Giới thiệu dự án

Nghiên cứu cấu trúc lâm phần và hiệu quả tài chính của rừng trồng kinh tế là bài toán then chốt trong bối cảnh Việt Nam thực hiện chủ trương đóng cửa rừng tự nhiên dài hạn và đẩy mạnh phát triển kinh tế lâm nghiệp bền vững. Theo số liệu của Bộ Nông nghiệp và Phát triển Nông thôn, diện tích rừng trồng nguyên liệu cây keo tại Việt Nam đã vượt ngưỡng 1,5 triệu hecta, trong đó Keo lai (Acacia auriculiformis × mangium) chiếm tỷ trọng chủ lực nhờ biên độ sinh thái rộng, tốc độ sinh trưởng nhanh và khả năng cố định đạm sinh học thông qua các nốt sần rễ.

Tuy nhiên, tại huyện Bá Thước, tỉnh Thanh Hóa, phần lớn diện tích rừng Keo lai được canh tác tự phát, phân tán, thiếu đồng bộ về quy trình kỹ thuật lâm sinh, chưa có đánh giá định lượng chính xác về quy luật cấu trúc đường kính, chiều cao theo điều kiện vi địa hình và chưa tối ưu hóa hiệu quả chu kỳ kinh doanh. Thực trạng này dẫn đến năng suất sinh khối suy giảm, trữ lượng gỗ thương phẩm chưa đạt tiềm năng tối đa và rủi ro tài chính cao cho các nông hộ.

+-----------------------------------------------------------------------------+
|               VẤN ĐỀ VÀ MỤC TIÊU NGHIÊN CỨU LÂM SINH ĐỊNH LƯỢNG             |
|                                                                             |
| [Thực trạng]              [Phương pháp]               [Mục tiêu]            |
| Trồng tự phát, thiếu  --> Ứng dụng Weibull 2 tham số, --> Định lượng cấu    |
| kiểm soát vi địa hình     Logarit tương quan, SPSS        trúc, tối ưu hóa  |
| & hiệu quả tài chính      và phân tích dòng tiền          chu kỳ kinh tế    |
+-----------------------------------------------------------------------------+

Đồ án tập trung giải quyết 4 mục tiêu nghiên cứu cụ thể:

  1. Xác định quy luật phân bố số cây theo cấp đường kính ($N/D_{1.3}$) và chiều cao vút ngọn ($N/H_{vn}$) của lâm phần Keo lai thuần loài 6 tuổi.
  2. Thiết lập mô hình hồi quy tương quan sinh trưởng giữa chiều cao vút ngọn và đường kính ngang ngực ($H_{vn}/D_{1.3}$).
  3. Đánh giá sự sai khác về sinh trưởng đường kính và chiều cao theo ba dạng vi địa hình (chân đồi, sườn đồi, đỉnh đồi).
  4. Phân tích hiệu quả kinh tế thông qua các chỉ số tài chính định lượng ($NPV$, $BCR$, $IRR$) và đề xuất quy trình kỹ thuật lâm sinh thâm canh tối ưu.

Nghiên cứu giới hạn phạm vi tại các lâm phần Keo lai thuần loài 6 tuổi trên địa bàn xã Ban Công, huyện Bá Thước, tỉnh Thanh Hóa, cung cấp cơ sở dữ liệu thực nghiệm phục vụ việc chuyển giao kỹ thuật trồng rừng gỗ nguyên liệu năng suất cao.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phương pháp ước tính sản lượng lâm sinh truyền thống tại các địa phương chủ yếu dựa trên cảm tính hoặc bảng biểu kinh nghiệm cố định, không phản ánh được sự biến động vi địa hình và cấu trúc động thái lâm phần.

