Stand growth and yield models and top height growth modelling on Estonian Network of Forest Research Plots data

Bakalaureusetöö Metsanduse õppekavalMetsamajanduse kavandamisel on olulised pikaajalised ja täpsed kasvukäigu prognoosid, mida tehakse erinevate kasvukäigu mudelite abil. Käesoleva uurimuse üheks eesmärgiks oli anda ülevaade erinevatest puistu kasvukäigu mudelitest. Teiseks bakalaureusetöö eesmärgiks oli välja töötada ülakõrguse kasvukäigu (boniteerimise) modelleerimise metoodika ja esmane mudel, mis võimalikult hästi kirjeldaks Eesti metsa kasvukäigu püsiproovitükkide (KKPRT) vanus-ülakõrgus mõõtmiste andmeid. Analüüs põhineb 903 proovitüki esimese ja viimase vaatluse andmete mõõtmispaaril. Töö tulemusena selgus, et ülakõrguse kasvukäigu mudeli sobivus puistu boniteerimiseks sõltub baasfunktsioonist ja modelleerimise meetodist. Lõputöö tulemusel loodi kahel erineval baasfunktsioonil (Korf ja Hossfeld IV) põhinevad erinevatel meetoditel konstrueeritud ülakõrguse mudelid, millest KKPRT andmeil osutus parimaks Hossfeldi IV funktsioonil loodud algebraline diferentsmudel. Töö tulemusel loodi KKPRT võrgustiku proovitükkide takseertunnuste andmestik, mis on tehtud eeltööks lähitulevikus puistu diameetri, rinnaspindala, tiheduse ja tagavara juurdekasvu modelleerimiseks.Long-term and accurate stand growth predictions made by using different stand growth models are important tools for forest management planning. One of the purposes of this research was to give an overview of different types of stand growth models. The second purpose of this bachelor´s thesis was to develop a top height growth (site productivity) modeling method and a primary model, which would best describe the age-top height data of the Estonian Network of Forest Research Plots (ENFRP). The study was based on pairs of data from the first and last measurement of 903 sample plots. As a result, it was found out that the suitability of top height model depends on the base functions and modeling methods used. Top height models were developed using two different base functions (Korf and Hossfeld IV) and three types of modeling methods, from which the Hossfeld IV model turned out to be the most suitable for the ENFRP dataset. As a side result, an inventory variables dataset of the ENFRP was developed for modeling the annual increment of stand diameter, basal area, density, and stock in the near future