Tomáš Bucha a kolektív

SATELITY

V SLUŽBÁCH LESA

Národné lesnícke centrum - Lesnícky výskumný ústav Zvolen2014

Recenzenti: doc. RNDr. Ján Feranec, DrSc. prof.Ing.ĽubomírScheer,CSc.(kapitoly1,3a4) prof.Ing.JaroslavŠkvarenina,CSc.(kapitola2)

Vydanie tejto publikácie podporila Agentúra Ministerstva školstva vedy a výskumuSlovenskej republiky pre štrukturálne fondy EÚ (ASFEU) z operačného programuVýskum a vývoj v rámci projektu ITMS: 26220120069 „Centrum excelentnosti prepodporurozhodovaniavleseakrajine“.

Názov: Satelityvslužbáchlesa Vedeckámonografia

Autori: IvanBarka,TomášBucha,TomášHlásny,MilanKonôpka,MilanKoreň,VeronikaLukasová,MartinLukáč,MáriaOlšavská,JozefPajtík, HanaPavlendová,ZuzanaSitková,ZoraSnopková,JozefVladovič

Editor: TomášBucha

Vydal: Národnélesníckecentrum,Zvolen

Tlač: SAP–SlovakAcademicPress,s.r.o.,Bratislava

Citácia: Bucha,T.akol.,2014:Satelityvslužbáchvlesa.Bratislava:SAP,202s.

Copyright©Národnélesníckecentrum,Zvolen2014 ISBN978-80-89607-25-9

Venované doc. Ing. Jánovi Račkovi, CSc. k jeho životnému jubileu 80 rokov s vďakou za odborné nasmerovanie

OBSAH

Zoznam autorov

Použité skratky a termíny

Predhovor

7

9

11

Kapitola 1 Satelity v službách ochrany lesa1.1. KlasifikáciapoškodenialesovSlovenska 14

Tomáš Bucha, Ivan Barka

1.2. Porovnaniepriebehurozpadusmrečínnamaloplošnýchchránenýchúzemiachavhospodárskychlesoch 29Tomáš Bucha, Ivan Barka

1.3. PosudzovanieštruktúryastabilityhorskýchlesovspodporouDPZ 40Jozef Vladovič, Ivan Barka

Kapitola 2 Satelity v službách lesníckej fenológie

2.1. Tvorbaúdajovejbázyamodelovaniefenológielesnýchporastov 80Tomáš Bucha, Milan Koreň

2.2. Validácianástupufenologickýchudalostíbukovýchporastov 91Hana Pavlendová, Zora Snopková

2.3. Fenológiadubovýchabukovýchporastovvobdobí2000–2014 101Tomáš Bucha, Milan Koreň

2.4. Vplyvprízemnejvegetácieapodrastunapriebehfenologickejkrivkybukovýchporastov 116Veronika Lukasová, Tomáš Bucha

2.5. Stresdubovýchabukovýchporastovsuchomateplom:ExperimentálnepoužitiesatelitnýchsnímokMODIS 130Tomáš Hlásny, Ivan Barka, Zuzana Sitková, Milan Konôpka, Martin Lukáč

Kapitola 3 Satelity v službách modelovania produkcie lesných porastov

3.1. Teoretickýkonceptmodelovaniaprimárnejprodukcielesnýchporastov 148Jozef Pajtík, Ivan Barka, Mária Olšavská

3.2. StanovenieprodukciebukovýchadubovýchporastovnaSlovensku 157Jozef Pajtík, Ivan Barka, Mária Olšavská

Kapitola 4 Satelity a informačné systémy v službách lesníckej praxe

4.1. Informačnýsystémnahodnoteniestavulesazosatelitnýchsnímok 168Ivan Barka, Tomáš Bucha

Literatúra

Súhrn

180

198

ZOZNAM AUTOROV

Dr.Ing.TomášBuchaNárodnélesníckecentrum–LesníckyvýskumnýústavZvolenT.G.Masaryka22,96092Zvolene-mail:bucha@nlcsk.org

Mgr.IvanBarka,PhD.Národnélesníckecentrum–LesníckyvýskumnýústavZvolenT.G.Masaryka22,96092Zvolene-mail:barka@nlcsk.org

doc.RNDr.TomášHlásny,PhD.Národnélesníckecentrum–LesníckyvýskumnýústavZvolenT.G.Masaryka22,96092Zvolene-mail:hlasny@nlcsk.org

Dr.Ing.MartinLukáčSchoolofAgriculture,PolicyandDevelopment,UniversityofReadingReadingRG66AR,UKe-mail:m.lukac@reading.ac.uk

Ing.VeronikaLukasová,PhD.TechnickáuniverzitavoZvolene,LesníckafakultaT.G.Masaryka24,96053Zvolene-mail:veronika.brandysova@gmail.com

Bc.MilanKonôpkaNárodnélesníckecentrum–LesníckyvýskumnýústavZvolenT.G.Masaryka22,96092Zvolene-mail:mkonopka@nlcsk.org

Mgr.MilanKoreň,PhD.TechnickáuniverzitavoZvolene,LesníckafakultaT.G.Masaryka24,96053Zvolene-mail:milan.koren@tuzvo.sk

Ing.MáriaOlšavskáStaráMaša57,05342Krompachye-mail:majka.ol@gmail.com

Ing.JozefPajtíkNárodnélesníckecentrum–LesníckyvýskumnýústavZvolenT.G.Masaryka22,96092Zvolene-mail:pajtik@nlcsk.org

8 Zoznam autorov

Ing.HanaPavlendová,PhD.Národnélesníckecentrum–LesníckyvýskumnýústavZvolenT.G.Masaryka22,96092Zvolene-mail:pavlendova@nlcsk.org

Ing.ZuzanaSitková,PhD.Národnélesníckecentrum–LesníckyvýskumnýústavZvolenT.G.Masaryka22,96092Zvolene-mail:sitkova@nlcsk.org

Mgr.ZoraSnopková,PhD.SlovenskýhydrometeorologickýústavZelená5,97401BanskáBystricae-mail:zora.snopkova@shmu.sk

Ing.JozefVladovič,PhD.Národnélesníckecentrum–LesníckyvýskumnýústavZvolenT.G.Masaryka22,96092Zvolene-mail:vladovic@nlcsk.org

Použité skratky a termíny

APAR AbsorbedPhotosyntheticallyActiveRadiation–AbsorbovanáfotosyntetickyaktívnaradiáciaASFEU AgentúraMinisterstvaškolstvavedy,výskumuašportuSlovenskejrepublikypreštrukturálnefondyEÚAVHRR AdvancedVeryHighResolutionRadiometer–Rádiometersveľmivysokýmrozlíšením,ktorýjeumiestnenýna

satelitochNOAABPLUT Biome Properties LookUpTable – Tabuľka s hodnotami špecifických parametrov potrebných pre výpočet

produkciepodľabiómovBRDF Bidirectional Reflectance Distribution Function – Funkcia dvojrozmernej odrazivosti udávajúca

pravdepodobnosť,sakousažiarenie,ktorédopadnenapovrchobjektu,odrazídanýmsmeromNPP NetPrimaryProduction–ČistáprimárnaprodukciaDAO DataAssimilationOffice–OdbornázložkaNASAspravujúcapodpornúdatabázupreaplikácieDPZDN Digital Number – Číselná hodnota pixela spravidla prepočítateľná na fyzikálnu jednotku (napr. žiarenie,

odrazivosť)DAD DescendingAcceleration Date – DOY maximálneho zrýchlenia (extrém 2. derivácie) funkcie modelujúcej

priebehvegetačnéhoindexuNDVIvjesennejfázeDDD DescendingDecelerationDate –DOYmaximálneho spomalenia (extrém 2. derivácie) funkciemodelujúcej

priebehvegetačnéhoindexuNDVIvjesennejfázeDMP DigitálnymodelporastuDSD Descending Speed Data – DOY maximálnej rýchlosti (extrém 1. derivácie) funkcie modelujúcej priebeh

vegetačnéhoindexuNDVIvjesennejfázeDOY DayofYear(Julianday)–PoradovýdeňvrokuDPZ DiaľkovýprieskumZemeESA EuropeanSpaceAgency–EurópskavesmírnaagentúraEVI EnhancedVegetationIndex–VylepšenývegetačnýindexFPAR FractionofPhotosyntheticallyActiveRadiation–PodielfotosyntetickyaktívnejradiácieFMD FoliageMaximumDate–DOYzodpovedajúcimaximálnejhodnotefunkciemodelujúcejpriebehvegetačného

indexuNDVIpočasrokaGAD GrowthAccelerationDate–DOYmaximálnehozrýchlenia(extrém2.derivácie)funkciemodelujúcejpriebeh

vegetačnéhoindexuNDVIvjarnejfázeGDD GrowthDecelerationDate–DOYmaximálnehospomalenia(extrém2.derivácie)funkciemodelujúcejpriebeh

vegetačnéhoindexuNDVIvjarnejfázeGSD GrowthSpeedData–DOYmaximálnejrýchlosti(extrém1.derivácie)funkciemodelujúcejpriebehvegetačného

indexuNDVIvjarnejfázeGST Gramm-SchmidtovatransformáciaGIS GeografickýinformačnýsystémGPS GlobalPositioningSystem–SatelitnýnavigačnýsystémpoužívanýnazisteniepresnejpozícieGPP GrossPrimaryProduction–HrubáprimárnaprodukciaIR InfraredRadiation–Blízkeinfračervenéžiarenie(0,7–1,0µm).Vtexteskratkapoužitáajnaoznačenieblízkeho

infračervenéhokanálaJPRL JednotkapriestorovéhorozdelenialesaLAI LeafAreaIndex–IndexlistovejplochyLandsat DlhodobýprogramAmerickejvesmírnejAgentúryNASAnasledovanieZemepomocousatelitnýchsnímokLandsat5 AmerickýsatelitzosérieLandsatsoskeneromThematicMapper(TM)Landsat7 AmerickýsatelitzosérieLandsatsoskeneromEnhancedThematicMapper(ETM+)

10 Použité skratky a termíny

Landsat8 Americký satelit zo série Landsat so skenermi Operational Land Imager (OLI) a Thermal Infrared Sensor(TIRS).

MCHÚ MaloplošnéchránenéúzemiaMKT Mann-KendallovneparametrickýtestMODIS ModerateResolutionImagingSpectroradiometer–SpektrorádiometerumiestnenýnadružiciachTerraaAqua

snímajúcivpriestorovomrozlíšeníod250mdo1kmMOD09 MODISproduktMOD09 je odhadom spektrálnej odrazivosti povrchu, tak akobybol nameranýna zemskom

povrchubezatmosférickéhorozptylualeboabsorpciežiareniaMOD17 MODISproduktMOD17jeodhadomhrubejačistejprimárnejprodukcievegetácieNASA NationalAeronauticsandSpaceAdministration–Americkávládnaagentúrazodpovednázaamerickýkozmický

programavšeobecnývýskumvoblastiletectvaNDVI NormalisedDifferenceVegetationIndex–NormalizovanýdiferenčnývegetačnýindexNLC NárodnélesníckecentrumNPP NetPrimaryProduction–ČistáprimárnaprodukciaNPR NárodnáprírodnárezerváciaNSC New Synthetic Component – Komponenty (NSC1 a NSC2) odvodené pomocou Gramm-Schmidtovej

transformácieprepotrebyklasifikáciepoškodenialesovPIXEL PictureElement-základnýprvokobrazovéhozáznamu(snímky),ktorýznázorňuječasťzemskéhopovrchunapr.

30x30m,250x250mapod.prostredníctvomodrazenéhoalebovyslanéhoelektromagnetickéhožiarenia.PCA PrincipalComponentAnalyses –Analýza hlavných komponentov: štatistickámetóda zameraná na redukciu

veľkéhopočtuvzájomnesúvisiacichpremennýchnahlavnékomponentypričonajmenšejstrateinformáciíPHENOPROFILE/PhenologicalProfile–SoftvérováaplikácianamodelovaniepriebehufenofázPLP Pučanielistovýchpupeňov(fenologickáfáza)PR PrírodnárezerváciaR Červenáoblasťviditeľnejčastispektra(0,6–0,7µm)–červenýkanálREFLECTANCE–OdrazivosťdefinovanáakopodieldopadajúcehoaodpovrchuodrazenéhožiareniaRIS RegionálnyinformačnýsystémRLP Rozpuklistovýchpupeňov(fenologickáfáza)RMS RootMeanSquareError–StrednáchybaRPM RegionálnyparametrizovanýmodelSAO StrataasimilačnýchorgánovSATLESYS MapováwebováaplikáciaoprodukčnomstavelesavytvorenáaprevádzkovanáNLCSHMÚ SlovenskýhydrometeorologickýústavS-JTSK SystémjednotnejtrigonometrickejsietekatastrálnejSPOT SériafrancúzskychsatelitovnasledovanieZemeSTALES MapováwebováaplikáciaozdravotnomstavelesavytvorenáaprevádzkovanáNLCSVS StandVisualisationSystem–softvérovýproduktUSDAForestService,PacificNorthwestResearchStationpre

vizualizáciuvýstavbyaštruktúrylesnýchporastovSWIR Short-waveInfraredRadiation–krátkovlnnéinfračervenéžiarenie(1,0–3µm).Vtexteajskratkapreoznačenie

krátkovlnnéhoinfračervenéhokanálaTMP TrvalámonitorovaciaplochaTVX TemperatureVegetationIndexUSGS UnitedStateGeologicalSurveyZAL Zalistenie(fenologickáfáza)

Ďalšieskratkysúvysvetlenépriichprvompoužitívjednotlivýchpríspevkoch

Predhovor

KeďsmepredštyrmirokmiprispievalilesníckoukapitoloudopriekopníckejknihySloven-sko očami satelitovbolismepresvedčení,ženadlhšíčassmevyčerpalinášpublikačnýpotenciálolesníckychsatelitnýchaplikáciách.Potvrdilosavšakto,čouvádzalhlavnýautorknihydoc.JánFeranecvpredslove,že„...anitakámalákrajina,akoujeSlovensko,nestojíbokompriroz-víjanísatelitnýchaktivít,akoajprivyužívaníichvýsledkov...“.

Smeradi,žemôžemetoutomonografiounadviazaťnaprácuSlovensko očami satelitov a po-skytnúťodbornejverejnostiďalšíargumentvprospechsatelitnéhosnímkovaniaprelesníckuprax.Našapublikáciaozrejmuje,prečoajslovenskélesníctvopotrebujeúdajezosatelitovaprečomáajprenašukrajinuzmyselinvestovaťdovesmírnychtechnológií,dovedyavýskumuvtejtooblasti.

Potrebaprehlbovaťaspresňovaťnašepoznanieprocesov,ktorýmilesnýekosystémreagujenameniacesapodmienkyprostredia,rastievdôsledkutoho,žemnohéoblastisvetasúčorazčastejšie vystavené hrozbám prírodných katastrof. Zvyšuje sa frekvencia a intenzita výskytuškodlivýchčiniteľov,akýmisúnajmäextrémnezrážkyavietor,predlžujúsaajperiódysuchaaenormnesaaktivizujúbiotickíškodcovia,najmäpodkôrnyhmyz.Všetkytietofaktoryspôso-bilivuplynulýchdvochdekádachajvnašichlesochnemaléškody.Zároveňvyvstalapožiadav-ka,abysazískaliavyhodnotiliinformácieakozákladnávrhuochranných,mitigačnýchaadap-tačnýchopatrení.Právetusaoprotiklasickýmvýberovýmterestrickýmzisťovaniamstavulesaukázalihlavnéprednostisatelitnýchzáznamov.Hlavnouprednosťoutýchtozáznamovjeschop-nosťposkytnúťceloplošnéakontinuálneinformácierýchloalacno.

Vpredkladanejmonografiičlenenejpodľatematickýchcelkovdo4kapitolpribližujemeči-tateľomvyužitiesatelitnýchsnímokainformácií,ktorésúznichodvodené,vzáujmeochranylesa,vofenológii,primodelovaníprodukcielesovvkontextevplyvovmeniacejsaklímynalesy.Vposlednejkapitolepredstavujemeriešenieintegrovaniaúdajovapoznatkovvovlastnomin-formačnomsystéme.

Prvákapitolajezameranánasatelitnémapovaniedisturbančnýchudalostí,ktorépostihlinašelesyvposlednýchdvochdekádach.Analyzujemeakútnuaprecedentnúsituáciuokoloveľko-plošného hynutia smrečín, ktorá sa stala nielen vážnym environmentálnym a ekonomickýmproblémom,aleprerástladozásadnejspoločenskejotázky.Prácusmepretoorientovalitak,abysmeposkytliobjektívneinformácieostavesmrečínaabysmemohlizískanýmivýsledkamiar-gumentovaťvlesnícko-ochranárskomsporeouplatnenípasívnehočiaktívnehomanažmentupririešeníkalamitnýchsituáciívlesochchránenýchúzemí.Vkombináciisleteckýmisnímkamisúsatelitnésnímkyvyužitéajprimapovaníaposudzovanístavulesnýchekosystémovzpohľaduich druhovej a priestorovej štruktúry, stanovištnej vhodnosti a zachovalosti ako východiskapreklasifikáciuichekologickejstability.

Druhúkapitolu smevenovali satelitnej fenológii a reakcii lesnýchdrevínnaklimatickúzmenu.Navrhlismepostuptvorbykonzistentnejúdajovejbázy,vytvorilismesatelitnúfeno-logickúmetriku,analyzovalismečasovúsériuNDVIzobdobia2000–2014predrevinybukadubaanalyzovalismereakciutýchtohlavnýchlistnatýchdrevínnateploastreszosucha.VýsledkomjenávrhucelenéhosystémukontinuálnehoaplošnéhosledovaniaodozvylesnýchekosystémovnapodnetymeniacehosaprostrediapomocouvegetačnéhoindexuodvodenéhozosatelitnýchúdajovzospektrorádiometraMODIS.

V tretej kapitole sa sústreďujeme na produkciu lesov. Parametrizujeme globálnemodely navýpočetprimárnejprodukcievpodmienkachlesnýchekosystémovSlovenska.NašeriešeniejezaloženénaproduktochMODIS–využili smebiofyzikálnecharakteristiky (index listovejplochyafotosyntetickyaktívnučasťradiácie)vkombináciisklimatickýmiúdajmi.Tentopostuppredstavujeposunodstatickéhoprincípuodhaduprodukcielesnýchporastovkdynamickémukontinuálnemumodelovaniuprodukciepočascelejvegetačnejsezóny.

12 Predhovor

V poslednej, štvrtej kapitole, predstavujeme technicko-informačné zabezpečenie projektuavývojinformačnéhosystémuostavelesanabázevyužitiasatelitnýchsnímokLandsataMO-DIS.Prínosafunkčnosťnášhoinformačnéhosystémudokladámewebovýmimapovýmislužba-miSTALESaSATLESYS,ktorésúvoľnedostupnéužívateľomlesaacelejverejnosti.

Mnohéprezentovanévýsledkyužnašlivyužitievlesníctveaochraneprírody.Najvyužíva-nejšoujemapováslužbaSTALES.Názornéceloplošnézmapovanielesnýchkomplexovvkala-mitnýchoblastiachumožňuještátnejsprávelesnéhohospodárstvaefektívnevykonávaťštátnydozornadzverenýmiporastmiamajiteľomčiobhospodarovateľomlesovumožňujeokamžiteapresneidentifikovaťzmenyvkonkrétnychlesnýchporastoch.PresnéinformáciezoSTALESunásledneumožňujúzodpovednýmsubjektomprijímaťadekvátnerozhodnutiaavykonaťprísluš-néopatrenia.

PrezentovanévýsledkybolizískanépririešeníprojektovpodporenýchAgentúrouMŠVVŠSRpreštrukturálnefondyEÚzoperačnéhoprogramuVýskumavývojvrámciprojektuCen-trum excelentnosti pre podporu rozhodovania v lese a krajine (ITMS:26220120069),Agentúrounapodporuvýskumuavývoja,vrámciprojektovSatelitne založené sledovania odozvy lesných ekosystémov na globálne sa meniace podmienky prostredianazákladezmluvyč.APVV-0670-07a Ekofyziologické a priestorové aspekty vplyvu sucha na lesy Slovenska v podmienkach zmeny klímynazákladezmluvyč.APVV-0111-10aMinisterstvompôdohospodárstvaarozvojavidie-kaSlovenskejrepubliky,ktorépodporiloprojektVýskum efektívneho využívania environmentál-neho, ekonomického a sociálneho potenciálu lesov na Slovensku.

Chcemevysloviťúprimnépoďakovaniecelémuautorskémukolektívuzavynaloženéúsiliepriprípravepublikácieavšetkýmspolupracovníkom,ktorípomáhalipririešeníuvedenýchpro-jektovaprispelikzodpovednémuaprofesionálnemuriešeniuprojektovčiužpriterénnychprá-cach alebo pri riešení komplikovaných náležitostí technologicko-informačného zabezpečeniaprojektuaprevádzkywebovýchaplikácií.

Poďakovanie patrí aj štátnej správe lesného hospodárstva, predovšetkým Ing.MariánoviGunišovi,ktorýsvojimnápadmi,návrhmiakonkrétnymiskúsenosťamivýrazneprispelktomu,žemapovéslužbypredpiatimirokmivznikli,neustrnulianeustálesavyvíjajú.

Osobitné poďakovanie patrí aj recenzentom za starostlivé posúdenie práce, pripomienkyapodnety,ktoréprispelikzvýšeniuúrovneobsahovejajformálnejstránkymonografie.Vtomtozmysleprispelkštrukturáciimonografieajústrednýmotív„satelityvslužbách“autorstvaMgr.JanyWachtarczykovej.

Najdôležitejšie okolnosti, ktoré podmienili vznik publikácie sa stelesňujú v osobe doc.JánaRačka.Právezásluhoujehopredvídavosti,erudovanostiavďakajehomedzinárodnýmkontaktomsapred25rokminášekologickýaenvironmentálnyvýskumunikátneprepojilaďalejrozvíjalspoločnesnastupujúcimiinformačnýmitechnológiamiadiaľkovýmprieskumomZeme.Nám, jeho priamympokračovateľoma žiakom, je preto cťou venovať túto publikáciu právejemu.

Želalibysmesi,abynielennovéproduktypredstavenévprácislúžilikvašejplnejspokoj-nosti,aleabysarozvíjalosamotnéuplatňovanieDPZvlesníctve,pretožesmepresvedčeníojehopotencialiteavýznameprebežnúlesníckuprax.Uvítamepretokaždýpodnet,komentárčipri-pomienku.Spätnáväzbaodužívateľovnašichproduktovnámumožnípripraviťariešiťnovéprojektyzameranénapotrebylesníckejverejnosti.

TomášBucha

KAPITOLA 1

SATELITY V SLUŽBÁCH OCHRANY LESA

1.1. Klasifikácia poškodenia lesov Slovenska 15SATELITYVSLUŽBáCHOCHRANYLESA

KLASIFIKÁCIA POŠKODENIA LESOV SLOVENSKA (1.1.)

1. Úvod a problematika

Predpokladomtrvaloudržateľnéhoobhospodarovanialesovjepravidelnézískavanieúdajovadobrespracovanámetodikaprekonzistentnéhodnotenieichstavuavývoja.Významnépod-kladysazískavajúvrámcimonitoringuzdravotnéhostavulesov(UN-ECEICPForests,1994;Pavlendaetal.,2013).Určeniepoškodenialesajezaloženénaodhadedefoliácieadepigmentá-cie asimilačných orgánov stromov. Nevýhodou je časová náročnosť a priestorová viazanosť na hodnotené plochy.Využitím prostriedkov ametód diaľkového prieskumuZeme (DPZ) jemožnéobjektivizovaťmetóduzisťovaniapoškodenia,znižovaťčasovúnáročnosťadosahovaťceloplošnéhodnotenieúzemia.Súhrnnúcharakteristikusatelitovasnímacíchzariadenívyužiteľ-nýchvslovenskýchpodmienkachspracovalJ.Feranecetal.(2010).

ZákladnouúlohouDPZjeurčeniestavovýchparametrovobjektunazákladejehospektrálnejodrazivostizaznamenanejsenzorom.Spektrálnecharakteristikyvegetáciesúvýsledkominterakciežiareniasbunkovýmištruktúrami,chlorofylomaďalšímipigmentami.Všeobecnemožnovplyvyfyziologickýchpremennýchvrozsahuspektra350až2500nmcharakterizovaťnasledovne:(porov:Szekielda,1988;Kochetal.,1990;Račko,1996):

350–500nm: silnáabsorbciachlorofylmiakarotenoidmi; 500–620nm: redukovanáabsorbciapigmentami; 620–700nm: silnáabsorbciachlorofylom; 700–740nm: prechododsilnejabsorbciechlorofylomkvysokejodrazivosti,slabázávis-

losťmedzimnožstvomzelenejvegetácieaodrazivosťou; 740–1100nm: oblasťvysokejodrazivostiaminimálnejabsorbcie,silnázávislosťmedzi

odrazivosťouamnožstvomzelenejvegetácie; 1300–2500nm: silnáabsorbciavodouvovegetácii,existujesilnázávislosťmedzimnož-

stvomvodyvlistochaodrazivosťou.

Obsahpigmentovsúvisísúrovňoupoškodenia,sozvyšujúcimsapoškodenímasenescen-ciouporastovklesámnožstvochlorofyluaajb (Carter,SealaHaley,1998;Albrechtováetal.,2001;Zarco-Tejadaetal.,2001).Množstvokarotenoidovsúvisísreakciounastresovézaťaženie(KmeťaBlaho,1996).Chronicképoškodeniespôsobujedeteriorizáciuchloroplastov,pričomtátozmenavofyziológiisaprejavuježltnutímlistov(Szekielda,1988),pričomsamaximálnaodrazivosťpresúvazozelenéhopásmadočervenéhopásma.Tentopoznatokjevpodobečerve-no-zelenéhoindexu(Reg-GreenIndex–RGI)využívanýpriklasifikáciipoškodenialesov(napr.Wulderetal.,2008).

Správnosť klasifikácie a hodnotenia zdravotného stavu zo satelitných snímok významneovplyvňujeviacerofaktorov.Dôležitýjenajmäzápojlesnýchporastov.Soznižovanímzápojasaspektrálnacharakteristikaporastuvýraznemení.Skoršieprácesapretoobmedzovaliibanaroz-líšenie silného poškodenia, ktoré sprevádza rozpad korunového zápoja (Vogelmann a Rock,1988;Joria,1991),resp.zklasifikáciesavylúčilipixely,ktorénespĺňaliminimálnepodmienkyklasifikovateľnosti.E.KulaaM.Stoklasa(2003)uvádzajúminimálnyvekporastu,zastúpeniedreviny,zakmenenieavýmeruporastu,priktorej jemožnédosiahnuťpožadovanúsprávnosťklasifikácie.

Správnosť klasifikácie je možné zlepšiť aj vhodnými postupmi vyhodnotenia snímok.Ľ.Scheer(1997)napríkladeklasifikáciepoškodeniasmrekovýchporastochnamodelovomúzemíLHCOravskáPolhorapreukázalvýhodnosťuplatneniadvojfázovéhoregresnéhovýbe-ru.KpodobnýmzáveromdospelS.Ekstrandetal. (1998)keďkonštatuje,ženaeurópskejúrovnisamôžeprivyužitísnímoksrozlíšením20–30mušetriťaž80%nákladov,ktoréby

sivyžiadalterestrickýmonitoringzdravotnéhostavulesovvsieti16x16km.Nakalibráciuúdajovbysavyužiliplochyintenzívnehomonitoringu.S.E.Franklinetal.(2003)pomocoustratifikáciesnímokLandsatdosiaholvyše70%správnosťklasifikáciesilnepoškodnýchažodumretých porastov (red attack) biotickými škodcami. O. Stover (1997) a R. S. Skakun(2003)poukázalinamožnosťzvýšeniasprávnostiklasifikáciepoškodenianazákladeporov-naniazmienspektrálnychhodnôtzdvochsnímokpredaponapadnutíporastov.Metódudlho-dobéhomonitoringulesovpomocoudefinovaniačasovýchspektrálnychtrajektóriínaúdajochzLandsatupublikovalS.Joyce(1999).ČasovéradysnímokLandsatspoluspodpornýmiúdaj-mivyužilM.A.Wulderetal.(2006)napredikciupoškodeniaažs86%správnosťou.Nazá-klade časovej analýzy sérií snímokLandsat navrholR.E.Kennedy et al. (2012) operačnýprístuptvorbymápdisturbanciíaobnovylesapreseverozápadnúčasťUSA.P.A.Townsendetal.(2012)uplatnilsigmoidnýmodelsvyužitímnormalizovanéhoinfračervenéhovegetačné-ho indexu (NormalisedDifference Infrared Index–NDII)naodhaddefoliáciev listnatýchlesoch.PriklasifikáciizosnímokLandsatdosiaholsprávnosťoutakmer90%pričomdomo-deluvstupovalrozdielhodnôtNDIIzrokudefoliácieazrokureferenčného(bezpoškodeniapoprastov).R.E.Kennedyetal.(2009)sumarizuje,žesatelitnésnímky(Landsat,Spot,Aster)srozlíšenímcca15–30msúvhodnépreveľkoplošnýadlhodobýmonitoring.Prostredníc-tvomnichjemožnédetegovaťrôznetypydisturbancií,avšakichrozlíšenieniejedostatočnéna detekciu menších disturbancií a na presnejšie rozlíšenie typu disturbancie. NapríkladM.Baumannetal.(2014)dosiahol75%správnosťodlíšeniaplôchpostihnutýchdisturbancia-miodplôchpoplánovanýchťažbáchvlesochmiernehopásmaUSAaRuska.Automatizovanýpostupdetekcieholín zo snímokLandsatv rámciNárodnej inventarizácii lesovvČecháchnavrholF.Hájeketal.(2014).

InýmpríkladomoperačnéhomonitoringujevyužitiedátMODISsnižšímpriestorovýmroz-líšenímprisledovaníšíreniamníškyveľkohlavej(Lymantria monachaL.)vreálnomčasebezpotrebyintezívnehoterestrickéhopodpornéhoprieskumu(Spruceetal.,2011).Možnosťvyuži-tiaproduktuNDVIodvodenéhozMODISupreukázalajL.Eklundhetal.(2009)pridetekciipoškodenia borovicových porastov škodcom hrebeňovkou hrdzavou (Neodiprion sertifer).Q.Xinetal.(2013)navrholmetóduzaloženúnafúziisnímokMODISaLandsat.Metódaumož-ňujenadennejbázedetegovaťdisturbanciesosprávnosťouaž90%preplochysminimálnourozlohou5až7ha.

Správnosťklasifikáciejemožnéovplyvniťajpredspracovanímsnímok.Vhorskýchoblas-tiachdochádzakznačnémuovplyvneniuhodnôtjasuvdôsledkutopografieterénu.Uplatne-nímtopografickejnormalizáciesazaoberalinapr.C.Coneseetal.(1991),S.Ekstrand(1994),H.Kenneweg(1997)čiT.Murakami(1998).Kvalitamozaikovaniasnímokačasovýchanalýzzávisí od presnej georeferenciácie satelitných snímok (McCormick, 1999). Nevyhnutné jeajodstránenietýchrozdielovmedziobrazmi,ktoréspôsobiliodlišnéatmosféricképodmienkyvčase snímania.Tejtoproblematike savenovalinapr. J.Varjo (1997)aY.Xiaojun (2000),ktorýanalyzovalaž5empirickýchmetódpreodvodenielineárnychregresnýchrovnícvzáuj-me relatívnejatmosférickejkorekcie.P.Coppin (2001)prinávrhuoperačnéhomonitoringuzmien lesnejbiomasypoukázalnanutnosťvykonania rádiometrickejkalibráciea relatívnejatmosférickejnormalizácie.

RozborproblematikypoukazujenaširokémožnostiuplatneniaúdajovDPZpriklasifikáciiamonitorovanípoškodenialesov.Cieľomnašejpráceje:1. Syntetizovaťnašedoterašiepoznatky,metódyapostupypoužitépriklasifikáciipoškodenia

lesovSlovenska.2. Navrhnúťkonzistentnýpostupprepermanentnúveľkoplošnúklasifikáciupoškodenialesov

svyužitímúdajovzdružiceLandsat.3. Sumarizovať výsledky klasifikácií poškodenia lesov Slovenska za obdobie rokov 1990 –

2013.

1.1. Klasifikácia poškodenia lesov Slovenska 1716 TTomá oTomáT mTám oáomá

2. Podkladový materiál

2.1. Experimentálny materiál pre klasifikáciu poškodenia zo satelitných snímok Landsat VnašejprácisaorientujemenasatelitnésnímkyLandsatnajmäpreto,žesúkdispozíciidlhé

časovérady,pričommnohé snímky(vrátaneaktuálnych)poskytujeU.S.GeologicalSurvey(USGS)bezplatne.VyužilismesnímkyzdružiceLandsat5,ktorésúsnímanérádiometromThe-maticMapper(TM),ďalejsnímkyzdružiceLandsat7,ktorájevybavenáosemkanálovýmske-neromEnhancedThematicMapperPlus(ETM+),akoajsnímkyzdružiceLandsat8srádiomet-ramiOperationalLand Imager (OLI) aThermal InfraredSensor (TIRS).V práci využívamepriestorovérozlíšenieobrazovéhoprvku30x30m.Štandardnáscénazachytávaúzemiesrozlo-hou~185x180km.Periódasnímkovaniaje16dní.

PreveľkoplošnúklasifikáciupoškodenialesovbolikdispozíciisnímkyzískanézLandsatTM,LandsatETM+aLandsatOLI,ktorépokrývajúceléúzemieSlovenskaz12časovýchobdobí,kon-krétnerokov:1990–1992,1995–1996,1998a2000–2001,2003,2006,2007,2009,2010,2011,2012a2013.PrehľadpriestorovéhopokrytiaúzemiasnímkamiLandsatjeuvedenýnaobr.1.

Snímkybolivjednotlivýchrokochzískanévýlučnepočasvegetačnéhoobdobiat.j.odza-čiatkujúnadokoncaseptembra.

Obr.1:MozaikaakladsatelitnýchsnímokLandsatpokrývajúcichúzemieSlovenska

Obr.2:Celoslovenskáklasifikáciadrevinovéhozloženialesov(Bucha,1999)

Klasifikáciupoškodeniasmevykonaliprekaždýobrazovýprvokzaradenýdokategórieles(obr. 2).Masku lesa sme odvodili z klasifikácie drevinového zloženia lesov (Bucha, 1999). Preobdobierokov2003–2013smemaskuupravili,atovylúčenímtrvaloodlesnenýchlesnýchpozemkov(napr.priemyselnýparkpriMalackách).

Klasifikáciudrevinovéhozloženialesovsmevyužiliajpriodvodenímodeluspektrálnejod-razivostipreodhadpoškodenialesovmetódouGramm-Schmidtovejtransformácieaprirozdele-nílesovdokategórieihličnatéalistnatéporastypriurčeníplochypoškodenýchlesov.

3. Metodika

3.1. Georeferenciácia snímokNevyhnutnoupodmienkoupreefektívnuprácuspriestorovoubázoudátzrôznychinformač-

nýchzdrojovjeichpolohovézjednotenievjednotnejkartografickejbáze(KrchoaMičietová,1989).Tentoprístupokrem funkciepolohového zjednoteniadát dávapredpokladyna tvorbumapovýchvýstupovvpríslušnomkartografickomzobrazení.Vcivilnomsektoresavšeobecnevyužívasúradnicovýsystémtzv.Jednotnejtrigonometrickejsietekatastrálnej(S-JTSK).

ProblematikarektifikáciesatelitnýchsnímokLandsatzobdobiarokov1990–2002sariešiladvomimetodickýmipostupmi:1.geometrickoukorekciousnímkynageoreferencovanúsnímku;2.ortorektifikáciousnímky.

SatelitnésnímkyLandsatTMzrokov1996a1998boligeoreferencovanénaortorektifikova-nétzv.masterscényvspoluprácisoSlovenskouagentúrouživotnéhoprostredia(SAŽP)BanskáBystrica,kdebolavytvorenádatabázapozemnýchvlícovacíchbodov,ktoré sana satelitnýchsnímkachdalidobreidentifikovať.Určenímbodovnaobochsnímkachsapomocoupolynomic-kejtransformáciivykonalarektifikáciasnímky.SAŽPuvádzapresnosťgeoreferenciácie±20až25mvzávislostiodscény.Snímkyzobdobiarokov1990–1992a2000–2002smeortorektifi-kovalivprostedíSILVICS(McCormick,1999),pričomprekaždúsatelitnúsnímkusmepoužiliod 15 do 25 vlícovacích bodov jednoznačne identifikovateľných na vojenskej topografickejmapevmierke1:25000anasatelitnejsnímke.Dosiahlismepresnosťortorektifikácie±24až44mpri68%spoľahlivosti.Podrobnévýsledkysúuvedenévpráci(Buchaetal.,2002)

SnímkyzarchívuUSGS[1]smezískaliužortorektifikovanévsystémeWGS84(produktL1TTerrainCorrected).NáslednesmeichtransformovalidoprojekcieS-JTSKsvyužitímtransfor-mačnéhomodeluvprostredíArcGIS.PrisnímkachLandsatTMaETM+jeuvádzanástrednápolohováchyba(RMS)±4–5mpri68%spoľahlivosti.PriLandsat8OLIjeuvádzanákruho-váchyba(CEP)12mpri90%spoľahlivosti[2].

3.2. Mozaikovanie, kalibrácia a topografická normalizácia snímokPodmozaikovanímrozumiemevzájomnéspojeniedvochaleboviacerýchsnímokdojednej

kompozície.Predvytvorenímmozaikytrebavykonaťkalibráciususediacichsnímok,ktorejcie-ľomjeodstrániťrozdielyvspektrálnejodrazivostispôsobenérôznymivplyvmi(napr.odlišnýmiatmosférickýmipodmienkamivčasesnímania,odlišnougeometriousnímaniaatď.)avytvoriťrádiometrickyplneporovnateľnésnímky.Použilismemetódurelatívnejkalibrácie(Singh,1989;Olsson,1993),ktorájezaloženánavýberereferenčnejsnímky,podľaktorejbolispektrálneka-librovanéostatnésnímkypomoculineárnejregresnejanalýzy.Regresnérovniceboliodvodenéosobitneprekaždýkanálsnímky.Párovéhodnotysmeodvodilizpixelovzprekrývajúcichsačastísnímokklasifikovanýchakoles.Y.XiaojunaC.P.Lo(2000)preukázali,ževyužitielesaako pseudoinvariantného objektu z pohľadu odrazivosti počas vegetačného obdobia vedie prikalibráciik lepšímvýsledkomvporovnaní s inýmimetódamikalibrácie,ktorévyužívajúvšetkyobrazovéprvkysnímkyalebometódami,ktorésúzaloženénavyužití lennajtmavšíchanajsvetlejšíchobjektovsnímky.

1.1. Klasifikácia poškodenia lesov Slovenska 1918 TTomá oTomáT mTám oáomá

VzťahmedzimodelomzatieneniaajednotlivýmikanálmiLandsatTM,vegetačnýmiindexa-miaodvodenýmilineárnymikombináciamipôvodnýchkanálov,sapreverovalpomocoukore-lačnejanalýzy.Vplyvzatieneniasmeeliminovalitopografickounormalizáciousnímokmetódoujednoduchejštatisticko-empirickejkorekcievrokoch1990,1996a1998.Vroku2000až2013smepracovalistopografickyneupravovanýmikanálmi.

Nasnímkachsoblačnosťoubolonevyhnutnévylúčiťzanalýzyplochyovplyvnenéoblačnos-ťouatieňmi.Tietoplochysmenazákladevizuálnejinterpretáciesnímokmanuálnezvektorizo-vali.Operáciamimapovejalgebrysmekontaminovanépixelynahradilibezoblačnýmisnímkamizískanýmiznajbližšiehoobdobia.

3.3. Odvodenie premenných pre klasifikáciu poškodenia lesov PreklasifikáciupoškodenialesovbolipoužitéoriginálnekanályLandsat,komponentyodvo-

denémetódouanalýzyhlavnýchkomponentov(PCA)apomocouGramm-Schmidtovejtransfor-mácie(GST).

CieľomPCAje redukciaviacrozmernýchdát tak,abynovépremennévysvetľovalimaxi-mumcelkovéhorozptylupôvodnýchpremenných,pričomjednotlivékomponentysúnavzájomortogonálne(nekorelované).AnalýzuPCAsmevykonalinadpixelmi,klasifikovanýmiakolesvrokoch1990–1992,1995–1996,1998a2000.

CieľomGSTtransformáciebolonájsťoptimálnetransformačnékoeficientynaklasifikáciupoškodeniaprezvolenúkombináciukanálov.Matematickýaparátodvodeniazložiekjevpodsta-terovnakýakonavrholR.D.Jackson(1983).Vnašomprístupejevšakrozdielvofyzikálnomvýznameodvodenýchkomponentov.VprístupeJacksonaprvýkomponentpredstavujejas(bri-ghteness).Jeodvodenýzplôchsnízkouavysokouodrazivosťou,ktorésúreprezentovanébuďvlhkoupôdou,alebosuchoupôdou.Druhýkomponent„zeleň“(greenness),predstavujemnož-stvozelene.Vnašomprístupeprvýkomponent(NSC1–NewSyntheticComponent)reprezen-tuje odlišnosť ihličnatých a listnatých drevín. Druhý komponent (NSC2) je optimalizovaný naodhadpoškodenia.Priuplatnenítohtopostupuvroku2010smepoužiliibapodmnožinutrochkanálov:červený(R),blízkyinfračervený(IR)akrátkovlnnýinfračervený(SWIR).

3.3.1.PostupodvodeniaNSC1a)Výberplneolistených,nepoškodenýchporastovdrevínsrozdielnouodrazivosťou(buk,

smrekpodľaklasifikáciedrevinovéhozloženialesovSR(Bucha,1999))avýpočetrozdielovichodrazivostí:

bi = (Xsm -Xbk)i

kde i - R, IR a SWIR Landsatkanál; Xsm and Xbk reprezentujúDNhodnotysmrekovýchabuko-výchporastov

b)Normalizáciavektora:b = |b1,b2, b3|; ∑=

=3

1

2/12 )(i

ibB

c)Výpočetkoeficientovtransformácie:A1,i= bi / B

d)Výpočetprvéhokomponentu:NSC1 = A1,1* X1+ A1,2* X2+ A1,3* X3

kdeXi súhodnotyDNpixlovvR, IR a SWIRkanáli.

3.3.2.PostupodvodeniaNSC2a)Výberhodnotypixlareprezentujúcehomaximálnepoškodenie(stojacesucháresmreko-

výchporastov)avýpočetrozdielovmedzitýmtobodomaprvýmkomponentom:

gi = (Xposk - Xbk)i - D2,1* A1,i pričom

3

11,2 *)(

i1,ibkposk AXXD

Týmtopostupomsazabezpečíortogonalitavektorovb a g.

b)Normalizáciavektora: g = |g1, g2, g3|; ∑=

=3

1

2/12 )(i

igG

c)Výpočetkoeficientovtransformácie:A2,i = gi / G

d)Výpočetdruhéhokomponentu:NSC2 = A2,1* X1+ A2,2* X2+ A2,3* X3

3.4. Modely spektrálnej odrazivosti pre odhad poškodenia lesovKlasifikáciezdravotnéhostavulesavobdobírokov1990–2013súzaloženénauplatnení

jednotnéhometodickéhopostupu,konkrétnenavyužitídvojfázovéhoregresnéhovýberu(Šmel-ko, 1995;Scheer, 1997).Cieľomprvej fázybolo rýchlo a lacnoodhadnúťpoškodenie lesovzdružicovýchsnímok.Cieľomdruhejfázybolovylepšiťvýsledokzprvejfázysvyužitímúda-jovzpresnejšiehohodnoteniapoškodenianamonitorovacíchplochách.

3.4.1.Fáza1Alternatíva1:VprvejfázesmeuplatniliPCAavyužiliznejodvodenéprvétrikomponenty,

resp.vroku2010GST,ktorousmeodvodilidvasyntetickékanályNSC1aNSC2.Alternatíva2:Priporovnaníklasifikáciepoškodeniasmezistilistrednesilnúažsilnúzávis-

losťmedzi jednotlivými rokmi.Toumožnilo zjednodušiť prvú fázuodhadupoškodenia.Na-miestokaždoročnéhovýpočtuPCA,resp.NSCkomponentovsmeodhadlipoškodenievrokutpomocouužvypočítanejdefoliácievpredchádzajúcomt-1(alebonasledujúcomrokut+1),t.j.deft-1 = f(Rt, IRt, SWIRt), kde nezávislé premenné sú hodnoty DN v pixeloch vo vybranýchLandsatkanálochvrokut.Defoliáciusmeodhadlipomocouviacnásobnejlineárnejregresie.

3.4.2.Fáza2Vzáujmespresneniahodnoteniasmevyužilihodnoteniedefoliáciestromovnatrvalýchmo-

nitorovacích plochách siete 16 x 16 km, ktoré sa každoročne získavali v rámcimonitoringuzdravotnéhostavulesovSlovenskavzmyslemetodikyUN-ECEICPForestsprogramu(Pavlen-daetal.,2013).Naodvodenieregresnéhomodelumedziúdajmi1.a2.fázysmenasatelitnejsnímkeidentifikovalitrvalémonitorovacieplochy,prektorésmevypočítalipriemernúhodnotuDNasmerodajnúodchýlku.OkremTMPsmevyužiliajďalšieúdaje,ktorébolivjednotlivýchrokochkdispozícii,najmäzisteniaLesníckejochranárskejslužbyaúdajezvlastnýchhodnotenízdravotnéhostavuporastov.Pretietoplochysme(obdobneakopreTMP)vypočítalipriemernúhodnotuDNa smerodajnú odchýlku.Tieto spektrálne charakteristiky smeprepojili s údajmiodefoliáciiprekaždúplochu,čímvznikolsúborpárovýchhodnôtúdajov1.a2.fázy.Znichsmepomocoulineárnejregresnejanalýzyodvodiliregresnýmodelnaspresnenieodhadupoškodeniavkaždomobrazovomprvku.

4. Výsledky

4.1. Odvodenie premenných pre klasifikáciu poškodenia lesov PCA analýza:Transformačné koeficienty odvodné analýzou základných komponentov sú

uvedenévtabuľke1.Analýzusmevykonalilennadpixelamiklasifikovanýmiakoles.

1.1. Klasifikácia poškodenia lesov Slovenska 2120 TTomá oTomáT mTám oáomá

Tab.1:AnalýzazákladnýchkomponentovpreceloslovenskémozaikysnímokLandsatzrokov1990,1995–1996,1998a2002:transformačnékoeficientypreprvétrikomponenty

Analýzyzákladnýchkomponentov:1990PCA 1 2 3

Eigenvalues(charakteristickéčísla)KanályLandsatTM

75,298 13,775 3,718Eigenvectors(charakteristickývektor)

1 0,160 0,676 0,4142 0,098 0,331 0,1513 0,109 0,411 0,1174 0,759 -0,432 0,4805 0,581 0,173 -0,7167 0,193 0,214 -0,216

Analýzyzákladnýchkomponentov:1998PCA 1 2 3

Eigenvalues(charakteristickéčísla)Kanály

LandsatTM82,207 4,308 2,718

Eigenvectors(charakteristickývektor)1 0,090 0,243 0,8932 0,045 0,116 0,2183 0,041 0,131 0,2364 0,803 -0,586 0,0905 0,568 0,711 -0,2957 0,139 0,244 -0,042

Analýzyzákladnýchkomponentov:1995–1996PCA 1 2 3

Eigenvalues(charakteristickéčísla)KanályLandsatTM

105,527 10,365 4,087Eigenvectors(charakteristickývektor)

1 0,120 0,379 0,6892 0,071 0,226 0,2913 0,073 0,331 0,3214 0,779 -0,563 0,2445 0,585 0,511 -0,5187 0,157 0,339 -0,092

Analýzyzákladnýchkomponentov:2000PCA 1 2 3

Eigenvalues(charakteristickéčísla)Kanály

LandsatTM143,545 13,629 6,765

Eigenvectors(charakteristickývektor)1 0,101 0,335 0,5182 0,132 0,333 0,3423 0,093 0,478 0,3384 0,684 -0,583 0,3765 0,662 0,294 -0,5076* 0,065 0,070 0,1637 0,226 0,339 -0,271

*Doanalýzybolzahrnutýaj6. termálnykanálvzhľadomnazlepšenúpriestorovúrozlišovaciuschopnosťprisenzoreLandsatETM+vporovnanísosenzoromLandsatTM

Analýzazákladnýchkomponentovpreukázalaprevšetky4mozaikysnímokstabilitukoefi-cientovpreprvétrikomponenty.T.Buchaetal.(2002)preukázal,žeprvýkomponentzvýrazňu-jerozdielymedzidrevinami.Druhýkomponentprostredníctvomzápornéhokoeficientuvblíz-kominfračervenomkanálizvýrazňujerozdielyvpoškodenílesnýchporastov.Tretíkomponentnajlepšiekorelujesvekomporastov.SilnákoreláciakanálovLandsatvoviditeľnejajinfračerve-nejčastispektraviedlaktomu,žeprvétrikomponentyvysvetľovali96,9–99,4%celkovéhorozptylupôvodnýchpremenných.

GST analýza: Transformačné koeficienty odvodené Gramm-Schmidtovou transformácioubolioptimalizovanépreklasifikáciupoškodeniaasúuvedenévtabuľke2.PriichodvodenísmezvolilikombináciutrochkanálovLandsat(R,IRaSWIR)zroku2010.

Tab.2: Transformačnékoeficientyodvodenépreklasifikáciupoškodenialesovvroku2010Novýsyntetickýkanál TM3 TM4 TM5

NSC2 0,1993 -0,5759 0,7927

4.2. Topografická normalizácia snímokVzťahmedzimodelomzatieneniaajednotlivýmikanálmiLandsatTM,vegetačnýmiindexa-

mi,aodvodenýmilineárnymikombináciamipôvodnýchkanálov(PCAaGSTtransformácia)sapreverilpomocoukorelačnejanalýzy.Vtabuľke3súuvedenékorelačnékoeficientyvypočítanéprevšetkypixelyzoscény186/26zroku2000.Analyzovalsalensúborpixelov,ktorébolikla-sifikovanéakoles.

Tab.3:Korelačnékoeficienty:vzťahmodelzatienenia–kanályLandsatETM+,vegetačnéindexy,synte-tickékanály.ModelovéúzemievýchodnéSlovenskoscéna186/26.

Landsat ETM1 ETM2 ETM3 ETM4 ETM5 ETM6 ETM7Model_tien 0,12 0,16 0,10 0,32 0,29 0,17 0,17Komponenty NDVI(4,3) PC3 PC1 PC2 PC3 NSC1 NSC2Model_tien 0,00 0,16 0,35 -0,01 0,16 0,36 0,05

Rozsah výberu: 4 113 918 pixelov

Zozískanýchkorelačnýchkoeficientovmedzihodnotamijasuahodnotamizatieneniavyplý-va,žepôvodnékanalyLandsatakomponentyPC1,PC3aNSC1súovplyvnenétopografioute-rénu.Analýzazároveňpreukázala,žepomerovýindexNDVI,aleajniektorélineárnekombiná-ciepôvodnýchkanálovLandsatTM(ETM+),atoPC2aNSC2niesútopografiouterénuovplyv-nené.

Pri eliminácii vplyvu zatienenia sa v prípade klasifikácie zdravotného stavu lesov celéhoúzemiaSlovenskavrokoch1990,1996a1998využilatopografickánormalizáciasnímokmetó-doujednoduchejštatisticko-empirickejkorekcie.

Vobdobí2000až2013,keďbolapoužitápriodhadepoškodenia(fáza1)alternatíva2,smepracovali s topograficky neupravovanými kanálmi.Opodstatnenosť tohto prístupu vyplývazkorelačnejanalýzy,ktoránepreukázalavzťahmedzipoužitoulineárnoukombinácioukaná-lovR/IR/SWIRatopografiouterénu(tab.4).

Tab.4:Korelačnékoeficienty:vzťahmodelzatienenia–kombináciakanálov3/4/5(R/IR/SWIR)použitápreodhadpoškodeniavrokoch2003až2013.ModelovéúzemieceléSlovensko.

Komponenty 2003345 2006345 2007457 2009345 2010NSC 2011345 2012345 2013345Model_tien -0,096 -0,012 0,00 -0,022 0,022 0,027 0,013 0,095

4.3. Veľkoplošná klasifikácia zdravotného stavu lesov zo satelitných snímok Landsat Modelyspektrálnejodrazivostinaodhadovaniepoškodenia lesovpre jednotlivérokysme

odvodilipomocoudvojfázovéhoregresnéhovýberu,kombináciouúdajovzosatelitnejsnímkyaterénnychhodnotení.

Tab.5a:Modelypreodhadpoškodeniapoužitépreobdobierokov1990–2000

Rok Model Korelačnýkoeficient

Strednáchybaregr.priamky Rozsahvýberu

1990–19921.fáza:Odvodenie2.a3.komponentumetódouPCA

2.fáza:SAO=56,88+1,32*PC2–0,98*PC3 0,71 ±9,78n1:všetkylesnépixelyn2:108

Poznámka k r. 1990: Pri odvodení modelu spektrálnej odraznosti pre odhad poškodenia sme využili kombináciu 2. a 3. komponentu z analýzy hlavných komponentov, ktorú sme vykonali nad maskou lesa. Kvôli spresneniu klasifikácie bol využitý výber 108 plôch najmä z monitorovacej siete 16 x 16 km, na ktorých sa v danom roku ohodnotil zdravotný stav.

1995–19961.fáza:Odvodenie2.komponentumetódouPCA

2.fáza:SAO=8,50+1,664*PC2 0,93 ±7,17 n1:všetkylesnépixelyn2:49

Poznámka k r. 1995: Z odvodených modelov spektrálnej odraznosti pre odhad poškodenia lesov sme najlepšie výsledky dosiahli pri použití 2. komponetu PCA – analýza nad maskou lesa. V záujme spresnenia odhadu bolo v 2. fáze využitých 49 plôch s defoliáciou pod 24 %, resp. defoliácia nad 45 %.

19981.fáza:Odvodenie1.a2.komponentumetódouPCA

2.fáza:SAO=-117,7–0,093*PC1+1,895*PC2 0,73 ±10,94n1:všetkylesnépixelyn2:105

1.1. Klasifikácia poškodenia lesov Slovenska 2322 TTomá oTomáT mTám oáomá

Poznámka k r. 1998: Pri odvodení modelu spektrálnej odraznosti pre odhad poškodenia sme využili kombináciu 1. a 2. komponentu z analýzy hlavných komponentov, ktorú sme vykonali nad maskou lesa. Kvôli spresneniu odhadu sme využili 105 monitorovacích plôch. Pre lesnú oblasť Záhorská nížina s dominanciou borovice sosny sme klasifikáciu vykonali osobitne s využitím ďalších 6 plôch.

2000–20011.fáza:Odvodenie2.komponentumetódouPCA

2.fáza:SAO=-11,65+1,89*PC2 0,82 ±10,23n1:všetkylesnépixelyn2:103

Poznámka k r. 2000: Pri odvodení modelu spektrálnej odraznosti pre odhad poškodenia sme využili 2. komponent z analýzy hlavných komponentov, ktorú sme vykonali nad maskou lesa. Na spresnenie odhadu sme využili 103 monitorovacích plôch.

Tab.5b: Modelypreodhadpoškodeniapoužitépreobdobie2003–2013

2003

1.fáza:Odhadpoškodeniapodľaklasifikáciezroku2006:SAO3by6=16.93+0,81*R2003–0,52*IR2003+0,46*SWIR2003

2.fáza:SpresnenieklasifikáciepodľadefoliácienamonitorovacíchplocháchSAO2003=-18,16+1,94*SAO3by6

0,550,86 ±11,0

n1:všetkylesnépixelyn2:24

Poznámka k roku 2003: Klasifikáciu sme vykonali pre účely porovnania stavu lesa pred a po veternej kalamite „Alžbeta“ z 19. novembra 2004. Pre odhad poškodenia v roku 2003 (SAO3by6) sme v 1. fáze využili 3. (R), 4. (IR) a 5. (SWIR) kanál Landsat a výsledky klasifikácie z roku 2006, ktorú sme už mali k dispozícii. V záujme spresnenia odhadu v 2. fáze sme využili hodnotenie defoliácie na 24 monitorovacích plochách siete 16 x 16 km realizované v roku 2003 počas monitovacích prác.

2006

1.fáza:Odhadpoškodeniapodľaklasifikáciezroku2010:SAO6by10=26,8+0,28*R2006–0,47*IR2006+0,59*SWIR2006

2.fáza:Spresnenieklasifikáciepodľadefoliácienamonitorovacíchplochách:SAO2006=-38,26+2,34*SAO6by10

0,480,98 ±5,9

n1:všetkylesnépixelyn2:23

Poznámka k r. 2006: V prvej fáze sme odhadli poškodenie v roku 2006 podľa klasifikácie v roku 2010 (SAO06by10). Pre odhad poškodenia sme využili 3., 4. a 5. kanál snímky Landsat. Na spresnenie odhadu sme využili terestrické hodnotenie zdravotného stavu v roku 2006 na 23 monitorovacích plochách.

2007

1.fáza:Odhadpoškodeniapodľaklasifikáciezroku2006:SAO07by06=-30,50–0,54*IR2007+0,56*SWIR52007+0,57*SWIR720072.fáza:Spresnenieklasifikáciepodľadefoliácienamonitorovacíchplochách:SAO2007=-17,85+1,57*SAO07by06

r=0,57r=0,87 ±7,4

n1:všetkylesnépixelyn2:94

Poznámka k r. 2007: V prvej fáze sme odhadli poškodenie v roku 2007 podľa klasifikácie v roku 2006 (SAO07by06). Pre odhad poškodenia sme využili 4., 5. a 7. kanál Landsat. Na spresnenie odhadu sme využili terestrické hodnotenie zdravotného stavu v roku 2007 na 94 monitorovacích plochách.

2009

1.fáza:Odhadpoškodeniapodľaklasifikáciezroku2009:SAO09by10=33,70+0,06*R2009–0,61*IR2009+0,72*SWIR2009

2.fáza:Spresnenieklasifikáciepodľadefoliácienamonitorovacíchplochách:SAO2009=-46,34+2,58*SAO09by10

r=0,48r=0,85 ±7,7

n1:všetkylesnépixelyn2:98

Poznámka k r. 2009: V prvej fáze sme odhadli poškodenie v roku 2009 podľa klasifikácie v roku 2010(SAO09by10). Pre odhad poškodenia sme využili 3., 4. a 5. kanál Landsat. Pre spresnenie odhadu sme využili terestrické hodnotenie zdravotného stavu v roku 2009 na 98 monitorovacích plochách.

20101.fáza: OdvodenieNSC1aNSC2komponentuNSC2=0,20*R–0,58*IR+0,79*SWIR

2.fáza:SAO2010=3,06+0,197*NSC20,68 ±2,1 n1, n2::všetkylesné

pixely

Poznámka k r. 2010: Pre klasifikáciu poškodenia sme využili NSC komponent optimalizovaný pre odhad poškodenia. Tento sme odvodili ortogonálnou transformáciou z 3., 4. a 5. kanálu Landsat. Na spresnenie odhadu sme využili klasifikáciu poškodenia smrekových porastov z roku 2009 odvodenú vo vyššom priestorovom rozlíšení 20 x 20 m zo snímok SPOT, t. j. z rastrovej vrstvy, kde každému obrazovému prvku bola priradená trieda defoliáce od 1 (SAO 0 – 10 %) do 10 (SAO 90 – 100 %).

2011

1.fáza:Odhadpoškodeniapodľaklasifikáciezroku2010:SAO11by10=25,37+0,26*R2011–0,84*IR2011+0,99*SWIR2011

2.fáza:Spresnenieklasifikáciepodľadefoliácienamonitorovacíchplochách:SAO2011=-12,55+1,74*SAO11by10

0,600,88 ±9,0

n1:všetkylesnépixelyn2:104

Poznámka k r. 2011: V prvej fáze sme odhadli poškodenie v roku 2011 podľa klasifikácie v roku 2010 (SAO11by10). Pre odhad poškodenia sme využili 3., 4. a 5. kanál Landsat. Kvôli spresneniu odhadu sme využili terestrické hodnotenie zdravotného stavu v roku 2011 na 104 monitorovacích plochách.

2012

1.fáza:Odhadpoškodeniapodľaklasifikáciezroku2011:SAO12by11=28,9+0,14*R2012–0,83*IR2012+0,97*SWIR2012

2.fáza:Spresnenieklasifikáciepodľadefoliácienamonitorovacíchplochách:SAO2012=-31,66+2,11*SAO12by11

0,700,95 ±9,7

n1:všetkylesnépixelyn2:24

Poznámka k r. 2012: V prvej fáze sme odhadli poškodenie v roku 2012 podľa klasifikácie v roku 2011(SAO12by11). Pre odhad poškodenia sme využili 3., 4. a 5. kanál Landsat. Na spresnenie odhadu sme využili terestrické hodnotenie zdravotného stavu v roku 2012 na 24 monitorovacích plochách.

2013

1.fáza:Odhadpoškodeniapodľaklasifikáciezroku2012:SAO13by12=-25,72+0,53*R2013–0,50*IR2013+1,08*SWIR2013

2.fáza:Spresnenieklasifikáciepodľadefoliácienamonitorovacíchplochách:SAO2013=-26.77+1,78*SAO13by12

r=0,65r=0,86 ±8,9

n1:všetkylesnépixelyn2:100

Poznámka k r. 2013: V prvej fáze sme odhadli poškodenie v roku 2013 podľa klasifikácie v roku 2012 (SAO13by12). Pre odhad poškodenia sme využili 3., 4. a 5. kanál Landsat. Na spresnenie odhadu sme využili terestrické hodnotenie zdravotného stavu v roku 2013 na 100 monitorovacích plochách.

PCA – metóda analýzy základných komponentov; SAO – strata asimilačných orgánovR – červený, IR – blízky infračervený, SWIR – krátkovlnný infračervený kanál

Správnosť a presnosť klasifikácie jemožné posúdiť na základe dosiahnutých parametrovregresnejanalýzy–korelačnýmkoeficientomaabsolútnoustrednouchybouregresnejpriamky.Tátojevyjadrenapercentomdefoliácie.

Pripoužití terestrickýchhodnotenídefoliácienaTMPsahodnotykorelačnéhokoeficientumedzi1.a2.fázouvýberusapohybovalivrozpätí0,71do0,98ahodnotyabsolútnejstrednejchybyregresnejpriamkysyxvrozpätíod±5,9do11,0%.Napríkladsyx=±8,9%vroku2013znamená,žeakjeurčenádefoliácia30%,taksavskutočnostimôžepohybovaťvrozpätíod21,1do38,9%pri68%spoľahlivosti,resp.od12,2do47,8%pri95%spoľahlivosti.

Podľavypočítanejstratyasimilačnýchorganovsmeobrazovéprvkyzaradilido11defoliač-nýchtriedskrokom10%.Triedu11tvoriaporastysdefoliáciounad100%,pričomspravidlaideovyťaženéporasty.Rozklasifikovanýúdajovýsúbordo11triedtvorízákladprevýslednémapovévýstupypoškodenialesnýchporastov(obr.3,4)atabuľkovéprehľady(tab.6,7).

1.1. Klasifikácia poškodenia lesov Slovenska 2524 TTomá oTomáT mTám oáomá

Tab.6:KlasifikáciapoškodenialesovSlovenska–sumárnevýsledkyzarok2013Trieda

defoliácieStrataasimilačných

orgánov Plocha(ha) %pixelovvtriede Opispoškodeniastromovvpixeli

1 0–10% 125584 5,8 Bezpoškodenia2 11–20% 554246 25,63 21–30% 762201 35,3 Slabopoškodenéporasty4 31–40% 353451 16,35 41–50% 134050 6,2 Strednepoškodenéporasty6 51–60% 69325 3,27 61–70% 44396 2,1 Silnopoškodenéporasty,kalamitnéplochy

sobnovou8 71–80% 31324 1,59 81–90% 23374 1,1 Odumierajúceamŕtveporasty,kalamitné

plochybezobnovy,vyťaženéplochy10 91–100% 28285 1,311 holiny 35256 1,6

SPOLU 2161492 100

Obr.3:Celoslovenskáklasifikáciazdravotnéhostavulesovvroku2003(hore)avroku2013(dole)

0%

20%

40%

60%

80%

100%

51 - 100 % 1,9 3,0 2,6 4,8 5,9 4,3 4,6 6,6 4,7 5,6 10,5 10,7

41 – 50 % 4,4 2,9 5,2 4,7 5,8 3,3 4,1 4,6 3,6 3,8 6,1 6,2

31 – 40 % 16,4 8,5 17,0 10,0 19,2 11,6 13,2 13,9 10,3 11,2 13,7 16,4

21 – 30 % 40,3 36,3 34,5 31,9 36,4 36,0 38,1 33,3 33,4 32,7 30,3 35,3

11 – 20 % 29,9 40,1 30,4 35,9 23,2 32,3 32,9 28,8 37,1 36,0 28,2 25,6

0 – 10 % 7,1 9,2 10,3 12,7 9,5 12,5 7,2 12,8 10,9 10,7 11,2 5,8

1990 1995 1998 2000 2003 2006 2007 2009 2010 2011 2012 2013

Obr.4:Vývojzdravotnéhostavulesnýchporastovvobdobírokov1990až2013Legenda:tmavozelenáazelená:porastybezpoškodenia;žltozelenáažltá:slabopoškodenéporasty; oranžová: stredne poškodené porasty; červená: silne poškodené až mŕtve porasty, kalamitné

avyťaženéplochy

Tab.7:Výmera(vtis.ha)kategóriesilnepoškodenýchažmŕtvychporastov,kalamitnýchavyťaženýchplôchnaSlovensku

2003 2006 2007 2009 2010 2011 2012 2013Ihličnaté 22,0 27,9 24,7 45,2 41,0 45,2 75,0 78,3Listnaté 47,5 30,6 30,0 43,0 20,9 20,6 59,8 79,9

5. Diskusia

Vtejtosubkapitolesmenajskôrsyntetizovalipoznatkyzveľkoplošnejklasifikáciezdravot-néhostavulesovSlovenskazosatelitnýchsnímokLandsatzobdobia1990–2000.Metódakla-sifikácie poškodenia bola založená na dvojfázovom regresnom výbere, ktorý kombinuje te-restrickéhodnoteniezdravotnéhostavusosatelitnýmiúdajmi.Zistilisme,žedruhýkomponentanalýzyPCArealizovanejnadmaskou lesaprinášastabilnévýsledky.AlternatívoumôžebyťpoužitiesyntetickéhokomponentuNSC2.

Tietozisteniasmevyužiliajpriklasifikáciipoškodenialesovvobdobí2003–2013.Zákla-dombolaklasifikáciavroku2010,ktorúsmezaložilinaodvodeníNSC2komponentu.Klasifi-káciezrokov2003,2006,2007a2009smevykonaliretrospektívne.Priklasifikáciáchpoškode-niasmenavrhlizjednodušenýpostup.Vychádzalismezpoznatkuozávislostipoškodeniamedzijednotlivýmirokmi.NamiestokaždoročnéhovýpočtuPCA,resp.NSCkomponentovsmeod-hadlipoškodenievrokutpomocouužvypočítanejdefoliácievpredchádzajúcomt-1,resp.vna-sledujúcomrokut+1.

1.1. Klasifikácia poškodenia lesov Slovenska 2726 TTomá oTomáT mTám oáomá

Odvodenémodelynaodhadpoškodenialesovpodľajednotlivýchrokov(tab.5)smeapliko-valinajednotnúmaskulesa,t.j.navšetkyobrazovéprvky,ktorébolivylíšenéakolesnazákla-deklasifikáciedrevinovéhozloženialesovSlovenska(Bucha,1999).Idetedaoklasifikáciupo-škodenialesovvširšomslovazmysle,bezohľadunaaktuálnyvek,zápojazastúpeniedrevinyvobrazovomprvku.Pri tomtopostupesúdoklasifikáciepoškodenialesazahrnutéajporastymimolesnýchpozemkov,porastyvchránenýchúzemiachponechanénasamovývojpoveter-nýchkalamitáchvrátaneporastovsosilnepoškodenými,odumierajúcimiastojacimiodumretý-mistromami.Doklasifikáciesúzahrnutéajplochy,naktorýchsarealizovalaťažba,čiužúmy-selnáalebokalamitná.Vtýchtoporastochnastupujeapostupujefázaobnovylesa,ktorásavy-značujesarozličnýmstupňomzápojanovéhoporastu.Vtakýchtoporastochdochádzakmieša-niu spektrálnych vlastností odlišných kategórií (les, podrast, bylinná synúzia, pôda).Výskytrozličnýchkategóriívjednejtriedepoškodeniajevyjadrenýslovnýmopisomkategórie(tab.6).Napr.kalamitnéplochyvoVysokýchTatráchpospracovanejveternejkalamite,kdedochádzapostupnekobnovelesacezzalesneniealebosukcesiu,bolipriklasifikáciizaradenéväčšinoudotriedpoškodenia4až8(stredneažsilnopoškodenéporasty).Dotýchtokategóriísúvšakzara-ďovanéajstojacesilnepoškodenéporastynapr.zdôvodukalamitnéhorozšíreniapodkôrnehohmyzu. Dôvodom takéhoto postupu klasifikácie poškodenia lesa je potreba sledovať postupaúspešnosťobnovylesa,resp.odumieranialesanajehocelejvýmerevčasovejpostupnosti.

VýsledkomopísanejvýskumnejčinnostiklasifikáciepoškodenialesovSlovenskajekonzis-tentnáčasovásériamáppoškodenialesovzobdobiarokov1990–2013spracovanájednotnoumetodikou.Toumožňujeporovnaťhodnoteniestavulesovmedzijednotlivýmiobdobiami.

Ztabuľky7jeevidentné,žesanaSlovenskupostupnezvyšujevýmerasilnepoškodenýchihličnatýchporastov.Výmerapoškodenýchlistnatýchporastovmedzijednotlivýmirokmivýraz-nekolíšesnajvyššoumieroupoškodeniavrokoch2003,2012a2013.M.StoklasaaP.Fabiánek(1993) uvádzajú, že kvantifikáciu poškodenia pri listnatých porastoch okremmnožstva lístiavýrazneovplyvňujúajstanovištnépodmienky,predovšetkýmvodnýrežim,vysychavosťdanejlokalityafenologickáfáza,vktorejsalistnatýporastnachádza.Vzhľadomnatojeajdynamikazmienzdravotnéhostavulistnatýchporastovvyššiaakopriihličnatýchporastoch,môžesavý-raznemeniťajvrámcijednéhoročnéhoobdobia.

Z.Sekáčováetal.(2004)konštatuje,žerok2003bolextrémnyteplotneajzrážkovo.Nedo-statokzrážokasuchomalipritomdlhotrvajúcicharakter.Podobneleto2012aleto2013(jún–august)bolinaSlovenskuteplotnemimoriadnenadnormálne.Okremtohovoviacerýchregió-noch boli zaznamenanémimoriadne podnormálne až extrémne nízkemesačné úhrny zrážok(Lapinetal.,2013;Matejovičetal.,2013).Zhoršenýzdravotnýstavlesnýchporastovvrokoch2003,2012a2013(obr.4atab.7)dávamepretodosúvisusextrémnymiprejavmipočasia,kto-répostihliSlovenskovuvedenýchrokoch.

ZväčšovanievýmerysilnepoškodenýchaodumretýchporastovnaSlovenskujedetermino-vanénajmävýskytomkalamitnýchudalostíagradáciamibiotickýchškodcov.Prehľadnéspraco-vaniekalamitnýchudalostívnašichlesochzaposlednéobdobieprinášaprácaA.Kuncu,J.Gal-kaaM.Zúbrika(2014).IdenajmäoveternékalamityAlžbeta (19.november2004)aFilip(23.–27.august2007)spoškodenímdrevnejhmotyvobjeme5,3resp.1mil.m3.Významné,ajkeďsobjemompoškodenejhmotypod1mil.m3,boliajveternékalamitySabína(27.–28.október2002),Klaudia (16.–17.november2002),Kyrill (18.–19. január2007), snehovákalamita„Trojkráľová“zjanuára2006aveternákalamitaGizela(15.–17.máj2010).

Ďalekosiahly dopad na zvyšovanie výmery poškodených a odumretých porastovmajú ajkalamityspôsobenéhmyzímiahubovýmiškodcami.Vobdobírokov2003až2012(10rokov)saspracovaloaž18,1mil.m3drevnejhmotypoškodenejlykožrútomsmrekovým.Kalamitapod-kôrnehoadrevokaznéhohmyzukulminovalavroku2009.NajviacpoškodenýmiregiónmibolismrekovéoblastilesovSlovenska:VysokéTatry,NízkeTatry,Kysuce,Orava,SpišaGemer.Za10-ročnéobdobie(2003–2012)saspracovalo2,16mil.m3drevnejhmotypoškodenejpodpňov-

kou.NajviacpoškodenýmiregiónmisúKysuce,ďalejVysokéTatry,OravaaSpiš.Najviacpo-škodzovanoudrevinoubolsmrek.KalamitnépremnoženiemníškyveľkohlavejsanaSlovenskuobjavovalovrokoch2003–2006,kedyvrozličnejintenziteboloodlistených50tis.ha,pričomtakmerna100%bolinapadnutédubiny.Gradáciamníškydosiahlasvojvrcholvroku2004,keďpoškodila21tis.halesov.

Dosiahnutásprávnosťklasifikácie(useraccuracy)vyjadrenápomocoustrednejchybyregresnejpriamkysyxsavovyhodnocovanomobdobí1990–2013pohybovalavrozpätíod±5,9do11,0%.Ideoabsolútnustrednúchybu(vyjadrenúpercentomstratyasimilačnýchorgánov),ktoráurčujerámec,ktorýskutočnáchybaurčeniadefoliácieneprekročíso68%pravdepodobnosťou.Tokoreš-pondujespodobneorientovanýmiprácami,pričomnapr.M.StoklasaaP.Fabiánek(1998)uvádza-júchybu±10%.S.Ekstrandetal.(1998)uvádzastrednúchybu±3až11%akonštatuje,žetietovýsledkyumožňujúvyužiťsatelitnýmonitoringpredlhodobémonitorovaniezmiennielenvprípa-dochstrednéhoasilnéhopoškodenia,aleajvprípadochmiernehopoškodenialesov.

Obr.5:PorovnaniesatelitnýchsnímokSPOT(vľavo)z21.augustaaLandsat(vpravo)z23.augus-ta2010zvýskumno-demonštračnéhoobjektuKysuce-Husárik.Kompozíciakanálov:IR/SWIR/R.Velipsáchsúzobrazenésilnepoškodenéskupinystromov,ktorésúidentifikovateľnénasnímkeSPOT(10x10m)avšakvdôsledkunižšiehorozlíšeniazanikajúnasnímkeLandsat(30x30m).

©CNES2010,DistributionSPOTImageS.A.France,allrightsreservedCredit:LandsatsatellitedatacourtesyoftheU.S.GeologicalSurvey(USGS)

SprávnosťklasifikácieovplyvňujeajveľkosťpixelaLandsat,ktoráje30x30m.Vporovna-níspriestorovourozlišovacouschopnosťousnímokSPOT(10x10m)smeprisnímkachLandsatzaznamenalizníženúmožnosťidentifikáciemenšíchohnískpodkôrnehohmyzu.Naobrázku5jedokumentovanávýhodnosťvyužitia snímokSPOT,kde súviditeľnéohniskáodveľkosti cca0,04ha,zatiaľčoprisnímkachLandsat jeohniskovizuálneinterpretovateľnéodvýmerycca0,09ha.VýhodousnímokLandsat jevšakmožnosť ichbezplatnéhozískania(cena1snímkySPOTvrozlíšení10x10mjecca3000€).

Predpokladomdosiahnutiaspoľahlivýchvýsledkovpriodhadepoškodeniaporastovpomocuklasifikáciezpredchádzajúcehoobdobia(1.fázavýberu),akoajprevizuálnuinterpretáciuzmienstavulesamedzidvomiobdobiami, jevysokápolohovápresnosťsatelitnýchsnímok.VnašejprácisapotvrdilavysokápolohovákvalitasnímokLandsat–produktuL1TTerrainCorrected.UvádzanáRMSchyba±4–5mpri68%spoľahlivostivprípadeLandsatTMaETM,akoajcircularerror(CEP)12mpri90%spoľahlivostivprípadeLandsat8OLIjepodľanašichskú-senostíplnevyhovujúca.Priprekrytítýchtosnímokstaršímisnímkamizobdoba1990–2000,ktorésmekorigovalivprostredíSILVICS,vznikaliposunyo1až3pixely.Topoukazujenavýhodyaplikáciejednotnéhopostupuortorektifikácieazvýrazňujevýhodnosťzískavaniasní-mokodjednéhododávateľa,pretožepolohovástotožnenosťsnímoksúvisíajsaplikácioutotož-néhodigitálnehomodelureliéfuavlícovacíchbodovpriortorektifikácii.

SATELITYVSLUŽBáCHOCHRANYLESA 28 TTomá oTomáT mTám oáomá

6. Zhrnutie a smerovanie ďaľšieho výskumu

Dosiahnutýmivýsledkamismepreukázali,žesnímkyLandsatposkytujúvyhovujúcuinfor-máciuopoškodenínielenvrámciväčšíchoblastí,aleajvrámcidielcov,ktorésúzákladnýmitrvalýmijednotkamipriestorovéhorozdelenialesa(JPRL).VýstupyprekrytéhranicamiJPRLsúzverejnenéasprístupnenénawebovejmapovejslužbeSTALES[3].Tentonástrojumožňuještát-nejsprávelesnéhohospodárstvaprivýkonedozorualesníckejpraxiprirealizáciikonkrétnychhospodárskychopatrenívporastochvyužiťsatelitnésnímkyaprodukty,ktorésúznichodvode-né.Časovásériaklasifikáciípoškodeniaodroku1990do2013predstavujeúdajovúbázuvyuži-teľnúprikomplexnejanalýzeaspracovanípriestorovéhoačasovéhoohrozeniadrevínaporas-tovvpodmienkachklimatickejzmeny.Zároveňjevýchodiskomnovýchstratégiívochranelesa,akoujenapr.KoncepciaďalšiehovýskumuochranylesanaSlovenskusozreteľomnabiologic-kýbojsoškodlivýmičiniteľmi(J.KônopkaaB.Konôpka,2011).

Vďalšomobdobí očakávamevýznamnýprogres v realizácii prevádzkovéhomonitoringujednotlivýchzložiekživotnéhoprostredia.VrámciprogramuCopernicusakospoločnejinicitívyEurópskejkomisieaEurópskejvesmírnejagentúrysavapríli2015a2016pripravujevypusteniedvochdružícSentinel-2.Tietosatelitybudúvstrednýchzemepisnýchšírkachv~3-dňovýchintervalochdodávaťsnímkyv13spektrálnychkanálochvoviditeľnej,blízkejastrednejinfra-červenejoblasti.Ztoho4kanálybudúvrozlíšení10m,6kanálovbudevrozlíšení20ma3ka-nálymajúbyťso60mpriestorovýmrozlíšením.Lepšierozlíšeniespolusozväčšenímzáberu(290km)oprotiLandsatu(180km)umožníokreminéhozlepšiťkvalituvýstupovarealizovaťoperatívnemonitorovaniestavulesaasledovaniezmiennaporastochpodvplyvomdisturbanč-nýchudalostí.

Internetové odkazy[1] http://glovis.usgs.gov[2] http://landsat.usgs.gov/landsat8.php[3] http://www.nlcsk.org/stales

POROVNANIE PRIEBEHU ROZPADU SMREČÍN NA MALOPLOŠNÝCH CHRÁNENÝCH ÚZEMIACH

A V HOSPODÁRSKYCH LESOCH (1.2.)

1. Úvod a problematika

StavsmrekovýchporastovnaSlovenskujedlhodobonepriaznivý.PodľaelaborátovLesníckejochranárskejslužby(LOS)saobjemspracovanejpodkôrnikovejkalamitypočascelých90.ro-kovaždoroku2003pohybovalnaúrovni0,5mil.m3ročne(Kuncaetal.,2011).Nepriaznivásituácia sa ešteviac zdramatizovalapoveternej kalamite znovembra2004, keď savytvorilivhodnépodmienkypregradáciupodkôrnehohmyzu.Problémprerástoldonebývalýchrozmerovaobjemspracovanejhmotypoškodenejpodkôrnymadrevokaznýmhmyzompostupnenarastalažnaúroveň cca3mil.m3v roku2008, pričomna tejtoúrovni sa udržal aj v rokoch2009až2011.VregiónochKysúc,SevernejOravy,VysokýchTatieravýchodnejčastiNízkychTatieraSpišadošlokdestabilizáciinajmäsmrekovýchlesovškodlivýmičiniteľmi,ktoréprerástlodoichplošnémurozpadusnegatívnymdopadomnaekologickústabilitukrajinyavážnymisociál-no-ekonomickýmidôsledkami(Konôpkaetal.,2010).

Podpoškodenímlesarozumiemehromadnýprejavfyziologickýchamorfologickýchporúchjednotlivýchstromovvyvolanýchškodlivýmičiniteľmi.Vsynekologickomzmyslejepoškode-nielesašpecifickýmbiocenotickýmprocesomlesnéhoekosystému,ktorýcharakterizujeurčitýstavjehoekologickejstability.Vekologickomzmyslepoškodenielesajevýslednicouvzťahov:les–škodlivýčiniteľ.Otom,čisauplatníškodlivýčiniteľalebosystémprirodzenýchzábranlesa,rozhodujúkonkrétnevlastnostilesnéhoekosystémuajehokomponentovvrátanevlastnostíprostredia(Stolina,1985).

