Silva Ga bre ta 19 (1)

Silva Ga­bre­ta 19 (1) 

H RÁ N Ě N •C Á RA J I N NÁ O B L

NÁ

K

K

ROD NÍ P AR

Scientific studies from the Bohemian Forest

A

ST

Š U M A VA

Správa Národního parku Šumava

Biosférická rezervace UNESCO

Vimperk 2013

Silva Gabreta

vol. 19 (2)

p. 57–71

Vimperk, 2013

Protection and support of littoral macrophyte stands by breakwaters on differently exposed shores of the Lipno reservoir Monika Krolová* & Josef Hejzlar Faculty of Science, University of South Bohemia, Branišovská 31, CZ-37005 České Budějovice, and Institute of Hydrobiology, Biology Centre AS CR, Na Sádkách 7, CZ-37005 České Budějovice, Czech Republic * [email protected] Abstract In reservoirs with wide water level fluctuation, littoral macrophyte stands are often absent on the erosion exposed shores. The poorly developed aquatic ecosystem of these sites/habitats indicates a low ecological potential in the sense of the EU Water Framework Directive. The aim of this study was to (1) describe the littoral macrophyte vegetation and their habitats on differently erosion-exposed shores of the Lipno reservoir, (2) assess factors that impair the vegetation development, and (3) verify the positive effect of simple wooden breakwaters on this vegetation. Three breakwaters were installed in the eulittoral zone in localities with homogeneous morphology but different fetch length and light conditions. Changes in littoral macrophyte vegetation under breakwater treatment were evaluated in 2006–2011. Species composition, distribution, and cover, as well as water level fluctuations and sediment structure were assessed at the breakwater and control sites. The results showed that simple breakwaters can be effective only if basic requirements for the growth of littoral macrophytes are met, i.e., the presence of nutrients in the substrate and sufficient light without shading by trees. This type of breakwaters was ineffective in heavily erosion-exposed areas with largely degraded substrate. At such sites, it is necessary to consider whether feasible would not be protection by more sophisticated breakwaters preventing losses of fine particles from the substrate, combined with addition of nutrient-rich substrate and planted macrophytes. Key words: breakwater structure, shoreline erosion, littoral vegetation, water level fluctuation, wave activity

INTRODUCTION The presence of well-developed littoral vegetation influences positively the aquatic ecosystem and water quality (CARPENTER & LONDGE 1986, JUST et al. 2003, MOSS 2008). Macrophytes as primary producers supply food to the first consumers in trophic chains (GROSS et al. 2001), provide habitats and refuges for periphyton, zooplankton, other invertebrate species, and vertebrates, such as fish (BALON 1975, A ARTS & NIENHUIS 2003) and frogs (STRAYER & FINDLAY 2010, BORNETTE & P UIJALON 2011). They play an important role in biochemical cycles, e.g., by storing nutrients in their biomass and influencing food webs of aquatic ecosystems (JEPPESEN et al. 1997). The importance of littoral macrophytes in the aquatic ecosystem is also reflected by the requirement of the EU Water Framework Directive (Directive 2000/60/EC) for their presence at all suitable sites in the littoral of lakes and reservoirs so that their ecological status or potential can be positively evaluated. Man-made lakes are used for different purposes, such as hydroelectricity, water storage, 57

flow augmentation, irrigation, flood protection, fish production and recreation. Many of these uses may generate water level fluctuations, shift the transition zone between land and water, and accelerate erosive processes along the shoreline. Erosion-exposed areas of water bodies have usually steeply sloping shores with a large fetch length (MOSS 2008, K ROLOVÁ et al. 2012). At these sites, the growth of littoral macrophytes and vegetation development are prevented by unfavourable conditions induced by wave action (WEISNER 1987, WEISNER et al. 1997), frost and ice phenomena (NILSSON 1981, BJÖRK 1994), bottom degradation (MADSEN et al. 1996, 2006, NORDSTROM & JACKSON 2012) sediment re-suspension or reduced water transparency (K ALFF 2002). To mitigate erosive processes along the shoreline, anti-erosion barriers (breakwaters) from wooden structures, large stones (MCCOMAS 2003) or planted trees (ŠLEZINGR 2007, MÍČA & ŠLEZINGR 2008) have been used. These measures have usually little supporting effect on littoral macrophyte vegetation even if erosion has been diminished. The reason is persisting poor nutrition of the plants due to the degraded substrate at the erosion-damaged shores. For restoration of macrophyte stands at such sites, transplanting of native macrophytes together with addition of natural sediment (HERMANN et al. 1993, JANSEN 1993, OSTENDORP et al. 1995) or a nutrient-rich substrate (ISELI 1993, ZHEN 2002) was often needed after the shores had been protected against erosion. The aim of this study was (a) to investigate factors controlling littoral vegetation development on erosion-exposed sites on the shore of a reservoir with fluctuating water level, (b) to test if simple woody breakwaters can be effective in protection of the shore against erosion, and (c) under which conditions these breakwaters can support littoral macrophyte vegetation development. In erosion-exposed areas of water bodies, the breakwaters were supposed to reduce wave activity and consequently support the growth and reproduction of macrophytes.

METHODS Study area The Lipno reservoir (Fig. 1) is a large dam impoundment situated in the upper reaches of the Vltava River in the foothills of the Bohemian Forest (= Šumava Mts.) (coordinates of dam: 48°38'00''N, 14°14'15''E; surface area: 48 km 2; volume: 306 mil. m3; mean water residence time: 0.6 year; elevation of maximum water level: 725.6 m a.s.l.). The reservoir was built as the uppermost part of the Vltava cascade of hydropower reservoirs and was first filled in 1960. The major purposes of the reservoir include hydroelectricity generation, flow maintenance, and flood control, but the reservoir is also largely used for recreation and angling. The reservoir is operated within an annual cycle of filling and emptying. The maximum reservoir pool is in the spring; during the winter period the water level of the pool is intentionally lowered to increase the flood control capacity before the snow melt; in the summer and autumn months, the water level depends on flow conditions: the water level is almost stable in years of high flow conditions but large drops in water level (up to >3 m) are common in years of subnormal flow (Fig. 2). In the Lipno reservoir, littoral macrophytes occur only in the eulittoral which is delimited by the range of water level fluctuations and has a characteristic macrophyte vegetation zonation. The shore protected against erosion can be divided into three zones: (i) upper eulittoral in the range of 724.3−725.6 m (flooded during <20% of time during 2005−2011) that hosts a dense hydrophilous vegetation of grasses and sedges; (ii) middle eulittoral in the range of 723.9−724.3 m (flooded 25−50% of time), with a low-density cover of a community 58

Fig. 1. Situation drawings of the Lipno reservoir and the study sites.

59

Table 1. Morphology characteristics of the study sites: geographic coordinates (WGS84; N, latitude; E, longitude), elevation (m a.s.l.), fetch length of wind action, height of erosion step (HES), shore slope, areas of breakwater protected, and control areas. Coordinates Elevation (m) Fetch length HES Slope Breakwater Control area Site N E min max area (m2) (km) (cm) (°) (m2) 1 48°39'27'' 14°08'37'' 724.2 724.5 2.5 10 4.4 54 50 2 48°39'31'' 14°08'26'' 723.9 724.4 8.5 30 5.7 53 69 3 48°39'29'' 14°08'04'' 723.6 724.0 1.0 5 4.6 57 54

of perennial and annual emerged species, amphibious species and bare bottom species; (iii) lower eulittoral in the range of 723.5−723.9 m (flooded 50−75% of time), with sporadic occurrence of bare bottom macrophyte species (K ROLOVÁ et al. 2013). This zonation of macrophytes exists also on the erosion-exposed shores, but there the dense vegetation of the upper eulittoral recedes to the uppermost margin of the reservoir (725.6 m) and the communities of the middle and lower eulittoral zones are much rarer, species-poorer and covering smaller areas (K ROLOVÁ et al. 2012, 2013). Breakwaters During 2006–2011, breakwaters were installed along the erosion-exposed shore of the Lipno reservoir nearby the Frýdava village in three locations with similar morphology but largely differing in fetch length and, hence, differently exposed to erosion and with different conditions for littoral vegetation development (Fig. 1, Table 1). The breakwaters were installed within the eulittoral but at different elevations according to the expected highest potential for protection and support of littoral vegetation (elevations at Sites 1, 2, and 3 corresponded to the upper, middle, and lower-to-middle eulittoral, respectively; cf. Table 1). The construction of the breakwaters consisted of wooden poles (diameter 10 cm, length 150 cm) that were closely spaced (distances 10 cm) and fixed to the bottom. The final length (ca. 15 m) and shape of each breakwater was inferred from the site-specific activity of waves. The construction of the breakwater at Site 1 was modified by adding a 30-cm stripe of non-woven geo-textile in October 2009 in order to stop continued losses of fine particles from the substrate. Two monitoring areas were located and marked with fixed points on either site − a breakwater protected area behind the breakwater and a control area of a similar size and vegetation cover next to each breakwater protected area.

724 722

2010

2007

2004

2001

1998

1995

1992

1989

1986

1983

1980

1977

1974

1971

1968

1965

718

1962

720

1959

Elevation (m a.s.l.)

726

� Fig. 2. Water level fluctuation in the Lipno reservoir during 1959−2011. The period of 2005−2011 is marked with a thick line to highlight the interval of breakwater installation (data of the Vltava River Basin Authority, State Enterprise).

60

Characteristics of the littoral vegetation Littoral macrophyte vegetation was examined in the autumn at the beginning and the end of the study period 2006–2011. Species composition, plant cover of individual species and total vegetation cover were quantified within each monitoring area and, in addition, qualitative descriptions were made of the vegetation both above and below the breakwater area. The plant cover of individual species was determined using the Braun-Blanquet combined abundance-dominance scales (DIERSCHKE 1994), with its category 2 being split into subcategories 2a and 2b. The final scale is: r (rare), + (cover negligible), 1 (<5%), 2a (5–15%), 2b (15–25%), 3 (25–50%), 4 (50–75%), 5 (75–100%). Names of vascular plants were unified according to KUBÁT et al. (2002). Substrate structure Five samples of substrate (0.5 l) were taken from the surface (0 to 10 cm) layer of the bottom in each breakwater-protected and control area. Sampling and samples analysis were performed in 2006 and 2011. Substrate particle size, determined by dry sieve and wet sedimentation methods (BRADY & WEIL 2002), was divided into three categories: gravel (>2 mm; dry sieve); sand (0.06–2 mm; sedimentation); silt and clay (<0.06 mm; sedimentation). Statistical analysis Changes in selected characteristics (substrate particle size distribution, vegetation cover values in 1-m2 squares of the monitoring areas, flooding regime) of the breakwater-protected and control areas on each site between 2006 (before the installation of breakwaters) and 2011 (shore protected by breakwaters for five years) were tested by repeated measures ANOVA. The data on the substrate particle size distribution and vegetation cover were logarithmically transformed to ensure normality. The analyses were performed in STATISTICA 10.0 (StatSoft, Inc., USA).

RESULTS Effects of breakwaters on littoral vegetation In general, littoral macrophyte vegetation of the studied sites consisted of six species. Quantitative changes in the vegetation characteristics prior (autumn 2006) and after (autumn 2011) installation of the breakwaters are shown in Table 2 and Fig. 3. Site 1 In 2006 (prior to the installation of the breakwater), a dense cover of Phalaris arundinacea and Carex acuta with Salix spp. bushes consisting of young individuals only was present above the level of 724.7 m. In the upper eulittoral zone, where the breakwater and control monitoring areas were located, we observed markedly eroded substrate and a low-cover macrophyte vegetation of clusters of Phalaris arundinacea and solitary seedlings of Salix spp. and Taraxacum spp. (Table 2, Fig. 3). A zone with a sparse cover of Eleocharis acicularis was present below the breakwater in the middle eulittoral. In 2011, we observed a significant (F = 4.3, df = 1, p = 0.045) increase in total area of vegetation in the breakwater-protected area, mainly caused by an expansion of Phalaris arundinacea (Table 2, Fig. 3). We also recorded an increase in the number of species, with two new low-cover species, namely Carex acuta and Equisetum fluviatile. The zone of Eleocharis acicularis below the breakwater was not recorded.

61

62

35 25 3

Total cover of littoral vegetation (%)

Cover of emergent species (%)

Number of species 5

50

60

23

23

2011

2

30

30

4

4

2006

C

3

30

30

0.2

2

2011

1

3

3

0.5

0.5

2006

B

E A E E Sh T

Carex acuta L.

Eleocharis acicularis (L.) R. et Sch.

Equisetum fluviatile L.

Phalaris arundinacea (L.) Roth.

Salix spp.

Taraxacum spp. 1

+

2a

−

−

−

1

+

2b

+

−

1

−

+

2a

−

−

−

−

+

2a

−

−

1

−

−

1

−

−

−

Group Cover of species by Braun-Blanquet scale

16

Area of emergent species (m )

Species

16

Total area of littoral vegetation (m2)

2

2006

Year

B

Site 1

−

−

1

−

1

−

2

3

5

0.02

0.02

2011

−

−

1

−

−

−

1

3

3

0.5

0.5

2006

Site 2 C

−

−

1

−

−

−

1

1

1

0.02

0.02

2011

−

−

2b

−

2b

1

3

30

45

7

57

2006

B

−

−

3

−

2b

−

3

40

60

19

57

2011

−

−

2b

−

2a

2a

2

35

45

11

54

2006

Site 3 C

−

−

3

−

2a

−

2

35

55

26

54

2011

Table 2. Macrophytes at localities of breakwaters and control areas between 2006 and 2011. Legend: B − breakwater protected area; C − control area; Group – functional group according to habitat preference (T – hydrophilous terrestrial, E – emergent, A – amphibious, Sh – shrub).

The character of the littoral vegetation, their areas and cover were not significantly changed in the control area in 2011. Similar to the breakwater-protected area, the species number increased when a small plant stand of Carex acuta appeared in 2011 (Fig. 3). Site 2 The littoral macrophyte vegetation was sparse at this site both in the middle eulittoral, where the breakwater-protected and control areas were situated, and also in the upper eulittoral, apparently in connection with the shading by a ca. 20 m high forest stand on the shore that was composed of Picea abies, Betula pendula, Alnus glutinosa, and Salix spp. Trees and shrubs of this forest stand were rooted above the erosion step (724.9−725.20 m), with their branches hanging above the eulittoral zone. In 2006, the characteristics of littoral macrophyte vegetation were the same both in the breakwater-protected and the control area (Table 2, Fig. 3). In 2011, we observed only tiny and insignificant changes in the total areas and cover densities of littoral macrophyte vegetation or emerged species both in the breakwater-protected and control areas. An increase of species number occurred in the breakwater-protected area where Eleocharis acicularis established a narrow (ca. 10 cm wide) and thin strip across the study area parallel with the contour of 724.3 m (Table 2, Fig. 3). Site 3 In 2006, the macrophyte vegetation in the breakwater protected and control areas (that were situated in the middle and lower eulittoral at this site) consisted of clusters of Phalaris arundinacea at their upper margin and Eleocharis acicularis at lower elevations (Table 2, Fig. 3). The upper eulittoral above the study areas was overgrown by a dense community of dominant Phalaris arundinacea and Carex acuta, with bushes of Salix spp. above the elevation of 724.2 m. In 2011, the character of the littoral macrophyte vegetation changed markedly both in the breakwater-protected and control areas. The cover of emergent macrophyte species represented by Phalaris arundinacea significantly increased (F = 12.36, df = 1, p = 0.0016; Fig. 3) in contrary to that of Eleocharis acicularis (amphibious species) that did not change. Interestingly, the species number decreased as Carex acuta disappeared from both study areas. Flooding and water level fluctuation The flooding regime at the three sites was different (F = 173, df = 6, p <0.0001) as a result of their location at different elevations (Table 1, Fig. 4). From comparing the hydrological regime of the study sites, it is evident that flooding periods prolonged from Site 1 to Site 3. All three sites were flooded at least each spring-time. Character of substrate The results of the particle size analysis of substrate samples from the study sites are presented in Fig. 5. The substrate at Sites 1 and 2 was heavily degraded as indicated by the almost missing silt and clay fraction (<0.06 mm) and the predominance of the gravel and sand fractions. The sand fraction was largest also at Site 3 but the substrate here contained also ca. 15% of the silt and clay fractions. The sand fraction (0.06–2 mm) was accumulated (F = 12.308, df = 1, p = 0.004) also at Site 1 protected by the breakwater during the observation. No significant changes in substrate structure occurred when the locality was protected by the breakwater.

63

Fig. 3. Maps of littoral vegetation at the study sites in 2006 and 2011. Legend: A – Phalaris arundinacea, B – Carex acuta, C – Eleocharis acicularis, D – Phalaris arundinacea, Carex acuta and Salix spp., E – Taraxacum spp., F – Equisetum fluviatile, G – Phalaris arundinacea and terrestrial species, H – location points of monitored areas, CH – shading of locality, I – breakwaters.

64

Ice phenomena participated in erosive degradation of the substrate as much as wave action. An example of such an event was observed in the lower zone at Site 1 in the spring of 2009 (Fig. 6). The preceding winter period was relatively dry and cold, with a 2-month period of continuous frosts (from the end of December till the beginning of March). The water level in the reservoir was gradually lowered (by ca. 2 m) until the snow and ice melt in early April. The soil that had frozen during the drawdown became unstable in the melt period and an erosion furrow approximately 1.5–2 m wide, 30 cm deep and at least 1 km long was formed along the shoreline.

DISCUSSION Littoral vegetation at the study sites The development of macrophytes at the study sites corresponded mainly to the gradient of erosion incidence that was largest at Site 2, intermediate at Site 1, and smallest at Site 3,

Fig. 4. Water level fluctuations at the study sites during 2005−2011. Daily data of water level in the Lipno reservoir were provided by the Vltava River Basin Authorities, State Enterprise.

65

being also influenced by shading by trees that was distinct especially at Site 2. These factors were reflected in the zonation of macrophytes formed under the influence of water level fluctuations on the shores of the Lipno reservoir. The typical zonation of macrophytes with three zones in the eulittoral (K ROLOVÁ et al. 2013) was developed only at the least erosion-exposed Site 3. Strong erosion hindered the growth of littoral vegetation at Sites 1 and 2. At Site 1, the zone with emergent species (Phalaris arundinacea, Carex acuta) and shrubs

Fig. 5. Comparison of particle size fractions in the substrate at the study sites.

