MENDELOVA UNIVERZITA V BRNĚ LESNICKÁ A DŘEVAŘSKÁ FAKULTA ÚSTAV OCHRANY LESŮ A MYSLIVOSTI
ANALÝZA STRUKTURY A PROGNÓZA VÝVOJE POPULACE PRASETE DIVOKÉHO V ČESKÉ REPUBLICE Diplomová práce
2014/2015
Bc. Matouš Krátký
Čestné prohlášení
Prohlašuji, že jsem tuto práci: Analýza struktury a prognóza vývoje populace prasete divokého v České republice vypracoval samostatně a veškeré použité prameny a informace jsou uvedeny v seznamu použité literatury. Souhlasím, aby moje práce byla zveřejněna v souladu s § 47b zákona č. 111/1998 Sb. o vysokých školách ve znění pozdějších předpisů a v souladu s platnou Směrnicí o zveřejňování vysokoškolských závěrečných prací. Jsem si vědom, že se na mojí práci vztahuje zákon č. 121/2000 Sb., autorský zákon, a že Mendelova univerzita v Brně má právo na uzavření licenční smlouvy a užití této práce jako školního díla podle § 60 odst. 1 Autorského zákona. Dále se zavazuji, že před sepsáním licenční smlouvy o využití díla jinou osobou (subjektem) si vyžádám písemné stanovisko univerzity o tom, že předmětná licenční smlouva není v rozporu s oprávněnými zájmy univerzity a zavazuji se uhradit případný příspěvek na úhradu nákladů spojených se vznikem díla, a to až do jejich skutečné výše.
V Brně dne 1. dubna 2015
…………………... Bc. Matouš Krátký
Poděkování Úvodem bych rád poděkoval vedoucímu diplomové práce Ing. Janu Dvořákovi, Ph.D. za metodické vedení a cenné rady. Dále patří velký dík RNDr. Pavlu Mazalovi, Ph.D. za pomoc při zpracování počítačové analýzy obrazu. V neposlední řadě děkuji také mé rodině a přítelkyni za podporu nejen při psaní této práce, ale i po celou dobu mého studia.
Analýza struktury a prognóza vývoje populace prasete divokého v České republice Analysis of the Wild Boar Population Structure and its Development Prognosis in the Czech Republic Bc. Matouš Krátký
Abstrakt Téma práce je členěno do dvou hlavních částí, přičemž první se zabývá populací prasete divokého na území České republiky s cílem analyzovat strukturu a prognózovat její vývoj. K vypracování bylo potřeba provést řadu výpočtů, jejichž princip je založen na metodice dle Koláře (2014). Druhá část se věnuje problematice určování věku ulovené černé zvěře se zaměřením na metodu dle Mitchella a její praktické využití. Pro účely práce byla metoda aplikována na statisticky reprezentativním vzorku dolních čelistí divokých prasat, přičemž byly provedeny pokusy s použitím nových způsobů vizualizace cementových vrstev. Klíčová slova: management populací, Mitchell, prase divoké, Sus scrofa
Abstract The topic of this thesis is divided into two main parts. The first part deals with the population of the wild boar in the Czech Republic aiming to analyse its structure and predict its development. It was necessary to carry out various calculations according to Kolář (2014) methods to produce this work. The second part of the thesis deals with the issue of age estimation of hunted wild boar with a focus to Mitchell’s methods and its practical use. For purposes of this work these methods were applied to statistically representative sample of wild boar’s lower jaws, while using a new ways of visualisation of the dental cement layers. Keywords: management of the populations, Mitchell, Sus scrofa, wild boar
Obsah 1
ÚVOD ...................................................................................................................6
2
CÍLE PRÁCE ......................................................................................................7
3
LITERÁRNÍ PŘEHLED .....................................................................................8 3.1
Zařazení prasete divokého do zoologického systému a jeho rozšíření ..............8
3.2
Historický vývoj na území České republiky .....................................................9
3.3
Ekologie černé zvěře ..................................................................................... 10
3.3.1
Potravní preference a s tím související škody..........................................10
3.3.2
Populační dynamika ............................................................................... 13
3.4
Management populací černé zvěře v ČR a legislativa k němu se vztahující .... 17
3.4.1
Legislativa vztahující se k managementu populací divokých prasat v ČR .. ............................................................................................................... 17
3.4.2 3.5
4
Management populací černé zvěře v ČR ................................................. 21
Možnosti kontroly věkové skladby lovené zvěře ............................................ 23
3.5.1
Nelaboratorní metody určování (odhadu) věku ulovené zvěře ................. 23
3.5.2
Laboratorní metody určování (odhadu) věku ulovené zvěře .................... 28
METODIKA A VÝSLEDKY ............................................................................ 32 4.1
Metodika výpočtů a výsledky ........................................................................32
4.1.1
Struktura populace ................................................................................. 32
4.1.2
Výpočet metodou nesčítaných bachyní ................................................... 34
4.1.3
Výpočet podle odlovu mladé zvěře ......................................................... 38
4.1.4
Výpočet modelové populační dynamiky ................................................. 41
4.1.5
Výpočet pomocí odstřelu vloženého do modelové populační dynamiky . 43
4.2
Metodika a výsledky určování věku černé zvěře dle Mitchella ....................... 45
4.2.1
Sběr materiálu ........................................................................................ 45
4.2.2
Příprava vzorků ...................................................................................... 45
4.2.3
Počítačová analýza obrazu......................................................................48
4.2.4
Postup vyhodnocování výstupů analýzy obrazu ......................................52
4.2.5
Výsledky hodnocení čitelnosti na výstupech analýzy obrazu .................. 53
5
DISKUSE ........................................................................................................... 55
6
ZÁVĚR............................................................................................................... 59
7
SUMMARY .......................................................................................................60
8
SEZNAM POUŽITÉ LITERATURY ............................................................... 61
9
SEZNAM ZKRATEK ....................................................................................... 66
10
SEZNAM TABULEK ........................................................................................ 66
11
SEZNAM OBRÁZKŮ ....................................................................................... 67
12
PŘÍLOHY ..........................................................................................................69
1
ÚVOD
Soudobým výrazným problémem nejen české myslivosti jsou bezesporu vysoké početní stavy divokých prasat, které na sebe vážou hned několik problémů a rizik. Jmenujme alespoň ty nejdůležitější, jako jsou vysoké škody především na polních kulturách a plodinách a v neposlední řadě rovněž nebezpečí šíření nakažlivých chorob. Ty by sice vysoké stavy snížily, ale představovaly by reálné riziko například pro živočišnou výrobu v zemědělství. Všeobecně se má za to, že čísla sčítaných stavů zvěře, na nichž se pak staví při vypracování plánu mysliveckého hospodaření, jsou z podstaty jejich získávání podhodnocena. Nejmarkantnější rozdíl se však čeká právě u černé zvěře, o níž je známa vysoká schopnost úspěšně se rozmnožovat, což při nepřítomnosti velkých šelem v naší přírodě a zřejmě stále nízkém odstřelu roztáčí spirálu neustálého růstu početnosti divokých prasat. Tato práce se proto v první části věnuje výpočtům, které slouží alespoň k přiblížení obrazu současné populace a její schopnosti dále se vyvíjet. V části druhé pak zkoumá možnosti určování a kontroly věku ulovené černé zvěře v našich honitbách, což je důležitý údaj o struktuře zvěře v dané oblasti nejen pro mysliveckého hospodáře, ale také pro orgány státní správy myslivosti.
7
2
CÍLE PRÁCE
Tato diplomová práce si klade následující cíle: 1. a) analyzovat strukturu populace divokých prasat v České republice b) prognózovat vývoj této populace pomocí výpočtů populační dynamiky 2. Vyhodnotit možnosti využití určování věku ulovených divokých prasat v praxi dle Mitchella
8
3
LITERÁRNÍ PŘEHLED
3.1 Zařazení prasete divokého do zoologického systému a jeho rozšíření Prase divoké (Sus scrofa L.) náleží k savcům z řádu sudokopytníků (Artiodactyla), podřádu nepřežvýkavců (Nonruminantia), a čeledi prasatovití (Suidae), která se dále dělí na sedm rodů. Jimi jsou Pekari, Babirussa, Potamochoerus, Phacochoerus, Porcula, Hylochoerus a Sus (Wolf a Rakušan, 1977). Samotný druh se dále člení na několik poddruhů žijících na území Evropy. Zde se však autoři liší. Wolf s Rakušanem (1977) uvádí pro evropskou oblast tyto:
Prase divoké středoevropské (Sus scrofa scrofa L.)
Prase divoké karpatskobalkánské (Sus scrofa atilla THOMAS)
Prase divoké středomořské (Sus scrofa meridionalis FORSYT-MAJOR)
Prase divoké polské (Sus scrofa falzfeini MATSCHIE)
Prase divoké italské (Sus scrofa majori DE-BEAUX ET TESTA)
Prase divoké jugoslávské (Sus scrofa reizeri BOLKAY)
Prase divoké iberské (Sus scrofa castilianus THOMAS)
Prase divoké žíhané (Sus scrofa vittatus MÜLL. ET SCHLEG.) Oproti tomu například Hespeler (2007) pro Evropu neuvádí prase polské,
jugoslávské a žíhané, ale můžeme u něj najít prase berberské (Sus scrofa barbarus) žijící v zemích sousedících se severní Afrikou, prase balkánské (Sus scrofa mediterranus), jehož domovina je východně od Jadranu a prase maloasijské (Sus scrofa lybicus), které proniká do Evropy z Malé Asie. Týž autor tvrdí, že černá zvěř má velice v oblibě teplé a suché podnebí, z čehož plynou její nejpočetnější stavy v severní Africe a v evropském středomoří. Nicméně tomuto druhu dobře vyhovuje klima západní a střední Evropy, které ovlivňuje Atlantský oceán, a snášejí i kontinentální zimy. Proto se s početnými populacemi setkáváme i v Polsku, Pobaltí a Rusku. Oproti tomu na Britských ostrovech a v Irsku byl druh vyhuben již před časem. Také skandinávské podmínky divokým prasatům příliš nevyhovují, ale i tady se již vyskytují, což kromě Hespelera (2007), společně s jejich takřka celoevropským výskytem, potvrzují i Ježek et al. (2013). Tento druh zvěře se však nenachází pouze v oblastech svého přirozeného výskytu. Introdukcí byly totiž vytvořeny populace i na jiných místech zeměkoule, například v Austrálii (Nový
9
Jižní Wales), na Novém Zélandě, či v Severní a Jižní Americe (Argentina, Chile). Často je možné se divokými prasaty potkat i v USA (Hell, 1986).
3.2 Historický vývoj na území České republiky Početnost prasete divokého jakožto našeho původního druhu se v průběhu dějin českých zemí měnila. V 18. století dokonce z volnosti černá zvěř téměř vymizela. Stalo se tak především z důvodu vyšší hustoty zalidnění, a také zvyšující se intenzity lesního a zemědělského hospodaření a z něj plynoucího nárůstu škod, které černá zvěř způsobovala. Právě poslední zmíněná skutečnost vyvrcholila roku 1766, kdy Marie Terezie vydala patent, který ukládá vlastníkům loveckého práva povinnost hradit škody způsobené zvěří na polích. Ani tato skutečnost však nevedla k vyřešení problému, a tak v roce 1770 vychází v platnost nařízení požadující, aby byla černá zvěř zavřena do obor. Toto nařízení bylo roku 1786 ještě potvrzeno patentem císaře Josefa II., ve kterém zakazuje černou zvěř chovat ve volných honitbách. Povoleny byly stále jen obory, kde černá zvěř vydržela až do druhé světové války, respektive do jejího konce. Za dobu 170 let, kdy byla černá zvěř držena v oborách, se ve volnosti vyskytla jen sporadicky. Buď to byli jedinci, kteří utekli z obor, nebo kusy, které k nám pronikly ze Slovenska (Wolf, 2000). Existovaly dokonce i domněnky, že prase divoké zmizí ve 20. století z české volnosti úplně (Komárek, 1945). Po druhé světové válce však přichází opačný trend vývoje. Černá zvěř se dostává do volných honiteb. Děje se tak opět díky únikům z obor, ale největší podíl měla migrace zvěře z karpatské oblasti, Polska a Německa (Vach et al., 2010). Rostoucí stavy černé zvěře je možné dokladovat hlavně zvyšujícím se odstřelem, který znázorňuje následující graf (obr. 1).
10
Roky 1967 1969 1971 1973 1975 1977 1979 1981 1983 1985 1987 1989 1991 1993 1995 1997 1999 2001 2003 2005 2007 2009 2011 2013
Množství ulovené zvěře
200 000 180 000 160 000 140 000 120 000 100 000 80 000 60 000 40 000 20 000 0
Roky
Obr. 1: Odstřel divokých prasat na území České republiky v letech 1966–2013 (zdroj: MZe)
3.3 Ekologie černé zvěře Divoká prasata jsou, co se týče prostředí, ve kterém žijí, velice přizpůsobivá. Jejich výskyt je totiž znám jak od nížin dunajské delty až po horské oblasti nad 1000 m n. m., tak od teplých středomořských oblastí po státy severní Evropy. Nadmořská výška sama o sobě není limitujícím faktorem, ale delší zima společně s vyšší sněhovou pokrývkou na horách tvoří významný abiotický faktor pro tuto zvěř jak po stránce horší dostupnosti potravy v promrzlé zemi, tak v podobě vyšší mortality přírůstku (Wolf, 2000).
3.3.1 Potravní preference a s tím související škody Potravní nabídka je důležitým biotickým faktorem asi pro každou zvěř. Také u divokých prasat tomu není jinak. Jejich původním životním prostředím byly teplé listnaté lesy v nížinách, především v podobě doubrav a luhů. Postupem času se však bez problému tato zvěř přizpůsobila smíšeným i jehličnatým lesům. Velice vítanou skutečností je přítomnost plodících listnáčů (Wolf, 2000). Ty obzvláště v semenných letech hrají významnou úlohu pro pohlavní dospívání jedinců (Ostfeld a Keesing, 2000) a zároveň pro synchronizaci metání selat (Mailliard a Fournier, 2004). Černá zvěř ale rozhodně není závislá jen na dřevinách. Jedná se totiž o oportunistického všežravce, který je schopen přijímat širokou škálu potravních zdrojů. Tyto zdroje jsou závislé na prostoru a čase (Herrero et al., 2006), z čehož plyne, že jednotlivé složky potravy prasat jsou výsledkem ekologické charakteristiky životního prostředí prasat. Převažuje však rostlinná složka 11
(Schley a Roper, 2003), což jako výsledek uvádí i Wolf (2000), neboť rostlinná složka potravy z rozboru žaludků prasat z území Polska zaujímala 92,4 %. Pro divoká prasata jsou obrovským lákadlem produkty pěstované na zemědělských pozemcích, což s sebou nese působení škod s negativním ekonomickým dopadem. I Happ (2005) píše, že škody způsobené černou zvěří jsou staré jako samotné zemědělství, o čemž svědčí i důvod, proč se v 18. století tento druh z volnosti téměř vytratil (Wolf, 2000). Charvát a Mikulka (2003) uvádějí podíl na škodách vzniklých na zemědělských půdách, plodinách a porostech divokými prasaty téměř 90 %. Díky intenzivnímu pěstování atraktivních plodin, jako jsou kukuřice, brambory, řepka a obilniny na velkých plochách, kde má černá zvěř dostatek výživné potravy a klidu, rostou neúměrně jejich početní stavy a s tím související významné škody (Vodňanský et al., 2003). Strukturu škod na zemědělských pozemcích, porostech a polních plodinách přibližují obrázky 2, 3 a 4, které byly sestaveny ze statistických údajů vybraných 20 okresů na území České republiky v období let 1999–2001 (Charvát a Mikulka, 2002).
3,4% 6,7%
drobná zvěř (zajíc, králík, ost.) spárkatá zvěř (srnčí, daňčí, mufloní, jelení)
černá zvěř
89,9%
Obr. 2: Podíl na škodách dle uvedených druhů (Charvát a Mikulka, 2002)
12
Zastoupení škod v %
25 20 15 10 5
Prosinec
Listopad
Říjen
Září
Srpen
Červenec
Červen
Květen
Duben
Březen
Únor
Leden
0
Obr. 3: Škody působené zvěří na zemědělských kulturách dle jednotlivých kalendářních měsíců (Charvát a Mikulka, 2002)
Zastoupení plodin v %
35 30 25 20 15 10
5
Jahody
Cukrová kuk.dýně
Slunečnice
Krmná řepa
Vinná réva
Řepka
Hrách
Ovocné stromy
Ječmen
Oves
Travnatý porost
Kukuřice
Pšenice ozimá
Brambory
0
Obr. 4: Zvěří nejvyhledávanější druhy zemědělských plodin (Charvát a Mikulka, 2002)
Škody působené na travních porostech jsou dle Happa (2005) způsobeny nedostatkem živočišné potravy. Hlavním důvodem zmíněného nedostatku je fakt, že již několik předchozích desetiletí se téměř každoročně opakuje vysoká úroda semen lesních dřevin. Lesní semena jsou bohatá na uhlovodany a škroby, proto jsou lákadlem pro divoká prasata. Při jejich žíru, stejně jako při větší konzumaci kukuřice, prudce roste potřeba černé zvěře po živočišných bílkovinách v důsledku nedostatku aminokyselin (Hartfiel, 1997). Živočišnou složku potravy pak tvoří buďto uhynulá zvěř, nebo hmyz, obojživelníci a drobní savci nacházející se zvláště při vlhkém počasí často při půdním povrchu.
13
Co se týče lesních porostů, pak je vliv divokých prasat vnímán často kladně, to však neznamená, že by zde také neuměla škodit. Škody vznikají především konzumací žaludů a bukvic v porostech uznaných pro sběr reprodukčního materiálu, nebo vyrytím sazenic zpravidla bukových kultur, kde prasata získávají nedostatkové minerály pozřením kořenového systému, který je zásobárnou rezervních látek. Poměrně časté jsou i případy vyrývání čerstvě zalesněných kultur, kde černá zvěř v ještě neslehlé půdě prokopaných jamek hledá drobné živočichy (Happ, 2005).