PodľapríčinatypickýchznakovpoškodeniadefinovaliL.Kullaetal.(2003)tritypyodumie-raniasmrečín,atotypdeštrukčný,fyziologickýabiotický.Ajkeďsauvedenétypynavzájomprelínajú,jednotlivéregiónysalíšiadominantnýmtypomodumierania.NaKysuciachaOraveprevláda typbiotickývkombináciisdeštrukčným(vietor,sneh).VcentrálnychKarpatoch jenajvýznamnejšídeštrukčnýtyp,naSpišiavRudohoríideokombináciuvšetkýchtrochtypovodumierania.

V reakcii na nepriaznivú situáciu smrečín uložila vláda Slovenskej republiky vo svojomuzneseníč.990z21.novembra2007MinisterstvupôdohospodárstvaSRzabezpečiťvrokoch2008až2013realizáciuopatrenínazabráneniezhoršovaniazdravotnéhostavulesnýchporastov.Jednouzúloh,ktorávyplynulazUzneseniavlády,bolovyhodnotiťzdravotnýstavsmrekovýchporastovprostredníctvommetóddiaľkovéhoprieskumeZeme.Viaceréštúdiezahraničnýchau-torov(Wulderetal.,2006;Kennedyetal.,2010;Meigsetal.,2011)preukázalivyužiteľnosťsatelitnýchdátprimonitorovaníčasopriestorovéhošíreniapodkôrnehohmyzu.Tietopoznatkyboli rozpracované aj pri hodnotení stavu smrekových porastov na Slovensku (Hlásny et al.,2008;Barka,2011;Bucha,2013),pričombolivyužitésnímkyzosatelitovLandsat,SPOTaAs-ter.

Vážnosťsituácieaprotichodnéprístupykjejriešeniuukázali,ženazeraťnahynutiesmrečínlen ako na lesnícku odbornú záležitosť by bolo skresľujúce a zužujúce. Situácia predstavujenielenvážnyenvironmentálnyproblém,aleajekonomickúzáťažprevlastníkovlesaaotváracelýradetickýchotázok,pričomsastávaajspoločenskýmproblémom.Vodbornýchajverej-nýchmédiách sledujeme dlhodobú diskusiu, v ktorej sa prezentujú názory, hľadajú riešeniaa„vinníci“.Jetospravidlabipolárnadiskusiamedzizástancamiaktívnehoapasívnehoprístupuochranylesovvchránenýchúzemiach.Prácuorientujemepretotak,abysme:

1.2. Porovnanie priebehu rozpadu smrečín na maloplošných chránených územiach a v hospodárskych lesoch 3130 TTomá oTomáT mTám oáomá

1. poskytliobjektívneinformácieostavesmrečín,ktorétrebapoznať,abybolomožnézaujaťstanovisko,ponúknuťriešeniemanažmentusmrečínaichochranyaabysmemohliodpove-daťnazásadnéotázky:a)Akýjesúčasnýstavsmrečínvporovnanísobdobímpredveternoukalamitou2004?b)Akýjestavsmrečínvmaloplošnýchchránenýchúzemiachv4.a5.stupniochranyvpo-

rovnanísobdobímpredveternoukalamitou2004?c) Prejavilisarozdielyaktívnehoapasívnehomanažmentunasúčasnomstavelesov?d)Malanespracovanákalamitavchránenýchoblastiachvplyvnastavhospodárskychlesov

vokolímaloplošnýchchránenýchúzemí(MCHÚ)?2. Abysmevdiskusiimohlikonfrontovaťzískanévýsledkyvkontextelesnícko-ochranárskeho

sporuouplatnenípasívnehočiaktívnehomanažmentupririešeníkalamitnýchsituáciívle-sochnachránenýchúzemiach.

2. Záujmové územie a materiál

PredmetomanalýzsúlesnéporastysmrekanacelomúzemíSlovenskaaosobitnevMCHÚv4.a5.stupniochrany.Priklasifikáciipoškodenialesovsmevobdobírokov2003až2013vy-užilisatelitnésnímkyLandsatTMaLandsatETM+,vroku2013snímkyzLandsatOLIaLandsatETM+.Vovšetkýchprípadochsmepracovalispriestorovýmrozlíšenímobrazovéhoprvku30x30m.

Navyhodnoteniestavupredveternoukalamitouznovembra2004smevyužiliceloslovenskúklasifikáciupoškodeniazroku2003.Stavpokalamitesmeodvodilizceloslovenskýchklasifiká-ciípoškodenialesovpreroky2006,2007,2009,2010,2011,2012a2013.KuvedenýmrokombolikdispozíciibezoblačnésatelitnésnímkuceléhoúzemiaSlovenska.

Vzáujmeporovnaniastavusmrečínvjednotlivýchrokochbolopotrebnémaťjedenporov-návacízákladrozšíreniasmrečín.Zaporovnávacízákladsmezvolilirozšíreniesmrečínzklasi-fikáciedrevinovéhozloženialesovzosatelitnýchsnímokLandsat(Bucha,1999)vrozlíšení30x30m.KlasifikáciudrevinovéhozloženiasmeuprednostnilipredaktuálnouGISvrstvouJPRLsopisomporastovzdôvodu,žetietozdrojeneposkytujúúdajeorozšírenísmrekavrámciJPRL.PrevýberporastovvMCHÚsmepoužiliGISvrstvuhranícMCHÚ.

Obr.1:VýskytsmrečínnaSlovensku,stavkroku2003.Siváfarba–hospodárskyvyužívanélesy; červenáfarba–lesyvmaloplošnýchchránenýchúzemiach(MCHÚ)

3. Metodika

Klasifikácie zdravotného stavu lesných porastov v období 2003 až 2013 boli založené narovnakommetodickompostupe,atonadvojfázovomregresnomvýbere.Princíptohtovýberuspočívavtom,ževprvejfázevýberusahľadáoptimálnakombináciakanálovsatelitnejsnímkyaodvodiasakoeficientytransformácietak,abynovoodvodenýkomponentbolvhodnýnapri-bližnéurčeniemierypoškodeniaporastov.Vdruhejfázesavyužijúpresnejšieúdajeopoškodenídrevínzterénnychhodnotení.Ztýchtoúdajovsacezregresnýmodelspresníurčeniezdravotné-hostavuzosatelitnýchsnímok(pozripodkapitola1.1.časti3.3.a3.4.).Priterénnychzisťova-niachsmestratuasimilačnýchorgánovurčilizahlavnýindikátorazákladnývizuálnysymptómzdravotnéhostavudrevín.Vyjadrujepercentuálnypomerchýbajúcichčastíasimilačnýchorgá-novkvzorovému,plneolistenémustromu.Metodickýpostupceloslovenskýchklasifikácií jepodrobneopísanývprácachT.Buchu,R.RašihoaJ.Vladoviča(2002)aT.BuchuaJ.Barku(2010).

ZceloslovenskýchklasifikáciipoškodenialesovsmemetódamiGISanalýzy(prekrytdvochvrstiev)vybrali lensmrekovéporasty.PrekrytomsGISvrstvouhranícMCHÚsmenáslednevybralismrečinynachádzajúcesavtýchtoúzemiach.

Výsledkysmepodľaveľkostidefoliáciezaradilido10defoliačnýchtriedskrokomdefoliá-cie10%odzdravýchporastovpoporastyodumreté.

Prianalýzevývojastavusmrečínsmevypočítalipodielporastovsdefoliáciou>40%,t.j.podielporastovstrednesilnoasilnopoškodenýchažodumretýchakalamitnýchplôchsrôznymstupňomobnovycieľovýmialebonáletovýmidrevinami.

Klasifikáciapoškodeniasmrečínvroku2012bolapoužitápriskúmanívplyvunespracovanejkalamityvMCHÚnaokolitéhospodárskyvyužívanélesy.Vplyvbolvyjadrenýpercentompo-škodenia smreka vo vzťahu k vzdialenosti od hraniceMCHÚ.K tomu sme v prostredíGIS(modulbuffer)vytvorilizónyokoloMCHÚv200mkrokochažnavzdialenosť2000metrov.PercentopoškodenýchsmrečínbolovypočítanepreMCHÚaprezónuokoloMCHÚpostupnesarozširujúcuvuvedenom200mkroku.TaktovypočítanépoškodeniesmrečínsmeporovnalispercentompoškodenýchsmrečínnaúzemiachmimoMCHÚapríslušnýchzón.

4. Výsledky

4.1. Postup rozpadu smrečín v období rokov 2003 až 2013Vypočítanúdefoliáciuprekaždýobrazovýprvoksmepodľaveľkostidefoliáciezaradilido

10defoliačnýchtried(príloha1).Súhrnnévýsledkyzaobdobierokov2003až2013súuvedenévtabuľke1.

Tab.1:Podiel(v%)avýmera(vtis.ha)smrekovýchporastovsdefoliáciounad40%(vrátaneporastovvobnove)vobdobí2003až2013vhospodárskychlesoch

Porastysdefoliáciou>40% 2003 2006 2007 2009 2010 2011 2012 2013Podielv% 7,8 9,8 10,5 17,1 15,4 16,8 21,5 21,8

Výmeravtis.ha ~31,9 ~40,1 ~42,9 ~69,5 ~63,0 ~68,7 ~87,9 ~89,2Celkovávýmerasmrečín=442,6tis.ha:vtom409tis.havhospodárskychlesocha33,6tis.havMCHÚ

Ztabuľkyvyplýva,žepodielkategóriísdefoliáciouvyššouako40%t.j.porastovstredneasilnepoškodenýchažodumretých(vrátaneporastovpoúmyselnejťažbeaspracovanejkalami-tevroku2003)bol7,8%,čopredstavovalovýmerutakmer31,9tis.ha.Tentopodielsapove-ternejkalamite(november2004)zvýšilkroku2006na9,8%apostupnenaďalejrástol.Vroku2013bol21,8%atomutopodieluzodpovedávýmeraporastov~89,2tis.ha.

1.2. Porovnanie priebehu rozpadu smrečín na maloplošných chránených územiach a v hospodárskych lesoch 3332 TTomá oTomáT mTám oáomá

Tietovýsledkypotvrdzujúznámuskutočnosť,ževsmrekovýchporastochnepriaznivásituá-ciapretrváva.Zaznamenalismeplošnýrozpadporastovnajmävdôsledkupremnoženiapodkôr-nehohmyzu,veternýchasnehovýchkalamítvpodstatevcelomareáliichvýskytu.Najintenzív-nejšírozpadbolpozorovanývstrednejavýchodnejčastiKysúc,nasevereOravy,voVysokýchaBelianskychTatrách,vovýchodnejčastiNízkychTatier,vsevernejčastiVeporskýchvrchovavcelejoblastiSpiša.Porovnaniestavupodľalesnýchhospodárskychcelkov(LHC)vrokoch2003a2013jegrafickyvyjadrenénaobrázku2.

Obr.2:Podielpoškodenýchsmrekovýchporastov(defoliácia>40%)zcelkovéhozastúpeniasmrečínpodľalesnýchhospodárskychcelkov(LHC)vrokoch2003(hore)a2013(dole)

4.2. Stav smrečín v MCHÚ Gradácia podkôrneho hmyzu, najmä lykožrúta smrekového po veternej kalamite v roku

2004, saprejavilapoškodenímsmrekovýchporastovajvoviacerýchMCHÚ.Vpodstate ideovšetkynárodnéprírodnérezervácie(NPR)aprírodnerezervácie(PR)voVysokýchTatrách,aleajoNPRZadnáPoľanaaPRFabovahoľa.Akútnousastalaotázkaichochranyazachovania.

Zdvochzákladnýchkoncepciíaktívnejapasívnejochranyprevážilakoncepciapasívna.Trebavšakpoznamenať,ževtejkrajnejpodobe,ktoráznamenástriktnúbezzásahovosť.Situáciales-nýchporastovvTichejdolineaklasifikáciaichpoškodeniakroku2003jezobrazenánaobr.3aa3bakroku2013naobr.4aa4b.

Obr.3a:Tichádolina.Stavv roku2003predveternoukalamitou2004.Hnedá farba:nepo-škodené ihličnatéporasty.Credit:Landsat sa-tellitecourtesyoftheU.S.GeologicalSurvey

(USGS)

Obr.3b:Klasifikáciapoškodeniakroku2003.Veľkosťvýrezu~6x4km.Čiernepolygóny:hranicedielcov.Zelená:zdravéporasty;Žltá:strednepoškodenéporasty;Červená:silnepo-

škodenéporasty

Obr. 4a: Tichá dolina. Stav porastov k roku2013.Credit:Landsatsatellitecourtesyofthe

U.S.GeologicalSurvey(USGS)

Obr.4b:Klasifikáciapoškodeniakroku2013.Tmavopurpurová:vyťaženéporasty

1.2. Porovnanie priebehu rozpadu smrečín na maloplošných chránených územiach a v hospodárskych lesoch 3534 TTomá oTomáT mTám oáomá

ZceloslovenskejklasifikáciesmeodvodiliinformáciuopoškodenísmrečínvMCHÚ.Výsle-dokjeuvedenývtabuľke2apodrobnepodľatrieddefoliácievprílohe2.

Tab.2:Podiel(v%)avýmera(vtis.ha)smrekovýchporastovsdefoliáciounad40%(vrátaneporastov

vobnove)vobdobí2003až2013vmaloplošnýchchránenýchúzemiach(MCHÚ)

Porastysdefoliáciou>40% 2003 2006 2007 2009 2010 2011 2012 2013Podielv% 6,6 12,0 13,8 22,2 23,7 22,8 26,2 24,9

Výmeravtis.ha ~2,2 ~4,0 ~4,6 ~7,5 ~8,0 ~7,7 ~8,8 ~8,4Výmera smrečín v MCHÚ = 33,6 tis. ha

CelkovánamivyhodnotenávýmeraMCHÚsosmrečinamije33610ha,čopredstavuje7,6%zcelkovejvýmerysmrečín.Podielkategóriísdefoliáciouvyššouako40%vroku2003bol6,6%čopredstavovalovýmeru2,2tis.ha.ZdravotnýstavsmrečínvMCHÚbolvroku2003miernelepšíakozdravotnýstavsmrečínnacelomSlovenskus7,8%poškodenýchporastov(obr.3).

Kprvémuvýraznémuzvýšeniupodielupoškodenýchporastovdošlovdôsledkuveternejka-lamityvnovembri2004.Vroku2007bolpodielpoškodenýchporastov13,8%.

Druhýnárastpodielupoškodenýchporastovnastalpopremnoženípodkôrnehohmyzunajmälykožrútasmrekovéhovobdobí2007–2009.Podielkategóriísdefoliáciouvyššouako40%vrokoch2009stúpolna22,2%oproti~17,1%naceloslovenskejúrovni(tab.1).

Ďalší,hociužmiernejšínárastzaznamenávamevrokoch2010–2013.Podľaklasifikáciezroku2013jepodielpoškodenýchporastov24,9%,čopredstavujevýmeru~8,4tis.ha.

PodielsilneaviacpoškodenýchsmrekovýchporastovnaSlovenskuvzrástolmedzirokmi2004a2013o14,0%.VMCHÚtentopodielvzrástolažo18,3%.Zuvedenýchvýsledkovvy-plývapriaznivýdopadaktívnehomanažmentunastavsmrečín.

NazákladezistenýchrozdielovvmierepoškodeniasmrečínvMCHÚahospodárskychle-sochsmepreskúmalivplyvnespracovanejkalamityvMCHÚnaokolitéhospodárskyvyužívanélesy.Vychádzalismezpredpokladupotenciálnehošíreniapodkôrnehohmyzuznespracovanejkalamitydookolitýchporastov.Získanévýsledky(obr.4)preukazujúpoklespodielupoškode-nýchporastovsrastúcouvzdialenosťouodMCHÚ,atoz26,2%vMCHÚna21,5%naúzemíokoloMCHÚsošírkoupásma2000m.PodielpoškodenýchporastovmimoMCHÚapásiemvarírujevrozpätíod21,1do21,5%.

Obr.3:Vývojpoškodeniasmrečín(defoliácia>40%)vmaloplošnýchchránenýchúzemiach v4.a5.stupniochranyavhospodárskyvyužívanýchlesochvobdobí2003až2013

6,6

12,0 13,8

22,2 22,8

26,2 24,9

7,8 9,8 10,5

17,1 15,4 16,8

21,5 21,8

0

5

10

15

20

25

30

2003 2006 2007 2009 2010 2011 2012 2013

Smrečiny – lesy v MCHÚ Smrečiny – hospodárske lesy

Veterná kalamita (2004)

Nástup gradácie podkôrneho hmyzu (2008)

23,7

26.225.9 26.0

25.8

25.4

24.7

24.1

23.6

23.122.8

22.5

21.5 21.4 21.3 21.1 21.1 21.1 21.1 21.2 21.3 21.4 21.5

y = 1E-09x3 - 3E-06x2 + 0.0011x + 26.055R2 = 0.9936

20.0

22.0

24.0

26.0

0 200 400 600 800 1000 1200 1400 1600 1800 2000

Zóny okolo MCHÚ (v metroch)

% p

oško

dený

ch s

mre

čín

Poškodenie v MCHÚ a zónach

Poškodenie mimo MCHÚ a zón

Obr.4:PercentopoškodenýchsmrečínvzávislostiodvzdialenostiodhraniceMCHÚ.0mvzdialenosťreprezentuje%poškodenýchsmrečínvMCHÚvroku2012

5. Diskusia

Vtejtopodkapitolepredkladámevýsledkyzhodnoteniasmrekovýchporastovvobdobí2003až2013zosatelitnýchsnímokLandsat.

Porovnaniestavusmrečínvhospodárskychlesoch(HL)avMCHÚv4.a5.stupniochranypreukázalopodobnúúroveňintenzitypoškodeniavroku2003,t.j.rokpredveternoukalamitou(obr.3).ZdravotnýstavboloniečolepšívMCHÚnežvHL(6,5%oproti7,8%).Situáciasazmenilapovíchriciz19.novembra2004.Podielvíchricoupoškodenýchporastovstúpolna12,0%vMCHÚana9,8%vHL.

Prudkágradáciapodkôrnikanastalaporoku2007aprerástladopodkônikovejkalamitysvr-cholomvrokoch2009–2010,pričompremnoženiepodkôrnehohmyzupretrvávadodnes.Gra-dáciapodkôrnehohmyzubolaprudšiaaintenzívnejšiavMCHÚ,kdepercentopoškodeniaplo-chykroku2013stúplona26,2%vporovnanís21,5%vhospodárskychlesoch.Tietovýsledkypodporujúhypotézu,žeďalšiepestovanienepôvodnýchsmrekovýchmonokultúrvzápadnýchKarpatochmôžebyťneudržateľnévzhľadomnanebývalépremnoženiepodkôrnehohmyzu,kto-résamôžeďalejzosilňovaťzmenouklímy(HlásnyaTurčáni,2013).

L.M.SchroederaÅ.Lindelöw(2002)preukázali,ževoštvorročnomobdobímedziprvýmadruhýmpolomombolonaplocháchbezmanažmentunapadnutýchdvojnásobneviacstromovnežvmanažovanýchporastoch.W.Grodzkietal. (2006)vštúdiišírenia Ips typographusvoVysokýchTatráchvrokoch1993–1998zdokumentoval,žeepidémiabolakoncentrovanádorezerváciísozákazomvykonávaťaktívnymanažment.Zároveňkonštatuje,žeklasickáaktívnaochranalesaviedlakzvýšeniuatraktivitylesnýchokrajov(otvorenýchporastovýchstien)smož-nosťoudiseminácie Ips typographuszmiest,kdesanerealizovaližiadneregulačnéopatrenia.

1.2. Porovnanie priebehu rozpadu smrečín na maloplošných chránených územiach a v hospodárskych lesoch 3736 TTomá oTomáT mTám oáomá

ViaceréštúdiepreukázalizávislosťšíreniaIps typographusodvzdialenostiodohniskavý-skytu.PodľaM.Kautza et al. (2011) intenzitanapadnutiaklesá so štvorcomvzdialenosti odohniska.Vjehoanalýzedošlovpriemerek65%novýchnapadnutív100mokruhuodvýskytunapadnutiavpredchádzajúcomrokuak95%napadnutiamdovzdialenosti500m.L.WichmanaH.P.Ravn(2001)dospelikpodobnýmvýsledkom.Zistili,žemaximálnavzdialenosťodstaré-hovýskytuohniskabola650m.Vosvojejštúdiipotvrdili,žesanitárnaťažbačerstvonapadnu-týchstromovvýznamneznižuje rizikopodkôrnikovejgradácie.Mimoriadnedôležitévšak je,abysaodstránenienapadnutýchstromovvykonalovčas,t.j.eštepreddozretímnovejgeneráciehmyzu.

Ajnášvýskumdokladá,ženespracovanákalamituvMCHÚnajviacovplyvňujestavlesovvzónedo~600mspodielompoškodenýchporastovnaúrovni26%.Od600mpercentopoško-dených porastov lineárne klesá až do vzdialenosti 2000m, kdemiera poškodenia je totožnás poškodením v HL (obr. 4). Tieto zistenia potvrdzujú odôvodnenosť a potrebu vykonávaťochrannéopatrenia(odstráneniepoškodenýchanapadnutýchstromov,inštaláciaferomónovýchlapačov,aplikáciachemickejochrany)vnárazníkovejzóneokoloMCHÚ.

T.Hlásnyetal.(2008)poukázalnaviaceréobjektívnepríčinynepriaznivéhostavuavývojasmrečín.Tie vyplývajú najmä zo zmenených existenčných podmienok lesných ekosystémov,hlavnevdôsledkudlhodobéhoimisnéhozaťaženiaaklimatickejzmeny.Príčinysubjektívnehocharakterusúvisiaskonkrétnoulesníckoučinnosťou,tedanapr.stým,čisadostatočnereagujenanovúsituáciuačisarealizujúopatrenia,ktorýmijemožnénepriaznivývývojsmrečíndour-čitejmieryzvrátiť,resp.zmierniť(J.KonôpkaaB.Konôpka,2007).

Medzi príčiny subjektívneho charakteru musíme zaradiť aj viaceré rozhodnutia orgánovochranyprírody,ktoréviedlikzastaveniuaktívnehomanažmentuvMCHÚ.Napozadíužchro-nickéholesnícko-ochranárskehosporuouplatnenípasívnehočiaktívnehomanažmentupririe-šeníkalamitnýchsituáciívlesochchránenýchúzemíprebiehazápasoochranuprírodyakocel-ku.Kolidujevňomkoncepciaochranyprírodyvnímanázhľadiskaideológieenviromentalizmusplatnoulegislatívou(Zákonoochraneprírodyakrajinyč.543/2002)založenounastarostlivos-ti o ekosystémya na zabezpečení priaznivého stavudruhov, biotopov a krajinyvoväzbenapredmetochrany.

NapríkladJ.Topercer[1]uvádza,že„Veternésmršte,návalysnehuapodobnéudalostiniesúekologickékatastrofy,alevýraznenižšiatriedaprírodnýchdisturbancií“.Ichpôsobenienalesnéekosystémypovažujezanekatastrofickýavevolučnomzmysleskôr„rozpamätávací“druhujmy,ktorýsurčitosťouneznamenázánikpredmetuochranyNPRakocelku,anižiadnejjehozložky.Spochybňujeaktívnymanažmentaoznačujehozaexperiment,ktorývedieknepriaznivýmzme-nám,akýmisúnarušenieštruktúrnejzložitostistanovíšť,narušenieekosystémovýchprocesovafunkcií.Argumentujenapr.tým,že:„...kontinuituplneniafunkciílesaakontinuitupredmetuochrany(NPRTicháaKôprovádolina,NPRJánošíkovakolkáreň)podporujúajpoznatkygeo-biocenologickejškolyprof.A.Zlatníka(1956,1959,1975).SmerodajnájevprvomradeZlatní-kova definícia typu geobiocénu, čiže lesného typu ako súboru typu geobiocenózy prírodnejavšetkýchodnehovývojovopochádzajúcichadorôznehostupňaarôznymspôsobomzmene-nýchgeobiocenózvrátanevšetkýchichvývojovýchštádií(t.j.vrátaneštádiírozpadovýchapo-čiatočných),akoajZlatníkovozdôvodnenieurčujúcejúlohytrvalýchpodmienokstanovišťavovývojigeobiocenóz“.

PrikomplexnompoznanídielaA.Zlatníkavšaktátointerpretácianiejeakceptovateľná,pre-tožetentoautordosvojejdefinícielesnéhotypuzahrnulajrozličnýmspôsobomzmenenégeo-biocenózy.Tonepriamoodkazujenafakt,ženepovažovallesníckezásahy(ťažbové,pestovateľ-skéčiochranné)zataké,ktorébyviedliknepriaznivýmzmenámlesnýchspoločenstievameni-litrvalépodmienkystanovišťaakosugerujeJ.Topercer.Zlatníkovlesnýtypvyjadrujepotenciálstanovišťa.Nepochybne,tentopotenciálmôžebyťnarušenýnevhodnýmmanažmentom,aktív-nymalebopasívnymprirôznychsituáciách(napr.eróziapopožiaroch,kalamitách,použitíne-

vhodnejťažbovejtechnológie,imisieaacidifikácia,kontamináciaťažkýmikovmi,alkalizáciapôdvokolímagnezitieka.p.).

ZamylnépovažujemeajspájanieZlatníkovejdefinícielesnéhotypuskontinuitouplneniafunkcií lesa a kontinuitou predmetu ochrany zmysle akéhosi dôkazu výhod pasívneho ma-nažmentu.Ideodomýšľanievecí,ktoréA.Zlatníkvosvojejdefiníciilesnéhotypuneriešilakto-rézdefinícieaninevyplývajú.

Podfunkcioulesarozumiemevplyvyaúčinkylesanajednotlivézložkyživotnéhoprostrediavrátanečloveka(Čaboun,2010).Jezrejmé,žečiužpoobnovnejťažbealebopokalamitnýchudalostiach,dochádzakzásadnýmzmenámvovplyvochaúčinkochlesa,atedaajvofunkciáchlesov.

Podpoškodenímlesarozumiemehromadnýprejavfyziologickýchamorfologickýchporúchjednotlivýchstromovvyvolanýchvplyvmiškodlivýchčiniteľov.Podkalamitourozumiemeroz-siahle poškodenie lesa škodlivými činiteľmi (Stolina, 1985). Pri kalamitách dochádza pretokdiskontinuitevplnenímnohýchfunkciílesov.

Akosmeuviedliaakovyplývazchápaniadefinícielesnéhotypu,lesníckezásahypotenciálstanovišťanemenia.Snahaeliminovaťďalšiepôsobenieškodlivýchčiniteľov,čižezabrániťpre-hlbovaniudiskontinuítvplnenífunkciílesov,jemotivovanápotrebouochrany,tedaabysapred-metochrany(les)zachovalvpriaznivomstaveaplnilsvojefunkcie.

InízástancoviabezzásahovéhomanažmentuvMCHÚ,napr.občianskezdruženiePrales[2]priopisesituácievNPRJánošíkovakolkáreňuvádza,že„niektoréčastipralesasazdanlivoroz-padajúajnaväčšíchplocháchvplyvomrôznychnarušení,atopredovšetkýmvetra,snehuapô-sobenímlykožrútasmrekového.Rozpadnatýchtoplocháchjevšakdlhodobý,čodokazujúajviaceréštompyamŕtvedrevo,ktoréjeuždlhšiudobuzoschnuté,akoajvýskumyrealizované naplochepralesavminulomstoročí“.

Vyjadreniaozdanlivomrozpadepralesa,okontinuiteplnenífunkcielesavrozpadajúcichsalesoch a o škodlivosti lesníckych zásahov odporujú vedeckým zákonitostiam a súvislostiam,ktorésúodbornýchkruhochuznávanéapovažujúsazavšeobecneplatné.„Poškodenielesajev synekologickom zmysle špecifickým biocenotickým procesom lesného ekosystému, ktorýcharakterizujeurčitýstavjehoekologickejstability.Vekologickomzmyslejepoškodenielesavýslednicouvzťahovmedzilesomaškodlivýmčiniteľom“(Stolina,1985,s.55).Jezrejmé,žeotom,čivovýsledniciprevážiškodlivýčiniteľaleboprirodzenáodolnosťlesa,rozhodujúkon-krétnevlastnostilesnéhoekosystémuajehozložiekvrátanevlastnostíokolitéhoprostredia.Prin-cípyaktívnehomanažmentuvychádzajúasúvsúladestoutokoncepciou,vrámciktorejlesníc-kapraxvyhodnocuje situáciuvkalamitnepoškodenýchporastoch.Vprípade, ak savytvoriapodmienky,priktorýchsaaktivizujepodkôrnyhmyznatoľko,žesasvojouagresivitoudokážepresadiťprotikompenzačnýmschopnostiamporastov,jevzmyslepovinnostíustanovenýchZá-konomolesochnutnéžiadaťovýnimkuprispracovaníkalamityajvNPR.Opatrenia,ktorésapri tom navrhujú, sú radikálnymi ochranárskymi skupinami na verejnosti prezentované ako„ťažba“,čiževýrubzameranýnadosiahnutieziskuz„vyťaženého“dreva.Idevšakocelýkom-plexopatrení, ktorých zámerom jeúčinné sanovaniepoškodeného lesa a zároveňznižovanierozsahuinterakciílesaaškodcu.

SituáciavMCHÚ(NPRvoVysokýchTatrách,NPRJánošíkovakolkáreň,PRFabovahoľa)niejevýsledkomnáhody,alezákonitýmzavŕšenímkonkrétnejsituácievkonkrétnychpodmien-kach a niet pochýb, že rozhodnutia orgánov ochrany prírody v prospech pasívneho prístupukproblémuviedlikugradáciipodkôrnehohmyzuaknáslednémupoškodeniulesa.

6. ZáverVďakastoročnejtradíciiusmerňovanéhoobhospodarovanialesovazásluhouhorskéhocharak-

teruúzemiapatríSlovenskokukrajinámsnajvyššouvýmeroulesovachránenýchúzemívEurópe.

1.2. Porovnanie priebehu rozpadu smrečín na maloplošných chránených územiach a v hospodárskych lesoch 3938 TTomá oTomáT mTám oáomá

Prezachovanietohtorázukrajinyaprírodnýchhodnôt,ktorésúsnimispojené,saakoprirodze-nájavísnahakontinuálnepokračovaťvkoncepčnomobhospodarovaníavaktívnejochranele-sov,atopremyslenýmipestovno-ťažbovými,lesohospodárskymialesoochrannýmiopatreniami.Ichcieľomjepredchádzaťmožnýmkatastrofickýmudalostiamavprípade,aknastanú,zmierniťich priebeh a dôsledky.Takáto katastrofická situácia nastala v našich smrekových porastochvdôsledkuichdestabilizácieškodlivýmičiniteľmi.Prirozhodovacomproceseichmanažmentumajúkľúčovúúlohuinformácieostaveavývojilesnýchekosystémov.Vpodkapitolesmepre-zentovalivýsledkyoceloslovenskomstavesmrečínzobdobia2003až2013,akoajoichstavevMCHÚ.Zisteniajednoznačnepoukazujúnapretrvávajúcinepriaznivýstavsmrekovýchporas-tov.

Potvrdzujesa,žeobjektívnepríčinynepriaznivéhostavuavývojasmrečínvyplývajúzozme-nenýchexistenčnýchpodmienoklesnýchekosystémov,predovšetkýmvdôsledkudlhodobéhoimisnéhozaťaženiaaklimatickejzmeny.Ideooslabenie lesnýchekosystémovazníženie ichodolnostinajednejstraneanadruhejstraneozvýšenieagresivityškodlivýchčiniteľov.Tietoaspektysituácieniejevnašichsiláchpodstatnejšieovplyvniťčizmeniť.Otoviacadôslednejšiesatrebaorientovaťnaprírodeblízkeobhospodarovanielesovazakladanieekologickystabilnýchporastov.

Príčinysubjektívnehocharakterusúvisiaskonkrétnoulesníckoučinnosťou,najmäsotázkouvčasnéhovyužitiavšetkýchmožnostíochranylesa.Medzipríčinysubjektívnehocharakterumu-símevšakzaradiťajviacerérozhodnutiaorgánovochranyprírodyanariadeniaouplatnenípa-sívnehomanažmentuvMCHÚ.

Nazákladepredloženýchvýsledkovmôžemekonštatovať,ževlesnýchporastoch(vrátaneporastovvchránenýchúzemiach)jerozhodujúcimmomentomvčasnéasprávnevykonanieopat-reníprotišíreniupodkôrnehohmyzuazabezpečeniedôslednejhygienyporastu,ktorésúvzáuj-meochranylesnýchporastovazabezpečeniakontinuityplneniafunkciílesov.

Internetové odkazy[1] Topercer,J.:Dostupnéna:http://topercer.blog.sme.sk/c/177601/Gule-do-kolkarne-mjr-Jano-

sika.html[Cit.2014-08-05][2] OZPrales:Dostupnéna:http://www.pralesy.sk/index.php[Cit.2014-05-10]

Príloha1:Vyhodnoteniestavusm

rekovýchporastovvobdobí2003až2013presm

rečinyvhospodárskychlesoch

Príloha2:Vyhodnoteniestavusm

rekovýchporastovvobdobí2003až2013premaloplošnéchránenéúzemiav4.a5.stupniochrany

Cel

ková

vým

era

smre

čín

= 4

41 ti

s. ha

a sm

rečí

n v

MC

HÚ

33.

6 tis

. ha

Prílo

ha 1

: Vyh

odno

teni

e st

avu

smre

kový

ch p

oras

tov

v ob

dobí

200

3 až

201

3 v

hosp

odár

skyc

h le

soch

20

03

2006

20

07

2009

20

10

2011

20

12

2013

D

efol

iačn

á tri

eda

tis. h

a %

tis

. ha

%

tis. h

a %

tis

. ha

%

tis. h

a %

tis. h

a %

tis

. ha

%tis

. ha

%O

pis p

oško

deni

a po

rast

ov

0-10

%

11,0

8 2,

71

23,5

8 5,

77

8,08

1,

98

18,4

5 4,

51

35,5

4 8,

72

22,2

5 5,

44

37,2

1 9,

10

20,1

1 4,

92

11-2

0%

60,2

1 14

,72

96,1

0 23

,50

92,1

0 22

,52

66,8

3 16

,34

132,

1532

,42

123,

2030

,12

112,

6527

,54

111,

1627

,18

Pora

sty

zdra

vé

21-3

0%

207,

7250

,79

190,

92

46,6

8 20

8,79

51,0

5 16

9,74

41,5

0 12

8,12

31,4

3 14

5,74

35,6

3 12

3,38

30,1

6 13

8,47

33,8

5 31

-40%

98

,17

24,0

0 58

,53

14,3

1 57

,29

14,0

1 84

,25

20,6

0 49

,43

12,1

3 49

,00

11,9

8 47

,52

11,6

2 50

,11

12,2

5 Po

rast

y sl

abo

pošk

oden

é

41-5

0%

16,5

3 4,

04

16,7

9 4,

11

18,7

7 4,

59

27,6

0 6,

75

22,7

5 5,

58

22,7

6 5,

56

23,6

2 5,

77

24,8

0 6,

06

51-6

0%

7,32

1,

79

7,73

1,

89

9,74

2,

38

15,2

3 3,

72

13,9

8 3,

43

15,2

9 3,

74

16,1

2 3,

94

16,5

5 4,

05

Pora

sty

stre

dne

pošk

oden

é, k

alam

itné

ploc

hy s

obno

vou

61-7

0%

3,81

0,

93

4,49

1,

10

5,88

1,

44

9,88

2,

42

9,08

2,

23

10,6

5 2,

60

12,4

5 3,

04

12,4

3 3,

04

71-8

0%

2,04

0,

50

2,87

0,

70

3,77

0,

92

6,38

1,

56

5,76

1,

41

7,81

1,

91

9,72

2,

38

9,69

2,

37

Pora

sty

siln

e po

škod

ené,

kal

amitn

é pl

ochy

s ob

novo

u

81-9

0%

1,10

0,

27

2,08

0,

51

2,44

0,

60

3,94

0,

96

3,69

0,

91

4,70

1,

15

7,56

1,

85

7,52

1,

84

91-1

00%

1,

03

0,25

5,

92

1,45

2,

21

0,54

6,

68

1,63

7,

54

1,85

7,

62

1,86

18

,50

4,52

18

,17

4,44

O

dum

iera

júce

a mŕtv

e po

rast

y,

nesp

raco

vaná

kal

amita

, vyť

ažen

é pl

ochy

SPO

LU

409,

0110

0,00

409,

01

100,

00

409,

0710

0,00

408,

9810

0,00

407,

6710

0,00

409,

0210

0,00

409,

0510

0,00

409,

0110

0,00

Prílo

ha 2

: Vyh

odno

teni

e st

avu

smre

kový

ch p

oras

tov

v ob

dobí

200

3 až

201

3 v

mal

oplo

šnýc

h ch

ráne

ných

úze

mia

ch v

4. a

5. s

tupn

i och

rany

20

03

2006

20

07

2009

20

10

2011

20

12

2013

D

efol

iačn

á tri

eda

tis. h

a%

tis

. ha

%

tis. h

a %

tis

. ha

%

tis. h

a %

tis. h

a %

tis

. ha

%tis

. ha

%O

pis p

oško

deni

a po

rast

ov

0-10

%

0,48

1,

43

0,94

2,

81

0,15

0,

45

0,80

2,

37

0,86

2,

55

0,77

2,

28

1,62

4,

83

0,65

1,

93

11-2

0%

3,59

10

,67

6,78

20

,16

3,60

10

,70

4,12

12

,25

6,96

20

,66

6,58

19

,58

6,06

18

,04

5,97

17

,77

Pora

sty

zdra

vé

21-3

0%

15,2

1 45

,27

16,5

1 49

,12

18,2

1 54

,19

12,3

7 36

,81

11,5

7 34

,33

13,1

8 39

,21

11,1

2 33

,11

13,3

6 39

,76

31-4

0%

12,1

2 36

,05

5,34

15

,88

7,00

20

,84

8,85

26

,33

6,13

18

,19

5,44

16

,18

5,99

17

,83

5,27

15

,68

Pora

sty

slab

o po

škod

ené

41-5

0%

1,54

4,

58

1,21

3,

60

1,56

4,

66

2,71

8,

08

2,70

8,

02

2,33

6,

92

2,46

7,

33

2,30

6,

85

51-6

0%

0,40

1,

19

0,55

1,

64

0,85

2,

54

1,41

4,

19

1,72

5,

11

1,55

4,

60

1,56

4,

63

1,47

4,

37

Pora

sty

stre

dne

pošk

oden

é, k

alam

itné

ploc

hy s

obno

vou

61-7

0%

0,16

0,

47

0,37

1,

10

0,65

1,

93

1,06

3,

15

1,22

3,

63

1,24

3,

70

1,19

3,

55

1,13

3,

36

71-8

0%

0,06

0,

19

0,32

0,

95

0,59

1,

77

0,85

2,

53

0,87

2,

57

1,05

3,

13

1,01

3,

01

0,93

2,

76

Pora

sty

siln

e po

škod

ené,

kal

amitn

é pl

ochy

s ob

novo

u

81-9

0%

0,03

0,

09

0,29

0,

87

0,50

1,

50

0,60

1,

78

0,58

1,

71

0,73

2,

18

0,85

2,

52

0,77

2,

30

91-1

00%

0,

02

0,06

1,

30

3,87

0,

48

1,42

0,

85

2,51

0,

88

2,61

0,

74

2,22

1,

73

5,15

1,

75

5,22

O

dum

iera

júce

a mŕtv

e po

rast

y,

nesp

raco

vaná

kal

amita

, vyť

ažen

é pl

ochy

SPO

LU

33,6

1 10

0,00

33,6

1 10

0,00

33

,59

100,

0033

,62

100,

0033

,49

100,

0033

,61

100,

0033

,58

100,

0033

,60

100,

00

Celk

ová

vým

era

smrečí

n =

441

tis.

ha ;

Vým

era

smrečí

n v

MC

HÚ

= 3

3,6

tis. h

a

Prílo

ha 1

: Vyh

odno

teni

e st

avu

smre

kový

ch p

oras

tov

v ob

dobí

200

3 až

201

3 v

hosp

odár

skyc

h le

soch

20

03

2006

20

07

2009

20

10

2011

20

12

2013

D

efol

iačn

á tri

eda

tis. h

a %

tis

. ha

%

tis. h

a %

tis

. ha

%

tis. h

a %

tis. h

a %

tis

. ha

%tis

. ha

%O

pis p

oško

deni

a po

rast

ov

0-10

%

11,0

8 2,

71

23,5

8 5,

77

8,08

1,

98

18,4

5 4,

51

35,5

4 8,

72

22,2

5 5,

44

37,2

1 9,

10

20,1

1 4,

92

11-2

0%

60,2

1 14

,72

96,1

0 23

,50

92,1

0 22

,52

66,8

3 16

,34

132,

1532

,42

123,

2030

,12

112,

6527

,54

111,

1627

,18

Pora

sty

zdra

vé

21-3

0%

207,

7250

,79

190,

92

46,6

8 20

8,79

51,0

5 16

9,74

41,5

0 12

8,12

31,4

3 14

5,74

35,6

3 12

3,38

30,1

6 13

8,47

33,8

5 31

-40%

98

,17

24,0

0 58

,53

14,3

1 57

,29

14,0

1 84

,25

20,6

0 49

,43

12,1

3 49

,00

11,9

8 47

,52

11,6

2 50

,11

12,2

5 Po

rast

y sl

abo

pošk

oden

é

41-5

0%

16,5

3 4,

04

16,7

9 4,

11

18,7

7 4,

59

27,6

0 6,

75

22,7

5 5,

58

22,7

6 5,

56

23,6

2 5,

77

24,8

0 6,

06

51-6

0%

7,32

1,

79

7,73

1,

89

9,74

2,

38

15,2

3 3,

72

13,9

8 3,

43

15,2

9 3,

74

16,1

2 3,

94

16,5

5 4,

05

Pora

sty

stre

dne

pošk

oden

é, k

alam

itné

ploc

hy s

obno

vou

61-7

0%

3,81

0,

93

4,49

1,

10

5,88

1,

44

9,88

2,

42

9,08

2,

23

10,6

5 2,

60

12,4

5 3,

04

12,4

3 3,

04

71-8

0%

2,04

0,

50

2,87

0,

70

3,77

0,

92

6,38

1,

56

5,76

1,

41

7,81

1,

91

9,72

2,

38

9,69

2,

37

Pora

sty

siln

e po

škod

ené,

kal

amitn

é pl

ochy

s ob

novo

u

81-9

0%

1,10

0,

27

2,08

0,

51

2,44

0,

60

3,94

0,

96

3,69

0,

91

4,70

1,

15

7,56

1,

85

7,52

1,

84

91-1

00%

1,

03

0,25

5,

92

1,45

2,

21

0,54

6,

68

1,63

7,

54

1,85

7,

62

1,86

18

,50

4,52

18

,17

4,44

O

dum

iera

júce

a mŕtv

e po

rast

y,

nesp

raco

vaná

kal

amita

, vyť

ažen

é pl

ochy

SPO

LU

409,

0110

0,00

409,

01

100,

00

409,

0710

0,00

408,

9810

0,00

407,

6710

0,00

409,

0210

0,00

409,

0510

0,00

409,

0110

0,00

Prílo

ha 2

: Vyh

odno

teni

e st

avu

smre

kový

ch p

oras

tov

v ob

dobí

200

3 až

201

3 v

mal

oplo

šnýc

h ch

ráne

ných

úze

mia

ch v

4. a

5. s

tupn

i och

rany

20

03

2006

20

07

2009

20

10

2011

20

12

2013

D

efol

iačn

á tri

eda

tis. h

a%

tis

. ha

%

tis. h

a %

tis

. ha

%

tis. h

a %

tis. h

a %

tis

. ha

%tis

. ha

%O

pis p

oško

deni

a po

rast

ov

0-10

%

0,48

1,

43

0,94

2,

81

0,15

0,

45

0,80

2,

37

0,86

2,

55

0,77

2,

28

1,62

4,

83

0,65

1,

93

11-2

0%

3,59

10

,67

6,78

20

,16

3,60

10

,70

4,12

12

,25

6,96

20

,66

6,58

19

,58

6,06

18

,04

5,97

17

,77

Pora

sty

zdra

vé

21-3

0%

15,2

1 45

,27

16,5

1 49

,12

18,2

1 54

,19

12,3

7 36

,81

11,5

7 34

,33

13,1

8 39

,21

11,1

2 33

,11

13,3

6 39

,76

31-4

0%

12,1

2 36

,05

5,34

15

,88

7,00

20

,84

8,85

26

,33

6,13

18

,19

5,44

16

,18

5,99

17

,83

5,27

15

,68

Pora

sty

slab

o po

škod

ené

41-5

0%

1,54

4,

58

1,21

3,

60

1,56

4,

66

2,71

8,

08

2,70

8,

02

2,33

6,

92

2,46

7,

33

2,30

6,

85

51-6

0%

0,40

1,

19

0,55

1,

64

0,85

2,

54

1,41

4,

19

1,72

5,

11

1,55

4,

60

1,56

4,

63

1,47

4,

37

Pora

sty

stre

dne

pošk

oden

é, k

alam

itné

ploc

hy s

obno

vou

61-7

0%

0,16

0,

47

0,37

1,

10

0,65

1,

93

1,06

3,

15

1,22

3,

63

1,24

3,

70

1,19

3,

55

1,13

3,

36

71-8

0%

0,06

0,

19

0,32

0,

95

0,59

1,

77

0,85

2,

53

0,87

2,

57

1,05

3,

13

1,01

3,

01

0,93

2,

76

Pora

sty

siln

e po

škod

ené,

kal

amitn

é pl

ochy

s ob

novo

u

81-9

0%

0,03

0,

09

0,29

0,

87

0,50

1,

50

0,60

1,

78

0,58

1,

71

0,73

2,

18

0,85

2,

52

0,77

2,

30

91-1

00%

0,

02

0,06

1,

30

3,87

0,

48

1,42

0,

85

2,51

0,

88

2,61

0,

74

2,22

1,

73

5,15

1,

75

5,22

O

dum

iera

júce

a mŕtv

e po

rast

y,

nesp

raco

vaná

kal

amita

, vyť

ažen

é pl

ochy

SPO

LU

33,6

1 10

0,00

33,6

1 10

0,00

33

,59

100,

0033

,62

100,

0033

,49

100,

0033

,61

100,

0033

,58

100,

0033

,60

100,

00

Celk

ová

vým

era

smrečí

n =

441

tis.

ha ;

Vým

era

smrečí

n v

MC

HÚ

= 3

3,6

tis. h

a

1.3. Posudzovanie štruktúry a stability horských lesov s podporou DPZ 41SATELITYVSLUŽBáCHOCHRANYLESA

POSUDZOVANIE ŠTRUKTÚRY A STABILITY HORSKÝCH LESOV S PODPOROU DPZ1 (1.3.)

1. Úvod

Problematikastability,štrukturálnejadruhovejdiverzityhorskýchlesovvychádzavsúčasnostipredovšetkýmzpreukázateľnejexistenciedisproporciímedzistavom,ktorýjeaktuálnyapotenciál-nymstavom,ktorýjezekologickéhohľadiskažiaduciaprírodeblízky.Zaspomínanýmidispropor-ciamimôžestáťnajmä:

nesúlad medzi aktuálnym a potenciálnym, stanovištne zdôvodneným zastúpením drevínvdruhovejštruktúreadiverzitelesov;

rozpormedziekologickýmoptimomvýskytudrevín lesnýchspoločenstieva ichprodukčnýmmaximom;

možnýodklonodprírodeblízkejštruktúrynajmävzjednodušení,unifikáciiaktuálnejpriestorovejavýstavbovejštruktúrylesov;

významnývplyvdisturbanciíasynergicképôsobenieškodlivýchčiniteľovnajmävhorskýchle-sochaantropickýtlaknalesnéekosystémy;

nedostatočné zohľadňovanie širších priestorových a krajinno-ekologických súvislostí priplánovaníopatrenístarostlivostiohorskélesy;

diverzitastanovíšťakosúčasťpredispozičnýchfaktorovstability,potenciálnehoohrozeniaarizikadestabilizáciespoločenstievhorskýchlesov.

Základnýmvýchodiskovýmrámcomprácepriposudzovaníštruktúryastabilityhorskýchlesovjeporovnanieaktuálnehostavulesnýchspoločenstievsostavompotenciálnym,ekologickystabilnýmaprírodeblízkym.Možnohoodvodiťnazákladeuplatneniapoznatkovzákladnéhoaaplikovanéholesnícko-ekologickéhovýskumu,lesníckejtypológieaďalšíchšpeciálnychprieskumov.Predmetomriešeniasúzávažnéotázkyštruktúry,diverzityastabilitylesovanadväzujenaprácezaoberajúcesastavomavývojomhorskýchlesnýchekosystémov.

1PrácunatejtopodkapitolepodporilaASFEUajvrámciriešeniaprojektovIntegrovaný systém pre simuláciu od-tokových procesov(ITMS:26220220066,20%podiel)aAdaptívne lesné ekosystémy(ITMS:26220120049,20%podiel)aAgentúranapodporuvýskumuavývojanazákladezmluvyč.APVV-0632-07vrámciriešeniaprojektu:Vý-skum metód klasifikácie a štrukturálnych modelov priaznivého stavu lesných ekosystémov Slovenska – Hodnotenie stavu a vývoja lesov v krajine s podporou DPZ(20%podiel).

Pôvodnádrevinováskladbalesnýchspoločenstievbolapredmetomzáujmumnohýchvýskumní-kov, avšakvo formepoznatkovýchbázpôvodného (rekonštruovaného) drevinového zloženiajednotieklesníckejtypológiejuuvádzajúnajmäVladovičetal.(1997,1999),Vološčuk(2001),Vladovič(2003),Rizmanetal. (2007).Viaceroautorovsavenovaloajspôsobomhodnoteniaprirodzenosti–zachovalosti lesnýchporastov,resp.blízkostidrevinovéhozloženiavzhľadomkpotenciálnemustavu,napr.Grék (1966),Papánek (1967),SchwarzaRizmanet al. (2002),PolákaSaxaetal.(2005),Glončák(2007),GlončákaMartinák(2008).Špecifikýmspôsobom,tzv.metódouaproximácie,hodnotiablízkosťaktuálnehostavulesnýchporastovkupotenciálne-muGrék,Vladovič(1999),Vladovičetal.(1999),Vladovič(2003),pričomichmetodikavyuží-vaúdajezpoznatkovýchbáz.Voväčšineuvedenýchmetódfungujedrevinovázložkaakohlavnýukazovateľprirodzenostilesnýchekosystémov.Prihodnotenílesnýchporastovzhľadiskaichstabilityjevyužitiedrevinovejzložkyakohlavnéhohodnotiacehokritériaurčujúceazdôvodňu-jeajvhodnosťtakýchtometódvočičastopoužívanýmmetódamtzv.konceptu hemeróbie(Kowa-rik,1988;BlumeaSukop,1976;Grabherretal.,1995;Jurko,1990).Tentokonceptprivyhod-nocovanístavuvyužívavšetkyprítomnérastlinnédruhyajevhodnýskôrnahodnoteniepriro-dzenostirastlinnýchspoločenstiev,niezachovalostiastabilitylesnéhoporastu.Novémožnostiprihodnotenívhodnostiaktuálnehodrevinovéhozloženiasaotvárajúvanalýzepriestorovýchinformácií vyjadrujúcich abiotické prostredie a údajov z typologického prieskumu.Reliéf jejednouznajdôležitejšíchzložiekprírodnejkrajiny.Určujemnožstvoprijatejslnečnejenergie,akoajcelkovýúhrnzrážok,ovplyvňujepedogeneticképrocesyiďalšiepodmienkystanovišťa.Podrobnáznalosťreliéfuumožňujenapr.presnejšieurčovaniehraníclesnýchtypov,spresňova-niepôdnychmápauľahčujepriestorovévymedzenieamapovanieštruktúrnychprvkovaseg-mentov.VegetačnéstupnepoužívanévlesníckejtypológiidefinovalužA.Zlatník(1959,1976)nabázedominantnéhozastúpeniadrevín.Vychádzalzovzťahovmedzilesnýmidruhmiavege-tačnýmipásmivzmysleprácE.Schmidta(1939,1949).PodobnedefinovalvegetačnéstupnestrednejEurópyajEllenberg(1963).Vzájomnouanalýzouúdajovoabiotickýchpodmienkacha drevinovom zložení lesov s nezmenenou drevinovou skladboumožno vytvoriť nástroje nahodnotenievhodnostiaktuálnehodrevinovéhozloženia.

Okremdruhovejskladbydrevinovejzložkyjezpohľadustabilityveľmidôležitáajpriesto-rováštruktúralesnéhoporastu,predovšetkýmhorizontálnaavertikálna(VladovičaČabounetal.,1999;Čaboun,2000;Konôpka,J.aKonôpka,B.,2008).Aktuálnystavpriestorovejštruktúryhorskýchlesovječastoznačneodlišnýodštruktúryprírodnýchlesov.Štruktúraprírodnýchlesovje rôznorodá, charakterizovaná mozaikovitým maloplošným striedaním rôznych vývojovýchštádií(viacnapr.BončinaaDiaci,1998;Clemens,1936;Korpeľ,1995;Jaworskietal.,2002;QinghongaHakan,1991;Kucbeletal.,2009;Kenderesetal.,2009).Oprotitomusúčasná–ak-tuálnaštruktúrahorskýchlesovjeveľmičastohomogénna.Možnozatýmvidieťrozličnépríči-ny, napríklad vznik porastov sekundárnym umelým zalesnením niekdajších pasienkov aleboobnovaporastovintenzívnymihospodárskymipostupmi.

Priestorováštruktúrastromovejzložkyporastuvýrazneovplyvňujeajprízemnúvegetáciu,modifikuje životnépodmienkynielennedrevnatej synúzie, ale aj budúcej generácie stromov,nastupujúcehozmladenia(napr.ŠamonilaVrška,2008;Tinyaetal.,2009;Kucbeletal.,2009).Špecifickýmjavomhorskýchlesov,najmäv7.smrekovomvegetačnomstupni,jezmladzovaniesasmrekatakmervýhradnenaodumretomdreve(ZielonkaaNiklasson,2001;Holeksa,2001;Holeksaetal.,2007).Množstvoakvalitadrevnejnekromasyjetakďalšímdôležitýmprvkomvštruktúrehorskýchlesovzpohľaduichbudúcehovývojaastability.Vodbornejliteratúresúkvantifikovanérôzneparametreštruktúryhorskýchlesov(napr.SvobodaaPouska,2008),avšaksystematickéakomplexnejšiespracovanieproblematikyvoformepoznatkovýchbáz,odvode-nýchzvýsledkovvýskumu,doznačnejmieryabsentuje.

Väčšinaexistujúcichmetódnahodnotenieštruktúryjezaloženánaterestrickýchpraktikách,zčohovyplývačiastočnáobmedzenosťichuplatneniaprihodnoteníväčšíchúzemí.Perspektív-

1.3. Posudzovanie štruktúry a stability horských lesov s podporou DPZ 4342 JToze TJozef VT mTám oáomá

noualternatívoujevyužitieleteckýchasatelitnýchsnímok.Predovšetkýmvyužitieleteckýchme-račskýchsnímokmávlesníctvedlhodobútradíciu.Výskummetódichvyužitiajespravidlaak-celerovanýrozvojomtechnológií.Poslednýmimpulzombolprechodnamultispektrálnedigitál-nemeračskésnímkyastýmsúvisiacirozvojmetóddigitálnejfotogrametrie(ŠandorfiaChudý,2004;Žíhlavníketal.,2005).Kvalitnepripravenýstereoskopickýmodelsnímokjezákladomnaodvodeniedigitálnehomodeluporastu(DMP),podľaktoréhomožnourčovaťstromovéaštruk-túrno-porastové charakteristiky.AplikáciámDPZ v lesníctve sa u nás venoval Ľ. Scheer (inŽíhlavníkaScheer,2001). VoblastivyužitiaDPZ,najmäsatelitnýchscén,možnotiežnadviazaťnapoznatkyT.Buchu,J.VladovičaaR.Rašiho(inFeranecetal.,2010),ktorívNízkychTatráchajvďalšíchoblastiachSlovenskauplatnilimetódyklasifikáciedrevinovéhozloženia,štruktúrya zdravotného stavu lesovnabázeDPZ,vrátane ichuplatneniavhospodársko-úpravníckychprácach(Buchaetal.,2010).

Najnovšiesazačínajúpresadzovaťpostupyhodnoteniaporastovýchštruktúrzaloženénavy-užitílidarovýchalaserovýchdát(napr.AbrahamaAdolt,2006;Halahija,2009;BrollyaKiraly,2010;SačkovaKardoš,2014).

2. CieľCieľomprácebolonapríkladedvochširšieponímanýchmodelovýchúzemíapiatichdetail-

nejšieanalyzovanýchmodelovýchlokalítvNízkychTatráchprezentovaťnovéprístupyvposu-dzovaníštruktúry,textúryastabilityhorskýchlesovnabázekombináciepozemnýchadištanč-nýchmetódaprístupov,spodporouDPZapodrobnéhozisťovaniastavunavýskumnýchamo-nitorovacíchplochách.

3. Materiál a metódy3.1. Modelové územia a lokality

HlavnéaktivityvýskumusmesústredilidooblastiNízkychTatier,atododvochširšieponí-manýchmodelovýchúzemí (MU).PrvéMUsme lokalizovali doďumbierskej častiNízkychTatieradruhédokráľovohoľskejčastiNízkychTatier.Vkaždomúzemísmevybraliniekoľko(užšie–podrobnejšievnímaných)modelovýchlokalít(ML).Modelovéúzemia(MU):Jasenian-skadolina,Lomnistádolina,KulichovaaVajskovskádolinasmodelovýmilokalitami(ML)MLPodLatiborskouhoľouvJasenianskejdoline;MLŠirokýúplaz,MLKonštiaky,MLMedvediaúbočvLomnistejdoline.MUKráľovahoľasMLMartalúzka–Byčiarky.PolohaMUaML,naktorýchbolsústredenýintenzívnejšívýskum,jeznázornenánaobrázkoch1a)až1d).

Vovybranýchmodelovýchúzemiach(MU),modelovýchlokalitách(ML),navýskumnýchplochách(VP)apriobjektochvoblastihorskýchlesovNízkychTatier(obr.1)smezabezpečiliaktuálnepodrobnépodkladynabázeúdajovleteckéhoasatelitnéhoDPZ,t.j.farebnémultispek-trálneleteckémeračskésnímkyasatelitnéscény.Prehľadvyužitýchsnímokuvádzajútabuľky1a2.

PribližšejlokalizáciiašpecifikáciiMU,MLaVPuvádzameichpolohusúradnicamiSveto-véhogeodetickéhosystému1984 (WGS84).PriVPuvádzamesúradnice streduVP.PriMUaML uvádzame súradnice orientačných bodov na hranici polygónov podľa svetových stránvporadí1.najsevernejšívýbežok (okrajovýbod)orientovanýnasever–označenýakoS;2.okrajovýbodorientovanýnajuh–J;3.okrajovýbodorientovanýnavýchod–V;4.okrajovýbodorientovanýnazápad–Z.

Pri riešení smepracovalimetódoukombinovania plošných a bodovýchdát a kombináciepozemnýchadištančnýchmetód(DPZ).

Obr.1:Lokalizáciamodelovýchúzemíamodelovýchlokalít.Obr.1a)LokalizácialesnejoblastiNízkeTatryaKoziechrbtyvrámciSlovenska.Obr.1b)LokalizáciaMUJasenianska,Lomnistá,Kulichova,Vaj-skovskádolina(A)aKráľovahoľa(B)vrámcilesnejoblastiNízkeTatryaKoziechrbty.Obr.1c)MUJasenianska,Lomnistá,Kulichova,Vajskovskádolinasumiestnenímmodelovýchlokalít:1–PodLatibor-skouhoľou,2–Konštiaky,3–Širokýúplaz,4–Medvediaúboč.Obr.1d)MUKráľovahoľasMLMar-

talúzka–Byčiarky

3.2. Využitie podkladov DPZ: Mozaikovitosť textúr s uplatnením prístupov GISPosudzovanieaprezentovaniestavujednotlivýchsegmentovštruktúrya textúryvovzájom-

ných širších priestorových súvislostiach sme vykonali na báze zjednocovania geografických(priestorových)aatribútovýchinformáciívprostredíArcGIS.Textúryvybranýchreprezentatív-nychporastovýchaštrukturálnychtypov,segmentovaprvkovsmespracovaliaprezentujeme na bázepodkladovDPZ.Vnašejprácismepracovalisleteckýmimultispetrálnymisnímkamispriesto-rovýmrozlíšením0,2m.Štandardnesmemalikdispozícii multispektrálnesatelitnéscénySPOT(obr.3,6)spriestorovýmrozlíšením10m(5m)anavybranomúzemízLomnistej,KulichovejaVajskovskej doliny aj satelitnú scénu Ikonos z r. 2000 (obr. 2, 3) s priestorovým rozlíšením4m(1m).Vývojovétendenciezmientextúryskúmanýchsegmentovaichzoskupenísmezdoku-mentovaliavyhodnocujemezosériehistorickýchleteckýchmeračskýchsnímok,ktorésmezabez-pečiliztopografickéhoústavuvBanskejBystrici.Zabezpečilismeortorektifikáciuaktuálnych,akoajhistorickýchsnímok(NLCULZI),čímsmezískalimožnosťpresnéhostotožneniaskúmanýchavyhodnocovanýchobjektovvýskumu.Vprípadochnajpodrobnejšievyhodnocovanýchaprezen-tovanýchmodelovporastovýchtextúrsmepracovaliparalelneajsneortorektifikovanýmisnímka-mizdôvodueliminácieskresleníadeformáciíobrazuvsúvislostis„prevzorkovaním“snímok.

1.3. Posudzovanie štruktúry a stability horských lesov s podporou DPZ 4544 JToze TJozef VT mTám oáomá

Obr.2:SatelitnásnímkaIkonoszroku2000namodeliterénuslokalizáciousietemonitorovacíchplôch;územieLomnistej,KulichovejaVajskovskejdoliny(13x13km)

Pri klasifikácii segmentov (prvkov a typov) sme zohľadňovali posúdenie tzv. širšíchpriestorovýchsúvislostí,čižetoho,akosútietovzájomneusporiadané,akésúveľkostnéatva-rovécharakteristikyajvovzťahukdynamikereliéfnychtvarovnamodeli terénu,a tiežvovzťahukcharakterulesnatostinaposudzovanýchjednotkách(stratach)srelatívneväčšouvý-merou.

Tab.1:Prehľadzákladnýchcharakteristíkvyužitýchsatelitnýchscénamultispektrálnychleteckýchsní-mok

Družica Senzor Počet pásiem

Priestorové rozlíšenie [m] Snímky z roku

IKONOS MS,PAN 4;1 4;1 2000

SPOT5 HRG 5 5;10;20 2008

Landsat TM 7 30 2009

Leteckémultispektrálnesnímky UltraCamX 4 0.2 2009,2008

Tendencieatrendyvývojavybranýchtypovporastovýchtextúrsmedokumentovaliainter-pretovalinasériáchhistorickýchaaktuálnychleteckýchmeračskýchsnímok(tab.2;ukážkanaobr.3)ačiastočneajnavýrezochzvybranýchsatelitnýchscén(Ikonos,SPOT,Landsat).Nad-viazalismenanášpredchádzajúcivýskum,kdesmezabezpečiliaortorektifikovalisériehistoric-kýchaaktuálnychsnímokidentickýchmodelovýchúzemízviacerýchobdobínavýmereviacako670km2(383snímok;tab.2)voblastiachĎumbierskychaKráľovohoľskýchTatieraVepor-skýchvrchov(Vladovičetal.2010,2011).

Tab.2:PrehľadvyužitýchhistorickýchaaktuálnychleteckýchortofotosnímokModelové územie Výmera Druh snímok Mierka cca Dátum Počet snímokJasenianska, Lomnistá, Kulichova, Vajskovská dolina

210km2 panchromatické 1:20000 2.08.194925.09.1949

57

panchromatické 1:454101:45050

23.09.197117.10.1971

76

panchromatické 1:25110 30.07.1992 214-kanálovéinfračervené 1:27600 1.09.2008 434-kanálovéinfračervené 1:30358 22.07.2009

23.07.20092638

Kráľova hoľa 310km2 panchromatické 1:20000 25.09.1949 13panchromatické 1:30000 9.10.1979 233-kanálové(RGB) 1:14000 30.08.2005

31.08.20058340

Dobročský prales Klenovský Vepor

150km2 panchromatické 1:18000 7.08.1949 5panchromatické 1:32570 10.10.1979 53-kanálovéRGB 1:14000 19.08.2004 61

Spolu 670km2 383

Historickéleteckémeračskésnímky(obr.3)súvyužiteľnépriinterpretáciitendenciíatren-dovvývojaporastovýchtextúrvporovnanísaktuálnymstavomtextúrnapr.namultispektrál-nychleteckýchsnímkach.TakétopodkladysmezabezpečiliprevšetkyMUaMLavpráciuvádzamenapríkladochMLpodŠirokýmúplazom(obr.35)a MLMartalúzka–Byčiarky (obr.46,50).

1949Panchromatickásnímka

1971Panchromatickásnímka

1992Panchromatickásnímka

2009Multispektrálnasnímka,VP

2000Ikonos(kanály1/2/3) 2008SPOT(1/2/3) 2008SPOT(4/1/3) 2009Landsat(4/5/3)

Obr.3:Príkladsérieortorektifikovanýchhistorickýchaaktuálnychleteckýchmeračskýchasate-litnýchsnímok;výrezčastimodelovéhoúzemiavLomnistejdolinevNízkychTatrách

Významnoučasťouriešeniabolizisťovaniavýskumuzameranénaštruktúrno-textúrnumo-zaikovitosť, segmentáciua stratifikáciuMUaML,najmäpriplošnomvýskume, tematickommapovaníacharakteristikáchMUaML.Výhodoutakéhotoprístupujemožnosťvyužitiakom-binácieplošnýchmetódavýberovéhozisťovanianareprezentatívnychvýskumnýchplochách

1.3. Posudzovanie štruktúry a stability horských lesov s podporou DPZ 4746 JToze TJozef VT mTám oáomá

(VP).VybranéexperimentysmevykonalinatrochML:MLŠirokýúplaz–Konštiaky;MLMed-vediaúboč,MLMartalúzka–Byčiarky.

Orientovalismesaajnamožnosťzovšeobecneniazískanýchpoznatkovnalokálnejiregionál-nejúrovninauplatneniepoznatkovnapr.ajprianalýzachvýskytustabilnýchadestabilizujúcichtypovtextúryakoajnamožnostipredikcievýskytuočakávanýchdisturbančnýchjavov.

Segmentáciu, t. j. rozčlenenie posudzovaného územia na rámcovo homogénne segmentyzhľadiskaštruktúrya textúry lesnýchporastov,smevykonaliprostredníctvomsoftvéruDefi-niensDevelopernapodklademultispektrálnychleteckýchasatelitnýchsnímok.PrivybranýchMLsmeuplatniliajmetóduvizuálnejinterpretácieavektorizácie(lokalizáciehraníc)naortorek-tifikovanýchsnímkachvprostredíArcGIS.

Podľanašich skúsenostíoptimálnympostupomjevyužívaťcelúdisponibilnúsériuhistoric-kýchaaktuálnychortofotosnímokspodpornýmipodkladmi(informáciami)zpozemnýchzisťo-vaní.Pritomtopostupesmeuplatnilimetódyvizuálnejinterpretácieaklasifikácie,pričomprepí-nanímmedzisnímkamiidentickéhoúzemiavprostredíArcGISapostupnýmiiteráciamijemož-névizuálnevyhodnotiťvývojovétendencietextúryposudzovanýchsegmentovlesnýchporastov(VladovičaBucha,2011).

3.3. Podrobné zisťovania na výskumných plochách ako východisko pre kalibráciu a interpretáciu na báze podkladov DPZ

Podrobnébodovézisťovaniasmeuskutočnilinavýskumnýchplochách(VP)dvochhierar-chických úrovní podľa rozsahu a podrobnosti zisťovania skúmaných parametrov.NadviazalismenarozsiahlyapodrobnýempirickýmateriálzískavanýpredovšetkýmzVPlokalizovanýchstratifikovane podľa typologických jednotiek a lesných oblastí na celom území Slovenska.VprezentovanejprácismepozornosťsústredilinareprezentatívneVP,objektyamodelovéloka-lity,doktorýchsmesústrediliexperimentyvýskumu.Základnýmkritériomprereprezentatív-nosťvýberubolvýskytpožadovanýchreprezentantovtypovporastovýchštruktúrvposudzova-nomúzemí.NavybranýchVPsúzachytenéajvývojovétendencieatrendydendro-,fyto-ape-dozložkyzopakovanýchzisťovanípo50až30rokoch,pričommuselabyťsplnenánamizadefi-novanápožiadavkaobdobianávratupriopakovanomzisťovaníminimálne30rokov.VprípravesmevychádzalipredovšetkýmzidentifikácieaGISlokalizácie18543typologickýchreprezen-tatívnychplôch(TRP)naúzemílesovSR(Vladovičetal.,2008,2011). Vterénesmezpripra-venýchTRPvyhľadali,presnelokalizovaliaobnovilicelkom2516VP,ztohona2310VPsmevykonaliopakovanézisťovaniapo50až30rokochnaúzemíceléhoSlovenskapodľatypologic-kýchjednotiek, ztohovhorskýchlesoch953VP. PodrobnesmetechnológiouFieldMapzmera-li232VPpodrobnejšejúrovne, ztohovhorskýchlesoch122VP.

Pri kalibrácii zisťovaných parametrov medzi podrobne pozemne skúmanými segmentmiaprvkamilesnýchporastov aúdajmiklasifikovanýmispodporouDPZsmevýznamnoumierouuplatnilinajmäpodrobnemeranéVPtechnológiouFieldMap(VPdruhej–podrobnejšejúrovne).NastabilizovanýchameranýchVPsme(akovstupydokatalóguštruktúra textúrvybranýchhlavnýchspoločenstievhorskýchlesov)zaznamenalibiometrickéúdajeapozičnémeraniavšet-kýchstromovvrátaneležiacehoodumretéhodrevaavykonalitypologickéapedologickézisťo-vania.

VšetkymeranéVP,ktorésmepriebežnevizualizovaliazaraďovalidodatabáz(katalógu)reprezentantovporastovýchštruktúratextúr,pozostávajúzSVSvizualizácienáhľadudointe-riéruvýskumnejplochy–pohľadprotispádnici,SVSvizualizácieprofiluvýškovejštruktúry–pohľadpovrstevnicikolmonaspádnicuplochy(t.j.náhľad+90º),hemisférickejsnímkykorunovejsféryvinteriériplochy(orientácianasever),ArcGISvizualizáciekorunovýchpro-jekciístromov,pňovaležiacehoodumretéhodreva,grafickéhoznázorneniavýškovejštruktú-ry(početnostistromovpo2mvýškovýchstupňoch;pokryvnostidrevínakrovvovertikálnychvrstváchpodľaA.Zlatníka (1953,1976),hrúbkovejštruktúry (početnosti stromovpo5cm

hrúbkovýchstupňoch)azastúpeniadrevín(obr.4).VPsmepomocouGPSmeranípresnelo-kalizovalidoortofotomápazároveňajdoneortorektifikovanýchleteckýchmultispektrálnychsnímok(obr.5).VPsmenáslednevyužiliakotréningovéplochypreinterpretácievýsledkovzpodkladovDPZ,tiežakoobjektykalibrácieúdajovprepozemnéadištančnézisťovaniapo-rastových dát, tematickémapovanie a klasifikáciu prvkov, segmentov a typov porastovýchštruktúratextúr.

Obr.4:SVSaArcGISvizualizáciavertikálnejahori-zontálnejštruktúryVPVX1;zastúpeniedrevín,výš-

kováahrúbkováštruktúra

Obr.5:TextúraporastuvpriestoreVPVX1namultispektrálnejleteckej(IRC)snímke

InformačnéspektrumVPkompatibilnéspredchádzajúcimvýskumom(Vladovičatal.,2011)jezloženézozákladnýchidentifikačnýchúdajovoVP:

označenieVP; dátumzisťovania; menopracovníka; súradniceWGSaďalšie; stanovištnéaterénnecharakteristiky:lesnýtyp,reliéfterénu,nadmorskávýška,expozícia,

sklonatď.; porastovécharakteristiky:zastúpeniedrevín,porastovýtyp,vek,zakmenenie,zápojaďalšie; fytocenologickécharakteristiky:pokryvnosťfytocenózadrevín,opisstromovýchtried; terénnyopisaklasifikáciapôd; pedologickécharakteristikyapôdnevzorky; dendrometrickécharakteristiky:hrúbka,výška,pozíciastromu,projekcieaparametrekorún

–komplexnézachyteniehorizontálnejavertikálnejštruktúrystromovejvrstvy,akoajpopisstojacehoaležiacehoodumretéhodreva.

UkážkapríkladusystémuvizualizáciepodrobnemeranejvýskumnejplochyvsystémeStandVisualisationSystem(SVS)(McGaughey,2002)avprostredíArcGISjenaobrázku4.Zobrazu-jestavdruhovejahorizontálnejštruktúrydrevinovejzložkyvrátanepokryvnosti,korunovéhozápoja,množstvaarozmiestnenialežiacehoodumretéhodreva.Ďalšieobrazové,grafickéanu-merickésúčastispracovaniaVPsúorientovanénavertikálnuvýstavbovúštruktúru,hrúbkovúavýškovúštruktúruazastúpeniedrevín.

PrivybranýchúdajochzmeranýchVPtechnológiouFieldMap(vtabuľkách3až7)uvádza-meWGSsúradnice,nadmorskúvýšku,sklonaexpozíciu.Ďalejstručnecharakterizujemeporas-

1.3. Posudzovanie štruktúry a stability horských lesov s podporou DPZ 4948 JToze TJozef VT mTám oáomá

tovú výstavbovú štruktúru, výškovú a hrúbkovú rozrôznenosť, podiel ležiaceho a stojacehoodumretéhodrevaavtexteuvádzamepopisekologickejstabilitykonkrétnehotypuporastovejštruktúry.Významnoucharakteristikou,vyjadrujúcouhustotuporastovjekorunovýzápoj.ZápojsuplatnenímmeranýchkorunovýchprojekciíjednotlivýchstromovnaVPpodrobnejúrovnebolodvodenývprostredíArcGISakopercentuálnypodielsúhrnnejplochyzjednoteniapriemetovkorunovýchprojekcií stromov (poodstránení duplicity plôchvzájomnýchprekrytovvovrst-vách)zcelkovejvýmeryVP.

Vprezentovanejprácipredstavujemecharakteristikyvybraných41VP.Uvádzamevýškovúahrúbkovúvariabilitudrevinovejzložky(%),maximálnuvýšku(m)amaximálnuhrúbku(cm)akomaximá z nameraných výšok jednotlivých stromov na ploche.Uvádzame objem živýchstromov(m³.ha-1)hrubinystromovejskôrou,akoajpočetživýchstromovspoluaobjemležia-cehoodumretéhodreva,tzv.ležaninu(m³.ha-1)hrubinyskôrou.

Na všetkýchVP sme okrem podrobného biometrickéhomerania technológiou Field-Mapvykonalitiežsystematickéfotografickésnímkovanieinteriéruporastu,fytocenózyapedologic-kejsondy,hemisférickésnímkovaniezostreduVPdokorunovejsféry.Zabezpečilismeajinte-raktívnekruhovéfotopanorámy360°vybranýchreprezentatívnychvýskumnýchplôchaďalšíchobjektov,ktoréumožňujúriešiteľomaužívateľominteraktívnypohybvpriestoreadetailnézo-súladenieavizualizáciuvýskumomzabezpečenéhoempirickéhomateriálu.VyhotovilismetiežsystémsekvenciívideozáznamovpolohovolokalizovanýchpomocouGPS.Štandardnesmezho-tovilikruhovéhorizontálnevideozáznamyinteriéruVP(360°)zostredu,akoajvertikálnystre-dový(360°)videozáznamdokorún.KdispozíciimámeajsekvencieinteriéruporastuVPoprotispádniciapovrstevnicizobochvonkajšíchstrándovnútraplochy.

Posudzovanieekologickejstabilitymapovanýchštruktúrnychsegmentov,prvkov,ichzosku-pení a lesných porastov s lokalizovanýmiVPdo stupňov ekologickej stability sme vykonalipodľa5-člennejklasifikačnejškályvzmyslemetodikyVladovičetal.(1999).Stupeň1–lesnéekosystémystabilné;2–smiernenarušenouekologickoustabilitou(ES);3–sostrednenaruše-nouES;4–sveľminarušenouES;5–lesnéekosystémynestabilné.Vniektorýchprípadochsmepoužiliajzjednodušenútrojčlennúslovnústupnicu:stabilné;snarušenouES;nestabilné.

4. Výsledky

4.1. Modelové územie – Jasenianska, Lomnistá, Kulichova a Vajskovská dolinaPredmetnéMUmározlohu11750haalesnatosť80,5%.Územieležívnadmorskýchvýš-

kach520–1980mspriemernýmsklonom22°.Podkladtvoriabiotitickéadvojsľudovérulyspáskovanoualebookatoutextúrouagranodiorityažgranityprašivskéhoaďumbierskehotypu.Nanichsavyvinulikambizeme,rankre,vovyššíchčastiachpodzolyhumusové. LesnéporastyvMUpatriado4.až8.vegetačnéhostupňa(4.vs7%,5.vs32%,6.vs28%,7.vs17%a8.vs16%). Vporastochdominujesmrekobyčajný(48%),buklesný(23%)ajedľabiela(9%),os-tatnédrevinytvoriaspolu9%aborovicahorská-kosodrevinapokrýva11%lesnéhopôdnehofondu. NajzastúpenejšímiskupinamilesnýchtypovsúAbieto-Fagetum inf.17,8%,Mughetum acidifilum9,6%,Abieto-Fagetum sup.8,9%,Sorbeto-Piceetum7,9%,Fageto-Aceretum inf. 7,4%aFageto-Aceretum sup.6,6%.

Územiejezobrazenénaobr.6.NavýrezezosatelitnejscénySPOTzr.2008priusporiadaníspektrálnychkanálov4/1/3zreteľnevizuálnevynikáohraničenievegetácienaúrovnisúborovporas-tovýchtypov(SPT).TojemožnévyužiťprilokalizáciihranícSPTpritematickommapovaníaposu-dzovanístavulesov,najmäichdrevinovéhozloženia(VladovičaBucha1999;Vladovič,2003;Vla-dovičetal.,2011).Taktoohraničenésegmentylesnýchporastovsúvhodnýmijednotkamiajnapre-pájaniespoznatkovýmibázamiamodelmivhodnosti,žiaducejštruktúryaposudzovaniapriaznivéhostavu.

Obr.6:MUChabenec–SPOT2008(kanály4/1/3)slokalizáciouvýskumnýchamonitorova-cíchplôch. Veľmidobreviditeľnéohraničeniejednotlivýchtypovporastovýchtextúraštruktúr

(súboryporastovýchtypov,typyaprvky,segmentyobrazu)

Naobr.7súnaortofotomapezdigitálnychmultispektrálnychleteckýchmeračskýchsnímokzachytenétextúrylesovvlokalitepodLatiborskouaRáztockouhoľou.Priestorovérozlíšeniepixelu0,2maspektrálnecharakteristikysnímok(tab.1,2)umožňujúuž rozlíšenie jedincovdrevín (príp. aj krov) a porastových typov (konkrétnychdrevinových zmesí), čo dáva veľmidobrépredpokladyširokéhovyužitiasnímokpriposudzovanístavulesnýchspoločenstievapo-rastovatematickommapovanínabázedetailnejšiehorozlíšeniaporastovýchtextúr.

Textúryprevažneekologickystabilnýchprírodnýchaprírodeblízkychlesovnaobr.7vnie-ktorýchlokalitáchkontrastujúsdestabilizovanýmiporastmirovnovekýcharovnorodýchsmre-čín,ktorépredstavujúpotenciálnerizikodestabilizácie.Premenajedľovýchbučínabukovýchjedlínnaporastovétypysprevahousmrekajerizikomzníženiaekologickejstabilityaprírodnejhodnotydotknutýchspoločenstiev.Určitýmrizikomjeajfragmentáciačastiúzemiaodrubnýmipásovýmiformamihospodárskychzásahov.Nasnímkachvidieťprirodzenévertikálnešíreniebukaajedledovysokýchpolôh,vyše1350mn.m.,čodávapredpokladzvýšeniadruhovejbi-odiverzitydrevinovejzložkyhorských lesnýchekosystémov izvýšeniastability týchto lesov.Významnejšierizikáspočívajúvexponovanýchlokalitáchnavýslnnýchexpozíciách(expozícieJZ,Z,J),kdenajmähomogénnejednovrstvovésmrečinysúpotenciálnymrizikomdestabilizá-cie.

