Rétegezett mintavétel alkalmazása a fatómegbecslésben

Hasonló dokumentumok
Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre

Matematikai alapok és valószínőségszámítás. Statisztikai becslés Statisztikák eloszlása

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

KÖVETKEZTETŐ STATISZTIKA

Mintavétel fogalmai STATISZTIKA, BIOMETRIA. Mintavételi hiba. Statisztikai adatgyűjtés. Nem véletlenen alapuló kiválasztás

Mérési hibák

Mintavételi eljárások

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok.

Térfogat és súly alapú faátvétel problémái

Fatömegbecslési jegyzőkönyvek

Statisztikai következtetések Nemlineáris regresszió Feladatok Vége

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok.

Adatok statisztikai értékelésének főbb lehetőségei

Statisztika I. 11. előadás. Előadó: Dr. Ertsey Imre

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

[Biomatematika 2] Orvosi biometria

Fatömegbecslési jegyzőkönyvek

Tartalomjegyzék I. RÉSZ: KÍSÉRLETEK MEGTERVEZÉSE

A mintavétel szakszerűtlenségeinek hatása a monitoring-statisztikákra

HELYI FATÖMEGTÁBLÁK KIDOLGOZÁSÁNAK LEHETŐSÉGEI

6. Előadás. Vereb György, DE OEC BSI, október 12.

STATISZTIKA I. Mintavétel fogalmai. Mintavételi hiba. Statisztikai adatgyűjtés Nem véletlenen alapuló kiválasztás

TARTALOMJEGYZÉK. 1. téma Átlagbecslés (Barna Katalin) téma Hipotézisvizsgálatok (Nagy Mónika Zita)... 23

Bevezetés a hipotézisvizsgálatokba

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Méréselmélet és mérőrendszerek 2. ELŐADÁS (1. RÉSZ)

Kísérlettervezés alapfogalmak

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

Módszertani Intézeti Tanszéki Osztály. A megoldás részletes mellékszámítások hiányában nem értékelhető!

y ij = µ + α i + e ij

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Biometria gyakorló feladatok BsC hallgatók számára

Faállományok fatermőképességének vizsgálata a termőhely függvényében

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

BAGME11NNF Munkavédelmi mérnökasszisztens Galla Jánosné, 2011.

Hipotézis STATISZTIKA. Kétmintás hipotézisek. Munkahipotézis (H a ) Tematika. Tudományos hipotézis. 1. Előadás. Hipotézisvizsgálatok

Mennyire határozza meg az erdők faállománya az erdei élővilágot? Ódor Péter MTA Ökológiai és Botanikai Kutatóintézete

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

Változás jegyzék VERZIÓ: ÚJ FEJLESZTÉSEK. Hivatkozás # Leírás. Verzió dátuma:

KUTATÁSMÓDSZERTAN 4. ELŐADÁS. A minta és mintavétel

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás

Kutatásmódszertan és prezentációkészítés

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek

Kísérlettervezés alapfogalmak

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Uj eljárás az iparifa becslésére

MÉRÉSI EREDMÉNYEK PONTOSSÁGA, A HIBASZÁMÍTÁS ELEMEI

Hangfrekvenciás mechanikai rezgések vizsgálata

Függetlenségvizsgálat, Illeszkedésvizsgálat

Mintavétel a gyakorlatban

A mérési eredmény megadása

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a

A maximum likelihood becslésről

A Statisztika alapjai

Hipotézis, sejtés STATISZTIKA. Kétmintás hipotézisek. Tudományos hipotézis. Munkahipotézis (H a ) Nullhipotézis (H 0 ) 11. Előadás

megtörténik a kitermelendő fafajok és bruttó fatérfogat adataik véglegesítése a bruttó mennyiségek alapján meghatározásra kerül a nettó termelés

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )

Miért kell az erdők természetességével foglalkozni?