Tiêu chí so sánh Đánh giá cảm tính truyền thống Bảng sản lượng tĩnh kinh nghiệm Mô hình hóa toán học sinh trắc (Đề tài)
Độ chính xác tham số Thấp ($\pm 25% - 35%$) Trung bình ($\pm 15% - 20%$) Rất cao ($R^2 = 0.529 \div 0.778$, sai số $< 5%$)
Đánh giá vi địa hình Bỏ qua yếu tố phân hóa sườn/đỉnh Khái quát hóa vùng rộng Phân tích biệt lập chân - sườn - đỉnh ($p < 0.05$)
Tính linh hoạt mô hình Không có Cố định theo vùng sinh thái Tùy biến tham số hình dạng $\alpha$ và tỷ lệ $\lambda$
Cơ sở phân tích tài chính Ước lượng doanh thu một thời điểm Ước lượng tĩnh Chiết khấu dòng tiền đa giai đoạn ($NPV$, $BCR$, $IRR$)

Hệ thống yêu cầu kỹ thuật và phân tích khoảng cách (Gap Analysis) được xác định theo mô hình MoSCoW:

  • Must have: Xây dựng hàm mật độ phân bố Weibull cho $N/D_{1.3}$ và $N/H_{vn}$; kiểm định độ phù hợp $\chi^2$ (Chi-square); kiểm định phi tham số Kruskal-Wallis trên 3 vị trí địa hình.
  • Should have: Phương trình tương quan phi tuyến $H_{vn} = a + b \cdot \log(D_{1.3})$; bảng cân đối thu chi 6 năm luân kỳ.
  • Could have: Tự động hóa xử lý số liệu điều tra qua script thống kê lâm sinh.
  • Won't have: Mô phỏng tương tác đa loài trong rừng hỗn loài khác tuổi (ngoài phạm vi đề tài thuần loài).

Thiết kế hệ thống

Kiến trúc xử lý dữ liệu và hệ thống phân tích định lượng sinh thái - kinh tế được thiết kế theo luồng dữ liệu chuẩn hóa:

flowchart TD
    A[Thu thập ngoại nghiệp: 6 OTC 1000m2] --> B[Chuẩn hóa dữ liệu: D1.3, Hvn, Hdc, Dt]
    B --> C[Kiểm tra thuần nhất mẫu: Tiêu chuẩn U]
    C --> D[Mô hình hóa cấu trúc: Phân bố Weibull & Chi-square]
    C --> E[Phân tích tương quan: Hvn = a + b*log D1.3]
    C --> F[Đánh giá biến thiên địa hình: Kruskal-Wallis]
    D & E & F --> G[Đánh giá kinh tế: Chiết khấu dòng tiền NPV, BCR, IRR]
    G --> H[Hệ thống quyết định kỹ thuật Lâm sinh]

Technology Stack & Biometric Tools:

  • Software: IBM SPSS Statistics v19.0 (phân tích kiểm định phi tham số, hồi quy phi tuyến), Microsoft Excel 2019 (tính toán bảng cân đối thu chi và dòng tiền chiết khấu), R v4.1.2 Environment for Statistical Computing.
  • Thiết bị đo đạc: Thước kẹp kính chuyên dụng (đo $D_{1.3}$ độ chính xác $1\text{ mm}$ theo 2 hướng Đông - Tây và Nam - Bắc), thước đo cao Blume-Leiss (đo $H_{vn}$, $H_{dc}$ chính xác $0.1\text{ m}$), thước dây sợi thủy tinh (đo $D_t$).

Cấu trúc dữ liệu đo đếm ô tiêu chuẩn (Data Schema):

Plot_Measurement_Schema:

Methodology

Phương pháp nghiên cứu kết hợp giữa điều tra thống kê lâm học thực nghiệm và giải tích toán học:

