianapolis, pp. 362;
344. Running, S.W., Hunt, E.R., 1993. Generalization of a forest ecosystem process model for
other biomes, BIOME-BGC, and an application for global-scale models. Ehleringer, J.R.,
Field, , Scaling Physiological Processes: Leaf to Globe. Acad. Press, San Diego, 141158;
345. Saarenmaa, L., 1996. Rule-based expert system for predicting regeneration results. Modelling
Regeneration Succes and Early Growth of Forest Stands, Proceedings from the IUFRO
Conference, 131-138;
346. Sagnard, F., Pichot, C., Dreyfus, P., Jordano, P., Fady, B., 2007, Modelling seed dispersal
to predict seedling recruitment: Recolonization dynamics in a plantation forest, Ecological
347. Schaer, C.W., 1981, Predicting Basal Area Growth in Young-Growth Douglas-fir Using
Crown Competition Factor, Master Thesis, Oregon State University, pp. 41;
348. Schmidt, M., Bckmann, T., Nagel, J., 2006, The Use of Tree Models for Silvicultural
Decision Making, Sustainable Forest Management: Growth Models for Europe, Springer
Berlin Heidelberg, 237-261;
340
Anexe
349. Schutz, J.P., 1989, Zum Problem der Konkurrenz in Mischbestnden. Schweiz. Z. Forstwes
140, 10691083;
350. Schweiger, J., Sterba, H., 1997. A model describing natural regeneration recruitment of
Norway spruce (Picea abies (L.) Karst.) in Austria. Forest Ecology and Management 97,
107-118;
351. Scrinzi, G., Marzullo, L., Galvagni, D., 2007, Development of a neural network model to
update forest distribution data for managed alpine stands, Ecological Modelling 206, 331
346;
352. Seceleanu, I., 1975, Obiectivizarea deciziilor n planificarea amenajistic cu ajutorul
progrmarii matematice, Anale ICAS 33, 187-202;
353. Seceleanu, I., 1975, Simularea matematic a organizrii procesului natural de producie
forestier, Anale ICAS 33, 203-212;
354. Shannon, C.E., 1948, A mathematical theory of communication, The Bell System Technical
Journal, vol. 27, 379-423, 623-656;
355. Sharma, M., Zhang, S.Y., 2004, Height-diameter models using stand characteristics for Pinus
banksiana and Picea mariana, Scandinavian Journal of Forest Research 19, 442451;
356. Sheppard, S.R.J., Salter, J.D.,
2004, The Role of Visualization in Forest Planning,
Encyclopedia of Forest Sciences, Elsevier, 518-530;

357. Shiba, M., Itaya, A., 2006. Using eCognition for improved forest management and
monitoring systems in precision forestry, IUFRO Precision Forestry Symposium Proceedings,
Stellenbosch, 351-360;
358. Shugart, H. H., West, D.C., 1977. Development of an Appalachian deciduous forest
succession model and its application to assessment of impact of the chestnut blight. Journal of
Environmental Management 5, 161179;
359. Shugart, H. H., West, D.C., 1980. Forest Succession Models. BioScience, vol. 30, no. 5,
308-313;
360. Shugart, H. H., 2002, Forest Gap Models, Encyclopedia of Global Environmental Change,
Volume 2, The Earth system: biological and ecological dimensions of global
environmental change, John Wiley & Sons, Ltd. Chichester, 316323;
361. Siipilehto, J., 2006, Height Distributions of Scots Pine Sapling Stands Affected by Retained
Tree and Edge Stand Competition, Silva Fennica, 40(3), 473-486;
362. Simpson, E.H., 1949, Measurement of diversity, Nature 163, pp. 688;
363. Skellam, J.G., 1952, Studies in Statistical Ecology: I. Spatial Pattern, Biometrika Vol. 39,
No. 3/4, 346-362;
364. Skovsgaard, J.P. 2004, Mensuration, Encyclopedia of Forest Sciences, Elsevier, 550-566;
341
341

365. Smith, B., Knorr, W., Widlowski, JL, Pintz, B., Gobron, N., 2008, Combining remote
sensing data with process modelling to monitor boreal conifer forest carbon balances, Forest
366. Smith, W.R., 1987, Area potentially available to a tree: a research tool , The 19th Southern
Forest Tree Improvement Conference, Texas, pp. 29;
367. Solomon, D.S., Leak, W.B. 2002. Modeling the Regeneration of Northern Hardwoods with
FOREGEN. Usda Forest Service, Delaware, pp. 11;
368. Song, B., Mladenoff, D.J, He, H.S, Zhao, G., 2006, Forest visualization at multiple scales
for management and planning. Science in China: Series E-Technological Sciences 49, 2734;
369. Song, B., Wang, X., Mladenoff, D.J, He, H.S, 2008, Visualization Of Forest Landscape
Dynamics, Proceedings of the 6th Southern Forestry and Natural Resources GIS
Conference, Warnell School of Forestry and Natural Resources, University of Georgia,
Athens, 74-92;
370. Stadt, K.J., Huston, C., Lieffers, V.J., 2002, A comparison of non-spatial and spatial,
empirical and resource-based competition indices for predicting the diameter growth of trees in
maturing boreal mixedwood stands, SFM Project: Spatial and Non-spatial modeling of
canopy tree dynamics in boreal forests, University of Alberta, pp. 32;
371. Staebler, G.R., 1951, Growth an spacing in an even-aged stand of Douglas r, Masters
thesis, University of Michigan, pp. 46;
372. Stage, A.R., 1973. Prognosis model for stand development, Res. Pap. INT-137. Ogden,
Utah: U.S. Dept. of Agriculture, Forest Service, Intermountain Forest and Range
Experiment Station. pp. 32;
373. Staudhammer, C.L., LeMay, V.M., 2001, Introduction and evaluation of possible indices of
stand structural diversity, Canadian Journal of Forest Research 31, 11051115;
374. Stoltman A.M., Radeloff, V.C., Mladenoff, D.J., 2007, Computer visualization of presettlement and current forests in Wisconsin, Forest Ecology and Management 246, 135-143;
375. Stoyan, D., Stoyan, H., 1994, Fractals, random shapes and point fields. Methods of
geometrical statistics. John Wiley & Sons, pp. 406;
376. Stoyan, D., Penttinen, A., 2000, Recent Applications of Point Process Methods in Forestry
Statistics, Statistical Science 15 (1), 6178;
377. Svedberg, T., 1922, Ett bidragtill de statistika metodernas anvandninginom vaxtbiologien,
Svensk. Botanisk, Titskrift, 16, 18;
378. Szwagrzyk, J., Czerwczak, M., 1993, Spatial patterns of trees in natural forests of EastCentral Europe. Journal of Vegetation Science 4, 469476;
379. Tama, S., 1983, Optimizri n silvicultur i exploatri forestiere, Editura Ceres, pp. 320;
342
Anexe
380. Teuffel, K., Hein, S., Kotar, M., Preuhsler, E., Puumalainen, E., Weinfurter, P., 2006,
End User Needs and Requirements, Sustainable Forest Management: Growth Models for
Europe, Springer Berlin Heidelberg, 19-38;
381. Thompson, H.R., 1956, Distribution of Distance to Nth Neighbour in a Population of
Randomly Distributed Individuals, Ecology, vol. 37, no. 2, 391-394;
382. Thompson, H.R. 1958, The statistical study of plant distribution patterns using a grid of
quadrats. Australian Journal of Botany 6, 322-342;
383. Tobler, W.R., 1970, A computer movie simulating urban growth in the Detroit region,
Economic Geography 46, 234-240;
384. Tokola, T., 2004, Spatial Information, Encyclopedia of Forest Sciences, Elsevier, 508513;
385. Troup, R.S., 1928, Silvicultural Systems, Oxford Clarendon Press, pp. 199;
386. Turcu, C. 2003 . Sisteme inteligente, Editura Universitii Suceava, pp. 214;
387. Ung, C.H., Raulier, F., Ouellet, D., Dhote, J.F., 1997, L'indice de comptition
interindividuelle de Schtz. Canadian Journal of Forest Research 27, 521526;
388. Upton, G.J.G., Fingleton, B., 1985, Spatial Data Analysis by Example, Vol. I. Point Pattern
and Quantitative Data, Wiley, New York, pp. 410;
389. Urban, D.L., 1990, A versatile model to simulate forest pattern: a user's guide to ZELIG
version 1.0. Department of Environmental Sciences, University of Viginia, pp. 108;
390. Urban, D.L., Bonan, G.B., Smith, T.M., Shugart, H.H., 1991, Spatial applications of gap
models. Forest Ecology and Management 42, 95-110;
391. Urban, D.L., 2005, Modeling ecological processes across scales, Ecology, 86, 19962006;
392. Uusitalo, J., Orland, B., 1997,
A forest visualization interface for harvest planning.
ASPRS/ACSM/ RT97 Seattle, American Society for Photogrammetry and Remote

Sensing, Washington, DC. vol 4, 216-223;
393. Uzoh, C.C.F., Oliver, W.W., 2008, Individual tree diameter increment model for managed
even-aged stands of ponderosa pine throughout the western United States using a multilevel
linear mixed effects model, Forest Ecology and Management 256, 438445;
394. Valentine, H.T., Gregoire, T.G., Burkhart, H.E., Hollinger, D.Y., 1997, A stand-level
model of carbon allocation and growth, calibrated for loblolly pine, Canadian Journal of
Forest Research 27, 817-830;
395. Valentine, H.T., Makela, A., 2005, Bridging process-based and empirical approaches to
modeling tree growth, Tree Physiology 25, 769 779;
396. Valkonen, S., Ruuska, J.,Siipiletho, I., 2002, Effect of retained trees on the development of
young Scots pine stands in Southern Finland, Forest Ecology and Management 166, 227243;
343
343

397. Van Leeuwen, M., & Nieuwenhuis, M., 2010, Retrieval of forest structural parameters using
LiDAR remote sensing. European Journal of Forest Research, 129(4), 749-770;
398. Vanclay, J.K., 1992, Review of Competition Indices: What have we learned, where should we
use then and what additional research is required?, IUFRO Centennial Meeting, Eberswalde
- Berlin, pp. 19;
399. Vanclay, J.K., Skovsgaard, J.P., 1997, Evaluating Forest Growth Models, Ecological
Modelling 98, 1-12;
400. Vlad, I., Doni, N., Chiri, C., Petrescu, L., 1997, Silvicultur pe baze ecosistemice,
Editura Academiei Romne, pp. 292;
401. Vlad, R., 2003, A possibility of the structure modeling in artificial even-aged spruce stand
affected by biotic disturbances factors, Anale ICAS, Vol. 46 (1), 327-336;
402. Vlad, R., 2003, Influena schemei de plantare asupra parametrilor structurali in arborete
tinere de molid, Anale ICAS, Vol. 46 (1), 401-406;
403. Vlad, R., 2006, Modelarea unor parametrii structurali n ecosisteme artificiale de molid sub
incidena lucrrilor de ngrijire efectuate,Anale ICAS 49, 205-219;
404. Vorcak, J., Merganic, J., Saniga, M., 2006, Structural diversity change and regeneration
processes of the Norway spruce natural forest in Babia hora NNR in relation to altitude,
Journal of Forest Science 52, 399-409;
405. Vorovencii,I. 2006, Issues concerning the classification of the stands situated in Piatra
Craiului using average space resolution satellite images. Researches in Piatra Craiului
national Park. Vol. III. Editura Universitaii Transilvania din Braov, 255-272;
406. Vuokila, Y., 1965, Functions for variable density yield tables of pine based on temporary
sample plots, Communicationes Instituti Forestalis Fenniae, 60 (4), 186;
407. Wang, L., Sousa, W.P., Gong, P., Biging, G.S., 2004. Comparison of IKONOS and
Quickbird images for mapping mangrove species on the Caribbean coast of Panama. Remote
Sensing of Environment 91, 432440;
408. Warren, W.G., 1972, Point processes in forestry, Stochastic Point Processes, Statistical
Analysis, Theory and Application, Wiley, New York, 85116;
409. Watt, A.S. 1947, Pattern and process in the plant community. Journal of Ecology 35, 1-22;
410. Weber, J., Penn, J., 1995, Creation and rendering of realistic trees. Proceedings of the
SIGGRAPH 22nd annual conference on Computer graphics and interactive techniques
95, 119128;
411. Wehrli, A., Zingg, A., Bugmann, H., Huth, A., 2005, Using a forest patch model to predict
the dynamics of stand structure in Swiss mountain forests, Forest Ecology and Management
205, 149167;
344
Anexe
412. Weinstein, D.A., Beloin, R., 1990, TREGRO, a model of carbon, water and nutrient
balances to predict response of plants interacting stress. Development and Use of Tree and
Forest Response Models. State-of-Science/Technology Report 17, Washington;
413. Wensel, L.C., Biging, G.S., 1987, The CACTOS System for individual-tree growth
simulation in the mixed-conifer Forests of California. IUFRO Forest Growth Modelling and
Prediction Conference Proceedings, Minneapolis, USDA. Rep.NC-120, 175-183;
414. Wichmann, L., 2002, Modelling the efects of competition between individual trees in forest
stands, Tez de doctorat, Royal Veterinary and Agricultural Univ., Copenhagen, pp. 112;
415. Winsauer, S.A., Mattson, J.A., 1992, Calculating Competition In Thinned Northern
Hardwoods, Research Paper NC-306, St. Paul, USDA, pp. 10;
416. Wolf, A, 2005, Fifty year record of change in tree spatial patterns within a mixed deciduous
forest, Forest Ecology and Management 215, 212223;
417. Woodal, C.W., Graham, J.M., 2004, A technique for conducting point pattern analysis of
cluster plot stem-maps, Forest Ecology and Management 198 , 3137;
418. Wulder, M.A., 2004, GIS and Remote Sensing, Encyclopedia of Forest Sciences, Elsevier,
pg 997-1001;
419. Wunder, J., Bigler, C., Reineking, B., Fahse, L., Bugmann, H., 2006, Optimisation of tree
mortality models based on growth patterns, Ecological Modelling 197, 196206;
420. Wykoff, W.R., Crookston, N.L., Stage, A.R., 1982. User's Guide to the Stand Prognosis
Model, Gen. Tech. Rep. INT-133. Ogden, UT: U.S. Department of Agriculture, Forest
Service, Intermountain Forest and Range Experiment Station; pp. 112;
421. Xi, W., Peet, R.K., Urban, D.L., 2008, Changes in forest structure, species diversity and
spatial pattern following hurricane disturbance in a Piedmont North Carolina forest, USA,
Journal of Plant Ecology, vol 1, no. 1, 43-57;
422. Xiao, Z., Zhang, Z., Wang, Y., 2004, Dispersal and germination of big and small nuts of
Quercus serrata in a subtropical broad-leaved evergreen forest, Forest Ecology and
423. Zamuda, A., Brest, J., Guid, N, Zumer, V., 2007, Modelling, Simulation, and
Visualization of Forest Ecosystems, EUROCON 2007 The International Conference on
Computer as a Tool, Warsaw, 2600-2606;
424. Zanchi, G., Thiel, D., Green, T., Lindner, M., 2007, Forest Area Change and Afforestation
in Europe: Critical Analysis of Available Data and the Relevance for International
Environmental Policies, European Forest Institute, Technical Report 24, pp. 45;
425. Zenner, E., Hibbs, D., 2000, A new method for modeling the heterogeneity of a forest
structure. Forest Ecology and Management 129, 7587;
345
345

