Biodiverzita a její využití v hodnocení ekologických rizik

Transkript

1 MASARYKOVA UNIVERZITA V BRNĚ PŘÍRODOVĚDECKÁ FAKULTA RECETOX VÝZKUMNÉ CENTRUM PRO CHEMII ŽIVOTNÍHO PROSTŘEDÍ A EKOTOXIKOLOGII Biodiverzita a její využití v hodnocení ekologických rizik Diplomová práce Petra Stejkorová Vedoucí: Doc. RNDr. Ladislav Dušek, Dr. Brno, Česká republika, rok

2 Chtěla bych poděkovat vedoucímu mojí diplomové práce Doc. RNDr.Ladislavu Duškovi, Dr. a také konzultantovi RNDr. Jiřímu Jarkovskému, PhD. za odborné vedení, cenné rady, velkou trpělivost a podporu. 1

3 Anotace Hodnocení ekologických rizik (EcoRA) je velmi komplexní proces, který vyuţívá a integruje metody a postupy celé řady oborů. Jsou to například ekotoxikologie, hydrologie, environmentální chemie, ekologie a řada dalších. Hlavním cílem EcoRA je posuzování vlivů nejrůznějších lidských činností na stav, stabilitu a vývoj ekosystémů. Biodiverzita je důleţitou součástí ekologie je vyuţitelná pro detekci změn jednotlivých sloţek ekosystémů v důsledku dopadů antropogenních vlivů. Biologická rozmanitost (biodiverzita) je souhrnným názvem pro všechny formy ţivota existující na Zemi a ekosystémy, které tyto formy vytvářejí. Tématem této práce je biodiversita a přehled v současnosti známých metod jejího hodnocení a dále pak hodnocení ekologických rizik. Další část se snaţí o propojení těchto dvou problematik a zkoumá moţnosti vyuţití tohoto propojení v praxi. Praktická část práce se týká analýzy monitorovací sítě povrchových vod ČR a dat makrozoobentosu. Hodnotí moţné propojení biodiverzity podle sledovaných dat makrozoobentosu v referenčních a nereferenčních lokalitách republiky a také moţné propojení s abiotickými parametry jako je nadmořská výška, řád toku a hydroregion. Klíčová slova: biodiverzita, makrozoobentos, hodnocení ekologických rizik, vodní toky, indexy biodiverzity. 2

4 Annotation Ecological risk assessment (EcoRA) is a highly complex process using and interacting methods and procedures of many professions. For example it is ecotoxikology, hydrology, environmental chemistry, ecology etc. The major object of EcoRA is to assess human activities impact on the ecosystems state, stability and development. Biodiversity is an important component of ecology and is applicable for ecosystem component changes detection in consequence of anthropogenic impact. The biological variety (biodiversity) is an overall term for all forms of life on the Earth. The subject of this work is biodiversity and a summary of the presently known methods of its assessment and furthermore ecological risk assessment. Next part tries to connect this two problems and investigates the possibilities of the application of this connection in practise. This work will go ahead with surface water monitoring network analysis. The practical part of this work concerns the analysis of surface water monitoring network and data of macrozoobenthos CR. Assesses possible links biodiversity of macrozoobenthos according to the observed data in the reference and non-reference sites of the Republic as well as possible links to abiotic parameters such as altitude, order flow and hydroregion. Keywords: biodiverzity, macrozoobenthos, ecological risk assessment, freshwoters, biodiverzity indices. 3

5 OBSAH: 1. ÚVOD TEORETICKÁ ČÁST Biodiverzita a její hodnocení Biodiverzita Metody hodnocení biodiverzity Indexové hodnocení biodiverzity Indexy počtu druhů Indexy dominance Indexy počtu druhů a jejich ekvitability Abundanční modely Matematické (statistické) modely Model Geometric Series Model Log Series Log Normal model Broken-stick Biologické (na niku orientované) modely Broken-stick model Overlapping niche Geometric Series model Aplikace a vyuţití metodiky hodnocení biodiverzity na problémy EcoRA Příklady aplikace a vyuţití Další vyuţití metod hodnocení biodiverzity Bioindikátory Makrozoobentos jako indikátor Hodnocení ekologických rizik Současné metody hodnocení vlivů na ţivotní prostředí Jednotlivé fáze hodnocení ekologických rizik Formulace problému, identifikace nebezpečnosti a zajištění informačních zdrojů Formulace problému Identifikace nebezpečnosti Výběr hodnocených biologických receptorů a hodnocených parametrů ( ENDPOINTS ) Hodnocení expozice, hodnocení účinků

6 Hodnocení expozice Hodnocení účinků Charakterizace rizika MATERIÁL A METODIKA Data pro analýzu Úprava a stratifikace dat VÝSLEDKY Základní popis datového souboru Histogramy indexů jednotlivých vlastností Grafy referenčních a nereferenčních dat v abiotických parametrech Modelový příklad aplikace metodiky EcoRa v hodnocení ekologického stavu toků DISKUZE ZÁVĚR POUŽITÁ LITERATURA PŘÍLOHA Č Makra v programu excel použitá k výpočtům:

7 1. ÚVOD V posledních desetiletích se extrémně zvýšilo působení antropogenních tlaků na jednotlivé sloţky ţivotního prostředí. Důsledky těchto tlaků vedly k devastaci prostředí a k ničení jeho sloţek a také k významnému sníţení jeho samočisticí schopnosti. Půdní eroze, znečištění ovzduší, půd a vod a také další ohroţení všech přírodních zdrojů jsou důsledkem rozvoje průmyslu a jiných činností člověka a způsobují rozsáhlé škody v ekosystému. Hodnocení dopadů na jednotlivé sloţky ţivotního prostředí je velmi obtíţné vzhledem k velikosti a rozmanitosti ekosystémů a také právě vzhledem k mnoţství antropogenních vlivů. V současnosti nejlepším dostupným nástrojem pro predikci potencionálního nebezpečí na strukturu a funkci ekosystémů je hodnocení ekologických rizik. Hodnocení biodiversity je důleţitá součást ekologie pouţitelná pro detekci takovýchto změn. Analýza biodiverzito ity je vyuţívána pro retrospektivní hodnocení a popis situace ve zkoumaných lokalitách, z hlediska metodiky hodnocení ekologických rizik jde tedy o fázi popisu a formulace problému. Vyuţití analýz biodiverzity k prokázání expozice stresu, ke stanovení rozsahu této expozice a k hodnocení biologických účinků vyţaduje na jedné straně srovnávání s určitým referenčním stavem a také kvantifikaci údajů o biodiverzitě a jejich stanovení s akceptovatelnou mírou spolehlivosti. Práce je zaměřena na aplikaci metod hodnocení biodiverzity v hodnocení stavu ţivotního prostředí ve vodních tocích v souladu s metodikou hodnocení ekologických rizik a vyslovení závěru o vyuţitelnosti biodiverzity různých skupin organismů k tomuto účelu. 6

8 Cíle práce 1. Rozpracovat jednotlivé fáze hodnocení ekologických rizik podle standardní metodiky vyvinuté centrem RECETOX a vymezit moţnou roli a informační přínos hodnocení biodiverzity 2. Provést rešerši dostupných metod hodnocení diverzity biologických společenstev a vypracovat jejich kritický přehled s důrazem na aplikovatelnost v praxi. 3. Aplikace metod hodnocení biodiverzity na společenstva makrozoobentosu z biomonitoringu vodních toků 4. Vyhodnocení faktorů ovlivňujících biodiverzitu různých skupin makrozoobentosu a identifikace skupin jejichţ biodiverzita souvisí s environmentálními stresovými faktory. 5. Identifikace skupin organismů, jejichţ biodiverzita je vyuţitelná pro hodnocení ekologických rizik, tedy stavu prostředí v prostředí říční sítě ČR. 7

9 2. TEORETICKÁ ČÁST 2.1 Biodiverzita a její hodnocení Biodiverzita Termín biologická diverzita poprvé pouţili Norse a Mac Manus roku 198 ve své práci Ecology and living resources biological diversity pro společné označení genetické (vnitrodruhové) diversity a diversity druhové (ekologické), která je definovaná počtem druhů ve společenstvech. Zkrácený termín biodiversita byl zaveden o pět let později roku 1985 Watrem G. Rosen v souvislosti s přípravou prvního národního fóra o biodiversitě (National Forum on Biodiversity) konaného ve Washingtonu D.C. v září Biodiverzita je moderní pojem, tvoří ho dva slovní základy. Řecky bios je ţivot a římsky divers je různý, rozmanitý. 22. června 1992 na Konferenci OSN pro ţivotní prostředí a rozvoj (UNCED 92 United Nations Conference on Environment and Development) v Rio de Janeiro byla otevřena k podpisu Dohoda o biologické diversitě (Convention on Biological Diversity), která 29. prosince 1993 nabyla platnosti na mezinárodní úrovni. Tento den byl vyhlášen jako Mezinárodní den biodiverzity. Různí autoři a různé literární prameny definují pojem Biodiversita různě. Uvádím zde několik příkladů: Biodiverzita (biologická rozmanitost) se definuje jako soubor všech ţijících organismů, jejich genetické informace a všech ekosystémů suchozemských, sladkovodních i mořských, které umoţňují a podporují ţivot v jeho rozličných podobách. Posuzuje se na třech úrovních. Známe biodiverzitu genetickou, druhovou a ekologickou. Druhová diversita zahrnuje počty druhů ve společenstvech, genetická diversita rozdílnost genomů organismů a ekologická počet ekosystémů v prostředí. vstup Solbrig (1991) rozděluje biodiversitu na taxonomickou, genetickou a funkční, přičemţ funkční biodiverzita ukazuje fyziologický stav zkoumaného společenstva organismů a je odrazem biologické a ekologické kvality daného prostředí. Tyto tři části diversity se navzájem překrývají. (viz. Obr.1) 8