66

(Salix spp.), typical of the upper eulittoral, was shifted by 0.5 m upwards compared to the typical zonation (above the erosion step at elevations of 724.7−724.8 m). Littoral macrophyte vegetation was almost absent at the elevations of the middle and lower eulittoral sub-zones. At Site 2, the erosion step was even higher (at the elevation of 724.9−725.2 m) and littoral vegetation of the upper eulittoral sub-zone was not present, apparently due to shading by trees and shrubs (Fig. 3; LELLÁK & KUBÍČEK 1992). The combination of two factors, namely water level fluctuation and wave action, leads to erosion and losses of fine particles from the substrate in the eulittoral and supports the occurrence of macrophytes that are adapted to these conditions (periodical flooding and small nutrient content in the substrate). The emergent Phalaris arundinacea was typical of this zone at elevations of ca. 723.8−725.6 m. This species does not spread to lower elevations, apparently because it does not survive long-time flooding (R ICE & PINKERTON 1993, LAVERGNE & MOLOFSKY 2004, K ROLOVÁ et al. 2013). P. arundinacea is also known for its mechanical resistance in habitats that are highly eroded, for example, along river banks where mechanical effects of water flow are high (GRIME et al. 1988).

Fig. 6. Bottom damage after ice melt during a drop of water level in the eulittoral zone of the Lipno reservoir near Site 1 in spring 2009.

67

Another species, widespread at the monitored sites, was Eleocharis acicularis that was frequently present down to elevation of ca. 723.4 m on erosion-exposed shores of the Lipno reservoir (K ROLOVÁ et al. 2010). This species is resistant to water level fluctuations, undiscerning as for the quality of substrate and has a very good regeneration ability after damage (DURAS et al. 2007). This species is typical of reservoirs with wide water level fluctuations and was also observed, for example, in the reservoirs Lučina, Žlutice, Klíčava, Karhov (DURAS et al. 2007), and Nýrsko (H EJZLAR et al. 2005, ŠTĚRBA 2006). Efficiency of breakwaters The breakwaters efficiency in terms of recovery of degraded substrate and support to macrophyte growth was not high. Some effect could be recognised only at Site 1. Not verified was our assumption that the amendment of a breakwater with a stripe of geo-textile would increase retention of fine particles and thus increase nutrient content in the substrate. The results of substrate analysis showed (Fig. 5) that the content of nutrient-rich silt and clay particles <0.06 mm (BRADY & WEIL 2002) remained unchanged and the littoral vegetation consisted of species with a small demand for nutrients. We ascribe the recorded significant increase in total vegetation cover mainly to the mechanical protection from the effects of wave action (BORNETTE & PUIJALON 2011) in conjunction with less frequent flooding of the area in recent years (Fig. 4). It can be assumed that if a breakwater was supplemented by nutrient-rich substrate, littoral vegetation would spread more, like in the cases described in other studies (e.g., ISELI 1993, OSTENDORP et al. 1995, ZHEN 2002). The low efficiency of the breakwater at Site 2 can be explained mainly by the substrate being heavily degraded due to the strong erosion activity of waves and water level fluctuations (BJÖRK et al. 1972, COOPS & HOSPER 2002, VILMUNDARDÓTTIR et al. 2010). The almost entire absence of macrophytes was influenced by both nutrient limitation and shading of the locality by trees. The presence of Eleocharis acicularis should be considered most probably as an episodic event. Its low vegetation cover in the line parallel with the contour of 724.5 m suggests that this species may have been brought there from other nearby localities shortly before the survey. Site 3 was vegetated by littoral macrophytes already at the start of our study, apparently because this shore is relatively well protected against wave action (with a short fetch length; see Table 1 and Fig. 1). Another favourable characteristic of this site with respect to macrophyte growth is its location in a valley where the soil is moistened by seepage of groundwater at many sites. The simple breakwater does not bring much benefit to this area because its macrophytes are not exposed to a strong wave action and their presence is probably predominantly regulated by water level fluctuations with alternating flooding and drying of the site. Erosion, shading and suitable placement of breakwaters The recorded results show that the development of littoral vegetation is influenced by a combination of factors and their interactions. It is obvious that erosion is the main factor limiting the development of littoral macrophytes at Sites 1 and 2 because their substrate does not contain fine particles rich in nutrients (Fig. 5) necessary for the development of macrophytes (MADSEN et al. 1996, VAN GEEST et al. 2003, FUREY et al. 2004). Erosion and degradation of substrate are primarily dependent on the exposure of a locality to wave action (fetch length and wind direction; VILMUNDARDÓTTIR et al. 2010). For example, the calculated heights of waves at Sites 1, 2 and 3 according to the Czech national standard ČSN 75 0255 (1988) at 20 m.s-1 wind speed (such a wind speed occurs once every 10 years according to the 1994−2011 data set from the nearby weather station of the Czech Hydrometeorological Institute at Čer68

ná v Pošumaví) are 0.9, 1.5 and 0.8 m, respectively, while they are only 0.4, 0.6 and 0.2 m at 10 m.s-1 wind speed (with an average occurrence of 2 days per year), and 0.2, 0.3 and 0.1 m at 5 m.s-1 wind speed (on ca. 30 days per year). The differences between the calculated wave heights correspond well with the position of the erosion step at each locality, e.g., the erosion step is by 0.3 m higher at the most erosion-exposed Site 2 than it is at the less exposed Site 1. Water level fluctuations are another factor important for the erosion of shores (BJÖRK et al. 1972, COOPS & HOSPER 2002). Shore erosion is a long-term process and results from the entire reservoir history. It is evident from Fig. 2 that, from the 1960s to 1980s, the reservoir was exposed to even wider water level fluctuations than in the past decades and also the seasonal maxima of water level were higher. Hence, the erosion of the shoreline apparently reached higher elevations during that period and the current state of the reservoir shores is the consequence. The construction of simple breakwaters has no effect on the conditions with a combination of multiple unsuitable factors, e.g., exposure of a locality to a long fetch length together with shading by trees and shrubs (like at Site 2). In such a case, support to the development of littoral vegetation is very difficult to achieve. Conversely, localities that contain eroded substrate but are not highly exposed to erosion, have good light conditions, and also host developed littoral vegetation in the upper eulittoral (like at Site 1) can have a great potential for successful support to littoral macrophyte vegetation by using simple erosion protection measures. However, breakwaters should be always designed to prevent the washing out of fine particles from the substrate, as was our pile breakwater amended with geo-textile (at Site 1). Correct location of breakwaters at a suitable elevation in relation to the range of water level fluctuations in a reservoir is of a great importance in our opinion. The development of seasonally flooded vegetation in the middle eulittoral is valuable for the aquatic ecosystem (CARPENTER & LODGE 1986, K ROLOVÁ et al. 2013); therefore the protection of and support to macrophytes in this zone should be preferred. This zone is flooded in the Lipno reservoir for 20−50% of the time. The frequent occurrence of the flood line within this zone greatly increases the probability of heavy erosion events due to strong winds that occur with low frequencies but have critical consequences for shore erosion. A breakwater in the middle eulittoral can also protect the upper eulittoral. On the other hand, it would be not very sensible to locate breakwaters in the lower eulittoral, mainly because the growth of macrophytes here does not primarily respond to erosion but to water level fluctuations.

CONCLUSIONS The development of littoral macrophytes on the erosion exposed shores in the Lipno reservoir is limited by the erosive effects of wave action and ice phenomena interacting with water level fluctuation caused by the reservoir management. Mechanical protection of macrophytes in the eulittoral zone by a simple breakwater can be effective at locations where basic conditions for the development of littoral vegetation are met, such as the presence of a substrate with sufficient nutrient contents, good light conditions without shading (for example by trees and shrubs), and a correct locating of the breakwater within the eulittoral zone (especially in the middle eulittoral that has the greatest functional significance for the aquatic ecosystem). The use of a simple breakwater in areas highly exposed to wave action with a substrate strongly degraded due to long-lasting erosion and with tree shading is not suitable. In erosion exposed places, it is necessary to consider whether the protection by more advanced 69

breakwaters preventing losses of fine particles from the substrate and addition of nutrient-rich substrate and planting of macrophytes would help, or whether it would be better to leave these exposed areas without littoral vegetation and adopt only mechanical protection of shores. Acknowledgements. This research was supported by the research programmes AV0Z60170517 of the Academy of Sciences of the Czech Republic, MSM6007665801 of the Ministry of Education of the Czech Republic, and the project Postdok BIOGLOBE (CZ.1.07/2.3.00/30.0032) co-financed by the European Social Fund and the state budget of the Czech Republic. We thank M. Čtvrtlíková and V. Hejzlarová for valuable comments during the manuscript preparation.

REFERENCES A ARTS B.G.W. & NIENHUIS P.H., 2003: Fish zonations and guilds as the basis for assessment of ecological integrity of large rivers. Hydrobiologia, 500: 157–178. BALON E.K., 1975: Reproductive guilds of fishes: a proposal and definition. Journal of the Fisheries Research Board of Canada, 32: 821–864. BJÖRK S., 1994: The evolution of lakes and wetlands. In: Restoration of lake ecosystems – a holistic approach, EISELTOVÁ, M. (ed.), IWBR Publ., 32: 6–15. BJÖRK S., BENGTSSON L., BERGGREN H., CRONBERG G., DIGERFELDT G., FLEISCHER S., GELIN C., LINDMARK G., M ALMER N., PLEJMARK F., R IPL W. & SWANBERG P.O., 1972: Ecosystem studies in connection with restoration of lakes. Verhandlungen der Internationalen Vereinigung für Limnologie, 18: 379–387. BORNETTE G. & PUIJALON S., 2011: Response of aquatic plants to abiotic factors: a review. Aquatic Sciences, 73: 1–14. BRADY N.C. & WEIL R.R., 2002: The nature and properties of soils. Prentice Hall, Upper Saddle River, New Jersey, 960 pp. CARPENTER S.R. & LONDGE D.M., 1986: Effects of submersed macrophytes on ecosystem processes. Aquatic Botany, 26: 341–370. COOPS H. & HOSPER S.H., 2002: Water-level management as a tool for the restoration of shallow lakes in the Netherlands. Lake and Reservoir Management, 18: 293–298. ČSN 75 0255, 1988: Výpočet účinků vln na stavby na vodních nádržích a zdržích [Calculating the effects of waves on structures in reservoirs]. Český normalizační institut Praha, 32 pp. (in Czech). DIERSCHKE H., 1994: Pflanzensoziologie. Grundlagen und Methoden. Verlag Eugen Ulmer, Stuttgart, 683 pp. DIRECTIVE 2000/60/EC of the European Parliament and of the Council of 23 October 2000 establishing a framework for Community action in the field of water policy. Official Journal of the European Union, 327: 1−73. DURAS J., CHOCHOLOUŠKOVÁ Z. & KUČERA T., 2007: Průzkum vodních makrofyt vodárenských nádrží [Survey of aquatic macrophytes in water-supply reservoirs]. In: Sborník konference Vodárenská biologie 2007. Vodní zdroje Ekomonitor, s.r.o., Praha: 94–99 pp. (in Czech). FUREY P.C., NORDIN R.N. & M AZUMDER A., 2004: Water level drawdown affects physical and biogeochemical properties of littoral sediments of a reservoir and a natural lake. Lake and Resevoir Management, 20: 280−295. GRIME J.P., HODSON J.G. & HUNT R., 1988: Comparative plant ecology: A functional approach to common British species. Unwin Hyman, London, 748 pp. GROSS E.M., JOHNSON R.L. & H AIRSTON N.G. Jr., 2001: Experimental evidence for changes in submersed macrophyte species composition caused by the herbivore Acentria ephemerella (Lepidoptera). Oecologie, 127: 105−114. HEJZLAR J., HOHAUSOVÁ E., KOMÁRKOVÁ J., KOPÁČEK J., PETERKA J. & DURAS J., 2005: Vodárenská nádrž Nýrsko – vliv makrofyt na jakost vody [The water-supply reservoir Nýrsko − effect of macrophytes on water quality]. In: Sborník konference Vodárenská biologie 2005, Vodní zdroje Ekomonitor, s.r.o., Praha: pp. 173–179. (in Czech). HERMAN B., SEIDEL V. & SCHWARZ A., 1993: Praktische Erfahrungen bei der Ansiedlung Röhricht an Kies- und Sandebaustätten. In: Limnologie aktuell Band/Vol. 5. Seeuferzerstörung und Seeuferrenaturierung in Mitteleuropa. OSTENDORP W. & K RUMSCHEID -PLANKERT P. (eds) Gustav Fischer. Stuttgart, pp. 207–216. ISELI CH., 1993: Ufererosion und Schilfrückgang am Bieler See – Möglichkeiten und Strategien der Uferrenaturierung. In: Limnologie aktuell Band/Vol. 5. Seeuferzerstörung und Seeuferrenaturierung in Mitteleuropa. OSTENDORP W. & K RUMSCHEID -P LANKERT P. (eds) Gustav Fischer. Stuttgart, pp. 103–112. JANSEN P., 1993: Minimierung der ökologischen Auswirkungen einer Marina an Binnengewässern. In: Limnologie

70

aktuell Band/Vol. 5. Seeuferzerstörung und Seeuferrenaturierung in Mitteleuropa. OSTENDORP W. & K RUMSCHEID -P LANKERT P. (eds) Gustav Fischer. Stuttgart, pp. 241–255. JEPPESEN E., JENSEN J.P., SØNDERGAARD M. LAURIDSEN T., PEDERSEN L.J. & JENSEN L., 1997: Top-down control in freshwater lakes the role of nutrient state, submerged macrophytes and water depth. Hydrobiologia, 342/343: 151–164. JUST T., ŠÁMAL V., DUŠEK M., FISCHER D., K ARLÍK P. & PYKAL J., 2003: Revitalizace vodního prostředí [Revitalization of the aquatic environment]. Praha, AOPK ČR, 144 pp. (in Czech). K ALFF J., 2002: Limnology: Inland Water Ecosystems. Prentice-Hall, Upper Saddle River, New Jersey, 592 pp. K ROLOVÁ M., ČÍŽKOVÁ H. & HEJZLAR J., 2010: Faktory ovlivňující výskyt vodních makrofyt v nádrži Lipno [Factors affecting the occurrence of aquatic macrophytes in the Lipno Reservoir]. Silva Gabreta, 16: 61–92. (in Czech). K ROLOVÁ M., ČÍŽKOVÁ H. & HEJZLAR J., 2012: Depth limit of littoral vegetation in a storage reservoir: A case study of Lipno Reservoir (Czech Republic). Limnologica, 42: 164–174. K ROLOVÁ M., ČÍŽKOVÁ H., HEJZLAR J. & POLÁKOVÁ S., 2013: Response of littoral macrophytes to water level fluctuations in a storage reservoir. Knowledge and Management of Aquatic Ecosystems, 408: 07 KUBÁT K., H ROUDA L., CHRTEK J. jun., K APLAN Z., K IRSCHNER J. & ŠTĚPÁNEK J. (eds), 2002: Klíč ke květeně České republiky [The key to the flora of the Czech Republic]. Academia, Praha, 927 pp. (in Czech). LAVERGNE S. & MOLOFSKY J., 2004: Reed canary grass (Phalaris arundinacea) as a biological model in the study of plant invasions. Critical Reviews in Plant Sciences, 23: 415–429. LELLÁK J. & KUBÍČEK F., 1992: Hydrobiologie [Hydrobiology]. Univerzita Karlova, Praha, 256 pp. (in Czech). M ADSEN J.D., BLOOMFIELD J.A., SUTHERLAND J.W., EICHLER L.W. & BOYLEN C.W., 1996: The aquatic macrophyte community of Onondaga Lake: field survey and plant growth bioassays of lake sediments. Lake and Reservoir Management, 12: 73–79. M ADSEN J.D., WERSAL R.M., TYLER M. & GERARD P.D., 2006: The distribution and abundance of aquatic mactophytes in Swan Lake and Middle Lake. Minnesota. Journal of Freshwater Ecology, 21: 421–429. MCCOMAS S., 2003: Lake and Pond Management, Guidebook. Lewis Publishers A CRC Company, Washington, 286 pp. M ÍČA L. & ŠLEZINGR M., 2008: Vegetace a stabilizace břehů [Vegetation and stabilization of banks]. Stavební obzor, 17: 79–82 (in Czech). MOSS B., 2008: The kingdom of the shore: achievement of good ecological potential in reservoirs. Freshwater Reviews, 1: 29−42. NILSSON C., 1981: Dynamics of the shore vegetation of a North Swedish hydro-electric reservoir during a 5-year period. Acta Phytogeographica Suecica 69, Uppsala, 96 pp. NORDSTROM K.F. & JACSON N.L., 2012: Physical processes and landforms on beaches in short fetch environments in estuaries, small lakes and reservoirs. Earth-Science Reviews, 111: 232–247. OSTENDORP W., ISELI C., K RAUSS M., K RUMSCHEID -PLANKERT P., MORET J.L., ROLLIER M. & SCHANZ F., 1995: Lake shore deterioration, reed management and bank restoration in some Central European lakes. Ecological Engineering, 5: 51–75. R ICE J.S. & PINKERTON B.W., 1993: Reed canary grass survival under cyclic inundation. Journal of Soil and Water Conservation, 48: 132–135. STRAYER D.L. & FINDLAY S.E.G., 2010: Ecology of freshwater shore zones. Aquatic Sciences, 72: 127–163. ŠLEZINGR M., 2007: Stabilisation of reservoir banks using an ”armoured earth structure“. Journal of Hydrology and Hydromechanics, 55: 64–69. ŠTĚRBA O., 2006: The significance of macrophytes for phosphorus balance in the Nýrsko Reservoir. MS, Bachelor thesis, Faculty of Science, University of South Bohemia, České Budějovice, 32 pp. (in Czech). (Library of the University of South Bohemia, České Budějovice). VAN GEEST G.J., ROOZEN F.C.J.M., COOPS H., ROIJACKERS R.M.M., BUIJSE A.D., PEETERS E.T.H.M. & SCHEFFER M., 2003: Vegetation abundance in lowland flood plain lakes determined by surface area, age and connectivity. Freshwater Biology, 48: 440–454. VILMUNDARDÓTTIR O.K., M AGNUSSON B., GISLADOTTIR G. & THORSTEINSSON TH., 2010: Shoreline erosion and aeolian deposition along a recently formed hydro-electric reservoir, Blondulon, Iceland. Geomorphology, 114: 542– 555. WEISNER S.E.B., 1987: The relation between wave exposure and distribution of emergent vegetation in a eutrophic lake. Freshwater Biology, 18: 537–544. WEISNER S.E.B., STRAND J.A. & SANDESTEN H., 1997: Mechanisms regulating abudance of submerged vegetation in shallow eutrophic lakes. Oecologia, 109: 592–599. ZHEN H.X., 2002: Ecological engineering techniques for lake restoration in Japan. Tsukuba: River Environment Group. Public Works Research Institute, Tsukuba International Center, JICA, 55 pp.

