Ein Matrix-Modell zur Prognose der Entwicklung ungleichaltriger Mischbestände im Stadtwald München - Markus Müller - E-Book

Ein Matrix-Modell zur Prognose der Entwicklung ungleichaltriger Mischbestände im Stadtwald München E-Book

Markus Müller

0,0
36,99 €

oder
-100%
Sammeln Sie Punkte in unserem Gutscheinprogramm und kaufen Sie E-Books und Hörbücher mit bis zu 100% Rabatt.
Mehr erfahren.
Beschreibung

Diplomarbeit aus dem Jahr 2009 im Fachbereich Forstwirtschaft / Forstwissenschaft, Note: 1,0, Technische Universität München (Department für Waldinventur und nachhaltige Nutzung), Sprache: Deutsch, Abstract: Vor allem im nordamerikanischen Raum werden Matrix-Modelle zur Prognose der Bestandesentwicklung insbesondere für ungleichaltrige Mischbestände herangezogen. Diese resultieren aus der in Nordamerika bereits lange verbreiteten „Continuous Forest Inventory“ und haben einige entscheidende Vorteile. Die leichte Nachvollziehbarkeit der resultierenden Ergebnisse und die einfache Parametrisierung der Modellkomponenten mittels Regressionsanalysen sind beider Erstellung von Matrix-Modellierungen gerade für lokale Wuchsmodelle mit kleinen Waldflächen ein idealer Ansatz. Bislang fanden solche Modelle jedoch im mitteleuropäischen Raum kaum Anwendung. Das in dieser Arbeit parametrisierte Matrix-Wachstumsmodell basiert in wesentlichen Teilen auf dem von BUONGIORNO und MICHIE (1980) entworfenen Modell für ungleichaltrige Mischbestände. Es wird mit Hilfe von Inventurdaten aus einer permanenten Stichprobeninventur im Einzugsgebiet der Münchner Trinkwassergewinnung erstmals eine Prognose der Bestandesentwicklung auf der Basis eines Matrix-Modells im Waldbesitz der Landeshauptstadt München durchgeführt. Mit modellspezifischen Funktionen zum Zuwachs, dem ausscheidenden Bestand und dem Einwuchs werden die Hypothesen dieser Arbeit geprüft.

Das E-Book können Sie in einer beliebigen App lesen, die das folgende Format unterstützt:

PDF
Bewertungen
0,0
0
0
0
0
0
Mehr Informationen
Mehr Informationen
Legimi prüft nicht, ob Rezensionen von Nutzern stammen, die den betreffenden Titel tatsächlich gekauft oder gelesen/gehört haben. Wir entfernen aber gefälschte Rezensionen.