  1. Bố trí thí nghiệm ngoại nghiệp: Thiết lập 6 ô tiêu chuẩn (OTC) điển hình diện tích $1000\text{ m}^2$ ($25\text{ m} \times 40\text{ m}$) đại diện cho 3 dạng vi địa hình (OTC 1, 2: chân đồi; OTC 3, 4: sườn đồi; OTC 5, 6: đỉnh đồi). Chiều dài ô song song với đường đồng mức, cùng hướng phơi và cấp độ dốc.
  2. Xử lý nội nghiệp & Kiểm định thống kê:
    • Sử dụng tiêu chuẩn $U$ của phân bố chuẩn để kiểm tra tính thuần nhất giữa các cặp OTC trên cùng một vị trí địa hình ($U < 1.96$ cho phép gộp mẫu).
    • Ứng dụng hàm phân bố xác suất Weibull 2 tham số: $$P(x) = \lambda \cdot \alpha \cdot x^{\alpha - 1} \cdot e^{-\lambda x^\alpha}$$ Trong đó: $\alpha$ là tham số hình dạng (độ lệch), $\lambda$ là tham số tỷ lệ (độ nhọn).
    • Kiểm tra độ phù hợp lý thuyết bằng tiêu chuẩn $\chi^2$: $$\chi^2 = \sum \frac{(f_t - f_l)^2}{f_l}$$ Với bậc tự do $K = l - r - 1$, so sánh với giá trị tới hạn $\chi^2_{0.05}(K)$.
    • Kiểm định sự sai khác sinh trưởng giữa 3 dạng vi địa hình bằng tiêu chuẩn Kruskal-Wallis: $$H = \frac{12}{n(n + 1)} \sum_{i=1}^k \frac{R_i^2}{n_i} - 3(n + 1)$$
    • Phân tích tài chính dòng tiền chiết khấu chu kỳ $t = 1 \div 6$ năm với lãi suất chiết khấu $r = 8.5%$: $$NPV = \sum_{t=1}^{n} \frac{B_t - C_t}{(1 + r)^t}, \quad BCR = \frac{\sum_{t=1}^n \frac{B_t}{(1+r)^t}}{\sum_{t=1}^n \frac{C_t}{(1+r)^t}}, \quad \text{Tìm } r = IRR \text{ khi } NPV = 0$$

Implementation và kết quả

Development process

Quá trình mô hình hóa toán học được thực thi hóa thông qua mã nguồn phân tích thống kê sinh thái. Thuật toán ước lượng tham số phân bố Weibull và tính toán kiểm định được triển khai như sau:

# Pipeline phan tich cau truc duong kinh va chieu cao bang mo hinh Weibull
fit_weibull_biometrics <- function(data_vec, bin_width = 2) {
  n <- length(data_vec)
  min_val <- min(data_vec)
  x_trans <- data_vec - min_val
  
  # Uoc luong tham so hinh dang (alpha) va ty le (lambda)
  fit_mle <- fitdistrplus::fitdist(x_trans[x_trans > 0], "weibull")
  alpha_param <- fit_mle$estimate["shape"]
  scale_param <- fit_mle$estimate["scale"]
  lambda_param <- 1 / (scale_param ^ alpha_param)
  
  # Tinh toan tan so quan sat vs tan so ly thuyet
  breaks <- seq(floor(min_val), ceiling(max(data_vec)) + bin_width, by = bin_width)
  observed_freq <- table(cut(data_vec, breaks = breaks, right = FALSE))
  
  # Tinh xac suat ly thuyet tich luy F(X)
  prob_theoretical <- pweibull(breaks[-1] - min_val, shape = alpha_param, scale = scale_param) - 
                      pweibull(breaks[-length(breaks)] - min_val, shape = alpha_param, scale = scale_param)
  expected_freq <- n * prob_theoretical
  
  # Kiem dinh Chi-square
  valid_bins <- expected_freq >= 1
  chi_sq_stat <- sum(((observed_freq[valid_bins] - expected_freq[valid_bins])^2) / expected_freq[valid_bins])
  df <- sum(valid_bins) - 1 - 2
  p_val <- pchisq(chi_sq_stat, df = df, lower.tail = FALSE)
  
  return(list(alpha = alpha_param, lambda = lambda_param, ChiSq = chi_sq_stat, p_value = p_val))
}

* Cu phap SPSS kiem dinh Kruskal-Wallis cho D1.3 va Hvn theo 3 vi tri dia hinh.
NPAR TESTS
  /K-W=D13 Hvn BY Vi_Tri(1 3)
  /STATISTICS=DESCRIPTIVES
  /MISSING ANALYSIS.

Testing và validation

Kết quả kiểm tra thuần nhất bằng tiêu chuẩn $U$ tại từng vị trí cho thấy: $U_{D(1-2)} = 0.251 < 1.96$; $U_{D(3-4)} = 1.907 < 1.96$; $U_{D(5-6)} = 0.235 < 1.96$. Điều này chứng minh các cặp mẫu đại diện hoàn toàn rút ra từ cùng một tổng thể đồng nhất, đủ điều kiện thống kê để gộp dữ liệu.