Received: 2 May 2013 Accepted: 8 September 2013

71

Notes

72

Silva Gabreta

vol. 19 (2)

p. 73–80

Vimperk, 2013

Current occurrence of Pseudoplectania melaena (Fungi, Ascomycota) in the Boubínský Prales National Nature Reserve Jan Holec* & Martin Kříž National Museum, Mycological Department, Cirkusová 1740, 193 00 Praha 9, Czech Republic * [email protected] Abstract Nine microlocalities of a rare fungus Pseudoplectania melaena in the Boubínský Prales National Nature Reserve (Bohemian Forest, Czech Republic) documented in April 2013 are published. All of them originate from mixed montane forest composed of Fagus sylvatica with admixed Picea abies and Abies alba having a virgin or natural forest character. The species was found on fallen decaying trunks (once on a log) of Abies alba. Pseudoplectania melaena proved to be relatively frequent in the Boubínský Prales virgin forest. The reserve represents its richest locality in the Czech Republic. It clearly demonstrates the importance of a long-term forest continuity (never completely cut down, no or minor influence of forest management), stable texture (ensured by spontaneous development), large locality area (tens to hundreds of hectars) and high amount of dead wood (especially of Abies alba) for survival of this rare species. Key words: Czech Republic, Bohemian Forest, Šumava, virgin forest, natural forest, Abies alba

INTRODUCTION Pseudoplectania melaena (Fr.: Fr.) Sacc. is a rare saprotrophic fungus growing on dead wood of conifers, in Europe mostly on old fallen trunks of Abies alba, but also Picea abies (e.g. H ANSEN & K NUDSEN 2000, KOTLABA et al. 1995, MEDARDI 2006). It is remarkable by early production of its fruitbodies (brown-black, bowl-shaped apothecia with a short stalk), which takes place in late winter and spring (January–May, most frequently March–May, after the snow melt). Being a threatened species, Pseudoplectania melaena is included in the Red book (KOTLABA et al. 1995), the list of fungi protected by law (ANTONÍN & BIEBEROVÁ 1995, as P. vogesiaca), and the Red list of Czech macromycetes (HOLEC & BERAN 2006). Basic information on its biology, occurrence and ecology in the Czech Republic was summarized by KOTLABA et al. (1995) and HOLEC (2008a). Based on these data, the fruitbodies of P. melaena appear in near-natural, natural and virgin forests, either the mixed montane forests composed of Fagus sylvatica, Picea abies and Abies alba, or in the ravine forests with admixed conifers. Most localities are situated in nature reserves. In some of them it is threatened by continuing decay of coniferous wood combined with lacking supply of newly fallen trunks and logs. To date, P. melaena is known from three localities in the Czech part of the Bohemian Forest (Šumava in Czech, Böhmerwald in German): Boubínský Prales virgin forest (e.g. KUBIČKA 1960, 1973; SVRČEK 1981, as P. vogesiaca; KOTLABA et al. 1995), Mt. Černý les eastward of Záhvozdí near Želnava (BALDA 1998, as P. vogesiaca), and Milešický Prales 73

Nature Reserve between Mt. Boubín and Mt. Bobík (ZÍBAROVÁ 2006). In German part, its occurrence is mentioned e.g. by LUSCHKA (1993) and NUSS (1999). In spring 2013, rich fructification of P. melaena was observed in the Boubínský Prales National Nature Reserve. As the locality is the richest one in the Czech Republic, we decided to publish the obtained data on microlocalities and substrates as a first step towards the monitoring of P. melaena in the Boubínský Prales National Nature Reserve.

MATERIALS AND METHODS Fruitbodies of P. melaena were searched for during an excursion to the Boubínský Prales National Nature Reserve held on April 24–25, 2013. The core (fenced) area and adjacent E slopes above the Lukenská Cesta forest road (only the stands grown by Fagus-Abies-Picea forest) were visited. We carefully searched for the fungus on all fallen trunks of conifers (especially the large ones, having a diameter of 50 cm and more) we saw during our meandering (“zigzag”) inspection of the reserve (about 150–200 trunks). We are aware of the fact that this method is not exhaustive (some trunks certainly escaped our attention) and future monitoring should be made more intensively using the detailed maps of all fallen trunks made in 1972 and 1996 (VRŠKA et al. 2012). Habitat and substrate conditions of each microlocality were recorded and their position was located using the GPS device Garmin 60CSx (accuracy 3–10 m). Some records were documented photographically and two of them by voucher specimens which are deposited in the Mycological Department, National Museum, Prague (herbarium PRM). The estimation of decay stages follows HEILMANN-CLAUSEN (2001): (1) fallen trunks covered with bark without visible signs of decay; (2) decay signs indistinct, wood and bark weakly disrupted; (3) decay of wood distinct, bark partially loosing or cracking; (4) wood strongly damaged, soft, but still with visible structure, in major part without bark; (5) rotten to almost humified trunks. Degrees of naturalness of forest stands are used in accordance with HOLEC (2008b) who based their characteristics on scale published by VRŠKA & HORT (2003) and VRŠKA (2004). Abbreviations: a.s.l. – above sea level, JH – Jan Holec, MK – Martin Kříž.

RESULTS Pseudoplectania melaena (Fr.: Fr.) Sacc. Syn.: Plectania melaena (Fr.: Fr.) Paden, Pseudoplectania vogesiaca Seaver Microlocalities – Nine microlocalities of Pseudoplectania melaena were found in the Boubínský Prales National Nature Reserve in April 2013 (Table 1, Fig. 1, 2). Six of them are located in southern part of the core (fenced) area of the virgin forest. The remaining three microlocalities are located outside the core area in higher parts of the eastern and north-eastern slopes of the Basumský Hřeben mountain ridge. The altitudinal range of the records is 970–1080 m. Habitats – All records originate from the same habitat – mixed montane forest composed of Fagus sylvatica with admixed Picea abies and Abies alba. It the core area the vegetation represents a true virgin forest never disturbed by forest management. Outside the core area the forest has been slightly influenced by selective cutting of living or withered trees. Consequently, it has to be classified as a natural forest (not the virgin one). Substrate – All records of P. melaena originate from naturally fallen trunks or logs of Abies alba. The trunks are in full contact with soil surface (not hanging above it) and have a 74

75

1000

1010

970

970

1060

1080

1000

980

48°58.532‘N 13°48.854‘E

48°58.526‘N 13°48.791‘E

48°58.363‘N 13°48.949‘E

48°58.407‘N 13°48.912‘E

48°58.359‘N 13°48.652‘E

48°58.403‘N 13°48.633‘E

48°58.619‘N 13°48.448‘E

48°58.596‘N 13°48.775‘E

48°58.565‘N 13°48.863‘E

1

2

3

4

5

6

7

8

9

1050

Altitude (m a.s.l.)

Coordinates

Microlocality

Mixed montane forest (virgin forest)

Mixed montane forest (virgin forest)

Mixed montane forest (natural forest)

Mixed montane forest (natural forest)

Mixed montane forest (natural forest)

Mixed montane forest (virgin forest)

Mixed montane forest (virgin forest)

Mixed montane forest (virgin forest)

Mixed montane forest (virgin forest)

Habitat (naturalness)

Decay stage, cover of mosses 2, covered with mosses 3, covered with mosses 3, covered with mosses 3, no mosses 3, covered with mosses 2, partly covered with mosses 2, no mosses 3, covered with mosses 3, covered with mosses

Substrate Abies alba: log lying on soil (diam. 20 cm), upper side Abies alba: fallen trunk (diam. 60 cm), lateral side Abies alba: fallen trunk (diam. 80 cm), upper side Abies alba: fallen trunk (diam. 80 cm), upper side Abies alba: fallen trunk (diam. 80 cm), upper side + curve between trunk and protruding log Abies alba: fallen trunk (diam. 80 cm), upper + lateral sides Abies alba: fallen trunk (diam. 50 cm), curve between trunk and protruding log Abies alba: fallen trunk (diam. 60 cm), upper side Abies alba: fallen trunk (diam. 40 cm), upper side

–

–

–

JH 19/2013 (PRM), photo JH, MK

–

Photo MK, pale fruitbodies

Photo MK

Photo MK

JH 13/2013 (PRM)

Voucher specimen, photograph

Table 1. Microlocalities of Pseudoplectania melaena in the Boubínský Prales virgin forest on April 24–25, 2013. The sites are arranged in the order how they were discovered (chronologically).

Fig. 1. Geographic position of the Boubínský Prales National Nature Reserve within the Bohemian Forest.

Fig. 2. Microlocalities of Pseudoplectania melaena in the Boubínský Prales National Nature Reserve (fenced core area and its nearest vicinity) found on April 24–25, 2013. The numbers of microlocalities agree with those in Table 1.

76

diameter of 40–80 cm. In most cases they represent old thick individuals of Abies. Only in one case the fungus was found on a fallen log having a diameter of 20 cm. Pseudoplectania melaena clearly prefers wood in advanced stages of decay, i.e. trunks with soft wood, free of bark, more or less covered with mosses (Table 1). However, it is able to produce fruitbodies also on trunks with hard wood and partial bark cover. The fruitbodies were observed both on upper (Fig. 4) and lateral sides of the trunks, sometimes in curves between trunk and protruding logs. Their number varied from single fruitbodies, small groups (most frequently, see Fig. 3) to tens of fruitbodies covering several meters of a trunk (Fig. 4).

DISCUSSION Occurrence in the Bohemian Forest Boubínský Prales During our visit (April 24–25), P. melaena was the most frequent fungal species (of fungi with soft fruitbodies). Generally speaking, it was the dominating fungus of the April fructification aspect in the Boubínský Prales virgin forest. These facts show that P. melaena, a very rare species in the Czech Republic (KOTLABA et al. 1995, HOLEC & BERAN 2006, HOLEC 2008a), is well established at this locality. Other potential sites within the Boubínský Prales National Nature Reserve (not visited by us in April 2013) are the eastern slopes of Mt. Pažení south of the core (fenced) area of the reserve (1000–1100 m a.s.l.) and south-western slopes east of the core area (930–1100 m a.s.l.). They are grown by natural mixed forest with presence of fallen Abies trunks. Pseudoplectania melaena was not found in northern part of the core area which was caused by minor presence of Abies in local forest stands.

Fig. 3. Fruitbodies of Pseudoplectania melaena (microlocality 3). The side view (right fruitbody) shows that the apothecia are distinctly stalked. Photo M. Kříž.

77

According to VRŠKA et al. (2012: 167–169), Abies exhibits a long-term decrease in the Boubínský Prales National Nature Reserve. Living trees represent only 5% of the tree layer (in 1996 there were only 258 living individuals in the core area which is quite unsatisfactory). A logical consequence is the increased number of fallen trunks. It is positive for P. melaena currently (high supply of potential substrate), however, the long-term prospect is unclear as the regeneration of Abies population is very slow. After some decades there will be a time gap when almost no dead Abies trunks will be available for P. melaena. This fact supports the importance of P. melaena monitoring which should be done regularly and more intensively. Czech part of the Bohemian Forest In the years 1996–2006 the first author himself or his collaborators (Z. Pouzar, M. Tomšovský, M. Beran, F. Kotlaba, M. Svrček) visited 185 localities in the Czech part of the Bohemian Forest, rarely also in the its foothills (HOLEC 2007). Some of them were very promising as for the occurrence of P. melaena (natural forests with high number of fallen trunks of Abies, e.g. in the following localities: mounts of Zátoňská Hora, Spáleniště, Stožec – see VRŠKA et al. 2012, site called Debrník near Železná Ruda, etc.). However, the fungus was not found there. The localities differ from the Boubínský Prales National Nature Reserve by their area (small fragments of natural habitats surrounded by man-made forests or clearings), degree of naturalness (they mostly represent naturally regenerated forests replacing partially or completely cut down virgin forests) and smaller number of fallen trunks of conifers, especially Abies alba, but also Picea abies. The occurrence of P. melaena is not excluded in such habitats (BALDA 1998: Mt. Černý Les, one microlocality only) but is less probable. The rich occurrence of P. melaena in the Boubínský Prales virgin forest confirms the importance of

Fig. 4. Fruitbodies of Pseudoplectania melaena on upper side of fallen trunk of Abies alba (microlocality 6). More than 30 fruitbodies were observed on this trunk. Photo M. Kříž.

78

a long-term forest continuity (never completely cut down, no or minor influence of forest management), stable texture (ensured by spontaneous development), large locality area (tens or hundreds of hectars) and high amount of dead wood (which is unusually high in Boubínský Prales, see VRŠKA et al. 2012) for survival of this rare species. Concerning the occurrence in the Milešický Prales Nature Reserve (ZÍBAROVÁ 2006), it is very close to the Boubínský Prales locality and could be considered further microlocality in the Boubín–Bobík mountain group (one biogeographic unit). Bavarian Forest National Park LUSCHKA (1993) characterized P. melaena (under P. vogesiaca) as “verbreitet”, which represented 6–8 records in the “old” part (Rachel–Lusen area). No particular localities were cited. Habitats and substrates are the same as on the Czech side of the Bohemian Forest. In the new part of the National Park, the rich locality is the Mittelsteighütte Nature Reserve which has a similar character like the Boubínský prales. NUSS (1999) wrote that P. melaena was moderately common to common in Mittelsteighütte. Occurrence and ecology in the Czech Republic Due to their completeness, the data from the Czech Republic are summarized here (such recent data are lacking from Germany where only distribution map exists, see K RIEGLSTEINER 1993). Most of the recent Czech localities (KOTLABA et al. 1995, HOLEC & BERAN 2006, HOLEC 2008a: basic data from this exhaustive but unpublished research report are summarized here) have a similar character, i.e. they represent well-preserved natural forests, especially the montane ones: Žofínský Prales National Nature Reserve and Hojná Voda National Nature Monument in the Novohradské Hory Mts. and Salajka National Nature Reserve in the Beskydy Mts. Moreover, P. melaena is known from some ravine forests situated in the hilly country (e.g. Býčí Skála National Nature Reserve in the Moravian Karst) and having a near-natural character. The altitudinal range of P. melaena in the Czech Republic is 300–1150 m (HOLEC 2008a) with the highest number of records in the montane belt (800–1100 m). There are 7 current localities (with records after 1995) and 2 historical ones (no records after 1995). The fungus is mostly known from dead wood of Abies alba but there are also records on Picea abies. In most Czech localities, it is threatened by advancing decay of fallen Abies trunks which cannot be replaced by new ones (mature and old Abies individuals are rare or missing there). Pseudoplectania melaena as an “indicator species” NUSS (1999) considers P. melaena a species “important for the nature conservation”. BLASCHKE et al. (2009) classify it as an “indicator of nature value”. Our data published here also show that P. melaena prefers near-natural, natural to virgin forest stands (which is logical – only in such forests it can found its preferred substrate: the slowly decaying wood of naturally fallen conifers). However, we are slightly skeptic concerning the concept of indicator species (at least from the purely scientific point of view). Such species should be carefully tested (at least on European scale) what environmental factor they indicate, e.g. if they really prefer the “virgin” environment (long-term continuity, never cut, stable texture, spontaneous regeneration, almost no impact of human management) or simply the dead wood in optimal stages of decay (without relation to the “virgin” habitats). One example: P. melaena was classified as a widespread (although not common) species in Switzerland (BREITENBACH & K RÄNZLIN 1984), a country where true virgin forests are very rare. Generally, we are slightly cautious and speak not about “indicator species” but about “species preferring natural to virgin forests”. However, in nature conservation praxis, the term “important for the 79

nature conservation” is fully acceptable. Acknowledgements. We thank Lucie Zíbarová for her data on the occurrence of P. melaena in the Milešický Prales Nature Reserve and the reviewers (C. Bässler and one anonymous reviewer) for their valuable comments. This work was financially supported by the Ministry of Culture of the Czech Republic (DKRVO 2013/06, National Museum, 00023272).

REFERENCES A NTONÍN V. & BIEBEROVÁ Z., 1995: Chráněné houby ČR [Fungi protected by law in the Czech Republic]. Ministerstvo životního prostředí ČR Praha, 89 pp. (in Czech). BALDA P., 1998: Nová lokalita Pseudoplectania vogesiaca (Pers.) ex Seaver [New locality od Pseudoplectania vogesiaca (Pers.) ex Seaver]. Mykologický Sborník, 74: 55–56. (in Czech). BREITENBACH J. & K RÄNZLIN F., 1984: Pilze der Schweiz, Band 1, Ascomyceten. Verlag Mykologia, Luzern, 313 pp. H ANSEN L. & K NUDSEN H. (eds), 2000: Nordic Macromycetes, vol. 1, Ascomycetes. Nordsvamp, Copenhagen, 309 pp. H EILMANN-CLAUSEN J., 2001: A gradient analysis of communities of macrofungi and slime moulds on decaying beech logs. Mycological Research, 105: 575–596. HOLEC J., 2007: Biodiversity and ecology of fungi (macromycetes) in the Šumava Mts. – basic data. Ms., research report of grant project no. 206/04/0356, National Museum, Prague, 312 pp. (depon.: National Museum, Mycological Department, Prague; Administration of the Šumava National Park, Vimperk). HOLEC J., 2008a: Pseudoplectania melaena (Pers.: Fr.) Sacc. Ms., research report, National Museum, Prague, 7 pp. (depon.: Nature Conservation Agency of the Czech Republic, Prague; National Museum, Mycological Department, Prague). HOLEC J., 2008b: Ecology of the rare fungus Hydropus atramentosus (Basidiomycota, Agaricales) in the Czech Republic and its potential value as a bioindicator of old-growth forests. Czech Mycology, 60: 125–136. HOLEC J. & BERAN M. (eds), 2006: Červený seznam hub (makromycetů) České republiky [Red list of fungi (macromycetes) of the Czech Republic]. Příroda, Praha, 24: 1–282. (in Czech). KOTLABA F. (ed), 1995: Červená kniha ohrozených a vzácnych druhov rastlín a živočíchov SR a ČR. Vol. 4. Sinice a riasy. Huby. Lišajníky. Machorasty [Red book of threatened and rare species of the Slovak and Czech Republics. Vol. 4. Cyanobacteria and algae. Fungi. Lichens. Bryophytes]. Príroda, Bratislava, 221 pp. (in Slovak). K RIEGLSTEINER G.J., 1993: Verbreitungsatlas der Großpilze Deutschlands (West), Band 2: Schlauchpilze. Ulmer, Stuttgart, 596 pp. KUBIČKA J., 1960: Die höheren Pilze des Kubani-Urwaldes im Böhmerwald. Česká Mykologie, 14: 86–90. KUBIČKA J., 1973: Přehled dosud publikovaných druhů hub z Boubínského pralesa na Šumavě [A list of hitherto published species of fungi from the Boubínský prales virgin forest in Bohemian Forest]. Česká Mykologie, 27: 212–228. LUSCHKA N., 1993: Die Pilze des Nationalparks Bayerischer Wald. Hoppea, 53: 5–363. MEDARDI G. (ed.), 2006: Atlante fotografico degli Ascomiceti d’Italia. A.M.B., Trento, 454 pp. NUSS I., 1999: Mykologischer Vergleich zwischen Naturschutzgebieten und Forstflächen. IHW-Verlag, Eching, 144 pp. SVRČEK M., 1981: Katalog operkulátních diskomycetů (Pezizales) Československa II. (O-W) [Catalogue of operculate discomycetes (Pezizales) of Czechoslovakia II. (O-W)]. Česká Mykologie, 35: 64–89. VRŠKA T. & HORT L., 2003: Terminologie pro lesy v chráněných územích [Terminology for forests in protected areas]. Lesnická Práce, 82: 585–587. VRŠKA T. (ed.), 2004: Terminological principles of the forest naturalness’ assessment. http://www.pralesy.cz/ ?id=6340. (accessed July 9, 2013) VRŠKA T., ŠAMONIL P., UNAR P., HORT L., A DAM D., K RÁL K. & JANÍK D., 2012: Dynamika vývoje pralesovitých rezervací v České republice, vol. 3, Šumava a Český les – Diana, Stožec, Boubínský prales, Milešický prales [Development dynamics of virgin forest reserves in the Czech Republic, vol. 3, Šumava Mts. and Český les Mts. – Diana, Stožec, Boubín virgin forest, Milešice virgin forest]. Academia, Praha, 238 pp. (in Czech and English). ZÍBAROVÁ L., 2006: Pseudoplectania melaena. http://www.mykologie.net/index.php/houby/podle-morfologie/apothecia/item/980-pseudoplectania_melaena. (accessed July 2, 2013).

