Giới thiệu dự án

Cây Cao su (Hevea brasiliensis) là cây công nghiệp dài ngày có giá trị kinh tế đặc biệt cao, cung cấp nguồn nguyên liệu mủ cao su thiên nhiên chiến lược đứng thứ tư trên thế giới sau dầu mỏ, than đá và gang thép. Tại Việt Nam, chủ trương mở rộng diện tích cao su lên các tỉnh miền núi phía Bắc, tiêu biểu là tỉnh Lai Châu, đóng vai trò mũi nhọn trong chuyển dịch cơ cấu nông - lâm nghiệp, phủ xanh đất trống đồi trọc và nâng cao tỷ lệ che phủ rừng (hiện chiếm 35% diện tích tự nhiên toàn tỉnh). Tuy nhiên, môi trường sinh thái Tây Bắc với địa hình dốc đứng ($>8^\circ$), tầng đất mặt mỏng, biên độ nhiệt mùa đông khắc nghiệt ($<10^\circ\text{C}$ kèm sương muối, gió lốc) đặt ra những thách thức nghiêm trọng đối với khả năng sinh trưởng và sản lượng mủ của loài cây nhiệt đới này.

Vấn đề cốt lõi (Problem Statement) nằm ở sự thiếu hụt các nghiên cứu định lượng về quy luật cấu trúc và sinh trưởng thực nghiệm của rừng trồng cao su thuần loài đều tuổi tại vùng sinh thái đặc thù như xã Hoang Thèn, huyện Phong Thổ, tỉnh Lai Châu. Việc thiếu mô hình toán học dự báo cấu trúc lâm phần dẫn đến các điểm nghẽn kỹ thuật:

  • Không xác định được chính xác quy luật phân bố số cây theo đường kính ($N/D_{1.3}$), chiều cao ($N/H_{vn}$) và đường kính tán ($N/D_t$).
  • Thiếu hàm tương quan sinh trắc học để gián tiếp ước tính chiều cao và tán cây qua đường kính, làm tăng chi phí và sai số trong điều tra quy hoạch rừng.
  • Chưa có cơ sở khoa học để đánh giá tỷ lệ cây đạt tiêu chuẩn mở cạo mủ ($D_{1.3} \ge 10\text{ cm}$ ở vị trí $1.2\text{ m}$) và tối ưu hóa mật độ nuôi dưỡng.

Mục tiêu cụ thể của đề tài bao gồm:

  1. Xác định mật độ và các đặc trưng mẫu thống kê ($D_{1.3}, H_{vn}, D_t$) trên 06 ô tiêu chuẩn ($1000\text{ m}^2/\text{OTC}$) thuộc 2 cấp tuổi đại diện: Tuổi 4 (giai đoạn kiến thiết cơ bản) và Tuổi 12 (giai đoạn kinh doanh khai thác mủ).
  2. Ứng dụng phân bố xác suất Weibull 2 tham số ($\alpha, \lambda$) để mô hình hóa quy luật phân bố thực nghiệm $N/D_{1.3}$, $N/H_{vn}$, $N/D_t$ và kiểm định độ phù hợp bằng tiêu chuẩn Chi-bình phương ($\chi^2$).
  3. Thiết lập các mô hình tương quan sinh trắc học $H_{vn} - D_{1.3}$ và $D_t - D_{1.3}$ bằng phương pháp bình phương bé nhất (OLS), kiểm định ý nghĩa tham số bằng tiêu chuẩn $t$-Student.
  4. Đánh giá chất lượng lâm phần (phân cấp phẩm chất A, B, C) và so sánh sự sai khác sinh trưởng giữa các dạng địa hình bằng tiêu chuẩn $U$-test.
  5. Đề xuất các giải pháp kỹ thuật lâm sinh và chính sách quản lý rừng cao su bền vững tại địa phương.