Hangfrekvenciás mechanikai rezgések vizsgálata

Andó Mátyás Felületi érdesség matyi.misi.eu. Felületi érdesség. 1. ábra. Felületi érdességi jelek

Orvosi szociológia (1. szeminárium) KUTATÁSMÓDSZERTAN

Rugalmas állandók mérése (2-es számú mérés) mérési jegyzõkönyv

KÉSZLETMODELLEZÉS EGYKOR ÉS MA

Dr. Király István Igazságügyi szakértő Varga Zoltán Igazságügyi szakértő Dr. Marosán Miklós Igazságügyi szakértő

5 év elültetett facsemete Aki fákat ültet, az bízik a jövőben. (népi bölcsesség)

Populációbecslések és monitoring 1. gyakorlat. Elvonásos módszerek az adatokat pl. a vadászok is gyűjthetik, olcsóbb

Az erdőgazdálkodás és a közlekedést szolgáló vonalas létesítmények kapcsolata

TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA OMNIBUSZ 2002/10. SPSS állomány neve: Budapest, október

Méréselmélet és mérőrendszerek

ORVOSI STATISZTIKA. Az orvosi statisztika helye. Egyéb példák. Példa: test hőmérséklet. Lehet kérdés? Statisztika. Élettan Anatómia Kémia. Kérdések!

Fakitermelések ütemezése és dokumentálása

STATISZTIKAI PROBLÉMÁK A

4. A mérések pontosságának megítélése

Populációbecslések és monitoring

A mérések általános és alapvető metrológiai fogalmai és definíciói. Mérések, mérési eredmények, mérési bizonytalanság. mérés. mérési elv

Matematikai alapok és valószínőségszámítás. Valószínőségi eloszlások Binomiális eloszlás

Statisztika I. 10. előadás. Előadó: Dr. Ertsey Imre

SZIMULÁCIÓ ÉS MODELLEZÉS AZ ANSYS ALKALMAZÁSÁVAL

Fás szárú újulat borítás-, növekedési és rágottsági viszonyainak vizsgálata lékes felújítással kezelt börzsönyi erdőrészletekben

4. A méréses ellenırzı kártyák szerkesztése

A TÁRKI ADATFELVÉTELEINEK DOKUMENTUMAI OMNIBUSZ 2004/05. A kutatás dokumentációja

Gyakorló feladatok. Az alábbi feladatokon kívül a félév szemináriumi anyagát is nézzék át. Jó munkát! Gaál László

Populációbecslések és monitoring 1. gyakorlat. Elvonásos módszerek az adatokat pl. a vadászok is gyűjthetik, olcsóbb

TÁRKI ADATFELVÉTELI ÉS ADATBANK OSZTÁLYA. Változás SPSS állomány neve: Budapest, 2002.

Erdõ tûz-, árvíz és fakidöntéses vihar biztosítás különös feltételei

A változatosság, min t a természet egyik legfontosab b jelensége : GONDOLATOK A FATERMÉS I TÁBLÁK É S FÜGGVÉNYE K ALKALMAZÁSÁHOZ

Számítógépes döntéstámogatás OPTIMALIZÁLÁSI FELADATOK A SOLVER HASZNÁLATA

STATISZTIKA. A Föld pályája a Nap körül. Philosophiae Naturalis Principia Mathematica (A természetfilozófia matematikai alapelvei, 1687)

HÁLÓZATI SZINTŰ DINAMIKUS BEHAJLÁSMÉRÉS MÚLTJA JELENE II.

A létszámbecslés szerepe a hasznosítástervezésben. Létszám - sűrűség

A mérés célkitűzései: A matematikai inga lengésidejének kísérleti vizsgálata, a nehézségi gyorsulás meghatározása.

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt

Folyadékszcintillációs spektroszkópia jegyz könyv

DETERMINATION OF SHEAR STRENGTH OF SOLID WASTES BASED ON CPT TEST RESULTS

A leíró statisztikák

STATISZTIKA I. Változékonyság (szóródás) A szóródás mutatószámai. Terjedelem. Forgalom terjedelem. Excel függvények. Függvénykategória: Statisztikai

A mérés. A mérés célja a mérendő mennyiség valódi értékének meghatározása. Ez a valóságban azt jelenti, hogy erre kell

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév

Átírás:

HORVÁTH LAJOS Rétegezett mintavétel alkalmazása a fatómegbecslésben A fakitermelés tervezése egyre pontosabb, megbízhatóbb fatömegbecslési módszereket követel. Ezért a fatömegtáblák használata mellett mintafák köbözésén alapuló becslési eljárások bevezetésére is szükség van. A mintafák matematikai-statisztikai alapon történő kiválasztása lehetővé teszi a kívánt pontosság elérését, a kidolgozott számítógépes programok pedig a gazdaságos adatfeldolgozást. A jelenlegi gazdasági körülmények között rendkívül fontos vállalati és népgazdasági szempontból egyaránt, hogy a fakitermelési munka hatékony legyen, továbbá, hogy a kitermelések tervszerű keretek között, rugalmasan tudjanak a piac változó igényeihez alkalmazkodni. A tervezésnek mind nagyobb hangsúlyt kell kapnia és ennek a korszerű számítástechnikán alapuló tervezési módszerek, eljárások széles körű alkalmazásában is érvényre kell jutnia. A statikus éves terveket rugalmas, számítógéppel újrafuttatható tervekkel kell felváltani. A korszerű fahasználati tervezés pontos és megbízható információkat igényel minden egyes kitermelésre szánt erdőrészletről (nettó fatömeg, a fatömeg fafaj-, átmérő- és vastagsági csoport szerinti eloszlása, választék-összetétel stb.). A fahasználati tervezést közvetlenül támogató fatömeg-meghatározásnak egy-egy konkrét erdőrészletre kell pontos adatokat szolgáltatnia és nem egy kerületre, erdészetre vagy erdőgazdaságra. Az utóbbi követelmény így eleve meghatározza a szóba jöhető módszerek körét. A vázolt célokat egyelőre csak valamilyen mintavételi eljárással tudjuk elérni és a következőkben egy ilyen mintavételi eljárás alkalmazási lehetőségét szeretném bemutatni. Elméleti alapok Az erdő faegyedekből álló, ún. véges alapsokaságnak tekinthető, így a mintavételnél is a véges sokaságból vett minták elméletére kell támaszkodnunk. (Éltető 1970., Éltető Meszéna Ziermann 1982.) A mintavétel alapfeltétele, hogy egy olyan listával rendelkezzünk, amely a sokaság minden elemét tartalmazza. A mintavételi tervet ezen lista alapján alakítjuk ki. A sokaságra a minta alapján következtetünk, meghatározott valószínűségi szinten J intervallumbecslést végzünk. A legegyszerűbb mintavétel az ún. egyszerű véletlen mintavétel. Az erdőállományok becslésére azonban a fák nagy tömegének szórása miatt általában nem a leghatékonyabb eljárás. A mintavétel hatékonyságát az alapsokaság rétegezésével, azaz L számú csoportra való felosztásával jelentősen emelni lehet. A rétegezés célja, hogy az eredetileg nagy szórású alapsokaságot valamely ismérv szerint kisebb szórású részekre bontsuk. Követelmény,

hogy a rétegezési ismérv könnyen meghatározható legyen, továbbá, hogy szoros kapcsolatban legyen a vizsgálni kívánt ismérvvel. Esetünkben a vizsgálni kívánt ismérv a faegyedek vastagfája, a rétegezés alapjául pedig önként adódik a mellmagassági átmérő. Rétegezett mintával a becslés úgy történik, hogy minden rétegből külön mintát veszünk és a rétegstatisztikák (átlag és szórás) összegezésével becsüljük a várható fatömeget és ennek szórását. A rétegezett mintavételnél alapvetően két kérdésre kell választ adnunk: Mekkora rétegeket alakítsunk ki? Minél kisebb a réteg, annál kisebb az ide tartozó fák szórása, tehát annál pontosabb lehet a becslés. A rétegek szűkítésével viszont a szükséges mintafák száma jelentősen emelkedhet. A mintát milyen szempontok szerint osszuk szét a rétegek között?. A szakirodalom alapvetően kétféle elosztást javasol: az arányos elosztást (minta szétosztása a réteg súlya", azaz a réteghez tartozó faegyedek száma alapján történik); az optimális elosztást (a minta szétosztása valamilyen optimalizálási kritérium alapján történik). A fatömegbecslés során, ahol a mintavétel komoly költséggel jár, az optimális elosztás egyértelműen előnyösebb az arányos elosztásnál. Esetünkben az elosztás alapelvét úgy fogalmazhatjuk meg, hogy egy-egy rétegből annál nagyobb mintát kell vennünk, minél nagyobb a faegyedek száma (Ni), minél nagyobb a faegyedek fatömegének szórása (Si) és minél kisebb az átlagfa fatömege (Xi) az adott rétegre vonatkozóan. Az első két kritérium nem szorul magyarázatra, mert egyértelmű, hogy minél nagyobb egy réteg súlya és minél nagyobb a rétegen belüli szórás, annál nagyobb mintára van szükség a megbízható becsléshez. A fatömegkorlát alkalmazása viszont azért előnyös, mert a vastagabb fák fatömegének meghatározása mindig nehezebb és költségesebb (akár álló, akár ledöntött fáról van szó), mint a vékonyaké. Az optimális mintaelosztáshoz tehát bizonyos előzetes információk szükségesek az egyes rétegekre vonatkozóan. A fák darabszámát a mellmagassági átmérő szerinti felvétellel határozhatjuk meg, a szórást és az átlagfát pedig régebbi, illetve más erdőrészletekben felvett mintafaadatok alapján közelíthetjük (pl. regressziószámítás). Az elosztás képlete a következő: Ni -si/yn n,= n 2(NÍ- S Í/1AX7) =1 A rétegezett mintával történő fatömegbecslésnél a következőket kell mérlegelni : mekkora legyen a becslés megkövetelt tűrése (T)? mekkora fatömeget érintsen a mintavétel (C)? mekkora legyen a mintafák száma (n)?