Received: 10 July 2013 Accepted: 8 October 2013

80

Silva Gabreta

vol. 19 (2)

p. 81–104

Vimperk, 2013

Geografická analýza lokálního výskytu lesních polomů na základě empirického přístupu Geographical analysis of local occurence of forest windthrows using empirical approach Lukáš Krejčí Lesnická a dřevařská fakulta, Mendelova univerzita v Brně, Zemědělská 3, 613 00 Brno, České republika [email protected] Abstract This paper is attempting to describe basic approaches and methods (mechanistic and empirical) of assessing wind damage hazard using widely available GIS software and application of basic statistical methods to assess windthrow risk. The analysis of wind damage risk is carried out in the southwest part of the Bohemian Forest (Šumava) in the region of Prášily. The statistical method of logistic regression representing empirical approach is used to predict the probability of this hazard. Stepwise method and empirical comparison of alternative models are applied to help in the formulation of model and finding the most appropriate explanatory variables. As a result of the stepwise selection method of independent variables elevation, stand age, wind speed during the storm Kyrill, and soil depth are found to be the most important explanatory variables. Logistic regression formulas are incorporated into GIS and a windthrow hazard map is then derived from the model using raster calculator in ArcGIS Spatial Analyst. The results and the potential for spatial prediction of wind damage using empirical modelling represented by logistic regression are discussed at the end of the paper. Key words: GIS, windthrow, logistic regression, natural hazard, Bohemian Forest, Šumava

ÚVOD Jedním z hlavních škodlivých faktorů působících na lesní porosty je vítr (ENNOS 1997, SCHAETZL et al. 1989), škody způsobené větrem jsou také významným negativním ekologickým faktorem (HALE et al. 2012). Poškození způsobené větrem a následná těžba dřeva není vážným problémem pouze v České republice. Příkladem může být vichřice z ledna roku 2005 v jižním Švédsku, která měla za následek poškození až 70 miliónů m3 dřeva (PELLIKKA & JÄRVENPÄÄ 2003), dále orkán Kyrill, který postihl v lednu 2007 velkou část Evropy, způsobil velké finanční ztráty a vyžádal si 47 lidských životů (BARREDO 2010) nebo například vichřice Emma z března roku 2008, která dosahovala maximální rychlosti větru až 54 m.s –1 (orkán Kyrill dosahoval maximální rychlosti přibližně 60 m.s –1) a zasáhla většinu středoevropských států (HOLUB et al. 2009). Největší škody na lesních porostech bývají ve střední Evropě způsobené silnými větry, které se nejčastěji vyskytují v zimním období a jsou způsobeny nízkými tlakovými nížemi, které se formují na severní polokouli ve středních zeměpisných šířkách (USBECK et al. 2009). Tyto vichřice objevující se v zimních měsících ovlivňují lesní porosty přímo jejich narušením, ale také nepřímo tím, že na poškozeném dřevě se vytvářejí podmínky pro nálet kůrovce (MEIER et al. 2006). 81

Poškození způsobené větrem má za následek nejen přímé finanční ztráty spojené s těžbou narušeného dřeva a sníženou hodnotou polomového dříví (SAVILL 1983, GARDINER 2006), ale také škody nepřímé, mezi které patří zvýšený povrchový odtok, zvýšená náchylnost k erozi půdy, změna proudění vzduchu v přízemní vrstvě, snížená hodnota krajinného potenciálu pro rozvoj cestovního ruchu a mnohé další (KOREŇ 2005). Z ekologického hlediska může být vítr považován za významného činitele, který umožňuje přirozenou regeneraci a zvyšuje diverzitu na lesních stanovištích (QUINE 2000, RUEL & PINEAU 2002). Cílem studie bylo provést geografickou analýzu lesních území z hlediska výskytu lesních polomů na základě empirického přístupu reprezentovaného statistickou metodou logistické regrese a GIS na modelovém území. Mezi dílčí cíle patřil návrh optimalizované datové struktury obsahující závislé a nezávislé proměnné vstupující do modelu logistické regrese, analýza dosažených výsledků a prezentace výsledků ve formě mapových výstupů reprezentujících pravděpodobnost rizika ohrožení lesních porostů větrem. Současný stav Mezi dva základní typy poškození lesních porostů větrem lze považovat vývrat a kmenový zlom (PRAUS 2006). VICENA (2003) dále podrobněji rozlišuje kmenový zlom na vrcholový, korunový a kmenový. Kmenové zlomy se nejčastěji vyskytují v dobře odvodněných lokalitách a u porostů s rozvinutým kořenovým systémem. Větrné vývraty lze naopak očekávat u mělce kořenících porostů v podmáčených lokalitách (STATHERS et al. 1994). Faktory ovlivňující pravděpodobnost výskytu větrného poškození v lesních porostech lze rozdělit do 4 skupin. První jsou (1) meteorologické charakteristiky, (2) vlastnosti stanoviště, (3) topografické podmínky a (4) vlastnosti stromu a porostu (QUINE & GARDINER 2007). Mezi dva nejvíce uznávané faktory patří druh dřeviny a výška porostu (HANEWINKEL et al. 2011). Za další činitele, jež ovlivňují pravděpodobnost výskytu polomů, lze považovat vztah mezi střední tloušťkou porostu a jeho výškou, velikost koruny, hustotu a strukturu porostu, stav kořenového systému (hniloba) a další stanovištní charakteristiky jako orientace ke světovým stranám, sklon, odtokové poměry, půdní typ a další (HANEWINKEL et al. 2011). Vliv druhu porostu na výši škod způsobených větrem byl v minulosti prokázán v České republice i v zahraničí mnoha autory. Například smrk ztepilý (Picea abies), který patří v České republice mezi nejrozšířenější dřeviny, je řazen mezi nejnáchylnější dřeviny k poškození větrem, což bylo v minulosti potvrzeno například VICENOU (1964, 1979, 2004), který analyzoval dopady větrných kalamit na území současného Národního parku Šumava. Vliv porostní sklady na výši škod potvrzují také současné zahraniční studie jako například práce VALINGERA & FRIDMANA (2011) ze Švédska nebo studie ALBRECHTA et al. (2012), která zdůrazňuje náchylnost jehličnatých porostů k poškození větrem. Nicméně STATHERS et al. (1994) tvrdí, že vztah mezi porostní skladbou a větrným poškozením není jednoznačný, jelikož poškození některých druhů porostů silně závisí na stanovištních podmínkách. Podobný názor zastává také NICOLL et al. (2006), který tvrdí, že náchylnost porostu k poškození větrem není vždy silně závislá na druhu porostu, ale je také často signifikantně spojená s hloubkou zakořenění a půdním typem. Pochopení vzájemného vztahu mezi kořenovým systémem a půdou je zásadní ke zlepšení modelování odolnosti kořenového systému a následného vyvrácení stromu (SCHINDLER et al. 2012). Poškození porostů větrem bývá častější ve zralých porostech než v porostech mladých (LOHMANDER & H ELLES 1987, LEKES & DANDUL 2000) a s narůstajícím věkem porostů se obecně zvyšuje náchylnost k poškození větrem. Například v Japonsku existuje u porostů starších 41 let větší riziko poškození větrem než u porostů mladších. Takovéto poškození stromů ve starších porostech je úzce spojeno s jejich strukturou, jako například s výškou, průměrem kmene a velikostí koruny (KUBOYAMA et al. 2003). Ne vždy však poškození stou82

pá přímo úměrně s věkem porostů. R ICH et al. (2007) analyzoval přibližně 30 tisíc stromů v Minessotě v USA (9 druhů dřevin) pomocí statistické metody logistické regrese a zjistil, že poškození bylo nejvyšší ve zralých porostech ve věku okolo 90 let a porosty starší a velmi staré (126 až 200 let) byly poničeny méně. K podobným výsledkům došli i VALINGER & FRIDMAN (2011), kteří analyzovali dopady vichřice z roku 2005, která zasáhla jižní část Švédska. Mezi další důležité faktory ovlivňující stabilitu stromu patří také vlhkost půdy (USBECK et al. 2010), štíhlostní kvocient nebo předchozí těžební zásahy (MIKITA et al. 2009). Dalším činitelem, který může zvýšit náchylnost lesních porostů k poškození větrem, je hranice porostních skupin mezi skupinami s různou porostní strukturou, jejímž vlivem se podrobně zabývali ZENG et al. (2009). Výskyt porostních okrajů je zdrojem potenciálního větrného poškození a má podstatný význam na složení živočišných druhů v porostu, na mikroklima a také procesy v ekosystému (ZHENH et al. 2005). Vítr a následné škody významně ovlivňují strukturu a funkčnost lesních ekosystémů a způsobují lesním hospodářům napříč Evropou značné finanční ztráty (PELTOLA et al. 2010). Například během let 1990 a 1999 bylo v celé Evropě poškozeno díky větrným vichřicím v zimním období více než 275 mil. m3 dřeva a škody způsobené silným větrem v lednu roku 2007 a 2009 měly za následek jen ve střední a jižní Evropě přibližně 150 mil. m3 dřeva (PELTOLA et al. 2010). Vítr patřil i v minulosti k hlavním přírodním škodlivým činitelům lesních porostů v Evropě. Na základě analýzy dostupných dat o poškození lesních porostů v Evropě bylo zjištěno, že během let 1950–2000 bylo průměrně ročně poškozeno přírodními disturbancemi asi 35 mil. m3 dřeva, z toho 53 % bylo vázáno na poškození větrem, 16 % na poškození ohněm, 3 % na poškození sněhem a 5 % zaujímaly ostatní abiotické faktory. Biotické faktory měly za následek 16 % poškození lesa, z toho polovina připadala na škody způsobené kůrovcem (SCHELHAAS et al. 2003). Výskyt silných větrů nelze lidskými silami ovlivnit, ale jejich dopad však lze pomocí moderních prostředků, například geografických informačních systémů (GIS), nástrojů pro podporu prostorového rozhodování (SDSS) a predikativních modelů do jisté míry snížit. Pomocí výše zmíněných nástrojů je možné efektivně provést geografickou analýzu lesních porostů ve velmi krátkém čase a na základě získaných informací přijmout náležitá opatření ke snížení dopadů extremních větrných událostí na lesní porosty. Uvedené moderní technologie napomáhají i při řešení dílčích aspektů analýz, modelování a simulací, například při odvození dílčích faktorů z leteckých snímků (KUDĚLKA et al. 2012), optimalizaci výpočetních postupů (MARJANOVIČ et al. 2011) či hodnocení vlivu vyjádření reliéfu na celkové výsledky (TUČEK et al. 2009, SVOBODOVÁ & VOŽENÍLEK 2010).

HISTORIE POLOMŮ A PŘÍSTUPY K HODNOCENÍ RIZIKA Historie polomů v České republice Problematika polomů byla podle historických pramenů diskutovanou otázkou již v minulosti. Jedním z prvních odborníků, který se začal zabývat otázkou polomových kalamit a způsobům jak jim předcházet, byl Gustav Vincent. Jeho publikace Předcházejme polomům (VINCENT 1943) patří mezi první ucelené práce, které se věnují problematice polomů. Zkracující se intervaly mezi výskyty větrných kalamit ve druhé polovině 20. století a stále se zvyšující škody vedly k tomu, že se problematikou polomů i jejími příčinami začalo zabývat více odborníků. Za zmínku stojí publikace Ochrana proti polomům (VICENA 1964). Na rozdíl od předchozích prací, které se zabývaly především vhodnou volbou dřevin a sta83

noviště, případně opatřeními a výchovnými opatřeními jak předcházet polomů, se VICENA (1964) věnuje příčinám, které polomy způsobují, a zaměřuje se také na vliv a sílu větru. S rozvojem počítačové techniky, softwarů pro podporu rozhodování, databázových systémů, dálkového průzkumu Země a v neposlední řadě GIS docházelo postupně ke zpřesňování získaných dat a jednoduššímu, efektivnějšímu a rychlejšímu zpracování dat o polomových kalamitách. Příkladem využití výše zmíněných technologií při určení rizika výskytu polomů byla klasifikace rizika polomů WINDAREC vyvinutá na konci devadesátých let 20. století v České republice (LEKEŠ & DANDUL 1999). Jednou z posledních studií zabývajících se problematikou polomů, při kterých byly využity GIS a SDSS, byl projekt geoinformační analýzy polomů na Šumavě (K LIMÁNEK et al. 2008, MIKITA et al. 2009). K hodnocení rizika výskytu polomů použili autoři základní statistické metody, mapovou algebru, vícenásobnou regresy a Multi-Criteria/Multi-Objective Decision Wizard dostupný v softwaru Idrisi. Na základě vyhodnocení vstupních dat došli autoři k závěru, že výši škod ovlivnil především věk porostu, směr větru a druhové zastoupení, do jisté míry měly na škody vliv také další faktory jako například terén, rychlost větru, hloubka půdy a další. Mezi oblasti nejvíce postihované větrnými kalamitami v České republice patří území Národní parku a CHKO Šumava. Šumavské lesy byly v posledních několika desetiletích zasaženy extrémními kalamitami mnohokrát. Za zmínku stojí hlavně rozsáhlá kalamita z roku 1984, jejíž následky se podařilo zpracovat až v roce 1985 a škody činily více než 350 000 m3 polomové hmoty (NOŽIČKA 2004), dále pak kalamita z roku 2002, která měla za následek 4 mil. m3 v celé České republice, z toho 200 000 m3 v I. a II. zóně Národního parku Šumava (VICENA et al. 2004). Jednou z posledních významných kalamitních událostí, která změnila tvář Šumavy, byl orkán Kyrill, který zasáhl území České republiky v noci 18. ledna 2007 a způsobil jen na Šumavě škody ve výši 853 036 m3 polomové hmoty (ZELENÁ ZPRÁVA 2006). Základní přístupy K hodnocení rizika porostů z hlediska výskytu větrných polomů je možné použít tři základní přístupy: empirický, mechanický a založený na pozorování (LANQUAYE 2003). Každý z výše jmenovaných přístupů má své výhody a nedostatky a jeho aplikace pro konkrétní lokalitu vyžaduje určitou znalost základních principů každého z nich. Velmi často používaným přístupem k hodnocení rizika polomů byl v minulosti přístup empirický (ELLING & VERRY 1978, VALINGER & FRIDMAN 1997, MITCHELL et al. 2001, SCOTT & MITCHELL 2005). Ten je však v posledních letech doplňován mechanickými a hybridními modely, které využívají především přístup mechanický nebo kombinují výhody obou z výše zmíněných přístupů (PELTOLA et al. 1999, GARDINER et al. 2008). Základním principem charakterizujícím empirický přístup je vztah mezi větrným poškozením a vlastnostmi stromů v porostu, vlastnostmi porostu jako celku a vlastnostmi stanoviště (VALINGER & FRIDMAN 1997, LANQUAYE-OPOKU & MITCHELL 2005, SCOTT & MITCHELL 2005). K vytváření empirických modelů je nezbytné poměrně velké množství informací týkajících se studované lokality (vysoké nároky na množství vstupních dat do modelu, MITCHELL et al. 2001). Nevýhodou empirických modelů vytvořených pro konkrétní lokalitu může být také jejich problematické využití v jiných oblastech, než pro které byly primárně vytvořeny. Empirické modely je obecně nejvhodnější aplikovat na lesní porosty se složitějším a proměnlivým uspořádáním a skladbou a tam, kde je rozmanitý reliéf a různé typy i druhy půd (MITCHELL et al. 2001, LANQUAYE 2003). Tyto modely využívají velmi často statistických metod, jako je například logistická regrese, k vyjádření závislosti mezi oblastí poškozenou větrným polomem a vlastnostmi této oblasti (SCOTT & MITCHELL 2005).

84

Modely založené na mechanickém přístupu předpovídají pravděpodobnost poškození lesního porostu na základě kritické rychlosti větru, která způsobí zlomení nebo vyvrácení stromů v porostu, a pravděpodobnosti výskytu těchto větrů ve studované lokalitě (GARDINER et al. 2000). Tyto modely jsou sestavovány na základě informací o mechanických vlastnostech stromů a měly by být kalibrovány na základě terénních průzkumů (QUINE 1995). Mechanické modely se pokoušejí charakterizovat fyzikální proces, který se podílí na vyvrácení stromů nebo zlomení kmene. Výpočet pravděpodobnosti rizika ohrožení porostu polomem je v mechanických modelech rozdělen do dvou fází. V první fázi je počítána tzv. kritická rychlost větru, která způsobí vyvrácení stromu nebo zlomení kmene. Působící síla závisí na faktorech, jako jsou místní rychlost větru, nárazovitý vítr, pozice stromu v lesním pokryvu, vlastnosti koruny (například velikost, aerodynamika, hmota), vlastnosti kmene (tvar, délka, hmota). Odporové síly stromu závisejí na takových faktorech, jako je vlastnost kmene (průměr a pevnost dřeva), morfologie kořenů atd. (GARDINER et al. 2008) Ve druhé fázi je počítána pravděpodobnost výskytu větrů, které překročí kritickou rychlost. Tyto informace je možné získat například z blízkých meteorologických stanic. V případě, že data z meteorologických stanic nejsou dostupná, je možné využít některý z modelů pro výpočet proudění vzduchu (QUINE 2000, GARDINER et al. 2008). Posledním je přístup založený na pozorování. Jde o metodu časově nejvíce náročnou a kvalita hodnocení závisí z velké míry na zkušenostech pozorovatele, který provádí samotné hodnocení. Základním principem je zaznamenávání výskytu faktorů, které mají prokazatelný vliv na zvýšení škod. Sledují se vlastnosti jako například asymetrie stromů, typy kořenů, tvary korun, nahnilé kořeny a další (LANQUAYE 2003).