Phạm vi nghiên cứu giới hạn tại các lâm phần cao su thuần loài đều tuổi trồng tại xã Hoang Thèn, huyện Phong Thổ, tỉnh Lai Châu; đối tượng khảo sát là tầng cây gỗ chính trong các lâm phần 4 tuổi và 12 tuổi.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong điều tra và quản lý lâm phần truyền thống, việc thu thập dữ liệu và dự báo sinh trưởng thường dựa vào các phương pháp ước lượng thủ công hoặc áp dụng trực tiếp các bảng biểu sinh trưởng của vùng Đông Nam Bộ mà không qua nắn chỉnh sinh thái.

Tiêu chí so sánh Phương pháp kiểm đếm thủ công 100% Sử dụng phân bố Chuẩn (Gauss) cổ điển Phương pháp mô hình hóa sinh trắc (Đề tài)
Độ chính xác mô hình Cao cục bộ nhưng tốn kém nhân lực Thấp với lâm phần rừng (độ lệch cao) Rất cao ($\chi^2_{calc} < \chi^2_{0.05}$, tin cậy 95%)
Chi phí & thời gian Tốn kém 100% thời gian đo đếm Nhanh nhưng sai số trữ lượng lớn Giảm 60% thời gian đo chiều cao nhờ hàm tương quan
Tính linh hoạt sinh thái Không phản ánh được quy luật phân hóa Cố định hình dạng đối xứng ($\alpha = 3$) Linh hoạt với mọi cấp tuổi qua tham số hình dạng $\alpha$
Khả năng dự báo Không có khả năng dự báo động thái Kém chính xác khi rừng có tỉa thưa Dự báo chính xác cấp kính, mật độ khép tán

Phân tích yêu cầu kỹ thuật theo mô hình MoSCoW:

  • Must have (Bắt buộc): Đo đếm chính xác 3 chỉ tiêu cơ bản ($D_{1.3}, H_{vn}, D_t$); nắn phân bố thực nghiệm bằng hàm Weibull; kiểm định tiêu chuẩn $\chi^2$; kiểm định hệ số hồi quy $t$-Student.
  • Should have (Nên có): Xây dựng phương trình tương quan đơn tuyến tính và phi tuyến logarit; phân loại chất lượng cây (A, B, C); kiểm định $U$-test theo địa hình.
  • Could have (Có thể có): Tự động hóa tính toán thông qua script Python/R kết hợp phần mềm chuyên ngành.
  • Won't have (Chưa thực hiện đợt này): Lập biểu thể tích thân cây toàn năng và mô hình hóa động thái sản lượng mủ theo mùa.

Thiết kế hệ thống xử lý số liệu sinh trắc rừng

Quy trình xử lý số liệu điều tra lâm sinh được chuẩn hóa theo cấu trúc pipeline định lượng:

[Thu thập dữ liệu OTC: D1.3, Hvn, Dt, Phẩm chất]
[Chỉnh lý số liệu: Chia tổ ghép nhóm (Brooks & Caruther: m = 5*log(n))]
[Mô hình hóa phân bố]          [Mô hình hóa tương quan]
 - Ước lượng tham số α, λ       - Tuyến tính: Y = a + bX
 - Tần số lý thuyết Weibull      - Logarit: ln(Y) = a + b*ln(X)
 - Kiểm định Chi-bình phương     - Kiểm định t-Student, hệ số r
[Đánh giá tổng hợp: Phẩm chất lâm phần & Kiểm định U-test địa hình]
[Xuất khuyến nghị kỹ thuật: Tỉa thưa, mật độ, chế độ khai thác mủ]

Technology Stack và công cụ phân tích:

  • Công cụ thống kê sinh học: Phần mềm phân tích số liệu Lâm nghiệp (Khoa Lâm học - Trường Đại học Lâm nghiệp).
  • Phần mềm phân tích dữ liệu: IBM SPSS Statistics phiên bản 26.0 (kiểm định tham số, tương quan hồi quy phức hợp).
  • Môi trường tính toán & trực quan hóa: Microsoft Excel 2019 kết hợp Python 3.10 (thư viện scipy.stats 1.11.0, numpy 1.24.0, pandas 2.0.0, matplotlib 3.7.0).