426. Zenner, E.K., 2005, Investigating scale-dependent stand heterogeneity with structure-areacurves, Forest Ecology and Management 209, 87100;
427. Zoran, M., Zoran., L.F., Dida, A., 2003, Monitoring of forest cover changes by using multitemporal and spatial satellite data, Anale ICAS 46, 279-286;
428. Zumrawi, A.A., Hann, D.W., 1989, Equations for predicting the height to crown base of six
tree species in the Central Western Willamette Valley of Oregon, Forest Research Lab, Oregon
State University, Research Paper 52, pp.9;
429. ***, 1999, Directiva Consiliului Europei nr 1257/1999, Support for Rural Development
from the European Agricultural Guidance and Guarantee Fund (EAGGF) and Amending and
Repealing Certain Regulations, pp. 34;
430. ***, 2003, FAO (Food and Agriculture Organization of The United Nations), State of The
Worlds Forests 2003, Rome, pp. 151;
431. ***, 2005, Amenajamentul U.P. I Flmnzi, Ocolul silvic Flmnzi, D.S. Botoani
432. ***, 2005 , FAO (Food and Agriculture Organization of The United Nations), State of
The Worlds Forests 2005, Rome, pp. 153;
433. ***, 2007, FAO (Food and Agriculture Organization of The United Nations), State of The
Worlds Forests 2007, Rome, pp. 144;
346
Anexe
Anexe
Anexa 1. Valoarea indicilor de difereniere i dominan dimensional
obinui n suprafeele studiate
Valori calculate pentru primii 1-5 vecini, n condiiile utilizrii unei zone
tampon cu limea de 30 cm.
Nr. vecini: 1
T1
U1 var1
U1 var2
suprafaa 1
suprafaa 2
suprafaa 3
suprafaa 4
suprafaa 5
suprafaa 6
suprafaa 7
suprafaa 8
suprafaa 9
suprafaa 10
medie
0,32
0,37
0,31
0,33
0,34
0,40
0,38
0,27
0,35
0,28
0,34
0,48
0,50
0,48
0,47
0,49
0,48
0,48
0,44
0,48
0,50
0,48
0,50
0,47
0,50
0,49
0,49
0,51
0,50
0,54
0,51
0,49
0,50
Nr. vecini: 2
T2
U2 var1
U2 var2
suprafaa 1
suprafaa 2
suprafaa 3
suprafaa 4
suprafaa 5
suprafaa 6
suprafaa 7
suprafaa 8
suprafaa 9
suprafaa 10
medie
0,35
0,38
0,32
0,33
0,36
0,41
0,40
0,28
0,37
0,29
0,35
0,49
0,52
0,47
0,48
0,48
0,48
0,48
0,48
0,49
0,49
0,49
0,49
0,46
0,50
0,49
0,50
0,51
0,51
0,51
0,49
0,51
0,50
Nr. vecini: 3
T3
U3 var1
U3 var2
suprafaa 1
suprafaa 2
suprafaa 3
0,36
0,39
0,32
0,49
0,52
0,49
0,49
0,47
0,50
347
distana medie
1v
11,25
12,51
12,03
12,00
10,82
11,29
10,63
12,46
12,34
11,64
11,70
distana medie
2v
14,29
16,50
15,39
14,81
14,61
14,57
13,56
15,40
15,17
14,43
14,87
distana medie
3v
16,91
19,65
18,17
347

suprafaa 4
suprafaa 5
suprafaa 6
suprafaa 7
suprafaa 8
suprafaa 9
suprafaa 10
medie
0,34
0,36
0,42
0,41
0,29
0,37
0,29
0,36
0,47
0,50
0,47
0,49
0,48
0,48
0,49
0,49
0,50
0,49
0,51
0,50
0,50
0,50
0,51
0,50
Nr. vecini: 4
T4
U4 var1
U4 var2
suprafaa 1
suprafaa 2
suprafaa 3
suprafaa 4
suprafaa 5
suprafaa 6
suprafaa 7
suprafaa 8
suprafaa 9
suprafaa 10
medie
0,37
0,40
0,33
0,34
0,37
0,43
0,42
0,29
0,37
0,30
0,36
0,49
0,51
0,48
0,48
0,51
0,47
0,49
0,49
0,48
0,48
0,49
0,50
0,48
0,50
0,49
0,48
0,51
0,50
0,50
0,51
0,51
0,50
Nr. vecini: 5
T5
U5 var1
U5 var2
suprafaa 1
suprafaa 2
suprafaa 3
suprafaa 4
suprafaa 5
suprafaa 6
suprafaa 7
suprafaa 8
suprafaa 9
suprafaa 10
medie
0,37
0,41
0,33
0,34
0,37
0,43
0,43
0,29
0,37
0,30
0,36
0,49
0,50
0,48
0,48
0,50
0,48
0,49
0,49
0,47
0,48
0,49
0,49
0,48
0,50
0,49
0,49
0,50
0,50
0,50
0,51
0,51
0,50
348
17,19
17,97
17,15
16,06
17,78
17,72
16,80
17,54
distana medie
4v
19,17
22,36
20,72
19,39
20,83
19,34
18,17
19,95
19,93
18,87
19,87
distana medie
5v
21,20
24,78
23,13
21,40
23,35
21,35
20,04
21,91
21,88
20,78
21,98
Anexe
Anexa 2. Coeficienii de corelaie dintre indicii de difereniere (T) i

dominan (U) i nlimea medie, respectiv desimea puieilor
Corelaia
T1
T2
T3
T4
T5
cu nlimea
-0,492
-0,474
-0,532
-0,529
-0,564*
medie
U1 var1
U2 var1
U3 var1
U4 var1
U5 var1
Corelaia
-0,556*
-0,702**
-0,510
-0,500
-0,605*
U1 var2
U2 var2
U3 var2
U4 var2
U5 var2
0,690**
0,674**
0,583*
0,587*
0,694**
T1
T2
T3
T4
T5
cu desimea
-0,048
0,005
0,005
0,014
0,001
puieilor
U1 var1
U2 var1
U3 var1
U4 var1
U5 var1
-0,170
-0,192
-0,363
-0,486
-0,357
U1 var2
U2 var2
U3 var2
U4 var2
U5 var2
0,356
0,430
0,614*
0,660**
0,602*
n anexa 1 i 2 au fost folosite urmtoarele notaii:

Tk reprezint indicele de diferenere dimensional calculat n condiiile
comparaiei fcute cu primii k vecini ai puietului de referin (Gadow, 1997);
Uk var 1 reprezint indicele de dominan dimensional calculat n condiiile
comparaiei fcute cu primii k vecini ai puietului de referin - varianta de
calcul propus de Hui et al (1998);
Uk var 2 reprezint indicele de dominan dimensional calculat n condiiile
comparaiei fcute cu primii k vecini ai puietului de referin - varianta de
calcul propus de Gadow i Hui (1999) i Aguirre et al (2003);
distana medie Kv reprezint media distanelor medii de la puietul de
referin la primii k vecini.
349
349
Anexa 3. Coeficienii de corelaie dintre indicii de difereniere (T) i

dominan (U) i cei mai utilizai indicii de diversitate structural
Indicele de difereniere dimensional T

Nr. vecini
Shannon
Simpson
(D)
Berger
Parker
Margalef
Menhinick
1 vecin
-0,192
0,348
0,520
0,035
0,059
2 vecini
-0,194
0,339
0,480
-0,031
-0,005
3 vecini
-0,228
0,371
0,508
-0,071
-0,025
4 vecini
-0,225
0,376
0,518
-0,067
-0,026
5 vecini
-0,228
0,377
0,526
-0,074
-0,022
Indicele de dominan dimensional U varianta 1, Hui et al (1998);

Nr. vecini
Shannon
Simpson
(D)
Berger
Parker
Margalef
Menhinick
1 vecin
-0,003
-0,044
-0,007
0,006
0,142
2 vecini
-0,029
-0,060
-0,039
-0,253
-0,033
3 vecini
0,166
-0,245
-0,160
-0,030
0,227
4 vecini
0,089
-0,155
-0,061
0,033
0,336
5 vecini
-0,074
0,003
0,038
-0,191
0,144
Indicele de dominan dimensional U varianta 2, Gadow i Hui (1999) i Aguirre et

al (2003);
Nr. vecini
Shannon
Simpson
(D)
Berger
Parker
Margalef
Menhinick
1 vecin
0,264
-0,119
-0,046
0,190
-0,132
2 vecini
0,286
-0,113
-0,026
0,307
-0,073
3 vecini
0,112
0,035
0,040
0,080
-0,343
4 vecini
0,259
-0,146
-0,145
0,063
-0,376
5 vecini
0,438
-0,352
-0,330
0,195
-0,275
350
Anexe
Anexa 4. Variaia grafic a indicelui IDIV n suprafeele studiate

a) pasul de analiz - 25 cm
351
351
352
Anexe
b) pasul de analiz - 50 cm
353
353
354
Anexe
355
355
c) pasul de analiz 100 cm
356
Anexe
357
357
358
Anexe
Anexa 5. Indicatorii obinui prin prelucrarea datelor cu ajutorul aplicaiei

IDIV
Suprafaa 1 componenta Ox
Suprafaa 1 componenta Oy
nr.
IDIV
IDIV
elem
IDIV
min
max
.
pas 25 cm IDIV Ox 2,311 (coef. var. 16,42 %); IDIV Oy 2,286 (coef. var. 15,82 %);
Nr.
band
IDIV
IDIV
min
IDIV
max
min
teor.
max
teor.
min
teor.
max
teor.
nr.
elem
.
media distanei medii fa de primii 3/5/7 vecini: 17,328/21,788/25,504 cm

1
2,330
1,080
3,496
1,029
2,647
1,089
4,769
1,039
2,181
1,059
3,719
2,154
1,098
3,306
2,505
1,118
1,699
2,558
32
1,701
1,098
2,335
1,027
5,455
21
44
1,823
1,074
2,638
1,019
5,680
26
1,023
8,302
12,81
1
7,547
32
2,233
1,060
3,487
1,024
6,730
28
1,026
7,456
30
1,962
1,107
3,432
1,029
8,296
32
3,951
1,039
9,521
32
3,048
1,105
4,736
1,028
10,642
42
1,101
2,904
1,027
5,438
21
2,474
1,082
3,402
1,029
8,586
33
1,082
3,843
1,030
7,168
27
2,048
1,107
3,289
1,025
7,609
31
1,928
1,062
2,759
1,017
5,895
28
2,195
1,054
3,356
1,018
6,703
32
1,964
1,035
2,585
1,013
4,463
23
3,207
1,080
4,225
1,019
8,736
41
10
2,226
1,124
3,054
1,044
7,608
24
2,141
1,109
3,636
1,035
8,238
29
11
2,364
1,111
3,561
1,037
8,479
29
2,358
1,071
3,596
1,027
7,988
32
12
2,013
1,117
2,626
1,036
5,917
20
2,513
1,130
3,707
1,034
8,656
31
13
2,252
1,114
3,169
1,029
6,893
26
2,450
1,104
3,573
1,036
8,895
31
14
2,422
1,064
4,543
1,022
7,383
32
2,199
1,100
2,956
1,028
5,593
21
15
2,744
1,059
4,326
1,021
9,561
43
2,167
1,074
3,525
1,029
7,605
29
16
3,053
1,096
5,211
1,038
11,86
41
2,133
1,100
4,116
1,032
8,456
31
17
2,595
1,142
3,625
1,049
8,660
26
2,506
1,124
3,532
1,041
8,855
29
18
1,949
1,104
2,961
1,028
6,518
25
1,900
1,047
3,020
1,018
6,739
32
19
2,914
1,076
4,655
1,032
11,42
43
2,025
1,104
3,466
1,029
7,633
29
20
2,686
1,101
4,390
1,028
8,677
34
2,184
1,129
3,231
1,038
7,433
25
21
2,351
1,119
4,467
1,042
11,83
39
2,061
1,088
3,010
1,046
6,886
21
22
1,901
1,094
3,068
1,033
6,733
24
2,405
1,144
3,453
1,053
8,637
25
23
2,613
1,085
3,409
1,035
7,187
25
2,103
1,078
3,375
1,029
7,557
29
24
1,750
1,096
2,248
1,024
5,695
23
2,694
1,127
3,727
1,048
9,173
28
25
1,950
1,112
3,195
1,029
7,535
29
2,939
1,086
4,685
1,028
9,144
36
26
1,765
1,043
2,839
1,016
5,510
27
2,528
1,067
3,895
1,027
8,906
36
27
2,203
1,098
3,379
1,037
7,102
24
1,910
1,053
2,693
1,022
5,470
23
28
2,949
1,127
4,171
1,055
9,485
27
2,137
1,081
3,329
1,039
8,117
27
pas 50 cm IDIV Ox 4,023 (coef. var. 19,77%); IDIV Oy 3,830 (coef. var. 13,29%);
1
4,333
1,110
8,007
1,038
21,75
76
3,231
1,108
4,295
1,027
11,514
47
3,675
1,090
6,364
1,027
14,93
62
3,485
1,103
6,202
1,029
15,079
60
3,558
1,124
6,320
1,039
15,39
53
4,540
1,114
7,216
1,033
19,831
75
3,974
1,085
6,230
1,030
14,17
55
3,552
1,087
6,061
1,024
14,550
63
3,440
1,108
4,738
1,038
13,52
47
4,327
1,132
7,426
1,034
18,868
70
3,374
1,126
5,464
1,037
13,99
49
3,864
1,113
6,559
1,032
16,662
63
3,862
1,104
7,020
1,028
14,38
58
3,698
1,123
6,005
1,036
14,567
52
359
359

IDIV
IDIV
min
IDIV
max
min
teor.
max
teor.
nr.
elem
.
5,837
1,105
8,796
1,033
22,25
84
3,518
1,096
6,783
1,028
14,959
60
3,557
1,143
5,556
1,042
15,47
51
3,725
1,135
5,750
1,041
18,115
61
10
5,716
1,093
8,487
1,031
19,73
77
3,997
1,129
6,056
1,039
15,652
54
11
3,650
1,095
6,582
1,038
18,04
63
3,753
1,128
5,881
1,052
15,457
46
12
4,066
1,099
5,383
1,032
12,73
48
4,016
1,102
6,850
1,037
16,224
57
13
3,331
1,086
5,307
1,026
13,8
56
4,901
1,091
7,660
1,027
17,551
72
1,116
6,650
1,044
15,77
51
1,101
5,360
3,954
2,982
1,038
14,323
50
Nr.
band
IDIV
IDIV
min
IDIV
max
min
teor.
14
max
teor.
nr.
elem
.
8,505
1,116
13,89
1,038
38,78
138
6,602
1,124
10,22
1,031
27,20
107
7,225
1,128
12,09
1,041
31,66
108
8,147
1,136
12,75
1,036
37,61
138
6,246
1,137
9,55
1,037
26,80
96
7,492
1,115
13,25
1,032
34,60
133
8,953
1,117
15,09
1,033
37,27
142
7,333
1,117
12,24
1,035
30,46
112
8,745
1,134
13,61
1,041
37,59
128
7,433
1,123
11,08
1,039
32,76
115
6,579
1,094
11,24
1,034
29,85
111
7,521
1,138
12,35
1,050
33,30
103
6,926
1,129
11,71
1,049
34,30
107
8,065
1,102
12,45
1,035
32,97
122
nr.
IDIV
IDIV
elem
IDIV
min
max
.
pas 25 cm IDIV Ox 1,563(coef. var. 16,09 %); IDIV Oy 1,537 (coef. var. 20,51 %);
Nr.
band
IDIV
IDIV
min
IDIV
max
min
teor.
max
teor.
min
teor.
max
teor.
nr.
elem
.
media distanei medii fa de primii 3/5/7 vecini: 19,208/ 24,536/ 29,180cm