VYMEZENÍ MODELOVÉHO ÚZEMÍ Geografická analýza lokálního výskytu lesních polomů byla provedena v oblasti Prášil v jihozápadní části NP Šumava (Obr. 1). Toto modelové území bylo vybráno především z důvodu opakovaného výskytu rozsáhlých polomů, jejichž rozsah způsobuje nejen finanční ztráty spojené s likvidací škod, ale má také negativní vliv na změnu všech krajinných složek. Vrchovinný až hornatý terén vybraného území představuje pohraniční pásmo Šumavy. Klenbovité vrcholy tohoto pásma přesahují nadmořskou výšku 1300 metrů v několika kótách. K severu se oblý hřbet svažuje do sníženiny okolo řeky Křemelné protékající od západu k východu. Nadmořské výšky zde klesají až na 718 m. Sníženina má místy takřka rovinatý reliéf s četnými rašeliništi (DEMEK 1965, MIKITA et al. 2009). Z klimatického hlediska náleží území do oblasti chladné a podle atlasu podnebí ČR (TOLASZ et al. 2007) jde o oblasti CH4, CH6, CH7. V nejnižších polohách (800–970 m n. m.) se pohybují průměrné roční teploty mezi 4,5–5,5 °C a srážky dosahují 900–1050 mm za rok. Ve výškách 970–1210 m n. m. dosahují teploty 4,0–4,5 °C a roční srážkový úhrn je 1050– 1200 mm. V nejvyšších polohách jsou průměrné roční teploty od 2,5 do 4,0 °C a roční srážky přesahují 1200 mm (TOLASZ et al. 2007). Území je odvodňováno několika menšími toky. Východní část je odvodňována Jezerním potokem a Prášilským potokem, který se vlévá do říčky Křemelné, jejímž soutokem s Vydrou vzniká řeka Otava. Západní část je odvodňována Drozdím potokem, Černým potokem, Sklářským potokem a dalšími bezejmennými potoky. Zájmové území se nachází na hlavním evropském rozvodí, většina území spadá do povodí Labe, v severozápadní části území se nachází malý výběžek náležící do povodí Dunaje. Ve vymezeném území se nacházejí dvě ledovcová jezera: Laka a Prášilské. Půdní pokryv tvoří půdy vázané na rozmanité zvětraliny silikátových krystalických hornin od primitivních litozemí přes rankery a kambizemě po kryptopodzoly a podzoly ve 85

vyšších chladnějších a vlhčích polohách. Hojně jsou rozšířeny organozemě a organozemní gleje na údolních dnech (KOLEJKA et al. 2008). Půdní typy byly v zájmovém území odvozeny z Oblastních plánů rozvoje lesa. Mezi nejčastěji se vyskytující půdní typ patří kryptopodzol typický s 2876 ha, který zaujímá 40 % plochy území. Druhým nejvíce se vyskytujícím se půdním typem je kambizem oligotrofní zaujímající 1286 ha.

METODY GEOGRAFICKÉ ANALÝZY Metody a postupy použité ve studii zahrnovaly sběr informací a dat, stanovení a konstrukci datové sady závislých a nezávislých (vysvětlujících) proměnných, vytvoření jednotek výběrového souboru a konstrukci databáze, dále byly ve studii použity metody statistické analýzy, GIS a tematické kartografie. Datové zdroje K provedení geografické analýzy rizika lesních polomů bylo nutné získat data reprezentující faktory, které mají vliv na výši škod. Jako základní činitelé ovlivňující pravděpodobnost výskytu polomů byly zvoleny vlastnosti stanoviště, reliéfu, lesních porostů, směru a rychlosti větru během orkánu Kyrill (Tab. 1).

Obr. 1. Vymezení zájmového území. Fig. 1. The area of interest.

86

Tabulka 1. Seznam vstupních proměnných. Table 1. List of input variables. Název pole/ Field name

Datový typ/ Data type

Popis/ Description

ELEV

číslo/number

nadmořská výška/ altitude

SKLON

číslo/number

VEK

Průměr/ Average

Min. hod- Max. hodnota/ nota/ Min. value Max. value

Jednotky/ Units

1047

722

1336

m n. m./ m.a.s.l

sklon/ slope

9,4

0

29

stupně/ degrees

číslo/number

věk porostu/ stand age

89

2

223

roky /years

ZAKM

číslo/number

zakmenění porostu/ stand density

8,7

2

10

stup.zakm./ stand dens.

SM_D

číslo/number

střední tloušťka smrku/ stand diameter

25,5

0

66

centimetry/ centimetres

SM_H

číslo/number

střední výška smrku/ stand high

21

0

38

metry/ meters

HLOUB

text

hloubka půdy/ soil depth

no data

no data

no data

no data

VLH

text

vlhkost půdy/ soil moisture

no data

no data

no data

no data

ZAST_SM

číslo/number

zastoupení smrku/ proportion of spruce

85,9

0

100

procenta/ percentage

VITR_K

číslo/number

rychlost větru (Kyrill)/ wind speed

15,6

1

40

m.s–1

Faktory reliéfu byly ve studii reprezentovány rastrovým digitálním modelem terénu s rozlišením 5 m, z kterého byly následně odvozeny vrstvy sklonu a orientace svahu. Model byl vytvořen v ArcGIS pomocí metody Topo To Raster, která je speciálně navržena pro interpolování digitálního model terénu z vrstevnic. Podle WAHBA (1990) se jedná o diskrétní spline interpolační metodu, která je založena na modelu deformace nekonečného a nekonečně tenkého kovového plátu. Jako vstupní data byly použity vrstevnice ZABAGED. Faktory stanoviště byly zastoupeny daty Oblastních plánů rozvoje lesa. Z těchto dat, především z typologické mapy, byly odvozeny informace týkající se vlhkostních a půdních poměrů v zájmovém území a údaje o hloubce půd. Data reprezentující faktory lesních porostů byly odvozeny z lesního hospodářského plánu NPŠ LS Železná Ruda (318201/2005–2014 ) a lesního hospodářského plánu NPŠ LHC Prášily (382203/2007–2016). Jednalo se především o věk a výšku porostu, zakmenění, střední výčetní tloušťku a zastoupení dřevin v rámci porostních skupin. Faktory rychlosti a směru větru byly zastoupeny vrstvou rychlosti a směru větru během orkánu Kyrill. Ty byly vytvořeny ve spolupráci s Ústavem fyziky atmosféry AV ČR v Praze v rámci projektu STRiM „Remotely accessed decision support System for Transnational environmental Risk Management“ programu Evropské unie INTERREG IIIB CADSES zaměřeného na hodnocení environmentálních rizik v příhraničních oblastech. Proudění vzduchu bylo vypočítáno pomocí 3-rozměrného nestacionárního modelu proudění PIAPBLM (SVOBODA et al. 2008) a meteorologická data vstupující do modelu byla naměřena v průběhu orkánu Kyrill v lednu 2007. Výstupem modelu byly ASCII soubory udávající 87

v pravidelném gridu rychlost větru ve směru osy X a Y. Pro převod do rastrového formátu bylo nutné vypočítat údaje o směru a rychlosti větru použitím základních goniometrických vztahů v pravoúhlém trojúhelníku. Důležitou datovou vrstvou, jež umožnila exaktní zhodnocení vlivu různých činitelů prostředí a charakteru lesních porostů na poškození větrem, byla vrstva lesních polomů poskytnutá Správou NP Šumava. Bezprostředně po orkánu Kyrill bylo firmou Geodis Brno s.r.o. provedeno letecké snímkování, na jehož základě byla přesně detekována místa polomů. Tato vrstva reprezentovala v hodnocení vysvětlovanou proměnnou, tedy absenci/prezenci polomu. Většina dat použitých k hodnocení byla získána v rámci projektu STRiM, který byl zpracováván na Ústavu geoinformačních technologií Lesnické a dřevařské fakulty Mendelovy univerzity v Brně. Zdrojem výše uvedených dat byla především Správa Národního parku a Chráněné krajinné oblasti Šumava. Logistická regrese a její faktory Geografická analýza lokálního výskytu lesních polomů na základě empirické přístupu byla provedena pomocí metody logistické regrese, která patří mezi jednu z nejpoužívanějších metod k hodnocení pravděpodobnosti výskytu lesních polomů, která byla testována a aplikována mnoha autory (VALINGER & FRIDMAN 1997, JALKANEN & MATILLA 2000, CANHAM et al. 2001, LANQUAYE-OPOKU & MITCHELL 2005, SCOTT & MITCHELL 2005, VALINGER & FRIDMAN 2011). Logistická regrese se zabývá odhadem nějakého závislého jevu (závislé proměnné) na základě určitých známých skutečností (nezávislých proměnných), které mohou ovlivnit výskyt jevu. V případě logistické regrese je vysvětlovaná (závislá) proměnná binárního typu (např. výskyt polomu ano/ne) a jedním z dílčích cílů této metody je analýza efektů nezávislých, vysvětlovaných proměnných (např. stáří, tloušťka porostu), které mohou být kategoriálního nebo numerické typu. Rovnici logistické regrese je možné vyjádřit jako Y=

e g (x) = 1 + e g (x)

1 1 + e -g (x)

kde g(x) = β0 + β1x1 + β2x2 + …+ βpxp ; β0, … , βp jsou parametry regresního modelu a x1, … , xp jsou vysvětlující proměnné (DRAKE 2008). Aby bylo možné sestavit kvalitní model logistické regrese, bylo nezbytné získat příslušnou datovou sadu vysvětlujících (nezávislých) a závislých proměnných reprezentující faktory, které mají vliv na výši škod. Hlavním zdrojem vysvětlující proměnných byl digitální model terénu, dále data z oblastních plánů rozvoje lesa (hloubka, vlhkost půdy atd.), lesní hospodářské plány studované lokality a údaje o rychlosti a směru větru během orkánu Kyrill. Poté, co byly získány datové sady, mohla být sestavena tzv. segmentační databáze. V prvním kroku byly pomocí nadstavby ArcGIS vytvořeny jednotky výběrového souboru o velikosti 25×25 m, jejich celkový počet čítal 110 864, po odstranění jednotek bezlesí tvořila databáze 85 142 jednotek. Poté následovalo překrytí jednotlivých vrstev závislých a nezávislých proměnných přes sebe pomocí nástrojů ArcGIS Analyst Tools. Vytvořená databáze obsahovala údaje o závislých a nezávislých proměnných pro každou jednotku (segment o velikosti 25×25 m). Statistické analýzy Výpočet parametrů logistické regrese byl proveden ve statistickém softwaru SAS 9.1. Před samotným výpočtem parametrů byly pro všechny nezávislé proměnné vypočítány Pearso88

Tabulka 2. Korelační matice nezávislých proměnných. Table 2. Correlation matrix of independent variables.

ELEV SKLON

VEK

ZAKM

SM_D

SM_H

ZAST_SM VITR_K

ELEV

1,00

0,12

0,16

0,16

–0,06

–0,16

0,26

0,62

SKLON

0,12

1,00

0,15

0,10

0,17

0,17

–0,11

0,11

–0,90 –0,22

0,83

0,08

0,06

–0,15

1,00

0,96

0,96

1,00

–0,18 –0,01 –0,07

–0,07 –0,08 –0,14

–0,01 –0,08

–0,07 –0,14

1,00

0,13

0,13

1,00

VEK

0,16

0,15

1,00

–0,33

ZAKM

0,16

0,10

1,00

SM_D

0,17

SM_H

–0,06 –0,16

–0,33 –0,90

0,17

0,83

ZAST_SM

0,26 0,62

–0,11 –0,17

0,08

VITR_K

–0,22 –0,15 –0,18 –0,07

0,06

novy korelační koeficienty (Tab. 2). V případě vysoké korelace mezi nezávislými proměnnými byla jedna z nich z výpočtu parametrů modelu vyloučena z důvodů multikolinearity. Vysoká míra korelace byla zjištěna mezi proměnnými věk a střední tloušťka smrku, věk a střední výška smrku, střední výška porostu a střední tloušťka porostu. Středně vysoká míra korelace byla detekována mezi nadmořskou výškou a rychlostí větru během orkánu Kyrill, dále pak mezi průměrnou rychlostí v zájmovém území a rychlostí větru během orkánu Kyrill. Výše zmíněná korelace byla do jisté míry očekávána. Druhým důležitým krokem před výpočtem parametrů modelu logistické regrese bylo vyhodnocení prostorové autokorelace jednotlivých nezávislých proměnných. Výpočet prostorové korelace byl proveden v ArcGIS pomocí Moranova I kritéria a k určení velikosti prostorové autokorelace v závislosti na vzdálenosti mezi jednotlivými body výběrového souboru byl použit nástroj Incremental Spatial Autocorrelation, který je součástí Spatial Statistic Tools. Pro každou nezávislou proměnou byl vytvořen graf závislosti mezi sérií vzdáleností a hodnotou Z-score určující intenzitu prostorového shlukování a hodnotou Moranova I kritéria (Obr. 2). Vzhledem k velikosti segmentační databáze, velkému počtu jedNadmořská výška / Elevation

1

Rychlost větru / Wind Speed

Moran's Index

0.8

Sklon / Aspect Věk / Stand Age

0.6

Zakmenění / Stand Density

0.4

Zastoupení smrku / Proportion of spruce Půdní hloubka / Soil Depth

0.2

Vlhkost / Soil Moisture

0 50

100

150

200

250

300

350

Vzdálenost / Distance (m)

400

450

500

Obr. 2. Hodnoty Moranova Indexu pro nezávislé proměnné v závislosti na vzdálenosti (v metrech). Fig. 2. Moran’s Index values (independent variables) for a series of distances (in meters).

89

notek a charakteru některý vstupních dat, jejichž hodnoty se významněji lišily až na velké vzdálenosti (nadmořská výška), nedosáhl graf závislosti Z-score a vzdáleností u některých vstupních jednotek vrcholu, který by indikoval vzdálenost, kde jsou procesy prostorového shlukování nejvýraznější. Z grafu Moranova I kritéria (Obr. 2) je však jasně zřetelné, že hodnoty indexu vyjadřující prostorovou korelaci, klesají v závislosti na vzdálenosti pro všechny nezávislé proměnné. Ke snížení vlivu prostorové autokorelace mezi jednotlivými body nezávislé proměnné byl použit nástroj Create Random Points dostupný v ArcGIS. Ten umožňoval vytvořit ze vstupní databáze čítající 85 142 jednotek novou, kde každý bod byl vzdálen od jiného podle předem nastavené vzdálenosti. Na základě výsledků Incremental Spatial Autocorrelaction byla jako vhodná vzdálenost, která sníží prostorovou autokorelaci mezi body a zároveň zanechá dostatečný počet bodů vstupujících do logistické regrese, zvolena 250 metrů. Nová databáze čítala 735 jednotek. Výběr modelu logistické regrese byl proveden v SAS 9.1 pomocí příkazu Statistics/Regression/Logistic Regression, jako typ modelu byl vybrán full model (selection method). Sledovanými faktory, jejichž vliv na výskyt polomů byl analyzován, byly nadmořská výška (ELEV), sklon (SKLON), věk (VEK), zakmenění (ZAKM), hloubka půdy (HLOUB), vlhkost půdy (VLH), zastoupení smrku (ZAST_SM), a rychlost větru během orkánu Kyrill (VITR). Většina nezávislých proměnných vstupujících do modelu byla spojitých, pouze hloubka a vlhkost půdy reprezentovaly nezávislé kategorizované proměnné ordinální. Podle Ř EHÁKOVÉ (2000) platí, že má-li ordinální proměnná dostatečný počet kategorií, lze s ní pracovat jako se spojitou. Vzhledem k dostatečnému počtu kategorií bylo proto s proměnnými hloubka a vlhkost půdy počítáno jako se spojitými (pro textové kategorie vytvořeny numerické zástupné kategorie) a pro každou proměnnou byl získán pouze jeden parametr logistické regrese. Výsledkem logistické regrese byl model (Tab. 3), který obsahoval všechny nezávislé proměnné vstupující do modelu. K hodnocení modelu logistické regrese byla použita informační kritéria dostupná v SAS 9.1. Jednalo se především o Akiakeho kritérium (AIC), které je možné vyjádřit jako AIC = −2 logL+2k, kde k je počet parametrů v modelu a L je věrohodnostní funkce a hodnota věrohodnostní funkce modelu (–2 LogL), která v sobě obsahuje informaci o všech datech obsažených v modelu (nižší hodnota reprezentuje lepší model). Z výsledků modelu bylo jasně patrné, že použití nezávislých proměnných přispělo ke snížení obou sledovaných informačních kritérii (AIC 388; –2 LogL 370). Bližší analýzou výsledků bylo zjištěno, že 4 vysvětlující proměnné (SKLON, ZAKM, VLH a ZAST_SM) nedosáhly prahové úrovně významnosti 0,05 (significance level) a proto byl tento model zamítnut. Pro výběr nejvhodnějšího modelu logistické regrese byla použita také metoda postupné regrese (stepwise regression), která je implementována v SAS 9.1. Tato metoda umožňuje nalézt nejvhodnější kombinaci vstupních nezávislých proměnných tak, aby co nejlépe vysvětlovala pravděpodobnost výskytu zkoumaného jevu. Výpočet parametrů logistické regrese pomocí postupné regrese byl spuštěn z modulu Analyst příkazem Statistics/Regression/Logistic Regression, po otevření okna Logistic Regression byly ze seznamu vysvětlujících proměnných vybrány pouze ty, které vstupovaly do analýzy. Jako vysvětlovaná byla zvolená proměnná VYSKYT reprezentující výskyt polomových ploch pro každou jednotku v segmentační databázi (výskyt polomu byl reprezentován hodnotou 1). Nastavení výpočtu metodou postupné regrese bylo provedeno příkazem Model/Selection/Stepwise selection. Jako prahová hodnota úrovně významnosti pro jednotlivé proměnné byla zvolena 0,05. V případě, že byla tato hodnota překročena, procedura postupné regrese automaticky vyloučila danou proměnnou z modelu z důvodu nedostatečné úrovně významnosti. V případě, že byla hladina významnosti nižší než 0,05, byla nulová hypotéza

