Daily activity rhythm and habitat use of the semi-free

Transkript

Lesn. Cas. For. J. 60 (2014) 199–204
Pôvodná práca – Original paper
http://www.nlcsk.sk/fj/
Daily activity rhythm and habitat use of the semi-free
European bison herd during the growing season
Denní aktivita a využití prostředí zubrem evropským
(Bison bonasus) během vegetační sezóny
Jaroslav Červený1, Miloš Ježek1*, Michaela Holá1, Miloslav Zikmund1, Tomáš Kušta1,
Vladimír Hanzal1, Rudolf Kropil2
Czech University of Life Sciences Prague, Faculty of Forestry and Wood Sciences, Kamýcká 129, CZ – 165 21 Praha, Czech Republic
Technical University in Zvolen, Faculty of Forestry, T. G. Masaryka 24, SK – 960 53 Zvolen, Slovakia
1
2
Abstract
The European bison (Bison bonasus) became extinct in the wild in the 20th century. Due to successful reintroductions of captive individuals, the free-ranging bison population has been steadily increasing. However, the population consists of small and isolated herds whose
survival depends on creating larger and connected populations. Detailed knowledge of movement and habitat use in human-dominated
landscape is essential for further successful reintroductions of the European bison. Therefore, we studied daily activity and habitat use of the
semi-free European bison herd in the hunting enclosure of Židlov from April to September 2014. The lead cow of the herd was fitted with
a GPS collar equipped with GSM module. The average home range size of the herd was 29.5 km2 and the average daily utilisation area was
0.5 km2. Forested habitats were preferred during the day (Rayleigh test: Z = 107.31; p < 0. 0001) whereas idle lands (i.e. former shooting
ranges now dominated by a mixture of pioneer tree species, hawthorn and grasslands) during the night (Rayleigh test: Z = 214.451; p <
0. 0001). The bison herd did not show any clear preference for a particular forest type (i.e. coniferous, deciduous, different age classes).
Additional knowledge on year-long patterns of movement and habitat use is needed to ensure the success of reintroduction programmes.
Key words: Bison bonasus; GPS collar; daily moved distance; habitat preference
Abstrakt
Zubr evropský (Bison bonasus) vyhynul ve volné přírodě na začátku 20-tého století. Následně byl ze zajetí reintrodukován do několika
oblastí střední Evropy a od té doby jeho početnost roste. Nicméně jeho současný výskyt je koncentrován pouze do malých populací a jejich
další přirozený vývoj je závislý na vytvoření konceptu vzájemného propojení. Pro vytvoření a realizaci tohoto konceptu je kladen důraz na
znalost prostorové aktivity zubra a jeho preference prostředí. Tyto znalosti budou esenciální zejména v oblastech uvažované reintrodukce
v typech krajiny intenzivně využívaných lidskou činností. Naše studie se proto zabývá denní aktivitou a využitím území reintrodukovaného
stáda zubrů v oboře Židlov ve vegetačním období (duben – září 2014). Byla sledována hlavní samice, označena GPS obojkem s GSM
modulem. Domovský okrsek stáda během celého sledovaného období byl 29,5 km 2 a velikost průměrného denního využívaného území
bylo 0,5 km2. Statisticky signifikantní rozdíl byl ve využívání různých typů porostů, kdy během dne zubři využívali lesní prostředí (Rayleigh
test: Z = 107.31; p < 0. 0001) a během noci naopak otevřené porosity (Rayleigh test: Z = 214.451; p < 0. 0001). Zubří stádo nevykazovalo
výrazné preference pro jednotlivé typy porostů (jehličnaté, listnaté, věkové třídy). Další studie zabývající se prostorovým chováním zubra
a jeho variability během celého roku jsou pro další úspěšné reintrodukce tohoto druhu nezbytné.
Klíčová slova: Bison bonasus; GPS obojek; denní ušlá vzdálenost; preference prostředí
1. Introduction
The European bison (Bison bonasus) is the largest European
free-ranging herbivore (IUCN 2014). Historically, its range
covered almost all of Europe, extending from the Pyrenees
through the southern Sweden to the Volga River and the
Caucasus (Heptner et al. 1988). The expansion of human
population, subsequent habitat loss, and overhunting drove
the bison population out of the natural habitats and the species gradually became extinct throughout most of its range.
The last wild animals were shot in the Białowieża Forest in
1919 and in the Caucasus in 1927 (Dostál et al. 2012).
In an effort to save the species, the International Society
for the Protection of European bison was established in Germany in 1923. Its first objective was to perform an inventory
of all individuals still being alive in European reserves and
zoos. The inventory found only 54 (29 males and 25 females)
European bison with proven genetic purity (Olech 2009).
Subsequent reintroductions of European bison into the wild
started in the Białowieża Forest in 1952 (Krasiński 1978) and
continued in other parts of Europe (Pucek et al. 2004). As
a result of these reintroductions and intensive conservation
management, the population of free-ranging bison has now
grown to about 2,701 individuals, and further approximately
1,530 individuals live in captivity (EBCC 2014). The largest
free-living populations are distributed mainly in Poland,
Belarus, Ukraine, and Russia (EBCC 2014). Despite the
fact that the bison population has increased during the 20th
century, the species still faces an uncertain future (Pucek
*Corresponding author. Miloš Ježek, e-mail: [email protected]
cislo4_2014.indb 199
4.2.2015 13:30:00
J. Červený et al. / Lesn. Cas. For. J. 60 (2014) 199–204
et al. 2004). Low genetic diversity, geographic isolation of
existing herds, and poaching are the main threats for the
current population of the European bison (Olech & Perzanowski 2002; Perzanowski et al. 2004; Pucek et al. 2004).
Therefore, the species is still classified as vulnerable according to the IUCN Red List (IUCN 2014).
The main objective of the present conservation strategy is
to create conditions suitable for the long-term survival of
wild bison populations by increasing the genetic diversity
of existing populations and extending their distribution
range (Pucek et al. 2004; Krasińska & Krasiński 2007).
The conservation success will depend on increasing the
population size and linking local isolated populations into
a large meta-population through natural or assisted transfers of animals (Pucek et al. 2004; Krasińska & Krasiński
2007; Ziółkowska et al. 2012). This requires increasing
the connectivity of subpopulations occurring especially in
Poland, Slovakia and Ukraine (Dalszcyk & Bunevich 2009),
as well as extending the reintroduction attempts into other
suitable habitats across Central and Eastern Europe (Pucek
et al. 2004). Several studies have assessed the viability of
European bison populations and identified the candidate
areas suitable for reintroductions of bison herds throughout Europe (Kuemmerle et al. 2011; Ziolkowksa et al. 2012;
Kerley et al. 2012; Kuemmerle et al. 2012). The need for such
studies is determined by profound changes and processes
undergone by European landscape during the last century.
Increasing human population and agricultural intensification have resulted in substantial decrease of forest cover
and landscape fragmentation (Matson et al. 1997). These
changes have markedly contributed to extirpations of many
large mammals, including the European bison (Stoate et al.
2001). Nowadays, forest cover has been steadily increasing
in Europe (Bengtsson et al. 2000), and particularly in some
rural areas of the former Soviet Union the anthropogenic
pressure has decreased (Kuemmerle et al. 2008). Therefore,
suitable habitats for bison reintroductions have been expanding (Kuemmerle et al. 2011). Although European bison are
generally considered as forest specialists (Sztolcman 1926),
several studies have suggested that they are able to adapt to
more open and fragmented landscapes (Balčiauskas 1999;
Pucek et al. 2004). However, for the successful conservation
and further expansion of the species, additional information
on detailed habitat use is needed. Suitable candidate areas
(i.e. high-quality areas with low conflict in land use) for
bison reintroductions were identified at a continental scale
in the study of Kuemmerle et al. (2011). They evaluated the
suitability of habitats using herd range maps for all 36 existing free-ranging European bison herds with the maximum
entropy approach and took into account factors such as land
cover, topography, and human disturbance. The most promising candidate areas for European bison meta-populations
were found in Eastern Europe. In the case of suitable candidate areas in the Czech Republic, the model identified four
sites covering a total area of 10,060 km2.
The expected increase in the population size associated
with reintroductions and expansion of existing populations
substantially increases the risk of upcoming human-bison
conflicts (Hofman-Kamińska & Kowalczyk 2012). However,
studies evaluating environmental impacts of reintroduced
bison populations and associated human dimensions are still
rare (Decker et al. 2010; Hofman-Kamińska & Kowalczyk
2012; Balčiauskus & Kazlauskas 2014). Higher bison densities in forest ecosystems may result in their expansions to
open habitats (i.e. mainly agricultural) and thus cause conflicts with farmers due to substantial losses of agricultural
crops (Hofman-Kamińska & Kowalczyk 2012). As in the
case of bison populations in Poland, the costs compensating
farmers for the damage caused by bison have been increasing
from year to year and reached over 90,000 Euro in 2010.
Despite that, the presence of bison in Polish forests is still
not fully accepted by involved local communities (Hofman-Kamińska & Kowalczyk 2012). In Germany for example,
public attitudes toward reintroducing the European bison
are rather positive (Decker et al. 2010). All these aspects
need to be taken into account as a part of the reintroduction
programmes to minimise the possible conflict between bison
populations and all the stakeholders involved.
Regarding the status of the European bison in the Czech
Republic, there are currently 43 captive individuals held in
the zoological gardens and farms (EBCC 2014). One semifree living herd can be found in the large hunting enclosure
(37.95 km2) of Židlov, where 5 individuals were released in
2011. Concerning the neighboring countries of the Czech
Republic, the geographically closest bison herds occur in Slovakia, where 5 individuals were reintroduced to the Poloniny
National Park in 2004 and since then the herd has grown
to about 20 individuals. A semi-free bison herd can also be
found in Germany (Dostál et al. 2012).
The long-term aim of Czech wildlife management agencies and policy decision making bodies is to have a freeranging herd of the European bison in one of the military
training areas in the Czech Republic as these represent most
suitable habitats for the species (Kuemmerle et al. 2011). The
first step in fulfilling this aim was the reintroduction of the
bison herd into the Židlov enclosure in order to get deeper
knowledge of ecology of the species under controlled conditions resembling natural conditions as much as possible. The
leading cow of the herd was fitted with a GPS collar to assess
the spatial behavior and habitat use of the herd. In this study
we examine daily activity rhythm and habitat use of the herd
currently consisting of 17 individuals in the Židlov enclosure.
2. Material and Methods
2.1. Study area
The hunting enclosure of Židlov (50°36'33.258"N,
14°50’33.421"E) covers nearly 38 km2 and is located in the
northern part of the Czech Republic at the territory of a former military training area. The enclosure was established in
2000 and is now owned and managed by the Military Forests
and Estates of the Czech Republic, s.e. Forest stands, dominated by pine, spruce, and beech, cover 55% of the enclosure.
Coniferous stands cover 88% of the enclosure and deciduous stands 12%. Idle lands (i.e. former shooting ranges now
being spontaneously developed and dominated by a mixture
of pioneer tree species, hawthorn and grasslands) occupy
38% of the enclosure. The proportion of arable lands covered
by oats and clover is 5%.
200
4.2.2015 13:30:03
The bison herd in the Židlov enclosure was initiated in
2011 when a single male from the Kampinos National Park
and four females from the Białowieża Forest were released
in the area. The herd has now grown to 17 individuals (11
females and 6 males). The other species of wild ungulates
occurring in the enclosure are red deer (Cervus elaphus),
moufloun (Ovis musimon), wild boar (Sus scrofa), roe deer
(Capreolus capreolus), and fallow deer (Dama dama). Large
predators are not present in the enclosure, but a pack of
wolves (Canis lupus) was spotted nearby in 2014.
The average home range of the bison herd during the
growing season was calculated in ArcGIS Desktop10
software (ESRI 2010) using the method of minimum convex polygon 100% (Mohr 1947). The ArcGIS Desktop 10
software was also used to determine the habitat use of the
bison herd. We joined the GPS locations with the habitat
model containing detailed information on land use in the
hunting enclosure. We compared the habitat found at each
location derived from the GPS collars with the overall habitat of the enclosure and determined the habitat preferences.
2.2. Data collection
3. Results
During the growing season 2014 (from April to September),
we tracked the movements of the herd by fitting a GPS collar equipped with GSM module to the lead cow. We used
the collar produced by VECTRONIC Aerospace GmbH in
Germany (model type GPS Plus 5D weighing 1.13 kg). The
collar was set to record GPS locations (~ 10 m accuracy) at
30 min intervals. The GPS locations were transmitted daily
via the GSM module to a secure online database available
at http://zver.agris.cz/en/, where the data were stored and
backed up without the need of retrieving the collar (Jarolímek
et al. 2012; Jarolímek et al. 2014). As a measure of the accuracy of each GPS location, the collar also recorded a dilution
of precision (DOP) value, i.e. a value describing the distribution of satellites in space, and their geometry. Lower DOP
values indicate higher location accuracy because of a wider
angular separation between the satellites (Langley 1999).
During the 24-hour cycle the herd usually travelled very
short distances within a 30-minute interval. More than 59%
of time was spent with no substantial spatial activity of the
herd (Fig. 1; categories 0–25 m and 25–50 m). The substantial movements, i.e. movements longer than 200 m within
30-min intervals, were observed only in 11% of cases (Fig.
1 category 200m+), with the longest distance being 2.2 km.
2.3. Data management and statistical analyses
In order to increase the location accuracy, all location estimates with DOP > 6 were removed from the dataset (Lewis
et al. 2007; Frair et al. 2010). To maintain the data homogeneity, only the GPS locations recorded every 30 minutes were
used for the analysis. When the time interval between the two
GPS locations was longer, the locations were removed, since
in such cases the distances might be distorted. The moved
distances were calculated as the shortest distance between
the two GPS locations recorded at 30-minute intervals, though the real distance could have been longer. The distances
walked within 30-minute intervals were then divided into
the following length categories: 0–25 m (i.e. no spatial activity), 25–50 m, 50–75 m, 75–100 m, 100–150 m, 150–200 m
(i.e. high spatial activity). The Oriana 4.02 software (Kovach
Computing) and circular statistics were used to examine the
distribution of these distances walked within 30-minute
intervals during the 24-hour cycle (Lehner 1996). Significant deviations from random distributions were investigated
using the Rayleigh test of circular statistics.
Possible differences in the average daily moved distances
between the day and night were evaluated using Student´s
t-test. The Kruskal-Wallis test was used to determine possible
differences in the size of daily utilisation area (DUA) between
the individual months of the study (i.e. April–September).
Significant results are reported for P < 0.05.
Fig. 1. Distribution of distances walked by the European bison
herd in a 30-minute interval within individual categories in the
hunting enclosure from April to September.
The difference in the average daily moved distance (hereinafter as ADMD reported as mean ± SD) within a 30-minute
interval during the day (i.e. 06:00–18:00h; ADMD = 90 ±
127 m) and during the night (i.e. 18:00–06:00h; ADMD
= 72 ± 127 m) was significant (Student´s t–test: t = 5.486;
p < 0. 0001; Fig. 2).
Fig. 2. The average daily moved distance within a 30-minute interval by the European bison herd in the day (06:00–18:00 h) and
night (18:00–06:00 h).
201
4.2.2015 13:30:10
Consequently, the bison herd was more active during the day
which is also evidentfrom the distribution of moved distances
throughout the 24-hour cycle (Fig. 3). In the category of 0–
25 m (i.e. no movement), there is a clear dependency with a
daytime (Rayleigh test: Z = 88.296, p < 0. 0001), with the grand
mean vector being at 02:43 h. Therefore, we can conclude that
the herd was the least active during the second half of night (i.e.
0:00–6:00 h; Fig. 3a). On the other hand, the spatial activity
on short distances (categories 25–50 m and 50–75 m, i.e. this
spatial behavior can be classified as an intensive grazing) was
distributed evenly during the whole day. In addition, the “real
transfer”, when the herd moved more than 75 m in 30 minutes,
was concentrated in two day periods, i.e. at dawn (18:00 h) and
at dusk (06.00 h). Therefore, the data demonstrated a bimodal
distribution of this type of spatial activity (Fig. 3d, e, f); Rayleigh test: 100–50 m category: Z = 6.013; p = 0.002; 150–200 m
category: Z = 10.092; p < 0. 0001; 200 m+ category: Z = 34.855;
p < 0. 0001).
Fig. 4. The average size of daily utilisation area (DUA) of the European bison herd during the period April–September.
The herd spent more than 58% of time in forested habitats.
In 40% of time it was located in idle lands. The habitat preference was however dependent on a day time. The forest
areas were preferred during the day (Fig. 5, Rayleigh test:
Z = 107.31; p < 0. 0001), with the grand mean vector at
14:12 h.
(QTGUVCTGC
Fig. 5. Circular diagram showing the distribution of the GPS locations of the European bison herd during 24-hour cycle recorded in
the forested habitat.
The idle lands were, on the other hand, preferred during the
night (Fig. 6, Rayleigh test: Z = 214.451; p < 0. 0001), with
the grand mean vector at 02:17 h.
1RGPCTGCU
Fig. 3. Circular diagrams of distribution of the moved distances by
the European bison herd throughout the 24-hour cycle in different
length categories.
Regarding the average size of home range during the growing
season (April–September), the herd used a territory of 29.5 km2
(calculated by Minimum Convex Polygon 100% method). Therefore, the herd did not use the whole area of the hunting enclosure (37.95 km2). The average daily utilisation area (DUA) was
0.5 km2. The difference between individual months was not
statistically significant (Kruskal-Wallis test: H = 13.224;
p = 0.7959). The lowest average DUA was recorded in June, whereas the highest average DUA was in April. The maximum DUA
was recorded in April (2.34 km2), July (2.08 m2), and August
(1.98 m2). In 74% of the days, DUA reached 0.5 km2, in 12% it
ranged between 0.5 and 1 km2, and only in 15% of the days it was
greater than 1 km2 (Fig. 4).
Fig. 6. Circular diagram showing the distribution of the GPS locations of the European bison herd during 24-hour cycle recorded
in idle lands.
The forest areas older than 100 years were visited most frequently (44% of the time), followed by 40–60-year-old forest
areas (19%), 60–80-year-old (11%), 20–40–year-old (7%)
and 0–20-year-old forest areas (6%). The herd was predominantly located in coniferous stands (88%) compared to deci-
202
4.2.2015 13:30:19
duous stands (12%), and showed the preferences for stands
dominated by pine (56%), followed by spruce (33%), birch
(8%), oak (2%), and larch (1%).
4. Discussion
The main goal of the current conservation strategy of the
European bison is to create a large and long-term viable well-connected meta-population (Pucek et al. 2004; Krasińska
& Krasiński 2007). Nowadays, European bison occupy less
than 1% of its former range (Pucek at al. 2004). Therefore, to
fulfill the conservation goal would mean to reintroduce and
substantially increase the population size in areas affected by
humans. Gaps in the knowledge about detailed habitat use
and preferences in human dominated landscape have been
the main obstacles for present conservation planning of the
European bison. Our study provides information on the daily
activity rhythm and habitat use of the semi-free European
bison herd consisting of 17 individuals in the large hunting
enclosure in the Czech Republic during the period April–
September.
Our results indicate that the spatial behavior of the semi-free
bison herd occupying the Central European enclosure was
not substantially different compared to free-ranging herds
inhabiting areas less affected by humans, i.e. the Carphatians
and the Białowieża Forest (Kuemmerle et al. 2012; Kowalczyk et al. 2013). The average home range size found here
was also comparable with the average home ranges of the
free-ranging populations (Perzanowski et al. 2012; Kowalczyk et al. 2013).
The bison herd in our study preferred forested habitats
during the day and idle lands (i.e. former shooting ranges now
dominated by a mixture of pioneer tree species, hawthorn
and grasslands) during the night. This finding supports an
assumption that the European bison occupying the Central
European landscape tends to be a forest specialist (Verkaar
et al. 2004). Nevertheless, previous studies have indicated
that European bison prefer open habitats (Pucek et al. 2004;
Krasińska and Krasiński 2007; Daleszczyk & Bunevich
2009; Kerley et al. 2012) and that the amount of time spent
in forested habitats is determined by threat avoidance and
not habitat preference (Drucker and Bocherens 2009). In the
case of the European bison, the threat avoidance could have
been caused by hundreds of years of pursuit and attempts
to exterminate bison herds, which consequently retreated
to large forest habitats. This theory is also supported by our
results and the differences in the choice of habitats between
night- and day-time.
We did not find any clear preference for a particular forest type (i.e. coniferous or deciduous). Although previous
studies showed that bison prefer deciduous forests (e.g.
Krasińska and Krasiński 2007; Kuemmerle et al. 2011),
Brandtberg and Dabelsteen (2013) reported that the reintroduced bison at a Danish island preferred coniferous forest
stands during the growing season.
Our results support the idea of bison reintroduction to
free nature, especially to military training areas. Such areas
are sufficiently large to allow natural behaviour of a herd.
However, it is still necessary to perform additional research
and in particular, it is essential to evaluate spatial behavior
throughout the whole year and evaluate possible differences
between different seasons. It is also important to test possible
tools, by which it would be possible to influence spatial
activity of bison herds (such as supplementary feeding). In
Central European conditions such knowledge is essential to
prevent potential human-bison conflicts.
Acknowledgements
This study was supported by the Ministry of Agriculture of the Czech
Republic, Grant No. QJ1220314 and by Czech University of Life
Sciences, Grant No. 11150/1313/3113.
References
Balčiauskas, L., 1999: European bison (Bison bonasus) in Lithuania: status and possibilities of range extension. Acta Zoologica
Lituanica, 3:3–18.
Balčiauskas, L., Kazlauskas, M., 2014: Forty years after reintroduction in a suboptimal landscape: public attitudes towards
European bison. European Journal of Wildlife Research,
60:155–158.
Bengtsson, J., Nilsson, S. G., Franc, A., Menozzi, P., 2000: Biodiversity, disturbances, ecosystem function and management of
European forests. Forest Ecology and Management, 132:39–
50.
Brandtberg, N. H., Dabelsteen, T., 2013: Habitat selection of two
European bison (Bison bonasus) on the Danish island Bornholm. European Bison Conservation Newsletter, 6:73–80.
Daleszczyk, K., Bunevich, A. N., 2009: Population viability analysis
of European bison populations in Polish and Belarusian parts of
Białowieża Forest with and without gene exchange. Biological
Conservation, 142:3068–3075.
Decker, S. E., Bath, A. J., Simms, A., Lindner, U., Reisinger, E.,
2010: The Return of the King or Bringing Snails to the Garden?
The Human Dimensions of a Proposed Restoration of European Bison (Bison bonasus) in Germany. Restoration Ecology,
18:41–51.
Dostál, D., Jirků, M., Konvička, M., Čížek, L., Šálek, M., 2012:
Návrat zubra evropského (Bison bonasus) do České republiky.
Česká krajina o.p.s. Kutná Hora.
Drucker, D. G., Bocherens, H., 2009: Carbon stable isotopes of
mammal bones as tracers of canopy development and habitat use in temperate and boreal contexts. In: Creighton, J.D.,
Roney, P. J. (eds.): Forest canopies: forest production, ecosystem health and climate conditions. Nova Science Publishers,
Hauppauge, NY, p. 103–109.
EBCC, 2014: European Bison Conservation Center. Population size
of E. bison kept in captive and free-living herds. Available at:
http://www.bison-ebcc.eu/bison_data_2014.pdf.
Frair, J. F., Fieberg, J., Hebblewhite, M., Cagnacci, F., Decesare, N.
J., Pedrotti, L., 2010: Resolving issues of imprecise and habitat
– biased locations in ecological analyses using GPS telemetry
data. Philosophical Transactions of the Royal Society B-Biological Sciences, 365:2187–2200.
Hofman-Kamińska, E., Kowalczyk, R., 2012: Farm Crops Depredation by European Bison (Bison bonasus) in the Vicinity of
Forest Habitats in Northeastern Poland. Environmental Management, 50:530–541.
Heptner, V. G., Nasimovitch, A. A., Bannikov, A. G., 1988: Wisent.
557–599, In: Heptner, V. G., Nasimovitch, A. A., Bannikov, A.
G. (eds.): Mammals of the Soviet Union, I. Artiodactyla and
Perissodactyla. Washington, D.C., 1147 p.
203
4.2.2015 13:30:20
IUCN, 2014: The IUCN Red List of Threatened Species. Available
at: http://www.iucnredlist.org/details/full/2814/0.
Jarolímek, J., Masner, J., Ulman, M., Dvořák, S., 2012: Cloven-hoofed animals spatial activity evaluation methods in Doupov
Mountains in the Czech Republic. AGRIS on-line Papers Economics and Informatics, 4:41–48.
Jarolímek, J., Vaněk, J., Ježek, M., Masner, J., Stočes, M., 2014:
The telemetric tracking of wild boar as a tool for field crops
damage limitation. Plant, Soil and Environment, 60:418–425.
Kerley, G. I. H., Kowalczyk, R., Cromsigt, J. P. G. M., 2012: Conservation implications of the refugee species concept and the
European bison: king of the forest or refugee in a marginal
habitat? Ecography, 35:519–529.
Kowalczyk, R., Krasińska, M., Kamiński, T., Górny, M., Struś, P.,
Hofman-Kamińska, E. et al., 2013: Movements of European
bison (Bison bonasus) beyond the Białowieza Forest (NE
Poland): range expansion or partial migrations? Acta Theriologica, 58:391–401.
Krasińska, M., Krasiński, Z. A., 2007: European Bison, a nature
monograph. Mammal Research Institute, Polish Academy of
Sciences, Bialowieza, 221 p.
Krasiński, Z. A., 1978: Dynamics and structure of the European
bison population in the Białowieża Primeval Forest. Acta Theriologica, 23:13–48.
Kuemmerle, T., Hostert, P., Radeloff, V.C., van der Linden, S.,
Perzanowski, K., Kruhlov, I., 2008: Cross-border comparison
of post-socialist farmland abandonment in the Carpathians.
Ecosystems, 11:614–628.
Kuemmerle, T., Radeloff, V. C., Perzanowski, K., Kozlo,P., Sipko,
T., Khoyetskyy, P. et al., 2011: Predicting potential European
bison habitat across its former range. Ecological Applications,
21:830–843.
Kuemmerle, T., Hickler, T., Olofsson, J., Schurgers, G., Radeloff,
V. C., 2012: Reconstructing range dynamics and range fragmentation of European bison for the last 8000 years. Diversity
and Distributions, 18:47–59.
Langley, R. B., 1999: Dilution of precision. GPS World 10:52–59.
Lehner, P. N., 1996: Spatial orientation and time: circular statistics and spatial patterns. In: Lehner, P. N. (ed.): Handbook of
ethological methods. Cambridge University Press, p. 485–521.
Lewis, J. S., Rachlow, J. L., Garton, E. O., Vierling, L. A., 2007:
Effects of habitat on GPS collar performance: using data screening to reduce location error. J. Appl. Ecol., 44:663–671.
Matson, P. A., Parton, W. J., Power, A. G., Swift, M. J., 1997: Agricultural intensification and ecosystem properties. Science,
277:504–509.
Mohr, C. O., 1947: Table of equivalent populations of North American small mammals. American Middle Naturalist, 37:223–249.
Olech, W., Perzanowski, K., 2002: A genetic background for reintroduction program of the European bison (Bison bonasus) in
the Carpathians. Biological Conservation, 108:221–228.
Olech, W. 2009: The changes of founders’ number and their contribution to the European bison population during 80 years of
species’restitution. European Bison Conservation Newsletter,
2:54–60.
Perzanowski, K., Olech, W., Kozak, H. 2004: Constraints for
re-establishing a meta-population of the European bison in
Ukraine. Biological Conservation, 120:345–353.
Pucek, Z., Belousova, I. P., Krasińska, M., Krasiński, Z. A., Olech,
W., 2004: European bison. Status survey and conservation
action plan. IUCN/SSC Bison Specialist Group. IUCN, Gland,
Switzerland.
Stoate, C., Boatman, N. D., Borralho, R. J., Rio Carvalho, C., de
Snoo, G. R., Eden, P., 2001: Ecological impacts of arable intensification in Europe. Journal of Environmental Management,
63:337–365.
Sztolcman, J. 1926: European bison its history habits and
future. Warszawa: The Central Union of Polish Associations
of Hunting.
Verkaar, E. L. C., Beeke, M., Hanekamp, E., Nijman, I. J., Lenstra,
J. A., 2004: Maternal and paternal lineages in interbreeding
bovine species. Is wisent a hybrid species? Mol. Biol. Evol.,
21:1165–1170.
Ziółkowska, E., Ostapowicz, K., Kuemmerle, T., Perzanowski, K.,
Radeloff, V. C., Kozak, J. ,2012: Potential habitat connectivity
of European bison (Bison bonasus) in the Carpathians. Biological Conservation, 146:188–196.
204
4.2.2015 13:30:21
Lesn. Cas. For. J. 60 (2014) 205–213
Similar foliage area but contrasting foliage biomass
between young beech and spruce stands
Porovnateľná plocha avšak kontrastná biomasa asimilačných orgánov
medzi mladými porastmi buka a smreka
Bohdan Konôpka1, 2 *, Jozef Pajtík1, 2
National Forest Centre-Forest Research Institute Zvolen, T. G. Masaryka 2175/22, SK – 960 92 Zvolen, Slovakia
Czech University of Life Sciences, Faculty of Forestry and Wood Sciences, Kamýcká 1176, CZ – 165 21 Prague, Czech Republic
1
2
Abstract
The study focuses on two young stands of European beech (Fagus sylvatica) and Norway spruce (Picea abies) of the same age (12-yearold) with similar sized trees grown at near identical sites. After performing a destructive sampling technique which included all tree
compartments except fine roots; allometric equations were constructed for all tree components. Diameter at stem base (do) was utilized as
an independent variable for the equations. The models expressed not only biomass of woody parts (branches, stem and coarse roots) and
foliage but also foliage area and specific leaf area (SLA). Results indicate that the basic morphological properties of foliage vary in both
species along the vertical crown profile. In spruce, contrasting values of needle area and SLA were recorded among needle sets (based on
year of establishment). On a tree level, both spruce and beech had similar foliage areas however, beech had a larger biomass comprising
of woody parts while spruce biomass was dominated by foliage. Therefore the leaf mass ratio (LMR) defined as the ratio between foliage
biomass and total tree biomass, as well as leaf area ratio (LAR) defined as the ratio between leaf area and total tree biomass were much
larger in spruce than in beech species. On a stand level, spruce manifested a higher value (18.64 m2.m−2) of leaf area index (LAI) than
beech (12.77 m2.m−2). Moreover, while the biomass of foliage was 4.6 times higher in spruce than in beech, total biomass of woody parts
were similar in both stands. These contrasts indicate very different growth strategies and biomass allocations between beech and spruce
at the young growth stages.
Keywords: Fagus sylvatica; Picea abies; leaf area index; specific leaf area; woody and foliage biomass
Abstrakt
Výskum sa zameral na mladé porasty buka lesného (Fagus sylvatica) a smreka obyčajného (Picea abies) rovnakého veku (12 rokov), veľmi
podobných dimenzií stromov, rastúcich na totožnom stanovišti. Na základe odberu vzorníkov celých stromov (všetky časti okrem jemných
koreňov) sme skonštruovali alometrické vzťahy pre stromové komponenty. Ako nezávislá premenná sa použila hrúbka na báze kmeňa
(d0). Modely vyjadrili nielen biomasu konárov, kmeňa, hrubých koreňov a asimilačných orgánov, ale aj plochu asimilačných orgánov
a špecifickú listovú plochu (specific leaf area; SLA). Zistili sme, že základné morfologické vlastnosti asimilačných orgánov varírovali pri
obidvoch drevinách pozdĺž vertikálneho profilu koruny. V prípade smreka sa zistili odlišné hodnoty plochy ihlíc a SLA medzi jednotlivými
ročníkmi ihlíc. Na úrovni stromu mali buky oveľa viac biomasy drevných častí ako smreky, opačná situácia bola pri asimilačných orgánoch.
Preto hodnoty podielu medzi biomasou asimilačných orgánov a celkovou biomasou stromu, ako aj pomeru medzi plochou asimilačných
orgánov a celkovou biomasou stromu boli výrazne vyššie pri smreku než buku. Na úrovni porastu mala smrečina vyššie hodnoty indexu
listovej plochy, t. j. LAI (18,64 m2.m−2) v porovnaní s bučinou (12,77 m2.m−2). Kým biomasa asimilačných orgánov bola 4,6-krát väčšia
v smrekovom než v bukovom poraste, biomasa drevných časti bola porovnateľná v obidvoch porastoch. Tieto kontrasty naznačujú výrazne
odlišnú rastovú stratégiu, resp. alokáciu biomasy medzi bučinami a smrečinami v mladých štádiách.
Kľúčové slová: Fagus sylvatica; Picea abies; index listovej plochy; špecifická listová plocha; biomasa asimilačných orgánov a drevných častí
1. Introduction
Foliage plays a crucial role in the growth and development
of woody tree parts as they are the principal photosynthesizing organs. Besides photosynthesis, leaves store carbohydrates and mineral nutrients, thus, they are an important
tree compartment for carbon sequestration (Kozlowski &
Pallardy 1997). Moreover, foliage is relatively short-living
tree organ and in addition to photosynthetic and respiratory functions, it can contribute substantially to biochemical
cycling in the forest ecosystem including carbon fluxes (Vogt
1991; Härkönen et al. 2010). At the same time, they are very
responsive to external factors as well as subjected to phonological cycles and growth rhythmus (Bussoti et al. 2000). In
studies by Barna (2004) and Closa et al. (2012) significant
modifications on beech foliage size and mass density was
identified in response to contrasting light conditions.
Reich et al. (1998) explained that specific leaf area (SLA)
is the most frequently used indicator of leaf structure. By
definition, leaves will have a lower value of SLA if they are
denser (e.g. a greater mass per volume) or thicker. Besides
the morphological meaning of SLA, the indicator can serve
as a conversion factor by converting foliage weight to foliage
area. In general, the quantity of particular compartments of
*Corresponding author. Bohdan Konôpka, e-mail: [email protected], phone: +421 45 5314 323
4.2.2015 13:30:24
B. Konôpka et al. / Lesn. Cas. For. J. 60 (2014) 205–213
the tree body can be expressed by allometric equations, usually implementing tree height or diameter (often measured
130 cm from the ground level i.e. at breast height; DBH) as
independent variables (West 2009). Pajtík et al. (2008) suggested that while allometric relations were frequently developed for older stands, young forests were usually omitted. This
applies for both woody parts of trees and foliage. Estimates
of foliage biomass in young European beech and Norway
spruce on a local scale were created in the Czech Republic