10 Biologická rozmanitost, různorodost: rozmanitost organismů na všech úrovních, posuzuje se hlavně ze dvou stránek druhová bohatost (pestrost) se vyjadřuje podílem mezi celkovým počtem druhů a celkovým počtem jedinců (index druhové bohatosti) a jako ekvitabilita (rovnoměrnost) v poměrném zastoupení jedinců mezi zastoupenými druhy navzájem.(malý ekologický a environmentální slovníček, Máchal a spol., 21) Biodiverzita versus ekologická stabilita V přirozených ekosystémech můţe vyšší diverzita znamenat i vyšší stabilitu, kaţdopádně nelze diversitu ekosystémů povaţovat za jednoznačné kritérium pro hodnocení její stability. Ekologická stabilita můţe být dosahována jak při velké druhové diversitě s vyhraněnými nároky členů biocenózy, tak při malé diversitě druhů, jejichţ nároky, respektive ekologická valence, jsou široké a málo vyhraněné.(míchal, 1994). Podle dalšího dělení rozlišujeme: alfa, beta a gama diverzitu (Whittaker 196): Jako alfa diverzitu označujeme druhovou bohatost neboli počet druhů v určitém území (většinou malém území), obvykle v jednom společenstvu, na jednom biotopu (within a habitat diversity). Tuto alfa diverzitu lze vyuţít např. při srovnání počtu druhů v různých regionech nebo přírodních společenstvech. Naopak pod názvem beta diverzita chápeme změnu, kterou prochází druhové sloţení určitého společenstva v souvislosti se změnami některého gradientu prostředí (among habitats diversity). Beta diverzita bude kupř. vysoká, jestliţe se bude se zvyšující se nadmořskou výškou významně měnit druhové sloţení např. mechorostů nebo cévnatých rostlin, naopak nízkých hodnot dosáhne, kdyţ celé úbočí bude bez ohledu na nadmořskou výšku osídleno stejnými druhy. Gama diverzita se rovněţ jako alfa diverzita týká diverzity uvnitř území, ovšem většinou většího zeměpisného měřítka. Rozumíme jím stupeň změn, při kterém se na určitém stanovišti (biotopu), ale na různých lokalitách mění druhové sloţení. Jinými slovy, gama diverzita vyjadřuje stupeň obměny druhů podle vzdálenosti určitých míst v podobném stanovišti nebo podle jejich rozšiřujících se areálů výskytu (geographic scale diversity). Platí tedy vztah: beta = gama/alfa diverzita Biodiversita není totoţná s druhovým bohatstvím (výčet druhů), nýbrţ je pojmem mnohem širším a komplexnějším. Na druhou stranu ji však nelze ztotoţnit s celým předmětem zájmu současné ochrany přírody. Biologická rozmanitost končí de facto na úrovni 9

11 ekosystémů, nedotýká se tedy bezprostředně krajiny, krajinného rázu atd. Také geologická a geomorfologická diversita, souhrnně tzv. geodiversita, přesahuje rámec pojmu biologická rozmanitost. V poslední době se tak objevují nové pojmy geobiodiversita a krajinná diversita. vstup Obr.1 Vzájemné překrývání různých částí biodiversity podle Solbriga Metody hodnocení biodiverzity I přesto, ţe biodiverzita a její hodnocení patří k nejdiskutovanějším tématům dnešní ekologie, je stále sporné, jakým způsobem by měla být hodnocena či měřena. Uţ krátký pohled do literatury odhalí velký počet různých metod hodnocení biodiverzity. Není snadné se v celé škále metod orientovat, navíc některé metody jsou známé pod několika 1

12 různými názvy. Důvodem výskytu tolika různých metod můţe být fakt, ţe měření biodiverzity hodnotí dvě sloţky: Různorodost (heterogenita), která zahrnuje druhovou bohatost (počet druhů ve společenstvu) a eveness (také equitabilita, rovnoměrnost, vyrovnanost v zastoupení druhů) (Krebs, 1989). Jak jiţ bylo popsáno, je moţné dělit diversitu podle různých pohledů, nejen na biodiverzitu druhů, zdrojů, ale i z hierarchického pohledu, kdy se zkoumá společenstvo tvořené vyššími taxonomickými úrovněmi neţ je druh nebo čeleď (Magurran, 1988). Kaţdou jednotlivou část biodiverzity lze měřit mnoha různými metodami nejrůznějšími indexy, grafickými zobrazeními, modely, grafy - záleţí na pohledu hodnocení. Dvěma nejběţnějšími způsoby hodnocení biodiverzity jsou indexy biodiverzity a abundanční modely Indexové hodnocení biodiverzity Mezi indexy by v podstatě bylo moţné sčítání členů druhu v definovaném vzorku. Tato metoda poskytuje velmi hodnotné poznatky, pokud je sledovaná oblast ohraničena v čase i prostoru. N pres = N past + B D + I E Neboli - počet jedinců jistého organizmu, který v současnosti obývá určité zkoumané místo (N pres ) je roven součtu organismů, které toto místo obývaly dříve (N past ), organizmů nově narozených od daného bodu v minulosti po současnost (B) a organizmů imigrantů (I). Od tohoto součtu je odečteno mnoţství organizmů zemřelých (D) a organismů-emigrantů (E). Obdobně pro počet jedinců v budoucnosti (N fut ) platí: N fut = N pres + B D + I E, kdy B představuje počet organizmů narozených v období od současnosti po jistý okamţik v budoucnosti atd.(begon, 1997). Popsat tímto způsobem biodiverzitu je však velmi obtíţné uţ jen z toho důvodu, ţe organizmů existuje i v relativně jednoduchých ekosystémech velké mnoţství, navíc poskytuje jen velmi omezenou charakteristiku variability populací (např. zjistíme, jak je populace velká, kolik je v ní zastoupeno druhů, ale uţ ne to jaké je v ní věkové zastoupení jednotlivých druhů). Také neříká nic o způsobu utváření společenstva. Na druhou stranu poskytuje toto 11