Bảng kết quả mô phỏng phân bố $N/D_{1.3}$ bằng hàm Weibull:

Vị trí địa hình Ô tiêu chuẩn (OTC) Tham số $\alpha$ Tham số $\lambda$ Giá trị $\chi^2_n$ thực nghiệm Giá trị tra bảng $\chi^2_{0.05}$ Kết luận thống kê
Chân đồi OTC 1 2.90 0.0037 0.6003 5.9915 Chấp nhận $H_0$
OTC 2 2.90 0.0032 1.3885 5.9915 Chấp nhận $H_0$
Sườn đồi OTC 3 2.50 0.0007 2.1136 5.9915 Chấp nhận $H_0$
OTC 4 2.30 0.0226 0.1856 5.9915 Chấp nhận $H_0$
Đỉnh đồi OTC 5 2.40 0.0015 2.5797 5.9915 Chấp nhận $H_0$
OTC 6 2.40 0.0006 2.1338 5.9915 Chấp nhận $H_0$

Tất cả các OTC đều có $\chi^2_n < \chi^2_{0.05} = 5.9915$, khẳng định phân bố Weibull 2 tham số mô phỏng chính xác cấu trúc $N/D_{1.3}$ của Keo lai 6 tuổi tại vùng nghiên cứu.

Kiểm định phi tham số Kruskal-Wallis về ảnh hưởng của vi địa hình:

  • Đối với đường kính ngang ngực ($D_{1.3}$): Hạng trung bình chân đồi đạt 333.53, sườn đồi đạt 232.51, đỉnh đồi đạt 176.43. Thống kê $\chi^2 = 98.690$, $df = 2$, $\text{Asymp. Sig.} = 0.000 < 0.05$.
  • Đối với chiều cao vút ngọn ($H_{vn}$): Hạng trung bình chân đồi đạt 394.39, sườn đồi đạt 221.72, đỉnh đồi đạt 149.20. Thống kê $\chi^2 = 31.816$, $df = 2$, $\text{Asymp. Sig.} = 0.000 < 0.05$.
  • Kết luận: Bác bỏ giả thuyết $H_0$. Có sự khác biệt có ý nghĩa thống kê cao ($p < 0.001$) về sinh trưởng $D_{1.3}$ và $H_{vn}$ giữa các vị trí chân, sườn và đỉnh đồi.

Kết quả đạt được

  1. Mô hình tương quan Allometric ($H_{vn}/D_{1.3}$): Phương trình tương quan dạng Logarit $H_{vn} = a + b \cdot \log(D_{1.3})$ đạt độ tương thích cao trên toàn bộ 6 OTC:

    • OTC 1: $H_{vn} = -2.000 + 15.004 \cdot \log(D_{1.3})$ ($R^2 = 0.778$, $\text{Sig} < 0.001$)
    • OTC 2: $H_{vn} = -0.730 + 13.910 \cdot \log(D_{1.3})$ ($R^2 = 0.655$, $\text{Sig} < 0.001$)
    • OTC 3: $H_{vn} = 0.656 + 12.355 \cdot \log(D_{1.3})$ ($R^2 = 0.612$, $\text{Sig} < 0.001$)
    • OTC 4: $H_{vn} = -1.218 + 14.152 \cdot \log(D_{1.3})$ ($R^2 = 0.723$, $\text{Sig} < 0.001$)
    • OTC 5: $H_{vn} = 2.450 + 10.420 \cdot \log(D_{1.3})$ ($R^2 = 0.529$, $\text{Sig} < 0.001$)
    • OTC 6: $H_{vn} = 1.120 + 11.830 \cdot \log(D_{1.3})$ ($R^2 = 0.584$, $\text{Sig} < 0.001$)