1
1,355
1,044
1,634
1,010
2,293
11
1,680
1,078
2,232
1,014
3,842
19
1,619
1,067
2,165
1,019
3,973
17
1,553
1,052
2,150
1,013
3,554
18
1,466
1,080
1,799
1,012
3,340
17
1,404
1,047
1,669
1,012
2,903
14
1,165
1,031
1,348
1,008
2,515
14
1,368
1,073
1,899
1,020
3,820
16
1,696
1,029
2,420
1,006
4,387
34
1,237
1,017
1,749
1,006
3,153
21
1,264
1,031
1,826
1,009
2,983
17
1,460
1,076
2,082
1,020
4,679
20
1,318
1,024
2,158
1,006
3,284
22
1,471
1,035
1,810
1,014
3,001
14
1,491
1,050
2,258
1,010
4,315
25
1,353
1,045
1,955
1,010
3,327
18
1,778
1,030
2,586
1,012
4,722
26
1,052
1,020
1,271
1,010
1,707
10
1,459
1,026
1,956
1,008
3,347
20
1,149
1,019
1,318
1,005
1,833
10
11
1,308
1,036
1,823
1,020
3,047
12
1,256
1,019
1,687
1,006
2,989
20
12
1,402
1,070
2,243
1,025
4,152
16
1,443
1,052
2,044
1,021
3,692
15
13
1,422
1,353
2,613
1,196
5,127
1,662
1,117
2,975
1,028
5,316
20
14
2,031
1,052
2,875
1,010
5,785
35
1,366
1,071
1,882
1,018
3,306
14
15
1,527
1,044
1,994
1,010
4,344
26
1,856
1,103
2,583
1,036
6,477
22
16
1,492
1,064
2,195
1,015
3,954
19
1,469
1,066
1,836
1,016
3,893
18
17
1,534
1,082
2,318
1,032
6,377
23
1,732
1,055
2,463
1,020
4,636
20
18
1,731
1,024
2,754
1,009
4,452
27
1,928
1,184
4,033
1,063
10,09
27
19
1,607
1,046
2,150
1,008
3,978
25
1,847
1,079
3,418
1,022
7,580
33
20
2,017
1,086
3,097
1,021
5,979
26
1,351
1,041
1,694
1,008
2,649
15
21
1,083
1,033
1,330
1,009
1,831
1,204
1,026
1,332
1,003
1,857
14
360
Anexe
IDIV
IDIV
min
IDIV
max
min
teor.
max
teor.
nr.
elem
.
IDIV
IDIV
min
IDIV
max
min
teor.
max
teor.
nr.
elem
.
22
1,713
1,100
2,508
1,030
4,949
18
1,734
1,180
2,977
1,076
7,433
18
23
1,513
1,078
2,098
1,017
4,205
19
1,227
1,030
1,617
1,011
3,225
17
24
1,792
1,030
2,411
1,013
3,923
20
1,492
1,030
2,234
1,010
3,797
22
25
1,487
1,135
2,551
1,071
4,905
12
1,577
1,035
2,832
1,015
5,996
31
26
1,801
1,071
3,220
1,027
5,980
23
2,171
1,091
2,952
1,024
6,808
28
27
1,438
1,066
2,019
1,014
3,337
16
1,409
1,063
2,151
1,012
19
1,062
3,099
1,019
6,766
31
1,054
4,187
2,104
2,461
pas 50 cm IDIV Ox 2,260 (coef. var. 17,08 %); IDIV Oy 2,286 (coef. var. 24,53%);
1,016
3,636
10,90
9
Nr.
band
28
57
1,934
1,065
2,840
1,020
6,179
28
2,184
1,064
3,336
1,013
6,625
37
1,737
1,069
2,412
1,012
5,513
31
1,735
1,052
2,518
1,014
5,695
30
2,231
1,034
3,388
1,007
6,621
51
1,938
1,046
2,863
1,013
7,355
41
1,917
1,047
3,685
1,011
7,673
47
1,871
1,046
2,998
1,013
5,941
32
2,365
1,034
3,837
1,010
7,372
46
1,290
1,031
1,763
1,010
3,169
17
1,729
1,086
3,353
1,025
6,893
28
1,955
1,078
2,837
1,017
7,202
35
2,836
1,222
4,088
1,074
17,17
43
2,273
1,104
4,265
1,027
8,505
34
2,169
1,053
3,458
1,015
8,513
45
2,410
1,118
3,794
1,030
10,44
40
2,214
1,086
4,254
1,024
11,62
50
3,006
1,199
5,851
1,063
17,23
47
10
2,791
1,081
4,448
1,019
10,72
51
2,868
1,085
4,396
1,023
10,96
48
11
1,940
1,134
3,031
1,030
6,909
26
2,149
1,215
3,486
1,063
11,86
32
12
2,477
1,070
3,894
1,017
7,845
39
2,074
1,041
3,401
1,011
6,473
39
13
2,835
1,200
5,159
1,068
13,45
35
2,879
1,046
4,719
1,016
11,25
59
14
1,077
4,472
1,018
9,644
47
1,077
5,491
2,467
3,325
1,016
14,27
76
2,930
1,080
4,484
1,019
12,23
59
3,265
1,051
5,113
1,014
11,93
67
3,375
1,050
6,316
1,011
15,22
98
3,065
1,044
4,808
1,013
12,37
73
3,985
1,096
6,404
1,021
15,88
74
2,686
1,079
3,795
1,017
10,39
52
4,296
1,261
6,706
1,066
32,85
88
4,509
1,114
7,243
1,030
18,85
74
4,831
1,105
7,950
1,024
22,84
101
5,065
1,222
9,754
1,062
34,38
95
3,687
1,146
6,270
1,029
16,35
65
3,554
1,234
6,058
1,064
26,09
71
5,052
1,228
8,943
1,064
30,19
82
5,969
1,067
9,668
1,015
24,40
135
nr.
IDIV
IDIV
elem
IDIV
min
max
band
.
Nr.
IDIV
IDIV
min
IDIV
max
min
teor.
max
teor.
min
teor.
max
teor.
nr.
elem
.
media distanei medii fa de primii 3/5/7 vecini: 19,508/ 25,149/ 29,844 cm

1
2,311
1,173
3,751
1,063
8,649
23
1,791
1,107
2,340
1,050
4,555
1,775
1,133
2,796
1,059
4,899
13
1,428
1,107
1,778
1,054
3,392
2,171
1,158
3,563
1,054
6,044
17
1,466
1,082
2,209
1,032
4,078
14
2,581
1,097
6,995
1,050
15,461
47
1,320
1,092
1,761
1,049
2,952
1,931
1,105
3,549
1,040
8,219
27
1,582
1,071
1,851
1,041
3,348
10
361
13
361
nr.
elem
.
IDIV
IDIV
min
IDIV
max
min
teor.
25,039
33
1,318
1,060
1,759
1,012
2,852
14
20,677
51
2,462
1,087
2,915
1,038
6,028
20
1,067
17,767
47
1,676
1,122
2,000
1,039
4,153
13
6,515
1,063
13,362
36
1,815
1,204
2,903
1,075
5,027
12
1,110
3,436
1,040
6,736
22
1,610
1,102
2,495
1,040
5,605
18
2,854
1,121
5,022
1,069
10,125
26
2,584
1,131
3,124
1,091
6,770
15
12
2,178
1,108
3,013
1,048
6,360
19
1,581
1,072
2,206
1,032
3,831
13
13
2,059
1,067
2,609
1,037
4,906
16
2,917
1,170
4,985
1,059
12,170
34
14
1,619
1,101
2,131
1,029
4,188
15
1,525
1,123
3,358
1,040
5,871
19
15
1,566
1,065
2,281
1,029
4,680
17
3,223
1,219
5,912
1,086
12,117
28
16
1,314
1,134
1,539
1,048
2,623
3,248
1,344
7,341
1,176
17,883
29
17
1,215
1,072
1,690
1,015
2,224
1,916
1,107
3,837
1,049
7,086
21
18
1,299
1,039
1,483
1,016
2,471
10
2,451
1,250
1,092
12,061
27
Nr.
IDIV
IDIV
min
IDIV
max
min
teor.
5,549
1,450
7,323
1,260
3,494
1,192
6,900
1,077
2,943
1,154
7,505
3,253
1,178
10
2,329
11
band
max
teor.
max
teor.
nr.
elem
.
1,061
1,054
1,524
1,020
2,023
3,120
1,425
5,573
10,09
4
1,192
27,158
42
20
1,177
1,037
1,314
1,020
2,415
1,960
1,131
3,111
1,057
5,162
14
21
1,633
1,126
2,392
1,065
4,716
12
1,953
1,166
4,442
1,048
8,235
25
22
1,627
1,338
2,617
1,210
4,619
1,787
1,088
3,160
1,039
6,145
20
23
1,220
1,097
1,596
1,028
2,225
1,994
1,091
2,765
1,042
4,251
13
24
2,147
1,140
2,743
1,035
5,582
19
1,826
1,170
2,602
1,040
3,605
11
25
1,729
1,302
3,738
1,136
4,905
2,231
1,087
3,618
1,032
7,162
26
26
1,016
1,016
1,016
1,016
1,016
2,741
1,200
4,634
1,075
10,527
26
27
1,303
1,034
1,488
1,010
1,995
2,195
1,154
3,358
1,084
7,359
17
1,080
1,820
1,022
3,539
14
1,115
2,718
1,322
1,892
1,054
6,702
19
19
28
1
3,166
1,116
5,306
1,046
11,448
36
2,598
1,142
3,423
1,053
7,661
22
4,362
1,150
9,406
1,050
20,904
64
1,854
1,091
3,259
1,047
7,267
22
4,813
1,204
1,097
27,254
60
2,083
1,147
3,083
1,040
7,331
24
6,371
1,188
7,549
13,12
4
1,075
38,981
98
2,907
1,128
4,319
1,044
10,300
33
5,498
1,154
9,590
1,062
21,139
58
3,422
1,154
4,668
1,056
10,526
30
4,853
1,169
7,536
1,066
16,992
45
2,965
1,149
4,576
1,060
10,207
28
2,826
1,066
3,817
1,029
8,076
31
3,647
1,167
1,059
18,768
53
2,012
1,162
3,022
1,048
7,927
24
5,478
1,369
7,511
12,35
6
1,162
33,700
57
1,683
1,070
2,341
1,022
4,600
19
3,101
1,197
1,063
17,648
48
8
9
1,422
1,037
2,103
1,020
3,811
16
4,183
1,309
7,425
12,59
4
1,176
34,588
56
11
2,989
1,235
3,932
1,112
9,367
19
3,024
1,157
6,766
1,045
14,148
45
12
2,765
1,133
4,014
1,045
8,359
26
2,864
1,117
4,573
1,040
7,335
24
13
1,603
1,282
3,488
1,101
5,250
11
4,374
1,216
8,706
1,080
21,436
52
14
1,086
2,715
1,029
6,167
23
1,217
5,234
1,843
3,081
1,084
15,339
36
1,049
14,362
44
10
7,281
1,148
13,85
1,050
32,433
362
100
3,700
1,144
5,894
Anexe
Nr.
band
IDIV
IDIV
min
IDIV
max
min
teor.
max
teor.
nr.
elem
.
IDIV
IDIV
min
IDIV
max
min
teor.
max
teor.
nr.
elem
.
10,328
1,205
19,25
1,076
63,12
158
4,419
1,131
6,520
1,045
17,704
57
9,965
1,174
17,01
1,062
37,27
103
6,092
1,151
1,059
20,565
4,220
1,146
6,252
1,046
17,35
55
8,210
1,257
1,103
51,482
2,510
1,068
3,814
1,022
7,97
35
6,669
1,374
1,150
59,025
58
11
0
10
4
4,173
1,212
7,138
1,083
18,92
45
4,936
1,148
1,048
22,136
69
2,943
1,291
5,980
1,107
16,33
34
7,916
1,230
8,567
17,18
0
18,38
6
10,76
2
13,48
7
1,083
36,796
88
4
5
6
7
nr.
IDIV
IDIV
elem
IDIV
min
max
.
Nr.
band
IDIV
IDIV
min
IDIV
max
min
teor.
max
teor.
min
teor.
max
teor.
nr.
elem
.
18
media distanei medii fa de primii 3/5/7 vecini: 17,429/21,736/25,505 cm