1.3. Posudzovanie štruktúry a stability horských lesov s podporou DPZ 5150 JToze TJozef VT mTám oáomá

Obr.7:Textúra lesovvJasenianskejdoline,v lokalitePodLatiborskouaRáztockouhoľounamultispektrálnychleteckých(IRC)snímkachzroku2009spriestorovýmrozlíšenímpixelu0,2m,

slokalizáciouvýskumnýchamonitorovacíchplôch

4.2. Typické porastové štruktúry v lokalitách Pod Latiborskou a Ráztockou hoľou v Jasenianskej doline z pohľadu vhodnosti a stabilityModeloválokalita(ML)PodLatiborskouhoľousvýmerou160,6hasanachádzavJasenian-

skejdolinevďumbierskejčastiNízkychTatier.SúradniceWGSML:S:48°54'36";J:48°53'50";Z:19°23'24";V:19°24'50".NadmorskávýškaMLsapohybujeod780do1310m.Prie-mernýsklonsvahuje21,8°.Podkladtvoriabiotitickégranodiorityažgranity.Zpôdprevažujúkambizemetypické.PrevažujúceskupinylesnýchtypovsúAbieto-Fagetum inf., Fageto-Acere-tum sup., Fageto-Aceretum inf., Abieto-Fagetum sup., Fageto-Aceretum humille.

MLjezameranánajmänavýskumasledovaniestavuavývojaamozaikovitostiporasto-výchštruktúratextúrprírodnýchlesovajlesovpralesovéhocharakteru5.jedľovo-bukovéhoa6.smrekovo-bukovojedľovéhovegetačnéhostupňa.Naverifikáciusystémuposudzovaniazachovalosti(prirodzenosti),vhodnostištruktúryaklasifikácieekologickejstabilityhorskýchlesov.VMLsmevrámcivýskumulokalizovaliaobnovili12výskumnýchplôch(VP).Vybra-nétypyporastovýchštruktúrprezentujemevkontexteposudzovaniaichstanovištno-ekologic-kejvhodnostiastabilitynabázeexaktnýchúdajovzpodrobnemeranýchVPsprepojenímnapoznatkovébázyaindividuálneštrukturálnemodelypriaznivéhostavupodľaprácVladoviča(2003),Vladovičaetal.(2011).

Obr.8:ModeloválokalitaPodLatiborskouhoľou.Ukážkaporastovýchtextúrekologickysta-bilnýchtypovspoločenstievzmiešanýchlesovv5.a6.vsslokalizáciouvýskumnýchplôchaspríkladmiSVSvizualizácieVP2A,21I,8A.VkontrastesohrozenýmiadestabilizovanýmiprevažnenezmiešanýmirovnorodýmiarovnovekýmismrečinamimimoML(napravomokraji

snímky,detailnejšienaobr.12)

Vybrané údaje a odvodené charakteristiky z reprezentatívnych ukážok typovporastovýchštruktúrnapodrobnemeranýchvýskumnýchplocháchzlokalítPodLatiborskouaRáztockouhoľouuvádzatabuľka3.Vtabuľkesmezvýraznilikorunovýzápojakovýznamnúcharakteristi-ku,ktorákorelujesosnímkamiDPZnajmäprihornýchvrstváchporastov,ktorésúnasnímkachviditeľné.

VPvizualizovanévsystémeSVSsúzobrazenénaobrázkoch11,12,13,16avsystémeArc-GISnaobrázku14.Ukážkytypickýchtextúrsúnaobrázkoch8,9,10,13,15.

Ďalejprezentujemeposúdenievhodnostia stabilityvybraných reprezentatívnychaplošneprevažujúcichtypovporastovýchštruktúratextúr.

Obr.9:PorastovétextúryMLPodLatiborskouhoľouzosvahuspodLopušného

1.3. Posudzovanie štruktúry a stability horských lesov s podporou DPZ 5352 JToze TJozef VT mTám oáomá

Obr.10:TextúryporastovvMLPodLatiborskouhoľounamultispektrálnejleteckejsnímkezr.2009

Obr.11:SVSvizualizáciavýstavbovejštruktúryvýskumnýchplôch4A,7D

Nastanovištiachvskupináchlesnýchtypov(slt)Abieto-Fagetum inf.súzhľadiskaposú-deniavhodnostidruhovej štruktúrynaúrovniSPTekologickypriaznivénasledovnésúboryporastovýchtypov(SPT):jedľovébučiny,porastyjedleslistnáčmi,bučiny,smrekovo-jedľovébučiny,smrekovébučiny,bučinyscennýmilistnáčmi.VsltFageto-Aceretum inf.súekologic-ky priaznivé SPT: jedľové bučiny, bučiny s cennými listnáčmi, bučiny, smrekové bučiny,smrekovo-jedľovébučiny,smrekovo-bukovéjedliny.VsltAbieto-Fagetum sup.súekologickypriaznivé nasledovné SPT: bukovo-jedľové smrečiny, smrekové bučiny, smrekovo-bukovéjedliny,jedľovébučiny,bučiny,bukovésmrečiny,bučinyscennýmilistnáčmi,jedľovésmre-činy.VsltSorbeto-PiceetumsúekologickypriaznivéSPTsmrečinyasmrečinyslistnáčmi.VsltAcereto-PiceetumekologickypriaznivéSPTsmrečinyslistnáčmiajsmrečiny.

Textúryporastovýchtypovzmesíbučínscennýmilistnáčmiajedľounaprirodzenýchsta-novištiach(slt)súekologickystabilné.Jednotliváaleboskupinkovitáprímessmrekapredmet-né spoločenstvánemusídestabilizovať a aj vprípadepredčasnéhoúhynu jedincov smreka,napr. vplyvom premnoženia podkôrneho hmyzu, nepredstavuje nadmerne zvýšené rizikodestabilizácie.

PríkladomrizikovéhotyputextúryvhospodárskychlesochvblízkostiMLsúrovnorodé–nezmiešené a rovnoveké smrečiny hospodársky využívaných porastov iba smalou prímesouinýchstabilizujúcichdrevín.PríkladtakéhototyputextúryaštruktúryvlokalitekViržingu,naparalelnejlokalitesNPRPodLatiborskouhoľou,uvádzamenaobrázku8vpravohoreanaobr.12.Sútodestabilizujúcetextúrysoznakmikalamitnýchohnískvplyvompremnoženiapodkôr-nehohmyzu,silneohrozenévetromasnehom.Pritakýchtotypochporastovjeveľmidôležitédodržaťpodmienkuvčasnýchvýchovnýchzásahovvprogramochstarostlivosti,ktorésúzame-ranénajmänazabezpečenieichstatickejstabilitysdôrazomnapodporuprimiešanýchspevňu-júcichamelioračnýchdrevín.

Ďalšími rizikovými typmi sú odrubmi rozpracované porasty pôvodných jedľových bučínabukovýchjedlínsozámenoujedlezasmrekprizalesňovaníťažbovo-obnovnýchprvkovaka-lamitnýchholín.Vtakýchtotypochjedôležitápodporaporastovýchskupín,jedincovazvyškovpôvodnéhodrevinovéhozloženiazprirodzenéhozmladenia.

PorastovéštruktúrysmezachytilinavybranýchVPmeranýchtechnológiouFieldMap.Ichrozmiestneniedokumentujúobrázky(8,10).VybranéúdajezmeranýchVPuvádzatabuľka3.Ukážkytypickýchtextúrsúnaobrázkoch(8,9,10,13,14,15). Tab.3:PrehľadzákladnýchúdajovaodvodenýchcharakteristíkzpodrobnemeranýchVPzlokalítPodLatiborskouaRáztockouhoľou

VPN

zemepis.šírka

Ezem

epis.dĺžka

sltNa

dm.

výška

Exp.

Sklon

Zápoj

Objem

živ

ých

strom

ov

Počet

strom

ov

Ležia

ceodum

reté

drevo

Stojac

esuc

háre

Max.

výška

Výšk.

variabil

Max.

hrúbka

Hrúbk.

variabil

Str.

hrúb

[mn.m.]

[º][º]

[%]

[m³.h

a-1]

[n.ha

-1 ][m³.h

a-1]

[m³.h

a-1]

[m]

[%]

[cm]

[%]

[cm]

2A48°5

3'59.32

"19°2

3'48.05

"FA

cinf.

880

187

2769,29

844

360

170,1

07,5

42,7

37,1

80,3

5246,1

4A48°5

4'5.9

4"19°2

3'48.30

"AF

inf.

955

120

27,5

74,94

918

330

65,04

3,246,8

29,9

83,5

50,4

47,8

21I

48°5

4'11.41

"19°2

3'41.21

"AF

inf.

982

205

2471,80

1048

490

297,9

124

53,1

78,2

9289,7

40,2

32I

48°5

4'0.5

0"19°2

4'4.0

0"AF

inf.

890

198

2892,87

1052

330

114,6

912

43,5

36,7

140,6

68,1

48,3

7D48°5

4'9.3

6"19°2

4'13.75

"AF

sup.

1052

225

2570,19

781

4300

274,6

977

41,9

202,9

79,4

360

128A

48°5

4'21.89

"19°2

3'53.23

"AF

sup.

1150

170

2275,60

543

300

200,8

926

38,5

19,4

78,9

3838,7

10H

48°5

4'14.90

"19°2

4'4.6

1"AF

sup.

1088

250

2965,12

663

490

264,4

643

39,1

28,7

73,7

43,6

34,4

10A

48°5

4'29.48

"19°2

3'56.87

"FA

csup.

1216

195

26,5

72,82

566

390

33,35

929,5

7481,5

95,7

37,6

12A

48°5

4'33.23

"19°2

3'59.93

"FA

chum

1315

183

2089,07

413

450

55,21

5728,2

30,1

9054,4

35,8

7B48°5

3'25.76

"19°2

4'8.4

2"Ac

Psup.

1180

303

3060,56

460

530

14,9

2833,4

70,4

68,4

77,4

31,4

12B

48°5

3'16.80

"19°2

4'9.3

6"SP

1360

325

4056,51

578

380

27,48

3,533,82

29,3

51,4

37,4

41,5

inf.–inferiora(nižšístu

peň);sup.–su

periora(vyššístu

peň)

1.3. Posudzovanie štruktúry a stability horských lesov s podporou DPZ 5554 JToze TJozef VT mTám oáomá

Ďalejprezentujemezákladnécharakteristikyjednotlivýchvybranýchreprezentantovty-povporastovýchštruktúrzachytenýchnaVPvMLPodLatiborskouhoľou(tab.3,obr.14).

PorastováštruktúratypusmrekovábučinascennýmilistnáčmiprírodnéhocharakterunastanovištisltFageto-Aceretum inf.nakambizemimodálnejnagranodioritevlokalitenadchatouLatiborkavlokalitetranzektuNPRPodLatiborskouhoľou;VP2A.Zekologickéhohľadiskarelatívnestabilnýtypporastovejštruktúryspotenciálnymrizikomvýpadkujedin-covsmrekaúhynomvplyvompodkôrnehohmyzu.Dočasnetomôžespôsobiťzníženieko-runového zápoja a zakmenenia s následným doplnením uvoľneného priestoru nástupomprirodzenéhozmladeniapôvodnýchdrevín–bukaacennýchlistnáčov.

Obr.12:Príkladdestabilizovanejtextúrypre-važne rovnorodých a rovnovekých smrečín

vlokalitekViržinguvblízkostiML

Obr.13:MLPodLatiborskouhoľou–príkladtextúrytypu10H(SVS),VP7D;jedľovébuči-

nyscennýmilistnáčmiasmrekom

2Azápoj69,29% 4Azápoj74,94 21Izápoj71,80 32Izápoj92,87 7Dzápoj70,19

8Azápoj75,60 10Hzápoj65,12 10Azápoj72,82 12Azápoj89,07 12Bzápoj56,51

Obr.14:Horizontálnaštruktúra,textúraakorunovýzápojVPvJasenianskejdoline, vlokalitáchpodLatiborskouaRáztockouhoľou

Prirodzenáporastovázmesbuka,jedleasmrekasjavorommliečnymnastanovištisltAbieto-Fagetum inf.nakambizemimodálnejnagranodioritenatranzekteNPRPodLatibor-skouhoľou;VP4AnadHornouTvrdou(obr.11).Porastováštruktúrav5.vssanachádzavkontaktnejzóne–narozhraní6.vs–jeekologickystabilnáažstrednestabilnásčiastoč-nýmohrozenímsmrekapodkôrnymhmyzomnabočnomhrebienku.

Porastováštruktúratypusmrekovábučinascennýmilistnáčmiajedľou(SPTsmrekovébučiny)prírodnéhocharakterunastanovištisltAbieto-Fagetum inf. nakambizemimodálnejnadioritevlokalitenadDolnouRignerkou(kMrchapotoku)vNPR;VP21I.Zekologické-hohľadiskastrednestabilnýtypporastovejštruktúrysoschopnosťouautoregulácie.Poten-ciálnerizikospočívavmožnomúhynesmreka,ktorýsanachádzavjednotlivomprimiešaní.Poprípadnomúhynebyzásadnenedestabilizovalspoločenstvo.

Štruktúratypujedľovábučinasosmrekomprírodnéhocharakteru(SPTjedľovébuči-ny)na stanovišti sltAbieto-Fagetum sup. nakambizemina rulev lokalitenadDolnouTvrdouvNPR;VP10H(obr.13).

Stabilnýtypporastovejštruktúry–bučinysosmrekomprírodnéhocharakterunasta-novištisltAbieto-Fagetum sup.nakambizemipodzolovejnarulenatrazekteNPRPodLatiborskouhoľounadHornouTvrdou;VP8A.

Štruktúra typu jedľovábučinascennými listnáčminastanovištiAbieto-Fagetum inf. na kambizemimodálnejnagranodiorite;VP32I(obr.15,16).Zekologickéhohľadiskastabilnýtyp porastovej štruktúry smožným čiastočným rizikom statickej destabilizácie (niektorýchjedincovbukavblízkostiVP)vplyvompodmáčaniaprameništnýmivýtokmi.

Obr.15:Detailtextúryzmesijedľovýchbu-čínscennýmilistnáčmivMLpodLatibor-

skouhoľouzprotiľahléhosvahu

Obr.16:Štruktúraprírodnýchjedľovýchbu-čín–interiérporastuVP32I

JedľovosmrekovábučinascennýmilistnáčminastanovištisltAbieto-Fagetum sup.nakam-bizemimodálnejnarule;VP7D.

Bučinysprímesou javorahorskéhona stanovišti sltFageto-Aceretum sup.nakambizemimodálnejnagranodioritevlokalitetranzektuNPRPodLatiborskouhoľou;VP10A.

BučinynižšiehovzrastuprírodnéhoajpralesovéhocharakterunastanovištisltFageto-Ace-retum humillenakambizemimodálnejnagranodioritevlokalitetranzektuNPRPodLatiborskouhoľou;VP12A.

NazvyškutranzektuVPPodRáztockouhoľousmeznovulokalizovali3VP,ztohonadvochv7.smrekovomvegetačnomstupnismevykonaliajbiometrickémeraniatechnológiouField-Map.

Porastováštruktúratypu–smrečinasprímesoujedle,bukaajarabinyprírodnéhocharakteruna stanovišti sltAcereto-Piceetum napodzolekambizemnomna rulev lokaliteLopušnépodchatkou;VP7B.

Smrečinana stanovišti sltSorbeto-Piceetum na rankripodzolovomna rulev lokalitenaddolinkouMelicherkanatranzektepodRáztockouhoľou;VP12B.

1.3. Posudzovanie štruktúry a stability horských lesov s podporou DPZ 5756 JToze TJozef VT mTám oáomá

4.3. Porastové štruktúry v Lomnistej doline z pohľadu vhodnosti a stabilityÚzemieLomnistejdolinysvýmerou1623hasanachádzavďumbierskejčastiNízkychTa-

tier.WGSsúradniceúzemia(orientačné):S:48°56'18";J:48°51'43";V:19°29'14";Z:19°27'44".Nadmorskávýškasapohybujeod613do1980m.Priemernýsklonsvahuje22,6°.

VybranéúdajezpodrobnemeranýchVPuvádzatab.4.Ukážkyvybranýchreprezentantovtextúrsúnaobrázkoch17,18,19,21,22.

Obr. 17: Územie Chabenec – Kotliská –Skalka–Žiarskahoľa;satelitnásnímkaIko-

noszroku2000

Obr.18:ÚzemieChabenec–Kotliská–Skalka–Žiarskahoľa;multispektrálne

snímkyzroku2009

Obr.19:TextúryporastovhorskýchbučínnaIRCortofotosnímke s lokalizáciouVP83D(okraj VP zasiahnutý lavínou), aj smrečíns jarabinouakosodrevinys jarabinouvzá-

vereLomnistejdoliny

Obr.20:SVSvizualizáciavýstavbovejštruktúryvýskumnýchplôch83D,78D;

základnéúdajevtab.4

Prezentujemeprírodeblízke,modelovéštruktúrystabilnýchastabilizujúcichreprezentantov–VP.

PorastováštruktúratypuprirodzenábučinanízkehovzrastupodhornouhranicoustromovejvegetácienastanovištisltFageto-Aceretum humillenakambizemimodálnejnažulevlokaliteVlačiny;VP83D(obr.20). Tab.4:PrehľadzákladnýchúdajovzpodrobnemeranýchVPzúzem

iaLom

nistejdoliny

VPN

zeme

pis.šírka

Ezeme

pis.dĺžk

aslt

Nadm

.výška

Exp.

Sklon

Zápoj

Objem

živ

ých

strom

ov

Počet

strom

ov

Ležia

ceodum

reté

drevo

Stojac

esucháre

Max.

výška

Výšk.

variabil.

Max.

hrúbka

Hrúbk.

variabil.

Str.

hrúb.

[mn.m.]

[º][º]

[%]

[m³.h

a-1]

[n.ha

-1 ][m³.h

a-1]

[m³.h

a-1]

[m]

[%]

[cm]

[%]

[cm]

83D

48°5

5'41.20

"19°2

9'55.14

"FA

chum

.sup.

1328

170

3580,58

439

850

18,23

322,8

20,5

61,5

35,5

27VX

11HL

48°5

5'39.25

"19°2

9'27.71

"Ac

Psup.

1348

195

3132,29

543

460

106,8

383

38,5

87,6

8096,7

34,9

VX8H

L48°5

5'15.40

"19°2

9'41.20

"SP

1420

315

3344,13

421

380

18,67

5626,7

38,2

64,3

42,8

40,3

82D

48°5

5'22.51

"19°2

8'43.18

"AF

sup.

1170

140

4068,33

617

530

45,27

329,6

54,6

77,9

69,3

33,9

85D

48°5

5'18.16

"19°2

8'9.0

1"FA

chum

.sup.

1348

183

2062,88

275

440

50,80

4326,8

50,7

54,7

63,4

50,7

VX23

HL48°5

4'38.84

"19°2

9'0.9

6"SP

1387

260

3061,88

604

450

223,0

080

27,8

18,9

56,1

29,6

40,2

80D

48°5

4'14.69

"19°2

8'54.37

"Faps

up.

1083

276

3554,03

635

500

74,77

3433,3

30,1

56,7

34,3

36,7

VX14

48°5

4'7.2

5"19°2

7'49.59

"SP

1395

8525

45,96

158

290

1,31

2326,5

5365,5

58,4

33,6

87D

48°5

4'0.6

1"19°2

8'26.08

"FA

sup.

1080

4033

68,12

608

730

140,3

956

35,7

44,8

5454,2

30,2

78D

48°5

3'57.88

"19°2

9'16.19

"Fa

p inf.

1059

310

4076,93

385

1380

123,9

964

35,7

94,2

59,3

108,5

19,4

1.3. Posudzovanie štruktúry a stability horských lesov s podporou DPZ 5958 JToze TJozef VT mTám oáomá

ŠtruktúratypusmrečinasvtrúsenýmbukomprírodnéhocharakterunastanovištisltAcereto--PiceetumnakambizemipodzolovejnagranodioritevlokaliteVlačiny;VPVX11HL.

Štruktúratypu–smrečinasjarabinoucharakteruprírodnéholesaažpralesanastanovištisltSorbeto-PiceetumnarankripodzolovomvlokaliteHornýKonštiak;VPVX8HL.

Panchromatickáortofotosnímkazroku1949 Panchromatickáortofotosnímkazroku1992

SatelitnáortofotosnímkaIkonos IRCzroku2000

MultispektrálnaortofotosnímkaIRC2009

Obr.21:VývojtextúryhorskýchlesovslokalizáciouvýskumnýchamonitorovacíchplôchvzávereLomnistejdoliny;lokalityHornýKonštiak–Vlačiny

BučinasjedľouasmrekomprírodnéhocharakterunastanovištisltAbieto-Fagetum sup. na kambizemimodálnejnarulevlokalitenadchatouBaraniar;VP82D.

SmrekovábučinasjavoromhorskýmcharakteruprirodzenéholesanastanovištisltFageto--Aceretum humille nakambizemipodzolovejnažulevlokalitenadJamou;VP85D.

PrirodzenásmrečinanastanovištisltSorbeto-PiceetumnapodzolekambizemnomnarulevlokalitepodBosorkami;VPVX23HL.

Prirodzenásmrekovájedlinasprímesoubukanastanovištislt Fagetum abietino-piceosum sup.napodzolekambizemnomnažulearulevlokalitepodŠirokýmúplazom;VP80D.

Buková smrečina s jedľouna stanovišti sltFageto-Abietum sup. na kambizemimodálnejvlokalitenadKremeničkou;VP87D.

Obr.22:Horizontálnaštruktúra,textúraakorunovýzápojVPvLomnistejdoline

Porastováštruktúratypusmrekovájedlinasprímesoubukanastanovištislt Fagetum abieti-no-piceosum inf.narankripodzolovomnarulevlokaliteHornáStudená;VP78D(obr.20).

JarabinovásmrečinasjedľoucharakteruprírodnéholesanastanovištisltSorbeto-Piceetum nakambizemipodzolovejnasvorevlokaliteStruhár;VPVX14.

4.4. Porastové štruktúry v ML Medvedia úboč v Lomnistej dolineModeloválokalita(ML)Medvediaúboč,svýmerou63ha,sanachádzavdolnejčastiLom-

nistejdolinyvďumbierskejčastiNízkychTatier.WGSsúradniceML:S:48°52'59";J:48°52'20";V:19°28'36";Z:19°28'09".NadmorskávýškaMLsapohybujeod684do1054m.Prie-mernýsklonje32°.Geologickýpodkladtvoriametamorfovanéhorniny,najmämigmatizovanéortoruly,biotitickéadvojsľudovérulyspáskovanouaokatoutextúrousostrovčekmiamfiboli-tov.Zpôdnychtypovprevažujúrankrekambizemnéajtypickéakambizemetypické.

Obr.23:MLMedvediaúbočslokalizáciouvýskumnýchplôchapomocnýchbodovtematickéhomapovania–IRCkompozícialeteckýchmultispektrálnychsnímokzrokov2008,2009

1.3. Posudzovanie štruktúry a stability horských lesov s podporou DPZ 6160 JToze TJozef VT mTám oáomá

Obr.24:FotonáčrtlokalityMedvediaúbočzleteckýchfarebnýchsnímokz24.októbra1998,preporovnaniesobr.23; Výraznérozlíšenieporastovýchtypovasegmentovtextúraichzjav-

náexpozičnáareliéfnazávislosť(Vladovič2000,2003)

MLjezameranánajmänavýskumasledovaniestavuavývojaamozaikovitostiporastovýchštruktúratextúrprírodnýchlesovajlesovpralesovéhocharakteru5.jedľovo-bukovéhovegetač-néhostupňa.NavýskumaoverovanieinovatívnychmetódtematickéhomapovaniaaklasifikácietypovaprvkovštruktúrynabázeuplatneniaDPZ,GIS,metódsegmentácieapoužitiamobilnýchtechnológií.Naverifikáciusystémuposudzovaniazachovalosti(prirodzenosti),vhodnostištruk-túry a klasifikácie ekologickej stability horských lesov 5. vs.VML sme lokalizovali 11 vý-skumnýchplôchaďalších14monitorovacíchplôch.

Obr. 25: Detail porastových textúr z protisvahu v ML Medvedia úboč, VX5, VX12 (12.10.2010),jedlinysosmrekomabukom;cennélistnáčesbukomajedľou

ML reprezentuje zachovalý komplex prevažne ekologicky stabilných prírodných lesov ajlesovpralesovéhocharakteruv5.jedľovo-bukovomvegetačnomstupni.Prevažujúcimiskupina-milesnýchtypov(slt)súAbieto-Fagetum inf.(33%),Fageto-Abietum inf.(27%),Fageto-Ace-retum inf.(26%),Fraxineto-Aceretum inf.(12%).Podľaaktuálnehodrevinovéhozloženiare-prezentovanéhosúbormiporastovýchtypov(SPT)prevládajújedľovébučinys48%plošnýmpodielom,smrekovo-jedľovébučiny(21%),porastyjedleslistnáčmi(11,9%),bučinyscenný-milistnáčmi(6,4%),cennélistnáčeaichzmesi(4,8%),smrekovo-bukovéjedliny(4,3%).

Obr.26:Kontrasttextúrjedlínabučínscen-nýmilistnáčmi,jedľouasmrekom,MLMed-

vediaúbočVPVX5,VX12;IRC2008

Obr.27:SVSvizualizáciavýstavbovejštruk-túryVPVX12,VX5

Obr.28:Horizontálnaštruktúra,textúraakorunovýzápojVPvLomnistejdoline;MLMedvediaúboč

Vpredmetnej lokalitesúnasatelitnýchscénachSPOTiIkonosanamultispektrálnych(IRC)snímkachvizuálneveľmidobrerozlíšiteľnézoskupeniadrevínnaúrovniporastovýchtypovaichsúborov(SPT),čosmeplnevyužilipritematickommapovaníaklasifikácii(VladovičaBucha,1999,Vladovič,2000,2003).PlošnúklasifikáciusmezaložilinametódesegmentácieobrazusuplatnenímsoftvéruDefiniens(VladovičaBucha,2011,2013;BuchaaVladovič,2011).Namultispektrálnychsnímkachužmožnorozlíšiťijednotlivéstromyaichzoskupenianaúrovniprvkovasegmentovtex-túry.VMLsmelokalizovaliapodrobnecharakterizovalicelkom98segmentovvyššejhierarchickejúrovnenavýmere63ha.

VybranéúdajeaodvodenécharakteristikyzpodrobnemeranýchVPuvádzatabuľka5.Vta-buľkesmezvýraznilikorunovýzápojakovýznamnúcharakteristiku,ktorákorelujeajsosním-kamiDPZ.Nasnímkachsúviditeľnénajmähorné(vyššie)vrstvyporastovejvýstavbovejštruk-túry.VPvizualizovanévsystémeSVSsúzobrazenénaobrázkoch27,29,31avsystémeArcGIS

1.3. Posudzovanie štruktúry a stability horských lesov s podporou DPZ 6362 JToze TJozef VT mTám oáomá

naobrázku28.Ukážkytypickýchtextúrsúnaobrázkoch25,26,29,30,31.ĎalejprezentujemeposúdenievhodnostiastabilityvybranýchreprezentatívnychaprevažujúcichtypovporastovýchštruktúratextúrnaVP.

Obr.29:TextúryvMedvedejúbočialokalizá-ciaVPVX4(SVSvizualizácia),VX8;jedlinysosmrekomabukom;cennélistnáčesbukom

ajedľou

Obr.30:Detailporastovýchtextúrjedlínsbu-komasmrekomacennýchlistnáčovsbukomajedľouzprotiľahléhosvahu;lokalizáciaVP

VX4jedlinasbukom

Obr.31:DetailporastovýchtextúrzprotisvahuvMLMedvediaúboč(12.10.2010);SVSvizu-alizáciavýskumnýchplôchVX2,VX12;jedlinysosmrekomabukom;cennélistnáčesbukom

ajedľou;bučinyscennýmilistnáčmiajedľou

Väčšinazaloženýchvýskumnýchplôchreprezentujezekologickéhohľadiskastabilnétypyporastovýchštruktúr.Vniektorýchprípadochporastovéhotypunezmiešanýchjedlínurčitépo-tenciálnerizikodestabilizácievyplývazvýskytusegmentovsostagnáciouprirodzenéhozmlade-niajedle.

Porastováštruktúratypuzmesijedlinyscennýmilistnáčmiabukomprírodnéhoažpraleso-véhocharakterunastanovištisltFraxineto-Aceretum inf.narankrikambizemnomnarulevlo-kalitenadTajchomjereprezentovanávýskumnouplochouVX1(obr.4,5).Ideodvoj-ažtroj-vrstvovúvertikálnuvýstavbovúštruktúruso75%korunovýmzápojom. Tab.5:PrehľadzákladnýchúdajovaodvodenýchcharakteristíkzpodrobnemeranýchVPvMLMedvediaúbočvLom

nistejdoline

VPN

zeme

pis.šírka

Ezeme

pis.dĺžk

aslt

Nadm

.výška

Exp.

Sklon

Zápoj

Objem

živ

ých

strom

ov

Počet

strom

ov

Ležia

ceodum

reté

drevo

Stojac

esucháre

Max.

výška

Výšk.

variabil.

Max.

hrúbka

Hrúbk.

variabil.

Str.

hrúb.

[mn.m.]

[º][º]

[%]

[m³.h

a-1]

[n.ha

-1 ][m³.h

a-1]

[m³.h

a-1]

[m]

[%]

[cm]

[%]

[cm]

VX1

48°5

2'48.67

"19°2

8'31.65

"FrAc

inf.

795

105

3374,88

1279

440

50,84

0,142,8

62,2

140,7

85,8

47VX

248°5

2'44.52

"19°2

8'13.74

"FA

inf.

1008

5735

57,74

610

1320

130,5

746

32,4

102,2

62,5

133,4

21,4

VX3

48°5

2'21.59

"19°2

8'18.00

"Fa

p inf.

1050

3532

60,64

618

610

128,1

964

37,5

64,1

61,4

72,3

32,2

VX4

48°5

2'27.98

"19°2

8'29.48

"FA

inf.

828

4835

66,35

833

630

57,53

1235,5

70,4

79,8

83,1

35,7

VX5

48°5

2'35.23

"19°2

8'21.29

"FA

inf.

890

4534

67,77

809

1150

78,85

1338,9

110,6

85146,7

24,4

VX6

48°5

2'57.18

"19°2

8'22.47

"FA

inf.

966

5336

48,31

534

520

88,37

5030,5

50,5

7259,9

34,5

VX7

48°5

2'57.71

"19°2

8'20.03

"Fa

p inf.

998

110

3559,11

212

860

47,14

3130,3

59,5

51,5

69,3

20,2

VX8

48°5

2'33.03

"19°2

8'27.60

"FrAc

inf.

798

120

3768,59

913

410

137,9

19

47,1

66,5

8176,5

40,6

VX10

48°5

2'47.71

"19°2

8'25.67

"FrAc

inf.

840

135

3589,98

541

600

324,5

011

34,9

63,7

78,1

89,9

27,9

VX12

48°5

2'39.32

"19°2

8'17.13

"FrAc

inf.

820

105

3384,97

1043

470

166,7

916

50,7

87,0

84,9

101,6

38,2

1.3. Posudzovanie štruktúry a stability horských lesov s podporou DPZ 6564 JToze TJozef VT mTám oáomá

ŠtruktúratypuprirodzenáažprírodnábukovájedlinasosmrekomnastanovištisltFageto--Abietum inf.narankrikambizemnomnarulevlokalitekHornémublatu, ktoráje reprezentova-náVPVX2.Dvoj-,miestamiažštvorvrstvovýporastsozníženýmkorunovýmzápojom(58%).

Jedlinasosmrekomabukom(SPTPorastyjedleslistnáčmi)prírodnéhoažpralesovéhocha-rakterunastanovištisltFagetum abietino-piceosum inf.narankrikambizemnomnarulevloka-liteObrštín;VPVX3.Korunovýzápojje61%.

PorastováštruktúratypujedlinasbukomnastanovištisltFageto-Abietum inf.narankrikam-bizemnomnarulevlokaliteHornéblatá;VX4(obr.29,30).Korunovýzápojje66%.

ŠtruktúratypuprirodzenájedlinasprímesoubukanastanovištisltFageto-Abietum inf. na rankrikambizemnomnarule;VX5(obr.26,27).Korunovýzápojje68%.

Porastováštruktúratypujedlinasosmrekomabukom(SPTporastyjedlesihličnanmi)prírodné-hoažpralesovéhocharakterunastanovištisltFageto-Abietum inf.narankrikambizemnomnarulevlokalitejereprezentovanáVPVX6(obr.23).Korunovýzápojje48%.

Prirodzenázmesborovicelesnej,jedleabukasprímesoubrezyasmrekanastanovištisltFagetum abietino-piceosum inf.narankrikambizemnomnarulevlokaliteBralkosmeromklo-kalitenadTridsiatoknaHornýchblatách;VPVX7.Korunovýzápojje59%.

Porastováštruktúratypu–javorová(javorhorskýajmliečny)jaseninasbrestom,lipou,bu-komajedľoucharakteruprírodnéholesa(ažpralesa)nastanovištisltFraxineto-Aceretum inf. na rankrikambizemnomnarule;VX8.Korunovýzápojje69%.

Štruktúra typuzmescennýchlistnáčov(jaseňštíhly, javorhorskýamliečny)bukaa jedlecharakteruprírodnéholesanastanovištisltFraxineto-Aceretum inf.narankrikambizemnomnarule;VPVX10.Korunovýzápojje90%.

Štruktúratypuzmesbučinyacennýchlistnáčov(jaseňštíhly,javorhorskýamliečny)sjed-ľouavtrúsenýmsmrekomcharakteruprírodnéholesa(ažpralesa)nastanovištisltFraxineto--Aceretum nstnarankrikambizemnomnarule;VX12(obr.26,27,31).Korunovýzápojje85%.

Vposudzovanejmodelovejlokalitesmezaznamenaliaprezentovaliprogresívnevývojovétendencieštruktúrylesnýchporastovvrámcimaléhovývojovéhocykluprírodnýchspoločen-stiev5.jedľovo-bukovéhovsadynamikuvývojaporastovýchmedzier.Zistiliazdokumentovalisme relatívnedynamickýproces samovývojaporastovna silneexponovanoma rozrôznenomreliéfeterénu.VMLjezabezpečenávývojovásamostatnosťspriaznivýmstavomdruhovejdi-verzityaekologickejstability.

4.5. Porastové štruktúry a stabilita v ML Široký úplaz v Lomnistej dolineModeloválokalitaŠirokýúplaz,svýmerou59ha,sanachádzavstrednejčastiLomnistej

dolinyvďumbierskejčastiNízkychTatier(obr.32).WGSsúradniceML:S:48°54'42";J:48°54'21";V:19°29'48";Z:19°29'02".MLsanachádzanaJZorientovanomúbočíŽiarskejhole.Jejnadmorskávýškasapohybujeod1264do1687mapriemernýsklondosahuje26°.Podložietvoriabiotitickéadvojsľudovéruly.Pôdysúzastúpenépodzolmiarenickými,menejkambize-mamitypickými.

MLjezameranánajmänavýskumasledovaniestavuavývojatypovporastovýchštruktúr7.smrekovéhoa8.kosodrevinovéhovsaichmozaikovitosti,konkrétnena:

Tematickémapovanieasystémklasifikácietypovaprvkovporastovýchštruktúrsuplatne-nímkombináciepozemnýchadistančnýchmetód.

Sledovanievýškovéhopriebehuamožnostirekonštrukciehornejhranicelesa,protilavínovejfunkcieasukcesnéhovývojaspoločenstievnaopustenýchpastvinách.

Systémklasifikáciekrátkodobejastrednodobejekologickejstabilityhorskýchlesov. Sledovaniekalamitnéhorozpaduhorskýchsmrečínajehodynamiky.

VMLjelokalizovaných7VP.

Obr.32:TextúryhorskýchporastovvmodelovejlokaliteŠirokýúplaz,vpozadíŽiarskahoľa,Skalka.Sanáciaapribližovanieodumretýchkalamitnýchstromov zo7.vsvrtuľníkomMi-8(jún2008). (Poznámka: 3.07.2008 došlo k tragickému zrúteniu tohto vrtuľníka v neďalekej

Sopotnickej doline. Zahynuli dvaja ľudia – pilot a navigátor.

Obr.33:LokalityŠirokýúplazaDolnýKon-štiak v Lomnistej doline na leteckej farebnej

snímkezroku2004

Obr.34: InteriéraexteriérvýskumnejplochyVX23HL;Kalamitnýrozpadexponovanejpo-

rastovejsteny(2011)

PosudzovanéporastovéštruktúryzMLvnadväznostinanášvýskumzr.2000až2013pre-zentujemevdvochzákladnýchskupináchsohľadomnaichvývojovétendenciezpohľadukla-sifikácieekologickejstability:1.skupinaporastovýchštruktúrohrozenýchasvysokoumieroudestabilizácie;2.skupinaporastovýchštruktúrstabilizujúcichaekologickystabilných.

Doprvejskupinydestabilizovanýchštruktúrbolizaradenénasledovnétypyštruktúry(pred-nostneajslokalizovanýmiVP):

PorastováštruktúratypuprirodzenásmrečinanastanovištisltSorbeto-PiccetumnapodzolekambizemnomnarulevlokalitePodbosorkamivodsúvajúcejsaporastovejstene(VP23HL)–mapovanávtematickejmapeporastovýchštruktúrML(obr.39)akoTyp11► prirodzenéaprevažujúcoprirodzenédospievajúceaždospelésmrečiny(pomiestnesjarabinou),hustéporastysklenbovouvýstavbou,výchovnezanedbanésnarušenoustatickoustabilitou,soslabýmprirodzenýmzmladením.

1.3. Posudzovanie štruktúry a stability horských lesov s podporou DPZ 6766 JToze TJozef VT mTám oáomá

Obr.35:Textúry–Širokýúplaznaortorektifikovanejleteckejsnímke(1974); spozíciouvýskumnýchplôch

Obr.36:Textúry–Širokýúplaz;Ikonos(2000);lokalizovanévýskumnéplochy

Obr.37:Textúrydestabilizovanýchsmrečín,multispektrálnasnímka(2009)

VP72HL 22HL 73HL VX23HL 24HL 33HL 15HL

Obr.38:Hore–SVSvizualizáciavýskumnýchplôchvMLŠirokýúplazzr.2000;VPmajúrôznuveľkosťvzávislostiodpočetnostistromovnaVP;(súvisístextúramizobrazenýminaIkonosenaobr.36);dole–porastovétextúryVPnamultispektrálnychleteckýchsnímkach(IRC)zr.2009(súvisí

stextúraminaobr.37)

Obr. 39: Tematická mapa typov porastových štruktúr modelovej lokality Široký úplaz (na pozadí DMT a JPRL; s lokalizáciou výskumných plôch a umiestnenia feromónových

lapačov);stavzr.2000

PrirodzenáhomogénnasmrečinanastanovištisltSorbeto-Piccetumnapodzolekambizem-nomnarulevlokalitePodbosorkamilokalizovanávovnútornomokrajiexponovanejodsúvajú-cejsakulisyohrozenápostupujúcimrozpadomporastovejsteny(VP22HL)–rovnakomapova-náakoTyp11 .

Do tejto skupiny typov štruktúry patrí aj prirodzená rovnorodá smrečinana stanovišti sltSorbeto-Piceetum napodzolekambizemnomnarulevlokalitenadŠirokýmúplazom(VP15HL)–mapovanáakoTyp11 .

Smrečina v rozpade (2000) aktuálne už rozpadnutá na stanovišti sltAcereto-Piceetum na kambizemipodzolovejnarulevlokalitePodbosorkami(VP72HL)–mapovanáakoTyp18► prírodnéažprirodzenédospelésmrečinysbukom,miestamisjedľoumálovekovodiferencované,soslabýmprirodzenýmzmladením,sozápojomokolo80%.

1.3. Posudzovanie štruktúry a stability horských lesov s podporou DPZ 6968 JToze TJozef VT mTám oáomá

Porastováštruktúratypukalamitneúplnerozpadnutájarabinovásmrečinasprímesoubukasostojacimisuchármiazvyškamivrôznomstupnirozkladu(VP73HL)nastanovištisltSorbeto--PiccetumnapodzolekambizemnomnarulevlokalitepodBosorkamilokalizovanáužv„sta-romrozpade“vdosahu rozpadávajúcejaodsúvajúcejporastovej steny smeromkplocheVX23HL(VP73HL)–mapovanáakoTyp20► Kalamitný(prevažnepredčasný)úplnýrozpadprirodzenýchsmrečínsminimálnymprirodzenýmzmladenímsozápojom10–30%.

Doskupinyrizikovýchadestabilizujúcichtypov,prvkovasegmentovporastovýchštruktúrvmapovanýchML(Širokýúplaz,KonštiakyaMartalúzka–Byčiarky)prevažnev7.av8.vssmeďalejzaradiliajnasledujúce:Typ5►pastvinynavysokohorskýchlúkach(ajopustené).Typ9►lavinóznežľabyspomiestnymvýskytomdrevín(smrek,jarabina,kosodrevina)spo-kryvnosťoudrevíndo5%.Typ26► lavínamitotálnedeštruovanéporastovéútvary.Typ10► prirodzenédospelésmrečinysjarabinou(pomiestneajsjedľoualebobukom),ve-kovomálodiferencované,sminimálnymprirodzenýmzmladením;zápoj60až75%.Typ11► prirodzenéaprevažujúcoprirodzenédospievajúceaždospelésmrečiny(pomiestnesjarabinou),hustéporastysklenbovouvýstavbou,výchovnezanedbanésnarušenoustatickoustabilitou,soslabýmprirodzenýmzmladením.Typ20► kalamitný(prevažnepredčasný)úplnýrozpadprirodzenýchsmrečínsminimálnymprirodzenýmzmladenímsozápojom10–30%.Typ21► čiastočnezalesnené(umelé)aleboajsčastiprirodzenezmladenéplochypokalami-táchseštestojacimikalamitnýmizvyškami.Typ23► redukovanéholiny,tzv.porastovédieryzväčšabeznáslednéhoporastusozápojomneprevyšujúcim10až30%.Typ28► čiastočnýrozpadporastovkalamitnéhocharakteru.Typ25► čiastočnezmenené(umelé)dorastajúcerovnovekésmrečinyzumelejsadby(pomiest-nesjarabinouabukom)poprevažnevetrovejkalamitesozanedbanouvýchovou,statickylabil-né.

Doskupinystabilnýchastabilizujúcichtypovsmev7.vszaradilinasledovnývýberštruktúr:PrírodnásmrečinasvtrúsenýmbukomnastanovištisltSorbeto-Piceetumnarankripodzolo-

vomvlokalitevidlicavŠirokomúplaze(VP33HL)–mapovaná(obr.39)akoTyp12► prírodnésmrečiny(pomiestnesjedľou,bukomajarabinou)vofázedospelosti,veko-voahrúbkovosilnediferencovanéspostačujúcimprirodzenýmzmladením.Napriekpriaznivejtrojvrstvovej výstavbovej štruktúra a polohe chránenej proti vetru je ohrozená rozširujúcimohniskompodkôrnehohmyzuzosvahunadVP.

PatrísemajprírodnátrojvrstvovásmrečinasvtrúsenoujedľounastanovištisltSorbeto-Pice-etumnapodzolekambizemnomnarulevlokalitemenšejpostrannejvidličkyvŠirokomúplaze(VP24HL),rovnakomapovanáakotyp12.Typ15► prirodzenéaprevažujúcoprirodzenédorastajúcesmrečinysjavoromhorským,jed-ľou,(rakytou),strednevekovodiferencované;zápoj30až80%.Typ16► prírodné dorastajúce smrečiny s jarabinou (miestami s jedľou, bukom aj javoromhorským),strednevekovodiferencované;zápoj70až90%.Typ17► prevažujúcoprirodzenéajprírodnédospievajúceajdospelésmrečiny(pomiestnesja-rabinou),rôznovekésdiferencovanouvýstavbovouštruktúrounavertikálnejhraniciprodukčné-holomu,sdostatočnýmprirodzenýmzmladením;zápoj50až90%.Typ19► prírodnéažprirodzenédospelésmrečiny(pomiestnesjedľouabukom),silnevekovodiferencovanéspriemernýmprirodzenýmzmladením;zápoj90%.

Typ22► prírodnéajprirodzenédorastajúce jarabinovésmrečinys jedľou(pomiestneajbu-kom),strednevekovodiferencované;zápoj50až75%.Typ27► prírodnéajprirodzenédospelésmrečinysbukomajedľou,silnevekovodiferencova-né;plnezapojené.Typ31► prirodzenéaprevažujúcoprirodzenésmrečinysjarabinou(pomiestnesbukom,kosodrevi-nou),vprevažnejmierezprirodzenéhozmladenia,diferencované;zápoj90až100%.Typ34► prírodnéajprirodzenédvoj(miestamiažtrojetážové)smrečinysjarabinou,silneažveľmisilnevekovodiferencované,svýbornýmajveľmidobrýmprirodzenýmzmladením.Typ2►jarabinovokosodrevinovéporastysosmrekom.Typ3►smrekovokosodrevinovéporastysjarabinou.

PreMLsmeodvodilikrátkodobúajstrednodobúekologickústabilituúzemiaazároveňsmevypracovaliprognózuvývojaporastovýchštruktúratextúr,najmäsdôrazomnavýskytapriesto-rové šírenie tzv. rizikových a kritických typov a prvkov porastových štruktúr (Vladovič 2000,2003,2005).Mapadecenálnejekologickejstabilityzr.2000jenaobrázku40.

Obr.40:MapadecenálnejekologickejstabilityMLŠirokýúplazzr.2000

Sodstupomštrnástichrokovmožnokonštatovať,ženašeprognózyvMLŠirokýúplazsanaplnilinajmävnegatívnomvývojiadestabilizáciiporastovýchštruktúr.Išloosynergickýefektvplyvuškodlivýchčiniteľov,odsunotvorenýchaexponovanýchporastovýchokrajov,vplyvvet-ra,náletpodkôrnehohmyzu,vplyvsnehu,lavínaďalšiefaktory.Významnýmnegatívnymfak-torombološírenietzv.podkôrnikovejkalamity.Ohniskásarozšíriliajdoveľmidobreštruktúro-vanýchprírodnýchlesov.Prevažujúcinegatívnytrendvývojatextúrhlavnesmrekovýchporas-tov a ichdestabilizáciu zachytáva aj časový radhistorických a aktuálnych leteckých snímok(obr.35,36,37).

4.6. Vybrané porastové štruktúry v Kulichovej a Vajskovskej dolineVýskumna vybraných reprezentatívnychVP a segmentochDPZ sme v týchto lokalitách

orientovalinanasledovnétypyporastovýchštruktúr:Porastováštruktúratypusmrečinasjarabinouprevažneprirodzenéhocharakterunastanoviš-

tisltSorbeto-PiceetumnapodzolekambizemnomnarulevlokalitepodVidličkami(obr.41)vzávereKulichovejdoliny(VP29R).Klasifikujemehoakostrednestabilnýažmiernedestabi-lizovanýtypporastovejštruktúry.

1.3. Posudzovanie štruktúry a stability horských lesov s podporou DPZ 7170 JToze TJozef VT mTám oáomá

PrírodnájedľovobukovásmrečinasprímesoujarabinyajavorahorskéhonastanovištisltFageto-Aceretum sup.nakambizemimodálnejnarulevlokalitenadFludrovou(VP30R)(obr.42,43).Strednestabilnýažmiernedestabilizovanýtypporastovejštruktúry.

Porastováštruktúratypuporastjedleabukasosmrekomprirodzenéhocharakterunastano-vištisltFageto-Abietum inf.kambizemimodálnejnarulevlokalitenadLavínouvzávereKuli-chovejdoliny(VP27R)(obr.42,43).Ideoekologickystabilnýtypporastovejštruktúry.

PrírodnáštruktúrabukovejjedlinysprímesousmrekanastanovištisltFagetum abietino-pi-ceosum inf.nakambizemipodzolovejna rulev lokaliteTesnéskalynazačiatkuVajskovskejdoliny(VP2X).Ideoekologickystabilnýtypporastovejštruktúrysveľmidobrýmpotenciálomautoregulácie.

Obr. 41: Textúry horských lesov smrekovo--bukovojedľového,smrekovéhoakosodrevi-novéhovegetačnéhostupňavKulichovejdo-linenasatelitnejsnímkeIkonos2000;lokali-

záciaVP29R,30R,27R

Obr.42:SVSvizualizáciavýskumnýchplôch30R,27R

(Poznámka: 8.3.1956 padla v Kulichovej doline lavína spod Žiarskej hole s katastrofálnymi následkami. Dĺžka lavíniska bola 4,1 km. Zahynulo 16 lesných robotníkov.)

VP29Rzápoj61,19% 30Rzápoj73,00 27Rzápoj90,35 2Xzápoj83,10

Obr.43:Horizontálnaštruktúra,textúraakorunovýzápojVPvKulichovej aVajskovskejdoline

Tab.6:PrehľadzákladnýchúdajovvybranýchpodrobnemeranýchVPzúzem

iaKulichovejaVajskovskejdoliny

VPN

zeme

pis.šírka

Ezeme

pis.dĺžk

aslt

Nadm

.výška

Exp.

Sklon

Zápoj

Objem

živ

ých

strom

ov

Počet

strom

ov

Ležia

ceodum

reté

drevo

Stojac

esucháre

Max.

výška

Výšk.

variabil.

Max.

hrúbka

Hrúbk.

variabil.

Str.

hrúb.

[mn.m.]

[º][º]

[%]

[m³.h

a-1]

[n.ha

-1 ][m³.h

a-1]

[m³.

ha-1 ]

[m]

[%]

[cm]

[%]

[cm]

29R

48°5

4'46.33

"19°3

1'41.70

"SP

1410

260

3561,19

463

590

45,74

3227,9

27,9

5035,3

32,6

30R

48°5

4'4.1

4"19°3

1'52.21

"FA

csup.

1275

199

2273,00

832

380

136,9

2539,2

21,9

81,2

43,5

44,9

27R

48°5

4'3.4

9"19°3

1'28.85

"FA

inf.

1059

256

2590,35

842

660

32,83

2336,6

52,4

78,6

68,7

35,5

2X48°5

2'43.86

"19°3

1'31.19

"Fa

p inf.

745

301

3483,10

608

1040

48,78

1638

123,9

56,7

146,2

22,1 4.7. Vybrané stabilizujúce porastové

štruktúry v modelovom území Krá-ľova Hoľa, ML Martalúzka – By-čiarkyŠiršiezáujmovéúzemie–modelové

územie (MU) Kráľova hoľa (obr. 1b,1d)jeohraničenésúradnicamiWGS84:S:48°56'43";J:48°50'11";Z:20°1'8";East:20°12'1".Mávýmeru9900ha, s rozpätím nadmorských výšok od726do1948mapriemernýmsklonom16°. Geologický podklad tvoria najmäK-živcovo-plagioklasové ortoruly (me-tagranitoidy), fylonity svorov, svoro-výchrúlapararúl,biotitickégranodiori-ty a tonalilty. V severnej časti MU savyskytujú tiež ramsauské dolomity, naktorých sa vyvinuli rendziny typické,vyluhované, litické a kambizeme ren-dzinové. Na kryštalických hornináchvzávislostiodnadmorskejvýškyvzniklinajmä kambizeme typické a dystrické,podzolyarenickéatypickéarankrekam-bizemné. Zastúpené sú vegetačné stupne5.až8.(5.vs16%,6.vs43%,7.vs24%a 8. vs 17%).Dominantnou drevinou jesmrek (78%zastúpenie) doplnenýoko-sodrevinu (12 %) a smrekovec (5,5 %),ostatnédrevinymajúspolu4,5%. Najza-stúpenejšími skupinami lesných typovsúSorbeto-Piceetum (20,4 %), Mughetum acidifilum (12,9%),Fageto-Abietum inf. (12,6 %), Fagetum abietino-piceosum sup.(11,9%),Piceeto-Abietum sup.(11,7%)aFageto-Abietum sup.(10,4%).

Užšiezáujmovéúzemie–modeloválo-kalita (ML)Martalúzka–Byčiarky, s vý-merou 141 ha, sa nachádza v pramennejoblastiHnilcavkráľovohoľskejčastiNíz-kychTatier.WGSsúradniceML:S:48°53'47";J:48°52'53";V:20°10'26";Z:20°09' 44". Rozpätie nadmorských výšok je1325až1680m,priemernýskloniba14°.Steny ľadovcového amfiteátra však majúsklonzväčšanad30°.PodkladMLprevaž-netvoriabiotitickégranodiorityaichzvet-raliny, dno ľadovcového kotla je pokrytémorénou. Pôdy patria prevažne k podzo-lomarenickým.

1.3. Posudzovanie štruktúry a stability horských lesov s podporou DPZ 7372 JToze TJozef VT mTám oáomá

Obr. 44: Textúry prírodných smrečín v PRMartalúzka

Obr.45:SVSvizualizáciavýskumnýchplôchVX54HL,VX44HL

MLjezameranánajmänavýskumasledovaniestavuavývojaprírodnýchaprírodeblízkychtypovporastovýchštruktúr7.smrekovéhovegetačnéhostupňaanasledovanievýškovéhoprie-behu amožnosti rekonštrukciehornej hranice lesa, ako aj na tematickémapovanie a systémklasifikácietypovaprvkovporastovýchštruktúrsuplatnenímkombináciepozemnýchadištanč-nýchmetód.VMLsmelokalizovali25VP.

Vtejtočastipráceďalejprezentujemenajmävybranézekologickéhohľadiskastabilizujúceastabilnétypyporastovýchštruktúratextúrv7.smrekovomvs.Vmenšomplošnompodieletvoria z ekologického hľadiska stabilizujúce ostrovčeky, nachádzajúce sa ale v širšej oblastisvysokoumierourizikavýskytudestabilizovanýchporastovýchštruktúratextúr,sčastýmvý-skytomdisturbanciípredovšetkýmvplyvomvetraasnehuavposlednomobdobíináslednýchkalamítvplyvompodkôrnehohmyzu.

Obr. 46: Martalúzka 1949. Letecká panchro-matickáortofotosnímkaaVP

Obr. 47: Martalúzka 2005. Letecká farebná(RGB)ortofotosnímkaavýskumnéplochy

MUKráľovahoľaväčšou časťouvýmery zasahuje dooblasti so zníženýmprirodzenýmvýskytombuka„tzv.bezbukovéoblasti“(Sillinger,1933;Zlatník1957,1976;Vladovičetal.,1998;Vladovič,2003).Jetuprirodzenezníženádiverzitadrevínastýmsúvisiaceobmedzené

možnosti prípadnej zástupnosti drevín vovýhľadovomdrevinovom zložení pre prís-lušné typologické jednotky. Z uvedenéhovyplynulo,ževáhavýznamnostivposudzo-vanístabilityvtomtoúzemíspočívanajmänavýstavbovejštruktúreamozaikovitosti.

Kpodobnýmzáveromdospelajkolek-tívšpecialistovnalesnéekosystémyvpráciPolák a Saxa et al. (2005). Pri definovanía hodnotení priaznivého stavu zachovaniaeurópsky významných lesných biotopovaexpertnomstanoveníváhkritériíaindiká-torovbolanapr.pribiotope9410smrekovélesystanovenávyššiaváhavýznamnostiprekritérium štruktúra lesného biotopu s hod-notou0,55(zcelkovejhodnoty1,00).

VybranéúdajezpodrobnemeranýchVPtechnológiouFieldMapuvádzatab.7.Ukážkyvybranýchtextúrsúnaobrázkoch48až52.

Zekologickéhohľadiskastabilnáporasto-váštruktúratypusmrečinacharakterupralesaaž prírodného lesa na stanovišti sltSorbeto--Piccetum narankripodzolovomnagranodio-ritevlokaliteamfiteátravPRMartalúzkapodprameňom Hnilca (VX44HL) – znázornenáv tematickejmapeporastových štruktúrMLakoTyp12►prírodnéajpralesovésmrečiny(pomiestnesjarabinou)vofázedospelosti,ve-kovoahrúbkovosilnediferencovanésposta-čujúcimprirodzenýmzmladením.

Ďalejdokatégóriestabinýchastabilizu-júcichtypovštruktúrypatrí:

Smrečinaprírodnéhocharakterunasta-novištisltSorbeto-Piceetumnapodzolekambizemnomnagranodioritevlokali-te k chate Byčiarky v PR Martalúzka(VX3HL).

Smrečina s jarabinou pralesového cha-rakteru na stanovišti sltSorbeto-Picee-tum na rankri kambizemnom na rulevlokaliteVeľkýBrunovnabalvanovitejbázesvahupodLapinovou(VX54HL).

Prirodzenáažprírodnásmrečinavpod-rastesjarabinounastanovištisltSorbe-to-Piceetum na kambizemi modálnejvlokalitePRMartalúzkanadnástupomdoPR(VP116D).Ta

b.7:PrehľadzákladnýchúdajovvybranýchmeranýchVPtechnológiouFieldMapzM

UKráľovahoľa

VPN

zeme

pis.šírka

Ezeme

pis.dĺžk

aslt

Nadm

.výška

Exp.

Sklon

Zápoj

Objem

živ

ých

strom

ovPočet

Ležia

ce

odum

reté

drevo

Stojac

esucháre

Max.

výška

Výšk.

variabil.

Max.

hrúbka

Hrúbk.

variabil.

Str.

hrúb.

[mn.m.]

[º][º]

[%]

[m³.h

a-1]

[ks.ha

-1 ][m³.h

a-1]

[m³.

ha-1 ]

[m]

[%]

[cm]

[%]

[cm]

116D

48°5

3'40.96

"20°1

0'19.71

"SP

1387

5724

45,00

767

440

87,78

2834

17,3

61,5

24,8

42,3

VX3H

L48°5

3'31.60

"20°1

0'8.8

0"SP

1432

3013

57,31

411

4740

51,86

8727,79

137

45,3

319

31,5

228D

48°5

3'24.25

"20°1

0'8.0

4"SP

1490

5510

31,81

392

360

102,0

754

33,63

36,9

53,3

38,2

36,9

VX44HL

48°5

3'34.51

"20°9

'39.1

0"SP

1515

221

46,57

258

710

30,41

920,2

39,4

5048,4

25,5

2V48°5

3'42.11

"20°8

'39.5

9"SP

1507

335

2553,11

406

450

45,87

4025,9

19,9

7736,4

37

VX54HL

48°5

4'3.0

0"20°7

'29.9

0"SP

1360

345

1545,42

453

760

61,55

6032,3

108,7

77125,9

26,4

1.3. Posudzovanie štruktúry a stability horských lesov s podporou DPZ 7574 JToze TJozef VT mTám oáomá

Obr. 48: Porastové textúry vysokohorských le-sov v prírodnom amfiteátri PR Martalúzka namultispektrálnej leteckej snímke z roku 2012;

SVSvizualizáciaVPVX44HL

Obr.49:TextúrysmrečínakosodrevinynahornejhranicilesavpramennejoblastiČiernehoVáhu(r.

2012);SVSvizualizáciaVP2V

Obrázky50,51:Tendenciavývojaporastovýchtextúrhorskýchsmrečínmedzirokmi1949a2012vlokaliteMartalúzka–Byčiarky;SVSvizualizáciaVPVX3HLa228D

116Dzápoj45,00% VX3HLzápoj57,31 228Dzápoj31,81 VX44HLzápoj46,51 2Vzápoj53,11 VX54HLzápoj45,42

Obr.52:Horizontálnaštruktúra,textúraakorunovýzápojvybranýchVPvMUKráľovahoľa

PrirodzenáažprírodnásmrečinasvtrúsenoujarabinouvpodrastenastanovištisltSorbeto--PiceetumnakambizemimodálnejnažulevlokalitenadchatkouByčiarkyvPRMartalúzka(VP228D).

PrírodnáažpralesovásmrečinasvtrúsenoujarabinouvpodrastenastanovištisltSorbeto-Picee-tumnakambizemimodálnejvlokaliteprameneČiernehoVáhu,Žliebky,kLapinovej(VP2V).

Nadvojiciobrázkov46a47súnahistorickej(zr.1949)anovšejfarebnejleteckejortofotos-nímke(zr.2005)zobrazenéporastovétextúryzachovalýchprírodnýchsmrečínvskalnomamfi-teátriprírodnejrezervácieMartalúzkaskaskádamiHnilcapodKráľovouhoľou.SVSvizualizá-ciaštruktúrvybranýchVPapozemnásnímkazuvedenejlokalityjenaobrázkoch44,45.Ideo zachovalé typy textúr prírodných lesov s fragmentami lesa pralesového charakteru (VPVX44HL–MartalúzkaaVX54HL–Brunov).Zreteľnésúajskalnéútvary,bralkáasuteprírod-néhoamfiteátrazosvorovapararúl. VizuálnedobrerozlíšiteľnésúiSPTkosodrevinyasmrečíns jarabinou s rôznymi vzájomnými pomermi drevinového a krovinového zmiešania, hustotyavyspelostisegmentovaprvkovporastov.Aktuálnystavtextúridentickejlokalityzr.2012uvá-dzamenaobrázku48nafarebnejmultispektrálnej(IRC)snímkezr.2012vrátaneSVSvizuali-zácievýstavbovejštruktúryVPVX44HL.

Naďalšejdvojiciobrázkov50a51jezobrazenátendenciavývojaporastovýchtextúrmedzirokmi1949a2012vlokaliteMartalúzka–Byčiarky.VizualizovanésútypickédiferencovanévýstavbovéštruktúryhorskýchjarabinovýchsmrečínnaVP116D,228DaVX3HL.Sútofrag-mentystabilnýchalebostabilizujúcichtypovporastovýchštruktúr.Nasnímkezr.1949naobr.50jemožnévidieťplošnéodlesneniestaršiehodátaanáslednézalesňovanieporastovpriľahlýchkúzemiuterajšejPRMartalúzkaprijejvýchodnejhranici.Jepotrebnévziaťdoúvahy,žePRbolavyhlásenáažvroku1999.Vzniknutéprevažnerovnovekéarovnorodéporastymajúvsú-časnomobdobídestabilizovanúštruktúru.

DoskupinystabilnýchštruktúrzaraďujemeajlokalituvokolípramennejoblastiČiernehoVáhu–lokalitaŽliebkynaobrázku49sSVSvizualizácioudiferencovanejstabilnejvýstavbovejštruktúryVP2V.Základomstabilityjevtýchtotypochštruktúrysilnerozrôznenáadiferencova-náviacvrstvovávýstavbaporastovaplošnepestráavyváženátextúravývojovýchštádiíafáz,ktoréspoločnevytvárajústabilizujúcumozaikuprírodeblízkychtextúraštruktúr.

Nahistorickýchsnímkachsúvizuálneinterpretovateľnéajstopypopastve,preháňaníistá-dovanídobytkaakodeterminujúceprvkynáslednéhovývojasúvisiacichisusediacichpriľahlýchporastovýchštruktúr.Vkombináciisďalšímihistorickýmipodkladmi,napr.elaborátmihistoric-kéhoprieskumujepotommožnévkontexteuvedenéhoexaktnedokladovaťajgenézuatrendyvývojasúvisiacichtypovporastovýchštruktúratextúr.

5. Diskusia

Priposudzovaníštruktúryastabilityhorskýchlesovpovažujemezaveľmivýznamnéuplat-neniesystémuzohľadňujúcehoaspektyviacúrovňovéhoposudzovania.Nadregionálnuúroveňmožnovztiahnuťnavyššiuakoceloštátnuúroveň,prípadneširšiuskupinuregiónovalebooblas-tí.Priregionálnejúrovnizohľadňujemejednotlivéregióny–lesnéoblasti.Lokálnuúroveňvzťa-hujeme na vybrané časti, celky,modelové územia amodelové lokality. Podrobnú – detailnúúroveňposudzovaniavzťahujemenakonkrétnevegetačnéalebostanovištnéjednotky,typytex-túr,zoskupenieporastov,JPRL,segmentovaleboprvkov.Štruktúrulesovposudzujemevširšíchkrajinno-ekologickýchsúvislostiach,t.j.lesyvcelejšírkeichrozmanitostiakovýznamnúsú-časťkrajiny.VychádzalismeajzkonceptuvyžitiaúdajovDPZprepotrebyhodnoteniastavulesnejkrajinyahierarchickejtypizácieporastovýchtextúrnatrochhierarchickýchúrovniachodmapovaniazákladnýchtypovvegetácievgeografickýchregiónoch,cezporastovúúroveňažpo

1.3. Posudzovanie štruktúry a stability horských lesov s podporou DPZ 7776 JToze TJozef VT mTám oáomá

klasifikáciunaúrovnijednotlivýchstromov(BuchaaVladovič,2011).Vproblematikeuplatne-nia inovatívnychmetód vmapovaní a posudzovaní horských lesov sme nadviazali na práceJ.Vladoviča,T.BuchuaI.Luptáka(2011)aJ.VladovičaaT.Buchu(2013).VprezentovanejprácismesanaregionálnejúrovnizaoberalihorskýmilesmivNízkychTatrách.Priposudzovaníjepotrebnézohľadniť iaspektynadregionálnejúrovne–NízkeTatryakosúčasťCentrálnychzápadnýchKarpát.Nalokálnejúrovnismeriešilipäťmodelovýchlokalítvdvochširšieponíma-nýchmodelovýchúzemiach.

Významnýmfaktorompriposudzovaníjezohľadnenieazosúladeniepriestorovýchačaso-výchrámcovprihodnotení.Dôležitéjeajzohľadnenieširšíchpriestorovýchačasovýchsúvis-lostíakosystémovýchparametrovvprístupeposudzovania.Odvodenieaposúdeniepredpokla-daného vývoja štruktúry a ekologickej stability lesov na desaťročné obdobie, tzv. decenálnaekologickástabilita(Vladovičetal.,1999)spadádokategórietzv.krátkodobéhoposudzovania.Mávýznamprinávrhuopatrenízahrnutýchdoprogramovstarostlivostiolesy(PSL,predtýmlesnéhospodárskeplány–LHP).Strednodobýčasovýrámecnaobdobie50–100rokovpova-žujemeužzasystémovýnástrojrozhodovaniavyššejúrovne. Súvisítoajsmožnosťouodvode-niatendencií,trendovaprognózvývojalesnýchspoločenstiev.Vývojovétrendyaprognózyjepotrebnézohľadňovaťpridlhodobejšom,napr.rámcovomplánovaníastanovenízásadopatrenístarostlivostiolesyajsozreteľomnaživotnýcyklusdrevínvlesnýchspoločenstváchavekuichzrelostiajvsúvislostisfunkciamilesa.Suvedenýmipoznatkamibymalkorešpondovaťajsys-témrámcovéhoapodrobnéhohospodársko-úpravníckehoplánovania.Vsúčasnostialevýznam-nejšieabsentujeoblastný(regionálny)aširšíkrajinno-ekologickýprístupkposudzovaniulesovvkrajine.Niektoréoblastnéprincípyaprvkybolizavedenédosystémurámcovéhoplánovaniapri koncipovaní a zavádzaní lesných oblastí Slovenska, prostredníctvom návrhov Prieskumuekológielesa(Vladovičetal.,1992,1994),ktorýfungujeaktuálneakoPrieskumkomplexnéhozisťovaniastavulesov.

Priposudzovanístabilitylesnýchekosystémovzohrávavýznamnúúlohumožnosťsledovaťichvývojajvširšíchkrajinno-ekologickýchsúvislostiachprimožnostisledovaniaidentickéhoúzemiaajehotextúry,t.j.akosavyvíjalizmenystavulesaakrajinyvjednotlivýchčasovýchobdobiach.Zhľadiskasledovaniavývojatextúrzaobdobieposlednýchpribližne65rokovsanapodrobnejšej úrovni veľmidobre osvedčilimetódyklasifikácie s uplatnenímčasových radovhistorickýchpanchromatickýchajaktuálnychfarebnýchajmultispektrálnychleteckýchmerač-skýchsnímokidentickýchúzemí.LeteckésnímkypriebežnezabezpečovalLesníckyvýskumnýústavZvolenpririešenírôznychprojektovvýskumuvspoluprácisarchívomsnímoknaTopo-grafickomústavevBanskejBystricianaNárodnomlesníckomcentrevoZvolene.Naceloslo-venskejúrovnisúdostupnépanchromatickéleteckémeračskésnímkyužodroku1949,prevy-branéčiastkovéúzemiaajzrokov1935,1936.PribližnedesatinaúzemialesovSlovenskabývakaždoročneleteckysnímkovanávsúvislostisobnovamiPSL(predtýmLHP).Vr.2014Technic-káuniverzitavoZvolenesprístupnilaHistorickúortofotomapuSlovenskazr.1950vrámcivý-stupovCentraexcelentnostiprepodporurozhodovaniavleseakrajine.Významnoumierousatakrozširujúmožnostiposudzovaniavývojaporastovýchtextúracharakteruzmienlesnatostinaceloslovenskejúrovni.

Vposlednomobdobímožnonasledovaniezmienstavulesovvkrajinezauplynulýchcca25rokov veľmi efektívne využívať časové radymozaiky satelitných scén, ktoré pokrývajú celéúzemieSlovenska.LesníckyvýskumnýústavNLCZvolenvr.2010sprístupnilwebovúapliká-ciu STALES – Identifikácia zmien stavu lesa zo satelitných snímok (Barka aBucha, 2010).STALESzahŕňačasovúradusatelitnýchsnímokLandsatzobdobia1992až2014aklasifikáciízdravotnéhostavulesa.

LeteckéisatelitnésnímkyaďalšiepodkladyDPZnámtakposkytujúmožnostisledovaniaahodnoteniajednotlivýchtypovtextúr,krajinnýchprvkov,charakterulesnatostitypovúzemianarôznejhierarchickejúrovniposudzovania.Veľmidobreinterpretovateľnésúrôznetypyodles-

nenianásledkomdisturbancií,vplyvomlesohospodárskejčinnosti,urbanizácie,poľnohospodár-skehovyužívaniapôdyapodobne.Nadruhejstranemôžemevidieťasledovaťviaceréformyzarastania poľnohospodársky nevyužívaných a opustených pozemkov, sukcesné zarastanieopustenýchpastvínapoľnohospodárskynevyužívanýchpozemkov,ajtzv.bielychplôchsroz-ličnou hustotou pokrytia vegetáciou drevín. V neposlednom rade umožňujú identifikovaniezmienvštruktúreacharakterelesnatostiavposudzovaníplošnevýznamnejšíchkalamítadistur-bančnýchjavov.Sútuimožnostiindikáciepredvizuálnychzmien,zmienvzdravotnomstaveapoškodenílesov,aleajfragmentácielesovvplyvomťažbovo-obnovnýchpostupov.

Priposudzovanítypovtextúrzhistorickýchpanchromatickýchafarebnýchsnímoksúvhod-nýmirozlišovacímiznakmivýraznékontrastnérozdielyvtextúrach,akonapr.kalamitnéholinyasvetliny,vekovoalebovyspelosťoudiferencovanétypyštruktúr,výraznediferencované(kon-trastné)zmesidrevínnaúrovnivybranýchostroohraničenýchzoskupeníporastovýchtypov,lí-niové textúry (komunikácie, elektrovody, brehové porasty pozdĺž vodných tokov, priehony),skalnéútvarysmalýmprekrytímvegetácieapod.Možnonanich identifikovaťajdiferenciesusediacichsegmentovaprvkovmenšíchrozmerov(výmer),aksúichvzájomnékontrastypo-stačujúce.Uprednostnilismeichvizuálnuinterpretáciuaklasifikáciuspodporoupoloautomati-zovanejsegmentácieobrazuavybranýchdoplnkových(apriórnych)charakteristíkzdoplnko-vých zdrojov informácií (historických porastovýchmáp, elaborátov, programov starostlivostiolesy(PSL,predtýmLHP)apod.

AnalýzyčasovejsériepodkladovDPZvkombináciis terénnymzisťovanímmôžubyťvý-znamnoupomôckouprihľadanísúvislostí,odhaľovanípríčinstavuiprognózovaníďalšiehový-vojadiverzityistabilityhorskýchlesovvrátanekonkrétnychtypovporastovýchtextúraštruktúr.

6. Závery

Nazákladeprezentovanýchvýsledkovmôžemekonštatovať,žepriposudzovanístavu,stabi-lityarizíkdestabilizáciehorskýchlesovježiaducemodifikovaťváhuvýznamnostijednotlivýchukazovateľov,kritériíaindikátorovstavupodľavegetačnýchstupňov(vs).Kýmvjedľovo-bu-kovom a smrekovo-bukovo-jedľovom vegetačnom stupni budú väčšou mierou posudzovanévhodnosťazachovalosťdruhovéhodrevinovéhozloženia.Vsmrekovomakosodrevinovomve-getačnomstupnibudúváhyposudzovaniavovýznamnejšejmiereposunutésmeromkhorizon-tálnejavertikálnejvýstavbovejštruktúreamozaikovitostitextúr.Potrebnéjeuplatňovaťkom-plexnejšieprístupykposudzovaniudruhovej,priestorovejivekovejštruktúryamozaikovitostitextúrvširšíchkrajinno-ekologickýchsúvislostiach.

Rámcovýzoznamausporiadaniečinnostípriposudzovaníštruktúryastabilityhorskýchle-sovbymalobsahovať: Zaznamenanieaposúdenieaktuálnehostavu. Zabezpečenieavyhodnoteniepodkladovzidentickéhoúzemiazviacerýchobdobí. Posúdenietendenciíatrendovvývoja. Analýzu priestorového rozdelenia typov porastových štruktúr a textúr vo vzťahu na

priestorovéčlenenielesov–vytypovaniepriestorovýchjednotiekposudzovaniaspotenci-álne„pozitívnymiúčinkami“aspotenciálne„negatívnymiúčinkami“.

Odvodenie a priestorovú lokalizáciu stabilných a stabilizujúcich jednotiek vo vzťahuknestabilnýmadestabilizujúcimjednotkám.

Stanoveniealokalizáciurizikovýchakritickýchjednotiek,segmentov. Odvodenieprognózyďalšiehovývojanazákladekonkrétnychzistení. Rámcovýnávrhzásadaopatrení.

78 JToze TJozef VT mTám oáomá

Žiaducebudenáslednévyhotovenietzv.schémstabilitykonkrétnychtypovhorskýchlesovaichmožnejdestabilizácie.Jednýmznástrojovmôžubyťmodelyštruktúryatextúryvpriazni-vomstave(Vladovičetal.,2011)aposúdeniemožnýchrizíkichdestabilizácie.Východiskomsamôžestaťprecizovanýsystémukazovateľov,kritériíaindikátorovhodnotenia.Systémposudzo-vaniavšaknesmiebyťprílišzložitý,abysapri„komplexnostihodnotenia“nestratilizákladnépriorityhodnotenia.

KAPITOLA 2

SATELITY V SLUŽBÁCH LESNÍCKEJ FENOLÓGIE

2.1. Tvorba údajovej bázy a modelovanie fenológie lesných porastov 81Satelity v Službách leSníckej fenológie

TVORBA ÚDAJOVEJ BÁZY A MODELOVANIE FENOLÓGIE LESNÝCH PORASTOV (2.1.)

1. Úvod

fenológia skúma časový priebeh významných, periodicky sa opakujúcich životných preja-vov rastlín, tzv. fenologických fáz, v závislosti od komplexu podmienok vonkajšieho prostredia, najmä od počasia a podnebia. význam tejto tradičnej vedy opätovne vzrástol v kontexte klima-tických zmien, keď sa zmeny v nástupe a priebehu fenofáz drevín považujú za vhodný ukazova-teľ meniacich sa podmienok prírodného prostredia (Štefančík, 1995; Menzel, 2000). Pre fenolo-gické pozorovania v európskych a našich podmienkach bolo vypracovaných viacero stupníc, ktoré sú podrobne opísané napr. v prácach i. Štefančíka (1995), o. braslavskej a l. kamenského (1996), t. Preuhslera (1999).

Možnosti štúdia fenológie drevín sa výrazne rozšírili po vypustení družíc terra a aqua so spektrorádiometrom MoDiS. Spektrorádiomer MoDiS snímkuje územie Slovenska každý deň a údaje sú dostupné bezplatne na internete. Satelitná snímka MoDiS má 36 kanálov, ktoré za-znamenávajú široký spektrálny rozsah od 400 do 1450 nm. Priestorová rozlišovacia schopnosť snímky je 250 m až 1 km (justice et al., 2002). to umožňuje zo snímok MoDiSu odvodiť spek-trálne indexy využiteľné na fenologické pozorovania. najčastejšie sa využíva normalizovaný vegetačný index (nDvi) a zdokonalený vegetačný index (evi).

Prepojením satelitných údajov a pozemných fenologických pozorovaní sa vytvorili možnos-ti modelovania vegetačnej aktivity a dynamiky lesných porastov na regionálnej až globálnej úrovni. napríklad S. kang et al. (2003) navrhol regionálny fenologický model nástupu rozlisťo-vania lesnej vegetácie, ktorý je založený na listovom indexe odvodenom z údajov z MoDiSu a meteorologických údajov pre zmiešané lesy mierneho pásma v kórei. X. Zhang et al. (2003) využil na modelovanie priebehu vegetačných indexov úsekovú logistickú funkciu (dvojstranne sigmoidnú funkciu). Dátumy začiatku fenologických fáz identifikoval podľa miery zakrivenia krivky vyrovnaného logistického modelu. Prostredníctvom maximálnych a minimálnych hodnôt krivosti odvodil štyri hlavné premenné:

(1) olistenie: čas nástupu fotosyntetickej aktivity, (2) zrelosť: čas, v ktorom má rastlina zelenú listovú plochu,(3) starnutie: čas, v ktorom fotosyntetická aktivita a zelená listová plocha klesá,(4) latentný stav: čas, v ktorom je fotosyntetická aktivita blízka nule. na uvedenom prístupe je založený aj globálny fenologický produkt McD12Q2 (ganguly et

al., 2010), ktorého posledná verzia je prístupná v 500 m rozlíšení v 8-dňových krokoch. P. beck et al. (2006) overil dvojitú logistickú funkciu modelujúcu priebeh nDvi pre oblasť boreálnych lesov vo vyšších zemepisných šírkach. j. i. fisher a j. f. Mustard (2007) využívajú pri modelo-vaní modifikáciu sigmoidnej funkcie (Zhang et al., 2003). tvar krivky zohľadňuje obidva zák-ladné stavy listnatých drevín, stav olistenia a stav po opade listov, a to prostredníctvom šiestich parametrov funkcie. obdobne postupoval k. Soudami et al. (2008), keď pri modelovaní priebe-hu vegetačných indexov listnatých porastov mierneho pásma využil asymetrickú dvojstranne sigmoidnú funkciu.

na základe časového radu z avhRR rádiometra v 8 km rozlíšení z rokov 1982 – 2005 vykonal b. W. heumann et al. (2007) prvú fenologickú štúdiu zameranú na odvodenie trendu vývoja vegetačného indexu, ktorá bola založená na využití dlhodobých údajov DPZ z oblasti Sudánu. Štúdia preukázala štatisticky významné zmeny nDvi a potvrdila možnosť jeho uplat-nenia pri hodnotení vplyvu globálnych zmien prostredia na lesné ekosystémy a ekosystém

savany. l. Zhou et al. (2001) preukázal trvalé zvyšovanie hodnoty nDvi lesnej vegetácie počas vegetačnej sezóny v euroázii vrátane strednej európy, a to na časovom rade údajov z avhRR z obdobia rokov 1982 – 1999. l. Stöckli a P. l. vidale (2004) preukázali štatisticky významný trend predlžovania vegetačného obdobia v strednej európe na časovom rade údajov z avhRR z rokov 1982 – 2001. Podobné výsledky predĺženia vegetačného obdobia v mier-nom pásme Číny predstavil aj S. Piao et al. (2006) pri analýze nDvi taktiež odvodeného z avhRR z obdobia 1982 – 1999.

na Slovensku sú k dispozícii dlhodobé pozorovania fenofáz poľnohospodárskych plodín a drevín v sieti fenologických staníc Slovenského hydrometeorologického ústavu (ShMÚ – ag-rometeorologické a fenologické informácie[1]) využívané aj pri fenologických štúdiách lesných drevín (Švareninová, 2008, 2009). Prvé výsledky prepojenia satelitných údajov MoDiS a feno-logických pozorovaní na monitorovacích plochách systému ČMS lesy prezentoval t. bucha et al. (2011). celkovo však môžeme konštatovať, že na Slovensku je doposiaľ možné získať iba výberové informácie o fenológii lesných drevín. Pri zdrojoch údajov môžeme definovať tri hlav-né okruhy problémov:

Subjektívny prvok pozorovateľa pri určovaní kvalitatívnych a kvantitatívnych ukazovateľov nástupu fenologických udalostí je možnou príčinou disproporcií pri interpretácii nástupu fe-nofáz a pri následnej kvantifikácii vplyvu a významu vplyvu biometeorologických faktorov ovplyvňujúcich životné cykly organizmov.

odvodenie spoľahlivých údajov na nižšej ako celoslovenskej úrovni je problematické vzhľa-dom na uplatnenú intenzitu výberu.

vzhľadom na finančnú náročnosť je problematické zabezpečiť kontinuitu meraní a zisťovaní stavu lesa.

takýto stav monitoringu fenofáz je limitujúcim faktorom nielen pri pochopení procesov, ktoré prebiehajú v našich lesných ekosystémoch v meniacich sa podmienkach prostredia, ale obmedzuje aj možnosti prijímania potrebných a kvalifikovaných opatrení. Riešeniu načrtnutých problémov by mohli pomôcť najmä:(i) integrácia existujúcich údajov z terestrických zisťovaní s kontinuálne získavanými údajmi

DPZ.(ii) návrh nových metód, postupov a modelov ich vyhodnotenia vrátane ich validácie.

cieľom tejto podkapitoly je navrhnúť a opísať postup tvorby údajovej bázy pre kontinuálne a celoplošné sledovanie nástupu fenologických udalostí lesných drevín a navrhnúť metódu pre modelovanie priebehu fenologických udalostí. Proces tvorby údajovej bázy pozostáva z:(i) výberu vhodného produktu MoDiS. (ii) Posúdenia kvality vybraných snímok a implementácie do procesu výberu snímok.