13 měření okamţitou expresi diverzity a bylo úspěšně pouţito v mnoha studiích, například je pouţil Abbott (1974), Conner a Simberloff (1978) a Hartus (1984). Z jiného pohledu můţeme indexy biodiverzity rozdělit podle toho, z jakého hlediska biodiverzitu popisují Indexy počtu druhů Pro lepší představu o této problematice byly vytvořeny různé modely. Některé indexy byly získány kombinací S (počet druhů) a N (celkový počet jedinců v sumě S druhů). Řadí se mezi ně Margalefův index (D Mg ) a Menhinickův index (D Mn ) (D Mg ) = (S -1)/ln N (D Mn ) = S/ N Nevýhodou těchto indexů je, ţe nijak nepostihují tvar společenstva (species abundance curve) a tím pádem ani vzájemné poměry taxonů. Zakrývá se tak skutečnost, ţe některé druhy jsou vzácné, zatímco jiné běţné (Begon, 1997) Indexy dominance Tyto indexy hodnotí vyrovnanost společenstva nebo přítomnost silných dominantních druhů v něm. Řadíme mezi ně Simpsonův index, Berger Parker index a Mc Intoshovu míru diverzity. Simpson index Berger Parker index D n ( n i i N ( N 1) 1) d N max N 12

14 Míry dominance se zajímají spíše o četnost nejběţnějších druhů neţ o míru druhové bohatosti. Simpsonův index (Yule index, autor Simpson, 1949, Magurran, 1988) je pravděpodobnost, ţe dva náhodně vybraní jedinci ze společenstva nekonečné velikosti patří k různým druhům. Se vzrůstající hodnotou Simpsonova indexu diverzita klesá. Vlastní vyrovnanost můţeme vypočítat vyjádřením Simpsonova indexu D, jeho podílu z maximální moţné hodnoty D, očekávané v případě, kdy by jedinci byli mezi druhy rozmístění naprosto rovnoměrně, tj. z hodnoty D max = S. Ekvitabilita E je tedy dána vztahem (Begon, 1997): E D D max S i 1 1 P 2 i 1 S Ekvitabilita můţe nabývat hodnot v rozmezí aţ 1. Berger-Parkerův index (Maguran, 1988) vyjadřuje poměrnou důleţitost druhu s největší početností Indexy počtu druhů a jejich ekvitability Do tohoto druhu indexů patří Shannonův a Brillouinův index. Brillouinův index se pouţívá jen pro část společenstva, která je skutečně vzorkována, zatímco Shannonův index při výpočtu počítá s faktem, ţe část společenstva vzorkována nebyla. Shannonův index H p i ln p i p i n i N Shannon evenness E H H max H ln S Q STATISTIKA je další metodou, kterou lze vyuţít k popisu diverzity. Vyuţívá se v ní graf kumulativního počtu druhů (viz obr.2) a měří sklon její křivky. Její nevýhodou je, ţe můţe být značně ovlivněna malou velikostí vzorku, pokud je v něm obsaţeno méně neţ 5% druhů. 13

15 Q statistic stochastická: Pro všechny páry Sj a S j a Nj a N j (j > j, j=1,2,.r) S kumulativní počet druhů N počet jedinců ve třídě r počet tříd (i=1,2, r(r-1)/2) Hodnota Q statistic se pak spočítá jako medián nebo geometrický průměr vypočítaných hodnot Xi (Dušek et. al. 1998). Obr.2 Q statistika-měřítko sklonu křivky abundancí kumulativního počtu druhů Abundanční modely Tato metoda popisuje distribuce druhových abundancí. Dle Magurran (1988) vyuţívá veškeré informace nasbírané o společenstvu a je tím pádem nejkompletnější matematickou metodou popisující nějaká data. Relativní abundanci je moţné zobrazit různými typy grafů, z nichţ za základní můţeme povaţovat rank/abundance graf (graf pořadí-početnost). Vynáší 14

16 POČET DRUHŮ abundance jednotlivých druhů proti pořadí jednotlivých druhů od nejabundantnějšího po nejméně abundantní. Tento graf je moţné pouţít pro početnost jedinců, pro velikost plochy, kterou jednotlivé usedlé druhy zaujímají, nebo pro biomasu různých druhů, které společenstvo tvoří (Begon, 1997) ABUNDANCE (počet jedinců) Obr.3 Graf distribuce druhových abundancí Mezi další moţné metody zobrazení patří K-dominance graf, ve kterém je vynesena kumulativní abundance druhů proti logaritmu druhové řady a muţe být vyuţit pro optické srovnání diverzity různých vzorků. K-dominance graf obvykle zobrazuje křivky očekávaných a nalezených abundancí. Podle Platta (1984) můţe být diverzita jednoznačně stanovena pouze pokud se tyto dvě křivky nepřekrývají. Viz. graf, který zobrazuje počet druhů proti ose jejich logaritmované abundance, tedy graf kumulativního počtu druhů se vyuţívá jako doplněk k výpočtu Q statistiky. 15

