CC BY
36
вить малые архитектурные формы, осветить участок и отремонтировать
дорожки.
Литература
1. Агроклиматический справочник по Крымской области / под ред. Н.И. Черенкова. - Л. : Гидрометеоиздат, 1959. - 195 с.
2. 1нструкщя з техтчно! швентаризацп зелених насаджень у мютах та селищах мюького типу Укра!ни - ГКН 03.08.007. - 2007. - К. : Вид-во Мш. Агр. Полт, 2007. - 24 с.
3. Краткий справочник архитектора: Ландшафтная архитектура / под ред. И.Д. Родичкина. - К. : Вид-во "Будiвельник", 1990. - 336 с.
4. Залесская Л.С. Ландшафтная архитектура / Л.С. Залесская, Е.М. Микулина. - М. : Стройиздат, 1979. - 235 с.
5. Боговая И.О. Ландшафтное искусство / И.О. Боговая, Л.М. Фурсова. - М. : Агропромиздат, 1988. - 220 с.
6. Озеленение пришкольного участка: рекомендации, планирование работы, справочные материалы / авт.-сост. О.В. Барабанова и др. - Волгоград : Изд-во "Учитель". - 2010. - 131 с.
7. Определитель высших растений Украины / под ред. Ю.Н. Прокудина, Д.Н. Доброчаева, Б.В. Заверуха. - К. : Изд-во "Наук. думка", 1987. - 545 с.
8. Определитель высших растений Крыма / под ред. Н.И. Рубцова. - Л. : Изд-во "Наука", 1972. - 550 с.
9. Кучерявый В. А. Природная среда города / В.А. Кучерявый. - Львов, 1984. - 142 с.
10. Довганюк А.И. Современная энциклопедия садовых деревьев и кустарников / А.И. Довганюк, Ю.Г.Попова. - М. : Изд-во "Эксмо", 2009. - 255 с.
Зтьберварг 1.Р., Барсукевич Ю.А 1нвентаризащя та рекомендацп з реконструкцп деревинно-чагарникових насаджень
Вивчено саштарш i декоративш властивосп зелених насаджень, визначено 1х видовий склад. Складено швентаризацшну таблицю зелених насаджень, на осжга яко! зроблено висновки i внесено пропозици щодо реконструкцп i вщновлення зелених насаджень та благоустрою територи НВК "Школа-лщей" № 17 у Омферополг
Ключовг слова: реконструкщя, аналiз стану зелених насаджень, функщональ-ний i ландшафтний аналiзи, арх^ектурно-планувальний аналiз.
Zil'bervarg I.R., Barsukevich Yu.A. Inventory and recommendations for reconstruction trees and bushes planting
As a result of researches sanitary and decorative properties of the green planting are studied, their specific composition is certain. The taking of inventory table of the green planting, on the basis of which conclusions are done and suggestions are brought in on a reconstruction and renewal, is made green planting and equipping with modern amenities of territory of SEC "School-lyceum" № 17 in Simferopil.
Keywords: reconstruction, analysis of the state of the green planting, functional and landscape analyses, architecture-plan analyses.
УДК 630*81:519.23 Заст. директора Ботатчного саду Д.Ю. Карабчук;
доц. П.Г. Хомюк, канд. с.-г. наук - НЛТУ Украши, м. Львiв
ОСОБЛИВОСТ1 ЗАСТОСУВАННЯ ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ ПАКЕТУ SPSS ДЛЯ ОЦ1НЮВАННЯ Р1ЗНИЦ1 СЕРЕДН1Х ЗНАЧЕНЬ ОКРЕМИХ ВИБ1РОК КОРИ СТОВБУР1В СМЕРЕКИ
Охарактеризовано можливост застосування пакету SPSS для ощнювання рiз-нищ мiж вибiрковими середшми окремих вибiрок. Описано критерп, за якими можна робити висновки про нормальшсть розподшу ознак, а також ощнювати розбiжнiсть мiж середшми значеннями. Наведено приклад застосування параметричних критерй'в
для виявлення вщмшност середшх показникiв napaMeTpiB щшьност кори стовбура ялини европейсько!.
Ключовi слова: параметричш критери, непaрaметричнi критери, iстотнiсть pi3-ницi, параметричне оцiнювaння, нормальний розподiл, рiвень довiри, базисна щшь-шсть кори стовбура, ялина европейська, сощальш класи дерев.