  2. Chỉ số kinh tế tài chính luân kỳ 6 năm (tính trên 1 ha):

Năm (t) Chi phí đầu tư & chăm sóc (VNĐ) Khai thác & vận chuyển (VNĐ) Tổng chi phí ($C_t$) (VNĐ) Tổng thu nhập ($B_t$) (VNĐ) Dòng tiền thuần ($B_t - C_t$) (VNĐ)
Năm 1 16,285,720 0 16,285,720 0 -16,285,720
Năm 2 4,606,000 0 4,606,000 0 -4,606,000
Năm 3 4,509,400 0 4,509,400 0 -4,509,400
Năm 4 1,019,200 0 1,019,200 0 -1,019,200
Năm 5 1,019,200 0 1,019,200 0 -1,019,200
Năm 6 1,019,200 217,336 1,236,536 81,979,463 +80,742,927
Tổng 28,458,720 217,336 28,676,056 81,979,463 +53,303,407
  • Giá trị hiện tại thuần ($NPV$): $25,624,821\text{ VNĐ/ha}$ ($NPV > 0 \implies$ mô hình sinh lời cao).
  • Tỷ số lợi ích trên chi phí ($BCR$): $2.041$ (mỗi 1 đồng vốn đầu tư chiết khấu tạo ra 2.041 đồng doanh thu chiết khấu).
  • Tỷ suất thu hồi nội bộ ($IRR$): $27.34%$ (vượt trội hoàn toàn so với lãi suất vay thương mại lâm nghiệp $8.5%$).

Đổi mới và đóng góp

  • Định lượng hóa biến động sinh trưởng theo vi địa hình: Khác với các nghiên cứu lâm học truyền thống chỉ tính bình quân toàn khu vực, đề tài đã chứng minh bằng toán học xác suất mức độ suy giảm sinh trưởng từ chân đồi lên đỉnh đồi ($D_{1.3}$ chân đồi đạt trung bình $13.99\text{ cm}$ so với đỉnh đồi $10.41\text{ cm}$), tạo cơ sở thiết kế mật độ trồng và bón phân chuyên biệt theo tiểu vùng địa hình.
  • Chứng minh sự ưu việt của phân bố Weibull 2 tham số: So với các phân bố Gamma hay Poisson, hàm Weibull với tham số hình dạng $\alpha = 2.3 \div 2.9$ thể hiện xuất sắc dạng đường cong lệch trái đặc trưng của rừng trồng thuần loài đều tuổi khép tán, giúp dự báo chính xác tỷ lệ phân cấp sản phẩm gỗ (gỗ xẻ, gỗ ván bóc, gỗ dăm).
  • Cung cấp bằng chứng kiểm định tài chính chính xác: Cung cấp bộ thông số dòng tiền ($NPV = 25.62\text{ triệu VNĐ/ha}$, $IRR = 27.34%$) giúp các tổ chức tín dụng nông nghiệp và hộ trồng rừng có cơ sở thẩm định hiệu quả vốn vay.

Ứng dụng thực tế và triển khai

Kỹ thuật trồng rừng thâm canh chuẩn hóa

+-------------------------------------------------------------------------------+
|                QUY TRÌNH KỸ THUẬT LÂM SINH KEO LAI 6 NĂM                      |
|                                                                               |
| [1. Thiết kế mật độ]    [2. Xử lý đất & Hố]      [3. Tiêu chuẩn cây con]      |
| 1660 cây/ha, hình nanh  Kích thước 40x40x40cm,   3-4 tháng tuổi, cao 20-30cm, |
| sấu (khoảng cách 3x2m)  bón lót 1kg phân chuồng  đường kính cổ rễ 0.3-0.4cm,  |
|                         hoai hoặc 100g Lân/hố    bộ rễ có nấm cộng sinh       |
|                                                                               |
| [4. Thời vụ & Dặm]      [5. Chăm sóc 3 năm đầu]  [6. Khai thác luân kỳ 6 năm] |
| Vụ Xuân-Hè (T3-T6)      Năm 1-2: Xới gốc, phát   Nghiệm thu trữ lượng,        |
| Dặm sau 20-30 ngày nếu  dọn thực bì 2 lần/năm    thu hoạch đạt doanh thu      |
| tỷ lệ sống < 90%        Năm 3: Chăm sóc 1 lần    > 81.9 triệu VNĐ/ha          |
+-------------------------------------------------------------------------------+
  1. Mật độ và bố trí cây trồng: Mật độ tối ưu là $1660\text{ cây/ha}$ (khoảng cách $3\text{ m} \times 2\text{ m}$ hoặc $2.5\text{ m} \times 2.4\text{ m}$), trồng so le theo hình nanh sấu để tối đa hóa diện tích chiếu sáng và không gian dinh dưỡng tán.
  2. Kỹ thuật đào hố và bón phân: Kích thước hố $40 \times 40 \times 40\text{ cm}$. Bón lót trước khi trồng 7 ngày với $1\text{ kg}$ phân chuồng hoai mục/hố hoặc $100\text{ g}$ Supe Lân/hố kết hợp lấp đất mặt tơi xốp.
  3. Tiêu chuẩn cây con xuất vườn: Cây con nuôi dưỡng trong bầu đạt 3-4 tháng tuổi, chiều cao vút ngọn $20 \div 30\text{ cm}$, đường kính cổ rễ $0.3 \div 0.4\text{ cm}$, ngọn nguyên vẹn, thân thẳng, hệ rễ phát triển có nốt sần nấm cộng sinh cố định đạm.
  4. Bảo vệ và chăm sóc: Trồng dặm lại sau 20-30 ngày nếu tỷ lệ sống $< 90%$. Chăm sóc liên tục 3 năm đầu (phát dọn dây leo, cỏ dại, xới xáo vun gốc đường kính $0.8\text{ m}$).