by Kantor et al. (2009). Xiao & Ceulemans (2004) developed allometric equations for both branch and tree levels in
young Scots pine (Pinus sylvestris). The authors considered
branch level and vertical position of whorl as an independent
variable in the equations. In general, research that considers
both foliage biomass and SLA are lacking.
Information on foliage mass or more specifically foliage
area, relative to the mass of woody components in trees can
identify the efficiency of tree individuals (or tree species)
to apply assimilatory organs for total tree growth. The leaf
mass ratio (LMR); the ratio of the leaf dry mass to the total
dry plant mass as well as the leaf area ratio (LAR); the ratio
of the leaf area to the total dry plant mass have been used
to describe the interaction between ecological structure and
tree production (e.g. Pickup et al. 2005; Shipley 2006; Milla
et al. 2008). Further studies use tree leaf mass or leaf area
relative to production of woody compartments to estimate
growth efficiency on a tree or stand level (e.g. Jack et al. 2002;
Konôpka et al. 2010; Konôpka & Pajtík 2013).
Leaf area index (LAI) is a stand characteristic which very
closely correlates to net primary production, stand transpiration and rainfall interception of forests (e.g. Herbert &
Fownes 1997; Gower et al. 1992; Van Dijk & Bruijnzeel
2001). LAI is defined as one-sided green leaf area per unit
ground surface in broadleaf canopies. For coniferous species,
three different definitions have been alternatively used: (i)
total needle surface area per unit ground level, (ii) half of
the total needle surface area per unit ground area and (iii)
projected needle area per unit ground area. While definitions
(i) and (ii) are reality more exact, (iii) is the most practical
concept for measurements, therefore, is most frequent used.
In a review by Bréda (2003) ground-based measurements
of LAI were considered controversial and a basic approach
for establishing LAI was suggested by measuring leaf area
on a sub-sample of foliage and related to dry mass (e.g.
SLA). Finally, the total dry mass of foliage collected within
a known ground-surface area is converted into LAI by multiplying by SLA. However, the protocol of foliage sampling
must respect the variability of leaf size and density, especially
in terms of light availability (e.g. Closa et al. 2012). Most
probably, light diffusion on the foliage depends mainly on
the crown position in the canopy and the location of foliage
along the tree crown. In fact, different foliage growth and
retention strategies between species (especially evergreens
versus deciduous) in relation to light availability might be
important for carbon stock and cycling in forest ecosystems
and should be considered in forest management. Thus, such
knowledge might be implemented, for instance in creating
the ideal tree species composition in forests with the aim to
sequestrate carbon and mitigate climate change.
The paper shows allometric equations using tree size
(stem diameter) as an independent variable for both foliage
and woody biomass as well as foliage area in young European beech and Norway spruce trees. The model for foliage
area considers intra-stand and intra-crown variability with
complexity mainly in spruce trees. The principal goal of the
work is to make inter-specific comparisons in foliage mass
and foliage area (i.e. LAI) between young stands of beech
and spruce with regard to standing stock of woody parts.
The final goal is to discuss inter-specific differences in foliage
biomass (foliage area) and woody parts biomass as well as the
ratio between quantities of foliage and woody components
in terms of physiological and ecological aspects.
2. Materials and methods
2.1. Site and stand description
The site (see also Konôpka et al. 2013) is situated in the
southern part of the Veporske Hills (48° 38' 55"N and
19° 36' 07" E) and belongs to the geographical unit of the Slovak Ore Mountains. The prevailing bedrock is granodiorit,
soil Humic Cambisol, with low portion of skeleton, pH (in
H2O) was 5.13, 5.23, and 5.38 at soil depths 0 – 10, 10 – 35,
and 35 – 65 cm respectively. The altitude is 960 m a.s.l. and
the annual sum of precipitation is close to 900 mm, the mean
annual temperature is 5.5 °C.
Two neighboring stands of nearly pure European beech
(Fagus sylvatica) and pure Norway spruce (Picea abies), both
naturally regenerated, with the same ages (about 12 years)
were studied. The young beech forest is ca. 0.5 ha large and
consists predominantly of dense stands of beech with few
scattered gaps that are colonized by Calamagrostis epigejos
dominating grass. The young spruce forest is ca. 0.7 ha large
and has a similar spatial structure to that of the beech stand.
2.2. Measurement and sampling
To measure tree heights and stem diameters d0 (on the
ground level), five circle-like plots were established in both
the beech and spruce stands during the early growing season
in 2011. The plots, with a radius of 100 cm, were fixed in the
stands and incorporated around 40 trees each. The central
tree of the plot was labeled with a plastic strip. Then, all of
the trees within the circle were marked with iron tags with
consecutive numbers. Tree heights and diameters d0 were
measured on labeled individuals.
Beech (60 pieces) and spruce (80 pieces) trees were
sampled outside of the circle plots in September 2011. All
tree components excepting roots with diameter under 1 mm
(very fine roots) were evaluated. Height and diameter d0 of
the sampled trees were measured. The trees were divided into
foliage and other (woody) components, i.e. branches, stem
and coarse roots. Of the woody compartments, stems were
exposed to the most detailed measurements. Specifically,
the stems were divided into 4 or 5 length sections. Then, the
volume of each section was calculated according to Newton’s
formula:
V = L*(Ab + 4*Am + As)/6
206
4.2.2015 13:30:29
where V is the section volume, L the section length, Ab the
cross-sectional area at the larger end, Am the cross-sectional area at the midpoint, As the cross-sectional area at the
smaller end.
Then, all tree components were oven-dried (temperature
of 95 °C) for a few days and finally the dry masses of woody
parts (branches, stem, coarse roots) and foliage were weighed.
For additional foliage sampling extra 40 beech and 40
spruce trees were selected from the stands, outside of the
circle plots. The trees were chosen to cover the entire diameter range recorded in the plots. Height and diameter d0 of
the trees were measured and samples of foliage were taken
from the upper, middle and lower third of the crowns. Three
beech foliage and 30 spruce needles were sampled from each
crown part (upper, middle and lower). As for spruce needles
we sampled all needle sets, i.e. established in 2011, 2010,
2009, 2008, 2007, rarely in 2006.
The individual beech leaves and groups of 10 spruce
needles were scanned on the scanner EPSON Expression
10000, then, oven-dried at a temperature of 95 °C for 48
hours and weight. The areas of the foliage were measured
by the “Leaf Area Measurement” software.
Moreover, 16 spruce samples were selected and their
needle biomass divided according to year of establishment.
They were subsequently oven-dried and weighed. This
measurement was required for the estimation of needle set
(divided by year of establishment) as a contribution to total
needle biomass.
2.3. Mathematical and statistical procedures
To construct allometric relations for biomass of woody parts
(branches, stem and coarse roots) and foliage against diameter d0, data originating from 80 spruce samples and 60 beech
samples were implemented. Biomass of the tree components
was expressed as:
:L H E E OQ '$% Ȝ
where Wi is the biomass of a particular component (woody
parts or foliage), d0 is the diameter at stem base, b0, b1 and b2
are coefficients, λ is transformation bias. Detailed procedures for the construction of this type of relationship is given
for instance in Pajtík et al. (2008).
Then, total foliage area (LA) on a tree level against stem
diameter d0 was expressed by using data on foliage biomass
(Wf) and specific leaf area (SLA):
LA = Wf * SLA
where Wf is based on allometric equation:
\ H E E OQ G Ȝ and similarly SLA as:
\
H E E OQ G O .
After implementing both relationships the following formula
was devised:
LA = (e(b0+b1 lnd0) λ1)(e(b2+b3 lnd0) λ2) = e(a0+a1 lnd0) λ
where a0 = b0 + b2, a1 = b1 + b3 and λ = λ1 λ2.
In fact, LA was expressed on a tree level by using SLA data
typical for the middle part of the crown. This simplified procedure was used after finding that the foliage in the middle
crown was representative as the average SLA with foliage
from upper and lower portion of the crown showing extreme
values.
As for LAI in beech, the following approach was implemented: LA was calculated for each tree recorded on the circle plots using individual value of d0. Consequently, sum of
LA for all trees on a plot represents total LA on the plot with
a known area. Then, total LA on a plot divided by the plot
area represents LAI on a plot base. Final (average) LAI for
the beech stand was expressed as:
/$, M
¦ /$
LM
6M
where LAij is leaf area for i–tree on the j–plot and Sj is area
on the j–plot.
In case of LAI for spruce, the procedure was more difficult
because of the different needle sets (divided by the year of
birth) manifest contrasting values of SLA. Therefore, each
needle set on a tree level was considered and expressed separately. Biomass of k-needle set for all trees on j–plot (Wjk)
was as follows:
: MN
Q
¦:
LM
L 3N
where n is the number of tree on the plot, Pk is the contribution of k-needle set on the total needle biomass.
To evaluate the contribution of k–needle set to the total
needle biomass, data from 16 spruce samples (dry masses of
needle sets were measured separately with regard to year of
establishment) were utilized. Since no statistical differences
were found for the contributions of the needles sets to total
needle biomass among trees with different sizes (i.e. diameters d0), mean values of Pk for specific needle sets were used
for further calculations regardless of tree size. Calculation of
SLA in spruce was done by using the same concept as in the
beech stand, meaning that data was considered on needle
properties from the middle part of crowns. LA for k–needle
set and for j-plot was expressed as:
/$ MN
Q
¦ :
L LM
3N 6/$LMN .
Consequently LAI was calculated for j–plot as follows:
S
/$, M
¦ /$
N Q
MN
6M
S
¦¦ :
L N 3N 6/$LMN LMN
6M
.
Then, LMR is defined as the ratio between biomass of foliages to whole-tree biomass:
/05
:O
:Z
.
Similarly, LAR is charcterized as ratio between leaf area to
whole-tree biomass:
/$5
73/$
:Z
:O 6/$ S
:Z
207
4.2.2015 13:31:05
where TPLA is the total projected leaf area, Wl is the biomass
of foliage, Ww is the whole-tree biomass and SLAp is onesided specific leaf area.
All statistical analyses were performed by the Statistica
10 (Statsoft, Tulsa, USA) program package.
3. Results
Two forest stand complexes; one comprising of beech and
the other spruce trees had not only similar ages but also other
similar characteristics on a stand level (Table 1). Similarities existed especially in volume of mean stem (501 cm3 and
647 cm3 in beech and spruce, respectively), and in basal area
measured on the ground level (69.5 m2.ha−1 and 80.2 m2.ha−1
in beech and spruce, respectively). Certain contrasts were
recorded for height to diameter ratio (125.9 cm.cm-1 and
76.3 cm.cm−1 in beech and spruce, respectively). The contrasting ratio in the stands is related to inter-specific differences between height and diameter on a tree level, which was
observed for individual trees of all sizes (Fig. 1).
Table 1. Stand characteristics (average ±standard error) for
European beech and Norway spruce.
Stand characteristics
Number of trees [ths.ha−1]
Mean tree height [cm]
Mean diameter d0* [cm]
Height to diameter d0 ratio [cm.cm−1]
Volume of mean stem [cm3]
Basal area* [m2.ha−1]
European beech
125 ± 12
287 ± 22
2.66 ± 0.12
125.9 ± 8.5
501.1 ± 56.7
69.5 ± 7.0
Norway spruce
98 ± 7
211 ± 5
3.23 ± 0.11
76.3 ± 2.5
646.6 ± 34.5
80.2 ± 4.6
* Both diameter d0 and basal area were measured at ground level.
Fig. 1. Relationship between stem diameter d0 and tree height in
beech and spruce. Equations for the relationship were as follows:
KE
G G G in beech, and
KV
G G G in
spruce.
Large differences in SLA of foliage were observed in
both tree species in terms of foliage position in crowns as
well as tree size (Fig. 2a and 2b, Tables 2 and 3). While the
highest values of SLA were recorded for leaves and needles
in the lower portion of the crowns, the smallest values were
observed in the upper part of the crowns. At the same time,
value of SLA decreased with increasing tree size. The sharpest decrease of SLA with tree size was found for trees with
diameter under ca. 30 mm (i.e. suppressed individuals). At
the same time, while SLA of foliage in the middle crown of
beech varied between ca. 150 and 500 cm2.g−1, the range for
spruce needles was from ca. 70 to 120 cm2 .g−1. Differences
in SLA along the crown profile are related to both foliage size
Fig. 2. Relationship between diameter d0 and SLA in (a) beech and (b) spruce for upper, middle and lower part of the crowns.
Table 2. Statistical characteristics for equations expressing the relationship between SLA in the upper, middle and lower part of the
crown in beech, eventually spruce and diameter d0.
Species
Beech
Spruce
Part of crown
Upper
Middle
Lower
Upper
Middle
Lower
b0
8.020
8.026
7.215
6.577
6.036
5.637
(S.E.)
(0.116)
(0.110)
(0.118)
(0.087)
(0.091)
(0.094)
P
<0.001
<0.001
<0.001
<0.001
<0.001
<0.001
b1
−0.818
−0.757
−0.416
−0.632
−0.42
−0.281
(S.E.)
(0.035)
(0.033)
(0.036)
(0.024)
(0.025)
(0.026)
P
<0.001
<0.001
<0.001
<0.001
<0.001
<0.001
R2
0.823
0.816
0.544
0.859
0.713
0.505
MSE
0.057
0.051
0.058
0.022
0.024
0.025
λ
1.030
1.026
1.027
1.011
1.012
1.013
S.D.
0.266
0.239
0.230
0.148
0.160
0.164
Note: abbreviations in the table captions means; b0, b1 – coefficients, S.E. – their standard errors, P – p-value, R2 – coefficient of determination, MSE – mean square error, λ – logarithmic transformation bias
and S.D. – standard deviation.
208
4.2.2015 13:31:18
Table 3. Statistical characteristics for equations expressing relationship between SLA in the middle part of crown in spruce by needle
sets (different years of establishment) and diameter d0.
b0
(S.E.)
P
b1
(S.E.)
P
R2
MSE
λ
S.D.
2007+ (5 + rarely 6)
4.890
(0.129)
<0.001
−0.242
(0.034)
<0.001
0.657
0.011
1.005
0.102
2008 (4)
2009 (3)
2010 (2)
2011 (1)
4.955
5.179
5.542
6.036
(0.119)
(0.135)
(0.187)
(0.091)
<0.001
<0.001
<0.001
<0.001
−0.234
−0.263
−0.329
−0.427
(0.031)
(0.035)
(0.049)
(0.025)
<0.001
<0.001
<0.001
<0.001
0.672
0.667
0.629
0.713
0.009
0.012
0.022
0.024
1.004
1.006
1.011
1.012
0.097
0.109
0.150
0.160
Birth year (age) of needle set
Fig. 3. Relationship between diameter d0 and individual foliage area in (a) beech and eventually projected area of 10 needles in (b) spruce
for upper, middle and lower part of the crowns.
Table 4. Statistical characteristics for allometric relations expressing leaf area in beech, eventually spruce and diameter d0.
Species
Beech
Spruce
Part of crown
Upper
Middle
Lower
Upper
Middle
Lower
b0
−0.175
−0.209
0.285
0.408
0.359
0.547
(S.E.)
(0.016)
(0.018)
(0.024)
(0.040)
(0.047)
(0.061)
P
<0.001
<0.001
<0.001
<0.001
<0.001
<0.001
b1
−0.013
−0.015
0.016
0.059
0.066
0.066
(S.E.)
(0.0005)
(0.0005)
(0.0007)
(0.001)
(0.001)
(0.002)
P
<0.001
<0.001
<0.001
<0.001
<0.001
<0.001
R2
0.729
0.751
0.770
0.546
0.384
0.471
MSE
377400
187209
113901
1223
1082
1106
(Fig. 3a and 3b, Table 4) and also foliage weight (data not
shown). As for foliage size (area), beech leaves in the upper
part of crown were approximately twofold large than those
in the lower part of crown. Contrasts between spruce needles
from the upper and lower part of crown were slightly smaller
than those in beech.
To establish further calculations for foliage area on a tree
and stand level, SLA originating from the middle part of the
crown was utilized as an average value representative of the
upper and lower crown. In fact, for estimating foliage area
on crown level, the values from all crown parts could not be
combined because contribution of foliage from upper, middle
and lower portions of the crown to the total foliage biomass
was not known. Moreover, it is supposed, that the main portion of foliage existed in the middle of the crown. In spruce
trees, large differences in SLA were estimated between the
needle sets established in the particular years (from 2007 to
2011). Values of SLA decreased with needle age (Fig. 4 and
Table 3). On the other hand, all needle sets show very similar
relationships in relation to tree size.
Fig. 4. Relationship between diameter d0 and SLA in spruce (middle part of crown) by needle sets based on year of establishment
(from 2007 to 2011).
Rather surprisingly, contribution of particular needles
sets (i.e. 2007, 2008, 2009, 2010, and 2011) to the total
needle biomass on the crown level did not show clear con209
4.2.2015 13:31:34
Fig. 5. Contribution of needle sets (established in 2011, 2010,
2009, 2008, and 2007 placed in the bars from up to down) to total needle biomass with regard to tree diameter d0 (in ascending
order).
trasts between trees of different sizes (Fig. 5). Thus, mean
proportions of the particular needle sets were used regardless
of tree size. Specifically, needle set of 2011 was 34.6%, 2010
was 31.6%, 2009 was 22.0%, 2008 was 10.3%, and 2007 was
1.5% from the total needle biomass.
By combining the equations for SLA and foliage biomass,
LA on a tree level (expressed on diameter d0) was calculated
for beech:
LA = 1.074 e(1.450+2.328 ln d0)
At the same time, equations for LA of spruce by needle sets,
specifically current-year needles, 2-year-old needles, 3-yearold needles, 4-year-old-needles, 5-year-old (rarely 6-yearold) were:
LA1 = 0.369 e(2.957+2.005 ln d0)
LA2 = 0.336 e(2.463+2.103 ln d0)
LA3 = 0.247 e(2.1+2.169 ln d0)
LA4 = 0.109 e(1.876+2.198 ln d0)
LA5+ = 0.016 e(1.811+2.19 ln d0)
Results of the evaluation on quantity of woody parts and
foliage were modeled as well as foliage area with regard to
diameter d0 (Fig. 6a, b and c). Here, the allometric relations
for dry masses of foliage and woody parts using diameter
d0 as an independent variable were implemented (Table 5).
Contrasting values occurred between the species for woody
parts biomass as well as for foliage biomass. On the other
hand, beeches and spruces had very similar values of total
foliage areas. Thus, for instance while beech trees with a
diameter d0 of 60 mm recorded a dry mass of woody parts of
nearly 5000 g, spruce trees of the same diameter had a dry
mass of about 2100 g. At the same time, while beech trees
with a diameter of 60 mm retained foliage with dry mass
around 450 g, spruce trees with the same diameter recorded as much as 1050 g dry mass. Further, foliage areas on
trees with diameter d0 of 60 mm appeared around 7.0 m2 and
6.5 m2 in spruce and beech, respectively.
Fig. 6. Relationship between diameter d0 and biomass of (a)
woody parts (branches, stem, coarse roots), (b) foliage and (c)
total foliage area in beech and spruce.
Interspecific difference in the proportion of foliage
biomass on total tree quantity between beech and spruce
are clear by using LMR (Fig. 7a). While value of LMR in
beech was around 0.08 (g.g−1), in spruce value was close to
0.30 (g.g−1). In both species, the value slightly increased with
increasing diameter d0. As for LAR of very small trees (i.e.
diameter d0 of 10 mm), the same value (34 cm2.g−1) was recorded in both species (Figure 7b). Then, the values decreased
with increasing diameter in both species, but more significantly in beech. Therefore, while beech trees with diameter of
60 mm manifest value of LAR 12 cm2.g−1, spruce trees with
the same diameter had a LAR slightly over 20 cm2.g−1.
210
4.2.2015 13:31:41
Table 5. Statistical characteristics for allometric relations expressing mass of foliage and woody compartments (branches, stem and
coarse roots) in European beech and Norway spruce using diameter d0 as an independent variable.
Species
Beech
Spruce
Compartment
Leafs
Woody parts
Tree together
Needles
Woody parts
Tree together
bo
−6.576
−3.357
−3.318
−3.079
−1.719
−1.489
(S.E.)
(0.256)
(0.191)
(0.188)
(0.171)
(0.138)
(0.134)
P
< 0.001
< 0.001
< 0.001
< 0.001
< 0.001
< 0.001
b1
3.085
2.889
2.900
2.432
2.283
2.321
(S.E.)
(0.081)
(0.060)
(0.060)
(0.054)
(0.043)
(0.042)
P
< 0.001
< 0.001
< 0.001
< 0.001
< 0.001
< 0.001
R2
0.960
0.974
0.975
0.964
0.974
0.976
MSE
0.102
0.056
0.055
0.106
0.069
0.065
λ
1.047
1.027
1.026
1.053
1.035
1.034
S. D.
0.308
0.238
0.234
0.366
0.296
0.295
Note: abbreviations in the table captions means; b0, b1 – coefficients, S.E. – their standard errors, P – p-value, R2 – coefficient of determination, MSE – mean square error, λ – logarithmic
transformation bias and S.D. – standard deviation.
Fig. 7. Relationship between diameter d0 and (a) LMR and (b) eventually LAR in beech and spruce.
Table 6. Characteristics of foliage and woody parts on a stand
level (average ± standard error) for European beech and Norway
spruce stand.
Stand characteristics
Weight of foliage [g.m−2]
Weight of woody components [g.m−2]
LAI [m2.m−2]
LMR [g.g−1]
LAR [cm2.g−1]
European beech
603 ± 77
7195 ± 824
12.77 ± 1.7
0.069 ± 0.009
22.2 ± 2.0
Norway spruce
2773 ± 151
5980 ± 322
18.64 ± 1.08
0.290 ± 0.003
24.7 ± 0.7
Interspecific differences in biomass were clear also on
a stand level (Table 6). Specifically, the beech stand maintained 4.6 times less foliage biomass than the spruce stand
(603 g.m−2 versus 2773 g.m−2). On the other hand, the beech
stand shows slightly more biomass stock of woody parts than
the spruce stand (7195 g.m−2 against 5980 g.m−2). At the
same time LAI was nearly 50% higher in the spruce stand
than in the beech stand (18.64 m2.m−2 and 12.77 m2.m−2,
respectively). While only little interspecific differences were
recorded for LAR (22.2 cm2.g−1 for beech and 24.7 cm2.g−1 for
spruce) more than four times higher values of LMR occurred in the spruce stand (0.290 g.g−1) than in the beech stand
(0.069 g.g−1).
4. Discussion and conclusion
4.1. Tree level biomass estimates
Biomass estimates of woody compartments were higher
in beech than in spruce; however the opposite situation
occurred for foliage biomass. Similar results in Pajtík et al.
(2011) demonstrate that foliage of coniferous species (Nor-
way spruce and Scots pine) contribute significantly more to
the total tree biomass than broadleaf species (European
beech and Sessile oak). This knowledge is also in accordance with Konôpka et al. (2010) who found that spruce
foliage (considering it as organ of photosynthesis) of young
trees produced between two and four times more biomass of
woody components than that of beech.
These results suggest large variability of foliage morphological properties (expressed by SLA) along tree crowns
and between trees of different dimensions in both beech and
spruce. This indicates that light intensity is likely to stimulate both size and tissue density. Closa et al. (2012) recorded a higher SLA for shade foliage in young European beech
stands. SLA values similar to this study are recorded for beech
leaves by Barna (2004). Specifically, lower values of SLA
were estimated in dominant and co-dominant beech trees
than in subdominant trees. In addition, value of SLA increased from the upper to lower part of the crown with values
ranging from ca. 120 to 460 cm2.g−1 (Barna 2004), 180 –
480 cm 2.g −1 (Closa et al. 2012) and 190 – 240 cm 2.g −1
(Leuschner et al. 2006). Concerning SLA in spruce, our
values are slightly higher than those of Hager & Sterba
(1985) who recorded a range of 30 – 70 cm2.g−1 from 17-year-old stand. However, the needles in the upper and middle part
of the largest trees were inside the range recorded by Hager
& Sterba (1985). In spruce, SLA of needles decreased with
age. Gilmore et al. (1995) suggested that current needles
of Abies balsamea had an SLA approx. by 30% larger than
5-year-old needles.
These results proved very different values of the SLA (ca.
3 times) between beech and spruce and suggesting that the
unit of foliage beech biomass is much more efficient as for
211
4.2.2015 13:31:45
size of surface area than spruce. This is further reflected in the
ration between mass of foliage and total tree mass (LMR), i.e.
about four times larger in spruce than beech. Besides SLA,
lower efficiency of foliage biomass unit in the photosynthesis
(or wood production) is most probably related to presence
of older needle sets in spruce, which would be less efficient
than younger spruce needles (e.g. Freeland 1952). Moreover,
it is supposed that older needle sets, as well as needles in the
lower part of crown could suffer from lack of light availability
and contribute negligible values to tree photosynthesis.
4.2. Stand level biomass estimates
The number of trees in both stands was extremely high and
is related to successful natural regeneration in both European beech and Norway spruce stands. It is assumed that
the extremely high number of trees alters the light conditions in the stand, especially in the spruce stand where light
availability at the ground level was very low. On the other
hand, both the beech and spruce stands had some tree-free
patches. Even though the patches were avoided during the
establishing the plots as diffused side light from the gap
edges is possible. It is suggested that the side lighting could
contribute to the high number of trees (especially for survivance of suppressed trees). In general, light intensity is very
important for needle growth and development of structure in
foliage (Kozlowski & Pallardy 1997). Gebauer et al. (2012)
showed evidence of modifications of xylem structure and
even function (especially hydraulic efficiency) in Norway
spruce needles as response to light intensity. Moreover, these
anatomical adaptations of Norway spruce needles occur for
instance due to thinning of the forest stands as higher values
of leaf mass per area (parameter opposite to SLA) were found
for spruce needles in thinned stands compared to unthinned
stands (Gebauer et al. 2011).
On the stand level, an interesting result is that while standing stock of woody parts was comparable in both stands (ca.
20% higher in beech than spruce), huge differences (4.6 fold)
were noted in the case of foliage biomass. Moreover, LAI
was almost 50% higher in the spruce stand than in the beech
stand. LAI in a variety of forest tree species is usually up to
10 m2.m−2 (e.g. Bréda 2003; Eriksson et al. 2006; Leuschner
et al. 2006) but exceptionally also slightly over this value (e.g.
Albrektson 1980; Ford 1982). These results are usually from
older stands and often from man-made forests. On the other
hand, Waring & Schlesinger (1985) explain that LAI values
in some coniferous forests can be as high as 20 m2.m−2. Nock
et al. (2008) found that LAI decreased with increasing tree
size in Acer saccharum and Betula alleghaniensis. Thus,
while trees with DBH of 30 cm had LAI of 7.5 and 8.5 m2.m−2;
trees with DBH of 70 cm have a LAI of 4.0 and 6.0 m2.m-2 in
Acer and Betula, respectively.
It is supposed that large difference in LAI between the
beech and spruce stands is related mainly to their contrasting physiological capacity (for instance low photosynthetic
activity of older needle sets in spruce) and also to specific
ecological demands (e.g. higher shade tolerance of beech).
Moreover, it is expected that the current values of LAI estimated in both stands are close to the maximum thresholds which
could be reached during the whole-life stand development on
the site. Further stagnations or declines of leaf areas in the
stands are very probable as a result of tree reduction (mortality due to high competition intensity) and also a gradually
decreasing LMR as a natural tendency in relations to tree/
stand age (see also Konôpka et al. 2010). The conclusion that
LAI in older stands are lower is in accordance with findings
from comparisons between these results and other studies
(e.g. Albrektson 1980; Ford 1982; Bréda 2003; Eriksson et
al. 2006; Leuschner et al. 2006).
This study indicates that beech and spruce, at the young
growth stages, have contrasting growth strategies that
results in specific biomass allocation. Much more assimilates were allocated into the woody parts in beech than in
spruce while the opposite allocation pattern was evident for
foliage biomass. It seems that beech foliage biomass is more
efficient at producing woody tissues (components as branches, stem and coarse roots) than spruce needles. This might
relate, besides other factors, to higher values of SLA recorded
in beech in comparison to spruce. Moreover, this could be
connected to different age structures of assimilatory organs
between the tree species. While during growing season, all
beech foliage are always from the current year, in our spruce
stand as much as two thirds of needle biomass originated
from the previous years.
Acknowledgement
The research activities were supported by the Slovak Research and
Development Agency (projects APVV-0268-10, APVV-0273-11,
APVV-0584-12) and the Ministry of Agriculture of the Czech Republic (contract No. QI102A079). Dr. Jennifer Clear is acknowledged
for valuable comments and also language revison on the manuscript.
References
Albrektson, A., 1980: Relations between tree biomass fractions and
conventional silvicultural measurements. Ecological Bulletins,
32:315–327.
Barna, M., 2004: Adaptation of European beech (Fagus sylvatica
L.) to different ecological conditions: leaf area size variation.
Polish Journal of Ecology, 52:35–45.
Bréda, N., 2003: Ground-based measurements of leaf area index:
A review of methods, instruments and current controversies.
Journal of Experimental Botany, 54:2403–2417.
Bussoti, F., Borghini, F., Celesti, C., Leonzio, C., Bruschi, P., 2000:
Leaf morphology and macronutrients in broadleaved trees in
central Italy. Trees, 14:361–368.
Closa I., Irigoyen, J. J., Goicoechea, N., 2012: Microclimatic conditions determined by stem density influence leaf anatomy and
leaf physiology of beech (Fagus sylvatica L.) growing within
stands that naturally regenerate from clear-cutting. Trees,
24:1029–1043.
Eriksson, H. M., Eklundh, L., Kuusk, A., Nilson, T., 2006: Impact
of understory vegetation on forest canopy reflectance and
remotely sensed LAI estimates. Remote Sensing of Environment, 103:408–418.
Ford, E. D., 1982: High productivity in a polestage Sitka spruce
stand and its relation to canopy structure. Forestry, 55:1–17.
Freeland, R. O., 1952: Effect of age of leaves on rate of photosynthesis in some conifers. Plant Physiology, 27:685–690.
212
4.2.2015 13:31:49
Gebauer, R. R., Volařík, D., Urban, J., Borja, I., Nagy N. E.,
Eldhuset, T. D. et al., 2011: Effect of thinning on anatomical adaptations of Norway spruce needles. Tree Physiology,
31:1103–1113.
Gebauer, R., Volařík, D., Urban, J., Borja, I., Nagy, N. E., Eldhuset,
T. D. et al., 2012: Effects of different light conditions on xylem
structure of Norway spruce needles. Trees, 26:1079–1089.
Gilmore, D. W., Seymour, R. S., Halteman, W. A., Greenwood, M.
S., 1995: Canopy dynamics and the morphological development
of Abies balsamea: effect of foliage age on specific leaf area and
secondary vascular development. Tree Physiology, 15:47–55.
Gower, S. T., Vogt, K. A., Grier, C. C., 1992: Carbon dynamics of
Rocky Mountain Douglas-fir: influence of water and nutrient
availability. Ecological Monographs, 62:43–65.
Härkönen, S., Pulkkinen, M., Duursma, R., Mäkelä, A., 2010:
Estimating annual GPP, NPP and stem growth in Finland
using summary models. Forest Ecology and Management,
259:524–533.
Hager, H., Sterba, H., 1985: Specific leaf area and needle weight
of Norway spruce (Picea abies) in stands of different densities.
Canadian Journal of Forest Research, 15:389–392.
Herbert, D. A., Fownes, J. H., 1997: Effects of leaf aggregation in
a broad-leaf canopy on estimates of leaf area index by the gapfraction method. Forest Ecology and Management, 97:277–
282.
Jack, B. S., Sheffield, M. C. P., McConville, D. J., 2002: Comparison
of growth efficiency for mature longleaf and slash pine trees.
General Technical Reports.
Kantor, P., Šach, F., Černohous, V., 2009: Development of foliage biomass of young spruce and beech stands in the mountain water balance research area. Journal of Forest Science,
55:51–62.
Konôpka, B., Pajtík, J., Moravčík, M., Lukac, M., 2010: Biomass
partitioning and growth efficiency in four naturally regenerated
forest tree species. Basic and Applied Ecology, 11:234–243.
Konôpka, B., Pajtík, J., 2013: Foliage and fine roots in terms of
growth efficiency – a comparison between European beech
and Norway spruce at early growth stages. Journal of Forest
Science, 11:436–446.
Konôpka, B., Pajtík, J., Šebeň, V., Bošeľa, M., Máliš, F., Priwitzer,
T. et al., 2013: The Research Site Vrchslatina – an experimental
design and the main aims. Lesnícky časopis - Forestry Journal,
59:203–213.
Kozlowski, T. T., Pallardy, G., 1997: Physiology of Woody Plants.
San Diego, Academic Press, 411 p.
Leuschner, Ch., Voss, S., Foetzki, A., Clases, Y., 2006: Variation in
leaf area index and stand leaf mass of European beech across
gradients of soil acidity and precipitation. Plant Ecology,
182:247–258.
Milla, R., Reich, P.B., Niinemets, U., Castro-Díez, P., 2008:
Environmental and developmental controls on specific leaf
area are little modified by leaf allometry. Functional Ecology,
22:565–576.
Nock, C. A., Caspersen, J. P., Thomas, S. C., 2008: Large ontogenetic declines in intra-crown leaf area index in two temperate
deciduous tree species. Ecology, 89:744–753.
Pajtík, J., Konôpka, B., Lukac, M., 2008: Biomass functions and
expansion factors in young Norway spruce (Picea abies [L.]
Karst) trees. Forest Ecology and Management, 256:1096–1103.
Pajtík, J., Konôpka, B., Lukac, M., 2011: Individual biomass factors for beech, oak and pine in Slovakia: a comparative study in
young naturally regenerated stands. Trees, 25:277–288.
Pickup, M., Westoby, M., Basden, A., 2005: Dry mass costs of
deploying leaf area in relation to leaf size. Functional Ecology,
19:88–97.
Reich, P. B., Walters, M. B., Ellsworth, D. S., Vose, J. M., Volin, J.
C., Gresham, Ch. et al., 1998: Relationships of leaf dark respiration to leaf nitrogen, specific leaf area and life –span: a test
across biomes and functional groups. Oecologia, 114:471–482.
Shipley, B., 2006: Net assimilation rate, specific leaf area and leaf
mass ratio: which is most closely correlated with relative growth
rate? A meta-analysis. Functional Ecology, 20:565–574.
Van Dijk, A. I. J. M, Bruijnzeel, L. A., 2001: Modelling rainfall interception by vegetation of variable density using an adapted analytical model. Part 1. Model description. Journal of Hydrology,
247:230–238.
Vogt, K., 1991: Carbon budget of temperate forest ecosystems. Tree
Physiology, 9: 69–86.
Waring, R., Schlesinger, W. H., 1985: Forest ecosystems: concepts
and management. Orlando, Academic Press, 340 p.
West, P. W., 2009: Tree and forest measurement. Dordrecht,
Springer, 191 p.
Xiao, C. W., Ceulemans, R., 2004: Allometric relationships for
below- and aboveground biomass of young Scots pines. Forest Ecology and Management, 203:177–186.
213
4.2.2015 13:31:51
Lesn. Cas. For. J. 60 (2014) 214–222
Abiotické poškození smrkových porostů ve střední Evropě: příkladová
studie sněhových polomů z let 2005–2011 v Moravskoslezských Beskydech
Abiotic damage of spruce stands in central Europe: case study
of snow damage from the period 2005–2011 in the Moravian-Silesian Beskids
Štěpán Křístek1, 2*, Jaroslav Holuša1
Česká zemědělská univerzita v Praze, Fakulta lesnická a dřevařská, Kamýcká 1176, CZ – 165 21 Praha 6 – Suchdol, Česká republika
Ústav pro hospodářskou úpravu lesů Brandýs nad Labem, pobočka Frýdek-Místek, Nádražní 2811, CZ – 738 01 Frýdek-Místek, Česká republika
1
2
Abstract
In the case study from the basin of the Šance reservoir in the Moravian-Silesian Beskids, we examined the differences in the extent of
damage in individual winter seasons and differences in the quantity of snow in individual situations. The intensity of damage to predominantly spruce stands was evaluated as the ratio of the number of individual trees damaged in the particular season to the total number of