3.3.2 Populační dynamika Wolf (2000) vysvětluje populační dynamiku jako výslednici vnitřních a vnějších činitelů, které jsou vázány a propojeny složitými vzájemnými vztahy. Jarošík (2005) v obecné rovině obdobně uvádí reakce populací na vlastnosti prostředí a jedinců jako ústřední téma populační dynamiky. Zároveň pokládá za nezbytné pro pochopení populačních dynamik vidět populaci jako systém se strukturou a funkcemi tak, jak je uvedeno na obrázku 5, který upravil podle Berrymana (1981). Vlastnosti prostředí jsou zde vnějšími faktory a skýtají jak biotické, tak abiotické prvky. Vlastnosti jedinců pak představují faktory vnitřní tak, jak je popsal (Wolf, 2000).
Obr. 5: Vzájemná vazba jedinců s vlastnostmi prostředí, ve kterém žijí, a s populačními procesy a proměnnými, které vytvářejí. Dle Berrymana (1981) upravil Jarošík (2005) 14
Vraťme se ale k divokým prasatům. Feuereisel (2003) se v článku uveřejněném v časopisu Myslivost věnuje problematice vlivu sociální struktury právě na populační dynamiku černé zvěře. Zamýšlí se nad příčinami velkého nárůstu početnosti této zvěře a uvádí i poznatky dalších autorů. Briedermann (1971) ve vztahu k životnímu prostředí popisuje podíl na reprodukci u bachyněk – letošáků 30–40 %, lončaček 80–90 % a konečně dospělých bachyň, který činí 90 %. Nejspíš se však jedná o čísla zastaralá, protože novější poznatky posunují tyto hodnoty ještě výše, viz dále Gethöffer et al. (2007), Servanty et al (2011). Je však důležité zmínit takzvanou prahovou hmotnost, což je hmotnost, kdy je mladá zvěř schopna zapojit se do reprodukce. Tato hmotnost byla stanovena na 20–25 kg vyvrženého kusu což znamená 26–33 kg živého kusu. U divokých prasat k dosažení této hmotnosti dochází již v prvním roce života. (Gaillard et al., 1993). Ještě novější poznatky uvádějí Gethöffer et al. (2007) z Německa, kde byla zjištěna pohlavní dospělost u 80 % selat ve věku 8 měsíců při živé hmotnosti alespoň 20 kg. Ve srovnání s ostatními kopytníky je tato prahová hmotnost velmi nízká. Dosahuje totiž méně než 40 % hmotnosti dospělých jedinců. Pro tak velké rozdíly mezi černou zvěří a jinými kopytníky existují dvě různá vysvětlení. Prvním z nich je neobvyklá kombinace životní strategie, jako je velká hmotnost a vysoká fekundita (Focardi et al., 2008) a zároveň nízká prahová hmotnost první reprodukce (Gethöffer et al., 2007). Ta může být následkem selektivního tlaku lovem, jak bylo zjištěno u jiných živočichů, např. ryb (Conover a Munch, 2002). Také Festa–Bianchet a Côté (2003) uvádějí, že nízká průměrná délka života, kterou způsobuje vysoké riziko zastřelení, zvyšuje začátek reprodukční snahy. Druhým vysvětlením je vysoká kapacita potravních zdrojů, která má za následek vysoké reprodukční výkony (Bonenfant et al. 2009). V následujícím roce se pak jednoleté samice, tedy lončačky, podílejí na reprodukci v míře 90–100 %. Reprodukční aktivita dospělých bachyní se také rovná 90–100 % (Servanty et al., 2011), zároveň se však ukazuje, že po dosažení schopnosti sexuální aktivity má téměř každá samice snahu každoročně se rozmnožovat (Ježek et al., 2013). Dalším významným faktorem je období říje, neboli chrutí. To probíhá zpravidla v období od listopadu do ledna (Červený et al., 2004). Není to však pravidlem. Například Gethöffer et al. (2007) uvádí, že v závislosti na oblasti zabřezne v hlavním období chrutí 60–70 % selat a další 2/3 ze zbytku metají selata v létě, což při graviditě 114–118 dní (Meynhardt, 1982) znamená, že říjela až na jaře. Maillard a Fournier (2004) zjistili, že při předcházejícím semenném roku s vysokou úrodou semen bylo narození selat 15
synchronizované a soustředěné především do měsíců únor a březen. V opačném případě pak vrchol metání nebyl jednoznačný a rozprostřel se do měsíců duben, květen a červen. Santos (2006) potvrzuje jen všeobecně rozšířený názor, že část populace metá v průběhu celého roku, nejméně však v listopadu a prosinci. Jak již bylo zmíněno, jedním z důvodů, proč je černá zvěř tak populačně úspěšná, je její vysoká fekundita, jejíž hodnota se pohybuje od 3 do 7,6 zárodků na jednu samici, přičemž platí silná závislost na věku a hmotnosti. Se stoupajícím věkem roste počet zárodků (Fonseca, 2004). Ovšem i v prenatálním a postnatálním vývoji selat dochází k mortalitě, kterou Briedermann (1971) stanovil na 10 %. Happ (2005) však uvádí zkušenosti daleko vyšší, někdy i 100% mortality selat mladých bachyněk. Hodnota fertility se tedy od fekundity liší a je zpravidla menší. Jedná se totiž o plodnost dosahovanou za běžných podmínek, kdežto fekundita je potencionální plodnost v ideálních podmínkách (Tkadlec, 2008). Feuereisel (2003) uvádí, že jedna z příčin dnešních početních stavů černé zvěře je rozbití přirozených sociálních struktur jejich tlup. Kromě samostatně žijících kňourů a tlup kanečků lončáků žijí divoká prasata v rodinných svazcích, kde je patrná výrazná sociální hierarchie, v jejímž postavení má rozhodující vliv věk. Na vrcholu stojí tedy vedoucí bachyně, která je zpravidla nejstarší, o něco níže jsou její dospělé dcery a pak jejich selata. Vedoucí bachyně určuje dobu odpočinku, kalištění, hledání potravy a podobně. I pro populační dynamiku je velice důležitý její vliv, protože určuje i začátek chrutí celé rodinné tlupy. Přibližně dva týdny předem nechává stopy sekretu z očních žláz a slin na stromech a upozorňuje tak kňoury na přicházející dobu chrutí. U příbuzných pohlavně dospělých bachyň tak zároveň vyvolává stejnou reakci. Meynhardt (1982) tento děj nazývá synchronizací chrutí. Velice důležité je, že tlupu říjných bachyň ovládne nejsilnější kňour z okolí a pokládá pouze silné bachyně. K slabým bachyňkám nepouští žádného slabšího kňoura, a tak nedochází k jejich oplození. Jsou-li však loveni vyspělí kňouři a bachyně, rozbíjí se přirozená sociální struktura a upadá tak synchronizace chrutí, což má za následek nástup chrutí podle toho, jak samičí část populace pohlavně dospívá. Pokládány jsou tak všechny bachyně a dokonce i bachyňky prakticky v různých ročních obdobích. Slabé mladé samice oplodňují často i jejich slabí sourozenci. V konečném důsledku to znamená ohromný vzestup početnosti populace černé zvěře. Naproti tomu Tkadlec (2007) nepovažuje špatnou věkovou a sociální strukturu (omlazování populace) za příčinu, ale za důsledek. Říká, že jakmile populace roste, je vždy charakterizována 16
mladou věkovou strukturou a roste, protože na ni nepůsobí vnitrodruhová a mezidruhová kompetice, predace a choroby. Mladé bachyňky s vysokou reprodukční schopností metají další a další selata, přičemž se populace stále omlazuje. Věkovou a pohlavní strukturou se zabývali i Merta et al. (2014), kteří prováděli výzkum na populacích v jižním Polsku. Vycházel z předpokladu, že pokud bude na společném lovu povoleno lovit veškerou černou zvěř, bude výřad reprezentovat skutečné složení populace. Zároveň bylo ve stejných oblastech prováděno sčítání zvěře pozorováním a oba výsledky byly porovnány. Jak je vidět i z tabulky 1, hodnoty získané pomocí těchto metod jsou jen s nepatrnými rozdíly velice podobné. Tab. 1: Průměrné hodnoty zastoupení složek populace divokých prasat v Polsku získané lovem a pozorováním (zdroj vstupních hodnot: Merta et al. (2014)) lov (%) pozorování (%)
selata 46 51
lončáci 29 28
17
bachyně 16 14
kňouři 8 7
3.4 Management populací černé zvěře v České republice a legislativa k němu se vztahující 3.4.1 Legislativa vztahující se k managementu populací divokých prasat v ČR Základní právní normou, která se věnuje této problematice, je samozřejmě zákon č. 449/2001 Sb., o myslivosti, který zařazuje divoké prase mezi zvěř obhospodařovanou lovem. Vyhláška 403/2013 Sb. pak upravuje předchozí prováděcí předpisy a stanovuje dobu lovu takto: „prase divoké – kňour a bachyně, kromě bachyně vodící selata, od 1. srpna do 31. ledna s výjimkou uvedenou v § 2 odst. 1 a 2; sele a lončák od 1. ledna do 31. prosince.“ Tuto výjimku definuje vyhláška 245/2002 Sb. následovně: „(1) Celoročně lze v oboře lovit druhy zvěře, pro které byla obora zřízena a byly pro ně v daném roce určeny minimální a normované stavy (§ 3 odst. 2 zákona).“ a „(2) V oblastech chovu tetřeva hlušce, tetřívka obecného, jeřábka lesního a koroptve polní (§ 3 odst. 3 zákona) lze celoročně lovit prase divoké, kunu lesní, kunu skalní a jezevce lesního.“ Z hlediska praktického lovu pak zákon o myslivosti zakazuje střílet černou zvěř jinou zbraní než kulovnicí s nábojem o dopadové energii ve vzdálenosti 100 m nižší než 1500 J. Zároveň však povoluje selata a lončáky lovit na společném lovu brokovnicí s jednotnou střelou. Jelikož lze dle zákona o myslivosti lovit černou zvěř i v noci, tak dalším diskutovaným tématem je bezesporu užití noktovizorů, pro které je zásadní novela v podobě zákona 170/2013 Sb., která upravuje zákon č. 119/2002 Sb., o zbraních. Ta zařazuje výkon práva myslivosti mezi důvody k vydání výjimky pro nabytí vlastnictví, držení a nošení zakázaného doplňku zbraně, kterým je zaměřovač zbraně konstruovaný na principu noktovizoru a zároveň je tento termín zaveden i do § 45 odst. 1 písm. g) zákona o myslivosti. Samotný pojem takovéhoto zaměřovače je interpretován jako „optoelektronické zaměřovací zařízení, které tvoří jediný konstrukční celek a je již z výroby konstruované pro montáž na zbraň nebo použití společně se zbraní a umožňuje současně noktovizi (noční vidění) i zamíření zbraně (zaměřovací osnova či jiný zaměřovací prvek).“ V případě, že zařízení naplňuje podstatu této definice, jedná se o zakázaný doplněk zbraně a pro jeho držení, nebo vlastnictví je potřeba výjimka udělená policií. Policie České republiky ale může tuto výjimku udělit pouze v případě, že státní správa myslivosti rozhodla na základě § 39 o snížení stavů nebo dokonce zrušení chovu, 18
v našem případě černé zvěře, v dané honitbě. V takovém rozhodnutí může být podle § 45 odst. 2 uvedeno, že neplatí některé zakázané způsoby lovu, jako je právě lov pomocí zaměřovače zbraní konstruovaného na principu noktovizoru. Pokud však zařízení pracuje na jiných principech (termovize, CCD kamera), nebo neumožňuje zamíření, případně zamíření umožňuje, ale není vybaven montážním rozhraním pro připevnění ke zbrani, nejedná se o zakázaný doplněk. Takže například nástavce umísťované na okulár nebo objektiv fungující na principu noktovizorů nejsou zakázány (MZe, MV, PČR, 2014). Ovšem výsledek této změny v legislativě je poněkud rozpačitý. Jde totiž o to, že zákon o myslivosti danou problematiku upravuje ještě v jednom místě a to zůstalo již beze změny. Opět § 45odst. 1, ale již písm. j) totiž zakazuje „střílet zvěř zakázanými zbraněmi, jejich doplňky a střelivem“ a v odst. 2 neumožňuje udělit výjimku pro písm. j). I po novele totiž noktovizor, který umožňuje zamíření a jde připevnit ke zbrani, zůstává zakázaným doplňkem, na který se nevztahuje výjimka orgánu státní správy myslivosti (Sedlář, 2014). Dalším z diskutovaných témat je odchyt zvěře jako jedna z možností redukce divokých prasat. Zákon o myslivosti zakazuje střílet spárkatou zvěř v odchytových zařízeních s výjimkou zvěře poraněné a chovatelsky nežádoucí. V tomto případě však již umožňuje státní správě myslivosti povolit, případně uložit úpravu stavu zvěře v honitbě, či dokonce zrušit chov určitého druhu, při němž neplatí některé zakázané způsoby lovu, mezi které odstřel v odchytových zařízeních patří. Zákon o myslivosti se věnuje také problematice škod způsobených zvěří. Uvádí, že uživatel je povinen hradit škodu, kterou způsobila zvěř na honebních pozemcích nebo na polních plodinách dosud nesklizených, vinné révě, ovocných kulturách nebo lesních porostech. Zároveň však vlastníku, popřípadě nájemci honebního pozemku ukládá, aby činil přiměřená opatření k zabránění škod působených zvěří. V § 54 pak definuje, které škody se nahradí takto: „(1) Nehradí se škody způsobené zvěří na pozemcích nehonebních, na vinné révě neošetřené proti škodám působeným zvěří, na neoplocených květinových školkách nebo zahradách ovocných a zelinářských, na stromořadích a stromech jednotlivě rostoucích, jakož i na vysokocenných plodinách. O tom, která plodina je vysokocenná, rozhoduje v pochybnostech orgán státní správy myslivosti. Nehradí se rovněž škody způsobené zvěří na zemědělských plodinách nesklizených v agrotechnických lhůtách a dále škody na zemědělských plodinách uskladněných na honebních pozemcích, pokud osoba, která
19
plodiny uskladnila, neprovedla zároveň opatření za účelem účinné ochrany proti škodám působeným zvěří. (2) Nehradí se rovněž škody na lesních porostech chráněných oplocením proti škodám působeným zvěří, na jedincích poškozených jen na postranních výhonech a v lesních kulturách, ve kterých došlo okusem, vytloukáním nebo vyrýváním stromků ke každoročnímu poškození méně než 1 % jedinců, a to po celou dobu do zajištění lesního porostu, přičemž poškození jedinci musí být rovnoměrní rozmístění po ploše.“ O uplatnění nároků na náhradu škody pojednává § 55 následovně: „(1) Nárok na náhradu škody způsobené zvěří musí poškozený u uživatele honitby uplatnit a) u škody na zemědělských pozemcích, polních plodinách a zemědělských porostech do 20 dnů ode dne, kdy škoda vznikla, b) u škod na lesních pozemcích a na lesních porostech vzniklých v období od 1. července předcházejícího roku do 30. června běžného roku do 20 dnů od uplynutí uvedeného období. (2) Současně s uplatněním nároku na náhradu škody způsobené zvěří vyčíslí poškozený výši škody. Na polních plodinách a zemědělských porostech, u nichž lze vyčíslit škodu teprve v době sklizně, ji poškozený vyčíslí do 15 dnů po provedené sklizni. (3) Poškozený a uživatel honitby se mají o náhradě škody způsobené zvěří dohodnout. Pokud uživatel honitby nenahradí škodu do 60 dnů ode dne, kdy poškozený uplatnil svůj nárok a vyčíslil výši škody nebo ve stejné lhůtě neuzavřel s poškozeným písemnou dohodu o náhradě této škody, může poškozený ve lhůtě 3 měsíců uplatnit svůj nárok na náhradu škody u soudu. (4) Nárok na náhradu škody způsobené zvěří zaniká, nebyl-li poškozeným uplatněn ve lhůtách uvedených v odstavcích 1 až 3. Spory z dohody uzavřené podle odstavce 3 rozhoduje soud.“ Nesmíme také zapomenout na problematiku mysliveckého plánování. Zákon o myslivosti totiž ukládá uživateli honitby za povinnost vypracovat pro každý rok plán mysliveckého hospodaření. Podmínky pak stanoví vyhláška č. 553/2004 Sb., o podmínkách, vzoru a bližších pokynech vypracování plánu mysliveckého hospodaření v honitbě, která v § 3 uvádí: 20
„(1) Při posuzování celkového stavu ekosystému se vychází z porovnání skutečného a cílového stavu ekosystému. Plán lovu zvěře se v návaznosti na toto posouzení upraví tak, aby se skutečné početní stavy zvěře po provedeném odlovu pohybovaly mezi minimálními a normovanými stavy blíže té hranici, která má odpovídat cílovému stavu ekosystému. (2) Podle výsledku porovnání kontrolních a srovnávacích ploch se upraví plán lovu zvěře tak, aby se skutečné početní stavy zvěře po provedeném odlovu pohybovaly mezi minimálními a normovanými stavy v takové výši, která bude odpovídat zajištěnému lesnímu porostu. Při splnění § 1 odst. 3 písm. d (výsledky porovnání kontrolních a srovnávacích ploch) se k výsledkům tohoto porovnání nepřihlédne, pokud nejsou takové údaje uživateli honitby prokazatelně známy. (3) Na základě údajů o výši škod způsobených zvěří v uplynulém období na lesních a zemědělských porostech se upraví plán lovu zvěře tak, aby se skutečné početní stavy zvěře po provedeném odlovu pohybovaly mezi minimálními a normovanými stavy v takové výši, která nebude příčinou nepřiměřeného poškozování lesních a zemědělských porostů. Při splnění § 1 odst. 3 písm. c (evidence výše škod způsobená zvěří v předchozím období na lesních a zemědělských porostech) se k výši škod v uplynulém období na lesních a zemědělských porostech nepřihlédne, pokud není uživateli honitby prokazatelně známo, že v průběhu uplynulého období k takovým škodám došlo.“ Zpět k zákonu o myslivosti, který v § 39 uvádí: „Vyžaduje-li zájem vlastníka, popřípadě nájemce honebních pozemků nebo zájem zemědělské nebo lesní výroby, ochrany přírody anebo zájem mysliveckého hospodaření, aby počet některého druhu zvěře byl snížen, orgán státní správy myslivosti povolí, popřípadě uloží uživateli honitby příslušnou úpravu stavu zvěře. Nelze-li škody působené zvěří snížit technicky přiměřenými a ekonomicky únosnými způsoby, uloží orgán státní správy myslivosti na návrh vlastníka, popřípadě nájemce honebního pozemku nebo na návrh orgánu ochrany přírody nebo orgánu státní správy lesa snížení stavu zvěře až na minimální stav, popřípadě zruší chov druhu zvěře, který škody působí.“ Dalším právním předpisem, který vstupuje do mysliveckého plánování je vyhláška č. 491/2002 Sb., o způsobu stanovení minimálních a normovaných stavů zvěře a o zařazování honiteb nebo jejich částí do jakostních tříd. Ta udává pro černou zvěř poměr
21
pohlaví 1:1 a koeficient očekávané produkce v rozmezí 3,2–4,5, podle čehož stanovuje věkovou skladbu tak, jak znázorňuje tabulka 2. Tab. 2: věková skladba populace v % podle koeficientu očekávané produkce KOP
samci
samice
mláďata
3,2
38
38
24
3,5
37,5
37,5
25
4
36
36
28
4,5
35
35
30
Pro samce pak stanovuje 3 věkové třídy o tomto rozložení:
I. od 1 do 2 let (lončák), 28 %
II. od 3 do 4 let, 46 %
III. od 5 let, 26 %
Dále udává minimální stav 5 jedinců černé zvěře na 1000 ha lesního celku.