1
1,986
1,066
3,029
1,020
7,466
34
1,738
1,111
2,973
1,029
4,922
1,804
1,088
2,784
1,039
6,998
23
1,368
1,100
1,937
1,057
2,425
2,228
1,158
4,038
1,043
9,615
31
1,893
1,126
2,550
1,037
5,726
19
2,573
1,268
3,165
1,133
12,29
23
1,933
1,090
2,606
1,021
5,751
25
2,222
1,055
2,969
1,021
6,388
28
2,045
1,134
3,721
1,041
8,601
28
3,135
1,074
4,643
1,022
8,274
36
2,282
1,122
3,091
1,056
7,186
20
1,979
1,134
2,979
1,055
7,124
20
2,010
1,070
2,879
1,025
5,324
21
2,202
1,104
2,938
1,033
9,098
33
2,062
1,148
2,947
1,045
4,687
14
1,463
1,122
2,653
1,059
5,248
14
2,173
1,108
3,316
1,027
8,571
34
10
1,473
1,044
1,797
1,010
2,973
16
2,254
1,122
2,876
1,022
6,462
28
11
1,384
1,050
1,970
1,016
3,341
15
1,869
1,134
2,985
1,044
17
12
2,281
1,073
3,326
1,023
6,614
28
2,755
1,414
3,559
1,157
13
1,747
1,093
3,173
1,035
4,792
16
1,628
1,087
3,182
1,028
5,532
10,46
0
5,820
14
3,127
1,137
4,110
1,048
9,220
28
2,039
1,081
3,256
1,028
6,939
27
15
2,317
1,091
4,214
1,040
11,34
38
2,111
1,154
3,706
1,045
9,234
29
16
3,084
1,175
4,063
1,054
13,35
39
2,791
1,195
4,238
1,067
11,49
30
17
2,476
1,106
3,867
1,037
9,260
32
1,826
1,094
3,612
1,034
7,560
27
18
3,302
1,104
4,687
1,035
12,24
44
1,626
1,095
3,139
1,031
5,809
21
19
2,037
1,185
2,732
1,080
5,560
13
1,894
1,082
2,863
1,033
7,734
28
20
2,023
1,074
3,139
1,030
7,207
27
2,581
1,092
3,575
1,040
8,451
28
21
1,526
1,102
2,414
1,039
4,707
15
2,969
1,098
4,714
1,038
11,39
39
22
1,792
1,073
2,543
1,028
4,606
17
2,130
1,066
2,551
1,031
6,804
25
23
1,367
1,068
2,222
1,033
4,648
16
1,483
1,068
2,587
1,024
6,139
25
24
1,625
1,089
2,934
1,042
5,711
18
1,579
1,076
3,133
1,026
7,247
29
25
1,417
1,058
1,564
1,011
2,631
13
2,338
1,145
3,255
1,047
6,930
21
26
1,990
1,099
2,331
1,027
5,206
20
2,257
1,057
3,055
1,026
7,190
29
27
2,027
1,086
3,657
1,022
7,156
31
2,587
1,122
3,653
1,034
7,870
28
363
18
22
363
Nr.
band
28
IDIV
IDIV
min
IDIV
max
min
teor.
max
teor.
nr.
elem
.
IDIV
IDIV
min
IDIV
max
min
teor.
max
teor.
nr.
elem
.
2,529
1,111
3,690
1,029
8,334
32
3,270
1,134
5,410
1,048
14,16
8
44
1
3,587
1,111
5,218
1,035
15,696
57
2,033
1,107
3,938
1,029
6,382
24
4,055
1,364
6,361
1,133
28,845
54
3,138
1,150
4,365
1,037
12,55
44
4,217
1,068
6,440
1,019
13,010
64
3,748
1,185
6,226
1,064
17,76
48
3,308
1,140
5,111
1,058
18,619
53
2,814
1,085
4,712
1,026
8,545
35
2,257
1,117
3,174
1,031
8,041
30
3,556
1,117
5,401
1,025
14,62
62
2,783
1,076
4,164
1,021
9,526
43
4,198
1,419
5,877
1,155
20,24
35
3,861
1,156
6,030
1,048
14,208
44
3,050
1,098
5,807
1,031
12,85
49
5,043
1,159
8,003
1,040
22,499
77
3,871
1,150
6,471
1,049
19,15
59
5,532
1,125
7,762
1,033
20,301
76
3,546
1,125
6,211
1,035
13,28
48
10
3,299
1,193
4,924
1,066
15,079
40
3,922
1,113
5,763
1,037
15,91
56
11
2,762
1,082
4,301
1,038
9,353
32
4,498
1,113
6,411
1,038
18,37
64
12
1,912
1,131
4,659
1,041
10,257
34
2,176
1,089
5,058
1,025
12,77
54
13
2,420
1,068
2,772
1,021
7,413
33
3,341
1,098
5,302
1,033
13,45
50
63
1,110
7,771
1,135
6,584
1,037
4,743
4,181
17,872
1,036
19,96
72
14
1
6,697
1,321
10,57
1,112
54,131
111
4,139
1,151
7,49
1,037
19,13
68
7,041
1,210
11,02
1,057
40,542
117
5,424
1,185
10,16
1,064
30,47
83
4,508
1,107
6,83
1,033
19,316
73
6,468
1,362
9,71
1,106
45,93
97
7,971
1,146
13,29
1,044
36,625
121
6,104
1,152
11,51
1,049
34,71
108
8,611
1,174
11,69
1,049
37,255
116
7,159
1,143
11,48
1,042
30,99
104
4,553
1,128
8,399
1,041
19,474
66
6,659
1,112
10,46
1,032
30,73
118
5,501
1,128
8,198
1,031
24,565
96
6,965
1,126
12,27
1,036
33,48
122
nr.
IDIV
IDIV
elem
IDIV
min
max
.
Nr.
band
IDIV
IDIV
min
IDIV
max
min
teor.
max
teor.
min
teor.
max
teor.
nr.
elem
.

1
1,587
1,096
1,961
1,039
3,587
11
1,641
1,190
2,531
1,042
4,548
14
1,786
1,076
2,974
1,026
5,180
20
1,922
1,265
2,742
1,133
5,399
10
2,181
1,241
4,153
1,104
8,109
17
2,090
1,276
3,124
1,180
8,688
14
1,975
1,129
2,724
1,041
5,970
19
1,861
1,097
2,758
1,033
6,723
24
2,041
1,152
2,787
1,041
6,546
21
1,800
1,087
2,418
1,031
5,301
19
1,552
1,095
1,860
1,032
3,839
13
1,851
1,259
3,255
1,113
9,908
20
1,538
1,054
1,874
1,012
3,166
16
2,275
1,182
3,499
1,068
7,429
19
1,225
1,084
1,574
1,016
2,635
11
1,198
1,108
2,174
1,026
3,097
11
1,397
1,104
1,832
1,032
4,357
15
1,440
1,067
1,845
1,040
3,029
10
2,193
1,079
3,294
1,030
6,442
24
1,172
1,089
1,743
1,033
2,321
11
2,483
1,163
4,004
1,036
10,01
35
2,373
1,254
2,731
1,105
5,328
11
364
Anexe
nr.
elem
.
IDIV
IDIV
min
IDIV
max
min
teor.
max
teor.
nr.
elem
.
6,103
18
2,375
1,283
4,231
1,139
7,693
14
11,03
29
1,665
1,108
2,068
1,044
3,151
1,039
6,093
20
1,597
1,239
2,963
1,127
4,766
5,033
1,037
9,319
32
2,100
1,159
2,491
1,063
3,958
10
1,078
2,504
1,036
3,753
12
1,368
1,093
1,776
1,035
2,911
1,118
3,891
1,039
8,370
28
1,621
1,114
2,637
1,040
4,174
13
3,516
1,443
5,172
1,247
19,15
26
3,104
1,207
3,663
1,100
9,353
20
1,735
1,097
3,098
1,031
6,594
24
1,761
1,152
2,488
1,086
4,484
10
20
1,995
1,297
3,347
1,088
7,073
16
2,024
1,096
3,666
1,032
6,615
24
21
2,584
1,232
3,802
1,099
8,389
18
1,434
1,198
1,842
1,047
11
2,111
1,251
2,640
1,083
6,472
15
2,792
1,112
4,813
1,046
1,388
1,094
2,166
1,020
3,420
14
2,922
1,154
4,645
1,058
Nr.
IDIV
IDIV
min
IDIV
max
min
teor.
max
teor.
12
1,914
1,146
2,850
1,049
13
2,842
1,163
4,173
1,066
14
2,203
1,089
3,205
15
2,537
1,111
16
1,271
17
2,728
18
19
band
1,585
1,067
2,019
1,023
4,468
18
2,941
1,162
4,707
1,045
3,846
10,51
3
10,38
1
10,43
1
25
1,598
1,101
1,850
1,038
4,102
13
2,209
1,123
3,997
1,044
8,563
27
26
1,377
1,046
1,729
1,012
2,424
11
2,218
1,066
3,439
1,019
7,656
36
27
1,150
1,188
2,094
1,047
2,912
2,016
1,147
3,445
1,043
22
1,507
2,664
1,357
3,193
4
1,182
5,955
2,085
3,050
1,059
6,951
14,62
4
22
23
24
28
33
29
33
41
2,375
1,093
4,114
1,034
8,670
31
2,619
1,248
4,456
1,103
11,37
24
3,824
1,262
6,460
1,104
16,98
36
3,390
1,299
4,349
1,110
18,49
38
2,447
1,127
3,516
1,032
9,218
34
2,648
1,232
4,918
1,105
18,53
39
1,871
1,066
2,432
1,018
5,764
27
3,387
1,193
5,035
1,079
12,43
30
2,754
1,110
4,089
1,030
10,14
39
1,559
1,126
2,882
1,040
5,036
16
3,656
1,150
5,990
1,042
16,05
53
3,487
1,280
5,739
1,139
13,70
25
3,967
1,161
6,601
1,066
18,41
49
1,938
1,100
3,166
1,041
5,67
18
3,049
1,106
6,783
1,037
12,63
44
2,745
1,182
3,597
1,069
7,48
19
4,198
1,300
6,838
1,110
26,19
54
3,703
1,302
5,556
1,102
15,48
33
10
3,185
1,233
5,407
1,076
16,14
40
2,605
1,117
4,939
1,033
9,310
34
11
3,949
1,278
5,604
1,100
15,33
33
3,465
1,152
5,771
1,051
14,69
44
12
2,196
1,106
3,570
1,033
8,751
32
5,246
1,141
8,550
1,045
19,21
62
13
2,095
1,128
2,703
1,037
7,111
24
3,182
1,123
6,212
1,037
17,74
63
1,172
2,747
1,047
4,155
12
1,187
9,057
1,473
4,420
pas 100 cm IDIV Ox 5,291 (coef. var. 29,60%); IDIV Oy 5,853 (coef. var. 32,13 %);
1,059
22,28
63
14
1
5,163
1,228
9,273
1,076
26,89
67
5,306
1,238
7,659
1,097
28,20
62
3,375
1,121
5,124
1,028
15,14
61
5,085
1,253
9,171
1,105
32,66
69
6,122
1,139
9,074
1,040
26,79
92
3,746
1,224
6,785
1,098
18,81
41
7,014
1,200
12,96
1,066
34,55
93
3,884
1,115
5,397
1,040
11,04
37
7,006
1,302
11,35
1,110
45,48
94
6,295
1,286
9,432
1,105
31,70
67
5,238
1,264
8,462
1,092
28,75
65
8,701
1,145
13,70
1,045
32,71
106
3,176
1,181
4,676
1,055
12,49
36
7,717
1,176
14,22
1,055
42,57
126
365
365
nr.
IDIV
IDIV
elem
IDIV
min
max
band
.
Nr.
IDIV
IDIV
min
IDIV
max
min
teor.
max
teor.
min
teor.
max
teor.
nr.
elem
.

1
3,406
1,154
5,536
1,051
13,37
40
5,519
2,009
6,611
1,660
25,51
20
2,773
1,127
4,209
1,038
10,48
36
3,092
1,474
4,408
1,266
12,91
17
2,906
1,127
4,798
1,050
11,59
35
2,257
1,124
3,486
1,039
6,428
21
2,527
1,321
4,864
1,124
16,49
32
6,815
1,434
9,379
1,194
21,41
33
3,560
1,091
5,828
1,030
13,59
53
2,486
1,169
4,299
1,068
8,963
23
4,077
1,176
5,876
1,053
18,58
55
2,648
1,330
3,553
1,170
7,243
12
3,998
1,147
5,060
1,047
13,47
42
2,797
1,332
5,259
1,181
14,99
24
2,981
1,100
4,199
1,031
11,81
45
3,490
1,445
6,175
1,202
17,85
27
4,126
1,165
5,187
1,046
15,50
49
3,779
1,333
6,453
1,185
22,14
35
10
2,825
1,264
3,963
1,091
13,73
31
1,742
1,076
2,421
1,035
5,325
18
11
2,776
1,192
4,362
1,079
12,02
29
3,325
1,094
4,568
1,041
11,22
37
12
1,591
1,129
2,215
1,038
4,648
15
3,421
1,319
5,676
1,186
15,19
24
13
4,080
1,338
6,695
1,156
23,17
40
2,017
1,191
3,172
1,058
9,367
26
14
3,896
1,142
5,288
1,053
13,53
40
4,336
1,164
6,126
1,106
16,19
34
15
2,464
1,189
3,192
1,054
8,68
25
3,050
1,542
4,736
1,204
18,62
28
16
2,851
1,537
5,516
1,191
15,41
24
3,022
1,390
5,517
1,249
18,45
25
17
3,219
1,291
5,564
1,150
11,35
20
2,772
1,187
5,319
1,080
10,89
26
18
2,469
1,378
3,547
1,144
11,14
20
3,307
1,227
6,250
1,102
15,01
32
19
2,347
1,362
6,280
1,201
8,507
13
2,772
1,161
4,192
1,065
11,33
30
20
2,712
1,353
5,845
1,191
8,949
14
2,731
1,110
3,461
1,057
7,92
22
21
1,157
1,052
1,260
1,039
1,602
2,126
1,149
3,192
1,053
6,65
19
22
1,661
1,087
2,338
1,042
4,870
15
2,857
1,113
3,936
1,053
9,92
29
23
2,267
1,485
2,945
1,276
6,826
3,206
1,321
5,177
1,190
19,23
30
24
2,482
1,401
3,828
1,239
7,829
11
2,559
1,123
3,858
1,051
9,451
28
25
2,503
1,314
4,107
1,162
9,459
16
2,318
1,430
4,192
1,195
14,26
22
26
3,233
1,391
4,948
1,220
8,209
12
2,464
1,115
3,288
1,052
8,85
26
27
2,108
1,150
2,980
1,098
4,725
10
2,079
1,058
2,864
1,019
6,87
32
1,298
2,883
1,233
4,843
7
1,060
3,537
2,013
2,377
1,018
8,57
42
28
1
6,160
1,145
8,811
1,051
25,04
76
5,307
1,468
7,173
1,245
27,21
37
4,978
1,329
9,208
1,118
33,56
67
8,502
1,408
12,16
1,190
34,72
54
7,977
1,178
10,97
1,048
34,31
108
5,100
1,382
7,227
1,141
19,25
35
5,348
1,121
7,666
1,033
22,98
87
5,940
1,337
10,53
1,184
32,20
51
6,717
1,294
8,722
1,087
34,22
80
5,020
1,364
8,238
1,185
33,56
53
3,881
1,198
5,761
1,079
18,1
44
6,176
1,385
9,293
1,169
36,86
61
7,277
1,417
11,42
1,156
46,35
80
5,113
1,251
8,227
1,090
26,31
60
4,296
1,474
7,741
1,172
29,94
49
5,280
1,493
9,175
1,210
35,92
53
5,489
1,343
8,590
1,150
22,69
40
5,930
1,229
10,73
1,097
26,29
58
10
3,878
1,360
9,680
1,184
17,01
27
4,917
1,182
6,744
1,065
19,39
52
11
1,726
1,106
2,660
1,045
6,186
19
4,923
1,134
6,343
1,053
16,16
48
366
Anexe
IDIV
IDIV
min
IDIV
max
min
teor.
max
teor.
nr.
elem
.
IDIV
IDIV
min
IDIV
max
min
teor.
max
teor.
nr.
elem
.
12
3,254
1,447
6,495
1,265
15,20
20
4,942
1,424
8,122
1,178
36,08
58
13
5,084
1,339
8,004
1,182
17,57
28
3,529
1,459
6,373
1,189
30,82
48
1,419
5,534
1,229
11,95
17
1,070
5,716
3,236
3,657
1,019
15,12
74
Nr.
band
14
1
10,52
1,295
17,24
1,107
68,03
143
12,03
1,391
17,89
1,192
58,86
91
12,96
1,179
18,04
1,048
61,62
195
9,48
1,374
16,68
1,163
51,06
86
10,06
1,292
14,03
1,087
52,92
124
10,63
1,381
16,84
1,166
68,43
114
12,53
1,402
18,44
1,160
75,69
129
9,70
1,392
16,10
1,157
65,79
113
7,769
1,380
17,62
1,165
39,95
67
10,85
1,203
16,74
1,091
48,12
110
4,332
1,426
7,746
1,189
24,98
39
9,92
1,352
13,04
1,141
58,18
106
8,240
1,383
12,69
1,189
28,83
45
7,09
1,444
11,07
1,169
73,81
122
nr.
IDIV
IDIV
elem
IDIV
min
max
.
Nr.
band
IDIV
IDIV
min
IDIV
max
min
teor.
max
teor.
min
teor.
max
teor.
nr.
elem
.