Proces fenologického modelovanie pozostáva z:(i) konštrukcie fenologického modelu.(ii) vytvorenia fenologickej satelitnej metriky.(iii) návrhu softvérového riešenia pre modelovanie.

2. Materiál

2.1. Satelitné snímky a produkty MODISÚdaje MoDiS sú prístupné v štyroch úrovniach líšiacich sa mierou ich spracovania a overe-

nia výsledkov modelovania:

2.1. Tvorba údajovej bázy a modelovanie fenológie lesných porastov 8382 TTomá oTomáT omoám meomá

úroveň 1 – zdrojové údaje, úroveň 2 – priamo odvodené údaje, úroveň 3 a 4 – modelované údaje.

Prehľadný diagram produktov MoDiS dokumentuje obr. 1.

Pri výbere produktov MoDiS pre fenologické analýzy sme sa rozhodovali medzi niekoľký-mi alternatívami, a to medzi výberom nespracovaných údajov spektrálnej odrazivosti (produkt MoD02), výberom atmosféricky a rádiometricky predspracovaných údajov odrazivosti (MoD09) a medzi produktom MoD43, ktorý okrem atmosférických a rádiometrických korekcií modeluje odrazivosť v nadire aplikovaním funkcie dvojrozmernej odrazivosti (bRDf). táto funkcia urču-je intenzitu odrazivosti v závislosti od geometrie snímania a pozície objektu. aplikácia jej in-verznej funkcie umožňuje určiť odrazivosť objektu pri kolmom snímaní (v nadire).

hlavnou požiadavkou pri výbere produktu bolo čo najvyššie priestorové a časové rozlíšenie produktu, vysoká úroveň aplikovaných rádiometrických a atmosferických korekcií, dobrá kvali-ta eliminácie oblačnosti a kvalita aplikovaného modelu pri produktoch úrovne 3 a 4.

obr. 1: Produkty MoDiS. farebne sú označené produkty, ktoré sme analyzovali, resp. využili pri sledovaní fenológie a modelovaní produkcie lesných ekosystémov

v meniacich sa podmienkach prírodného prostrediaZdroj: naSa[2]

3. Metodika a výsledky

3.1. Výber produktu MODIS na základe zhodnotenia pozitív a negatív produktov MoD02, MoD09, MoD13 a MoD43

sme riešenie úlohy založili na produkte MoD09 (collection 5). MoD09 reprezentuje spektrálnu odrazivosť na zemskom povrchu s priestorovým rozlíšením 250 m (produkt MoD09gQ) a 500 m (MoD09ga). výhodou oproti produktu MoD02 je, že na MoD09 boli vykonané rádiomet-rické a atmosférické korekcie, t. j. eliminoval sa vplyv absorpcie a rozptylu žiarenia v atmosfére. odvodenie nDvi z produktu MoD09 sme uprednostnili pred výberom globálnych produktov s vegetačnými indexmi (MoD13) vzhľadom na nižšie, 500 m, resp. 1000 m rozlíšenie globálne-ho produktu oproti nášmu 250 m. okrem toho globálny produkt MoD13 bol k dispozícii len v 8-dňových intervaloch. Produkt MoD43 síce ponúka vyššiu úroveň eliminácie anizotropnej odrazivosti ako MoD09, avšak časové ani priestorové rozlíšenie (16 dní, resp. 1 km) nevyhovu-je potrebám modelovania nástupu fenofáz, najmä v jarnom a jesennom období.

Z produktu MoD09ga sú využívané najmä kanály 3, 4, 5, 6, a 7 (centrované na 470 nm, 555 nm, 1240 nm, 1640 nm a 2130 nm). kanály 1 a 2 z produktu MoD09gQ (v rozsahu 620 – 670 nm, resp. 841 – 876 nm) boli použité pri výpočte vegetačného indexu nDvi. Pre každý rok z obdobia 2000 – 2014 bol vytvorený samostatný časový rad nDvi, ktorý bol predmetom ana-lýz. Presnosť polohovej lokalizácie pre produktov MoD09 sa uvádza približne 50 m (1σ) v na-dire (Wolfe et al., 2002).

jednotlivé snímky produktu MoD09 sme získali z archívu uSgS[3]. Produkty MoD09 sú uložené v sínusoidálnej projekcii, ktorá je premietnutá na sieť rozdeľujúcu zemský povrch do dlaždíc vo veľkosti 10° x 10° na rovníku. Súradnicový systém (0,0) začína v ľavom hornom rohu a pokračuje vpravo (horizontálne) a dole (vertikálne). Dlaždica v pravom spodnom rohu má sú-radnicu h35v17. Územie Slovenska leží v dlaždici h19v04.

3.2. Analýza kvality snímok – produkt MOD09okrem polohovej nepresnosti jednotlivých snímok je hodnota spektrálnej odrazivosti v kaž-

dom obrazovom prvku čiastočne ovplyvnená aj spektrálnym prejavom susediacich pixelov (townshend et al., 2000). obidve skutočnosti majú vplyv na kvalitu analýz, môžeme ich pova-žovať za chyby merania. Prejavujú sa zvýšením variability zaznamenaných hodnôt odrazivosti. jedným zo spôsobov zníženia variability, ktorý sme pri analýzach využívali, bolo vylúčenie najviac ovplyvnených pixelov. išlo najmä o obrazové prvky na rozhraní lesných porastov a os-tatných prvkov krajinnej pokrývky.

Predmetom posúdenia kvality boli jednotlivé satelitné snímky produktu MoD09, ktorý sme používali na odvodenie vegetačného indexu. Zamerali sme sa predovšetkým na elimináciu pixe-lov ovplyvnených oblačnosťou, tieňom z oblakov a posúdenie vplyvu geometrie snímania. v ar-chívoch naSa [4,5] pre snímky MoDiS sme prezreli všetky snímky od roku 2000 do 2014 a vi-zuálne sme posúdili ich kvalitu, pričom sme snímky zaradili do štyroch kategórií podľa miery ich využiteľnosti, a to: snímky vysokej kvality – bezoblačné celé územie Slovenska, snímky veľmi dobrej kvality – časť územia je ovplyvnená oblačnosťou, snímky dobrej kvality – väčšia časť územia je ovplyvnená oblačnosťou, nekvalitné snímky – väčšina alebo celé územie je ovplyvnené oblačnosťou.

Ďalším kritériom pre výber bola pozícia satelitu v čase snímania vzhľadom k polohe územiu Slovenska. Preferovali sme snímky, keď sa satelit nachádzal priamo nad Slovenskom, t. j. snímka bola vyhotovená z pozície blízko nadiru. v týchto prípadoch je zabezpečené priestorové rozlíšenie cca 250 m. So zvyšujúcou sa šikmosťou pohľadu sa skutočná veľkosť snímaného pixelu na zemi neustále mení, pričom vzrastá kolmo, ako aj pozdĺžne voči skenovaniu (kristof a Pataki, 2009).

2.1. Tvorba údajovej bázy a modelovanie fenológie lesných porastov 8584 TTomá oTomáT omoám meomá

Snímky v kvalite 1 a 2 sme doplnili o snímky s väčším výskytom oblačnosti v prípadoch, keď nebol k dispozícii dostatok snímok pre modelovanie priebehu vývoja nDvi počas roka.

okrem vizuálnej kontroly kvality snímok, sme analyzovali súbor kvality, ktorý je súčasťou produktu MoD09ga. Súbor umožňuje posúdiť kvalitu zaznamenanej odrazivosti na úrovni pi-xela. informácia o kvalite jednotlivých pixelov je zakódovaná do hodnôt jednotlivých bitov v 16-bitovom celom čísle (tab. 1).

tab. 1: MoD09 produkt – stavové hodnoty parametrov kvality odrazivosti

bit názov parametra kombinácia bitov – stav parametra

0 – 1 Stav oblačnosti 00 – jasno; 01 – oblačnosť; 10 – Zmiešaný; 11 – nehodnotený, predpoklad jasno

2 ovplyvnenie tieňom z oblakov 1 – áno; 0 – nie

3 –5 charakteristika krajinnej pokrývky:suchozemský povrch / voda

000 - Plytký oceán; 001 – Pevnina; 010 – Pobrežie oceánu alebo jazier; 011 – Plytká voda jazier; 100 – občasná voda; 101 – hlboká voda jazier; 110 – kontinentálny/plytký oceán; 111 – hlboký oceán

6 – 7 Množstvo aerosólu 00 – klimatológia; 01 – nízky; 10 – Priemerný; 11 – vysoký

8 – 9 Detekcia cirusov 00 – žiadny; 01 – Malý; 10 – Priemerný; 11 – vysoký

10 interný algoritmus indikácie oblačnosti 1 – oblak; 0 – bez oblaku

11 interný algoritmus indikácie požiaru 1 – Požiar; 0 – bez požiaru

12 Detekcia snehu/ľadu (MoD 35 produkt) 1 – áno; 0 – nie

13 Detekcia ovplyvnenia okolitou oblačnosťou 1 – áno; 0 – nie

14 korekcia bRDf 1 – áno; 0 – nie

15 interná maska snehu 1 – Sneh; 0 – bez snehuPoznámka: optimálny stav = hodnota na sivom pozadí Zdroj: [6] http://www.gscloud.cn/userfiles/file/MOD09_UserGuide.pdf

výsledkom rozboru je návrh optimálnej kombinácie hodnôt bitov (tab. 2), ktorú sme uplatni-li pri rozhodovaní o zaradení daného pixela do analýzy alebo jeho vylúčení z analýzy.

tab. 2: akceptovaná (vyhovujúca) kombinácia hodnôt bitu pri vrstve kvality produktu MoD09

bit no. 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0

vyhovujúci stav parametra 0 0 0/1 0 0 0 0 0 0/1 0/1 0 0 1 0/1 0 0

hodnota 32768 16384 8192 4096 2048 1024 512 256 128 64 32 16 8 4 2 1

na základe údajov zo súboru kvality sme vybrali pixely s hodnotou bitu: 8, 72, 76, 136, 140, 200 a 8200. v ostatných pixeloch sme hodnotu bitu nahradili hodnotou 0. hodnoty odrazivosti (Dn hodnoty) vo vybraných pixeloch sme podrobili finálnemu rozboru kvality. k tomu sme vypočítali priemernú hodnotu Dn a smerodajnú odchýlku (sd) ku každému dňu vybranej snímky z údajovej bázy. Pixel bol zahrnutý do analýz, ak sa jeho hodnota nachádzala v rozpätí x̄ ± 3 sd. Pixelom mimo uvedeného rozsahu sme hodnotu bitu nahradili hodnotou 0.

Proces získania a spracovania snímok bol automatizovaný a je opísaný v podkapitole 4.1. na obr. 2 je zobrazená satelitná snímka MoDiS a z nej odvodený vegetačný index nDvi po apliko-vaní systému pre analýzu kvality.

obr. 2: Snímka MoDiS z 20. augusta 2010 z územia Slovenskavľavo: kompozícia kanálov 2/6/1 produktov MoD09gQ a MoD09g: blízky infračervený

– krátkovlnný infračervený a červený kanálvpravo: odvodený vegetačný index nDvi. Čierna farba reprezentuje pixely, ktoré neprešli

systémom kvality. oranžová a červená farba zodpovedá vitálnej vegetácii

3.3. Tvorby údajovej bázy – výber snímok produktu MOD09Údajová báza snímok MoDiS sa pre potreby lesníckej fenológie začala systematicky vytvá-

rať od roku 2009 (bucha, koreň, 2009). Po aplikovaní systému pravidiel výberu snímok a pra-vidiel pre zahrnutie pixelov do analýz máme ku koncu roku 2014 v archíve celkovo 656 snímok MoDiS z obdobia rokov 2000 – 2014. ich prehľad je uvedený v tabuľke 3.

tab. 3: Prehľad snímok MoDiS zahrnutých do fenologických analýzRok Poradový deň v roku získanej snímky Spolu2000 83, 98, 109, 110, 112, 114, 115, 123, 124, 128, 134, 135, 148, 155, 156, 162, 171, 172, 173, 174, 215, 233, 234, 235,

253, 254, 270, 272, 273, 274, 279, 290, 294, 295, 297, 298, 327, 336, 357 38

2001 66, 91, 92, 93, 119, 120, 121, 134, 137, 143, 146, 150, 187, 194, 196, 210, 212, 215, 225, 237, 239, 242, 272, 276, 286, 288, 304, 319, 322 28

2002 91, 92, 97, 110, 112, 115, 121, 122, 124, 129, 137, 163, 169, 172, 174, 192, 230, 238, 242, 243, 252, 272, 293, 343, 345, 25

2003 76, 83, 84, 86, 106, 124, 125, 127, 150, 158, 159, 163, 182, 218, 230, 239, 257, 259, 262, 266, 269, 291, 314, 317, 342 24

2004 78, 93, 94, 105, 111, 112, 113, 114, 117, 117q, 118, 122, 127, 127q, 130, 132, 133, 134, 135, 135q, 136, 137q, 141, 151, 160, 161, 166, 175, 183, 203, 213, 230, 231, 242, 262, 280, 281, 286, 315, 316, 340, 342 42

2005 81, 91, 93, 95, 112, 114, 119, 120, 123, 134, 141, 143, 149, 150, 164, 175, 180, 196, 210, 211, 214, 232, 242, 244, 246, 266, 267, 278, 280, 283, 292, 301, 303, 305, 306, 313, 344, 345 37

2006 97, 98, 105, 109, 112, 116, 125, 130, 133, 142, 143, 163, 164, 166, 167, 170, 176, 178, 187, 188, 192, 199, 200, 201, 231, 253, 254, 256, 265, 267, 269, 283, 284, 290, 291, 300, 304, 320, 361 38

2007 72, 74, 85, 88, 90, 92, 102, 103, 104, 111, 112, 113, 120, 122, 133, 135, 145, 163, 197, 198, 199, 200, 227, 228, 229, 236, 243, 245, 264, 266, 268, 288, 289, 290, 305, 331, 332, 339 38

2008 40, 41, 42, 43, 56, 57, 59, 66, 67, 91, 99, 116, 118, 120, 129, 132, 134, 136, 148, 154, 155, 177, 194, 225, 232, 234, 244, 245, 246, 250, 257, 279, 280, 292, 323 34

2009 81, 92, 93, 95, 97, 99, 100, 101, 102, 104, 106, 115, 116, 117, 118, 146, 165, 195, 198, 204, 209, 211, 214, 232, 237, 244, 245, 252, 262, 266, 269, 270, 271, 277, 303, 305 35

2010 84, 88, 91, 93, 98, 107, 108, 110, 111, 112, 113, 114, 116, 119, 120, 120q, 121, 121q, 123, 147, 148, 148q, 149q, 157, 158, 159, 160, 162, 174, 178, 180, 181, 189, 190, 191, 192, 194, 196, 198, 201, 203, 214, 225, 226, 227, 232, 233, 234, 235, 238, 256, 263, 264, 265, 267, 268, 271, 276, 279, 280, 281, 282, 283, 285, 286, 287, 295, 301, 302, 302q, 303, 304, 305, 309q, 310, 315, 318, 318q, 319, 319q, 330

81

2011 38q, 38, 39, 39q, 40q, 40, 41, 66, 66q, 67, 67q, 68q, 68, 71, 71q, 74, 74q, 80, 80q, 81, 83, 83q, 87, 87q, 88, 88q, 89, 89q, 90, 90q, 93, 94, 100, 100q, 101, 101q, 110, 110q, 112, 112q, 114, 116, 117, 119, 122, 123, 124, 127, 130, 131q, 139q, 139, 140, 142, 146q, 146, 151, 155, 156, 157, 162, 163, 167, 188, 190, 192, 193, 194, 195, 217, 229, 233, 236, 238, 247, 254, 256, 258, 259, 261, 270, 274, 275, 276, 289q, 289, 290, 304, 307q, 307, 311q, 311, 315q, 315, 316, 316q, 326

97

2.1. Tvorba údajovej bázy a modelovanie fenológie lesných porastov 8786 TTomá oTomáT omoám meomá

2012 100, 101, 109, 116, 117, 118, 120, 120q, 122, 124, 129, 131, 132, 133, 140, 141, 168, 182, 184, 188, 205, 214, 220, 232, 241, 243, 254, 255, 255q, 280, 293, 294, 296, 296q, 319, 321, 325 36

2013 106, 108, 112, 115, 120, 128, 131, 136, 139, 160, 167, 169, 170, 184, 185, 190, 202, 204, 210, 216, 218, 220, 229, 231, 246, 248, 250, 277, 280, 287, 293, 316, 318, 335, 364 35

2014 6, 6q, 70, 72, 72q, 79, 81, 88, 88q, 93, 97, 98, 107, 118, 120, 121, 122, 143, 143q, 145, 146, 156, 159, 161, 162, 185, 185q, 186, 187, 188, 196, 214, 230, 234, 248, 251, 252, 261, 262, 267, 270, 271, 272, 273, 283, 283q, 285, 291, 297q, 299q, 301, 301q, 303q, 306, 308, 308q, 319, 319q, 324, 324q, 333, 333q, 339, 339q, 344, 344q, 358, 358q

68

656q – snímka je zo spektorádiometra MODIS satelit AQUA

Z dôvodu periód oblačného počasia neboli všetky obdobia pokryté rovnomerne. Dostatočný počet snímok nebol k dispozícii v rokoch 2003 a 2009 v jarnej fenofáze a v rokoch 2001, 2002 a 2009 v období jesennej fenofázy. táto skutočnosť môže čiastočne ovplyvniť kvalitu modelu v chýbajúcej časti roka.

3.4. Modelovanie fenologického vývoja lesných porastov – konštrukcia fenologického mo-deluPod modelovaním fenologického vývoja lesných porastov rozumieme predikciu hlavných

fenologických udalostí, a to pomocou analýzy priebehu normalizovaného vegetačného indexu nDvi. hodnoty indexu nDvi sme vypočítali z produktu MoD09. Priebeh celoročného vývo-ja vegetačného indexu sme opísali sigmoidnou logistickou krivkou (fisher a Mustard, 2007):

( ) )1

11

1(4321 tmmtmmampmin ee

vvtv−− +

−+

+= [1]

Parametre vmin a vamp zodpovedajú minimálnej hodnote vegetačného indexu (nDvi) a ampli-túde. Parametre m1 a m2 kontrolujú tvar a sklon krivky v jej nástupnej (jarnej) fáze, parametre m3 a m4 v zostupnej (jesennej) fáze.

Parametre vmin a vamp boli rovnaké pre všetky fenologické krivky. ich hodnoty pre dreviny buk a dub boli odhadnuté z celoslovenských údajov a nie sú predmetom štatistického výpočtu. Pre ich určenie sme najprv vypočítali priemernú hodnotu nDvi (nDviavg) a jej smerodajnú odchýlku (nDviStD), a to zo všetkých listnatých porastov s dominantným zastúpením buka. vylúčené boli obrazové prvky (pixely) na okrajoch lesa, ktorých spektrálna hodnota je ovplyv-nená inou kategóriou krajinnej pokrývky. Minimálnu hodnotu vmin sme stanovili ako nDviavg – nDviStD. Maximálnu hodnotu ako nDviavg + nDviStD. Z ich rozdielu sme vypočítali amplitú-du vamp. Do výpočtu minimálnych hodnôt nDvi bolo zahrnutých 17 satelitných snímok spred vegetačného obdobia, a to hlavne z konca marca a zo začiatku apríla, aby sme sa vyhli kontami-nácii odrazivosti snehovou pokrývkou. išlo o snímky z nasledujúcich rokov a dní: 2000: 98; 2001: 91, 93; 2002: 92; 2003: 86; 2004: 93, 94, 105; 2005: 91; 2006: 98; 2007: 85, 90; 2008: 67, 91; 2009: 92, 93, 97. Do výpočtu maximálnych hodnôt nDvi bolo zahrnutých 26 snímok od konca mája do konca augusta (2000: 155, 162, 233; 2001: 225; 2002: 169, 174, 243: 2003: 159, 163, 182, 218, 239; 2004: 166, 230; 2005: 150, 244; 2006: 178, 199, 254; 2007: 197, 236; 2008: 177, 232; 2009: 165, 204, 232). uvedeným postupom sme vypočítali hodnoty pre drevinu buk: vmin = 0,429 a vamp = 0,497 resp. pre drevinu dub: vmin = 0,391 a vamp = 0,525.

Parametre m1 až m4 boli vypočítané osobitne pre každý obrazový prvok výstupného rastra, s výskytom bukovému alebo dubového porastu. najskôr boli pre daný pixel extrahované hodnoty príslušného časového radu nDvi z rokov 2000 až 2014. Z nich boli metódou najmenších štvorcov určené hodnoty hľadaných parametrov. Prehľadávanie priestoru bolo ukončené, keď RMS do-siahla hodnotu menšiu ako stanovený limit. uplatnením spomínaných kritérií kvality na jednotlivé snímky sme z analýzy vylúčili obrazové prvky ovplyvnené oblačnosťou, tieňom z oblakov, väč-

ším množstvom aerosólu. vylúčili sme aj pixely, kde odrazivosť bola ovplyvnená snehovou po-krývkou. týmto obrazovým prvkom sme prisúdili hodnotu 0. Pre potreby analýzy časových ra-dov nDvi, ako aj kvôli obmedzeniam pri práci s nulovými hodnotami, bolo potrebné doplniť chýbajúce hodnoty nDvi. tieto sme nahradili interpoláciou pomocou vypočítanej sigmoidnej funkcie [1]. vstupom boli teda jednotlivé ročné série snímok po uplatnení kritérií kvality. výstu-pom sú okrem súborov doplnených o chýbajúce hodnoty nDvi aj súbory s odhadnutými para-metrami funkcie [1], t. j. parametre m1 až m4 kontrolujúce tvar a sklon krivky v jej nástupnej (jarnej) a zostupnej (jesennej) fáze.

odvodenú krivku sme využili pre určenie nástupu rozhodujúcich fenologických udalostí. Me-tódami matematickej analýzy boli vypočítané extrémne hodnoty interpolačnej funkcie a jej derivá-cií, ako aj poradový deň v roku, v ktorom tieto udalosti nastali. Pre výpočet extrémov funkcie a určenie inflexného bodu (ib) sme využili prvú až tretiu deriváciu sigmoidnej funkcie [1].

Prvá derivácia funkcie má tvar:

[2]

k ib každého pixelu bol vypočítaný príslušný poradový deň v roku a hodnota nDvi. hod-notu nDvi zodpovedajúcu ib sme určili dosadením príslušného poradového dňa v roku do funkcie [1].

Druhá derivácia funkcie je daná vzťahom:

[3]

k jej extrémom (minimu, resp. maximu) v jarnom aj jesennom období bol pre každý pixel vypočítaný príslušný poradový deň v roku a hodnota nDvi, pričom hodnotu nDvi sme určili dosadením príslušného poradového dňa v roku do funkcie [1].

na základe ročného priebehu nDvi, ktorý sme modelovali pomocou sigmoidnej funkcie [1], sme identifikovali tri základné fázy fenologického cyklu:

1. zalisťovanie (jarná, growth period), 2. plné olistenie (letná fáza, full foliage), 3. opadávanie (jesenná fáza, declination period). v jednotlivých fázach fenologického cyklu sme na základe extrémnych hodnôt interpolačnej

funkcie a k nim určených poradových dní v roku, kedy tieto udalosti nastali, identifikovali body (tabuľka 4), ktoré tvoria základ satelitnej fenologickej metriky (obr. 3).

tab. 4: Satelitná fenologická metrika a približne zodpovedajúca vegetatívna fenofáza (v zmysle metodiky ShMÚ, 1996)

gaD Maximum (maximálne zrýchlenie) druhej derivácie funkcie v jarnej fáze ~ obdobie začiatku pučaniagSD extrém prvej derivácie funkcie v jarnej fáze vegetačného obdobia (jarný inflexný bod) ~ obdobie začiatku zalisťovaniagDD Minimum (maximálne spomalenie) druhej derivácie funkcie v jarnej fáze ~ obdobie všeobecného zalisťovaniafMD Maximálne olistenie ~ maximálna hodnota fenologickej krivky.DaD Maximum (maximálne zrýchlenie) druhej derivácie funkcie v jesennej fáze ~ obdobie všeobecného žltnutia listovDSD extrém prvej derivácie funkcie jesennej fáze vegetačného obdobia (jesenný inflexný bod) ~ obdobie začiatku opadu listovDDD Minimum (maximálne spomalenie) druhej derivácie funkcie v jesennej fáze ~ obdobie pred koncom opadu listov

2.1. Tvorba údajovej bázy a modelovanie fenológie lesných porastov 8988 TTomá oTomáT omoám meomá

Deň maximálneho olistenia zodpovedá výskytu maximálnej hodnoty fenologickej krivky. obdobie maximálnej rýchlosti (maximal speed) rastu, resp. opadávania listov, zodpovedajú in-flexnému bodu (ib) v jarnej, resp. jesennej fenofáze (obr. 3). Ďalšími významnými bodmi krivky sú dni maximálneho prírastku rýchlosti (maximal acceleration) a maximálneho spomalenia (ma-ximal decelaration) rýchlosti olisťovania, resp. opadávania listov, ktoré zodpovedajú lokálnym extrémom druhej derivácie sigmoidnej funkcie.

obr. 3: typický priebeh hodnôt nDvi listnatých porastov (červená krivka) modelovaná sigmoidnou logistic-kou krivkou [1] s priradenými nástupmi jednotlivých fenologických udalostí a 3 základnými fázami fenologic-kého cyklu i) zalisťovanie (svetlozelená), ii) plné olistenie (sýtozelená), iii) žltnutie a opadávanie (oranžová).

os x: poradový deň v roku. os y: hodnota nDvi.vysvetlivky gaD, gSD, gDD, fMD, DaD, DSD, DDD sú uvedené v tab. 4

Podľa stupnice vypracovanej Slovenským hydrometeorologickým ústavom (braslavská a kamenský, 1996) sa pri listnatých drevinách hodnotia nasledovné fenofázy: začiatok pučania; zalisťovanie (začiatok a všeobecné); jánske výhonky; letné žltnutie listov; jesenné žltnutie listov (začiatok a všeobecné); opad listov (začiatok a koniec).

navrhnutý koncept satelitného monitorovania, ktorý je založený na odvodení fenologickej krivky a jej extrémov, je základom pre porovnanie satelitných a terestrických fenologických pozorovaní a východiskom pre matematicko-štatistické odvodenie vzťahov medzi satelitnou a pozemnou fenologickou metrikou, ktorých výsledky podrobnejšie uvedieme v ďalších kapito-lách.

3.5. Softvérové riešenie pre fenologické modelovanie – Pheno ProfilePre modelovanie ročného priebehu nDvi pomocou sigmoidnej funkcie sme vyvinuli apliká-

ciu Phenological profile. táto softvérová aplikácia na základe vstupných údajov (julian deň a nDvi) umožňuje odhadnúť vstupné parametre fenologickej krivky danej sigmoidnej funkcie, vypočítať hodnoty prvej až tretej derivácie fenologickej krivky a zakrivenie krivky. aplikácia poskytuje nástroje na interpoláciu fenologickej krivky zo satelitných údajov a vyšetrenie jej priebehu:

výpočet parametrov funkcie modelujúcej priebeh nDvi a doplnenie chýbajúcich hodnôt in-terpoláciou. funkcionalita bola naprogramovaná v dvoch variantoch: s výpočtom 4 paramet-rov sigmoidnej funkce (obr. 4a) alebo všetkých 6 parametrov funkcie.

analýza ročného priebehu nDvi a priebehu derivácií funkcie (obr. 4b). export hodnôt lokálnych extrémov funkcie a k nim určených poradových dní v roku (obr. 4c).

obr. 4: grafické rozhrania základných funkcionalít programu Phenological profile:

a) výpočet parametrov fenologickej funkcie

b) vyšetrenie priebehu fenologickej funkcie

c) export vypočítaných parametrov satelitnej metriky a dní nástupu fenologických udalostí

a) b)

c)

Program poskytuje aj ďalšie nástroje na prácu s údajmi fenologickej krivky: import a export údajov do interného formátu z binárnych rastrových súborov iDRiSi a texto-

vých súborov arcinfo aScii, generovanie časového radu hodnôt nDvi na základe vlastných vstupov, generovanie hodnoty fenologickej funkcie a jej derivácie pre každý deň v roku podľa zada-

ných parametrov funkcie, vyhľadanie extrémov (minimálna a maximálna hodnota) pre hodnoty nDvi načítané zo

vstupných súborov, výber a analýza priebehu nDvi v jednej bunke vstupného rastra, ktorá je určená číslom riad-

ka a stĺpca.

4. Záver

v podkapitole sme predstavili inovatívnu metódu určovania fenologických udalostí lesných drevín zo satelitných snímok MoDiS. Prvá oblasť riešenia bola zameraná na tvorbu údajovej bázy, ktorá pozostáva z výberu produktov MoDiS, analýzy ich kvality pre fenologické modelo-vanie, stiahnutia snímok z archívu naSa a ich uloženia do nášho archívu v požadovanom for-máte a kartografickom zobrazení.

Pri výbere produktu sme uprednostnili jednodňový produkt MoD09gQ a MoD09ga pred 8-dňovými či 16-dňovými produktmi MoDiS. Dôvodom bola potreba kontinuálneho sledovania

Satelity v Službách leSníckej fenológie 90 TTomá oTomáT omoám meomá

fenologického vývoja v čo najkratšom kroku, ale v maximálnom rozlíšení, ktoré MoDiS ponú-ka, t. j. 250 x 250 m. takúto možnosť ponúkajú len denné produkty napriek určitým nevýhodám spočívajúcich v nižšej kvalite atmosférických korekcií a väčšej variabilite hodnôt odrazivosti z dôvodu rozdielnej geometrie snímania, ktorá nie je pri použitom produkte eliminovaná apliko-vaním funkcie bRDf.

Pri výbere snímok z archívu MoDiS sme aplikovali súbor kritérií, pomocou ktorých sme vybrali vhodné snímky vzhľadom na oblačnosť a geometriu snímania. následne sme v rámci vybraných snímok uplatnili systém kritérií pre výber obrazových prvkov, ktoré vstupujú do ďal-ších analýz pre modelovanie fenologických udalostí.

Druhú časť riešenia predstavuje samotný návrh konceptu modelovania fenologického vývo-ja. na to sme využili normalizovaný vegetačný index nDvi. ide o biofyzikálnu charakteristiku, ktorú sme priamo odvodili zo satelitných údajov produktu MoD09gQ. Ročný priebeh nDvi sme modelovali pomocou sigmoidnej funkcie. na tento účel sme vyvinuli aplikáciu Phenologi-cal profile. táto softvérová aplikácia na základe vstupných údajov (julian deň a nDvi) umož-ňuje odhadnúť vstupné parametre fenologickej krivky danej sigmoidnej funkcie, vypočíta hod-noty prvej až tretej derivácie fenologickej krivky. hodnoty extrémov fenologickej krivky pred-stavujú novovytvorenú satelitnú fenologickú metriku, pomocou ktorej je možné porovnať sate-litné určenie nástupu jednotlivých jarných a jesenných fenofáz s terénnymi pozorovaniami.

výsledkom riešenia je vytvorenie údajovej bázy a návrh inovatívnej metódy určovania ná-stupu fenologických udalostí, založený na využití vlastného softvérového riešenia pre modelo-vanie fenologického vývoja.

Internetové odkazy[1] Slovenský hydrometeorologický ústav. Sieť fenologických staníc: Dostupné z http://www.

shmu.sk/sk/?page=354[2] naSa. Dostupné z http://modis.gsfc.nasa.gov/data/dataprod/pdf/MoDiSdataflowdiag.pdf[3] united State geological Survey: Dostupné z http://e4ftl01.cr.usgs.gov[4] naSa–the earth observing System Data and information System (eoSDiS): Dostupné

z http://lance-modis.eosdis.nasa.gov/imagery/subsets/?area=eu [5] naSa – Worldview: Dostupné z https://earthdata.nasa.gov/labs/worldview [6] http://www.gscloud.cn/userfiles/file/MoD09_userguide.pdf

VALIDÁCIA NÁSTUPU FENOLOGICKÝCH UDALOSTÍ BUKOVÝCH PORASTOV (2.2.)

1. Problematika a ciele práce

Zisťovanie biofyzikálnych a štrukturálnych vlastností lesných porastov pomocou satelit-ných snímok prinieslo nový rozmer do štúdia reakcií lesných ekosystémov na globálne sa meniace podmienky prostredia. Satelitné technológie našli uplatnenie aj v oblasti fenológie napr. pri skúmaní priebehu fenologických udalostí lesných porastov na rozsiahlych územiach. ich hlavný prínos oproti výberovým metódam, založeným na pozemných pozorovaniach, spo-číva v možnosti kontinuálneho (denné intervaly) a veľkoplošného sledovania priebehu fenolo-gických udalostí (Stöckli, vidale, 2004; Piao et al., 2006; heumann et al., 2007; Soudami et al., 2008). viacero prác preukázalo vhodnosť využitia normalizovaného diferenčného vege-tačného indexu vo vzťahu k fenologickým prejavom lesných drevín (koch et al., 1990; kang et al., 2003; Zhang et al., 2003; Pettorelli et al., 2005; beck et al., 2006; fisher, 2006; gangu-ly et al., 2010).

v našich podmienkach sa význam satelitnej fenológie umocnil po vypustení družíc terra a aqua so spektrorádiometrom MoDiS s rozlíšením 250 m. uvedené rozlíšenie je už dostatoč-ne podrobné na to, aby sa aj z pohľadu krajinnej pokrývky fragmentovaného územia Sloven-ska dal identifikovať a vybrať do analýz dostatočný počet pixelov s rovnorodým zastúpením drevín, predovšetkým buka, duba a smreka.

Pre validáciu a parametrizáciu výstupov DPZ sa využívajú údaje a výsledky z terestrických meraní (cohen et al., 2003). existujúce produkty MoDiS sú využiteľné predovšetkým pre po-treby globálneho monitorovania Zeme. Regionálna premenlivosť monitorovaných veličín nie je dostatočne zachytená a vysvetlená (hill et al., 2006; coops et al., 2007), preto sa validácia odvo-dených regionálnych produktov javí ako aktuálna a potrebná.

cieľom podkapitoly je prezentovať metódy a výsledky validácie regionálneho fenologického modelu (RfM) odvodeného z nDvi zo satelitných snímok MoDiS pre drevinu buk lesný (Fa-gus sylvatica l.). Proces validácie fenologického modelovanie pozostáva zo:

a) zabezpečenia presnejších hodnotení nástupu fenofáz z fenologických staníc,b) výberu porovnateľných fenofáz medzi pozemnou fenologickou metrikou a satelitnou

metrikou,c) matematicko-štatistického porovnania nástupu a trvania fenofáz z fenologických staníc

a fenologického modelovania zo satelitných údajov MoDiS.

2. Materiál a metódy

2.1. Konštrukcia regionálneho fenologického modelu z MODISuvýchodiskom pre určenie nástupu jednotlivých fenologických udalostí je analýza ročného

priebehu vegetačného indexu nDvi odvodeného z produktu MoD09. Matematicky sme priebeh nDvi opísali pomocou sigmoidnej logistickej krivky (fisher, 2007).

( ) )1

11

1(4321 tmmtmmampmin ee

vvtv−− +

−+

+= [1]

Parametre vmin a vamp zodpovedajú minimálnej hodnote vegetačného indexu (nDvi) a ampli-túde, parametre m1,2,3,4 kontrolujú tvar a sklon krivky v jej nástupnej (jarnej) a zostupnej (jesen-nej) fáze. Dni nástupu rozhodujúcich fenologických udalostí sme odvodili z fenologickej krivky

2.2. Validácia nástupu fenologických udalostí bukových porastov 9392 mámá aáTozmPTTmT oToá amTamTTm

prostredníctvom výpočtu 1. a 2. derivácie funkcie. extrémy jednotlivých funkcií využívame ako satelitnú metriku. Podrobný opis metodiky určenie nástupu jednotlivých fenologických udalostí je uvedený v podkapitole 2.1. (časť 3.4. Modelovanie fenologického vývoja lesných porastov – konštrukcia fenologického modelu).

2.2. Záujmové územie a zdrojové údajena validáciu dňa nástupu hlavných jarných a jesenných fenofáz bukových porastov sme

využili rad pozorovaní z 24 regionálnych fenologických staníc ShMÚ[1] z rokov 2000 – 2009 a rad fenologických pozorovaní na dvoch trvalých monitorovacích plochách (tMP) z rokov 2002 – 2009 prevádzkovaných národným lesníckym centrom. v ďalšom texte ich spoločné označujeme „fenologické stanice“ alebo „stanice“. ich lokalizáciu na území SR znázorňuje obr. 1.

fenologickú krivku sme vypočítali pre porasty buka na území Slovenskej republiky. Pixely sme vyberali kombináciou dvoch metód: podľa údajov o zastúpení buka z opisu porastov v zák-ladných jednotkách priestorového rozdelenia lesa (zdroj: nlc-ÚlZi Zvolen – databáza infor-mačného systému lesného hospodárstva (iS lh)) a z klasifikácie drevinového zloženia zo sate-litných snímok landsat (bucha et al., 1999) pre lesy rastúce mimo lesných pozemkov a vo vo-jenských lesoch, kde nie sú k dispozícii údaje z iS lh. vylúčili sme okrajové pixely na rozhraní lesa a bezlesia a pixely so zastúpením buka nižším ako 40 %.

obr. 1: Rozloženie fenologických staníc a analyzovaných porastov s dominantným zastúpením buka na území SR a v okolí fenologických staníc

Z pixelov klasifikovaných ako buk sme do analýz zahrnuli len tie, ktoré sa nachádzali v okru-hu 5 km od jednotlivých fenologických staníc ShMÚ alebo plôch nlc. Pre každú takto vybranú skupinu pixelov sme zisťovali strednú hodnotu (medián) nadmorskej výšky a medián dňa nástu-pu jednotlivých fenofáz odvodených pomocou fenologickej krivky v jednotlivých rokoch v ob-dobí 2000 – 2009 (v prípade trvalých monitorovacích plôch nlc v období 2002 – 2009).

Širší rozsah výberu pixelov s dominantným zastúpením buka v okruhu 5 km okolo stanice sme zvolili v záujme dostatočného rozsahu výberového súboru pre zovšeobecnenie našich ziste-ní pre bučiny celého Slovenska (obr. 2). vylúčili sme stanice, v ktorých okruhu sa nenachádzal žiadny pixel klasifikovaný ako buk (hajnáčka, liptovský ján, bytča), čím sa celkový počet sta-níc znížil na 21 v rokoch 2000 a 2001 a 23 v rokoch 2002 – 2009.

100 200 300 400 500 600 700 800 900 1000 1100 1200 1300 1400

Nadmorská výška

0

400

800

1200

1600

2000

2400

Poče

t pix

elov

Pixely buka - základný súbor

0

100

200

300

400

500

600

200 300 400 500 600 700 800 900 1000 1100 1200 1300 1400

poče

t pix

elov

nadmorská výška

Pixely buka - výberový súbor

obr. 2: Rozdelenie početností podľa nadmorskej výšky pre všetky pixely klasifikované ako buk (vľavo) a pixely buka v okolí 5 km od fenologických staníc (vpravo)

0

1

2

3

4

5

6

7

8

200 300 400 500 600 700 800 900 1000 1100 1200 1300 1400

poče

t fen

olog

ický

ch st

aníc

nadmorská výška

Fenologické stanice

obr. 3: lokalizácia 24 fenologických staníc a 2 tMP podľa nadmorskej výšky

2.3. Fenologické pozorovaniajednotlivé fenofázy drevín boli hodnotené podľa stupnice, ktorú uvádza manuál pre fenolo-

gické pozorovania vypracovaný pre celoeurópsky monitorovací systém (Preuhsler, 1999) a pod-ľa stupnice vypracovanej Slovenským hydrometeorologickým ústavom (braslavská a kamen-ský, 1996).

Za nástup fenofázy je považovaný deň, keď viac ako 50 % pozorovaných jedincov dosiahlo danú fenofázu. Dĺžka trvania fenofázy bola stanovená počtom dní medzi nástupom dvoch po sebe nasledujúcich fenofáz. Pozorovania sa vykonávali individuálne, pomocou ďalekohľadu. na každej monitorovacej ploche sa hodnotilo 10 úrovňových jedincov.

nástupy fenofáz odvodené z fenologických pozorovaní v sieti staníc ShMÚ a na tMP sme využili pre validáciu určenia nástupu fenofáz pomocou satelitnej metriky z MoDiSu. Pri zosú-ladení satelitnej metriky s fenofázami hodnotenými pri pozemných pozorovaniach sme vychá-dzali z výsledkov dlhodobých fenologických pozorovaní na trvalých monitorovacích plochách nlc (Priwitzer, 2010), v zmysle ktorých sme porovnávali nasledovné dvojice nástupov fenofáz (pozemná vs. satelitná metrika):a) rašenie pupeňov ~ maximum druhej derivácie funkcie v jarnej fáze,b) začiatok zalisťovania ~ inflexný bod v jarnej fáze,c) všeobecné zalisťovanie ~ minimum druhej derivácie funkcie v jarnej fáze, d) začiatok žltnutia ~ maximum druhej derivácie funkcie v jesennej fáze,e) všeobecné žltnutie a začiatok opadu listov ~ inflexný bod v jesennej fáze.

na základe získaných údajov zo satelitného (RfM) a pozemného (fenologické stanice) urče-nia nástupu fenofáz sme vyhodnotili:

2.2. Validácia nástupu fenologických udalostí bukových porastov 9594 mámá aáTozmPTTmT oToá amTamTTm

● rozdiely v určení nástupu jednotlivých fenologických udalostí, ● dĺžku trvania fenologických fáz, ● dĺžku trvania vegetačnej sezóny a dĺžku trvania plného olistenia, ● možné zdroje nepresností pri odvodzovaní regionálneho fenologického modelu.

v jednotlivých rokoch boli porovnané pozorované dni nástupu sledovaných fenologických udalostí na fenologických staniciach s dňom nástupu odvodeným z MoDiSu z pixelov v okruhu 5 km od fenologickej stanice. Prehľadne sme rozdiely vyjadrili vo forme grafov. ako metriku sme použili mediánovú hodnotu dňa nástupu fenofáz a 5. a 95. percentil.

Závislosť medzi pozorovaným (na 23 fenologických staniciach) a odvodeným nástupom fe-nologickej udalosti zo satelitu sme vyhodnotili s využitím jednoduchej lineárnej regresie pre všetky sledované roky, ako aj za celé sledované obdobie (priemer z 23 staníc). Závislosť sme v tabuľkovej forme vyjadrili korelačným koeficientom, aritmetickým priemerom rozdielov a smerodajnou odchýlkou rozdielov medzi pozorovaným a satelitne odvodeným nástupom feno-fázy. korelačný vzťah medzi pozemne a satelitne odvodeným nástupom fenofáz sme pre celé sledované obdobie vyjadrili aj vo forme grafov.

Pri výpočte dĺžky trvania vegetačnej sezóny neexistuje jednotná definícia vegetačnej sezóny (White et al., 1997). Definícia dĺžky trvania vegetačnej sezóny vyplýva z rozdielnych potrieb mo-delov, bilancií a hodnotení, do ktorých vstupujú fenologické údaje (hydrologický, produkčný mo-del, toky plynov v poraste, bilancie živín a pod.). Pre účely tejto práce sme zvolili prístup, keď je vegetačná sezóna definovaná ako obdobie od rašenia pupeňov až po všeobecné žltnutie listov.

Dĺžku trvania plného olistenia sme určili ako obdobie od všeobecného zalisťovania po začiatok žltnutia listov. táto dĺžka predstavuje časť vegetačnej sezóny rozhodujúcu pre celkovú produkciu.

3. Výsledky

3.1. Reprezentatívnosť výberu Základný súbor (všetky pixely klasifikované ako buk) i výberový súbor (pixely v okruhu 5

km od fenologických staníc) majú podľa nadmorskej výšky mierne ľavostranné nesúmerné roz-delenie početností (obr. 2). testovanie aritmetických priemerov základného (563 ± 186 m n. m.) a výberového (566 ± 157 m n. m.) súboru nepotvrdilo štatisticky významný rozdiel na hladine významnosti α = 0,05. na základe frekvencie výskytu podľa nadmorskej výšky môžeme pova-žovať výberový súbor za dostatočne reprezentatívny pre územie bukových porastov Slovenska.

lokalizácia 24 fenologických staníc a 2 tMP podľa nadmorskej výšky je graficky zobrazená na obr. 3. Z rozdelenia početností výskytu staníc podľa nadmorskej výšky vyplýva, že stanice sa na-chádzajú v celom rozpätí výskytu buka od 300 do 1100 m. najviac staníc je lokalizovaných v nad-morských výškach s dominantným zastúpením buka (od 400 do 600 m). takéto rozmiestnenie staníc umožňuje vysloviť predpoklad, že výsledky validácie možno zovšeobecniť pre celý základ-ný súbor.

3.2. Rašenie pupeňovRašenie pupeňov odvodené z RfM nastáva v priemere o 5,6 dní skôr ako pozorované (tab. 1,

obr. 4a vľavo). absolútny rozdiel medzi pozorovanými a odvodenými hodnotami sa zvyšuje s hodnotou poradového dňa nástupu fenologickej udalosti a teda zároveň s nadmorskou výškou (obr. 4a vpravo). Znamená to, že čím neskôr nastáva fenologická udalosť, tým vyšší je rozdiel medzi pozorovanou a odvodenou hodnotou.

jednou z možných príčin zistených rozdielov je výskyt podúrovňových drevín, krovitého podrastu a prízemnej vegetácie a ich skorší nástup olistenia oproti hlavnej korunovej úrovni, známym ako stratégia fenologického úniku (brandýsová a bucha, 2012).

tab. 1: korelácia, priemerný rozdiel a smerodajná odchýlka v dňoch medzi nástupom fenofázy „rašenie pupeňov“ pozorovanej na fenologických staniciach a odvodenej z RfM v rokoch 2000 – 2009

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 priemerkorelačný koeficient 0,60 0,38 0,65 0,43 0,16 0,76 0,64 0,38 0,28 0,37 0,68Priem. rozdiel (v dňoch) 4,3 2,5 7,5 7,6 6,3 4,3 5,3 5,0 6,7 5,1 5,6Smerodajná odchýlka 4,3 10,2 7,5 7,8 7,7 5,8 6,7 8,2 10,6 7,8 5,4

80

90

100

110

120

130

140

Deň

nás

tupu

feno

fázy

a ) rašenie pupeňov

stanice model

y = 0,4255x + 57,594R² = 0,4609

90

100

110

120

130

90 100 110 120 130

Reg

ioná

lny

feno

logi

cký

mod

el(p

orad

ový

deň)

Fenologické stanice (poradový deň)

priemer 2000 - 2009

90

100

110

120

130

140

150

Deň

nás

tupu

feno

fázy

b) začiatok zalisťovania

y = 0,6469x + 42,126R² = 0,648

100

110

120

130

140

100 110 120 130 140

Reg

ioná

lny

feno

logi

cký

mod

el(p

orad

ový

deň)

Fenologické stanice (poradový deň)

priemer 2000 - 2009

100

110

120

130

140

150

160

170

Deň

nás

tupu

feno

fázy

c) všeobecné zalisťovanie

y = 0.6568x + 49.974R² = 0.518

110

120

130

140

150

160

110 120 130 140 150 160

Regi

onál

ny fe

nolo

gick

ý m

odel

(por

adov

ý deň

)

Fenologické stanice (poradový deň)

priemer 2000 - 2009

obr. 4: Porovnanie dňa nástupu jarných fenofáz buka (rašenie pupeňov, začiatok zalisťovania a všeobecné zalisťovanie) pre pozorované údaje a odvodené údaje pomocou RfM.

vľavo: medián zo všetkých fenologických staníc podľa jednotlivých rokov (5. a 95. percentil). vpravo: aritmetický priemer pre jednotlivé fenologické stanice vypočítaný z celého obdobia

2000 – 2009 (každý bod grafu reprezentuje fenologickú stanicu).

2.2. Validácia nástupu fenologických udalostí bukových porastov 9796 mámá aáTozmPTTmT oToá amTamTTm

3.3. Začiatok zalisťovania Začiatok zalisťovania odvodený z RfM nastupuje s oneskorením v priemere o 0,9 dňa v po-

rovnaní s pozorovaniami na pozemných fenologických staniciach (tab. 2, obr. 4b). Medzi dňom nástupu pozorovanej a odvodenej fenofázy existuje úzka závislosť (r = 0,81). je to zároveň feno-fáza, ktorá je niektorými fenologickými modelmi považovaná za začiatok, tzv. „onset“ vegetač-nej sezóny (fisher et al., 2007).

tab. 2: korelácia, priemerný rozdiel a smerodajná odchýlka v dňoch medzi nástupom fenofázy začiatok zalisťovania pozorovanej na fenologických staniciach a odvodenej z RfM v rokoch 2000 – 2009

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 priemerkorelačný koeficient 0,71 0,59 0,70 0,77 0,38 0,70 0,73 0,55 0,66 0,70 0,81Priem. rozdiel (v dňoch) -0,7 -3,1 2,5 1,9 -1,5 -2,0 -3,4 -0,5 -3,1 -0,3 -0,9Smerodajná odchýlka 3,6 7,3 5,1 3,9 7,4 6,5 6,9 7,4 6,8 6,0 4,1

3.4. Všeobecné zalisťovanietáto fenofáza bola odvodená v RfM v priemere s oneskorením 7,6 dňa v porovnaní s pozo-

rovaniami na pozemných fenologických staniciach (tab. 3, obr. 4c). na rozdiel od fenologickej udalosti rašenia pupeňov, absolútny rozdiel medzi pozorovanými a odvodenými hodnotami sa znižuje s hodnotou poradového dňa nástupu fenologickej udalosti. Znamená to, že čím skôr na-stáva fenologická udalosť, tým vyšší je rozdiel medzi pozorovanou a odvodenou hodnotou.

fenologická fáza všeobecné zalisťovanie je pre listnaté dreviny definovaná ako stav, kedy sa už všetky jedince v skupine zalisťujú, listy majú svetlú zelenú farbu, ale ešte sú menšie ako do-spelé listy (braslavská a kamenský, 1996). Po rozvinutí listov pokračuje rast asimilačného apa-rátu rýchlym tempom, mení sa jeho kvalita, čo má vplyv na odraznosť. Pri viacerých listnatých drevinách, vrátane buka lesného, prebieha zväčšovanie listov (a zároveň nárast listovej plochy) aj po ukončení fenofázy nazývanej všeobecné zalisťovanie, pričom smer a zakrivenie krivky nDvi sa v tomto období výrazne nemení. výraznejšie zmeny v priebehu krivky nDvi nastáva-jú až v čase ukončenia rastu asimilačných orgánov.

tab. 3: korelácia, priemerný rozdiel a stredná chyba v dňoch medzi nástupom fenofázy všeobecné zalis-tenie pozorovanej na fenologických staniciach a odvodenej z RfM 2000 – 2009

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 priemerkorelačný koeficient 0,72 0,68 0,47 0,77 0,45 0,65 0,67 0,41 0,58 0,65 0,72

Priem. rozdiel (v dňoch) -5,3 -10,2 -2,3 -3,7 -9,3 -8,4 -13,2 -6,8 -13,5 -4,8 -7,6Smerodajná odchýlka 3,9 5,3 5,8 4,6 10,5 8,0 10,6 11,5 9,7 7,0 5,8

3.5. Začiatok žltnutia listovfenologická fáza začiatok žltnutia listov bola v RfM odvodená v priemere s oneskorením

o 3,3 dni oproti pozemným pozorovaniam (tab. 4, obr. 5a). Závislosť medzi pozorovanou a od-vodenou hodnotou fenologickej udalosti je menej tesná v porovnaní so závislosťou medzi pozo-rovanými a odvodenými fenologickými udalosťami počas jarnej fenofázy (r = 0,63).

nástup začiatku žltnutia listov odvodený z RfM prebieha počas výrazne kratšieho obdobia ako vyplýva z pozorovaní fenologických staníc (obr. 5a vpravo).

tab. 4: korelácia, priemerný rozdiel a smerodajná odchýlka v dňoch medzi nástupom fenofázy čiatok žltnutia listov na fenologických staniciach a odvodenej z RfM modelu v rokoch 2000 – 2009

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 priemerkorelačný koeficient 0,42 0,44 0,28 0,18 0,38 0,61 0,44 0,11 0,53 0,23 0,63Priem. rozdiel (v dňoch) -3,3 -3,1 -15,3 -10,7 -1,5 -0,6 -3,5 4,0 2,9 -2,0 -3,3Smerodajná odchýlka 11,6 11,7 11,9 12,5 7,7 8,7 8,0 10,4 6,6 11,2 5,7

230

240

250

260

270

280

290

300

Deň

nás

tupu

feno

fázy

a ) začiatok žltnutia listov

stanice model

y = 0,4198x + 156,67R² = 0,3943

240

250

260

270

280

290

300

240 250 260 270 280 290 300

Reg

ioná

lny

feno

logi

cký

mod

el(p

orad

ový

deň)

Fenologické stanice (poradový deň)

priemer 2000 - 2009

250260270280290300310320330340

Deň

nás

tupu

feno

fázy

b) všeobecné žltnutie listov

y = 0,4344x + 178,05R² = 0,2829

260

270

280

290

300

310

320

330

260 270 280 290 300 310 320 330

Reg

ioná

lny

feno

logi

cký

mod

el(p

orad

ový

deň)

Fenologické stanice (poradový deň)

priemer 2000 - 2009

obr. 5: Porovnanie dňa nástupu jesenných fenofáz buka lesného (začiatok žltnutia listov a vše-

obecné žltnutie listov) pre pozorované údaje a odvodené údaje pomocou RfM. vľavo: medián zo všetkých fenologických staníc podľa jednotlivých rokov (5. a 95. percentil). vpravo: aritmetický priemer pre jednotlivé fenologické stanice vypočítaný z celého obdobia

2000 – 2009 (každý bod grafu reprezentuje fenologickú stanicu).

3.6. Všeobecné žltnutie listovvšeobecné žltnutie listov v RfM bola odvodené v priemere s oneskorením až o 20,2 dní voči

pozemným pozorovaniam (tab. 5, obr. 5b). Medzi pozorovanými a odvodenými hodnotami dňa nástupu všeobecného žltnutia listov existuje aj najslabšia závislosť v porovnaní s ostatnými sle-dovanými fenologickými udalosťami (r = 0,53).

Za hlavnú príčinu nepresného odvodenia všeobecného žltnutia listov, ako aj ostatných jesenných fenofáz (začiatok a koniec opadu listov), možno považovať spôsob, akým dochádza k zmenám od-razivosti v jesennom období: odrazivosť postupne klesá počas žltnutia, opadu, ale aj neskôr. klesá až na hodnotu pred začatím vegetačnej sezóny, kam sa dostáva postupne podľa rýchlosti rozpadu listov. Zo satelitnej snímky nie je možné odlíšiť žltnúce a suché listy na stromoch od listov opada-ných na zemi, kde je ich postupný rozklad ovplyvňovaný viacerými faktormi, najmä vlhkosťou.

tab. 5: korelácia, priemerný rozdiel a smerodajná odchýlka v dňoch medzi nástupom fenofázy všeobecné žltnutie listov pozorovanej na fenologických staniciach a odvodenej z RfM v rokoch 2000 – 2009

2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 priemerkorelačný koeficient 0,40 0,27 0,17 0,27 0,48 0,67 0,18 0,50 0,31 0,37 0,53Priem. rozdiel (v dňoch) -20,9 -19,2 -35,9 -23,8 -24,1 -10,5 -13,5 -16,3 -18,2 -19,0 -20,2Smerodajná odchýlka 12,1 13,4 14,0 11,0 8,2 7,7 13,4 7,8 10,3 11,1 6,9

2.2. Validácia nástupu fenologických udalostí bukových porastov 9998 mámá aáTozmPTTmT oToá amTamTTm

3.7. Dĺžka trvania vegetačnej sezónyDĺžka vegetačnej sezóny, definovaná ako obdobie od rašenia pupeňov až po všeobecné žltnu-

tie listov, je podľa jednotlivých rokov zobrazená na obr. 6a. Dĺžka vegetačnej sezóny odvodená z RfM bola významne dlhšia, a to v priemere o 26,1 dňa oproti dĺžke určenej na základe pozo-rovaní na fenologických staniciach.

Dĺžka trvania plného olistenia, definovaná ako obdobie od všeobecného zalisťovania po za-čiatok žltnutia listov, bola v RfM v priemere o 4,2 dňa kratšia v porovnaní s pozemnými fenolo-gickými stanicami (obr. 6b).

120

140

160

180

200

220

240

Deň

nás

tupu

feno

fázy

a) vegetačná sezóna

stanice model

y = 0,4904x + 111,99R² = 0,3657

140

160

180

200

220

140 160 180 200 220

Reg

ioná

lny

feno

logi

cký

mod

el(p

orad

ový

deň)

Fenologické stanice (poradový deň)

priemer 2000 - 2009

100

120

140

160

180

Deň

nás

tupu

feno

fázy

b) plné olistenie

y = 0,8837x + 12,138R² = 0,6974

110

120

130

140

150

160

170

110 120 130 140 150 160 170

Reg

ioná

lny

feno

logi

cký

mod

el(p

orad

ový

deň)

Fenologické stanice (poradový deň)

priemer 2000 - 2009

obr. 6: Porovnanie stredných hodnôt dĺžky trvania vegetačnej sezóny buka lesného (vegetačná sezóna a dĺžka trvania plného olistenia) pre pozorované údaje a odvodené údaje pomocou RfM. na grafoch vľavo mediánové hodnoty zo všetkých fenologických staníc pre jednotlivé roky (chy-bové úsečky znázorňujú 5- a 95- percentily). na grafoch vpravo porovnanie priemeru poradové-

ho dňa nástupu fenofáz z celého obdobia 2000 – 2009 pre jednotlivé fenologické stanice.

Dĺžka trvania vegetačnej sezóny, ako i dĺžka trvania plného olistenia, klesá s nadmorskou výškou (obr. 7). uvedené zistenie platí pre pozorované (fenologické stanice) i odvodené (RfM) dáta. je to spôsobené tým, že termíny nástupu jarných fenofáz sa so zvyšujúcou nadmorskou výškou oneskorujú a naopak, termíny nástupu jesenných fenofáz s nadmorskou výškou nastáva-jú skôr. Medzi dĺžkou trvania vegetačnej sezóny aj plného olistenia a nadmorskou výškou exis-tujú stredne silné nelineárne závislosti. hodnoty korelačného koeficientu sú štatisticky význam-né (α = 0,01).

y = -3E-05x2 + 0.0094x + 204.01R² = 0.1511

y = -7E-05x2 + 0.0477x + 167.75R² = 0.5315

120

140

160

180

200

220

240

260

0 200 400 600 800 1000 1200

dĺžk

a trv

ania

feno

fázy

(dni

)

nadmorská výška (m n. m.)

a) vegetačná sezóna (priemer 2000 - 2009)

y = -6E-05x2 + 0.0411x + 141.32R² = 0.0806

y = -9E-05x2 + 0.0768x + 129.89R² = 0.6089

90

100

110

120

130

140

150

160

170

180

190

0 200 400 600 800 1000 1200

dĺžk

a trv

ania

feno

fázy

(dni

)

nadmorská výška (m n. m.)

b) plné olistenie (priemer 2000 - 2009)

obr. 7: Závislosť dĺžky trvania vegetačnej sezóny a plného olistenia od nadmorskej výšky v období 2000 – 2009 pre drevinu buk z pozorovaní fenologických staníc a odvodených

z RfM (zelenou sú označené fenologické stanice, modrou pixely v okruhu 5 km)

4. Diskusia

Z výsledkov (obr. 4 a 5) vyplýva, že deň nástupu jednotlivých fenofáz podlieha výrazným medziročným zmenám. a. White et al. (1997) a a. Richardson et al. (2006) uvádzajú, že nástup fenofáz je ovplyvnený najmä priebehom počasia v danom roku, najmä teplotou pôdy a vzduchu, výskytom jarných mrázikov, dostupnosťou vlahy.

nami odvodený RfM dokáže pomerne presne odvodiť deň nástupu jarných fenologických fáz. Pri odvodení jesenných fáz, najmä dňa nástupu všeobecného žltnutia listov, sme zazname-nali väčšie chyby. Satelitná metrika použitá pri určení nástupu všeobecné žltnutie listov je posu-nutá o vyše 20 dní k neskoršiemu obdobiu. tento posun je natoľko veľký, že určenie nástupu tejto fenofázy z RfM lepšie vystihuje satelitná metrika použitá pre fenofázu začiatku žltnutia listov (pozri časť 2.3 bod d) a e)).

Pri vymedzení začiatku a konca vegetačnej sezóny (vS) sme vychádzali z prístupu uplatne-nom pri modele Do3Se, v ktorom sa definuje vegetačná sezóna ako obdobie od rašenia pupeňov až po všeobecné žltnutie. Časť fenologických modelov definuje začiatok a koniec vS (tzv. onset resp. offset) ako deň polovičného maxima na sigmoidnej krivke nDvi (fisher, 2007), prípadne lai (kang et al., 2003, hanes a Schwartz, 2010), iné identifikujú začiatok a koniec vS v mieste najväčšej zmeny zakrivenia logistickej krivky (Zhang et al., 2003).

Dni nástupu fenofáz rašenie pupeňov a všeobecné žltnutie listov, určujúce dĺžku trvania ce-lého vegetačného obdobia, boli odvodené so systematickou zápornou, resp. kladnou odchýlkou, čím došlo k nadhodnoteniu dĺžky trvania vS z RfM oproti fenologickým staniciam v priemere o 26 dní. Podobné výsledky dosiahol i Stöckli et al. (2008), ktorý s využitím predikčného feno-logického modelu s vysokou presnosťou odvodil nástup vegetačnej sezóny, model však dosaho-val slabé výsledky pri odvodení záveru vegetačnej sezóny. Problémy s modelovaním záveru vS u buka uvádza i Richardson et al. (2006). v záujme spresnenia výpočtu bude potrebné v budúc-nosti overiť priradenie iného bodu na krivke nDvi fenofáze všeobecné žltnutie. Čiastočné zlep-šenie by sa dalo dosiahnuť aj zvýšením počtu snímok, z ktorých je krivka nDvi odvodená; množstvo snímok v dostatočnej kvalite je však limitované najmä meteorologickými podmienka-mi v hodnotenom roku.

Dĺžka trvania plného olistenia (všeobecné zalisťovanie – začiatok žltnutia listov) odvode-ná RfM bola v priemere za celé obdobie 2000 – 2009 kratšia o 4,2 dni oproti dĺžke trvania odvodenej z pozorovaní na fenologických staniciach. tento relatívne malý rozdiel vyplýva s toho, že dni nástupu fenofáz začiatok zalisťovania a začiatok žltnutia boli odvodené s naj-menšími odchýlkami.

Satelity v Službách leSníckej fenológie 100 mámá aáTozmPTTmT oToá amTamTTm

FENOLÓGIA DUBOVÝCH A BUKOVÝCH PORASTOV V OBDOBÍ 2000 – 2014 (2.3.)

1. Úvod a problematika

Problematika využitia satelitných snímok pri určení fenologických prejavov drevín sa v na-šich podmienkach začala rozvíjať od roku 2009, odkedy sa systematicky tvorí databáza satelit-ných snímok MoDiS (bucha a koreň, 2009), a to podľa postupu opísaného v kapitole 2.1. ak-tuálne je vytvorená konzistentná údajová báza od roku 2000 do jesene 2014. jej základom sú MoDiS produkty MoD09gQ a MoD09ga, z ktorých bol odvodený normalizovaný vegetačný index a implementovaná vrstva kvality pre elimináciu pixelov, ktorých odrazivosť bola ovplyv-nená oblačnosťou, tieňom z oblačnosti, vodu alebo vysokým výskytom aerosólov.

vytvorením údajovej bázy sa otvorila možnosť analyzovať priebeh fenologických udalostí lesných porastov na rozsiahlych územiach. hlavný prínos týchto analýz oproti výberovým me-tódam založených na pozemných pozorovaniach spočíva v kontinuálnom (v dňových interva-loch) a veľkoplošného sledovania priebehu vývoja nDvi.

Údajová báza je východiskom pre fenologické modelovanie. Rozumieme ním matematické vyjadrenie priebehu vývoja nDvi počas roka a určovanie nástupu hlavných fenologických uda-lostí. v práci využitý model je založený na aplikácii dvojstranno-sigmoidnej funkcie (fisher a Mustard, 2007). Pri implementácii modelu sme využili vlastné softvérové riešenie – Pheno-Profile (© Milan koreň), ktorého funkcionality sme opísali v kapitole 2.1. Prvé výsledky prepo-jenia satelitných údajov a terestrických fenologických pozorovaní prezentovali t. Priwitzer et al. (2009) a v. brandýsová a t. bucha (2011). komplexnejšie porovnanie výsledkov satelitnej a po-zemnej fenológie je uvedené v podkapitole 2.2. a v práci v. brandýsovej (2013), ktorá využila dlhodobé pozorovania nástupu fenofáz lesných drevín v sieti fenologických staníc Slovenského hydrometeorologického ústavu [1] a vlastné pozorovania na 5 stanovištiach vo vysokoškolskom lesníckom podniku (všlP) tu Zvolen. Začiatok zalisťovania stotožnila s dňom zodpovedajúce-mu maximu 1. derivácie fisherovej sigmoidnej funkcie, t. j. s polohou inflexného bodu (ďalej ib) v jarnej – vzostupnej časti sigmoidnej krivky. Úplné zalistenie je reprezentované maximom druhej derivácie. vzťah medzi extrémami funkcie a nástupom jesenných fenofáz nebol jed-noznačný. napríklad lokálne minimum 1. derivácie bolo oproti fenofáze všeobecného žltnutia pozorovanej pozemne posunuté o 16 dní skôr. na základe odvodených vzťahov medzi pozem-nou a satelitnou metrikou v citovaných analyzujeme rozsiahly súbor pixelov s výskytom buko-vých a dubových porastov z celého územia Slovenska. cieľom tejto podkapitoly je: dokumentovať odvodenie nástupu jarných a jesenných fenofáz bukových a dubových poras-

tov zo satelitných snímok MoDiS za obdobie 2000 – 2014, poskytnúť prehľad nástupu a dĺžky trvania jednotlivých fenologických fáz bukových a dubo-

vých porastov v sledovanom období.

2. Materiál a metódy

2.1. Záujmové územie a zdrojové údajevýskum sme uskutočnili na lesných porastoch územia Slovenska s dominantným zastúpením

buka lesného (Fagus sylvatica l.), duba letného (Quercus robur l.) a duba zimného (Querrcus petraea liebl.). Pri ich výbere sme využili klasifikáciu drevinového zloženia lesov Slovenska zo satelitných záznamov (bucha, 1999) s rozlíšením upraveným na 250 m v kombinácii s aktuálny-mi celoslovenskými údajmi z opisu porastov po základných jednotkách priestorového rozdelenia

5. Záver

odvodený regionálny fenologický model pre buk lesný (Fagus sylvatica l.) bol validovaný na rozsiahlom súbore fenologických pozorovaní. na validáciu dňa nástupu piatich hlavných jarných a jesenných fenofáz sme využili rad pozorovaní na 21 regionálnych fenologických sta-niciach ShMÚ z rokov 2000 – 2009 a fenologické pozorovania na dvoch trvalých monitorova-cích plochách nlc z rokov 2002 – 2009.

hlavnou výhodou RfM je, že okrem výsledkov prezentovaných v tejto práci umožňuje od-vodiť nástup všetkých fenologických udalostí a vypočítať dĺžku vegetačnej sezóny podľa poža-dovanej definície a porovnať tak naše výsledky s metrikou ostatných autorov.

náš výskum potvrdzuje, že modelovanie nástupu fenofáz s využitím nDvi odvodeného z údajov MoDiS je vhodným nástrojom, ktorý je možné použiť na zisťovanie reakcie lesných ekosystémov na meniace sa podmienky prostredia a následne je využiteľný aj pri predikcii zmien fenológie lesných drevín v dôsledku klimatických zmien. Preukázali sme však, že najmä v jesen-ných fenofázach existujú problémy v zosúladení pozemnej a satelitnej fenologickej metriky. v záujme porovnateľnosti a správnej interpretácie výsledkov RfM je preto stále nevyhnutná validácia výsledkov modelovania s pozemnými fenologickými pozorovaniami a použitie vhod-nej satelitnej metriky.

Internetové odkazy[1] Slovenský hydrometeorologický ústav. Sieť fenologických staníc: Dostupné z http://www.

shmu.sk/sk/?page=354

2.3. Fenológia dubových a bukových porastov v období 2000 – 2014 103102 TTomá oTomáT omoám meomá

lesa (jPRl). Údaje o zastúpení buka z opisu porastov sme použili pri určení jeho percentuálneho zastúpenia v 250 m pixeli. Z vrstvy vytvorenej kombináciou oboch vstupov sme vylúčili okrajo-vé pixely, a to z dôvodu ich možnej spektrálnej kontaminácie inými kategóriami krajinnej po-krývky. Ďalej sme vylúčili pixely, kde zastúpenie buka a duba bolo nižšie ako 40 %. celkový počet analyzovaných pixelov reprezentujúcich bukové porasty bol 20 237, čo predstavovalo výmeru 126,5 tis. ha. Dubové porasty reprezentuje 11 101 pixelov = 69,4 tis ha (obr. 1).

obr. 1: Porasty buka (zelená) a duba (červená) so zastúpením 40 % a viac

100 200 300 400 500 600 700 800 900 1000 1100 1200 1300 1400

Nadmorská výška

0

400

800

1200

1600

2000

2400

Poče

t pix

elov

obr. 2: histogram početností zastúpenia bukových porastov podľa nadmorskej výšky. os x: nadmorská výška, modus = 510 m, kvantil 5 – 95 %: 310 m – 920 m. os y: počet

pixelov (1 pixel = 6.25 ha)

výškové rozmiestnenie analyzovaných porastov buka je zobrazené na obr. 2, porastov duba na obr. 3. väčšina porastov buka sa nachádza v 2. až 5. lesnom vegetačnom stupni (lvS) [2]. Z pohľadu klimatických charakteristík ide o územie s priemernou ročnou teplotou od 4,5 do 8,5˚c, s ročnými zrážkami od 600 do 1050 mm a vegetačnou dobou od 110 do 180 dní.

výskyt porastov duba je sústredený do 1. až 3. lvS. Z pohľadu klimatických charakteristík ide o územie s priemernou ročnou teplotou nad 5,5 ˚c, ročnými zrážkami do 800 mm a vegetač-nou dobou nad 150 dní (Zlatník, 1959 in Čaboun, 1996).

0 100 200 300 400 500 600 700 800

Nadmorská výška

0

400

800

1200

1600

2000

Poče

t pix

elov

obr. 3: histogram početností zastúpenia dubových porastov podľa nadmorskej výšky. os x: nadmorská výška, modus = 330 m, kvantil 5 – 95 %: 220 m – 540 m. os y: počet

pixelov (1 pixel = 6.25 ha)

Riešenie úlohy bolo založené na produktoch MoD09, ktoré reprezentujú spektrálnu odrazi-vosť na zemskom povrchu s priestorovým rozlíšením 250 m (produkt MoD09gQ) a 500 m (MoD09ga). ide o produkty , na ktorých boli vykonané rádiometrické a atmosférické korek-cie, t. j. bol eliminovaný je vplyv absorpcie a rozptylu žiarenia v atmosfére. Z produktu MoD-09gQ sme odvodili vegetačný index nDvi. Predmetom analýz bol časový rad nDvi z obdobia 2000 – 2014 pre jarné a jesenné fenofázy.

2.2. Odvodenie satelitnej metriky a štatistické vyhodnotenie dátPriebeh vegetačného indexu sme modelovali sigmoidnou logistickou krivkou (fisher

a Mustard, 2007). odvodenú krivku sme využili pre odvodenie satelitnej metriky, t. j. dní nástu-pu jarných a jesenných fenofáz (tab. 1). Podrobne je postup modelovania priebehu nDvi a pri-radenia fenologických udalostí extrémom fisherovej funkcie opísaný v podkapitole 2.1. tvorba údajovej bázy.

tab 1: Satelitná a pozemná fenologická metrika Satelitná metrika / Zodpovedajúca fenofázagaD ~ začiatok pučaniagSD ~ začiatok zalisťovaniagDD ~ všeobecné zalisťovaniefMD ~ maximálna hodnota fenologickej krivkyDaD ~ všeobecné žltnutie listovDSD ~ začiatok opadu listovDDD ~ koniec opadu listov

Podrobný opis je uvedený v podkapitole 2.1: tab. 4 a obr. 3

Pre celoslovenské vyhodnotenie priebehu nástupu rozhodujúcich fenofáz bukových a dubových porastov sme vypočítali stredné hodnoty (medián) dňa nástupu fenofázy zalisťovania podľa jednotli-vých rokov obdobia 2000 – 2014. vnútroročnú variabilitu sme vyjadrili 5 a 95 % kvantilom.

Priebeh strednej hodnoty nástupu jarných a jesenných fenofáz (medián) v sledovanom obdo-bí rokov 2000 – 2014 sme v prostredí excel vyjadrili graficky. Do grafov sme vložili lineárnu trendovú čiaru s príslušnou rovnicou regresnej priamky a koeficientom determinácie. Štatistickú významnosť regresného modelu (regresného koeficientu) sme otestovali Studentovým t-testom.

2.3. Fenológia dubových a bukových porastov v období 2000 – 2014 105104 TTomá oTomáT omoám meomá

v prípade, že regresný koeficient sa významne odlišuje od nuly, existuje významný vzťah medzi nezávislou premennou (rok) a závislou premenou (čas nástupu fenofázy).

Pre podrobnejšie posúdenie trendov v nástupe fenologických udalosti gSg a DSD sme vyu-žili Mann-kendallov neparametrický test (Mkt) v prostredí iDRiSi Selva. Základom testu je výpočet S štatistiky, ktorá sa vypočíta porovnaním každých dvoch hodnôt xi, xj (i > j) reprezen-tujúcich deň nástupu fenofázy gSD resp. DSD v časovom rade. následne sme s využitím S šta-tistiky vypočítali Mann-kendallovu testovaciu Z štatistiku, ktorá je mierou významnosti trendu. Pozitívne Z hodnoty indikujú rastúci trend (neskorší nástup fenofáz), negatívne hodnoty klesajú-ci trend (skorší nástup fenofáz).

Mkt test predpokladá pri nulovej hypotéze h0 , že časový rad je bez trendu. ak vypočítaná |Z| > Zα/2 potom nulová hypotéza je nesprávna a trend je signifikantný na zvolenej hladine vý-znamnosti α. hladina významnosti α reprezenuje pravdepodobnosť zamietnutia h0 keď je správ-na, a preto sa hodnota α volí čo najmenšia. testovaný trend považujeme za významný s pravde-podobnosťou P = 1 – α t. j. pravdepodobnosť jeho výskytu z titulu náhody je menšia ako α. Podrobne je Mkt opísaný napr. v prácach n. karmeshu (2012), j. Poórova et al. (2013).

Štatistické vyhodnotenie významnosti trendov časového radu z obdobia rokov 2000 – 2014 podľa Mkt sme vykonali na dvoch úrovniach: pre každý analyzovaný pixel a pre celé Slovensko. Z výsledkov podľa jednotlivých pixelov sme spracovali tabuľkový prehľad, v ktorom sme pixely na základe testovacej Z štatistiky zaradili do 6 kategórií podľa charakteru trendu (klesajúci, rastúci) a jeho významnosti (nevýznamný, slabo a stredne významný). celoslovenská charakteristiká tren-du (Z štatistika) bola vypočítaná ako priemerná hodnotu zo všetkých pixelov. v práci považujeme trend za stredne významný (P = 0,90 ; α = 0,10 ; z0,05 = 1,64) ak štatistika z > 1,64 (rastúci trend) resp. z < -1,64 (klesajúci trend). v prípade 1 ≤ z < 1,64 (resp. -1,64 ≤ z < -1) hodnotíme trend ako slabo rastúci (klesajúci). v prípade -1 ≤ z < 1 považujeme trend za nevýznamný.

Metódy jednoduchej lineárnej a nelineárnej korelačnej analýzy sme použili pri odvodení korelačnej matice medzi nástupmi jednotlivých fenofáz z obdobia 2000 – 2014 a pri analýze vzťahu nástupu fenologických udalostí a nadmorskej výšky. Pri výpočte korelačnej matice sme vychádzali z priemerných hodnôt nástupu fenofáz v jednotlivých rokoch za celé Slovensko. Pri analýze vzťahov nadmorská výška gSD, resp. DSD, sme pracovali s priemernou hodnotou ná-stupu fenofáz vypočítanou za obdobie 2000 – 2014 pre každý obrazový prvok (pixel).

Priemernú dĺžku vegetačného obdobia (Dvo) pre porasty s dominantným zastúpením buka a duba sme vypočítali ako rozdiel medzi priemerným dňom začiatku opadu a začiatku zalisťova-nia t. j. Dvo = DSD – gSg. Priemernú hodnotu DSD a gSg pre každý pixel sme vypočítali ako aritmetický priemer z dní nástupu uvedených fenofáz z obdobia 2000 – 2014.