A három tényező szorosan összefügg egymással. Bármelyiket tekinthetjük korlátnak, a másik kettő ezáltal meghatározott lesz, tehát kiszámítható (minden erdőrészletre külön-külön). 1H z i _ \ (normális eloszlás és 95% valószínűségi D= I szint mellett) \ j D 2 = az összfatömeg várható értékének szórása Ezzel az eljárással előrejelzést kaphatunk arra vonatkozóan, hogy a becslés ráfordításai (n és C) várhatóan hogyan aránylanak az eredményhez (T). Nem kielégítő eredmény esetén a korlátokat addig változtathatjuk, amíg elfogadható megoldáshoz nem jutunk. Gyakorlati alkalmazás A becslés folyamatábrája a mellékelt ábrán látható. Az első lépés az, hogy valamilyen módszerrel meg kell határozni a becsülni kívánt állomány (illetve fafaj) faegyedeinek számát és a darabszám melmagassági átmérő szerinti eloszlását. Több eljárást is alkalmazhatunk, amelyek a következők: a teljes felvétel, a törzsszámlálásos felvétel, a körös mintavétel,. a Bitterlich-relaszkópos felvétel. A legmegbízhatóbb eredményt a teljes felvétel adja, Viszont az esetek jelentős részében ez a legmunkaigényesebb is. Nagy egyedszámú vagy/és vékony állományokban ezért előnyösébb lehet mintavételi eljárást alkalmazni a darab_ szám meghatározására is. Tudnunk kell azonban azt is, hogy ezáltal becslésünk pontossága csökkenhet. (Éltető Meszéna Ziermann 1982.) A törzsszámlálásos módszer lényege, hogy a fákat számoljuk, de csak minden ötödik, tizedik stb. fa mellmagassági átmérőjét mérjük meg, attól függően, hogy mekkora mintát akarunk venni. Előnye az eljárásnak, hogy az összdarabszámot pontosan tudjuk, hátránya viszont, hogy minden fát fel kell keresni, így a teljes felvételhez viszonyítva a munkaigény csak kismértékben csökken.

A mellmagassági átmérő szerinti faegyedszám elosz-j \6& meghatározásai A becslés folyamatábrája Mintafák felvitel. Mintafa szétosztás Becslés Az eredmények hasznosítása ii a becslési adattár aktualizálása A körös mintavétel áltatlánosan ismert mintavételi eljárás. A körök területe és száma változó lehet, az állomány jellegétől függően. Tapasztalataink szerint az összdarabszám 12 15 százalékával már kielégítő pontossággal lehet a darabszámot becsülni. Hátránya az eljárásnak, hogy nemcsak az elosztást, hanem az összdarabszámot is becsüljük, továbbá, hogy a vékonyabb fáknál nagyobb, míg a vastagabb fáknál kisebb mintaelemszám adódik a szükségesnél. A vastagabb fák darabszámára a becslés kevésbé megbízható, holott a fatömeg nagyobb része ide esik. Előnye viszont, hogy a munkaigénye sokkal kisebb mint a teljes felvételé (20 30%), továbbá, hogy aljnövényzettel borított állományokban is alkalmazható. Szorosan ültetett nyár- vagy fenyőállományokban 'a körös mintavétel helyett alkalmazható a soros mintavétel is. A Bitterlich-relaszkópos felvétel szintén körös mintavétel, de itt a körök nagysága a fák vastagságától függ, így a vastagabb fák nagyobb esélyt kapnak a mintába való bekerülésre (Zöhrer 1981, Griess 1981). Előnye a relaszkópos felvételnek, hogy ugyanakkora minta esetén jobban becsüli az elosztást mint. a körös mintavétel. Hátránya viszont, hogy optikai műszer lévén, nagyobb aljnövényzet esetén nem alkalmazható, továbbá, hogy a felvételt végzőtől függően kisebb-nagyobb szisztematikus mérési hiba léphet fel. A faegyedszám megoszlását célzó terepi felvételek után a korlátok megadása és a mintafaszétosztás következik (a már ismertetett módon). Elfogadható eredmények esetén a mintafafelvételek következnek, amelyek pontos végrehajtása nagyon fontos, mert a mérésnél elkövetett hibák a becslés megbízhatóságát erősen csökkentik. Itt is több eljárás alkalmazható, amelyek az alábbiak:. szakaszos köbözés fekvő fán, szakaszos köbözés álló fán, Bitterlich-relaszkópos felvétel.