trees in the study plots. The quantity of snow was measured using quantitative parameters of snow cover. The objective of this paper was
to describe model scenarios characterised by the expected intensity of stand damage corresponding to the course of winter expressed in
quantitative parameters of snow cover on the base of similar/dissimilar situations. Individual winter seasons were thoroughly described
in the results. The output is the description of three model scenarios with different intensities of stand damage that differ in the measured
values of snow quantity.
Keywords: forest stand; snow damage; Norway spruce; model scenario
Abstrakt
Na příkladové studii v povodí vodní nádrže Šance v Moravskoslezských Beskydech byla zkoumána odlišnost rozsahu poškození v jednotlivých zimních sezónách a odlišnost množství sněhu v jednotlivých situacích. Intenzita poškození převážně smrkových porostů sněhem byla
vyhodnocena jako podíl počtu v aktuální sezóně poškozených jedinců k celkovému počtu stromů na zkusných plochách. Množství sněhu
bylo měřeno kvantitativními parametry sněhové pokrývky. Cílem příspěvku je na základě podobných/rozdílných situací popsat modelové
situace charakterizované předpokládanou intenzitou poškození porostů odpovídající průběhu zimy vyjádřenému pomocí kvantitativních
parametrů sněhové pokrývky. Ve výsledcích jsou popsány jednotlivé zimní sezóny a výstupem je charakteristika tří modelových situací
s různou intenzitou poškození porostů, které se zároveň odlišují naměřenými hodnotami množství sněhu.
Klíčová slova: lesní porost; škody sněhem; smrk ztepilý; modelová situace
Úvod
S disturbancemi lesů způsobenými abiotickými živelními faktory se lesníci setkávají od počátku cílevědomé hospodářské
úpravy lesů. Poškození lesů větrem, sněhem a námrazou
je častým fenoménem v lesním hospodářství založeném
na umělé obnově s jednou převažující dřevinou (Spiecker
2000) při odpovídajících klimatických podmínkách – v České
republice zejména v pohraničních horách, Karpatech, ale
také v Brdech nebo na Českomoravské vrchovině (Tolasz
et al. 2007). Živelní lesní kalamity a polomy jsou běžné
nejen ve všech středoevropských zemích ale i na Britských
ostrovech, v Austrálii, na Novém Zélandě, nebo v Japonsku (Slodičák 1996). V Evropě je každoročně vytěženo cca
35 mil. m3 dříví jako důsledek přirozených disturbancí,
způsobených především větrem (Schelhaas et al. 2003).
Také v České republice patří sníh, námraza a především vítr
k nejvýznamnějším příčinám nahodilých těžeb (Rychtecká
& Urbaňcová 2008).
Pravděpodobnost a intenzita působení abiotických škod
(vítr a sníh) může být hodnocena různými metodami. Podle
použitých postupů mohou být rozděleny do tří kategorií:
empirické, statistické a mechanické (Kamimura & Shirashi
2007). Empirické metody jsou založeny především na terénních pracích a (nebo) historických záznamech, ze kterých
jsou vymezeny rizikové oblasti. Pro Moravskoslezské Beskydy byl empirický postup použit v Oblastním plánu rozvoje lesů (Holuša 2000). Tyto postupy předkládají snadno
srozumitelné výsledky, ale nedokáží detailně statisticky
zachytit způsobené škody (Gardiner & Quine 2000). Historické záznamy nejsou dostatečně podrobné a úplné (Holuša
et al. 2010), terénní šetření má zase omezený prostorový a
hlavně časový rozsah a naráží na velkou časovou proměnlivost obrazu poškození (Křístek et al. 2012).
Statistické metody hodnotí a předpovídají škody z dlouhého časového období pomocí regresních analýz a modelů
v úrovni i jednotlivých porostů (Jalkanen & Mattila 2000,
Kamimura & Shirashi 2007). Použití statistických modelů
je omezeno dostupností a věrohodností použitých dat (Kamimura & Shirashi 2007).
Mechanické modely pohlížejí na strom jako na jednostranně vetknutý nosník resp. na porost jako soustavu
jednostranně vetknutých nosníků a hodnotí odolnost této
*Corresponding author. Štěpán Křístek, e-mail: [email protected], phone: +420 720504271
4.2.2015 13:31:57
Š. Křístek et al. / Lesn. Cas. For. J. 60 (2014) 214–222
soustavy vůči namáhání větrem a sněhovou zátěží fyzikálními metodami technické mechaniky. Pravděpodobnost
škod je pak odhadována pomocí modelů kritických rychlostí
větru nebo kombinací výšky sněhu s touto rychlostí, spolu s
klimatickými modely zachycujícími předpokládané rychlosti
větru a výšky sněhové pokrývky ve zvoleném území. Výhodou
těchto modelů je adaptabilita pro různé klimatické podmínky
a charakteristiky porostů, včetně zhodnocení vlivu lesního
hospodářství na stabilitu lesního ekosystému (Gardiner et
al. 2000).
V současnosti se používají dva mechanické modely:
HWind vytvořený pro hodnocení rizika škod větrem a sněhem v jehličnatých porostech severských zemí (Peltola et
al. 1999) a ForestGALES vyvinutý ve Velké Británii (Gardiner & Quine 2000). Existují i další modely pro působení
větru („WINDARC“ – Lekeš & Dandul 2000), které však
nezohledňují sněhovou zátěž. Päätalo et. al. (1999) kombinoval pro krátkodobou zátěž sněhem regresní statistický
model se simulací mechanickým modelem HWind. Vicena
(2003) navrhuje pro námrazové polomy postup empirického
zjišťování rozsahu, který lze s úspěchem použít i pro sběr dat
o poškození sněhem. Jeho metodou zjištěná podrobná data
se mohou stát vstupem do statistického modelu.
Vytvoření modelu potenciálního ohrožení smrkových
porostů sněhem může být jedním z nástrojů lesního managementu pro plánování a realizaci opatření s ohledem na
odolnost porostů i případnou sanaci škod. Z ekonomického
hlediska narušení hospodářských lesů snižuje výnos z těžby
dříví a naopak zvyšuje náklady na nahodilé těžby a obnovu
a způsobuje problémy v lesním hospodářství (Savill 1983).
Všechny modely potřebují podrobná data o poškození lesních
porostů i jednotlivých stromů (Křístek et al. 2012, Hlásny et
al. 2011) a také o parametrech škodlivého činitele (Křístek
et al. 2011b, Hlásny et al. 2011). Většina studií bere v úvahu
pouze poškození vedoucí k odumření stromů (např. Peltola
et al. 2000; Klopcic et al. 2009; Gardiner & Quine 2000),
nebo intenzitu poškození (Jalkanen & Matilla 2000) často
jen na základě evidence nahodilých těžeb lesním provozem
(Konôpka et al. 2007). Pro sestavení modelu je důležité
vymezení modelových situací, tj. charakteristických kombinací hodnot jednotlivých veličin, které vznik poškození ovlivňují. Cílem příspěvku je popsat modelové situace (Hlásny et
al. 2011) z hlediska důsledku: projevu (intenzity) poškození
porostů na straně vysvětlované proměnné (receptoru) a z hlediska příčiny: (kvantitativních parametrů) sněhu na straně
vysvětlující proměnné (stresoru). Údaje z jednotlivých zimních sezón a (nebo) meteorologických situací jsou roztříděny
a sdruženy podle podobnosti, resp. rozdílnosti naměřených
hodnot.
vodní nádrže) do 1323 m n.m. (vrchol Lysé hory). Území patří
k oblastem s nejvyššími srážkovými úhrny v ČR (Tolasz et
al. 2007), na Lysé hoře byla zaznamenána nejvyšší sněhová
pokrývka ze všech meteorologických stanic v České republice
(491 cm dne 8.–9. března 1911).
V dřevinné skladbě převládá z 80 % smrk Picea abies
(L.) Karst., převážně na nepůvodních stanovištích (75 % –
Culek 1996). Pokrývá 5. až 7. lesní vegetační stupeň (LVS)
podle lesnicko-typologické klasifikace (Plíva 1971), přičemž
80 % území leží v pátém jedlobukovém LVS (Holuša 2004).
Původní jedlobukové lesy byly téměř vytěženy během valašské kolonizace v 16. století (Pavelka & Trezner 2001), současné smrkové porosty jsou alochtonními (ve smyslu COUNCIL DIRECTIVE 1999/105/EC) neboli sekundárními lesy
(Slodičák 1996; Slodičák & Novák 2006). Obnova lesů
Beskyd smrkem v 19. století byla založena převážně reprodukčním materiálem pocházejícím z jižních Tyrol (oblast
Innsbrucku; Holuša 2004), který není přizpůsoben přírodním podmínkám středoevropských Karpat. Vyznačuje se
vysokou produkcí, širokou korunou a nízkou odolností vůči
mechanickému poškození abiotickými činiteli – větrem,
sněhem a námrazou (Nykänen et al. 1997; Rottmann 1985;
Valinger et al. 1993).
Obr. 1. Poloha zájmového území
Fig. 1. Study area’s location.
Legend: 1323 m a.s.l. Lysá hora, 508 m a.s.l. Šance reservoir, 2×2 km grid; Study plots:
Snow measurement, Snow damage
2. Materiál a metody
2.1. Studované území
2.2. Poškození porostů sněhem
V letech 2006–2011 bylo poškození porostů sněhem
předmětem intenzivního studia v povodí přehradní nádrže
Šance v Moravskoslezských Beskydech (49°23‘19“ –
49°33‘03“ N; 18°21‘50“ – 18°32‘24“ E; obr. 1). Celková
plocha povodí je 14,5 tis. ha, z toho plocha lesů 12,6 tis. ha;
nadmořská výška území je od 508 m n.m. (střední hladina
Data o poškození porostů sněhem byla sbírána v síti studijních ploch – transektů proložených polygony porostních skupin. Design výběru studijních ploch byl stanoven
kombinací systematického vzorkování a stratifikovaného
náhodného vzorkování (Křístek et al. 2012). Pro výběr
studijních ploch byla zájmovým územím proložena čtvercová
215
4.2.2015 13:32:02
síť 2×2 km. V každém čtverci pak bylo vybráno po jedné
porostní skupině z každé dvacetileté věkové třídy (zpravidla
6–8 porostních skupin na čtverec), která splňovala další
výběrová kritéria (převaha zastoupení smrku ztepilého,
jednoduchost vertikální struktury, výskyt na úhlopříčce
proložené čtvercem). Studijní plocha byla založena jako
transekt vybranou porostní skupinou; šířka transektu byla
volena přímo v terénu tak, aby se na studijní ploše vyskytovalo nejméně 100 stromů (Hlásny et al. 2011). Celkem
bylo vybráno 365 porostních skupin, což je přibližně 6,8 %
všech porostních skupin v oblasti, a proběhlo šest opakovaných hodnocení vždy okolo 45 tis. jedinců. Stromy byly
zařazovány do typů poškození (Vicena 2003, Křístek et al.
2012, viz obr. 2): zdravý, ohnutý, vrcholový zlom, korunový
zlom, kmenový zlom, vývrat, pařez z asanační těžby, staré
poškození sněhem a námrazou. Poškození bylo vyčísleno
jako procento nově poškozených (zlomených, vyvrácených
nebo ohnutých) stromů z celkového počtu stromů na
transektu. Jako poškozený strom byl počítán také čerstvý
pařez z asanační těžby.
Obr. 2.Typy mechanického poškození stromů sněhem a námrazou
(obr. převzat z Křístek et al. 2012, autorka kreseb Petra Vojtelová)
Fig. 2. Types of snow and ice damage to trees (Křístek et al. 2012).
Left to right, upper: Top breakage, Crown breakage, Trunk breakage; bottom: Bending,
Uprooting, Stump, Without damage.
2.3. Vlastnosti sněhové pokrývky
Kvantitativní parametry sněhové pokrývky byly měřeny
v identické dvoukilometrové čtvercové síti: V každém z 52
čtverců byl založen nejméně jeden duplex studijních ploch
pro měření sněhu – vždy jedna volná plocha mimo les
a nejméně jedna plocha v přilehlém lesním porostu. Výběr
studijních ploch vycházel ze stratifikace, kde na jednotlivých
úrovních se uplatnily metody selektivního vzorkování, prostorového výběru (jitteringu), ale rozhodující roli hrál výběr
podle přístupnosti (accessibility sampling). Na studijních
plochách byla měřena výška sněhové pokrývky, objem
a hmotnost odebraných vzorků sněhu. Z naměřených hodnot byly vypočteny parametry: průměrná výška sněhové
pokrývky, hustota a vodní hodnota sněhu (tabuľka 1, Křístek
et al. 2011b). Měření bylo opakováno několikrát během zimní
sezóny, přednostně v období kulminace vodní hodnoty sněhu
před začátkem jarního tání a v období, kdy docházelo ke
sněhovému polomu, např. říjen 2009 (Křístek et al. 2011a).
Celkově bylo provedeno 15 opakování expedičního měření
na až 122 dílčích podplochách a shromážděna data o celkem
1547 případech průměrné výšky sněhové pokrývky, hustoty
a vodní hodnoty sněhu.
Tabulka 1. Kvantitativní parametry sněhové pokrývky
Table 1. Quantitative parameters of snow cover.
Parametr1)
Výška sněhu
Výška odebraného vzorku7)
Hmotnost vzorku8)
Kalibrační objem odběrného válce9)
5)
Značka2) Měrná jednotka3)
d
cm
dSn
cm
m
kg
Vk
l
Průměrná výška sněhové pokrývky10)
SCE
cm
Hustota sněhu11)
SHU
kg.m-3
Vzorec4)
přímé měření6)
Q
¦G
L L
Q
Q
¦P
L Q
¦9
L Objem odebraného vzorku12)
Vodní hodnota sněhu13)
V
l
SVH
mm
L
L
9N G 6Q
6&( 6+8
Parameter, 2)Symbol, 3)Unit, 4)Formula, 5)Snow depth, 6)Direct measurement, 7)Depth of collected
sample, 8)Sample weight, 9)Calibration volume of sampling cylinder, 10)Average snow cover depth,
11)
Snow density, 12)Volume of collected sample, 13)Snow water equivalent
1)
2.4. Typizace modelových situací
Modelové situace byly hledány jako skupiny výsledků, které
jsou charakteristické intenzitou poškození porostů a (nebo)
parametry sněhové pokrývky. Soubory hodnoty z jednotlivých let a cyklů měření byly vzájemně porovnávány a situace s podobnými středními hodnotami a variabilitou byly
sdruženy do typových skupin, pro každou skupinu pak byly
stanoveny typické rozsahy hodnot a tyto použity jako modelové situace. Rozdíly mezi jednotlivými situacemi byly testovány neparametrickou ANOVOU – Kruskal-Wallisovým
testem (Kruskal & Wallis 1952) v software Statistica v. 12.
3. Výsledky
Podle intenzity polomů byly výsledky rozděleny do tří
typových skupin: (i) Jaro 2006, kdy byl zaznamenán polom
ze zimy 2005/2006; (ii) listopad 2009 a jaro 2010, kdy obě
měření zachytila polom způsobený sněhovou kalamitou
ve dnech 13.–16. 10. 2009 a (iii) jarní měření 2008, 2009
a 2011, odpovídající zimním sezónám 2007/2008,
2008/2009 a 2010/2011, které se vyznačovaly minimálním
poškozením (obr. 3, tabuľky 2 a 3).
Obr. 3. Intenzita poškození smrkových porostů sněhem v letech
2006–2011 (X/2009 = sněhový polom z října 2009; v roce 2007 byly
škody zanedbatelné a intenzita nebyla vyhodnocena)
Fig. 3. Intensity of snow damage to Norway spruce stands during
2006–2011 (X/2009 = snow damage in October 2009; damage was negli-
gible in 2007 and intensity was not evaluated).
1)
Intensity of damage, 2)Median, 3)Non-outlying range, 4)Moderate outliers, 5)Extreme
outliers
216
4.2.2015 13:32:29
Tabulka 2. Počty hodnocených stromů podle typů poškození v jednotlivých letech (X/2009 = sněhový polom z října 2009)
Table 2. Number of trees evaluated by type of damage for each year (X/2009 = snow damage in October 2009).
Rok1)
2006
2008
2009
X/2009
2010
2011
Zdravý2)
29212
14415
32907
30855
29262
26238
Ohnutý3)
2420
386
626
1085
676
55
Vrcholový zlom4)
2548
38
170
2022
1755
31
Korunový zlom5)
2505
13
74
1561
1452
10
Kmenový zlom6)
1156
22
47
605
591
25
Vývrat7)
359
30
52
362
319
61
Pařez8)
303
111
239
98
370
200
Staré poškození9)
4343
7283
11457
8686
9046
16365
Year, 2)Undamaged, 3)Bending, 4)Top breakage, 5)Crown breakage, 6)Trunk breakage, 7)Uprooting, 8)Stump, 9)Old damage
1)
Tabulka 3. Vícenásobné porovnání poškození smrkových porostů sněhem v jednotlivých zimních obdobích (Kruskal-Wallis test: H (5,
N = 2025) = 851,25; p = 0,000; statisticky významný rozdíl: *p < 0,0001, **p < 0,05; zvýrazněny hodnoty, kde nebyl zjištěn významný
rozdíl)
Table 3. Multiple comparisons of damage to spruce stands for each winter (Kruskal–Wallis test: H (5, N = 2025) = 851.25; p = 0.000;
statistically significant difference: *p < 0.0001, **p < 0.05; highlighted values indicate insignificant differences).
2006
2008
2009
X/2009
2010
2011
R:1561,3
R:678,6
R:705,8
R:1194,4
R:1234,3
R:560,0
2008
17,27803*
2009
19,73767*
0,53230
X/2009
8,46346*
10,10728*
11,28973*
2010
7,53252*
10,87835*
12,19481*
0,92060
2011
23,08679*
2,32434
3,36726**
14,64924*
15,54910*
Obr. 4. Parametry sněhové pokrývky v zimách 2006–2011 (X/2009 = sněhová kalamita 13.–16. 10. 2009)
Fig. 4. Snow cover parameters in winters of 2006–2011 (X/2009 = heavy snowfall from 13–16/10/2009).
Snow cover depth, 2)Snow water equivalent, 3)Snow density, 4)Median, 5)Non-outlying range, 6)Moderate outliers, 7)Extreme outliers
1)
Poškození porostů koresponduje s naměřenými parametry
sněhové pokrývky (obr. 4) a lze je rovněž přiřadit ke třem typům
situací zimních sezón. (i) Největší množství sněhu bylo zjištěno
v zimě 2005/2006 (výška sněhové pokrývky 245 cm, dne 8. 3.
2006 na hřebeni hory Smrk, 1194 m n.m., maximum vodní hodnoty sněhu 693 mm). (ii) Ve dnech 13.–14. 10. 2009 napadla
přívalová sněhová srážka na nezamrzlou půdu a nepřipravenou
vegetaci před začátkem období vegetačního klidu o průměrné
výšce sněhové pokrývky podle mikroklimatické situace od 26 do
88 cm. (iii) Roky 2007–2008 a 2010–2011 se vyznačovaly mírnými zimami s nízkým množstvím sněhu. Výjimkou je pouze
situace v únoru–březnu 2009, kdy dosahovala výška sněhové
pokrývky (maximum 248 cm, 26. 3. 2009 pod vrcholem Lysé
hory, 1291 m n.m.) hodnot srovnatelných se zimou 2005/2006
(tabuľka 4). Vodní hodnota sněhu byla sice o něco nižší, než
v roce 2006, přesto však signifikantně vyšší než v ostatních případech, včetně října 2009. Hustota sněhu pak byla podobná,
jako v letech 2007, 2008 a říjnu 2009 (obr. 4).
Podle výšky sněhové pokrývky lze naměřené sněhové situace rozdělit do tří skupin (tabuľka 4, obr. 4): (i) zima 2005/2006
+ zima 2008/2009, (ii) říjen 2009 + zima 2009/2010, (iii)
zima 2006/2007 + 2007/2008 + 2010/2011. Podle vodní
hodnoty sněhu jsou skupiny totožné, pouze zima 2008/2009
se vyčleňuje jako samostatný typ, který je svými hodnotami
nižší než hodnoty ze zimy 2005/2006, ale vyšší než všechny
ostatní změřené situace (tab. 5). Nejmenší odlišnosti jsou mezi
středními hodnotami hustoty sněhu (tab. 6). Statisticky zde
také vyplývají tři signifikantně odlišné situace, jejich uspořádání se ale částečně liší: (i) Zima 2005/2006 zůstává jako
sezóna nejbohatší na sněhové srážky a s největšími škodami,
(iii) říjen 2009 se příliš neliší od ostatních sezón 2006/2007 +
2007/2008 + 2008/2009 a přiřadit sem lze i zimu 2009/2010,
(ii) měření v roce 2011 se pak kromě vysokých středních hodnot (podobných zimě 2005/2006) vymyká především velkou
variabilitou vypočtené hustoty sněhu (obr. 4).
217
4.2.2015 13:32:31
Tabulka 4. Vícenásobné porovnání výšky sněhové pokrývky v jednotlivých zimních obdobních (Kruskal-Wallis test: H (6, N = 388) =
305,1381, p = 0,000; statisticky významný rozdíl: ***p < 0,0001, **p < 0,01; zvýrazněny hodnoty, kde nebyl zjištěn statisticky významný
rozdíl)
Table 4. Multiple comparisons of snow cover depth for each winter (Kruskal-Wallis test: H (6, N = 388) = 305.1381; p = 0.000; statistically
significant difference: ***p < 0.0001, **p < 0.01; highlighted values indicate no significant difference determined).
2006
2007
2008
2009
X/2009
2010
2011
R:351,54
R:126,87
R:82,707
R:314,14
R:232,86
R:186,68
R:84,836
2007
10,25959***
2008
12,48726***
2,08240
2009
1,73729
8,83007***
11,11272*
X/2009
5,369802***
4,863978***
7,010377***
3,795024**
2010
7,626686***
2,808088
4,970550***
6,093753***
2,147251
2011
12,38836***
1,98200
0,10224
11,01048***
6,91096***
4,86875***
Tabulka 5. Vícenásobné porovnání vodní hodnoty sněhu v jednotlivých zimních obdobních (Kruskal-Wallis test: H (6, N = 388) =
264,3829, p = 0,000; statisticky významný rozdíl: ***p < 0,0001, **p < 0,01, *p < 0,05; zvýrazněny hodnoty, kde nebyl zjištěn statisticky
významný rozdíl)
Table 5. Multiple comparisons snow water equivalent for each winter (Kruskal-Wallis test: H (6, N = 388) = 264.3829; p < 0.000; statistically significant difference: ***p < 0.0001, **p < 0.01, *p < 0.05; highlighted values indicate no significant difference determined).
2006
2007
2008
2009
X/2009
2010
2011
R:361,60
R:123,50
R:79,81
R:291,28
R:211,65
R:188,61
R:121,98
2007
10,87284***
2008
13,08904***
2,06006
2009
3,26607*
7,91141***
10,15445***
X/2009
6,784186***
4,045636**
6,155708***
3,717915**
2010
8,002332***
3,057366*
5,201709***
4,908490***
1,071284
2011
11,13013***
0,07154
2,02501
8,12943***
4,18670**
3,18552*
Tabulka 6. Vícenásobné porovnání hustoty sněhu v jednotlivých zimních obdobních (Kruskal-Wallis test: H (6, N = 379) = 135,1488,
p = 0,000; statisticky významný rozdíl: ***p < 0,0001, **p < 0,01, *p < 0,05; zvýrazněny hodnoty, kde nebyl zjištěn statisticky významný
rozdíl)
Table 6. Multiple comparisons of snow density for each winter (Kruskal-Wallis test: H (6, N = 379) = 135.1488; p = 0.000; statistically
significant difference: ***p < 0.0001, **p < 0.01, *p < 0.05; highlighted values indicate insignificant differences).
2006
2007
2008
209
X/2009
2010
2011
R:325,08
R:169,28
R:147,96
R:127,74
R:125,75
R:197,00
R:239,02
2007
7,283428***
2009
8,082172***
0,986311
2099
9,383691***
2,004979
0,951116
X/2009
9,232443***
2,044991
1,018242
0,095181
2010
6,065490***
1,332539
2,297838
3,389656*
3,391485*
2011
4,092347**
3,366353*
4,283687**
5,469897***
5,413808***
2,056408
Obr. 5. Parametry sněhové pokrývky a intenzita poškození porostů, modelová situace 1; SCE = výška sněhové pokrývky, SVH = vodní
hodnota sněhu, SHU = hustota sněhu
Fig. 5. Snow cover parameters and intensity of snow damage, model scenario 1; X: SCE = snow cover depth, SVH = snow water equivalent,
SHU = snow density.
Snow cover depth, 2)Snow water equivalent, 3)Snow density; 4)Damage, 5)Intensity of damage, 6)Median, 7), non-outlying range.
1)
218
4.2.2015 13:32:34
SHU = snow density.
1)
Snow cover depth, 2)Snow water equivalent, 3)Snow density, 4)Damage, 5)Intensity of damage, 6)Median, 7)Non-outlying range.
SHU = snow density.
Snow cover depth, 2)Snow water equivalent, 3)Snow density, 4)Damage, 5)Intensity of damage, 6)Median, 7)Non-outlying range
1)
Souhrnem statistického hodnocení podobnosti výsledků
intenzity poškození porostů i parametrů sněhové pokrývky
je rozdělení sezón do tří modelových situací (tab. 7, Hlásny
et al. 2011):
(i) Katastrofální poškození porostů dlouhotrvající zátěží
těžkého sněhu odpovídá zimě 2005/2006 (obr. 5).
(ii) Střední diferencované poškození především v nižších
polohách časným sněhem odpovídá přívalové
sněhové srážce 13.–14. 10. 2009. Jeho následky se
promítly i do hodnocení zimy 2009/2010 (obr. 6).
(iii)N o r m á l n í p r ů b ě h z i m y s p r ů m ě r n ý m a ž
podprůměrným množstvím sněhu nezpůsobuje
významné škody. Střední hodnota intenzity poškození
nedosahuje 3 % (obr. 7). Průběh zimy odpovídá
sezónám 2006/2007, 2007/2008 a 2010/2011.
Tabulka 7. Multikriteriální vymezení modelových situací podle
sněhových sezón 2005–2011
Table 7. Multi-criteria analysis of model scenarios by snow seasons
2005–2011.
Sezóna1)
2005/2006
2006/2007
2007/2008
2008/2009
X/2009
2009/2010
2010/2011
Poškození2)
i
iii*
iii
iii
ii
ii
iii
Výška
sněhové
pokrývky3)
i
iii
iii
i
ii
ii
iii
Vodní
hodnota
sněhu4)
i
iii
iii
iv
ii
ii
iii
Hustota
sněhu5)
Celkem6)
i
iii
iii
iii
iii
iii
ii
i
iii
iii
—
ii
ii
iii
* V roce 2007 nebylo poškození s finančních důvodů hodnoceno, protože bylo velmi nízké.
Winter, 2)Damage, 3)Snow cover depth, 4)Snow water equivalent, 5)Snow density, 6)Total
1)
219
4.2.2015 13:32:36
Zima 2008/2009 se vyznačovala větším množstvím převážně lehkého až středně těžkého sněhu, který nezpůsobil
významné škody, a nelze ji pro vymezení modelových situací
použít.
4. Diskuse
Při výzkumu v povodí nádrže Šance v letech 2006–2011 byly
zaznamenány dvě události s výskytem rozsáhlých sněhových
polomů (obr. 3, Hlásny et al. 2011). Při hodnocení na jaře
2006 byl zachycen polom vzniklý během zimy 2005/2006,
především na počátku prosince 2005 (Konôpka et al. 2007).
Druhým případem byl polom způsobený sněhovou kalamitou
ve dnech 13.–16. 10. 2009, který byl zaznamenán ihned při
následném šetření v listopadu 2009 po odtátí většiny časného
sněhu a poté znovu při pravidelném hodnocení na jaře 2010.
Protože většinu polomu z října 2009 nebylo možné v krátkém meziobdobí po roztátí časného sněhu (konec října) do
nástupu normální zimy asanovat a při pravidelném terénním
šetření rozsahu polomů na jaře 2010 nebylo možné vizuálně
odlišit škody vzniklé v říjnu 2009 od případných následných
poškození vzniklých až během normální zimní sezóny, zahrnují výsledky prezentované za rok 2010 hlavně škody z října
2009. Srovnání výsledků z října 2009 s jarem 2010 (tab. 3)
neukazuje statisticky významné rozdíly a napovídá, že během
normální zimy 2009/2010 již k významným škodám nedošlo.
Během zim 2007/2008, 2008/2009 a 2010/2011 nedošlo
k vážnému poškození porostů, ¾ všech hodnocených porostů
byly poškozeny s intenzitou maximálně 2 % (v roce 2011 bylo
dokonce více než 80 procent smrkových porostů zcela bez
známek čerstvého poškození), přičemž bylo-li v každém
roce zaznamenáno několik extrémních hodnot s vyšší intenzitou poškození, jednalo se převážně o poškození mladých
porostů ohybem (viz tab. 2), které má nulový hospodářský
význam. V zimě 2006/2007 bylo poškození porostů tak
malé (srovnatelně s rokem 2011), že v roce 2007 se terénní
šetření neuskutečnilo, a škody ze zimy 2006/2007 můžeme
považovat za prakticky nulové.
Kvantifikované parametry sněhové pokrývky jsou měřítkem množství sněhu jako škodlivého činitele v ochraně
lesů (Stolina 1985), který je v kauzálním pojetí příčinou
výše popsaných následků – poškození porostů. Mezi vodní
hodnotou sněhu, výškou sněhové pokrývky a hustotou
sněhu je vztah, který lze vyjádřit matematickou funkcí
SVH = 0,01 * SCE * SHU, kde SVH je vodní hodnota sněhu
v mm, SCE je výška sněhové pokrývky v cm a SHU je hustota
sněhu v kg*m−3; 0,01 je přepočtový koeficient použitý pro
přepočet rozdílných jednotek, ve kterých jsou jednotlivé veličiny měřeny. Množství sněhu v jednotlivých zimních situacích dobře vyjadřuje výška sněhové pokrývky i vodní hodnota
sněhu; nejlépe je množství sněhu vyjádřeno právě vodní hodnotou (Lehtonen et al. 2014), v praxi se však častěji používá výška sněhové pokrývky, neboť její měření je technicky
výrazně méně náročné (odpadá složité zjišťování objemu
a hmotnosti vzorků, Křístek et al. 2011b) a přitom dobře
koreluje s vodní hodnotou sněhu (r = 0,93 podle výsledků
2006–2011). Ačkoliv hustota sněhu je významnou vlastností,
která by mohla mít klíčový význam pro vznik poškození (viz
např. Stolina 1985, Konôpka et al. 2008, Vicena et al. 1979),
naměřené hodnoty tomu příliš nenasvědčují. Problematická
je zejména velká variabilita naměřených hodnot hustoty
při nízkých výškách sněhové pokrývky (variační koeficient
hustoty negativně koreluje s průměrnou výškou sněhové
pokrývky r = −0,373 – srovnej výsledky z roku 2011, kdy byla
výška sněhové pokrývky extrémně nízká), což je způsobeno
zejména sníženou přesností měření při malých objemech
odebíraných vzorků profilu sněhové pokrývky (podrobněji
Křístek et al. 2011a,b).
Modelové situace vybrané z let 2006–2011 na základě
pozorovaného poškození porostů kvantifikovaného podílem
poškozených jedinců k celkovému počtu jsou popsány také
z hlediska klimatických podmínek: množství sněhu vyjádřeného výškou sněhové pokrývky (nad 100 cm v roce 2006, 40
a více cm při jednorázové srážce 13.–15. října 2009, srovnej
Lehtonen et al. 2014), vodní hodnotou a hustotou sněhu.
Podle Lehtonena et al. (2014) začíná poškození nevychovávaných porostů při sněhové zátěži mezi 20 až 30 kg*m−2, ale
velikost zátěže potřebné ke vzniku poškození se podstatně
liší podle typu (kvality) sněhu v korunách stromů a je podstatný rozdíl mezi zatížením sněhem (suchým, mokrým nebo
přemrzlým) a námrazou. Statistické testy v naší studii potvrzují návaznost poškození na klimatické situace (výšku sněhové pokrývky) v roce 2006, říjnu 2009 i v letech 2007–2008
a 2010–2011. Výjimkou je zima 2008/2009, kdy i přes velké
množství sněhu (srovnatelné s rokem 2006), k významnému
poškození porostů nedošlo. To naznačuje závislost poškození i na dalších faktorech (Konôpka et al. 2007, 2008, Lehtonen et al. 2014), včetně klimatických, jako např. na nástupu
zimy a sněžení: 13. 10. 2009 začalo sněžit v nižších polohách
z nízké oblačnosti (do 900 m n.m.) a teprve postupně do 15.
10. 2009 sněžení nastupovalo výše spolu se vzestupem oblačnosti a poklesem teploty vzduchu, takže rozložení sněhové
pokrývky 16. 10. 2009 mělo výrazně nelineární charakter:
do 900 m n.m. stoupala vrstva sněhu s nadmořskou výškou,
ale nad 900 m n.m. již byla více méně rovnoměrná. Nástupu
a průběhu přívalové srážky časného sněhu pak odpovídalo i
poškození porostů. Do 670 m n.m. byly poškozeny všechny
porosty a rozsah kalamity byl přibližně stejný jako v roce
2006, ale nad touto hranicí postupně přibývalo zcela nepoškozených porostů, přičemž nad 900 m n.m. se poškození
vyskytovalo již jen ojediněle (Hlásny et al. 2011).
5. Závěr
Výsledky ukazují, že se průběh zimy z pohledu nástupu
a množství sněhových srážek promítá do poškození porostů.
V zimách s průměrnými nebo podprůměrnými sněhovými
srážkami k významnému poškození porostů sněhem nedošlo.
Byly však zaznamenány dvě odlišné situace rozsáhlých škod:
zima 2005/2006 s velkým (nadnormálním) množstvím
středně těžkého až těžkého sněhu a přívalová sněhová
srážka časného sněhu 13.–15. 10. 2009, která poškodila
nepřipravené porosty před ukončením vegetačního období.
Na základě dat o sněhu a poškození porostů byly jednotlivé sezóny rozděleny do tří typických modelových situací. Ty
nepostihují všechny možné situace, které mohou v zájmovém
území z hlediska poškození porostů sněhem vzniknout, ani
nemohou podchytit všechny klimatické faktory, které vznik
220
4.2.2015 13:32:37
poškození podmiňují. Popis modelových situací z hlediska
příčiny (množství sněhu) a následku (poškození porostů)
je podmínkou nutnou, ale nikoli dostačující, pro vytvoření
modelu potenciálního ohrožení porostů sněhem. Tím nelze
mít vývoj za dokončený, ale prezentované výsledky dávají
dobrý předpoklad pro další rozvoj práce na vytvoření modelu.
Poděkování
Článek vznikl v rámci projektu č. A01/14 financovaného Interní
grantovou agenturou FLD ČZU Praha a na základě výsledků projektu NAZV č. QH81334 „Geoprostorové modelování potenciálního
ohrožení lesních porostů“ financovaného Ministerstvem zemědělství
ČR – Národní agenturou pro zemědělský výzkum.
Literatura
COUNCIL DIRECTIVE 1999/105/EC of 22 December 1999 on
the marketing of forest reproductive material. Official Journal
of the European Communities. 245 p.
Culek, M. (ed.), 1996: Biogeografické členění České republiky.
Praha, Enigma, 347 p.
Gardiner, B. A., Peltola, H., Kellomäki, S., 2000: Comparison of
two models for predicting the critical wind speeds required to
damage coniferous trees. Ecol. Model., 129:1–23.
Gardiner, B. A., Quine, C. P., 2000: Management of forests to
reduce the risk of abiotic damage – a review with particular
reference to the effects of strong winds. For. Exil. Manage.,
135:261–277.
Hlásny, T., Křístek, Š., Holuša, J., Trombik, J., Urbaňcová, N.,
2011: Snow disturbances in allochtonous Norway spruce forests: an application of Neural Networks based regression modeling. Forest ecology and Management, 262(12):2151–2161.
Holuša, J. (ed.), 2000: Oblastní plán rozvoje lesů. Přírodní lesní
oblast 40. Moravskoslezské Beskydy. Textová část. Platnost
2000–2019. Frýdek-Místek, Ústav pro hospodářskou úpravu
lesů, 225 p.
Holuša, J., 2004: Health condition of Norway spruce Picea abies (L.)
Karst. stands in the Beskid Mts. Dendrobiology 51 (Suppl.):11–
17.
Holuša, J., Křístek, Š., Trombik, J., 2010: Stability of spruce forests
in the Beskids: an analysis of wind, snow and drought damages.
Beskydy, 3(1):43–54.
Jalkanen, A., Mattila, U., 2000: Logistic regression models for wind
and snow damage in northern Finland based on the National
Forest Inventory data. Forest Ecology and Management,
135:315–330.
Kamimura, K., Shirashi, N., 2007: A review of strategies for wind
damage assessment in Japanese forests. J. For. Res., 12:162–
176.
Klopcic, M., Poljanec, A., Gartner, A., Boncina, A., 2009: Factors
related to natural disturbances in mountain Norway spruce
(Picea abies) forests in the Julian Alps. Ecosience 16(1):48–57.
Konôpka, J., Konôpka, B., Nikolov, CH., Raši, R., 2007: Damage to forest stands by snow with regard to altitute in Orava,
Pohronie and Kysuce regions. Lesn. Čas. – Forestry Journal,
53(3):173–190.
Konôpka, J., Konôpka, B., Nikolov, CH., 2008: Sněhové polomy
v lesných porastoch na Slovensku. Analýza kalamity zo zimy
2005/2006. Lesnícke štúdie č. 59. Zvolen. Národné lesnícke
centrum, Lesnícky výskumný ústav Zvolen, 65 p.
KruskaL, W., Wallis, W., A., 1952: Use of ranks in one-criterion
variance analysis. Journal of the American Statistical Association, 47(260):583–621.
Křístek, Š., Holuša, J., Urbaňcová, N., Trombik, J., Drápela, K.,
2011a: Expeditionary measurements of snow in extensively
forested Carpathian mountains: evaluating parameters variability. Carpathian Journal of Earth and Environmental Sciences, 6(2):45–58.
Křístek, Š., Urbaňcová, N., Holuša, J., Tomeček, P., 2011b: Měření
vlastností sněhové pokrývky v lese a mimo les. Certifikovaná
metodika. Lesnický průvodce 2/2011. Jíloviště-Strnady, Výzkumný ústav lesního hospodářství a myslivosti, v.v.i., 73 p.
Křístek, Š., Urbaňcová, N., Holuša, J., 2012: Hodnocení škod
způsobených sněhem na lesních porostech. Certifikovaná
metodika. Lesnický průvodce 7/2012. Strnady, Výzkumný
ústav lesního hospodářství a myslivosti, v.v.i., 40 p.
Lehtonen, I., Hoppula, P., Pirinen, P., Gregow, H., 2014: Modelling crown snow loads in Finland: a comparison of two methods. Silva Fennica, 48(3):1120. Dostupné na internete: http://
dx.doi.org/10.14214/sf.1120]
Lekeš, V., Dandul, I., 2000: Using airflow modeling and spatial
analysis for defining wind damage risk classification (WINDARC). Forest Ecology and Management 135:331–344.
Lipina, P., 2014: 491 cm celkové sněhové pokrývky na Lysé hoře
v Beskydech v zimní sezóně 1910–11. Infomet. Český hydrometeorologický ústav. Dostupné na internete: http://www.
infomet.cz/index.php?id=read&idd=1394453361]
Nykänen, M. L., Peltola, H., Quine, C. P., Kellomäki, S., Broadgate, M., 1997: Factors affecting snow damage of trees with
particular reference to European conditions. Silva Fennica,
31:193–213.
Päätalo, M. J., Peltola, H., Kellomäki, S., 1999: Modelling the risk of
snow damage to forests under short-term snow loading. Forest
Ecology and Management, 116: 51–70.
Pavelka, J., Trezner, J. (eds.), 2001: Příroda Valašska. Vsetín, Český
svaz ochránců přírody, ZO 76/06 Orchidea, 568 p.
Peltola, H., Kellomäki, S., Vaisanen, H., Ikonen, V. P., 1999: A
mechanistic model for assessing the risk of wind and snow damage to single trees and stands of Scots pine, Norway spruce, and
birch. Can. J. For. Res., 29:647–661.
Peltola, H., Kellomäki, S., Hassinen, A., Granander, M., 2000:
Mechanical stability of Scots pine, Norway spruce and birch:
an analysis of tree-pulling experiments in Finland. Forest Ecology and Management, 135:143–153.
Plívs, K., 1971: Typologický systém ÚHÚL. Brandýs nad Labem,
Ústav pro hospodářskou úpravu lesů, 90 p.
Rottmann, M., 1985: Schneebruchschäden in Nadelholzbeständen.
Beiträge zur Beurteilung der Schneebruchgefährdung, Zur
Schadensvorbeugung und Zur Behandlung schneegeschädigter Nadelholzbestände. Frankfurt am Main, J. D. Sauerlander’s Verlag, 159 p.
Rychtecká, P., Urbaňcová, N., 2008: Škodliví činitelé lesa v letech
1996–2006 – I. část Abiotičtí a antropogenní činitelé. Lesnická
práce, 6:14–15.
Savill, PS., 1983: Silviculture in windy climate. For. Abs., 44:473–
488.
Schelhaas, M. J., Nabuurs, G. J., Schuck, A., 2003: Natural disturbances in the European forests in the 19th and 20th centuries.
Global Change Biology, 9:1620–1633.
Slodičák, M., 1996: Stabilizace lesních porostů výchovou.
Lesnický průvodce, Jíloviště-Strnady, Výzkumný ústav lesního
hospodářství a myslivosti, 52 p.
Slodičák, M., Novák, J., 2006: Silvicultural measures to increase
the mechanical stability of pure secondary Norway spruce
stands before conversion. Forest Ecology and Management,
224:252–257.
221
4.2.2015 13:32:37
Spiecker, H., 2000: The growth of Norway spruce (Picea abies
[L.] Karst.) in Europe within and beyond its natural range. In:
Hasenauer, H. (ed.): International Conference on Forest Ecosystem Restoration. Ecological and Economic Impacts of Restoration Processes in secondary coniferous Forests. Proceedings of the International Conference held in Vienna, Austria,
10–12 April 2000, p. 247–256.
Stolina, M. (ed.), 1985: Ochrana lesa. Bratislava, Príroda, 480 p.
Tolasz, R., Brázdil, R., Bulíř, O., Dobrovolný, P., Dubrovský,
M., Hájková, L. et al., 2007: Atlas podnebí Česka. 1. vydání.
Praha, Olomouc, Český hydrometeorologický ústav, Universita
Palackého, 255 p.
Valinger, E., Lundqvist, L., Bondesson, L., 1993: Assessing the risk
of snow and wind damage from tree physical characteristics.
Forestry, 66:249–260.
Vicena, I., Pařez, J., Konôpka, J., 1979: Ochrana lesů proti
polomům. Praha, SZN, 244 p.
Vicena, I., 2003: Námraza v našich lesích. Písek, Matice lesnická,
129 p.
Summary
During 2006–2011, snow damage to artificial spruce stands
in the basin of the Šance reservoir (about 14,500 ha, Fig. 1)
was monitored. Repeated measurements of snow and evaluation of damage to stands were performed in 364 experimental