3. Výsledky a diskusia

3.1. Celoslovenské vyhodnotenie priebehu fenologických fáz Stredné hodnoty (medián) dňa nástupu fenofázy zalisťovania, vnútroročná variability vyjad-

rená 5 % a 95 % kvantilom podľa jednotlivých rokov pre dubové porasty z celého územia Slo-venska sú uvedené v tabuľke 3 a pre bukové porasty v tabuľke 4.

graficky je priebeh jarných a jesenných fenofáz zobrazený na obr. 4 a 5 pre dubové porasty a na obr. 6 a 7 pre bukové porasty. nástupy fenofáz sú vyjadrené pomocou priemernej hodnoty (mediánu) za celé Slovensko.

na obr. 8, 9 a 10 je v grafickej podobe vo forme mapky zobrazená priestorová premenlivosť začiatku zalisťovania, opadu listov a dĺžka vegetačného obdobia pre dubové a bukové porasty Slovenska, vyjadrené ako priemerná hodnota za obdobie 2000 – 2014. v záujme lepšieho vizu-álneho vnímania je počet pixelov pri obrázkoch 8 až 10 zväčšený pomocou mediánového filtra s rozmerom 3 x 3 pixely.

tab. 3: Deň nástupu (medián a 5 % a 95 % kvantil) a dĺžka trvania fenofáz dubových porastov za obdobie 2000–2014

GAD 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 avg

Medián 101 106 100 105 106 102 106 95 97 97 105 98 105 108 86 101.1

5 % kvantil 96 91 92 96 99 96 99 86 89 94 98 90 99 106 75 93.7

95 % kvantil 105 113 108 108 113 108 111 100 108 101 108 105 110 113 93 106.9

Dĺžka trvania 9 22 16 12 14 12 12 14 19 7 10 15 11 7 18 12.9

GSD

Medián 110 117 112 114 117 114 116 104 111 106 114 107 114 118 99 111,5

5 % kvantil 106 108 105 109 111 109 112 99 105 103 110 102 109 115 93 106,4

95 % kvantil 115 123 118 118 124 120 123 111 120 111 120 114 120 123 110 118,0

Dĺžka trvania 9 15 13 9 13 11 11 12 15 8 10 12 11 8 17 11,2

GDD

Medián 119 128 123 123 128 125 125 115 126 114 123 117 124 128 115 122,2

5 % kvantil 115 122 116 120 121 119 122 110 119 111 120 112 119 124 102 116,8

95 % kvantil 124 135 129 129 138 135 140 125 136 120 134 124 130 133 133 131,0

Dĺžka trvania 9 13 13 9 17 16 18 15 17 9 14 12 11 9 31 13,0

FMD

Medián 159 178 169 169 170 175 171 163 175 155 168 166 170 173 166 168,5

5 % kvantil 148 165 155 157 156 165 160 150 159 141 157 156 161 167 142 155,9

95 % kvantil 169 192 184 178 189 191 191 180 195 166 187 182 179 179 197 183,9

Dĺžka trvania 21 27 29 21 33 26 41 30 36 25 30 26 18 12 55 26,8

DAD

Medián 275 275 275 275 272 272 273 272 269 271 270 275 279 270 278 273,4

5 % kvantil 260 261 261 259 261 266 265 262 258 262 262 262 267 261 267 262,3

95 % kvantil 291 284 291 282 282 278 280 280 280 278 275 280 284 279 288 282,1

Dĺžka trvania 29 23 30 23 21 22 15 18 22 16 23 18 17 18 21 21,1

DSD

Medián 308 301 307 301 303 296 299 300 300 300 294 299 303 294 312 301,1

5 % kvantil 287 290 289 290 292 291 291 293 288 292 289 292 297 285 300 291,1

95 % kvantil 326 310 322 308 316 303 312 310 309 312 303 305 308 304 323 311,4

Dĺžka trvania 39 20 33 18 24 12 11 17 21 21 14 13 11 19 23 19,5

DDD

Medián 335 327 337 327 334 320 323 327 330 330 318 323 328 318 344 328,1

5 % kvantil 312 316 317 318 321 315 316 320 317 318 313 316 322 310 331 317,5

95 % kvantil 355 343 342 340 350 331 342 344 348 347 331 331 336 328 355 341,5

Dĺžka trvania 43 27 25 22 29 16 26 24 31 29 18 15 14 18 24 24,1

2.3. Fenológia dubových a bukových porastov v období 2000 – 2014 107106 TTomá oTomáT omoám meomá

tab. 4: Deň nástupu (medián a 5 % a 95 % kvantil) a dĺžka trvania fenofáz bukových porastov za obdobie 2000–2014

GAD 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 avg

Medián 103 105 100 100 107 107 107 98 100 100 108 105 107 108 88 102,.9

5 % kvantil 98 91 90 88 97 99 94 88 87 94 99 88 100 106 79 93,2

95 % kvantil 110 116 114 116 117 122 117 107 117 110 118 113 114 116 97 113,6

Dĺžka trvania 12 25 24 28 20 23 23 19 30 16 19 25 14 10 18 20,4

GSD

Medián 112 117 112 113 118 120 118 111 115 110 120 116 117 118 104 114,7

5 % kvantil 107 108 104 106 112 112 112 103 106 104 114 107 111 116 96 107,9

95 % kvantil 120 127 124 127 132 135 131 120 131 122 135 126 126 126 117 126,6

Dĺžka trvania 13 19 20 21 20 23 19 17 25 18 21 19 15 10 21 18,7

GDD

Medián 121 131 123 125 129 132 130 124 130 119 133 128 127 128 121 126,7

5 % kvantil 116 122 116 117 122 123 122 113 119 112 123 119 121 125 107 118,5

95 % kvantil 130 140 136 140 151 149 150 138 155 137 156 143 138 138 141 142,8

Dĺžka trvania 14 18 20 23 29 26 28 25 36 25 23 24 17 13 34 23,7

FMD

Medián 158 176 169 172 171 183 176 170 177 164 178 176 166 172 178 172,4

5 % kvantil 149 161 151 158 157 169 161 151 160 149 165 163 157 166 154 158,1

95 % kvantil 169 194 189 193 202 199 204 187 205 189 206 205 181 184 203 194,0

Dĺžka trvania 20 33 38 35 45 30 43 36 45 40 41 42 24 22 49 36,2

DAD

Medián 262 271 281 266 270 272 272 265 266 272 266 272 265 264 271 269,0

5 % kvantil 251 250 258 252 260 263 261 251 252 261 253 260 256 255 261 256,3

95 % kvantil 276 291 298 277 281 278 281 276 281 280 275 279 276 277 281 280,5

Dĺžka trvania 25 41 40 25 19 15 20 25 29 19 22 19 20 22 20 24,1

DSD

Medián 293 301 315 297 302 296 298 297 300 300 292 298 297 289 302 298,5

5 % kvantil 280 278 285 282 289 289 287 282 281 290 282 289 285 280 290 284,6

95 % kvantil 319 323 332 310 321 303 317 312 317 315 304 305 308 302 317 313,7

Dĺžka trvania 39 45 47 28 33 14 30 30 36 25 22 16 23 22 27 29,1

DDD

Medián 323 332 340 325 331 320 323 328 331 328 318 323 330 313 332 326,5

5 % kvantil 305 308 313 309 314 313 311 310 307 315 307 314 313 304 304 309,8

95 % kvantil 346 354 357 343 347 328 343 347 348 346 336 336 344 327 346 343,2

Dĺžka trvania 41 46 44 34 33 25 32 37 41 31 29 22 31 23 42 34,1

y = -0,43x + 114,93R2 = 0,12

y = -0,30x + 124,57R2 = 0,07

y = -0,42x + 104,50R2 = 0,10

85

95

105

115

125

135

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

GAD GSD GDD

obr. 4: Priebeh jarných fenofáz dubových porastov v období rokov 2000 – 2014os x: rok; os y: nástup fenofázy – poradový deň v roku (Doy) vypočítaný ako me dián zo všetkých pixelov. gaD: začiatok pučania; gSD: začiatok zalisťova-

nia; gDD: koniec zalisťovania

y = -0,21x + 302,85R2 = 0,04

y = -0,00x + 273,43R2 = 0,00

y = -0,26x + 330,15R2 = 0,03

260

270

280

290

300

310

320

330

340

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

DAD DSD DDD

obr. 5: Priebeh jesenných fenofáz dubových porastov v období 2000 – 2014os x: rok; os y: nástup fenofázy – poradový deň v roku (Doy) vypočítaný ako medián zo všetkých pixelov. DaD: začiatok žltnutia; DSD: začiatok opadu;

DDD: fenofáza koniec opadu

2.3. Fenológia dubových a bukových porastov v období 2000 – 2014 109108 TTomá oTomáT omoám meomá

y = -0,11x + 115,59R2 = 0,01

y = -0,18x + 104,30R2 = 0,02

y = 126,73R2 = 0,00

85

90

95

100

105

110

115

120

125

130

135

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

GAD GSD GDD

obr. 6: Priebeh jarných fenofáz bukových porastov v období 2000 – 2014. os x: rok; os y: nástup fenofázy – poradový deň v roku (Doy) vypočítaný ako me-dián zo všetkých pixelov. gaD: začiatok pučania; gSD: začiatok zalisťovania;

gDD: koniec zalisťovania

y = -0,622x + 302,88R2 = 0,19

y = -0,19x + 270,51R2 = 0,03

y = -0,44x + 330,01R2 = 0,09

250

260

270

280

290

300

310

320

330

340

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2013

2014

DAD DSD DDD

obr. 7: Priebeh jesenných fenofáz bukových porastov v období 2000 – 2014os x: rok; os y: nástup fenofázy – poradový deň v roku (Doy) vypočítaný ako medián zo všetkých pixelov. DaD: začiatok žltnutia; DSD: začiatok opadu;

DDD: fenofáza koniec opadu

tab. 5: korelačná matica medzi nástupmi jednotlivých fenofáz z obdobia 2000 – 2014

Dubkorelácie gaD gSD gDD fMD DaD DSD DDDgaD 1 0,96 0,77 0,44 -0,21 -0,55 -0,61gSD 1 0,92 0,62 -0,26 -0,50 -0,53gDD 1 0,84 -0,23 -0,36 -0,36fMD 1 -0,08 -0,31 -0,33DaD 1 0,69 0,50DSD 1 0,96DDD 1

bukkorelácie gaD gSD gDD fMD DaD DSD DDDgaD 1 0,94 0,68 0,03 -0,15 -0,40 -0,51gSD 1 0,87 0,33 -0,12 -0,37 -0,48gDD 1 0,69 -0,07 -0,28 -0,36fMD 1 0,26 -0,01 -0,17DaD 1 0,82 0,53DSD 1 0,90DDD 1

tab. 6: Štatistická významnosť a trendy v nástupe jarných a jesenných fenofáz za obdobie 2000 – 2014 pre dubové porasty: Mann-kendallov neparametrický test

Dub: GSD 2000 – 2014 hladina významnosti α z – hodnota P

(1 - α ) opis trendu Počet pixelov % pixelov

1 α < 0,10 z < -1,64 > 90 % Stredný klesajúci trend 151 1,42 0,10 ≤ α < 0,32 -1,64 ≤ z < -1 68 – 90 % Slabý klesajúci trend 1857 16,73 0,32 ≤ α < 1 -1 ≤ z < 0 0 – 68 % nevýznamný trend 7372 66,44 0,32 < α ≤ 1 0 ≤ z < 1 0 – 68 % nevýznamný trend 1645 14,85 0,10 < α ≤ 0,32 1 ≤ z < 1,64 68 – 90 % Slabý rastúci trend 59 0,56 α ≤ 0,10 z ≥ 1,64 > 90 % Stredný rastúci trend 17 0,2

celoslovenský priemer: z = - 0,560 |z| < z0,05 = 1,64 nevýznamný trend 11101 -

Dub: DSD 2000 – 2014 hladina významnosti α z – hodnota P opis trendu Počet pixelov % pixelov

1 α < 0,10 z < -1,64 > 90 % Stredný klesajúci trend 514 4,62 0,10 ≤ α < 0,32 -1,64 ≤ z < -1 68 – 90 % Slabý klesajúci trend 2262 20,43 0,32 ≤ α < 1 -1 ≤ z < 0 0 – 68 % nevýznamný trend 4417 39,84 0,32 < α ≤ 1 0 ≤ z < 1 0 – 68 % nevýznamný trend 2451 22,15 0,10 < α ≤ 0,32 1 ≤ z < 1,64 68 – 90 % Slabý rastúci trend 747 6,76 α ≤ 0,10 z ≥ 1,64 > 90 % Stredný rastúci trend 710 6,4

celoslovenský priemer: z = - 0,268 |z| < z0,05 = 1,64 nevýznamný trend 11101 -

tab. 7: Štatistická významnosť a trendy v nástupe jarných a jesenných fenofáz za obdobie 2000 – 2014 pre bukové porasty: Mann-kendallov neparametrický test

buk: GSD 2000 – 2014 hladina významnosti α z – hodnota P opis trendu Počet pixelov % pixelov

1 α < 0,10 Z < -1,64 > 90 % Stredný klesajúci trend 125 0,52 0,10 ≤ α < 0,32 -1,64 ≤ z < -1 68 – 90 % Slabý klesajúci trend 824 3,33 0,32 ≤ α < 1 -1 ≤ z < 0 0 – 68 % nevýznamný trend 8571 34,34 0,32 < α ≤ 1 0 ≤ z < 1 0 – 68 % nevýznamný trend 13751 55,15 0,10 < α ≤ 0,32 1 ≤ z < 1,64 68 – 90 % Slabý rastúci trend 1462 5,96 α ≤ 0,10 z ≥ 1,64 > 90 % Stredný rastúci trend 233 0,9

celoslovenský priemer: z = 0,108 |z| < z0,05 = 1,64 nevýznamný trend 24969 -

buk: DSD 2000 – 2014 hladina významnosti α z – hodnota P opis trendu Počet pixelov % pixelov

1 α < 0,10 z < -1,64 > 90 % Stredný klesajúci trend 2265 9,12 0,10 ≤ α < 0,32 -1,64 ≤ z < -1 68 – 90 % Slabý klesajúci trend 5167 20,73 0,32 ≤ α < 1 -1 ≤ z < 0 0 – 68 % nevýznamný trend 10445 41,84 0,32 < α ≤ 1 0 ≤ z < 1 0 – 68 % nevýznamný trend 5703 22,85 0,10 < α ≤ 0,32 1 ≤ z < 1,64 68 – 90 % Slabý rastúci trend 949 3,86 α ≤ 0,10 z ≥ 1,64 > 90 % Stredný rastúci trend 440 1,8

celoslovenský priemer: z = - 0,514 |z| < z0,05 = 1,64 nevýznamný trend 24969 -P – miera spoľahlivosti v %

2.3. Fenológia dubových a bukových porastov v období 2000 – 2014 111110 TTomá oTomáT omoám meomá

obr. 8: gSD metrika ~ fenofáza začiatok zalisťovania: priemerná hodnota dňa nástupu fenofázy za obdobie 2000 – 2014 pre porasty s dominantným zastúpením buka a duba

obr. 9: DSD metrika ~ fenofáza začiatok opadu listov: priemerná hodnota dňa nástupu fenofázy za obdobie 2000 – 2014 pre porasty s dominantným zastúpením buka a duba

obr. 10: Dĺžka vegetačného obdobia (priemer za obdobie 2000 – 2014) pre porasty s dominantným zastúpením buka a duba

obr. 11: Dubové porasty - priemerná hodnota dňa nástupu fenofázy začiatok zalisťovania (vľavo) a fenofázy začiatok opadu (vpravo) za obdobie 2000 – 2014 v závislosti od nadmorskej výšky

obr. 12: bukové porasty – priemerná hodnota dňa nástupu fenofázy začiatok zalisťovania (vľavo) a fenofázy začiatok opadu (vpravo ) za obdobie 2000 – 2014 v závislosti od nadmorskej výšky

3.2. Zhodnotenie fenológie dubových porastov Deň nástupu jarného zalisťovania (gSD metrika) sa v priebehu jednotlivých rokov (2000 –

2014) mení, čo súvisí s priebehom počasia. najskoršie termíny nástupu fenofázy začiatku zalisťovania sme zaznamenali v rokoch 2014 a 2007, keď stredná hodnota (medián) za Slo-vensko pre drevinu dub bola 99., resp. 104. deň v roku (Doy – day of year). najneskoršie nástupy sme pozorovali v roku 2013 (118. Doy) a v rokoch 2001 a 2004 (117. Doy). Stred-ná hodnota (priemer) začiatku fenofázy za obdobie 2000 – 2014 bol 111,5 Doy. viaceré pozemné fenologické pozorovania duba na našom území preukázali, že pre nástup jarných fenofáz má rozhodujúcu úlohu teplota vzduchu (napr. Škvareninová et al., 2008). výrazne skorším nástupom fenofázy sa z časového radu vychyľuje najmä posledný rok 2014. v pr-vých klimatologických zhodnoteniach tohto roku (kapolková, 2014) sa konštatuje, že „končí pravdepodobne najteplejší rok v histórii meteorologických pozorovaní v európe“, keď nad-priemerne teplá bola predovšetkým jar a jeseň roka.

vnútroročná variabilita dní zodpovedajúcich inflexnému bodu (deň začiatku zalisťovania) je podmienená najmä klimatickými podmienkami vyplývajúcimi z nadmorskej výšky, v ktorej sa porasty duba nachádzajú a priebehu počasia. Rozpätie, v ktorom sa začína zalisťovanie dubových porastov sme vyjadrili pomocou 5 – 95 % kvantilu. najkratšie trvala táto fenofáza v rokoch 2009 a 2013, a to len 8 dní. najdlhšie v roku 2014, a to 17 dní. Priemerná dĺžka fenofázy za celé sledované obdobie bola 11,2 dňa.

2.3. Fenológia dubových a bukových porastov v období 2000 – 2014 113112 TTomá oTomáT omoám meomá

Medzi dňom nástupu začiatku zalisťovania (y = priemer z obdobia 2000 – 2014) a nadmor-skou výškou (x), v ktorej sa porast nachádza existuje stredne silná nelineárna závislosť (obr. 11 vľavo) vyjadrená vzťahom: y = 110,54 + 0,178e-7 * x3. index korelácie i = 0,34.

Z uvedenej závislosti pre dubové porasty vyplýva, že v rozpätí nadmorských výšok 100 – 300 m došlo k posunu nástupu zalisťovania o ~ 0,2 dňa, v rozpätí 300 – 500 m o ~ 0,9 dňa a v rozpätí 500 – 800 m o ~ 2,3 dňa na každých 100 m nadmorskej výšky.

Medzi dňom nástupu začiatku opadu (priemer za obdobie 2000 – 2014) a nadmorskou výš-kou (x), v ktorej sa porast nachádza, existuje veľmi slabá nelineárna závislosť (obr. 11 vpra-vo) vyjadrená vzťahom: y = 300,75 - 0, 66e-8 * x3. index korelácie i = 0.09. naše zistenie nepriamo potvrdzuje doterajšie poznatky, že viac ako biometeorologické charakteristiky sú-visiace s nadmorskou výškou ovplyvňujú nástup jesenných fenofáz dubových porastov dĺžka slnečného žiarenia, vlhkostné pomery počas letných mesiacov a náhle zmeny teploty v jesen-nom období (Škvareninová et al., 2007).

najskoršie termíny nástupu fenofázy začiatok opadu (DSD metrika) sme zaznamenali v ro-koch 2010 a 2013, keď stredná hodnota (medián) za Slovensko pre drevinu dub bola 294. najneskoršie nástupy sme pozorovali v rokoch 2000 a 2014, a to 308. resp 312. Doy. Stred-ná hodnota (priemer) začiatku opadu za obdobie 2000 – 2014 bol 301,1. deň v roku.

korelačná matica medzi nástupmi jednotlivých fenofáz (tab. 5) preukázala silnú vzájomnú závislosť medzi jednotlivými jarnými fenofázami (gaD, gSD a gDD), ako aj medzi jesen-nými fenofázami (DaD, DSD, DDD). najsilnejšie závislosti sa potvrdili medzi fenofázami, ktoré na seba nadväzujú (gaD-gSD; gSD-gDD; gDD-fMD v jarnom období a DaD--DSD; DSD-DDD v jesennom období).

3.3. Zhodnotenie fenológie bukových porastov Deň nástupu jarného zalisťovania (gSD metrika) sa v priebehu jednotlivých rokov (2000 –

2014) mení, čo súvisí s priebehom počasia v jarnom období. najskorší termín nástupu feno-fázy začiatok zalisťovania sme zaznamenali v rokoch 2009 a 2014, keď stredná hodnota (medián) za Slovensko pre drevinu buk bola 110., resp. 104. Doy. najneskoršie nástupy sme pozorovali v rokoch 2005 a 2010 (120. resp. 121. Doy). Stredná hodnota (medián) začiatku zalisťovania za obdobie 2000 – 2010 bola 114,7. Doy.

aj v prípade bukových porastov, podobne ako pri dube, sa výrazne skorším nástupom jar-ných fenofáz vychyľuje z časového radu najmä rok 2014, v ktorom roku bola zaznamenaná nadpriemerne teplá predovšetkým jar a jeseň roka (kapolková, 2014).

vnútroročná variabilita dní zodpovedajúcich začiatku zalisťovania (gSD metrika) je pod-mienená najmä klimatickými podmienkami vyplývajúcimi z nadmorskej výšky, v ktorej sa porasty buka nachádzajú a priebehu počasia. Rozpätie, v ktorom sa začína zalisťovanie bu-kových porastov sme vyjadrili pomocou 5 – 95 % kvantilu. najkratšie trvala táto fenofáza v roku 2013, a to len 10 dní od 116. do 126. Doy (medián 118. deň). najdlhšie v roku 2008 a to 25 dní od 106. po 131. deň (medián 115. Doy). Priemerná dĺžka trvania fenofázy za celé sledované obdobie bola 18,7 dňa.

najskoršie termíny nástupu fenofázy začiatok opadu (DSD metrika) pri buku sme (podobne ako pri dube) zaznamenali v rokoch 2010 a 2013, keď stredná hodnota (medián) za Sloven-sko bola 292. resp. 289. Doy. najneskoršie nástupy sme pozorovali v rokoch 2002 a 2014, a to 315. resp. 302. Doy. Stredná hodnota (priemer) začiatku opadu za obdobie 2000 – 2014 bol 298,2 deň v roku. viaceré pozemné fenologické pozorovania buka na našom území preukázali, že pre nástup jarných fenofáz buka má rozhodujúcu úlohu teplota vzduchu (napr. Schieber et al., 2009; brandýsová, 2013). nástup jesenných fenofáz výrazne ovplyvnili vlhkostné pomery počas letných mesiacov (Schieber et al., 2009). naopak, štúdia v. brandýsovej (2013) nepreukáza-la jednoznačný vplyv biometeorologických charakteristík na nástup fenofázy opadu listov.

Medzi dňom nástupu začiatku zalisťovania (y = priemer z obdobia 2000 – 2014) a nadmor-skou výškou (x), v ktorej sa porast nachádza existuje silná nelineárna závislosť (obr. 12 vľavo) vyjadrená vzťahom: y = 112,2 - 0,0077 * x + 0,218e-4 * x2. index korelácie i = 0,78. Z uvedenej závislosti pre bukové porasty vyplýva, že medzi výškou 150 m a 400 m n. m. došlo k posunu nástupu zalisťovania o ~ 1 deň. v rozpätí od 400 do 600 m dochádza k posu-nu nástupu začiatku zalisťovania o 1 deň každých ~ 88 m nadmorskej výšky, v rozpätí 600–800 m n. m. každých 45 dní, 800–1000 m n. m. každých 27 m, 1000 – 1200 m n. m. každých 18 m a nad 1200 m n. m. každých 13 m nadmorskej výšky.

Medzi dňom nástupu začiatku opadu (y = priemer z obdobia 2000 – 2014) a nadmorskou výškou (x), v ktorej sa porast nachádza existuje stredne silná nelineárna závislosť (obr. 12 vpravo) vyjadrená vzťahom: y = 291,9 + 0,0272 * x – 0,26e-4 * x2 . index korelácie i = 0,29.b. Schieber et al. (2013) analyzoval nástup fenologických fáz buka pozdĺž výškového gra-dientu od 200 do 1400 m n.m na 3 lokalitách (burda, kremnické vrchy, Poľana) za obdobie 2007 až 2011. konštatuje, že medzi nadmorskou výškou a nástupom jarných, ako aj jesen-ných fenofáz existuje štatistický veľmi významná závislosť. Z publikovaných dát pri fenofá-zach začiatok zalisťovania (lu 50 – leaf unfolding) a opad listov (lf 50 – leaf fall pri 50 % jedincoch) je možné odvodiť nelineárnu závislosť, ktorá je v prípade lu 50 takmer úplne totožná s nami odvodeným vzťahom nástupu fenofázy zalisťovania od nadmorskej výšky (obr. 12 vľavo). Pri lf 50 priebeh závislosti korešponduje s našimi výsledkami od ~ 600 m n. m. vyššie (obr. 12 vpravo), keď dochádza k skoršiemu nástupu opadu s rastúcou výškou. Pri výškach do 600 m n. m. naše výsledky na rozdiel od citovanej práce nepreukázali závislosť opadu od nadmorskej výšky.

korelačná matica medzi nástupmi jednotlivých fenofáz (tab. 5) preukázala podobne ako pri dubových porastoch najsilnejšie závislosti medzi fenofázami, ktoré na seba nadväzujú (gaD-gSD; gSD-gDD; gDD-fMD v jarnom období a DaD-DSD; DSD-DDD v jesennom období).

3.4. Analýza časových radovDĺžka sledovaného obdobia (2000 – 2014) ešte neumožňuje zovšeobecnenie črtajúcich sa

trendov v nástupe jednotlivých fenofáz. výsledky štatistického vyhodnotenia trendov pomocou Mann-kendallovho testu na celoslovenskej úrovni zatiaľ nepreukázali žiadny trend v zmene ná-stupu fenofáz gSD a DSD (tab. 6 a 7 – celoslovenský priemer).

Po zaradení celého súboru analyzovaných pixelov do 6 kategórií podľa charakteru trendu (klesajúci, rastúci) a jeho významnosti (nevýznamný, slabo a stredne významný) sme zistili na časti dubových porastov (tab. 6 – fenofáza gSD: kategórie 1 a 2 ) mierne skorší nástup jarnej fenofázy začiatku zalisťovania a v podstate nemeniaci sa trend pri buku (tab. 7 – feno-fáza gSD).

Pri jesennej fenofáze začiatku opadu listov sme pri dubových porastoch zistili tendenciu k skoršiemu nástupu, pričom stredný klesajúci trend sme zaznamenali pri 4,6 % pixelov. Záro-veň sme odhalili stredný rastúci trend pri 6,4 % pixelov (tab. 6 – fenofáza DSD). tendenciu k skoršiemu nástupu majú aj bukové porasty (tab. 7 – fenofáza DSD: kategórie 1 a 2), pri ktorých sa na 9,1 % porastoch potvrdil skorší nástupu fenofázy na hladine významnosti α < 0,10 (stredný klesajúci trend).

analýza časových radov pomocou lineárneho regresného modelu ukázala, že tendencie k nástupu fenofáz sú vo všetkých prípadoch mierne posunuté k skoršiemu dátumu (pozri zá-porný regresný koeficient pri regresných rovniciach na obr. 4 až 7). avšak trendy ani v jednom prípade neboli štatisticky významné (p > 0,05). v našich podmienkach k obdobným výsled-kom dospeli b. Schieber et al. (2009), ktorí sledovali fenológiu porastu s dominantným zastú-pením buka na stacionári v kremnických vrchoch v období 1995 – 2007 (48°38‘n, 19°04‘e, 450 – 520 m n. m.).

2.3. Fenológia dubových a bukových porastov v období 2000 – 2014 115114 TTomá oTomáT omoám meomá

3.5. Porovnanie prístupov určenia nástupu fenofáz s literatúrouv analyzovanej literatúre sme našli rôzne prístupy vymedzenia nástupu fenofáz a dĺžky ve-

getačného obdobia. nami zvolený prístup vymedzenia vegetačného obdobia medzi gSD a DSD je v súlade s prácou j. i. fishera (2007), ktorý nástup zalisťovania (onset) stanovil ku dňu, v kto-rom sigmoidná funkcia dosahuje hodnotu polovičného maxima. Polovičným maximom označu-je najstrmejší bod na sigmoide, alebo maximum prvej derivácie a chápe ho ako termín, kedy vypučí najviac listov. v našich podmienkach v. brandýsová (2013) na základe vlastných pozo-rovaní 5 bukových porastov v kremnických vrchoch, priradila začiatok zalisťovania k lokálne-mu maximu 1. derivácie fenologickej funkcie, t. j. k bodu gSD.

odlišný prístup zvolili X. Zhang et al. (2003) a b. W. heumann et al. (2007). X. Zhang et al. (2003) dátumy začiatku fenologických fáz identifikuje mierou zmeny zakrivenia krivky vyrov-naného logistického modelu. Z maximálnych hodnôt krivosti odvodzuje začiatok a koniec vege-tačného obdobia. na uvedenom prístupe je založený aj globálny fenologický produkt McD12Q2 prístupný v 500 m rozlíšení v 8-dňových krokoch. Pre modelovanie priebehu fenologických udalostí využíva vegetačný index evi (ganguly et al., 2010).

b. W. heumann et al. (2007) využil softvér pre analýzy časových radov tiMeSat, v ktorom je začiatok a koniec vegetačnej sezóny definovaný ako 20 % hodnota funkcie na rastúcej, resp. klesajúcej časti fenologickej krivky. v našom prístupe by Zhangove a heumannove určenie ve-getačnej sezóny približne zodpovedalo extrému tretej derivácie fisherovej funkcie (porovnaj podkapitola 2.1, vzťah [1]), t. j. vegetačné obdobie by sa predĺžilo a začínalo by pri začiatku zvyšovania a končilo pred koncom poklesu nDvi k hodnotám zodpovedajúcim obdobiu vege-tačného pokoja.

Podobný prístup zvolil P. beck et al. (2007). nástup jarného zalisťovania určili pomocu pra-hovej hodnoty. túto stanovili ako 25 % z nDvi amplitúdy modelovanej dvojitej logistickej krivky. Pomocu prahovej hodnoty určili aj nástup jesenného opadu listov. túto stanovili ako 75 % z nDvi amplitúdy modelovanej logistickej krivky.

na úskalia prístupu X. Zhanga et al. (2003), P. becka et al. (2007) a S. gangulyho et al. (2010) v našich podmienkach poukázali v. brandýsová (2013) pri drevine buk na tMP turová a t. Priwitzer (2010) pri drevine dub cer na modelovanom území Čifáre. upozorňujú na vplyv bylinnej a krovitej vrstvy vegetácie rozvíjajúcej sa pred začiatkom pučania listov na zvyšovanie nDvi. to skresľuje hodnoty nDvi pre listnaté dreviny. Podrobnejšie je táto problematika opí-saná v kapitole 2.4.

Z uvedenej diskusie vyplýva, že rozdielne metodické prístupy pri určení nástupu jednotli-vých fenofáz môžu spôsobovať problémy pri interpretácii dosiahnutých výsledkov a sťažovať ich porovnanie. náš softvér Phenological Profile umožňuje vypočítať aj 3. deriváciu a krivosti funkcie modelujúcej priebeh nDvi. Produkt je preto možné využiť aj pri porovnávacích analý-zach s výsledkami autorov, ktorí na určenie nástupu fenologických udalostí použili inú satelitnú metriku ako sme predstavili v našej práci.

4. Záver a smerovanie ďalšieho výskumu

v predloženom výskume sme uplatnili inovatívnu metódu modelovania fenologického vývo-ja bukových a dubových porastov, založenú na využití satelitných údajov zo spektrorádiometra MoDiS a nami navrhnutej metriky určovania nástupu fenologických udalostí. Pre modelovanie ročného priebehu nDvi sme využili sigmoidnú logistickú funkciu a vlastný softvérový produkt PhenoProfile. Dosiahnuté výsledky po porovnaní s pozemnými fenologickými pozorovaniami potvrdili možnosť využitia satelitných snímok pre odvodenie fenologických udalostí a ich vyu-žitie pri kontinuálnom a plošnom sledovaní odozvy lesných ekosystémov na meniace sa pod-mienky prírodného prostredia. Relatívna krátkosť získaného časového radu zatiaľ len naznačuje

vývoj základných charakteristík časových radov, ktorými sú trend, sezónne (cyklické kolísanie) a náhodné kolísanie. v ďalšom riešení sa preto zameriame na kontinuálne rozširovanie údajovej bázy a na vyhodnotenia vzťahov medzi nDvi a klimatickými charakteristikami.

Internetové odkazy[1] Slovenský hydrometeorologický ústav: Sieť fenologických staníc: http://www.shmu.sk/sk/?-

page=354[2] Príloha č. 1 k vyhláške č. 453/2006 Z. z. o hospodárskej úprave lesov a o ochrane lesa: http://

www.nlcsk.sk/files/399.pdf

2.4. Vplyv prízemnej vegetácie a podrastu na priebeh fenologickej krivky bukových porastov 117Satelity v Službách leSníckej fenológie

VPLYV PRÍZEMNEJ VEGETÁCIE A PODRASTU NA PRIEBEH FENOLOGICKEJ KRIVKY

BUKOVÝCH PORASTOV1 (2.4.)

1. Úvod

Zvýšený záujem o lesnícku fenológiu vyplýva z potreby poznania reakcie lesných drevín na dopady klimatickej zmeny a následného uplatnenia získaných poznatkov pri návrhu vhodných adaptačných a mitigačných opatrení. Zmeny v nástupe a priebehu fenofáz rastlín sú vhodným ukazovateľom meniacich sa podmienok prírodného prostredia (Štefančík, 1995), a preto i dreviny môžeme považovať za bioklimatologický indikátor klimatických zmien (Škvareninová, 2009).

technický rozvoj v oblasti DPZ, akcelerovaný vypustením družíc terra a aqua so spektorá-diometrom MoDiS, umožnil sledovanie nástupu fenologických udalostí prostredníctvom sate-litných záznamov a otvoril možnosti štúdia nových vzťahov medzi fenológiou a ekosystémový-mi tokmi uhlíka a produkciou (bradley et al., in noormets, (ed.), 2009). normalizovaný dife-renčný vegetačný index patrí k často využívaným spektrálnym indexom pri sledovaní vegetácie metódami DPZ. už c. j. tucker (1979) zistil, že hodnota nDvi veľmi úzko súvisí s množstvom fotosynteticky aktívnej zelenej biomasy asimilačných orgánov.

v súvislosti s uplatnením satelitnej fenologickej metriky bolo potrebné navrhnúť metodiku určenia základných charakteristík vegetačného obdobia (vo), ktorými sú začiatok, koniec a dĺž-ka trvania (napr. Zhou et al., 2001; lee et al., 2002; Stöckli, vidale, 2004; Piao et al., 2006). vážnym metodickým problémom pri využití satelitných údajov je odlíšenie nástupu fenofáz stromovej zložky od ďalších vegetačných zložiek porastu. v listnatých porastoch sa skôr než koruny stromov začínajú zalisťovať niektoré druhy prízemnej vegetácie a podrastu. Súvisí to so stratégiou tzv. „fenologického úniku“, pri ktorej rastliny na jar využívajú výhodu presvetleného porastu pred zalistením úrovňových drevín (Richardson a o’keefe, 2009). viacero autorov pri sledovaní fenologických prejavov lesných drevín zo satelitných záznamov konštatovalo, že prí-zemná vegetácia a podrast v lesných porastoch môžu významne ovplyvniť hodnoty vegetačných indexov v čase pred začiatkom zalistenia sledovaných drevín (napr. fisher, Mustard a vadebon-coeur, 2006). S. nagai et al. (2010) pri sledovaní vzťahu medzi hodnotami nDvi a fenologický-mi prejavmi listnatých lesov v japonsku vymedzil hodnoty nDvi, pri ktorých sa prejavuje vplyv vegetácie podrastu tvorenej bambusom Sasa senanensis. t. Priwitzer et al. (2009) zistil vplyv podrastu na priebeh fenologickej krivky porastov duba cerového (Quercus cerris) v podmien-kach Slovenska. Pri snímkach MoDiS, ktoré využívame aj v našej práci, D. e. ahl et al. (2006) uviedol dve príčiny, ktorými sa dá vysvetliť rozdiel medzi pozemne sledovanými a satelitne odvodenými termínmi začiatku vegetačného obdobia pri lesných drevinách, a to: a) využívanie časových kompozícií záznamov MoDiS (8, 10, 14, 16-dňové atď.), ktoré sú vy-

tvárané kvôli odstraňovaniu šumu vyplývajúceho z kontaminácie záznamov oblačnosťou alebo atmosférickými vplyvmi,

b) vývoj prízemnej vegetácie, ktorý začína skôr ako pri sledovaných drevinách.

cieľom tejto podkapitoly je poukázať na možnosti kvantifikácie príspevku prízemnej vege-tácie a podrastu na rast hodnôt nDvi v lesných porastoch s prevládajúcim zastúpením buka, a to počas jarného vegetačného obdobia až do nástupu 100 % zalistenia. kvantifikácia vplyvu prí-zemnej vegetácie a podrastu na hodnoty nDvi umožní spresniť dni nástupu jednotlivých feno-fáz lesných drevín a zároveň vybrať vhodnú fenofázu pre dlhodobé monitorovanie fenologic-kých prejavov jednotlivých zložiek lesných ekosystémov zo satelitných záznamov.

1 Prácu na tejto podkapitole podporila aj agentúra na podporu výskumu a vývoja na základe zmluvy č. aPvv-0303-11 a vedecká grantová agentúra vega v rámci projektov vega 1/0281/11 a vega 1/0257/11.

2. Materiál a metodika

2.1. Vymedzenie a charakteristika sledovaných porastovPorasty, ktoré boli predmetom nášho výskumu počas jarného obdobia roku 2011, sa nachádza-

jú v orografických celkoch kremnické vrchy a Zvolenská kotlina. ide o lokality turová a bukovi-na. organizačne patria pod vysokoškolský lesnícky podnik (všlP) tu vo Zvolene. Pri výbere porastov sme použili údaje z opisu porastov po základných jednotkách priestorového rozdelenia lesa (jPRl) z internetového portálu nlc[1]. Z vrstvy tvorenej pixelmi klasifikovanými ako drevina buk sme vylúčili pixely na rozhraní lesa a bezlesia. tie môžu byť spektrálne kontaminované neles-nými typmi krajinnej prikrývky. vybrali sme 5 pixelov, pričom každý pixel sa nachádza v osobit-nom dielci s prevládajúcim zastúpením buka a minimálnym zastúpením neopadavých ihličnatých drevín (tab. 1). v práci neanalyzujeme celý dielec, ale iba jeho určitú časť (ďalej len stanovište). to má výmeru 6,25 ha a zodpovedá jednému obrazovému prvku (pixelu) MoDiS s priestorovým rozlíšením 250 × 250 m. vo všetkých vybratých dielcoch sa v podúrovni nachádza podrast tvorený bukom a ojedinele hrabom (obr. 1). Pojmom podrast v práci označujeme rastliny, kry a stromy, ktoré dosahujú maximálne polovicu výšky hlavnej stromovej úrovne.

obr. 1: interiér porastu na stanovišti 514a v období jarných fenofáz

tab. 1: Základné charakteristiky dielcov, v ktorých sa nachádzajú sledované stanovištia

CharakteristikaDielec

509a 514a, 1.etáž 531 541 619aVek 58 103 73 83 68

Dreviny bk 85, bo 5, Db 5, Sc 5

bk 66, Db 30, jD 3, SM 1

bk 65, Db 20, jD 10, SM 5 bk 100 bk 70, Db 20,

hb 10Nadmorská

výška (m n. m) 447 560 591 602 532

Zakmenenie 0,9 0,8 0,8 0,9 0,9Expozícia Z Z Z V S

Sklon 25 40 40 40 30Hospodársky súbor lesných

typov310 311 310 310 310

Pôda skalnatá, miestami balvanitá

skalnatá, miestami balvanitá

skalnatá, miestami balvanitá

skalnatá, miestami balvanitá

skalnatá, miestami balvanitá

Dreviny: bk – Fagus sylvatica, bo – Pinus sylvestris, Db – Quercus petrea, hb – Carpinnus betulus, jD – Abies alba, Sc – Larix decidua, SM – Picea abies,hospodársky súbor lesných typov: 310 – svieže dubové bučiny, 311 – živné dubové bučiny

2.4. Vplyv prízemnej vegetácie a podrastu na priebeh fenologickej krivky bukových porastov 119118 TzoTmmmá oTmáaTTmT TTomá oTomá

2.2. Odvodenie NDVI zo satelitných záznamov a modelovanie priebehu fenologických pre-javov lesných drevínhodnoty nDvi odvodené zo satelitných záznamov sa vzťahujú ku konkrétnemu obrazové-

mu prvku. ide o hodnoty reprezentujúce všetky porastové zložky. na odvodenie nDvi sme po-užili snímky MoDiS, produkt MoD09. Postup získania a spracovania satelitných záznamov MoDiS bol opísaný v prácach t. buchu a M. koreňa (2009) a v. brandýsovej (2010). hodnoty vegetačného indexu nDvi sme odvodili zo spektrálnej odrazivosti v červenom kanáli (ρRED: 620 – 670 nm) a infračervenom kanáli (ρNIR: 841 – 876 nm) [1]:

NDVI = (ρNIR - ρRed)/(ρNIR + ρRed) [1]

hodnoty nDvi sme odvodili pre 5 vybraných pixelov na území všlP tu vo Zvolene pre jarné obdobie roku 2011, v ktorom boli vykonávané terénne pozorovania. fenologický vývoj lesných drevín rastúcich v našich podmienkach je možné modelovať logistickou sigmoidnou funkciou (fisher et al., 2006; fisher a Mustard, 2007), ktorá zachytáva jedno vzostupné (jarné) obdobie, obdobie plného olistenia (letná fáza) a jedno zostupné (jesenné) obdobie:

( ) )

11

11(

4321 tmmtmmampmin eevvtv

−− +−

++=

[2]

kde v(t) je hodnota vegetačného indexu nDvi; vmin je minimálna hodnota nDvi a vamp je celková amplitúda nDvi; m1až m4 sú parametre určujúce tvar krivky pre vzostupné (jarné) obdobie (m1, m2) a zostupné (jesenné) obdobie (m3, m4). Priebeh fenologických prejavov sme modelovali v programe PhenoProfile (bucha a koreň, 2009), ktorý pri modelovaní používa logistickú sig-moidnú funkciu definovanú vzťahom [2]. vstupnými údajmi sú časové rady nDvi pre jarné obdobie roku 2011. na určenie dní nástupu fenologických fáz sme použili 1. a 2. deriváciu feno-logickej funkcie (obr. 2).

obr. 2: Ročný priebeh fenologickej krivky (červenou farbou) modelovaný v programe Phenological profile. Zelená čiara znázorňuje jej prvú a modrá čiara jej druhú deriváciu.

na osi x: poradový deň v roku, na osi y: nDvi

2.3. Kvantifikácia vplyvu porastových zložiek na hodnotu NDVI porastuhodnota nDvi porastu odvodená zo satelitných záznamov závisí od množstva zelených asimi-

lačných orgánov (listov) drevín a prízemnej vegetácie, pričom je ovplyvnená odrazivosťou kôry drevín, pôdy a opadanky. Prízemná vegetácia, dreviny porastovej úrovne a podrastu, ktoré svojimi zelenými listami najviac ovplyvňujú hodnotu nDvi porastu sa na jar v bukových porastoch neza-čínajú vyvíjať zároveň. Podrast a prízemná vegetácia sa riadia už spomínanou stratégiou fenologic-kého úniku. na kvantifikáciu vplyvu jednotlivých zložiek na rastúcu hodnotu nDvi porastov po-čas obdobia jarných fenofáz sme zvolili metódu modelovania. v procese tvorby modelu sme naj-skôr identifikovali hlavné zložky sledovaných bukových porastov (ďalej len zložky), medzi ktoré patria: listy úrovňových drevín, listy podúrovňových drevín, prízemná vegetácia, kôra tenkých konárov, kôra hrubých konárov a kmeňa a opadanka. Pre každú z týchto zložiek sme:

● spektrálnou analýzou zisťovali hodnoty spektrálnej odrazivosti a z nich vypočítali hodnoty vegetačných indexov nDvi,

● stanovovali ich percentuálne podiely na celkovom nDvi porastu.

Po matematickej stránke sme model konštruovali ako aditívny, t. j. výsledná hodnota nDvi sa získavala sčítaním hodnôt jednotlivých zložiek. vstupné údaje (percentuálne podiely jednot-livých zložiek) sme získali metódami:

● odhadu pri terénnych pozorovaniach, ● obrazových analýz fotografických záznamov.

overenie modelu sme vykonali porovnaním modelovaných nDvi hodnôt s hodnotami odvo-denými zo snímok zo spektorádiometra MoDiS.

2.3.1. terénne pozorovania

v jarnom období roku 2011 (29. marec – 8. jún) sme na sledovaných stanovištiach zaznamená-vali pokryvnosť prízemnej vegetácie a jarné fenologické fázy drevinovej zložky porastov v troj-dňových až sedemdňových intervaloch. Súčasne sme fotograficky zaznamenávali koruny stromov, podrast a odoberali sme vzorky asimilačných orgánov vegetácie, opadaného lístia a bukovej kôry za účelom ich spektrálnej analýzy v laboratórnych podmienkach. aby sme zachovali čo najdlhšiu čerstvosť vzoriek, pri prízemnej vegetácii sme odoberali celé rastliny, pri drevinách listy aj s konár-mi. kôru sme vyrezali zo živých stromov z kmeňovej časti a z korún. Suché lístie sme zozbierali z hornej vrstvy minuloročnej opadanky. Pri terénnom sledovaní pokryvnosti prízemnej vegetácie v opadavých dubovo-bukových porastoch európy sa najbežnejšie používa jedna plocha za porast s výmerou 100, 200 a 400 m2 (chytrý, otýpková, 2003). v práci sme použili metódu odhadu na štvoruholníkových plochách s výmerou 100 m2. na každom stanovišti bolo založených päť takých-to monitorovacích plôch, ktorých stredy sú od seba vzdialené 50 m podľa schémy na obr. 3.

Pre fenologické pozorovania bola zvolená metodika podľa ShMÚ (1984). na každom stano-višti boli fenofázy pozorované na skupinke desiatich úrovňových, resp. nadúrovňových bukov rastúcich v centre stanovišťa. Použitá metodika stanovuje minimálny hraničný vek pre fenolo-gické pozorovania 60 rokov. v našom prípade je malou výnimku 58-ročný porast na stanovišti 509a. v jarnom období 2011 boli na vybratých skupinkách stromov sledované 4 fenofázy:

● Pučanie listových pupeňov (PlP) – pupene vplyvom rastu zväčšili svoj objem a na okrajoch pupeňových šupín sa objavilo bledozelené sfarbenie.

● Rozpuk listových pupeňov (RlP) – obalové šupiny praskli a v strede pupeňa sa objavili ze-lené konce mladých lístkov, obalové šupiny zotrvávajú v strednej a spodnej časti pupeňa.

● Zalistenie (Zal) – jednotlivý terminálny pupeň má už úplne rozvinutý prvý lístoček, ktorý má normálny tvar a čepeľ, ale nemá ešte normálnu veľkosť a sfarbenie.

● konečné zalistenie – všetky listy na všetkých jarných výhonkoch dosiahli rozmer a sfarbenie normálneho listu.

2.4. Vplyv prízemnej vegetácie a podrastu na priebeh fenologickej krivky bukových porastov 121120 TzoTmmmá oTmáaTTmT TTomá oTomá

Pri sledovaní uvedených fenologických fáz sme rozlišovali 3 základné stavy: ● Začiatok nástupu – deň, keď na pozorovanej skupinke dosiahla fáza 10 % výskyt. ● všeobecný nástup – deň, keď na pozorovanej skupinke dosiahla fáza 50 % výskyt. ● Úplný nástup – deň, keď na pozorovanej skupinke dosiahla fáza 100 % výskyt.

obr. 3: Schéma rozmiestnenia plôch na sledovanie prízemnej vegetácie. Symbol ■ reprezentuje monitorovaciu plochu

2.3.2. laboratórne meranie spektrálnej odrazivosti

v laboratórnych podmienkach sme spektrorádiometrom li-1800 odmerali odrazivosti vzoriek čerstvého (zeleného) a opadnutého bukového lístia, čerstvej prízemnej vegetácie a bukovej kôry vo vlnovom rozsahu 300 – 1100 nm. Z nameraných hodnôt odrazivosti sme odvodili hodnoty nDvi pre jednotlivé vzorky. li-1800 je mikroprocesorom riadený spek-trorádiometer vybavený rôznymi prídavnými zariadeniami, z ktorých sme pre meranie hod-nôt odrazivosti použili vonkajšiu integračnú sféru 1800-12 s vlastným svetelným zdrojom (li-cor, 1989).

na získanie komplexnej informácie o priebehu hodnôt nDvi počas jarného obdobia sme vykonali laboratórne spektrometrické merania zelených bukových listov od fenofázy zaliste-nia až po konečné zalistenie v dvoj až trojdňovom intervale. v prípade opadánky sme odvodi-li nDvi zo spektrometrických meraní rozlične sfarbených listov od zeleného listu po hnedý. Pri výpočte nDvi sme pracovali s hodnotami odrazivosti v rozpätí zodpovedajúcom produktu MoD 09 pre kanál 1 (Red: 620 – 670 nm centrovaný na vlnovú dĺžky 648 nm) a kanál 2 (in-fraRed: 841 – 876 nm centrovaný na vlnovú dĺžku 858 nm).

2.3.3. Stanovenie plochy porastov zatienenej neolistenými drevinami

Plochu porastov zatienenú neolistenými drevinami sme stanovili z farebných digitálnych fotografií (obr. 4). fotografie sme vyhotovili fotoaparátom nikon D50 vo vertikálnom smere nahor zo stredu hodnotenej skupiny stromov na každom stanovišti. na stanovenie plochy, ktorú na fotografiách zakrývajú stromy, sme použili metódu segmentácie obrazu (modul „Segmenta-tion“) v programe idrisi andes. v tomto programe sme podľa hodnôt optickej hustoty vytvorili dve klasifikačné triedy: stromy (0) a obloha (1). Pre každú triedu sme stanovili jej plochu a oso-bitne pre každé stanovište sme vypočítali priemerný percentuálny podiel plochy, ktorá je zakrytá neolistenými stromami. v rámci spektrálnych analýz boli zistené rozdielne hodnoty nDvi pri kôre tenkých a hrubých konárov. každý strom sme na základe tejto rozdielnej spektrálnej infor-mácie rozdelili na (i) tenké konáre a (ii) kmeň s hrubými konármi a stanovili pomer ich pomer. Priemerný pomer medzi tenkými konármi a kmeňom s hrubými konármi, ktorý sme použili v nDvi modeloch porastov, je 3 : 7.

obr. 4: neolistené koruny stromov na stanovišti 541a v čase pred začiatkom vegetačného obdobia

2.3.4. Princíp modelovania nDvi hodnoty porastov

Princípom tvorby nDvi modelov porastov je stanovenie percentuálneho podielu jeho hlav-ných zložiek z celkovej hodnoty nDvi porastu, ktorá predstavuje 100 %. Postup stanovenia ich podielu bol nasledovný:

● Percentuálny podiel listov drevín porastovej úrovne pre pozorovací deň sme stanovili v po-rastoch odhadom so zaokrúhlením na celé percento počas terénnych pozorovaní a vztiahli k pozorovanej fenofáze.

● Percentuálny podiel listov drevín podrastu sme stanovili rovnakým postupom ako pri úrov-ňových drevinách na základe odhadu so zaokrúhlením na celé percento.

● Percentuálny podiel prízemnej vegetácie sme odhadli v rámci terénnych pozorovaní na mo-nitorovacích plochách so zaokrúhlením na celé percento.

● Percentuálny podiel plochy zakrytej neolistenými konármi a kmeňom sme zistili obrazovými analýzami digitálnych fotografií.

● Percentuálny podiel opadanky sme stanovili výpočtom ako zostávajúce percento (%o = 100% – ∑% ostatných zložiek).Pre vytvorený model je charakteristické postupné zvyšovanie podielu zelených listov počas

nástupu jarných fenofáz pri paralelnom znižovaní podielu kmeňa, konárov, prízemnej vegetácie a opadanky v čase. Prvé sa začínajú rozvíjať listy podrastu, preto je percento ostatných, nižšie položených porastových zložiek, znížené o toľko percent, o koľko sa zvýši podiel listov podras-tu. neskôr sa začínajú zalisťovať úrovňové dreviny, pričom o percento ich podielu je v prvom rade zmenšený podiel listov podrastu. Podiel ostatných zložiek je znížený o kumulatívny percen-tuálny podiel listov podrastu a úrovňových jedincov2. hodnoty percentuálnych podielov všet-

2 Príklad: v poraste 509a v čase všeobecného rozpuku listových pupeňov úrovňových drevín pokrývali listy 10 % plochy porastu: %LDrU = 10 %. Dreviny podrastu boli v tomto čase vo fenofáze úplného zalistenia a plošne zakrývali 25 % plochy porastu. táto plocha bola však už na 10 % zakrytá listami úrovňových drevín, preto sme plochu podrastu znížili o 10 %: %LDrP = 23 % (0,9*25). Spolu listy drevín úrovne a podrastu zakrývali 33 %. plochy porastu. listami drevín sú ďalej zatienené tenké konáre hrubé konáre a kmene stromov (8,8 % resp. 20,1 % – odvodené klasifikáciou pozemnej snímky) a prízemná vegetácia, preto sme ich percentuálne podiely znížili o 33 %. tým sme získali hodnoty pre: %KT = 6 % (0,67*8,8), %KH = 14 % (0,67*20,1) a %V = 4 % (0,67*6,2). Zostávajúcu plochu porastu do 100 % pokrýva v poraste 509a opadanka: %O = 43 % (100-10-23-6-14-4).

2.4. Vplyv prízemnej vegetácie a podrastu na priebeh fenologickej krivky bukových porastov 123122 TzoTmmmá oTmáaTTmT TTomá oTomá

kých zložiek porastu spolu s ich hodnotami nDvi vstupujú do modelu porastov, ktorým stano-vujeme celkovú modelovanú nDvi hodnotu porastu podľa vzťahu:

NDVImodel = %NDVIKH + %NDVIKT + %NDVIV + %NDVILDrU + %NDVILDrP + %NDVIO [3]

kde %NDVIKH je nDvi kmeňa a hrubých konárov vynásobený ich percentuálnym podielom, %NDVIKT je nDvi tenkých konárov vynásobený ich percentuálnym podielom, %NDVIV je nDvi prízemnej vegetácie vynásobený jej percentuálnym podielom, %NDVILDrU je nDvi listov drevín porastovej úrovne vynásobený ich percentuálnym podielom, %NDVILDrP je nDvi listov drevín podrastu vynásobený ich percentuálnym podielom, %NDVIO je nDvi opadanky vynáso-bený jej percentuálnym podielom.

Modelovaná hodnota nDvi každého porastu bola porovnaná so satelitne odvodeným nDvi toho istého porastu.

3. Výsledky

3.1. Štatistické zhodnotenie vstupných údajov modelu charakteristický priebeh kriviek odrazivosti bukového lístia vo vlnovej dĺžke od 450 do 1100

nm počas jarných fenofáz je uvedený na obr. 5. na obr. 6 sú zobrazené spektrálne krivky rozlič-ne sfarbeného opadnutého lístia a bukovej kôry. Priemerné hodnoty nDvi porastových zložiek, ktoré sme získali zo spektrálnych analýz, sú zaznamenané v tab. 2. Zistili sme, že existuje rozdiel v hodnotách nDvi listov úrovňových drevín v čase 100 % zalistenia (Zal_100) a v čase koneč-ného zalistenia (kZal). tento stav je spôsobený rozdielmi vo veľkosti, farbe a štruktúre listov v týchto dvoch fenologických fázach. Zistený rozdiel sme zohľadnili v použitom modeli poras-tov tak, že v modeloch zostavených v čase Zal_100 sme použili hodnotu NDVILDrU zodpoveda-júcu tomuto obdobiu a v modeloch zostavených v čase kZal sme použili hodnotu nDviLDrU prislúchajúcu tomuto obdobiu.

tab. 2: hodnoty NDVI zo spektrálnych analýz vykonaných v čase nástupu fenofázy ZAL_100 a KZALnDvi fenologická fáza x8) sx

9) NDVIKT

1) Zal_100 10) 0,63 0,03 kZal 11) - -

NDVIKH 2) Zal_100 0,46 0,04 kZal - -

NDVIV 3) Zal_100 0,71 0,01 kZal - -

NDVILBkU 4) Zal_100 0,71 0,02 kZal 0,79 0,02

NDVILDbU 5) Zal_100 0,66 0,01 kZal 0,74 0,00

NDVILBkP 6) Zal_100 0,66 0,01 kZal - -

NDVIO 7) Zal_100 0,35 0,07 kZal - -

1) nDvi tenkých konárov, 2) nDvi hrubých konárov a kmeňa, 3) nDvi prízemnej vegetácie, 4) nDvi listov úrovňových bukov, 5) nDvi listov úrovňových dubov, 6) nDvi listov podúrovňového buka, 7) nDvi opadanky, 8) aritmetický priemer, 9) smerodajná odchýlka, 10) úplné zalistenie, 11) konečné zalistenie.

0.00

0.10

0.20

0.30

0.40

0.50

450 500 550 600 650 700 750 800 850 900 950 1000 1050 1100

3. máj 2012

4. máj 2012

7. máj 2012

9. máj 2012

11. máj 2012

14. máj 2012

16. máj 2012

18. máj 2012

22. máj 2012

obr. 5: Spektrálna premenlivosť listov buka lesného počas jarnej fenofázy. os x: vlnová dĺžka v nanometroch; os y: spekrálna odrazivosť

0.00

0.10

0.20

0.30

0.40

0.50

400 500 600 700 800 900 1000 1100

BK - zelený list

BK - žlto-zelený list

BK - žltý list

BK - hnedý list

BK - sivá kôra

obr. 6: vľavo) spektrálne krivky rôzne sfarbeného opadnutého lístia a bukovej kôry; vpravo) Snímka meraných opadnutých listov buka

Pri odhade pokryvnosti listov drevín sme vychádzali z pozorovaných fenologických fáz. na základe odhadnutej pokryvnosti sme priradili:

● fenofáze RlP_10 percentuálny podiel listov 2,5 %, ● fenofáze RlP_50 percentuálny podiel listov 10 %, ● fenofáze RlP_100 percentuálny podiel listov 25 %, ● fenofáze Zal_10 percentuálny podiel listov 30 %, ● fenofáze Zal_50 percentuálny podiel listov 45 %, ● fenofáze Zal_100 percentuálny podiel listov 90 %.

Pre pokryvnosť prízemnej vegetácie sme vypočítali priemernú hodnotu z monitorovacích plôch, ktorú sme zovšeobecnili pre celé stanovište. vývoj pokryvnosti prízemnej vegetácie a jej vnútrostanovištnú variabilitu počas jarného obdobia 2011 sme uviedli v tab. 3. Podiel plochy, ktorá je na sledovaných stanovištiach zatienená neolistenými drevinami, sme zaznamenali v tab. 4.

tab. 3: vývoj pokryvnosti prízemnej vegetácie (%) a jej variabilita v rámci v rámci sledovaných stano-víšť počas jarného obdobia roku 2011

sta no vište 509a 514a 531 541 619adeň x1) sx

2) R3) x sx R x sx R x sx R x sx R101 4,8 2,0 5 5,4 2,5 5 13,6 2,2 5 4,4 2,2 5 5,4 2,5 5108 6,2 2,8 7 11,2 3,9 10 19,4 3,5 8 9,8 3,4 8 11,8 1,6 3116 13,8 5,1 10 12,8 4,0 10 25,8 7,0 18 16,2 3,9 8 16,4 2,3 5124 14,2 6,2 15 16,8 9,6 23 30,2 9,9 25 18,6 6,9 17 19 2,2 5

1)aritmetický priemer, 2)smerodajná odchýlka, 3)variačné rozpätie

2.4. Vplyv prízemnej vegetácie a podrastu na priebeh fenologickej krivky bukových porastov 125124 TzoTmmmá oTmáaTTmT TTomá oTomá

tab. 4: Podiel plochy (%), ktorá je na stanovištiach zatienená neolistenými drevinamistanovište x1) sx

2)

509a 29,4 0,3514a 34,8 0,6531 35,7 1,8541 34,2 1,4619a 34,5 1,0

1)aritmetický priemer, 2)smerodajná odchýlka

hodnoty nDvi vypočítané podľa vzťahu [3] (NDVImodel) sme porovnali so satelitným nDvi (NDVIsat) odvodeným z fenologických kriviek. výsledky analýzy variancie jednoduchého triede-nia, ktorou sme testovali diferencie párových hodnôt nDvi medzi stanovišťami, ukázali veľmi malú vnútroskupinovú, ako aj nízku medziskupinovú variabilitu. Z hodnôt testovacích charakte-ristík (f(4,25) = 0,403, p = 0,805) vyplýva, že na 5 % hladine významnosti sa diferencie medzi stanovišťami významne nelíšia, a teda vplyv faktora stanovište nie je významný. navrhnutý model je uplatniteľný pre všetky sledované stanovištia v celom období jarných fenofáz. Diferen-cie medzi NDVImodel a NDVIsat (x = –0,132, sx = 0,025) poukázali na systematické podhodnotenie NDVIsat hodnôt, a preto sme pristúpili ku ich korekcii.

3.2. Korekcia satelitne odvodených NDVI hodnôtna korekciu rozdielu medzi NDVIsat a NDVImodel sme použili kvocient q (Šmelko, 2012, str.

31). Z modelovaných a satelitne odvodených údajov nDvi o rozsahu n = 30 sme pre každú dvojicu hodnôt vypočítali kvocient qi, a jeho štatistické charakteristiky

sat,i

model,ii NDVI

NDVIq =

→

n

qq

n

i∑== 1 i , 1−=

ns

S qq

[4]

Priemerná hodnota kvocientu bola 0,81 a stredná chyba 0,003. S 95 % pravdepodobnosťou spadá hodnota kvocienta do intervalu 0,804 – 0,816. kvocient sme otestovali voči 1 a zistili sme, že na 1 % hladine významnosti je systematicky záporne vychýlený, a teda NDVIsat hodnoty sú systematicky nadhodnotené: t = 66,2 > t0,05(29) = 2,045. kvocient sme použili na korekciu syste-maticky vychýlených NDVIsat hodnôt

sat,ikor,i . NDVIqNDVI = [5]

týmto sme získali novú hodnotu korigovaného nDvi (NDVIkor), ktorý sa významne nelíšil od NDVImodel . v tab. 5 sú uvedené hodnoty nDvi odvodené zo satelitných záznamov a hodnoty nDvi získané z modelov piatich analyzovaných stanovíšť. korekčný faktor je možné uplatniť pri korekcii NDVIsat hodnôt v bučinách s porastovými charakteristikami podobnými nami sledo-vaným stanovištiam.

tab. 5: Satelitné a modelované NDVI hodnoty odvodené pre sledované stanovištia a dni fenologických pozorovaní v období jarných fenofáz v roku 2011

2011 DOY3)

stanovište NDVI 95 101 108 116 125 159509a NDVIsat

1) 0,49 0,54 0,63 0,72 0,82 0,93NDVImodel

2) 0,40 0,44 0,50 0,59 0,69 0,76514a NDVIsat 0,50 0,56 0,62 0,72 0,83 0,93

NDVImodel 0,41 0,45 0,50 0,58 0,68 0,75

2011 DOY3)

stanovište NDVI 95 101 108 116 125 159531 NDVIsat 0,54 0,59 0,67 0,74 0,82 0,93

NDVImodel 0,43 0,48 0,54 0,61 0,68 0,76541 NDVIsat 0,52 0,56 0,64 0,73 0,83 0,93

NDVImodel 0,41 0,45 0,51 0,60 0,69 0,77619a NDVIsat 0,52 0,56 0,65 0,75 0,84 0,93

NDVImodel 0,41 0,45 0,50 0,59 0,68 0,761) hodnota nDvi získaná zo satelitných údajov, 2) hodnota nDvi získaná z modelov porastov

3.3. Kvantifikácia vplyvu jednotlivých zložiek porastu na hodnoty NDVI v roku 2011Z vytvorených nDvi modelov sme stanovili podiel jednotlivých zložiek (prízemnej vegetá-

cie, podrastu, drevín hlavnej úrovne a ostatných zložiek) na celkovej modelovanej hodnote nDvi (NDVImodel) každého stanovišťa. graficky je tento podiel znázornený na obrázku 7.

obr. 7: grafické vyjadrenie podielu prízemnej vegetácie (%NDVIV), listov podrastu %NDVILDrP) a úrovňových drevín (%NDVILDrU) na celkovom nDvi sledovaných bukových stanovíšť.

(Σ%NDVIostatných zložiek = suma NDVI pre percentuálny podielov kmeňa a hrubých konárov, tenkých konárov a opadanky)

3.3.1. Prízemná vegetácia a podrast 2011

najvýraznejší vplyv prízemnej vegetácie na hodnotu nDvi bol zistený na stanovišti všlP 531. lesný porast sa na tomto stanovišti vyznačuje zakmenením 0,8 a voľným až uvoľneným zápojom, ktoré vytvárajú vhodné svetelné podmienky pre rast a prežívanie prízemnej vegetácie. v roku 2011 od cca Doy 100 až do Zal_100 porastovej úrovne (Doy 125) tu prízemná vege-tácia dosahovala v priemere podiel 18 % na celkovom nDvi porastu. na ostatných stanovištiach bol tento podiel nižší a v priemere sa pohyboval v rozmedzí 6 – 13 %. Prvé jarné fenofázy pod-rastu začali na stanovištiach nastupovať okolo Doy 100, a to podielom 15 – 19 % na celkovom nDvi porastov. okolo Doy 108 dosahovali listy podrastu podiel až 25 – 30 %. jedince podras-tu sa riadili stratégiou fenologického úniku a fenofázu Zal_100 dosiahli už okolo Doy 110. v priemere bol vplyv podrastu na hodnoty nDvi bukových porastov oproti prízemnej vegetácii dvojnásobný. vplyv podrastu, podobne ako prízemnej vegetácie na hodnoty nDvi, začal klesať počas zalisťovania úrovňových drevín.

2.4. Vplyv prízemnej vegetácie a podrastu na priebeh fenologickej krivky bukových porastov 127126 TzoTmmmá oTmáaTTmT TTomá oTomá

● v čase RlP_50 úrovňových drevín bol podiel hodnoty nDvi prízemnej vegetácie a listov podrastu spolu 36 – 46 % z celkovej hodnoty nDvi porastu.

● v čase Zal_50 úrovňových drevín bol zistený podiel nDvi prízemnej vegetácie a listov podrastu spolu 17–27 % z celkového nDvi porastu.

● v čase Zal_100 úrovňových jedincov tvorili hodnoty nDvi zelene prízemnej vegetácie a listov podrastu len 3 – 4 % z celkovej hodnoty nDvi porastu. od tejto fenologickej fázy boli hodnoty nDvi ovplyvnené veľkosťou, farbou a štruktúrou listov úrovňových drevín. uvedené výsledky platia pre lesné porasty s prehustlým až uvoľneným zápojom. v porastoch s voľným až medzernatým zápojom je vplyv prízemnej vegetácie a podrastu vyšší.

3.3.2. Porastová úroveň 2011

v teréne bola pozorovaná fenofáza RlP_10 u úrovňových jedincov v období medzi Doy 98 – 101. na fenologickej krivke je to obdobie, kedy 2. derivácia dosiahla lokálne maximum vo vzostupnej časti krivky. Percentuálny podiel listov drevín úrovne na celkovom nDvi porastu bol v tomto čase nulový. od Doy 108 do 111 došlo k RlP_50, kedy podiel listov úrovňových dre-vín na celkovom nDvi dosiahol priemernú hodnotu 10 %. RlP_100 sme pozorovali od Doy 111 do 113 a v čase Zal_10 dosahuje 1. derivácia fenologickej funkcie inflexný bod (Doy 112 – 115). v tomto období sú hodnoty nDvi stále významne ovplyvnené všetkými porastovými zložkami. od Doy 115 do 117 nastúpilo Zal_50, kedy bol zaznamenaný podiel drevín úrovne v priemere 53 % na celkovom nDvi porastu. k Zal_100 úrovňových jedincov došlo okolo Doy 120. tento termín približne súhlasí s lokálnym minimom 2. derivácie v vzostupnej časti fenologickej krivky (Doy 122 – 126) a podiel drevín úrovne na celkovom nDvi porastu bol v priemere 92 %.

3.4. Overenie modelu na údajoch z jarného obdobia roku 2012 Model porastov nDvi, ktorý bol vytvorený na základe údajov o fenologických fázach dre-

vín, pokryvnosti prízemnou vegetáciu, opadankou a údajoch o ploche zakrytej neolistenými dre-vinami z roku 2011, sme overili použitím údajov z roku 2012. fixnými zložkami modelu zostali percentuálne podiely neolistených drevín – ich tenkých a hrubých častí a nDvi zistené spektrál-nymi analýzami. ostatné zložky modelu sú variabilné v závislosti od aktuálnych hodnôt ich pokryvnosti. tým, že jarné fenologické fázy nastúpili neskôr ako v roku 2011 a aj pokryvnosť prízemnej vegetácie bola rozdielna, zmenili sa aj hodnoty nDvi prislúchajúce konkrétnym po-zorovacím dňom. NDVIsat (tab. 6) aj v tomto roku vykazovali štatisticky významné nadhodnote-nie. na ich korekciu podľa rovnice [5] sme použili kvocient odvodený pre údaje z roku 2011. Diferencie medzi hodnotami NDVIkor a NDVImodel sme otestovali párovým testom. jeho výsledky: t = 1,91 < t0,05(29) = 2,045 ukázali, že medzi hodnotami nie sú štatisticky významné diferencie. Z uvedeného vyplýva, že hoci fenologické prejavy vegetácie nastúpili v roku 2012 v rozdielnom čase a intenzite ako v roku 2011, satelitné nDvi je možné korigovať rovnakou hodnotou kvo-cientu = 0,81.

tab. 6: Satelitné a modelované nDvi hodnoty odvodené pre sledované stanovištia a dni fenologických pozorovaní v období jarných fenofáz v roku 20122012 DOY 3)

stanovište NDVI 103 110 117 121 127 159

509aNDVIsat

1) 0,51 0,56 0,68 0,73 0,82 0,93NDVImodel

2) 0,41 0,45 0,55 0,58 0,68 0,76

514aNDVIsat 0,51 0,58 0,67 0,74 0,83 0,93

NDVImodel 0,42 0,46 0,55 0,58 0,67 0,75

2012 DOY 3)

stanovište NDVI 103 110 117 121 127 159

531NDVIsat 0,54 0,60 0,69 0,74 0,84 0,93

NDVImodel 0,45 0,50 0,57 0,60 0,68 0,75

541NDVIsat 0,50 0,57 0,67 0,73 0,83 0,93

NDVImodel 0,42 0,47 0,56 0,59 0,69 0,76

619aNDVIsat 0,49 0,55 0,66 0,73 0,83 0,93

NDVImodel 0,42 0,46 0,55 0,58 0,68 0,751) hodnota nDvi získaná zo satelitných údajov, 2) hodnota nDvi získaná z modelov porastov

3.4.1. Prízemná vegetácia a podrast 2012

Po overení modelu sme stanovili vplyv podrastu a prízemnej vegetácie na hodnotu nDvi porastov pre rok 2012. najvýraznejší vplyv prízemnej vegetácie na hodnotu nDvi bol opäť zistený na stanovišti všlP 531, v ktorom vhodné svetelné podmienky, spôsobené voľným až uvoľneným zápojom, umožnili rast a prežívanie prízemnej vegetácie. v roku 2012 od cca Doy 103 až do Zal_100 porastovej úrovne (Doy 127) tu prízemná vegetácia dosahovala podiel na celkovom nDvi porastu v priemere 17 %. na ostatných stanovištiach sa tento podiel pohyboval v rozmedzí 4 – 8 %.

Rozpuk listov podrastu začal okolo Doy 110 podielom 14 – 18 % na celkovom nDvi po-rastov. okolo Doy 117 už listy podrastu dosiahli podiel 19 – 23 %. jedince podrastu riadiace sa stratégiou fenologického úniku dosiahli fenofázu Zal_100 okolo Doy 117, čo bolo o týždeň neskôr ako v roku 2011. vplyv podrastu, podobne ako vplyv prízemnej vegetácie na hodnoty nDvi, začal klesať počas zalisťovania úrovňových drevín.

● v čase Zal_10 úrovňových drevín bol podiel hodnoty nDvi prízemnej vegetácie a podras-tu spolu 25 – 40 % z celkovej hodnoty nDvi.

● v čase Zal_50 úrovňových drevín bol zistený podiel nDvi prízemnej vegetácie a podrastu spolu 17 – 28 % z celkového nDvi porastu.

● v čase Zal_100 úrovňových jedincov tvorili hodnoty nDvi zelene prízemnej vegetácie a podrastu len 3 – 7 % z celkovej hodnoty nDvi porastu.

3.4.2 Porastová úroveň 2012

Pred Doy 110 bol percentuálny podiel listov drevín úrovne na celkovom nDvi porastu nu-lový. okolo Doy 110 došlo k RlP_10, kedy podiel úrovňových drevín na celkovom nDvi dosiahol priemernú hodnotu 4 %. Zal_10 sme pozorovali okolo Doy 117. v tomto čase dosa-huje 1. derivácia fenologickej funkcie inflexný bod a hodnoty nDvi sú ovplyvňované všetkými porastovými zložkami. okolo Doy 121 nastúpilo Zal_50 úrovňových drevín, kedy bol ich podiel v priemere 53 % na celkovom nDvi porastu. Zal_100 úrovňových jedincov nastalo okolo Doy 124. tento termín súhlasí s lokálnym minimom 2. derivácie vo vzostupnej časti fe-nologickej krivky a podiel drevín úrovne na celkovom nDvi porastu bol v priemere 92 %.

4. DiskusiaPoužité satelitné záznamy MoDiS a z nich odvodené vegetačné indexy nDvi reprezentujú

spektrálne vlastnosti pixelov s veľkosťou 250 x 250 m. to znamená, že jediná hodnota nDvi pixela zachytávajúceho lesný porast v sebe zahŕňa spektrálnu odrazivosť nielen jeho drevinovej zložky, ale aj všetkých ostatných zložiek lesných ekosystémov. Problematika zisťovania vplyvu porastových zložiek na hodnoty satelitne odvodených vegetačných indexov bola doposiaľ málo

2.4. Vplyv prízemnej vegetácie a podrastu na priebeh fenologickej krivky bukových porastov 129128 TzoTmmmá oTmáaTTmT TTomá oTomá

objasnená. väčšina autorov iba skonštatovala, že prízemná vegetácia alebo podrast môžu ovplyv-niť hodnoty vegetačných indexov, ale nekvantifikovali tento vplyv. Sú to napríklad práce j. i. fishera, j. f. Mustarda, a M. a vadeboncoeura (2006), ktorí uvádzajú, že pri porastoch s diferen-covanou vertikálnou štruktúrou bol začiatok zalistenia odvodený zo satelitných záznamov skorší než pri výškovo homogénnych porastoch. D. e. ahl et al. (2006) zaznamenal počas pozemných pozorovaní, že podrast sa v porastoch zazelenal skôr ako dreviny úrovne, čím vysvetľuje zvyšo-vanie množstva zelenej vegetácie zachytenej na produktoch MoDiS. t. Priwitzer et al. (2009), poukázal na vplyv krovinnej vegetácie v dubovom poraste tvorenej slivkou trnkovou a vtáčím zobom na skorší rast hodnôt nDvi fenologickej krivky.

cieľom našej práce bolo zistenie vplyvu tých zložiek lesného ekosystému na satelitný nDvi, ktorých fenologické fázy nastupujú v predstihu pred fenofázami úrovňových drevín. Pre tento účel sme vytvorili nDvi model porastu, v ktorom sme jednotlivé porastové zložky kvantifiko-vali. Získanú modelovanú nDvi hodnotu sme porovnali s nDvi odvodeným zo satelitných dát. tieto nDvi boli systematicky kladne vychýlené a po ich korekcii boli porovnateľné s modelo-vanými nDvi. výsledky práce dokazujú, že podrast a prízemná vegetácia spôsobujú rast hodnôt nDvi pred zalistením úrovňových jedincov od ~ 100. dňa v roku, pričom v porastoch s uvoľne-ným až prehustlým zápojom je vplyv podrastu v priemere 2 krát vyšší ako vplyv prízemnej ve-getácie.

S. nagai et al. (2010), podobne ako my, kvantifikoval vplyv podrastu na rastúcu hodnotu nDvi dubovo-brezových porastov v japonsku. hodnotu nDvi získal zo spektrorádiometra umiestneného nad porastom. vo svojej práci definoval ako sa správali jednotlivé zložky porastu pri konkrétnej hodnote nDvi. jeho stupnica nDvi začínala od hodnoty 0,2, kedy bolo 80 % povrchu pôdy pokrytého snehom. Pri hodnote 0,4 zistil prítomnosť bambusu Sasa senanensis na 90 % porastovej pôdy a až od hodnoty nDvi 0,5 sa začali zalisťovať niektoré dreviny. hod-nota nDvi 0,6 znamenala začiatok zalisťovania všetkých drevín. Pri hodnote 0,7 bolo pozoro-vané 50 % zalistenie a pri hodnote 0,8 bolo pozorované 100 % zalistenie drevín.

fenologická krivka v našej práci začínala pri priemernej minimálnej hodnote nDvi 0,43. Postupné zvyšovanie nDvi pred začiatkom zalistenia súviselo so stratégiou fenologického úni-ku podrastu a s rastom rastlín skorého jarného aspektu. Úrovňové dreviny sa začali zalisťovať pri hodnote nDvi 0,66, pri nDvi 0,76 nastalo Zal_50 a pri hodnote nDvi 0,81 boli zalistené všetky úrovňové buky. hodnoty nDvi v čase Zal_100 uvedené v našej práci a v práci S. nagai et al. (2010) sa líšia len minimálne (rozdiel 0,01). Rozdielne hodnoty nDvi prislúchajúce pred-chádzajúcim fenofázam môžu súvisieť s konkrétnymi stanovištnými podmienkami, so zakmene-ním, drevinovým zastúpením, resp. spektrálnou odrazivosťou asimilačných orgánov.

vytvorením vzťahu medzi vizuálnym hodnotením jednotlivých fenofáz a hodnotou biofyzi-kálnej veličiny nDvi spolu s kvantifikáciou príspevku jednotlivých zložiek lesného ekosystému na hodnotu nDvi nám umožnilo i) odvodiť čas nástupu jednotlivých fenofáz zo satelitných záznamov, ii) navrhnúť optimálne termíny pre sledovanie nástupu fenofáz jednotlivých zložiek lesného ekosystému. výsledky z roku 2012 potvrdili zistenia z roku 2011, overili správnosť zo-stavenia modelu, ako aj použitie korekčného faktora.

Za optimálnu fenologickú fázu pre sledovanie drevinovej zložky v nadúrovni a úrovni (hlav-nej úrovni) porastu zo satelitných záznamov považujeme fenofázu Zal_100. vychádzali sme pritom zo zistení, že:

● od fenofázy Zal_100 vplývajú iné porastové zložky ako listy úrovňových drevín na hodno-ty nDvi porastu len okolo 8 percentami, za predpokladu uvoľneného až prehustlého zápoja.

● dátum nástupu fenofázy Zal_100 je možné identifikovať zo satelitných záznamov pomocou lokálneho minima 2. derivácie fenologickej krivky vo vzostupnej fáze.

Pre sledovanie fenologického vývoja bukového porastu ako komplexu všetkých jeho zložiek (dreviny hlavnej úrovne, dreviny podrastu, prízemnú vegetáciu, opadanku) je možné využiť fe-

nofázu Zal_10. Zistili sme, že deň nástupu tejto fenofázy je možné stanoviť lokálnym maxi-mom 1. derivácie fenologickej funkcie v jej jarnom vzostupnom období.

5. Záver

viaceré scenáre vývoja klímy poukazujú na jej vážne dopady na lesy už v priebehu tohto storočia. Poznanie reakcie lesných ekosystémov na klimatické zmeny je preto dôležitým fakto-rom pre správne pochopenie a usmernenie činností v lesnom hospodárstve. Zmeny v teplotnom režime a režime zrážok vyvolávajú zmeny v čase nástupu fenologických fáz a v celkovej dĺžke vegetačného obdobia drevín. vizuálne fenologické pozorovania sú časovo a personálne veľmi náročné, a neumožňujú analýzy na regionálnej až globálnej úrovni. Prezentovaná metóda v našej práci rieši nedostatky výberových pozorovaní. vizuálne pozorovania nástupu fenofáz nahrádza-me biofyzikálnou veličinou, a to vegetačným indexom nDvi odvodeným zo satelitných zázna-mov. Podľa jeho veľkosti a priebehu vývoja určujeme nástup jednotlivých fenofáz. Z povahy satelitných záznamov vyplýva možnosť odvodiť vegetačný index pre rôzne priestorové jednot-ky, od 1 pixela cez regionálnu až po globálnu úroveň. to umožňuje aj v našich podmienkach analyzovať a objasniť časopriestorové súvislosti reakcie lesných ekosystémov na zmeny klímy. Pre vývoj tohto inovatívneho prístupu bolo dôležité zistiť vplyv všetkých zložiek porastu na hodnotu nDvi. to si vyžadovalo určiť percentuálne podiely všetkých zložiek porastu a ich hod-noty nDvi. Získané poznatky sú východiskom nielen pre modelovanie nástupu fenofáz lesných porastov zo satelitných záznamov MoDiS, ale aj pre modelovanie vzťahov medzi fenológiou a ekosystémovym tokom uhlíka a produkciou.

Internetové odkazy[1] http://lvu.nlcsk.org/lgis

2.5. Stres dubových a bukových porastov suchom a teplom: Experimentálne použitie satelitných snímok MODIS 131Satelity v Službách leSníckej fenológie

STRES DUBOVÝCH A BUKOVÝCH PORASTOV SUCHOM A TEPLOM: EXPERIMENTÁLNE POUŽITIE

SATELITNÝCH SNÍMOK MODIS1 (2.5.)