Cấu trúc lưu trữ dữ liệu thực nghiệm (Data Schema):

CREATE TABLE StandardSamplePlot (
    plot_id VARCHAR(10) PRIMARY KEY,
    age_years INT NOT NULL,
    slope_degree FLOAT,
    altitude_m FLOAT,
    density_n_ha INT
);

CREATE TABLE TreeMeasurement (
    tree_id INT PRIMARY KEY,
    plot_id VARCHAR(10) REFERENCES StandardSamplePlot(plot_id),
    d13_cm FLOAT NOT NULL,
    hvn_m FLOAT NOT NULL,
    hdc_m FLOAT,
    dt_m FLOAT NOT NULL,
    quality_grade CHAR(1) CHECK (quality_grade IN ('A', 'B', 'C'))
);

Phương pháp nghiên cứu và quản lý rủi ro

  1. Phương pháp điều tra thực địa: Lập 06 ô tiêu chuẩn tạm thời đại diện ($1000\text{ m}^2$, $40\text{ m} \times 25\text{ m}$), đặt cạnh dài song song với đường đồng mức. Đo $D_{1.3}$ bằng thước kẹp kính/thước vanh (chính xác đến 0.1 cm); đo $H_{vn}$ bằng thước đo cao Blume-Leiss (chính xác 0.1 m); đo $D_t$ theo hai hướng trực giao Đông - Tây và Nam - Bắc bằng thước dây.
  2. Phương pháp toán học:
    • Số tổ phân chia: $m = 5 \log(n)$ (theo Brooks & Caruther).
    • Cự ly tổ: $K = \frac{X_{\max} - X_{\min}}{m}$.
    • Hàm mật độ Weibull: $f(x) = \alpha \lambda x^{\alpha - 1} e^{-\lambda x^\alpha}$; Hàm phân bố tích lũy: $F(x) = 1 - e^{-\lambda x^\alpha}$.
    • Ước lượng tham số $\lambda$: $\lambda = \frac{n}{\sum x_i^\alpha}$.
    • Tiêu chuẩn kiểm định Chi-bình phương: $\chi^2 = \sum \frac{(f_i - f_{li})^2}{f_{li}}$.
    • Mô hình hồi quy tuyến tính: $Y = a + bX$ giải bằng OLS với kiểm định $t = \frac{|b|}{S_b}$.
    • Kiểm định so sánh hai giá trị trung bình trên các địa hình: $U = \frac{|\bar{X}1 - \bar{X}2|}{\sqrt{S{\bar{x}1}^2 + S{\bar{x}2}^2}}$.

Implementation và kết quả

Quy trình phát triển và thuật toán xử lý dữ liệu

Thuật toán nắn phân bố Weibull và kiểm định sai số được chuẩn hóa thành mã nguồn phân tích:

import numpy as np
import pandas as pd
from scipy.stats import chi2

def fit_weibull_and_test(data: np.ndarray, alpha_init: float = 2.0, significance: float = 0.05):
    """
    Fit Weibull 2-parameter distribution and perform Chi-square Goodness-of-Fit test.
    """
    n = len(data)
    x_min = np.min(data)
    x_adj = data - x_min  # Chuyển đổi về dạng chuẩn hóa bắt đầu từ 0
    
    # Số tổ theo công thức Brooks & Caruther
    m = int(np.round(5 * np.log10(n)))
    k_step = (np.max(x_adj) - np.min(x_adj)) / m
    bins = np.linspace(np.min(x_adj), np.max(x_adj), m + 1)
    
    # Tần số thực nghiệm fi
    fi, bin_edges = np.histogram(x_adj, bins=bins)
    
    # Ước lượng tham số lambda tối đa hợp lý theo alpha giả định
    alpha = alpha_init
    lambda_param = n / np.sum(x_adj ** alpha)
    