plots. In every year, damage to about 45,000 trees was evaluated.
The comparison of the extent of damage to spruce stands
in individual winter seasons using the Kruskal-Wallis test
(Table 3) indicates differences in damage intensity: while
in the winters of 2007–2009 and 2010/2011 damage was
negligible, in the winter of 2005/2006 a snowfall of calam-
ity proportions occurred, and in autumn 2009 snowfall was
recorded during 13–16 October with corresponding damage
intensity in spring 2010 (Fig. 3).
The Kruskal-Wallis test also confirmed significant differences in the quantitative parameters of snow cover between
individual snow situations, even though the values of snow
cover depth (Table 4), snow water equivalent (Table 5), and
snow density (Table 6) differed only partially: the “catastrophic” winter of 2005/2006 differed in all parameters,
while in the remaining situations snow density was not
entirely informative, and mainly its variability changed,
reaching its maximum at minimum snow cover depths (Fig.
4). The difference between the winters of 2005/2006 and
2008/2009 is seen mainly in snow water equivalent (Table
5). The torrent of early snow on 13–15 October 2009 was
only slightly above-average from the perspective of quantitative parameters of snow cover. At first glance (Fig. 4) it was
not an exception to the normal winters of 2007–2008 and
2010–2011, even though the differences in snow cover depth
(Table 4) and snow water equivalent (Table 5) were revealed.
In evaluating the intensity of stand damage and quantitative snow parameters, three different scenarios were characterised (Table 7): (i) catastrophic damage caused by heavy
snow in the winter of 2005/2006 (Fig. 5), (ii) damage caused
by a torrential fall of early snow in October 2009 (Fig. 6), and
(iii) the “normal” course of winter with minimal damage in
the remaining cases (Fig. 7). Different intensities of stand
damage and different amounts of snow expressed in quantitative parameters of snow cover corresponded to these model
scenarios.
222
4.2.2015 13:32:38
Lesn. Cas. For. J. 60 (2014) 223–230
Ekonomická doba obmýtní
Economic rotation period
Karel Pulkrab1*, Miroslav Sloup2, Roman Sloup1
Česká zemědělská univerzita v Praze, Fakulta lesnická a dřevařská, Kamýcká 129, CZ – 165 21 Praha 6 - Suchdol, Česká republika
Ústav pro hospodářskou úpravu lesů Brandýs nad Labem, pobočka Plzeň, Náměstí Generála Píky 8, CZ – 301 58 Plzeň-Slovany,
Česká republika
1
2
Abstract
The article presents selected results of the project of the Czech National Agency for Agricultural Research, “Differentiation of intensities
and management practices in relation to forest biodiversity and economic sustainability of forestry” executed at the Department of Forest Economy and Forestry Management, Faculty of Forestry and Wood Sciences, Czech University of Agriculture in Prague. The results
included the quantification of forest rotation periods derived from total mean increment, total mean value increment, and annual gross
profit of forest production. Significant differences between the rotation period currently recommended and the rotation period relevant
to economic optimum (maximum) were observed. The better the forest site (site quality class), the bigger is the difference.
Keywords: felling maturity; rotation age; rotation period; maturity of non-market forest functions; economic maturity
Abstrakt
Příspěvek uvádí vybrané výsledky projektu NAZV „Diferenciace intenzit a postupů hospodaření ve vztahu k zajištění biodiverzity lesa
a ekonomické životaschopnosti lesního hospodářství“, který je řešen na katedře ekonomiky a řízení lesního hospodářství Fakulty lesnické
a dřevařské České zemědělské univerzity v Praze. Byla provedena kvantifikace doby obmýtní, stanovená na základě celkového průměrného
přírůstu, celkového průměrného přírůstu hodnotového a na základě čistého důchodu lesní výroby (hrubého zisku lesy výroby).
Byla zjištěna značná diference mezi dobou obmýtní, v současnosti doporučovanou a dobou obmýtní, odpovídající ekonomickému optimu
(maximu). Tato diference se zvyšuje od méně kvalitních směrem ke kvalitnějším stanovištím (bonitním stupňům).
Klíčová slova: mýtní zralost; mýtní věk; doba obmýtní; mimoprodukční zralost; ekonomická zralost
1. Úvod
1.1. Mýtní zralost
Mýtní zralost se definuje jako stav porostů, optimální pro
těžební zásah. Vztahuje se buď na jednotlivé porosty, kde se
vyjadřuje mýtním věkem, nebo na hospodářské soubory, kde
se vyjadřuje dobou obmýtní. Pro lesní hospodářství to jsou
velmi závažná hospodářsko-úpravnická kritéria, základ pro
časovou a těžební úpravu lesa, které rozhodujícím způsobem
ovlivňují výšku mýtní těžby.
Odborná literatura definuje tyto druhy doby obmýtní
(Halaj 1990):
1.2. Kvantitativní zralost
(nejvyšší objemové produkce)
Kvantitativní mýtní zralost je stav, ve kterém porosty dosahují maximální průměrné roční objemové produkce. To
odpovídá věku kulminace průměrného přírůstku celkové
produkce. Současně v tomto věku nastává rovnost přírůstu
CPP (celkový průměrný přírůst) a CBP (celkový běžný přírůst).
Tato zralost představuje spodní hranici mýtní zralosti
dřevin. Při nižším mýtním věku by se nevyužívaly potenciální
produkční možnosti lesa, vznikaly by tedy přírůstové ztráty.
Výhodou kvantitativní zralosti (v porovnání s jinými
druhy zralosti, např. hodnotovou, ekonomickou) je to, že
je charakterizovaná jenom zákonitostmi růstového procesu
– kulminací objemového CPP. Závisí na dřevině, bonitě a
zakmenění. Nepodléhá tedy cenovým, nákladovým a jiným
změnám. Určuje se podle růstových tabulek.
Kvantitativní mýtní zralost má své oprávnění tehdy, jestliže se ze surových kmenů vyrábí jeden sortiment, např. dřevo
na chemické zpracování (vláknina), palivo apod.
1.3. Hodnotová zralost
Hodnotová zralost je stav, ve kterém porosty dosahují nejvyšší průměrný roční přírůstek hodnoty celkové produkce.
Jde o věk kulminace celkového průměrného hodnotového
přírůstu. Hodnota se odvozuje na základě peněžního vyjádření celkové produkce. Celková produkce dřevin se pro
bonity rozčlení podle sortimentačních tabulek na sortimenty
surového dříví, které se ocení pomocí tržních cen. Proto hodnota produkce obsahuje objemovou (m3), kvalitativní (sortimenty) a užitkovou (cena dřeva) stránku surového dříví.
1.4. Technická zralost
Technická zralost se definuje jako věk, ve kterém se dosahuje
maximální průměrná roční produkce cílového sortimentu,
*Corresponding author. Karel Pulkrab, e-mail: [email protected], phone: +420 224 383 705, mobil +420 224 383 703
4.2.2015 13:32:38
K. Pulkrab et al. / Lesn. Cas. For. J. 60 (2014) 223–230
resp. skupiny cílových sortimentů, přijatých za produkční
cíl. Nastává ve věku kulminace CPP cílového sortimentu.
Někteří autoři definují technickou zralost na základě objemu
celkové produkce nebo zásoby hlavního porostu cílového
sortimentu, jiní zase na základě hodnoty. Definice technické
zralosti na základě objemu má oprávnění v tom případě, když
záleží pouze na kvalitě dřeva cílového sortimentu. Často se
technická zralost určuje na základě hodnoty produkce cílových sortimentů. V souladu s definicí základního druhu zralosti, tj. hodnotové, jako základ k odvození technické zralosti
použijeme hodnotu celkové produkce cílového sortimentu.
Rozdíl mezi technickou a hodnotovou zralostí je pouze v tom,
že hodnotová zralost se odvozuje ze všech základních sortimentů, technická zralost pouze z cílových sortimentů.
1.5. Ekonomická zralost
K odvození ekonomické mýtní zralosti se používají v literatuře tato hlavní kritéria:
–– výnosy (tržby) z těžební činnosti lesní výroby, tj. z mýtní
a předmýtní těžby,
–– vlastní náklady lesní výroby (pěstební a těžební činnosti),
–– čistý důchod (hrubý zisk lesní výroby).
1.6. Mimoprodukční zralost
Syntézou současných vědeckých poznatků (viz Halaj 1990)
o vlivu věku porostů na plnění mimoprodukčních funkcí se
odvodily rámcové údaje věku mimoprodukční zralosti. Při
vodohospodářské funkci je doba zralosti: smrk 100–140
roků, jedle 110–130, borovice 90–120, buk 110–150, dub
110–190 roků. Při půdoochranné funkci je doba zralosti:
smrk, jedle a borovice 80–100 roků, buk a dub 100 roků. Pro
rekreační funkci je doba zralosti blízká jejich fyzické zralosti.
1.7. Kombinovaná (komplexní) zralost
Je to optimální věk mýtní zralosti, odvozený integrací hodnotové, technické a ekonomické zralosti. Definuje se jako věk,
ve kterém je úhrn ztrát vůči maximálním hodnotám všech
uvažovaných kritérií mýtní zralosti minimální. Určení kombinované zralosti je složitá optimalizační úloha.
2. Materiál a metodika
Základním informačním vstupem pro kalkulaci efektivnosti
jsou výsledky řešení projektu Národní agentury pro zemědělský výzkum „Diferenciace intenzit a postupů hospodaření
ve vztahu k zajištění biodiverzity lesa a ekonomické životaschopnosti lesního hospodářství“, koordinovaného v rámci
Fakulty lesnické a dřevařské České zemědělské univerzity
v Praze. Kalkulace vychází z následujících předpokladů:
1) z ekologických limitů, které vyplývají z typologického systému České republiky a příslušné legislativy. V analýze
bylo zohledněno zejména doporučené zastoupení dřevin,
podíl melioračních a zpevňujících dřevin, doba obmýtní
a cílové hospodářství (smrkové, borové, dubové
a bukové);
2) byla navržena optimální hospodářská opatření pěstební
a těžební činnosti;
3) potenciální výnosy lesní výroby byly vykalkulovány na
základě růstových tabulek;
4) sortimentace byla provedena podle tabulek (Pařez
1987a,b) pro kvalitu „N“ – zdravé nepoškozené rovně
rostlé kmeny;
5) v každé tloušťkové třídě (6+ až 1) byly zohledněny hlavní
sortimenty, které jsou aktuálně obchodovány v podmínkách České republiky a oceněny tržními cenami, které
publikoval Český statistický úřad pro rok 2012;
6) výpočet přímých nákladů pěstební a těžební činnosti
vychází z výkonových norem (Nouza, Nouzová 2003) za
těchto předpokladů: započítáním průměrné a jednotné
přirážky k základní normě ve výši 15 %, uvažováním jednotného mzdového tarifu ve výši 65,00 Kč/Nh v pěstební
činnosti a ve výši 80,00 Kč/Nh v těžební činnosti (odhadnutý republikový průměr, jeho hodnota může regionálně
kolísat), započtením jednotné výše sociálního a zdravotního pojištění (34 % ke mzdovým nákladům), jednotným
započtením náhrad (ve výši 39 % k vynaloženým mzdovým nákladům);
7) základní prostorovou jednotkou hodnocení byl soubor
lesních typů (SLT);
8) kardinálním syntetickým ukazatelem efektu hodnocení
byl hrubý zisk lesní výroby (HZLV), který je definován
jako rozdíl výnosů a úplných vlastních nákladů.
Příklad výpočtu uvedených ekonomických parametrů pro
SLT 6B je patrný z tabulky 1.
3. Výsledky
Výsledky provedených kalkulací jsou patrné z tabulek 2 a 3.
Tabulka 2: Varianty doby obmýtní podle souborů lesních
typů v ekologické síti typologického systému České republiky.
Tabulka uvádí: cílové hospodářství (SM – smrkové,
BO – borové, BK – bukové, DB – dubové) a čtyři varianty
doby obmýtní:
–– průměrnou doporučenou dobu obmýtní v souladu s příslušnou legislativou,
–– dobu obmýtní v ekonomickém maximu (v maximu
hrubého zisku lesní výroby),
–– dobu obmýtní v maximu celkového průměrného přírůstu
hodnotového,
–– dobu obmýtní v maximu celkového průměrného přírůstu.
4. Diskuze a závěr
Z výstupů tabulky 2 a 3 je možno učinit několik závěrů, využitelných pro další optimalizaci jednoho z nejzávažnějších
hospodářských opatření, které je v rámci vymezených limitů
v kompetenci každého vlastníka či hospodáře:
–– Nejmarkantnější je zřejmě značná diference mezi
dobou obmýtní, v současnosti doporučovanou, a dobou
obmýtní, odpovídající ekonomickému optimu (tato
diference za odvětví lesního hospodářství činí ročně
1,03 mld. Kč). Tato diference se zvyšuje od méně kvalitních směrem ke kvalitnějším stanovištím.
224
4.2.2015 13:32:39
Tabulka 1. Příklad výpočtu ekonomických parametrů pro SLT 6B
Cílové hospodářství: smrkové
Doporučená doba obmýtní: 120 let
Table 1. Example of calculation of economic parameters for GFT 6B.
Target management: spruce
Recommended rotation period: 120 years
Věk porostu1)
PMP2) [roky]
CPP3) Náklady pěstební
činnosti4)
Náklady těžební
činnosti5)
Náklady celkem6)
9,34
9,12
9,45
9,20
9,38
9,08
9,16
8,89
8,64
8,37
8,12
7,88
7,65
7,42
7,21
6,92
6,66
6,41
6,18
5,97
5,77
5,58
5,41
4 558
4 143
3 798
3 506
3 255
3 038
2 849
2 681
2 532
2 399
2 279
2 170
2 072
1 982
1 899
1 823
1 753
1 688
1 628
1 572
1 519
1 470
1 424
6 327
6 221
6 261
6 133
6 124
5 959
5 902
5 752
5 618
5 458
5 313
5 164
5 029
4 887
4 757
4 567
4 391
4 229
4 078
3 937
3 806
3 683
3 568
10 885
10 364
10 059
9 639
9 379
8 997
8 751
8 433
8 150
7 856
7 592
7 335
7 101
6 869
6 656
6 390
6 144
5 917
5 705
5 509
5 325
5 153
4 992
[m3/ha]
50
55
60
65
70
75
80
85
90
95
100
105
110
115
120
125
130
135
140
145
150
155
160
7,38
7,34
7,31
7,23
7,15
7,01
6,88
6,74
6,61
6,45
6,30
6,14
5,99
5,83
5,69
5,46
5,25
5,06
4,88
4,71
4,55
4,41
4,27
Výnosy těžby
výchovné7)
[Kč/ha/r]
2 352
2 138
2 717
2 508
2 981
2 782
3 199
3 010
2 843
2 694
2 559
2 437
2 326
2 225
2 132
2 047
1 968
1 895
1 828
1 765
1 706
1 651
1 599
Výnosy těžby
obnovní8)
CPPh9)
HZLV10)
11 701
12 024
12 440
12 182
12 288
12 220
12 133
11 902
11 825
11 525
11 338
11 136
10 877
10 612
10 353
9 939
9 557
9 203
8 874
8 568
8 283
8 015
7 765
14 053
14 162
15 157
14 690
15 269
15 001
15 332
14 913
14 668
14 219
13 897
13 573
13 203
12 837
12 486
11 986
11 525
11 098
10 702
10 333
9 989
9 666
9 364
3 168
3 797
5 099
5 051
5 889
6 004
6 581
6 480
6 518
6 362
6 305
6 238
6 103
5 968
5 829
5 596
5 381
5 182
4 997
4 824
4 664
4 513
4 372
Vysvětlivky – Explanatory notes: SLT = soubor lesních typů – GFT = group of forest types.
Stand age [years), 2)PMP = průměrný mýtní přírůst – MRI = mean rotation increment, 3)CPP = celkový průměrný přírůst – TMI = total mean increment, 4)Costs of silvicultural operations [CZK/ha/year], 5)
Costs of felling operations [CZK/ha/year], 6)Total costs [CZK/ha/year], 7)Income from tending cuts [CZK/ha/year], 8)Income from regeneration felling [CZK/ha/year], 9)CPPH = celkový průměrný přírůst
hodnotový – TMVI = total mean value increment [CZK/ha/year], 10)HZLVr = roční hrubý zisk lesní výroby – AGPFP = annual gross profit of forest production [CZK/ha/year]
1)
Tabulka 2. Varianty doby obmýtní podle souborů lesních typů v ekologické síti typologického systému České republiky
Table 2. Rotation periods variants by groups of forest habitat types in the ecological network of the type system of the Czech Republic.
řada
lvs11)/
kat.12)
2)
Přechodná
Extrémní
3)
W
C
X
Exponovaná
4)
Z
Y
5)
J
A
F
N
Soubory lesních typů1)
Kyselá6)
Živná7)
M
K
I
S
B
Oglejená8)
H
D
V
O
P
Podmáčená9)
Q
T
G
R
Lužní10)
L
U
9
kleč
8
SM
7
bkSM
6
smBK
5
jdBK
SM
90
90
80
65
BK
130
85
85
70
SM SM SM SM
SM SM
300 300
140 140 140 130
90 80
95 85 85 85
80 80
80 75 85 75
70 70
70 70 70 75
SM SM SM
SM SM
140 140 130
300 300
95 80
80 85 80
85 80
80 75 80
70 70
75 75 80
SM
SM SM SM SM
300
130 130 130 120
95
80 80 90 90
75
80 80 75 80
70
65 65 75 80
SM BK SM SM SM BK
300 250 90 130 130 130
95 75 80 80 75 95
80 75 80 80 75 80
70 70 65 65 75 70
SM
SM
130
130
85
85
85
80
80
80
SM
SM SM
130
130 130
80
80 80
80
80 70
65 65
65
SM SM SM SM SM SM
120 120 120 120 120 120
85 80 80 80 80 80
80 80 80 70 80 80
60 65 60 60 60 60
SM SM SM SM SM SM
120 120 120 120 110 120
80 80 80 80 80 80
80 80 80 80 80 80
65 65 60 60 60 60
SM
SM SM SM SM
130
120 120 120 120
80 90 80 90
85
75
80 80 80 80
75
75 70 75 70
SM SM SM SM SM SM SM
130 130 130 130 120 120 120
80 80 80 85 85 80 85
80 80 80 75 75 80 75
65 65 80 75 60 65 75
SM SM
SM SM SM SM
120 120
120 120 120 120
80 80
80 80 90 80
80 80 70 80
80 80
65 65
60 65 60 65
SM SM
SM SM SM SM
110 120
120 120 120 100
80 80 80 95
85 80
80 80
80 80 80 80
65 75
60 65 70 65
SM
120
80
80
65
225
4.2.2015 13:32:42
Pokračovanie tabuľky 2 – Continuation of the table 2
řada2)
lvs11)/
kat.12)
4
BK
3
dbBK
2
bkDB
Přechodná3)
W
C
BK
130
90
70
70
BK
130
85
85
70
DB
160
105
80
65
BO
120
90
80
60
BK
130
90
70
70
DB
130
115
85
60
BO
130
105
80
60
BO
130
75
65
60
1
DB
0
BOR
Extrémní4)
X
Z
Y
BO
300
70
70
60
BO
300
75
75
60
DB
300
85
70
60
DB DB
300 300
80 85
80 75
60 60
BO
300
80
70
70
Soubory lesních typů1)
Kyselá6)
Živná7)
Exponovaná5)
J
A
SM
90
80
75
60
BK SM
250 90
85 75
80 75
70 60
DB
130
80
80
60
DB DB
300 130
80 115
80 85
70 60
BO
300
85
70
60
Oglejená8)
Podmáčená9)
F
N
M
K
I
S
B
H
D
V
O
P
Q
SM
110
110
80
65
SM
110
90
80
65
SM
110
80
80
75
SM
110
90
75
60
DB
130
115
85
60
DB
130
110
80
60
BO
130
85
80
60
DB
130
120
80
60
DB
130
115
80
60
DB
130
105
80
60
BO
130
85
65
65
BO
130
85
80
60
SM
110
80
80
65
BK
130
70
70
70
DB
130
115
80
65
DB
130
105
80
65
BO
130
85
80
65
SM
110
80
80
65
SM
110
85
80
65
DB
130
105
80
65
DB
130
115
80
65
SM
110
80
80
65
SM
110
80
80
65
BO
110
80
80
65
DB
130
85
80
65
SM
110
80
80
60
SM
110
80
80
60
DB
160
95
90
70
DB
160
85
70
70
SM
110
80
70
60
SM
110
80
80
60
DB
160
90
85
60
DB
160
120
85
60
SM
110
85
80
60
SM
110
80
80
65
DB
160
120
85
60
DB
160
120
85
60
SM
110
80
80
60
SM
110
80
80
60
DB
160
120
85
70
DB
160
120
85
70
SM
110
80
75
50
DB
120
90
85
60
DB
160
95
85
70
DB
160
90
85
70
BO
130
80
65
50
SM
110
90
80
65
BO
120
90
80
60
BO
120
85
65
50
BO
120
90
65
50
BO
130
80
80
60
BO
120
90
80
60
BO
120
90
80
60
BO
120
95
80
60
T
BO
120
70
60
55
G
R
SM
110
85
80
65
SM
110
80
80
65
SM
110
80
80
65
BO
120
80
80
50
Lužní10)
L
U
OL
90
70
70
70
DB
150
95
95
50
DB
150
100
90
50
SM
100
80
80
65
DB
100
120
80
50
BO
120
80
70
70
Group of forest types, 2)Series, 3)Transitional, 4)Extreme, 5)Exposed, 6)Acid, 7)Nutritious, 8)Gleyed, 9)Waterlogged, 10)Alluvial, 11)lvs = lesní vegetační stupeň – faz = forest altitudinal zone, 12)kat. = kategorie – cat.
= category
1)
Tabulka 3. Roční hrubý zisk lesní výroby v doporučené a ekonomické době obmýtní podle souborů lesních typů za odvětví lesního
hospodářství České republiky
Table 3. Annual gross profit of forest production in the recommended and economic rotation period by groups of forest habitat types in
forestry of the Czech Republic.
Označení
SLT1)
1X
0Z
1Z
2Z
7Z
8Z
0Y
3Y
4Y
5Y
6Y
7Y
8Y
0M
1M
2M
3M
4M
5M
6M
7M
8M
0K
1K
2K
Cílové
hospodářství2)
Zastoupení
SLT
[%]3)
Zastoupení
SLT
[ha]4)
DB
BO
DB
DB
SM
SM
BO
BO
BO
SM
SM
SM
SM
BO
BO
DB
DB
DB
BK
SM
SM
SM
BO
DB
DB
0,1
+
0,3
0,1
0,1
0,3
+
0,1
+
0,1
0,2
+
+
0,8
0,6
0,9
1,1
0,1
2,2
0,4
0,1
0,2
1,3
0,8
4
2 660
0
7 980
2 660
2 660
7 980
0
2 660
0
2 660
5 320
0
0
21 279
15 959
23 939
29 258
2 660
58 516
10 639
2 660
5 320
34 578
21 279
106 393
HZLVr
v doporučené
době obmýtní
[Kč/r/ha] 5)
429
258
358
355
1 010
845
349
556
669
896
1 074
1 192
1 192
228
1 272
301
309
490
590
2 190
2 163
2 328
769
388
705
HZLVr
v ekonomické
době obmýtní
[Kč/r/ha]6)
1 150
785
1 049
1 073
2 882
2 347
1 043
1 710
2 051
2 444
2 956
3 398
3 398
255
1 541
326
335
531
656
2 332
2 570
2 808
903
421
772
HZLVr za ČR
v doporučené
době obmýtní
[tis. Kč/r]7)
1 141
0
2 857
944
2 686
6 743
0
1 479
0
2 383
5 713
0
0
4 852
20 300
7 205
9 041
1 303
34 525
23 300
5 753
12 384
26 590
8 256
75 007
HZLVr za ČR
v ekonomické
době obmýtní
[tis. Kč/r]8)
3 059
0
8 371
2 854
7 666
18 728
0
4 548
0
6 501
15 725
0
0
5 426
24 593
7 804
9 801
1 412
38 387
24 811
6 836
14 938
31 224
8 958
82 136
226
4.2.2015 13:32:45
1. Pokračovanie tabuľky 3 – Continuation of the table 3
Označení
SLT1)
3K
4K
5K
6K
7K
8K
1I
2I
3I
4I
5I
6I
0N
1N
2N
3N
4N
5N
6N
7N
8N
1S
2S
3S
4S
5S
6S
7S
8S
0C
1C
2C
3C
4C
5C
3F
4F
5F
6F
7F
8F
1H
2H
3H
4H
5H
6H
1B
2B
3B
4B
5B
6B
7B
2W
3W
4W
5W
Cílové
hospodářství2)
Zastoupení
SLT
[%]3)
Zastoupení
SLT
[ha]4)
BK
SM
SM
SM
SM
SM
DB
DB
SM
SM
SM
SM
BO
DB
DB
SM
SM
SM
SM
SM
SM
DB
BO
SM
SM
SM
SM
SM
SM
BO
BO
DB
BK
BO
BK
SM
SM
SM
SM
SM
SM
DB
DB
SM
SM
SM
SM
DB
DB
SM
SM
SM
SM
SM
DB
BK
BK
SM
4,6
1,5
9,7
6
2,2
0,6
0,7
1,8
1,7
0,1
0,6
0,1
0,4
+
0,1
0,3
0,1
0,7
0,7
0,2
0,1
0,4
0,8
3,2
1,5
5,7
2,1
0,5
0,2
0,1
0,5
0,7
0,2
0,1
+
0,1
0,1
0,5
0,1
+
+
0,1
1,1
2,4
0,3
0,9
0,1
0,7
0,7
1,7
0,7
2,8
0,1
+
0,1
0,3
0,1
+
122 353
39 898
258 004
159 590
58 516
15 959
18 619
47 877
45 217
2 660
15 959
2 660
10 639
0
2 660
7 980
2 660
18 619
18 619
5 320
2 660
10 639
21 279
85 115
39 898
151 611
55 857
13 299
5 320
2 660
13 299
18 619
5 320
2 660
0
2 660
2 660
13 299
2 660
0
0
2 660
29 258
63 836
7 980
23 939
2 660
18 619
18 619
45 217
18 619
74 475
2 660
0
2 660
7 980
2 660
0
HZLVr
v doporučené
době obmýtní
[Kč/r/ha] 5)
2 481
3 339
3 256
3 206
3 002
2 706
721
952
3 359
3 339
3 256
3 232
941
591
805
3 360
3 397
3 242
3 023
2 855
3 057
2 496
1 941
4 031
4 080
5 250
5 110
3 239
2 695
1 465
566
805
1 278
1 248
1 577
3 811
4 627
4 442
4 442
3 903
3 072
1 233
3 639
5 464
5 447
3 007
5 203
1 856
2 578
5 447
5 447
5 815
5 829
3 269
1 192
1 812
1 587
4 514
HZLVr
v ekonomické
době obmýtní
[Kč/r/ha]6)
3 463
3 485
3 485
3 479
3 454
3 219
789
1 031
3 463
3 485
3 485
3 462
1 090
648
883
3 569
3 600
3 879
3 569
3 732
4 044
2 865
2 044
4 137
4 183
5 886
5 743
3 789
3 208
1 868
622
883
1 458
1 249
1 773
4 514
4 866
5 229
5 229
5 128
4 057
1 644
4 983
5 909
5 886
3 141
5 850
3 073
3 568
5 886
5 886
6 558
6 581
3 790
1 589
2 016
1 757
4 514
HZLVr za ČR
v doporučené
době obmýtní
[tis. Kč/r]7)
303 557
133 218
840 062
511 646
175 666
43 185
13 424
45 579
151 885
8 881
51 963
8 597
10 012
0
2 141
26 811
9 035
60 362
56 285
15 188
8 131
26 556
41 302
343 098
162 782
795 956
285 427
43 076
14 337
3 897
7 527
14 988
6 799
3 319
0
10 137
12 307
59 075
11 815
0
0
3 280
106 471
348 800
43 464
71 983
13 839
34 557
47 999
246 298
101 417
433 075
15 504
0
3 171
14 459
4 221
0
HZLVr za ČR
v ekonomické
době obmýtní
[tis. Kč/r]8)
423 707
139 043
899 145
555 214
202 116
51 372
14 690
49 361
156 587
9 270
55 617
9 208
11 597
0
2 349
28 479
9 575
72 223
66 451
19 853
10 756
30 482
43 494
352 120
166 891
892 381
320 784
50 391
17 066
4 969
8 272
16 440
7 756
3 322
0
12 007
12 943
69 541
13 908
0
0
4 373
145 794
377 207
46 967
75 191
15 560
57 216
66 432
266 149
109 591
488 410
17 504
0
4 226
16 087
4 673
0
227
4.2.2015 13:32:48
Označení
SLT1)
1D
2D
3D
4D
5D
6D
1A
2A
3A
4A
5A
6A
8A
1J
3J
5J
1L
2L
3L
1U
3U
5U
1V
2V
3V
4V
5V
6V
7V
8V
0O
1O
2O
3O
4O
5O
6O
7O
0P
1P
2P
4P
5P
6P
7P
0Q
1Q
2Q
4Q
5Q
6Q
7Q
8Q
0T
7T
8T
0G
3G
Cílové
hospodářství2)
Zastoupení
SLT
[%]3)
Zastoupení
SLT
[ha]4)
DB
DB
SM
SM
SM
SM
DB
DB
SM
SM
SM
SM
SM
DB
BK
BK
DB
DB
OL
SM
SM
SM
DB
DB
SM
SM
SM
SM
SM
SM
BO
DB
DB
DB
SM
SM
SM
SM
BO
BO
BO
SM
SM
SM
SM
BO
BO
BO
BO
SM
SM
SM
SM
BO
SM
SM
BO
SM
0,2
0,2
0,7
0,7
1,1
0,1
+
0,2
0,5
0,2
0,7
0,3
+
0,1
0,2
0,2
1
0,2
0,4
0,1
0,2
0,2
0,2
0,1
0,2
0,1
0,7
0,8
0,1
+
+
0,7
0,3
1
0,9
1,3
0,7
0,2
0,2
0,3
0,4
1,5
1
1,2
0,2
0,3
0,2
0,1
0,5
0,2
0,1
+
0,1
0,1
0,1
+
0,3
+
5 320
5 320
18 619
18 619
29 258
2 660
0
5 320
13 299
5 320
18 619
7 980
0
2 660
5 320
5 320
26 598
5 320
10 639
2 660
5 320
5 320
5 320
2 660
5 320
2 660
18 619
21 279
2 660
0
0
18 619
7 980
26 598
23 939
34 578
18 619
5 320
5 320
7 980
10 639
39 898
26 598
31 918
5 320
7 980
5 320
2 660
13 299
5 320
2 660
0
2 660
2 660
2 660
0
7 980
0
HZLVr
v doporučené
době obmýtní
[Kč/r/ha] 5)
1 656
1 656
4 566
6 103
5 829
5 829
812
2 033
4 313
4 935
5 335
4 313
2 569
492
10
604
3 762
4 612
2 429
4 445
6 709
4 909
2 222
2 222
5 995
6 054
5 783
5 745
5 050
3 090
2 366
2 601
3 024
4 791
5 082
4 410
4 370
4 020
2 401
1 321
1 127
3 584
3 735
2 960
3 772
441
759
759
759
2 724
2 680
3 075
2 761
2 010
3 347
2 125
2 395
5 037
HZLVr
v ekonomické
době obmýtní
[Kč/r/ha]6)
2 208
2 208
4 755
6 581
6 581
6 581
891
2 375
4 375
4 940
5 382
5 086
3 359
1 284
20
1 284
4 703
5 830
2 471
4 904
7 240
5 693
2 963
2 963
6 477
6 545
6 545
6 500
6 066
3 748
3 074
3 624
4 127
4 910
5 427
4 742
4 703
4 682
3 175
1 350
1 127
3 759
4 028
3 075
4 477
441
791
791
791
2 778
2 810
3 732
3 061
2 487
3 748
2 379
3 065
5 282
HZLVr za ČR
v doporučené
době obmýtní
[tis. Kč/r]7)
8 809
8 809
85 014
113 631
170 546
15 504
0
10 815
57 359
26 253
99 332
34 416
0
1 309
53
3 213
100 063
24 534
25 843
11 823
35 690
26 114
11 820
5 910
31 891
16 103
107 673
122 246
13 432
0
0
48 428
24 130
127 433
121 656
152 488
81 364
21 385
12 773
10 541
11 991
142 993
99 345
94 477
20 066
3 519
4 038
2 019
10 094
14 491
7 128
0
7 344
5 346
8 902
0
19 111
0
HZLVr za ČR
v ekonomické
době obmýtní
[tis. Kč/r]8)
11 746
11 746
88 533
122 531
192 548
17 504
0
12 634
58 184
26 279
100 207
40 584
0
3 415
106
6 830
125 092
31 014
26 290
13 044
38 514
30 285
15 762
7 881
34 456
17 409
121 860
138 312
16 135
0
0
67 475
32 931
130 598
129 914
163 968
87 564
24 907
16 890
10 772
11 991
149 975
107 138
98 148
23 816
3 519
4 208
2 104
10 520
14 778
7 474
0
8 142
6 615
9 969
0
24 457
0
228
4.2.2015 13:32:50
Označení
SLT1)
Cílové
hospodářství2)
Zastoupení
SLT
[%]3)
Zastoupení
SLT
[ha]4)
HZLVr
v doporučené
době obmýtní
[Kč/r/ha] 5)
5 377
HZLVr
v ekonomické
době obmýtní
[Kč/r/ha]6)
5 727
HZLVr za ČR
v doporučené
době obmýtní
[tis. Kč/r]7)
28 604
HZLVr za ČR
v ekonomické
době obmýtní
[tis. Kč/r]8)
30 466
4G
SM
0,2
5 320
5G
SM
0,2
5 320
5 394
5 741
28 694
30 540
6G
SM
0,4
10 639
4 812
5 327
51 197
56 676
7G
SM
0,5
13 299
4 782
5 292
63 597
70 379
8G
SM
0,3
7 980
4 593
5 161
36 650
41 182
0R
BO
0,1
2 660
645
785
1 716
2 088
4R
SM
0,1
2 660
5 095
5 342
13 552
14 209
2 761
3 049
7 344
8 110
5R
SM
0,1
2 660
6R
SM
0,1
2 660
4 824
5 342
12 831
14 209
7R
SM
0,2
5 320
3 347
3 748
17 805
19 938
8R
SM
0,2
5 320
2 125
2 379
Celkem
11 304
12 656
8 551 586
9 585 763
GFT symbols, 2)Target management, 3)GFT share [%], 4)GFT share [ha], 5)Annual gross profit of forest production in the recommended rotation period [CZK/ha/y], 6)Annual gross profit of forest production in
the economic rotation period [CZK/ha/y], 7)Annual gross profit of forest production in the Czech Republic in the recommended rotation period [thous. CZK/y], 8)Annual gross profit of forest production in the
Czech Republic in the economic rotation period [thous. CZK/y]
1)
–– Pokud se bude perspektivně plnit prognóza dalšího růstu
zásob, uvedená v růstových tabulkách jako predikovaný
vývoj, bude se současná diference zkoumaných dob
obmýtních zvětšovat.
–– Dalším nesmírně vážným faktorem, který ovlivňuje dobu
obmýtní, je vliv škodlivých činitelů. Zejména vítr a sníh
soustavně prořeďují porosty, snižují podíl kvalitních sortimentů a zvyšují podíl paliva.
Je však třeba konstatovat, že plnému využití ekonomické
doby obmýtní brání zejména požadavek na trvale udržitelné,
stanovišti odpovídající hospodaření v lesích, které je definováno (Helsinská konference 1993) jako „Správa a využívání
lesů a lesní půdy takovým způsobem a v takovém rozsahu,
které zachovávají jejich biodiverzitu, produkční schopnost,
regenerační kapacitu, vitalitu a schopnost plnit v současnosti
i budoucnosti odpovídající ekologické a sociální funkce,
které tím nepoškozují ostatní ekosystémy“. Hospodaření se
zaměřuje na integraci funkce produkční a ekologické. Základní aspekty ekosystému – produkce a ekologická stabilita
– vymezují intenzitu lesního hospodářství (stupeň intenzity).
Typ hospodářství (cílový, alternativní), označovaný hlavní
dřevinou vychází především z cílové skladby (zastoupení dřevin), zajišťující ekologickou stabilitu (přípustnou nestabilitu)
ekosystému a z odvozeného stupně intenzity (Plíva 2000).
Ekologická hlediska pro volbu dřevin vychází z přirozeného výskytu dřevin v určitém typu lesa, přitom je třeba dále
posoudit možnosti úpravy přirozené kombinace pro zvýšení
produkce, aniž by přitom došlo k ohrožení trvalosti a bezpečnosti produkce (Poleno, Vacek a kol. 2009).
Potřebná doba obmýtní nezahrnuje pouze hledisko ekonomické, ale vychází i z vývoje a dynamiky přírodních lesů.
Vychází ze střídání tří základních vývojových stadií (malý
vývojový cyklus – Míchal 1992).
Stadium dorůstání (vzestupná etapa) se vyznačuje vysokou vitalitou stromů a maximální výškovou, tloušťkovou a
věkovou diferenciací. Stadium optima, ve kterém dochází
při ustrnutí výškového růstu a snížení běžného přírůstu
objemového ke kulminaci dřevních zásob. Na hranici věku
fyzického stáří dochází k postupnému odumírání – stadium
rozpadu (Plíva 2000).
U dubu trvá celý cyklus průměrně asi 300 let (vydrží i
500 let), stádium dorůstání cca 100 let. U buku trvá celý
cyklus 230 – 250 let, fáze dorůstání cca 100 let. U smrku celý
vývojový cyklus v závislosti na nadmořské výšce a stanovišti
trvá 300 – 400 let, fáze dorůstání 80 – 130 let. U borovice
celý cyklus trvá 300 – 350 let, stadium dorůstání 70 – 80 let.
V lese hospodářském je porovnatelné jen stadium
dorůstání a počátek stadia optima, kam je umístěna mýtní
zralost porostu. Chybí tedy v lese hospodářském nejen
stadium rozpadu, male i velká část stadia optima. Má-li
se v porostech trvale udržitelného obhospodařování lesa
ponechat větší prostor pro přirozený vývoj, je nutno využít
poznatky z přírodního lesa o časovém trvání vývojových fází,
aby pojem „autoregulace“ byl spojen s konkrétnější představou o životnosti hospodářských porostů (Plíva 2000).
Mýcení každého porostu v době finančně nejvýhodnější
je blízké programu školy nejvyššího čistého výnosu z půdy
(druhá polovina 19. století). U tohoto pojetí obvykle nepřicházejí v úvahu environmentální zájmy, vede k příliš nízkým
obnovním dobám a nezaručuje trvalost výtěže ani vyrovnanost výnosu (Lesnický naučný slovník 1995).
Dnešní trvale udržitelné, stanovištně odpovídající hospodaření nehledá maximální výnos z lesa, i když dosažení optimálního výnosu při plnění ostatních funkcí je základním hospodářským cílem. Obmýtí je stanoveno například i z hlediska
naplnění bohatější biodiverzity (ochrana a údržba různorodosti rostlin, živočichů, mikroorganismů a jejich genetických
informací ve vhodných lokalitách - Lesnický naučný slovník
1995), která je specifická pro každé stanoviště i růstové fáze,
nebo i z hlediska možného vlivu na půdu (vrstva povrchového
humusu, podléhající změnám vlivem složení lesního porostu,
stáří i vlivem hospodářských zásahů).
I tak zůstává aktuální kalkulace ekonomické doby obmýtí
pro jednotlivé dřeviny významným faktorem pro dosažení
229
4.2.2015 13:32:52
ekonomické konkurenceschopnosti lesnického hospodaření. Plně je akceptovatelný u dnešních smrkových nebo
borových monokultur, kde je potřebná přeměna (změna druhové skladby). Významným vodítkem může být u SLT, kde
jsou přípustná alternativní hospodaření (například SLT 3K,
kde se předpokládá možnost jak borového tak smrkového
hospodářství, SLT 5S, kde je alternativní smrkové i bukové
hospodářství atd.). Svoji úlohu má i všude tam, kde lze volit
určitou míru destability; oproti přirozené druhové skladbě,
konkrétně volit případně ekonomicky výhodnější cílovou
skladbu danou lesnickou typologií pro jednotlivé SLT.
Poděkování
Příspěvek vznikl díky podpoře projektu NAZV č. QJ1220313 „Diferenciace intenzit a postupů hospodaření ve vztahu k zajištění biodiverzity lesa a ekonomické životaschopnosti lesního hospodářství“
a projektu Technologické agentury ČR TB010MZP050 „Odvození
a praktická aplikace metodiky ke zjišťování ekonomické efektivity
nepasečných přírodě bližších způsobů obhospodařování lesů v porovnání s hospodařením pasečným“.
Literatura
Halaj, J., 1990: Rubná zrelosť drevín. Lesnícke štúdie č. 48, 115 s.
Nouza, J., Nouzová, J., 2003: Výkonové normy v lesním hospodářství. LČR, s. p.
Pařez, J., 1987a: Sortimentační tabulky pro smrkové a borové
porosty různé kvality. Lesnictví 33(10):919–944.
Pařez, J., 1987b: Sortimentační tabulky pro bukové a dubové
porosty s kmeny různé kvality. Lesnictví 33(12):1075–1090.
Plíva, K., 2000: Trvale udržitelné obhospodařování lesů podle souborů lesních typů. Brandýs nad Labem, ÚHÚL.
Poleno, Z., Vacek, S. a kol., 2009: Pěstování lesů III. – Praktické
postupy pěstování lesů. Lesnická práce, 952 s.
Míchal, I. et al., 1992: Obnova ekologické stability lesů. Praha,
Lesnický naučný slovník, 1995.
Summary
Fundamental information input for economic potential calculation are results of the project of Czech National Agency
for Agricultural Research, “Differentiation of intensities and
management practices in relation to forest biodiversity and
economic sustainability of forestry”, coordinated by Faculty
of Forestry and Wood Sciences. The calculation is based on
the following prerequisites:
1) ecologic limits given by type system of Czech Republic and its legislation. The analysis takes account especially of
recommended species composition, share of soil-improving
species, rotation period and target management (Norway
spruce, Scots pine, oak and European beech);
2) proposal of optimum economic measures of silvicultural and felling operations;
3) calculation of forest production potential yield was
based on yield tables (Yield and mensurational tables of the
principal tree species of the Czech Republic, Yield and mensurational tables of tree species of the Czech Republic);
4) sorting was based on tables (Pařez 1987a,b) for
“N” quality – healthy, undamaged, straight stems;
5) considering main collections in each girth class (6+
to 1), currently traded in CR and evaluated in market prices
published by the Czech Statistical Office for year 2012;
6) calculation of direct cost of silvicultural and felling operations is based on performance standards (Nouza
& Nouzová 2003);
7) the basic space unit for evaluation was a group of
forest habitat types (GFHT);
8) the principal synthetic indicator of evaluation effect
was gross yield of forest production (GPFP) defined as the
difference between yields and full standard costs.
Tables 2 and 3 offer several conclusions for further optimization of one of the most important management measures within competence of each owner or manager:
–– A considerable difference between the rotation period
(recommended nowadays) and the economic optimum
rotation period (maximum) is the most noticeable. The
difference increases from the poorer to high-quality sites.
–– In case the timber supply keeps increasing as predicted
(in yield tables), the present difference of the studied
rotation periods will grow.
–– Damaging factors also affect the rotation period significantly. Wind and snow constantly thin down the stands,
lower the share of high-quality assortment and increase
the share of fuel-wood.
It is necessary to say, though, that full utilization of the
economic rotation period is prevented by the demand of the
sustainable, site-appropriate forest management defined
(Helsinki conference 1993) as “Management and utilisation
of forests with the regard to maintain biodiversity, production abilities, regeneration abilities, vitality and the ability to
fulfil ecological and social functions at present as well as in
the future, whilst not damaging other ecosystems.”
The forest management focuses on integration of the
production and ecological functions. Basic aspects of the
ecosystem – production and ecological stability – limit the
intensity of forest management (intensity degree). The type
of management (target, alternative), labelled by the main tree
species, is based on the target species composition, ensuring
ecological stability (tolerable instability) of the ecosystem,
and on the derived degree of intensity (Plíva 2000).
230
4.2.2015 13:32:52
Lesn. Cas. For. J. 60 (2014) 231–239
Porovnanie kvalitatívnej produkcie dvoch bukových
(Fagus sylvatica L.) porastov na kyslom stanovišti
A comparison of qualitative production of two beech
(Fagus sylvatica L.) stands growing at acid sites
Igor Štefančík1, 2
1
2
Národné lesnícke centrum - Lesnícky výskumný ústav Zvolen, T. G. Masaryka 2175/22, SK – 960 92 Zvolen, Slovenská republika
Česká zemědělská universita v Praze, Fakulta lesnická a dřevařská, Kamýcká 129, CZ – 165 21 Praha 6 - Suchdol, Česká republika
Abstract
In this paper, a beech thinning experiment aimed at qualitative production issues was analysed. Two beech stands (93- and
105-year-old), growing at acid sites with similar ecological conditions were compared. The stands differ in the stand age,
when their tending started (at the age of 40 years in one experiment versus 60 years for the second one). In the first stand, the
thinning interventions were carried out during last 45 years, while in the second stand a 53-year-long period of investigation
was recorded. The research was conducted in four treatment plots: (i) heavy thinning from below (C degree according to
the German forest research institutes from 1902), (ii) free crown thinning with thinning intervals of 5 years, (iii) free crown
thinning with thinning intervals of 10 years, and (iv) control plot (without thinning). The stand qualitative parameters
(stem and crown quality, proportion of the best quality assortment and share of crop trees) were evaluated. From the point