3.4.2 Management populací černé zvěře v ČR Jak dokazují statistiky stále se zvyšujícího odlovu i jarního sčítání, není pochyb o tom, že stavy černé zvěře stále narůstají. Proto je potřeba otázku řešit. Existuje množství různých názorů, například Zeigrosser (2003) a další autoři uvádí pro snížení stavů tyto zásady lovu: 1. Nestřílet vedoucí bachyni – pod jejím vedením dělá tlupa černé zvěře daleko menší škody a má kladný vliv na synchronizaci říje. 2. Podíl bachyní v odstřelu musí být alespoň 20 % – jsou nositelkami přírůstku, který je u černé zvěře velmi vysoký. Proto je potřeba samice lovit s výjimkou vodících bachyní. Při změně v legislativě byla z lovu vyjmuta vodící bachyně. Za vodící je pokládána taková bachyně, která vodí ještě pruhovaná selata, čili markazíny (Pondělíček, 2014). Navíc současný vysoký stav pouze intenzivní odlov selat neřeší (Happ, 2005). 3. Intenzivně lovit pruhovaná selata, která dosáhnou hmotnosti minimálně 10 kg, což umožňuje prodloužit dobu lovu selat a tím zredukovat jejich stavy.
22
4. Nejsilnější selata lovit jako první, tito jedinci totiž dorostou jako první do prahové hmotnosti pro rozmnožování. 5. Na podzim a v počátku zimy lovit nejslabší bachyně i v případě, že vodí přebarvená selata o hmotnosti přes 20 kg, ty totiž adoptují jiné dospělé samice. 6. Lončačky lovit v lednu a únoru, byť jsou většinou již plné. 7. Nestřílet lončáky kňourky. V populacích je totiž nedostatek dospělých kňourů a pokud budeme tyto lončáky lovit, nedožijí se věku lovného kňoura, což potvrzují i další autoři, například Happ (2005). 8. Společné lovy organizovat v součinnosti několika sousedních honiteb, což zvyšuje šance na větší výřad. Přitom je ale nezbytné tyto lovy dobře organizovat a stanoviště obsadit dobrými střelci. 9. Při každém výřadu určit stáří ulovených kusů pro přehled o stavu populace. 10. Instalovat odchytová zařízení, a pomocí nich provádět razantní selekční odstřel. Je to sice často považováno za neetické, ale jedná se o účinný způsob redukce stavů (Zeigrosser, 2003). To potvrzují i další autoři (Urbanec, 2002; Rakušan, 2003). 11. Černou zvěř zásadně nekrmit, pouze v lese na podzim a v zimě vnadit za účelem snadnějšího lovu (Zeigrosser, 2003; Vodňanský et al., 2003). 12. Co nejvíce lovit (Zeigrosser, 2003). 13. Vodňanský et al. (2003) dále uvádějí jako nutnost vyvinout vysoký tlak na zvěř lovem na ohrožených plochách, i když připouští, že při velkých rozlohách honiteb to bývá problém.
23
3.5 Možnosti kontroly věkové skladby lovené zvěře Existuje množství způsobů, podle kterých lze odhadovat věk černé zvěře s různou náročností a přesností. Jako logické se nabízí dělení na nelaboratorní a laboratorní metody.
3.5.1 Nelaboratorní metody určování (odhadu) věku ulovené zvěře Jedná se o metody, které nevyžadují speciální vybavení laboratoře a jsou tudíž dostupnější pro běžnou praxi.
3.5.1.1 Dle vývoje chrupu Nejjednodušší určování věku je u divokých prasat do stáří 2 let, protože do tohoto období se stále vyvíjí chrup. Vzorec mléčného chrupu je
3.1.3
3.1.4.3
3.1.3
3.1.4.3
, trvalého pak
(Wolf, 2000).
Vývoj jak mléčného, tak i trvalého chrupu je znázorněn na následujícím obrázku (obr. 6).
čárkovaně – mléčné zuby plná čára – trvalé zuby třetí premolár v mléčném chrupu trojdílný, v trvalém dvoudílný
Obr. 6: Vývoj chrupu černé zvěře (Kolář, 2002)
24
3.5.1.2 Metody založené na špičácích Špičáky, neboli zbraně černé zvěře, jsou u kňourů tvořeny páráky a klektáky, u bachyní pak háky (Kolář, 2002). a) Na základě vypočtených indexů dle Brandta (1961) Metoda využívá faktu, že špičáky jsou jedinými zuby, u kterých není růst ukončen. Spočívá v měření šířek páráků. Měření se provádí u hrany obrusné plošky v místě tmavé skvrny, kde zub opouští dáseň a přibližně 1 cm od kořene. Index se vypočte podle vzorce: I = průměr obou zubů na kořeni / průměr na hraně obrusné plochy Podle stejného vzorce se vypočte i index pro páráky a tyto hodnoty jsou srovnány v následující tabulce (Kolář, 2002). Tab. 3: Indexy páráků a klektáků v závislosti na věku (Kolář, 2002) Párák
Klekták
Věk (roky)
1,80
1,45
lončák
1,50
1,25
2–3
1,35
1,14
3–4
1,25
1,05
4–5
1,17
1,00
5–6
1,10
0,97
6–7
1,06
0,94
7–8
1,04 1,02
0,92 0,90
8–9 9–10
1,00
0,88
10+
b) Podle šířky a tvaru háků Metoda slouží k určování věku bachyní pomocí místa, kde jsou jejich háky nejširší. Vychází z předpokladu, že háky nedorůstají celý život, tak jak je tomu u páráků kňourů, ale po čase se růst zastavuje a kořen se uzavírá (Blaupot Ten Cate 1955).
25
Obr. 7: Určování věku bachyní na základě tvaru háků a místa s jejich největší šířkou (Hell, 1986; kresba: J. Šalko)
3.5.1.3 Metody založené na řezácích a. Na základě obrusných ploch Poznatky z oblasti obrusu řezáků černé zvěře v závislosti na věku publikoval Hell (1976). Později s využitím těchto poznatků sestavil klíč k určování věku právě pomocí řezáků, kde k prvním lehkým známkám obrusu dochází ve věku 22–24 měsíců a to na řezácích I1. Zuby I2 jsou neporušené do věku 3 let, kdy se na jejich řezné hraně objevuje slabý náznak obrusu a zadní plocha je sešikmená s obroušenou ploškou 4–5 mm. Ve 4. roce života se I2 vyznačuje úzkým zbroušeným páskem na řezné hraně, který přechází v zadní šikmou plošku o délce 10–11 mm, nedosahující celé šířky zubu. Tato ploška se v následujícím roce prodlužuje na délku 13 mm, společně s rozšiřujícím se páskem na řezné hraně a v náznaku se objevujícím tmavším dentinem, který se odkrývá na boku zubu. Klíč má následující znění. V 6 letech života již zadní zbroušená plocha dosahuje plné šířky řezáku, což se projevuje tak, že mezi horní a zadní odkrytou plochou tmavšího dentinu není žádný pásek světlé skloviny. Délka této již jednotné plošky je 14–15 mm. Obrus boční strany je výraznější, v podobě tenkého pásku. Pokud je hlavní plocha odkrytého dentinu již dost velká (15–19 mm), ale od bočního dentinu je ještě oddělená úzkým páskem bílé skloviny, jedná se již o prase 7leté.
26
Věk 8 let a více signalizuje splynutí horní, zadní a boční plochy odkrytého dentinu. Uprostřed této obrusem vzniklé a s věkem se prodlužující plochy se nachází tmavší jádro (Hell, 1986). Tuto metodu ověřoval Bádr (2012), přičemž zjistil, že skutečnost tomuto klíči odpovídá, zvláště ve výskytu obrusných ploch na horní, tedy řezné hraně, avšak zadní obrusná v několika případech nebyla vytvořena, což by vedlo k mylnému odhadu věku. b. Na základě poměrových změn částí řezáku Princip metody, jejímž autorem je Brandt (1961), spočívá v porovnání částí zubu, jež jsou kryté sklovinou s částmi bez její ochrany. Vychází z faktu, že při obrusu se s rostoucím věkem zkracuje část krytá sklovinou, a naopak zub roste v kořenové části, přičemž dochází k uzavírání kořenového kanálku. Vůči této metodě však existují pochybnosti z důvodu vysoké individuality při obrusu vrcholové části řezáků a často špatné čitelnosti okraje skloviny u jedinců starších osmi let (Bádr, 2012). c. Na základě velikosti otvorů v kořenové části Tato metoda je svým principem úzce provázaná s metodou předešlou. Navíc klíčové znaky, tedy otvory kořenových kanálků, jsou dobře viditelné, což s poměrně snadným vyjmutím z čelisti již po krátké době varu hovoří ve prospěch tohoto způsobu zjištění věku (Bádr, 2012). Autorem je Pavel Hell (1986), který v obrázku 8 uvádí popisující změny v zarůstání kořenového kanálku v závislosti na věku. I tato metoda byla ověřena Bádrem (2012). Dospěl však k závěru, že lze spolehlivě rozlišit pouze jedince ve věku 3 let od 4letých a starších.
Obr. 8: Zarůstání kořenového kanálku v závislosti na věku, včetně zkracování zubů u velmi starého jedince (Hell, 1986; kresba: J. Šalko)
27
3.5.1.4 Na základě obrusu předstoliček a stoliček Co se týče tématu určování věku na základě obrusu stoliček a předstoliček, černé zvěři bylo věnováno nejméně pozornosti oproti jiným druhům spárkaté zvěře. Nicméně Hell (1986) sestavil vývojovou řadu včetně nákresu. Uvádí, že z premolárů se opotřebování projevuje nejdříve a nejvíce na zubech P3 a P4 (je-li mezerník značen P1). Náznaky jsou patrné již ve 3. roce života, přičemž P4 se opotřebovává rychleji a na její skusné (třecí) ploše je tmavší dentin vidět po celé délce od 5. do 6. roku. Na P3 je zubovina viditelná o rok později. Z molárů se pak obrus nejvíce a nejdřív projevuje na M1, opačně je tomu u stoličky M3, jejíž první dva sloupky jeví náznaky opotřebování v 3. a 4. roce života, poslední sloupek pak v roce pátém, přičemž dentin na prvních dvou třetinách tohoto zubu začíná být patrný v 5–6 letech. M1 jeví známky obrusu ve 3. roce a ve 4 letech již je znatelný dentin. Zde se ale autoři rozcházejí, protože Bádr (2012) uvádí, že v rámci prvního moláru jsou tvrzení Hella chybná, protože již ve věku 18 měsíců je podle něj na M1 znatelný obrus. Dále uvádí, že má být hlavní důraz kladen na abrazi stoličky M3, zvláště při odhadu věku u jedinců starších než pět let.
Obr. 9: Opotřebování stoliček černé zvěře (Hell, 1986; kresba: J. Šalko)
28
3.5.1.5
Dubova metoda (1952)
Tento způsob odhadu věku je založen na posunu stoličkové řady s rostoucím věkem směrem dopředu. Vlastním principem je průmět kolmice spuštěné z tzv. Dubova trnu, který je umístěn na spodní straně výběžku jařmového oblouku, s molárem M3 v horní čelisti. Platí, že protíná třetí stoličku u mladších jedinců v přední části, a naopak u starých divokých prasat v zadní. Díky několikanásobným prověřováním se však zjistila malá spolehlivost této metody (Kolář, 2002).
3.5.2 Laboratorní metody určování (odhadu) věku ulovené zvěře Tyto způsoby zjišťování věku jsou typické pro svou náročnost na čas a vybavení (stereolupa, rentgen, fréza a další). Jedná se o metody, založené na následujících principech:
3.5.2.1 Na základě poměru šířky zubní pulpy a tloušťky řezáku Metoda pracuje na principu uzavírání zubní pulpy sekundárním dentinem a je uplatněna na řezácích I1 a I2 , které byly z boční strany snímány pomocí rentgenových paprsků. V následujícím kroku pak byly měřeny hodnoty P a T v místě nejširšího P, jak je znázorněno na obrázku 10. Z těchto hodnot byl vypočten průměr, přičemž byla zjištěna vysoká korelace a závislost na věku s přesností na 1 rok. Jen kategorie pětiletých a starších jedinců již zůstává dále nerozčleněna (Sáez-Royuela et al., 1989).
Obr. 10: Způsob měření hodnot zubní pulpy a tloušťky stěny řezáku (Sáez-Royuela et al., 1989) 29
3.5.2.2 Na základě cementových anulů Metoda vychází z faktu přirůstání vrstev sekundárního zubního cementu v ročních intervalech a je aplikována na řezácích I2. Ty jsou přeřezány v kolmém směru k ose zubu v polovině jeho délky, což je asi 1 cm pod místem, kde vyrůstá z čelisti. Další řez je pak proveden asi o 3–5 mm níže, čímž vzniká řez (plátek), který se po vybroušení prohlíží pod stereolupou. Na protilehlé straně od světelného zdroje pak mají být vidět anuly náhradního zubního cementu po obvodu zubu, mimo oblast skloviny. Tmavé a užší vrstvy vznikly v zimě, oproti tomu široké a světlé jsou záležitostí léta. Ke spočteným vrstvám musí být přičtena doba, která je potřeba pro růst zubu, což v případě černé zvěře a řezáku I2 činí 18 měsíců, avšak samotný autor upozornil na špatnou čitelnost některých vzorků Hell (1976).
A – zubovinocementová mezivrstva B až F – anuly G – sklovina H – zubovina I – zubní dutina (kanálek) J – sekundární cement
Obr. 11: Určování věku černé zvěře (čtyřletý jedinec) počítáním anulů náhradního zubního cementu dle Hella (1976, kresba: J. Šalko)
30
3.5.2.3 Metoda určování věku dle Mitchella Je metodou, která pracuje na stejném základním principu jako předešlá, tedy na přirůstání vrstev sekundárního zubního cementu v ročním intervalu po ukončení růstu daného zubu. Není však aplikována na řezácích, jak uvádí Hell (1976), ale na stoličce M1, která je prvním trvalým zubem. Za autora této metody je pokládán Brian Mitchell (1963), byť není prvním, kdo se ukládání vrstev náhradního zubního cementu mezi kořeny stoliček zabýval. Již v roce 1960 německý profesor Reumuth v Rocstocku zkoumal v tomto směru stoličky černé zvěře. Nebyl však schopen od sebe rozlišit jednotlivé vrstvy (Bádr, 2012). Mitchell (1967) však tuto metodu aplikoval na 3000 skotských jelenů a výsledky publikoval. Pro zjištění věku používal dva způsoby přípravy vzorků. První z nich je složitější a je vhodnější pro pozorování jemné struktury zubního cementu pod mikroskopem. Spočívá ve vytvoření tenkého výřezu ze stoličky provedením dvou rovnoběžných řezů mezi kořeny a následném časově náročném vybrušování a leštění. Pozorování pak probíhalo pomocí prosvícení zdola, přičemž vzorek byl umístěn ve vodě nebo glycerinu. Druhý způsob přípravy vzorku je dostačující pro pozorování hrubší struktury, např. počítání cementových vrstev. Pracovní postup je časově mnohem úspornější a spočívá v provedení jednoho sagitálního řezu a následném vybroušení a vyleštění (Mitchell, 1967). Mitchell (1963) uvádí, že zubní cement pokrývá vnější povrch dentinu pod dásní na všech trvalých zubech jelena. Vytváří tak plášť kolem kořenů. Dále píše o souvislosti mezi obrusem a tvorbou náhradního cementu, neboť se ukázalo, že abnormálně obroušené zuby měly zároveň neobvykle mocnou vrstvu sekundárního cementu, čímž je zajišťována hlavní funkce chrupu. Díky tomu je zaručen kontakt skusných ploch zubů z horní i dolní čelisti, což je nepostradatelné pro žvýkání. Zároveň zjistil, že bílé vrstvy cementu jsou tvořeny v období léto – zima a naproti tomu užší průsvitné vrstvy se vytváří v období zima – jaro. U 25 % zkoumaných samců docházelo během podzimu k vytvoření vrstev spojených s říjí. Měly podobný charakter jako zimní vrstvy, ale byly výrazně tenčí, jen rozdělovaly letní – podzimní vrstvy růstu na dvě části, což je znázorněno i na obrázku 12 (Mitchell, 1967).