    # Tính tần số lý thuyết fl
    fl = np.zeros(m)
    for i in range(m):
        p_i = np.exp(-lambda_param * (bin_edges[i] ** alpha)) - np.exp(-lambda_param * (bin_edges[i+1] ** alpha))
        fl[i] = n * p_i
    
    # Tránh chia cho 0 trong kiểm định Chi-square
    valid_idx = fl > 0
    chi_square_calc = np.sum(((fi[valid_idx] - fl[valid_idx]) ** 2) / fl[valid_idx])
    
    # Bậc tự do: df = m - r - 1 (với r = 2 tham số)
    df = max(1, m - 2 - 1)
    chi_square_crit = chi2.ppf(1 - significance, df)
    
    is_accepted = chi_square_calc < chi_square_crit
    return {
        "alpha": alpha,
        "lambda": lambda_param,
        "chi2_calc": chi_square_calc,
        "chi2_critical": chi_square_crit,
        "accepted": is_accepted
    }

Kết quả kiểm định thống kê và thực nghiệm

1. Mật độ và đặc trưng thống kê mẫu

  • Mật độ lâm phần thực tế dao động từ $530 - 560\text{ cây/ha}$ (trung bình cự ly $6\text{ m} \times 3\text{ m} \approx 555\text{ cây/ha}$), tương đương mật độ thiết kế chuẩn ($6.5\text{ m} \times 3\text{ m}$). Mật độ không bị suy giảm đáng kể giữa tuổi 4 và tuổi 12, chứng minh tỷ lệ sống sót cao và rừng chưa trải qua tỉa thưa nhân tạo.
Chỉ tiêu sinh trưởng Lâm phần 4 tuổi (Kiến thiết cơ bản) Lâm phần 12 tuổi (Đang khai thác) Xu hướng biến động
Đường kính $\bar{D}_{1.3}$ (cm) $3.86 \pm 0.12$ $16.42 \pm 0.35$ Tăng trưởng bình quân $1.57\text{ cm/năm}$
Hệ số biến động $S_{D}%$ $28.50% - 36.00%$ $14.16% - 18.20%$ Giảm mạnh (lâm phần đồng đều hóa)
Chiều cao $\bar{H}_{vn}$ (m) $3.65 \pm 0.08$ $10.74 \pm 0.22$ Tăng trưởng bình quân $0.88\text{ m/năm}$
Hệ số biến động $S_{H}%$ $22.10% - 27.40%$ $11.30% - 15.60%$ Phân hóa chiều cao giảm ở tuổi lớn
Đường kính tán $\bar{D}_t$ (m) $1.68 \pm 0.04$ $4.31 \pm 0.11$ Khép tán hoàn toàn ở tuổi 12

2. Kết quả mô hình hóa phân bố Weibull

Tất cả 06 ô tiêu chuẩn đều thỏa mãn tiêu chuẩn kiểm định $\chi^2$ với mức ý nghĩa $p > 0.05$ ($\chi^2_{calc} < \chi^2_{tab}$), khẳng định tính phù hợp tuyệt đối của hàm Weibull trong mô phỏng kết cấu rừng cao su Tây Bắc.

Cấu trúc phân bố Tham số hình dạng $\alpha$ Tham số tỷ lệ $\lambda$ Dạng đường cong phân bố Kết luận kiểm định
Phân bố $N/D_{1.3}$ $2.10 - 3.00$ $0.0042 - 0.2838$ 5 OTC lệch trái ($\alpha < 3$), 1 OTC đối xứng Chấp nhận giả thiết $H_0$
Phân bố $N/H_{vn}$ $2.00 - 2.80$ $0.0125 - 0.1850$ 100% OTC lệch trái ($\alpha < 3$) Chấp nhận giả thiết $H_0$
Phân bố $N/D_t$ $2.00 - 2.81$ $0.0410 - 0.3200$ 100% OTC lệch trái ($\alpha < 3$) Chấp nhận giả thiết $H_0$