Вступ. Неможливо уявити науково обгрунтоваш дослщження характеристик бюлопчних об'екпв без застосування метод1в математично-статис-тичного анал1зу. Стр1мкий розвиток науки спонукае дослщниюв до пошуку надшних та ефективних засоб1в оцшювання результапв спостережень. Ос-танш досягнення математично! статистики дають змогу з устхом використо-вувати щораз бшьшу кшьюсть параметр1в i форм математичних залежностей у лiсiвничих дослiдженнях (Cannell, 1982; Лакида, 1989, 2002; Niklas, 1994; Горошко, Миклуш, Хомюк, 2004).
Статистичне опрацювання вибiркових сукупностей стало доступш-шим тсля появи комп'ютерно! технiки, яка вщповщае нaйсучaснiшим шфор-мaцiйним технологiям початку ХХ1 ст. (Wirth та ш., 2004; Kuyah та iн., 2012). О^м цього, широкий спектр комп'ютерних статистичних програм комер-цiйного характеру (BMDP, GenStat, JMP, LISREL, Minitab, NCSS, Partek, SAS, SPSS, Stata, Statgraphics, STATISTICA, Systat, S-PLUS, Unistat GraphPad та iн.) та безоплатний доступ до шших статистичних програм у мережi Internet (вщомо понад 250 таких програм, див. http://www.l-lists.com/en/lists/ dz3a5t.html) розширюе можливостi з опрацювання результапв спостережень. Це дае змогу ефективно й оперативно дослщжувати досить велику кiлькiсть ознак (пaрaметрiв, змiнних), працювати з великими за обсягом статистични-ми сукупностями, а також здшснювати рiзнi види статистичного aнaлiзу.
Одним iз таких програмних продуктiв е статистичне програмне забез-печення "IBM SSPSS Statistics 20" (SPSS Statistics Base 20.0 User's Guide, 2011; Norusis, 2012a'b,c). Анaлiз лiтерaтурних джерел свiдчить, що сьогодш таке програмне забезпечення е одним iз загальноприйнятих для опрацювання да-них пiд час виконання мiжнaродних наукових дослiджень також i в гaлузi ль сiвничих наук, результати яких публiкують у провiдних фахових перюдич-них виданнях свiту.
Методика дослвдження. Часто у процесi здшснення лiсiвничих досль джень необхiдно виконувати статистичну порiвняльну оцiнку середнiх зна-чень показниюв рiзноl кiлькостi вибiрок, що згруповaнi за рiзними факторами впливу на дослщжувану ознаку. При цьому, для оцiнювaння пaрaметрiв вибiрок, якi описуються законом нормального розподшу, застосовують пара-метричнi критери оцiнювaння. До нaйпоширенiших з них вщносять: а) кри-терш Ст'юдента (англ.: "T-test") у рiзних модифжащях, що використо-вуеться для порiвняння двох сформованих вибiрок; б) F-критерт Фiшера, який встановлюють тд час проведення однофакторного дисперсiйного аналь зу (англ.: "One way Analysis of Variance - One way ANOVA") i переважно ви-користовуеться для трьох i бiльше вибiрок.
У рaзi невiдповiдностi розподiлу чисельностi ознак закону нормального розподшу, для оцшювання рiзницi !х середнiх використовують непарамет-ричний критерш KpycKaMa-YoMMica (англ.: "Kruskal-Wallis test"), який е альтернативою однофакторного дисперсшного анализу.
Встановлення належносп розподiлу дослщжувано! ознаки до нормального закону (англ.: "Test of Normality") проводять з використанням таких кри-терпв: а) критерЮ Шатро УЫкса (англ.: "Shapiro-Wilk") (Shapiro, Wilk, 1965); б) критерЮ згоди Колмогорова-ÜMÍpHoea (англ.: "Kolmogorov-Smirnov"). Також це можна зробити за вiзуальним анал1зом г^тограми чисельностей або бшьш ефективно за методом нормальностi розподшу квантилiв (англ.: "Normal Q-Q Plots"). При використанш математичних теспв розподш вважаеться нормальним за умовир > 0,05, що забезпечуе достатнш рiвень довiри 95 %.