of qualitative production, the best results were most frequently obtained at the plots with the free crown thinning followed
by heavy thinning from below. The worst parameters were found at the control plot.
Key words: beech; different tending; qualitative production
Abstrakt
Práca analyzuje kvalitatívnu produkciu prebierkového pokusu v bukovom poraste. Porovnali sa 2 bukové porasty (93 a 105
ročný) na kyslom stanovišti s podobnými ekologickými podmienkami. Porasty sa odlišovali vekom, kedy sa začalo s ich
výchovou (jeden vo veku 40 rokov a druhý vo veku 60 rokov). V prvom poraste sa zásahy vykonávali počas ostatných 45
rokov, kým v druhom poraste sa sledovalo obdobie 53 rokov. Výskum pozostával zo štyroch sledovaných variant: (i) silná
podúrovňová prebierka (C stupeň podľa Nemeckých výskumných ústavov lesníckych z roku 1902), (ii) úrovňová voľná
prebierka s intervalom 5 rokov, (iii) úrovňová voľná prebierka s intervalom 10 rokov, (iv) kontrolná plocha (bez prebierok).
Hodnotili sa kvalitatívne parametre porastu (kvalita kmeňa a koruny, podiel najkvalitnejších sortimentov a zastúpenie cieľových stromov). Najlepšie výsledky sa z hľadiska kvalitatívnej produkcie dosiahli na plochách s úrovňovou voľnou prebierkou
a potom na ploche so silnou podúrovňovou prebierkou. Najhoršia kvalitatívna produkcia sa zistila na kontrolných plochách
(bez výchovy).
Kľúčové slová: buk; rozdielna výchova; kvalitatívna produkcia
1. Úvod a problematika
Buku, ako najviac zastúpenej drevine v slovenských lesoch sa
venovala v ostatných desaťročiach značná pozornosť z viacerých aspektov. Množstvo prác sa zaoberalo hlavne výchovou
bukových porastov a jej účinkov na kvantitatívne parametre
a produkciu pri aplikácii rôznych metód a postupov (Réh
1968, 1969; Šebík 1971, 1983; Štefančík 1968, 1974, 1984;
Šebík & Polák 1990; Štefančík 2013). Podobne tomu bolo
aj v zahraničí, hlavne v Nemecku a Francúzsku (Assmann
1968; Kennel 1972; Polge 1981; Pardé 1981; LeGoff & Ottorini 1993; Dhôte 1997; Pretzsch 2005).
Výchova bukových porastov sa zameriava predovšetkým
na vypestovanie dostatočného počtu najkvalitnejších stro-
mov. Tieto predstavujú kvalitatívnu produkciu, ktorá zabezpečuje vysokú hodnotovú produkciu porastov v rubnom
veku. Preto značná pozornosť sa venovala tiež sledovaniu
vplyvu výchovy na kvalitatívnu produkciu (Réh 1968, 1994;
Šebík 1970; Štefančík 1974, 1975, 1976; Keller et al. 1976;
Ferrand 1982; Kató & Mülder 1983; Korpeľ 1988; Mlinsek &
Bakker 1990; Hein et al. 2007; Štefančík & Bolvanský 2011;
Poljanec & Kadunc 2013). Problematikou zisťovania kvality
porastov z hľadiska hospodárskej úpravy lesov sa zaoberali
Priesol (1971) a Polák (1971).
Kvalitu (akostný stav) lesných porastov môžeme posudzovať dvoma spôsobmi. Pri prvom hodnotíme akosť kmeňa
a koruny pri všetkých stromoch sledovaného porastového
súboru, čiže hovoríme o hromadnej kvalite porastu, ktorou
*Corresponding author. Igor Štefančík, e-mail: [email protected], phone: +421 45 5314 234
4.2.2015 13:32:57
I. Štefančík / Lesn. Cas. For. J. 60 (2014) 231–239
je napr. pestovná a hospodárska kvalita porastu. V druhom
prípade, keď sú predmetom hodnotenia len také stromy,
ktoré dosahujú vymedzené stupne akosti kmeňa a koruny
zase hovoríme o vymedzenej kvalite porastu, ktorú reprezentujú akostné a nádejné (cieľové) stromy, t. z. výberová
kvalita porastu (Štefančík 1976).
Vzhľadom k uvedenému je cieľom tohto príspevku
zhodnotiť a porovnať kvalitatívnu produkciu (hromadnú i
výberovú) na dvoch lokalitách v nezmiešaných bukových
porastoch, ktoré sa dlhodobo (45 a 53 rokov) vychovávali
rozdielnymi prebierkovými metódami.
2. Materiál a metodika
Objektmi výskumu boli dve série trvalých výskumných
plôch (TVP) Zlatá Idka a Cigánka, ktoré vznikli z prirodzenej obnovy, veľkoplošným clonným rubom. Obidve série
výskumných plôch majú takmer rovnaké stanovištné a ekologické podmienky, ale rozdielny vek o 20 rokov. Podrobnú
charakteristiku plôch uvádza tabuľka 1.
Tabuľka 1. Základné charakteristiky trvalej výskumnej plochy
(TVP) Zlatá Idka a Cigánka
Table 1. Basic characteristics of Zlatá Idka and Cigánka permanent research plots (PRP).
Charakteristika1)
Založenie TVP2)
Vek porastu [roky]3)
Absolútna bonita4)
Geomorfologický celok5)
Expozícia6)
Nadmorská výška [m]9)
Sklon [stupeň]10)
Geologický podklad11)
Pôdny typ14)
Lesný vegetačný stupeň16)
Hospodársky súbor
lesných typov18)
Skupina lesných typov20)
Lesný typ21)
Priemerná ročná teplota
[oC]24)
Priemerný ročný úhrn
zrážok [mm.rok−1]25)
TVP Zlatá Idka
TVP Cigánka
1959
1967
40
60
24
28
Volovské vrchy
Stolické vrchy
SSV7)
SZ8)
700
560
19
20
prekremenené chloriticko- ortorula (dvojsľudná
-sericitické fylity12)
biotitická)13)
kambizem typická, nenasýtená15)
4. bukový17)
405 – kyslé bučiny19)
Fagetum abietinum (Fa)
4121 metlicová jedľová
bučina22)
Fagetum pauper (Fp) v.st.
4301 chlpaňová bučina
v.st.23)
6,7
5,5
780
918
1)
Characteristic, 2)Establishment of PRP, 3)Stand age [years], 4)Height site index, 5)Geomorphological
unit, 6)Aspect, 7)North-north-east, 8)North-west, 9)Altitude [m], 10)Slope inclination [degree], 11)Parent rock, 12)Chloritic-sericitic phyllites, 13)Gneiss (biotitic), 14)Soil type, 15)Haplic Cambisol (Dystric),
16)
Forest altitudinal zone, 17)Beech, 18)Management complex of forest types, 19)Acid beech wood,
20)
Forest type group, 21)Forest type, 22)Hair-grass fir beech wood, 23)Hairy wood rush beech wood (higher tier), 24)Average annual temperature [oC], 25)Average annual precipitation total [mm.year−1]
Predmetné série TVP sa skladajú z troch, resp. v prípade
TVP Cigánka štyroch čiastkových plôch (C, H, H2, 0), každá
s výmerou 0,25 ha. Na ploche (označenej ako C) sa realizuje
silná podúrovňová prebierka (C – stupeň podľa Nemeckých
výskumných ústavov lesníckych z roku 1902). Na plochách
označených ako H a H2 sa uskutočňujú zásahy metódou
úrovňovej voľnej prebierky v zmysle Štefančíka (1984), ktorá
sa zameriava na individuálnu výchovu stromov výberovej
kvality (nádejné a cieľové stromy). Na ploche H je prebier-
kový interval 5 rokov, resp. na ploche H2 je 10 rokov. Na
obidvoch sériách, resp. plochách (C, H) bol pri prvých troch
zásahoch prebierkový interval 4 roky, neskôr až doteraz sa
všade aplikuje 5-ročný interval meraní a v prípade potreby
aj zásahov. Plocha s označením 0 je kontrolná, bez zásahov.
Do založenia sérií TVP sa na výskumných plochách nevykonali žiadne úmyselné výchovné zásahy, pričom doteraz sa
na nich realizovalo 12 biometrických meraní na TVP Zlatá
Idka a 10 meraní na TVP Cigánka. Na všetkých čiastkových plochách sa číslovaním registrovali všetky živé stromy
s hrúbkou d1,3 3,6 cm a väčšou. Hodnotili sa znaky kmeňa
a koruny, v rámci ktorých sa klasifikovali stromy podľa pestovnej a hospodárskej klasifikácie.
Pestovná klasifikácia zahŕňa:
a) spoločenské postavenie stromov podľa vzrastových
tried (Štefančík 1984);
1. nadúrovňový strom
2. úrovňový strom
3. medziúrovňový strom
4. podúrovňový strom ustupujúci
5. podúrovňový strom potlačený
b) stupne akosti kmeňa;
1. tvárny – priamy, veľmi kvalitný kmeň, bez hrčí
2. priemerný – priemerne kvalitný kmeň, zakrivený iba
v hornej tretine, s malým počtom hrčí
3. netvárny – nekvalitný kmeň s veľkým počtom hŕč, veľmi
zakrivený
c) stupne akosti koruny: Podľa typu (spôsobu vetvenia a
tvaru) 1. s priebežnou osou kmeňa k vrcholu stromu;
2. kyticovitú; 3. metlovitú; 4. vidlicovitú. Podľa veľkosti: 1. obojstranná, primeranej veľkosti; 2. menšia,
stiesnená, ale schopná regenerácie; 3. nadmernej veľkosti; 4. malá, neschopná regenerácie. Podľa hustoty
(dostatku asimilačných orgánov) 1. veľmi hustá
s úplným olistením aj vnútri koruny; 2. dosť hustá,
olistenie len v korunovom plášti; 3. redšia, olistenie
ešte dobré; 4. veľmi riedka, nedostatočné olistenie.
Pri stromoch v podúrovni porastu (3. až 5. vzrastová
trieda) sa hodnotia koruny stromov iba podľa troch stupňov
akosti koruny: 1 – dobrá, 2 – priemerná, 3 – zlá.
V rámci hospodárskej klasifikácie sa hodnotil len kmeň
po nasadenie koruny, a to osobitne dolná a osobitne horná
polovica kmeňa. Akostné triedy: 1 – vysoká (A), 2 – priemerná (B), 3 – horšia akosť, ale úžitkové drevo (C), 4 – palivo
(D).
Zo získaných údajov sa vypočítala pestovná kvalita osobitne pre kmeň a korunu ako aritmetický priemer akostných
znakov. Zmeny priemernej pestovnej kvality dvoch časových
období (pri prvom a poslednom časovom období) sa porovnali indexom „pom“, ktorý vyjadruje dynamické zmeny pestovnej kvality (Štefančík 1974).
SRP
.Y
NY
kde
Kv – priemerná kvalita na začiatku porovnávaného časového
obdobia,
kv – priemerná kvalita na konci porovnávaného časového obdobia.
Ak sa priemerná kvalita za sledované obdobie zlepšila platí,
že hodnota pom > 100, resp. ak sa kvalita zhoršila pom < 100.
Priemerná kvalita kmeňa i koruny bola vypočítaná za celý
232
4.2.2015 13:33:04
porast, a tiež osobitne pre úroveň porastu (1. a 2. vzrastová
trieda), resp. podúroveň porastu (3. až 5. vzrastová trieda).
Podobný postup bol aj pri hodnotení hospodárskej kvality,
pričom podkladový materiál bol spracovaný podľa metodiky
Štefančíka (1974, 1976).
Okrem hodnotenia kvalitatívnych znakov sa súčasne
vykonávali aj štandardné biometrické merania (hrúbka d1,3
s presnosťou na 1 mm, výška stromov a nasadenia koruny
s presnosťou na 0,5 m, šírka korún s presnosťou na 0,1 m),
resp. technológiou Field-Map sa zisťovali pozície živých stromov v polárnom súradnicovom systéme (x, y).
3. Výsledky
3.1. Pestovná kvalita
Pestovnú kvalitu celého porastu, porastovej úrovne (1. + 2.
vzrastová trieda) i podúrovne (3. až 5. vzrastová trieda) na
TVP Zlatá Idka aj TVP Cigánka prezentujú tabuľka 2 a 3. Na
začiatku výskumu platilo pre všetky plochy oboch porovnávaných sérií zistenie, že kvalita kmeňa i koruny úrovňových
stromov bola lepšia ako podúrovňových jedincov. Na TVP
Zlatá Idka sa pohybovali priemerné hodnoty celého porastu
pre kmeň od 2,52 do 2,79, resp. pre korunu to bolo od 2,25
do 2,38. Na TVP Cigánka sme zistili pre kmeň priemernú
kvalitu v rozpätí 2,46 – 2,54, kým pre priemernú kvalitu
koruny 2,61 – 2,71. Ak porovnávame iba úroveň porastu,
tak na začiatku výskumu sme lepšie hodnoty zistili na TVP
Cigánka, kde kvalita kmeňa dosiahla hodnoty 1,87 – 2,29
a kvalita koruny 1,43 – 2,03. Na TVP Zlatá Idka to bolo pre
kmeň 2,20 až 2,62, kým pre kvalitu koruny 1,70 až 1,90.
Tabuľka 2. Pestovná kvalita na TVP Zlatá Idka za obdobie 53
rokov
Table 2. Silvicultural quality at Zlatá Idka PRP during the period
of 53 years.
Plocha1) Vek2) [r.] Pestovná kvalita3) Úroveň4) Podúroveň5)
2,618
2,877
Kmeň7)
100
100
pom8)
40
1,901
2,626
Koruna9)
100
100
pom8)
0
2,565
2,806
Kmeň7)
102,1
102,5
pom8)
93
1,880
2,918
Koruna9)
101,1
90,0
pom8)
2,197
2,667
Kmeň7)
100
100
pom8)
40
1,702
2,567
Koruna9)
100
100
pom8)
H
2,189
2,726
Kmeň7)
100,4
97,8
pom8)
93
1,432
2,726
Koruna9)
118,9
94,2
pom8)
2,409
2,819
Kmeň7)
100
100
pom8)
40
1,735
2,529
Koruna9)
100
100
pom8)
C
2,458
2,750
Kmeň7)
98,0
102,5
pom8)
93
1,896
2,917
Koruna9)
91,5
86,7
pom8)
Celý porast6)
2,790
100
2,383
100
2,721
102,5
2,553
93,3
2,521
100
2,300
100
2,456
102,6
2,075
110,8
2,674
100
2,248
100
2,491
107,3
2,009
111,9
0 – kontrolná plocha – control plot, H – plocha s úrovňovou voľnou prebierkou (prebierkový interval 5
rokov) – plot with free crown thinning (thinning interval 5 years), C – plocha so silnou podúrovňovou
prebierkou – plot with heavy thinning from bellow
1)
Plot, 2)Stand age (years), 3)Silvicultural quality, 4)Crown level of the stand, 5)Suppressed level of the
stand, 6)Total stand, 7)Stem, 8Index, 9)Crown
Tabuľka 3. Pestovná kvalita na TVP Cigánka za obdobie 45 rokov
Table 3. Silvicultural quality at Cigánka PRP during the period of
45 years.
Plocha1) Vek2) [r.) Pestovná kvalita3) Úroveň4) Podúroveň5)
1,955
2,658
Kmeň7)
100
100
pom8)
60
1,823
2,949
Koruna9)
100
100
pom8)
0
2,514
2,872
Kmeň7)
77,8
92,5
pom8)
105
2,338
2,989
Koruna9)
78,0
98,7
pom8)
2,288
2,645
Kmeň7)
100
100
pom8)
60
2,031
2,985
Koruna9)
100
100
pom8)
H
2,111
2,843
Kmeň7)
108,4
93,0
pom8)
105
1,667
2,675
Koruna9)
121,8
111,6
pom8)
2,250
2,593
Kmeň7)
100
100
pom8)
60
1,984
2,980
Koruna9)
100
100
pom8)
H2
2,180
2,897
Kmeň7)
103,2
89,5
pom8)
105
1,500
2,841
Koruna9)
132,3
104,9
pom8)
1,873
2,696
Kmeň7)
100
100
pom8)
60
1,429
2,968
Koruna9)
100
100
pom8)
C
2,482
2,750
Kmeň7)
75,5
98,0
pom8)
105
2,357
3,083
Koruna9)
60,6
96,3
pom8)
Celý porast6)
2,469
100
2,628
100
2,767
89,2
2,798
93,9
2,541
100
2,708
100
2,555
99,5
2,277
118,9
2,491
100
2,682
100
2,693
92,5
2,460
109,0
2,459
100
2,612
100
2,529
97,2
2,485
105,1
0 – kontrolná plocha – control plot, H – plocha s úrovňovou voľnou prebierkou (prebierkový interval
5 rokov) – plot with free crown thinning (thinning interval 5 years), H2 – plocha s úrovňovou voľnou
prebierkou (prebierkový interval 10 rokov) – plot with free crown thinning (thinning interval 10 years),
C – plocha so silnou podúrovňovou prebierkou – plot with heavy thinning from bellow
Vysvetlivky ako pri tabuľke 2 – For explanation of notes see Table 2.
Po dlhodobej výchove, resp. sledovaní (45 rokov na TVP
Cigánka a 53 rokov na TVP Zlatá Idka) sa prejavili určité
zmeny. Kvalita kmeňa pre celý porast sa na TVP Zlatá Idka
zlepšila, pričom o málo viac na ploche C (silná podúrovňová
prebierka) ako na kontrolnej ploche a ploche H (úrovňová
voľná prebierka), ktoré dosiahli rovnaké zlepšenie. To isté
bolo aj zistenie pri kvalite koruny na tejto sérii TVP, keď
najväčšie zlepšenie sme zaznamenali na vychovávaných plochách (C a H), kým na kontrolnej ploche došlo k zhoršeniu.
Na TVP Cigánka sa kvalita kmeňa pre celý porast naopak
zhoršila, pritom najviac na kontrolnej ploche a najmenej na
ploche s úrovňovou prebierkou (5-ročným prebierkovým
intervalom), kde sa prakticky za 45 rokov nezmenila. Pri
kvalite koruny došlo k zhoršeniu iba na ploche bez výchovy.
Najviac sa zlepšila priemerná kvalita koruny na oboch plochách s úrovňovou voľnou prebierkou (plocha H a H2).
Pri porovnaní zmien v rámci porastovej úrovne sme na
TVP Zlatá Idka zaregistrovali zhoršenie kvality kmeňa aj
koruny iba na ploche s podúrovňovou výchovou, hoci na
ostatných dvoch plochách došlo iba k minimálnemu zlepšeniu. Najviac (o 18,5 %) sa zlepšila kvalita korún úrovňo233
4.2.2015 13:33:53
vých stromov na ploche s úrovňovou výchovou (plocha H).
Na TVP Cigánka v rámci úrovne porastu došlo k zhoršeniu
kvality kmeňa na kontrolnej ploche o 22,2 %, resp. na ploche
s podúrovňovou výchovou o 24,4 %. Na plochách s úrovňovou voľnou prebierkou (plochy H a H2) sa kvalita kmeňa
zvýšila (o 8,4 % a 3,2 %). Čo sa týka kvality koruny, výsledky
boli jednoznačne lepšie v prospech plôch s úrovňovou voľnou prebierkou. Na ploche H došlo k zlepšeniu o 21,8 % a na
ploche H2 o 32,3 %, kým na ploche kontrolnej sme naopak
zistili zhoršenie o 22 % a na ploche s podúrovňovou výchovou
dokonca o takmer 40 %.
Tabuľka 5. Hospodárska kvalita na TVP Cigánka za obdobie 45
rokov
Table 5. Commercial quality at Cigánka PRP during the period of
53 years.
Plocha1) Vek2) [r.]
60
0
105
3.2. Hospodárska kvalita
Hospodársku kvalitu celého porastu, porastovej úrovne (1. +
2. vzrastová trieda) i podúrovne (3. až 5. vzrastová trieda) na
TVP Zlatá Idka aj TVP Cigánka uvádzajú tabuľka 4 a 5, pričom osobitne sme vypočítali hospodársku kvalitu pre dolnú
a hornú polovicu kmeňa. Na začiatku výskumu pre všetky
plochy na oboch sériách platilo, že kvalita kmeňa (dolná aj
horná) úrovňových stromov bola lepšia v porovnaní s podúrovňovými jedincami. Na TVP Zlatá Idka boli priemerné
hodnoty pre celý porast od 2,01 do 2,36 pre dolnú polovicu
kmeňa, resp. pre hornú polovicu kmeňa od 2,56 do 2,96. Na
TVP Cigánka to bolo pre dolnú polovicu kmeňa 1,70 – 2,10
a pre hornú polovicu kmeňa 2,35 až 2,52. Ak porovnáme iba
úroveň porastu zistíme na začiatku výskumu lepšie hodnoty
na TVP Cigánka, a to tak pre dolnú i hornú polovicu kmeňa.
Tabuľka 4. Hospodárska kvalita na TVP Zlatá Idka za obdobie 53
rokov
Table 4. Commercial quality at Zlatá Idka PRP during the period
of 53 years.
Plocha1) Vek2) [r.]
40
0
93
40
H
93
40
C
93
Hospodárska
kvalita3)
Dolná7)
pom8)
Horná9)
pom8)
Dolná7)
pom8)
Horná9)
pom8)
Dolná7)
pom8)
Horná9)
pom8)
Dolná7)
pom8)
Horná9)
pom8)
Dolná7)
pom8)
Horná9)
pom8)
Dolná7)
pom8)
Horná9)
pom8)
Úroveň4)
Podúroveň5)
Celý porast6)
1,888
100
2,559
100
1,576
119,8
2,467
103,7
1,403
100
2,083
100
1,122
125,0
2,135
97,6
1,478
100
2,344
100
1,198
123,4
2,365
99,1
2,601
100
3,164
100
2,282
114,0
2,747
115,2
2,278
100
2,780
100
2,096
108,7
2,534
109,7
2,332
100
3,138
100
1,250
186,6
2,667
117,7
2,362
100
2,962
100
2,034
116,1
2,649
111,8
2,008
100
2,564
100
1,605
125,1
2,333
109,9
2,030
100
2,857
100
1,204
168,6
2,398
119,1
Plot, 2)Stand age (years), 3)Commercial quality, 4)Crown level of the stand, 5)Suppressed level of the
stand, 6)Total stand, 7)Bottom half of the stem, 8Index, 9)Upper half of the stem
1)
60
H
105
60
H2
105
60
C
105
Hospodárska
kvalita3)
Dolná7)
pom8)
Horná9)
pom8)
Dolná7)
pom8)
Horná9)
pom8)
Dolná7)
pom8)
Horná9)
pom8)
Dolná7)
pom8)
Horná9)
pom8)
Dolná7)
pom8)
Horná9)
pom8)
Dolná7)
pom8)
Horná9)
pom8)
Dolná7)
pom8)
Horná9)
pom8)
Dolná7)
pom8)
Horná9)
pom8)
Úroveň4)
Podúroveň5)
Celý porast6)
1,512
100
1,938
100
1,554
97,3
2,324
83,4
1,267
100
2,215
100
1,222
103,7
1,852
119,6
1,297
100
2,115
100
1,120
115,8
2,000
105,8
1,205
100
1,765
100
1,536
78,5
2,321
76,0
2,331
100
2,610
100
2,251
103,6
2,654
98,3
1,904
100
2,651
100
2,337
81,5
2,771
95,7
1,876
100
2,453
100
2,365
79,3
2,817
87,1
1,983
100
2,781
100
1,667
119,0
2,583
107,7
2,098
100
2,419
100
2,047
102,5
2,557
94,6
1,719
100
2,524
100
1,898
90,6
2,409
104,8
1,702
100
2,352
100
2,011
84,6
2,585
91,0
1,759
100
2,489
100
1,559
112,8
2,368
105,1
Vysvetlivky ako pri tabuľke 4 – For explanation of notes see Table 4.
Po 45 rokoch na TVP Cigánka, resp. 53 rokoch na TVP
Zlatá Idka sme zistili zlepšenie kvality celého porastu na TVP
Zlatá Idka, tak pre dolnú i hornú polovicu kmeňa. Avšak na
TVP Cigánka, sme zlepšenie pri dolnej polovici kmeňa zaznamenali iba na ploche kontrolnej a ploche so silnou podúrovňovou prebierkou. Pri hornej polovici kmeňa došlo k zlepšeniu iba na ploche s úrovňovou voľnou prebierkou s 5-ročným
prebierkovým intervalom (plocha H) a ploche so silnou podúrovňovou prebierkou.
Z hľadiska kvalitatívnej produkcie, resp. následnej sortimentácie je rozhodujúca dolná polovica kmeňa najhrubších stromov, preto bolo zaujímavé porovnať dosiahnuté
výsledky pre hospodársku kvalitu dolnej polovice kmeňov
úrovne porastu po dlhodobej výchove. Na TVP Zlatá Idka
došlo k zlepšeniu kvality v porovnaní so začiatkom výskumu,
pritom najviac na ploche s úrovňovou voľnou prebierkou
a najmenej na kontrolnej ploche, aj keď rozdiel bol minimálny
(5,2 %). Iná bola situácia na TVP Cigánka, kde k zlepšeniu
došlo iba na plochách s úrovňovou voľnou prebierkou (plocha H a H2). Najhoršou tu bola plocha so silnou podúrovňovou prebierkou, kde došlo k zhoršeniu o 21,5 % oproti
východiskovému stavu.
234
4.2.2015 13:33:59
V rámci analýzy sme tiež zisťovali, že akým percentom
sa podieľa iba dolná polovica kmeňa úrovňových stromov
v jednotlivých akostných triedach z celkovej kruhovej základne porastu (obr. 1 a 2). Vidno, že na oboch porovnávaných
sériách bol (podľa kruhovej základne) najväčší podiel v 1.
akostnej triede na plochách s úrovňovou voľnou prebierkou
a najmenší na kontrolných plochách bez výchovy.
Obr. 3. Podiel kmeňov vhodných na výrobu dýhy podľa objemu
hrubiny
Fig. 3. The proportion of the stems suitable for veneer production
calculated from the volume of the timber with the minimum top diameter of 7 cm over bark.
3.3. Vymedzená (výberová) kvalita
Obr. 1. Podiel dolnej polovice kmeňa úrovňových stromov v akostných triedach podľa kruhovej základne na TVP Zlatá Idka
Fig. 1. The proportion of the bottom half of the stems from the
crown level of the stand at Zlatá Idka PRP in quality classes calculated from the basal area .
Obr. 2. Podiel dolnej polovice kmeňa úrovňových stromov v akostných triedach podľa kruhovej základne na TVP Cigánka
Fig. 2. The proportion of the bottom half of the stems from the crown
level of the stand at Cigánka PRP in quality classes calculated from
the basal area.
Z hľadiska sortimentácie je dôležitá okrem kvality dolnej
časti kmeňa aj jeho hrúbková dimenzia, lebo od toho záleží
aj jeho zaradenie do jednotlivých kvalitatívnych tried (podľa
STN 48 0056 „Kvalitatívne triedenie listnatej guľatiny“),
resp. v konečnom dôsledku aj jeho speňaženie (finančný
efekt). V rámci uvedenej normy možno sortimenty zaradené
do I. a II. kvalitatívnej triedy použiť na výrezy pre výrobu dýh.
Vidno, že aj tu sa prejavila lepšia kvalita na plochách s úrovňovou výchovou, hoci na TVP Cigánka sme zistili o málo
vyššie percento na ploche C, t. z. so silnou podúrovňovou
prebierkou (obr. 3).
Túto kategóriu predstavujú najkvalitnejšie stromy porastu,
ktoré sa vyberajú v určitom veku podľa stanovených kritérií. V bukových porastoch ich reprezentujú stromy výberovej kvality (nádejné a cieľové stromy), ktoré predstavujú
kvalitatívnu (hodnotovú) produkciu a sú aj stabilizačnou
zložkou porastov. Údaje o vývoji cieľových (nádejných) stromov uvádzame v tabuľke 6 a 7. Na začiatku výskumu boli
na oboch lokalitách z hľadiska kvalitatívnych (aj kvantitatívnych) parametrov najvyššie hodnoty na plochách s neskôr
uskutočňovanou silnou podúrovňovou prebierkou (plochy
C). Počet stromov výberovej kvality (SVK) sa pohyboval od
176 do 208 ks.ha−1 na TVP Cigánka, resp. 356 až 488 ks.ha−1
na TVP Zlatá Idka.
Za obdobie výchovy 53, resp. 45 rokov sa situácia zmenila
jednoznačne v prospech plôch s úrovňovou voľnou prebierkou (H a H2). Na týchto plochách sa podarilo vypestovať najvyšší počet SVK v porovnaní s ostatnými plochami (plochy C
a 0). Rovnako aj produkčné parametre (kruhová základňa,
objem hrubiny) tu dosiahli najvyššie hodnoty. Významným
ukazovateľom je tiež podiel SVK z hlavného porastu, ktorý
podľa kruhovej základne aj podľa objemu hrubiny vždy prevýšil kontrolnú plochu i plochu s podúrovňovou výchovou.
4. Diskusia
Pri porovnávaní kvalitatívnej produkcie predmetných sérií
treba podotknúť, že na začiatku výskumu bol medzi nimi
vekový rozdiel 20 rokov, čo je najmä z pohľadu výchovy veľmi
dôležité. Vplyv včasnej výchovy na kvalitatívnu produkciu
bukových porastov je totiž všeobecne známy, resp. dostatočne preukázaný aj množstvom prác na Slovensku (napr.
Šebík 1970; Štefančík & Štefančík & Cicák 1991; Štefančík
1975, 1976, 2013), ale aj v zahraničí (Lüpke 1986; Utschig
& Küsters 2003). Na TVP Zlatá Idka sa začalo s výchovou
vo veku 40 rokov (vo fáze žŕdkovín), ale na TVP Cigánka to
bolo až vo veku 60 rokov (vo fáze žrďovín), čo je dosť neskoro.
Takže kým sa na sérii TVP Cigánka začalo s výchovou, na
porovnávanej TVP Zlatá Idka sa dovtedy vykonalo už 5 zása-
235
4.2.2015 13:34:02
Tabuľka 6. Vývoj stromov výberovej kvality na TVP Zlatá Idka
Table 6. Development of the trees of superior quality at Zlatá Idka PRP.
Plocha
1)
0
H
C
Vek2)
[r.]
40
93
40
93
40
93
Kruhová základňa4)
Počet stromov3)
[ks.ha ]
[m .ha ]
% z hlavného porastu
436
112
356
184
488
164
5,2
10,3
4,3
24,5
6,6
17,7
22,5
22,2
19,0
61,7
32,1
43,6
−1
2
−1
Objem hrubiny5)
6)
[m .ha ]
% z hlavného porastu
29,6
144,0
24,2
373,8
38,8
268,2
29,2
24,8
24,8
66,1
37,5
44,1
3
−1
6)
Stredná
výška8) [m]
hrúbka7) d1,3 [cm]
(dg)
(hg)
12,4
12,9
34,2
28,8
12,4
12,9
41,2
31,2
13,2
13,2
37,1
31,2
Plot, 2)Stand age (years), 3)Number of trees, 4)Basal area, 5)Volume of the timber with the minimum top diameter of 7 cm over bark, 6)Percentage out of the main stand,
Mean diameter at breast height, 8)Mean height
1)
7)
Tabuľka 7. Vývoj stromov výberovej kvality na TVP Cigánka
Table 7. Development of the trees of superior quality at Cigánka PRP.
Plocha1)
0
H
H2
C
Objem hrubiny5)
Kruhová základňa4)
Vek2)
[r.]
Počet stromov3)
[ks.ha−1]
[m2.ha−1]
% z hlavného porastu6)
[m3.ha−1]
% z hlavného porastu6)
60
105
60
105
60
105
60
105
200
108
188
124
176
132
208
68
6,7
11,4
6,4
18,3
6,5
16,7
10,4
13,3
19,2
26,0
25,2
53,2
24,0
52,6
38,3
34,3
81,0
191,0
79,3
321,0
81,3
282,4
138,6
277,6
24,0
30,3
29,1
59,3
29,4
60,3
40,1
35,6
Stredná
výška8) [m]
hrúbka7) d1,3 [cm]
(dg)
(hg)
20,6
25,4
36,7
32,4
20,9
25,6
43,4
33,5
21,7
26,0
40,2
32,7
25,2
27,5
49,9
40,0
Vysvetlivky ako pri Tabuľke 6 – For explanation of notes see Table 6.
hov, čo sa prejavilo hlavne na kvalite koruny celého porastu
(nižšie hodnoty v rozpätí 2,25 – 2,38) v porovnaní s TVP
Cigánka (2,61 – 2,71). Poznatok, že z aspektu kvality kmeňa
a koruny je žiaduce s výchovou začať čo najskôr a miernymi
zásahmi potvrdili aj výsledky Korpeľa (1988), ktorý zistil
vo veku približne 40 rokov pri systematickej a intenzívnej
výchove od fázy mladín signifikantne väčší počet najkvalitnejších jedincov v porovnaní s porastom s oneskorenou
(zanedbanou) výchovou. Podobné sú aj závery Mlinšeka
a Bakkera (1990), ktorí analyzovali 50 cieľových stromov
buka vo veku 140 – 150 rokov na dvoch stanovištiach v Slovinsku. Výsledky ukázali, že stromy s rovnomerným a miernym radiálnym rastom produkovali najviac bezhrčatého
dreva. Stromy, ktoré mali úzke letokruhy v mladom veku
a neskôr náhle produkovali široké letokruhy mali síce vynikajúci tvar kmeňa, ale menej bezhrčatého dreva v porovnaní
s jedincami s miernym radiálnym rastom. Preto odporúčajú
v mladom veku zásahy obmedziť na negatívny výber odstraňovaním predrastlíkov a rozrastlíkov.
Skutočnosť oneskorenej výchovy sa prejavila aj pri porovnávaní kvality kmeňa celého porastu po dlhodobej výchove,
keď na TVP Cigánka na rozdiel od TVP Zlatá Idka došlo
k zhoršeniu v porovnaní s východiskovým stavom. Podobná
situácia bola pri porovnaní kvality koruny, keď na oboch
sériách došlo k zlepšeniu iba na vychovávaných plochách,
pričom najviac na plochách vychovávaných úrovňovou voľnou prebierkou. Tieto výsledky potvrdili známu skutočnosť,
že buk má „plastickú korunu“, t. z., že dokáže reagovať na
jej uvoľnenie aj vo vyššom veku (Assmann 1968; Šebík &
Polák 1990; Štefančík 1984; Polge 1981; Pardé 1981; LeGoff
& Ottorini 1993; Dhôte 1997; Utschig & Küsters 2003).
Okrem toho sa tiež potvrdilo, že kvalitu kmeňa nemožno
výraznejšie ovplyvniť výchovou vo vyššom veku.
Dôležitou otázkou pri hodnotení vplyvu výchovy na kvalitu kmeňa i koruny je okrem včasnosti výchovy, resp. veku
porastu, kedy sa začalo s výchovou tiež intenzita výchovy.
V tejto súvislosti Utschig & Küsters (2003) konštatujú na
základe zhodnotenia 130 ročného pokusu na TVP Elmstein
20 (Nemecko), že finálne ekonomické zhodnotenie ukázalo
väčšie množstvo cenných sortimentov pri aplikovaní silnejších prebierok. To viac-menej kompenzovalo vyššiu produkciu dreva, ktorá sa dosiahla aplikovaním miernych zásahov.
Podobne Badoux (1939) hodnotil kvalitu kmeňa v porastoch buka vo veku 20 až 85 rokov, kde sa realizovali 4 druhy
prebierok (slabá, mierna a silná) podúrovňová, resp. úrovňová prebierka. V rámci porastovej úrovne zistil 28 – 35 %
kmeňov s najvyššou kvalitou na ploche s úrovňovou prebierkou. Pre porovnanie uvádzame, že na našich ďalších sériách TVP Jalná to bolo vo veku 89 rokov 44 až 75 %, resp. na
TVP Koňuš vo veku 83 rokov 48 – 64 %. Pritom tiež najlepšie
výsledky sa dosiahli pri úrovňovej voľnej prebierke.
Ak porovnávame iba úroveň porastu, ktorá je kostrou
stability i nositeľom kvantitatívnej a hodnotovej produkcie
(Štefančík 1984) znova sa ukázali najlepšie výsledky na
oboch lokalitách pre plochy vychovávané úrovňovou voľnou prebierkou, pričom na TVP Cigánka sa kvalita koruny
porastovej úrovne zlepšila na týchto plochách (H a H2)
o 22 %, resp. o 32 %. Naopak na kontrolnej ploche a ploche
s podúrovňovou výchovou došlo k zhoršeniu, a to o 22 %,
resp. až o 40 %. Tieto výsledky dokazujú z hľadiska vývoja
a kvality korún v bukových porastoch jednoznačné prednosti
úrovňovej výchovy pred podúrovňovou, čo vyplýva z koncepcie uvedených dvoch druhov prebierky. Kým úrovňová
voľná prebierka pozitívnym výberom v úrovni podporuje
rast a vývoj korún, podúrovňovou výchovou sú prakticky
bez ovplyvnenia.
236
4.2.2015 13:34:04
Pri hospodárskej kvalite je rozhodujúca dolná polovica
kmeňa podľa ktorej možno predpokladať zaradenie kmeňov
do jednotlivých sortimentov, resp. určiť hodnotovú produkciu celého porastu. Aj tu sa prejavili výsledky v prospech
úrovňovej výchovy, keď na TVP Zlatá Idka aj TVP Cigánka
došlo k zlepšeniu kvality v porovnaní so začiatkom výskumu,
a to najviac na plochách s úrovňovou voľnou prebierkou.
Najhoršou bola plocha so silnou podúrovňovou prebierkou,
kde došlo k zhoršeniu dolnej polovice kmeňa o 21,5 % oproti
východiskovému stavu.
Z hľadiska hodnotovej produkcie, resp. finančného
efektu dlhodobej výchovy je významným ukazovateľom
podiel kmeňov vhodných pre piliarske výrezy. V tejto súvislosti Poljanec & Kadunc (2013) analyzovali kvalitu kmeňa
7 154 bukov na 2 088 trvalých pokusných plochách. Najvyššiu kvalitu zistili pri hrúbke bukov dbh = 50 – 55 cm.
ritom podiel kmeňov vhodných pre dýhy alebo piliarske
výrezy tvoril iba 1 %, resp. 1,6 %. V tejto súvislosti uvádzajú
pokles kvality v porastoch prevyšujúcich kruhovú základňu
60 – 65 m2.ha−1. Oveľa lepšie výsledky sa zistili na oboch sledovaných TVP Zlatá Idka a Cigánka z aspektu sortimentácie, keď podľa STN 48 0056 možno predpokladať, že na TVP
Zlatá Idka 25,8 % z produkcie objemu hrubiny by mohlo byť
využité na dýharenské výrezy, teda najcennejšie sortimenty,
kým na kontrolnej ploche a ploche s podúrovňovou výchovou to činí iba 5,3 %, resp. 14 %. Na TVP Cigánka vzhľadom k oneskorenej výchove (až vo veku 60 rokov) bolo aj
poškodenie v dôsledku menšieho počtu ťažbových zásahov
nižšie, čo sa prejavilo o niečo vyššími hodnotami v porovnaní
s TVP Zlatá Idka. Na ploche s úrovňovou výchovou (5-ročným prebierkovým intervalom) to bolo 39,1 % a na ploche
s podúrovňovou výchovou 47,1 %.
Najvyššiu výberovú kvalitu (hodnotovú produkciu) predstavujú stromy výberovej kvality (nádejné a cieľové). Skutočnosť, že na plochách s úrovňovou voľnou prebierkou sa ich
podarilo vypestovať najviac a zároveň s najlepšími kvantitatívnymi parametrami korešponduje so všetkými TVP, kde
sa porovnávali tieto rozdielne metódy výchovy (Štefančík &
Štefančík & Cicák 1991; Štefančík 1984, 2013). Prednosti
metódy cieľových stromov potvrdili aj Hein et al. (2007), ktorí
na základe 35 ročného výskumu zistili vyššiu kvalitu kmeňa,
resp. čistú hodnotovú produkciu na plochách s prebierkami,
kde boli vybrané cieľové stromy v porovnaní s plochami, kde
sa zasahovalo podľa Assmannovej teórie optimálnej kruhovej
základne.
Štefančík (1984) vytvoril model budúceho rubného
porastu v ktorom predpokladal vo veku 110 až 130 rokov,
pre bukové porasty na živnom stanovišti objem hrubiny
500 m3.ha−1. Počet cieľových stromov predpokladá v rozpätí
121 – 180 ks na 1 hektár, priemerná hrúbka d1,3 43 – 50 cm
a objem hrubiny cieľových stromov 397 – 425 m3.ha−1. Pritom
z objemu hrubiny hlavného porastu by mal tvoriť 79 – 85 %.
Taktiež sa predpokladalo, že podľa tohto modelu pripadne
na dýharenské výrezy 48 až 51 % z objemu hrubiny. Vidno,
že na TVP Jalná aj TVP Koňuš iba na plochách s úrovňovou
voľnou prebierkou je predpoklad splnenia prezentovaného
modelu, a to možno skôr ako v predpokladanom veku 110130 rokov. Výsledky zo sledovaných plôch ukázali, že vo veku
porastu 105 rokov sa na TVP Cigánka tento cieľ približuje
stanovenému modelu. Počet cieľových stromov je síce oveľa
nižší, ale možno predpokladať, že všetky ostatné kvantitatívne ukazovatele budú na plochách s úrovňovou výchovou
(najmä 5-ročným prebierkovým intervalom) splnené. Na
ploche s podúrovňovou výchovou a kontrolnou plochou je
to viac ako otázne. Je to spôsobené oneskorenou výchovou,
ktorá začala až vo veku 60 rokov. Známa je totiž skutočnosť,
že s výchovou je potrebné začať vo veku 20 – 30 rokov (Štefančík 1974, 1984). Ako vidno na výsledkoch z TVP Cigánka,
aj keď oneskorenou, ale systematickou a intenzívnou úrovňovou výchovou (najmä s 5-ročným prebierkovým intervalom)
možno viac alebo menej dosiahnuť požadovanú kvalitatívnu
produkciu (okrem počtu cieľových stromov) na rozdiel od
plôch bez výchovy a plôch s podúrovňovou výchovou. Na
TVP Zlatá Idka sú tieto kvantitatívne ukazovatele cieľových
stromov oveľa priaznivejšie (opäť na ploche s úrovňovou
výchovou), čo vytvára predpoklady splnenia predmetného
modelu pre bukové porasty možno aj skôr ako vo veku 110 až
130 rokov. To potvrdzujú tiež konštatovania viacerých autorov uvedených v predchádzajúcom texte o potrebe začatia
výchovy v bukových porastoch oveľa skôr ako v rastovej fáze
žrďovín.
5. Záver
Výsledky dlhodobého (45 a 53-ročného) sledovania kvalitatívnej produkcie (hromadnej i výberovej) dvoch bukových porastov na kyslom stanovišti potvrdili priaznivý účinok výchovy na kvalitu kmeňa (pestovnú aj hospodársku)
a koruny bukových porastov. Ukázalo sa, že dôležitým faktorom je včasnosť uskutočňovania výchovy, resp. jej začiatok.
Lepšie výsledky sa z tohto aspektu dosiahli na TVP Zlatá
Idka, kde sa z výchovou začalo o 20 rokov skôr (vo veku 40
rokov) v porovnaní s TVP Cigánka, kde to bolo až vo veku 60
rokov. Z hľadiska porovnávaných dvoch rozdielnych druhov
prebierky vyšla jednoznačne lepšie úrovňová voľná prebierka
v porovnaní so silnou podúrovňovou prebierkou. Kontrolné
plochy (bez výchovy) vykazovali vo väčšine prípadov najhoršie výsledky.
Poďakovanie
Táto práca bola podporovaná Agentúrou na podporu výskumu a
vývoja Slovenskej republiky na základe zmluvy č. APVV-0262-11“
a vznikla tiež v rámci riešenia projektu NAZV QI102A085 „Optimalizace pěstebních opatření pro zvyšování biodiverzity v hospodářských
lesích“.
Literatúra
Assmann, E., 1968: Náuka o výnose lesa. Bratislava, Príroda, 488 s.
Badoux, E., 1939: De línfluence de divers modes et degres déclaircie dans les hetraies pures. Mitteilungen der Schweizerischen
Anstalt für das forstliche Versuchswesen, 21:59–146.
Dhôte, J. F., 1997: Effets des sclaircies sur le diametre dominant
dans des futaies regulieres de hetre ou de chene sessile. Revue
Forestiere Francaise, 49:557–578.
Ferrand, J. C., 1982: Variabilité en forêt des contraintes de croissance
du hêtre (Fagus sylvatica L.). Ann. Sci. Forest., 39:187–218.
237
4.2.2015 13:34:05
Hein, S., Lenk, E., Klädtke, J., Kohnle, U., 2007: Effect of crop
tree selective thinning on beech (Fagus sylvatica L.) Allgemeine
Forst- und Jagdzeitung, 178:8–20.
Kató, F., MüLder, D., 1983: Qualitative Gruppendurchforstung
der Buche. Allgemeine Forst- und Jagdzeitung, 154:139–145.
Keller, R., Le Tacon, F., Timbal, J., 1976: La densité du bois de hêtre
dans le nord-est de la France. Influence des caractéristiques du
milieu et du type de sylviculture. Ann. Sci. Forest., 33:1–17.
Kennel, R., 1972: Die Buchendurchforstungsversuche in Bayern
von 1870 bis 1970. Forstliche Forschungsberichte München,
7:264 p.
Korpeľ, Š., 1988: Dynamika rastu a vývoja bukových porastov vo
fáze mladiny až žrďoviny vplyvom pestovnej techniky. Acta
Facultatis Forestalis Zvolen, 30:9–38.
Le Goff, N., Ottorini, J. M., 1993. Thinning and climate effects on
growth of beech (Fagus sylvatica L.) in experimental stands.
Forest Ecology and Management, 62:1–14.
Lüpke, B., 1986: Thinning, especially early thinning, og pure beech
stands. Forst- und Holzwirtschaft, 41:54–61.
Mlinšek, D., Bakker, A., 1990: Jugendwachstum und Holzqualität
bei der Buche. Forstwissenschaftliches Centralblatt, 109:242–
248.
Pardé, J., 1981: De 1882 á 1976/80 les places déxpérience de sylviculture du hêtre en forêt domaniale de Haye. Revue Forestiere
Francaise, 33:41–64.
Polák, L., 1971: Uplatnění dynamické a kvalitativní inventury
dřevných zásob porostů v současné praxi hospodářské úpravy
lesů v ČSSR. In: Metódy zisťovania prírastku, zásob a kvality
porastov. Zv. II. Bratislava, SAV, s. 269–281.
Polge, H., 1981: Influence des éclaircies sur les contraintes de croissance du hêtre. Annals Sci. Forest., 38:407–423.
Poljanec, A., Kadunc, A., 2013: Quality and timber value of European beech (Fagus sylvatica L.) trees in the Karavanke region.
Croatian Journal of Forest Engineering, 34:151–165.
Pretzsch, H., 2005: Stand density and growth of Norway spruce
(Picea abies [L.] Karst.) and European beech (Fagus sylvatica
L.): evidence from long-term experimental plots. European
Journal of Forest Research, 124:193–205.
Priesol, A., 1971: K problematike zisťovania kvality porastov
a metódy stromových rozstupov. In: Metódy zisťovania prírastku, zásob a kvality porastov. Zv. II. Bratislava, SAV, s.
253–268.
Réh, J., 1968: Štúdium štruktúry bukovej húštiny. Lesnícky časopis
14:651–671.
Réh, J., 1969: Príspevok k poznaniu vývoja a niektorých morfologických znakov buka v húštinách. In: Zborník vedeckých prác
LF VŠLD vo Zvolene, 11:67–82.