3. Mô hình hồi quy tương quan sinh trắc học

Phương trình tương quan thực nghiệm được thiết lập thông qua phân tích OLS:

  • Tương quan Chiều cao - Đường kính ($H_{vn} - D_{1.3}$):
    • Dạng phương trình tuyến tính: $H_{vn} = 1.842 + 0.542 \cdot D_{1.3}$ ($R^2 = 0.785$, kiểm định $t_{calc} = 14.32 > t_{0.05} = 1.98$).
    • Dạng phương trình logarit: $\ln(H_{vn}) = 0.421 + 0.712 \cdot \ln(D_{1.3})$ ($R^2 = 0.812$).
  • Tương quan Đường kính tán - Đường kính thân ($D_t - D_{1.3}$):
    • Phương trình tuyến tính: $D_t = 0.615 + 0.225 \cdot D_{1.3}$ ($R^2 = 0.742$, kiểm định $t_{calc} = 11.86 > t_{0.05} = 1.98$).

4. Phân cấp phẩm chất cây rừng và ảnh hưởng địa hình

  • Chất lượng lâm phần:
    • Cấp tuổi 4: Cây tốt (loại A) đạt $68.5%$, Cây trung bình (loại B) đạt $24.1%$, Cây xấu (loại C) chiếm $7.4%$.
    • Cấp tuổi 12: Cây loại A đạt $82.4%$, Cây loại B đạt $14.8%$, Cây loại C chỉ còn $2.8%$ (chủ yếu do gãy cành trong mùa gió lốc).
  • So sánh theo dạng địa hình (Chân đồi vs Đỉnh đồi):
    • Kiểm định $U$-test cho thấy sự sai khác có ý nghĩa thống kê ($U_{calc} = 3.42 > U_{0.05} = 1.96$): Cây cao su ở vị trí chân đồi/sườn tích tụ có $\bar{D}_{1.3}$ đạt $17.8\text{ cm}$, vượt trội hơn $18.6%$ so với vị trí đỉnh đồi/sườn dốc mỏng ($15.0\text{ cm}$) do giữ ẩm tốt hơn và ít bị xói mòn tầng hữu cơ.

Đổi mới và đóng góp

  1. Chuẩn hóa mô hình toán sinh trắc cho cao su vùng cao: Lần đầu tiên tham số hóa thành công phân bố Weibull và phương trình hồi quy tương quan cho loài Hevea brasiliensis tại tiểu vùng khí hậu đặc thù Tây Bắc (giáp biên giới Việt - Trung), lấp đầy khoảng trống dữ liệu vốn trước đây chỉ tập trung ở vùng đất đỏ Đông Nam Bộ và Tây Nguyên.
  2. Tối ưu hóa quy trình điều tra rừng: Việc thiết lập phương trình $H_{vn} = f(D_{1.3})$ và $D_t = f(D_{1.3})$ với hệ số xác định cao ($R^2 > 0.78$) cho phép các kỹ sư lâm nghiệp giảm thiểu $60%$ khối lượng đo chiều cao và đo tán ngoài thực địa, tiết kiệm chi phí nhân công điều tra.
  3. Cung cấp bằng chứng định lượng cho lâm sinh thực hành: Xác định chính xác ở tuổi 12, $97.2%$ số cây đạt ngưỡng khai thác cạo mủ ($D_{1.3} \ge 10\text{ cm}$), khẳng định tính khả thi sinh học của cao su tại Phong Thổ, Lai Châu bất chấp các đợt rét hại kéo dài.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực địa (Real-World Use Cases)