Щд час перевiрки розподiлу на нормальшсть, програма SPSS дае змогу виявити крайш варiанти, якi виходять за межi "допустимих" значень за до-помогою петлiв "Тут" (англ.: "Tukey's hinges") (Tukey, 1977). Цей споиб де-що вiдрiзняеться вщ традицiйно прийнятного у вiтчизнянiй люовш бюметрп. У цьому випадку для 1х визначення використовують квартилi (ст. 26, Горош-ко, Миклуш, Хомюк, 2004), а саме - мiжквартильний вiдрiзок IQR = Q3-Q1, що множиться на коефщент g = 1,5 у випадку вщмежування крайшх варiант, або на коефiцiент g = 3,0, що вказуе на межi екстремально остаточних крайнiх варiант (SPSS Statistics Base 20.0 User's Guide, 2011). Математична за-лежнють визначення крайнiх меж мае таке вираження:
V = IRQ g, або V = (Q3 - Qj)-g, (1)
де Qj - перший квартиль, який вщмежовуе 25 % варiант; а Q3 - третш квартиль, який вiдмежовуе 75 % варiант; g - коефщент Тут.
Як уже було зазначено, для параметричного оцiнювання двох середшх використовують T-test. Щд час представлення результапв тесту використо-вуеться така форма запису: t(df), t-значення, P - рiвень значущостi, де df -кiлькiсть ступенiв свободи.
У пакетi програм SPSS для порiвняння середшх, отриманих з юлькох вибiрок i об'еднаних единим фактором впливу, застосовують однофакторний дисперстний анализ, який дае змогу перевiрити гшотезу про те, що визначеш середнi величини не мають статистично iстотних розбiжностей (на рiвнi значущостi (а=0,05) або навпаки. Результат штерпретуеться за допомогою вирахувано! таблицi, iз яко1 вибирають таю показники F статистики: df1 -кшьюсть ступешв свободи мiж групами та в серединi груп (df2), F - критерiй Фiшера, р - розрахований iндекс показника значущосп та записуються у нас-тупному виглядi: df2 = значення F, P = значення р).
Однак, для застосування цього тесту необхщно, щоб вибiрки мали од-накову дисперсто ознак. Для перевiрки ще! передумови пакетом програм пе-редбачено проведення тесту Левена на однорщнють дисперсп (англ.: "Leve-ne's homogeneity-of-variance test"). Для непараметричних розподЫв деяк ав-тори пропонують використати ранжування варiант та для отриманих значень теж застосовувати тест Левена (Nordstokke and Zumbo, 2010). Передумова вважаеться виконаною в тому випадку, коли отримане значення коефщента рiвня значущостi е бiльше вiд задано! наперед статистично! значущосп (тоб-то р > 0,05). Проте однофакторний дисперайний аналiз та критерш Круска-ла-Уоллiса дають змогу лише встановити факт юнування статистично значи-
мо1 рiзницi мiж будь-якими середнiми аналiзованих вибiрок (1х мае бути 3 чи бшьше). Для визначення того, яю саме вибiрки рiзняться мiж собою, необхщ-но застосувати додатковi тести.
Для аналiзу, що здiйснюеться тсля того, як експеримент проведено, використовують так званi пост-фактум тести (англ.: "post hoc tests"). До найпоширенiшиx тестiв, що встановлюються вщразу пiсля виконання одно-факторного дисперсшного анализу, належить критерш Тую (англ.: "Tukey HSD test"). У разi наявностi чотирьох i бшьше груп можна використати найконсервативнiший з таких теспв - критерш множинних порiвнянь Бон-феррош (англ.: "Bonferroni correction test"), який враховуе корекщю вирахува-ного коефщента значущостi (р(Е)), на величину, рiвну вiдношенню обраного рiвня значущостi (p = 0,05) до кшькосп порiвнюваниx груп. Для непарамет-ричного критерiю Крускала-Уолл^а найуживашшим пост-фактум тестом е тест Манн-Утш Ю критерiймножинних порiвнянь (англ.: "Mann-Wittney U").
Таким чином, охарактеризовав тести дають змогу визначити рiвень значущостi вiдмiнностей параметрiв порiвнюваниx вибiрок i можуть бути широко використаш у лiсiвничиx дослiдженняx, зокрема й при ощнщ вщмш-ностей мiж базисною щiльнiстю кори у дерев iз рiзниx частин деревостану, що згрупованi за соцiальними класами.