31
Obr. 12: Schematické vyobrazení vrstev náhradního zubního cementu na stoličce M1 u jelena. Y znázorňuje roční vrstvu a její vztah k výběžku dentinu (Mitchell, 1967)
32
4
METODIKA A VÝSLEDKY
4.1 Metodika výpočtů a výsledky Mimo první typ výpočtu sloužícího ke zjištění struktury populace byla použita metodika dle Koláře (2014). Původní výpočty metodiky však byly určeny ke zjištění stavu a prognózy vývoje populace jelenů v honitbě Libavá. Proto musely být dílčí početní operace uzpůsobeny černé zvěři, což s sebou neslo často vytvoření složitějších výpočtů zapříčiněných jinou životní strategií této zvěře (vysoká natalita, brzké zahájení reprodukce).
4.1.1 Struktura populace Pro výpočty stavu populace bylo potřeba zjistit její strukturu. Ta byla stanovena propojením poznatků z několika výzkumů (Merta et al. (2014), Gethöffer et al. (2007), Fonseca (2004) a Servanty et al. (2011)), jejichž zjištění jsou uvedena v literárním přehledu, a tyto poznatky byly aplikovány na populaci divokých prasat v České republice. Je zřejmé, že věková struktura černé zvěře žijící na našem území se liší od struktury, která je daná vyhláškou č. 491/2002 Sb., o způsobu stanovení minimálních a normovaných stavů zvěře a o zařazování honiteb nebo jejich částí do jakostních tříd. Věková struktura proto byla stanovena zprůměrováním hodnot ze sčítání jarních kmenových stavů, dále jen JKS. Pro výpočty je vždy potřeba si uvědomit, že v myslivecké statistice za daný rok se JKS udávají k 31. 3. následujícího roku. Z toho důvodu došlo pro výpočty k posunutí těchto čísel o rok zpět, není-li uvedeno jinak.
33
Tab. 4: Zastoupení jednotlivých věkových kategorií v rámci JKS kňouři 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 průměr
5257 5184 5158 7766 7273 7405 8372 8533 8847 9301 8782 9373 8860
%
12 12 12 16 16 16 15 15 15 16 15 15 15 14
bachyně
7 518 7 681 7 727 9 358 8 701 8 859 10 067 10 174 10 169 10 615 10 182 11 187 10607
%
18 17 18 19 19 19 18 18 18 18 17 18 18
lončáci
11 030 11 607 10 678 9 944 8 918 8 757 10 727 11 333 11 204 11 266 11 076 12 645 11 363
18
%
26 26 24 20 19 18 19 20 20 19 19 20 19 21
selata
18 983 19 569 20 418 22 214 21 301 22 450 27 024 26 917 26 936 28 441 28 538 30 667 28 345
%
44 44 46 45 46 47 48 47 47 48 49 48 48 47
suma
%
42 788
100
44 041
100
43 981
100
49 282
100
46 193
100
47 471
100
56 190
100
56 957
100
57 156
100
59 623
100
58 578
100
63 872
100
59 175
100 100
zdroj: MZe
Z tabulky 4 s hodnotami JKS let 2002–2014 je jasné, že bachyně zaujímají 18 %, lončáci 21 % a selata 47 %. Platí-li poměr pohlaví 1:1, pak vynásobením hodnoty lončáků a selat koeficientem 0,5 v součtu s bachyněmi získáme počet samic v populaci. Nesmíme však zapomenout, že ne všechny samice se účastní reprodukce. Z literatury víme, že reprodukce se účastní 80 % selat, 90–100 % lončaček (bylo použito 95 %) a 90–100 % bachyní (bylo počítáno se 100 %). Jestliže spojíme tyto poznatky dohromady, zjistíme, že z celé populace zaujímají plodné bachyně 18 %, plodné lončačky 10 % a plodná selata samičího pohlaví 19 %. Dohromady tedy samice, účastnící se reprodukce tvoří 47 % celé populace. Rozložení v rámci plodných samic pak je 38 % pro bachyně, 21 % činí lončačky a zbylých 41 % zaujímají samice ze selat.
34
4.1.2 Výpočet metodou nesčítaných bachyní Tato metoda, někdy též nazývaná jako metoda zatajených bachyní, laní atd., vypočítává a upřesňuje stav populace na základě rozdílu počtu sčítaných samic a samic, které jsou potřeba k vyprodukování množství selat, jež byla ten rok ulovena (včetně úhynů) a následující jaro zjištěna při sčítání jarních kmenových stavů. Výsledný stav selat se vydělí koeficientem očekávané produkce (KOP), čímž získáme potřebný počet plodných samic. Toto číslo je však potřeba rozpočítat pomocí procentuálního zastoupení bachyň (38 %), lončaček (21 %) a selat samičího pohlaví (41 %) v rámci samic, které se účastní reprodukce. Jelikož byly uplatněny procentuální podíly na reprodukci u lončaček a selat samičího pohlaví menší než 100 %, musíme jejich stavy do těchto 100 % dopočítat. Nyní můžeme porovnat výpočtem zjištěné celkové počty bachyní, lončaček a samic ze selat se stavy z jarního sčítání. Počítáme-li s KOP 4, pak se poměr potřebných (celkových) bachyní, lončaček a selat samičího pohlaví s jarními kmenovými stavy pohybuje vždy kolem 100 %. To by v praxi znamenalo, že při jarním sčítání zjistíme přibližně všechny jedince druhu. Je jasné, že taková úspěšnost sčítání je v měřítku ČR nereálná. Proto byl proveden výpočet s KOP 3,2, což je nejnižší možný koeficient, který dovoluje vyhláška č. 491/2002 Sb. Způsob počítání je naprosto stejný, pouze výsledné hodnoty se liší. Počet potřebných plodných samic se zvýší, což má obdobný dopad na poměr potřebných (celkových) bachyní, lončaček a samic ze selat s JKS, který tak činí od 124,28 % do 128,18 %. Znamená to tedy, že sčítané stavy samic jsou o více než 20 % podhodnocené, což je již o něco pravděpodobnější situace. Proto byl pro ostatní typy výpočtů použit koeficient očekávané produkce o hodnotě 3,2. Následující tabulky (tab. 5 a 6) ukazují kompletní výpočet pro obě varianty. Přiložené grafy jsou pak již výstupy výpočtu, při němž byl použit KOP 3,2. Porovnávají počty potřebných (celkových) bachyní, lončaček a selat samičího pohlaví se sčítanými stavy a jejich odstřelem. Obr. 13 pak znázorňuje množství a strukturu potřebných plodných samic v letech 2000–2013.
35
Tab. 5: Výpočet metodou nesčítaných bachyní s uplatněným KOP 4 KOP 4
počet potřebných samic bachyně ods tře l s e lat + úhyn
2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
50 44 74 64 36 79 87 79 90 67 113 90
318 620 291 946 401 611 529 043 372 767 580 378
ods tře l lončáků + úhyn
29154 29763 43773 31799 21050 36538 45632 37991 47656 37284 64197 54128
JKS toho roku
42 44 43 49 46 47 56 56 57 59 58 63
788 041 981 282 193 471 190 957 156 623 578 872
z toho s e lat toho roku
18 19 20 22 21 22 27 26 26 28 28 30 28
983 569 418 214 301 450 024 917 936 441 538 667 345
z toho ločáků
11 11 10 9 8 8 10 11 11 11 11 12 11
030 607 678 944 918 757 727 333 204 266 076 645 363
poče t potře bných plodných s amic na konci pře de š lé ho roku
ce lke m s e lat toho roku
69 65 96 86 58 106 114 105 118 96 144 118
887 038 505 247 851 635 446 979 813 305 247 723
17 16 24 21 14 26 28 26 29 24 36 29
poče t potře bných bachyní (38%)
472 260 126 562 713 659 612 495 703 076 062 681
6 6 9 8 5 10 10 10 11 9 13 11
639 179 168 193 591 130 872 068 287 149 703 279
ods tře l bachyní
3027 2623 3276 3464 2270 3521 4194 3884 4734 3671 6260 6976
JKS bachyní toho roku
7 7 7 9 8 8 10 10 10 10 10 11
518 681 727 358 701 859 067 174 169 615 182 187
pomě r potře bných bachyní s JKS
88,31% 80,44% 118,65% 87,56% 64,26% 114,35% 108,00% 98,96% 111,00% 86,19% 134,59% 100,82% 99,43%
počet potřebných samic lončačky
selata samičího pohlaví
poče t ce lkový poče t odstře l lončače k (50% JKS lončače k pomě r poče t potře bných ce lkový poče t odstře l bachyně k JKS bachyně k pomě r potře bných lončače k (+5 ce lkové ho počtu toho roku (50 ce lkových se lat samičího se lat samičího se lat (50% odstře l se lat toho roku ce lkových samic lončače k (21%) %) odstře lu lončáků) % lončáků) lončače k s JKS pohlaví (41%) pohl. (+20 %) vše ch se lat) (50 % se lat) ze se lat s JKS
3 669 3 414 5 067 4 528 3 090 5 598 6 008 5 564 6 238 5 056 7 573 6 233
3 862 3 594 5 333 4 766 3 252 5 893 6 325 5 857 6 566 5 322 7 972 6 561
14 577 14 882 21 887 15 900 10 525 18 269 22 816 18 996 23 828 18 642 32 099 27 064
5 515 5 804 5 339 4 972 4 459 4 379 5 364 5 667 5 602 5 633 5 538 6 323
70,03% 61,93% 99,89% 95,86% 72,94% 134,59% 117,92% 103,36% 117,21% 94,48% 143,94% 103,77% 101,33%
36
7 163 6 666 9 892 8 840 6 032 10 930 11 731 10 863 12 178 9 871 14 785 12 169
8 954 8 333 12 365 11 050 7 540 13 663 14 663 13 579 15 223 12 339 18 482 15 211
25 159 22 310 37 146 32 473 18 201 39 806 43 765 39 522 45 186 33 884 56 790 45 189
9 492 9 785 10 209 11 107 10 651 11 225 13 512 13 459 13 468 14 221 14 269 15 334
94,34% 85,17% 121,12% 99,49% 70,80% 121,72% 108,52% 100,89% 113,03% 86,77% 129,52% 99,20% 102,55%
Tab. 6: Výpočet metodou nesčítaných bachyní s uplatněným KOP 3,2 KOP 3,2
počet potřebných samic bachyně ods tře l s e lat + úhyn
2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013
50 44 74 64 36 79 87 79 90 67 113 90
ods tře l lončáků
318 620 291 946 401 611 529 043 372 767 580 378
29154 29763 43773 31799 21050 36538 45632 37991 47656 37284 64197 54128
JKS toho roku
42 44 43 49 46 47 56 56 57 59 58 63 59
z toho s e lat toho roku
788 041 981 282 193 471 190 957 156 623 578 872 175
18 19 20 22 21 22 27 26 26 28 28 30 28
983 569 418 214 301 450 024 917 936 441 538 667 345
z toho ločáků
11 11 10 9 8 8 10 11 11 11 11 12 11
030 607 678 944 918 757 727 333 204 266 076 645 363
poče t potře bných plodných s amic na konci pře de š lé ho roku
ce lke m s e lat toho roku
69 65 96 86 58 106 114 105 118 96 144 118
887 038 505 247 851 635 446 979 813 305 247 723
21 20 30 26 18 33 35 33 37 30 45 37
poče t potře bných bachyní (38%)
840 324 158 952 391 323 764 118 129 095 077 101
8 7 11 10 6 12 13 12 14 11 17 14
299 723 460 242 989 663 590 585 109 436 129 098
ods tře l bachyní
3027 2623 3276 3464 2270 3521 4194 3884 4734 3671 6260 6976
JKS bachyní toho roku
7 7 7 9 8 8 10 10 10 10 10 11
518 681 727 358 701 859 067 174 169 615 182 187
pomě r potře bných bachyní s JKS
110,39% 100,55% 148,31% 109,44% 80,32% 142,94% 135,00% 123,70% 138,75% 107,74% 168,23% 126,02% 124,28%
počet potřebných samic lončačky ce lkový poče t poče t potře bných lončače k (+5 lončače k (21%) %)
4 4 6 5 3 6 7 6 7 6 9 7
586 268 333 660 862 998 511 955 797 320 466 791
4 4 6 5 4 7 7 7 8 6 9 8
828 493 666 958 065 366 906 321 207 653 964 201
bachyňky ze selat
odstře l lončače k (50% ce lkové ho počtu odstře lu lončáků)
14 14 21 15 10 18 22 18 23 18 32 27
577 882 887 900 525 269 816 996 828 642 099 064
odstře l bachyně k JKS lončače k pomě r poče t potře bných ce lkový poče t JKS bachyně k pomě r se lat (50% toho roku (50 ce lkových se lat samičího se lat samičího se lat toho roku ce lkových samic odstře l vše ch % lončáků) lončače k s JKS pohlaví (41%) pohl. (+20 %) (50 % se lat) ze se lat s JKS se lat)
5 5 5 4 4 4 5 5 5 5 5 6
515 804 339 972 459 379 364 667 602 633 538 323
87,54% 77,41% 124,86% 119,83% 91,17% 168,24% 147,40% 129,20% 146,51% 118,10% 179,93% 129,72% 126,66%
37
8 8 12 11 7 13 14 13 15 12 18 15
954 333 365 050 540 663 663 579 223 339 482 211
11 10 15 13 9 17 18 16 19 15 23 19
193 416 456 813 425 078 329 973 029 424 102 014
25 159 22 310 37 146 32 473 18 201 39 806 43 765 39 522 45 186 33 884 56 790 45 189
9 492 9 785 10 209 11 107 10 651 11 225 13 512 13 459 13 468 14 221 14 269 15 334
117,92% 106,46% 151,39% 124,36% 88,50% 152,14% 135,65% 126,12% 141,29% 108,46% 161,90% 124,00%
128,18%
Bachyně
18 000 16 000
Množství v ks
14 000 12 000 10 000 8 000
6 000 4 000 2 000
0
Rok 2000
2002 2004 počet potřebných bachyní (38%)
2006
2008 odstřel bachyní
2010
2012 2014 JKS bachyní toho roku
Lončačky 35 000
Množství v ks
30 000 25 000 20 000 15 000 10 000 5 000 0
Rok 2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
2014
celkový počet lončaček odstřel lončaček (50% celkového počtu odstřelu lončáků) JKS lončaček toho roku (50 % lončáků)
Selata samičího pohlaví
60 000
Množství v ks
50 000 40 000 30 000 20 000 10 000 0 Rok 2000
2002
2004
2006
2008
2010
2012
2014
celkový počet selat samičího pohlaví odstřel selat samičího pohlaví (50% odstřel všech selat) JKS selat samičího pohlaví toho roku (50 % selat)
Obr. 13: Počty potřebných (celkových) bachyní, lončaček a selat samičího pohlaví, jejich JKS a odstřely.
38
Množství v ks
50 000 45 000 40 000 35 000 30 000 25 000 20 000 15 000 10 000 5 000 0 2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2013
Rok počet potřebných selat samičího pohlaví (41%)
počet potřebných lončaček (21%)
počet potřebných bachyní (38%)
Obr. 14: Množství a struktura samic podílejících se na reprodukci při KOP 3,2
4.1.3 Výpočet podle odlovu mladé zvěře Metoda je založena na výši odlovu selat a lončáků v následujícím roce (včetně úhynů). Tyto dva údaje byly sečteny společně s odhadem přeživších jedinců. Ten byl zprvu stanoven na hodnotu 20 %, což znamená, že 2 roky věku přežije 20 % původního počtu selat v daném roce. Získáme tak přírůstek jednoho roku. Díky zpětnému propočtu přes KOP 3,2 vypočteme množství potřebných plodných samic, které rozvrstvíme podle dříve zjištěných procent do bachyní, lončaček a selat. Odečtem ulovených bachyní včetně úhynů a přičtením poloviny 20 % přeživší zvěře, kterou vynásobíme 95 % (množství lončaček, které se zapojují do říje), získáme množství plodných bachyní pro jaro dalšího roku. Nesmíme však zapomenout na plodná selata samičího pohlaví, a proto byla spočítána průměrná hodnota přeživších selat. Ta činila rovných 50 %. Počítáme-li s poměrem pohlaví 1:1, pak polovinu z 50 % loňských selat vynásobíme 80 % a vypočteme tak množství plodných samic ze selat. Součtem této hodnoty s bachyněmi zjistíme stav plodných samic na jaře, který vynásobíme KOP 3,2 a získáme letošní přírůstek. Ten společně s plodnými samicemi porovnáme s celkovým počtem selat a samicemi potřebnými k vyprodukování selat. Při odhadu mladé přeživší zvěře 20 % však tímto porovnáním zjistíme hodnotu 86 % potřebných bachyní a zároveň 86 % z množství selat vypočtených na začátku. To však v praxi znamená, že oněch 20 % přeživších je
39
podhodnocených. Proto byla hodnota zvýšena na 30 %, čímž se změnil i procentuální podíl přeživších selat na 56 %. Porovnání vypočteného přírůstku s počtem zjištěných selat a množství plodných samic se samicemi potřebnými pak činilo 101 %. Plodné samice byly dopočítány pro všechny své věkové kategorie do 100 %, čímž dostaneme celkový počet samic bez přírůstku. Toto číslo vynásobíme dvěma a získáme tak vypočtený JKS. Přičtením přírůstku zjistíme celkový stav zvěře v daných letech. Jelikož zmíněné porovnání vypočtených přírůstků a samic s celkovým počtem selat a s potřebnými samicemi má hodnotu přibližně 100 %, jedná se o minimální počty divokých prasat, které se v daných letech v honitbách na území České republiky vyskytovaly. Bohužel k této metodě potřebujeme vždy znát odlov lončáků následný rok, a proto pokud bychom chtěli prognózovat vývoj letošního roku, nezbývalo by nic jiného, než množství ulovených lončáků dopředu odhadnout, čímž se přesnost snižuje.