17 KUMULATIVNÍ ABUNDANCE (%) Kumulativní poèet dr uhù ŘADA DRUHŮ (log) abundance (log) Obr.4 Různé metody grafického zobrazení druhové abundance Grafické vyjádření závislosti abundance na pořadí druhů podle abundance lze vyuţít pro analýzu vztahu druhů a abundance. Většina společenstev se skládá z malého mnoţství druhů s vysokou abundancí, o něco větším mnoţství druhů s abundancí střední a většina druhů je zastoupena jen malým počtem jedinců (Magurran, 1988). Z důvodu této nevyrovnanosti abundance druhů vznikla další metoda měření biodiverzity species - abundance modely. Tyto modely zobrazují teoretické rozloţení abundancí. Zhodnocením křivky průběhu druhů ji můţeme přiřadit k určitému, jiţ předem navrţenému modelu, a tím v podstatě získáme, na základě matematické nebo ekologické představy, informace o vzniku společenstva, vlivech na jeho utváření i současný stav. Modely dělíme na matematické (statistické) modely, které jsou zaměřeny hlavně na velká, přesně nedefinovaná společenstva a biologické (na niku orientované, stochastické) zabývající se spíše menšími společenstvy. Právě biologické modely odráţejí různé vlivy, které se na vzniku a vývoji společenstev podílejí. Některé z modelů jsou zároveň biologické i matematické a proto se mezi nimi těţko hledá ostrá hranice. Kromě těchto dvou hlavních kategorií rozlišujeme ještě různé jiné modely nebiologického charakteru. Hlavním problémem modelů je, ţe v podstatě zobrazují pouze jednoduché předpoklady probíhajících procesů, které mohou být reálně daleko sloţitější 16

18 Typ modelu Model Autor MATEMATICKÉ Geometric series Motamura (1932) (statistické) Log-series Fischer (1943) Log-norm,ál Presto (1948, 1962) Negative binoval Anscombe (195) Blues a Fisher (1953) Zipf-mandelbrot Zipf (1949, 1965) Mandelbrot (1977, 1982) BIOLOGICKÉ (na niku orientované) Broken stick MacArthur (1957) Particulate niche MacArthur (1957) Overlapping niche MacArthur (1957) MacArthur fraction Tokeshi (199) Sequential breakage Sugihara (198) Geometric series Tokeshi (199) Dominance pre-emption Tokeshi (199) Random fraction Tokeshi (199) Dominance decav Tokeshi (199) Random assortment Tokeshi (199) Composite model Tokeshi (199) Power fraction Tokeshi (199) OSTATNÍ Dynamic model Caswell (1976) Neutral model Hughes (1984, 1986) Obr.5 Přehled species-abundance modelů (podle Tokeshi, 1993) 17

19 Matematické (statistické) modely Tyto modely jsou zaměřeny především na větší společenstva a jsou definovány matematicky. Snaţí se matematicky popsat různé tvary druhové abundance společenstev nalézaných často v reálném světě. Obr.6 Znázornění některých z mnoha podob grafů pořadí-početnost. Nejstrmější křivka Geometric series vyjadřuje nejméně vyrovnané rozloţení a značí téţ přítomnost velmi dominantních druhů. Naopak křivka modelu Broken Stick vyznačuje společenstva s vyrovnanou druhovou abundancí. U veškerých moţných křivek mezi těmito dvěma klesá směrem od Geometric series dominance a naopak stoupá vyrovnanost společenstev. 18

20 Model Geometric Series Právě tento model, jehoţ autorem je Motamura (Magurran, 1988), můţeme řadit jak do modelů matematických, tak do modelů biologických. Často vyuţívá rank/abundance grafů. Je to první model vypracovaný na dělení niky. Právě z tohoto důvodu je určen spíše pro malá společenstva, prostředí s druhy v rané fázi vývoje nebo vůbec druhově chudá, vyskytující se v prostředí, kde převaţuje jen málo faktorů. Byl testován na chvostoskocích rodu Collembola, bentosu jezer nebo téţ na rzích druhu Lilium perenne (Magurran, 1988). Předpokládá, ţe nejdominantnější druh obsadí určitou část zdrojů k, druhý stejnou poměrnou část zbytku území k, třetí druh zbývající část k po umístění prvního a druhého atd. Viz.obr.7 Obr.7 Geometric series 19

