Show simple item record

Prognosemodelle für ausgewählte Holzqualitätsmerkmale wichtiger Baumarten

dc.contributor.advisorNagel, Jürgen Prof. Dr.de
dc.contributor.authorSchmidt, Matthiasde
dc.date.accessioned2002-01-29T15:11:37Zde
dc.date.accessioned2013-01-18T10:56:24Zde
dc.date.available2013-01-30T23:51:26Zde
dc.date.issued2002-01-29de
dc.identifier.urihttp://hdl.handle.net/11858/00-1735-0000-0006-B0EC-5de
dc.identifier.urihttp://dx.doi.org/10.53846/goediss-2267
dc.identifier.urihttp://dx.doi.org/10.53846/goediss-2267
dc.description.abstractIm Rahmen dieser Dissertation werden statistische Modelle zur Beschreibung der Holzqualitätskriterien Astigkeit und Schaftform für die Baumarten Fichte (Picea abies (L.) Karst.), Waldkiefer (Pinus sylvestris L.), Douglasie (Pseudotsuga menziesii (Mirb.) Franco) und Rotbuche (Fagus sylvatica L.) entwickelt und dargestellt. Für die Eiche (Quercus petrea Liebl. und Quercus robur L.) wird nur ein Modell zur Erfassung der Schaftform dargestellt. Die für die Gütesortierung entscheidenden Parameter: Astdurchmesser, Astzustand und vertikale Astposition von Quirlästen 1. Ordnung werden für die genannten Baumarten mit einem System von Regressionsgleichungen beschrieben. Zur Erfassung der Stammform (Abholzigkeit) werden zwei bestehende Schaftformfunktionen miteinander verglichen (modifizierte Brink-Funktion, Pain-Funktion). Für die Pain-Funktion erfolgt eine Modifikation, die bei allen untersuchten Baumarten zu einer Erhöhung der Schätzgenauigkeit führt. Im Rahmen de! r Beschreibung des Astzustandes werden bestehende Modelle zur Schätzung der Kronenansatzhöhe weiterentwickelt und die Möglichkeit zur Berücksichtigung von Eingangsdaten unterschiedlicher Informationsqualität geschaffen.Die entwickelten Modelle sind so konzipiert, dass ihre Kombination mit bereits existierenden Einzelbaum-Wachstumssimulatoren wie z. B. dem Wachstumssimulator BWINPro möglich ist. Die Modelle erlauben eine kombinierte Stärke- und Güteklassensortierung auf der Ebene des Einzelbaumes, womit die Voraussetzung für die ökonomische Bewertung und den Vergleich von unterschiedlichen waldbaulichen Behandlungsszenarien geschaffen wird. Neben Simulationsdaten, die von Wachstumssimulatoren bereitgestellt werden, können auch Daten der Betriebsinventuren als Eingangsinformationen für die Modelle verwendet werden, um Holzqualitätsprognosen für eine differenzierte Erfassung des Ist-Zustandes durchzuführen.Ein besonderer Schwerpunkt der Entwicklung der Qualitätsmodelle liegt auf der Gewährleistung von behandlungssensitiven Prognosen der Qualitätskriterien, für die eine Abhängigkeit zur Konkurrenzsituation des Einzelbaumes bzw. zur Art und Stärke von Durchforstungen, zum Ausgangsverband und zur Mischungsform identifiziert werden konnte. Für alle Modelle erfolgen umfangreiche Validierungen unter anderem durch den Vergleich mit bereits bestehenden Modellen, und es werden konzeptionelle Überlegungen zur Kombination der Einzelmodelle in einem Programmmodul dargestellt. Den Modellentwicklungen ist eine umfangreiche Literaturübersicht und Diskussion von Ansätzen und Methoden zur Beschreibung der Holzqualität mit Hilfe von statistischen Modellen vorangestellt.de
dc.format.mimetypeapplication/pdfde
dc.language.isogerde
dc.rights.urihttp://webdoc.sub.gwdg.de/diss/copyrdiss.htmde
dc.titlePrognosemodelle für ausgewählte Holzqualitätsmerkmale wichtiger Baumartende
dc.typedoctoralThesis
dc.title.translatedModels for predicting wood quality criteria of important tree speciesde
dc.contributor.refereeGadow, Klaus von Prof. Dr. Dr. h.c.de
dc.date.examination2001-08-10de
dc.subject.dnb500 Naturwissenschaften allgemeinde
dc.description.abstractengThis dissertation deals with the development and presentation of statistical models to describe the wood quality criteria branchiness and taper form (tapering) for Norway spruce (Picea abies (L.) Karst.), Scots pine (Pinus sylvestris L.), Douglas fir (Pseudotsuge menziesii (Mirb.) Franco) and European beech (Fagus sylvatica L.). For oak (Quercus petrea Liebl. and Quercus robur L.) only a taper form model is parameterised and described. A system of regression equations is used to model the parameters that are decisive for quality assortment: branch diameter, state of a branch, vertical position of first order whorl branches. For taper modelling two existing taper functions (the modified Brink function and the so-called Pain function) are compared. The Pain function is modified improving the estimation accuracy for all investigated tree species. For the description of the state of a branch, existing models for height-to-crown base estimation are improved and different model functions are selected according to the quality of the input data.The quality models' structure allows for a combination with existing single tree growth simulators, e.g., the growth simulator BWINPro. The models facilitate a combined size and quality class assortment on the single tree level and thus, supply the requirements for an economic validation and the comparison of different silvicultural scenarios. Besides simulation output data that is provided by growth simulators, data from permanent sample plot inventories could also be used as input data for these models to predict wood quality as a more differentiated description of the actual state.A main emphasis of model development lays on ensuring treatment-sensitive prognoses for those quality criteria, which statistically depend on the competition situation of a tree or on thinning type and intensity, planting pattern and tree species composition. Enhanced validation is conducted for all models, particularly using existing models for comparison and theoretical concepts for a combination and integration of the single model approaches into a software module are presented. An extensive overview and discussion of literature concerning statistical models for wood quality characterisation is given as an introduction to the task of modelling wood quality criteria.de
dc.contributor.coRefereeBecker, Gero Prof. Dr. Dr.de
dc.subject.topicForest Sciences and Forest Ecologyde
dc.subject.gerHolzqualitätde
dc.subject.gerAstigkeitde
dc.subject.gerSchaftformde
dc.subject.gerKronenansatzde
dc.subject.gerstatistische Modellede
dc.subject.gerbehandlungssensitivde
dc.subject.gerFichtede
dc.subject.gerWaldkieferde
dc.subject.gerDouglasiede
dc.subject.gerRotbuchede
dc.subject.gerEichede
dc.subject.gerProgrammodulde
dc.subject.engWood qualityde
dc.subject.engbranchinessde
dc.subject.engtaper formde
dc.subject.engcrown basede
dc.subject.engstatistical modelsde
dc.subject.engtreatment sensitivede
dc.subject.engNorway sprucede
dc.subject.engScots pinede
dc.subject.engDouglas firde
dc.subject.engEuropean beechde
dc.subject.engSessile and common oakde
dc.subject.engsoftware modulede
dc.subject.bk48.99de
dc.identifier.urnurn:nbn:de:gbv:7-webdoc-1222-2de
dc.identifier.purlwebdoc-1222de
dc.affiliation.instituteFakultät für Forstwissenschaften und Waldökologiede
dc.subject.gokfullYSE 100: Mischwaldkulturen {Forstwirtschaft}de
dc.subject.gokfullYV 000: Waldertragskunde {Forstwirtschaft}de
dc.identifier.ppn345622340


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record