1
4,056
1,165
6,462
1,069
12,38
32
2,477
1,118
5,064
1,054
11,72
34
3,629
1,152
5,187
1,058
12,08
34
4,495
1,149
6,882
1,057
14,07
40
4,199
1,144
5,908
1,047
12,20
38
3,297
1,148
5,036
1,050
10,95
33
1,922
1,076
2,721
1,025
5,100
20
2,848
1,105
4,769
1,053
10,60
31
1,857
1,089
3,205
1,027
6,921
27
3,945
1,146
8,135
1,046
14,49
46
2,229
1,135
3,032
1,062
7,859
21
3,266
1,174
6,059
1,076
14,22
35
2,526
1,133
4,151
1,051
10,08
30
3,792
1,151
5,493
1,063
12,56
34
1,839
1,068
2,495
1,024
5,466
22
3,062
1,101
5,261
1,038
9,422
32
3,123
1,071
4,652
1,025
9,164
38
3,839
1,151
5,698
1,053
9,923
29
10
1,958
1,128
2,749
1,035
7,188
25
3,780
1,169
6,542
1,057
13,68
39
11
2,811
1,149
4,333
1,044
9,477
30
3,628
1,224
4,732
1,079
13,23
32
12
1,676
1,052
2,350
1,018
4,067
18
2,822
1,153
3,699
1,058
7,614
21
13
1,614
1,021
2,046
1,010
3,551
20
3,092
1,095
4,306
1,042
9,491
31
14
5,030
1,164
6,756
1,055
18,88
55
3,012
1,150
4,260
1,050
9,410
28
15
3,146
1,060
5,134
1,022
10,17
45
2,667
1,208
4,389
1,093
11,66
26
16
3,132
1,114
4,567
1,033
10,29
38
3,102
1,187
4,365
1,065
10,60
28
17
2,171
1,100
3,084
1,039
6,082
20
2,234
1,106
3,139
1,040
6,780
22
18
3,662
1,136
5,720
1,058
12,49
35
2,479
1,090
3,410
1,032
7,863
29
19
4,141
1,143
7,155
1,059
14,69
41
4,125
1,188
6,974
1,083
17,32
41
20
4,012
1,156
7,307
1,061
15,58
43
3,496
1,182
5,687
1,062
12,11
33
21
2,322
1,122
2,871
1,050
6,195
18
3,142
1,123
5,227
1,050
12,52
38
22
2,960
1,090
4,182
1,041
8,298
27
4,043
1,153
6,421
1,055
13,85
40
23
3,368
1,136
4,701
1,064
10,84
29
3,170
1,094
4,463
1,049
9,255
28
24
2,752
1,149
3,127
1,059
4,205
11
2,385
1,124
3,594
1,039
9,504
32
367
367
IDIV
IDIV
min
IDIV
max
min
teor.
max
teor.
nr.
elem
.
IDIV
IDIV
min
IDIV
max
min
teor.
max
teor.
nr.
elem
.
25
3,505
1,119
5,936
1,054
12,68
37
3,626
1,129
5,842
1,050
15,48
47
26
7,147
1,234
13,09
1,082
32,17
77
3,008
1,110
4,639
1,050
9,35
28
27
7,167
1,183
12,75
1,062
23,67
65
3,059
1,110
5,233
1,033
9,63
35
1,236
6,853
1,084
13,61
32
1,139
6,414
4,125
3,730
1,065
13,54
36
74
Nr.
band
28
1
6,361
1,129
10,93
1,059
23,30
66
6,384
1,139
11,57
1,057
25,79
5,339
1,128
8,244
1,045
17,97
58
6,269
1,168
9,709
1,052
21,29
64
3,274
1,133
5,565
1,048
15,52
48
7,150
1,241
13,99
1,077
32,65
81
3,684
1,135
6,125
1,047
16,50
52
6,005
1,162
9,991
1,059
23,38
66
4,632
1,102
6,928
1,031
16,23
63
7,265
1,174
11,48
1,056
23,54
68
3,662
1,121
5,780
1,036
13,51
48
5,266
1,194
7,797
1,068
20,26
53
5,791
1,143
8,005
1,051
24,77
75
5,460
1,131
8,624
1,050
19,32
59
5,716
1,114
8,936
1,033
21,87
83
4,905
1,202
8,300
1,084
22,85
54
5,196
1,126
8,066
1,054
18,66
55
3,865
1,117
5,921
1,039
14,79
51
10
7,609
1,165
14,04
1,063
30,70
84
7,190
1,221
12,08
1,082
30,88
74
11
4,843
1,149
6,448
1,053
15,23
45
6,945
1,154
11,45
1,055
26,61
78
12
4,679
1,143
6,704
1,064
14,82
40
5,421
1,118
7,570
1,047
18,94
60
13
10,73
1,249
18,08
1,082
47,50
114
5,827
1,145
9,583
1,052
25,00
75
1,215
19,25
1,084
40,73
97
1,204
11,18
11,58
5,929
1,069
27,06
71
14
1
11,23
1,139
18,71
1,059
43,47
124
12,51
1,166
20,87
1,056
47,10
138
7,54
1,138
11,65
1,048
31,63
100
13,83
1,227
23,29
1,074
57,95
147
7,58
1,112
12,08
1,034
29,58
111
10,95
1,186
18,31
1,063
44,00
121
11,15
1,157
16,29
1,049
50,65
158
10,47
1,219
16,49
1,081
46,54
113
13,49
1,184
21,85
1,063
50,59
139
10,38
1,229
17,13
1,077
50,17
125
9,18
1,144
13,08
1,064
31,13
85
12,31
1,173
19,02
1,054
46,39
138
22,14
1,240
36,71
1,084
88,32
211
11,24
1,182
20,14
1,066
54,11
146
Nr.
band
IDIV
IDIV
min
IDIV
max
pas 25 cm IDIV Ox 2,190
nr.
IDIV
IDIV
min
elem
IDIV
min
max
teor.
.
(coef. var. 32,09 %); IDIV Oy 2,253 (coef. var. 22,75 %);
min
teor.
max
teor.
max
teor.
nr.
elem
.
30

1
1,487
1,056
2,446
1,021
4,310
18
2,000
1,121
2,830
1,052
10,22
2,884
1,218
3,462
1,109
7,333
15
1,861
1,106
2,779
1,037
6,805
23
2,212
1,090
3,640
1,029
8,576
33
3,214
1,064
4,369
1,023
10,15
44
1,916
1,116
2,775
1,023
6,660
28
2,483
1,054
3,108
1,024
7,657
32
3,001
1,066
4,990
1,028
11,96
48
2,292
1,139
2,708
1,041
7,701
25
1,379
1,037
2,199
1,014
3,548
17
2,923
1,090
4,149
1,030
8,482
32
3,276
1,127
4,832
1,044
12,12
39
2,773
1,133
4,619
1,036
10,19
36
3,545
1,109
4,928
1,039
11,17
38
3,427
1,083
4,078
1,040
9,292
31
2,088
1,077
3,583
1,031
8,769
33
2,282
1,072
3,098
1,021
7,467
33
368
Anexe
nr.
elem
.
IDIV
IDIV
min
IDIV
max
min
teor.
max
teor.
nr.
elem
.
6,649
22
2,424
1,069
3,224
1,021
7,057
31
11,74
55
2,909
1,075
3,684
1,033
8,860
32
1,017
8,547
43
1,765
1,089
2,997
1,035
6,130
21
3,375
1,032
5,888
21
1,964
1,108
3,056
1,042
8,049
26
1,054
3,081
1,032
6,944
25
2,164
1,096
4,126
1,029
8,773
34
3,627
1,097
5,661
1,040
13,90
47
2,008
1,164
2,930
1,046
7,513
23
16
2,535
1,086
3,799
1,026
10,02
41
2,238
1,079
3,745
1,046
8,126
25
17
1,962
1,065
2,409
1,020
4,473
19
1,661
1,033
1,879
1,019
3,933
17
18
2,263
1,063
2,966
1,029
6,346
24
2,469
1,128
4,367
1,080
13,72
33
19
2,104
1,043
3,173
1,015
6,563
34
2,113
1,112
3,289
1,034
7,563
27
20
2,057
1,118
3,503
1,037
9,239
32
1,841
1,057
2,202
1,017
3,985
18
21
2,182
1,063
2,834
1,032
6,148
22
1,447
1,069
1,975
1,021
3,274
13
22
1,573
1,070
2,023
1,028
4,812
18
1,791
1,141
3,692
1,070
7,914
20
23
1,281
1,054
1,576
1,022
2,711
10
2,053
1,098
3,202
1,037
6,491
22
24
1,534
1,053
2,088
1,020
3,846
16
1,679
1,057
2,064
1,022
4,410
18
25
1,538
1,065
2,061
1,020
4,415
19
2,061
1,049
3,158
1,025
6,661
27
26
1,340
1,059
1,798
1,018
3,693
16
1,651
1,078
2,093
1,025
4,609
18
27
1,293
1,031
1,648
1,012
2,995
15
2,473
1,073
3,547
1,036
8,350
29
1,056
2,441
1,023
4,713
19
1,087
5,298
1,772
3,071
1,025
11,17
47
Nr.
IDIV
IDIV
min
IDIV
max
min
teor.
max
teor.
10
2,037
1,102
2,615
1,039
11
3,432
1,052
5,293
1,020
12
2,693
1,060
4,009
13
2,462
1,060
14
1,939
15
band
28
1
2,476
1,098
3,747
1,026
8,148
33
3,168
1,149
4,798
1,049
17,25
53
3,316
1,122
5,735
1,029
15,39
61
4,657
1,073
6,817
1,024
17,49
76
3,613
1,082
6,544
1,027
15,72
65
4,241
1,137
6,252
1,045
17,68
57
6,281
1,163
9,220
1,050
24,95
77
4,825
1,112
7,886
1,037
18,87
67
3,476
1,106
5,594
1,039
15,91
55
4,223
1,091
5,624
1,025
14,89
64
5,521
1,081
8,845
1,020
20,41
98
3,587
1,117
5,922
1,034
14,40
53
3,395
1,093
5,891
1,034
12,63
46
3,981
1,145
6,567
1,041
17,88
60
5,844
1,109
8,743
1,038
24,83
88
3,208
1,109
5,966
1,046
15,21
48
3,028
1,081
4,477
1,026
10,34
43
3,211
1,122
5,305
1,064
18,49
50
10
3,810
1,123
5,756
1,034
17,79
66
3,261
1,095
4,707
1,034
12,42
45
11
2,777
1,084
4,187
1,035
11,19
40
2,196
1,161
4,820
1,056
11,54
33
12
1,982
1,090
2,885
1,024
6,345
26
2,761
1,089
4,303
1,027
9,833
40
13
2,156
1,105
3,148
1,028
8,851
35
2,855
1,084
4,497
1,027
11,16
45
14
1,047
3,251
1,019
7,351
34
1,095
8,881
2,262
5,406
1,031
19,64
76
5,400
1,122
8,829
1,030
23,56
94
7,479
1,143
11,00
1,045
39,57
129
9,774
1,160
15,28
1,049
45,34
142
8,017
1,118
12,63
1,038
34,87
124
9,093
1,137
14,29
1,038
42,97
153
6,806
1,095
10,49
1,031
29,69
117
9,037
1,115
14,18
1,037
37,51
134
6,926
1,127
11,68
1,042
32,02
108
6,014
1,145
9,721
1,039
31,04
109
6,335
1,182
9,910
1,063
34,55
95
4,194
1,104
6,463
1,035
18,14
66
5,429
1,119
8,785
1,043
22,17
73
4,446
1,098
5,896
1,028
16,91
69
7,914
1,107
12,87
1,031
30,82
121
369
369
Nr.
band
IDIV
IDIV
min
IDIV
max
pas 25 cm IDIV Ox 2,779
nr.
IDIV
IDIV
min
elem
IDIV
min
max
teor.
.
(coef. var. 34,83 %); IDIV Oy 2,798 (coef. var. 29,31 %);
min
teor.
max
teor.
max
teor.
nr.
elem
.

1
3,409
1,085
5,205
1,031
10,05
38
2,772
1,117
4,422
1,034
9,667
35
3,398
1,188
5,541
1,070
15,17
39
2,823
1,146
4,324
1,049
9,888
30
5,337
1,108
6,781
1,039
15,50
53
3,389
1,077
4,808
1,026
9,027
37
3,376
1,098
5,172
1,033
11,08
41
2,279
1,086
3,242
1,031
7,272
27
4,050
1,114
6,347
1,048
13,21
41
2,385
1,070
3,139
1,024
5,684
23
3,891
1,099
6,452
1,044
15,12
49
2,949
1,122
3,922
1,043
9,025
29
3,593
1,111
4,982
1,038
10,53
36
2,895
1,119
4,571
1,036
8,317
29
3,342
1,120
5,551
1,036
10,82
38
1,181
1,040
1,317
1,012
1,936
2,547
1,105
5,257
1,043
10,51
34
2,992
1,118
4,055
1,047
8,183
25
10
2,190
1,115
3,532
1,045
7,694
24
2,121
1,065
3,216
1,031
6,327
23
11
1,606
1,108
2,189
1,025
3,736
14
3,376
1,122
5,803
1,060
12,30
34
12
1,082
1,066
1,261
1,011
1,604
2,854
1,213
5,145
1,083
12,71
30
13
1,600
1,144
1,853
1,038
3,816
12
3,354
1,153
5,470
1,057
10,96
31
14
1,784
1,127
2,605
1,053
5,029
14
1,571
1,084
2,042
1,030
4,509
16
15
2,460
1,077
3,056
1,034
5,534
19
2,094
1,073
3,618
1,035
6,937
24
16
2,406
1,115
3,721
1,031
6,799
25
1,790
1,131
2,081
1,041
3,638
11
17
3,605
1,104
5,181
1,043
10,20
33
3,014
1,152
4,142
1,049
9,272
28
18
3,684
1,177
5,282
1,064
11,56
31
3,050
1,123
4,335
1,052
9,564
28
19
3,744
1,153
4,912
1,049
9,899
30
2,758
1,112
5,348
1,043
9,948
32
20
2,313
1,098
2,977
1,034
6,302
22
2,390
1,093
3,570
1,030
7,695
29
21
2,287
1,131
3,604
1,050
7,748
23
3,283
1,133
4,007
1,061
8,498
23
22
3,048
1,085
4,997
1,033
9,065
33
2,581
1,173
3,916
1,070
10,22
26
23
2,204
1,104
2,791
1,038
7,176
24
2,472
1,097
3,947
1,050
7,463
22
24
2,194
1,050
3,341
1,021
6,627
29
2,292
1,064
3,673
1,030
6,462
24
25
2,269
1,130
2,908
1,040
7,288
24
3,924
1,103
5,892
1,044
12,68
41
26
2,084
1,112
3,291
1,037
5,974
20
2,950
1,128
4,577
1,044
10,89
35
27
2,335
1,104
3,185
1,036
5,078
17
3,834
1,103
5,189
1,042
13,96
46
1,064
2,237
1,015
4,648
23
1,154
8,254
1,500
5,547
1,069
17,72
46
28
1
6,538
1,180
10,05
1,062
27,92
77
4,998
1,113
7,717
1,039
18,89
65
7,389
1,130
11,58
1,039
27,05
94
4,492
1,101
7,540
1,030
16,39
64
7,155
1,112
12,09
1,043
27,01
90
4,898
1,119
6,512
1,040
15,34
52
6,759
1,108
10,03
1,038
21,12
74
3,346
1,117
5,613
1,035
10,33
37
3,808
1,120
7,872
1,043
17,61
58
4,014
1,104
6,976
1,046
15,19
48
1,819
1,065
2,617
1,020
4,647
20
6,071
1,189
10,30
1,064
23,65
64
2,523
1,120
3,814
1,046
8,428
26
3,820
1,108
6,283
1,037
13,30
47
4,487
1,116
6,194
1,038
12,75
44
3,248
1,129
5,110
1,041
10,63
35
6,088
1,159
9,986
1,060
22,95
64
5,259
1,160
7,944
1,050
18,41
56
10
4,970
1,170
7,397
1,051
17,21
52
4,285
1,111
8,051
1,038
17,45
61
370
Anexe
Nr.
band
IDIV
IDIV
min
IDIV
max
min
teor.
max
teor.
nr.
elem
.
IDIV
IDIV
min
IDIV
max
min
teor.
5
11
1,049
6
18,98
5
13,31
6
22,84
0
29,56
6
4,701
1,134
8,112
1,049
18,10
56
4,868
1,169
7,036
1,070
3,808
1,127
5,471
1,041
15,78
53
4,114
1,107
6,701
1,038
1,107
5,630
1,040
12,97
44
5,958
9,615
11,90
1,083
4,243
1,024
9,385
40
1,134
0
2,649
7,878
1,042
12
13
4,336
1,116
14
max
teor.
nr.
elem
.
49
46
76
92
14,29
1,225
21,09
1,066
63,29
171
9,283
1,131
14,99
1,039
36,72
14,99
1,136
21,53
1,041
47,62
164
7,999
1,134
11,71
1,039
25,54
89
5,469
1,115
9,532
1,038
22,30
78
9,967
1,198
16,78
1,062
40,40
112
5,551
1,142
9,727
1,046
21,96
70
8,388
1,117
10,87
1,039
23,52
82
9,975
1,182
17,02
1,060
41,19
116
10,19
1,168
15,45
1,056
39,95
117
8,110
1,150
13,23
1,047
34,27
109
9,334
1,182
13,36
1,070
36,46
95
6,641
1,124
9,245
1,039
24,15
84
12,68
1,150
20,94
1,049
53,65
168
nr.
IDIV
IDIV
elem
IDIV
min
max
.
Nr.
band
IDIV
IDIV
min
IDIV
max
min
teor.
129
max
teor.
min
teor.
max
teor.
nr.
elem
.