90

Tabulka 3. Odhady parametrů modelu (celý model). Table 3. Model parameter estimates (full model). Parameter/ Parametr Intercept ELEV SKLON VEK ZAKM HLOUB ZAST_SM VLH VITR

Estimate/ Odhad –18,4 0,0143 –0,0652 0,0181 0,0396 0,475 –0,0053 0,0303 –0,119

Standard Error/ Směrodatná odchylka 2,70 0,0002 0,0036 0,0041 0,162 0,142 0,0066 0,134 0,0299

Wald Chi-Square/ Wald Chi-kvadrát 46.7 46,3 3,31 19,4 0,0599 11,2 0,661 0,0510 15,8

Test

Chi-Square/ Chi-kvadrát

Degree of Freedom/ stupeň volnosti

Pr > ChiSq/ Pr > Chi-kvadrát

LR

162,3

8

< 0,0001

Score

160,5

8

< 0,0001

Wald

102,4

8

< 0,0001

Criterion/ Kritérium

Intercept Only/ Pouze průsečík

Intercept and Covariates/ Průsečík a kovariance

AIC

534,4

388,1

SC

538,9

429,2

–2 Log L

532,4

370,1

Pr > ChiSq/ Pr > Chi-kvadrát < 0,0001 < 0,0001 < 0,0689 < 0,0001 < 0,8067 < 0,0080 < 0,4161 < 0,8213 < 0,0001

Poznámka: Podrobnější popis zkratek použitých v tabulkách lze nalézt na webové adrese http://www.ats.ucla. edu/stat/sas/output/sas_logit_output.htm

zamítnuta s tím, že informace o nezávislých proměnných umožňuje lepší predikci závislé proměnné, než by byla možná bez této informace. Výsledkem postupné regrese byly jako nejvhodnější vysvětlující proměnné vybrány 4 nezávislé proměnné vstupující do modelu. Jednalo se o ELEV, VEK, HLOUB a VITR (Tab. 4). Testování statistické významnosti jednotlivých parametrů bylo provedeno u obou modelů pomocí Waldova testu využívajícího poměr maximálně věrohodného odhadu a odhadu směrodatné odchylky (Tab. 3 a Tab. 4). V rámci hodnocení kvality modelu byla také vytvořena ROC (Receiver Operating Characteristic) křivka pro nejvhodnější model logistické regrese, která slouží jako nástroj pro hodnocení a optimalizaci testů a ukazuje vtah mezi specificitou a sensitivitou testu (podíl skutečně pozitivních, správně klasifikováno jako pozitivní, a falešně negativních odhadů v modelu). Výsledný graf vykazoval u nejvhodnějšího modelu poměrně velkou plochu pod křivkou (Area Under Curve – AUC), což indikovalo dobrou kvalitu modelu. Na základě výsledků metody postupné regrese byly vybrány nejvhodnější parametry modelu, které následně vstupovaly do geografické analýzy. Geografická analýza lokálního výskytu lesních polomů a výsledné mapy ohrožení byly vytvořeny pomocí mapové algebry v nadstavbě Spatial Analyst v ESRI ArcGIS 9.2. Rovnice logistické regrese s parametry modelu vypočítanými statistickým softwarem SAS 9.1 byla v mapové algebře vyjádřena jako 91

Tabulka 4. Odhady parametrů modelu (postupná regrese). Table 4. Model parameter estimates (stepwise regression). Parameter/ Parametr

Estimate/ Odhad

Standard Error/ Směrodatná odchylka

Wald Chi-Square/ Wald Chi-kvadrát

Pr > ChiSq/ Pr > Chi-kvadrát

Intercept ELEV VEK HLOUB VITR

–18,6 0,0141 0,0154 0,502 –0,109 Chi-Square/ Chi-kvadrát

2,04 0,0020 0,0029 0,139 0,0285 Degree of Freedom/ stupeň volnosti

83,8 49,4 27,0 13,0 14,6 Pr > ChiSq/ Pr > Chi-kvadrát

< 0,0001 < 0,0001 < 0,0001 < 0,0003 < 0,0001

Test LR

158,4

4

< 0,0001

Score

154,6

4

< 0,0001

Wald

102,5

4

< 0,0001

Criterion/ Kritérium

Intercept Only/ Pouze průsečík

Intercept and Covariates/ Průsečík a kovariance

AIC

534,4

383,9

SC

538,9

406,8

–2 Log L

532,4

373,9

Poznámka: Podrobnější popis zkratek použitých v tabulkách lze nalézt na webové adrese http://www.ats.ucla. edu/stat/sas/output/sas_logit_output.htm

p = exp (–18,6459 + ELEV * 0,0141 + VEK * 0,0154 + HLOUB * 0,5015 – VITR * 0,1090) / (1 + exp (–18.6459 + ELEV * 0,0141 + VEK * 0,0154 + HLOUB * 0,5015 – VITR * 0,1090)), kde p je pravděpodobnost, HLOUB hloubka půdy, ELEV nadmořská výška, VITR rychlost větru během orkánu Kyrill a VEK je stáří porostu.

VÝSLEDKY GEOGRAFICKÉ ANALÝZY Na základě výsledné mapy ohrožení (Obr. 11) a grafu zastoupení intervalů pravděpodobnosti ohrožení (Obr. 3) je patrné, že více než 42 % území spadalo do intervalů s nejnižšími hodnotami pravděpodobnosti 0 a 0,05. Plochy s mírným až středním rizikem ohrožení, tedy intervaly hodnot pravděpodobnosti 0,06–0,10; 0,11–0,15; 0,16–0,25; 0,26–0,40 zaujímaly přibližně asi 50 % území. Poslední interval s nejvyššími hodnotami pravděpodobnosti výskytu polomů 0,41–0,99 zaujímal přibližně 8 % celkové plochy zájmového území. Jak je dobře viditelné z mapy ohrožení, intervaly s nejvyššími hodnotami pravděpodobnosti výskytu větrných polomů se překrývají s polomovými plochami způsobenými orkánem Kyrill (Obr. 10 a Obr. 11), což do jisté míry potvrzuje správnost použitých postupů a modelu. Pro účely hodnocení výsledků získaných pomocí metody logistické regrese bylo vytvořeno testovací území o rozloze přibližně 3 km 2 nacházející se jihozápadně od vrcholu Polom, které bylo vyjmuto ze všech předchozích analýz (parametry logistické regrese nebyly počítány z bodů nacházejících se v daném území). Testovací území čítalo 3112 jednotek, kde každá jednotka reprezentovala plochu 25×25 m. Statistickou analýzou bylo zjištěno, že více než polovina (55 %) zájmové plochy testovacího území spadala do kategorií s mírným rizikem ohrožení (0–0,05; 06–0,10; 0,11–0,15; 0,16–0,25), interval středního rizika ohrožení 92

40000

Počet 25×25 m jednotek / Number of 25×25 m cells

35000 30000

25000 20000 15000 10000 5000 0 0–0,05

0,06–0,10

0,11–0,15

0,16–0,25

0,26–0,40

0,41–0,99

Intervaly pravděpodobnosti ohrožení / Proportion of windthrow hazard risk probability intervals Obr. 3. Zastoupení intervalů pravděpodobnosti ohrožení lesních porostů větrem na území Prášilska. Fig. 3. Proportion of windthrow hazard risk probability intervals in the region of Prášily.

80 70 60 50 %

v místech polomů / in windthrow areas v zájmovém území / in study area

polomy/území / windthrows/study area

40 30 20 10 0 722–800

801–900

901–1000

1001–1100

m n.m. / m a.s.l. Obr. 4. Zastoupení kategorií nadmořské výšky na území Prášilska. Fig. 4. Proportion of altitude intervals in the region of Prášily.

93

1101–1200

1201–1336

(0,26–0,40) zaujímal 21 % a poslední interval s nejvyššími hodnotami pravděpodobnosti (0,41–0,99) zaujímal zbylých 24 % zájmové plochy území. Výsledné hodnoty pravděpodobnosti rizika ohrožení byly následně porovnány s polomovými plochami v testovacím území, které byly způsobené orkánem Kyrill. Na základě srovnání byla zjištěna poměrně slušná shoda především u intervalů s nejvyššími a středními hodnotami rizika 0,26–0,40 a 0,41–0,99, kdy se celých 75 % polomů způsobených orkánem Kyrill nacházelo v těchto kategoriích. Zbylých 23 % polomových ploch se nacházelo v kategoriích 0,11–0,15 a 0,16–0,25 a pouze 2 % polomových ploch byly zařazeny do kategorií 0–0,05 a 0,06–0,10. Podle výsledků postupné regrese byly jako nejvhodnější vysvětlující proměnné vybrány nadmořská výška (ELEV), věk (VEK), hloubka půdy (HLOUB) a rychlost větru během orkánu Kyrill (VITR) (Tab. 4). Nadmořská výška patřila podle Wald testu (Tab. 4) k statisticky nejvýznamnějším parametrů ovlivňujícím pravděpodobnost výskytu polomů (Wald Chi-Square 49,43 ) a byla u ní patrná korelace s rychlosti větru během orkánu Kyrill. Nárůst polomových škod s nadmořskou výškou byl zřejmý i z Obr. 4. Statistickým rozborem bylo zjištěno, že nejvíce polomových ploch (38,6 %) se nacházelo v porostech s nadmořskou výškou 1201–1336, tedy v nejvýše položených lokalitách. Statisticky významnou proměnnou mající vliv na výši polomových škod byl věk porostu, který úzce koreloval s porostní výškou a střední tloušťkou porostu. Vliv věku na vznik polomových škod byl do jisté míry očekáván a byl také potvrzen statistickým rozborem (Obr. 6). Nejvíce byla v zájmovém území zastoupena věková kategorie 101–120 let, která zaujímala 18,7 % plochy zájmového území, následovaná kategorií 121–140 let (16,3 %). Největší procento poškozených ploch se nacházelo v porostech nad 100 let stáří a to v kategoriích 121–140 let (23 %), dále v kategorii 141–160 let (20 %). Kategorie 101–120 a 161–180 let zaujímaly přibližně stejné procento zastoupení poškozených ploch (15 %). v místech polomů / in windthrow areas v zájmovém území / in study area polomy/území / windthrows/study area

35

30 25 %

20 15

10 5

0 0–3

3,1–6

6,1–9

9,1–12

Stupně / Degress Obr. 5. Zastoupení kategorií sklonu povrchu na území Prášilska. Fig. 5. Proportion of slope intervals in the region of Prášily.

94

12,1–15

15,1–29

Za statisticky poměrně významný faktor zvyšující pravděpodobnost výskytu polomů, lze také považovat hloubku půdy (Wald Chi-Square 13,0), která byla také použita v rovnici logistické regrese. Přestože byla proměnná reprezentující zastoupení smrku v porostu z modelu vyloučena z důvodu nedosažení hladiny významnosti, statistickou analýzou bylo zjištěno, že více než 64 % polomových ploch se nacházelo na lesních územích s 91 % a vyšším zastoupení smrku a škody, klesaly úměrně se zastoupením smrku v porostu (Obr. 7). 40

v místech polomů / in windthrow areas

35

v zájmovém území / in study area

30

polomy/území / windthrows/study area

25 % 20 15 10 5 0 0–20

21–40

41–60

61–80

81–100 101–120 121–140 141–160 161–180 180–223

Věk / Age Obr. 6. Zastoupení kategorií věku povrchu na území Prášilska. Fig. 6. Proportion of stand age intervals in the region of Prášily.

70 60 50

%

v místech porostů / in windthrow areas v zájmovém území / in study area

polomy/území / windthrows/area

40

30 20 10 0 0–60

61–70

71–80

% Obr. 7. Zastoupení kategorií smrku v porostu na území Prášilska. Fig. 7. Proportion of Norway spruce fractions in the region of Prášily.

95

81–90

91–100

60

v místech polomů / in windthrow areas v zájmovém území / in study area

50

polomy/území / windthrows/study area

40

% 30 20 10 0 0–8

9–16

17–24

25–32

33–40

m

– Obr. 8. Zastoupení kategorií rychlosti větru během orkánu.sKyrill na území Prášilska.

Fig. 8. Proportion of wind speed intervals during the hurricane Kyrill in the region of Prášily.

80

%

70

v místech polomů / in windthrow areas

60

v zájmovém území / in study area

50

polomy/území / windthrows/study area

40

30 20 10 0

S/N

SSZ/NNW

SZ/NW

ZSZ/WNW

Z/W

Směry / Directions Obr. 9. Zastoupení kategorií směru větru během orkánu Kyrill na území Prášilska. Fig. 9. Proportion of wind direction intervals during the hurricane Kyrill in the region of Prášily.

96

Poslední proměnnou vstupující do geografické analýzy byla rychlost větru během orkánu Kyrill, která byla Wald testem vyhodnocena také jako statisticky významná (Wald Chi-Square 1329). Nejvíce zastoupenou kategorií byla rychlost větru mezi 9 až 16 m.s –1 zaujímající více než polovinu zájmového území (55,5 %). Druhou nejvíce zastoupenou kategorií byla rychlost větru mezi 17–24 m.s –1 tvořící 27,9 % území. Největší zastoupení poškozených ploch se nacházelo v kategorii rychlosti 9–16 m.s –1 (46,8 % území). V kategoriích zastoupení rychlosti větru v místech polomů poměrně ke kategoriím rychlosti větru (polomy/území) měla největší zastoupení kategorie s nejvyšší rychlostí větru 33–40 m.s –1 s 38,8 %. Přestože se většina polomových ploch nacházela v kategoriích s relativně nižšími hodnotami rychlosti větru (17–24 m.s–1), hodnoty v kategoriích polomy/území (podíl procentuálního zastoupení polomových ploch v dané kategorii vůči procentuálnímu zastoupení dané kategorie v zájmovém území za účelem vyjádření relativní škody) jasně prokázaly, že se s rostoucí rychlostí větru docházelo relativně k většímu poškození (Obr. 8).

Obr. 10. Polomové plochy způsobené orkánem Kyrill v roce 2007 na území Prášilska. Fig. 10. Windthrow areas caused by the hurricane Kyrill in the region of Prášily in 2007.

97

Ačkoliv směr větru během orkánu Kyrill nevstupoval do výpočtu pravděpodobnosti výskytu lesních porostů pomocí logistické regrese, byl jasně patrný vliv tohoto faktoru na výši a rozložení škod. Během orkánu Kyrill vanul nejvíce severozápadní vítr, který se vyskytoval na více než 72 % zájmového území a také většina poškozených ploch (67,3%) spadala do této kategorie. Jako druhá byla nejvíce zastoupena kategorie severoseverozápadní s 24,5 %. Další kategorie (severní, západoseverozápadní, západní) zaujímaly celkem méně než 10 % území (Obr. 9). Mezi méně statisticky významné proměnné přispívající ke vzniku polomů lze na základě Wald testu a statistického rozboru považovat především sklon a vlhkost půdy. Přestože sklon svahu patří mezi významné charakteristiky terénu ovlivňující stabilitu stromů, neměl v případě orkánu na výši škod velký vliv. Statistickým vyhodnocením vrstvy sklonu svahů bylo zjištěno, že většina kategorií sklonu v místech polomů měla přibližně stejné zastoupení po-

Obr. 11. Pravděpodobnost výskytu větrných polomů na území Prášilska. Pro výpočet byly použity nezávislé proměnné nadmořská výška, věk, hloubka půdy a rychlost větru během orkánu Kyrill. Fig. 11. The probability of windthrows occurrence in the region of Prášily. Independent variables used for calculation of the probability map were altitude, stand age, soil depth, and wind speed during the hurricane Kyrill.

98

lomových ploch (Obr. 5) a výjimku tvořily pouze kategorie 6,1–9° a 9,1–12°, které zaujímaly přes 40 % poškozených ploch. Na základě výsledků získaných pomocí logistické regrese a GIS bylo zjištěno, že pravděpodobnost výskytu polomů se zvyšovala především s vyšší nadmořskou výškou (ELEV) a věkem porostů (VEK). Výši škod také signifikantně ovlivnil směr větru (SMER_K) a půdní hloubka (HLOUB). Výše zmíněné výstupy a výsledky byly do jisté míry očekávány a ve velké míře se shodují se závěry studií, které byly věnovány problematice rizika výskytu větrných polomů.