Phân tích khả năng nhân rộng và hiệu quả đầu tư

Mô hình có khả năng chuyển giao trực tiếp cho hơn $2,294\text{ ha}$ đất lâm nghiệp tại xã Ban Công và mở rộng cho toàn bộ huyện Bá Thước cùng các huyện miền núi lân cận của tỉnh Thanh Hóa (Quan Hóa, Cẩm Thủy). Với chu kỳ 6 năm, tổng lợi nhuận thuần đạt $53,303,407\text{ VNĐ/ha}$, tương ứng lợi nhuận bình quân hơn $8.8\text{ triệu VNĐ/ha/năm}$, nâng cao đời sống cho đồng bào dân tộc Thái (85%) và Mường (10%) tại địa phương.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Dữ liệu thu thập dừng lại ở thời điểm rừng 6 tuổi của một chu kỳ sản xuất gỗ nhỏ (gỗ nguyên liệu dăm/giấy), chưa theo dõi tiếp tục sang chu kỳ gỗ lớn (10-12 năm).
  • Chưa phân tích chuyên sâu tính chất hóa lý của đất đa điểm (chỉ tiêu độ phì vi lượng N-P-K, dung trọng) tại từng tầng đất ở 3 vị trí chân - sườn - đỉnh.

Hướng nghiên cứu tiếp theo

  • Xây dựng mô hình động thái sinh trưởng nhiều năm (Growth and Yield Models) kết hợp hàm Korf và Schumacher.
  • Tích hợp công nghệ cảm thám viễn thám GIS và thiết bị bay không người lái (Drone LiDAR) để đo đạc chỉ số diện tích lá ($LAI$) và dự báo trữ lượng sinh khối quy mô lớn theo thời gian thực.
  • Nghiên cứu chuyển hóa rừng Keo lai gỗ nhỏ sang rừng gỗ lớn giá trị cao bằng biện pháp tỉa thưa định hình ở cấp tuổi 4-5.

Đối tượng hưởng lợi

  • Sinh viên ngành Lâm sinh, Quản lý tài nguyên rừng: Nắm vững phương pháp thiết lập ô tiêu chuẩn thực địa, phương pháp thu thập dữ liệu sinh trắc học và thực hành kiểm định phân bố thống kê.
  • Kỹ sư lâm nghiệp & Lập trình viên Data Science: Tham khảo code mẫu mô hình hóa phân bố Weibull trên R và cú pháp kiểm định phi tham số Kruskal-Wallis trên SPSS.
  • Chủ rừng, Hộ nông dân & Hợp tác xã: Nhận chuyển giao trọn gói quy trình thâm canh mật độ 1660 cây/ha, định mức chi phí và dự báo doanh thu chính xác.
  • Các nhà hoạch định chính sách & Nghiên cứu khoa học: Có cơ sở dữ liệu định lượng phục vụ quy hoạch vùng nguyên liệu tập trung và ban hành cơ chế tín dụng ưu đãi phát triển lâm nghiệp bền vững.