2,655
1,101
4,242
1,053
10,92
3
32
2,397
1,107
3,358
1,039
7,526
25
2,258
1,089
3,871
1,031
9,531
36
2,291
1,084
3,455
1,032
7,887
29
2,253
1,105
3,752
1,035
8,989
32
2,052
1,059
3,092
1,019
4,718
21
1,916
1,075
2,758
1,024
27
1,560
1,099
2,421
1,039
4,409
14
2,983
1,117
5,366
1,040
6,545
13,66
8
46
1,552
1,068
2,195
1,031
3,802
13
2,578
1,061
3,877
1,021
9,001
41
1,843
1,146
2,517
1,062
5,006
13
2,234
1,066
3,465
1,018
8,131
39
1,579
1,056
2,321
1,027
4,042
15
1,999
1,091
3,450
1,034
25
1,247
1,030
1,762
1,015
3,429
16
3,130
1,130
5,197
1,051
7,078
11,07
3
33
1,426
1,061
1,737
1,016
3,866
18
10
2,005
1,078
4,197
1,018
7,778
37
1,730
1,078
2,246
1,034
5,259
18
11
2,358
1,093
4,110
1,028
7,997
31
1,738
1,053
2,850
1,015
6,068
31
12
1,879
1,081
2,988
1,018
27
1,767
1,075
3,030
1,019
6,749
31
2,601
1,109
4,000
1,032
5,814
10,21
6
38
1,826
1,067
2,363
1,028
19
13
2,317
1,050
3,704
1,018
8,836
43
2,748
1,076
4,338
1,031
5,056
10,30
8
15
2,525
1,074
3,842
1,025
8,433
35
3,149
1,074
4,453
1,036
9,959
35
16
2,693
1,090
4,449
1,029
9,709
38
2,215
1,059
4,375
1,022
38
1,874
1,102
2,600
1,023
6,865
29
2,696
1,101
5,224
1,033
8,585
12,41
5
14
17
371
39
46
371
IDIV
IDIV
min
IDIV
max
min
teor.
max
teor.
nr.
elem
.
IDIV
IDIV
min
IDIV
max
min
teor.
max
teor.
nr.
elem
.
18
2,654
1,091
4,375
1,032
11,24
42
2,255
1,124
4,415
1,044
10,32
33
19
1,812
1,087
2,716
1,020
5,014
22
2,094
1,068
4,036
1,022
8,632
38
20
2,028
1,071
3,018
1,025
5,743
23
2,177
1,081
3,907
1,022
8,057
35
21
1,925
1,089
2,662
1,032
6,610
24
2,687
1,090
5,081
1,036
11,81
42
22
1,679
1,064
3,495
1,023
7,059
30
2,824
1,089
3,607
1,032
10,19
38
23
1,589
1,059
2,221
1,014
5,379
28
2,511
1,059
3,763
1,020
9,056
42
24
2,030
1,060
2,933
1,018
6,597
31
2,884
1,072
4,751
1,024
10,07
43
25
1,784
1,031
2,476
1,009
5,392
34
2,184
1,068
4,076
1,025
9,730
41
26
1,807
1,066
2,879
1,030
6,455
24
2,529
1,121
4,328
1,047
11,55
36
27
1,436
1,107
2,361
1,032
6,403
23
3,121
1,106
5,426
1,037
11,67
41
1,126
2,632
1,047
6,320
19
1,132
10,63
1,740
4,200
1,043
23,89
79
Nr.
band
28
1
4,446
1,129
7,325
1,053
22,77
68
4,397
1,113
6,382
1,043
16,51
54
3,598
1,109
5,960
1,042
17,79
59
2,507
1,081
4,714
1,030
9,15
35
4,928
1,112
8,645
1,042
25,94
87
2,733
1,110
3,681
1,047
8,525
26
3,769
1,088
6,107
1,028
15,72
64
1,977
1,068
3,354
1,024
7,440
31
3,724
1,100
7,614
1,027
16,98
70
2,532
1,087
3,601
1,034
10,01
36
3,893
1,104
6,570
1,028
14,49
58
2,608
1,069
5,256
1,018
12,44
62
4,348
1,120
7,052
1,034
21,87
81
3,572
1,080
5,895
1,031
15,07
58
4,455
1,101
7,825
1,028
18,08
73
4,584
1,101
7,911
1,036
20,37
73
4,056
1,119
6,349
1,036
19,65
71
5,225
1,106
8,866
1,038
22,53
79
10
2,901
1,071
4,950
1,022
10,06
45
3,286
1,101
7,239
1,028
17,84
73
11
3,059
1,130
5,459
1,038
15,44
54
5,355
1,133
8,304
1,044
24,33
80
12
2,602
1,060
4,116
1,015
11,02
59
4,799
1,077
7,941
1,023
18,91
85
13
2,910
1,121
4,670
1,028
14,39
58
4,038
1,111
7,829
1,043
23,25
77
1,131
4,263
1,039
12,35
42
1,135
15,31
2,448
7,595
1,044
36,41
120
14
1
6,860
1,123
11,30
1,040
36,88
127
5,643
1,116
10,39
1,043
26,93
89
8,830
1,158
14,18
1,042
44,69
151
3,457
1,067
5,941
1,030
14,68
57
7,385
1,113
13,23
1,027
30,77
128
4,606
1,174
8,259
1,042
29,21
98
9,681
1,119
14,46
1,034
41,05
154
7,071
1,099
13,40
1,036
35,96
131
7,018
1,135
10,98
1,036
31,69
116
8,059
1,128
15,06
1,033
39,89
152
5,855
1,127
8,915
1,035
30,84
113
9,222
1,129
15,37
1,038
46,21
165
5,243
1,174
8,450
1,039
28,75
100
12,21
1,161
22,40
1,046
60,98
197
372
Anexe
Anexa 6. Indicatorii ai diversitii structurale a nlimii calculai pe fiecare

suprafa
Indici
sup
1
sup
2
sup
3
sup
4
sup
5
sup
6
sup
7
sup
8
sup
9
sup
10
0,163
0,144
0,135
0,158
0,142
0,179
0,123
0,132
0,127
0,129
indicele Simpson
(1-D)
0,837
0,856
0,865
0,842
0,858
0,821
0,877
0,868
0,873
0,871
indicele Simpson
(1/D)
6,148
6,940
7,404
6,331
7,061
5,576
8,109
7,583
7,897
7,774
indicele Shannon
1,934
2,065
2,109
1,971
2,093
1,976
2,206
2,155
2,145
2,155
echitatea ptr.
Shannon
0,840
0,861
0,849
0,822
0,842
0,795
0,888
0,867
0,863
0,867
indicele Brillouin
1,905
2,021
2,061
1,936
2,042
1,938
2,173
2,117
2,110
2,122
indicele BergerParker
0,196
0,218
0,189
0,213
0,208
0,304
0,181
0,188
0,154
0,170
indicele McIntosh
0,618
0,648
0,661
0,626
0,653
0,599
0,671
0,661
0,668
0,664
indicele Margalef
1,339
1,579
1,755
1,527
1,767
1,673
1,610
1,656
1,648
1,620
indicele Menhinick
0,347
0,464
0,522
0,416
0,533
0,448
0,394
0,433
0,426
0,402
indicele Gleason
0,928
1,094
1,216
1,058
1,225
1,159
1,116
1,148
1,142
1,123
IDIV (pas 25 cm)
2,298
1,550
2,011
2,122
2,009
2,941
3,287
2,222
2,789
2,221
IDIV_min (pas 25
cm)
1,093
1,064
1,138
1,111
1,157
1,254
1,134
1,083
1,112
1,083
IDIV_max (pas 25
cm)
3,530
2,259
3,414
3,196
3,016
4,543
5,148
3,241
4,147
3,632
IDIV (pas 50 cm)
3,926
2,273
3,262
3,506
3,063
5,167
5,967
3,638
4,803
3,799
IDIV_min (pas 50
cm)
1,109
1,088
1,165
1,139
1,178
1,313
1,158
1,106
1,125
1,102
IDIV_max (pas 50
cm)
6,393
3,716
5,944
5,529
5,039
8,119
9,728
5,728
7,586
6,542
373
373
Anexa 7. Valorile indicilor i testelor statistice folosite pentru determinarea

tiparului de distribuie n spaiu a puieilor prin metoda quadratelor
Indicatori
sup 1
sup 2
sup 3
sup 4
sup 5
sup 6
sup 7
sup 8
sup 9
sup
10
Dimensiune quadrat 50x50 cm

medie
evenimente
4,235
2,893
2,704
3,571
2,592
3,786
4,735
3,913
4,041
4,536
dispersia
5,934
5,265
9,738
10,154
7,125
10,456
7,806
7,259
7,373
9,932
ID
1,401
1,820
3,601
2,843
2,749
2,762
1,649
1,855
1,825
2,190
273,26
354,92
702,21
554,40
536,04
538,60
321,50
361,72
355,78
427,00
ICS
0,401
0,820
2,601
1,843
1,749
1,762
0,649
0,855
0,825
1,190
ICS_u
3,963
8,098
25,684
18,199
17,270
17,399
6,406
8,442
8,142
11,748
Indice Green
0,0005
0,0014
0,0049
0,0026
0,0034
0,0024
0,0007
0,0011
0,0010
0,0013
Green_u
3,655
6,920
17,753
13,576
13,020
13,098
5,634
7,174
6,952
9,500
Indice
Morisita
1,094
1,283
1,959
1,514
1,673
1,464
1,136
1,218
1,203
1,261
Morisita _hi2
exp.
273,26
354,92
702,21
554,40
536,04
538,60
321,50
361,72
355,78
427,00
ID_hi2
exp.

medie
evenimente
8,300
5,670
5,300
7,000
5,080
7,420
9,280
7,670
7,920
8,890
dispersia
13,990
12,749
33,263
22,646
17,084
29,579
15,820
14,223
20,175
25,735
ID
1,686
2,248
6,276
3,235
3,363
3,986
1,705
1,854
2,547
2,895
ID_hi2 exp.
166,86
222,59
621,32
320,28
332,94
394,65
168,76
183,58
252,19
286,59
ICS
0,686
1,248
5,276
2,235
2,363
2,986
0,705
0,854
1,547
1,895
ICS_u
4,823
8,783
37,120
15,726
16,626
21,011
4,958
6,011
10,887
13,331
Indice Green
0,0008
0,0022
0,0100
0,0032
0,0047
0,0040
0,0008
0,0011
0,0020
0,0021
Green_u
4,233
7,064
21,215
11,274
11,769
14,059
4,336
5,126
8,423
9,906
Indice
Morisita
1,082
1,218
1,987
1,317
1,461
1,399
1,075
1,110
1,194
1,211
Morisita _hi2
exp.
166,86
222,59
621,32
320,28
332,94
394,65
168,76
183,58
252,19
286,59

medie
evenimente
16,939
11,571
10,816
14,286
10,367
15,143
18,939
15,653
16,163
18,143
dispersia
32,017
40,833
99,778
58,125
52,237
106,79
52,059
45,690
59,431
87,333
ID
1,890
3,529
9,225
4,069
5,039
7,052
2,749
2,919
3,677
4,814
ID_hi2 exp.
90,728
169,38
442,79
195,30
241,85
338,51
131,94
140,11
176,49
231,05
ICS
0,890
2,529
8,225
3,069
4,039
6,052
1,749
1,919
2,677
3,814
374
Anexe
ICS_u
4,361
12,389
40,293
15,034
19,785
29,650
8,567
9,401
13,114
18,683
Indice Green
0,0011
0,0045
0,0155
0,0044
0,0080
0,0082
0,0019
0,0025
0,0034
0,0043
Green_u
3,724
8,659
20,012
10,017
12,247
16,273
6,498
6,993
9,041
11,750
Indice
Morisita
1,052
1,214
1,746
1,211
1,382
1,392
1,091
1,120
1,162
1,206
90,728
169,38
442,79
195,30
241,85
338,51
131,94
140,11
176,49
231,05
Morisita _hi2
exp.
ID
ID_hi2 exp.
ICS
ICS_u
Green_u
Morisita _hi2 exp.
Indicele de dispersie
Valoarea testului 2exp al ID
Indicele mrimii agregatului
Valoarea testului statistic al ICS
Valoarea testului statistic a indicelui Green
Valoarea testului statistic 2exp al indicelui Morisita
375
375
Anexa 8. Exprimarea grafic a rezultatelor obinute n urma analizei de

determinare a tiparului de distribuie n spaiu a puieilor prin metoda
quadratelor varianta dimensional a quadratelor de 100x100 cm.
Pentru toate cele 10 suprafee de prob se prezint:
ncadrarea grafic a arborilor n quadratele de 100x100 cm ( aplicaia SPATIAL)
distribuia experimental a quadratelor pe categorii ale nr.de puiei pe quadrat