21 Model Log Series Stejně jako model geometric series se i tento model spíše hodí pro popis společenstev v rané fázi vývoje obývajících území s nízkým počtem dominujících faktorů. Pokles dominance mezi jednotlivými druhy je však pomalejší. Od tohoto rozloţení můţeme odvodit index diverzity α koeficient příslušné funkce: N (1 x) x a jeho variabilita Var ( ) ln(1 x) x vypočítáme ze vztahu počet jedinců. S (1 x) ln(1 x) N x, kde S je celkový počet druhů a N celkový Jako první se pokouší o matematické vyjádření vztahu mezi počtem druhů a počtem jedinců v nich Fisher et al.,1943. Geometric series přechází do Log series tím, jak vývoj společenstva pokračuje nebo zlepšujícími se podmínkami prostředí (Magurran, 1988). Velmi dobře popisuje tvar druhové abundance reálných společenstev. Jestliţe znázorníme graficky vztah mezi počtem druhů a počtem jedinců v nich, dostaneme křivku konkávního tvaru. Obr.8 Průběh křivky modelu log -series 2

22 Log Normal model Je to nejčastější obecné rozloţení v biologii. Důvodem je zastoupení jednotlivých druhů ve velkých společenstvech, ve kterých je toto přibliţně následující, 65% tvoří druhy vzácné, 25% druhy se střední početností a pouze 1% druhy velmi početné. Právě z tohoto důvodu se tento model hodí právě k popisu velkých společenstev. Vznikl jako důsledek tzv. centrální limitní teorie, která říká, ţe při působení velkého mnoţství faktorů na proměnnou, způsobí normální rozloţení té proměnné. S tímto teoretickým předpokladem je ovšem spojen problém, ţe většina dat obsahuje jen pravou část křivky a chybí vzácné druhy. Tento výsledek nazýváme truncated log-normal křivka výsledkem je tedy lognormální rozloţení. Proměnnou je např. abundance druhů a faktory jsou všechny procesy působící na společenstvo. Tento model byl poprvé pouţit Prestonem s pouţitím log 2 (Magurran, 1988). Kromě log 2 je také moţné vyuţít log 3, log 1 nebo libovolný logaritmus. S log normal modelem je spojen také index diversity γ, který je mírou vztahu mezi vrcholem křivky jedinců (RN) a vrcholem druhové křivky (R max ). R R N ln 2,5 max 2a(ln S ) Broken-stick Také tento model patří jak k modelům matematickým, tak k modelům biologickým a bude podrobněji rozebrán v souvislosti s modely biologickými, kam je ostatně podle Tokeshiho (1993) zařazován. Za zmínku také jistě stojí Zipf Mandelbrot model, který patří mezi ty modely, které vznikly v důsledku nespokojenosti některých ekologů s jiţ existujícími modely. Vychází z předpokladu, ţe později příchozí druh je vzácnější neţ ten dřívější, neboť má specifičtější poţadavky na prostředí. Má podobně jako Shannonův index základy v jazykovědě a teorii informací (Magurran, 1988). 21

23 Biologické (na niku orientované) modely Obr 9 Grafické zobrazení křivek tzv Tokeshiho modelů DD Dominance Decay, MF MacArthur Fraction, RF Random Fraction, Random Assortment, CM Composite model, DP Dominance Preemption I přes poměrně velké mnoţství modelů, které jsou v této práci označeny jako biologické je nutné se zmínit, ţe podle názoru Pieloua (1975) a Graye (1988) (v Magurran, 1988) pouze tři z nich mají striktně biologický původ. Patří mezi ně Overlapping niche, Geometric series a Broken stick model, přičemţ poslední dva se řadí jak k biologickým, tak k matematickým modelům. 22

24 Zbývající, výše vyjmenované biologické modely, byly zpočátku pojaty jako statistické, avšak přibylo k nim jedno či více biologických vysvětlení (Magurran, 1988). Z tohoto důvodu a také proto, ţe hlavním tématem této práce není pouze popis modelů hodnocení biodiverzity budou podrobněji popsány pouze tyto tři modely. Popisy modelů jsou převzaty z prací Tokeshiho(1993), který některé z biologických modelů vytvořil a některé pouze převzal od jiných autorů, popřípadě je modifikoval. Jak jiţ bylo dříve zmíněno, jsou biologické modely vhodnější k popisu menších společenstev. Je zajímavé, ţe navzdory moţné ekologické důleţitosti biologických modelů, jim nebyla věnována taková pozornost jako modelům matematickým. Mohlo by to být způsobeno tím, ţe poznatky týkající se pravidel druhové abundance byly hůře rozpoznatelné, jejich zkoumání zdlouhavé a nové biologické modely byly navrţeny teprve nedávno Broken-stick model Tento model vyvinul v roce 1957 MacArthur a předpokládá simultánní dělení niky, které probíhá současně a náhodně. Druhy niku osazující mají stejné poţadavky a při jejím obsazování se vzájemně vytlačují. Pouţívá se převáţně pro malá společenstva příbuzných druhů, u kterých nastala rovnováha. I tento model se přes provedená měření (King,1964) potýká s problémy testování reálných dat. 23