Réh, J., 1994: Vplyv systematickej a oneskorenej výchovy v bukových porastoch na niektoré biometrické a morfologické znaky
porastu a budúcich rubných stromov. Lesnícky časopis Forestry Journal, 40:409–419.
Šebík, L., 1970: Kvalita a vplyv prvých úrovňových prebierok na
kvalitu predrubných bukových porastov. In: Zborník prác LF
vo Zvolene, 12:31–50.
Šebík, L., 1971: Vplyv miernej podúrovňovej a akosťovej úrovňovej prebierky na štruktúru a produkciu predrubných bukových
porastov. In: Zborník vedeckých prác LF VŠLD vo Zvolene,
13:63–91.
Šebík, L., 1983: Nové poznatky z pozorovania vplyvu úrovňovej
a podúrovňovej prebierky na výškový rast bukových porastov.
Acta Facultatis Forestalis Zvolen, 25:157–177.
Šebík, L., Polák, L., 1990: Náuka o produkcii dreva. Bratislava,
Príroda, 322 s.
Štefančík, I., 2013: Development of target (crop) trees in beech
(Fagus sylvatica L.) stand with delayed initial tending and
managed by different thinning methods. Journal of Forest
Science, 59(6):253–259.
Štefančík, I., Bolvanský, M., 2011: Pestovanie bukových porastov.
In: Barna, M., Kulfan, J., Bublinec, E. (eds.): Buk a bukové ekosystémy Slovenska. Bratislava, Veda, s. 431–452.
Štefančík, L., 1968: Zmeny bukovej žrďoviny vplyvom prebierky
a prirodzeného vývoja na výskumnej ploche Zlatá Idka. In:
Vedecké práce VÚLH vo Zvolene, 10:133–166.
Štefančík, L., 1974: Prebierky bukových žrďovín. Lesnícke štúdie,
18, Bratislava, Príroda, 141 s.
Štefančík, L., 1975: Pestovanie akostnej produkcie v bukových
porastoch. Lesnictví, 21(8–9):749–766.
Štefančík, L., 1976: Hromadná kvalita bukového porastu a jej
zmeny vplyvom prirodzeného vývoja a prebierky. Lesnícky
časopis, 22(2):141–157.
Štefančík, L., 1984: Úrovňová voľná prebierka – metóda biologickej intenzifikácie a racionalizácie selekčnej výchovy bukových
porastov. In: Vedecké práce VÚLH vo Zvolene, 34:69–112.
Štefančík, L., Štefančík, I., Cicák, A., 1991: Zhodnotenie výskumu
prebierok a zdravotného stavu nezmiešanej bučiny v imisnej
oblasti. In: Vedecké práce VÚLH vo Zvolene, 40:213–238.
Utschig, H., Küsters, E., 2003: Growth reactions of common beech
(Fagus sylvatica L.) related to thinning – 130 years observation
of the thinning experiment Elmstein 20. Forstwissenschaftliches Centralblatt, 122:389–409.
Summary
The aim of this paper was to assess and compare the
qualitative production (mass and selective), in pure beech
stands at two localities. The stands were long-term (45 and
53 years) tended by different thinning methods.
The research was conducted on two series of permanent
research plots (PRP) Zlatá Idka and Cigánka. The plots are
characterised by very similar site and ecological conditions,
but different (20-years difference) stand age. The effects
of different thinning methods were investigated for a long
time on each series. On plot C, heavy thinning from bellow
(C degree according to the German research institutes from
1902) was realised. On the plots marked as H and H2, free
crown thinning was carried out, with the thinning interval
of 5 and 10 years, respectively. The plot marked as 0 was a
control plot (with no treatment). Within the framework of
the classification scale, stem and crown quality were assessed
following the silvicultural and commercial evaluation.
The assessment of silvicultural quality affected by longterm tending (53 years on Zlatá Idka PRP, and 45 years on
Cigánka PRP) revealed the following results:
–– Both stem and crown quality of the total stand improved
on Zlatá Idka PRP, while the best results were recorded
on tended plots (C and H), contrary to control plots,
where worsening of the status was observed. On the contrary, worse quality was observed in all plots of Cigánka
PRP. Crown quality worsenedonly on the plot with no
tending. The best results in crown quality were obtained
on the plots with free crown thinning (H and H2 plots).
–– The comparison of the changes at a crown level of the
stand revealed worsening of both stem and crown quality
at Zlatá Idka PRP only on the plot with heavy thinning
from bellow. On the plot with free crown thinning, the
crown quality improved by 18.5%. On Cigánka PRP,
stem quality improved only on the plots managed by
free crown thinning (H and H2 plots), by 8.4% and 3.2%,
respectively. As for the crown quality, unambiguously
238
4.2.2015 13:34:06
better results were found on the plots with free crown
thinning.
The assessment of commercial stand quality showed the
improvement of total stand quality on Zlatá Idka PRP in
both bottom and upper halves of stems:
–– The assessment of the bottom half of the stem at a crown
level of the stand showed improvements on all plots of
Zlatá Idka PRP, while on Cigánka PRP the improvements
were observed only on the plots with free crown thinning
(H and H2 plots). The worst results were obtained on the
plots with heavy thinning from bellow, where worsening
by 21.5% in comparison to the initial stage of the stand
was revealed.
–– When comparing the basal area, the highest proportion
in the first (the best) quality class was found on the plots
managed by free crown thinning and the lowest one on
the control plots with no tending.
Selective quality assessment showed the following
results:
–– During the period of 53 and 45 years of tending, the situation unambiguously changed in favour of the plots with
free crown thinning (H and H2 plots). On the mentioned
plots, the highest number of crop trees was cultivated
compared to the other ones (plots C and 0). Production
parameters (basal area, timber volume) of the plots with
free crown thinning were also the highest.
The results of long-term investigation on quality production (mass and selective), carried out in two beech stands
located at acid sites confirmed the effect of tending on stem
(silvicultural and commercial) and crown quality. Better
results were clearly found for free crown thinning in comparison with heavy thinning from bellow. Control plots (with
no tending) showed the worst results in most of the cases.
239
4.2.2015 13:34:07
Lesn. Cas. For. J. 60 (2014) 240–243
Foretičtí roztoči lýkožrouta smrkového Ips duplicatus
(Coleoptera: Curculionidae: Scolytinae) z oblasti
recentní gradace ve střední Evropě
Phoretic mites (Mesostigmata) on double-spined spruce bark beetle Ips duplicatus
(Coleoptera: Curculionidae: Scolytinae) in recent oubreak area in the central Europe
Martin Čejka*, Jaroslav Holuša
Česká zemědělská univerzita v Praze, Fakulta lesnická a dřevařská, Kamýcká 129, CZ – 165 21 Praha 6 - Suchdol, Česká republika
Abstract
Phoretic mites can be predators of eggs and larvae of bark beetles. Phoretic mites associated with Ips duplicatus have not been systematically studied so far. Therefore, we studied the spectrum and abundance of phoretic mites associated with this species in the eastern part
of the Czech Republic. Beetles were sampled with pheromone traps. In total, 500 beettle individuals were captured. From their bodies and
the sediment of collecting bottles, 292 mite individuals were collected, and three species of phoretic mites (Mesostigmata) were identified.
The most numerous species was Dendrolaelaps quadrisetus. This mite species as well as the other identified species Uroobovella ipidis were
not known as phoretic on I. duplicatus before. The second most numerous species was Trichouropoda polytricha known from galleries of
I. duplicatus. Total abundance and the number of phoretic mites per beetle as well as the species spectrum significantly differed between
localities. The values of abundance and species spectrum were similar to I. typographus.
Key words: Ips duplicatus; Mites; Mesostigmata; Central Europe; Phoresy
Abstrakt
Foretičtí roztoči u lýkožroutů mohou predovat na jejich vajíčkách či larvách. U druhu Ips duplicatus nebyli foretičtí roztoči systematicky
studováni. Proto jsme studovali spektrum a abundanci foretických roztočů u tohoto druhu ve východní části České republiky. Pomocí
metody feromonových lapačů jsme odchytili celkově 500 jedinců Ips duplicatus a z jejich těl a sedimentu odběrových nádob získali 292
foretických roztočů (Mesostigmata). Byly nalezeny tři foretické druhy roztočů z řádu Mesostigmata. Nejpočetnějším byl Dendrolaelaps
quadrisetus. Tento druh roztoče ještě nebyl u I. duplicatus znám stejně jako další zjištěný druh Uroobovella ipidis. Druhým nejpočetnějším
druhem byla Trichouropoda polytricha, známý z požerků I. duplicatus. Celková abundance a počet foretických roztočů na jednoho brouka
se mezi lokalitami signifikantně lišila, stejně tak jako druhové spektrum. Hodnoty však byly plně v intencích početností a druhového
spektra jako u I. typographus.
Klíčová slova: Ips duplicatus; roztoči; Mesostigmata; střední Evropa; forézie
1. Úvod
Hostitelskými dřevinami Ips duplicatus (Sahlberg, 1836)
jsou na území severské tajgy Evropy a Sibiře Picea obovata
(Ledeb., 1833) a na území Sachalinu Picea jezoensis (Sieb.,
Zucc., 1842). Ojediněle se může vyskytovat také na borovicích Pinus sylvestris (Linnaeus, 1753) a Pinus sibirica
(Du Tour, 1803), ale v podmínkách střední Evropy je znám
zejména ze smrku Picea abies ([L.] Karst., 1881) (Holuša
& Grodzki 2008). Brouci se vyskytují převážně ve střední
a horní části kmenu stromů (Pfeffer & Knížek 1995).
Původně se I. duplicatus vyskytoval V Evropě nejjižněji
v Bialowieza Primeval Forest v současném severním Polsku. V první polovině 20. století došlo ke změně původního
životního prostředí I. duplicatus. V oblasti borovice P. sylvestris, která oddělovala severskou tajgu od střední Evropy,
a v pásmu bučin na severních svazích Slezských Beskyd
dorůstaly nově založené porosty nepůvodního smrku P.
abies. Odtud začal lýkožrout I. duplicatus expandovat na
jih do uměle založených smrčin v nížinách a pahorkatinách
(Mrkva 1994; Pfeffer & Knížek 1995). To vysvětluje umístění
těžiště rozšíření v České republice právě na severovýchodě
území (Holuša et al. 2010).
Na konci 20. století se I. duplicatus početně rozšířil na
Slovensku (Turčáni et al. 2001), v Německu (Bussler &
Bense 2003) a Rakousku (Holzschuh 1989). V současnosti
se intenzívně rozšířil v Rumunsku (Duduman et al. 2011).
Intenzitu šíření I. duplicatus umocňuje fakt, že tento druh
pozitivně reagoval na mírnější klima ve střední Evropě.
Zatímco I. duplicatus má v severním Polsku jen jednu generaci do roka, ve středoevropských podmínkách má zpravidla
dvě nebo tři generace (Grodzki 1997; Holuša et al. 2003).
Roztoči z řádu Mesostigmata jsou jednou z nejpočetnějších skupin v rámci roztočů. Jedná se o velkou skupinu, jejíž
zástupci obývají mnoho různých habitatů a vyskytuje se u
nich celá řada životních strategií. Většina druhů jsou volně
žijící predátoři, dále parazité nebo symbionti savců, ptáků,
plazů nebo členovců (Krantz & Walter 2009). Velmi hojně
se u nich vyskytují vztahy s dalšími bezobratlými živočichy
a nejčastěji se zástupci různého hmyzu (Hunter & Rosario
*Corresponding author. Martin Čejka, e-mail: [email protected], phone: +420728751244
4.2.2015 13:34:08
M. Čejka et al. / Lesn. Cas. For. J. 60 (2014) 240–243
1988). Jednou z těchto skupin hmyzu jsou i kůrovcovití brouci (Kiełczewski et al. 1983).
Kůrovcovití brouci vytvářejí pod kůrou stromů specifické
požerky, které slouží jako životní prostor pro mnoho druhů
roztočů, velmi často jsou tyto druhy foretické a využívají
právě kůrovce k přenosu na nová stanoviště. Foretické druhy
se totiž nejčastěji vyskytují na periodických stanovištích,
jakým jsou právě i požerky kůrovcovitých brouků (Hunter
& Rosario 1988). Nejčastěji jsou popisováni foretičtí roztoči u různých rodů kůrovců, jako jsou Dendroctonus Erichson, 1836 (Moser & Roton 1971), Pityokteines Fuchs, 1911
(Pernek et al. 2008), Scolytus Geoffroy, 1762 (Moser et al.
2005) a také u rodu Ips De Geer, 1775 (Moser & Bogenschütz
1984; Vrabec et al. 2012). Velmi dobře je tato problematika
zpracována v Polsku (Gwiazdowicz 2008). Kiełczewski et al.
(1983) popsali 181 druhů roztočů z různých řádů u velkého
množství kůrovcovitých z celého Polska.
U druhu I. duplicatus bylo zatím popsáno jen málo druhů
asociovaných roztočů a jedná se pouze o druhy, které byly
nalezeny v požercích tohoto brouka (Michalski & Ratajczak
1994). V oblasti nového výskytu I. duplicatus ve střední
Evropě nebylo zatím spektrum foretických roztočů z řádu
Mesostigmata u tohoto druhu lýkožrouta popsáno.
Cílem této práce je:
–– zjistit početnost a druhové spektrum foretických roztočů
z řádu Mesostigmata v oblasti recentní gradace I. duplicatus ve střední Evropě
–– porovnat druhové spektrum a početnosti foretických
roztočů s druhem Ips typographus (Linné, 1758), který
se běžně vyskytuje na stejné hostitelské dřevině ve stejné
oblasti.
2. Metodika a materiál
Brouci byli odebráni ze dvou lokalit ve východní části
České republiky u obce Pustá Polom (49°50‘48.410“N,
18°1‘41.311“E) (400 m n. m.) a obce Bystřice
(49°36’54.507”N, 18°41’44.983”E) (420 m n. m.). Jednalo
se o hospodářské lesy, kde dominoval smrk obecný (Picea
abies) a byl zde v posledních letech zvýšený výskyt druhu
I. duplicatus (Holuša et al. 2003; Holuša et al. 2010). Na
obou lokalitách byli brouci odebráni z pěti feromonových
pastí typu Theysohn®, které byly navnazeny feromonovými
odparníky ID Ecolure (http://www.fytofarm.cz/). Pasti byly
na lokalitě instalovány od dubna do září a vzorky byly odebírány každý týden. Námi byl analyzován jeden odběr a to z
10.5.2012 na lokalitě Pustá Polom a 11.5.2012 na lokalitě
Bystřice, tzn. generace přezimujících brouků. Z každé pasti
bylo odebráno 50 jedinců druhu I. duplicatus, kteří byli ihned
po odebrání vloženi do 70% roztoku etanolu.
V laboratoři byli z těl brouků a odběrových nádob odebráni roztoči z řádu Mesostigmata. Byla zaznamenána část
těla, na které se jedinci nacházeli (na krovkové prohlubni,
pod krovkami) a jejich počet. Poté byli roztoči umístěni do
70% roztoku etanolu. Pro determinaci z nich byly vytvořeny
dočasné preparáty, kde jako fixačního média bylo použito
80% kyseliny mléčné. Všechny exempláře roztočů z řádu
Mesostigmata byly determinovány do druhu. K determinaci
byly použity taxonomické klíče (Hirschmann & Wisniewski
1982; Mašán 2001).
Pomocí χ2 testu bylo porovnáno, zda se liší mezi lokalitami procento brouků, kteří na svých tělech nesou foretické
roztoče. Dále bylo srovnáno, zda se od sebe liší jednotlivé
lokality v početnosti foretických roztočů na broucích pomocí
Wilcoxonova testu. Statistické vyhodnocení bylo provedeno
v programu R. Do analýz nebyli započítáni roztoči, kteří byli
nalezeni v sedimentu odběrových nádob.
3. Výsledky
Celkově bylo na obou lokalitách odebráno z feromonových
lapačů 500 exemplářů druhu Ips duplicatus. Z jejich těl
a sedimentu odběrových nádob bylo celkem odebráno 292
exemplářů roztočů z řádu Mesostigmata (Tabulka 1).
Na lokalitě Pustá Polom bylo odebráno 250 exemplářů
I. duplicatus a 190 exemplářů foretických roztočů z řádu
Mesostigmata z jejich těl a odběrových nádob. Z celkového
počtu odchycených brouků mělo 44,0 % na svém těle alespoň jednoho roztoče. Na lokalitě Bystřice bylo odebráno
250 exemplářů I. duplicatus a 102 exemplářů foretických
roztočů z řádu Mesostigmata z jejich těl a odběrových nádob.
Z celkového počtu odchycených brouků mělo 28,8 % na svém
těle alespoň jednoho roztoče. Procento brouků, kteří na svém
těle nesli foretické roztoče se mezi lokalitami signifikantně
liší (χ2 = 5,83, df = 1, P < 0,05). Stejně tak počet foretických
roztočů na jednoho brouka se mezi lokalitami signifikantně
liší (Wilcoxonův test, W = 24, P < 0,05) (Obr. 1).
Celkově byly nalezeny tři druhy foretických roztočů
z řádu Mesostigmata. Lokality se od sebe lišily v počtu nalezených druhů (dva druhy na lokalitě Pustá Polom a tři druhy
na lokalitě Bystřice) (Tabulka 1). Nejpočetnějším druhem
byl Dendrolaelaps quadrisetus (Berlese, 1920), který představoval 83,9 % ze všech nalezených exemplářů foretických
roztočů. Druhým nejpočetnějším druhem byl Trichouropoda
polytricha (Vitzthum, 1923) (14,7 % z celkového počtu foretických roztočů). Posledním nalezeným druhem byl Urobo-
Tabulka 1. Roztoči nalezení na Ips duplicatus ve východní části České republiky
Table 1. Mites found on Ips duplicatus beetles in the eastern part of the Czech Republic.
Druh roztoče/Lokalita1)
Pozice na těle2)
Dendrolaelaps quadrisetus
Trichouropoda polytricha
Uroobovella ipidis
Celkem3)
KP (ED)
Pustá Polom
PK (UE)
152
35
35
152
S
2
1
3
KP (ED)
6
4
10
Bystřice
PK (UE)
90
90
S
1
1
2
Celkem3)
245
43
4
292
D [%]
83,9
14,7
1,4
100
(KP – krovková pruhlubeň – elytral declivity (ED), PK – pod krovkami – under elytra (UE), S – sediment – sediment, D – dominance – dominance)
Mite species/Locality, 2)Position on body, 3)Total
1)
241
4.2.2015 13:34:09
Obr. 1. Počet foretických roztočů na jednoho brouka Ips duplicatus ze dvou lokalit z východní části České republiky z roku 2012
Fig. 1. Number of phoretic mites per one beetle of Ips duplicatus
from two localities in the eastern part of the Czech Republic in 2012
Běžně je ovšem popisován jako foretik I. typographus (Gwiazdowicz et al. 2011). Posledním nalezeným druhem byl U. ipidis. Tento druh roztoče nebyl doposud u I. duplicatus popsán
jako jeho foretik, ale také bývá běžně nalézán u I. typographus
(Moser & Bogenschütz 1984). Zjištěné druhové spektrum
foretických roztočů u I. duplicatus se nijak neliší od druhového spektra, které je nalézáno u I. typographus a jedná se o
tři nejčastěji nalézané druhy vůbec (Čejka & Holuša 2013).
Druh D. quadrisetus se vyskytoval nejčastěji pod krovkami brouků, jen několik jedinců bylo nalezeno v sedimentu
odběrových nádob. Druhy T. polytricha a U. ipidis se vyskytovaly nejčastěji na tělech brouků a to na krovkové prohlubni.
Pouze pár jedinců T. polytricha bylo nalezeno v sedimentu
odběrových nádob. Na stejných polohách na těle můžeme
tyto roztoče nalézt i u I. typographus (Moser & Bogenschütz
1984; Feketeová 2011b; Vrabec et al. 2012).
(úsečka – medián – line – median, krabice – 25% a 75% kvantil – box – 25% and 75%
quantile, tečkovaně – minimum a maximum – dotted line – minimum and maximum)
Number of mites per beetle
1)
vella ipidis (Vitzthum, 1923) zjištěný jen na lokalitě u Bystřice (1,4 % z celkového počtu foretických roztočů (Tabulka
1). U všech jedinců nalezených druhů se jednalo o nedospělá
stádia – deutonymfy.
Co se týká polohy na tělech brouků, vyskytovali se roztoči nejčastěji pod krovkami. Pod krovkami bylo nalezeno
83,9 %, druhým nejčastějším místem byla krovková prohlubeň (15,4 %) a zbytek jedinců byl nalezen v sedimentu odběrových nádob (1,7 %). Pod krovkami se vyskytoval pouze druh
D. quadrisetus, na krovkové prohlubni byl dominantní druh
T. polytricha (Tabulka 1).
4. Diskuze
Ve východní části České republiky byly na dvou lokalitách
s dlouhodobě přemnoženými populacemi I. duplicatus
nalezeny tři druhy foretických roztočů. Mezi lokalitami se
signifikantně lišilo procento brouků, které na svých tělech
nesou alespoň jednoho foretického roztoče, stejně tak se
liší v počtu foretických roztočů na jednoho brouka. Zjištěné
hodnoty se ovšem nijak neliší od těch, které byly nalezeny na
dalších lokalitách ve východní části České republiky u druhu
I. typographus (Čejka & Holuša 2014).
Nejpočetnějším roztočem byl D. quadrisetus. Tento
druh roztoče ještě nebyl u I. duplicatus popsán jako jeho
foretik a nebyl ani znám z chodeb tohoto druhu. Jedná se
však o druh, který je velice často a ve velkých abundancích
popisován u druhu I. typographus (Moser & Bogenschütz
1984; Gwiazdowicz et al. 2011) a byl nalezen i ve spojení
s dalšími druhy kůrovců (Pernek et al. 2008). Jedná se o
dravý druh roztoče, který může být považován za predátora
vajíček a larev svého hostitele, protože v požercích I. typographus byly pozorovány samice D. quadrisetus, jak vysávají obsah vajíček tohoto druhu lýkožrouta (Kiełczewski &
Bałazy 1966) a také jak tento druh napadá larvy Ips confusus
(LeConte, 1876) (Kinn 1967).
Druhým nejpočetnějším druhem byl T. polytricha, který
je však znám z požerků I. duplicatus (Michalski & Ratajczak
1994). Z těla tohoto lýkožrouta byl popsán až v této práci.
5. Závěr
Celkově je počet foretických roztočů na jednoho brouka i
procento brouků, kteří nesou alespoň jednoho foretického
roztoče a druhové spektrum i pozice roztočů na těle velice
podobná jako u druhu I. typographus (Moser & Bogenschütz
1984; Feketeová 2011a; Čejka & Holuša 2014). Je to způsobeno tím, že se na studovaných lokalitách I. duplicatus vyskytuje na stejné hostitelské dřevině, jako se běžně vyskytuje I.
typographus, bionomie obou druhů je velice podobná a proto
je sdílení stejného druhového spektra roztočů zřejmé.
Poděkování
Tato práce vznikla za podpory projektu č. B0118 Interní grantové
agentury České zemědělské univerzity v Praze.
Reference
Bussler, H., Bense, U., 2003: Rote Liste gefährdeter Borkenkafer
(Coleoptera: Scolytidae), Breitrussler (Anthribidae) und Kernkafer (Platypodidae) Bayerns. Bayer Landsamt fur Umweltschutz, 166:172–173.
Čejka, M., Holuša, J., 2013: Roztoči řádu Mesostigmata u kůrovců
(Coleoptera: Curculionidae: Scolytinae) – review. Zprávy lesnického výzkumu, 58:353–359.
Čejka, M., Holuša, J., 2014: Phoretic mites in uni- and bivoltine
populations of Ips typographus: one-year case study. Turkish
Journal of Zoology, 38:569–574.
Duduman, M. L., Isaia, G., Olenici, N., 2011: Ips duplicatus (Sahlberg) (Coleoptera: Curculionidae, Scolytinae) distribution in
Romania-preliminary results. Bulletin of the Transilvania University of Brasov, Series II – Forestry, Wood Industry, Agricultural Food Engineering 53: 19-26.
Feketeová, Z., 2011a: Lykožrút smrekový (Ips typographus) a jeho
úloha vo forézii uropodných roztočov (Acari:Uropodina). Entomofauna carpathica, 23:23–30.
Feketeová, Z., 2011b: Význam uropodných roztočov (Acari: Uropodina) v ekológii lykožrúta smrekového (Ips typographus).
Entomofauna carpathica, 23:11–19.
Grodzki, W., 1997: Possibilities of the control of the double-spined
bark beetle Ips duplicatus C.R.Sahlb in the Southern Poland.
Sylwan, 11:25–36.
242
4.2.2015 13:34:10
Gwiazdowicz, D. J., 2008: Mesostigmatid mites associated with
Scolytidae in Poland. In: Gwiazdowicz, D. J. (ed): Selected problems of acarological research in forests. Poznaň, Wydawnictwo
Uniwersytetu Przyrodniczego w Poznaniu, p. 59–95.
Gwiazdowicz, D. J., Kamczyc, J., Błoszyk, J., 2011: The diversity of
phoretic Mesostigmata on Ips typographus (Coleoptera: Scolytinae) caught in the Karkonosze forest. European Journal of
Entomology, 108:489-491.
Hirschmann, W., Wisniewski, J., 1982: Weltweite Revision der
Gattungen Dendrolaelaps Halbert 1915 und Longoseius Chant
1961 (Parasitiformes). Nürnberg: Acarologie, 190 p.
Holuša, J., Grodzki, W., 2008: Occurrence of Ips duplicatus (Coleoptera: Curculionidae, Scolytinae) on pines (Pinus sp.) in the
Czech Republic and southern Poland – Short communication.
Journal of Forest Science, 54:234–236.
Holuša, J., Zahradník, P., Knižek, M., Drápela, K., 2003: Seasonal
flight activity of the double-spined spruce bark-beetle Ips duplicatus (Coleoptera, Curculionidae, Scolytinae) in Silesia (Czech
Republic). Biológia, 58:935–941.
Holuša, J., Lubojacký, J., Knížek, M., 2010: Distribution of the
double-spined spruce bark beetle Ips duplicatus in the Czech
Republic: spreading in 1997–2009. Phytoparasitica, 38:435–
443.
Holzschuh, C., 1989: Wurde Ips duplicatus Sahlberg durch
Importholz nach Osterreich verschleppt? Forstschutz- Aktuell, 2:4.
Hunter, P. E., Rosario, R. M. T., 1988: Associations of Mesostigmata with other arthropods. Annual Rewiev of Entomology,
33: 393–417.
Kiełczewski, B., Bałazy, S., 1966: Zagadnienie drapieźnictwa roztoczy (Acarina) na jajach korników (Scolytidae, Coleoptera).
Ekologia Polska, 12:161–163.
Kiełczewski, B., Moser, J. C., Wiśniewski, J., 1983: Surveying the
acarofauna associated with Polish Scolytidae. Bulletin de la
Société des Amis des Science et des Lettres de Poznan, 22:1–10.
Kinn, D. N., 1967: Notes on the life cycle and habits of Digamasellus quadrisetus (Mesostigmata: Digamasellidae). Annals of the
Entomological Society of America, 60:862–865.
Krantz, G. W., Walter, D. E., 2009: A manual of acarology. Lubbock,(TX), Texas Tech. University Press, 807 p.
Mašán, P., 2001: Roztoče kohorty Uropodina (Acarina, Mesostigmata) Slovenska. Annotationes Zoologicae et Botanicae, 223,
320 p.
Michalski, J., Ratajczak, E., 1994: Korniki (Coleoptera: Scolytidae)
wraz z fauną towarzyszącą w Roztoczańskim Parku Narodowym. Fragmenta Faunistica, 37:291–313.
Moser. J. C., Bogenschütz, H., 1984: A key to the mites associated
with flying Ips typographus in South Germany. Zeitschrift für
angewandte Entomologie, 97:437–450.
Moser, J. C., Roton, L. M., 1971: Mites associated with southern
pine bark beetles in Allen Parish, Louisiana. Canadian Entomologist, 103:1775–1798.
Moser, J. C., Konrad, H., Kiristis, T., Carta, L. K., 2005: Phoretic
mites and nematodes associates of Scolytus multistriatus and
Scolytus pygmaeus (Coleoptera: Scolytidae) in Austria. Agricultural and Forest Entomology, 7:169–177.
Mrkva R., 1994: Příčiny vzniku kůrovcových kalamit ve světle
nových poznatků o chřadnutí dřevin a jejich rezistenci. In:
Sborník referátů z celostátní konference „Kůrovcová kalamita:
příčiny, rozsah, ochrana“, Brno, 17. února 1994. Brno. Vysoká
škola zemědělská, 188, 4–16.
Pernek, M., Hrasovec, B., Matosevic, D., Pilas, I., Kirisits, T.,
Moser, J. C., 2008: Phoretic mites of three bark beetles (Pityokteines spp.) on Silver fir. Journal of Pest Science, 81:35–42.
Pfeffer A., Knížek M., 1995: Expanze lýkožrouta Ips duplicatus
(Sahlb.) ze severské tajgy. Zpravodaj Ochrany Lesa, 2:8–11.
Turčáni, M., Csoka, G., Grodzki, W., Zahradník, P., 2001: Recent
invasions of exotic forest insects in Eastern Central Europe.
IUFRO World Series, Vienna (AT), 11:99–106.
Vrabec, M., Kalúz, S., Ferencík, J., 2012: Foretické roztoče na lýkožrútovi smrekovom (Ips typographus) na vybraných lokalitách
vo Vysokých Tatrách. Entomofauna Carpathica, 24:1–14.
Summary
The natural distribution of the double-spined spruce bark
beetle Ips duplicatus includes the Palearctic region in Scandinavia through some parts of the north-eastern and Central
Europe to the north-eastern Asia. It is listed as a quarantine
pest by the European Union and the European and Mediterranean Plant Protection Organisation. In general, bark beetles live in connections with different groups of organisms.
Some of them such as mites use beetles for their reproduction. The species spectrum and abundance of phoretic mites
from the order Mesostigmata associated with I. duplicatus
is poorly known. Therefore, we studied the spectrum and
abundance of phoretic mites associated with this species in
the eastern part of the Czech Republic.
The beetles were collected from two localities. At each
locality, the beetles were collected from five pheromone
Theysohn traps. We analysed one sample collected at the
peak of bark beetle flight activity in both localities. Mite specimens of the order Mesostigmata were collected from these
beetles and collection bottles in the laboratory. The collected mites were placed in 70% ethanol and then temporarily
mounted in 80% lactic acid. All mite specimens of the order
Mesostigmata were subsequently identified to species. A chi-square test was used to determine whether the percentage
of beetles with phoretic mites differed between the localities.
The Wilcoxon signed-rank test was performed using the R
programming language to compare whether the number of
phoretic mites per beetle differed between the localities.
A total of 500 I. duplicatus beetles were collected, and
a total of 292 mite specimens of the order Mesostigmata
were collected from their bodies and from the sediment
in the collection bottles. The overall percentage of beetles
carrying phoretic mites (44 % and 28.8 %) significantly
differed between the two localities. The number of phoretic
mites per beetle also significantly differed between the two
localities. In total, three species of phoretic mites were identified from the two localities. There was a difference in their
species composition because Uroobovella ipidis species was
missing at one locality. The mite Dendrolaelaps quadrisetus
was the most abundant. The second most numerous species
was Trichouropoda polytricha and the third was Uroobovella
ipidis. With respect to their position on the beetle, mites were
most abundant under the elytra.
Overall, the phoretic mites and their position on the body
of I. duplicatus matched the mite species associated with I.
typographus. This can be explained by the fact that I. duplicatus occured on such host trees on localities studied, as I.
typographus commonly occurs. Bionomics of both species
are very similar and therefore sharing the same spectrum of
mite species is expected.
243
4.2.2015 13:34:11
Lesn. Cas. For. J. 60 (2014) 244–249
Referát – Discussion paper
Importance of automatic threshold for image segmentation
for accurate measurement of fine roots of woody plants
Význam automatického prahovania na obrazovú segmentáciu
pre presné merania jemných koreňov drevín
Peter Surový1*, Cati Dinis2, Róbert Marušák1, Nuno de Almeida Ribeiro2
Czech University of Life Sciences Prague, Faculty of Forestry and Wood Sciences, Kamýcká 129, CZ – 165 21 Praha 6 – Suchdol,
Czech Republic
2
Institute of Mediterranean Agricultural and Environmental Sciences (ICAAM), Universidade de Évora - Pólo Da Mitra
Apartado 94, 7002-554, Évora, Portugal
1
Abstract
The fine roots are considered the key organs for plant survival, growth and productivity. Measurement of fine roots variables is easily and
conveniently achieved by means of digital image. The descriptive variables like root area, surface, total length and diameter distribution
may be obtained from the image. Analysis of digital image consists from several steps, each of them represents potential source of the
error. In this article we want to evaluate the automatic thresholding and its impact on principal variables obtainable from digital scans
of the fine roots. We compare 16 different thresholding methods and compare them with the human processed binary images of roots
of cork oak (Quercus suber L.). We found some of the thresholding methods perform significantly better than others in the estimation of
total projected area however the length estimation error points out a little different order of accuracy.
Keywords: fine roots; digital image; automatic thresholding; comparison of methods
Abstrakt
Jemné korene sú považované za kľúčové orgány zabezpečujúce prežitie rastliny, jej rast a produkciu. Merania jemných koreňov sú ľahko
a pohodlne vykonávateľné pomocou digitálneho obrazu. Popisné veličiny ako plocha koreňov, ich povrch, celková dĺžka či hrúbková
štruktúra sa dajú získať z digitálneho obrazu. Analýza digitálneho obrazu pozostáva z niekoľkých krokov, z ktorých každý predstavuje
potenciálny zdroj chyby merania. V tomto článku sa zameriavame na automatickú segmentáciu prahovaním a jej vplyv na veličiny získavané z digitálnych skenov jemných koreňov korkového duba (Quercus suber L.). Porovnávame 16 rôznych prahovacích metód a ich
správnosť v porovnaní s binárnymi obrazmi vytvorenými ľudským hodnotiteľom. Zistili sme, že niektoré prahovacie metódy dávajú lepšie
výsledky ako ostatné v odhade plochy koreňov, ale pred odhad dĺžky koreňov je poradie metód podľa ich správnosti len mierne odlišné.
Kľúčové slová: jemné korene; digitálny obraz; automatické prahovanie; porovnanie metód
1. Introduction
The roots are important organ of the tree since they provide
the access to the nutrients, water and in elder age they provide stability and resistance against mechanical imbalance
(Kozlowski & Pallardy 1997). The fine roots, despite their
short longevity are considered the most essential part of the
chemical cycles and beside that, also for example, they significantly contribute to the carbon balance of the tree (Konôpka
et al. 2013). In literature huge interest is demonstrated in
image analysis techniques for evaluation of fine roots
(Kimura et al. 1999; Bouma 2000). There exist a set of commercial software (Delta-T-Scan; RooTracker; WinRHIZO)
or freeware and open source software (ImageJ; NIHImage;
Object-Image; ObjectJ; EZ-Rhizo; Root Image Analyzer) for
analysis of digitized (scanned) samples of fine roots. Also for
minirhizotron image analysis (RMS; MR-RIPL 2.0 & 3.0;
MSU ROOTs Tracer; Rootfly; RootView; WR-RIPL 2.0; see
Le Bot et al. 2010). Despite the existence of this software, it
continues to exist the necessity of giving better responses to
new challenges and new imaging techniques for root assessment continues to be developed (French et al. 2009) so new
software as well as new software for analysis of root images
(DART, SIARCS) (Le Bot et al. 2010).
The measurement of root characteristic can be performed
manually or semi-manually, but development of automatized algorithms is an issue which many root researchers try
to evaluate, in order to reduce the time necessary for image
processing and also to avoid the subjective human decisions
during measurements process (Ewing & Kaspar 1995;
Vamerali et al. 2003). From the available software on the
market the software WinRHIZO (Regent instruments, Quebec, Canada) is currently the most used and is considered the
most sophisticated root analysis software (Himmelbauer et
al. 2004; Zobel 2008). On the other hand the demonstrated
set of non commercial software makes it possible to incorporate most of the algorithms necessary to obtain the root
characteristics (Kimura et al. 1999; Kimura & Yamasaki
2001, 2003).
*Corresponding author. Peter Surový, e-mail: [email protected], phone: +420 22438 3871
4.2.2015 13:34:12
P. Surový et al. / Lesn. Cas. For. J. 60 (2014) 244–249
Importance of thresholding: The digitalization of root
sample is a performed by normal desktop scanner or by scanner with additional TPU unit allowing the illumination from
above. The sample preparation and scanning protocol has
been discussed in Bouma et al. (2000). Afterwards the segmentation of root image by thresholding has been indicated
as key step in precise root measurements (Himmelbauer et al.
2004). The choice of the proper threshold value is crucial for
the image evaluation, since it separates the pixels belonging
to roots from background and in such way influences all subsequent measurements. In WinRhizo software for instance,
it is possible to choose option of automatic thresholding
which has been established as an appropriate choice for the
root morphological evaluation (Bauhus & Messier 1999;
Bouma et al. 2000; Himelbauer et al. 2004).
Bouma et al. (2000) refers that a proper scanning protocol is much more important than the software used, and
that the protocol should thus always be listed; however
the authors also stress the importance of proper threshold
selection, suggesting that higher threshold values can cause
more appropriate length estimation though causing incorrect diameter measurements. Zobel (2008) mentioned that
threshold is the key factor when determining the size of an
object in grey levelled images, concluding that none of existing software is capable of adequate analysis of different
type of digital images representing the fine roots. Smit et al.
(1994) developed automated 3d measurement technique of
fine roots. He suggested using histogram based segmentation
of roots from background. Richner et al. (2000) demonstrated for the segmentation of washed root samples, the grey-level thresholding technique is used most frequently. When
using thresholding, the most critical step is to define (to set)
the grey-level threshold. In a few cases, two threshold grey-levels are used instead of just one (Smit et al. 1994; Kaspar
& Ewing 1997). The two threshold levels define the upper
and the lower limit of the range of grey-levels belonging to the
roots. When decreasing the threshold grey-level to resolve
the thinnest roots in a sample, more background pixels along
the root boundaries are classified as object pixels and, thus,
the contours of thicker roots will blur and expand. In addition, a great deal of noise may occur in the image as a result of
a too low grey-level threshold. Staining roots may eliminate
some of the problems involved in thresholding, though not
completely. In summary, simple grey-level thresholding is
appropriate only if there is a good contrast between roots and
background and a uniform lighting of the whole scanning
area. Because these requirements are most often not met, it
is difficult to visually determine the optimal threshold value
(Tollner et al. 1994).
Apart from grey-level thresholding, however, only a very