Експериментальний матер1ал. Для практичного застосування крите-рпв оцiнювання використано результати дослщжень надземно1 фiтомаси яли-ни европейсько! в басейнi Черемошу Укра1нських Карпат (Karabchuk, Keeton, Horoshko, 2012). Експериментальний матерiал вiдiбрано в насадженнях, яю зростають в серединi дiапазону висот (900-1250 м н.р.м.), де частка ялини европейсько! була дом^ючою в складi (понад 8 одиниць). Дiапазон вдабра-них пробних площ вважався таким, що репрезентуе лiсовi дiлянки, призначе-нi для рубки головного користування в дослщжуваному регюш з вiковою ам-плiтудою окремо зростаючих дерев 70-142 рокiв. Попередня практика люоко-ристування в цих насадженнях складалася з нечисленних доглядових рубань. Польовi роботи були завершен протягом 2000-2001 рокiв на восьми люових дiлянкаx зрiлого в1ку (табл. 1).
Номер дшянки Склад Едатоп Висота н.р.м., м В1к модельних дерев, лш1ти (середне зна-чення), роки Таксацшш ознаки де ревостану
середнш д!аметр, см середня висота, м вщносна повнота
12 8Яле2Яцб Сз 900 64-72 (70) 25,9 30,0 0,82
13 9Яле1Яцб Сз 800 66-74 (69) 28,6 28,5 0,85
15 8Яле2Яцб D3 1220 112-150 (124) 39,7 34,0 0,73
16 10Яле Сз 1250 70-98 (87) 37,2 30,0 0,60
17 8Яле2Яцб С3 1100 68-110 (84) 32,7 28,0 0,63
18 10Яле D3 1190 90-165 (142) 40,1 37,0 0,64
19 10Яле D3 1200 68-98 (82) 29,4 30,0 0,63
На кожнiй пробнш площi було вирубано вiд трьох до шести моделей, що загалом становить 34 дерева. Моделi вдабрано на основi таких морфоло-пчно-просторових критерпв: дiаметр на висотi грудей, висота i соцiальний
клас. Додатково для вшх моделей вимiряно морфолопчш характеристики стовбура, крони i дерева загалом. Зразки кори було вдабрано одночасно iз зразками для вивчення деревини стовбура. 1з модельних дерев взято 165 зраз-кiв кори iз рiзних частин стовбура, не рiвномiрно але залежно вiд 1х вертикального розташування (у мюцях 0,01; 0,1; 0,2;... 0,9 вщносно! довжини стовбура). Для визначення 1х об'ему за допомогою штангенциркуля вимiряно 1х товщину, ширину та довжину. Визначення щiльностi кори (ББ) проведено за методикою, яка передбачае розрахунок щiльностi на основi об'ему зразка, за-мiряного пiсля максимального насичення кштинних волокон вологою та мае назву базисно! щiльностi (РашЫп, Бе Zeeuw 1980; ГОСТ 16483.1-84; Лакида, 2002; Sopushynskyy та ш., 2005):
ЕВ = Ш0 / Утах, (2)
де: ЕВ - базисна щiльнiсть кори, г/см3 або кг/м3; утах - об'ем зразка в максимально зволоженому сташ, см3 або м3 вiдповiдно.
Результати дослвдження. Попереднiй вiзуальний аналiз хоч i свщ-чить про нормальний розподiл ще! ознаки (рис. 1), однак графiчне зображен-ня статистичних параметрiв вибiрки за допомогою "статистичних квадра-тiв" (Тикеу, 1977) вказуе на присутнiсть значень, як iстотно вiдрiзняються вiд середньо! i можуть трактуватися як критичнi або сумшвш (можливо по-милковi) варiанти (рис. 2).