DISKUSE Výskyt polomů nezávisí ve většině případů pouze na výskytu jednoho faktoru, ale často se jedná o interakci několika faktorů dohromady, jako například klimatických podmínek, reliéfu, půdních a porostních charakteristik a další (RUEL 1995, 2000). Přestože nebyly interakce mezi jednotlivými proměnnými v modelu testovány, bylo metodou logistické regrese zjištěno, že na vznik polomů mělo vliv větší množství faktorů, některé více a některé méně. Na základě jednoduchého statistického vyhodnocení dat a geografické analýzy lokálního výskytu rizika lesních polomů na základě empirického přístupu bylo zjištěno, že škody způsobené orkánem Kyrill narůstaly v modelovém území s nadmořskou výškou a největší výskyt polomových ploch byl identifikován v nadmořských výškách nad 1200 m n. m. Podobných výsledků dosáhli také HOLUŠA et al. (2010), kteří analyzovali faktory mající vliv na poškození lesních porostů větrem a sněhem v Beskydech. Na základě hodnocení dostupných dat zjistili, že škody způsobené větrem signifikantně korelovaly s nadmořskou výškou, zatímco na škody způsobené sněhem neměla nadmořská výška vliv. Významná korelace škod s nadmořskou výškou je ve shodě se skutečností, že na území České republiky koreluje rychlost větru s rostoucí nadmořskou výškou (HOSTÝNEK & K RÁL 2006). JALKANEN & MATTILA (2000) zjistili, že nadmořská výška měla na výši škod určitý význam, který ale nebyl příliš podstatný, ke stejným závěrům došli například i K LOPCIC et al. (2009). Dalším činitelem, jenž podstatně ovlivnil výskyt polomů na území NP Šumava po orkánu Kyrill, byl věk porostu. Ten byl identifikován jako statisticky významný na základě jednoduchých statistických analýz a také pomocí Wald testu. U věku porostu byla také zjištěna vysoká korelace se střední výčetní tloušťkou a výškou porostu. Vliv věku porostu na výši škod potvrzuje například LOHMANDER & HELLES (1987), kteří došli k závěru, že narůstající věk porostů zvyšuje jejich náchylnost k větrnému poškození a při srovnání jehličnatých porostů s listnatými, jsou jehličnaté porosty mnohem náchylnější k větrnému poškození od mladého věku a s narůstajícím věkem se zvyšuje i riziko (SAVILL et al. 1997). Tyto závěry jsou také ve shodě s výsledky studie K LOPCICE et al. (2009), který zjistil, že výskyt škod způsobených větrem je mnohem pravděpodobnější ve starších porostech, což potvrzují také JALKANEN & MATTILA (2000) a RUEL (2000). Dalším faktorem, který zvyšuje náchylnost porostů k větrným škodám, je jejich výška a s rostoucí výškou porostů se zvyšuje také pravděpodobnost vzniku poškození (KÖNIG 1995, DOBBERTIN 2002). S rostoucí výškou porostů se také zvyšovala pravděpodobnost výskytu škod způsobených orkánem Kyrill, kde škody v lesních porostech rostly až do výšky 25 metrů, menší podíl škod (asi o 3 % nižší) byl zaznamenán v porostech s výškou mezi 25,1 až 30 metrů. Nejvyšší stromy (30,1–38 metrů) měly procentuálně nižší zastoupení polomových škod, ale jejich celkové zastoupení v zájmovém území bylo také velmi nízké. S výškou a stářím porostu korelovala také střední tloušťka porostu a na základě statistické analýzy bylo zjištěno, že výskyt škod způsobených větrem narůstal se zvyšující se tloušťkou porostu. 99

Mezi další proměnné, které mohou do jisté míry ovlivnit náchylnost porostu vůči větru, patří půdní typ (K RAMER et al. 2001), půdní pH (MAYER et al. 2005), vlhkost půdy (SCHAETZL et al. 1989), případně půdní hloubka (STATHERS et al. 1994). Podle SCHAETZL et al. (1989) stromy rostoucí na vlhkých, oglejených nebo organických půdách jsou náchylnější k vyvrácení než ty rostoucí na dobře odvodňovaných půdách. Na základě statistického hodnocení porostního stanoviště nebyl zjištěn žádný významný vliv půdní vlhkosti na výši polomu. Další hodnocenou stanovištní proměnou byla hloubka půdy, která byla na rozdíl od půdní vlhkosti vyhodnocena logistickou regresí jako statisticky významná. Zajímavým zjištěním také bylo, že výše škod způsobených orkánem Kyrill narůstala se zvyšující se hloubkou půdy, přestože by se dal očekávat opak. Základním statistickým vyhodnocením bylo zjištěno, že většina zájmového území se nachází na středně hlubokých až hlubokých půdách (více než 85 %) a mělké a velmi mělké půdy jsou zastoupeny pouze nepatrně (přibližně 15 % území). Velké plošné zastoupení středně hlubokých a hlubokých půd v zájmovém území a fakt, že velká většina poškozených porostů orkánem Kyrill se nacházela právě v těchto lokalitách, mohlo být jedním z důvodů dosažení daného výsledku. Změna přirozené druhové skladby v posledních dvou stoletích, způsobená především výsadbou smrkových monokultur za účelem větší produkce dřeva a následně většího zisku, vedla ke snížení odolnosti našich lesů proti kalamitám, proti kterým by byly lesy přirozené druhové skladby odolnější (ZELENÁ ZPRÁVA 2007). Zastoupení smrku v porostu mělo také podstatný vliv na výši škod způsobených orkánem Kyrill. Nejvíce poškozených stromů (více než 60 % všech škod) se nacházelo v porostech se zastoupením smrku větším než 91 % a s klesajícím procentuálním zastoupením smrku v porostu se také snižovalo množství porostů poškozených větrem. ALBRECHT et al. (2012) zjistil na základě dlouhé řady pozorování charakteristik lesních porostů v jihozápadním Německu, že poškození větrem bylo nejvíce pozorováno v porostech, kde dominoval smrk ztepilý (Picea abies, 47 %) a douglaska (Pseudotsuga menziesii, 21 %). Pouze 11 % škod se nacházelo v porostech, kde rostly listnaté dřeviny (9 % buk, 2 % dub). Vlivem zastoupení smrku v porostech na odolnost vůči větru se podrobně zabýval VALINGER & FRIDMAN (2011), který zjistil, že narůstající zastoupení smrku ztepilého v porostech zvyšuje pravděpodobnost výskytu větrného poškození. Pokud je v porostu, kde dominuje smrk ztepilý, zastoupení listnatých dřevin 25–30 %, klesá pravděpodobnost rizika větrného poškození přibližně o 50 % oproti porostu, kde by se nacházel pouze smrk. Výše popsané poznatky zmiňují i starší studie (NYKÄNEN et al. 1997). ZENG et al. (2009) došel k závěru, že porosty, kde dominuje smrk ztepilý (P. abies), jsou ve Finsku jen o něco málo náchylnější než porosty s dominancí jedle. K LOPCIC et al. (2009) například vliv zastoupení smrku nehodnotil vůbec, jelikož tato nezávislá proměnná úzce korelovala s jinými proměnnými. Posledním studovaným faktorem byl vítr a jeho nejdůležitější charakteristika rychlost. Na základě informací o rychlosti větru a vzniku polomů v letech 1984–2002 bylo zjištěno, že rychlost větru nad 28 m.s –1 je kritická (100,8 km.h–1) a porosty této rychlosti již neodolají. Rychlosti nad 30 m.s –1 nedokáže odolat ani stabilní porost. Vždy, když byla překročena rychlost 28 m.s –1, škody přesahovaly minimálně 100 000 m3 (VICENA et al. 2004). BAKER (1995) udává, že již rychlost 20 m.s–1 může způsobit selhání stromu, tedy jeho vývrat nebo zlom. QUINE & GARDINER (2000) uvádějí jako kritickou rychlost, která způsobí poškození nestabilních stromů, 24 m.s –1 a pro poškození stabilního porostu je jako prahová hodnota udávána rychlost 40 m.s –1. Výše zmíněné závěry studií naznačují, že s rostoucí rychlostí větru se zvyšuje pravděpodobnost poškození porostů. Na základě výsledků logistické regrese však bylo zjištěno, že výše škod způsobených orkánem Kyrill se zvyšovala s klesající rychlostí větru. Podrobnější statistickou analýzou bylo zjištěno (viz předchozí kapitola), že se na většině území vyskytovaly rychlosti větru v rozmezí 9–16 m.s –1 (55 %), kde se také 100

nacházelo nejvíce poškozených porostů a plošné zastoupení dalších kategorií klesalo úměrně s narůstající rychlostí větru. Tento fakt měl pravděpodobně za následek negativní vliv rychlosti větru během orkánu Kyrill v modelu logistické regrese. Relativním hodnocením rychlostí větru a škod vůči procentuálnímu zastoupení zájmového území, na kterém se vyskytovaly, však bylo zjištěno, že přestože lokality s nejvyšším zastoupením větru zaujímaly pouze asi 1/3 území nacházela se na nich téměř polovina všech poškozených porostů. Při hodnocení vlivu rychlosti větru během orkánu Kyrill je nutné také vzít v úvahu, že do hodnocení nebyla zahrnuta větrná turbulence, která mohla významně přispět k narušení stability stromů již při nižších rychlostech větru.

ZÁVĚR Cílem studie bylo provést komplexní geografickou analýzu lesních porostů z hlediska výskytu lesních polomů na základě empirického přístupu reprezentovaného metodou logistické regrese. Mezi dílčí cíle patřilo stanovení průkazných proměnných ovlivňujících výskyt polomů na území Šumavy, srovnání dosažených výsledků s již zjištěnými fakty a prezentace dosažených výsledků ve formě mapových výstupů. Na základě výsledné mapy pravděpodobnosti výskytu polomů na území Prášilska bylo zjištěno, že se více než 42 % území nachází v intervalech s nejnižším stupněm rizika ohrožení, středně ohroženo je silnými větry přibližně 50 % lesních území a nejrizikovější lesní plochy náchylné vůči polomům zaujímají 8 % celkové plochy území. Pomocí metody logistické regrese bylo zjištěno, že se pravděpodobnost výskytu polomů zvyšovala především s rostoucí nadmořskou výškou a věkem porostů, které byly vyhodnoceny jako statisticky nejvýznamnější proměnné v modelu. Výše škod byla také podstatně ovlivněna směrem větru během orkánu Kyrill. Jako málo statistický významné byly naopak vyhodnoceny proměnné sklon, zastoupení smrku v porostu, vlhkost půdy a zakmenění. Použitím logistické regrese, statistického softwaru SAS a GIS ke geografické analýze výskytu lesních polomů bylo dosaženo poměrně velmi dobré shody mezi dosaženými výsledky a daty reprezentujícími polomové plochy po orkánu Kyrill. Velmi podobných výsledků dosáhli pomocí metody logistické regrese MITCHELL et al. (2001), kdy model logistické regrese správně odhadl riziko poškození polomem na 71–76 % testovaných ploch. Existují však i případy, kdy model neodhadl pravděpodobnost výskytu polomu dobře a podstatně nadhodnotil riziko poškození (FRIDMAN & VALINGER, 1999) nebo měl výsledný model logistické regrese nedostatečnou vysvětlující schopnost z důvodu nízkého počtu pro model významných nezávislých vysvětlujících proměnných (SCHÜTZ et al. 2006). Za hlavní přínos studie lze mimo dosažených výsledků a stanovení významu faktorů na výši škod považovat také integraci grafické reprezentace výsledků logistické regrese do geografických informačních systémů V případě aplikace metody logistické regrese by měl být budoucí výzkum zaměřen na testování modelů v dalších lokalitách s důrazem na portabilitu jednotlivých modelů pro další území. Zajímavých výsledků by mohlo být dosaženo testováním dalších metod k hodnocení rizika polomů, jako jsou například neuronové sítě, klasifikační a regresní stromy, případně zobecněné lineární sítě.

LITERATURA A LBRECHT A., H ANEWINKEL M., BAUHUS J. & KOHNLE U., 2012: How does silviculture affect storm damage in forests of south-western Germany? Results from empirical modeling based on long-term observations. European Journal of Forest Research, 131: 229–247. BARREDO J.I., 2009: Normalised flood losses in Europe: 1970–2006. Natural Hazards and Earth System Sciences,

101

9: 97–104. CANHAM C.D., PAPAIK M.J. & LATTY E.F., 2001: Interspecific variation in susceptibility to windthrow as a function of tree size and storm severity for northern temperate tree species. Canadian Journal of Forest Research, 31: 1–10. DEMEK J. (ed.), 1965: Geomorfologie českých zemí [Geomorphology of the Czech lands]. ČSAV, Praha, 336 pp. (in Czech). DOBBERTIN M., 2002: Influence of stand structure and site factors on wind damage comparing the storms Vivian and Lothar. Forest Snow and Landscape Research, 77: 187–205. DRAKE T., 2008: Empirical modeling of windthrow occurrence in streamside buffer. Thesis. Oregon State University, Corvallis, 92 pp. ENNOS A.R., 1997: Wind as an ecological factor. Trends in Ecology & Evolution, 12: 108–111. GARDINER B.A. & QUINE C.P., 2000: Management of forests to reduce the risk of abiotic damage-a review with particular reference to the effects of strong winds. Forest Ecology and Management, 135: 261–277. H ALE S.E., GARDINER B.A., WELLPOTT A., NICOLL B.C. & ACHIM A., 2012: Windloading of trees: influence of tree size and competition. European Journal of Forest Research, 131: 203–217. H ANEWINKEL M., HUMMEL S. & A LBRECHT A., 2011: Assessing natural hazards in forestry for risk management: a review. European Journal of Forest Research, 130: 329–351. HOLUB K., RUŠAJOVÁ J. & M ARJAN S., 2009: A comparison of the features of windstorms Kyrill and Emma based on seismological and meteorological observations. Meteorologische Zeitschrift, 18: 607–614. HOLUŠA J., K ŘÍSTEK Š. & TROMBIK J., 2010: Stability of spruce forests in the Beskids: an analysis of wind, snow and drought damages. Beskydy, 3: 43–54. HOSTÝNEK J. & K RÁL J., 2006: Influence orography on design wind speeds in the Czech Republic. In Proceeding of the Engineering Mechanics 2006. Svratka: Ústav teoretické a aplikované mechaniky AV ČR, Prague, 1 pp. JALKANEN A. & M ATILLA U., 2000: Logistic regression models for wind and snow damage in northern Finland based on the National Forest Inventory data. Forest Ecology and Management, 135: 315–330. K LIMÁNEK M., MIKITA T. & KOLEJKA J., 2008: Geoinformation analysis of factors affceting wind damage in the Šumava National Park. Journal of Landscape Ecology, 1: 52–66 K LOPCIC M., POLJANEC A., GARTNER A. & BONCINA A., 2009: Factors related to natural disturbances in mountain Norway spruce (Picea abies) forests in the Julian Alps. Ecosience, 16: 48–57. KOLEJKA J., K LIMÁNEK M. & MIKITA T., 2008: Geografická analýza polomů na Šumavě po orkánu Kyrill [Geographical analysis of windthrows in the Bohemian Forest after the hurricane Kyrill]. Spisy zeměpisného sdružení, 19: 1–4. (in Czech). KOREŇ M., 2005: Vetrová kalamita 19. novembra 2004 – Nové pohľady a konsekvencie [Wind disaster on the 19 th November 2004 – New insights and consequences]. Tatry, XLIV (mimořádné vydání), 6–29 pp. (in Slovak). K RAMER M.G., H ANSEN A.J., TAPER M.L. & K ISSINGER E.J., 2001: Abiotic controls on long-term windthrow disturbance and temperate rain forest dynamics in southeast Alaska. Ecology, 82: 2749–2768. KUBOYAMA H., ZHENG Y. & OKA H., 2003: Study about damage probabilities on major forest climatic risks according to ageclasses. Journal of the Japanese Forestry Society, 85: 191–198. (in Japanese with English summary). KUDĚLKA M., HORÁK Z., VOŽENÍLEK V. & SNÁŠEL V., 2012: Ortophoto feature extraction and clustering. Neural Network World, 22: 103–121. LANQUAYE C., 2003: Empirical modelling of windthrow risk using geographic informations systems. The University of British Columbia. The Faculty of Forestry. Department of Forest Sciences, Vancouver, 126 pp. LANQUAYE-OPOKU N. & MITCHELL S.J., 2005: Portability of stand-level empirical windthrow risk models. Forest Ecology and Management, 216: 134–148. LEKEŠ V. & DANDUL I., 1999: Using airflow modelling and spatial analysis for defining wind damage risk classification (WINDARC). Forest Ecology and Management, 135: 331–344. LOHMANDER P. & HELLES F., 1987: Windthrow probability as a function of stand characteristics and shelter. Scandavian Journal of Forest Research, 2: 227–238. M ARJANOVIČ M., KOVAČEVIČ M., BAJAT B. & VOŽENÍLEK V., 2011: Landslide susceptibility assessment using SVM machine learning algorithm. Engineering Geology, 123: 225–234. M AYER P., BRANG P., DOBBERTIN M., H ALLENBARTER D., R ENAUD J.-P., WALTHERT L. & ZIMMERMANN S., 2005: Forest storm damage is more frequent on acidic soils. Annals of Forest Science, 62: 303–311. M EIER F., ENGESSER R., FORSTER B. & ODERMATT B., 2006: Forstschutz Überblick 2005. Eidgenössische Forschungsanstalt für Wald, Schnee und Landschaft WSL, Birmensdorf, 22 pp. MIKITA T., KOLEJKA J. & K LIMÁNEK M., 2009: Pokročilá analýza lesních polomů pomocí GIS [Advanced analysis of windthrows using GIS]. Sborník příspěvků mezinárodního semináře GIS Ostrava 2009. VŠB TU Ostrava, Ostrava, 1–8 pp. (in Czech). MITCHELL S.J., H AILEMARIAM T. & KULIS Y., 2001: Empirical modeling of cutblock edge windthrow risk on Van-