25 Overlapping niche Tento model (MacArthur, 1957) předpokládá překrývání nik jednotlivých druhů sdílejících stejnou niku celkovou. Abundance kaţdého druhu je prezentována jako vzdálenost mezi dvěma body náhodně umístěnými na úsečce jednotné délky.tento model byl testován reálných datech jen ve velmi málo případech, znamená to ţe velmi pravděpodobně neexistuje obecná představa, jak tento model testovat. druh A druh B druh C druh D druh E druh F Obr.1 Dělení niky podle modelu Overlapping-niche Geometric Series model Tento model je příkladem modelu jak matematického, tak biologického. Právě Tokeshi(199) jej popsal způsobem, který z něj utvořil model řadící se mezi stochastické. Jeho podrobnější popis je proto zařazen v předchozí části, která je na stochastické modely zaměřená. 24

26 2.1.3 Aplikace a využití metodiky hodnocení biodiverzity na problémy EcoRA EcoRA Popis, formulace Expozice Účinky Hodnocení rizika Problému - Geologie - Pedologie - Krajinná ekologie DESIGN Měření - Ekologie - Profily chem. látek - Chemie - Účinky DATA - laboratoř SCREENING - terén Biodiversita Early warning Integrující Indikace Meta-biomarker Abio-zdroje Obr.11 Schéma vstupů a komponent procesu ECORA. Hodnocení bioidiverzity má největší uplatnění jako integrující biomarker agregující vliv zatíţení v čase První krok v procesu hodnocení rizika zahrnuje, jak uţ bylo dříve řečeno, sběr a vyhodnocení dat o typech neţádoucích účinků na ţivotní prostředí, které mohou být vyvolány daným polutantem či polutanty, a o podmínkách expozice, za kterých dochází k neţádoucím účinkům. Informace při hodnocení nebezpečnosti polutantu můţeme získat provedením baterie testů, nikoliv testováním jediného druhu. Pouţitelnost modelového ekosystému není jen ve sledování neţádoucích účinků na jednotlivé druhy v něm obsaţené, ale hlavně na sledování změn v jejich interakcích. A v této fázi přichází na řadu biodiverzita a sledování jejích změn uvnitř systému. Její význam byl pro dané účely identifikován. 25

27 Bohuţel stále chybí jednoznačný pohled na interpretace těchto změn. Právě vztahy mezi změnou biodiverzity a působením kontaminace jsou momentálně intenzivně zkoumány. Zkoumání biodiverzity by mohlo být ideálním parametrem pro hodnocení EcoRA i z dalších hledisek a důvodů. Jeden z nich můţeme nazvat jako paměť biodiverzity, je moţné tvrdit ţe biodiverzita je jakýmsi otiskem prstu (finger print) prostředí, reagujícím v krátkodobém i dlouhodobém měřítku na negativní vlivy, které na ni působí.tato vlastnost však můţe být v jistých případech i určitou nevýhodou.(např. reakce na dlouhodobé podprahové podněty, které uţ v podstatě nejsou nebezpečím pro daný ekosystém). Na druhou stranu, mnoho studií jasně dokazuje fakt, ţe měření a výzkum biodiverzity hraje významnou roli v ekologickém hodnocení (Magurran, 1988) Příklady aplikace a využití Ještě předtím neţ budou zmíněny moţností vyuţití hodnocení biodiverzity v hodnocení ekologických rizik, je třeba se zmínit o existenci některých obecných zákonitostí o kterých bychom měli vědět a pracovat s nimi. - Některé oblasti hot spots ( horká místa ) mají velkou biologickou diverzitu bez nějakého zjevného důvodu, některé oblasti na Zemi mají neobvykle velkou biologickou diverzitu a to přes srovnatelnou zeměpisnou šířku-tropická Afrika je na druhy méně bohatá neţ tropy v Americe a Asii, atd. - V tropech se vyskytuje více druhů v mírném pásu, který je ale na druhy bohatší neţ polární oblasti:počet druhů klesá od rovníku k pólům, na vzdálených ostrovech se vyskytuje mnoho endemitů - Biodiverzita není totoţná s druhovým bohatstvím (výčet druhů) i kdyţ je tímto způsobem někdy hodnocena, jde spíš o variabilitu uvnitř a mezi společenstvy ekosystémů. Biodiverzita je v tomto pojetí povaţována za vlastnost ţivota. 26

28 Na tomto místě je uvedeno několik příkladů vyuţití indexů a jiných měření biodiverzity, které byly provedeny v minulosti, popřípadě se s nimi i nadále pracuje. Většina příkladů je převzata z práce Magurran (1988). Brillouin index vyuţili Tomascik a Sander (1987)ve svém výzkumu efektu eutrofizace na korálové útesy na ostrově Barrbados. Jejich zjištěním bylo jak přímé, tak nepřímé ovlivnění struktury korálových útesů tímto znečištěním. Právě index biodiverzity byl nejlepším a nejcitlivější měřením účinků. Velmi rozšířeným a obecně pouţívaným indexem biodiverzity je Shannon index. Pouţil ho také Wo (1982) při zkoumání epibentických společenstev v Tolo Harbour and Channel v Hongkongu. Zjistil zřetelný růst diverzity se vzrůstající vzdáleností od zdroje znečištění. Obr.12 Diverzita ryb a znečištění v závislosti na vzdálenosti od zdroje znečištění (převzato od Bechtel a Copeland,197) Také Pointer a Kennedy (1984) pouţili tento index k měření vlivu bagrování pobřeţí na mořský bentos na rozsáhlém území Queenslendu v Austrálii. Zaznamenali signifikantní pokles diverzity právě v těchto oblastech, v jejich okolí byl sice zaznamenán vzrůst druhového bohatství ne však diverzity. Platt et al.(1984) upřednostnili Simpson s a to při výzkumu diverzity nematod a naopak Tailor (1986) pouţil log series index α k monitoringu diverzity motýlů na mnoha místech Británie. Tato data jsou vyuţívána k předpovědi 27