400 000 350 000
Množství v ks
300 000 250 000 200 000 150 000 100 000 50 000 0 2002
2004
2006
2008
2010
2012
2014
Rok stav zvěře vč. přírůstku před odstřelem
JKS Vypočtený
JKS sčítaný toho roku
vypočtený přírůstek
odstřel Obr. 15: Minimální stavy zvěře vypočtené podle odlovu selat a lončáků v porovnání se
sčítanými JKS a odlovem
40
Tab. 7: Metoda výpočtu podle odlovu mladé zvěře pro období 2003–2012 s použitým předpokladem přeživší zvěře 30 %
2001 počet střelených selat střelená selata (%)
2005
2006
2007
2008
2009
2010
2011
2012
2013 2014 průměr
74291
64946
36401
79611
87529
79043
90372
67767
113580
90378
42
44
35
49
53
35
44
49
44
50
36
47
70
44
58
56
65
51
47
65
56
51
56
50
64
53
56
29154
29763
43773
31799
21050
36538
45632
37991
47656
37284
64197
54128
28
26
35
21
17
35
26
21
26
20
34
23
31 026
34 320
37 883
45 467
36 855
31 260
53 676
53 794
54 300
54 710
30
30
30
30
30
30
30
30
30
30
26919
30 % přeživší 2-leté zvěře přeživší 2-letá zvěř (%)
potřebný počet plodných samic KOP 3,2 z toho bachyní 38% z toho lončaček 21 % z toho plodných selat 41 % střeleno bachyní v tomto roce bez lončaček stav bachyní na příští rok stav bachyní na jaře
2004
44620
střelení lončáci (%)
dohromady selat v tomto roce
2003
50318
přeživší selata (%)
počet střelených lončáků
2002
43241
26
56 556 71 875 38 733 30
30
103 421 114 401 126 276 151 557 122 851 104 199 178 919 179 314 180 999 182 366 188 520 239 583 129 111 32 319 12 281 6 787 13 251 3159 9 122 →
plus polovina 30 % přeživší 2-leté zvěře (bachyně z lončaček) účast na reprodukci 95 % celkem plodných bachyní na jaře plus po 31. 3. lončačky z přeživších selat (56%) účast na reprodukci 80 % stav plodných samic na jaře porovnání plodných samic na jaře s potřebnými přírůstek KOP 3,2 porovnání vypočteného přírůtku se skutečným stavem selat toho roku stav veškeré zvěře bez přírůstku je-li PP 1:1, pak stav veškeré zvěře včetně přírůstku
35 750 13 585 7 508 14 658 3027 10 558 9 122
9 122 9 686 18 808
39 461 47 362
38 391 32 562 55 912 56 036 56 562
56 989 58 913 74 870 40 347
14 995 8 287 16 179 2623 12 372 10 558
17 997 9 946 19 418 3276 14 721 12 372
14 589 8 062 15 740 3464 11 125 14 721
12 374 6 838 13 350 2270 10 104 11 125
21 247 11 742 22 924 3521 17 726 10 104
21 294 11 768 22 975 4194 17 100 17 726
21 494 11 878 23 190 3884 17 610 17 100
21 656 11 968 23 366 4734 16 922 17 610
22 387 12 372 24 154 3671 18 716 16 922
28 450 15 332 15 723 8 473 30 697 16 542 6260 6976 22 190 8 356 18 716 22 190
14 738 25 296
16 302 28 674
17 994 32 716
21 597 32 722
17 506 27 610
14 848 32 574
25 496 42 595
25 552 43 162
25 792 42 714
25 987 26 864 34 141 44 703 49 055 42 497
11 271
9 995
16 641
14 548
8 154
17 833
19 606
17 706
20 243
15 180 25 442 20 245
36 567 38 669 93%
82%
49 357 47 269 35 764 50 407 62 202 129%
145%
64%
90%
110%
8 356
60 867 62 958 59 883 74 496 62 741 107%
107%
80%
101%
60 186 117 014 123 742 157 942 151 262 114 444 161 302 199 046 194 776 201 464 191 625 238 389 200 772 93%
82%
129%
145%
64%
90%
110%
107%
107%
80%
80 321 84 052 108 928 104 086 77 447 111 293 136 891 133 278 138 752 130 091 197 335 207 794 266 871 255 348 191 891 272 594 335 937 328 054 340 216 321 715
41
101%
4.1.4 Výpočet modelové populační dynamiky Jedná se o výpočet spíše v teoretické rovině, který ukazuje, jak je populace schopná nárůstu početních stavů za určité období se započítáním přirozené natality a mortality v případě nulového zásahu člověka a regulačních faktorů přírody v podobě chorob zvěře. Pro výpočet byly použity jako vstupní údaje koeficient očekávané produkce o hodnotě 3,2, poměr pohlaví 1:1 a co se týče procentuálního zastoupení samců, samic a mláďat, byly vytvořeny 2 varianty. První počítala s hodnotami 38 %, 38 % a 24 %, které jsou pro KOP 3,2 dané vyhláškou č. 491/2002 Sb., do druhého způsobu vstupovala námi zjištěná a již několikrát použitá hodnota 47% zastoupení plodných samic v populaci. Průměrný věk dožití divokých prasat bez zásahu člověka pak byl stanoven na 10 let. Pro porovnání však byly použity i možnosti 8 let a 12 let. Jako počátek byl použit kmenový stav na jaře roku 2014, který čítá 59 175 jedinců černé zvěře (MZe, 2013). Výpočty byly provedeny pro období 10 let, až do roku 2023.
JS = JSlr * KM + JSlr * ZPS * KOP Kde:
JS …
stav zvěře
JSlr …
jarní stav loňského roku
KM …
koeficient mortality ( 1/délka života – 1) 8 let života … KM = 0,875 (1/8 – 1) 10 let života … KM = 0,900 (1/10 – 1) 12 let života … KM = 0,917 (1/12 – 1)
ZPS …
zastoupení plodných samic … 0,38 (dle vyhlášky 491/2002 Sb.) 0,47 (dle předchozích výpočtů)
KOP … koeficient očekávané produkce … 3,2
42
Tab. 8: MPD pro zastoupení plodných samic v populaci 38 % a 47 % při délkách života
8, 10 a 12 let koef. 0,38 roky 8 let života 59 175 2014 123 735 2015 258 730 2016 541 004 2017 1 131 239 2018 2 365 421 2019 4 946 095 2020 2021 10 342 285 2022 21 625 718 2023 45 219 376
přírůst. 8 10 let života 71 957 59 175 150 462 125 214 314 615 264 953 657 861 560 642 1 375 587 1 186 317 2 876 352 2 510 248 6 014 452 5 311 684 12 576 218 11 239 524 26 296 873 23 782 832 54 986 761 50 324 473
přírůst. 10 12 let života přírůst. 12 59 175 71 957 71 957 126 220 153 484 152 261 269 228 327 381 322 183 574 263 698 304 681 740 1 224 903 1 489 482 1 442 562 2 612 718 3 177 065 3 052 461 5 572 928 6 776 680 6 459 008 13 667 261 11 887 055 14 454 658 28 919 924 25 355 087 30 831 786 61 194 559 54 082 401 65 764 200
koef. 0,47 roky 8 let života 59 175 2014 140 777 2015 334 909 2016 796 749 2017 1 895 466 2018 4 509 314 2019 2020 10 727 658 2021 25 521 098 2022 60 714 693
přírůst. 8 10 let života 88 999 59 175 211 729 142 257 503 704 341 985 1 198 311 822 132 2 850 781 1 976 406 6 782 008 4 751 280 16 134 398 11 422 076 38 383 732 27 458 671 91 314 898 66 010 645
přírůst. 10 12 let života přírůst. 12 59 175 88 999 88 999 143 263 215 467 213 954 346 839 521 646 514 346 839 697 1 262 904 1 236 487 2 032 907 3 057 492 2 972 514 4 921 667 7 402 187 7 145 924 17 178 802 11 915 355 17 920 695 41 297 841 28 847 076 43 386 002 99 280 009 69 838 770 105 037 510
Množství v ks
2023 144 440 254 217 238 143 158 689 589 238 669 143 169 079 662 254 295 812
180 000 000 160 000 000 140 000 000 120 000 000 100 000 000 80 000 000 60 000 000 40 000 000 20 000 000 0 2013
2014
2015
2016
2017
2018
2019
2020
2021
2022
2023
Roky koef. 0,38
koef. 0,47
Obr. 16: Porovnání populační dynamiky při zastoupení plodných samic 38 % a 47 %, je-
li délka života 10 let 43
4.1.5 Výpočet pomocí odstřelu vloženého do modelové populační dynamiky Je dalším spíše teoretickým výpočtem, ale zároveň se jedná o další nástroj ke stanovení minimálních stavů zvěře na základě jednoduchých propočtů. Kombinuje modelovou populační dynamiku a skutečný odstřel včetně úhynů z myslivecké statistiky. Pro výpočet bylo použito opět zastoupení plodných samic v populaci 47 % a KOP 3,2. Princip metody se dá vyjádřit tímto jednoduchým vztahem:
Jarní stav = loňský jarní stav + přírůstek (loňský jarní stav × 0,47 × 3,2) – odstřel včetně úhynu
Jako počáteční jarní stav byl vložen JKS k 31. 3. 2002, který činí 42 788 jedinců. Po provedení výpočtu však bylo zjištěno, že by se již v roce 2004 dostal jarní stav do záporných hodnot, které by geometrickou řadou narůstaly. Princip totiž spočívá ve zjištění takového stavu, aby se následující roky nedostaly do minusových položek. Jarní stav na začátku výpočtu se proto musí adekvátně zvýšit. Díky tomu, že černá zvěř je tak populačně schopná, tvoří i malá změna na začátku markantní rozdíl za deset let. Výpočet je však ohraničen pouze spodní hranicí, a tak nezbývá než skutečný stav odhadnout. První hodnota stavu na jaře roku 2002, díky které by následující roky neklesly do záporu, je číslo 58 465 kusů, což je o 15 677 jedinců více, než bylo sčítáno. V posledních letech by však JKS měly klesající trend, což se zdá být málo pravděpodobné. Ale již při hodnotě 58 470 jedinců na jaře 2002 je zachován stále rostoucí vývoj populace. Toto jen dokazuje, jak malý rozdíl na vstupu do výpočtu (5 jedinců) dokáže změnit konečný stav. Je nutno se také zmínit o odlovu zvěře. Abychom byli schopni, když ne snížit stavy, alespoň zastavit jejich růst, musíme lovit takové množství zvěře, které se rovná přírůstku pro daný rok. Pro ilustraci byl do grafu v obrázku 18 vložen pro rok 2014 a následující 2 roky odlov rovnající se přírůstku, tedy 518 342 jedinců. Jedná se ovšem o minimum. Realita může být schována v mnohem vyšších číslech.
44
stav před přírůstkem
odstřel
400 000
POČET JEDINCŮ V KS
200 000 0 -200 000 -400 000 -600 000 -800 000 -1 000 000 -1 200 000 -1 400 000 -1 600 000 2001
2002
2003
2004
ROKY
2005
2006
2007
2008
Obr. 17: Jarní stavy a odstřel při použití počátečního JKS 42 788 z roku 2002 (graf záměrně končí v roce 2007 z důvodu přehlednosti, při protažení do roku 2014 by totiž hodnota odstřelu splývala s „nulovou“ horizontální osou).
POČET JEDINCŮ V KS
stav před přírůstkem 200 000 180 000 160 000 140 000 120 000 100 000 80 000 60 000 40 000 20 000 0 2000
2002
2004
2006
odstřel
2008
2010
2012
2014
2016
ROKY
Obr. 18: Jarní stavy a odstřel při použití nejnižšího možného počátečního JKS (58 465) tak, aby se stavy udržely v kladných číslech. stav před přírůstkem
600 000
odstřel
POČET JEDINCŮ V KS
500 000 400 000 300 000 200 000 100 000 0 2000
2002
2004
2006
2008
2010
2012
2014
2016
ROKY
Obr. 19: Jarní stavy a odstřel při použití počátečního JKS 58 470 jedinců se stanoveným minimálním odstřelem k zastavení růstu početních stavů.
45
2018
4.2 Metodika a výsledky určování věku černé zvěře dle Mitchella Metoda je založena na principu ukládání vrstev náhradního zubního cementu v ročních intervalech po ukončení růstu zubu, k němuž u stoličky M1 trvalého chrupu, která je klíčová pro určování věku touto metodou, dochází ve stáří 6 měsíců. Sekundární zubní cement se ukládá ve formě bílých a tmavých vrstev. Bílé představují letní přírůst a tmavé se tvoří v zimním období.
4.2.1 Sběr materiálu Bylo potřeba shromáždit statisticky reprezentativní vzorek spodních čelistí divokých prasat ve věku minimálně 2 let a starší. Orientační odhad věku pro výběr vzorků byl prováděn podle stupně vývoje chrupu. Byly tedy shromažďovány čelisti černé zvěře, které měly řezáky trvalého chrupu I1 a I2 v jedné rovině, k čemuž dochází v období 22 až 24 měsíců (Wolf, 2000) a druhý poznávací znak, podle kterého byl věk určován, tvořila stolička M3. Ta se prořezává ve stáří 20 až 24 měsíců, takže v období přechodu lončáka do zvěře starší (Kolář, 2002). Čelisti byly vypreparovány vyvařením, odmaštěním, a podstatná část i bělením. Následně došlo k vyjmutí molárů M1, které se nejlépe provádělo z nevyschlých čelistí. V opačném případě přischlá tkáň ke kořenům zubu často zapříčinila jeho rozlomení. Pokud byly vzorky řádně uvařeny, nebylo potřeba (zpravidla u starších jedinců) čelist rozřezávat a molár šel opatrně vytáhnout za pomocí kleští. Držela-li stolička i přes uvaření pevně, byla k rozřezání čelisti použita fréza Dremel s řezným kotoučem.
4.2.2 Příprava vzorků Z důvodu špatné čitelnosti vrstev náhradního zubního cementu některých vzorků bylo pro studium problematiky prováděno a hodnoceno několik variant způsobu řezu a přípravy vzorků. Na každou variantu přípravy připadlo 20 zubů. Způsoby přípravy vzorků: a) částečné (jednostranné) výbrusy zubů – příčné řezy b) částečné (jednostranné) výbrusy zubů – podélné řezy
46
c) částečné (jednostranné) výbrusy – příčné a podélné řezy s následným vyleptáním kyselinou d) úplné (oboustranné) výbrusy tenkých výřezů
4.2.2.1 Způsob řezu Pro přípravu příčných řezů byly stoličky upnuty do stolního svěráku a frézou osazenou diamantovým kotoučem o rychlosti otáčení 40 000 ot.×min-1 byl proveden řez v příčném směru mezi kořeny zubu. Stejným způsobem byly provedeny podélné řezy, pouze samotný proces řezání kopíroval podélnou osu zubu, rovněž mezi jeho kořeny. Jako třetí typ přípravy vzorků v závislosti na způsobu provedení řezu byly použity tenké výřezy v příčném směru, u nichž byl postup obdobný jako v předchozích případech. Jen byly provedeny 2 rovnoběžné řezy tak, aby vznikl tenký plátek o tloušťce do 1 mm.
4.2.2.2 Broušení Všechny takto připravené vzorky bylo potřeba upravit broušením, protože na nově vzniklých plochách zanechal řezný kotouč znatelné stopy. Pro první, hrubé broušení, byl použit kamenný brousek a k dobroušení „do hladka“ dopomohla opět fréza Dremel s nástavcem z brusné gumy. Jako důležité se jevilo nastavení frézy na nízké otáčky, jinak hrozilo vysoké zahřívání s rizikem spálení vzorku. Zároveň musely být výbrusy upraveny natolik kvalitně, aby nedocházelo při dokumentaci fotografováním k rušivým vlivům zapříčiněným stopami po řezném nástroji. Proto byly kontrolovány a pozorovány pod stereolupou při 20násobném zvětšení za použití horního světla. Příprava jednotlivých vzorků byla o něco složitější u tenkých výřezů, protože každý z nich obsahoval dvě broušené plochy a kromě horního osvětlení byly i prosvětlovány zespod. V průběhu broušení, které probíhalo až do doby, kdy začaly jednotlivé vrstvy sekundárního cementu prosvítat, se tak musela provádět kontrola stereolupou se stejným zvětšením. Výsledné tenké výřezy tak měly individuální tloušťku od 0,2 do 1 mm. Manipulace s takto křehkým materiálem vyžadovala opatrnost a pro skladování tenkých výřezů mezi jednotlivými operacemi bylo nutné zamezit jejich zlomení, k čemuž v našem případě sloužily malé krabičky z tvrdého papíru.