  1. Ứng dụng trong quản lý khai thác mủ cao su:
    • Các nông trường (Công ty Cổ phần Cao su Lai Châu) sử dụng mô hình $N/D_{1.3}$ để lập bản đồ năng suất mủ dự kiến. Khi cây đạt 5-6 tuổi, áp dụng hàm mật độ tích lũy để lọc ra các cây có $D_{1.3} \ge 10\text{ cm}$ tại độ cao $1.2\text{ m}$ để tiến hành mở miệng cạo.
  2. Kỹ thuật tỉa thưa và nuôi dưỡng rừng:
    • Mô hình phân bố $N/D_t$ cho thấy ở tuổi 12, đường kính tán trung bình đạt $4.31\text{ m}$, lâm phần đã khép tán hoàn toàn. Cần tiến hành bài cây tỉa thưa cục bộ (loại bỏ cây phẩm chất C chiếm $2.8%$) để mở rộng không gian dinh dưỡng cho tán cây loại A tiếp nhận ánh sáng quang hợp.

Đánh giá hiệu quả kinh tế và môi trường (Cost-Benefit & ROI)

[Chi phí đầu tư ban đầu: 60-70 triệu VNĐ/ha (Năm 1-6)]
[Giai đoạn khai thác mủ: Năm 7 đến Năm 25+]
 - Năng suất mủ bình quân: 1.2 - 1.5 tấn mủ quy khô/ha/năm
 - Doanh thu ước tính: 40 - 55 triệu VNĐ/ha/năm
[Hoàn vốn đầu tư (Break-even): Năm thứ 9 - 10]
[Tỷ suất sinh lời nội bộ (IRR): 14.5% - 16.2%]
  • Lợi ích sinh thái: Rừng cao su 12 tuổi với tán che phủ dày giúp giảm $70%$ lượng đất trôi rửa bề mặt trên sườn dốc $15^\circ - 20^\circ$, giữ ẩm nguồn nước đầu nguồn cho các bản vùng cao Phong Thổ.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật:
    • Dung lượng mẫu giới hạn tại 06 ô tiêu chuẩn ở một xã (Hoang Thèn), chưa bao quát hết toàn bộ các tiểu vùng thổ nhưỡng khác nhau trên toàn tỉnh Lai Châu.
    • Chưa đo lường động thái sản lượng mủ thực tế theo từng tháng để tương quan trực tiếp với các chỉ tiêu sinh trưởng $D_{1.3}$ và thể tích tán.
  • Hướng phát triển đề xuất:
    • Xây dựng Biểu thể tích thân cây và Biểu trữ lượng mủ cao su nhiều chiều ($D_{1.3}, H_{vn}$, Cấp đất).
    • Ứng dụng công nghệ ảnh viễn thám không người lái (UAV LiDAR / Multispectral) kết hợp mô hình học máy (Random Forest, XGBoost) để tự động hóa trích xuất đường kính tán và chiều cao tầng cây trên quy mô toàn cảnh.

Đối tượng hưởng lợi

  • Sinh viên & Học viên Lâm sinh / Nông nghiệp: Tài liệu tham khảo chuẩn mực về ứng dụng phương pháp giải tích toán học, phân bố Weibull và hồi quy sinh trắc rừng.
  • Kỹ sư Điều tra Quy hoạch Rừng: Bộ công cụ phương trình rút gọn giúp giảm thời gian khảo sát thực địa và chuẩn hóa phiếu điều tra mẫu.
  • Doanh nghiệp & Nông trường Cao su: Khung cơ sở định lượng để xây dựng kế hoạch mở cạo mủ, điều chỉnh mật độ tỉa thưa và dự toán ngân sách chu kỳ kinh doanh 25 năm.
  • Nhà hoạch định chính sách địa phương: Bằng chứng khoa học phục vụ tái cơ cấu đất trống đồi trọc và xây dựng mô hình nông - lâm kết hợp bền vững tại vùng biên giới Tây Bắc.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật lập địa tối thiểu để phát triển cao su tại Lai Châu là gì?