(conform recomandrilor din literatura de specialitate s-a evitat gruparea
numrului de puiei/quadrat n clase de peste 1 eveniment/quadrat pentru
identificarea corect a modelului de organizare spaial)
rezultatul interpretrii statistice a indicilor de evaluare a structurii spaiale prin

metoda quadratelor
ID structur agregat
ICS - structur agregat
Indice Morisita - structur agregat
Indice Green - structur agregat
ID structur agregat
376
Anexe
ID structur agregat
ID structur agregat
ID structur agregat
377
377
ID structur agregat
ID structur agregat
ID structur agregat
378
Anexe
ID structur agregat
ID structur agregat
379
379
Anexa 9. Valorile indicilor dependeni de distan i a testelor statistice

folosite pentru aprecierea semnificaiei acestora - identificarea tipului de
structur spaial n suprafeele studiate
Indic.
sup 1
sup 2
sup 3
sup 4
sup 5
sup 6
sup 7
sup 8
sup 9
11,57
12,13
12,83
12,00
11,09
11,21
10,66
12,55
12,33
sup
10
11,21
d CSR
12,15
14,70
15,20
13,23
15,45
12,85
11,49
12,61
12,44
11,71
s2
48,43
74,49
105,2
62,84
89,10
63,75
45,18
60,48
48,34
45,84
Fisher
4,19
3470,
33
6,14
3475,
75
8,20
4339,
51
5,24
3661,
82
8,04
4074,
03
5,69
4215,
42
4,24
3928,
56
4,82
3691,
83
3,92
3101,
50
4,09
3630,
86
751,1
501,9
467,1
627,6
446,5
667,4
844,5
691,2
714,9
807,3
571,3
818,3
1013,
3
844,6
870,8
972,5
0,72
0,87
0,93
1,00
0,99
0,96
-6,66
-4,20
-0,26
-0,47
-2,44
0,86
0,92
0,98
0,98
0,94
Fisher_hi
2
hi2 n
0.975
hi2 n
0.025
Clark
Evans
910,6
633,8
594,6
774,2
0,95
0,83
0,84
0,91
CE z
-2,62
-7,96
-6,87
-4,72
Donnelly
0,94
0,81
0,83
0,89
Donnelly
z
-3,27
-8,31
-7,27
-5,25
nr. puieti
0,97
1609,
88
1548,
97
1774,
81
830
0,81
913,0
5
1042,
57
1229,
22
567
0,92
971,4
3
971,6
7
1152,
12
530
0,93
1298,
46
1298,
20
1505,
59
700
12,18
0,70
12,27
0,70
708,1
3
929,5
6
1106,
23
508
desime
16,94
11,57
10,82
14,29
10,37
Pielou
Skellam
hi2 2n
0.975
hi2 2n
0.025
-7,11
-4,79
-1,02
-1,22
-3,10
0,90
1336,
16
1379,
13
1592,
66
742
0,94
1753,
30
1738,
49
1977,
30
928
1,08
1650,
47
1427,
35
1644,
44
767
1,02
1610,
82
1475,
59
1696,
20
792
0,98
1745,
50
1663,
03
1896,
76
889
15,14
18,94
15,65
16,16
18,14
Interpretarea statistic a indicilor i identificarea tiparului spaial

Fisher
agreg
agreg
agreg
agreg
agreg
agreg
agreg
agreg
agreg
agreg
Clark
Evans
agreg
agreg
agreg
agreg
agreg
agreg
agreg
aleat.
aleat.
agreg
Donnelly
agreg
agreg
agreg
agreg
agreg
agreg
agreg
aleat.
aleat.
agreg
Pielou i
aleat.
agreg
agreg
aleat.
agreg
agreg
aleat.
unif.
aleat.
aleat.
Skellam
380
Anexe
Notaii folosite:
d
distana observat medie fa de primul vecin
d CSR
distana teoretic medie fa de primul vecin n ipoteza CSR
s2
dispersia distanei medii observate
Fisher
indicele Fisher
Fisher_hi2
valoarea testului statistic al indicelui Fisher
hi2 n 0.975
valoarea testului 2 teoretic (n-1 grade de libertate i p=0.975)
hi2 n 0.025
valoarea testului 2 teoretic (n-1 grade de libertate i p=0.025)
Clark Evans
indicele Clark-Evans
CE z
valoarea testului statistic al indicelui Clark-Evans
Donnelly
indicele Donnelly
Donnelly z
valoarea testului statistic al indicelui Donnelly
Pielou
Indicele Pielou (sau testul Skellam/2n)
Skellam
valoarea testului statistic al indicelui Pielou (echivalent cu indicele

Skellam)
hi2 2n 0.975
valoarea testului 2 teoretic (2n grade de libertate i p=0.975)
hi2 2n 0.025
valoarea testului 2 teoretic (2n grade de libertate i p=0.025)
nr. puieti
numrul evenimentelor din suprafa
desime
densitatea evenimentelor n suprafa
381
381
Anexa 10. Valorile coeficienilor de corelaie ce exprim legtura dintre

indicii de determinare a structurii spaiale prin metoda distanelor i diveri
parametri structurali ai suprafeelor studiate
Clark-Evans Donnelly
Pielou
Skellam
Fisher
desimea (puieti/m2)
0,805**
0,811**
0,701*
0,967***
-0,918***
diametrul mediu
0,072
0,065
0,258
-0,152
0,353
nlimea medie
0,428
0,426
0,562
0,365
-0,085
diametrul mediu al coroanei
-0,178
-0,179
-0,234
-0,224
0,107
volumul coroanei
-0,428
-0,432
-0,252
-0,512
0,710*
suprafaa exterioar a coroanei
-0,106
-0,110
0,034
-0,207
0,397
-0,225
-0,224
-0,234
-0,225
0,121
indicele Shannon
0,175
0,175
0,207
0,242
-0,088
indicele Gleason
-0,447
-0,450
-0,305
-0,437
0,608
IDIV 25 (pas 25 cm)
0,418
0,424
0,385
0,622
-0,501
IDIV_min 25
-0,349
-0,346
-0,275
-0,200
0,316
IDIV_max 25
0,385
0,391
0,374
0,604
-0,435
IDIV 50 (pas 50 cm)
0,454
0,459
0,417
0,659*
-0,534
IDIV_min 50
-0,336
-0,333
-0,261
-0,197
0,306
IDIV_max 50
0,430
0,435
0,410
0,646*
-0,482
Indice difereniere T1
-0,339
-0,335
-0,436
-0,211
0,055
-0,296
-0,291
-0,401
-0,158
0,005
-0,316
-0,311
-0,423
-0,167
0,012
-0,318
-0,314
-0,422
-0,160
0,017
U1 var1
-0,464
-0,461
-0,581
-0,333
0,186
U1 var2
0,525
0,524
0,656*
0,499
-0,246
-0,067
U2 var1
-0,139
-0,140
-0,279
-0,233
U2 var2
0,270
0,273
0,388
0,451
-0,112
U3 var1
-0,390
-0,391
-0,458
-0,408
0,254
U3 var2
0,565
0,568
0,635*
0,659*
-0,423
U4 var1
-0,564
-0,564
-0,617
-0,544
0,389
U4 var2
0,678*
0,680*
0,732*
0,723*
-0,495
U5 var1
-0,513
-0,512
-0,581
-0,448
0,297
U5 var2
0,685*
0,685*
0,732*
0,694*
-0,488
IDIV 25, IDIV 50
valoarea indicelui IDIV pentru un anumit pas de analiz (25/50 cm)
Indice de difereniere Tk
indicele T de difereniere a nlimilor calculat pentru k vecini
Uk var1
indicele U de dominan a nlimilor calculat n varianta 1 (Hui et al., 1998)

pentru k vecini
Uk var2
indicele U de dominan a nlimilor calculat n varianta 1 (Gadow i Hui, 1999;

Aguirre et al., 2003) pentru k vecini
382
Anexe
Anexa 11. Valorile mediilor distanelor fa de 1-15 vecini, a mediilor

distanelor n ipoteza unei distribuii aleatoare i a raportului R dintre
distana observat i distana teoretic n ipoteza CSR.
Notaii folosite:
dk
valoarea mediei distanelor fa de al k-lea vecin
d K _ CSR
valoarea mediei distanelor fa de al k-lea vecin n ipoteza distribuiei

aleatoare (CSR)
inf. 95% CSR

sup.95% CSR
Limitele intervalului de ncredere pentru media
d K _ CSR
Rk
Raportul similar Clark-Evans pentru k vecini
Rk = d k / d K _ CSR
limita inf. 95%

limita sup. 95%
Limitele intervalului de ncredere ale raportului Rk
Interpretare
statistica
Determinarea sensului abaterilor de la ipoteza CSR la un prag de semnificaie

de 0,05
k
vecini
dk
d K _ CSR
inf. 95%
CSR
sup.95%
CSR
Rk
limita
sup.
95%
limita
inf.
95%
Interpretare
statistica
agregare
Suprafaa 1
1
11,570
12,149
11,717
12,581
0,952
1,036
0,964
17,717
18,223
17,773
18,673
0,972
1,025
0,975
agregare
22,715
22,779
22,323
23,235
0,997
1,020
0,980
aleatoare
26,711
26,575
26,117
27,034
1,005
1,017
0,983
aleatoare
30,255
29,897
29,431
30,363
1,012
1,016
0,984
aleatoare
33,327
32,887
32,421
33,353
1,013
1,014
0,986
aleatoare
36,274
35,627
35,161
36,094
1,018
1,013
0,987
uniform
39,032
38,172
37,706
38,639
1,023
1,012
0,988
uniform
41,417
40,558
40,092
41,024
1,021
1,011
0,989
uniform
10
43,796
42,811
42,345
43,278
1,023
1,011
0,989
uniform
11
46,088
44,952
44,485
45,418
1,025
1,010
0,990
uniform
12
48,221
46,995
46,529
47,461
1,026
1,010
0,990
uniform
13
50,207
48,953
48,487
49,419
1,026
1,010
0,990
uniform
14
52,190
50,836
50,370
51,302
1,027
1,009
0,991
uniform
15
54,060
52,652
52,185
53,118
1,027
1,009
0,991
uniform
Suprafaa 2
1
12,130
14,699
14,066
15,331
0,825
1,043
0,957
agregare
19,944
22,048
21,389
22,707
0,905
1,030
0,970
agregare
25,638
27,560
26,893
28,227
0,930
1,024
0,976
agregare
383
383
d K _ CSR
inf. 95%
CSR
sup.95%
CSR
Rk
limita
sup.
95%
limita
inf.
95%
Interpretare
statistica
30,446
32,153
31,482
32,824
0,947
1,021
0,979
agregare
34,674
36,172
35,490
36,855
0,959
1,019
0,981
agregare
k
vecini
dk
4
5
6
39,052
39,790
39,107
40,472
0,981
1,017
0,983
agregare
42,588
43,105
42,423
43,788
0,988
1,016
0,984
aleatoare
46,257
46,184
45,502
46,867
1,002
1,015
0,985
aleatoare
49,548
49,071
48,388
49,754
1,010
1,014
0,986
aleatoare
10
52,572
51,797
51,114
52,480
1,015
1,013
0,987
uniform
11
55,314
54,387
53,704
55,070
1,017
1,013
0,987
uniform
12
57,834
56,859
56,176
57,542
1,017
1,012
0,988
uniform
13
60,301
59,228
58,546
59,911
1,018
1,012
0,988
uniform
14
62,816
61,506
60,824
62,189
1,021
1,011
0,989
uniform
15
65,424
63,703
63,020
64,385
1,027
1,011
0,989
uniform
Suprafaa 3
1
12,831
15,203
14,526
15,880
0,844
1,045
0,955
agregare
19,963
22,805
22,100
23,509
0,875
1,031
0,969
agregare
25,760
28,506
27,792
29,219
0,904
1,025
0,975
agregare
31,132
33,257
32,539
33,975
0,936
1,022
0,978
agregare
36,112
37,414
36,683
38,144
0,965
1,020
0,980
agregare
39,888
41,155
40,425
41,885
0,969
1,018
0,982
agregare
43,302
44,585
43,854
45,315
0,971
1,016
0,984
agregare
46,284
47,769
47,039
48,500
0,969
1,015
0,985
agregare
49,258
50,755
50,025
51,485
0,971
1,014
0,986
agregare
10
52,269
53,575
52,844
54,305
0,976
1,014
0,986
agregare
11
55,000
56,253
55,523
56,984
0,978
1,013
0,987
agregare
12
57,634
58,810
58,080
59,541
0,980
1,012
0,988
agregare
13
60,074
61,261
60,530
61,991
0,981
1,012
0,988
agregare
14
62,471
63,617
62,887
64,347
0,982
1,011
0,989
agregare
15
64,860
65,889
65,159
66,619
0,984
1,011
0,989
agregare
Suprafaa 4
1
11,996
13,229
12,716
13,741
0,907
1,039
0,961
agregare
17,979
19,843
19,309
20,377
0,906
1,027
0,973
agregare
22,371
24,804
24,264
25,344
0,902
1,022
0,978
agregare
26,417
28,938
28,394
29,482
0,913
1,019
0,981
agregare
30,019
32,555
32,002
33,108
0,922
1,017
0,983
agregare
33,382
35,811
35,258
36,364
0,932
1,015
0,985
agregare
36,505
38,795
38,242
39,348
0,941
1,014
0,986
agregare
39,560
41,566
41,013
42,119
0,952
1,013
0,987
agregare
42,534
44,164
43,611
44,717
0,963
1,013
0,987
agregare
384
Anexe
d K _ CSR
inf. 95%
CSR
sup.95%
CSR
Rk
limita
sup.
95%
limita
inf.
95%
Interpretare
statistica
45,308
46,617
46,064
47,170
0,972
1,012
0,988
agregare
47,969
48,948
48,395
49,501
0,980
1,011
0,989
agregare
12
50,305
51,173
50,620
51,726
0,983
1,011
0,989
agregare
13
52,633
53,305
52,752
53,858
0,987
1,010
0,990
agregare
14
54,556
55,356
54,803
55,908
0,986
1,010
0,990
agregare
15
56,637
57,333
56,780
57,885
0,988
1,010
0,990
agregare
k
vecini
dk
10
11
Suprafaa 5
1
11,088
15,451
14,748
16,153
0,718
1,045
0,955
agregare
18,765
23,176
22,445
23,908
0,810
1,032
0,968
agregare
25,405
28,970
28,230
29,711
0,877
1,026
0,974
agregare
30,408
33,799
33,053
34,544
0,900
1,022
0,978
agregare
34,580
38,024
37,266
38,782
0,909
1,020
0,980
agregare
39,292
41,826
41,068
42,584
0,939
1,018
0,982
agregare
43,120
45,312
44,554
46,070
0,952
1,017
0,983
agregare
46,341
48,548
47,790
49,306
0,955
1,016
0,984
agregare
49,264
51,582
50,824
52,340
0,955
1,015
0,985
agregare
10
52,351
54,448
53,690
55,206
0,961
1,014
0,986
agregare
11
54,893
57,170
56,412
57,929
0,960
1,013
0,987
agregare
12
57,650
59,769
59,011
60,527
0,965
1,013
0,987
agregare
13
60,337
62,260
61,501
63,018
0,969
1,012
0,988
agregare
14
62,709
64,654
63,896
65,412
0,970
1,012
0,988
agregare
15
65,101
66,963
66,205
67,721
0,972
1,011
0,989
agregare
Suprafaa 6
1
11,207
12,849
12,366
13,332
0,872
1,038
0,962
agregare
17,810
19,273
18,770
19,777
0,924
1,026
0,974
agregare
22,594
24,092
23,582
24,601
0,938
1,021
0,979
agregare
26,335
28,107
27,594
28,620
0,937
1,018
0,982
agregare
29,913
31,620
31,099
32,142
0,946
1,016
0,984
agregare
33,347
34,782
34,261
35,304
0,959
1,015
0,985
agregare
36,115
37,681
37,159
38,203
0,958
1,014
0,986
agregare
38,719
40,372
39,851
40,894
0,959
1,013
0,987
agregare
41,308
42,896
42,374
43,417
0,963
1,012
0,988
agregare
10
43,837
45,279
44,757
45,800
0,968
1,012
0,988
agregare
11
46,118
47,543
47,021
48,064
0,970
1,011
0,989
agregare
12
48,211
49,704
49,182
50,225
0,970
1,010
0,990
agregare
13
50,180
51,775
51,253
52,296
0,969
1,010
0,990
agregare
14
52,089
53,766
53,244
54,288
0,969
1,010
0,990
agregare
385
385