limited number of sophisticated segmentation techniques
have been applied in the analysis of washed root systems.
Smit et al. (1994) first estimated the background, using local
maximum and minimum filters. Before the final histogram-based grey-level thresholding, they applied a Laplacian-like
sharpening filter. Sumcker et al. (1987) used a combination
of edge enhancement and grey-level thresholding. Koller et
al. (1995) proposed a new algorithm for the segmentation
and local description of elongated, symmetric line-like structures using a non-linear combination of linear filters. They
adapted and implemented this algorithm into a program
which provides local shape attributes (position, width and
direction of the centre line) that are necessary for the morphological description of root segments directly during the
detection of curvilinear objects, i.e., roots.
The segmentation of images with low contrast or images
that contain very thin roots may result in root objects that are
not completely resoled. If these fragmented roots are measured, length and area is underestimated. In addition, some
of these root fragments may not satisfy the length-to-width
criteria that are used to eliminate extraneous objects from
the image. If root fragments are excluded from the measurements in this way, measurement errors increase even more.
Therefore image-processing algorithms (Russ 1990) can be
applied to improve the segmented images prior to morphological measurements. Kaspar & Ewing (1997) used so called
closing to reduce fragmentation of root objects and to smooth
object edges without deleting the small objects fragments.
Closing involves dilation followed by erosion, which is the
reverse of dilation. It can be generally said that no information can be given on the comparative accuracy of the different
systems, because there are no data on comparisons between
image analysis systems or programs. In this article we compare 15 different thresholding methods available in ImageJ
and compare with the manually segmented images. The error
of under estimation and overestimation is discussed and we
also study its impact on root length measurements.
2. Methods
Root samples: The roots of 7 young cork oak (Quercus suber
L.) plants were separated from soil, cut into similar diameter
classes and divided into fine and structural roots. The diameter division threshold used was 2 mm. The fine roots were
washed in water and stored in plastic bottles in low concentration of ethanol.
Scanning: EPSON Expression 10000 XL 3.4 scanner was
used with the TPU option. This illumination has proven to be
better since no shadows are created and also the thresholding
is easier due to the clear. The chosen sampling DPI was 400.
Images were stored in bitmap format, RGB 24 bits depth.
Fig. 1. Scanner EPSON Expression 1000XL with TPU in the lid
(left), digital image of scanned roots of cork oak.
Image processing: We use ImageJ software to process images
stored in common folder. Each image is converted into grey
level through Menu: Image-Type-8bit, than one of the 16
thresholding methods is applied. The methods are described in ImageJ pages (Landini 2011). Following threholding
methods are implemented:
245
4.2.2015 13:34:14
0 – Default method: a method similar to IsoData Method,
1 – Huang method (Huang & Wang 1995). It is based on
uniformity shape measure and evaluates the fuzziness of the
image to determine value for threshold.
2 – Intermodes method: (Prewitt & Mendelsohn 1966).
The threshold is found as minimum (valley) in bimodel or
multimodal histogram. It is supposed that each object to be
segmented creates a clear peak around the most frequent
grey level value.
3 – IsoData method: (Ridler & Calvard 1978 in Landini
2011). The threshold is defined as a value larger than composite average of background and object’s averages.
4- IJ_IsoData method: this method is a different implementation of the previous method (Ridler Calvard 1978 in Landini
2011). The method 3 (IsoData) implements the threshold
as threshold = (average background + average objects)/2
while this one uses the average of values above and below G
(where G is the searched value). The detailed description of
the implementation of this method can be found in source
code of ImageJ software.
5 – Li method (Li & Tam 1998). It is based on iterative method
for minimization of cross-entropy between segmented and
original image. Cross-entropy is understood as a measure
alternative to alternative squared error.
6 – MaxEntropy (Kapur et al. 1985) the method is based
on original method of enthropy consideration proposed
by Pun (1980) (in Kapur et al. 1985) while in Kapur et al.
1985 numerical errors in his formulation were rectified and
examples presented.
7 – Mean (Glasbey 1993), the threshold is set as a mean of
grey values, this method is sometimes used as a starting
threshold value in other methods.
8 – MinError (I) based on Kittler & Illingworth (1986). The
value of threshold is derived under assumption of normal
distribution of grey level values. It is mostly suitable in multithreshold images.
9 – Minimum (Prewitt & Mendelsohn 1966) This method
similarly to the internodes method assumes a bimodal histogram. The histogram is smoothed until only two local
maxima remain.
10 – Moments (Tsai 1985). A method which estimates the
threshold in a way that the moments of the input image are
preserved in an output image.
11 – Otsu (1979) searches for the threshold that minimizes
intra-class variance.
12 – Percentile (Doyle 1962), method assumes the foreground pixels to be 0.5
13 – RenyiEntropy (Kapur et al. 1985) uses Renyi Entropy,
otherwise similar to Max Entropy method.
14 – Shanbhag (Shanbhag 1994) modification of Kapur
(1985) method with a more focus on resulting image.
15 – Triangle (Zack 1977) geometric method which assumes
one peak of histogram in near one end and search toward
the other end.
16 – Yen (Yen et al. 1995) takes to account two factors, the
discrepancy between thresholded and original image and
the number of bits required to represent thresholded image.
More detailed description can be found in http://fiji.sc/wiki/
index.php/Auto_Threshold
Projected area measurement: The root area is measured as
amount of pixels belonging to the thresholded region. It is
based on formula: area = (1/dpi)^2, where dpi is value of
dots per inch used in scanning in mm. The ImageJ software
offers direct calculation of area, after the correct scale setting.
Length measurements: Several methods for root length estimation can be found in literature. For example (Vamerali et
al. 2003) used Fibrelength (FbL) algorithm, which proved to
be significantly faster than commonly used skeletonization,
however it only provided reliable results with small densities
of roots with no overlapping. Probably the most common
and easiest method is before the skeletonization of binary
image decribed for example in (Berntson 1992) the program
presented here processes images by first converting digitized
root images into a binary tree data structure which can be
analyzed in a variety of ways to characterize the branching
patterns and the distribution of link size within root systems.
This allows quantification total root length and patterns of
branching within root systems using analytical techniques
from the analysis of stream drainage networks. The simple
counting of pixels remaining after skeletonization can only
provide reliable results if the roots are horizontally or vertically aligned (Vamerali et al. 2003). In case of diagonally or
randomly aligned roots the coefficient of certain value may
be applied, for example Smit et al. 1994 proposed value of
1.12. Later Kimura & Yamasaki (2001; 2003) introduced the
method for estimation of root length together with
Here we propose modified algorithm for length estimation
which provide similar results and can be easily implemented
in ImageJ macro language. The main idea of using skeleton
binary image is to count pixels which remain after skeletonization (black pixels). However not each pixel can be counted by the same weight as already mentioned by Smit et al.
(1994). On the other hand simple correction coefficient may
be too simple to describe all possible situations where the
correction is necessary. In Figure X are displayed six possible
scenarios of central pixel and possible skeleton neighbours.
Using Pythagoras theorem we can estimate the length for
each situation:
1
2
3
4
5
6
Situation 1, 3 and 4 the length value will be determined
as full horizontal (or vertical) size of the pixel. E.g. if scanning dpi is 300, the length will be 25.4/300 = 0.0847 mm.
In situations 2 and 5 the length value will be calculated
as = 1.118 (* 0.0847 to convert to mm) =
0.0947. For the situation 6 the length will be calculated as
= 1.414 (* 0.0847 to convert to mm) = 0.1197 mm.
For the statistical analysis we used software SPSS 20.
3. Results
The absolute values of results are displayed in Figure 1. In
the left part are shown mean errors for area estimations and
in the right part it is displayed the error for length estimation
based on above mentioned algorithm. The “true” length is
estimated from binary images created by human operator.
246
4.2.2015 13:34:17
more balanced over and underestimation which is possibly
correlating with the precise length estimation (however it
does not mean the correct position of the root was found it
might have been displaced equally so the over and underestimation are similar).
Table 2. Ratio between over- and under-estimation (the default
ImageJ method marked in bold).
Fig. 2. Boxplot of mean error for area estimation (left), and
the mean error of length estimation compared to manually segmented images (right). The value for method 12 is out of the scale
for axis Y.
We use Friedman Test to calculate the ranking for the individual methods; the resulting order is displayed in Table 1.
Table 1. Friedman ranking of individual thresholding method (the default
ImageJ method marked in bold).
Error by Method type
AreaErr_2 (Prewitt & Mendelsohn 1966)
AreaErr_10 (Tsai 1985)
AreaErr_3 (Ridler & Calvard 1978)
AreaErr_11 (Otsu 1979)
AreaErr_9 (Prewitt & Mendelsohn 1966)
AreaErr_d (default method)
AreaErr_4 (Ridler & Calvard 1978)
AreaErr_5 (Li & Tam 1998)
AreaErr_1 (Huang & Wang 1995)
AreaErr_13 (Kapur et al. 1985)
AreaErr_6 (Kapur et al. 1985)
AreaErr_16 (Yen et al. 1995)
AreaErr_8 (Kittler & Illingworth 1986)
AreaErr_7 (Glasbey 1993)
AreaErr_15 (Zack 1977)
AreaErr_14 (Shanbhag 1994)
AreaErr_12 (Doyle 1962)
Ranks
3.69
4.45
4.47
4.61
4.63
4.73
4.73
4.97
9.11
10.59
10.67
12.19
13.13
14.50
14.69
14.84
17.00
We use the K-means cluster technique to divide the data
into two groups which may be interpreted as a classification
into “good” and “bad” thresholding techniques classes. The
“bad” group starts with AreaErr_1 the error in area estimation by method 1.
The accuracy of each method is composed of two principal errors:
1 – over estimation: the pixel is defined as the root pixel in
analysed image, but in true image it is background
2 – under estimation: pixel is defined as background image,
though in true image it is root.
Both errors may be considered incorrect though in case of
equivalent over and under estimation the area may be OK
The best indicator of this error is ratio over/under estimation displayed in table 2. The value above 1 indicates
that the method produce more overestimation pixels than
underestimation pixels. The value close to 1 indicates the
equal production of these two errors, while values under
one indicate that the underestimation prevails. We calculate the ranking based on this index. The interpretation of
this value should be in a sense that the highest the position
the more the underestimation prevails and the opposite. The
methods positioned in the middle of the table are those with
index15 (Zack 1977)
index7 (Glasbey 1993)
index12 (Doyle 1962)
index16 (Yen et al. 1995)
index8 (Kittler & Illingworth 1986)
index6 (Kapur et al. 1985)
index13 (Kapur et al. 1985)
index1 (Huang & Wang 1995)
index10 (Tsai 1985)
indexD (default method)
index4 (Ridler & Calvard 1978)
index11 (Otsu 1979)
index3 (Ridler & Calvard 1978)
index2 (Prewitt & Mendelsohn 1966)
index9 (Prewitt & Mendelsohn 1966)
index5 (Li & Tam 1998)
index14 (Shanbhag 1994)
Ranks
2.38
2.59
3.13
4.47
5.69
5.95
6.03
7.48
10.36
10.70
10.70
11.08
11.22
14.16
14.97
15.69
16.41
Mean
0.013
0.014
0.034
0.042
8.313
0.051
0.051
0.235
1.648
2.038
2.038
2.056
2.086
4.189
6.041
7.867
—
Length estimation and impact of thresholding on correct
length estimation. One of the most important variables for
root studies is the total length of the sample. The accuracy
of length estimation depends on correct shape extraction by
thresholding. While during area estimation (especially when
under and over estimation is balanced) the accuracy may be
good, compared to human observer, in case of length there
is necessity for the shape to be as much similar as possible
to the real one.
Table 3 shows the rankings for individual methods calculated by Friedman test. It is possible to observe that the
method 10 is considered as the best method in error estimation.
Table 3. Ordering of methods by ranking estimation for length
measurements (the default ImageJ method marked in bold).
Len_err_10 (Tsai 1985)
Len_err_d (default method)
Len_err_4 (Ridler & Calvard 1978)
Len_err_11 (Otsu 1979)
Len_err_3 (Ridler & Calvard 1978)
Len_err_1 (Huang & Wang 1995)
Len_err_2 (Prewitt & Mendelsohn 1966)
Len_err_9 (Prewitt & Mendelsohn 1966)
Len_err_5 (Li & Tam 1998)
Len_err_13 (Kapur et al. 1985)
Len_err_6 (Kapur et al. 1985)
Len_err_16 (Yen et al. 1995)
Len_err_8 (Kittler & Illingworth 1986)
Len_err_14 (Shanbhag 1994)
Len_err_7 (Glasbey 1993)
Len_err_15 (Zack 1977)
Len_err_12 (Doyle 1962)
Ranks
3.73
3.92
3.92
4.05
4.19
4.61
6.50
7.44
8.03
10.16
10.17
12.19
13.31
14.41
14.63
14.75
17.00
247
4.2.2015 13:34:19
4. Discussion and conclusions
The automatic image analysis methods for root studies are of
essential importance due to the large amount of samples usually being evaluated in the studies. The target variables to be
measured are the root area, root length, the classification of
roots into diameter classes, the amount of root tips, forks and
other. The first two mentioned variables (area and length)
are the main aim of this study and especially the automatic
estimation of them.
In order to automatically estimate the values the following steps need to be executed: digitization of roots into
raster image, segmentation by threshold, counting the pixels
belonging to roots, skeletonization and estimation of length.
The digitization is done by a scanner in which the sample
is spread on the plate, if necessary in the water. The illumination of the roots may be from the bottom (the position of
sensor), but it has been demonstrated that more reliable
results are obtained if the light source is above the sample,
e.g. in the upper lid of scanner. Such scanners are commercially available, and usually they are used for scanning of
negative film material. The main advantage of illumination
from above is that the root colour is not taken to account for
the automatic image analysis, and the only values coming
from scan are the levels of grey and that the shadow is not
present. The advantage of colours is that they can be used
when working with small plants whose roots are white or
transparent and they are difficult to distinguish if they are
illuminated from above. The roots of woody plants are usually
dark and the root skin (especially when wet) may reflect the
light (causing white shiny artefacts) confusing the automatic
detection. Therefore for the acquisition of digital images of
woody roots the above light is more suitable.
The next step for automatic analysis of roots is the automatic segmentation of the images into roots and background.
This problematic (the problematic of automatic thresholding) is the main purpose of this study. The following procedures, after segmentation, are area assessment which is the
sum of pixels defined as roots, then morphological analysis:
length estimation and others. We compare the automatically
calculated threshold levels to human processed binary images e.g. images which were manually segmented into roots
and background, not using threshold but manual pixel identification. The operators were asked to paint the roots on the
image by black colour and the rest (background) was filled
by white colour. The main reason for this kind of process was
to avoid possible errors caused by the thresholding method
itself.
As it can be seen from tables 1–3 the two best methods
considered for area estimation are methods 2 (Prewitt &
Mendelsohn 1966) and 10 (Tsai 1985). The K–means clustering into two groups (better and worse) indicates that several
methods are suitable for area estimation including 2 (Prewitt
& Mendelsohn 1966), 10 (Tsai 1985), 3 (Ridler & Calvard
1978), 11 (Otsu 1979), 9 (Prewitt & Mendelsohn 1966),
default, 4 (Ridler & Calvard 1978) and 5 (Li & Tam 1998).
All these methods provide reliable estimates of projected area
of roots compared with the human observer. The principal
danger, especially when using the global threshold values,
which is kind of context unaware, is that the area may be dis-
placed to the shadow or blurry parts and in such way the total
area value may be correct, however its incorrect positioning
may cause errors in subsequent processing.
Therefore the error of over and underestimation was
evaluated pixel by pixel in table 2. The error is displayed in
column Mean. Closer the value is to number 1, the better is
the fit of the pixels estimated by automatic procedure and
those marked by the human observer. The values below 1
indicates that there is the underestimation e.g. the values are
marked as the background however they should be marked
as the roots. The values over 1 indicates opposite of this situation, e.g. the pixels are marked as the roots however they
should be marked as the background. It can be observed that
the method 10 (Tsai 1985) is the one closest to the value of 1
so its accuracy in terms of over and under estimation is most
likely the best.
The mentioned result is also reflected in the table 3 where
the length error estimation is displayed. The method number
10 (Tsai 1985) is the best method for assessment of length
from binary images and other methods from the upper half
of the table (methods default, 4 (Ridler & Calvard 1978), 11
(Otsu 1979), 3 (Ridler & Calvard 1978), 1 (Huang & Wang
1995), 2 (Prewitt & Mendelsohn 1966), 9 (Prewitt & Mendelsohn 1966) and 5 (Li & Tam 1998)) are considered better
(more recommended) as the other half. We used approximate estimation of the length from skeletonized images. We
found out that some method perform better than others and
clustered them into two groups which may be interpreted
as good and bad methods for root image thresholding. The
one method which appears to be the most accurate (however
not significantly more than the other methods in the “good”
group) is the method of moments described in Tsai (1985).
As already mentioned by Bouma et al. (2000) the scanning protocol is very important to avoid subjective decisions
during the root measurement process. The root staining,
following (Tollner et al. 1994) may enhance the visibility
of roots, though nowadays the most common technique
to improve the contrast between roots and background is
the use of above light, so called TPU (transparency unit).
This kind of scanner is common on the market. We showed
that even when using TPU however, the values of automatic
threshold will vary based on the method used to calculate it
and so it is important to choose the most suitable one. The
evolution of devices for image acquisition nowadays, and
the simultaneous advances in computer vision (with other
algorithms for automatic image analysis) suggest that the
use of digital images for measurements is promising and its
potential will increase very probably in the near future.
References
Ansari, S., A., Kumar., P., Gupta., B. N., 1995: Root surface area
measurements based on adsorption and desorption of nitrite.
Plant and Soil, 175:133–137.
Bauhus, J., Messier, C., 1995: Evaluation of Fine Root Length and
Diameter Measurements Obtained Using RHIZO Image Analysis. Agronomy Journal, 28:142–147.
Berntson, G. M., 1992: A computer program for characterizing
root system branching patterns. Plant and Soil, 140:145–149.
248
4.2.2015 13:34:20
Bouma, T. J., Nielsen, K. L., Koutstaal, B., 2000: Sample preparation and scanning protocol for computerised analysis of root
length and diameter. Plant and Soil, 218:185–196.
Costa, C., Dwyer, L., M., Hamilton, R. I., Hamel, C., Nantais, L.,
Smith, D. L., 2000: A Sampling Method for Measurement
of Large Root Systems with Scanner-Based Image Analysis.
Agronomy Journal, 4:621–627.
Doyle, W., 1962: Operation useful for similarity-invariant pattern
recognition. Journal of the Association for Computing Machinery, 9:259–267.
Ewing, R. P., Kaspar, T. C., 1995: Accurate perimeter and length
measurement using an edge chord algorithm. Journal of Computer-Assisted Microscopy, 7:91–100.
French, A., Úbeda-Tomás, S., Holman, T. J., Bennett, M. J., Pridmore, T. P., 2009: High throughput quantification of root
growth using a novel image analysis tool. Plant Physiology,
150:1784–1795.
Glasbey, C. A., 1993: An analysis of histogram-based thresholding
algorithms, CVGIP: Graphical Models and Image Processing,
55:532–537.
He, W., Nakayama, K., Yu, G., 1998: The effect of root surface
area on the water uptake and transpiration rate of maize plants.
Technical bulletin- faculty of horticulture Chiba University,
52:157–164.
Himmelbauer, M. L., Loiskandl, W., Kastanek, F., 2004: Estimating length, average diameter and surface area of roots using two
different Image analyses systems. Plant and Soil, 260:111–120.
Huang, L. K., Wang, M. J. J., 1995: Image thresholding by minimizing the measures of fuzziness. Pattern recognition, 28:41–51.
Jackson, R. B., Mooney, H. A., Schulze, E. D., 1997: A global budget for fine root biomass, surface area, and nutrient contents.
Proceedings of the National Academy of Sciences of the United
States of America, 94:7362–7366.
Kapur, J.N., Sahoo, P. K., Wong, A. C. K., 1985: A New Method for
Gray-Level Picture Thresholding Using the Entropy of the Histogram. Graphical Models and Image Processing, 29:273–285.
Kaspar, T. C., Ewing, R. P., 1997: ROOTEDGE: software for measuring root length from desktop scanner images, Agronomy
Journal, 89:932–940.
Kimura, K., Kikuchi, S., Yamasaki, S., 1999: Accurate root length
measurement by image analysis. Plant and Soil, 216:117–127.
Kimura, K., Yamasaki, S., 2001: Root length and diameter measurement using NIH Image: application of the line-intercept
principle for diameter estimation Plant and Soil, 234:37–46.
Kimura, K., Yamasaki, S., 2003: Accurate root length and diameter
measurement using NIH Image: use of Pythagorean distance
for diameter estimation Plant and Soil, 254:305–315.
Kittler, J., Illingworth, J., 1986: Minimum error thresholding, Pattern Recognition. 19:41–47.
Konôpka, B., Pajtík, J., Maľová, M., 2013: Fine root standing stock
and production in young beech and spruce stands. Lesnícky
časopis - Forestry Journal, 59:163–171.
Kozlowski, T. T., Pallardy, S. G., 1997: Physiology of Woody Plants.
San Diego, Academic Press, 411 p.
Landini, G., 2011: AutoThreshold pluging for ImageJ. Availabe at:
http://fiji.sc/wiki/index.php/Auto_Threshold (accessed online
7.11.2014)
Li, C. H., Tam, P. K. S., 1998: An iterative algorithm for minimum
cross entropy thresholding. Pattern Recognition Letters.
19:771–776.
Le Bot, J., Serra, V., Fabre, J., Draye, X., Adamowicz, S., Pagès,
L., 2010: DART: a software to analyse root system architecture and development from captured images Plant and Soil,
326:261–273.
Otsu, N., 1979: A threshold selection method from gray-level histograms, IEEE Transactions on Systems, Man, and Cybernetics,
9:62-66.
Pregitzer, K. S., Deforest, J. L., Burton, A., J., Allen, M. F., Ruess,
R. W., 2002: Fine Root Architecture of Nine North American
trees Ecological Monographs, 2:293–309.
Prewitt, J. M. S., Mendelsohn, M. L., 1966: The analysis of cell images. Annals of the New York Academy of Sciences, 128:1035–
1053.
Regent Instuments, 1996: WinRHIZO V3.9 Reference. Regent
Instruments Inc., Quebec, Canada.
Richner et al., 2000: Root image analysis and interpretation In: Smit
et al (ed.): Root methods a Handbook, p. 305–341.
Shanbhag, Abhijit, G., 1994: Utilization of information measure as
a means of image thresholding, CVGIP: Graphical Models and
Image Processing, 56: 414–419.
Simojoki, A., 2000: Calibration of a desktop scanner and digital
image analysis procedure for quantification of root morphology
Agricultural and Food Science, 9:223–230.
Smit, A. L., Sprangers, J. F. C. M., Sablik, P. W., Groenwold, J.,
1994: Automated measurement of root length with a three-dimensional high-resolution scanner and image analysis Plant
and Soil, 158:145–149.
Tanaka, S., Yamauchi, A., Kono, Y., 1995: Easily accessible method
for root length measurement using an image analysis system,
Japanese Journal of Crop Science, 1:144–147.
Tsai, W., 1985: Moment-preserving thresholding: a new approach,
Computer Vision, Graphics, and Image Processing, 29:377–
393.
Vamerali, T., Guarise, M., Ganis, A., Bona, S., Mosca, G., 2003:
Analysis of root images from auger sampling with a fast procedure: a case of application to sugar beet. Plant and Soil, 255:
387–397.
Yen, J. C., Chang, F. J., Chang, S., 1995: A New Criterion for Automatic Multilevel Thresholding, IEEE Transactions on Image
Processing, 4:370–378.
Zack, G. W., Rogers, W. E., Latt, S. A., 1977: Automatic measurement of sister chromatid exchange frequency, Journal of Histochemistry & Cytochemistry, 25:741–53.
Zobel, R. W., 2008: Hardware and software efficacy in assessment
of fine root diameter distributions Computers and Electronics
in Agriculture, 60:178–189.
249
4.2.2015 13:34:20
Lesn. Cas. For. J. 60 (2014) 250–254
Správy – Reports
Výročná konferencia Európskeho lesníckeho inštitútu
Výročná konferencia Európskeho lesníckeho inštitútu (EFI)
spojená so seminárom „Budúcnosť bioekonomiky v Európe“
sa uskutočnila v 10. – 12. septembra 2014 v Bilbao, ktoré je
hlavným meste autonómnej oblasti Baskicko v Španielsku.
Výročnej konferencie sa zúčastnilo vyše 200 účastníkov z 27
krajín. Konferenciu viedol Andreas Kleinschmit von Lengefeld z Inštitútu technológií FCBA (Francúzsko). Zástupcovia
členských organizácií EFI rokovali o strategickom smerovaní inštitútu. Členské organizácie vyslovili požiadavku na
zvýšenie úlohy EFI a na zvýšenie pridanej hodnoty pre členské organizácie prostredníctvom mechanizmov a riešenia
problémov, ktoré nie je možné riešiť na vnútroštátnej úrovni.
Takými sú napríklad účasť na syntetizujúcich prácach alebo
účasť vo výskumných konzorciách vedených EFI. Účastníci
tiež požadovali, aby orientácia EFI na podporu lesníckej politiky neviedla k tomu, že ohrozí postavenie vedy a výskumu
ako priorít EFI.
V úvodnom príhovore „EFI ako sieť organizácií – hlavné
myšlienky a nové príležitosti“ prezentoval Marc Palahí
(interný riaditeľ) predstavu o budúcom smerovaní EFI.
Víziou EFI je pôsobiť v európskom výskumnom priestore ako
katalyzátor inovácií a nových poznatkov a ako poskytovateľ
a tvorca lesníckej politiky. Načrtol cestu k riešeniu zložitej
finančnej situácie EFI (TrustFund) a získavanie zdrojov cez
paneurópsku spoluprácu lesníckeho sektoru v rámci programov Výskumu a inovácií najmä HORIZON 2020.
V doobedňajšom bloku „Dialóg členov“ vystúpili prezentujúci k 3 okruhom. K problematike trvalej udržateľnosti v podmienkach klimatickej zmeny vystúpil Dr. Marcus
Lindner (vedúci EFI programu „Udržateľnosť a klimatická
zmena“). Na príkladoch projektu VOLANTE predstavil víziu
využívania krajiny a manažovania jej zdrojov v kontexte klimatickej zmeny, založenú na:
• Využití strategických nástrojov pre modelovanie – „Open
Source“ modely pre vedeckú komunitu (napríklad model
EFISCEN).
• Posúdení udržateľnosti biohospodárstva a podpore
rozhodovania vo všetkých otázkach súvisiacich so zmenou klímy, prírodných katastrof, poskytovaní ekosystémových služieb (podporný rozhodovací systém ToSIA).
• Medzisektorových štúdiách (príklady štúdií zameraných
na vodu-BEWATER; agrolesníctvo-AGFORWARD;
biodiverzitu-INTEGRATE a ekosystémové službyOPERAs)
Na príklade projektu FORESTING (Horizont 2020),
v ktorom sa prepája monitorovanie lesov, experimentálny
výskum, modelovania a zdieľania infraštruktúry, prezentoval možnosti kvalitatívne lepšej podpory rozhodovania pri
manažmente lesov v kontexte zmeny klímy, pri zvyšovaní
odolnosti lesov a pri využívaní lesných zdrojov v biohospodárstve. Na projekte FORESTING participuje aj NLC Zvolen. Naším zámerom je nadviazať na projekt Centra excelentnosti pre podporu rozhodovania v lese a krajine (Aktivita
3–4) a zabezpečiť udržateľnosť výskumných aktivít nášho
národného centra excelentnosti.
Dr. Robert Mavsar (vedúci EFI programu „Lesy pre spoločnosť“) vystúpil s prezentáciou, v ktorej zhodnotil výskum
EFI v oblasti lesníckej politiky a ekonómie. Najväčší dôraz
je venovaný hodnoteniu (i) ekosystémových služieb a lesníckemu účtovníctvu, (ii) lesníckej politike a governancii, (iii)
obchodným tokom s drevom a biomasou, (iv) trhom s biomasou a (v) výskum preferencií zúčastnených strán ako aj
ziskovosti a obchodnému modelovaniu.
Prof. Dr. Lauri Hetemäki, vedúci EFI programu „Vizia
& politická podpora“ prezentoval obsah, formy a nástroje,
ktorými EFI realizuje uvedený program. Cieľom je podpora
členských krajín a organizácií pri presadzovaní lesníckej
agendy na európskej úrovni. Realizácia programu je postavená na nasledovných oblastiach a aktivitách:
–– Vízia a politická podpora – koordinácia recenzií a syntetických štúdií na vedeckom základe a šírenie výstupov
v užívateľsky vhodnej podobe (WSCTU – What Science
Can Tell Us, politické súhrny, ThinkForest atď.)
–– Zvyšovanie povedomia o nových politikách, ktoré
reagujú na novovznikajúce problémy na základe vedec
kých dôkazov (napríklad SUMFOREST ERANET Foresight Panel).
–– Napomáhanie vedecko-politickému dialógu medzi tvorcami politík, zainteresovanými stranami a vedcami (iniciatíva ThinkForest, výročné konferencie, stretnutia atď).
–– Zvýšenie záujmu a možností pre európske výskumné
organizácie, aby sa viac venovali podpore lesníckej politiky, presadzovaniu lesníckych priorít v Európskom parlamente a ďalších rozhodovacích fórach.
Popoludňajšie rokovanie prvého dňa bolo venované
administratívnym a finančným náležitostiam, odpočtu činnosti EFI za rok 2013 a plánu práce na rok 2015. Osobitné
rokovania vo forme dialógu bolo venované úlohe regionálnych centier EFI v kontexte prekonania roztrieštenosti
európskeho lesníckeho výskumu.
Druhý deň sa konal vedecký seminár „Budúcnosť bio
ekonomiky v Európe“. Göran Persson, prezident EFI iniciatívy ThinkForest a bývalý švédsky premiér ponúkol politický
pohľad na ekonomickú situáciu a ekonomickú stagnáciu
v Európe v širších súvislostiach nedostatku prírodných zdrojov a načrtol riešenia prostredníctvom rozvoja bioekonomiky
založenej na vlastných obnoviteľných zdrojoch.
Peio Gorroño, manažér spoločnopsti EGOIN (rodinný
podnik zameraný na spracovanie dreva) zameral svoj príspevok na udržateľné obchodné príležitosti pre lesníctvo ako
priemyselné odvetvie.
Hans Bruyninckx, výkonný riaditeľ Európskej enviromentálnej agentúry v prezentácii „Smerom k enviromentálne udržateľnej ekonomike“ zdôraznil enviromentálny
aspekt rozvoja ekonomiky na báze zelenej ekonomiky. Táto
je ponímaná ako variant trhovej ekonomiky, ktorý sa snaží
teoreticky a prakticky zosúladiť ekologické a ekonomické
postupy, racionálne využívanie obnoviteľných prírodných
zdrojov bez porušenia trvalej schopnosti ich obnovy a dodržania podmienok zachovania biodiverzity.
4.2.2015 13:34:21
Za najviac inšpiratívne považujem vystúpenie Lauri
Hetemäki (vedúho EFI programu Vízia & politická podpora)
s príspevkom „Budúcnosť lesnícko-drevárskeho komplexu
v Európe“, v ktorom poukázal na potrebu realizácie štrukturálnych zmien lesnícko-drevárskeho sektoru smerom
k bioekonomike. Východiskom je správa EFI – Čo nám môže
povedať veda, ktorá bude v novembri 2014 predstavená novej
Európskej komisii v rámci EFI seminára ThinkForest.
Z kľúčových myšlienok tejto správy vyberáme: Lesníckemu sektoru nestačí orientovať sa len na les samotný. Akútne
potrebná je zmena a sústredenosť na produkty a služby z lesa.
Európska produkcia energie z dreva sa v období 2010–
2030 zdvojnásobí. Očakáva sa, že požiadavka Únie na biomasu bude v r. 2030 o 1/3 vyššia ako dodávky. Z uvedeného
vyplýva, že zásoby dreva nebudú dostatočné pre naplnenie
cieľov Únie v oblasti produkcie energie z obnoviteľných
zdrojov. Napriek neistote sa očakáva, že význam lesnej
biomasy pre energetické účely bude do roku 2030 väčší ako
v súčasnom období. Je potrebné využiť tento potenciál a prijať
opatrenia pre zabezpečenie požadovaných dodávok drevnej
suroviny.
Perspektívne sú aj možnosti produkcie nových bioproduktov na báze spracovania drevnej suroviny: viskózne
vlákna – väzba na priemysel textilu; biopalivá – sektor
dopravy, vrátane leteckej a konštrukčné materiály – sektor
stavebníctva.
Vo výhľade nových produktov poukazuje na diverzifikáciu a ekonomickú efektívnosť produkcie v oblasti bioenergie (objemová produkcia) a produkcie s vysokou pridanou
hodnotou pri nízkej objemovej produkcii (napríklad nanomateriály). Tento posun by sa mal prejaviť aj v terminológii
pomenovania odvetvia, kde naznačuje posun od „odvetvia
lesného hospodárstva“ smerom k odvetviu biohospodárstva. Súčasťou tohto procesu je vstup nových subjektov
na trh z oblasti energetiky, potravinárskeho a chemického
priemyslu a investičných skupín – napr. fondy investujúce
do plantáži na zhodnotenie vkladov.
V správe sa konštatuje, že množstvo (kvantita) nových
produktov je v EÚ limitovaná zdrojmi. Pridaná hodnota
preto nebude v objemovej produkcii, ale v službách súvisiacich s novými produktmi a v súvisiacej zamestnanosti.
Zadefinované sú 3 potenciálne rastúce skupiny služieb:
1. Priemyselne orientované služby: Koordinačná funkcia
(lokalizácia ústredí nadnárodných spoločností), technológie
a programovanie, servis a údržba, patenty a licencie, výskum
& vývoj, poradenstvo; 2. Lesnícky orientované služby: vzdelávania, výskum a vývoj, inventarizácie a plánovanie, správa
a riadenie, poradenstvo; 3. Ekosystémové služby: priamo
vztiahnuté k lesnému ekosystému: príroda cestovný ruch
a rekreácia, poľovníctvo, hubárčenie, sekvestrácie uhlíka
v lesoch atď.
V záveroch z prezentácie sa konštatuje, že Európske
odvetvie lesníctva je vo fáze tvorivej deštrukcie:
1. V nadchádzajúcich dvoch desaťročiach sa bude meniť
oveľa viac, ako sa zmenilo v priebehu posledných dvoch
desaťročí.
2. Objem produkcie niektorých tradičných výrobkov bude
klesať (deštrukcia), naopak existuje veľký potenciál pre
vznik nových produktov a služieb (tvorivosť).
3. Lesnícky sektor bude oveľa rozmanitejší a závislejší
na poskytovaní služieb ako dnes.
4. Je pravdepodobné, že sektor bude cennejší.
Z uvedeného vyplývajú nasledovné politické implikácie:
1. Politiky by mali zabezpečiť koherentné, predvídateľné
a dlhodobo funkčné prostredie pre lesnícke podniky
a spoločnosti pre prechod ku bioekonomike.
2. Nevyhnutná je podpora rizík, odvážnych experimentov
a prekonávania hraníc medzi sektormi.
3. Žiaduce sú väčšie investície do výskumu, vzdelávania
a odbornej prípravy napriek hospodárskej kríze.
4. Udržateľnosť životného prostredia je najvyššou prioritou
a nevyhnutnosťou.
V následnej panelovej diskusii „Nové príležitosti lesnícko-drevárskeho sektora: produkty a služby na báze
bioekonomiky“ účastníci panelovej diskusie vyjadrili svoje
pohľady a názory na problematiku a vnímanie bioekonomiky
ako nového ekonomického sektoru, novej stratégie udržateľnosti či novej éry postfosilnej ekonomiky.
V poslednej prezentácii „Implikácie bioekonomiky
v manažmente lesov“ prof. Margarida Tomé, poukázala
na zvyšovanie potreby drevnej suroviny; potrebu eliminovania enviromentálnych dopadov; rast komplexnosti požiadaviek na lesné hospodárstvo a potrebu výskumu nových
výziev, ktoré prináša bioekomika (lesníctvo je veda); potrebu
dosahovania rentability a ziskovosti vlastníkov lesov (lesníctvo je biznis a priemyselné odvetvie) a potrebu trvalo udržateľného obhospodarovania lesov, certifikácií a monitoringu