1. Úvodnarastajúci vplyv klimatických extrémov na rôzne ekosystémy je považovaný za jeden z naj-

výraznejších signálov prebiehajúcej zmeny klímy (allen et al., 2010; leuzinger et al., 2005; Sales-ka et al., 2007). Množstvo pozorovaní naznačuje, že extrémne klimatické javy budú výrazne vplý-vať na distribúciu, prežívanie, rast a ďalšie životné prejavy lesov po celom svete (archaux a Wol-tres, 2006; bréda et al., 2006, lobo et al., 2010). nakoľko životné prejavy drevín sú limitované významne dostupnosťou vody, dlhšie trvajúce sucho vo vegetačnom období môže vyvolať epizódy veľkoplošného chradnutia lesov. Suchom podmienená mortalita drevín bola pozorovaná hlavne v Stredomorí, napríklad pri dube, smreku, buku, jedli a borovici (allen et al., 2010). v severnejších regiónoch nedostatok vlahy pôsobí najmä ako predispozičný faktor biotických činiteľov a epizódy sucha môžu iniciovať premnoženie rôznych škodcov (Rouault et al., 2006). v lesoch mierneho pásma spôsobujú opakované epizódy sucha obvykle zníženie indexu listovej plochy (le Dantec et al., 2000), čo často vedie k poklesu produktivity lesov (glenn et al., 2008).

k štandardným prístupom k hodnoteniu výskytu sucha patrí výpočet rôznych indexov sucha na základe údajov z meteorologických meraní (vicente-Serrano et al., 2012). tieto nástroje sú však rozpracované najmä pre aplikácie súvisiace s poľnohospodárskou produkciou (adams et al., 1998; Dalezios et al., 2012), kým štúdie zamerané na lesy sú zriedkavejšie (porov. však napr. Williams et al., 2013). vzhľadom na to, že lesné oblasti sú obvykle nedostatočne pokryté sieťou meteorologických staníc (caccamo et al., 2011; oldford et al., 2006), výpočet indexov sucha z meteorologických pozorovaní neumožňuje spoľahlivé hodnotenie sucha na veľkých lesnatých územiach alebo v členitých oblastiach s rozmanitou krajinnou štruktúrou.

v takýchto prípadoch môžu byť vhodným indikátorom sucha zmeny vo fotosyntetickej aktivite porastov, ktoré sú vyvolané klimatickými alebo inými stresovými faktormi a sú zachy-tené prostredníctvom dát DPZ (glenn et al., 2008; lobo et al., 2010). Zmeny spektrálnej od-razivosti asimilačných orgánov je možné použiť na identifikáciu veľkoplošných prejavov stre-su v rôznych typoch lesných ekosystémov (ji a Peters, 2003). najčastejšie používaným senzo-rom pre globálny monitoring sucha je advanced very high Resolution Radiometer (glenn et al., 2008). Z hľadiska jemnejšieho spektrálneho rozlíšenia na vodu citlivých častí elektromag-netického spektra za vhodnejší nástroj považujeme však spektrorádiometer MoDiS agentúry naSa[1] (ceccato et al., 2001). od prvopočiatkov svojej misie v roku 2000 generuje MoDiS obrovské množstvá údajov, ktoré môžu byť využívané pre monitoring dopadov sucha a do-stupnosť vody na rôznych priestorových škálach (napr. Mu et al., 2011; yuhas a Scuderi, 2009). napriek tomu, že využiteľnosti údajov MoDiS na hodnotenie sucha v zalesnených oblastiach boli doposiaľ venované viaceré výskumné štúdie (anderson et al., 2010; caccamo et al., 2011; Saleska et al., 2007; vacchiano et al., 2012; Wang et al., 2009), v oblasti strednej európy sa s obdobnými prácami nestretávame.

na hodnotenie stavu vegetácie sú využívané rôzne vegetačné indexy (Myneni et al., 1995). Široko používaný index, ktorý využíva zmenu v absorpcii fotosynteticky aktívneho žiarenia asi-milačným orgánom vegetácie, je normalizovaný diferencovaný vegetačný index (Rouse et al., 1973). odrazivosť v červenom pásme spektra je úzko spätá s aktivitou v listovej biomase, čo vedie k možnosti využitia nDvi ako indikátora aktivity vegetácie v regionálnej až globálnej

1 Práca na kapitole bola podporená aj agentúrou na podporu výskumu a vývoja na základe zmluvy č. aPvv-0111-10, aPvv-0608-10, aPvv-0243-11.

mierke (justice et al., 1985; Rasmussen, 1998; tucker a Sellers, 1986). vzťahom medzi hodno-tami nDvi a stresom vegetácie suchom sa v poslednom období venovalo viacero štúdií, napr. caccamo et al. (2011); gutman (1990); henricksen a Durkin (1986); ji a Peters (2003); yuhas a Scuderi (2009).

v lesoch mierneho pásma európy sa nachádzajú klimatické hranice rozšírenia viacerých lesných drevín vyplývajúce z gradientov zemepisnej šírky a nadmorskej výšky. Časť tohto úze-mia pokrývajú lesy s bukom lesným (Fagus sylvatica l.) a viacerými druhmi duba (Quercus spp.), ktoré v tomto regióne patria medzi ekologicky a ekonomicky najvýznamnejšie dreviny. Zatiaľ čo duby preferujú relatívne teplé a suché podnebie (lorimer, 1993), u buka bola zistená vyššia citlivosť voči suchu, čo znamená aj potenciálne vyššie ohrozenie zmenou klímy (czúcz et al., 2011; gessler et al., 2007; Mátyás et al., 2010; leuzinger et al., 2005). Riziko zhoršenia vi-tality a možného ústupu buka z časti jeho distribučného areálu v dôsledku sucha bolo potvrdené empirickými štúdiami a pozorovaniami (jump et al., 2006; Mátyás et al., 2010), ako aj rôznymi technikami modelovania (hlásny et al., 2011a; czúcz et al., 2011). keďže v dôsledku klimatic-kej zmeny môže v niektorých oblastiach dôjsť k postupnému nahrádzaniu buka dubom, rozdiely v klimatickej citlivosti týchto dvoch druhov môžu výrazne formovať budúcnosť niektorých eu-rópskych lesov. Z týchto dôvodov bola v poslednom období venovaná zvýšená pozornosť kon-kurencieschopnosti a tolerancii buka a rôznych druhov duba voči klimatickému stresu (backer a leuschner, 2000; epron a Dreyer, 1993; leuschner et al., 2001; Raftoyannis a Radoglou, 2002; Scharnweber et al., 2011).

v tejto štúdii sme sa zaoberali využiteľnosťou vegetačného indexu nDvi odvodeného zo satelitných záznamov snímaných spektrorádiometrom MoDiS, ktorý slúžil ako indikátor inte-zity fotosyntézy (birky, 2001) a ukazovateľ stresu lesnej vegetácie suchom (ji a Peters, 2003). cieľom je preskúmať vplyv bezzrážkových a výrazne teplých období na vnútrosezónnu varia-bilitu hodnôt nDvi v dospelých bukových a dubových porastoch v podmienkach strednej európy. vychádzali sme z predpokladov, že v časových radoch nDvi lokalizovaných na kon-krétne lesné porasty môžu byť identifikované špecifické stresové epizódy, ktoré súvisia s urči-tou intenzitou a trvaním suchých a extrémne teplých periód. Získané výsledky môžu prispieť k doplneniu poznatkov o reakciách lesných drevín na stres a zároveň podporiť využívanie údajov MoDiS ako zdroja dát dopĺňajúceho kontaktne nadobudnuté ekofyziologické údaje (hlásny et al., 2014a).

2. Použité údaje a metodika

2.1. Výber a dizajn experimentálnych porastovvýskum bol zameraný na bukové a dubové porasty na Slovensku vybrané na základe kritérií

uvedených v tab. 1. Podkladom pre výber dospelých homogénnych porastov buka a duba boli les-nícke porastové a pôdne mapy (Zdroj: nlc-ÚlZi), ortofotomapy z leteckého snímkovania v ro-koch 2005 – 2006, digitálny model reliéfu z databáz lesníckeho geografického informačného sys-tému[2] a vybrané mapy z atlasu krajiny SR[3].

cieľom bolo vybrať dospelé porasty buka a duba, v ktorých kombinácia stanovištných a po-rastových podmienok vytvára predpoklady, že bude zaznamenaná stresová reakcia lesných po-rastov na výskyt sucha v podobe poklesu hodnôt vegetačného indexu. Základnou podmienkou bola rovnorodosť porastov, t. j. minimálne 99 % zastúpenie buka lesného (Fagus sylvatica l.), resp. vybraných druhov duba (Quercus petrea, Quercus robur, Quercus pubescens). toto prísne kritérium sme zvolili vzhľadom na zámer medzidruhového porovnania výsledkov analýz. vybe-rané boli porasty staršie ako 50 rokov v rastovej fáze kmeňoviny, s jednoetážovou vertikálnou štruktúrou. Z hľadiska zvýšenia potenciálneho rizika sucha bol dôraz kladený na porasty s pre-vládajúcou južnou, juhovýchodnou a juhozápadnou expozíciou a na porasty situované na spod-

2.5. Stres dubových a bukových porastov suchom a teplom: Experimentálne použitie satelitných snímok MODIS 133132 TTomá momamšT oToámá amTmTTmT mTám áomáT omoám mTmmamáT oáoTmm oTomV

nom okraji distribučných areálov buka a duba na Slovensku.výsledkom výberu je 13 skupín bukových porastov, zahŕňajúcich 66 pixelov MoDiS (250 ×

250 m) a 8 skupín dubových porastov, zahŕňajúcich 55 pixelov MoDiS (obr. 1). v závislosti od kritérií uvedených v tab. 1 sa počet pixelov v jednotlivých skupinách pohybuje od 2 do 10 a sú zoskupené v rôznom dizajne (príklad na obr. 2).

Z hľadiska dopadov sucha na lesné porasty je významným faktorom pôdne prostredie, najmä vododržnosť, t. j. retenčná schopnosť pôd. k jednotlivým skupinám experimentálnych porastov sme na základe údajov lesníckeho mapovania pôdnych jednotiek priradili pôdne typy v zmysle terminológie Morfogenetického klasifikačného systému pôd Slovenska (MkSP[4]). v porastoch dominujú kambizeme modálne (kMm) a luvizemné (kMl), prípadne luvizem modálna (lMm). v oblasti Strážovských vrchov (skupiny porastov b5, b6) majú významné zastúpenie najmä rôzne subtypy rendzín (Ra), vytvorené na karbonátovom podloží. na extrémnych stanovištiach v krivánskej časti Malej fatry (plocha b7, lc jánošíkovo) a na ploche b8 v oblasti Šarišskej vrchoviny dominujú rankre (Rn), charakteristické svojou plytkosťou a vysokou skeletnatosťou. vlhkostný režim pôd v bukových porastoch indikuje mierne vlhké až vlhké stanovištia, v dubo-vých porastoch prevládajú mierne suché až mierne vlhké pôdy. na všetkých lokalitách prevažu-jú pôdy so strednou až vysokou priepustnosťou[3]. extrémne vlhké či podmáčané stanovištia boli z výberu porastov vylúčené. Z hľadiska zrnitosti prevládajú vo vybraných porastoch piesočnato--hlinité a hlinité pôdy.

tab. 1: kritériá výberu experimentálnych bukových a dubových porastov

kritérium limitná hodnotaZastúpenie cieľovej dreviny > 99 %nadmorská výška < 670 m n.m. / dub; < 850 m n.m. / bukexpozícia j, jv, jZvek porastov > 50 rokov

vzdialenosť od meteorologickej stanice< 15 km od stanice s údajmi o teplote vzduchu; < 7 km od zrážkomernej stanice

vertikálna štruktúra 1-etážové porasty

Pôdny typ a podložiehomogénne stanovištia, reprezentatívne pôdne druhy, vylúčené extrémne vlhké a podmáčané lokality

Z distribúcie porastov prevažne v okrajových západných a východných oblastiach Slovenska je zrejmé, že v dôsledku kritéria rovnorodosti porastov sa experimentálne porasty nenachádzajú v geomorfologických celkoch stredného Slovenska (vtáčnik, Poľana, javorie, Muránska plani-na, krupinská planina a podobne), pre ktoré sú charakteristické zmiešané porasty. celková vý-mera skúmaných lesných porastov v 121 pixeloch je 760 ha (415 ha bukových, 345 ha dubo-vých). Podrobná stanovištno-porastová charakteristika experimentálnych porastov je uvedená v tab. 2.

experimentálne porasty buka sa nachádzajú v rozpätí nadmorských výšok 383 – 845 m n. m. (priemer 560 m n. m.) a dubové porasty v rozsahu výšok 166 do 661 m n.m. (priemer 370 m n. m.). Priemerný vek bukových porastov je 99 rokov a dubových porastov 80 rokov. Porasty sú zapojené, s priemerným zakmenením 0,8.

vzhľadom na to, že boli vybrané najmä porasty v kategórii hospodárske lesy (často v rubnom veku), je možné očakávať vplyv lesníckeho manažmentu na zápoj experimentálnych porastov a následne na variabilitu hodnôt nDvi. Pri výbere porastov však prebehla vizuálna kontrola zapojenosti porastov s využitím leteckých snímok s vysokým rozlíšením. Porasty, v ktorých počas hodnoteného obdobia rokov 2000 – 2010 došlo k výrazným zmenám v zápoji a horizon-

tálnej štruktúre, sme z analýzy vylúčili (kalamita, plošné ruby a pod.).

obr. 1: Poloha experimentálnych porastov buka a duba na území Slovenska a okolitých klimatologic-kých staníc vybraných zo siete Slovenského hydrometeorologického ústavu[5]

obr. 2: Príklad dizajnu a číselnej identifikácie skupín pixlov v bukových (b1, b8) a dubových (D1, D2) porastoch Slovenska. Zobrazená je schéma rozloženia pixelov MoDiS (250 × 250 m) na pod-

2.5. Stres dubových a bukových porastov suchom a teplom: Experimentálne použitie satelitných snímok MODIS 135134 TTomá momamšT oToámá amTmTTmT mTám áomáT omoám mTmmamáT oáoTmm oTomV

klade leteckých snímok z obdobia 2005 – 2006tab. 2: charakteristika experimentálnych bukových a dubových porastov (resp. skupín pixelov MoDiS).

Poloha porastov je uvedená na obr. 1

EP PP lesný celoknadm. výška [m n.m.]

Sklon [%]

expozícia [°]

vek [roky]

Zakmenenie [–]

Pôdny druh* [–]

vlhkostný režim pôd** [–]

Skup

iny bu

kový

ch po

rastov

1 6 Stupava 479 ±26 13 ±3,8 235 ±8 62 ±13 0,9 ±0,1 kMl mierne vlhký

2 4 Sološnica 515 ±25 16 ±2,8 189 ±18 97 ±41 0,8 ±0,1 kMm vlhký

3 4 Píla 526 ±17 9 ±1,3 159 ±28 95 ±18 0,8 ±0,1 kMm vlhký

4 5 Majdán 433 ±34 10 ±2,7 148 ±32 113 ±7 0,8 ±0,1 kMm mierne vlhký

5 4 ilava 655 ±72 29 ±2,6 150 ±36 121 ±9 0,6 ±0,1 Raq, Ramv, Rar vlhký

6 4 ilava 688 ±63 31 ±3,2 192 ±38 139 ±3 0,7 ±0,0 Raq, Ramv, Rar vlhký

7 7 jánošíkovo 714 ±68 29 ±1,8 174 ±62 103 ±6 0,8 ±0,0 Rnk, Rnp, kMm vlhký

8 5 hanušovce 742 ±106 26 ±4,3 138 ±19 114 ±7 0,7 ±0,0 Rnn vlhký až mierne vlhký

9 4 kecerovské Pekľany 686 ±22 11 ±1,2 237 ±8 88 ±6 0,8 ±0,1 kMm vlhký

10 10 krásny brod 491 ±26 13 ±1,8 212 ±27 97 ±10 0,7 ±0,1 kMm mierne vlhký

11 4 krásny brod 443 ±31 16 ±1,6 239 ±14 92 ±5 0,7 ±0,0 lMm mierne vlhký

12 2 koškovce 398 ±21 17 ±1,5 126 ±13 100 ±0 0,7 ±0,0 lMm mierne vlhký

13 7 Sobrance 505 ±24 14 ±1,3 196 ±55 78 ±6 0,8 ±0,0 kMm vlhký až mierne vlhký

Skup

iny du

bový

ch po

rastov

1 10 topoľčany 397 ±31 11 ±2,6 170 ±16 93 ±13 0,8 ±0,1 kMm mierne vlhký

2 5 jelenec 410 ±28 13 ±2,0 225 ±0 98 ±13 0,7 ±0,1 kMm mierne suchý až mierne vlhký

3 4 bohunice 544 ±8 6 ±3,6 201 ±36 54 ±2 0,9 ±0,1 kMm mierne vlhký

4 10 Rožňava 574 ±57 15 ±2,4 176 ±41 83 ±17 0,7 ±0,0 kMm, kMl vlhký až mierne vlhký

5 7 Strážske 186 ±7 2 ±0,4 141 ±16 71 ±13 0,7 ±0,0 lMm mierne suchý

6 6 veľaty 376 ±24 8 ±1,8 176 ±63 85 ±1 0,8 ±0,0 kMl mierne suchý

7 6 veľaty 295 ±22 11 ±1,2 78 ±23 75 ±15 0,8 ±0,0 kMl mierne suchý

8 7 veľaty 174 ±4 3 ±1,7 92 ±107 67 ±9 0,7 ±0,0 kMm mierne suchý až mierne vlhký

EP – experimentálny porast, PP – počet pixelov, *Zdroj: MkSP 2000[4], **Zdroj: atlas krajiny SR 2002[3]

obr. 3: experimentálny dubový porast, plocha D1, lesný celok topoľčany,

lesná správa Duchonka (marec 2013)

obr. 4: experimentálny dubový porast, plocha D5, lesný celok Strážske,

lesná správa Strážske (jún 2013)

obr. 5: charakter krajiny flyšového pásma v oblasti Medzilaboriec

a interiér bukových porastov, plochy b10 a b11, lesný celok krásny brod (október 2013)

2.2. Meteorologické údajePri identifikácii bezzrážkových periód a periód extrémne vysokých denných teplôt vzduchu

v období 2000 až 2010 sme použili denné údaje zo 46 klimatologických staníc siete ShMÚ[5]

situovaných v okolí experimentálnych porastov (obr. 1). interpolácia časových sérií na polohy experimentálnych porastov a identifikácia bezzrážkových periód a periód horúčav prebehla v programe Proclim (Štepánek, 2007, 2008). klimatickú variabilitu medzi pixelmi v rámci ich skupín sme vyhodnotili ako zanedbateľnú.

bezzrážkové obdobie sme definovali ako sekvenciu viacerých po sebe idúcich dní, počas ktorých denný úhrn zrážok neprekročil 5 mm. táto hodnota sa opiera o dlhodobé merania inter-cepčných strát bukových a dubových porastov na Slovensku v rámci medzinárodného monito-ringu stavu lesa v programe icP forests (Pavlenda et al., 2013). Pri určení uvedenej hodnoty 5 mm sme zohľadnili kumulatívne straty zrážok v celom vertikálnom profile porastu, zachytené korunami stromov, krovitou a bylinnou synúziou, ako aj vrstvou opadu (van de Salm et al., 2007; Miralles et al., 2011). vychádzali sme z predpokladu, že v priemere až úhrny zrážok nad 5 mm zvyšujú vlhkosť pôdy a ovplyvňujú fyziologický stav drevín.

identifikácia bezzrážkových období vychádzala z údajov najbližšej a najreprezentatívnejšej zrážkomernej stanice pre danú skupinu pixelov. Z dôvodu vysokej priestorovej variability zrážok súvisiacej s vplyvom orografie najmä v horských oblastiach (Sevruk, 1997; Smith a barstad, 2004 a ďalší), neboli údaje o zrážkach interpolované z viacerých staníc. horizontálna vzdiale-nosť zrážkomerných staníc od jednotlivých skupín exprimentálnych porastov sa pohybovala

2.5. Stres dubových a bukových porastov suchom a teplom: Experimentálne použitie satelitných snímok MODIS 137136 TTomá momamšT oToámá amTmTTmT mTám áomáT omoám mTmmamáT oáoTmm oTomV

v rozpätí 1,9 – 6,9 km. vertikálny rozdiel výšok bol v intervale od 100 do 650 m n. m. obdobia extrémnych teplôt sme definovali ako skupiny dní s priemernou alebo maximálnou

dennou teplotou vzduchu, ktorá prekračuje špecifikované hraničné hodnoty (tab. 4). Denné tep-lotné údaje boli interpolované na polohy experimentálnych porastov z 3 až 6 meteorologických staníc v okolí. výber vhodných meteorologických staníc sme vykonali manuálne, pričom sme zohľadňovali vzdialenosti staníc od experimentálnych porastov, ako aj orografické a klimatické charakteristiky širšieho okolia porastov. horizontálna vzdialenosť klimatologických staníc od experimentálnych porastov bola v rozpätí 2,7 – 16,3 km, vertikálny rozdiel výšok bol v intervale od 100 do 875 m n. m.

2.3. Časové série hodnôt vegetačného indexu nDvi je približne lineárny odhad časti fotosynteticky aktívnej radiácie (PaR), ktorá je za-

chytená fotosyntetizujúcimi časťami vegetácie. lineárny vzťah medzi nDvi a zachytenou čas-ťou PaR platí pri istých predpokladoch týkajúcich sa podložia, polohy slnka, uhla pod akým bol záznam nasnímaný, priepustnosti atmosféry a pod. (Myneni a Williams, 1994). nDvi sa počíta na základe vzťahu:

NDVI = (ρNIR - ρRed)/(ρNIR + ρRed) [1]

kde ρniR a ρRed sú hodnoty odrazivosti v blízkom infračervenom a červenom spektre.

nDvi môže teoreticky nadobúdať hodnoty -1 až +1, pričom hodnoty blížiace sa k 1 označujú zdravý fotosyntetizujúci asimilačný aparát. na analýzu boli použité záznamy s priestorovým rozlí-šením 250 × 250 m za obdobie 2000 – 2010 odvodené z produktu MoDiS MoD09gQ [6]. na odstránenie záznamov a pixelov kontaminovaných atmosférickými interferenciami sme pou-žili dvojkrokovú kontrolu kvality. v prvom kroku sme použili produkt MoD09ga (500 × 500 m), pomocou ktorého boli odstránené záznamy snímané pri nízkej polohe satelitu nad obzorom, pixely kontaminované oblakmi a aerosólmi. napriek tomu, že MoD09ga má nižšie rozlíšenie ako pro-dukt kvality MoD09gQ (250 × 250 m), MoD09ga obsahuje informácie založené na celom spek-trálnom rozsahu spektrorádiometra MoDiS (459 – 2 155 nm), čo umožňuje odfiltrovať širokú škálu nežiaducich vplyvov.

vzhľadom na skutočnosť, že aj po uvedenej kontrole kvality zostáva v údajoch značný počet kontaminovaných hodnôt (Wang et al., 2003), v druhom kroku sme manuálne odstránili pozoro-vania, ktoré neboli konzistentné s charakteristikým ročným chodom hodnôt nDvi. Ďalej sme analyzovali 11-ročné časové série údajov nDvi vztiahnuté ku každému pixelu vybraných expe-rimentálnych porastov, ktoré prešli uvedenou kontrolou kvality.

2.4. Identifikácia stresových epizód MODIS-NDVI v časovej sérii rokov 2000 – 2010Rozličné stresové faktory môžu spôsobiť pokles hodnôt nDvi v dôsledku zníženej absorbcie

fotosynteticky aktívnej radiácie a prípadne nárastu odrazivosti v oblasti infračerveného žiarenia, v dôsledku zmien v bunkových stenách a zvýšeného obsahu suchej hmoty (ceccato et al., 2001). Pokles hodnôt nDvi bol vo viacerých štúdiách vyhodnotený ako indikátor stresu vegetácie su-chom (Dalezios et al., 2012; ji a Peters, 2003).

Stresové epizódy sme definovali ako sekvencie poklesov hodnôt nDvi,, ktoré sme pozoro-vali v časových sériach nDvi odvodených z údajov MoDiS od roku 2000 do roku 2010 pre každý pixel experimentálnych plôch v období plného olistenia. Do analýzy sme zahrnuli len stresové epizódy obsahujúce minimálne 3 hodnoty poklesu zistené aspoň v dvoch pixeloch v rámci každej experimentálnej plochy.

Stresové epizódy sme charakterizovali ako percentuálne poklesy hodnoty nDvi z tzv. lokál-nej amplitúdy nDvi v období, keď bol pokles pozorovaný. Percentuálne hodnoty poklesu sme určili na základe vzťahu:

NDVIpokles = 100-((NDVImax - NDVIstress)/(NDVImax - NDVImin)×100) [2]

kde hodnota NDVImax reprezentuje vegetačný index zdravej, nestresovanej vegetácie a je vypočí-taná ako priemer 2 až 4 pozorovaní predchádzajúcich stresovej epizóde. NDVIstress sú jednotlivé hodnoty nDvi v rámci klesajúcej sekvencie hodnôt. NDVImin je najnižšia hodnota ročnej ampli-túdy nDvi, vyjadrujúca stav vegetácie v období bez olistenia.

NDVImin bol počas hodnoteného obdobia viac-menej konštantnýa dosahoval hodnotu 0,52 pre buk a 0,44 pre duby. Rozdiel medzi NDVImax a NDVImin vyjadruje vyššie uvedenú lokálnu ampli-túdu. Zavedenie lokálnej amplitúdy umožňuje porovnávať hodnoty poklesov nDvi napriek me-dziročnej a medzipixelovej variabilite NDVImax. okrem toho NDVImax nestresovanej vegetácie konštantne klesá počas vegetačnej sezóny približne z 1,0 na 0,9 (Soudani et al., 2012). Z uvede-ného vyplýva, že lokálna amplitúda nDvi je menšia pri buku (od 0,52 do lokálneho maxima) ako pri dube (od 0,44 do lokálneho maxima).

2.5. Vplyv klimatických faktorov na stres vegetácie suchom: Regresná analýzaZávislou premennou v regresnej analýze bola maximálna hodnota poklesu nDvi v každej

stresovej epizóde v období rokov 2000 – 2010 na každom pixeli (rovnica 2). ku každej hodnote závisle premennej bol priradený súbor vysvetľujúcich premenných: dĺžka bezzrážkovej periódy počas stresovej epizódy, suma dní s teplotami vzduchu prekračujúcimi stanovené hraničné hod-noty, minimum, maximum a priemer teploty vzduchu počas stresovej epizódy, počet tzv. stup-ňodní (PSD) s prahovou teplotou 8 °c (McMaster et al., 2003), priemerný vek lesných porastov v pixeli a ich nadmorská výška (tab. 4).

Regresné modelovanie sme vykonali samostatne pre každú drevinu, aby bolo možné hodno-tiť rozdiely v ich stresovej reakcii. Použili sme regresnú analýzu na báze neurónových sietí podľa postupu opísaného v prácach hlásny et al. (2011b, 2013, 2014b). kvalita vytvorených regresných modelov bola hodnotená porovnaním korelačných koeficientov medzi hodnotami závisle premennej predpovedanými regresným modelom a pozorovanými hodnotami. Miera ko-relácie je ukazovateľom kvality vytvoreného modelu a spoľahlivosti ekologických interpretácií.

na určenie významu vysvetľujúcich premenných vo vzťahu k pozorovaným poklesom hod-nôt vegetačného indexu sme použili tzv. analýzu citlivosti (Saltelli et al., 2000). Pri analýze je zo súboru vysvetľujúcich premenných dočasne jedna premenná vylúčená a vyhodnocuje sa mie-ra zhody predpovedaných a pozorovaných hodnôt (je určená chyba modelu). následne sa vypo-číta pomer chyby získanej po vylúčení jednej premennej a chyby získanej s plným počtom pre-menných. ak je tento pomer blízky jednej, odstránená premenná nemala na variabilitu hodnôt závisle premennej vplyv. naopak, hodnoty vyššie ako 1 vyjadrujú výraznejší vplyv odstránenej premennej. tento postup sa iteratívne opakuje so všetkými vysvetľujúcimi premennými.

Štatistické analýzy sme uskutočnili v prostredí Statistica neural networks v.10 (StatSoft inc, 2004).

3. Výsledky3.1. Klimatická charakteristika obdobia rokov 2000 – 2010 a experimentálnych plôch

Slovensko patrí z hľadiska globálnej klimatickej klasifikácie do mierneho kontinentálneho pásma (Rivas–Martínez et al., 2004), s priemernou ročnou teplotou vzduchu 7,5 ±1,8 °c a s prie-merným ročným úhrnom zrážok 777 ±190 mm (dlhodobý priemer 1961 – 1990). Počas hodno-teného obdobia 2000 – 2010 vzrástla ročná teplota vzduchu oproti dlhodobému priemeru o 0,9 °c, zatiaľ čo ročné úhrny zrážok zotrvali na úrovni normálových hodnôt.

Pre analýzu celkového trendu vývoja klímy odporúča Svetová meteorologická organizácia (WMo) využívať dlhodobé klimatické údaje za minimálne 30-ročné obdobie. v našej štúdii sme na tento účel použili dlhodobé mesačné údaje pre referenčné obdobie rokov 1961 – 1990. Pre

2.5. Stres dubových a bukových porastov suchom a teplom: Experimentálne použitie satelitných snímok MODIS 139138 TTomá momamšT oToámá amTmTTmT mTám áomáT omoám mTmmamáT oáoTmm oTomV

klimatickú charakteristiku a na demonštráciu vývoja klímy v skúmaných rokoch 2000 – 2010 sme z okolia experimentálnych porastov, z ktorých údaje boli použité pre stanovenie klimatic-kých extrémov (obdobia sucha a horúčav), vybrali na ukážku niekoľko klimatologických staníc zo siete ShMÚ[5]. klíma Slovenska sa vplyvom rôzneho stupňa kontinentality výrazne mení v smere od západu na východ, preto sme pri výbere staníc zohľadili najmä toto kritérium.

Stanica Modra-Piesok v Malých karpatoch (530 m n. m.) reprezentuje západnú časť územia Slovenska s nižším stupňom kontinentality ovplyvňovanej do značnej miery prúdením od atlan-tického oceána. naopak stanica Medzilaborce (304 m n. m.) vo východnej časti Slovenska zastu-puje oblasť s vyšším vplyvom kontinentálnej klímy. obe stanice patria pritom do rovnakej kli-matickej oblasti (mierne teplej, veľmi až mierne vlhkej vrchovinovej).

Z porovnania priemerných teplôt vzduchu a úhrnov zrážok jednotlivých rokov 2000 až 2010 s dlhodobým priemerom 1961 – 1990 vyplynula pre tieto dve stanice kategorizácia rokov do kvad-rantov (obr. 6). v oblasti Malých karpát takmer všetky roky (s výnimkou rokov 2002, 2009, 2010) boli nadpriemerne teplé a suché. odlišný vývoj klimatických prvkov sledujeme na stanici Medzi-laborce vo východnej časti územia, kde boli jednotlivé roky taktiež nadpriemerne teplé, ale zároveň aj zrážkovo dostatočné (obr. 6b, 6d). všeobecne najsuchším a najteplejším bola vegetačná sezóna roku 2003, naopak rok 2010 bol mimoriadne zrážkovo výdatný takmer na celom území Slovenska.

Sezónny priebeh absolútnych teplotných odchýlok v období 2000 – 2010 od dlhodobého priemeru (obr. 7) indikuje podobný vývoj priemerných mesačných teplôt vzduchu na všetkých staniciach vybraných v smere od západu na východ, s najvyššími odchýlkami vo vrchole vege-tačnej sezóny (na stanici Rožňava až o 2,0 °c). teploty vzduchu na úrovni dlhodobého priemeru boli v uvedenom období zaznamenané len v mesiaci september. Zimné mesiace, podobne ako aj neskorá jeseň, boli tiež nadpriemerne teplé.

vývoj relatívnych odchýlok priemerných mesačných úhrnov zrážok v rokoch 2000 – 2010 od referenčnej klimatickej periódy je v porovnaní s teplotami vzduchu výraznejšie ovplyvnený orografiou danej lokality (obr. 8). na stanica Modra-Piesok v západnej časti územia bol zistený vyšší počet mesiacov s podnormálnymi úhrnmi zrážok v porovnaní s lokalitami na východe Slovenska (Michalovce, Medzilaborce), kde boli zaznamenané takmer celoročne priemerné až nadpriemerné zrážkové úhrny. v oblasti Rožňavy (311 m n. m.) boli v sledovanej dekáde rokov najvyššie priemerné úhrny zrážok zistené v mesiaci júl (153 % normálu).

Za orientačný ukazovateľ zmien vodnej bilancie v období rokov 2000 – 2010 v porovnaní s ob-dobím referenčnej klímy 1961 – 1990 sme si vybrali jednoduchý a robustný index sucha, založený na pomere hodnoty potenciálnej evapotranspirácie a úhrnom zrážok (eP/Z). na základe dlhodo-bých mesačných údajov pre vybrané klimatologické stanice ShMÚ[5] (blízko cieľových skupín pixelov) boli vypočítané priemerné indexy sucha (tab. 3). hodnota indexu nad 1 predstavuje stav negatívnej klimatickej vodnej bilancie, keď je množstvo zrážok nižšie ako potenciálny výpar. na-opak, index pod 1 znamená, že príjem zrážok je vyšší ako maximálny výpar z vegetácie a povrchu. na všetkých štyroch vybraných klimatologických staniciach bol v období rokov 2000 – 2010 zis-tený nárast indexu sucha oproti referenčnému obdobiu. najvyšší posun smerom k suchu bol zazna-menaný na stanici Modra – Piesok, t. j. v okolí bukových skupín pixelov b1 až b4. v oblasti Me-dzilaboriec na severovýchodnom Slovensku, v blízkosti experimentálnych bukových porastov b10, b11, b12, sa index sucha zvýšil len nepatrne z 0,61 na 0,65. na stanici Rožňava pri dubových experimentálnych porastoch D4 index sucha vzrástol z 0,95 na 1,05, čím došlo k prechodu zo stavu priaznivej na negatívnu vodnú bilanciu (tab. 3).

výsledky klimatickej analýzy rokov 2000 – 2010 potvrdili značný nárast teplôt vzduchu na viacerých miestach Slovenska, pričom deficit zrážok bol markantnejší v západnej časti Slovenska, a to najmä v jarných mesiacoch. S výnimkou mimoriadne suchého roku 2003 oblasť východného Slovenska v tomto období netrpela nedostatkom mesačných úhrnov zrážok. vzhľadom na veľkú variabilitu a nerovnomernú distribúciu zrážok počas roka však uvedené výsledky agregovaných hodnôt nevylučujú výskyt periód dlhšietrvajúceho sucha (ukončené následným extrémnym úhrnom)

aj na lokalitách východnej časti územia. Pravidelný nedostatok úhrnov zrážok v jarnom období, nízke zásoby snehu a dlhodobejšie nadpriemerné teploty vzduchu, sa môžu odraziť nielen na tvorbe prírastku lesných drevín, ale aj vo fyziologickej reakcii na stres, ktorá je predmetom výskumu.

obr. 6: teplotná a vlhkostná charakteristika rokov 2000 – 2010 v porovnaní s dlhodobým priemerom 1961 – 1990 pre vybrané klimatologické stanice ShMÚ[5]. grafy a, b prezentujú priemerné ročné

teploty a sumy zrážok (i. – Xii.), grafy c, d zobrazujú údaje pre vegetačné obdobie (iv. – iX.)

obr. 7: odchýlka priemerných mesačných teplôt vzduchu (°c) v období rokov 2000 – 2010 v po-

rovnaní s dlhodobým priemerom 1961 – 1990 pre vybrané klimatologické stanice [5]

obr. 8: odchýlka priemerných mesačných úhrnov zrážok (%) v období rokov 2000 – 2010

v porovnaní s dlhodobým priemerom 1961 – 1990 pre vybrané klimatologické stanice [5]

2.5. Stres dubových a bukových porastov suchom a teplom: Experimentálne použitie satelitných snímok MODIS 141140 TTomá momamšT oToámá amTmTTmT mTám áomáT omoám mTmmamáT oáoTmm oTomV

tab.

6:

Prie

mer

né sk

óre

citli

vost

i vys

vetľ

ujúc

ich

prem

enný

ch p

ouži

tých

pre

tvor

bu re

gres

ného

mod

elu

med

zi v

eľko

sťou

stre

sove

j odo

zvy

buko

vých

a d

ubov

ých

pora

stov

a sé

riou

klim

atic

kých

a ď

alší

ch fa

ktor

ov. h

odno

ty v

äčši

e ak

o 1

vyja

druj

ú vý

znam

ný v

plyv

dan

ej p

rem

enne

j na

stre

sovú

odo

zvu,

hod

nota

1 v

yjad

-ru

je in

dife

rent

ný v

zťah

buko

vé ex

perim

entál

ne pl

ochy

PSD

n-tm

ax

>29 °

cn-

tmax

>2

0 °c

tmax

n-ta

vg

>24 °

cn-

tavg

>1

8 °c

tmin

n-tm

ax

>32 °

cn-

tavg

>2

1 °c

n-ta

vg

>15 °

cta

vgve

kn-

tmax

>2

6 °c

n-tm

ax

>23 °

cDl

Snv

Sklo

neX

P

4,62

4,00

3,90

3,31

3,29

2,68

2,51

2,42

2,34

2,31

1,50

1,50

1,43

1,28

1,27

1,19

1,13

1,04

Dubo

vé ex

perim

entál

ne pl

ochy

n-ta

vg

>24 °

cn-

tmax

>3

2 °c

n-tm

ax

>29 °

cn-

tavg

>2

1 °c

PSD

n-tm

ax

>20 °

ctm

axn-

tavg

>1

5 °c

tavg

vek

tmin

DlS

nvn-

tavg

>1

8 °c

n-tm

ax

>26 °

ceX

PSk

lon

n-tm

ax

>23 °

c5,6

03,1

82,5

11,6

31,6

11,5

41,5

41,5

31,4

81,4

21,3

81,3

21,2

91,2

81,2

41,2

31,1

81,1

7

Použ

ité sk

ratk

y:

PSD

– p

očet

stu

pňod

ní; D

lS –

dĺž

ka p

erió

dy s

ucha

; vek

– p

riem

erný

vek

por

astu

; nv

– p

riem

erná

nad

mor

ská

výšk

a; S

klo

n –

pre

vlád

ajúc

i skl

on, e

XP

– pr

evlá

dajú

ca

expo

zíci

a; t

avg

– pr

iem

erná

tepl

ota

vzdu

chu

poča

s per

iódy

such

a; t

max

– m

axim

álna

tepl

ota

vzdu

chu

poča

s per

iódy

such

a; t

min

– m

inim

álna

tepl

ota

vzdu

chu

poča

s per

iódy

su

cha;

n-t

avg

>18

°c (a

lebo

nad

>21

°c

, >24

°c

, >27

°c

) – p

očet

dní

s p

riem

erný

m te

plot

ami v

zduc

hu n

ad 1

8 °c

(ale

bo n

ad 2

1 °c

, 24

°c, 2

7 °c

), kt

oré

sa v

ysky

tli p

očas

ep

izód

y st

resu

; n-t

max

>20

°c (a

lebo

>23

°c, >

26 °c

, >29

°c, >

32 °c

, >35

°c) –

poč

et d

ní s

max

imál

nym

i tep

lota

mi v

zduc

hu n

ad 2

0 °c

(ale

bo n

ad 2

3 °c

, 26

°c, 2

9 °c

, 32

°c, 3

5 °c

), kt

oré

sa v

ysky

tli p

očas

epi

zódy

stre

su

tab. 3: Priemerný index sucha (pomer potenciálnej evapotranspirácie a úhrnu zrážok, eP/Z) v analyzova-ných rokoch 2000 – 2010 v porovnaní s referenčným obdobím 1961 – 1990 pre vybrané klimato-logické stanice ShMÚ

index sucha eP/Z

Modra-Piesok[530 m n. m.]

Rožňava[311 m n. m.]

Michalovce[110 m n. m.]

Medzilaborce[304 m n. m.]

1961 – 1990 0,60 0,95 1,13 0,61

2000 – 2010 0,85 1,05 1,18 0,65

3.2. Charakteristika stresových epizódPriemerná dĺžka súvislého poklesu hodnôt nDvi v rámci hodnoteného 10-ročného obdobia

bola 10,6 dňa u bukových a 12,5 dňa u dubových porastov (tab. 4). najdlhšia pozorovaná perió-da súvislého poklesu bola 27 dní u buka a 24 dní u duba (obr. 9). najvýraznejšie poklesy nDvi na konci stresového obdobia dosiahli pri buku hodnoty 25 – 30 % a pri dube 40 – 45 % z lokálnej amplitúdy hodnôt nDvi (vzorec 2). variabilita poklesu nDvi bola vyššia v dubových porastoch – smerodajná odchýlka maximálneho poklesu tvorila v prípade duba 70 % a buka 57 % z prie-mernej hodnoty poklesu.

obr. 9: Distribúcia maximálnych hodnôt poklesu nDvi v bukových a dubových experimentálnych porastoch v období rokov 2000 – 2010

každá perióda poklesu hodnôt nDvi súvisela s bezzrážkovým obdobím, v rámci ktorého sa zároveň objavovali periódy horúčav v trvaní jedného až niekoľko dní. žiadna z periód teplot-ných extrémov nebola dostatočne dlhá na to, aby vyvolala pozorovateľne výrazný pokles hodnôt nDvi. výskyt periód horúčav zahrnutých do bezzrážkových období zvyšoval variabilitu pokle-sov nDvi v rámci stresových epizód.

Periódy sucha, ktoré pozorovateľne spôsobovali odozvu hodnôt nDvi, trvali priemerne 12

2.5. Stres dubových a bukových porastov suchom a teplom: Experimentálne použitie satelitných snímok MODIS 143142 TTomá momamšT oToámá amTmTTmT mTám áomáT omoám mTmmamáT oáoTmm oTomV

až 14 dní. Stresové epizódy vždy končili prvou zrážkovou udalosťou, ktorá prerušila obdobie sucha. v krátkom čase potom sa vegetačný index vrátil na svoje lokálne maximum a neboli po-zorované žiadne nezvratné zmeny (trvalé poškodenie asimilačného aparátu, mortalita).tab. 4: opisné štatistické charakteristiky maximálnych pozorovaných hodnôt poklesu vegetačného inde-

xu (nDvi) v dubových a bukových experimentálnych porastoch v období 2000 – 2010. hodnoty vyjadrujú percentuálny pokles hodnoty nDvi zo stavu nestresovanej vegetácie

Počet pozo-rovaní

Priemer Medián Minimum Maximum 25% kvantil 75% kvantilSmerodajná odchýlka

buk 166 10,59 8,88 5,00 27,55 6,59 12,74 6,11Dub 173 12,47 9,71 5,00 41,81 6,86 14,53 8,70

Z porovnania klimatických charakteristík počas stresových epizód vyplynuli malé rozdiely v priemernej a maximálnej teplote medzi bukovými a dubovými plochami (tab. 5). variabilita teplôt vzduchu u bukových plôch z dôvodu väčšieho rozdielu nadmorských výšok bola vyššia ako u dubových plôch. Počet tzv. stupňodní s prahovou teplotou 8 °c vhodnejšie vystihuje roz-diel medzi dubovými a bukovými plochami. Priemerný počet stupňodní bol pri buku 767 a pri dubových porastoch 917, čo zodpovedá rozdielu v priemerných nadmorských výškach medzi bukovými a dubovými plochami (531 m n. m. – bukové porasty, 341 m n. m. – dubové porasty). tab. 5: opisné štatistické charakteristiky premenných použitých pri tvorbe regresného modelu v rámci

dubových a bukových experimentálnych plôch

bukové experimentálne plochy Dubové experimentálne plochy

variables n Mean Med Min Max StDev n Mean Med Min Max StDev

PSD 167 767 703 349 1443 332 173 917 954 334 1410 334tavg 167 19,37 18,90 13,50 24,20 2,56 173 19,39 19,30 15,90 23,20 1,84tmax 167 31,57 32,10 27,40 35,20 2,33 173 31,35 31,70 26,60 35,00 2,24tmin 167 8,25 8,60 -0,50 15,90 4,55 173 8,43 8,60 3,60 13,10 2,71n-tavg >15°c 167 10,59 9,00 4,00 27,00 4,97 173 12,31 11,00 4,00 42,00 5,57n-tavg >18°c 167 8,10 7,00 2,00 18,00 4,02 173 9,52 9,00 2,00 32,00 4,93n-tavg >21°c 167 4,62 5,00 0,00 13,00 3,93 173 4,62 4,00 0,00 14,00 2,94n-tavg >24°c 167 1,80 1,00 0,00 6,00 2,10 173 1,24 1,00 0,00 8,00 1,53n-tavg >27°c 167 0,08 0,00 0,00 1,00 0,28 173 0,00 0,00 0,00 0,00 0,00n-tmax >20°c 167 11,49 10,00 5,00 29,00 5,24 173 12,98 11,00 5,00 42,00 5,30n-tmax >23°c 167 9,41 8,00 4,00 22,00 3,97 173 11,29 10,00 4,00 38,00 5,16n-tmax >26°c 167 7,32 7,00 3,00 13,00 2,97 173 7,55 7,00 1,00 26,00 3,88n-tmax >29°c 167 3,96 5,00 0,00 10,00 3,08 173 3,76 4,00 0,00 12,00 2,98n-tmax >32°c 167 1,19 1,00 0,00 4,00 1,43 173 1,04 0,00 0,00 6,00 1,48n-tmax >35°c 167 0,06 0,00 0,00 1,00 0,24 173 0,00 0,00 0,00 0,00 0,00DlS 166 13 10,00 5,00 27,00 5,99 173 13 12,00 5,00 24,00 5,19vek 167 89 91 50 135 17 173 77 81 50 112 12nv 167 531 500 391 845 105 173 341 320 166 661 134

Použité skratky: PSD – počet stupňodní; DlS – dĺžka periódy sucha; vek – priemerný vek porastu; nv – priemerná nadmorská výška; tavg – priemerná teplota vzduchu počas periódy sucha; tmax – maximálna teplota vzduchu počas periódy sucha; tmin – minimálna teplota vzduchu počas periódy sucha; n-tavg >18 °c (alebo nad >21 °c, >24 °c, >27 °c) – počet dní s priemerným teplotami vzduchu nad 18 °c (alebo nad 21 °c, 24 °c, 27 °c), ktoré sa vyskytli počas epizódy stresu; n--tmax >20 °c (alebo >23 °c, >26 °c, >29 °c, >32 °c, >35 °c) – počet dní s maximálnymi teplotami vzduchu nad 20 °c (alebo nad 23 °c, 26 °c, 29 °c, 32 °c, 35 °c), ktoré sa vyskytli počas epizódy stresu

3.3. Regresná analýzaMiera zhody medzi predpovedanými a pozorovanými hodnotami poklesu nDvi poukazuje na

vysokú kvalitu a spoľahlivosť vytvorených regresných modelov a na skutočnosť, že použité nezávis-lé premenné vysvetlujú značnú časť variability poklesov nDvi. korelačné koeficienty medzi pred-povedanými a pozorovanými hodnotami boli v rozahu 0,84 – 0,97, čo naznačuje stabilné a výkonné regresné modely. Z analýzy citlivosti, slúžiacej na určenie veľkosti vplyvu vyvetľujúcich premenných na závisle premennú, vyplynuli značné medzidruhové rozdiely v stresovej odozve záujmových drevín (tab. 6). najväčší rozdiel sa týkal premennej PSD (počet stupňodní), ktorý bol označený ako naj-významnejší prediktor stresu bukových porastov (skóre citlivosti SS = 4,62), kým pri dubových po-rastoch obsadil šiestu pozíciu významnosti s hodnotou SS 1,61 (1,0 vyjadruje indiferentný vzťah).

Počet dní s priemernou dennou teplotou nad 24 °c bol najvýznamnejšou premennou v prípade dubových porastov (SS = 5,60), kým pri buku boli najvýznamnejšie teplotné prediktory počet dní s maximálnou teplotou vzduchu nad 29 a 20 °c (SS = 4,00 a 3,90).

Dĺžka bezzrážkovej periódy nemala na stresovú odozvu významnejší vplyv (15. miesto so SS = 1,27 pri buku a 12. miesto so SS = 1,32 pri dube). význam tohto faktora bol výrazne potlačený premennými súvisiacimi s teplotou vzduchu. neklimatické premenné ako nadmorská výška a vek porastu mali zanedbateľný vplyv.

3.4. Stresové odozvy vo vzťahu k vybraným klimatickým faktoromPre dôkladnejšie pochopenie fyziologických a ekologických procesov v pozadí pozorovaných

stresových odoziev sme podrobnejšie analyzovali vybrané vzťahy. nelineárna odozva na naj-významnejšie premenné bola pozorovaná u duba, kde sme navýraznejší podkles hodnôt nDvi pozorovali pri stredných dĺžkach trvania klimatických stresových faktorov. najvýraznejší pokles bol vyvolaný 1 – 2 dňami s priemernou dennou teplotou nad 24 °c (SS = 5,60), ktoré sa vyskytli počas stresovej udalosti (súvislej sekvencie poklesu hodnôt vegetačného indexu) (obr. 10a). uni-modálna odozva bola pozorovaná v prípade premennej n-tmax > 29 °c (SS = 2,51), pri ktorej sa maximálne hodnoty poklesu nDvi objavovali na úrovni 2 – 4 dní (obr. 10b). lineárne klesajúca odozva bola pozorovaná pri premennej n-tmax > 32 °c (SS = 3,18) (obr. 10c), čo poukazuje na pokles hodnoty nDvi nepriamo úmerný teplote vzduchu.

na rozdiel od duba, nárast intenzity nepriaznivých klimatických vplyvov vyvolal u väčšiny premenných u bukových porastov lineárnu odozvu. jediná premenná, pri ktorej bola pozorovaná unimodálna odozva, bola PSD (obr. 11e). Zaujímavou skutočnosťou je, že maximálny pokles nDvi bol pri obidvoch drevinách pozorovaný pri hodnote PSD 900 – 1000. Dĺžka bezzrážkovej periódy nemala výraznejší vplyv ani pri jednej drevine (SS = 1,27 pri buku a 1,32 pri dube), keď-že všetky stresové epizódy sa vyskytli počas bezzrážkových období, je ju potrebné vnímať ako funkčne spätú s pozorovanými poklesmi nDvi. v prípade bukových porastov bola veľkosť po-klesu hodnôt nDvi s dĺžkou bezzrážkovej periódy korelovaná lineárne (obr. 10d), kým pri dube bol vzťah unimodálny s maximom pri dĺžke 14 – 15 dní (obr. 11d).

4. Diskusia a záverZ našich výsledkov vyplýva, že sucho aproximované dĺžkou bezzrážkovej periódy v kombiná-

cii s rôznymi teplotnými extrémami vyvoláva v podmienkach Strednej európy v bukových a dubo-vých porastoch stresovú reakciu, ktorá je detegovateľná pomocou údajov snímaných spektrorádio-metrom MoDiS. klimatický stres pri žiadnej z identifikovaných stresových odoziev nevyvolal odozvu indikujúcu nezvratné poškodenie v podobe trvalého poškodenia asimilačného orgánu alebo mortality, ktoré by sa prejavilo diskontinuitou časovej série hodnôt nDvi. vo všeobecnosti sa trva-lé poškodenie drevín suchom vyskytuje skôr v období niekoľkých rokov po extrémnej udalosti ako bezprostredne pri nej (bréda et al., 2006). Mortalita viacerých druhov drevín bola dokumentovaná napríklad po extrémnom roku 2003 vo francúzsku (Renaud et al., 2005).

2.5. Stres dubových a bukových porastov suchom a teplom: Experimentálne použitie satelitných snímok MODIS 145144 TTomá momamšT oToámá amTmTTmT mTám áomáT omoám mTmmamáT oáoTmm oTomV

obr. 10: odozva stresovej reakcie bukových porastov vyjadrenej poklesom hodnôt vegetačného indexu na vybrané klimatické faktory

variabilita maximálnych poklesov hodnôt nDvi bola vyššia pri dubových porastoch ako pri bukových. Príčinou tohto javu môže byť rozličná vnútrodruhová plasticita reakcií na mierny stres, ako aj prítomnosť viacerých druhov duba na experimentálnych plochách (Q. petrea, Q. robur, Q. pubescens). toto zistenie súhlasí s poznatkami o rozdielnej reakcii druhov duba na stres suchom (epron a Dreyer, 1993; Raftoyannis a Radoglou, 2002).

Priemerná a maximálna veľkosť poklesov nDvi bola väčšia pri dube, napriek tomu, že via-ceré štúdie poukázali na významný pokles fotosyntetickej aktivity buka pri zníženej dostupnosti vlahy. naopak, duby boli schopné uchovať fotosyntetickú výkonnosť aj pri veľmi nízkom vod-nom potenciáli listov a vysokých teplotách vzduchu (Raftoyannis a Radoglou, 2002). tento jav môže poukazovať na limity medzidruhového hodnotenia stresových reakcií vegetácie s využitím údajov MoDiS a na prípadnú potrebu laboratórneho preskúmania zmien spektrálnych charakte-ristík dubových a bukových porastov pri strese zo sucha.

analýza citlivosti poukázala na rozdielne stresové odozvy buka a dubov na klimatické fakto-ry. v prípade bukových porastov boli najvýznamnejšie faktory počet stupňodní, priemerná a ma-ximálna teplota vzduchu nad 20 a 24 °c, ktoré sa vyskytli po dobu trvania bezzrážkovej periódy. Skutočnosť, že najvýznamnejším faktorom bol kumulatívny počet stupňodní poukazuje na mož-ný súvis stresovej reakcie s fenológiu a tým pádom na obmedzené možnosti adaptácie buka na klimatický stres.

obr. 11: odozva stresovej reakcie dubových porastov vyjadrenej poklesom hodnôt vegetačného indexu na vybrané klimatické faktory

významný vplyv počtu stupňodní na stresovú odozvu buka môže súvisieť s funkčnosťou antioxidačných systémov (Rennenberg et al., 2006). Polle et al. (2001) tvrdia, že po dlhších ob-dobiach sucha a vyšších teplotách boli dospelé listy buka, ktoré sú za normálnych okolností re-zistentné voči stresu, náchylné na oxidačný stres, čo môže byť prípad našich pozorovaní. Zatiaľ čo v prípade buka bola reakcia na väčšinu významných vysvetľujúcich premenných lineárna, dub reagoval unimodálne a stres kulminoval pri istom trvaní klimatického stresového faktora. Príčinou môže byť schopnosť druhov, ktoré kolonizujú suchšie prostredie, odolávať pretrvávajú-cim obdobiam sucha a vysokým teplotám (Sack, 2004; engelbrecht et al., 2005).

4.1. Metodické poznámkyZ našich výsledkov vyplynulo, že údaje získané spektrorádiometrom MoDiS s priestorovým

rozlíšením 250 × 250 metrov môžu poskytovať hodnotné údaje využiteľné v mnohých oblastiach výskumu vegetácie. je však potrebné mať na zreteli, že tieto údaje sú zaťažené viacerými vplyv-mi, ktoré ich možu znehodnotiť a znížiť hodnotu odvodených poznatkov. vplyv rôznych atmo-sférických interferencií vyžaduje komplexnú kontrolu kvality (Wang et al., 2003; hmimina et al., 2013), pričom je možné využiť produkty kvality poskytované v rámci archívu údajov Mo-DiS. v našej práci sme okrem využitia týchto údajov realizovali aj manuálnu kontrolu, ktorá

146 TTomá momamšT oToámá amTmTTmT mTám áomáT omoám mTmmamáT oáoTmm oTomV

spočívala v odstraňovaní hodnôt, ktoré boli zjavne nekonzistentné so sezónnym chodom hodnôt nDvi a neboli odstránené v prvom kroku kontroly kvality. Špecifickým faktorom, ktorý môže obmedziť využiteľnosť denných údajov MoDiS a ktorému sa v poslednej dobe venovala značná pozornosť, je anizotropný charakter odrazivosti vegetácie (napr. ju et al., 2011). napriek poten-ciálne závážnemu vplyvu tohto faktora b. franch et al. (2013) zistil, že chyba v dôsledku pred-pokladu izotropnej (lambertovskej) odrazivosti predstavuje v prípade nDvi len približne 1 % rozsahu hodnôt. Z tohto dôvodu sme tento vplyv považovali za zanedbateľný.

Predpokladáme, že faktory vplývajúce na kvalitu použitých dát, ako atmosférické interferen-cie a anizotropný charakter odrazivosti vegetácie zvyšujú variabilitu dát a prispievajú k percentu variability nevysvetlenej regresnými modelmi. ich vplyv však nie je natoľko výrazný, aby pre-kryl charakteristické stresové reakcie, na ktoré sme sa v tejto štúdii zamerali.

k významným limitujúcim faktorom použitých údajov patrí ich priestorové rozlíšenie 250 × 250 m. Pri zohľadnení série kritérií uvedených v tab. 1 bolo možné v rámci celkovej plochy lesov Slovenska (približne 20 000 km2) identifikovať len 121 pixelov MoDiS. najviac obmedzujúcim kritériom bolo zastúpenie cieľovej dreviny najmenej 99 % rozlohy pixelu. Prísne nastavenie tohto kritéria však slúžilo najmä pre účely korektného medzidruhového porovnania stresových odoziev, pre účely iných štúdii je možné túto prahovú hodnotu znížiť. vo všeobecnosti je však prezentovaný prístup možné použiť pre druhy vegetácie so súvislou distribúciou a vysokým zá-pojom skôr, ako pre vtrúsené druhy a rozpojené porasty.

4.2. Plány ďalšieho výskumuPrezentované výsledky potvrdili citlivosť vegetačného indexu odvodeného z denných údajov

MoDiS na klimatické faktory a vhodnosť zvoleného dizajnu exprimentálnych plôch pre takto orientovaný výskum. keďže použitý vegetačný index predstavuje nepriamo meranú veličinu, ktorej informačná hodnota je napriek dosiahnutým výsledkom limitovaná, naskytuje sa otázka ohľadne citlivosti priamo meraných stromových a porastových charakteristík na údaje odvodené zo spektrorádiometra MoDiS. Z tohto dôvodu sme v roku 2013 realizovali rozsiahle terénne práce, v rámci ktorých bolo v každom pixeli MoDiS podľa použitého dizajnu plôch odobratých 10 vývrtov (spolu 1210 vývrtov). následne boli za obdobie misie MoDiS (od roku 2000) analy-zované hrúbkové prírastky u oboch drevín. otázkou ostáva, do akej miery je možné hrúbkový prírastok dubových a bukových porastov vysvetliť kombináciou meterorologických faktorov a údajov odvodených z údajov MoDiS – predovšetkým rôznych metrík určujúcich dĺžku vege-tačnej sezóny, nástup olistenia a pod. ak by táto štúdia potvrdila citlivosť prírastku na niektoré veličiny odvodené z dát MoDiSu, otvorili by sa možnosti pre plošné hodnotenie produkčných charakteristík lesov mierneho pásma. výskum s týmto zameraním bude prebiehať v ďalšom období.

Internetové odkazy[1] naSa. Dostupné z "http://modis.gsfc.nasa.gov/"http://modis.gsfc.nasa.gov [2] lesnícky geografický informačný systém - lgiS. Dostupné z http://gis.nlcsk.org/lgis/ [3] atlas krajiny SR. Ministerstvo životného prostredia SR, Slovenská agentúra životného pros-

tredia 2002. Dostupné z http://globus.sazp.sk/atlassr/[4] Morfogenetický klasifikačný systém pôd Slovenska. bazálna referenčná taxonómia. vý-

skumný ústav pôdoznalectva a ochrany pôdy, bratislava 2000. 74 s. Dostupné z http://www.pedologia.sk/sites/default/files/publications/2000_klasifikacia_pod_SR.pdf

[5] Slovenský hydrometeorologický ústav. Sieť klimatologických staníc: Dostupné z http://www.shmu.sk/sk/?page=1604

[6] united State geological Survey, http://e4ftl01.cr.usgs.gov

KAPITOLA 3

SATELITY V SLUŽBÁCH MODELOVANIA PRODUKCIE

LESNÝCH PORASTOV

3.1. Teoretický koncept modelovania primárnej produkcie lesných porastov 149Satelity v Službách modelovania produkcie leSných poraStov

TEORETICKÝ KONCEPT MODELOVANIA PRIMÁRNEJ PRODUKCIE LESNÝCH PORASTOV (3.1.)

1. Úvod a cieľ práce

ekosystémy s dominantnou zložkou drevín zaberajú okolo 11 % zemského povrchu (čo zod-povedá 38 % súše a 57 mil. km2). napriek tomu, že tento podiel nie je vysoký, je v ňom akumu-lovaná väčšina biomasy, ktorá sa na našej planéte vytvorila. Je odhadnutá na 1700 Gt (93 % všetkej fytobiomasy Zeme (Whittake a likens, 1975 cit. in klimo, 1994)). celková čistá primár-na produkcia predstavuje podľa tohto zdroja 80 Gt. rok-1. Znamená to, že priemerná čistá produk-cia lesných ekosystémov je štyrikrát väčšia ako svetový priemer, dvakrát vyššia ako je priemer poľnohospodárskych pôd a je vyššia ako produkcia oceánov. tieto čísla svedčia o význame les-ných ekosystémov z hľadiska stability a produkcie svetového ekosystému.

S rozvojom metód dpZ sa výrazne rozšírili aj možnosti štúdia produkcie lesov, uhlíkového cyklu a alokácie uhlíka a premietli sa do hodnotenia ekosystémových procesov v globálnom meradle (noormets (ed.), 2009). od vypustenia prvého satelitu vybaveného senzormi v sedem-desiatych rokoch minulého storočia je spoľahlivosť modelov na určenie primárnej produkcie li-mitovaná počtom a šírkou dostupných kanálov na senzoroch a frekvenciou pozorovaní vhod-ných na určenie priestorových a časových zmien primárnej produkcie vegetácie. vypustenie družíc terra v roku 1999 a aqua v roku 2002, ktoré sú vybavené spektrorádiometrom modiS, bolo ďalším významným krokom vo výskume biofyzikálnych a štrukturálnych charakteristík lesných ekosystémov (Justice et al., 2002). existujúce produkty modiS sú využiteľné predo-všetkým pre potreby globálneho monitorovania Zeme. regionálna premenlivosť monitorova-ných veličín nie je dostatočne zachytená a vysvetlená (hill et al., 2006; coops et al., 2007). vy-užitie globálnych produktov modiS na regionálnej úrovni obmedzuje aj to, že ich rozlišovacia schopnosť je vo väčšine prípadov 1 km. vzhľadom na to sa validácia globálnych algoritmov modiS, ich parametrizácia na regionálnej úrovni a tvorba regionálnych produktov s vyšším priestorovým rozlíšením, javí ako veľmi aktuálna a potrebná.

na Slovensku sa nevykonávajú kontinuálne celoplošné merania produkčných charakteristík lesa. Údaje o stave lesa sa na úrovni celého lesného pôdneho fondu Sr získavajú výberovým spôsobom z monitoringu a inventarizácie lesov. vzhľadom na uplatnenú intenzitu výberu je odvodenie spoľahlivých údajov na nižšej ako celoslovenskej úrovni problematické. Z dôvodu finančnej náročnosti sa opakovanie meraní realizuje väčšinou v perióde od 1 do 10 rokov. taký-to stav je limitujúcim faktorom tak pri pochopení procesov, ktoré prebiehajú v našich lesných ekosystémoch v meniacich sa podmienkach prostredia, ako aj pri prijímaní potrebných opatrení.

cieľom tejto podkapitoly je predložiť podrobný rozbor metodiky výpočtu primárnej produk-cie lesných ekosystémov na globálnej úrovni a návrh spresneného regionálneho parametrizova-ného modelu (rpm). v nasledujúcej podkapitole 3.2 bola podľa rpm vypočítaná primárna pro-dukcia lesných ekosystémov na Slovensku pre roky 2007 a 2008.

2. Rozbor výpočtu primárnej produkcie lesných ekosystémov

na výpočet hrubej primárnej produkcie lesných ekosystémov (Gpp) na základe satelitne odvodených údajov bolo vytvorených niekoľko modelov, ktoré sa odlišujú použitými satelitný-mi, klimatickými a pôdnymi dátami a koeficientom radiačnej účinnosti ε (coops et al., 2007). medzi najznámejšie patria modely modiS Gpp, Spot Gpp a 3-pGS Gpp. najjednoduchší je prvý model, ktorý využíva produkty modiS, z klimatických dát hodnoty teploty, radiácie a de-

ficitu tlaku vodných pár. v tomto modeli nie je zahrnutá vodná bilancia. tú požaduje model 3-pGS, ktorý je najzložitejší. ako vstupné dáta preň sú potrebné aj ďalšie klimatické dáta (mra-zové dni a zrážky) a zásoba pôdneho dusíka, z ktorej sa odvodzuje ε.

v nasledujúcom texte je uvedený podrobný opis modelov modiS Gpp a modiS npp slú-žiacich na výpočet hpp a čistej primárnej produkcie (npp). postup je základom pre odvodenie produktov modiS a mod17 s výslednou hodnotou hrubej primárnej produkcie určenou v 1 km rozlíšením v 8-dňových periódach (produkt mod17a2) a čistej primárnej produkcie v ročnom časovom kroku (produkt mod17a3). modely modiS vychádzajú z 3 teoretických predpokla-dov:

1) Rastlinná NPP je priamo úmerná absorbovanej slnečnej energii

na tento vzťah poukázalo viacero štúdií (napr. monteith, 1972, 1977; asrar, 1984; Goward,1985; landsberg et al., 1996). l. r. monteith (1972) naznačil, že Čpp jednoročných rastlín na úrodných a zavlažovaných stanovištiach je lineárne závislá od množstva slnečnej ener-gie, ktorú rastliny absorbujú počas rastovej sezóny. v tejto úvahe, ktorej však chýba väčšia komplexnosť, sa kombinujú meteorologické obmedzenia prístupného slnečného žiarenia s eko-logickými obmedzeniami množstva listovej plochy. hodnoty nameranej absorbovanej fotosyn-teticky aktívnej radiácie (apar) sú ovplyvňované geografickou, sezónnou variabilitou dĺžky dňa, dennou oblačnosťou a množstvom aerosólov rozptýlených v ovzduší.

2) Existuje vzťah medzi absorbovanou slnečnou energiou a vegetačnými indexami odvodenými zo satelitov

Zo spektrálnych vegetačných indexov odvodených z dát dpZ (huete et al., 2002) sú v súčas-nosti najčastejšie používaný ndvi, ktorý je počítaný z odrazivosti v červených (red) a blízko-červených (nir) vlnových dĺžkach:

ndvi=(nir-red)/(nir+red) [1]

a pomer:

apar/par ~ ndvi [2]

kde par je dopadajúca fotosynteticky aktívna radiácia. algoritmus modiS využíva na výpočet Gpp iný spektrálny ukazovateľ, ktorým je Fpar (frakcia fotosynteticky aktívnej radiácie). Fpar je funkciou vlastnosti zápoja porastu a slnečného zenitového uhla a jeho hodnota sa môže meniť nielen počas dňa, ale aj počas sezóny. rozdiely v hodnotách ndvi a Fpar sú však nízke, môžeme preto konštatovať, že

Fpar = apar/par ~ ndvi [3]

existujú dva prístupy na odvodenie Fpar zo satelitných meraní. empirický prístup je zalo-žený na aproximácii kriviek z meraní odrazivosti. Fyzikálny prístup modeluje vzťah medzi od-razenou radiáciou a biofyzikálnymi vlastnosťami porastov (hilker et al., 2008).

empirický prístup je založený na spektrálnych vegetačných indexoch, z ktorých sa v súčas-nosti najviac využíva normalizovaný vegetačný index ndvi. priamy prevod spektrálnej odrazi-vosti na povrchový Fpar je pre veľké oblasti problematický a ovplyvňujú ho najmä spektrálne vlastnosti vegetácie, heterogenita obrazového prvku, odrazivosť pozadia, tiene, solárny uhol a pod. (li a Strahler 1985; hilker et al. 2008). prvým globálnym produktom lai a Fpar, ktorý

3.1. Teoretický koncept modelovania primárnej produkcie lesných porastov 151150 JToze aáJTemT mTám oáomáT omomá ToááTamm

vyriešil niektoré problémy, bol FaSir: Fourier adjustet, Solar zenith angle corrected, interpola-ted and reconstructed (Sellers et al., 1994 cit. in hilker et al., 2008), založený na údajoch z rádio-metra avhrr (hilker et al., 2008).

rozsiahly výskum v polovici 80. rokov minulého storočia položil základy fyzikálnych mo-delov, ktoré môžu byť rozdelené do 4 tried:

● modely opisujúce interakciu fotónov v atmosfére, v pôde a vo vegetácii, ● geometrické optické modely, ● kombinované modely, ● komplexné počítačové simulačné modely (hilker et al. 2008).

počas posledného desaťročia sa vyvinuli modely, ktoré umožňujú získať parametre z mate-matickej inverzie a považujú sa za najsľubnejšiu metódu pre získavanie Fpar (meroni et al., 2004 cit. in hilker et al., 2008). Správnosť týchto odhadov je závislá od typu a kvality dát diaľ-kového prieskumu Zeme a od použitého inverzného postupu (Jacquemoud et al., 2000 cit. in hilker et al., 2008).

3) Existujú biofyzikálne dôvody redukcie aktuálnej účinnosti premeny absorbovanej slnečnej energie

na redukciu apar slúži koeficient radiačnej účinnosti ε, ktorý vyjadruje, aký podiel absor-bovanej slnečnej energie je využitý na tvorbu primárnej produkcie. tento podiel pri rozličných vegetačných typoch značne kolíše (Field et al., 1995; prince a Goward, 1995; turner et al., 2003). Za základné zdroje tejto variability sa považujú dve okolnosti:

● prvou je fakt, že každý druh vegetácie časť fotosyntézy okamžite spotrebuje na udržiavaciu respiráciu. podľa pôvodnej práce l. r. monteitha (1972) mali jednoročné rastliny minimálne respiračné nároky, takže ε bolo typicky okolo 2 gc.mJ-1. respiračné nároky sa však zvyšujú paralelne s veľkosťou viacročných rastlín. e. r. hunt (1994) zistil, že publikované hodnoty ε pre drevnú vegetáciu boli oveľa nižšie, okolo 0,2 až 1,5 gc.mJ-1 a vyslovil hypotézu, že toto bolo výsledkom respirácie 6 – 27 % živých buniek bele v kmeni.

● druhá okolnosť ako zdroj variability ε sa prisudzuje nerovnakým klimatickým podmienkam. pri extrapolácii monteithovej originálnej teórie (ktorá je určená pre dobre zavlažované jed-noročné rastliny iba počas rastovej sezóny) na trvalky žijúce niekoľko rokov musia byť reš-pektované určité závažné klimatické obmedzenia. l. r. monteith (1972) do svojej definície zahrnul maximálnu radiačnú účinnosť premeny absorbovanej fotosynteticky aktívnej radiá-cie (εmax). rovnaký základný postoj bol uplatnený v iných aplikáciách konceptu radiačnej účinnosti, pričom najväčšie rozdiely medzi prístupmi spočívali v určení hodnoty εmax a funkč-ného tvaru na jej redukciu. prístupy k stanoveniu ε môžu byť klasifikované ako nepriame a priame. nepriame prístupy

sú založené na stresových faktoroch (voda, teplota, živiny) pôsobiacich na vegetáciu. Údaje o pôdnej vlhkosti sa dajú získať pomocou pasívnych mikrovlnných systémov, ale napriek dobrej presnosti je časové a priestorové rozlíšenie nedostačujúce pre stanovenie účinku stresového fak-tora (deshayes et al., 2006 cit. in hilker et al., 2008). Ďalším prístupom je tzv. tvX index (tem-perature/vegetation index), ktorý predpovedá obsah pôdnej vody na základe teplotných rozdie-lov medzi pôdou a korunami. prvé snahy o kvantifikáciu dusíka ako stresového faktora boli za-ložené na spektrálnych indexoch citlivých na obsah chlorofylu (peñuales et al., 1994 cit. in hil-ker et al., 2008). v neskorších prácach ich autori stanovili obsah dusíka v listoch na základe odrazivosti z úzkeho spektrálneho pásma hyperspektrálnych snímok (Wessman et al., 1988; martin a aber 1997, in hilker et al., 2008).

prvým globálnym modelom na stanovenie ε bol Global production efficiency model (Glo--pem) S. d. princea a S. n. howarda (1995), ktorý využíva tvX index pre stanovenie stresu pre normalizovaný solárny uhol zenitu. v tomto modeli je deficit tlaku vodných pár modelovaný

z teploty vzduchu a atmosférických vodných pár. tieto veličiny sa odvodzujú z termálnych in-fračervených snímok (hilker et al., 2008).

priamy prístup stanovenia ε je založený na meraní zmien spektrálnej odrazivosti listov, ktoré vyplývajú z fotoprotekcie a chlorofylovej fluorescencie. táto technika okrem stanovenia kombi-novaného efektu fyziologického stresu zahŕňa aj informáciu o stupni limitovania fotosyntézy týmito stresmi (hilker et al., 2008).

Stanovenie chlorofylovej fluorescencie môže byť aktívne, alebo pasívne. aktívne stanovenie sa vykonáva pomocou laserových impulzov, ktoré simulujú stupeň fotosyntézy a merajú koreš-pondujúce zmeny vo fluorescencii (kolber et al., 2005 cit. in hilker et al., 2008). tento prístup je však spravidla obmedzený na jednotlivé listy v dostupných vrstvách zápoja (ananyev et al., 2005 cit. in hilker et al., 2008). pri pasívnom stanovení chlorofylovej fluorescencie dochádza k jej navrstveniu na spektrálnu odrazivosť listov, čo je technicky náročné, pretože predstavuje menej ako 3 % odrazenej radiácie v blízkočervenej časti elektromagnetického spektra (moya et al., 2004 cit. in hilker et al., 2008).

Stanovenie ε prostredníctvom fotoprotekcie je založené na zachytení zmien v listovej spek-trálnej odrazivosti, ktoré sú vyvolané xantofylovým cyklom (Gamon et al., 1990, cit. in hilker et al., 2008). tieto zmeny sa kvantifikujú pomocou vegetačných indexov, napr. pri index (photo-chemical reflectance index), ktorý porovnáva odrazivosť na úrovni 531 nm (oblasť citlivá na xantofyl) s odrazivosťou na úrovni 570 nm (referenčné pásmo). vzťah medzi ε a pri závisí od viacerých faktorov (drevina, vek, lai, štruktúra zápoja), preto je jeho empirické odvodenie a priestorová extrapolácia obtiažna.

3. Metodika

3.1. MOD17 algoritmus na výpočet GPP tento algoritmus (heinsch et al., 2003) vyžaduje vstupné dáta z troch zdrojov:

1) Špecifické parametre pre jednotlivé biómy preberá z preddefinovaných hodnôt, ktoré sú ulo-žené v tabuľke „biome properties look up table (bplut)“. hodnoty týchto parametrov pre denný a ročný algoritmus pochádzajú všetky (priamo alebo nepriamo) z biome-bGc (bioGeo-chemical cycles) modelu. tento model vyžaduje tri skupiny informácií: (a) denné meteorologic-ké dáta; (b) geomorfologické a pôdne charakteristiky a environmentálne dáta; (c) špecifické ekofyziologické parametre pre biómy.

2) informácie o všeobecnej globálnej meteorológii získava z údajovej databázy naSa data assimilation office (dao). táto zbiera dáta zo všetkých dostupných meteorologických staníc každé 3 hodiny. dao potom tieto údaje interpoluje, spúšťa globálny klimatický model pre krát-ke časové sekvencie a produkuje odhad klimatických podmienok vo svete 10 m nad povrchom (aproximuje pomery na túto úroveň výšky porastu ) v rozlíšení 1º až 1,25°. Z týchto údajov modiS 17 algoritmus vyberá 4 hodnoty:

● priemerná 24-hodinová denná teplota (°c), ● denná 24-hodinová minimálna teplota (°c), ● aktuálny tlak vodných pár (pa), ● dopadajúce krátkovlnné slnečné žiarenie (mJ.m-2), SWrad, ktoré algoritmus mod17 prepo-

číta na dopadajúce par (ipar) pomocou vzťahu:

ipar = SWrad * 0,45 [4]

3) hodnoty Fpar a lai vypočítané z údajov zaznamenaných spektrorádiometrami umiestnený-mi na satelitných nosičoch.

3.1. Teoretický koncept modelovania primárnej produkcie lesných porastov 153152 JToze aáJTemT mTám oáomáT omomá ToááTamm

Gpp a npp v tomto algoritme je počítaná pre každý pixel v globálnej sieti 1 x 1 km. tieto výpočty, zosumarizované a znázornené na obrázku 1, predstavujú sériu krokov, pričom niektoré z nich (napr. Gpp) sú počítané na úrovni dňa, iné (napr. npp) na úrovni roka. niektoré z týchto údajov (Gpp, pSnnet) sa sumujú a archivujú na úrovni 8-dňových periód. výpočet Gpp je zalo-žený na odvodení množstva fotosynteticky aktívnej radiácie (0,4 – 0,7 µm), ktorú vegetácia ab-sorbuje (apar),

apar = par * Fpar [5]

kde par – hustota toku fotosynteticky aktívnej radiácie v mJ.m-2.deň-1 získaná z denných hodnôt z dao, Fpar – podiel par pohltený vegetáciou (v rozpätí 0 – 1).

v súčasnosti algoritmus modiS Gpp využíva dátový zdroj mod15a, ktorý poskytuje 8-dňové pozorovania Fpar (knyazikhin et al., 1999). algoritmus modiS Fpar získava hod-noty Fpar z denných údajov o odrazivosti v červenej (648 nm) a blízkočervenej (858 nm) ob-lasti spektra v 1 km rozlíšení. algoritmus mod15 je založený na jednoduchom výbere pomocou maximálneho Fpar (počas 8 dní), ktorý je zvolený na začlenenie do výstupného pixela. rovna-ký deň, ktorý reprezentuje Fpar, je zvolený aj na vloženie hodnoty indexu listovej plochy (lai), ktorý predstavuje pomer celkového vrchného povrchu listovej plochy ku povrchu zeme na ktorej vegetácia rastie. mod17 tak nutne predpokladá, že lai a Fpar nevarírujú počas danej 8-dňovej periódy. vypočítané hodnoty Fpar sú porovnávané so súborom hodnôt, ktoré repre-zentujú predpokladaný rozsah typických hodnôt pre daný typ biómu. algoritmus však môže zlyhať, ak neistota vstupných údajov o odrazivosti je vyššia než stanovená hraničná hodnota v algoritme. medzi hlavné príčiny chybného odvodenia Fpar patrí oblačnosť a snehová pokrýv-ka, pretože algoritmus Fpar nemôže zvládnuť pozorovania komplikované oblačnosťou a inými atmosférickými javmi (myneni et al., 2002). Súčasné analýzy ukazujú, že spoľahlivosť odvode-nia Fpar je na úrovni 70 % (yang et al., 2006).

Z uvedených dôvodov musíme pri výpočte Gpp redukovať apar pomocou koeficientu ra-diačnej účinnosti ε:

Gpp = ε * apar [6]

koeficient účinnosti ε prevádza apar na hpp. hodnota koeficientu účinnosti ε je rozdielna pre jednotlivé biómy v dôsledku rozdielov v množstve spotrebovanej energie vegetácie na dý-chanie a adaptáciu na dané klimatické podmienky. v algoritme modiS hpp sa výpočet koefi-cientu účinnosti vykonáva pomocou skalárov tmin a vpd:

lárár.VPD_ska.TMIN_skalmaxεε [7]

kde tmin je minimálna denná teplota, vpd je deficit tlaku vodných pár počas dňa a εmax je hod-nota prevzatá z bplut tabuľky. hodnoty tmin_skalár a vpd_skalár sa pohybujú v intervale 0 – 1. hraničná hodnota, pri ktorej tmin_skalár=0 je -8 °c a vpd_skalár=0, je 2500 pa. pri týchto hodnotách sa v algoritme uvažuje so zastavením fotosyntézy. v globálnom zovšeobecne-ní môžeme povedať, že algoritmus nepočíta dennú Gpp, ak je minimálna denná teplota nižšia ako -8 °c a horná hranica deficitu tlaku vodných pár je vyššia ako 2500 pa. pri týchto teplotách dochádza k zatvoreniu listových stomat a k zastaveniu fotosyntézy.

dôležité je poznamenať, že pri výpočte Gpp sa okrem radiačnej účinnosti požaduje hodnota apar, zatiaľ čo používané aplikácie, ktoré poskytujú dáta z diaľkového prieskumu Zeme, Fpar iba odhadujú. merania alebo hodnotenia par sa preto vyžadujú ako doplnok k satelitne mera-ným Fpar. pri výskumoch na malých územiach s meraniami par in situ na ploche je odvodenie

apar zo satelitne odvodeného Fparu jednoznačné (vzťah 5). do modelu mod17 vstupujú údaje par z údajovej databázy naSa dao s rozlišovacou úrovňou 1°, čo môže hlavne v členi-tom teréne spôsobiť problémy s presnosťou výpočtu apar. pri tvorbe rpm modelu sme na-miesto údajovej databázy dao využili údaje s rádiometra avhhr. pri ich začlenení do algo-ritmu modiS boli prevzorkované na rovnaké priestorové rozlíšenie ako vstup z dpZ (250 m).

ak od Gpp odčítame udržiavaciu respiráciu (ur) listov a jemných koreňov počas celého dňa dostaneme čistú dennú fotosyntézu (pSnnet).

pSnnet = Gpp – url – urjk [8]

3.2. Algoritmus MOD17 na výpočet NPP výpočet je založený na poznatku, že:

npp = Gpp – rr – ur, [9]

kde rr je rastová respirácia a ur je udržiavacia respirácia.

npp je teda výsledkom odčítania energie spotrebovanej na respiráciu (rastovú a udržiavaciu) od Gpp, predstavuje prírastok organickej hmoty v ekosystéme (konôpka, 2007).

vstupy tohto výpočtu sa získavajú na úrovni denných údajov okrem udržiavacej respirácie živého dreva a rastovej respirácie všetkých komponentov rastliny. preto je denný výstup z algo-ritmu označovaný ako npp* a je odlišný od skutočného denného npp, ktorý nie je známy. roč-ná npp je potom vyjadrená ako rozdiel ročnej sumy npp* (počítanej po dňoch) a rastovej respi-rácie jednotlivých komponentov spolu s udržiavacom respiráciou živého dreva (vypočítaných na úrovni roka) podľa vzťahu [10]:

npp = ∑npp* – urzd – rrl – rrjk – rrzd – rrmd [10]

kde urzd: udržiavacia respirácia živého dreva, kg crrl: rastová respirácia listov, kg crrjk: rastová respirácia jemných koreňov, kg crrzd: rastová respirácia živého dreva, kg crrmd: rastová respirácia mŕtveho dreva, kg c

denná kalkulácia npp*

npp* = Gpp – url – urjk [11]

kde npp*: čistá primárna produkcia, kg c.ha-1

Gpp: hrubá primárna produkcia, kg c.ha-1

url: udržiavacia respirácia listov, kg curjk: udržiavacia respirácia jemných koreňov, kg c

denná Gpp sa vypočíta podľa už uvedeného algoritmu na výpočet Gpp, na výpočet url a urjk treba použiť nasledujúce vzťahy:

Wl = lai/SLA [12]

kde Wl: biomasa listov, kg clai: listový index, m2 listov/m2 plochySla: špecifická listová plocha, plocha listov/kg listového c

3.1. Teoretický koncept modelovania primárnej produkcie lesných porastov 155154 JToze aáJTemT mTám oáomáT omomá ToááTamm

v súčasnosti je v regionálnom modeli hodnota Sla prevzatá z bplut tabuľky pre 3 rôzne biómy: listnatý les, ihličnatý les a zmiešaný les. pre ďalšie spresnenie modelu je potrebne použiť a overiť hodnoty Sla odvodené z priamych meraní alebo prevzaté z literatúry pre jednotlivé druhy drevín. toto platí aj pre hodnoty pomeru jemných koreňov a listov a pomeru živého dreva a listov.