102

couver Island, Canada, using stand level information. Forest Ecology and Management, 154: 117–130. NICOLL B.C., GARDINER B.A., R AYNER B. & PEACE A. J., 2006: Anchorage of coniferous trees in relation to species, soil type and rooting depth. Canadian Journal of Forest Research, 36: 1871–1883. PELLIKKA P. & JÄRVENPÄÄ E., 2003: Forest stand characteristics and wind and snow induced forest damage in boreal forest. In: Proceedings of the International Conference on Wind Effects on Trees. University of Karlsruhe, Germany, 8 pp. PELTOLA H., K ELLOMÄKI S., H ASSINEN A. & GRANANDER M., 2000: A mechanistic model for assessing the risk of wind and snow damage to single trees and stands of Scots pine, Norway spruce and birch. Forest Ecology and Management, 135: 143–153. P ELTOLA H., I KONEN V.P., GREGOW H., STRANDMAN H., K ILPELÄINEN A., VENÄLÄINEN A. & K ELLOMÄKI S., 2010: Impacts of climate change on timber production and regional risks of wind-induced damage to forests in Finland. Forest Ecology and Management, 260: 833–845. PRAUS L., 2006: Mechanická stabilita stromů a metody jejího zjišťování [Mechanical stability of trees and methods of its investigations]. Sborník plošné poškození lesů způsobené povětrnostními vlivy. Lesnická společnost, Kostelec nad Černými lesy, 33–41 pp. (in Czech). QUINE C.P., 2000: Estimation of mean wind climate and probability of strong winds from assessments of relative windiness. Forestry, 73: 247–258. QUINE C.P., 2001: A preliminary survey of regeneration of Sitka spruce in wind-formed gaps in British planted forests. Forest Ecology and Management, 151: 37–42. QUINE C.P. & GARDINER B.A., 2007: Understanding how the interaction of wind and trees results in windthrow, stem breakage, and canopy gap formation. In: Plant disturbance ecology - the process and the response, JOHNSON E.A. & MIYANISHI K. (eds) Elsevier, Amsterdam, 103–155 pp. Ř EHÁKOVÁ B, 2000: Nebojte se logistické regrese [Introducing Logistic regression]. Sociologický časopis, 36: 475–492 (in Czech). R ICH R.L., FRELICH L.E. & R EICH P.B, 2007: Wind-throw mortality in the southern boreal forest: effects of species, diameter and stand age. Journal of Ecology, 95: 1261–1273. RUEL J.C., 2000: Factors influencing windthrow in balsam fir forests: From landscape studies to individual tree studies. Forest Ecology and Management, 135: 169–178. RUEL J.C. & PINEAU M., 2002: Windthrow as an important process for white spruce regeneration. The Forestry Chronicle, 78: 732–738. SAVILL P.S., 1983: Silviculture in windy climate. Forestry Abstracts, 44: 473–488. SAVILL P., EVANS J., AUCLAIR D. & FALCK J., 1997: Plantation silviculture in Europe. Oxford University Press, Oxford, New York, Tokyo, 297 pp. SCOTT R.E. & MITCHELL S.J., 2005: Empirical modelling of windthrow risk in partially harvested stands using tree, neighbourhood, and stand attributes. Forest Ecology and Management, 218: 193–209. SCHAETZL R.J., JOHNSON D.L., BURNS S.F. & SMALL T.W., 1989: Tree uprooting: review of terminology, process and environmental implications. Canadian Journal of Forest Research, 19: 1–11. SCHELHAAS M.J., NABUURS G.J. & SCHUCK A., 2003: Natural disturbances in the European forests in the 19th and 20th centuries. Global Change Biology, 9: 1620–1633. SCHINDLER D., BAUHUS J. & M AYER H., 2012: Wind effects on trees. European Journal of Forest Research, 131: 159–163. SCHÜTZ J.P., GÖTZ M., SCHMID W. & M ANDALLAZ D., 2006: Vulnerability of spruce (Picea abies) and beech (Fagus sylvatica) forest stands to storms and consequences for silviculture. European Journal of Forest Research, 125: 291–302. STATHERS R.J., RORRELSON T.P. & MITCHELL S.J., 1994: Windthrow Handbook for British Columbia Forests. Ministry of forests, Victoria B.C, 38 pp. SVOBODA J., MIKITA T. & KOLEJKA J., 2008: Numerické modelování větru na Šumavě během orkánu Kyrill [Numerical modelling of wind in the Bohemian Forest during the hurricane Kyrill]. In: Geoinformační podpora rozhodování v lesích postižených přírodními pohromami [Geoinformation support for decision making in forests affected by natural hazards], K LIMÁNEK M. (ed.). Mendelova univerzita, Brno, 41–52. SVOBODOVÁ J. & VOŽENÍLEK V., 2010: Relief for models of natural phenomena. In: Landscape modelling: Geographical space, transformation and future scenarios (urban and landscape perspectives), A NDĚL J., BIČÍK I., DOSTÁL P. & SHASNESHIN S. (eds): Springer, Dordrecht, 183–196 pp. TOLASZ R., MÍKOVÁ T., VALERIÁNOVÁ A. & VOŽENÍLEK V., 2007: Atlas podnebí Česka [Climate Atlas of the Czech Republic]. Univerzita Palackého v Olomouci – ČHMU, Praha, 255 pp. (in Czech). TUČEK P., PÁSZTO V. & VOŽENÍLEK V., 2009: Regular use of entropy for studying dissimilar geographical phenomena. Geografie, 114: 117–129. USBECK T., WOHLGEMUTH T., PFISTER C., VOLZ R., BENISTON M. & DOBBERTIN M., 2009: Wind speed measurements and forest damage in Canton Zurich (Central Europe) from 1891 to winter 2007. International Journal of Climatology, 30: 347–358.

103

USBECK T., WOHLGEMUTH T., DOBBERTIN M., PFISTER C., BÜRGI A. & R EBETEZ M., 2010: Increasing storm damage to forests in Switzerland from 1858 to 2007. Agricultural and Forest Meteorology, 150: 47–55. VALINGER E. & FRIDMAN J., 1997: Modelling probability of snow and wind damage in Scots pine stands using tree characteristics. Forest Ecology and Management, 97: 215–222. VALINGER E. & FRIDMAN J., 2011: Factors affecting the probability of windthrow at stand level as a result of Gudrun winter storm in southern Sweden. Forest Ecology and Management, 262: 398–403. VICENA I., 1964: Ochrana lesa proti polomům [Protection of forests against windthrows]. SZN, Praha, 178 pp. (in Czech). VICENA I., KONOPKA J. & PAŘEZ J., 1979: Ochrana lesa proti polomům [Protection of forests against windthrows]. SZN, Praha, 89 pp. (in Czech). VICENA I., JUHA M. & NOŽIČKA S., 2004: Větrné polomy a vývraty na území NP a CHKO Šumava v roce 2002, jejich příčiny a následky [Windthrows in NP and CHKO Šumava in 2002, reasons and consequences]. Sborník z konference Aktuality šumavského výzkumu II. Správa NP a CHKO Šumava, Vimperk, pp. 290–296. VICENA I., 2006: Současný stav ochrany lesa proti polomům [Current state of forests protection against windthrows]. Lesnická práce, 85: 1–6. (in Czech). VINCENT G., 1947: Předcházejme polomům [Let‘s prevent windthrows]. Československá matice lesnická, Písek, 79 pp. (in Czech). WAHBA G., 1990: Spline models for observational data. CBMS-NSF Regional Conference Series in Applied Mathematics, vol. 59. SIAM, Philadelphia, 169 pp. ZENG H., PELTOLA H., VAISANEN H., K ELLOMAKI S., 2009: The effects of fragmentation on the susceptibility of a boreal forest ecosystem to wind damage. Forest Ecology and Management, 257: 1165–1173. ZHENG D., CHEN J., LEMOINE J. M., EUSKIRCHEN E. S., 2005: Influences of land- use change and edges on soil respiration in a managed forest landscape, WI, USA. Forest Ecology and Management, 215: 169–182.

Received: 10 June 2013 Accepted: 8 Octobet 2013

104

Pokyny pro autory V časopisu Silva Gabreta jsou uveřejňovány odborné články, zprávy a krátká sdělení z oblasti přírodních věd a ochrany přírody týkající se zejména oblasti Šumavy. Rukopisy by měly být stručné ale obsažné, psané spisovnou angličtinou. Přípustné jsou rovněž příspěvky v češtině a němčině, musejí být však opatřeny anglickým abstraktem a klíčovými slovy, jakož i anglickými překlady záhlaví tabulek a popisů k obrázkům. Název musí být stručný, výstižný, obsahující slova vhodná ke katalogizaci. Názvy pracovišť autorů a jejich adresy by měly být uvedeny pod plnými jmény autorů; je vhodné uvést e-mailovou adresu jednoho autora pro korespondenci. Abstrakt by neměl přesáhnout rozsah 200 slov. Za ním by mělo být uvedeno 3–5 klíčových slov. Pouze latinské názvy rodů a druhů (a botanické syntaxony) psát kurzívou. Požadované řádkování textu je 1,5. Literatura. Citace v textu musí být uváděny následujícím způsobem: (K RAUS 1985, H ANZAL et al. 1994, KOUBEK & ČERVENÝ 1996), či SIMPSON (1965) said..., (SOFRON, in press), (BREITENMOSER , unpubl.) nebo (pers. comm.), nebo (in prep.). Seznam literatury by měl být seřazen abecedně dle autorů a zařazen na konci článku. V seznamu je třeba uvést pouze prameny, na které existují odkazy v textu. U jednotlivých pramenů musejí být uvedeni všichni spoluautoři, v případě stejnojmenných časopisů uvést místo vydání v závorce za názvem, u nepublikovaných (diplomových aj.) prací specifikovat, kde jsou deponovány. Všechny tituly, které jsou psány v jiném než anglickém či německém jazyce, je třeba u anglicky psaných článků přeložit též do angličtiny a tento překlad dát do hranaté závorky. Informace o původním jazyku použitém v článku je na konci citace v kulaté závorce. Příklady: Časopis GUNN J.M. & K ELLER W., 1990: Biological recovery of an acid lake after reductions in industrial emissions of sulphur. Nature (London), 345: 431–433. JÍROVEC O. & JÍROVCOVÁ M., 1937: Chemismus šumavských jezer [The chemistry of the Šumava lakes]. Věstník královské české společnosti nauk, tř. II, 13: 1–21 (in Czech). Kniha ODUM E.P., 1977: Základy ekologie [Fundamental ecology]. Academia Praha, 376 pp. (in Czech). Kapitola v monografii BUBENIK A. & KÖNIG R., 1985: Morphometry of antlers of the genus Capreolus (Grey, 1821). In: Biology of deer production, FENNESSY P.F. & DREW K.R. (eds) The Royal Society of New Zealand, Bulletin, 22: 273–278. Diplomové a disertační práce BEAN J.M., 1967: Population fluctuations of bank vole (Clethrionomys glareolus) in a lowland forest. Ms., diploma thesis, Charles university, Prague, 166 pp. (Zoological library of the Faculty of Sciences, Charles university, Prague) Odkazy na všechny tabulky, obrázky a fotografie musí být uvedeny v textu. Tabulky by měly být jasně nadepsány, řádkování 1, vytištěny na jednotlivých listech za seznamem literatury, očíslovány arabskými číslicemi. Linky by měly oddělovat pouze záhlaví sloupců a horizontální sekce (svislé linky nepoužívat). Všechny obrázky, grafy a fotografie označovat jako Fig./Obr. a číslovat dle pořadí, na zadní straně označit jménem autora a číslem. Popisy k obrázkům zařadit na zvláštní list za tabulkami. Na adresu editora je třeba zaslat jak kompletní elektronickou verzi (nejlépe ve formátu MS Word), tak jeden výtisk rukopisu (včetně tabulek a obrázků). Autor bude vyrozuměn o přijetí článku, eventuelně mu bude článek doporučen k opravě či doplnění. Po přijetí příspěvku je třeba zaslat konečnou verzi rukopisu v elektronické podobě na CD nebo e-mailem (text ve formátu MS Word nebo RTF, grafy a schémata ve formátu PDF nebo TIFF, fotografie JPG, obojí minimálně v rozlišení 300 dpi) společně s jednou kopií a originálem obrázků. Přibližné požadované umístění obrázků a tabulek je dobré naznačit na okraji textu v kopii rukopisu. Separáty budou autorům distribuovány ve formátu PDF e-mailem a volně dostupné na internetových stránkách časopisu. Tištěné separáty mohou být objednány za úplatu.

Hinweise für Autoren In der Zeitschrift Silva Gabreta werden fachliche Artikel, Reviews und kurze Mitteilungen aus dem Bereich der Naturwissenschaften und Naturschutz vor allem bezüglich des Gebietes Böhmerwald/Bayerischer Wald veröffentlicht. Die Handschriften sollten möglichst kurz aber inhaltsreich, in englischer Sprache gefasst werden. Zulässig sind auch Beiträge in tschechischer oder deutscher Sprache, diese müssen jedoch mit dem englischen Abstrakt und mit den Kennwörtern sowie mit englischen Übersetzungen der Tabelköpfe und mit den Bildbeschreibungen vervollständigt werden. Der Titel muss kurz und treffend gefasst sein und er muss die zur Katalogisierung geeigneten Wörter umfassen. Die Namen der Arbeitsstellen der Autoren und ihre Adressen sollten unter den vollständigen Namen der Autoren angegeben werden, es ist geeignet eine E-mail-Adresse eines der Autoren für Korrespondenzzwecke aufzuführen. Der Abstrakt sollte nicht mehr als 200 Wörter umfassen, nachfolgend sollten 3–5 Kennwörter angegeben werden. Nur die lateinischen Namen der Gattungen und Arten (und botanische Syntaxone) sollten in Italics geschrieben werden. Die Textzeilung 1,5 wird angefordert. Die Literatur. Die Zitierungen im Text müssen in folgender Weise aufgefürt werden: (K RAUS 1985, H ANZAL et al. 1994, KOUBEK & ČERVENÝ 1996), oder SIMPSON (1965) said…, (SOFRON, in press), (BREITENMOSER, unpubl.) oder (pers. comm.), oder (in prep.). Die Literaturliste sollte alphabetisch nach den Autoren am Ende des Artikels geordnet werden. Es ist notwendig, nur die im Text aufgefürten Hilfsquellen in der Liste anzugeben. Bei einzelnen Hilfsquellen müssen alle Autoren aufgefürt werden, im Fall der gleichnamigen Zeitschriften ist es nötig, den Ausgabeort in Klammern hinter dem Namen aufzuführen, bei den unpublizierten Arbeiten (Diplomarbeiten usw.) ist es nötig aufzuführen, wo diese deponiert sind. Alle Titel, die in anderer als englischer oder deutschen Sprache geschrieben sind, sind ins English zu übersetzen und diese Übersetzung in die eckigen Klammer einzugeben. Die Informationen über die ursprüngliche, im Artikel verwendete Sprache sind in runden Klammern am Ende der Zitierung anzugeben. Beispiele: Zeitschrift GUNN J.M. & K ELLER W., 1990: Biological recovery of an acid lake after reductions in industrial emissions of sulphur. Nature (London), 345: 431–433. JÍROVEC O. & JÍROVCOVÁ M., 1937: Chemismus šumavských jezer [The chemistry of the Šumava lakes]. Věstník královské české společnosti nauk, tř. II, 13: 1–21 (in Czech). Buch ODUM E.P., 1977: Základy ekologie [Fundamental ecology]. Academia Praha, 376 pp. (in Czech). Kapitel in der Monographie BUBENIK A. & KÖNIG R., 1985: Morphometry of antlers of the genus Capreolus (Grey, 1821). In: Biology of deer production, FENNESSY P.F. & DREW K.R. (eds) The Royal Society of New Zealand, Bulletin, 22: 273–278. Diplom- oder Doktorarbeiten BEAN J.M., 1967: Population fluctuations of bank vole (Clethrionomys glareolus) in a lowland forest. Ms., diploma thesis, Charles university, Prague, 166 pp. (Zoological library of the Faculty of Sciences, Charles university, Prague) Die Verweise auf alle Tabellen, Bilder und Lichtbilder müssen im Text aufgefürt werden. Die Tabellen sollten klar überschrieben, Zeilung 1, an einzelnen Blättern hinter der Literaturliste ausgedruckt und mit arabischen Ziffern benummert werden. Alle Bilder, Graphiken und Lichtbilder müssen als Fig./Abb. bezeichnet werden und in der Reihenfolge benummert werden, an der Hinterseite müssen diese mit dem Autorennamen und Nummer bezeichnet werden. Die Bildbeschreibungen müssen auf einem Einzelblatt hinter den Tabellen geordnet werden. Die elektronische Version (bestens im Format MS Word) zusammen mit einer Kopie der Handschriften (einschließlich der Tabellen und Bilder) müssen an die Adresse des Editores gesendet werden. Der Autor wird von der Annahme des Artikels verständigt, eventuell wird ihm empfohlen, den Artikel zu korrigieren oder zu ergänzen. Nach der Annahme des Beitrages ist es nötig, die Endversion der Handschrift in der elektronischen Form (CD oder per e-mail – Text im Format MS WORD oder RTF, Graphiken und Schemen im Format PDF oder TIFF, Lichtbilder JPG, beides minimal in Auflösung von 300 dpi) zusammen mit einer Kopie und Originalbilder zuzusenden. Die annähernd verlangte Plazierung der Bilder und Tabellen sollte am besten am Textrand in der Handschriftkopie bezeichnet werden. Sonderdrücke werden an die Autoren im Format PDF per E-mail zugesandt und an der Internetseite der Zeitschrift frei erreichbar. Die gedruckten Sonderdrücke können gegen Entgelt bestellt werden.

Instructions to Authors Editorial policy. Research papers, reviews and short communications dealing with different aspects of natural history and nature protection especially within the territory of the Bohemian Forest are considered for publication in Silva Gabreta. Manuscripts should be concise but informative, written in correct English. Contributions in German or Czech language should be supplemented with an English abstract and key words, as well as English translations of table headings and figure captions. Title should be brief, containing words useful for indexing and information retrieval. The authors’ institutional affiliations and postal addresses should be inserted under their names; an e-mail address of a corresponding author should be provided. An abstract should not exceed 200 words. Provide 3 to 5 key words indicating the scope of the paper. Only Latin names of genera and species (or botanical associations) should be written in Italics. Spacing 1.5 should be used throughout the text. References in the text should be given in the following forms: (K RAUS 1985, H ANZAL et al. 1994, KOUBEK & ČERVENÝ 1996), or SIMPSON (1965) said…, (SOFRON, in press), (BREITENMOSER, unpubl.), or (pers. comm.), (in prep.). References should be listed alphabetically by author at the end of the manuscript. List only works referred to in the text. The surnames of all co-authors, original locations of publishers if journals have the same names, and a site, where manuscripts (thesis etc.) are deposited, should be given. In the case of paper in English language, all titles originally given only in other languages than English or German should be translated into English and given in brackets, [ ], along with information on the original language of the paper. Examples: Journal GUNN J.M. & K ELLER W., 1990: Biological recovery of an acid lake after reductions in industrial emissions of sulphur. Nature (London), 345: 431–433. JÍROVEC O. & JÍROVCOVÁ M., 1937: Chemismus šumavských jezer [The chemistry of the Šumava lakes]. Věstník královské české společnosti nauk, tř. II, 13: 1–21 (in Czech). Book ODUM E.P., 1977: Základy ekologie [Fundamental ecology]. Academia Praha, 376 pp. (in Czech). Chapter in monographs BUBENIK A. & KÖNIG R., 1985: Morphometry of antlers of the genus Capreolus (Grey, 1821). In: Biology of deer production, FENNESSY P.F. & DREW K.R. (eds) The Royal Society of New Zealand, Bulletin, 22: 273–278. Thesis BEAN J.M., 1967: Population fluctuations of bank vole (Clethrionomys glareolus) in a lowland forest. Ms., diploma thesis, Charles university, Prague, 166 pp. (Zoological library of the Faculty of Sciences, Charles university, Prague) All tables, figures, and illustrations must be referred to in the text. Tables should be clearly headed, single-spaced, typed on separate sheets following a list of references. They should be numbered consecutively with Arabic numerals. Lines should separate only column headings or horizontal table sections (omit vertical lines). All illustrations (including photographs) are classified as figures and numbered consecutively. They should bear figure number and authors name. The text of figure captions should be typed after the tables. Editorial processing of papers. Both electronic file (preferably in MS Word format) and hard copy of the manuscript (including all tables and labelled copies of figures) should be submitted to the editor. Authors will be notified of acceptance or need for revision. After the paper acceptance, the electronic final version of the text followed with both tables and figure captions (MS Word, version 6.0 or higher is preferred) should be sent on CD or by e-mail (text in MS Word or RTF format, charts in PDF or TIFF, photos in JPG, both at least 300 dpi quality) along with one hard copy of the manuscript and the original figures. Approximate position of illustrations and tables in the text should be indicated in the margin of the hard copy. Authors’ reprints will be distributed in PDF format by e-mail and free available on the journal web site. Printed reprints may be ordered if desired and will be supplied at cost.

Notes

Notes

Notes