A legpontosabb a fekvő fa szakaszos köbözése, viszont ez a legköltségesebb is, ezért lehetőleg a minimumra kell szorítani ezt a felvételi eljárást. Vannak olyan eszközök (pl. Bitterlich-relaszkóp, Wheeler-pentaprizma stb.), amelyekkel tetszőleges magasságban lehet átmérőt mérni, így alkalmasak álló fák szakaszos köbözésére. Korlátozza az alkalmazásukat viszont, hogy nem mindig elfogadható a mérési pontosságuk, a függőlegestől elhajló vagy görbe szakaszok hosszát pontatlanul mérik. Problémát okoz az is, hogy az oldalágak takarása miatt egy felállásból nem mindig mérhetők meg. Az optikai átlalók tehát a kevés oldalágú, egyenes törzsű faegyedeknél (elsősorban fenyőknél) alkalmazhatók. A Bitterlich-relaszkóp egy más jellegű alkalmazásával is van lehetőség a mintafa döntésének csökkentésére. Az ún. Pressler-formula segítségével (Finlyson 1982) az álló fa tömegét gyorsan meg lehet határozni. A formula jellegéből következően az így meghatározott fatömeg a tényleges fatömeghez viszonyítva szisztematikus hibát tartalmaz. Kisebb számú mintafadöntéssel viszont ez a hiba kiszámítható és a relaszkópos felvételek korrigáihatók (ez az ún. kalibrálási eljárás Jonsson 1982). A relaszkópos felvétel lag nagy mintaelem számhoz juthatunk, aránylag kis ráfordítással, és a mintafadöntés kombinálásával olyan eljárást kapunk, amellyel arány- A mintafafelvételek után következik a tényleges becslés. Nem kielégítő eredmény esetén újabb mintafákat is fel lehet venni, bár a mintavétel költségessége miatt ez nem javasolható eljárás. Gyakorlati tapasztalataink szerint 30 50 mintafával 3 8% pontossággal lehet egy adott erdőrészlet adott fafajára becslést adni. Természetesen minden esetben gondosan ' mérlegelni kell, hogy megéri-e a rétegezett mintavétel és nem valamilyen egyszerűbb módszert kell-e alkalmazni (pl. kevésbé értékes elegyfafajok esetén). A Nyugatmagyarországi Fagazdasági Kombinátnál a fatömegbecslés számítógépes programjai elkészültek, amelyek a következő szolgáltatásokat nyújt ják: a faegyedszám meghatározására mind a négy említett felvételi mód alkalmazható; a mintafaf el vételnél mindhárom felvételi mód alkalmazható; bruttó fatömeg számítása (Király László által kidolgozott függvények alapján); a vastagfa becslése (rétegezett mintával, továbbá 40-nél nagyobb mintaelemszám esetén regressziós becslés is); a bruttó fatömeg és a vastagfa mellmagassági átmérő szerinti eloszlása; a vastagfa méretcsoportonkénti eloszlása; választékbecslés (rönk, fagyártmány fa, egyéb választék bontásban). A fatömegbecsléssel kapcsolatos terveink között szerepel az adatfelvételeket segítő terepi adatrögzítők beszerzése és üzembe állítása, továbbá a vastagfára vonatkozó helyi fatömegtáblák kidolgozása. I R O D A L O M J E G Y Z É K Éltető Ödön: Mintavétel véges sokaságokból. Budapest, 1970. MTESZ Bolyai János Matematikai Társulat. Éltető Ö. Meszéna Gy.-Z.ierm.ann M.: Sztochasztikus módszerek és modellek. Budapest, 1982. Közgazdasági és Jogi Könyvkiadó. Finlyson, w.: The relaskop with metric scale and wide scale. Salzburg, 1982. Forsttechnischer Informationsdienst der Firma, FOB. Griess, O.: 30 Jahre Relaskoptechnik in österreich. Salzburg, 1981. FOB-Schriftenseihe, Heft 10. Forsttechnischer Informationsdienst der Firma. FOB.