= Ю-
.100 .200 Л 00 .400 .500 ВО
Рис. I. Пстограма ряду Рис- 2- Граф1чне зображення онисово1
розпоШу вШбраних для статистики вШбраннх для доЫджеш,
дослиХнсень зразмв базисно! зразкм бтисяоХ щтъностЬ кори за допомогою щтъноспи кори (ПП) стовбура "статистичного квадрату "(англ.: ЬохрЫ)
На цьому рисунку статистичну iнформацiю штерпретують таким чином. Середня горизонтальна лшя в межах прямокутника вказуе на медiану показника, а його кра! - на величину, що дорiвнюе ± 1 квартиль вщ медiани. При цьому, крайнi обмежукта лшп окреслюють межу критично можливих значень, що можуть бути включеними до подальших розрахункiв та е бшь-шими в 1,5 раза вщ величини, рiвноl значенню в ± 1 квартиль вiд медiани (так званi "петлi Тук/'"), виконуючи функцiю встановлення належностi крайнiх варiант до одше! вибiрки. Результати обчислення числового крите-
рт Шатро УИлкса (Shapiro-Wilk) та критерЮ згоди Колмогорова CMipHoea (Kolmogorov-Smirnov) також вказують на "ненормальшсть" розподшу Bcix значень дослщжувано! ознаки у вибiрщ, оскiльки р > 0,05 (табл. 2). Зважаючи на це, для подальшого статистичного опрацювання значень необхщно позбу-тися критичних варiант.
Табл. 2. Результаты статистичного aHaniiy на приналежтсть розподту eapiaum пильносни до нормального ряду розподту
Дослщжу-вана ознака
Kolmogorov-Smirnov
Критерп
значення показника (KS)
ступенш свободи (df)
значення ймовiрнос■
Ti
Shapiro-Wilk
значення показника (SW)
ступенш свободи (df)
значення ймовiр-ностi
BD
0.088
165
0.004
0.976
165
0.006
Пюля вщокремлення сумнiвних варiант вiд наявно! статистично! су-купностi, знову перевiряeмо новоутворену вибiрку на нормальнiсть розпов-сюдження величин дослщжувано! ознаки. Зробимо це за допомогою графiч-ного методу порiвняння подiбностi двох розподЫв ймовiрностей, який пе-редбачае вщкладання один проти одного теоретичного i фактичного кванти-лiв - метод нормальностiрозподшу KeaHmrnie (англ.: "Normal Q-Q Plots"). У випадку, якщо вiдкладенi точки мають малi вiдхилення вiд прямо! дiагональ-но! лшп, то прийнято вважати, що така сукупнiсть значень у вибiрцi опи-суеться законом нормального розподшу та може бути проаналiзована за допомогою параметричних методiв ощнювання статистичних показникiв (SPSS
Statistics Base 20.0 User's Guide, 2011; Norusis, 2012
Проведений тест Шатро-Выка також тдтверджуе нормальнють роз-подiлу чисельностей шддослщних даних пiсля вiдкинення кшькох сумнiвних
значень р (0,18)), оскiльки р>0,05. Результати описово! статисти-
ки всiх вдабраних для дослiджень значень базисно! щшьносп кори стовбура та без "сумшвних" варiант наведено в табл. 3.
Табл. 3. Статистична характеристика зразкв щлъност кори стовбура (BD), г/см
Виб1рка л н о ■В л ч 2 Крайш значення Середня величина Стан-дартне вщхи-лення Дис-пер-мя Коеф1-щент вар1-аци Точ-шсть дос- лщу
мш1-мальне макси-мальне значення основна помилка
Загальна 165 0,122 0,411 0,243 0,004 0,056 0,003 23,0 1,8
"Очищена" 161 0,122 0,365 0,239 0,004 0,051 0,003 21,2 1,7
Отже, середня базисна щшьнють кори CTOB6ypiB ялини европейсько! у зршому вiцi визначена i3 достатньо високою точнiстю до 5 %% та становить 239±4 кг/м3. Таке низьке значення цього показника може бути пов'язано i3 методом, який було застосовано для його визначення, а саме: зволоження зраз-юв кори до абсолютно! межi насичення кштинних стшок вологою (замочу-вання у водi на кiлька дiб). Можна припустити, що визначення об'емiв зразкiв у станi природно! вологост могло б дещо збiльшити цифровi значення.
Вплив сощального статусу дерева на базисну щшьтсть кори. У зв'яз-ку iз тим, що зразки кори було вдабрано у дерев iз рiзних частин деревостану (панiвно! - СР 1, середньо! - СР 2 та тдпорядковано! - СР 3), то загальну ви-бiркy можна подiлити на три меншi вибiрки. Це дае змогу вiдповiсти на пи-тання, чи юнуе iстотна вiдмiннiсть мiж щiльнiстю кори у дерев, яю виростали у рiзних умовах освилення крони й мають рiзний сощальний статус. Пiсля аналiзy розподiлy чисельностей, вилучено деюлька крайнiх варiант, що змен-шило обсяг загально! вибiрки до 152 зразкiв та гарантувало нормальтсть роз-подiлy чисельностей у вшх трьох групах (р (SW) > 0,05). Таким чином, для ощнювання рiзницi середнiх значень можна застосувати параметричт крите-рi! ощнювання (однофакторний дисперайний аналiз та "критерш Тут" постфактум тест). На рис. 4 зображено вiзyально рiзницю мiж отриманими серед-шми значеннями щiльностi кори стовбура у дерев iз панiвно! (1), середньо! (2) та тдпорядковано! (3) частин деревостану.