Wjk = Wl * Wjk/Wl [13]

kde Wjk: biomasa jemných koreňov, kg cWl: biomasa listov, kg c

url = Wl * URlb * Q10_UR[(tavg-20)/10] [14]

kde url: udržiavacia respirácia listov, kg cWl: biomasa listov, kg curlb: báza listovej udržiavacej respirácie, kg cQ10_ur: parameter riadiaci respiráciutavg: priemerná denná teplota, °c

urjk = Wjk * URjkb * Q10_UR[(tavg-20)/10] [15]

kde urjk: udržiavacia respirácia jemných koreňov, kg cWjk: biomasa jemných koreňov, kg curjkb: báza udržiavacej respirácie jemných koreňov, kg cQ10_ur: parameter riadiaci respiráciutavg: priemerná denná teplota, °c

pomocou týchto výpočtov získame sériu denných hodnôt pre jednotlivé pixely, ktoré nám následne umožňujú vypočítať ročný prírastok (pre živé drevo, listy a korene) a ročnú udržiavaciu respiráciu živého dreva.

Wzd = Wlrmax * Wzd/Wl [16]

kde Wzd: biomasa živého dreva, kg cWlrmax: ročná maximálna biomasa listov, kg c

urzd = Wzd * URzdb * rocsum_Q10index (17)

kde urzd: udržiavacia respirácia živého dreva, kg cWzd: biomasa živého dreva, kg curzdb: báza udržiavacej respirácie živého dreva, kg crocsum_Q10index: ročná suma indexov udržiavacej respirácie.

v nasledujúcom kroku sa vypočíta ročná rastová respirácia pre jednotlivé komponenty dre-viny:

rrl = Wlrmax * ro * RRlb [18]

kde rrl: rastová respirácia listov, kg cWlrmax: ročná maximálna biomasa listov, kg cro: ročný obeh asimilačných orgánovrrlb: báza rastovej respirácie listov, kg c

rrjk = rrl * RRjk/RRl [19]

kde rrjk: rastová respirácia jemných koreňov, kg c rrl: rastová respirácia listov, kg c

rrzd = rrl * RRzd/RRl [20]

kde rrzd: rastová respirácia živého dreva, kg crrl: rastová respirácia listov, kg c

rrmd = rrl * RRmd/RRl [21]

kde rrmd: rastová respirácia mŕtveho dreva, kg crrl: rastová respirácia listov, kg c

Denná GPPa PSNnet

ε_maxTyp lesa

FPAR

IPAR

Listový index

SLA

ε

APAR

GPP

UR

Denný PSNnet

UR index

Biomasa listov

Biomasa jemných koreňov

Biomasa listov

Tmin, VPD

Q10, TavgAlometrické

vzťahy

Udržiavacia respirácia (UR)

Fotosyntéza

–

=

Biomasalistov

MOD 17 denný výstup

max

URindex

DennýPSNnet

Sum Sum

Ročná sumdennej PSNnet

Ročná maxbiomasa listov

Ročná sumUR index

Priemerná ročnábiomasa živého

drevaAlometrické

vzťahy

Ročný prírastoklistov

Alometrickévzťahy

životnosťlistov

UR skalár

RR skalár

Ročný prírastokjemných koreňov

a dreva

Ročná sumUR živého dreva

–

Ročná sumRR

RočnáNPP

–

=

Ročná NPP

obr. 1: vývojový diagram výpočtu Gpp, pSnnet a ročnej npp s využitím údajov a produktov odvodených z modiSu (v zelenom), meteorologických údajov (bez výplne), alometrických vzťahov (v žltom) a výpočtov (bodkovaná výplň). výstupy z algoritmu sú zobrazené tieňovanou výplňou

(podľa heinsch et al., 2003)

Finálny výpočet npp sa vykoná podľa vzťahu [10]. hodnoty parametrov, ktoré sú vo vzor-coch označené tučnou kurzívou sú pre jednotlivé typy biómov uvedené v bplut tabuľke (heinsch et al., 2003). Je potrebné uviesť, že špecifické vlastnosti biómov nie sú diferencované pre rozličné prejavy daného biómu a ani nevarírujú počas roka. tieto hodnoty boli odvodené empiricky z výstupov biome-bGc simulácií a sú súčasťou mod17 algoritmu. npp je ročná suma denných pSnnet mínus energia na rast a udržiavanie živých buniek v permanentných drev-ných tkanivách. denná npp je neznáma, pretože udržiavacie respirácie niektorých častí rastlín a všetky rastové respirácie nie sú zistiteľné na úrovni dňa.

algoritmus výpočtu Gpp a npp sú graficky znázornené na obrázku 1. kým počiatočné štúdie poukazovali predovšetkým na silnú závislosť npp od apar, novšie práce naznačujú, že apar môže mať relatívne väčšiu koreláciu s Gpp ako s npp. tento prístup, ktorý využíva apar na predpovedi Gpp namiesto npp a neskôr započítava respiráciu inými vzťahmi, je použitý aj v tomto algoritme. okrem apar majú vplyv na npp aj iné faktory, napríklad koncentrácia foto-syntetických enzýmov, štruktúra zápoja, priemerná hustota toku par, náklady na udržiavaciu a rastovú respiráciu, teplota zápoja, evapotranspirácia, prístupnosť pôdnej vody, dostupnosť mi-nerálnych živín. náročná úloha hodnotenia Gpp a npp odvodením z apar je preto spojená s týmito viacnásobnými vplyvmi a objektívna parametrizácia vzťahov medzi Gpp, npp a apar sa považuje za kľúčový problém.

Satelity v Službách modelovania produkcie leSných poraStov 156 JToze aáJTemT mTám oáomáT omomá ToááTamm

4. Výsledky – regionálna parametrizácia algoritmu MOD17 na výpočet GPP a NPP

na základe analýzy vstupov využívaných pri modelovaní Gpp a npp na globálnej úrovni sme identifikovali možnosti spresnenia výpočtu. ide najmä o:

(i) nahradenie meteorologických údajov z údajovej bázy naSa data assimilation office (dao) údajmi z ShmÚ. tieto údaje slúžia na spresnenie určenia koeficientu radiačnej účinnosti (ε). pre korekciu ε je potrebné určiť dennú minimálnu teplotu a priemerný denný deficit tlaku vodných pár.

(ii) nahradenie údajov par z údajovej bázy naSa dao (rozlišovacia úroveň 1°) hod-notami odvodenými z rádiometra avhrr získavanými v 15-minútových intervaloch a prevzorkovaných na priestorovú rozlišovaciu úroveň 250 m. produkt bol spracovaný na časovú rozlišovaciu úroveň 8 dní spoločnosťou Geomodel, s. r. o. bratislava.

(iii) Spresnenie parametrov, ktoré sa na úrovni jednotlivých biómov preberajú z bplut tabuľky.

(iv) kvalita lai a Fpar. vzhľadom na rozlišovaciu úroveň globálneho produktu (1 km) sa odvodili lai a Fpar vrstvy na rozlišovacej úrovni 250 m.

pri prevode vrstiev s rozlíšením 1 km na 250 m bola použitá vrstva ndvi, pričom najskôr bola odvodená vrstva ndvi s rozlíšením 1 km ako priemer hodnôt v príslušných 250 m pixe-loch, a následne bol využitý vzťah

Y250 = y1000 * ndvi250/ndvi1000, [22]

kde y je hodnota veličiny, ktorej rozlíšenie sa prepočítava a 250 a 1000, je priestorové rozlíšenie v m.

výsledkom implementácie spresnených vstupov do algoritmu mod 17 je regionálny para-metrizovaný model na výpočet npp a Gpp.

5. Záver

tvorba regionálnych produktov s využitím miestnych klimatických podmienok je aktuálna aj vzhľadom na to, že sa zatiaľ systematicky nevykonávajú kontinuálne celoplošné merania pro-dukcie, ktoré by podchytili zmeny v lesných ekosystémoch v súvislosti s meniacimi sa podmien-kami prostredia. lesníckemu výskumu sa využitím satelitným údajov otvárajú nové možnosti modelovania produkčných charakteristík lesných ekosystémov. vďaka tomu, že k dispozícii je už časová séria údajov modiS od roku 2000, otvára sa pre ďalší výskum nová oblasť modelo-vania vzťahov produkcia – klimatická zmena. dosiahnuté výsledky v modelovaní primárnej produkcie bukových a dubových lesných ekosystémov na Slovensku pomocou rpm sú prezen-tované v podkapitole 3.2 tejto monografie.

STANOVENIE ROČNEJ PRIMÁRNEJ PRODUKCIE UHLÍKA BUKOVÝCH A DUBOVÝCH PORASTOV NA SLOVENSKU (3.2.)

1. Úvod a ciele práce

tradičný lesnícky pohľad na organickú produkciu lesných porastov sa spravidla sústreďuje na výnos v množstve dreva, ktoré sa vyťažilo, resp. má vyťažiť. predovšetkým z tohto uhla po-hľadu boli preskúmané rôzne stránky základných procesov organickej produkcie v lese, objasnil sa význam hlavných činiteľov týchto procesov a získané poznatky sa sformulovali do ucelenej náuky o výnose lesa (assmann, 1969; vyskot et al., 1971, Šmelko et al., 1992).

Fixácia uhlíka sa opätovne stala predmetom záujmu vedeckých kruhov najmä v súvislosti s kli-matickou zmenou. medzinárodný panel pre klimatickú zmenu (intergovernmental panel on clima-te change – ipcc (2001)) uvádza, že koncentrácia co2 vzrástla od roku 1750 o 31 %. r. dixon et al. (1994, cit. in konôpka 2007) odhaduje, že lesy tvoria 80 % nadzemného a 40 % podzemného terestrického uhlíka (pôda, opad, korene), z čoho vyplýva, že majú dominantnú úlohu pri fixácii uhlíka. hrubá primárna produkcia (Gpp) drevnej hmoty ako miera fotosyntézy je prvotným vstu-pom uhlíka do ekosystému a je to zásadný vstupný údaj pre odvodenie čistej primárnej produkcie (npp) t. j. uhlíka, ktorý „zostáva“ v ekosystéme po odpočítaní autotrofnej respirácie.

porozumenie a kvantifikácia procesov uhlíkového cyklu a produkcie na globálnej úrovni nie sú dnes už mysliteľné bez dpZ. Spektrorádiometer modiS poskytuje vstupy pre odvodenie Gpp aj npp. výsledný produkt – mod17a2 – hrubá primárna produkcia je dostupný v priesto-rovom rozlíšení 1 km na 8-dňovej časovej úrovni. algoritmus odvodenia Gpp vychádza zo vzťa-hu medzi fotosynteticky aktívnou radiáciou (resp. jej podielom absorbovaným vegetáciou) a účinnosťou premeny tejto radiácie, ktorej maximálna možná hodnota je stanovená pre 11 typov vegetácie, tzv. biómov. tá sa redukuje na základe výskytu suboptimálnych klimatických pod-mienok (nízke teploty a vysoký deficit tlaku vodných pár), získaných z údajovej databázy naSa dao (data assimilation office) a interpolovaných pomocou globálneho klimatického modelu v rozlíšení 1° x 1,25° (running et al., 2004).

najprecíznejšia validácia údajov Gpp sa uskutočňuje prostredníctvom meteorologických veží, tzv. flux towers, ktoré zachytávajú čistú ekosystémovú výmenu uhlíka v polhodinových intervaloch. validačné výsledky naznačujú, že Gpp odvodená prostredníctvom modiSu je pod-hodnotená na najproduktívnejších stanovištiach a nadhodnotená na suchých stanovištiach, pri-čom významným faktorom sú meteorologické údaje poskytované databázou dao (heinsch et al., 2006; turner et al., 2006).

regionálna premenlivosť Gpp nie je dostatočne zachytená (coops et al., 2007). priestorové rozlíšenie produktu modiS je pomerne hrubé, pričom interpolované meteorologické údaje v rozlíšení zhruba 100 km (1˚ až 1,25˚) nepodchycujú skutočný stav najmä v topograficky členi-tých terénoch (heinsch et al., 2003). preto je aktuálna tvorba regionálnych produktov s využitím miestnych klimatických podmienok. inventarizačné techniky sú viazané na výberový spôsob merania a vykonávajú sa v periódach od 1 do 10 rokov (pajtík, 2009).

cieľom podkapitoly bolo využiť výsledky a algoritmy prezentované v podkapitole 3.1. a po-rovnať rozdiely medzi globálnym a regionálnym modelom produkcie lesných porastov.

2. Metodika

na výpočet primárnej produkcie bukových a dubových porastov na Slovensku na základe satelitne odvodených údajov boli použité modely mod17 a regionálny parametrizovaný model

3.2. Stanovenie ročnej primárnej produkcie uhlíka bukových a dubových porastov na Slovensku 159158 JToze aáJTemT mTám oáomáT omomá ToááTamm

(rpm), ktoré boli podrobne opísané v predchadzajúcej podkapitole. pomocou týchto modelov bola vypočítaná Gpp a npp bukových a dubových porastov na Slovensku v rokoch 2007 a 2008. vybrali sme tie pixely mriežky rastrov modiS, v ktorých bola suma zastúpenia duba a buka väčšia ako 50 %, pričom sme využili údaje z Jprl. pre územia vojenských a ostatných lesov sme doplnili pixely klasifikované ako dub a buk z drevinového zloženia odvodeného zo satelit-ných snímok landsat (bucha, 1999).

výpočty boli vykonané pre 8-dňové periódy vo vegetačnom období (periódy od 89. do 273. dňa v roku), t. j. za obdobie od 30. 3. do 7. 10. v roku 2007 a od 29. 3. do 6. 10. v roku 2008. pokryté je tak celé vegetačné obdobie lesných porastov v mesiacoch apríl až september.

tu treba upozorniť na skutočnosť, že kým pri Gpp boli pre model modiS aj pre rpm brané len 8-dňové periódy počas vegetačného obdobia, pre ročné npp model modiS zahŕňa produkciu za celý rok, kým naše údaje len za vegetačné obdobie. dôvodom je, že do výpočtu ročnej npp nevstupujú iba sumárne údaje pre 8-dňové periódy, ale aj údaje o udržiavacej a rastovej respirácii, ktoré sú na úrovni 8-dňových periód neznáme a zisťujú sa iba na celoroč-nej úrovni. výpočet npp sa pre modiS nedá zopakovať len za vegetačné obdobie z dôvodu absencie meteorologických dát, a taktiež sa nedá spraviť pre celý rok za rpm takisto z dôvodu absencie týchto dát. v tejto práci predpokladáme, že ročná npp sa rovná npp počas vegetač-ného obdobia.

validácia dát sa uskutočnila pomocou výpočtov npp z terestrických meraní na dvoch trva-lých monitorovacích plochách (tmp) a simuláciou Gpp pomocou ekosystémového modelu bio-me-bGc na tých istých plochách. npp porastu v konkrétnom roku bola vypočítaná ako rozdiel zásoby uhlíka na jar nasledujúceho roka a na jar daného roka. uhlíkové zásoby boli vypočítané zo sušiny jednotlivých komponentov biomasy (kmeň, konáre, asimilačné orgány a korene) vyná-sobením koeficientom 0,5 (podiel uhlíka v sušine biomasy je približne 50 %). Sušina drevných častí bola odvodená z objemu drevných častí a ich objemových hmotností. na výpočet objemu nadzemných drevných častí bola použitá sústava česko-slovenských objemových tabuliek dre-vín (petráš, pajtík, 1991), na výpočet podzemnej biomasy boli použité rovnice m. drexhagea a F. colina (2001) a na výpočet listovej biomasy rovnice petráša a kol. (1985). do týchto výpoč-tov vstupuje jedna (hrúbka d1,3) alebo dve nezávislé premenné (hrúbka d1,3 a výška stromu h). hrúbky jednotlivých stromov sú na tmp merané každoročne, výšky sú merané v 5-ročných opakovaniach a ich medziročné zmeny sa vyjadrujú interpolovaním hodnôt. Je potrebné upozor-niť na fakt, že použité rovnice na výpočet podzemnej biomasy (ale aj ostatné publikované rovni-ce na výpočet podzemnej biomasy) nezohľadňujú jemné korene (korene tenšie ako 2 mm), pri-čom ich podiel na npp nie je zanedbateľný. Jednotliví autori (helmisaari et al., 2002; Zhou et al., 2006; tateno et al., 2004) uvádzajú ich podiel na npp v závislosti od druhu dreviny a pôd-nych podmienok od 10 do 40 %.

biome-bGc je biogeochemický model na simuláciu c, n a vodných tokov v rozličných te-restriálnych ekosystémoch. pomocou tohto modelu bola popísaná zmena uhlíkových zásob (živá biomasa, mŕtve drevo, opad, pôdny organický uhlík) a hlavné uhlíkové toky z ekosystému do atmosféry (hrubá primárna produkcia, celková ekosystémová respirácia, skladajúca sa z auto-trofnej a heterotrofnej respirácie a čistá ekosystémová zmena). keďže depozičné dáta pre dusík v týchto regiónoch neboli známe, bola použitá rekonštrukcia týchto dát pomocou modelu (chur-kina et al., 2009).

3. Výsledky a diskusia

3.1. Odvodenie a porovnanie produkcie modelmi MOD17 a RPMhodnoty celkovej ročnej produkcie uhlíka v bukových a dubových porastoch na území

Slovenskej republiky v rokoch 2007 a 2008 vypočítané podľa modelu rpm a modelu mod17

sú uvedené v tab. 1. hodnoty v nej sa pohybovali v závislosti od zvoleného modelu a roka v rozpätí od 11,8 do 13,5 milióna ton uhlíka za rok pri Gpp a od 6,7 do 7,5 milióna ton uhlíka za rok pri npp. rozloha územia pokrytého bukovými a dubovými porastmi na Slovensku je pre produkt mod17a2 menšia z dôvodu menšieho priestorového rozlíšenia tohto produktu (1000 m), kým rpm bol prepočítaný v rozlíšení 250 m. ročná Gpp v bukových a dubových porastoch sa pohybuje na území celého Slovenska v rozpätí od 0,7 – 1,5 kg c.m-2.rok-1 (obr.1). tento obrázok, na ktorom je histogram rozdelenia početností Gpp, nám zároveň ukazuje mier-ne nadhodnotenie výsledných hodnôt modelu rpm v porovnaní s modelom mod17 a širšie rozdelenie hodnôt v regionálnom modeli, pričom situácia v oboch pozorovaných rokoch bola podobná. najvyššia Gpp bola zaznamenaná v malých karpatoch, považskom inovci, tríbeči a v Slanských vrchoch, najnižšia v oblasti malej Fatry, veľkej Fatry, nízkych tatier a Čergova (obr. 2). plošné vyjadrenie rozdielov medzi modelmi na výpočet Gpp v roku 2007 dokumen-tuje obr. 3. rpm model uvádza vyššie hodnoty predovšetkým v južných oblastiach Slovenska a nižšie hodnoty v oblastiach severného Slovenska. najväčšie kladné rozdiely v prospech rpm modelu sú v oblasti malých karpát, tríbeča, pohronského inovca, Slanských vrchov a takmer celého juhu stredného Slovenka, najväčšie záporné rozdiely v oblasti veľkej Fatry a Čergova. rozdiely medzi modelmi dosahujú maximálne ±40 %, pričom iba na malej časti územia sú rozdiely väčšie ako ±25 % (obr. 4). priemerná Gpp uhlíka sa v období rokov 2007 a 2008 pohybovala od 1,04 do 1,15 kg.m-2.rok-1.

ročná npp v bukových a dubových porastoch Slovenska sa pohybovala v sledovanom období od 0,3 do 0,9 kg c.m-2.rok-1 (obr.5), priemerná hodnota v rozpätí 0,58 – 0,66 kg c.m-2.rok-1. podobne ako pri výpočte Gpp sme pozorovali širšie rozdelenie hodnôt pri rpm modeli, avšak na rozdiel od Gpp, kde bolo zaznamenané mierne nadhodnotenie pri použití rpm mo-delu, pri npp sú výsledné hodnoty vyššie pri použití modelu mod17. rozdiely medzi model-mi sú od -50 % do +30 % (obr. 4). regionálne rozdelenie hodnôt je podobné ako pri Gpp. regionálne rozdelenie hodnôt npp a Gpp by bolo rovnaké v prípade, ak by sme porovnávali rovnaké modely pri konštantnom podieli npp/Gpp. tento podiel sa však mení s výškou poras-tu (mäkelä a valentine, 2001) ako aj s priemernou ročnou teplotou a spôsobom manažmentu lesa (luyssaert et al., 2006). Jeho hodnoty, ktoré sa pohybujú od 0,6 pri mladinách, do 0,2 pri vysokých porastoch (mäkelä a valentine, 2001) neovplyvňujú výslednú hodnotu npp takým spôsobom, aby bol rozdiel v regionálnom rozdelení hodnôt medzi Gpp a npp výrazne rozdiel-ny. pri plošnom vyjadrení rozdielov medzi modelmi na výpočet npp vidíme, že výrazne po-klesla plocha územia na ktorej model rpm uvádza vyššie hodnoty v porovnaní s modelom mod17. ide už iba o čiastkové územia v oblasti považského inovca, tríbeča, pohronského inovca, Slanských vrchov a časť juhu stredného Slovenska.

tab. 1: celková produkcia uhlíka v bukových a dubových porastoch na území Sr v rokoch 2007 a 2008druh produkcie celková produkcia uhlíka (v t.rok-1) priemerná produkcia uhlíka (v kg.m-2.rok-1) rozloha (v km2)Gpp 2007 mod17 11 771 393,3 1,04 11 303,375Gpp 2007 rpm 13 472 040,9 1,18 11 371,625Gpp 2008 mod17 12 926 378,1 1,14 11 303,375Gpp 2008 rpm 13 081 396,3 1,15 11 371,625npp 2007 mod17 7 260 364,00 0,64 11 303,375npp 2007 rpm 6 650 609,62 0,58 11 371,625npp 2008 mod17 7 455 253,14 0,66 11 303,375npp 2008 rpm 7 190 144,94 0,63 11 371,625

3.2. Stanovenie ročnej primárnej produkcie uhlíka bukových a dubových porastov na Slovensku 161160 JToze aáJTemT mTám oáomáT omomá ToááTamm

0

5000

10000

15000

20000

25000

30000

35000

40000

0 0,5 1 1,5 2 2,5

GPP (kg C.m-2.rok-1)

Poče

t pix

elov

RPM

MOD17

0

5000

10000

15000

20000

25000

30000

35000

40000

0 0,5 1 1,5 2 2,5

GPP (kg C.m-2.rok-1)

Poče

t pix

elov

RPM

MOD17

obr. 1: histogramy rozdelenia Gpp v bukových a dubových porastoch vypočítaných podľa modelov rpm a mod17 v roku 2007 (vľavo) a 2008 (vpravo)

obr. 2: Gpp za rok 2007 v dubových a bukových porastoch podľa modelu rpm

obr. 3: percentuálny rozdiel Gpp za rok 2007 v dubových a bukových porastoch modelu rpm od produktu mod17 (percentuálny rozdiel = RPM – MOD17 * 100)

MOD17

0

400

800

1200

1600

2000

-80 -40 0 40 80 120

Rozdiel medzi modelmi (%)

Poče

t pix

elov

2007

2008

0

400

800

1200

1600

2000

-80 -40 0 40 80 120

Rozdiel medzi modelmi (%)

Poče

t pix

elov

2007

2008

obr. 4: percentuálny rozdiel vo výpočte Gpp (vľavo) a npp (vpravo) medzi modelmi rpm a mod17

0

10000

20000

30000

40000

50000

60000

70000

0 0,3 0,6 0,9 1,2 1,5

NPP (kg C.m-2.rok-1)

Poče

t pix

elov

RPMMOD17

0

10000

20000

30000

40000

50000

60000

70000

0 0,3 0,6 0,9 1,2 1,5

NPP (kg C.m-2.rok-1)

Poče

t pix

elov

RPM

MOD17

obr. 5: histogramy rozdelenia npp v bukových a dubových porastoch vypočítaných podľa rozdielnych modelov v roku 2007 (vľavo) a 2008 (vpravo)

obr. 6: npp za rok 2007 v dubových a bukových porastoch podľa modelu rpm

3.2. Stanovenie ročnej primárnej produkcie uhlíka bukových a dubových porastov na Slovensku 163162 JToze aáJTemT mTám oáomáT omomá ToááTamm

obr. 7: percentuálny rozdiel npp za rok 2007 v dubových a bukových porastoch modelu rpm od produktu mod17 (percentuálny rozdiel = RPM – MOD17 * 100)

MOD17

rozdiely medzi modelmi mod17 a rpm sú pri hodnotení npp väčšie ako pri hodnotení Gpp (obr. 4), pretože do výpočtu vstupuje väčšie množstvo premenných, z ktorých je aj viac pozmenených oproti výpočtu pomocou modelu mod17. Je to predovšetkým presnejšie vypočí-tané Gpp podľa rpm, ktoré vychádza z precíznejšej klasifikácie biómov (model mod17 použí-va mapu biómov, kde je časť nami vyklasifikovaných bukových a dubových lesov hodnotená ako zmiešané lesy) a z toho vyplývajúca zmena konštánt vo výpočtoch pre tieto pixely. Ďalším dô-vodom rozdielov odvodenia npp je to, že v rpm sme výpočet vykonali s využitím podrobnejší-che meteorologických údajov (priemerná teplota) z ShmÚ. originálne vstupné dáta z naSa dao nie sú verejne prístupné, preto sa nám ich nepodarilo porovnať so vstupnými dátami z na-šich meteorologických staníc.

3.2. Validácia modelov odvodenia GPPvalidácia údajov je základným krokom k overeniu spoľahlivosti skonštruovaného modelu.

overenie Gpp je značne problematické vzhľadom na to, že Gpp nie je priamo merateľná veliči-na. npp (rozdiel medzi Gpp a autotrofnou respiráciou-ra) síce je priamo merateľná (Gower, kuchařík a norman, 1999), avšak ako už bolo spomenuté pomer npp/Gpp nie je konštantný (turner et al., 2003). pri známom konštantnom pomere npp/Gpp by stačilo skúmať iba npp a Gpp z nej iba jednoducho dopočítať. na validáciu údajov modiS o primárnej produkcii sa používajú tri typy dát:

● priame merania biomasy, ● tower flux merania, ● merania atmosférickej koncentrácie co2.

každý typ týchto dát je limitovaný svojou presnosťou a rozsahom. priame meranie biomasy sa často vykonáva iba raz do roka a pokusná plocha je menšia ako 1 ha. výhodou meraní tower flux je, že sú kontinuálne a plocha, na ktorú sa vzťahujú, je blízka jednokilometrovému pixelu. ich nevýhodou je, že merajú priamo iba čistú ekosystémovú zmenu (nee), ale Gpp a npp musia byť odvodené z uhlíkových bilancií. Čistou ekosystémovou zmenou označujeme čistú primárnu produkciu zníženú o uhlíkové straty pri heterotrofnej respirácii. napríklad v lese, kde celková npp je 10 tc.ha-1.rok-1 môže 5 tc.ha-1.rok-1 pripadať na stratu ročným opadom listov, jemných koreňov, reprodukčných orgánov a iných komponentov s krátkou životnosťou. ak sa zásoba uhlíka v opade v čase nemení, potom mŕtvy opad musí byť v rovnováhe s uhlíkovou stratou

z rozkladajúceho sa opadu. vtedy je nee porastu 5 tc.ha-1.rok-1. v krátkosti možno povedať, že žiadne jednoduché meranie sa nemôže zhodovať v detailoch, ktoré algoritmus modiS Gpp a npp reprezentuje v čase, priestore a ekosystémových atribútoch.

v našej práci sa validácia uskutočnila metódou priameho merania biomasy na trvalých mo-nitorovacích plochách (tmp) ii. úrovne, ktoré sú súčasťou európskej monitorovacej siete (icp Forests). problémom pri výbere plôch vhodných na validáciu bola skutočnosť, že na väčšine výskumných plôch zameraných na produkciu bol interval zisťovania základných dendrometric-kých veličín potrebný na výpočet npp (hrúbka d1,3, výška) dlhší ako jeden rok. napokon bola vybraná jedna buková a jedna dubová plocha. ich základné charakteristiky sú v tab. 2.

tab. 2: opis intenzívnych monitorovacích plôch použitých na validáciu hodnôt primárnej produkcie. t je priemerná ročná teplota a p je priemerné ročné množstvo zrážok v rokoch 1961 – 1990. vek dre-viny sa vzťahuje k roku 2013

plocha drevina Zemepisná šírka Zemepisná dĺžka nadmorská výška vek (roky) t (°c) p (mm)turová buk lesný 48°37'58'' 19°02'49'' 575 73 7,1 675Čifáre dub cerový 48°12'45'' 18°23'16'' 206 92 9,3 540

na týchto plochách sa okrem priameho merania biomasy vykonávala aj simulácia Gpp po-mocou ekosystémového modelu biome-bGc (running, hunt, 1993) v rámci projektu cecilia (hlásny et al., 2011). tento model požaduje denné meteorologické dáta, geomorfologické a pôd-ne charakteristiky a ekofyziologické parametre (White et al., 2000). pri validácii modelu netreba zabudnúť na fakt, že hodnota odvodená z modelov na základe satelitnej snímky uvádza primárnu produkciu celého ekosystému, a nie iba porastu lesných drevín. vybrané tmp reprezentujú dva rozdielne ekosystémy z pohľadu zastúpenia fytomasy lesných drevín na celkovej fytomase eko-systému. tmp turová reprezentuje skupinu lesných typov (slt) Fagetum pauper, kde je zanedba-teľné zastúpenie inej fytomasy ako fytomasy lesných drevín. naopak tmp Čifáre reprezentuje slt Carpineto-Quercetum so silne vyvinutým krovitým podrastom s veľkou prevahou trnky nad vtáčím zobom, hlohom a šípkou, ktorý doplňuje ojedinelý výskyt drienky, rešetliaka prečisťujú-ceho, bresta hrabolistého a černice (pavlenda et al., 2013). porovnanie simulácie Gpp pomocou ekosystémového modelu biome-bGc s modelmi mod17 a rpm uvádza tab. 3. hodnoty Gpp získané pomocou modelu biome-bGc sú o 25 – 35 % nižšie ako hodnoty odvodené pomocou modelu mod 17. rozdiely rpm od modelu mod17 boli na tmp turová v rokoch 2007 a 2008 +3,4 %, resp. -3,3 %, na tmp Čifáre -3,0 %, resp. -0,3 %. väčšie rozdiely medzi modelom mod17 a biome-bGc, resp. rpm a biome-bGc, sú zapríčinené odlišným algoritmom výpoč-tu a odlišnými vstupnými dátami týchto modelov. rozdiely medzi modelmi mod17 a rpm sú menšie, pretože sú založené na spoločnom algoritme. každý z týchto modelov má svoje miesto, žiadny z nich však nevysvetľuje úplne všetky vlastnosti uvažovaného ekosystému. treba tiež pripomenúť, že porovnávanie správnosti funkcie modelov nezávisí len od správnosti modelov, ale tiež aj od kvality a správnosti vstupných dát. na základe toho predpokladáme, že ak použije-me presnejšie vstupné dáta (tak ako sme urobili v modeli rpm), aj výsledné výstupné hodnoty z tohto modelu by mali byť presnejšie v porovnaní s globálnym modelom mod17.

ročný priebeh Gpp na týchto monitorovacích plochách je na obr. 8 a obr. 9.

tab. 3: hodnoty Gpp odvodené z rozličných modelov

lokalita – rokGpp (v kg c.m-2.rok-1)

biome-bGc mod 17 rpmturová – 2007 0,932 1,234 1,276turová – 2008 0,959 1,313 1,270Čifáre – 2007 0,707 1,096 1,063Čifáre – 2008 0,794 1,061 1,058

3.2. Stanovenie ročnej primárnej produkcie uhlíka bukových a dubových porastov na Slovensku 165164 JToze aáJTemT mTám oáomáT omomá ToááTamm

0,00

0,02

0,04

0,06

0,08

0,10

0 100 200 300 400poradové číslo dňa v roku

GPP

(kg

C.m-2

)

RPMMOD17

0,00

0,02

0,04

0,06

0,08

0,10

0 100 200 300 400poradové číslo dňa v roku

GPP

([kg

C.m-2

)

RPMMOD17

obr. 8: priebeh Gpp počas rokov 2007 (vľavo) a 2008 (vpravo) podľa regionálne parametrizovaného modelu (rpm) a produktu mod17 v bukovom poraste na monitorovacej ploche turová

0,00

0,02

0,04

0,06

0,08

0,10

0 100 200 300 400poradové číslo dňa v roku

GPP

(kg

C.m-2

)

RPMMOD17

0,00

0,02

0,04

0,06

0,08

0,10

0 100 200 300 400poradové číslo dňa v roku

GPP

(kg

C.m-2

)

RPMMOD17

obr. 9: priebeh Gpp počas rokov 2007 (vľavo) a 2008 (vpravo) podľa regionálne parametrizovaného modelu (rpm) a produktu mod17 v dubovom poraste na monitorovacej ploche Čifáre

3.3. Validácia modelov odvodenia NPPZásoba živých stromov vyjadrená v objeme hrubiny nad 7 cm s kôrou bola v roku 2009 na

tmp Čifáre 374 m3.ha-1, na tmp turová 651 m3.ha-1 (pavlenda et al., 2011). pri takomto rozdie-le v hektárových zásobách sme očakávali aj výrazný rozdiel v npp medzi týmito porastmi, čo potvrdili aj priame terénne merania. npp na tmp turová bolo v priemere 3x vyššia ako na tmp Čifáre. hodnoty npp odvodené z modelov a priamych terénnych meraní sú uvedené v tab. 4. kým na tmp turová sa dosiahla dobrá zhoda priamych terénnych meraní so satelitne odvode-nými údajmi, na tmp Čifáre z dôvodu priameho merania npp iba stromovej zložky boli rozdie-ly v nameraných hodnotách výraznejšie. rozdiely v hodnotách npp medzi rpm a modelom mod17 boli na tmp turová v rokoch 2007 a 2008 -4,9 %, resp. -7,5 %, na tmp Čifáre -11,1 %, resp. +19,9 %. ročný priebeh npp* (pozri kapitolu 3.1, vzorec 11) na týchto monitorovacích plochách je na obr. 10 a obr. 11. upozorňujeme, že v tabuľke 4 sú uvedené hodnoty npp a na obrázkoch 10 a 11 hodnoty npp*, pretože hodnotu npp k jednotlivým dňom v roku algoritmus nevie vypočítať.

tab. 4: hodnoty npp odvodené z modelov a priamych terénnych meraní

lokalita – roknpp (v kg c.m-2.rok-1)

terénne merania mod 17 rpmturová – 2007 0,681 0,653 0,621turová – 2008 0,678 0,693 0,641Čifáre – 2007 0,226 0,667 0,593Čifáre – 2008 0,231 0,659 0,790

0,00

0,01

0,02

0,03

0,04

0,05

0,06

0,07

0 100 200 300 400poradové číslo dňa v roku

NPP

* (kg

C.m

-2)

RPM

MOD17

0,00

0,01

0,02

0,03

0,04

0,05

0,06

0,07

0 100 200 300 400poradové číslo dňa v roku

NPP

* (kg

C.m-2

)

RPM

MOD17

obr. 10: priebeh npp* počas rokov 2007 (vľavo) a 2008 (vpravo) podľa regionálne parametrizovaného modelu (rpm) a produktu mod17 v bukovom poraste na monitorovacej ploche turová

0,00

0,01

0,02

0,03

0,04

0,05

0,06

0,07

0 100 200 300 400poradové číslo dňa v roku

NPP

* (kg

C.m

-2)

RPM

MOD17

0,00

0,01

0,02

0,03

0,04

0,05

0,06

0,07

0 100 200 300 400

poradové číslo dňa v roku

NPP

* (kg

C.m-2

)

RPM

MOD17

obr. 11: priebeh npp* počas rokov 2007 (vľavo) a 2008 (vpravo) podľa regionálne parametrizovaného modelu (rpm) a produktu mod17 v dubovom poraste na monitorovacej ploche Čifáre

4. Záver

algoritmus mod17 a z neho odvodený variant rpm sú založené na princípe, že primárna produkcia je priamo úmerná absorbovanej časti fotosynteticky aktívnej radiácie vegetáciou (apar) a je limitovaná maximálnou možnou mierou jej využitia prostredníctvom koeficientu

166 JToze aáJTemT mTám oáomáT omomá ToááTamm

efektívnosti využitia slnečnej radiácie (εmax) a suboptimálnymi klimatickými podmienkami (mi-nimálna denná teplota a deficit tlaku vodných pár). významným zdrojom chýb v odvodení pri-márnej produkcie sú meteorologické údaje v príliš hrubom priestorovom rozlíšení a Fpar získa-vaný na báze dpZ, ktorého kvalita môže byť obmedzená najmä oblačnosťou a snehom. pri tvorbe modelu rpm cieľom bolo zníženie týchto chýb pomocou spresnenia meteorologických údajov, hodnôt Fpar a spresnením limitných hodnôt (teploty a deficit tlaku vodných pár) z re-gionálnych vstupov. naše výsledky preukázali, že po spresnení vstupov do modelu rpm došlo k rozdielom oproti pôvodným hodnotám vypočítaným pomocou algoritmu mod17, pričom roz-diely medzi oboma modelmi sa na väčšine územia pohybovali v rozpätí od -25 % do +25 %. Ďalšie spresnenie výpočtu primárnej produkcie je možné očakávať pri spresnení koeficienta ra-diačnej účinnosti využitia slnečnej energie.

nami dosiahnuté výsledky pri kontinuálnom a dlhodobom modelovaní primárnej produkcie bukových a dubových porastov vytvárajú predpoklady pre širšiu aplikáciu algoritmu v lesoch Slovenska. Zatiaľ ostávajú nedostatočne vysvetlené rozdiely medzi modelom rpm a presnejší-mi terestrickými meraniami, resp. modelom biome-bGc. pre spoľahlivé uplatnenie nášho prí-stupu založenom na modiS údajoch bude preto nevyhnutné rozšíriť rozsah validácie a porov-nať výstupy rpm s terestrickými meraniami alebo modelom biome-bGc. len na základe vý-sledkov validácie bude možné hľadať ďalšie riešenia pre spresnenie rpm alebo zavedenie ko-rekčných faktorov.

KAPITOLA 4

SATELITY A INFORMAČNÉ SYSTÉMY V SLUŽBÁCH

LESNÍCKEJ PRAXE

4.1. Informačný systém na hodnotenie stavu lesa zo satelitných snímok 169Satelity a informačné SyStémy v Službách leSníckej praxe

INFORMAČNÝ SYSTÉM NA HODNOTENIE STAVU LESA ZO SATELITNÝCH SNÍMOK (4.1.)

1. Úvod

vývoj satelitných technológií výrazne rozšíril možnosti štúdia prírodných ekosystémov a mo-nitorovania krajiny na rozličných priestorových úrovniach, predovšetkým však v regionálnej a glo-bálnej mierke. príkladom je spustenie rozsiahlych monitorovacích programov zo strany americkej (naSa) a európskej (eSa) vesmírnej agentúry (napr. GmeS, v súčasnosti označovaný ako coper-nicus). okrem výskumného zamerania je dôležitým prvkom týchto programov aj oblasť monitoro-vania prírodných hrozieb a katastrof vrátane monitorovania lesných ekosystémov. Údaje DpZ sú jedným z hlavných zdrojov informácií potrebných pre úspešné zvládnutie krízových situácií, aký-mi sú veterné kalamity, povodne, rozsiahle lesné požiare atď.

aj preto sa dôraz kladie na rýchlu dostupnosť satelitných údajov s vysokým priestorovým roz-líšením pre ich operatívne využitie. hoci satelitné snímky s vysokým rozlíšením (napr. zo satelitov landsat, Spot a aster) sa využívajú už niekoľko desaťročí, trendom v súčasnom DpZ je poskyto-vanie satelitných snímok v priebehu niekoľkých hodín po ich nasnímaní a ich následné využitie v aplikáciách dostupných širokému okruhu užívateľov. takto je možné spracovať snímky s rozlí-šením 15 – 30 metrov, ktoré sú napr. zo satelitov landsat dostupné bezplatne. na roky 2015 – 2016 je plánovaný štart dvojice európskych satelitov Sentinel-2 s ešte podrobnejším priestorovým rozlí-šením.

rozvoj výskumu odozvy lesných ekosystémov na environmentálne zmeny prostredia bol pod-nietený najmä projektom moDiS s dvojicou satelitov terra a aqua. od ich vypustenia na obežnú dráhu (1999 a 2002) každodenne poskytujú snímky so stredným priestorovým rozlíše-ním (250 m – 1 km) v širokom spektrálnom pásme a z nich odvodené produkty.

vďaka týmto okolnostiam je dnes možné využiť údaje DpZ aj pre lesnícke účely, napr. na ope-ratívne monitorovanie náhlych i postupných zmien stavu lesa (veterné kalamity, gradácia podkôr-neho hmyzu a pod.). aplikácie DpZ v lesníctve prehlbujú naše znalosti o zmenách stavu lesa, vy-volaných buď činnosťou človeka, alebo reakciou na prirodzené zmeny životného prostredia, v ob-lasti fenológie a produkcie lesných porastov a rôzne iné podnety. napreduje rozpracovanie metód pre digitálnu klasifikáciu obrazu, zvyšuje sa správnosť a presnosť výsledkov, ktoré tieto metódy môžu poskytnúť. Zvyšuje sa kvalita nástrojov na spracovanie snímok, pričom aj z nich sú niektoré dostupné bezplatne. analýza vývoja a zmien stavu lesa patrí medzi najdôležitejšie činnosti, na zá-klade ktorej sa posudzujú realizované opatrenia, doterajšie hospodárenie v lese a plánuje sa činnosť na nasledujúce obdobie. napriek tomu naďalej ostáva problematická najmä transformácia informá-cií DpZ do formy prístupnej pre rôzne užívateľské úrovne (štátna správa, lesná prevádzka, užíva-telia a majitelia lesov, zariaďovatelia lesa) a pripravenosť potenciálnych užívateľov využívať mo-derné technológie a ich schopnosť efektívne využiť nové poznatky.

Záujem o internetový nástroj, ktorý by umožňoval sledovať na základe údajov DpZ zdravotný stav lesných porastov, prejavila medzi prvými na Slovensku najmä lesná prevádzka a štátna správa lesného hospodárstva. prvotným zámerom bolo vytvoriť nástroj na lepšiu kontrolu manažmentu porastov v podmienkach rýchleho hynutia smrečín a gradácie podkôrneho hmyzu, ktoré sú vyvo-lané nespracovanými kalamitami. práve s pomocou štátnej lesnej správy bol položený základ in-formačného systému, ktorý s využitím družicových snímok a moderných komunikačných techno-lógií umožňuje rýchle informovanie užívateľov o prebiehajúcich zmenách v stave lesa.

cieľom tejto kapitoly je priblížiť spôsob spracovania a publikácie údajov satelitného DpZ pre-dovšetkým na praktické účely v rámci obhospodarovania lesa pomocou internetových technológií. prezentujeme koncepciu regionálneho informačného systému (riS) o zdravotnom, ekologickom

a produkčnom stave lesných porastov, ktorý je založený na údajoch DpZ (barka, 2009). problema-tika sprístupnenia údajov DpZ užívateľom, najmä vlastníkom lesov a štátnej správe lesného hospo-dárstva, je v systéme riešená prostredníctvom webových mapových aplikácií. predstavený riS sa skladá z dvoch subsystémov, z ktorých prvý je zameraný na sledovanie stavu lesa a jeho zmien a druhý na sledovanie produkčných charakteristík lesných ekosystémov pomocou DpZ.

pri poskytovaní informácií o zdravotnom a ekologickom stave lesných porastov sú využívané satelitné snímky landsat s rozlišovacou schopnosťou 30 m. tento subsystém riS je pod názvom StaleS sprístupnený na adrese http://www.nlcsk.sk/stales.[1] poskytuje aktuálne aj historické sa-telitné snímky landsat z územia Slovenska od r. 1990 a z nich odvodené klasifikácie stavu lesných porastov. vytvorené webové mapové aplikácie umožňujú aj širšej verejnosti sledovať zmeny v kra-jine, vďaka čomu sa popularizujú výsledky a možnosti diaľkového prieskumu Zeme na Slovensku.

Druhý subsystém riS, známy pod skratkou SatleSyS, je náročnejší na vstupné údaje. pro-dukčné charakteristiky lesných porastov sú odvodené nielen z údajov DpZ, ale aj z terestricky zhromažďovaných meteorologických údajov. Subsystém je dostupný na adrese http://www.nlcsk.sk/satlesys.[2]

2. Materiál a metódy

2.1. Regionálny informačný systémregionálny informačný systém (riS) je postavený na báze geografických informačných systé-

mov (GiS). tieto poskytujú dostatok nástrojov pre ukladanie a prácu s priestorovými informáciami (tuček, 1998; burrough a mcDonnell, 1998; fotheringham a Wegener 2000; longley et al., 2001). Štruktúra riS je optimalizovaná tak, aby čo najlepšie zodpovedala logickému postupu spracovania vstupných údajov a získavania výsledných informácií. používateľovi umožňuje prístup jednak k informáciám o ekologickom a produkčnom stave lesa, jednak k čiastkovým (napr. biofyzikál-nym) charakteristikám a pokiaľ je to relevantné, aj k náhľadu vstupných údajov. Z praktických dôvodov riS pozostáva z dvoch subsystémov (obr. 1), ktoré navzájom zjednocuje použitá techno-lógia a spoločný vývoj. obidva subsystémy sú postavené na rovnakej architektúre a majú podobný priebeh spracovania údajov, od ich získavania až po publikáciu výsledných produktov pomocou internetových mapových aplikácií.

obr. 1: Schéma regionálneho informačného systému

2.1. Vstupné údajev subsystéme StaleS sú využívané najmä satelitné snímky landsat nasnímané senzormi

tm, etm+ a oli, ktoré sú umiestnené na družiciach landsat 4, 5, 7 a 8. ich priestorová rozlišo-vacia schopnosť je 30 m. pre tvorbu kompozícií satelitných snímok za roky 2008 a 2009 boli využité aj snímky Spot a aster s rozlišovacou úrovňou 10 m, vzhľadom na cenu sú však prefe-

4.1. Informačný systém na hodnotenie stavu lesa zo satelitných snímok 171170 mTám oáomáT TTomá oTomá

rované snímky landsat, ktoré sú od r. 2008 dostupné bezplatne, a to aj pre obdobie do r. 2008. Snímky sú získavané pomocou aplikácie Glovis[3], prípadne earthexplorer[4], zo serverov spoloč-nosti u. S. Geological Survey (uSGS), ktorá prevádzkuje satelity landsat. preferované sú snímky z vegetačného obdobia, t. j. od polovice júna do konca septembra.

Samotnej analýze stavu lesa predchádza predspracovanie satelitných snímok. ide o veľmi dô-ležitú fázu, ktorá ovplyvňuje správnosť a presnosť výsledkov. ide predovšetkým o čo najpresnejšie polohové zjednotenie snímok (ich rektifikáciu), pri niektorých postupoch je nutné odstránenie spektrálnych rozdielov medzi snímkami z dôvodu rozdielneho stavu atmosféry a pozície slnka v čase snímania (atmosférická korekcia a topografická normalizácia). Z predspracovaných satelit-ných snímok sa následne vytvárajú kompozície pre celé územie Slovenska a ich časové rady. Sním-ky sú v subsystéme StaleS zobrazované štandardne v kompozícii kanálov blízky infračervený (ir) – krátkovlnný infračervený (SWir) – červený (r). táto kompozícia sa napriek nepravým farbám javí ako najvhodnejšia na vizuálne odlíšenie listnatých a ihličnatých porastov. listnaté po-rasty sú zobrazované v odtieňoch oranžovej, ihličnaté v odtieňoch hnedej farby. poškodené a vyťa-žené porasty sa javia v tyrkysovej farbe.

v subsystéme SatleSyS sú využívané produkty moDiS[5]. konkrétne ide o produkty moD09, myD09 (obsahujú hodnoty odrazivosti v červenom a infračervenom pásme, rozlíšenie 250 m, jednodňový produkt) a mcD15 (listový index lai a frakcia fotosynteticky aktívnej radiá-cie pohltená vegetáciou, skratka fpar, rozlíšenie 1000 m, 8-dňový produkt).

Satelitné snímky moDiS po získaní zo serverov sú tiež najskôr predspracované. Znamená to, že zo získaných súborov sa extrahujú informačné vrstvy potrebné pre riS, dekomprimujú a prevá-dzajú sa do formátov využívaných pri práci v prostredí arcGiS. Ďalej sa transformujú do súradni-cového systému S-jtSk a sú orezané na požadovaný rozmer. v subsystéme SatleSyS je rozlí-šenie všetkých vstupných snímok (veľkosť bunky rastra) už v tomto kroku stanovené na koneč-ných 250 m.

využitím programovacieho jazyka python bolo možné automatizovať získavanie súborov zo serverov uSGS a čiastočne automatizovať aj ich predspracovanie a prípravu pre výpočty priamo v prostredí arcGiS.

2.2. Metódy hodnotenia zmien stavu lesa a klasifikácia zdravotného stavu lesných porastovZmeny v stave lesa môžu byť odvodené na základe satelitných údajov pomocou celého spektra

metód. prehľady existujúcich metód boli v rôznych obdobiach spracované viacerými autormi (Gong et al., 2008; radke et al., 2005; mouat et al., 1993; Singh, 1989). porovnávaniu výsledkov jednotlivých metód detekcie zmien sa venovali napr. lu et al., 2005; choppin a bauer, 1994 a iní. výber vhodnej metódy závisí od aplikácie a charakteru spracovávaných údajov. v subsystéme SatleSyS sú v záujme prístupnosti pre čo najširší okruh užívateľov využité najmä jednoduché, ale účinné metódy vizuálnej interpretácie (detekcia zmien užívateľom pomocou optického vnemu) jednotlivých satelitných scén alebo ich časových radov.

pri získavaní optického vnemu o zmene v stave lesa využíva StaleS dva nástroje. prvým je mapová aplikácia pre dynamické zobrazenie časového radu snímok z územia Slovenska, v ktorej sa s plynulým prechodom zobrazujú satelitné snímky z rozličných období. plynulosť zo-brazenia je zabezpečená kontinuálnou zmenou priehľadnosti (transparentnosti) mapových vrstiev (v prostredí internetového prehliadača fakticky obrazových vrstiev). Zmena priehľadnosti je zabez-pečená počítačovým kódom v jazyku javascript, používateľ ju ovláda pomocou posuvníka. Druhým nástrojom je mapová aplikácia na prekrývanie snímok z rôznych období. používateľ opakovaným posunom posuvníka môže získať veľmi dobrý vnem o zmenách na porastoch za po-rovnávané obdobie.

na účely vizuálnej interpretácie sa pripravujú kompozície kanálov satelitných snímok z dvoch rôznych období, a to tak, aby boli zvýraznené lokality, kde došlo k silnému poškodeniu lesa alebo odlesneniu. kompozícia pozostáva z kanálov SWir(rok t) – SWir(rok t-1) – r(rok t-1). takéto poradie

kanálov zvýrazní plochy so zmeneným stavom lesa v odtieňoch červenej farby ak bola zmena ne-gatívna (odlesnenie, odumretie porastu). na uľahčenie orientácie v aplikácii je pripravený interpre-tačný kľúč na webovej stránke StaleSu.

Zo získaných satelitných snímok sa zostavujú vrstvy zdravotného stavu lesných porastov. kla-sifikácia zdravotného stavu je založená na dvojfázovom regresnom výbere. podrobne je metodický postup opísaný v kapitole 1.1. tejto publikácie, ako aj v práci t. buchu a i. barku (2010). princíp tohto výberu spočíva v tom, že v prvej fáze sa zvolí vhodná kombinácia kanálov satelitnej snímky, z ktorých sa približne určí poškodenie porastov. v druhej fáze sa využijú presnejšie údaje o poško-dení drevín (strate listov alebo ihlíc) z pozemného hodnotenia zdravotného stavu lesa. Z týchto údajov sa cez regresný model spresní určenie zdravotného stavu zo satelitných snímok. na správ-nosť a presnosť klasifikácie poukazujú korelačný koeficient a stredná chyba regresnej priamky. Spravidla je dosiahnutá vysoká hodnota korelácie, hodnoty korelačného koeficientu r sa pohybujú od 0,8 do 0,9. Stredná chyba regresnej priamky sa pohybuje od 10 do 20 %. to znamená, že sku-točná defoliácia v obrazovom prvku sa od vypočítanej hodnoty môže líšiť o uvedené hodnoty pri 68 % spoľahlivosti.

2.3. Výpočet primárnej produkcie lesných porastovvýpočet primárnej produkcie bukových a dubových porastov na Slovensku na základe satelitne

odvodených údajov je podrobne opísaný v kapitole 3.1: teoretický koncept modelovania primárnej produkcie lesných porastov. pre výpočty bola využitá rastrová algebra v prostredí Grass openSo-urce GiS[6]. postup bol automatizovaný pomocou počítačových skriptov v jazyku bash. priestorové vrstvy, ktoré sa vybrali pre publikáciu, boli importované do geodatabázy arcSDe.

2.4. Softvérové riešeniepri budovaní riS sme využili existujúcu infraštruktúru národného lesníckeho centra Zvolen.

technické zázemie riS poskytujú produkty firmy eSri (arcGiS Desktop, arcGiS Server a geoda-tabáza arcSDe). umožňujú operatívne priestorové analýzy, viacužívateľský prístup a ukladanie dát, ako i následnú publikáciu digitálnych máp prostredníctvom internetu. ich veľkou výhodou je jednoduchý vývoj a implementácia nových nástrojov na úpravu a analýzu údajov do podoby uce-leného systému (minár et al., 2005; mentlík et al., 2006). riS používa na ukladanie finálnych dát geodatabázové riešenie (arctur a Zeiler, 2004). Geodatabáza je špecifický prípad databázy, pričom jej tvorba sa opiera predovšetkým o klasický databázový dizajn. hlavný rozdiel medzi klasickou databázou a geodatabázou spočíva v uložení „priestorových“ údajov (t. j. dát vztiahnutých ku kon-krétnemu miestu na zemskom povrchu). výhodami databázového riešenia sú bezpečné ukladanie dát a efektívna práca viacerých užívateľov zároveň a s veľkým množstvom údajov. Geodatabáza umožňuje rýchle nakladanie s priestorovými dátami pomocou priestorových indexov.

Špecifické nástroje, ktoré boli potrebné na predspracovanie a prípravu vstupných dát pre analý-zu a následnú publikáciu, sme vytvárali v programovacom jazyku python a začleňovali ako rozší-renia do štandardnej sady nástrojov mapových aplikácií riS. tieto nástroje sa využívajú najmä na automatizovanie spracovania veľkého množstva vstupných údajov.

Spracované dáta uložené v priestorovej databáze je možné vďaka použitému riešeniu veľmi rýchlo a jednoducho sprístupniť odbornej verejnosti pomocou internetu. využíva sa pri tom integ-rácia jednotlivých produktov eSri, ktoré pri tvorbe webovej aplikácie využívajú priamo projekt desktopového balíka arcmap. toto riešenie umožňuje sprístupniť pomocou internetu užívateľom riS výsledné údaje takmer v rovnakej podobe ako k nim pristupuje tvorca riS.

2.5. Publikovanie dát v internetovej sietipublikácia výsledných priestorových dát v podobe mapových služieb predstavuje vďaka kom-

patibilite využívaných softvérových balíkov relatívne jednoduchý proces, ktorý je však z hľadiska užívateľov kľúčový. Dáta, resp. jednotlivé mapové vrstvy uložené v geodatabáze, sú v desktopovej

4.1. Informačný systém na hodnotenie stavu lesa zo satelitných snímok 173172 mTám oáomáT TTomá oTomá

mapovej aplikácii arcmap pripravené na prezentáciu na internete, pričom je optimalizovaný spô-sob ich zobrazenia (farebné vyváženie, popis objektov), nadefinovaná legenda a ďalšie doplňujúce informácie. následne sa projekt arcmap (mxd súbor) prostredníctom servera arcGiS využije na sprístupnenie mapových služieb na internetovej sieti pomocou protokolu reSt. na publikovaných mapových službách sú postavené internetové mapové aplikácie subsystémov StaleS a Satle-SyS, ktoré užívateľom zobrazujú jednotlivé mapové vrstvy pomocou arcGiS javascript api. ma-pová aplikácia môže ďalej modifikovať zobrazovanie jednotlivých vrstiev pomocou samostatne naprogramovaných alebo v api zabudovaných nástrojov (dynamické zobrazovanie časového radu satelitných snímok, prekrývanie snímok pomocou posuvníka – tzv. swipe tool). mapové aplikácie naprogramované v javascripte sa spúšťajú vo webovom prehliadači užívateľa a len minimálne zaťažujú server s mapovými službami.

informácie, ktoré nie je možné vložiť do mapovej aplikácie, sú sprístupnené na klasickej webo-vej stránke informačného systému.

3. Výsledky3.1. STALES – webový nástroj na identifikáciu zmien stavu lesa zo satelitných snímok

Subsystém StaleS[1] (obr. 2) obsahuje úvodnú informačnú stránku so stručným opisom cie-ľov subsystému, jeho vývoja, odkazmi na mapové aplikácie a s manuálom na interpretáciu dostup-ných mapových vrstiev. v záložke „mapové aplikácie“ ponúka užívateľom na výber niekoľkých mapových aplikácií spolu s návodom na ich použitie. v súčasnosti sú dostupné 4 aplikácie ponú-kajúce rôzne mapové vrstvy, prípadne rôzny režim ich zobrazenia.

obr. 2: Úvodné webové stránky subsystému StaleS[1]

3.1.1. STALES – mapová aplikácia 1mapová aplikácia 1 (obr. 3) predstavuje klasickú mapovú aplikáciu známu z prostredia desk-

topových geografických informačných systémov. obsahuje vrstvy s kompozíciami satelitných snímok a z nich odvodené klasifikácie zdravotného stavu lesa pre celé územie Slovenska za roky 1990, 1996, 1998, 2000, 2003, 2006, 2007, 2009, 2010, 2011, 2012, 2013 a 2014. režim zobra-zenia vrstiev je statický, užívateľ má možnosť zvoliť zobrazované vrstvy, prezerať ich a oriento-vať sa pomocou hraníc pôsobnosti lesných úradov, hraníc lesných hospodárskych celkov a po-rastov.

obr. 3: mapová aplikácia 1 slúži pre zobrazovanie kompozícií satelitných snímok a vrstiev zdravotného stavu lesa

na vizuálnu interpretáciu zmien stavu lesných porastov sú pre mapovú aplikáciu 1 priprave-né a na základe požiadaviek užívateľov sprístupnené kompozície satelitných snímok z dvoch období, pričom v rôznych odtieňoch červenej farby sú indikované zmeny medzi porovnávanými rokmi súvisiace s odlesnením alebo výrazným zhoršením stavu lesa (obr. 4). Grafický kľúč pre uľahčenie interpretácie zmien stavu lesa je uvedený v tabuľke 1.

4.1. Informačný systém na hodnotenie stavu lesa zo satelitných snímok 175174 mTám oáomáT TTomá oTomá

obr. 4: kompozícia kanálov satelitných snímok Spot z obdobia 2007–2008 (vľavo) a 2008–2010 (vpravo) z okolia čadce. poradie kanálov pre kompozíciu 2007 – 2008: SWir (Spot2008) – SWir (Spot2007) – r (Spot2007). červenou sa zobrazujú plochy, kde sa realizovala ťažba. hrdzavočervenou (tehlovou) farbou sa zobrazujú plochy lesa, v ktorých došlo k výraznému zhor-

šeniu zdravotného stavu až odumretiu stromov počas uvedeného obdobia © cneS 2007 – 2010, Distribution Spot image S.a. france, all rights reserved

tab. 1: interpretácia poškodenia z kompozície kanálov SWir(t) – SWir(t-1) – r(t-1)

ihličnaté porasty, kde sa medzi rokmi t a t-1 realizovala ťažba – indikované červenou farbou. podľa tvaru rúbanísk je možné usúdiť, či išlo o ťažbu úmy-selnú alebo náhodnú.

ihličnaté porasty, kde medzi rokmi t a t-1 došlo k výraznému zhoršeniu zdravotného stavu až k odumretiu drevín: ide najmä o podkôrnikové ohniská a vetrové kalamity so zatiaľ nespracovanou drevnou hmotou. indikované tehlovou farbou.

ihličnaté porasty, kde medzi rokmi t a t-1 nedošlo k výraznejšej zmene zdravotného stavu.

listnaté porasty (vľavo), zmiešané porasty s prevahou listnatých (v strede) a zmiešané porasty s prevahou ihličnatých drevín (vpravo), kde medzi rokmi t a t-1 nedošlo k výraznejšej zmene zdravotného stavu.

3.1.2. STALES – mapová aplikácia 2mapová aplikácia 2 (obr. 5) poskytuje špecializovaný nástroj na zobrazenie kompozícií satelit-

ných snímok, v ktorom je mapové pole rozdelené na dve časti, zobrazujúce to isté územie v rozlič-nom čase. časti sú od seba oddelené posuvníkom, ktorého polohu v horizontálnom smere užívateľ mení uchopením pomocou počítačovej myšky, a tým prekrýva kompozíciu satelitných snímok z jedného časového obdobia kompozíciou z druhého obdobia. takto môže získať veľmi dobrý zrakový vnem o zmenách v stave lesa v zobrazenom území za porovnávané obdobie. v angličtine sa tento nástroj označuje termínom „swipe tool“. pre lepšiu orientáciu má užívateľ možnosť zobra-ziť vrstvy hraníc pôsobnosti lesných úradov, hraníc lesných hospodárskych celkov a porastov. k dispozícii sú kompozície z rovnakého obdobia ako v prípade mapovej aplikácie 1.

obr. 5: mapová aplikácia 2 ponúka nástroj (tzv. „swipe tool“ ) pre užívateľom kontrolované prekrývanie kompozícii satelitných snímok z rozličného obdobia

3.1.3. STALES – mapová aplikácia 3mapová aplikácia 3 (obr. 6) ponúka ďalší špecializovaný nástroj na dynamické zobrazovanie

časového radu kompozícií satelitných snímok. pod mapovým poľom sa nachádza posuvník pre zmenu obdobia, z ktorého majú byť zobrazené kompozície satelitných snímok. prechod medzi zobrazením kompozícií z rôznych období je plynulý, a tak užívateľ získava lepšiu predstavu o zmenách v stave lesa.

obr. 6: mapová aplikácia 3 umožňuje dynamické zobrazovanie časového radu kompozícii satelitných snímok

4.1. Informačný systém na hodnotenie stavu lesa zo satelitných snímok 177176 mTám oáomáT TTomá oTomá

3.1.4. STALES – mapová aplikácia 4mapová aplikácia 4 (obr. 7) je obdobou aplikácie 3, namiesto kompozícií satelitných snímok

však ponúka dynamické zobrazovanie vrstiev zdravotného stavu lesa.

obr. 7: mapová aplikácia 4 umožňuje dynamické zobrazovanie časového radu vrstiev zdravotného stavu lesa

od konca mája 2014 bolo spustené sledovanie návštevnosti subsystému SatleSyS[2] (obr. 9).

0

5

10

15

20

25

30

35

40

29. máj 2014 1. jún 2014 4. jún 2014 7. jún 2014 10. jún 2014 13. jún 2014

Poče

t rel

ácií

obr. 8: vývoj návštevnosti webových stránok subsystému StaleS od konca mája do polovice júna 2014.[7]

vysokú návštevnosť používateľov vykazovalo najmä obdobie spracovávania kalamity žofia zo 14. 5. 2014, kedy návštevnosť dosahovala takmer 40 relácií za deň. je predpoklad, že bez-prostredne po sprístupnení nových satelitných snímok so zachytenou kalamitou bola návštev-nosť ešte vyššia, nakoľko od začiatku sledovania mali údaje už klesajúci trend. po uplynutí času, počas ktorého sa užívatelia StaleSu oboznámili s rozšírením kalamity, návštevnosť klesala s opätovným nárastom 5. až 6. júna po tom ako sa spomínané mapové aplikácie propagovali v celoslovenských médiách (televízne správy, relácia halali). od druhej dekády júna sa stabili-zovala na priemere 4 až 6 relácií denne. Sledovaná návštevnosť vykazuje pokles počas víkendov, čo nasvedčuje tom, že aplikácie využíva najmä odborná verejnosť na pracovné účely. celkovo bolo za obdobie 29. 5. – 15. 6. 2014 zaznamenaných 211 relácií od 160 jedinečných identifiko-vaných užívateľov[7].

3.2. SATLESYS – webový nástroj na hodnotenie produkcie lesa zo satelitných snímokSubsystém SatleSyS[2] je dostupný na webovej adrese http://www.nlcsk.sk/satlesys (obr.

9). Stránka subsystému obsahuje informácie o účele, metodike a dosiahnutých výsledkoch.

obr. 9: Webová stránka subsystému SatleSyS

v rámci dosiahnutých výsledkov je prezentovaná mapová aplikácia. aplikácia má dve verzie (obr. 10). jednu s využitím technológie ArcGIS API for Flex s väčším počtom funkcií, čím je graficky príťažlivejšia. Druhú s využitím ArcGIS API for Javascript s menším počtom funkcií, avšak menej náročnú na počítačové prostriedky a kvalitu internetového pripojenia. obidve ver-zie ponúkajú zobrazenie tých istých priestorových vrstiev. keďže modelovanie produkcie les-ných porastov je náročné na vstupné údaje, aplikácia obsahuje ako ukážku len vrstvy z roku 2007. okrem výsledných vrstiev produkcie lesných porastov zobrazuje aj vstupné vrstvy vege-tačného indexu nDvi, minimálnych teplôt, deficitu tlaku vodných pár, dopadajúcej fotosyntetic-ky aktívnej radiácie a jej frakcie pohltenej vegetáciou. ponúka tiež časový rad pôvodných sate-litných snímok moDiS (produkt moD09) a pre orientáciu vrstvu tieňovaného reliéfu Sloven-ska. podporované je zobrazovanie časového radu priestorových vrstiev, prechod medzi jednotli-vými obdobiami (8-dňovými periódami) nie je kontinuálny. časový rad vrstiev zvolených pre zobrazenie je možné prehrať aj automaticky ako animáciu.

4.1. Informačný systém na hodnotenie stavu lesa zo satelitných snímok 179178 mTám oáomáT TTomá oTomá

obr. 10: mapová aplikácia pre zobrazovanie priestorových vrstiev subsystému SatleSyS. vľavo verzia aplikácie s využitím arcGiS api for flex. vpravo verzia vytvorená technológiou arcGiS

api for javascript

4. Diskusia

Stav regionálneho informačného systému je predmetom neustáleho vývoja. nové možnosti ďalšieho vylepšenia sú podmienené jednak rozvojom technológií publikácie priestorových úda-jov na internete a taktiež zdokonaľovaním aparátov DpZ.

nové nástroje na zobrazovanie priestorových údajov sú priebežne vyvíjané s novšími verzia-mi použitých technológií. napríklad nástroj na prekrývanie vrstiev z rôznych období je dostupný len od konca r. 2013. nové verzie knižnice arcGiS api for javascript vychádzajú v priemere každé 3 mesiace. v budúcnosti je možné očakávať aj dostupnosť ďalších nástrojov zobrazova-nia.

významný pokrok v technike DpZ bude predstavovať aj koniec apríla 2015, keď sa plánuje štart prvej z dvojice družíc Sentinel-2, ktoré budú poskytovať satelitné snímky s ešte vyšším spektrálnym i priestorovým rozlíšením. Druhá z dvojice družíc má byť vypustená v r. 2016. každá z nich má dobu návratu na rovnaké miesto nad rovníkom 10 dní, v stredných zemepisných šírkach sa vďaka veľkej šírke snímaného pásu doba ešte skracuje. Dvojica satelitov tak umožní snímať územie Slovenska každé 2 až 3 dni, čo dáva veľmi dobré predpoklady na odstránenie hlavného nedostatku satelitov landsat, ktorým je dlhá návratová doba. Dvojica landsat 7 a landsat 8 síce umožňuje snímať rovnaké územie každých 8 dní, avšak chyba senzora etm+ satelitu landsat 7 ani v prípade dobrého počasia neumožňuje získať kvalitné snímky.

vyššie priestorové rozlíšenie satelitov Sentinel-2 umožní presnejšiu aj skoršiu identifikáciu nastupujúcich zmien zdravotného stavu porastov. Zo spektrálnych kanálov, ktoré sú v súčasnos-ti používané v subsystéme StaleS zo satelitov landsat v 30 m rozlíšení, budú dostupné z dru-žíc Sentinel-2 červený a blízky infračervený kanál v rozlíšení 10 m a stredný infračervený v roz-líšení 20 m. v desaťmetrovom rozlíšení budú navyše dostupné kanály modrý a zelený z dôvodu zachovania kontinuity s údajovou bázou Spot-5. v dvadsaťmetrovom rozlíšení budú dostupné aj užšie spektrálne pásma v blízkej infračervenej oblasti, ktoré sú určené napr. pre detekciu ob-sahu chlorofylu v listoch, určenie listového indexu a iné aplikácie v oblasti výskumu vegetácie. tieto technické zdokonalenia a vylepšenia snímok vytvárajú veľký potenciál pre ešte presnejšiu, a tým aj spoľahlivejšiu identifikáciu zdravotného stavu lesných porastov.

Zvolená technológia umožňuje operatívne zaradenie aktuálnych satelitných snímok do ma-pových aplikácií StaleSu. takto boli v máji 2014 zaradené do subsystému priestorové vrstvy veternej kalamity žofia, kedy v relatívne krátkom časovom slede od 20. do 24. 5. pokryli sateli-

ty landsat 7 a 8 celé územie Slovenska, čo umožnilo včasný odhad dopadov kalamity a orien-tačné zmapovanie rozsahu poškodených porastov. automaticky predspracované snímky bez ďalších nárokov na ich úpravu bolo možné publikovať v mapových aplikáciách v priebehu nie-koľkých hodín. Ďalšie priestorové vrstvy – kompozícia satelitných snímok, orientačná klasifiká-cia poškodenia a vrstva hustoty lesných porastov boli pridané do mapových aplikácií prakticky bezprostredne po ich spracovaní v priebehu niekoľkých dní. potvrdilo sa, že údaje DpZ umož-ňujú rýchle zmapovanie rozsiahlych území pri minimalizácii nákladov.

nami zvolené prístupy zobrazovania kompozícií satelitných snímok a klasifikácii poškode-nia sú vhodné pre vizuálnu interpretáciu snímok, resp. klasifikácií poškodenia, ale neumožňujú priamo kvantifikovať rozsah zmien. aspoň čiastočne je tento nedostatok riešený v mapovej apli-kácii 1, kde sú k dispozícii nástroje pre vyznačenie polygónov s automatickým výpočtom výme-ry. ide o nástroj vhodný pre manuálnu kvantifikáciu zmien na menšej, resp. lokálnej úrovni. na celoslovenskej úrovní umožňujú kvantifikovať stav a zmeny stavu krajinnej pokrývky výstupy z projektu corine land cover (clc) z rokov 1990, 2000 a 2006. obmedzením objektového prístupu použitého pri clc je v metodike stanovená minimálna výmera mapovanej jednotky. napríklad pre určenie zmeny je to 5 ha, čo môže viesť k nad alebo podhodnoteniu určenia zme-ny krajinnej pokrývky pre konkrétne špecifické prípady (feranec et al., 2007, 2012).

v subsystéme SatleSyS je najväčším problémom dostupnosť dát. produkt moD17 s priestorovým rozlíšením 1 km nie je pre podmienky Slovenska dostatočne podrobný, navyše je postavený na veľmi hrubých meteorologických údajoch. Získanie a spracovanie presnejších me-teorologických dát je však náročné na čas i finančné prostriedky, preto jeho ďalší rozvoj závisí od podpory, ktorej sa (azda) podobným vedeckým projektom dostane v budúcnosti.

5. Záver

Doterajšie skúsenosti a výsledky z prevádzkovania regionálneho informačného systému za-meraného na stav lesa ukazujú, že takýto systém má na Slovensku opodstatnenie a postupne si medzi štátnou lesnou správou, správcami a majiteľmi lesa, ale i laickou verejnosťou získava svoje nezastupiteľné miesto. medzi hlavné prednosti subsystému StaleS patrí najmä možnosť poskytnutia rýchleho prehľadu o stave lesných porastov v predmetnom území a jednoduchá vi-zualizácia zmien stavu. jeho účelnosť plne preverila veterná kalamita žofia z mája 2014, kedy sa StaleS stal všeobecne využívaným nástrojom na mapovanie poškodených porastov. Subsys-tém StaleS patrí k úspešným aplikáciám DpZ na Slovensku.

Subsystém SatleSyS je náročnejší na spravovanie aj interpretáciu výsledkov, preto si vy-žaduje ďalší rozvoj v podobe vedeckých projektov zameraných na výskum produkcie lesných porastov s podporou DpZ.

Internetové odkazy[1] StaleS: [používateľská aplikácia] http://www.nlcsk.sk/stales[2] SatleSyS: [používateľská aplikácia] http://www.nlcsk.sk/satlesys[3] Glovis [používateľská aplikácia] http://glovis.usgs.gov/[4] earthexplorer http://earthexplorer.usgs.gov/[5] moDiS produkty http://e4ftl01.cr.usgs.gov[6] Grass openSource GiS http://grass.osgeo.org[7] https://www.google.com/analytics

Literatúra 181Satelity v Službách leSa

LITERATÚRA

abraham, j., adolt, r., 2006: Stand height estimations using aerial images and laser scanning data.

koukal, t., Schneider, W. (eds): Workshop on 3D remote Sensing in forestry. earSel – vienna: 24 – 31.

adams, r. m., hurd, b. h., lenhart, S., leary, n., 1998: effects of global climate change on agricultu-re: an interpretative review. Climate Research, 11: 19 – 30.

ahl, D. e., Gower, S. t., burrows, S. n., Shabanov, n. v., myneni, r. b., knyazikhin, y., 2006: mo-nitoring spring canopy phenology of a deciduous broadleaf forest using moDiS. Remote Sensing of Environment 104: 88 – 95.

albrechtová, j., rock, b. n., Soukupová, j., entcheva, p., Šolcová, b., polák, t., 2001: biochemical, histochemical, structural and reflectance markers of damage in norway spruce from the krušné hory mts. used for interpretation of remote sensing data. Journal of Forest Science, 47: 26 – 33.

allen, c. D., macalady, a. k., chenchouni, h., bachelet, D., mcDowell, n., vennetier, m., kitzberger, t., rigling, a., breshears, D. D., hogg, e. h., Gonzalez, p., fensham, r., Zhang, Z., castro, j., Demidova, n., lim, j.-h., allard, G., running, S.W., Semerci, a., cobb, n., 2010: a global over-view of drought and heat-induced tree mortality reveals emerging climate change risks for forests. Forest Ecology and Management, 259: 660 – 684.

ananyev, G., kolber, Z. S., klimov, D., falkowski, p. G., berry, j. a., rascher, u., martin, r. et al., 2005: remote sensing of heterogeneity in photosynthetic efficiency, electron transport and dissipa-tion of excess light in populus deltoides stands under ambient and elevated co2 concentrations, and in a tropical forest canopy, using a new laser-induced fluorescence transient device. Global Change Biology, 11 (8): 1195 – 206.

anderson, l. o., malhi, y., aragão, l. e. o. c., ladle, r., arai, e., barbier, n., phillips, o., 2010: remote sensing detection of droughts in amazonian forest canopies. New Phytologist, 187 (3): 733 – 750.

archaux, f., Woltres, v., 2006: impact of summer drought on forest biodiversity: what do we know? Annals of Forest Science, 63 (6): 645 – 652.

arctur, D., Zeiler, m., 2004: Designing geodatabases – case studies in GiS Data modeling. esri, red-lands, california.

assmann, e. 1969: náuka o výnose lesa. bratislava: príroda. 488 s.asrar, G., fuchs, m., kanemasu, e. t., hatfield, j. h. 1984: estimating absorbed photosyntetic radia-

tion and leaf area index from spectral reflectance in wheat. Agronomy Journal, 76: 300 – 306.

backes, k., leuschner, c., 2000: leaf water relations of competitive Fagus sylvatica and Quercus pet-raea trees during 4 years differing in soil drought. Canadian Journal of Forest Research, 30: 335 – 346.

barka, i., 2009: návrh regionálneho informačného systému ekologického a produkčného stavu lesa na báze údajov DpZ. in: bucha, t., pavlendová, h. (eds.): Diaľkový prieskum Zeme – lesy v menia-cich sa prírodných podmienkach. Zborník vedeckých prác. Zvolen: nlc: 123 – 142.

barka, i., bucha, t., 2010: aktualizované informácie o hynutí smrečín zo satelitných snímok. in: kulla, l., Sitková, Z. (eds.): hynutie a rekonštrukcie smrečín na Slovensku. recenzovaný zborník odbor-ných prác. [DvD] Zvolen: nlc – lvÚ: 24 – 59.

barka, i., bucha, t., 2010: Satellite-based regional system for observation of forest response to global environmental changes. in: horák, j., halounová, l., hlásny, t., kusendová, D., voženílek, v. (eds.): advances in Geoinformation technologies 2010. [online] technical university of ostrava. 2010: 1 – 14. [online] Dostupné z: http://www.nlcsk.sk/stales/

baumann, m., ozdogan, m., Wolter, p. t., krylov, a., vladimirova, n., radeloff, v. c., 2014: landsat remote sensing of forest windfall disturbance. Remote Sensing of Environment, 143 (5): 171 – 179.

beck, p. S. a., jönsoon, p., høgda k. a., karlsen, S.r., eklund l. and Skidmore a. k., 2007: a ground--validated nDvi dataset for monitoring vegetation dynamics and mapping phenology in fennoscan-dia and the kola peninsula. International Journal of Remote Sensing, 28 (19): 4311 − 4330.

beck, p. S. a., atzberger, t. c., høgda, k. a., johansen, b., Skidmore, a. k., 2006: improved monito-ring of vegetation dynamics at very high latitudes: a new method using moDiS nDvi. Remote Sensing of Environment, 100: 321 – 334.

blume, p., Sukopp, h. 1976: Ökologische bedeutung anthropogener bodenveränderungen. Schriften-reihe Vegetationskunde 10: 7 – 89

bončina, a., Diaci, j. 1998: contemporary research on regeneration patterns of central european virgin forests with recomendations for future research. in: Zbornik gozdarstva in lesarstva, 56: 33 – 53.

bradley, c. r., Schwartz, m. D., xiangming, x., 2009: remote sensing phenology: Status and way forward. in. noormets, a. (ed), 2009: phenology of ecosystems processes. pp. 87 − 117. Springer: Dordrecht / heidelberg / london / new york.

brandýsová, v., 2010: odvodenie vegetačného indexu lesných ekosystémov za satelitných údajov mo-DiS. Diplomová práca. Zvolen: technická univerzita vo Zvolene, lesnícka fakulta. 75 s.

brandýsová, v., bucha, t., 2011: využitie vegetačného indexu nDvi odvodeného z moDiSu pri mo-delovaní ukončenia vegetačného obdobia. in: Středová, h., rožnovský, j., litschmann, t. (eds): mikroklima a mezoklima krajinných struktur a antropogenních prostředí. Sborník příspěvků z me-zinárodní konference. Skalní mlýn, 2. – 4. 2. 2011: 12 s.

brandýsová, v., bucha, t., 2013: vplyv prízemnej vegetácie a podrastu na priebeh fenologickej krivky bukových porastov odvodenej z údajov moDiS. Lesnícky časopis - Forestry Journal, 58(4): 231 – 242.

brandýsová, v., 2013: využitie vegetačných indexov na sledovanie zmien fenologických prejavov bu-kových porastov. [Dizertačná práca] Zvolen: tu 130 s.

braslavská, o., kamenský, l. 1996: fenologické pozorovanie lesných rastlín. metodický predpis. Bra-tislava: ShmÚ 1996. 22 s.

bréda, n., huc, r., Granier, a., Dreyer, e., 2006: temperate forest trees and stands under severe drou-ght: a review of ecophysiological responses, adaptation processes and long-term consequences. An-nals of Forest Science, 63: 625 – 664.

brolly, G., kiraly, G., 2010: algorithms for stem mapping by means of terrestrial laser scanning. Acta Silvatica et Lignaria Hungarica 5: 119 – 130

bucha, t., 1999: classification of tree species composition in Slovakia from satellite images as a part of monitoring forest ecosystems biodiversity. Acta Instituti Forestalis Zvolen, 9: 65 – 84.

bucha, t., raši, r., vladovič., j., 2002: metódy monitoringu zdravotného stavu lesov prostriedkami DpZ. Záverečná správa z úlohy č. 2729-01. Zvolen: lvÚ: rkp. 91 s.

bucha, t., koreň, m., 2009: kontinuálne sledovanie odozvy lesných ekosystémov na meniace sa pod-mienky prírodného prostredia pomocou údajov DpZ – tvorba údajovej bázy. in. t. bucha, h. pav-lendová (eds.): Diaľkový prieskum Zeme – lesy v meniacich sa prírodných podmienkach. Zborník vedeckých prác. Zvolen: nlc: 35 – 50.

bucha, t., barka, i., 2010: STALES – webový nástroj na vyhodnocovanie zdravotného stavu lesa a roz-padu smrekových porastov zo satelitných snímok. in: konôpka, b. (ed.): výskum smrečín destabi-lizovaných škodlivými činiteľmi. vedecký recenzovaný zborník. Zvolen: nlc: 75 – 85.

bucha, t., vladovič, j., juriš, m., barka, i., 2010: aplikácie diaľkového prieskumu Zeme využiteľné v prácach hÚl. in: bortel, S., bavlšík, j. (eds.): Súčasnosť a budúcnosť hospodárskej úpravy na Slovensku. Zborník príspevkov z odborného seminára, Zvolen 27. januára 2010, Zvolen: národné lesnícke centrum: 73 – 82.

bucha, t., vladovič, j., 2011: koncept hierarchickej typizácie porastových textúr z údajov DpZ. in: vladovič, j. et al. 2011: Štruktúra a diverzita lesných ekosystémov na Slovensku. Zvolen: národné

Literatúra 183182 Literatúra

lesnícke centrum – lesnícky výskumný ústav: 39 – 52. bucha, t., priwitzer, t., koreň, m., 2011: modelovanie fenologického vývoja lesných porastov pomo-

cou vegetačného indexu nDvi odvodeného zo satelitných snímok moDiS. Lesnícky časopis – Fo-restry Journal, 57(3): 187 – 196.

burrough, p. a., mcDonnell, r. a., 1998: principles of geographical information systems. oxford uni-versity press, oxford.

caccamo, G., chisholm, l .a., bradstock, r. a., puotinen, m. l., 2011: assessing the sensitivity of moDiS to monitor drought in high biomass ecosystems. Remote Sensing of Environment, 115: 2626 – 2639.

carter, G. a., Seal, m. r., haley, t., 1998: airborne detection of southern pine beetle damage using key spectral bands. Canadian Journal of Forest Research, 28: 1040 – 1045.

ceccato, p., flasse, S., tarantola, S., jacquemoud, S., Grégoire, j.m., 2001: Detecting vegetation leaf water content using reflectance in the optical domain. Remote Sensing of Environment, 77: 22 – 33.

cohen, W. b., maiersperger, t. k., yang, Z.Q., Gower, S.t., turner, D.p., ritts, W.D., berterretche, m., running, S.W., 2003: comparisons of land cover and lai estimates derived from etm+ and moDiS for four sites in north america: a quality assessment of 2000/2001 provisional moDiS products. Remote Sensing of Environment, 88: 233 –255.

conese, c., Gilabert, m. a., maselli, f., bottai, l., 1991: topographic normalization of tm scenes through the use an atmosferic correction method and digital terrain models. Photogrammetric engi-neering & Remote sensing, 59(12): 1745 – 1753.

coppin, p. r.; bauer, m. e., 1994: processing of multitemporal landsat tm imagery to optimize ex-traction of forest cover change features. IEEE Transactions on Geoscience and Remote Sensing, 32 (4): 918 – 927.

coppin, p., nackaerts, k., Queen, l., brewer, k., 2001: operational monitoring of green biomass chan-ge for forest management. Photogrammetric Engineering & Remote Sensing, 67 (5): 603–611.

coops n.c., black, t.a., jassal, r.S., trofymow, j.a., morgenstern, k., 2007: comparison of moDiS, eddy covariance determined and physiologically modelled gross primary production (Gpp) in a Do-uglas-fir forest stand. Remote Sensing of Environment, 107: 385 – 401.

czúcz, b., Gálhidy, l., mátyás, c., 2011: present and forecasted xeric climatic limits of beech and sessile oak distribution at low altitudes in central europe. Annals of Forest Science, 68: 99 – 108.