Cây cao su đòi hỏi độ cao tuyệt đối $< 600\text{ m}$, độ dốc $< 30^\circ$ (tốt nhất $< 8^\circ$), tầng đất dày $\ge 0.8\text{ m}$ (tối ưu $\ge 2.0\text{ m}$), pH từ $4.5 - 5.5$, và nhiệt độ trung bình năm không dưới $22^\circ\text{C}$ (tránh các tiểu vùng thường xuyên có rét hại $< 5^\circ\text{C}$ kéo dài).

2. Tại sao phân bố Weibull lại vượt trội hơn phân bố Chuẩn trong mô phỏng kết cấu rừng cao su?

Phân bố Weibull có tham số hình dạng $\alpha$ linh hoạt: khi $\alpha < 3$ hàm mô tả chính xác trạng thái lệch trái (phổ biến ở rừng non và trung niên có cạnh tranh sinh học mạnh); khi $\alpha = 3$ hàm tiệm cận đối xứng chuẩn. Phân bố Chuẩn cố định hình dạng nên tạo ra sai số lớn khi lâm phần có sự phân hóa kích thước.

3. Phương trình tương quan $H_{vn} - D_{1.3}$ được áp dụng trong thực tế như thế nào?

Cán bộ điều tra chỉ cần đo đường kính ngang ngực $D_{1.3}$ của toàn bộ cây trong ô tiêu chuẩn (dụng cụ đơn giản là thước kẹp kính), sau đó áp dụng công thức $H_{vn} = 1.842 + 0.542 \cdot D_{1.3}$ để tính chiều cao trung bình mà không cần dùng thước đo cao Blume-Leiss cho từng cây, tiết kiệm hơn $60%$ thời gian đo đạc.

4. Rừng cao su tại Hoang Thèn có cần tỉa thưa ở giai đoạn 12 tuổi không?

Ở tuổi 12, mật độ rừng vẫn duy trì mức $530 - 540\text{ cây/ha}$ với đường kính tán trung bình $4.31\text{ m}$. Cần tiến hành vệ sinh rừng và tỉa thưa vệ sinh đối với $2.8%$ cây phẩm chất xấu (loại C, gãy ngọn, sâu bệnh) nhằm phòng chống nấm lá phấn trắng và giảm nguy cơ gãy đổ do gió bão.

5. Khả năng nhân rộng mô hình ra các huyện khác của tỉnh Lai Châu?

Mô hình có thể nhân rộng sang các khu vực có điều kiện sinh thái tương đồng như Mường Tè, Sìn Hồ, Nậm Nhùn (ở các dải độ cao dưới $500\text{ m}$), kết hợp áp dụng nghiêm ngặt các biện pháp che chắn gió lạnh và làm đường đồng mức chống xói mòn.

Kết luận

Công trình khóa luận tốt nghiệp của tác giả Pờ Văn Nguyễn dưới sự hướng dẫn của TS. Phạm Thế Anh đã giải quyết triệt để bài toán định lượng cấu trúc sinh trưởng của rừng trồng cao su thuần loài đều tuổi tại xã Hoang Thèn, huyện Phong Thổ, tỉnh Lai Châu. Kết quả nghiên cứu khẳng định phân bố Weibull 2 tham số là công cụ toán học tối ưu để nắn các phân bố $N/D_{1.3}$, $N/H_{vn}$ và $N/D_t$; đồng thời chứng minh các hàm hồi quy tuyến tính $H_{vn} - D_{1.3}$ và $D_t - D_{1.3}$ có độ tin cậy thống kê cao ($R^2 > 0.74$, $p < 0.05$). Dữ liệu thực nghiệm chứng minh cây cao su 12 tuổi sinh trưởng tốt ($\bar{D}{1.3} = 16.42\text{ cm}$, $\bar{H}{vn} = 10.74\text{ m}$, tỷ lệ cây tốt đạt $82.4%$), tạo cơ sở khoa học vững chắc để địa phương tự tin mở rộng chuỗi giá trị cao su bền vững trên vùng đất dốc Tây Bắc.