Як вщомо, необхщною передумовою застосування параметричних тестiв е встановлення однорщносп експериментального матерiалy. Оцiнена за допомогою тесту Левена дисперсiя вказуе на однорщшсть величин (L (dfl = 2, df2 = 149) 0,879, р (0,42)), осюльки р > 0,05. Результати однофактор-ного диспер^йного анализу подано у формi оригтально! таблищ iз SPSS (табл. 4).
Результат аналiзy свiдчить про те, що рiзниця мiж середнiми е ютотною (p(F) = 0,018, < 0,05). Для встановлення того, яю саме середш вiдрiзняються мiж собою, використовуемо тест "Тую". Отримаш значення вказують на ютот-ну рiзницю лише мiж зразками кори, отриманими iз дерев першого i третього та другого i третього сощального класiв. Мiж деревами першого i другого кла-сiв рiзниця виявилася неютотною (табл. 5, оригiнал таблищ iз SPSS).
Табл. 4. Результаты однофакторного дисперсшного анализу залежност1 мiж середньою щтьтстю кори стовбурiв дерев i сощальними класами деревостану _(ANOVA)_
Sum of Squares (сума квадратш вщхилень) D/ (юльюсть ступешв свободи) Mean Square середньоквадра-тичне значення) F Sig. (значення р)
Between Groups (М1ж групами вибфок) 0,016 2 0,008 4,123 0,018
Within Groups (В середин! груп вибфок) 0,298 149 0,002 - -
Total (Разом) 0,314 151 - - -
Табл. 5. Результати порiвняльноí статистики середньоЧ щтьностг кори стовбура у дерев 1з рiзних сощальних кла^в (СР) деревостану
(I) CP# Mean Difference (I-J) (рЬниця м1ж середшми) Std. Error (основна помилка) Sig. (значення р) 95 % Confidence Interval (довфчий штервал при Р 95 %))
Lower Boun (нижня межа) Upper Bound (верхня межа)
1 2 -0,000478 0,009064 0,998 -0,02194 0,02098
3 0,021500* 0,009026 0,048 0,00013 0,04287
2 1 0,000478 0,009064 0,998 -0,02098 0,02194
3 0,021978* 0,008646 0,032 0,00151 0,04245
3 1 -0,021500* 0,009026 0,048 -0,04287 -0,00013
2 -0,021978* 0,008646 0,032 -0,04245 -0,00151
Примака: * The mean difference is significant at the 0,05 level (Примака. Вщхи-лення мiж середшми значеннями е ютотними на 5 % piBHi значущсю^)
Результати анал1зу дають змогу згрупувати значення, отримаш для дерев першого i другого клас1в та пор1вняти !х знову 1з значеннями дерев третього класу за допомогою T-test методу. Однорщшсть дисперсп (тест Ле-вена) при цьому зберiгаеться (L (d/,150) 0,296, р (0,587)). Результати аналiзу пiдтверджують статистично достовiрну рiзницю середнiх значень показниюв базисно1 щшьносп кори стовбурiв (t (d/,150) 2,881, р (0,005)).
Статистична характеристика отриманих середшх, наведена в табл. 6, вказуе на те, що середне значення базисно! щшьносп кори для дерев iз пашв-но1 та середньо! частин дорiвнюе 244±4 кг/м3, а для кори дерев iз тдлегло! частини - 222±6 кг/м3.
Табл. 6. Статистична характеристика зразшв щтьностг кори стовбура (BD), г/см3у дерев i3 рпних соцальних клаtin деревостану
Соц1- Юльюсть Крайш значення Середня величина Стандар- Дис-перая Коеф. Точ-
альний мшь макси- значен- основна тне вщхи- вар> шсть
клас мальне мальне ня помилка лення ацн дослщу
1&2 98 0,152 0,359 0,244 0,004 0,045 0,002 18 2
3 54 0,122 0,316 0,222 0,006 0,045 0,002 20 3
Висновки. Застосування критерпв пакету програм SPSS дозволило виявити частково достовiрну рiзницю мiж щшьшстю кори у дерев, mi вирос-тали в рiзних умовах освiтлення крони, а саме мiж середнiми значеннями дерев iз пашвно! та середньо! частин разом й дерев з тдлегло! частини.