47
4.2.2.3 Chemická úprava výbrusů leptáním Účelem bylo zvýraznit jednotlivé vrstvy sekundárního zubního cementu. Chemickou úpravou však zub ztrácí své původní vlastnosti, a proto k leptání jako způsobu přípravy vzorků došlo až po vytvoření podkladů (fotografováním) pro následné pracovní operace. Leptání se provádělo zahřívanou kyselinou fosforečnou (H3PO4) o koncentraci 25 %. Vlastní postup spočíval v tom, že se zub ponořil do kyseliny v laboratorním skle a zahříval se plamenem z důvodu vyšší účinnosti kyseliny. Doba zahřívání se po počátečních pokusech ustálila na 2,5 minutách. Pak byl zub pinzetou nebo peánem vyndán a zneutralizován. K tomu sloužila čpavková voda NH3.aq po dobu 15 minut. V případě, že bychom tak neučinili, zub by vlivem kyseliny zůstal na povrchu částečně měkký a plastický, což by bránilo následnému postupu. Byl proveden i pokus čpavkovou vodu nahradit roztokem krystalické sody, což se však ukázalo jako nevhodné. Po 15 minutách neutralizace byl vzorek opláchnut proudem vody a následně vysušen na vzduchu, aby opět ztvrdnul a bylo možné s ním nadále pracovat. Takto připravené výbrusy se ještě musely lehce přeleštit buď papírovým ubrouskem, nebo plstěným nástavcem na frézu, čímž došlo ke zvýraznění nově vzniklého reliéfu výbrusu. Při pozorování pod stereolupou s 20násobným zvětšením, kdy světlo dopadalo šikmo pod úhlem a ze směru, který byl pro různé vzorky individuální, se jednotlivé vrstvy sekundárního cementu zvýraznily ve formě odlesků směrového světla. Některé takto upravené vzorky však nevytvořily reliéf, ale letní, tedy světlé části vrstev náhradního cementu měly tendenci jakoby krystalizovat, což často zlepšilo čitelnost, která se však po úplném vyschnutí zubu lehce zhoršila. Proto bylo potřeba vzorky průběžně kontrolovat. Ke zvýraznění potřebných struktur sloužil také pokus s obarvením zubů po předchozím leptání kresolftalexonem, alizarin sulfonanem sodným a methyl-kresolovým purpurem. Všechny pokusy však skončily homogenním obarvením celého zubu, nikoli jen potřebných vrstev, a proto bylo od tohoto způsobu upuštěno.
48
4.2.3 Počítačová analýza obrazu Z důvodu již zmiňované špatné čitelnosti některých vzorků byl proveden i pokus o lepší vizualizaci vrstev náhradního zubního cementu na výbrusech zubů systémem analýzy a zpracování obrazu v biometrické laboratoři Ústavu hospodářské úpravy lesů a aplikované geoinformatiky lesnické a dřevařské fakulty Mendelovy univerzity v Brně.
Pro studium uvedené problematiky byly příčné a podélné řezy sloučeny do jednoho typu vzorků, takže probíhalo na následujících typech: a)
částečné (jednostranné) výbrusy zubů – příčné a podélné řezy
b)
částečné (jednostranné) výbrusy – příčné a podélné řezy s následným vyleptáním kyselinou
c)
úplné (oboustranné) výbrusy tenkých výřezů
Použitý systém analýzy a zpracování obrazu NIS – Elements AR, verze 2.30, sestával z digitální 5 Mpix kamery Nikon DS – Fi 1 s makroobjektivem Navitar, umístěné na stojanu s osvětlovacím zařízením KAISER RB 5000 DL (rozptýlené světlo), zdroje studeného světla Schott KL 1500 LCD (zdroj studeného světla s ohebnými světlovody se skleněnými vlákny – přísně směrové světlo), prosvětlovacího zařízení KAISER Prolite Basic, počítače s programem NIS – Elements AR, verze 2.30 (procesor Intel Pentium 4 CPU, 3.00 GHz, HDD 230 GB, RAM 1 MB). Systém pracoval v prostředí MS Windows XP.
Celý postup studia vizualizace je možno rozdělit do následujících kroků:
1.
Příprava scény
2.
Digitalizace
3.
Vizualizace zobrazených struktur.
4.
Zpracování výsledků
49
Postup zpracování: 1.
Příprava scény pro typy vzorků označené výše jako a) a b):
o Podmínky snímání typu vzorků a) (tj. částečných, jednostranných výbrusů příčných a podélných řezů):
1.1a) Výbrus zubu (objekt) byl umístěn do přípravku, zaručujícího jeho stabilní polohu pod určitým, vždy přibližně stejným úhlem. Přípravek s objektem byl vložen pod osvětlovací stojan s osvětlovačem KAISER RB 5000 DL a osvětlen tak, aby světlo dopadalo na objekt jen z jednoho směru pod úhlem cca 10 stupňů (vzhledem k ploše výbrusu) a přitom z protilehlé strany (tedy směrem od korunky) kolmo na směr vrstev náhradního zubního cementu. Za těchto podmínek byl objekt nasnímán (viz bod 2). 1.2a) Výbrus zubu (objekt) byl umístěn do přípravku, zaručujícího jeho stabilní polohu pod určitým, vždy přibližně stejným úhlem. Přípravek s objektem byl vložen pod osvětlovací stojan a osvětlen osvětlovačem Schott KL 1500 LCD s ohebnými světlovody tak, aby světlo dopadalo na objekt jen z jednoho směru pod úhlem cca 5 stupňů (vzhledem k ploše výbrusu) a přitom z protilehlé strany kolmo na směr vrstev náhradního zubního cementu. Za těchto podmínek byl objekt nasnímán (viz bod 2).
o Podmínky snímání typu vzorků b) (tj. částečných, jednostranných výbrusů příčných a podélných řezů následně vyleptaných kyselinou):
1.1b) Výbrus zubu (objekt), u kterého byla již při přípravě vzorku patrná lepší čitelnost bez tzv. odlesků, způsobených úzce směrově vyhraněným světlem, byl umístěn do přípravku zaručujícího jeho stabilní polohu pod určitým, vždy přibližně stejným úhlem. Přípravek s objektem byl vložen pod osvětlovací stojan s osvětlovačem KAISER RB 5000 DL a osvětlen tak, aby světlo dopadalo na objekt jen z jednoho směru pod úhlem cca 10 stupňů (vzhledem k ploše vyleptaného výbrusu) a přitom z protilehlé 50
strany kolmo na směr vrstev náhradního zubního cementu. Za těchto podmínek byl objekt nasnímán (viz bod 2). 1.2b) Výbrus zubu (objekt), na kterém se po vyleptání, neutralizaci a leštění objevily vystouplé vrstvy sekundárního zubního cementu, byl umístěn do přípravku zaručujícího jeho stabilní polohu pod určitým, vždy přibližně stejným úhlem. Přípravek s objektem byl vložen pod osvětlovací stojan a osvětlen osvětlovačem Schott KL 1500 LCD s ohebnými světlovody tak, aby světlo dopadalo na objekt jen z jednoho směru pod úhlem cca 40–60 stupňů (vzhledem k ploše vyleptaného výbrusu), přičemž bylo přípravkem postupně otáčeno až do polohy, kdy vystouplé vrstvy díky směrovému světlu vynikaly pomocí tzv. odlesků. Za těchto podmínek byl objekt nasnímán (viz bod 2).
Příprava scény pro typy vzorků označené výše jako c):
o Podmínky snímání typu vzorků c) (tj. úplných oboustranných výbrusů tenkých výřezů):
1.1c) Výbrus zubu (objekt) byl umístěn na prosvětlovací zařízení KAISER Prolite Basic kolmo k optické ose objektivu. Byl osvětlen pouze procházejícím světlem. Za těchto podmínek byl objekt nasnímán (viz bod 2). 1.2c) Výbrus zubu (objekt) byl umístěn do tenké vodní vrstvy (cca 1 mm) v Petriho misce na prosvětlovací zařízení KAISER Prolite Basic kolmo k optické ose objektivu. Byl osvětlen pouze procházejícím světlem. Za těchto podmínek byl objekt nasnímán (viz bod 2).
2.
Po finálním zaostření a detailním doladění expozice tak, aby byly co možná
nejlépe patrné studované vrstvy sekundárního zubního cementu, byly objekty nasnímány kamerou Nikon Ds – Fi 1 s makroobjektivem Navitar. Protože nebylo zamýšleno provádět žádná morfometrická měření (délka, šířka apod.), nebyly snímky rozměrově 51
kalibrovány. Snímky byly uloženy ve formátu *.lim, používaném systémem analýzy a zpracování obrazu NIS – Elements AR . Hvězdičkou (*) je v uvedené syntaxi označen název souboru, který odpovídal číslu vzorku a způsobu jeho obrazově analytického zpracování (typ vzorku a způsob osvětlení v případě obrazu bez úpravy, typ vzorku, způsob osvětlení a způsob obrazově analytického postupu v případě následné obrazově analytické úpravy – (A, A1, A2 - viz bod 3)).
3.
V této části práce byly použity postupy, které byly založeny na níže popsaných
použitých nástrojích analýzy a zpracování obrazu. Z časových důvodů a z důvodů rozsahu diplomové práce byly po úvaze použity následující konkrétní postupy: Před každým níže uvedeným postupem byly obrazy digitálně vyhlazeny (použitá matice č. 3, počet opakování 2). Matice (tzv. strukturní element) definuje, jak se provedená operace dotýká určitého konkrétního pixelu (nejmenší částečka obrazu) a jeho bezprostředního okolí. Každý níže uvedený postup tedy pracoval s digitálně (za výše uvedených podmínek) vyhlazeným obrazem. Vyhlazení obrazu v tomto případě pomáhá redukovat případný šum a zachovat tak co nejvyšší míru obrazové informace potřebnou pro další zpracování.
o Postup s pracovním názvem Postup A Detekce svislých hran a následná úprava kontrastu obrazu
o Postup s pracovním názvem Postup A1 Vytvoření reliéfu (horizontální posun o 7 pixelů, převedení barevného obrazu do šedotónového výstupu) a následná úprava kontrastu obrazu
o Postup s pracovním názvem Postup A2 Detekce údolí barevného obrazu (použitá matice č. 6, počet opakování 7) za použití intenzitní složky obrazu a následná úprava kontrastu obrazu.
52
4.
Výsledky 3 výše popsaných postupů byly uloženy jako obrázky (soubory) ve
formátu *.jpg a na těchto byla dále vizuálně posuzována účinnost (míra) použité vizualizace ve srovnání s neupravenými obrázky uvedených struktur, které vznikly převodem z formátu *.lim do formátu *.jpg.
Takto vznikly 4 skupiny obrázků pro každý typ řezu v kombinaci s různými typy osvětlení: o I Obrázky objektů bez jakékoli obrazově analytické úpravy (obr. kontrolní srovnávací) o II Obrázky objektů, vzniklé postupem A o III Obrázky objektů, vzniklé postupem A1 o IV Obrázky objektů, vzniklé postupem A2
4.2.4 Postup vyhodnocování výstupů analýzy obrazu Po zpracování vzorků vzniklo na 640 fotografií (obrázků), které bylo potřeba vyhodnotit po stránce čitelnosti jednotlivých vrstev náhradního zubního cementu. Byla tedy vytvořena matice, kde měl každý zub, všechny jeho varianty osvětlení a výstupy třech analytických úprav k dispozici samostatné pole. Matice byly rozděleny do čtyřech tabulek podle typu vzorku. Čili příčné řezy, podélné řezy, tenké výřezy a leptané výbrusy. Čitelnost pak byla hodnocena čísly od 1 do 5, přičemž platilo, že čím vyšší číslo, tím horší čitelnost. Stupnice hodnocení vypadala takto:
1 – velmi dobře čitelné 2 – dobře čitelné 3 – čitelné 4 – slabě čitelné 5 – nečitelné
Pro každou variantu osvětlení a způsob analytické úpravy daného typu vzorku byl vypočten průměr, který poukazoval na nejvhodnější kombinaci osvětlení, typu vzorku a analytické úpravy. Čím více se totiž číslo průměru blížilo jedničce, tím více muselo být
53
v dané kombinaci vzorků lépe čitelných. Pro svou obsáhlost jsou tabulky s maticemi vloženy až do příloh této práce.
4.2.5 Výsledky hodnocení čitelnosti na výstupech analýzy obrazu Výsledné průměry hodnocených čitelností uvádí Tab. 9. Tab. 9: Zprůměrované hodnocení čitelnosti vzorků rozdělených podle typu osvětlení a úpravy.
hodnocení příčných řezů osvětlení
neupraveno
A
3,35
KAISER RB 5000 DL
2,95
A2
3,15
3,10
Schott KL 1500 LCD
A1
3,25
2,60
3,00
3,45
hodnocení podélných řezů osvětlení
neupraveno
A
3,10
KAISER RB 5000 DL
2,60 2,95
Schott KL 1500 LCD
A1
A2
3,25 2,40
3,35 3,10
3,20
hodnocení tenkých výřezů osvětlení KAISER Prolite Basic
neupraveno 3,24
KAISER Prolite Basic - voda Schott KL 1500 LCD
A
A1
2,71 3,00
A2
2,86 2,76
2,52
3,00 3,00
2,90
3,05 2,86
3,29
hodnocení leptaných výbrusů osvětlení Schott KL 1500 LCD KAISER RB 5000 DL celkový průměr
neupraveno A 2,43 3,29 1,83 2,17 2,25
2,95
54
A1 3,21 2,33 2,95
A2 3,36 1,83 2,90
Z tabulky 9 vyplývá, že pro příčné a podélné řezy byla nejvhodnější kombinace šikmého směrového světla osvětlovače Schott KL 1500 LCD a postupu analýzy obrazu s označením A (vytvoření reliéfu). Výsledky ukazují mírně ve prospěch podélných řezů. Dále byla hodnocena čitelnost tenkých výřezů. Díky lepší čitelnosti neupravených vzorků, zvláště ve spojení s šikmým směrovým světlem, se zde čekal ještě lepší výsledek po analytických úpravách, ale nestalo se tak, byť byly nejlepší kombinace úprav a světla jen o něco málo horší. Posledním typem řezu, který prošel hodnocením čitelnost, byl leptaný výbrus. Zde se ukázalo, že vzorků, na kterých se sekundární zubní cement neprojevil lesklými vystouplými vrstvami při šikmém osvětlení, bylo 6 (osvětlení pomocí KAISER RB 5000 DL). Naproti tomu těch, kde se takto náhradní cement ukazoval, bylo 14 (osvětlení pomocí Schott KL 1500 LCD), což by zkreslovalo výsledky. Proto byl brán v potaz celkový průměr pro typ analytické úpravy, bez ohledu na způsob osvětlení. Opět, jako u předešlých tenkých výřezů, byla zjištěna lepší čitelnost u zubů bez použití postupů analýzy obrazu. Pořadí jednotlivých, pro každý typ vzorku nejlepších kombinací osvětlení, druhu řezu a typu analytické úpravy je seřazena od nejlepších následovně (v závorce je uvedena průměrná hodnota čitelnosti): 1 – neupravený leptaný výbrus (2,25) 2 – podélný řez osvětlený směrovým světlem v kombinaci s úpravou typu A (2,40) 3 – tenký výřez osvětlený směrovým světlem, bez úpravy (2,52) 4 – příčný řez osvětlený směrovým světlem v kombinaci s úpravou typu A (2,60) – podélný řez osvětlený rozptýleným světlem v kombinaci s úpravou typu A (2,60) 5 – tenký výřez prosvětlený ze spodní strany v kombinaci s úpravou typu A (2,71) 6 – tenký výřez umístěný ve vodě prosvětlený ze spodní strany v kombinaci s úpravou typu A (2,76) 7 – příčný řez, osvětlený rozptýleným světlem v kombinaci s úpravou typu A (2,95)
Z uvedených výsledků vyplývá, že v případě použití těchto způsobů počítačové analýzy obrazu, je nejvýhodnějším způsobem úprava typu A, tedy vytvoření reliéfu s následnou úpravou kontrastu.