Câu hỏi thường gặp

  1. Tại sao lại chọn hàm phân bố Weibull 2 tham số thay vì phân bố chuẩn Gaussian?
    Lâm phần rừng trồng sau giai đoạn khép tán luôn diễn ra quá trình tỉa thưa tự nhiên và cạnh tranh ánh sáng, dẫn đến số cây có đường kính nhỏ và trung bình chiếm ưu thế. Hàm Weibull có tham số hình dạng $\alpha$ linh hoạt mô tả chính xác độ lệch trái của đường cong thực nghiệm ($p > 0.05$ trên toàn bộ 6 OTC), trong khi phân bố chuẩn đối xứng sẽ gây sai số lớn.

  2. Yếu tố vi địa hình chân đồi - sườn đồi - đỉnh đồi ảnh hưởng cụ thể thế nào đến sinh trưởng cây?
    Vị trí chân đồi có tầng đất mặt dày, độ ẩm cao và giàu mùn do quá trình bồi tụ xói mòn từ trên cao, giúp cây đạt $D_{1.3} = 13.99\text{ cm}$ và $H_{vn} = 14.1\text{ m}$. Ngược lại, đỉnh đồi bị rửa trôi mạnh khiến $D_{1.3}$ chỉ đạt $10.41\text{ cm}$ và $H_{vn} = 11.2\text{ m}$ (khác biệt có ý nghĩa với $\text{Sig.} = 0.000$).

  3. Mật độ trồng khuyến nghị 1660 cây/ha có gây ra hiện tượng cạnh tranh dinh dưỡng quá mức không?
    Mật độ 1660 cây/ha ($3 \times 2\text{ m}$) là khoảng cách chuẩn đã được kiểm chứng cho mục tiêu kinh doanh gỗ nguyên liệu chu kỳ 6 năm, đảm bảo độ khép tán nhanh ở năm thứ 2, hạn chế cỏ dại, tận dụng tối đa tầng đất mặt mà không làm suy giảm đường kính mục tiêu ($> 12\text{ cm}$).

  4. Chỉ số IRR = 27.34% nói lên điều gì về mức độ an toàn vốn của dự án?
    Chỉ số $IRR$ biểu thị mức lãi suất tối đa mà dự án có thể chịu đựng được mà không bị lỗ. Với $IRR = 27.34%$, cao hơn gấp 3 lần so với lãi suất vay vốn ngân hàng ($8.5%$), mô hình có mức độ an toàn vốn cực kỳ cao và hoàn toàn có khả năng hoàn trả gốc lẫn lãi đúng hạn.

  5. Giải pháp nào để hạn chế sâu bệnh hại cho rừng Keo lai thuần loài?
    Cần chọn giống nuôi cấy mô hoặc giâm hom đạt chuẩn có nấm cộng sinh, dọn sạch tàn dư thực bì đầu vụ, trồng đúng khung thời vụ Xuân - Hè và kiểm tra định kỳ để xử lý sớm bệnh phấn hồng (Corticium salmonicolor) và mối hại rễ trong 2 năm đầu.

Kết luận

Công trình nghiên cứu đã giải quyết trọn vẹn và khoa học các vấn đề thực tiễn trong công tác trồng rừng Keo lai thuần loài tại huyện Bá Thước, tỉnh Thanh Hóa. Bằng việc ứng dụng kết hợp giữa lý thuyết sinh trắc học rừng hiện đại (hàm phân bố Weibull, tương quan allometric Logarit, kiểm định Kruskal-Wallis) và phân tích kinh tế định lượng ($NPV$, $BCR$, $IRR$), đề tài đã làm sáng tỏ quy luật cấu trúc lâm phần và khẳng định tính khả thi tài chính vượt trội của mô hình (lợi nhuận thuần $53.3\text{ triệu VNĐ/ha}$ sau 6 năm). Kết quả nghiên cứu là tài liệu tham khảo giá trị cho các nhà khoa học, cơ quan khuyến nông và bà con nông dân trong việc thúc đẩy thâm canh rừng gỗ nguyên liệu bền vững, nâng cao thu nhập và bảo vệ môi trường sinh thái vùng trung du miền núi.