k
vecini
dk
15
54,121
d K _ CSR
inf. 95%
CSR
sup.95%
CSR
Rk
limita
sup.
95%
limita
inf.
95%
Interpretare
statistica
55,686
55,165
56,208
0,972
1,009
0,991
agregare
agregare
Suprafaa 7
1
10,660
11,489
11,103
11,876
0,928
1,034
0,966
16,690
17,234
16,831
17,637
0,968
1,023
0,977
agregare
21,277
21,542
21,135
21,950
0,988
1,019
0,981
aleatoare
24,851
25,133
24,723
25,543
0,989
1,016
0,984
aleatoare
27,915
28,274
27,857
28,692
0,987
1,015
0,985
aleatoare
30,757
31,102
30,685
31,519
0,989
1,013
0,987
aleatoare
33,264
33,694
33,277
34,111
0,987
1,012
0,988
agregare
35,684
36,100
35,683
36,518
0,988
1,012
0,988
aleatoare
37,993
38,357
37,940
38,774
0,991
1,011
0,989
aleatoare
10
40,242
40,488
40,071
40,905
0,994
1,010
0,990
aleatoare
11
42,513
42,512
42,095
42,929
1,000
1,010
0,990
aleatoare
12
44,617
44,444
44,027
44,861
1,004
1,009
0,991
aleatoare
13
46,638
46,296
45,879
46,713
1,007
1,009
0,991
aleatoare
14
48,714
48,077
47,660
48,494
1,013
1,009
0,991
uniform
15
50,628
49,794
49,377
50,211
1,017
1,008
0,992
uniform
Suprafaa 8
1
12,548
12,611
12,144
13,077
0,995
1,037
0,963
aleatoare
18,919
18,916
18,430
19,402
1,000
1,026
0,974
aleatoare
23,396
23,645
23,153
24,137
0,989
1,021
0,979
aleatoare
27,400
27,586
27,091
28,081
0,993
1,018
0,982
aleatoare
30,790
31,034
30,531
31,538
0,992
1,016
0,984
aleatoare
34,088
34,137
33,634
34,641
0,999
1,015
0,985
aleatoare
36,987
36,982
36,479
37,486
1,000
1,014
0,986
aleatoare
39,571
39,624
39,120
40,127
0,999
1,013
0,987
aleatoare
42,202
42,100
41,597
42,604
1,002
1,012
0,988
aleatoare
10
44,616
44,439
43,936
44,943
1,004
1,011
0,989
aleatoare
11
47,082
46,661
46,158
47,165
1,009
1,011
0,989
aleatoare
12
49,394
48,782
48,279
49,286
1,013
1,010
0,990
uniform
13
51,588
50,815
50,311
51,318
1,015
1,010
0,990
uniform
14
53,870
52,769
52,266
53,273
1,021
1,010
0,990
uniform
15
55,901
54,654
54,150
55,157
1,023
1,009
0,991
uniform
Suprafaa 9
386
Anexe
d K _ CSR
inf. 95%
CSR
sup.95%
CSR
Rk
limita
sup.
95%
limita
inf.
95%
Interpretare
statistica
12,328
12,437
11,984
12,890
0,991
1,036
0,964
aleatoare
18,154
18,655
18,183
19,127
0,973
1,025
0,975
agregare
23,134
23,319
22,841
23,796
0,992
1,020
0,980
aleatoare
26,910
27,205
26,725
27,686
0,989
1,018
0,982
aleatoare
30,205
30,606
30,117
31,095
0,987
1,016
0,984
aleatoare
33,403
33,667
33,178
34,155
0,992
1,015
0,985
aleatoare
36,349
36,472
35,983
36,961
0,997
1,013
0,987
aleatoare
38,994
39,077
38,589
39,566
0,998
1,013
0,987
aleatoare
41,522
41,520
41,031
42,008
1,000
1,012
0,988
aleatoare
10
43,815
43,826
43,338
44,315
1,000
1,011
0,989
aleatoare
11
46,037
46,018
45,529
46,506
1,000
1,011
0,989
aleatoare
12
48,126
48,109
47,621
48,598
1,000
1,010
0,990
aleatoare
13
50,136
50,114
49,625
50,602
1,000
1,010
0,990
aleatoare
14
52,303
52,041
51,553
52,530
1,005
1,009
0,991
aleatoare
15
54,230
53,900
53,411
54,389
1,006
1,009
0,991
aleatoare
k
vecini
dk
1
2
Suprafaa 10
1
11,212
11,713
11,311
12,116
0,957
1,034
0,966
agregare
16,774
17,570
17,151
17,990
0,955
1,024
0,976
agregare
21,136
21,963
21,538
22,387
0,962
1,019
0,981
agregare
24,855
25,623
25,196
26,050
0,970
1,017
0,983
agregare
28,236
28,826
28,392
29,260
0,980
1,015
0,985
agregare
31,346
31,709
31,274
32,143
0,989
1,014
0,986
aleatoare
33,919
34,351
33,917
34,785
0,987
1,013
0,987
aleatoare
36,332
36,805
36,370
37,239
0,987
1,012
0,988
agregare
38,932
39,105
38,671
39,539
0,996
1,011
0,989
aleatoare
10
41,210
41,277
40,843
41,712
0,998
1,011
0,989
aleatoare
11
43,272
43,341
42,907
43,776
0,998
1,010
0,990
aleatoare
12
45,345
45,311
44,877
45,746
1,001
1,010
0,990
aleatoare
13
47,576
47,199
46,765
47,634
1,008
1,009
0,991
aleatoare
14
49,567
49,015
48,580
49,449
1,011
1,009
0,991
uniform
15
51,660
50,765
50,331
51,200
1,018
1,009
0,991
uniform
387
387
Anexa 12. Harta proceselor punctiforme corespunztoare celor 3 straturi de

puiei definite n funcie de nlime i graficele variaiei raportului Rk
(metoda KNN )n cele zece suprafee
Stratul 1 stratul plantulelor (nlimea 0 .. 25 cm)

n suprafeele 8 i 9 s-a nregistrat un numr de plantule prea mic pentru
efectuarea prelucrrilor.
388
Anexe
389
389
390
Anexe
Stratul 2 stratul puieilor din clasa medie (nlimea 26 .. 150 cm)
391
391
392
Anexe
393
393
Stratul 3 stratul puieilor de mari dimensiuni (nlimea > 150 cm)

n suprafaa 2 s-a nregistrat un numr de puiei prea mic pentru efectuarea
prelucrrilor.
394
Anexe
395
395
396
Anexe
397
397
Anexa 13. Interpretarea tiparului spaial n cazul proceselor punctiforme

corespunztoare celor 3 straturi de puiei definite n funcie de nlime prin
intermediul funciei L(t)
Stratul 1 stratul plantulelor (nlimea 0 .. 25 cm)
efectuarea prelucrrilor.
398
Anexe
Stratul 2 stratul puieilor din clasa medie (nlimea 26 .. 150 cm)
399
399
Stratul 3 stratul puieilor de mari dimensiuni (nlimea > 150 cm)

n suprafaa 2 s-a nregistrat un numr de puiei prea mic pentru efectuarea
prelucrrilor.
400
Anexe
401
401
Anexa 14. Determinarea tipului de interaciune n spaiu dintre cele trei

straturi de puiei definite n funcie de nlime prin intermediul funciei
L12(t)
Interaciunea spaial dintre stratul 1 (stratul plantulelor) i stratul 2 (stratul
puieilor de dimensiuni medii)
interpretarea rezultatelor.
402
Anexe
Interaciunea spaial dintre stratul 1 (stratul plantulelor) i stratul 3 (stratul

puieilor de mari dimensiuni)
403
403
Interaciunea spaial dintre stratul 2 (stratul puieilor de dimensiuni medii) i

stratul 3 (stratul puieilor de mari dimensiuni)
Suprafaa 2 are un numr de puiei prea mic n stratul 3 pentru interpretarea
rezultatelor.
404
Anexe
405
405
Anexa 15. Verificarea ipotezei de asociere pozitiv/negativ a unor specii prin

intermediul funciei L12(t) analiza bivariat pentru perechile de specii:
Carpen-Stejar, Frasin-Tei, Jugastru-Cire.
Interaciunea dintre carpen i stejar
406
Anexe
n suprafeele 3, 6, 9 nu au fost efectuate

analize
datorit
numrului
redus
al
puieilor uneia dintre specii.
Interaciunea dintre frasin i tei
407
407

n suprafeele 2, 4, 6 nu au fost efectuate
analize
datorit
numrului
408
redus
al
Anexe
Interaciunea dintre jugastru i cire

n suprafeele 2, 3, 5, 6, 7 nu au fost efectuate analize datorit numrului redus al
409
409
Anexa 16 Variaia intensitii concurenei n suprafeele studiate

Intensitatea concurenei apreciat prin indicele Schutz i indicele Hegyi varianta ce utilizeaz suprafaa exterioar a coroanei (Hegyi_sup) i varianta ce
utilizeaz nlimea (Hegyi_nlime) drept parametru de raportare. Diagramele
sunt realizate cu ajutorul aplicaiei CARTOGRAMA.
Suprafaa 1
indicele Hegyi_sup
indicele Hegyi_nlime
indicele Schutz
indicele Schutz
indicele Schutz
Suprafaa 2
indicele Hegyi_sup
Suprafaa 3
indicele Hegyi_sup
410
Anexe
Suprafaa 4
indicele Hegyi_sup
indicele Schutz
indicele Schutz
indicele Schutz
Suprafaa 5
indicele Hegyi_sup
Suprafaa 6
indicele Hegyi_sup
411
411
Suprafaa 7
indicele Hegyi_sup
indicele Schutz
indicele Schutz
indicele Schutz
Suprafaa 8
indicele Hegyi_sup
Suprafaa 9
indicele Hegyi_sup
Suprafaa 10
412
Anexe
Anexa 17 Media i coeficientul de variaie al valorilor intensitii

competiiei apreciate prin indici sintetici situaia pe specii i pentru toi
puieii
Indice Hegyi_sup
total
Pa
Ci
Te
St
Ju
Ca
Fr
medie
s%
5,76
2,05
2,64
3,41
4,60
5,12
5,47
14,22
248,37
187,87
252,77
320,35
179,19
188,01
251,27
190,63
Indice Hegyi_h
total
Pa
Ci
Te
Ca
Ju
St
Fr
medie
s%
1,42
0,66
1,00
1,14
1,27
1,35
1,53
2,82
110,91
86,09
81,72
147,55
101,38
83,36
95,47
98,02
413
Indice Schutz
total
Pa
Ci
Te
Ca
Ju
St
Fr
medie
s%
18,84
8,09
12,56
14,63
16,36
17,74
20,49
40,60
116,99
108,15
104,86
146,26
115,78
118,24
94,41
84,53
413
Anexa 18 Diagramele Voronoi generate pentru suprafeele studiate
414
Anexe
Diagramele au fost realizate cu ajutorul aplicaiei software proprii (VORONOI).
415
415

Analiza Regenerarii Padurii - CARTE

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Analiza Regenerarii Padurii - CARTE

Încărcat de

Drepturi de autor:

Formate disponibile

Analiza regenerrii pdurii

Perspective statistice i informatice

Descrierea CIP a Bibliotecii Naionale a Romniei

Tiparul executat la Tipografia S.C. ROF S.A. Suceava

Lucrarea de fa se bazez pe rezultatele cercetrilor efectuate n perioada

Capitolul 6 Diversitatea structural a seminiului ..................................................... 177

Analiza regenerrii pdurii - Perspective statistice i informatice

Capitolul 1. Consideraii referitoare la regenerarea pdurii

Dat fiind importana regenerrii arboretelor, silvicultorul trebuie s

Analiza regenerrii pdurii - Perspective statistice i informatice

modalitii de ntrerupere a produciei arboretului btrn, concomitent cu

unor msuri care s favorizeze instalarea i dezvoltarea unei noi

generaii. Dirijarea procesului de regenerare impune reglarea desfurrii n timp a

Capitolul 1. Consideraii referitoare la regenerarea pdurii

Apar situaii n care, din diverse motive, regenerarea natural nu este

Analiza regenerrii pdurii - Perspective statistice i informatice

1.2. Evoluia concepiilor privitoare la regenerarea arboretelor

Capitolul 1. Consideraii referitoare la regenerarea pdurii

Figura 1.1. Dinamica reducerii pdurii la nivel mondial

Analiza regenerrii pdurii - Perspective statistice i informatice

reprezint primul indiciu de folosire al pdurii ca resurs de material lemnos. De

Capitolul 1. Consideraii referitoare la regenerarea pdurii

asigurrii continuitii acestei resurse naturale de valori ecologice i economice

Analiza regenerrii pdurii - Perspective statistice i informatice

specialitilor forestieri de la sfritul secolului al XVIII-lea i nceputul secolului al

Capitolul 1. Consideraii referitoare la regenerarea pdurii

pdurilor a fost utilizat un timp, beneficiind i de justificarea sa prin sistemul

Analiza regenerrii pdurii - Perspective statistice i informatice

n prezent, suprafaa ocupat de pdure la nivel global este de 3,952

Capitolul 1. Consideraii referitoare la regenerarea pdurii

Figura 1.2. Media anual a modificrii suprafeei acoperite de pdure

Analiza regenerrii pdurii - Perspective statistice i informatice

Italia de 900 de milioane de euro (550 milioane doar pentru mpduriri),

Figura 1.3. Ritmul anual de cretere al suprafeei acoperite de pdure n Europa

Capitolul 1. Consideraii referitoare la regenerarea pdurii

Regenerarea pdurilor constituie un deziderat ce implic n aceeai msur

Analiza regenerrii pdurii - Perspective statistice i informatice

Capitolul 2. Scopul i obiectivele cercetrilor

Conceperea unui astfel de model ar permite testarea anumitor ipoteze i

2.2. Obiective urmrite

Analiza regenerrii pdurii - Perspective statistice i informatice

realizat doar n urma studierii dinamicii regenerrii pe o perioad ndelungat, se

evaluarea structurii seminiului primul nivel de evaluare a unui

principalelor elemente structurale i a relaiilor de dependen

evaluarea diversitii structurale dimensionale heterogenitatea

seminiului. Se propune stabilirea gradului de diversitate

evaluarea particularitilor de organizare n spaiu a puieilor

evaluarea relaiilor de competiie n seminiuri se propune

Capitolul 2. Scopul i obiectivele cercetrilor

Un obiectiv secundar ataat fiecrui obiectiv principal enunat anterior

Analiza regenerrii pdurii - Perspective statistice i informatice

2.3. Locul cercetrilor. Materialul i metodologia de cercetare

Capitolul 2. Scopul i obiectivele cercetrilor

Figura 2.1. Aspect din suprafaa regenerat a arboretului din UA 50 A, UP I Flmnzi

n vederea constituirii unei baze de date consistente, care s permit

poziia coordonatele x,y ntr-un sistem cartezian, cu o precizie

diametrul la colet, cu o precizie de 1 mm;

nlimea, cu precizia de 1 cm;

nlimea pn la prima ramur, cu precizia de 1 cm;

observaii cu privire la eventuale particulariti ale exemplarului.

Suplimentar, pentru minim 3 puiei pe metrul ptrat, a fost msurat

Analiza regenerrii pdurii - Perspective statistice i informatice

Figura 2.2. Localizarea cercetrilor n UA 50 A, UP I Flmnzi i modul de amplasare al