55
5
DISKUSE
V oblasti černé zvěře, její početnosti a populační dynamiky, existuje stále řada nepřesných údajů, jejichž zkonkrétnění je velice náročné. Výpočty provedené v této práci jsou postaveny na základě sčítaných stavů, výše odlovu, úhynu, koeficientu očekávané produkce v rozmezí, které uvádí platná legislativa a řadě dalších faktorů. U všech těchto údajů lze očekávat, že jsou zatíženy chybou danou způsobem, jakým jsou hodnoty získávány. Přesnější čísla však bohužel nejsou k dispozici. Možným řešením, jak chybu snížit, by mohlo být aplikování výpočtu na území o menší rozloze než je celá ČR. Přičemž zcela zásadní by bylo dbát zvýšené pozornosti při získávání vstupních hodnot. Výpočtem metodou nesčítaných bachyní při použití KOP 4 by nastala taková situace, že by se počet potřebných samic téměř rovnal sčítaným stavům. Představa, že se při jarním sčítání podaří zachytit prakticky všichni jedinci populace, je však zjevně mylná. Proto byl KOP snížen na nejnižší legislativně danou hodnotu 3,2. Při takovéto hodnotě totiž je pro stejné množství selat zapotřebí většího množství plodných samic. V tomto případě již výsledek ukazuje na podhodnocení JKS více než 20 %. Tato zjištěná odchylka by mohla být použita také zpětně na sčítaná selata, čímž by se adekvátně zvýšil i počet potřebných plodných samic. Použitý KOP 3,2 je možná překvapivý, ale svědčí o velmi výrazném podílu mladé zvěře v populaci. Je totiž známo, že mladé vodící samice nemají tolik zkušeností a v jejich přírůstku se projevuje vyšší mortalita (Happ, 2005), nehledě i na nižší fekunditu (Fonseca, 2004). Tento fakt potvrzuje i praktická zkušenost myslivců, kteří se věnují lovu černé zvěře. Velmi často je totiž možno vidět lončačku třeba jen s dvěma selaty, naproti tomu staré bachyně vodí selat podstatně více. Otázkou však zůstává, jestli koeficient očekávané produkce není z těchto důvodů ještě nižší, než minimální hodnota 3,2, kterou dovoluje vyhláška č. 491/2002 Sb., o způsobu stanovení minimálních a normovaných stavů zvěře a o zařazování honiteb nebo jejich částí do jakostních tříd. Všimněme si ještě možná už jen kosmetické vady této metody. Při výpočtech nejde jen o dospělé bachyně, ale o všechny plodné samice v populaci, proto by bylo asi vhodné v případě černé zvěře metodu nesčítaných bachyní pojmenovat jako metodu nesčítaných plodných samic. Další metodou byl výpočet pomocí odlovu mladé zvěře. Základním vstupním údajem, krom odlovu selat a lončáků následující rok byl odhad množství jedinců, kteří dovrší minimálně 2 roky věku. Na začátku výpočtu se jedná skutečně pouze o odhad, který se však postupně upraví na takovou hodnotu (v našem případě 30 %), kdy se 56
průměrné množství vypočtených plodných samic rovná průměrnému počtu plodných samic, které jsou zapotřebí k vytvoření zjištěných selat, a zároveň se rovnají zprůměrované hodnoty vypočteného přírůstku a zjištěných selat. Tímto postupem se zjistí minimální stavy černé zvěře, které se v daných letech na území České republiky vyskytovaly. Množství jedinců, které se však dožije minimálně 2 let věku, může být ve skutečnosti mnohem vyšší než oněch 30 %. Pokud bychom tedy hodnotu přeživších jedinců zvýšili, zvedne se i stav samic k tomuto potřebných. Navíc zde budou určitou roli hrát i ulovené kusy a úhyny, které nebyly nahlášeny státní správě. Poslední dva způsoby výpočtu pracovaly spíše v teoretické rovině. Tím prvním byl výpočet modelové populační dynamiky, který zjišťoval, do jaké míry je černá zvěř schopná se rozmnožit v období 10 let bez zásahu člověka, pouze s ohledem na přirozenou mortalitu. Zjištěné hodnoty, které v rámci početnosti zvěře vystoupaly téměř do astronomických čísel, jen potvrzují obrovskou populační schopnost divokých prasat. Asi každému je jasné, že gradace nemůže trvat do nekonečna a dřív nebo později by příroda zasáhla v podobě buď nedostatku potravy, což v dnešní krajině zatím nepřipadá v úvahu, nebo by populaci začala redukovat pomocí chorob, pro daný druh patogenních, jako je klasický mor prasat, nebo zvláště pro mladé jedince Aujezskyho choroba a podobně. Dalo by se říci, že se s tímto tvrzením ztotožňuje i Tkadlec (2007). Druhý ze zmíněných spíše teoretických výpočtů a zároveň poslední použitou metodou pro výpočet v rámci populační dynamiky této práce spočíval v napasování skutečně provedeného odstřelu do modelové populační dynamiky, přičemž nesmělo v žádném roce dojít k záporným stavům zvěře. Zároveň se zjistil velký vliv i malé změny na počátku 10letého období na konečný počet jedinců. Daný výpočet je však ohraničen pouze ze strany minimálních stavů, horní hranici už stanovit neumí. Uvedené metody se snaží přiblížit hlavně minimální stavy černé zvěře v honitbách ČR. Asi nikoho nepřekvapí, že toto minimum je větší, než sčítané stavy, které každoročně uveřejňuje Ministerstvo zemědělství v podobě myslivecké statistiky. To, kolik divokých prasat skutečně máme, však stále zůstává neznámou. Je ale nad slunce jasnější, že je nutné problém s černou zvěří řešit co nejrychleji a nejefektivněji, byť za pomoci pro některé třeba kontroverzních způsobů lovu, jako je například odchyt a následné selektivní usmrcení chycených jedinců. V případě, že by se odborná veřejnost k tomuto problému stavěla laxně, můžeme čekat problémy mnohem větší. Nejeden názor totiž současný stav přirovnává k časované bombě. Možná se takzvaně ledy pohnou až v případech, kdy 57
začnou zemědělci mnohem intenzivněji vymáhat škody způsobené divokými prasaty. Tady je ovšem veliká nutnost společné komunikace mezi myslivci a zemědělci. Lovit totiž černou zvěř v lánech zemědělských plodin o rozloze čítající často desítky hektarů je takřka nemožné. Vstřícný postoj obou zmiňovaných stran tak, aby byl nalezen rozumný kompromis mezi zemědělskou výrobou a efektivitou lovu, je pro dobro věci nezbytný. Otázkou také zůstává, jak se s managementem populace černé zvěře dokážou vypořádat chystané změny v myslivecké legislativě. Dalším tématem k diskusi plynoucí z této práce je bezpochyby i určování věku dle Mitchella s využitím počítačové analýzy obrazu. Výsledky ukazují na nejvhodnější kombinace přípravy vzorku, typu osvětlení a postupu analýzy obrazu. Zcela jistě je výhodou, že potřebná stolička M1 se na spodní čelisti nachází dvakrát, což nám dává více možností pro stanovení věku. Typ přípravy vzorku totiž často neumožňuje na stejný vzorek aplikovat jiný způsob přípravy. Jako velice užitečné se jeví pro primární představu o stáří uloveného jedince používat metody, které nevyžadují laboratorní podmínky a zdlouhavý proces určování věku laboratorními metodami. Nejzákladnějším principem by mělo být ověření vývoje chrupu a teprve tehdy, je-li plně vyvinut, všímat si například obrusu jak stoliček, tak i řezáků. Osobně z vlastních zkušeností doporučuji prvotní kontrolu věku hned po ulovení pohledem na řezáky, jejich vývoj a obrus tak, jak původně uvedl Hell (1976), nebo spíše podle ověření Hellovy metody Bádrem (2012). Potřebujeme-li znát věk přesně, pak je nutné přistoupit k metodám spolehlivějším, na které nemá vliv individualita obrusu chrupu, byť jsou nepoměrně náročnější na čas i vybavení. Z výsledků lze doporučit následující postup: o Provést podélný řez a ověřit jeho čitelnost. V případě, že jsou obě poloviny nejasně čitelné nebo dokonce nečitelné, nabízí se hned několik možností. a) Použít analytickou úpravu typu A (vytvoření reliéfu), což ale nedoporučuji u vzorků, které jsou téměř nečitelné. Platí totiž, že pokud na daném vzorku nejsou vidět ani náznaky vrstev sekundárního cementu, analýza obrazu tento handicap už nedožene. b) Provést příčný řez na druhém zubu M1 – v případě nečitelnosti z něj dalším, rovnoběžným, řezem vytvořit tenký výřez a na něm zkoumat viditelnost jak s horním světlem, tak při prosvícení na suchu nebo ve vodě (glycerinu). Díky náročnosti počítačové analýzy obrazu rovněž 58
nedoporučuji provádět analytické úpravy ihned v případě špatné čitelnosti vzorku. Dle mého názoru je lepší vyzkoušet různé způsoby přípravy vzorku s potřebou stejného vybavení najednou, což vede k úspoře času. Vzhledem k tvaru stoličky a její křehkosti nedoporučuji tenký výřez řezat v podélném směru (vysoká pravděpodobnost rozlomení). c) Buďto po použití možností a) a b) nebo s jejich přeskočením využít možnosti leptání kyselinou fosforečnou. Skrze vizualizaci vrstev na leptaných zubech se ukázalo, že nejlepší čitelnost je zajištěna bez analytických úprav. Rovněž se zdá být výhodné před složitými úpravami analýzy obrazu vyzkoušet pouze zvětšení kontrastu. Práce se po odborné konzultaci a logickém úsudku na základě vyhodnocení principů jednotlivých analytických metod věnovala využití jen třech způsobů analýzy obrazu, byť doostření, úprava expozice a kontrastu byla vždy individuální pro každý vzorek. Obor tohoto typu analýzy však nabízí nepřeberné množství kombinací různých nástrojů, počtů opakování, matic apod. Proto se zde potencionálně může ukrývat mnohem lepší postup nebo metoda. Jako jedna z prvních možností se nabízí snímání více přiblíženého vzorku, čímž vyniknou detaily. Otázkou však zůstává, jestli by vizualizace podrobnějších struktur nenarušila viditelnost struktur hrubších, jakými jsou dle Mitchella (1967) právě vrstvy náhradního zubního cementu. Jednoznačně by však bylo přínosem vyzkoušet metodu na zubu prasete, o němž 100% známe věk. Po oslovení několika obor s černou zvěří a chovatelů, kteří se tímto druhem zabývají, se nám však takovýto vzorek nepodařilo sehnat. Pro ověření byly výbrusy provedeny i na lončákovi, ale počítáme-li pro růst zubu 6 měsíců, pak nám takovýto vzorek může poskytnout viditelnost maximálně jedné a půl vrstvy, což je pro ověřovací materiál nedostatečné. Již zmiňované změny v legislativě mají údajně také přinést i povinnost předkládat markanty ulovené zvěře (například spodní čelist) ke kontrole státní správě myslivosti, což zcela jistě poslouží ke zpřesnění myslivecké statistiky. Tento fakt se bezprostředně dotýká i problematiky určování (odhadu) věku, jako i možnosti praktického využití metody dle Mitchella, zvláště pak ve sporných či abnormálních případech.
59
6
ZÁVĚR
Tato práce si kladla za cíle analyzovat strukturu populace divokých prasat v České republice a prognózovat její vývoj pomocí výpočtů populační dynamiky. Dalším cílem bylo vyhodnotit využití určování věku ulovených divokých prasat v praxi. Podkladem bylo studium odborné literatury, údaje myslivecké statistiky, metodika výpočtů stavů vysoké zvěře a její populační dynamiky dle Koláře (2014). Pro druhou část práce pak bylo nezbytné nashromáždit dostatečné množství dolních čelistí divokých prasat ve věku minimálně 2 let a starších. Na základě těchto podkladů byly vypracovány výpočty týkající se věkové a pohlavní struktury a hlavně početních stavů, což je alfou i omegou dnešních problémů, které tato zvěř s sebou nese. Potvrdily se tak mnohem vyšší stavy než se sčítají, byť nebylo možné stanovit přesné počty, které by odpovídaly realitě, protože výsledky výpočtů většinou poskytovaly údaje, jež byly zároveň minimem počtu zvěře v daném období se u nás vyskytující. Dále bylo zjištěno, že koeficient očekávané produkce je díky výraznému podílu mladé zvěře a jejího zapojení do reprodukce menší než se čekalo. Což však znamená vyšší potřebu plodných samic pro vytvoření každoročního přírůstku. Z hlediska metody určování věku dle Mitchella byl zjištěn problém s horší čitelností vrstev náhradního cementu u některých zubů, což vedlo k provedení pokusů s různými typy řezu, jejich chemickou úpravou a v neposlední řadě počítačovou analýzou obrazu. Metody odhadu věku například podle obrusu chrupu nejsou podle literatury tak spolehlivé a probádané, jak je tomu u ostatních druhů spárkaté zvěře, což svědčí o potenciálním využití Mitchellovy metody při určování stáří jedinců, kdy jiné metody podávaly sporné výsledky. Není pochyb o tom, že černá zvěř je problémem nejen české myslivosti a je nejvyšší čas s vysokými stavy něco dělat, než nám tento problém myslivosti a zemědělství přeroste přes hlavu a stane se problémem celé společnosti.
60
7
SUMMARY
The main aim of this work was to analyse the structure of the wild boar population in the Czech Republic and to predict its development with utilization of the population dynamics calculations. Another goal of my thesis was to evaluate usage of age estimation of hunted wild boars in practice. This work is based on specialized literature research, game management statistics and methods for red deer population calculation according to Kolář (2014). It was necessary to gather sufficient amount of wild boar’s lower jaws of age 2 years and above for my second part of the thesis. The age structure and the gender structure of population were calculated in relation to previously referred preconditions. However, the most important calculations were aimed to high population numbers of wild boar in the Czech Republic because of its high negative impact. Much higher population numbers were acknowledged than officially counted results, although it was impossible to determine accurate population state equal to the real state of population. The reason is that results of calculations led to just minimum count of deer occurring in the Czech Republic in the given period. It was also found out that the coefficient of the predicted birth rate is lower than expected due to the significant proportion of young individuals in game population as well as their contribution in mating. As a consequence higher number of fertile females is necessary to reach annual population growth. Problem with decreased readability of secondary dental cement in small sample of teeth was detected from Mitchell’s age determination methods point of view. This fact led to experiments with various types of sectional views and their chemical modifications and finally computer-based analysis of image. Methods of wild boar age estimation are not that reliable and researched as in other hoofed deer, for instance according to teeth abrasion. This indicates potential use of Mitchell’s method for age determination of individuals with questionable results provided by other methods. There is no doubt that wild boars are a problem for the Czech Republic game management and not only for our country. It is urgent to deal with the high population numbers of wild boar before this problem that is nowadays related to game management and agriculture will escalate to the problem of the whole society.
61
8
SEZNAM POUŽITÉ LITERATURY
BÁDR, V. 2012. Přesné stanovení věku ulovené dospělé černé zvěře (II.b). Myslivost 60 (3): 28–31. BÁDR, V. 2012. Přesné stanovení věku ulovené dospělé černé zvěře (I.). Myslivost 60 (1): 32–35. BERRYMAN, A. A. 1981. Population Systems. Plenum, New York. BLAUPOT TEN CATE, S. J. 1955. Altersbestimmung bei der Wildsau – Schweizer. Jagdztg., Zürich, 15. BONENFANT, C., GAILLARD, J.–M., COULSON, T. H., FESTA-BIANCHET, M., LOISON, A., GAREL, M., LOE, L. E., BLANCHARD, P., PETTORELLI, N., OWEN-SMITH, N., DU TOIT, J. & DUNCAN, P. 2009. Empirical evidences of density dependence in populations of large herbivores. Advances in Ecological Research, 41: 300–338. BRANDT, E. 1961. Der Wert der Keilerwaffen als Altersweiser. Beitr. Jagd.-. Wildforsch. 1, Tag.-Ber. Dt. Akad. Landwirtsch.-Wiss. Berlin, Nr. 37: 53–77. BRIEDERMANN, L. 1971. Zur Reproduktion des Schwarzwildes in der DDR. Beiträg zur Jagd und Wildforschung, 7, Berlin, 169–186. ČERVENÝ, J., KAMLER, J., KHOLOVÁ, H., KOUBEK, P., MARTÍNKOVÁ, N. 2004. Encyklopedie myslivosti. Ottovo nakladatelství, Praha, 594 s. CHARVÁT, A., MIKULKA, J. 2002. Metodická příručka. MZe ČR. Praha, 86 s. CHARVÁT, A., MIKULKA, J. 2003. Škody způsobené zvěří na honebních zemědělských pozemcích, polních plodinách a zemědělských porostech a jejich příčiny. Svět myslivosti, 2003 (6): 18–19. CONOVER, D. O., MUNCH, S. B. 2002. Sustaining fisheries yields over evolutionary time scales. Science, 297: 94–96. Festa-Bianchet, M., Côté, S. D. (2008) Mountain Goats: Ecology, Behaviorand Conservation of an Alpine Ungulate. Island Press,Washington DC.
62
FEUEREISEL, J. 2003. Vliv sociální struktury na populační dynamiku černé zvěře. Myslivost, 2003 (7): 14. FOCARDI, S.,GAILLARD, J. M., RONCHI, F., ROSSI, S. 2008. Survival of wild boars in a variable environment: unexpected life-history variation in an unusual ungulate. Journal of Mammalogy, 89: 1113–1123. FONSECA, C., FERNADEZ-LLARIO, P., SANTOS, P., MONZÓN, A., SOARES, A. M. V. M., MATES-QUESADA, P., PETRUCCI, F. 2004. Reproduction in the wild boar (Sus scrofa) populations of Portugal. Galemys 16: 53–65. GAILLARD, J. M., BRANDT, S., JULLIEN, J. M. 1993. Body weight effect on reproduction of young wild boar (Sus scrofa) females: a comparative analysis. Folia Zoologica, 42: 204–212. GETHÖFFER F., SODEIKAT G., POHLMEYER K. 2007. Reproductive parameters of wild boar (Sus scrofa) in three different parts of Germany. European Journal of Wildlife Research 53: 287–297. HAPP, N. 2005. Myslivecká péče a lov černé zvěře. Praha, Víkend, 173 s. HARTFIEL, W. 1997. Argerechte Schwarzwildfütterung. Österreichs Weidwerk 3. HELL, P. 1976. Porovnanie určovania veku diviačej zveri podľa anúl v zubnom cemente a podľa opotrebovania chrupu. Folia venatoria 5–6: 57-65. HELL, P. 1986: Diviača zver. Príroda Bratislava, 419 s. HERERO, J., GARCÍA-SERRANO, A., COUTO, S., ORTUÑO, V. M., GARCÍA-GONZÁLEZ, R. 2006. Diet of wild boar Sus scrofa L. and crop damage in an intensive agroecosystem. European Journal of Wildlife Research 52: 245–250. HESPELER, B. 2007. Černá zvěř: způsob života, omezování škod, posuzování, způsoby, lovu, využití zvěřiny. 1. vyd. Praha, Grada, Myslivost v praxi, 127 s. JAROŠÍK, V. 2005. Růst a regulace populací. Praha, Academia, 170 s.