Отже, можна вважати, що щшьнють кори у дослщжених дерев ялини европейсько! залежить вiд соцiального становища дерева - у пашвних дерев вона вища, а у пiдлеглих - нижча.
Л1тература
1. Горошко М.П. Бюметр1я / М.П. Горошко, С.1. Миклуш, П.Г. Хомюк. - Льв1в : Вид-во "Камула", 2004. - 236 с.
2. ГОСТ 16483.1-84 Древесина. Методы определения плотности. Введ. 01.01.1985. - М. : Изд-во стандартов. 1985. - 12 с.
3. Лакида П.1. Фгтомаса лгав Укра!ни : монограф1я / П.1. Лакида. - Тернотль : Вид-во "Збруч", 2002. - 256 с.
4. Лакида П.И. Определение параметров биомассы деревьев / П.И. Лакида // Молодые ученые - лесной экономике. - М. : Изд-во ВНИИЛМ, 1989. - С. 104-105.
5. Cannell M.G. R. World forest biomass and primary production data / M. G. R. Cannell. -London; New York : Academic Press, 1982. - 391 p.
6. Karabchuk Dmytro. Ground-based estimation of aboveground live biomass in spruce forests of the Carpathian Mountains, Ukraine / Dmytro Karabchuk, William S. Keeton, Horoshko Myron // The Conference Abstracts of the 2nd Forum Carpaticum 2012: From Data to Knowledge - from Knowledge to Action / Editor: Martin Boltiziar. Institute of Landscape Ecology, Slovak Academy of Sciences, Bratislava, Branch Nitra, 2012. [Electronic resource]. - Mode of access http://www.uke.sav.sk/fc/fc_2012/Download/FC2012_Conference_Abstracts.pdf.
7. Kuyah S. Allometric equations for estimating biomass in agricultural landscapes: I. Aboveground biomass / S. Kuyah, J. Dietz, C. Muthuri, R. Jamnadass, P. Mwangi, R. Coe, H. Neufeldt // Agriculture, Ecosystems & Environment. - 2012. - № 158. - Р. 216-224.
8. Niklas K.J. Plant allometry. The scaling of form and process / K.J. Niklas. - Chicago, IL, USA: The University of Chicago Press, 1994. - 236 p.
9. Nordstokke D.W. A new nonparametric levene test for equal variances / D. W. Nordstokke, B.D. Zumbo // Psicologica. - 2010. - Vol. 31, № 2. - Р. 401-430.
10. Norusis M. Ja. IBM® SPSS® statistics 19 guide to data analysis / Marija J. Norusis. -Upper Saddle River. - New York : Prentice Hall, 2012. - 672 p.
11. Norusis M. Jb. IBM SPSS Statistics 19 statistical procedures companion / Marija J. Norusis. - Upper Saddle River. - New York : Prentice Hall, 2012. - 672 p.
12. Norusis M. Jc. IBM SPSS statistics 19 advanced statistical procedures companion / Marija J. Norusis. - Upper Saddle River. - New York : Prentice Hall, 2012. - 464 p.
13. Panshin A.J. Textbook of Wood Technology / A.J. Panshin, C. De Zeeuw. - New York : McGraw-Hill Book Co, 1980. - 236 p.
14. Shapiro S.S. An analysis of variance test for normality (complete samples) / S.S. Shapiro, M.B. Wilk // Biometrika. - 1965. - № 52. - Р. 591-611.
15. Sopushynskyy I. The influence of site factors on wood density and moisture content of beech in the Ukrainian Carpathians / I. Sopushynskyy, I. Vintoniv, A. Teischinger, R. Michalak // Wood Research. - 2005. - Vol. 50, № 1. - Р. 43- 49.
16. SPSS Statistics Base 20.0 User's Guide. - Chicago. IL: SPSS Inc., 2011. - 314 p. [Electronic resource]. - Mode of access http://www.public.dhe.ibm.com/software/analytics/spss/ documentation/statistics/20.0/en/client/Manuals/IBM_SPSS_Statistics_Base.pdf.