(lesníctvo je súčasťou životného prostredia).
Posledný deň konferencie sa tradične uskutočnila exkurzia, v ktorej delegáti mali možnosť oboznámiť sa s lesnícko-drevárskym komplexom v regióne Baskicka. Navštívili
sme prevádzku na primárne spracovanie dreva Maderas
Torresar, a. s. Prevádzka sa z hľadiska metód spracovania
zaoberá najmä piliarskym spracovaním – produkcia reziva,
paliet a tvorbu polotovarov pre nábytok a drevostavby a na
zákazkovú tvorbu nábytku. Druhou navštívenou prevádzkou bola spaľovňa štiepok (500 kW bojler), ktorá vykuruje
a zásobuje teplou vodou 8 novopostavených domov s asi
100 bytmi. Očakávaná návratnosť investícia 350 tisíc eur sa
v dôsledku krízy posunula z 10 na 15 rokov. Dodávky peliet
sa realizujú z píl v okruhu 60 km. Ďalším príkladom prepojenia vlastníkov lesov s obcou (samosprávou) je výstavba
spoločenských, kultúrnych a športových objektov na báze
využitia s drevených konštrukcií z dreva dodávaných z lesov
lokálnych vlastníkov a spracovaných v miestnych prevádzkach. Viaceré objekty sme navštívili a potvrdili si ako reálne
funguje podpora rozvoja vidieka na báze lokálnych zdrojov
dreva a spolupráca vlastníkov lesa s podnikateľmi a samosprávou. V druhej časti exkurzie sme navštívil drevársky
podnik Maderas de Llodio. Ide o podnik s výrazne pridanou
hodnotou vyrábaných produktov (výroba veľkoplošných
materiálov pre produkciu polotovarov ako preglejky a kompozitné materiály). Zaujímavosťou je, že podnik pre zabezpečenie výroby využíva ihličnaté introdukované dreviny, najmä
Pinus radiata, vo veľkej miere pestované aj v okolitých lesov.
Pre Národné lesnícke centrum a lesnícky výskum
na Slovensku je dôležité orientovať sa v súčasných trendoch
európskej lesníckej politiky, ako aj v jednotlivých národných prístupoch k horúcim témam lesníckej praxe. Účasť
251
4.2.2015 13:34:22
na výročnej konferencii EFI je mimoriadnou príležitosťou
získať esenciálne poznanie o aktuálnom dianí a procesoch,
ktoré určujú smerovania lesníctva v európskom kontexte.
Pochopenie a prijatie naznačených výziev v oblasti lesníckeho výskumu umožní aj NLC adekvátne reagovať na podnety prostredníctvom ďalších projektov a rozvíjaním medzinárodných kontaktov.
Pracovná cesta sa uskutočnila s podporou Agentúry MŠVVŠ SR pre štrukturálne fondy EÚ z operačného programu Výskum a vývoj v rámci projektu ITMS:
26220120069 „Centrum excelentnosti pre podporu rozhodovania v lese a krajine“.
Tomáš Bucha
Národné lesnícke centrum - Lesnícky výskumný ústav Zvolen,
T. G. Masaryka 2175/22, SK – 960 92 Zvolen,
e-mail: [email protected]
Stretnutie slovenských a českých pestovateľov lesa vo Vysokých Tatrách
V atraktívnom prostredí Vysokých Tatier sa dňoch 9. až 10.
septembra 2014 v hoteli Panoráma na Štrbskom Plese konalo
už jubilejné 15. stretnutie slovenských a českých odborníkov
v problematike pestovania lesa. Toto podujatie sa uskutočňuje
od roku 1999, pričom každoročne je jeho organizátorom
jedno z piatich pracovísk z Českej republiky alebo Slovenska. Sú to nasledujúce pedagogicko-vedecké, resp. vedeckovýskumné pracoviská: Fakulta lesnická a dřevařská ČZU
v Prahe, Lesnická a dřevařská fakulta Mendelovej univerzity v Brne, Výzkumný ústav lesního hospodářství a myslivosti, v.v.i., Výzkumná stanice Opočno, Lesnícka fakulta TU
vo Zvolene a Národné lesnícke centrum - Lesnícky výskumný
ústav Zvolen. Tohoročné stretnutie zorganizovali pracovníci
Odboru pestovania a produkcie lesa NLC Zvolen.
Cieľom týchto stretnutí, ktoré majú vždy charakter medzinárodnej vedeckej konferencie už tradične býva výmena
poznatkov, resp. oboznámenie sa s výsledkami dosiahnutými
pri riešení vedeckých projektov na uvedených pedagogickovedeckých, resp. vedeckovýskumných pracoviskách za
ostatný rok. Na podujatí sa zúčastnilo vyše 50 pracovníkov
(s početným zastúpením mladých pracovníkov – doktorandov), ktorí predniesli svoje referáty v piatich blokoch podľa
jednotlivých pracovísk v Českej republike a na Slovensku.
Podujatie otvoril Ing. Jaroslav Jankovič, CSc., vedúci
odboru pestovania a produkcie lesa NLC-LVÚ vo Zvolene
(obr. 1), ktorý okrem privítania všetkých účastníkov vyzdvihol zachovanie tradície vzájomného stretávania sa uvedených pracovísk pôsobiacich v odbore pestovania lesa.
Obr. 1. Stretnutie slovenských a českých odborníkov v pestovaní
lesa otvoril Ing. Jaroslav Jankovič, CSc., vedúci odboru pestovania
a produkcie lesa (Foto: Ing. Anna Túčeková, PhD.)
Po tomto úvode nasledoval blok referátov podľa jednotlivých pracovísk. V rámci neho vždy vedúci organizačných
jednotiek uvedených inštitúcií (prof. Ing. Ivo Kupka, CSc.
v zastúpení prof. Ing. Viléma Podrázského, CSc.; doc. Ing.
Radek Pokorný, PhD.; prof. Ing. Milan Saniga, DrSc.; doc.
Ing. Antonín Jurásek, CSc. a Ing. Jaroslav Jankovič, CSc.)
predniesli najskôr personálne obsadenie svojich materských
pracovísk, resp. riešiteľských tímov a oboznámili prítomných
s vedeckými projektmi, ktoré sa na konkrétnom pracovisku
riešia (obr. 2).
Obr. 2. Katedru pestovania lesov FLD ČZU v Prahe predstavil
v zastúpení vedúceho katedry prof. Ing. Ivo Kupka, CSc. (Foto:
Ing. Anna Túčeková, PhD.)
Z podujatia bol vydaný aj zborník, resp. publikácia
s recenzovanými príspevkami: Štefančík, I. (ed.): Proceedings of Central European Silviculture. Zvolen, NLC, 2014,
219 s. ISBN 978-80-8093-187-2, ktorý obsahuje celkovo 28
príspevkov, ktoré sú rozdelené do 4 blokov, podľa ich zamerania (Obnova, Štruktúra lesa, Produkcia, Lesy a prostredie).
Druhý deň stretnutia bol venovaný exkurzii, ktorú
odborne zabezpečila Výskumná stanica Štátnych lesov
TANAP-u (doc. Ing. Peter Fleischer, PhD.) v spolupráci
so Štátnymi lesmi TANAP-u (Ing. Ján Marhefka). Cieľom
exkurzie bolo oboznámiť účastníkov konferencie s vývojom
pomerov a stavom obnovy v porastoch postihnutých ničivou
víchricou v roku 2004 na trvalých výskumných plochách
v okolí Vyšných Hágov a Novej Polianky v TANAP-e a tiež
s dôsledkami víchrice z mája 2014 na zvyšky dospelých
i obnovujúcich sa mladých lesných porastov.
252
4.2.2015 13:34:25
Na prvej exkurznej zastávke mali účastníci možnosť
vidieť revitalizáciu lesných porastov po 10 rokoch, ktoré
uplynuli od veternej smršti „Alžbeta“, ktorá 19. 11. 2004
postihla územie na výmere vyše 12 tis. hektárov. Okrem toho
bola prezentovaná tiež ukážka výskumných aktivít a prístrojového vybavenia, ktoré boli zamerané na monitorovanie
zmien prostredia po spomínanej veternej kalamite (obr. 3).
V rámci výskumu sa tu sledujú mikroklimatické parametre
(teplota a vlhkosť vzduchu a pôdy, slnečná radiácia, bilancia žiarenia, fotosynteticky aktívne žiarenie, tok tepla do
pôdy, úhrn zrážok, rýchlosť a smer vetra). Na výskumných
plochách sa tiež sledujú toky látok (atmosférická depozícia,
chemické zloženie pôdnych vôd, obsah látok v povrchových
vodách, pôdna respirácia a hrubá primárna produkcia).
Ďalej sa sledujú aj sukcesné zmeny vegetácie (druhové
zloženie, biomasa, listová plocha, biometrické parametre
drevín), pôdne vlastnosti (pH, C/N, mikroorganizmy a biologická aktivita), fauna (hmyz, drobné cicavce a škody zverou
na lesných drevinách). Druhým exkurzným objektom bola
monitorovacia výskumná plocha, ktorá slúžila za účelom sledovania stavu a procesov v nepoškodených lesných ekosystémoch. Na tejto ploche sa okrem mikroklimatických a geobiochemických parametrov sleduje aj transpirácia stromov,
okamžité hrúbkové zmeny a potenciál pôdnej vody. Táto
plocha bola postihnutá tohoročnou víchricou „Žofia“ z 15.
5. 2014, ktorá ju rozvrátila, pričom monitorovacie zariadenia
ostali nepoškodené. Tým sa vytvorili jedinečné podmienky
na sledovanie zmien ekologických procesov po rozvrate
porastov na rovnakých plochách. Podrobnejšie informácie
o objektoch terénnej exkurzie boli k spracované v „Exkurznom sprievodcovi“.
Obr. 3. Odborný výklad doc. Ing. Petra Fleischera, PhD. z Výskumnej stanice Štátnych lesov TANAPu na exkurznej zastávke
(Foto: Ing. Anna Túčeková, PhD.)
Záverom možno konštatovať, že jubilejné 15. československé stretnutie pracovníkov v problematike pestovania
lesa bolo zorganizované na vysokej odbornej i spoločenskej
úrovni, na čom sa zhodli všetci zúčastnení, ktorí zároveň
ocenili konanie takýchto stretnutí ako veľmi efektívneho
i po spoločenskej stránke žiaduceho spôsobu získavania
a výmeny najnovších vedeckých poznatkov na medzinárodnej úrovni.
Igor Štefančík
253
4.2.2015 13:34:29
Lesn. Cas. For. J. 60 (2014) 255–259
Kronika – Chronicle
Príhovor k jubileu doc. Ing. Jána Račka, CSc.
Takmer presne pred 25 rokmi v novembri 1989 ma doc. Ing. Ján Račko, CSc.
privítal vo svojej kancelárii, podal mi
knihu s názvom Fotogrametria a prívetivo mi poradil: „Preštudujte si toto,
pán inžinier“. Keďže pracovný stôl som
dostal oproti nemu, zoči-voči autorite
som študoval knihu plnú vzorcov a cez
ne pomaly objavoval nové, dovtedy
nepoznané súvislosti so svetom vtedy sa formujúceho vedného odboru diaľkového prieskumu Zeme (DPZ). Dnes je
mi veľkou cťou a potešením vysloviť pár viet pri príležitosti
významného životného jubilea človeka, ktorého považujem
za svojho učiteľa.
Doc. Ing. Ján Račko, CSc. sa narodil 16. novembra 1934
v Očovej. Po maturite na gymnáziu vo Zvolene študoval
v rokoch 1954 – 1959 na Lesníckej fakulte Vysokej školy lesníckej a drevárskej (LF VŠLD) vo Zvolene. Po ukončení vysokoškolských štúdii a absolvovaní základnej vojenskej služby
nastúpil do Lesoprojekt-u – Ústav pre hospodársku úpravu
lesov vo Zvolene, kde pracoval spočiatku vo funkcii inžinier
– technik fotogrametrie a neskoršie ako samostatný inžinier
fotogrametrie. Vykonával fotogrametrické terénne práce
na území lesných závodov Lučenec, Giraltovce, Rajecké Teplice a v Školskom lesnom podniku VŠLD vo Zvolene. V rámci
lesníckej administratívnej agendy sa podieľal na výpočtových
prácach a vyhodnotení leteckých snímok pri tvorbe základnej
lesníckej mapy uvedených závodov.
V roku 1964 bol na základe konkurzu prijatý za odborného asistenta na Katedru hospodárskej úpravy lesov VŠLD
vo Zvolene. Na tejto katedre mu v roku 1971 bola udelená
hodnosť kandidáta poľnohospodársko-lesníckych vied
(CSc.). Ako pedagóg viedol cvičenia z predmetov štatistické
metódy v lesníctve a dendrometria.
Vo vedeckovýskumnej práci na LF VŠLD sa zaoberal riešením problematiky diaľkového prieskumu územia
a fotogrametriou v lesníctve. Počas pôsobenia na LF VŠLD
vo Zvolene publikoval 16 pôvodných vedeckých prác,
8 výskumných správ a štúdií a 9 ďalších odborných prác.
Viedol dvoch ašpirantov vo vedeckej výchove, usmerňoval
30 diplomových prác a 15 prác ŠVOČ. Počas svojho pôsobenia vypracoval aj viaceré študijné materiály, najmä Návody
na cvičenia zo štatistických metód v lesníctve (vyšli v dvoch
vydaniach 1977, 1981) a Návody na cvičenia z dendrometrie
(1979). V roku 1982 presadil zaradenie nového predmetu
DPZ v lesníctve do učebných osnov LF VŠLD ako výberový
predmet. Tento predmet zabezpečoval prednáškami a cvičeniami aj po zmene pracoviska – Výskumný ústav lesného
hospodárstva Zvolen (VÚLH Zvolen) ako externý pracovník LF. Absolvoval viaceré zahraničné stáže v NDR, ZSSR,
2-krát v NSR. Znalosť cudzích jazykov (nemeckého, ruského
a anglického) mu umožnila študovať a prednášať najnovšie
poznatky zo zahraničných výskumných pracovísk do slovenského výskumu a praxe.
S odstupom času je obdivuhodné, že sa mu podarilo
uskutočniť viaceré experimenty pri získavaní snímok veľkých mierok použitím vtedy dostupných nosičov snímacej
techniky, akými boli meteorologický balón, rádiom riadený
model lietadla a neskôr aj vrtuľník so zabudovanou fotokomorou na stereoskopické snímkovanie. Priekopníckym bol
aj experiment s identifikáciou a monitorovaním populácie
lesnej zveri termálnym snímaním (termovíziou).
Do VÚLH Zvolen nastúpil 1. októbra 1985 ako vedecký
pracovník. Venoval sa najmä problematike monitoringu lesných ekosystémov, detekcie a stanovenia diagnózy poškodzovania lesného prostredia metódami DPZ. Koordinoval
6 vedecko-technických projektov, z ktorých publikoval
6 výskumných správ. Participoval na riešení ďalších 14 úloh
výskumu a vývoja. Publikoval 15 odborných článkov z toho
5 ako pôvodné vedecké práce. Vyšli mu 3 knižné publikácie
a na jednej sa podieľal ako spoluautor.
Spomedzi najvýznamnejších prác treba spomenúť monografie publikované v Lesníckych štúdiách č. 43/1987 Zisťovanie drevných zásob, prírastku a kvality porastov metódou
blízkej stereofotogrametrie, v čísle 52/1994 Monitoring zdravotného stavu lesov na Slovensku a čísle 54/1996 Fotoletecký
monitoring zdravotného stavu lesov.
V tom čase aktívne pracoval v celoštátnej koordinačnej
skupine pre DPZ. Vo VÚLH Zvolen zároveň s výskumnou
a publikačnou činnosťou systematicky formoval pracovisko
DPZ po personálnej aj technickej stránke. J. Račko dokázal
vybaviť pracovisko špičkovou prístrojovou technikou, čo
bolo kľúčovým predpokladom pre rozvoj DPZ v lesníctve
a uplatnenie tejto progresívnej technológie aj v lesníckej
praxi na Slovensku.
Práve zásluhou predvídavosti, erudovanosti a medzinárodných kontaktov doc. J. Račka sa nášmu lesníckemu
výskumu od počiatku (r. 1986) podarilo sa zachytiť rozvíjajúce sa celoeurópske programy v oblasti monitoringu
zdravotného stavu lesov (program UN ECE ICP Forests).
Rozhodne nešlo o mechanické prebranie európskych myšlienok a tendencií. Doc. J. Račko vložil do monitorovacieho
systému na tú dobu v európskom meradle nový a objavný
rozmer – aplikáciu diaľkového prieskumu Zeme. Trúfam si
tvrdiť, že keby nebolo tejto aplikácie, tak by sa unikátne spojenie ekologického a environmentálneho prístupu k lesom
s rozvíjajúcimi sa informačnými technológiami a DPZ u nás
nerozvinulo alebo by prišlo okľukou a so značným oneskorením. Práve rozsiahla báza jeho znalostí a predvídavosti
umožnila urobiť náš národný monitoring v celoeurópskom
meradle v aktuálnom čase niečím výnimočným.
Vyvrcholením jeho tvorivej vedeckovýskumnej činnosti
bolo obhájenie habilitačnej práce na tému Zisťovanie stavu
lesa z pozemných a leteckých snímok na LF VŠLD Zvolen
a menovanie docentom pre odbor Hospodárska úprava lesov
s účinnosťou od 1. marca 1991.
Ani po odchode do dôchodku v roku 1996 sa doc. J. Račko
neprestal aktívne zaujímať o napredovanie nášho domáceho
výskumu nielen v oblasti DPZ, ale aj o dianie v oblasti lesníc-
4.2.2015 13:34:30
tva. Dnes už s dostatočne objektívnym nadhľadom aj odstupom môžem povedať, že esencia nášho súčasného výskumu
v tejto oblasti stojí práve na dvoch pilieroch (monitoringu
a DPZ), ktoré doc. J. Račko položil koncom 80. rokov na
našom ústave. Veď program monitoringu lesov, ktorého bol
doc. J. Račko na Slovensku zakladateľom (vypracoval rámcový návrh, metodiku výskumu aj realizácie monitoringu
a zabezpečoval samotnú realizáciu výskumu a monitoringu)
kontinuálne trvá dodnes. Na Slovensku v tomto výskume
pokračuje Národné lesnícke centrum Zvolen v programoch,
ako je napr. Čiastkový monitorovací systém lesy, ktorý sa stal
súčasťou Informačného systému monitoringu životného prostredia a Paneurópskeho monitoringu ICP Forest.
Pri detailnejšom približovaní osobnosti jubilanta nemôžem nespomenúť jeho významnú občiansku angažovanosť.
Ťažisko jeho činnosti bolo v kultúrno-výchovnej práci
s mladými ľuďmi. Takmer 25 rokov venoval veľa svojho voľného času slovenskému folklóru. V rokoch 1950 – 1955 účinkoval vo folklórnom súbore Očovan, na VŠLD vo Zvolene
založil folklórny súbor Poľana, v ktorom pôsobil 20 rokov
ako choreograf a ako umelecký vedúci.
Využívam túto príležitosť, aby som v mene svojom, ako
aj v mene kolegov, ktorí pracovali a pracujú na pracoviskách
Národného lesníckeho centra, poďakoval doc. J. Račkovi
za dlhoročnú pedagogickú, vedeckú, výskumnú a realizačnú činnosť v oblasti fotogrametrie, zisťovania stavu lesa
z pozemných a leteckých snímok a uplatnenia diaľkového
prieskumu Zeme v lesníctve a monitoringu lesov v národnom
aj európskom meradle.
Chcel by som nášmu milému jubilantovi zaželať veľa
zdravia, sily a elánu do ďalších rokov. A nech mu priebežný
monitoring života stále prináša pocit satisfakcie z pokroku
v oblasti výskumu, ktorý zakladal, ale aj dobré správy z ostatných sfér svojho pôsobenia medzi ľuďmi blízkymi rodom,
záujmami či profesiou. Ad multos annos!
Tomáš Bucha
95 rokov od narodenia prof. Dr. techn. Ing. Ing. Ing. Jána Halaja, DrSc.
Profesor Ján Halaj sa narodil 7. 9. 1919
v rumunskej obci Petrila v rodine baníka.
Onedlho sa aj so svojimi rodičmi vrátil
do svojej domovskej obce Voznica pri
Žarnovici. Absolvoval štátne gymnázium v Banskej Bystrici, kde maturoval
v roku 1940. Pokračoval na Slovenskej
vysokej škole technickej v Bratislave.
Tu absolvoval najprv lesné inžinierstvo
(1944) potom zememeračstvo (1946),
a napokon staviteľstvo (1948). V roku 1948 obhájil na Lesníckej fakulte Vysokej školy zemědělskej v Brne dizertačnú prácu
Príspevok k odhadu drevnej hmoty z leteckej snímky a získal doktorát technických vied.
Prvé zamestnanie získal ako asistent v Ústave vyššej
geodézie Slovenskej vysokej školy technickej v Bratislave
a neskoršie v Ústave užitej geodézie Vysokej školy poľnohospodárskeho a lesného inžinierstva v Košiciach. V geodetickej profesii pokračoval v rokoch 1950 – 1964 ako vedúci
odboru fotogrametrie v Ústave hospodárskej úprave lesov
vo Zvolene. Od roku 1964 až do odchodu na dôchodok v roku
1993 pracoval vo Výskumnom ústave lesného hospodárstva
vo Zvolene. Bol tu vedúci oddelenia, neskoršie odboru hospodárskej úpravy lesov. Riešil a koordinoval najzávažnejšie
(štátne) výskumné úlohy hospodárskej úpravy lesov v rámci
bývalej Československej republiky.
V roku 1951 sa na Vysokej škole poľnohospodárskeho
a lesného inžinierstva v Košiciach habilitoval na docenta
v odbore hospodárskej úpravy lesov a dendrometrie. V roku
1964 získal doktorát poľnohospodársko-lesníckych vied
na Lesníckej fakulte Vysokej školy zemědělskej v Brne.
V roku 1966 ho na Vysokej škole lesníckej a drevárskej vo
Zvolene menovali profesorom hospodárskej úpravy lesov
a dendrometrie.
Profesor Ján Halaj zomrel 6. februára 1997 vo veku
77 rokov vo Zvolene, kde je aj pochovaný na mestskom cintoríne.
Ako z uvedeného stručného životopisu vyplynulo profesor Ján Halaj pôsobil na viacerých pracoviskách. Zo širokej
jeho vedeckovýskumnej činnosti treba uviesť jeho zásluhy
o rozvoj lesníckej fotogrametrie. Ďalej významne ovplyvnil
metódy zisťovania zásob a prírastku lesných porastov. Vyhotovil originálny systém jednotných výškových a objemových
kriviek a taríf pre rovnoveké i nerovnoveké porasty a vypracoval viaceré varianty stanovenia objemového prírastku na
princípe tarifových diferencií. Preskúmal možnosti uplatnenia matematicko-štatistickej inventarizácie lesa, najmä
kruhových skusných plôch v slovenských porastových pomeroch. Veľkú pozornosť venoval štúdiu hrúbkovej a výškovej
štruktúry lesných porastov a odvodil tabuľkové i grafické
modely tejto štruktúry.
So zreteľom na to, že počas jeho tridsaťročného pôsobenia vo Výskumnom ústave lesného hospodárstva vo Zvolene
sa najviac zaslúžil o rozvoj lesníckej vedy a výskumu uvedieme výber z výskumných správ, ktorých bol autorom, alebo
ich spracoval spolu s ďalšími riešiteľmi tohto ústavu.
–– Metodika vypracovania rastových tabuliek pre hlavné
dreviny ČSSR. 1968, 109 s.
–– Výskum základných zákonitostí rastu a produkcie porastov. 1972, 271 s.
–– Produkcia a stanovište duba zimného v oblasti „kokošovského duba“, osobitne v chránenom území“ Kokošovská
dubina“. 1973, 125 s.
–– Štúdium rastu a prírastku lesných stromov a porastov.
1975, 214 s.
–– Výskum a konštrukcia rastových tabuliek hlavných drevín ČSSR. 1980, 242 s.
256
4.2.2015 13:34:31
–– Rozbor rastových procesov rovnovekých nezmiešaných
porastov. 1980, 48 s.
–– Rozbor zásobovej úrovne rovnovekých nezmiešaných
porastov. 1981, 55 s.
–– Úprava rastových tabuliek pre drevinu douglaska , breza,
topoľ, agát. 1981, 111 s.
–– Odvodenie percent predrubných ťažieb pre smrek a jedľu.
1982, 104 s.
–– Zásobové úrovne drevín sm, jd, db, bk pre orografické
oblasti SSR. 1982, 54 s.
–– Meranie a hodnotenie drevnej produkcie porastov a stromov. 1980, 48 s.
–– Výskum rastového procesu drevín pre konštrukciu rastových tabuliek drevín smrek, borovica a buk. 1984, 67 s.
–– Prieskum sortimentačnej štruktúry rubných porastov
buka v ZaŠL, SeŠL a StŠL. 1986, 33 s.
–– Rubná zrelosť hlavných drevín so zreteľom na produkciu,
mimoprodukčné funkcie lesa a hospodárnosť. 1986, 127 s.
Ide o širokú problematiku týkajúcu sa hospodárskej úpravy lesov, rastu a produkcie lesa a dendrometrie.
Osobitne treba vyzdvihnúť podiel profesora Jána Halaja
na konštrukcii domácich rastových tabuliek. Bol vedúcim
riešiteľom tohto veľmi dôležitého a dlhodobého výskumného
projektu na celoštátnej úrovni bývalej ČSSR, ktorý sa riešil v rokoch 1965 až 1990. Profesor Š. Šmelko v nekrológu
„Za profesorom Dr. Ing. Jánom Halajom, DrSc.“ (Lesnícky
časopis č. 1/1997), napísal, že menovaný v rámci tohto projektu zorganizoval úzku a efektívnu spoluprácu hospodársko-úpravníckej a prevádzkovej praxe, lesníckych vedeckovýskumných a vysokoškolských pracovísk. Išlo o spoluprácu
pri tvorbe metodiky, založení a periodicky opakovanom
meraní na vyše 4 000 výskumných plochách v bývalom Československu, ako aj pri overovaní tabuliek pred ich zavedením do praxe. Sám vyriešil celý rad zložitých problémov rastu
a produkcie lesných porastov, ako boli systémy bonitovania, merania hustoty a zakmenenia porastov, definovanie
sily prebierok, produktívnosť nezmiešaných a zmiešaných
porastov a i. S jeho menom sa spája nový typ rastových tabuliek diferencovaných podľa zásobovej úrovne porastov. Získané výsledky priebežne publikoval individuálne i so svojimi
spolupracovníkmi. Zhrnuté sú v 12 knižných publikáciách
a vo viac ako 60 vedeckých a odborných prácach. V roku
1992 sa rastové tabuľky zaviedli do praxe hospodárskej
úpravy lesov na Slovensku. V súčasnosti si už ani nevieme
predstaviť ako by bez nich existovala hospodárska úprava
lesov na Slovensku. Pritom využiteľnosť rastových tabuliek je
veľmi široká. Teda nielen v hospodárskej úprave lesov, ale aj
v ďalších oblastiach lesníctva, a to tak vo vedeckovýskumnej
činnosti ako aj v bežnej praxi.
Pri hodnotení vedeckých prínosov profesora Jána
Halaja treba zvlášť vysoko oceniť jeho osobné vlastnosti.
Ako vedecký pracovník sa vždy orientoval na problematiku,
ktorá bola aktuálna a v popredí záujmu z hľadiska domácich potrieb i celosvetového vývoja. Úlohy riešil komplexne
– do úvahy bral všetky hospodársky dôležité skutočnosti.
Popri vysokej vedeckej a metodologickej úrovni venoval veľkú
pozornosť praktickej upotrebiteľnosti výsledkov výskumu
v praxi. Podporoval prácu v kolektíve.
Profesor Halaj taktiež pôsobil ako vysokoškolský učiteľ
na Lesníckej fakulte bývalej Vysokej školy lesníckej a dre-
várskej vo Zvolene. Prednášal najprv štatistické metódy
v lesníctve, dendrometriu a hospodársku úpravu lesov.
Neskôr vybraté tematické okruhy súvisiace s jeho vedeckým zameraním, viedol diplomantov, predsedal komisiám
pre štátne záverečné skúšky a spolupracoval na riešení
výskumných úloh. Vyškolil 8 vedeckých ašpirantov a aj inými
formami výrazne ovplyvnil tvorivý rast mladšej generácie
svojich následníkov.
Profesor Ján Halaj od roku 1959 aktívne pracoval v bývalej Československej akadémii zemědělských vied. Okrem
iného bol podpredsedom Komisie pre udeľovanie Zlatých
plakiet Československej akadémie zemědělskej. Účinne sa
podieľal na metodickom riadení lesníckeho výskumu. Po
vytvorení Slovenskej akadémie pôdohospodárskych vied
v roku 1993 ho zvolili za jej čestného člena. Taktiež patril
medzi zakladajúcich členov Slovenskej spoločnosti pre poľnohospodárske, lesnícke, potravinárske a veterinárne vedy
pri Slovenskej akadémie vied, bol podpredsedom jej Lesníckej sekcie. Počas pôsobenia na Lesoprojekte bol predsedom vedecko-technickej rady. Bol tiež členom komisií pre
obhajoby kandidátskych a doktorských dizertácií na Slovensku i v Českej republike, členom vedeckých rád a odborných
komisií v rôznych inštitúciách. Ako uznávaná vedecká autorita často lektorsky posudzoval vydanie knižných publikácií,
vysokoškolských učebníc a vedeckých článkov a bol oponentom výskumných správ, dizertačných a habilitačných prác
a kvalifikačných postupov.
Od roku 1968 do 1988 bol predsedom redakčnej rady
a vedeckým redaktorom Lesníckeho časopisu. Má veľkú
zásluhu na tom, že tento časopis mal náležitú vedeckú úroveň
a že aj v súčasnosti (v roku 2014) vychádza už jeho šesťdesiaty
ročník. Ďalej bol členom redakčnej rady vedeckého časopisu
Lesnictví a člen vydavateľstva Veda Slovenskej akadémie
vied. K tejto činnosti pristupoval veľmi zodpovedne a svojou odbornosťou i náročnosťou pozitívne pôsobil na úroveň
publikačnej a vedeckej činnosti v slovenskom lesníctve.
Profesor Ján Halaj obdržal za svoju vynikajúcu prácu
rad vyznamenaní. Okrem iných spomenieme, že prezident
republiky mu za vynikajúce tvorivé výsledky v oblasti hospodárskej úpravy lesov udelil vysoké štátne vyznamenanie
Laureát štátnej ceny Klementa Gottwalda.
Profesor Ján Halaj bol v povojnovom období významnou vedeckou osobnosťou v lesníctve nielen v bývalom
Československu, ale aj v európskom a svetovom merítku.
Bol známou osobnosťou tak medzi lesníkmi ako aj v celej
vedeckej komunite. Tí, ktorí sme ho osobne poznali vysoko
hodnotíme aj jeho osobné či charakterové vlastnosti. Bol
mimoriadne skromným a priateľským človekom ku svojim
spolupracovníkom. Vynikal veľmi vysokou pracovitosťou,
čestnosťou a zmyslom pre spravodlivosť. Ochotný bol vždy
pomôcť každému ak to potreboval. Profesor Ján Halaj veľmi
významne obohatil všetky oblasti, na ktorých pracoval.
Dielo, ktoré vytvoril zostane navždy živé v jeho publikáciách i v práci jeho žiakov a spolupracovníkov, ktorí naňho
nadväzujú.
Jozef Konôpka
257
4.2.2015 13:34:31
K nedožitým 85. narodeninám prof. Ing. Ladislava Štefančíka, DrSc.
Narodil sa 4. 4. 1929 vo Vinnom, okres
Michalovce. Ľudovú školu navštevoval
v Strážskom, stredoškolské štúdium
absolvoval na gymnáziu v Michalovciach. V roku 1955 ukončil štúdium
na Lesníckej fakulte VŠLD vo Zvolene.
V roku 1965 obhájil kandidátsku
dizertačnú prácu na tému Statické
a dynamické zmeny v bukovej žrďovine
vplyvom prirodzeného vývoja a úrovňovej i podúrovňovej prebierky. V roku 1971 mu Komisia SAV
priznala vedecký kvalifikačný stupeň samostatný vedecký
pracovník a v roku 1984 vedúci vedecký pracovník. V tom
istom roku obhájil doktorskú dizertačnú prácu na tému Prebierky v bučinách s osobitným zameraním na pestovanie stromov výberovej kvality a získal vedeckú hodnosť doktora poľnohospodársko-lesníckych vied (DrSc.). V roku 1991 obhájil
habilitačnú prácu na tému Výskum pestovno-produkčných
otázok prebierok v bučinách a získal pedagogickú hodnosť
„docent“ pre odbor „Pestovanie lesa“. Po inauguračnej prednáške na tému Diferencované pestovanie lesov v normálnych
a meniacich sa ekologických podmienkach bol v roku 1993
prezidentom SR menovaný profesorom pestovania lesa.
Od roku 1955 nepretržite až do roku 1994 pracoval
vo Výskumnom ústave lesného hospodárstva (terajší Lesnícky výskumný ústav) vo Zvolene, vo vednom odbore
pestovanie lesov. V rokoch 1976 – 1990 vykonával funkciu
vedúceho oddelenia, resp. odboru pestovania lesov, kde bol
známy zodpovedným a ľudským prístupom k svojim podriadeným.
Rozsiahla a významná bola jeho činnosť najmä v oblasti
výskumu a vedeckej práce. Pre účely výskumu založil rozsiahlu sieť 112 trvalých výskumných plôch na Slovensku.
Od roku 1971 bol koordinátorom hlavných úloh rezortného výskumu a štátnych programov, ktoré boli zamerané
na komplexné riešenie otázok z problematiky pestovania lesa
a súvisiacich vedeckých disciplín. Osobitne sa zameriaval na
syntézu poznatkov o zmenených ekologických pomeroch
s ich dopadom pre realizáciu pestovných opatrení v lesníckej
praxi. Za jeho najvýznamnejší prínos pre vedu a prax možno
považovať vyriešenie problematiky voľby (kritérií) stromov
výberovej kvality a vypracovanie koncepcie úrovňovej voľnej prebierky (tzv. Štefančíkovej), vhodnej pre pestovanie
v počiatočných rastových fázach nevychovávaných listnatých a zmiešaných porastov v meniacich sa ekologických
podmienkach. Bol uznávanou vedeckou autoritou doma
i v zahraničí, pričom aktívna bola i jeho medzinárodná spolupráca, v rámci ktorej absolvoval aj ročnú stáž na Ústave pre
náuku a produkciu lesa v Mníchove u prof. E. Assmanna, resp.
zahraničné cesty (Rakúsko, Rumunsko, Bulharsko, Poľsko,
Nemecko, Ukrajina, Rusko), kde prednášal na vedeckých
konferenciách a sympóziách. V rámci vedecko-technickej
spolupráce bol aktívnym členom i v niekoľkých pracovných
skupinách IUFRO.
Dosiahnuté vedecké výsledky, odborné a praktické
poznatky spracoval v 33 záverečných výskumných správach, v 5. štúdiách a publikoval v 211. prácach. Z nich bolo
15 knižných publikácií, resp. učebníc, 81 pôvodných vedeckých prác, 77 odborných prác, vrátane referátov na domácich
a zahraničných konferenciách a 38 iných príspevkov. Okrem
toho svoje poznatky v širokej miere aplikoval i v lesníckej
praxi v rámci inštruktáží, pri prednáškach na konferenciách
a rôznych podujatiach doma i v zahraničí a tiež vo výučbe
na stredných lesníckych školách a Lesníckej fakulte TU
vo Zvolene.
Popri svojej vedeckej zanietenosti veľa pozornosti venoval i výchove svojich nasledovníkov. Bol školiteľom viacerých
vedeckých ašpirantov v odbore Pestovanie lesa. Pracoval
v komisiách SAV, ČSAV, ČAZV, LF MZLU Brno, LF TU
Zvolen, SAPV a LVÚ vo Zvolene. V rokoch 1976 – 1991 bol
členom a v ďalších rokoch až do roku 1995 bol predsedom
Vedeckej rady pri LVÚ vo Zvolene. V rokoch 1981 – 1990
bol členom komisie pre obhajoby kandidátskych dizertačných prác na VÚLHM Jíloviště-Strnady, podobne v rokoch
1984 – 1995 na LF TU vo Zvolene a v rokoch 1985 – 1989
i na ČSAV – vedecké kolégium zemědělské v Prahe. V rokoch
1984 – 2000 bol členom komisie pre obhajoby doktorských
dizertačných prác pri Slovenskej komisii pre vedecké hodnosti. Od roku 1985 až do svojej smrti v roku 2002 bol členom
redakčnej rady Lesníckeho časopisu - Forestry Journal.
Jeho pracovné výsledky boli ocenené viacerými vyznamenaniami. V roku 1981 to bola Cena A. Zápotockého
(člen kolektívu), v r. 1983 cena ČSAZV (vedúci kolektívu
a v rokoch 1986, 1987 ako člen kolektívu. Okrem toho obdržal rad ďalších rezortných vyznamenaní, pamätných medailí
a čestných uznaní (LVÚ Zvolen, VÚLHM Jíloviště-Strnady,
ČSAZ Praha, Východoslovenské štátne lesy Košice).
K jeho významnému životnému jubileu – 65 rokov – mu
bolo za celoživotné tvorivé dielo v oblasti výskumu a zveľaďovania lesníctva v roku 1994 udelené najvyššie lesnícke vyznamenanie na Slovensku – Medaila Jozefa Dekreta Matejovie.
Prof. Ing. Ladislav Štefančík, DrSc. patril k najvýznamnejším osobnostiam v odbore pestovania lesa uznávaných
vo vedeckých kruhoch doma i v zahraničí. Výsledkami svojej
práce sa nezmazateľne zapísal do histórie slovenskej lesníckej
vedy i praxe.
Jaroslav Jankovič
258
4.2.2015 13:34:32
Nekrológ k úmrtiu prof. Libora Janského
Dňa 31. októbra 2014 vo veku 57
rokov náhle zomrel prof. Ing. Libor
Janský, CSc. Slovensko takto prišlo
o významného pedológa, hydrológa,
ale aj lesnícka. Svet stratil človeka,
ktorý prerástol malosť svojej krajiny
a ako pracovník Univerzity Organizácie spojených národov pomáhal rozvojovým krajinám v otázkach prírodného prostredia, pôdohospodárstva
a hydrológie.
Prof. Libor Janský, rodený Bratislavčan, ukončil vysokoškolské štúdium na VŠLD Zvolen - Lesníckej fakulte
v 1981. Tu v roku 1989 obhájil vedecký titul CSc. a v roku
1997 habilitoval. V roku 2004 obhájil profesúru na Mendělovej zemědědelskej a lesnickej univerzite v Brne. Dlhé roky
učil na Prírodovedeckej fakulte Univerzity Komenského
v Bratislave. V pedagogickej činnosti sa zameriaval hlavne
na predmety Pedofyzika; Ekologické aspekty zúrodňovania
pôdy; Lesy sveta; Erózna degradácia pôdy a Špeciálna pedofyzika. Vypravoval viaceré skriptá týkajúce sa prevažne fyzikálnych vlastností pôdy a fyzikálnych procesov v pôdnom
prostredí. Jeho osobnostné a odborné kvality zdokonaľoval
v rámci niekoľkých výskumných pobytov hlavne vo Veľkej
Británii (1989 a 1995) a Japonsku (1991 a 1994).
Japonsko sa mu stalo druhou rodnou krajinou, kde na rôznych významných postoch uplatnil svoje odborné a organizačné schopnosti. Tu sa po rozdelení Československa podieľal na zriadení Slovenského veľvyslanectva v Tokiu, neskôr
v rokoch 1999 – 2007 zastával post vysokopostaveného
manažéra na Univerzite Organizácie spojených národov. Na
starosti mal úlohy spojené s podpornými programami pre
rozvojové krajiny. Išlo o otázky trvalo udržateľného rozvoja
v pôdohospodárstve a vodnom hospodárstve s uplatnením
ekologických aspektov. V tomto období navštívil mnohé rozvojové krajiny s poslaním konzultovať naliehavé problémy
v danej oblasti, organizovať implementáciu programov, resp.
zabezpečiť odborné konferencie a porady. V roku 2007 sa
presunul na pobočku Univerzity Organizácie spojených
národov v Bonne, kde pracoval až do roku 2010. Z rodinných
príčin, a to najmä z dôvodu starostlivosti o chorú matku, sa
vrátil na Slovensko. Tu pokračoval vo svojej pedagogickej
činnosti až do svojej tragickej smrti.
Prof. Libor Janský bol autorom mnohých vedeckých
prác a monografií, resp. editorom vedeckých zborníkov.
Významná je napríklad monografia The Danube – Environmental Monitoring of an International River z roku 2004.
Publikácia sa týka rieky Dunaj z rôznych, ale najmä medzinárodných a geopolitických aspektov. V tej dobe (po výstavbe
vodného diela Gabčíkovo) išlo o veľmi citlivú otázku, pritom
prof. Janský s nadhľadom a maximálnou objektivitou pomenoval hlavné problémy v tejto oblasti. Ako editor zostavil
rozsiahly súbor prác Forests in Transition diely I a II (2003,
2004). V nich sa zhodnotil stav lesov a lesného hospodárstva
v postkomunistických krajinách. Navrhli sa možné východiská z krízového stavu v jednotlivých krajinách.
Prof. Libor Janský bol členom mnohých slovenských
ale najmä medzinárodných odborných, resp. vedeckých
organizácií a komisií. Išlo prevažne o inštitúty týkajúce sa
trvale udržateľného rozvoja, poľnohospodárstva, lesníctva
a hydrológie. Asi najvýznamnejším bolo členstvo v Svetovej
asociácii pre ochranu pôdy a vody (USA). Taktiež pracoval
v redakčných radách niekoľkých domácich a medzinárodných časopisov. Z tých zahraničných spomeniem, napríklad
Journal of Mountain Science a Journal of Mountain Research
and Development. Tu treba pripomenúť, že prof. Janský bol
niekoľko rokov aj členom redakčnej rady Lesníckeho časopisu - Forestry Journal. V tejto pozícii svojim aktívnym prístupom prispel k postupnému skvalitňovaniu nášho časopisu.
Na Libora si musím spomenúť hlavne ako na svojho dobrého priateľa. Mal som šťastie sa s ním stretávať prevažne
počas môjho pobytu v Japonsku. Otváral mi oči vo vzťahu
k japonskej kultúre, tradíciám, ale aj k princípom (niekedy
pre Európana ťažko pochopiteľným) spoločenského správania v modernom Japonsku. Bol mi príkladom tolerancie,
prajnosti a diplomatického správania. Mal som pocit, že
princípy slušnosti v medziľudských vzťahoch boli jeho vnútorným presvedčením, ale možno čiastočne aj zásad prebraných z japonského prostredia. Spájala nás veľká úcta k tejto
krajine a japonskému národu. A asi aj pomerne ťažké (pre
„našinca“ už zvyknutého na slušnú a zabehnutú spoločnosť)
návraty na Slovensko. Rovnako nás trápil stav slovenskej
vedy a školstva.
Libor odišiel v najnevhodnejšej chvíli, keď to nikto
nečakal. Symbolickým je náš vedecký článok, ktorý bol po
pomerne dlhej tortúre prijatý do medzinárodného časopisu.
Libor sa už vydania spoločného diela nedožil, aj keď v ňom
figuruje ako spoluautor.
S Liborom som sa stretol pár týždňov pred jeho smrťou.
Veľmi sa ponáhľal, tak sme mali možnosť porozprávať sa
iba v krátkosti. Do ruky som mu vtedy odovzdal najnovšie
číslo Lesníckeho časopisu - Forestry Journal. V daždivom
septembrovom dni sme sa rozlúčili s prísľubom, že v zimnom období dáme dokopy ďalší vedecký článok. Osud však
rozhodol inak…
Bohdan Konôpka
259
4.2.2015 13:34:34

Daily activity rhythm and habitat use of the semi-free

Transkript

Podobné dokumenty

pestovanie lesa v strednej európe silviculture in central europe

aktuálne problémy v zakladaní a pestovaní lesa

Abiotické poškození smrkových porostů ve střední Evropě

proceedings of central european silviculture

Časopis Meteorologické zprávy - Český hydrometeorologický ústav

zodop

Foretičtí roztoči lýkožrouta severského Ips duplicatus

01 Blaha

pestovanie lesa v strednej európe silviculture in central

BAKALÁŘSKÁ PRÁCE Tvorba geografického informačního

RUSALKA CHORUS

Ekonomické aspekty hospodaření v lesním vegetačním stupni 1

A. Průvodní zpráva

Uživatelský návod pro GSM zásuvku GSM-SCK1