63
JEŽEK, M., KUŠTA, T., HOLÁ, M., ČERVENÝ, J. 2013. GPS telemetrie černé zvěře. Závěrečná zpráva. Praha: Česká zemědělská univerzita v Praze, Fakulta lesnická a dřevařská, 103 s. KOLÁŘ, J. 2014. Návrh koncepce managementu populace jelena lesního (Cervus elaphus) v honitbě VLS ČR, s.p., Lipník nad Bečvou. Diplomová práce. Brno: Mendelova univerzita v Brně, Lesnická a dřevařská fakulta, 61 s. KOLÁŘ, Z. 2002. Odhad věku hlavních druhů spárkaté zvěře. Praha, Vega, 127 s. KOMÁREK, J. 1945. Myslivost v českých zemích. Praha MAILLARD, D., FOURNIER, L. 2004. Timing and synchrony of births in the wild boar (Sus scrofa Linnaeus, 1758) in a mediterrean habitat: the effect of food availability. Galemys, 16: 67. MERTA, D., BOBEK, B., ALBRYCHT, M., FURTEK, J. 2014. The age structure and sex ratio in wild boar (Sus scrofa) populations as determined by observations of free – roaming populations and by harvests of collective hunts in southern Poland. Eur J Wildl Res (2015) 6: 167–170. MEYNHARDT, H., 1982. Schwarzwild – Report. Verlag J. Neumann – Neudamm, Melsungen, Berlin, Basel. Wien. MITCHELL, B. 1963. Determination of age in Scottish red deer from growth layers in dental cement. Nature, Lond. 198: 350. MITCHELL, B. 1967. Growth layers in dental cement for determining the age of red deer (Cervus elaphus L.). Journal of Animal Ecology, 36 (2): 279–293. MZe, MV, PČR. 2014. Společné vyjádření Ministerstva zemědělství, Ministerstva vnitra a Policie České republiky k otázce využití zakázaných doplňků zbraně tzv. noktovizorů pro lov zvěře v noci. [online] citováno 15. března 2015. Dostupné na World Wide Web: <www.mvcr.cz/soubor/noktovizory-mze-mv-pdf.aspx>. MZe, Roční výkaz o honitbách, stavu a lovu zvěře v ČR [online] citováno 4. února 2015. Dostupné na World Wide Web:
. 64
OSTFELD, R. S., KEESING, F. 2000. Pulsed resources and community dynamics of consumers in terrestrial ecosystems. Trends in Ecology and Evolution, 15: 232–237. PONDĚLÍČEK. J. 2014. Ke změnám doby lovu [online] citováno 10. listopadu 2014. dostupné na World Wide Web: <www.myslivost.cz/Aktuality/Ke-zmenam-dobylovu.aspx > Rakušan, C. 2003. Jak dál s černou zvěří. Svět myslivosti, 2003 (6): 20–21. SÁEZ – ROYUELA, C., GOMARIZ, P. R., TELLERIA, J. L. 1989. Age determination of European wild boar. Wildlife Society Bulletin, 17 (3): 326–329. SANTOS, P., FERNADEZ-LLARIO, P., FONSECA, C., MONZÓN, A., SOARES, A.M.V.M., MATES-QUESADA, P., PETRUCCI FONSECA, F. 2006. Habitat and reproductiv phenology of wild boar (Sus scrofa) in the western Iberian Peninsula. Eur J Wildl Res 52: 207–212. SCHLEY L., ROPER T. J. 2003. Diet of wild boar Sus scrofa in Western Europe, with particular reference to consumption of agricultural crops. Mammalian Review 33: 43–56. SEDLÁŘ, P. 2014. Novela zákona o zbraních a společné vyjádření MZe, MV a PČR. [online]
citováno
15.
března
2015.
Dostupné
na
World
Wide
Web:
. SERVANTY, S., GAILLARD, J. M., RONCHI, F., FOCARDI, S., BAUBET, É., GIMENEZ, O. 2011. Influence of harvesting pressure on demographic tactics: implications for wildlife management. Journal of Applied Ecology, 48: 835–843. TKADLEC, E. 2007. Stavy černé zvěře: vrcholu jsme ještě nedosáhli. Svět myslivosti 8 (10). TKADLEC, E. 2008. Populační ekologie: struktura, růst a dynamika populací. Olomouc, Univerzita Palackého v Olomouci, 400 s. URBANEC, R. 2002. Divočáci jdou! Kdo je zastaví? Myslivost, 50 (10): 7. VACH, M. a kol. 2010. Vývoj myslivosti a lovectví v českých zemích. Příbram, Silvestris, 551 s. 65
VODŇANSKÝ, M., KRČMA, J., ZABLOUDIL, F. 2003. Zhodnocení vývoje populace černé zvěře a vypracování návrhů na její účinnou regulaci. Závěrečná zpráva z výzkumné úlohy. Brno: Veterinární a farmaceutická univerzita Brno, Institut ekologie zvěře. 34 s. Vyhláška č. 403/2013 Sb., kterou se mění vyhláška Ministerstva zemědělství č. 245/2002 Sb., o době lovu jednotlivých druhů zvěře a o bližších podmínkách provádění lovu, ve znění vyhlášky č. 480/2002 Sb. Vyhláška č. 491/2002 Sb., o způsobu stanovení minimálních a normovaných stavů zvěře a o zařazování honiteb nebo jejich částí do jakostních tříd, ve znění pozdějších předpisů. Vyhláška č. 553/2004 Sb., o podmínkách, vzoru a bližších pokynech vypracování plánu mysliveckého hospodaření v honitbě, ve znění pozdějších předpisů. Vyhláška Ministerstva zemědělství č. 245/2002 Sb., o době lovu jednotlivých druhů zvěře a o bližších podmínkách provádění lovu. WOLF, R. 2000. Rukověť chovu a lovu černé zvěře. Písek, Matice lesnická, spol. s r.o., 123 s. WOLF, R., RAKUŠAN, C. 1977. Černá zvěř. 1. vyd. Praha, Státní zemědělské nakladatelství, 204 s. Zákon č. 170/2013 Sb., kterým se mění zákon č. 119/2002 Sb., o střelných zbraních a střelivu a o změně zákona č. 156/2000 Sb., o ověřování střelných zbraní, střeliva a pyrotechnických předmětů a o změně zákona č. 288/1995 Sb., o střelných zbraních a střelivu (zákon o střelných zbraních), ve znění zákona č. 13/1998 Sb., (zákon o zbraních), ve znění pozdějších předpisů, a některé další zákony Zákon č. 449/2001 Sb., o myslivosti, ve znění pozdějších předpisů. ZEIGROSSER, P. Co musíme udělat, abychom snížili stavy černé zvěře a udrželi je na únosné míře. In Černá zvěř 2003, Písek. Šternberk: Českomoravská myslivecká jednota, 2003. 90 s.
66
9
SEZNAM ZKRATEK
ČR
Česká republika
JKS
jarní kmenový stav
KOP koeficient očekávané produkce MPD modelová populační dynamika MV
Ministerstvo vnitra
MZe
Ministerstvo zemědělství
PČR
Policie České republiky
PP
poměr pohlaví
10 SEZNAM TABULEK Tab. 1: Průměrné hodnoty zastoupení složek populace divokých prasat v Polsku získané lovem a pozorováním .................................................................................................. 17 Tab. 2: věková skladba populace v % podle koeficientu očekávané produkce ............ 22 Tab. 3: Indexy páráků a klektáků v závislosti na věku ................................................ 25 Tab. 4: Zastoupení jednotlivých věkových kategorií v rámci JKS .............................. 34 Tab. 5: Výpočet metodou nesčítaných bachyní s uplatněným KOP 4 ......................... 36 Tab. 6: Výpočet metodou nesčítaných bachyní s uplatněným KOP 3,2 ...................... 37 Tab. 7: Metoda výpočtu podle odlovu mladé zvěře pro období 2003–2012 ............... 41 Tab. 8: MPD pro zastoupení plodných samic v populaci 38 % a 47 % při délkách života 8, 10 a 12 let ................................................................................................................ 43 Tab. 9: Zprůměrované hodnocení čitelnosti vzorků rozdělených podle typu osvětlení a úpravy. ........................................................................................................................ 54
67
11 SEZNAM OBRÁZKŮ Obr. 1: Odstřel divokých prasat na území České republiky v letech 1966 – 2013 ........ 11 Obr. 2: Podíl na škodách dle uvedených druhů . ......................................................... 12 Obr. 3: Škody působené zvěří na zemědělských kulturách dle jednotlivých kalendářních měsíců . ....................................................................................................................... 13 Obr. 4: Zvěří nejvyhledávanější druhy zemědělských plodin . .................................... 13 Obr. 5: Vzájemná vazba jedinců s vlastnostmi prostředí, ve kterém žijí ...................... 14 Obr. 6: Vývoj chrupu černé zvěře . ............................................................................. 24 Obr. 7: Určování věku bachyní na základě tvaru háků a místa s jejich největší šířkou .26 Obr. 8: Zarůstání kořenového kanálku v závislosti na věku ......................................... 27 Obr. 9: Opotřebování stoliček černé zvěře .................................................................. 28 Obr. 10: Způsob měření hodnot zubní pulpy a tloušťky stěny řezáku. ......................... 29 Obr. 11: Určování věku černé zvěře (čtyřletý jedinec) počítáním anulů náhradního zubního cementu dle Hella. ......................................................................................... 30 Obr. 12: Schematické vyobrazení vrstev náhradního zubního cementu na stoličce M 1 u jelena. ....................................................................................................................... 32 Obr. 13: Počty potřebných (celkových) bachyní, lončaček a selat samičího pohlaví, jejich JKS a odstřely. ............................................................................................................ 38 Obr. 14: Množství a struktura samic podílejících se na reprodukci při KOP 3,2 .......... 39 Obr. 15: Minimální stavy zvěře vypočtené podle odlovu selat a lončáků v porovnání se sčítanými JKS a odlovem. ........................................................................................... 40 Obr. 16: Porovnání populační dynamiky při zastoupení plodných samic 38 % a 47 %, jeli délka života 10 let .................................................................................................... 43 Obr. 17: Jarní stavy a odstřel při použití počátečního JKS 42 788 z roku 2002............ 45 Obr. 18: Jarní stavy a odstřel při použití nejnižšího možného počátečního JKS (58 465) tak, aby se stavy udržely v kladných číslech. ............................................................... 45 Obr. 19: Jarní stavy a odstřel při použití počátečního JKS 58 470 jedinců se stanoveným minimálním odstřelem k zastavení růstu početních stavů. ............................................ 45 68
12 PŘÍLOHY
Příloha 1: hodnocení čitelnosti příčných řezů (osvětlení: schott – přísně směrové světlo, DL – rozptýlené světlo, dále jen schott a DL)
hodnocení příčných řezů zub č. 3 6 10 25 28 29 32 36 37 38 39 43 47 52 57 58 60 63 65 66
osvětlení DL schott DL schott DL schott DL schott DL schott DL schott DL schott DL schott DL schott DL schott DL schott DL schott DL schott DL schott DL schott DL schott DL schott DL schott DL schott DL schott
průměr
neupraveno 4
A
3 4 3
3
4
3 3
4
3 3
3
5 2
3
2 3
2
3
69
3
2
2,60
3
3
1
2,95
1 3
3
1
3,10
1
1
2
3 1
3
1
2 3
1
3
2
3
4
1
3
3
2 4
2
3
2
2 2
4 3
3
3
2
4
2
3
3 4
2
3
4 3
4
1
4
3
3
4
1
3
3 3
1
4
2
1 4
4 4
3
3
5
3
3
2
5 3
3
3
5 4
2
2
4
5
5
3
3
3
4 5
2
4
1
4 3
5 2
4
4
3
5
5
5
4 5
2
5
4 4
3
2
5
3
5 4
2
4
3 3
3
5
4
3
4
4 4
4
4
2
3
4 4
5
3
4 3
3
A2
3
3 3
3,35
A1
4
3 2
2
3,15
3,00
2
3,25
3,45
Příloha 2: hodnocení čitelnosti podélných řezů
hodnocení podélných řezů zub č. 4 8 9 15 17 24 25 27 29 31 37 38 39 41 42 47 49 51 62 66
osvětlení
neupraveno
DL schott DL schott DL schott DL schott DL schott DL schott DL schott
1
DL schott DL schott DL schott DL schott DL schott DL schott DL schott DL schott DL schott DL schott DL schott DL schott DL
2
5 5
4
3
4
4 3 4
2
3 3 4 3
1
70
3 3
4 2
2,40
2 3
4
1
2,60
3
2
1
3
3
2
2
2,95
5
2
3
3 4
4
2
2
3
4
3
4 4
5
2
2
4
4
4
3
3
3
3 3
4
2
3
2 3
3
3
3
3
3
2
3 2
4
3
4
3
3
3
5
4
3
3 3
3
2
4
5 5
4
3
2 4
3
2 2
3 3
3 2
3
3
2
3
3
4
2
3
3
3
4
1
4
3 4
1
3
3
5
2
2
4 4
4
1
2
4
4
1
3
4
4
2
4
3
3
4
5 4
4
4
2
3
3 3
2 3
4 3
4
2 1
4
3 2
A2
1 1
3
3
3,10
A1
1 1
schott
průměr
A
3 2
2
3,25
3,10
2
3,35
3,20
Příloha 3: hodnocení čitelnosti tenkých výřezů (prolite – prosvětlení ze spodní strany, prolite voda – prosvětlení zespod, přičemž vzorek je ponořen ve vodě)
hodnocení tenkých výřezů zub č. 1 6 7 9 10 24 27 31 32 36 41 49 51 52 55
osvětlení prolite prolite voda schott prolite prolite voda schott prolite prolite voda schott prolite prolite voda schott prolite prolite voda schott prolite prolite voda schott prolite prolite voda schott prolite prolite voda schott prolite prolite voda schott prolite prolite voda schott prolite prolite voda schott prolite prolite voda schott prolite prolite voda schott prolite prolite voda schott prolite prolite voda schott
neupraveno 3
A
A1
3 3
3 2
3
2
2 1
2
3 3
4
2
3 3
2
4
1
2
1
3
2
3
4
5
3 4
4
3
3 3
4
3
3 3
3
4
3 2
4
3
3
4
4
4
4
3
4
2
3
2
2 1
2 2
2
2 3
3 2
71
3 3
2 2
3
3 4
3
2
3
2
2
3
2 3
4
4 3
3 3
3 4
3
4
3 3
4
4
3
4
3
4
4 3
4
3 4
3 4
4 3
3
4
3 3
3
3
4 4
4
3
3 3
3
3
4 4
4
3
3 3
4
3
4 3
3
3
5 3
3
3
3 4
3
3
2
5
4
4 2
2
3 4
4 4
1
5
4 4
3
2
2 3
4
3
3 3
4
3
2 2
3
2
4 2
3
1
3 3
2
2 2
3
3
3
A2
3
3 2
2
57 58 60 62 63 65
prolite prolite voda schott prolite prolite voda schott prolite prolite voda schott prolite prolite voda schott prolite prolite voda schott prolite prolite voda schott průměr
3
3 3
2 3
3
4
4
2
3
1 3
1 3
4
2
3
3
2 2
3 2
2
1
1
4 3
4 4
4
3
4
2 3
1 2
2
2
2
3 2
4 2
3 2
2
2 3
3 3
2
3 2
2 1
4
3 2
2 1
3
2 2
4
4
3 3,24
4
3
3
3
3,00 2,52 2,71 2,76
4
2,90
2,86
3,00
2,86
4 3,00
3,05
3,29
Příloha 4: hodnocení čitelnosti leptaných výřezů (písmeno b za číslem vzorku značí podélný řez)
hodnocení leptaných řezů zub č. 1 7 9b 24 b 25 25 b 27 b 29 29 b 37 37 b 38 38 b 49 b 55 60 62 b 63 66 66 b
osvětlení
schott schott schott schott schott DL DL DL DL schott schott DL schott schott schott DL schott schott schott DL průměr pro osvětelní průměr pro úpravu
neupraveno
A
A1
2 1 3 2 3 1 3 1 2
3 2 3 3 3 1 2 2 3
1,83
2,43
3 4 2
4 2 1 1 3 3 4
2,25
3,29
2,95
72
3 3 2
4 2 3 2 4 4 5 2 2,17
2 1 4 4 5 1 2 1 2
4 4 3
2
3 4 2 3 4 1 3 2 3
3 2 2
A2
4 2 2 2 4 4 4 3 2,33
4 2 3 3 3 5 5 3
3,21
2,95
1,83
3,36
2,90
Příloha 5: neupravený příčný řez zubu č. 52, osvětlení: Schott KL 1500 LCD.
Příloha 6: příčný řez zubem č. 43, osvětlení: Schott KL 1500 LCD, analytická úprava: postup A – detekce svislých hran a následná úprava kontrastu (dále jen A).
73
Příloha 7: příčný řez zubem č. 60, osvětlení: Schott KL 1500 LCD, analytická úprava: postup A2 – detekce údolí barevného obrazu za použití intenzivní složky obrazu a následná úprava kontrastu (dále jen A2).
Příloha 8: neupravený podélný řez zubem č. 25, osvětlení: KAISER RB 5000 DL.
74
Příloha 9: podélný řez zubem č. 25, osvětlení: KAISER RB 5000 DL, úprava: postup A
Příloha 10: podélný řez zubem č. 51, osvětlení: Schott KL 1500 LCD, úprava: postup A1 – vytvoření reliéfu a následná úprava kontrastu (dále jen A1)
75
Příloha 11: neupravený tenký výřez zubu č. 7 umístěný ve vodě a prosvícený zespod.
Příloha 12: neupravený tenký výřez zubu č. 60, osvětlení: Schott KL 1500 LCD.
76
Příloha 13: tenký výřez zubu č. 10, umístěný ve vodě a prosvícený ze spodní strany, úprava: postup A.
Příloha 14: tenký výřez zubu č. 58 prosvícený ze spodní strany, úprava: postup A1.
77
Příloha 15: příčný řez zubu č. 29, na kterém po vyleptání nebyly patrné vrstvy náhradního zubního cementu v podobě odlesků při osvětlení šikmým světlem, proto bylo použito rozptýlené světlo (KAISER RB 5000 DL).
Příloha 16: příčný vyleptaný řez zubu č. 29, osvětlení: KAISER RB 5000 DL, úprava: postup A2.
78
Příloha 17: příčný řez zubu č. 7, po vyleptání jsou patrné vrstvy sekundárního cementu ve formě odlesků způsobených šikmým světlem (Schott KL 1500 LCD).
Příloha 18: příčný vyleptaný řez zubu č. 7, osvětlení: Schott KL 1500 LCD, úprava: postup A2.
79