17. Tukey. J.W. Exploratory Data Analysis / J.W. Tukey (Ed.). - Reading, MA : Addison-Wesley, 1977. - 236 p.
18. Wirth C. Generic biomass functions for Norway spruce in Central Europe - a meta-analysis approach toward prediction and uncertainty estimation / C. Wirth, J. Schumacher, E.D. Schulze // Tree Physiology. - 2004. - № 24. - Р. 121-139.
Карабчук Д. Ю., Хомюк П.Г. Особенности использования программного обеспечения SPSS для оценки различия средних значений разных выборок коры стволов ели
Охарактеризованы возможности применения пакета SPSS для оценки существенности разницы между выборочными средними отдельных выборок. Описаны критерии, по которым можно судить о нормальности распределения признаков, а также оценивать расхождение между средними значениями. Приведен пример при-
менения параметрических критериев для выявления различия средних показателей параметров плотности коры стволов ели европейской.
Ключевые слова: параметрические критерии, непараметрические критерии, существенность разницы, параметрическая оценка, нормальное распределение, уровень доверия, базисная плотность коры ствола, ель европейская, социальные классы деревьев.
Karabchuk D. Yu., KhomiukP.G. Using statistical software SPSS package in comparing the mean values of independent bark density samples
The article is student oriented and should help to discover statistical possibilities of SPSS application package for the normality of distribution characteristics, and the estimation of difference between the studied samples mean by parametric and non-parametric tests. An example of parametric criteria is shown in order to identify the significance of differences in evaluation of stem bark of Norway spruce in The Ukrainian Carpathians. It is concluded that bark density is significantly different in trees from dominant and codomi-nant positions than in trees from intermediate social class.
Keywords: parametric tests, nonparametric tests, significance of differences, compare means analyze, normal distribution, confidence level, stem bark basic density, Norway spruce, tree social classes (canopy positions).
УДК[581.[2+4](582.74)](477) Астр. I.О. Рибалка1; ст. викл. Ю.1. Вергелес1;
пров. наук. спгвроб. I.M. Ковалъ2, канд. с.-г. наук
ВПЛИВ ОМЕЛИ Б1ЛО1 (VISCUM ALBUM L.) НА ДИНАМ1КУ
РАД1АЛЬНОГО ПРИРОСТУ КЛЕНА СР1БЛЯСТОГО (ACER SACCHARINUM L.) У Л1СОСТЕПОВ1Й ЗОН1 УКРА1НИ
Дослщжено вплив омели бшо! (Viscum album L.) на рад1альний прирют клена ср1блястого (Acer saccharinum L.) у Люостеповш зош Укра!ни. Встановлено, що у листопадних вид1в дерев, до яких належить клен ср1блястий, з1 збшьшенням кшькос-т кущ1в омели зростае показник рад1ального приросту деревини. Показано, що ура-жеш рослиною-нашвпаразитом дерева стають бшьш чутливими до впливу зовшшшх чинниюв довкшля.
Ключовг слова: омела бша, клен ср1блястий, насадження, рад1альний прирют деревини, змши кл1мату.
Вступ. Поширення омели бшо! (Viscum album L.) виявляе загрозу для дерев у люах, полезахисних смугах, садах, парках i скверах мiст. Ця рослина-напiвпаразит iз широкою вибiрковою здатнiстю заселяе багато видiв дерев, зокрема топол^ липи, клени, глоди, верби, осику, ялину, сосну та вирiз-няеться серед iнших рослин-натвпаразипв значно бiльшою шкiдливiстю. За-селення омелою спричиняе зниження енергп росту дерев та !х довговiчностi, втрату декоративност та врожайностi, а врештьрешт призводить до частко-во! або суцшьно! сyховерхостi та поступового усихання дерева [9, 12, 13].
Так, дослщження, проведет у Швейцарп, довели, що стутнь усихання дерев залежить вiд ступеня зрiдження крон i зараженостi омелою. За одна-кового вiдсотка зрiдження крон iмовiрнiсть вiдмирання дерев iз високим та
1 Харювська нащональна академ1я мкького господарства, м. Харюв;
2 Украшський ордена "Знак Пошани" науково-достдний шститут лкового господарства та агротсомелюрацн ¡м. Г.М. Висоцького, м. Харюв