čaboun, v., 1996: ekológia lesa. Zvolen, tu. [Skriptá] čaboun v. 2000: priestorová štruktúra lesa a jej vplyv na ekologickú stabilitu, Lesnícky časopis, 46 (1):

15 – 36.čaboun, v., tutka, j., moravčík, m. a kol., 2010: uplatňovanie funkcií lesa v krajine. Zvolen: nlc:

285 s.

Dalezios, n. r., blanta, a., Spyropoulos, n. v., 2012: assessment of remotely sensed drought features in vulnerable agriculture. Natural Hazards and Earth System Science, 12 (10): 3139 – 3150.

Deshayes, m, Guyon, D, jeanjean h, Stach, n, jolly, a, hagolle, o., 2006: the contribution of remote sensing to the assessment of drought effects in forest ecosystems. Annals of Forest Science, 63 (6): 579 – 95

Dixon, r. m. W., 1994: ergativity. cambridge university press. 271 p.Drexhage, m., colin, f., 2001: estimating root system biomass from breast-height diameters. Forestry,

74 (5): 491– 497.

eklundh, l., johansson, t., Solberg, S., 2009: mapping insect defoliation in Scots pine with moDiS time-series data. Remote Sensing of Environment, 113: 1566 – 1573.

ekstrand, S., Schardt, m., Granica, k., koch, b., kahabka, h., carnemolla, S., häusler, t., 1998: Se-mefor. Satellite based environmental monitoring of european forests. ec community research. luxembourg: 103 p.

ekstrand, S., 1994: assessment of forest damage with lanDSat tm: correction for varying forest stand characteristics. Remote Sensing of Environment, 47: 291 – 302.

ellenberg h. 1963: vegetation mitteleuropas mit den alpen in kausaler, dynamischer und historischer Sicht. in: Walter h., Einführung in die Phytologie 4/2, Stuttgart.

engelbrecht, b. m. j., kursar, t.a., tyree, m.t., 2005: Drought effects on seedling survival in a tropi-cal moist forest. Trees – Structure and Function, 19: 312 – 321.

epron, D., Dreyer, e., 1993: long-term effects of drought on photosynthesis of adult oak trees [Quercus petraea (matt.) liebl. and Quercus robur l.] in a natural stand. New Phytologist, 125: 381 – 389.

feranec, j., bucha, t., csaplár, j., hefty, j., jurašek, m., kaňák, j., kudela, k., machková, n., Sviček, m., vojtko, r., Scholtz, p., nováková, m., Szöcsová, i., raši, r., vladovič, j., Zeman, m., finďo, S., 2010: Slovensko očami satelitov. bratislava: veDa, vydavateľstvo Slovenskej akadémie vied: 264 s.

feranec, j., hazeu, christensen, S., jaffrain, G., 2007: corine land cover change detection in europe (case studies of the netherlands and Slovakia). Land Use Policy 24: 234 – 247.

feranec, j., Soukup, t., hazeu, G., jaffrain, G., 2012: land cover and its change in europe: 1990 – 2006. in: Remote Sensing of Land Use and Land Cover: principles and applications. boca raton: crc press, 2012: 285 – 301.

field, c. b., randerson, j. t., malmstrom, c. m., 1995: Global net primary production: combining ecology and remote sensing. Remote Sensing of Environment, 51: 74 – 88.

fisher, j. i., mustard, j. f., vadeboncoeur, m. a., 2006: Green leaf phenology at landsat resolution: Scaling from the field to the satelite. Remote Sensing of Environment, 100: 265 – 279.

fisher, j. i., mustard, j. f., 2007: cross-scalar satellite phenology from ground, landsat and moDiS data. Remote Sensing of Environment, 109: 261 – 273.

fisher, j. i., richardson, a. D., mustard, j. f., 2007: phenology model from surface meteorology does not capture satellite-based greenup estimations. Global Change Biology, 13(3): 707 – 721. fisher, j., mustard, j., vadeboncoeur, m., 2006: Green leaf phenology at landsat resolution: Scaling from the field to the satellite. Remote Sensing of Environment, 100(2): 265 – 279.

fotheringham, a. S., Wegener, m., 2000: Spatial models and GiS: new potential and new models. taylor and francis, london.

franch, b., vermote, e. f., Sobrino, j.a., fédèle, e., 2013: analysis of directional effects on atmosphe-ric correction. Remote Sensing of Environment, 128: 276 – 288.

franklin, S. e., Wulder, m. a., Skakun, r. S., carroll, a. l., 2003: mountain pine beetle red-attack forest damage classification using stratified landsat tm data in british columbia, canada. Photo-grammetric Engineering & Remote Sensing, 69(3): 283 – 288.

fotheringham, a. S., Wegener, m., 2000: Spatial models and GiS: new potential and new models. taylor and francis, london.

Gamon, j. a., field, c. b., bilger, W., björkman, o., fredeen, a. l., peñuelas, j., 1990: remote-sen-sing of the xanthophyll cycle and chlorophyll fluorescence in sunflower leaves and canopies. Oeco-logia, 85(1): 1 – 7.Gamon, j. a., peñuelas, j., field, c. b., 1992: a narrow-waveband spectral index

Literatúra 185184 Literatúra

that tracks diurnal changes in photosynthetic efficiency. Remote Sensing of Environment, 41(1): 35 – 44.

Ganguly, S., friedl, m. a., tan, b., Zhang, x., verma, m., 2010: land surface phenology from mo-DiS: characterization of the collection 5 global land cover dynamics product. Remote Sensing of Environment, 114: 1805 – 1816.

Geßler, a., keitel, c., kreuzwieser, j., matyssek, r,., Seiler, W., rennenberg, h., 2007: potential risks for european beech (Fagus sylvatica l.) in a changing climate. Trees, 21: 1 – 11.

Glenn, e. p., huete, a. r., nagler, p. l., nelson, S. G., 2008: relationship between remotely-sensed vegetation indices, canopy attributes, and plant physiological processes: What vegetation indices can and cannot tell us about the landscape. Sensors, 8: 2136 – 2160

Glončák, p., 2007: hodnotenie prirodzenosti lesných porastov na základe typologických jednotiek (prí-klad z ochranného pásma badínskeho pralesa). in: hrubá, v. & Štykar, j. (eds.), Geobiocenologie a její aplikace, Geobiocenologické spisy, svazek č. 11, mZlu, brno: 39 – 46.

Glončák, p., martinák, m. 2008: metodický postup podrobného hodnotenia prirodzenosti drevinového zloženia v prostredí idrisi. in: m. koreň, majlingová a., Smreček r. (eds.): Stretnutie užívateľov produktov Idrisi a ESRI. Zvolen:, technická univerzita.

Gong, j., Sui, h., ma, G., Zhou, Q., 2008: a review of multi-temporal remote sensing data change de-tection algorithms. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. xxxvii. part b7. beijing, 2008: 757 – 762.

Goward, S. n., tucker, c. j., Dye, D. G. 1985: north american vegetation patterns observed woth the noaa-7 advanced very high resolution radiometer. Vegetatio, 64: 3 – 14.

Gower, S. t., kucharik, c. j., norman, j. m., 1999: Direct and indirect estimation of leaf area index, fapar and net primary production of terrestrial ecosystems. Remote Sensing of Environment, 70: 29 – 51.

Grabherr, G., koch, G., kirchmeir, h., reiter, k. 1995: hemerobie österreichischer Waldökosysteme - vorstellung eines forschungsvorhabens im rahmen des österreichischen beitrages zum mab--programm der uneSco. Zeitschrift für Ökologie und Naturschutz. Gustav fischer-verlag: 105 –110.

Grék, j., vladovič, j., 1999: expertné databázy pôvodného a výhľadového zastúpenia drevín podľa ty-pologických jednotiek. Zvolen: lvÚ.

Grodzki, W., jakuš, r., lajzová, e., Sitková, Z., maczka, t. & Škvarenina, j., 2006: effects of intensi-ve versus no management strategies during an outbreak of the bark beetle ips typographus (l.) (col.: curculionidae, Scolytinae) in the tatra mts. in poland and Slovakia. Annals of Forest Scien-ce, 63: 55 – 61.

Gross, c. p. et al., 1999: remote sensing applications for forest health status assessment. Second edi-tion. european communities. procul consulting.

Gutman, G. G., 1990: towards monitoring drought from space. Journal of Climate, 3: 282 – 295.

hájek, f., adolt, r., kantorová, m., Studená, k., tomančák, o., 2014: automated production of fo-restry thematic maps – a concept of remotely sensed data fusion in the czech nfi2. forestSat2014 open conference System. [online] Dostupné z http://ocs.agr.unifi.it/index.php/forestsat2014/fo-restSat2014/paper/view/82

hanes, j. m., Schwartz, m. D., 2010: modeling land surface phenology in a mixed temperate forest using moDiS measurements of leaf area index and land surface temperature. Theoretical and Ap-plied Climatology. doi:10.1007/s00704-010-0374-8

heinsch, f. a., et al., 2003: user’s Guide Gpp and npp (moD17a2/a3) products naSa moDiS land algorithm: 57 p.

heinsch, f. a., Zhao, m., running, S. W., kimball, j. S., nemani, r. r., Davis, k. j., et al. 2006: eva-luation of remote sensing based terrestrial productivity from moDiS using regional tower eddy flux

network observations. IEEE Transactions on Geosciences and Remote Sensing, 44: 1908 –1925.helmisaari, h. S., makkonen, k., kellomäki, S., valtonen, e., mälkönen, e., 2002: below- and above-

-ground biomass, production and nitrogen use in Scots pine stands in eastern finland. Forest Ecolo-gy and Management, 165 (1): 317 – 326.

henricksen, b. l., Durkin, j. W., 1986: Growing period and drought early warning in african using satellite data. International Journal of Remote Sensing, 11: 1608 – 1853.

heumann, b. W., Seaquist, j. W., eklundh, l., jönsson, p., 2007: avhrr derived phenological change in the Sahel and Soudan, africa, 1982 – 2005. Remote Sensing of Environment, 108: 385 – 392.

hill, j. m., Senarath, u., lee, a., Zeppel, m., nightingale, j. m., Williams, r. j., mcvicar, t. r., 2006: assessment of the moDiS lai product for australian ecosystems. Remote Sensing of Environment, 101: 495 – 518.

hilker, t., coops, n. c., Wulder, m., a., black, t. a., Guy, r. D., 2008: the use of remote sensing in light use efficiency based models of gross primary production: a review of current status and future requirements. Science of the Total Enviroment, 404: 411 – 423.

holeksa, j. 2001: coarse woody debris in a carpathian subalpine spruce forest. Forstwissenschaftliches Cenralblatt, 120: 256 – 270.

holeksa, j., Saniga, m., Szwagrzyk, j., Dziedzic, t., ferenc, S., Wodka, m. 2007: altitudinal variabili-ty of stand structure and regeneration in the subalpine spruce forests of the poľana biosphere reser-ve, central Slovakia. European Journal of Forest Research, 126: 303 – 313.

hlásny, t., bucha, t., konôpka, j., kulla, l., petráš, r., tutka, j., vladovič, j., hudecová, D., lupták, i., mecko, j., Sitková, Z., Šebeň, v., konôpka, m., kovalčík, m., kunca, a, 2008: vypracovanie krátkodobých a strednodobých prognóz ako podkladu pre rozhodovacie procesy, na základe zhod-notenia doterajšieho priebehu vývoja hynutia smrečín a kalamít podkôrneho hmyzu. Zvolen: nlc: 108 s.

hlásny, t., barcza, Z., fabrika, m., balázs, b., churkina, G., pajtík, j., Sedmák, r., turčáni, m., 2011a: climate change impacts on growth and carbon balance of forests in central europe. Climate Rese-arch, 47: 219 – 236.

hlásny, t., křístek, Š., holuša, j., trombik, j., urbaňcová, n., 2011b: Snow disturbances in secondary norway spruce forests in central europe: regression modeling and its implications for forest ma-nagement. Forest Ecology and Management, 262: 2151 –2161.

hlásny, t., turčáni, m. 2013: persisting bark beetle outbreak indicates the unsustainability of seconda-ry norway spruce forests: case study from central europe. Annals of Forest Science, 70 (5): 481 – 491.

hlásny, t., barka, i., Sitková, Z., bucha, t., konôpka, m. lukáč, m., 2014a: moDiS-based vegetation index has sufficient sensitivity to indicate stand-level intra-seasonal climatic stress in oak and beech forests. Annals of Forest Science, Doi: 10.1007/s13595-014-0404-2

hlásny, t., barcza, Z., barka, i., merganičová, k., Sedmák, r., kern, a., pajtík, j., balázs, b., fabrika, m., churkina, G., 2014b: future carbon cycle in mountain spruce forests of central europe: model-ling framework and ecological inferences. Forest Ecology and Management, Doi: 10.1016/j.fore-co.2014.04.038

hmimina, G., Dufrêne, e., pontailler, j-y, Delpierre, n., aubinet, m., caquet, b., de Grancourt, a., burban, b., flechard, c., Granier, a., Gross, p., heinesch, b., longdoz, b., moureaux, c., ourci-val, j-m., rambal, S., Saint andré, l., Soudani, k., 2013: evaluation of the potential of moDiS satellite data to predict vegetation phenology in different biomes: an investigation using Ground--based nDvi measurements. Remote Sensing of Environment, 132: 145 – 158.

huete, a., Didan, k., miura, t., rodriguez, e. p., Gao, x., ferreira, l. G., 2002: overview of the radio-metric and biophysical performance of the moDiS vegetation indices. Remote Sensing of Environ-ment, 83: 195 – 213.

hunt, e. r. jr., 1994: relationship between woody biomass and par conversion efficiency for estima-ting net primary production from nDvi. International Journal of Remote Sensing, 15: 1725 –1730.

Literatúra 187186 Literatúra

christ, e. p., cicone, r. c., 1984: application of the tasseled cap concept to simulted tm data. Pho-togrammetric Engineering & Remote Sensing, 50(3): 343 – 352.

churkina G, brovkin v, von bloh W, trusilova k and others, 2009: Synergy of rising nitrogen depositions and atmo -spheric co2 on land carbon uptake moderately offsetsglobal warming. Global Biogeoche-mical Cycles, 23 (4): Gb4027 doi: 10.1029/2008Gb003291

chytrý, m., otýpková, Z., 2003: plot sizes used for phytosociological sampling. Journal of Vegetation Science, 14: 563 – 570.

jackson, r. D., 1983: Spectral indices in n-Space. Remote Sensing of Environment, 13 (5): 409 – 421. jacquemoud, S., bacour, c., poilve, h., frangi, j. p., 2000: comparison of four radiative transfer mo-

dels to simulate plant canopies reflectance: direct and inverse mode. Remote Sensing of Environ-ment, 74 (3): 471 – 481.

jakuš, r., čaboun, v., kukla, j., kulla, l., blaženec, m., 2008: hromadné hynutie nepôvodných smrečín severného Slovenska. Zvolen: Úel Sav: E-ekológia lesa, odborné ekologické publikácie č. 3. [online] Dostupné z: http://www.savzv.sk/domain/b6/files/e-ekologia-lesa/e_ekol_no3_2008.pdf

jaworski, a., kołodziej, Z., porada, k. 2002: Structure and dynamics of stands of primeval character in selected areas of the bieszczady national park. Journal forest Science, 48 (5): 185 – 201.

ji, l., peters, a. j., 2003: assessing vegetation response to drought in the northern Great plains using vegetation and drought indices. Remote Sensing of Environment, 87: 85 – 98.

joria, e. p., ahearn, S. a., 1991: a comparison of the Spot and lanD Sat thematic mapper satelli-te systems for detecting gypsy moth defoliation in michigan. Photogrammetric Engineering & Re-mote Sensing, 57(12): 1605 – 1612.

joyce, S., h. olsson, h. 1999: long-term forest monitoring with temporal-spectral trajectories from landsat tm data. conference on remote Sensing and forest monitoring. rogow, poland: 68 – 81. [online] Dostupné z http://www.isprs.org/proceedings/xxxiii/congress/part7/1081_xxxiii-part7.pdf

ju, j., roy, D. p., Shuai, y., Schaaf, c., 2011: Development of an approach for generation of temporal-ly complete daily nadir moDiS reflectance time series. Remote Sensing of Environment, 114: 1 – 20.

jump, a .S., hunt, j.m., peñuelas, j., 2006: rapid climate change-related growth decline at the southern range edge of Fagus sylvatica. Global Change of Biology, 12 (11): 2163 – 2174.

jurko, a. 1990: ekologické a socioekonomické hodnotenie vegetácie. bratislava: príroda: 195 s.justice, c. o.,townshend, j. r. G., holben, b. n., tucker, c. j., 1985: analysis of the phenology of

global vegetation using meteorological satellite data. International Journal of Remote Sensing, 8: 1271 – 1318.

justice, c. o., townshend, j. r. G., vermote, e. f., masuoka, e., Wolfe, r. e., Saleous, n., et al., 2002: an overview of moDiS land data processing and product status. Remote Sensing of Environment, 83: 3 − 15.

kang, S., running, S.W., lim, j-h., Zhao, m., park, ch-r., loehman, r., 2003: a regional phenology model for detecting onset of greenness in temperate mixed forests, korea: an application of moDiS leaf area index. Remote Sensing of Environment, 86 (2): 232 – 242.

kapolková, h., 2014: končí pravdepodobne najteplejší rok v histórii meteorologických pozorovaní v európe. ShmÚ bratislava. [online] Dostupné z http://www.shmu.sk/sk/?page=2049&id=572

karmeshu, n., 2012: trend detection in annual temperature & precipitation using the mann kendall test – a case study to assess climate change on select states in the northeastern united States. universi-

ty of pennsylvania Scholarlycommons: 27 p. [online] Dostupné z http://repository.upenn.edu/mes_capstones/47/

kautz, m., Dworschak, k., Gruppe, a. & Schopf, r., 2011: Quantifying spatio-temporal dispersion of bark beetle infestations in epidemic and non-epidemic conditions. Forest Ecology and Manage-ment, 262(4): 598 – 608.

kennedy, r. e., townsend, p. a, Gross, j. e., bolstad, p., Wang, y. o., adams, p., 2009: remote sen-sing change detection tools for natural resource managers: understanding concepts and tradeoffs in the design of landscape monitoring projects. Remote Sensing of Environment, 113: 1382 – 1396.

kennedy, r. e., yang, Z. G., & cohen, W. b., 2010: Detecting trends in forest disturbance and recove-ry using yearly landsat time series: 1. landtrendr – temporal segmentation algorithms. Remote Sensing of Environment, 114: 2897 – 2910.

kennedy, r. e., yang, Z., cohen, W. b., pfaff, e., braaten, j., nelson, p., 2012: Spatial and temporal patterns of forest disturbance and regrowth within the area of the northwest forest plan. Remote Sensing of Environment, 122: 117 – 133.

kenneweg, h., Sagischewski, h., Schardt, m., 1997: forest damage monitoring on european level by means of satellite remote sensing. international Workshop Application of Remote Sensing in Euro-pean Forest Monitoring. vienn, austria 14th – 16th october 1996, ec: 235 – 248.

klimo, e., 1994: Ekologie lesa. (ekology of the forest). brno: vŠZ. 170 s.kmeť, j., blaho, j. 1996: obsahy fotosyntetických pigmentov v ihliciach smrekov (picea abies /l./

karst.) z rôznej nadmorskej výšky. Acta Facultatis Forestalis Zvolen, xxxviii: 29 – 38.knyazikhin, j., Glassy, j., privette, j.l., tian, y., lotsch, a., Zhang, y., Wang, y., morisette, j.t.,

votava, p., myneni, r.b., nemani, r.r., running, S. W., 1999: moDiS leaf area index (lai) and fraction of photosynthetically active radiation absorbed by vegetation (fpar) product (moD15). Algorithm Theoretical Basis Document. 126 p.

koch, b., ammer, u., Schneider, t., Wittmeier, h., 1990: Spectroradiometer measurements in the la-boratory and in the field to analyse the influence of different damage symptoms on the reflection spectra of forest trees. International Journal of Remote Sensing, 11(7): 1145 – 1163.

kolber, Z., klimov, D., ananyev, G., rascher, u., berry, j., osmond, b., 2005: measuring photo-synthetic parameters at a distance: laser induced fluorescence transient (lift) method for remote measurements of photosynthesis in terrestrial vegetation. Photosynthesis Research, 84 (1–3): 121 – 129.

konôpka, j., konôpka, b. 2007: vývoj náhodnej ťažby dreva na Slovensku a jej prognóza pre vietor, sneh a námrazu. Lesnícky časopis – Forestry Journal, 53 (4): 273 – 291.

konôpka, b., 2007: význam lesných ekosystémopv pre fixáciu a obeh uhlíka. Lesnícky časopis – Fo-restry Journal, 53 (4): 347 – 357.

konôpka, j., konôpka, b. 2008: koncept stratégie ochrany lesa proti hlavným druhom abiotických škodlivých činiteľov. Lesnícky časopis – Forestry Journal, 54(3): 193 – 212.

konôpka, b. a kol., 2010: výskum smrečín destabilizovaných škodlivými činiteľmi. vedecký recenzo-vaný zborník. Zvolen: nlc: 339 s.

konôpka, j., konôpka, b., 2011: koncepcia ďalšieho výskumu ochrany lesa na Slovensku so zreteľom na biologický boj so škodlivými činiteľmi. Lesnícky časopis – Forestry Journal, 57(3): 197 – 207.

korpeľ, Š. 1995: Die urwälder der Westkarpaten. fischer verlag, Sttuttfart – jena – new york: 310 p.kowarik, i. 1988: Zum menschlichen einfluss auf flora und vegetation – theoretische konzepte und

ein Quantifizierungsansatz am beispiel von berlin (West). Landschaftsentwicklung und Umweltfor-schung, Schriftenreihe des Fachbereichs Landschaftsentwicklung der TU Berlin 56: 1 – 280.

krcho, j., mičietová, e., 1989: Geografický informačný systém – štruktúra a úrovne integrity. Geogra-fický časopis, 41 (4): 369 – 388.

kristof, D., pataki, r., 2009: novel vector-based preprocessing of moDiS data. in: ebook Remote Sensing for a Changing Europe: 483 – 490.

kucbel, S., jaloviar, p., Saniga, m., vencurik, j., klimaš, v. 2009: canopy gaps in an old-growth fir-

Literatúra 189188 Literatúra

-beech forest remnant of Western carpathians. European Journal of Forest Research 129(3): 249 – 259.

kulla, l., jakuš, r., turčáni, m. 2003: metodický postup lesoprojektu pre mapovanie výskytu syndró-mu „nešpecifického odumierania smrečín“. Zvolen: lesporojekt.

kunca, a. a kol., 2011: problémy ochrany lesa v roku 2010 a prognóza na rok 2011. in. kunca (ed.): Zborník referátov z medzinárodného seminára aktuálne problémy v ochrane lesa 2011. Zvolen: nlc: 11 – 20.

kunca, a., Galko, j., Zúbrik, m., 2014: aké významné kalamity v posledných rokoch postihli naše lesy? Les & letokruhy, júl – august 2014: 10 – 11.

kula, e., Stoklasa, m., 2003: lanDSat and its application to evaluate the dynamics of the health condition of birch stands. Journal of Forest Science, 49, 2003 (6): 241 – 251.

landsberg, j. j., prince, S.D., jarvis, p.G. et al., 1996: energy conversion and use in forests: the analy-sis of forest production in terms of radiation utilisation efficiency. in: h. l. Gholz and k. nakane (eds). the use of remote Sensing in the modeling of forest productivity at Scales from the Stand to the Globe. london: kluwer academic press.

lapin, m., matejovič, p., pecho, j., 2013: rok 2012 skončil na Slovensku ako 4. až 5. najteplejší za posledných 140 rokov. internteový odkaz http://www.nun.sk/rok2012/

le Dantec, v., Dufrêne, e., Saugier, b., 2000: interannual and spatial variation in maximum leaf area index of temperate deciduous stands. Forest Ecology and Management, 134: 71 – 81.

lee, D. W., o’keefe, j., holbrook, n. m., feild, t. S., 2003: pigment dynamics and autumn leaf senes-cence in a new england deciduous forest, eastern uSa. Ecological Research, 18: 677 – 694.

leuschner, c., backes, k., hertel, D., Schipka, f., Schmitt, u., terborg, o., runge, m., 2001: Drought responses at leaf, stem and fine root levels of competitive Fagus sylvatica l. and Quercus petraea (matt.) liebl. trees in dry and wet years. Forest Ecology and Management, 149: 33 – 46.

leuzinger, S., Zotz, G., asshoff, r., körner, c., 2005: responses of deciduous forest trees to severe drought in central europe. Tree Physiology, 25: 641 – 650.

li, x., Strahler, a. h., 1985: Geometric-optical modeling of a coniferous forest canopy. IEEE T ransac-tions on Geoscience and Remote Sensing, 23: 207 – 221.

li-cor, 1989: li-1800 - portable Spectroradiometer instruction manual. lobo, a., maisongrande, p., coret, l., 2010: the impact of the heat wave of summer 2003 in SW eu-

rope as observed from satellite imagery. Physical Chemistry of Earth, Parts A/B/C, 35: 19 – 24.longley, p. a., Goodchild, m. f., maguire, D. j., rhind, D. W., 2001: Geographic information Systems

and Science. Willey & Sons, new york.lorimer, c. G., 1993: causes of oak regeneration problems. in: loftis, D. l., mcGee, c. e. (eds) oak

regeneration: serious problems, practical recommendations. uSDa forest Service, Southeastern forest experiment Station, asheville, nc. Gen tech rep Se-84: 14 – 39.

lu, D., mausel, p., batistella, m., moran, e., 2005: land cover binary change detection methods for the moist tropical region of the amazon: a comparative study. International Journal of Remote Sensing, 26 (1): 101 – 114.

luyssaert, S. et al., 2006: relationships between Gpp, npp, nep, ra, rh and re in forest ecosystems. [online] Dostupné z http://www.bgc-jena.mpg.de/bgc-processes/ceip/conference/talks/6/1_luyssa-ert_Database_2006.pdf

martin, m. e., aber, j. D., 1997: high spectral resolution remote sensing of forest canopy lignin, nitro-gen, and ecosystem processes. Ecological Applications, 7 (2): 431 – 443.

matejovič, p., Siman, c., kučera, m., pecho, j., 2013: klimatologické zhodnotenie leta 2013. [online] Dostupné z http://www.nun.sk/leto2013_analyza.htm

mátyás, c., berki, i., czúcz, b., Gálos, b., móricz, n., rasztovits, e., 2010: future of beech in Southe-ast europe from the perspective of evolutionary ecology. Acta Silvatica & Lignaria Hungarica lign hung, 6: 91 – 110.

mäkelä, a., valentine, h., t., 2001: the ratio of npp to Gpp: evidence of change over the course of stand development. Tree Physiology, 21: 1015 – 1030.

mccormick, n., 1999: Satellite-based forest mapping ssing the SilvicS software. user manual. Space application institute joint research centre, italy, 1999.

mcGaughey, r., j., 2002: Stand visualisation System – SvS. uSDa forest Service, pacific northwest research Station. [online] Dostupné z http://forsys.cfr.washington.edu/winsvs/svs.html

mcmaster, G. S., Wilhelm, W.W., palic, D.b., porter, j.r., jamieson, p.D., 2003: Spring Wheat leaf appearance and temperature: extending the paradigm? Annal of Botany, 91 (6): 697 – 705.

meigs, W. c., kennedy, r. e. & cohen, W. b., 2011: a landsat time series approach to characterize bark beetle and defoliator impacts on tree mortality and surface fuels in conifer forests. Remote Sensing of Environment, 115(12): 3707 – 3718.

mentlík, p., jedlička, k., minár, j., barka, i., 2006: Geomorphological information system: physical model and options of geomorphologhical analysis. in. Geografie – Sborník České geografické spo-lečnosti, 2006, 1:15 – 32.

menzel, a., 2000: trends in phenological phases in europe between 1951 and 1996. International Journal of Biometeorology, 44: 76 – 81.

meroni m, colombo r, panigada c., 2004: inversion of a radiative transfer model with hyperspectral observations for lai mapping in poplar plantations. Remote Sensing of Environment, 92 (2): 195 –206.

minár, j., mentlík, p., jedlička, k., barka, i., 2005: Geomorphological information system: idea and options for practical implementation. Geografický časopis, 57 (3): 247 – 266.

miralles, D. G., Gash, j. h., holmes, t. r. h., de jeu, r. a. m.,, Dolman, a. j., 2010: Global canopy interception from satellite observations. Journal of Geophysical Research, 115 (D16): 1 – 8.

monteith, j. l., 1972: Solar radiation and productivity in tropical ecosystems. Journal of Applied Eco-logy, 9: 747 – 766.

monteith, j. l., 1977: climate and the efficiency of crop production in britain. Philosophical Transac-tions of the Royal Society of London. b., 281: 277 – 294.

moravčík, m. Grék, j. kamenský, m., konôpka, b., petráš, r., Šebeň, v., tučeková, a., vladovič, j., 2005: Zásady a postupy hospodárskej úpravy a obhospodarovania horských lesov smrekového ve-getačného stupňa. Lesnícke štúdie, 58/2005: 140 s.

mouat, D. a., mahin, G. G., lancaster, j., 1993: remote sensing techniques in the analysis of change detection. Geocarto International, 8 (2): 39 – 50.

moya, i., camenen, l., evain, S., Goulas, y., cerovic, Z. G., latouche, G., flexas, j., ounis, a. a., 2004: new instrument for passive remote sensing 1. measurements of sunlight induced chlorophyll fluorescence. Remote Sensing of Environment, 91(2): 186 – 197.

mu, Q., Zhao, m., running, S. W., 2011: improvements to a moDiS global terrestrial evapotranspira-tion algorithm. Remote Sensing of Environment, 115 (8): 1781 – 1800.

murakami, t., fujii, h., imada, m., 1998: comparison of correction methods for topographic effects on landsat tm data. bulletin of the kyushu university forests, 78: 13 – 28.

myneni, r.b., Williams, D. l., 1994: on the relationship between fpar and nDvi. Remote Sensing of Environment, 49: 200 – 211.

myneni, r. b., hall, f. G., Sellers, p. j., marshak, a. l., 1995: the interpretation of Spectral vegetation indexes. IEEE Transactions on Geoscience and Remote Sensing, 33 (22): 481 – 486.

myneni, r.b., hoffman, S., knyazikhin, y., privette, j.l., Glassy, j., tian, y., Wang, y., Song, x., Zhang, y., Smith, G.r., lotsch, a., friedl, m., morisette, j.t., votava, p., nemani, p.r., running, S.W., 2002: Global products of vegetation leaf area and fraction absorbed par from year one of moDiS data. Remote Sensing of Environment, 83: 214 – 231.

Literatúra 191190 Literatúra

nagai, S., nasahara, k. n., muraoka, h., akiyama, t., tsuchida, S., 2010: field experiments to test the use of the normalized-difference vegetation index for phenology detection. Agricultural and Forest Meteorology, 150: 152 – 160.

noormets, a. (ed), 2009: phenology of ecosystems processes. Springer, Dordrecht / heidelberg / lon-don / new york.

oldford, S., leblon, b., maclean, D., flannigan, m., 2006: predicting slow-drying fire weather index fuel moisture codes with noaa-avhrr images in canada’s northern boreal forests. International Journal of Remote Sensing, 27 (18): 3881 – 3902.

olsson, h., 1993: regression functions for multitemporal relative calibration of thematic mapper data over boreal forest, Remote Sensing of Environment, 46: 89 – 102.

pajtík, j., 2009: odvodenie hrubej a čistej primárnej produkcie lesných ekosystémov s využitím satelit-ných údajov moDiS. in bucha, t., pavlendová, h. (eds.): Diaľkový prieskum Zeme – lesy v me-niacich sa prírodných podmienkach. Zborník príspevkov z vedeckého seminára. Zvolen: nlc--lvÚ, lesnícka fakulta tu: 83 – 98.

papánek, f.,1967: Doplnok k Zn ing. j. Gréka č. 4. Zvolen: ÚhÚl.pavlenda, p., pajtík, j., priwitzer, t. et al., 2011: monitoring lesov Slovenska. Správa za projekt futmon

a čmS lesy za rok 2010. Zvolen: nlc-lvÚ. 206 s.pavlenda, p., pajtík, j., priwitzer, t. et al., 2013: monitoring lesov Slovenska. Správa za projekt futmon

a čmS lesy za rok 2012. Zvolen, nlc-lvÚ: 142 s. [online] Dostupné z http://www.nlcsk.sk/nlc_sk/ustavy/lvu/vyskum/oeble/spravy_za_cms_lesy.aspx

peñuelas, j., Gamon, j. a., fredeen, a. l., merino, j., field, c. b., 1994: reflectance indexes associated with physiological-changes in nitrogen-limited and water-limited sunflower leaves. Remote Sensing of Environment , 48 (2): 135 – 146.

petráš, r., košút, m., oszlányi, j., 1985: listová biomasa stromov smreka, borovice a buka. Lesnícky časopis, 31 (2): 121 – 136.

petráš, r., pajtík, j., 1991: Sústava česko-slovenských objemových tabuliek drevín. Lesnícky časopis, 37 (1): 49 – 56.

piao, S., fang, j., Zhou, l., ciais, p., Zhu, b., 2006: variations in satelite-derived phenology in china’s temperate vegetations. Global Change Biology, 12: 672 – 685.

polák, p., Saxa, a. (eds.), 2005: priaznivý stav biotopov a druhov európskeho významu. banská bystri-ca: Šop Sr: 736 s.

polle, a., Schwanz, p., rudolf, c., 2001: Developmental and seasonal changes of stress responsiveness in beech leaves (Fagus sylvatica l.). Plant Cell and Environment, 24: 821 – 829.

poórová j., blaškovičová, l., Škoda, p., Šimor, v., 2013: trendy minimálnych ročných a mesačných prietokov na slovenských tokoch. Zborník abstraktov z odborného semináru: Sucho a jak mu čelit, praha: 20 – 23. 2013. [online] Dostupné z http://voda.chmi.cz/sucho_2013/Sucho_15_5_2013_sbornik.pdf

preushler, t., 1999: manual on methods and criteria for harmonized sampling, assessment, monitoring and analysis of the effects of air pollution on forest. part ix. phenological observation. un-ece: 35 p.

prince, S. D., Goward, S. n., 1995: Global primary production: a remote sensing approach. Journal of Biogeography, 22: 815 – 835.

priwitzer, t., bucha, t., koreň, m., 2009: využitie vegetačného indexu nDvi odvodeného z moDiSu pri fenologických pozorovaniach lesných drevín. In: bucha, t., pavlendová, h., (eds.): Diaľkový

prieskum Zeme – lesy v meniacich sa prírodných podmienkach. Zvolen: lvÚ: s. 51 – 64.priwitzer, t., 2010: fenologické pozorovania. in: pavlenda, pajtík (eds.): monitoring lesov Slovenska.

Správa za čmS lesy a projekt futmon za rok 2009. nlc-lvÚ Zvolen: 85 – 91.

Qinghong, l., hakan, h. 1991: Gap structure, disturbance and regeneration in a primeval picea abies forest. Journal of Vegetation Science, 2 (3): 391 – 402.

račko, j., 1996: fotoletecký monitoring zdravotného stavu lesov. Lesnícke štúdie, 54/1996, bratislava: Sap. 66 s.

radke, r. j., andra, S., al-kofahi, o., roysam, b, 2005: image change detection algorithms: a syste-matic survey. IEEE Trans. Image Process., 14 (3): 294 – 307.

raftoyannis, y., radoglou, k., 2002: physiological responses of beech and sessile oak in a natural mi-xed stand during a dry summer. Annals of Botany, 89: 723 – 730.

rasmussen, m. S., 1998: Developing simple, operational, consistent nDvi-vegetation models by ap-plying environmental and climatic information: part i. assessment of net primary production. Inter-national Journal of Remote Sensing, 19: 97 – 117.

renaud, j.p., nageleisen, l.m., 2005: results from the european network for damage monitoring. Dé-partement de la santé des forêts, paris. bilan de la santé des forêts en 2004, 2005: 21 p.

rennenberg, h., loreto, f., polle, a., brilli, f., fares, S., beniwal, r. S., Gessler, a., 2006: physiolo-gical responses of forest trees to heat and Drought. Plant Biology, 8: 556 – 571.

richardson, a. D., bailey, a. S., Denny, e. G., martin, c. W., o’keefe, j., 2006: phenology of a northern hardwood forest canopy. Global Change Biology, 12(7): 1174 – 1188.

richardson, a. D., o‘keefe, j., 2009: phenological differences between understory and overstory: a case study using the long term harvard forest records. In: a. noormets (ed.): phenology of eco-system processes. new york: Springer: 87 − 117.

rivas-martínez, S., penas, a., Díaz, t. e., 2004: bioclimatic map of europe, bioclimates. cartographic Service, university of león, Spain.

rizman, i., flachbart, v., hatala, n., Dupkala, j., hronček, j., kliment, p., 2007: poznatková báza o zastúpení drevín v lesných typoch Slovenska, základný podklad pre tvorbu modelov tuol. in: rizman, i. (ed.) Zborník príspevkov a prezentácií z odborného seminára konaného 3. 12. 2007 vo Zvolene "lesnícka typológia a zisťovanie stavu lesa vo väzbe na trvalo udržateľné obhospodarova-nie lesov" [dostupné na cD]. Zvolen: nlc.

rouault, G., candau, j.n., lieutier, f., nageleisen, l.m., martin, j.c., varzée, n., 2006: effects of drought and heat on forest insect populations in relation to the 2003 drought in Western europe. Annals of Forest Science, 63: 613 – 624.

rouse, j. W., haas, r. h., Schell, j. a., Deering, D. W., 1973: monitoring vegetation systems in the Great plains with ertS. third ertS Symposium, naSa Sp-351 i: 309 – 317.

running, S.W., hunt, e.r., 1993: Generalization of a forest ecosystem process model for other biomes, biome-bGc, and an applicationfor global-scale models. in: j.r. ehleringer and c. field (eds). Scaling Physiological Processes: Leaf to Globe. academic press, San Diego, ca: 141 –158.

running, S. W., nemani, r. r., heinsch, f. a., Zhao, m., reeves, m., hashimoto, h., 2004: a conti-nuous satellite-derived measure of global terrestrial primary production. Bioscience, 54: 547 –560.

Sack, l., 2004: responses of temperate woody seedlings to shade and drought: Do trade-offs limit po-tential niche differentiation? Oikos, 107: 110 – 127.

Sačkov, i., kardoš, m., 2014: forest delineation based on liDar data and vertical accuracy of the

Literatúra 193192 Literatúra

terrain model in forest and non-forest area. Annals of Forest Research, 57(1): 1-18.Saleska, S. r., Didan, k., huete, a.r., Da rocha, h. r., 2007: amazon forests green-up during 2005

drought. Science, 318 (5850): 612.Saltelli, a., chan, k., Scott, e. m., 2000: Sensitivity analysis. new york: john Wiley & Sons publishersScharnweber, t., manthey, m., criegee, c., bauwe, a., Schröder, c., Wilmking, m., 2011: Drought

matters – Declining precipitation influences growth of Fagus sylvatica l. and Quercus robur l. in north-eastern Germany. Forest Ecology and Management, 262: 947 – 961.

Scheer, Ľ., 1997: assessment of forest conditions employing two-phased satellite remote sensing. inter-national Workshop: application of remote Sensing in european forest monitoring. vienn, austria 14th – 16th oct. 1996, ec: 337 – 346.

Schieber, b., janík, r., Snopková, Z., 2009: phenology of four broad-leaved forest trees in a submoun-tain beech forest. Journal of Forest Science, 55(1): 15 – 22.

Schieber, b., janík, r., Snopková, Z., 2013: phenology of common beech (fagus sylvatica l.) along the altitudinal gradient in Slovak republic (inner Western carpathians). Journal of Forest Science, 59(4): 176 – 184.

Schmidt, e. 1939: Die vegetationskartierung der Schweiz, bericht über das Geobotanische forschung-sinstitut rübel in Zürich f.d.j. 1942: 76 – 58.

Schmidt, e. 1949: vegetationsgürtel und biocoenose, berichte der Schweizerischen botanischen Gese-llschaft 51: 461 – 474.

Schmidt, j., hewitt, a. 2004: fuzzy land element classification from Dtms based on geometry and terrain position. Geoderma 121: 243 – 256.

Schroeder, l. m., lindelöw, Å., 2002: attacks on living spruce trees by the bark beetle ips typographus (col. Scolytidae) following a storm-felling: a comparison between stands with and without removal of wind-felled trees. Agricultural and Forest Entomology, 4: 47 – 56

Scholtz, p., nováková, m., Sviček, m., 2010: prognózovanie úrody. In: feranec (ed.): Slovensko očami satelitov. bratislava: veDa, s. 125 – 144.

Schwarz, m., rizman, i. et al., 2002: Spracovanie dát o lesných biotopoch pre potreby vyčlenenia území európskeho významu. [online] Dostupné z http://www.sopsr/natura/doc/metodiky/spracovanie_dat.doc

Sekáčová, Z., Šťastný, p., faško, p., lapin, m., 2004: extrémne prejavy počasia v roku 2003 na Sloven-sku. in: rožňovský, j., litschmann t., (eds.): extrémy počasí a podnebí. brno: 11. března 2004.

Sellers, p. j., los, S. o., tucker, c. j., justice, c. o., Dazlich, D. a., collatz, j. a., randall, D. a., 1994: a global 1° by 1° nDvi data set for climate studies, 2: the generation of global fields of terrestrial biophysical parameters from the nDvi. International Journal of Remote Sensing, 15: 3519 – 3545.

Sevruk, b., 1997: regional dependency of precipitation altitude relationship in the Swiss alps. Climatic Change, 36: 355 – 369.

Singh, a., 1989: Digital change detection techniques using remotely-sensed data. International Journal of Remote Sensing, 10(6): 989 – 1003.

Skakun, r. S., Wulder, m. a., franklin, S. e., 2003: Sensitivity of the thematic mapper enhanced Wetness Difference index (eWDi) to detect mountain pine beetle red attack damage. Remote Sen-sing of Environment, 86: 433 – 443.

Slovenský hydrometeorologický ústav, 1984: návod na fenologické pozorovanie lesných rastlín. brati-slava. 25 s.

Slovenský hydrometeorologický ústav, 1996: fenologické pozorovania lesných drevín. metodický predpis, bratislava 1996, 22 s.

Smith, r. b, barstad, i., 2004: a linear theory of orographic precipitation. Journal of Atmospheric Science, 61: 1377 – 1391.

Soudami, k., maire, G.m., Dufrene, e., francois, ch., Delpierre, n., ulrich, e. & cecchini, S., 2008: evaluation of the onset of green-up in temperate deciduos broadleaf forests derived from moderate resolution imaging Spectroradiometer (moDiS) data. Remote Sensing of Environment, 122(5):

2643 – 2655.Soudani, k., hmimina, G., Delpierre, n., pontailler, j-y., aubinet, m., bonal, D., caquet, b., de Grandco-

urt, a., burban, b., flechard, c., Guyon, D., Granier, a., Gross, p., heinesh, b., longdoz, b., loustau, D., moureaux, c., ourcival, j-m., rambal, S., Saint andré, l., Dufrêne, e., 2012: Ground-based network of nDvi measurements for tracking temporal dynamics of canopy structure and vegetation phenology in different biomes. Remote Sensing of Environment, 123: 234 – 245.

Spruce, j. p., Sader, S., ryan, r. e., Smoot, j., kuper, p. et al., 2011: assessment of moDiS nDvi time series data products for detecting forest defoliation by gypsy moth outbreaks. Remote Sensing of Environment 115: 427 – 437.

Stoklasa, m., fabiánek, p., 1998: Dálkový průzkum země a pozemní šetření zdravotního stavu lesů čr. Lesnická práce, 77 (10): 368 – 370.

Stolina, m., 1985: vývoj náuky o ochrane lesa od dôb bývalého uhorska po dnešok. vpa 3/1985.Stover, o., Delb, h., engels, f., hill, j., atzberger, c., 1997: an assessment of forest areas damaged by

a gypsy month infestation thorough satellite remote sensing and GiS. international Workshop: ap-plication of remote Sensing in european forest monitoring. vienn, austria 14th – 16th october 1996, ec: 359 – 372.

Stöckli, r., vidale, p. l., 2004: european plant phenology and climate as seen in a 20-year avhrr land-surface parameter dataset. International Journal of Remote Sensing, 25 (17): 3303 – 3330.

Stöckli, r., rutishauser, t., Dragoni, D., o’keefe, j., thornton, p. e., jolly, m., lu, l., Denning, a. S., 2008: remote sensing data assimilation for a prognostic phenology model. Journal of Geophysical Research, 113(G4), G04021. doi:10.1029/2008jG000781

Svoboda, m., pouska, v. 2008: Structure of a central-european mountain spruce old-growth forest with respect to historical development. Forest Ecology and Management, 255: 2177 – 2188.

Szekielda, k. h., 1988: Satellite monitoring of the earth. john Willey & Sons, canada.

Šamonil, p., vrška t., 2008: long term vegetation dynamics in the Šumava mts. natural spruce-fir--beech forests. Plant Ecology, 196(2): 197 – 214.

Škvareninová, j., Domčeková, D., Snopková, Z., Škvarenina, j., 2007: vybrané fenofázy duba letného (Quercus robur L.) v Zvolenskej kotline vo vzťahu k biometeorologickým faktorom. in. Střelcová, k., Škvarenina, j. & blaženec, m. (eds.): bioclimatology and natural hazards. international Scien-tific conference, poľana nad Detvou, Slovakia, September 17 – 20, 2007. [online] Dostupné z http://cbks.cz/Sbornikpolana07/pdf/Skvareninova_et_al_01.pdf

Škvareninová, j., 2008: vyhodnotenie nástupu jarných fenofáz duba letného (Quercus robur L.) vo Zvolenskej kotline vo vzťahu k teplotným sumám. Meteorologický časopis 11 (1-2): 15 – 20.

Škvareninová, j. (ed.), 2009: fenológia rastlín v meniacich sa podmienkach prostredia. Zvolen: vyda-vateľstvo technickej univerzity. 103 s.

Škvareninová, j. 2009: priebeh vegetatívnych fenologických fáz autochtónnych populácií smreka oby-čajného (Picea abies l.) zo Slovenska. Lesnícky časopis – Forestry Journal, 55 (1): 13 – 27.

Šmelko, Š. Wenk, G., antanaitis, v., 1992: rast, štruktúra a produkcia lesa. bratislava: príroda. 342 s.Šmelko, Š., 1995: možnosti uplatnenia dvojfázového výberového postupu pre zobjektívnenie odhadu

poškodenia korún stromov v procese monitorovania stavu lesa. Lesnictví – Forestry, 41 (1): 19 – 24.Šmelko, Š., 2012: biometrické postupy vhodné na objektivizáciu údajov o lese, overené počítačovými

simuláciami na digitálnych modeloch lesných porastov. Lesnícky časopis – Forestry Journal, 58(1): 21–34.

Štefančík, i., 1995: fenológia v lesníctve: 1. Začiatok vegetačnej činnosti. Lesnícky časopis – Forestry Journal, 41(2): 131 – 139.

Štepánek, p., Gonzalez, j. c., de luis, m., 2008: Software for data quality control and homogenization of time series. Geophysical Research Abstract, 10: 02434.

Literatúra 195194 Literatúra

Štepánek, p., Gonzalez-hidalgo, j.c., de luis, m., 2007: Software package for processing climatologi-cal time series.Geophysical Research Abstract, 9: 10764.

tateno, r., hishi, t., takeda, h., 2004: above- and belowground biomass and net primary production in a cool-temperate decidous in relation to topografical changes in soil nitrogen. Forest Ecology and Management, 193 (3): 297 – 306.

tinya f., márialigeti S., király i., németh b., Ódor p. 2009: the effect of light conditions on herbs, bryophytes and seedlings of temperate mixed forests in Őrség, Western hungary. Plant Ecology, 204(1): 69 – 81.

townsend, p. a., Singh, a., foster, j. r., rehberg, n. j., kingdon, c. c., eshleman, k. n., Seagle, S. W., 2012: a general landsat model to predict canopy defoliation in broadleaf deciduous forests. Remote Sensing of Environment, 119: 255 – 265.

townshend, j. r. G. , huang S. n., kalluri, v., Defries, r. S. & liang, S., 2000: beware of per-pixel characterization of land cover. Int. J. Remote Sensing, 21 (4): 839 – 843.

tucker, c. j. 1979: red and photographic infrared linear combinations for monitoring vegetation. Re-mote Sensing of Environment, 8: 127 – 150.

tucker, c.j., Sellers, p. j., 1986: Satellite remote sensing of primary production. International Journal of Remote Sensing, 7: 1395 – 1416.

turner, D. p., ritts, W. D., cohen, W. b., et al., 2003: Scalling gross primary production (Gpp) over boreal and deciduous forest landscape in supprot of moDiS Gpp product validation. Remote Sen-sing of Environment, 88: 256 – 270.

turner, D. p., ritts, W. D., cohen, W. b., Gower, S. t., running, S. W., Zhao, m., costa, m. h., kir-schbaum, a. a., ham, j. m., Saleska S. r., ahl, D. e., 2006: evaluation of moDiS npp and Gpp products across multiple biomes. Remote Sensing of Environment, 102: 282 – 292.

tuček, j., 1998: Geographic information systems, the principles and praxis. praha: computer press.

un-ece icp forests 1994, 1998: manual on methods and criteria for harmonized sampling, asses-sment, monitoring and analysis of the effects of air pollution on forests. united nations economic commission for europe, convention on long-range transboundary air pollution. bfh, hamburg, Germany.

vacchiano, G., Garbarino, m., mondino, e. b. m., motta, r., 2012: evidences of drought stress as a predisposing factor to Scots pinedecline in valle d’aosta (italy). European Journal of Forest Research, 131: 989 – 1000.

van de Salm, c., reinds, G. j., de vries, W., 2007: Water balances in intensively monitored forest eco-systems in europe. Environmental Pollution, 148: 201 – 212.

varjo, j., 1997: change detection and controlling forest information using multi-temporal landsat tm imagery. Acta Forestalia Fennicas, 258: 64 p.

vicente-Serrano, S. m., beguería, S., lorenzo-lacruz, j., camarero, j .j., lópez-moreno, j. i., azorin--molina, c., revuelto, j., morán-tejeda, e., Sanchez-lorenzo, a., 2012: performance of drought indices for ecological, agricultural, and hydrological applications. Earth Interactions, 16: 1 – 27.

vogelmann, j. e., rock, b. n., 1988: assessing forest damage in high-elevation coniferous forests in vermont and new hampshire using thematic mapper data. Remote Sensing of Environment, 24: 227 – 246.

vladovič, j., Švec, m., porubčan, v., Gross, l., valach, Ľ., Zapletal, S., 1992: eko – Dočasná príručka pre prieskum ekológie lesa. Zvolen: lesoprojekt:193 s.

vladovič, j. et al., 1994: lesné oblasti Slovenska. Zvolen: lesoprojekt: 500 s.

vladovič, j., 1997: typologická vhodnosť súčasného drevinového zloženia vybraných lesných oblastí Slovenska. Lesnícky časopis – Forestry Journal, 42(3): 183 – 203.

vladovič, j., bucha, t., 1999: tematické mapovanie porastových typov ako nástroj na odvodenie po-znatkov o vertikálnom a priestorovom rozšírení lesných spoločenstiev lomnistej doliny. Lesnícky časopis – Forestry Journal, 45(5-6): 371 – 387.

vladovič, j., čaboun, v., bucha, t., Grék, j., pôbiš, i., minďáš, j., pavlenda, p., moravčík, m., no-votný, j., Schwarz, m., čarnogurský, j., 1999: ekologická stabilita lesných spoločenstiev. Záve-rečná správa čvtp 514–74–07, lvÚ Zvolen: 201 s.

vladovič, j., 2000: lesné oblasti ako východiská hodnotenia drevinového zloženia a ekologickej stabi-lity lesov. [dizertačná práca] Zvolen:technická univerzita: 150 s.

vladovič, j., 2003: oblastné východiská a princípy hodnotenia drevinového zloženia a ekologickej stability lesov Slovenska. Lesnícke štúdie, 57/2003: 160 s.

vladovič, j., 2005: tematické mapovanie typov porastovej štruktúry s uplatnením DpZ a GiS. in: mo-ravčík, m. 2005: Zásady a postupy hospodárskej úpravy a obhospodarovania horských lesov smre-kového vegetačného stupňa. Lesnícke štúdie, 58/2005: 103 – 107.

vladovič, j., máliš, f., vodálová, a., 2007: poznatky z výskumu dynamiky, ekologickej stability a di-verzity horských lesných ekosystémov v nízkych tatrách in: križová, e., ujházy, k. (eds.) 2007: Dynamika, stabilita a diverzita lesných ekosystémov. Zvolen: technická univerzita: 59 – 66.

vladovič, j., pôbiš, i., vodálová, a., frič, Ľ., 2007: Z výskumu diverzity porastových štruktúr v pr mar-talúzka v nízkych tatrách. in: križová, e., ujházy, k. (eds.), 2007: Dynamika, stabilita a diverzita lesných ekosystémov. Zvolen: technická univerzita: 287 – 289.

vladovič, j., frič, Ľ., máliš, f., ondruš, m., 2007: Štrukturálna diverzita a ekologická stabilita lesných ekosystémov v npr pod latiborskou hoľou. in: križová, e., ujházy, k. (eds.): Dynamika, stabilita a diverzita lesných ekosystémov. Zvolen: technická univerzita: 283 – 285.

vladovič, j., lupták, i., barka, i., merganič, j., 2011: individuálne štrukturálne modely v horských le-soch ako východiská pre posudzovanie ich priaznivého stavu. in: vladovič, j. et al. 2011: Štruktúra a diverzita lesných ekosystémov na Slovensku. Zvolen: národné lesnícke centrum – lesnícky vý-skumný ústav: 99 – 132.

vladovič, j. et al., 2011: Štruktúra a diverzita lesných ekosystémov na Slovensku. Zvolen: národné lesnícke centrum – lesnícky výskumný ústav: 252 s.

vladovič, j., bucha, t., lupták, i., 2011: tematické mapovanie a posudzovanie porastových štruktúr s uplatnením kombinácie distančných a pozemných metód. in: vladovič, j. et al. 2011: Štruktúra a diverzita lesných ekosystémov na Slovensku. Zvolen: národné lesnícke centrum – lesnícky vý-skumný ústav: 53 – 72.

vladovič, j., bucha, t., 2013: inovatívne prístupy v mapovaní a posudzovaní štruktúry a textúry spolo-čenstiev a porastov v horských lesoch nízkych tatier. Lesnícky časopis - Forestry Journal, 59(1): 19 –37.

vogelmann, j. e., rock, b. n., 1988: assessing forest damage in high-elevation coniferous forests in vermont and new hampshire using thematic mapper data. Remote Sensing of Environment, 24: 227 – 246

vološčuk, i., 2001: teoretické a praktické problémy ekologickej stability lesných ekosystémov. Zvo-len: technická univerzita: 89 s.

vyskot, m., a kol., 1971: Základy růstu a produkce lesů. praha: Státní zemědelské nakladatelství. 440 s.

Wang, j., rich, p. m., price, k. p., 2003: temporal responses of nDvi to precipitation and temperatu-re in the central Great plains, uSa. International Journal of Remote Sensing, 24: 2345 – 2364.

Wang, l. l., Qu, j. j., xiong, x. x., hao, x. j., 2009: analysis of seven-year moderate resolution ima-ging spectroradiometer vegetation water indices for drought and fire activity assessment over Geor-gia of the united States. Journal of Applied Remote Sensing, 3: 033555.

Literatúra 197196 Literatúra

Wessman, c. a., aber, j. D., peterson, D. l., melillo, j. m., 1988: remote-sensing of canopy chemistry and nitrogen cycling in temperate forest ecosystems. Nature, 335, (6186): 154 – 166.

White, a., & thomton, p. e., 1997: a continental phenology model for monitoring vegetation respon-ses to interannual climatic variability. Global Biogeochemical Cycles, 11(2): 217 – 234.

White, m. a., thornton, p. e., running, S. W., nemani, r. r., 2000: parametrization and sensitivity analysis of the biome-bGc terrestrial ecosystem model: net primary production controls. Earth Interactions, 4: 1 – 85.

Whittaker, r.h., likens. e., 1975: the biosphere and man. in h. lieth and r. h. Whittaker (eds). pri-mary produc tivity of the biosphere. Ecological Studies 14, Springer-verlag, berlin, Germany.

Wichmann, l., ravn, h., p., 2001: the spread of ips typographus (l.) (coleoptera Scolytidae) attacks following heavy windthrow in Denmark, analysed using GiS. Forest Ecology and Management, 148: 31 – 39.

Williams, a. p., allen, c. D., macalady, a. k., Griffin, D., Woodhouse, c. a., meko, D. m. et al., 2013: temperature as a potent driver of regional forest drought stress and tree mortality. Nature Climate Change, 3: 292 – 297.

Wolfe, e. r. et al., 2002: achieving sub-pixel geolocation accuracy in support of moDiS land science. Remote Sensing of Environment, 83: 31 – 49.

Wulder m. a., Dymond, c. c., White, j. c., leckie, D. G. & caroll, a. l., 2006: Surveying mountain pine beetle damage of forests: a review of remote sensing opportunities. Forest Ecology and Ma-nagement, 221: 27 – 41.

Wulder, m. a., White, j. c., coops, n . c. & butson, c. r., 2008: multi-temporal analysis of high spatial resolution imagery for disturbance monitoring. Remote Sensing of Environment, 112: 2729 – 2740.

xiaojun, y., lo, c. p., 2000: relative radiometric normalization perfomance for change detection from multi-date satellite images. Photogrammetric Engineering & Remote Sensing, 66(8): 967 – 980.

xin, Q., olofsson, p., Zhu, Z., tan, b., Woodcock, c .e., 2013: toward near real-time monitoring of forest Disturbance by fusion of moDiS and landsat Data. Remote Sensing of Environment 135: 234 – 247.

yang, W., huang, D., tan, b., Stroeve, j., Shabanov, n. v., knyazikhin, y., et al., 2006: analysis of leaf area index and fraction of par absorbed by vegetation products from the terra moDiS sensor: 2000-2005. IEEE Transactions on Geoscience and Remote Sensing, 44: 1829 – 1842.

yuhas, a. n., Scuderi, l. a., 2009: moDiS-derived nDvi characterisation of drought-induced ever-green dieoff in Western north america. Geographical Research, 47 (1): 34 – 45.

Zarco-tejada, p. j., miller, j. r., noland, t. l., mohammed, G. h., Sampson, p., 2001: Scalling-up and model inversion methods with narrow-band optical indices for chlorophyll content estimation in closed forest canopies with hyperspectral Data. IEEE Transactions on Geoscience and Remote Sensing (Special issue on hyperspectral remote Sensing) 39 (7): 1491 – 1507.

Zhang, x., friedl, m. a., Schaaf, c. b., Strahler, a. h., hodges, j. c. f., Gao, f., reed, b. c., heute, a., 2003: monitoring vegetation phenology using moDiS. Remote Sensing of Environment, 84: 471 – 475.

Zhao, m., heinsch, f.a., nemani, r. r., running, S. W. 2005: improvements of the moDiS terrestrial gross and net primary production global data set. Remote Sensing of Environment, 95 (2): 164 – 176.

Zhou, l., tucker, c. j., kaufmann, r. k., Slayback, D., Shabanov, n. v., myneni, r. b., 2001: varia-tions in northern vegetation activity inferred from satelite data of vegetation index during 1981 to

1999. Journal of Geophysical Research, 106: 20069 – 20083.Zhou, x., peng, ch., Dang, Q. l., 2006: formulating and parameterizing the allocation of net primary

productivity for modeling overmature stands in boreal forest ecosystems. Ecological Modelling, 195: 264 – 272.

Zielonka, t., niklasson, m. 2001: Dynamics of dead wood and regeneration pat tern in natural spruce forest in the tatra mountains. Ecological Bulletins 49: 159 –163.

Zlatník, a., 1959: přehled slovenských lesů podle skupin lesních typů. Spisy Vědecké laboratoře bioce-nologie a typologie lesa 3: 195 s.

Zlatník, a., 1976: Lesnická fytocenologie. praha: SZn: 495 s.

žíhlavník, Š., Scheer, Ľ., 2001: Diaľkový prieskum Zeme v lesníctve. Zvolen: technická univerzita. 289 s.

žíhlavník, Š., chudý, f., kardoš, m., 2005: Digitálna fotogrametria v lesníckom mapovaní. Zvolen: technická univerzita, lesnícka fakulta. 80 s.

Zhrnutie 199Satelity v Službách leSa

ZHRNUTIE

predkladaná vedecká monografia je zameraná na satelitné mapovanie lesov, zisťovanie ich zdravotného stavu, ako aj ich biofyzikálnych, štrukturálnych a produkčných vlastností. venuje sa aj implementácii dosiahnutých výsledkov v lesníckej praxi prostredníctvom mapových webových aplikácií.

potreba prehĺbenia poznatkov o tom ako lesný ekosystém reaguje na meniace sa podmienky prostredia, ako sa mení fenológia lesných porastov, uhlíkový cyklus, alokácia uhlíka a ako sa tieto zmeny odrážajú v produkcii lesov je tým naliehavejšia, čím častejšie sú mnohé oblasti sveta vysta-vené hrozbám prírodných katastrof. Zvyšujúca sa frekvencia a intenzita výskytu abiotických škod-livých činiteľov, akými sú najmä vietor, sneh a námraza, ale aj periódy sucha a nebývalá aktivizácia biotických škodcov, najmä podkôrneho hmyzu, spôsobili v uplynulých dvoch dekádach aj v našich lesoch nemalé škody. predovšetkým pri kalamitných situáciách je kľúčovým momentom získanie rýchlych a presných informácií o stave zasiahnutých porastov, na základe čoho je možné navrhnúť zodpovedajúce mitigačné a adaptačné opatrenia.

Údaje o zdravotnom, ekologickom a produkčnom stave lesov sú na Slovensku získavané ob-vykle terestrickými meraniami výberovým spôsobom s opakovaním meraní po jednom až desiatich rokoch. napriek prepracovanosti výberových metód je takáto frekvencia meraní limitujúcim fakto-rom pri pochopení procesov, ktoré dynamicky prebiehajú v našich lesných ekosystémoch v menia-cich sa podmienkach prostredia. táto frekvencia meraní už nepostačuje pri prijímaní opatrení v zá-ujme aktívneho manažmentu lesa. Diaľkový prieskum Zeme (DpZ) v súčasnosti ponúka možnosti kontinuálneho a celoplošného získania informácií o lesoch. v predkladanej publikácii načrtnuté problémy riešime integrovaním existujúceho údajového spektra z terestrických zisťovaní s kontinu-álne získavanými údajmi DpZ a s návrhom nových metód, postupov a modelov ich vyhodnotenia.

monografia je členená do 4 kapitol a v rámci nich do menších celkov – podkapitol, ktoré pribli-žujú čitateľovi využitie satelitných snímok v ochrane lesa, vo fenológii a vplyve meniacej sa klímy na lesy, pri modelovaní produkcie lesov a predstavujú riešenie na integráciu údajov a poznatkov v informačnom systéme.

prvá kapitola je zameraná na satelitné mapovanie disturbančných udalostí, ktoré postihli naše lesy v posledných dvoch dekádach.

v podkapitole 1.1. sme syntetizovali naše doterajšie poznatky, metódy a postupy použité pri klasifikácii poškodenia lesov Slovenska a navrhli sme konzistentný postup pre permanentnú veľkoplošnú klasifikáciu poškodenia lesov s využitím údajov zo satelitu landsat. výsledkom je sumarizácia výsledkov klasifikácií poškodenia lesov Slovenska za obdobie rokov 1990 – 2013.

v podkapitole časti 1.2. sme analyzovali situáciu okolo veľkoplošného hynutia smrečín, ktorá sa stala nielen vážnym environmentálnym a ekonomickým problémom, ale aj spoločenskou otáz-kou s etickým aspektom. prácu sme preto orientovali tak, aby sme poskytli objektívne informácie o stave smrečín a v kontexte lesnícko-ochranárskeho sporu mohli konfrontovať získané výsledky pri uplatnení pasívneho a aktívneho manažmentu pri riešení kalamitných situácií v lesoch chráne-ných území. prudká gradácia podkôrneho hmyzu nastala po roku 2007 a prerástla do podkônikovej kalamity s vrcholom v rokoch 2009 – 2010, pričom premnoženie podkôrneho hmyzu pretrváva dodnes. Gradácia podkôrneho hmyzu bola prudšia a intenzívnejšia v maloplošných chránených územiach (4. a 5. stupeň ochrany), kde percento poškodených porastov k roku 2013 stúplo na 26,2 % v porovnaní s 21,5 % v hospodárskych lesoch. tieto výsledky poukazujú, že aktívny a dob-re načasovaný manažment lesov má výrazný vplyv na obmedzenie šírenia podkôrneho hmyzu. celková vysoká miera poškodenia smrekových porastov podporujú hypotézu, že ďalšie pestovanie nepôvodných smrekových monokultúr v západných karpatoch môže byť neudržateľné práve vzhľadom na nebývalé premnoženie podkôrneho hmyzu, ktoré sa zmenou klímy môže ešte viac zosilňovať.

podkapitolou 1.3 sme pokračovali v ďalšom rozpracovaní a využití metód DpZ pri mapova-ní a posudzovaní stavu lesných ekosystémov z pohľadu ich druhovej a priestorovej štruktúry, vhodnosti, zachovalosti ako východiska pre klasifikáciu ich ekologickej stability.

v druhej a tretej kapitole predstavujeme návrh systému kontinuálneho a plošného sledovania odozvy lesných ekosystémov v meniacich sa podmienkach prostredia pomocou nových biofyzi-kálnych a produkčných charakteristík odvodených zo satelitných údajov zo spektorádiometra moDiS, a to: normalizovaného vegetačného indexu (nDvi), listového indexu (lai), podielu fotosynteticky aktívnej radiácie pohltenej vegetáciou (fpar) a napokon hrubej a čistej primár-nej produkcie (Gpp a npp).

v častiach venovanej fenológii lesných porastov sme najskôr navrhli metodický postup tvor-by údajovej bázy a koncept modelovania fenológie lesných porastov podľa satelitných snímok zo spektrorádiometra moDiS (podkapitola 2.1). tvorba údajovej bázy pozostáva z výberu a analýzy kvality produktov moDiS, stiahnutia snímok z archívu naSa a ich uloženia do nášho archívu v kartografickom zobrazení jtSk. pri výbere produktu sme uprednostnili denné produk-ty moD09GQ a moD09Ga vzhľadom na potrebu kontinuálneho sledovania fenologického vý-voja v najkratšom možnom kroku a v maximálnom rozlíšení, ktoré moDiS ponúka, t. j. 250 x 250 m. pri výbere snímok z archívu moDiS sme aplikovali súbor kritérií, pomocou ktorých sme vybrali vhodné snímky s minimom oblačnosti a maximom geometrie snímania. Druhú časť riešenia predstavuje samotný návrh konceptu modelovania fenologického vývoja. na to sme využili normalizovaný vegetačný index nDvi. ide o biofyzikálnu charakteristiku, ktorú sme priamo odvodili zo satelitných údajov produktu moD09GQ. ročný priebeh nDvi sme modelo-vali pomocou sigmoidnej funkcie. na tento účel sme vyvinuli aplikáciu Phenological profile. uvedená softvérová aplikácia na základe vstupných údajov (poradový deň v roku deň a nDvi) umožňuje odhadnúť vstupné parametre fenologickej krivky danej sigmoidnej funkcie, vypočíta hodnoty prvej až tretej derivácie fenologickej krivky. hodnoty extrémov fenologickej krivky predstavujú novovytvorenú satelitnú fenologickú metriku, pomocou ktorej je možné porovnať satelitné určenie nástupu jednotlivých jarných a jesenných fenofáz s terénnymi pozorovaniami.

v podkapitole 2.2. sme porovnali terestrické fenologické pozorovania a satelitne odvodený fenologický model pre buk lesný (Fagus sylvatica L.). na validáciu dňa nástupu piatich hlav-ných jarných a jesenných fenofáz sme použili rad pozorovaní regionálnych fenologických staníc ShmÚ (Slovenský hydrometeorologický ústav) z rokov 2000 – 2009 a rad fenologických pozo-rovaní na trvalých monitorovacích plochách nlc (národné lesnícke centrum) z rokov 2002 – 2009.

najpresnejšie boli odvodené dni nástupu fenofáz začiatok zalisťovania, všeobecné zalisťova-nie a začiatok žltnutia. Z nich vyplývajúca dĺžka trvania plného olistenia bola odvodená s prie-mernou chybou ±4,2 dni.

v podkapitole 2.3. sme uplatnili odvodenú satelitnú fenologickú metriku pri určení nástupu fenologických udalostí bukových a dubových porastov. výsledky doložili veľkú variabilitu v ná-stupe jarných a jesenných fenofáz v rámci roka aj medzi jednotlivými rokmi v sledovanom ob-dobí rokov 2000 – 2014. Dôvodom vnútroročnej variability sú klimatické podmienky odlišujúce sa v závislosti od nadmorskej výšky. Dôvodom medziročných rozdielov je priebeh počasia počas jarného a jesenného obdobia. extrémne rozdielne a tým veľmi zaujímavé, boli posledné dva roky. kým v roku 2013 sme zaznamenali najneskorší nástup jarných fenofáz, tak v roku 2014 sme pozorovali najskorší nástup jarných fenofáz za celé sledované obdobie. krátkosť sledova-ného obdobia ešte neumožňuje zovšeobecnenie naznačených trendov v nástupe jednotlivých fenofáz. predbežné výsledky poukazujú na konštantný nástup (nemeniaci sa) v prípade buka, resp. len mierne skorší nástup jarných fenofáz (v prípade duba). výraznejšie skorší nástup sme zistili pri nástupe jesenných fenofáz pri dubových aj bukových porastoch.

podkapitola 2.4. podrobne analyzuje vplyv jednotlivých faktorov, ktoré ovplyvňujú priebeh fenologickej krivky bukových porastov. kvantifikovali sme príspevok opadanky, prízemnej ve-

Zhrnutie 201200 Zhrnutie

getácie, podrastu a konárov na rast hodnôt nDvi v lesných porastoch s prevládajúcim zastúpe-ním buka, a to počas jarného vegetačného obdobia až do nástupu 100 % zalistenia. výsledky ukázali, že prízemná vegetácia a podrast v bukových porastoch spôsobujú rast nDvi v čase pred zalisťovaním hlavnej úrovne (stratégia fenologického úniku). Z hľadiska dlhodobého satelitného monitoringu fenologických fáz bukových porastov sú významné 2 fenofázy: začiatok zalistenia (Zal_10), kedy hodnota nDvi reprezentovala bukový ekosystém ako celok (dreviny hlavnej úrovne, dreviny podrastu, prízemnú vegetáciu, opadanku) a úplné zalistenie (Zal_100), kedy hodnota nDvi reprezentovala dreviny hlavnej úrovne.

v poslednej podkapitole 2.5. sme využili vegetačný index nDvi priamo ako bioindikátor stresu dreviny z tepla a sucha. Z výsledkov vyplynulo, že sucho, aproximované dĺžkou bezzráž-kovej periódy v kombinácii s rôznymi teplotnými extrémami, vyvoláva v podmienkach našich bukových a dubových porastoch stresovú reakciu, ktorá je detegovateľná pomocou údajov sní-maných spektrorádiometrom moDiS. analýza citlivosti poukázala na rozdielne stresové odozvy buka a dubov na klimatické faktory. v prípade bukových porastov boli najvýznamnejšími faktor-mi počet stupňodní a priemerná a maximálna teplota vzduchu nad 20 a 24 °c, ktoré sa vyskytli podobu trvania bezzrážkovej periódy. Skutočnosť, že najvýznamnejším faktorom bol kumulatív-ny počet stupňodní naznačuje obmedzené možnosti adaptácie buka na klimatický stres.

tretia kapitola je venovaná využitiu satelitných dát pri modelovaní produkčných procesov v lesných ekosystémoch. v podkapitole 3.1. uvádzame podrobný opis modelov moDiS Gpp a moDiS npp, ktoré sme využili pri výpočte hrubej a čistej primárnej produkcie (Gpp, npp). prínosom nášho riešenia je parametrizácia globálnych algoritmov modelovania produkcie na podmienky lesných ekosystémov Slovenska. kvalitatívna inovácia spočíva v kontinuite a celo-plošnosti získavania informácii a v posune od statického princípu odhadu produkčných možnos-tí lesných porastov k ich dynamickému modelovaniu.

Samotné stanovenie produkcie bukových a dubových porastov na Slovensku sme predstavili v podkapitole 3.2. výpočet sme uskutočnili s využitím algoritmu moD17 a z regionálne para-metrizovaného modelu (rpm), ktorý bol z algoritmu odvodený. obidva prístupy sú založené na princípe, že primárna produkcia je priamo úmerná absorbovanej časti fotosynteticky aktívnej radiácie vegetáciou (apar) a je limitovaná maximálnou možnou mierou jej využitia prostred-níctvom koeficientu efektívnosti využitia slnečnej radiácie (εmax) a suboptimálnymi klimatickými podmienkami (minimálna denná teplota a deficit tlaku vodných pár). významným zdrojom chýb v odvodení primárnej produkcie sú meteorologické údaje v príliš hrubom priestorovom rozlíšení a fpar odvodený z údajov DpZ. pri tvorbe rpm modelu bolo cieľom zníženie týchto chýb pomocou spresnenia meteorologických údajov, hodnôt fpar a spresnením limitných hodnôt (teploty a deficitu tlaku vodných pár) z regionálnych vstupov. naše výsledky preukázali, že po spresnení vstupov do modelu došlo k rozdielom oproti pôvodným hodnotám, pričom rozdiely medzi obomi modelmi sa na väčšine územia pohybovali v rozpätí od -25 % do +25 %. ročná Gpp v bukových a dubových porastoch sa pohybuje na území celého Slovenska v rozpätí od 0,7 – 1,5 kg c.m-2.rok-1. ročná npp v bukových a dubových porastoch Slovenska sa pohybovala v sledovanom období od 0,3 do 0,9 kg c.m-2.rok-1. Ďalšie spresnenie výpočtu primárnej produk-cie je možné očakávať pri spresnení koeficientu radiačnej účinnosti využitia slnečnej energie.

v poslednej, štvrtej kapitole, riešime technicko-informačné zabezpečenie projektu a vývoj informačného systému o stave lesa na báze využitia satelitných snímok landsat a moDiS. po-treba navrhnúť vlastné technicko-informačné ukotvenie projektu vyplynula zo skúsenosti, že podcenenie vývoja informačných nástrojov výrazne limituje efektívne riešenie výskumnej úlohy a limituje tým aj využitie výsledkov výskumu po ukončení projektu. technicko-informačné zá-zemie je zvlášť dôležité, keď treba spracovať veľký objem rôznorodých dát. nami zvolené rie-šenie umožňuje nielen manažovať integrované informačné spektrum údajov, priestorovo ich vi-zualizovať podľa zvolených jednotiek, ale umožňuje aj užívateľovi vykonávať definované ope-rácie nad údajovou geodatabázou. využili sme špičkové vybavenie, ktorými disponuje riešiteľ-

ské pracovisko, konkrétne technológie arcSDe a arcGiS na báze produktov firmy eSri. ide o profesionálne nástroje, ktoré umožňujú manažovať a pristupovať k údajom uloženým v geoda-tabáze prostredníctvom webového prehliadača. praktickým výstupom je mapová služba Sta-leS (dostupná na www.nlcsk.org/stales). názorné celoplošné zmapovanie lesných komplexov v kalamitných oblastiach umožňuje štátnej správe lesného hospodárstva efektívny výkon štátne-ho dozoru a majiteľom a obhospodarovateľom lesov uľahčuje identifikáciu zmien v konkrétnych lesných porastoch. v konečnom dôsledku to znamená komplexný balík informácií, na základe ktorých je možné identifikovať problém a prijímať adekvátne opatrenia.

funkčnosť uvedenej mapovej služby, ale aj rozvoj a praktické využitie aplikácií, ktoré v mo-nografii prezentujeme, by nebolo možné zabezpečiť bez údajov americkej vesmírnej agentúry (naSa) a americkej agentúry u. S. Geological Survey (uSGS). ich licenčná politika, ktorá umožňuje nielen bezplatne získať, ale aj využívať snímky zo satelitu lanDSat a moDiS na nekomerčné účely, je doposiaľ jedinečná. postupne tento prístup nachádza odozvu aj v našom priestore európskej únie. viacero produktov z novej série európskych satelitov Sentinel, ktoré netrpezlivo očakávame na orbite, by podľa vyjadrení európskej komisie a európskej vesmírnej agentúry mali byť na výskumné a nekomerčné účely tiež dostupné bezplatne. nepochybne by sa tým otvorili nové možnosti na získanie a poskytovanie aktuálnych informácií o stave lesa, pri-niesli by nový impulz a stimuláciu do rozvoja aplikácií DpZ v lesníctve.

Satelity v Službách leSa

-------------------------------------------------------------------------------------------------------------------

názov: Satelity v službách lesa vedecká monografia

autori: mgr. ivan barka, phD., Dr. ing. tomáš bucha, doc. rnDr. tomáš hlásny, phD., bc. milan konôpka, mgr. milan koreň, phD., ing. veronika lukasová, phD., Dr. ing. martin lukáč, ing. mária olšavská, ing. jozef pajtík, ing. hana pavlendová, phD., ing. Zuzana Sitková, phD., mgr. Zora Snopková, phD., ing. jozef vladovič, phD.

editor: Dr. ing. tomáš buchajazyková redakcia: mgr. jana Wachtarczyková, phD.obálka: eva GáfrikováGrafická úprava a sadzba: mgr. vladimír radikvydal: národné lesnícke centrum, Zvolenvydanie: prvétlač: Sap – Slovak academic press, s. r. o., bratislavarozsah: 202 s.náklad: 250 ks.

copyright © národné lesnícke centrum, Zvolen 2014 ISBN 978-80-89607-25-9