Husch, B. Miller, C. I. Beers, T. W.: Forest mensuration. New York, 1972. John Wiley and Sons, Inc. Jonsson, B.: A forest management planning package. Umea, 1982. Swedish University of Agricultural Sciences, Department of Biometry and Forest Management. Köves P. Párniczky G.: Altalános statisztika. Budapest, 1981. Kozgazdasági és Jogi Könyvkiado. Zöhrer, F.: Fundamentale Stichprobenkonzepte der Forstinventur II. Salzburg, 1981. FOB- Schriftenreihe, Heft 8. Forsttechnischer Informationsdienst der Firma, FOB. 634.0.441 Qu. A vegyszeres sarj- és cserjeirtás lehetősége tölgy és cser állományokban DR. KOLONITS JÓZSEF DR. LENGYEL GYÖRGY A vegyszeres erdőgazdasági gyomirtással foglalkozó szakemberek előtt közismert, hogy a fenyőerdősítések ápolásához sikerült olyan korszerű eljárásokat kialakítani, amelyekkel szelektív módon távolíthatók el a konkurrens lágy- és fásszárú gyomnövények. Más a helyzet a lomberdősítések esetében. Ezekben a lombos fafajok rügyállapotában csak a lágyszárú gyomnövények irthatok fenológiailag szelektív szerekkel. A elcserjésedésre hajlamos területeken pedig nagy veszély fenyegeti a lombújulatot. A végvágás után felverődő cserjék és tuskósarjak, valamint gyomfák jelenleg mechanikai módszerekkel gyakorlatilag nem szoríthatók vissza, részint a többnyire kedvezőtlen terepalakulatok, részint a munkaerőhelyzet miatt. A feladat tehát olyan formában jelentkezett, hogy kíséreljük meg lombfafajok természetes újulatát vegyszeres úton a fásszárú gyomnövények nyomása alól tartósan mentesíteni. 1979 és 1980 őszén állományátalakítás céljából végzett fenyőerdősítések vegyszeres helikopteres gyomirtásának értékelése során felfigyeltünk arra, hogy a területen kismértékben felverődött, maximum 20 25 cm-es természetes tölgyújulatban csak elenyésző fitotoxikus hatás volt észlelhető.' Ugyanakkor a. 40 cm-nél magasabb fásszárú lombos növényzet gyakorlatilag elpusztult. Más területeken hasonló körülmények között földi permetezőgéppel végzett munkák esetében hasonló jelenség mutatkozott. Felmerült tehát a kérdés, hogy a lombos fás növények egy része miért károsodott, más része pedig miért nem. Önként adódott két magyarázat. Az egyik, hogy a növények vegyszertűrő képessége ebben az őszi időszakban egymástól lényegesen eltérő, a másik pedig, hogy az alacsony természetes újulat, a föléje nőtt cserjék, gyomnövények árnyékoló hatása folytán védett helyzetben volt. Ezen megfigyelések alapján állítottuk be vizsgálatainkat az említett feltételezések tisztázására. A kisparcellás permetezési kísérleteken kívül a Mátrai, majd a Borsodi Erdő- és Fafeldolgozó Gazdaság szakembereivel együtt, az ő bátor kockázatvállalási készségük révén lehetőségünk nyílt üzemi méretű vegyszeres kísérleti munkákra is. Ugyanezeken a területeken a MÉM NAK-kal együttműködve, egyidejűleg permetléeloszlási vizsgálatokat is végeztünk. Meghatároztuk, hogy cserjékkel és gyomfákkal 1 m magasságig mintegy 80%-ban ellepett vágásterületeken a talaj felett különböző szintekben, hogyan oszlik el a helikopterrel kiszórt permetté a levelek színén, ül. fonákján. Egyidejűleg megfigyeltük ezekben a szintekben a növények károso-