29 ekologických změn. May (1981) poukazuje na skutečnost, ţe společenstva, která povaţujeme za rovnováţná lze většinou vyjádřit pomocí modelu log-normal, ale pokud jsou vystaveny nějakému znečištění jejich species abundance distribuce se posouvá zpět směrem ke křivkám lag a geometric series. Ještě o něco lépe tuto skutečnost dokazuje Patric (1973) zobrazením výsledků vlivu organického znečištění na rozsivky. Rozsivky bývají, mimo jiné, vyuţívány jako důleţitý bioindikátor zastupující fytoplankton. Výzkumy změn ve změnách rozloţení, která povaţujeme za rovnováţná lze většinou vyjádřit pomocí modelu log-normal, ale pokud jsou vystaveny nějakému znečištění jejich species abundance distribuce se posouvá zpět směrem ke křivkám lag a geometric series. Ještě o něco lépe tuto skutečnost dokazuje Patric (1973) zobrazením výsledků vlivu organického znečištění na rozsivky. Rozsivky bývají, mimo jiné, vyuţívány jako důleţitý bioindikátor zastupující fytoplankton. Výzkumy změn ve změnách rozloţení druhů a diverzitě v sedimentech mohou pomoci pochopit řadu environmentálních rizik, jako jsou např. kyselé deště (Batarbee et al., 1985). Obr.13 Vliv organického znečištění na diverzitu rozsivek (převzato od May 1981, potom Patrick 1973) 28

30 Stále častějším modelovým objektem různých ekologických studií, hodnocení antropogenního ovlivnění ekosystémů a krajiny a také biodiverzity jsou brouci z čeledi Drabčíkovitých. Drabčíkovití jsou často vyuţíváni jako bioindikátory, toto vyuţití se v současnosti ubírá třemi hlavními směry, mezi které patří i pro tuto práci významný směr a to Statistické metody pro hodnocení drabčíků (Boháč, 199). Další dva směry jsou tyto: 1) Sledování katén s měřením biotických parametrů a 2) Rozdělení druhů do skupin podle jejich ekologických nároků. Co se týče právě statistických metod, mezi nejčastěji pouţívané patří shluková analýza, dvoucestná analýza rozptylu a mnohorozměrné metody (Lepeš, 1996). Metoda rozdělení druhů do skupin podle jejich ekologických nároků poslouţila jako základní pro vyuţití drabčíkovitých jako bioindikátorů a pro hodnocení stavu ţivotního prostředí a vlivu člověka (Boháč, 1999). Pro hodnocení společenstev drabčíků mohou být pouţity různé indexy diverzity počítané na základě počtu druhů a jedinců ve vzorku (Růţička&Boháč,199). Na druhé straně tyto indexy jsou zaloţeny na počtu druhů a jedinců a ne na jejich ekologické charakteristice, proto byl navrţen index pro hodnocení antropogenních vlivů na ekosystém, který je počítán na základě rozdělení drabčíků do skupin vzhledem k jejich vztahu k přirozenosti biotopu (Boháč, 199, Boháč,1999). Oblasti ve kterých můţe být tato čeleď brouků vyuţita jako bioindikátory jsou např. hodnocení vlivů jak organických, tak anorganických hnojiv, pesticidů, dopravy s různou intenzitou, také při hodnocení kumulace těţkých kovů a radionuklidů atd. Rovněţ různé další skupiny půdních a epigeických bezobratlých bývají vyuţívány k těmto účelům. V současnosti vzrůstá také význam půdní mikrobiologie a tím i zkoumání a vyuţití mikrobiální biomasy jako dalšího bioindikátoru. Důvodem je skutečnost, ţe mikroorganismy dávají poměrně velmi rychlou odpověď na přítomnost stresujících faktorů v jejich ţivotním prostředí a pohlavně změnou velikosti společenstva anebo změnou aktivit např. respirační rychlosti, metanogeneze nebo kinetice nitrifikace. Pomocí půdní mikrobiologie lze hodnotit velké mnoţství vlivů na ţivotní prostředí. Velmi významným faktem je, ţe lze posuzovat vlivy i takových koncentrací polutantů, které jsou běţně povaţovány za chronické nebo relativně neškodné. Také je pomocí nich moţné odhadnout akutní toxicitu látek. 29

31 I v těchto výzkumech a měřeních je vyuţíváno biodiverzity sledovaných mikroorganismů. Většina reakcí je měřena na úrovni společenstva, coţ bylo podloţeno rozsáhlým počtem výzkumů, které dokázaly, ţe právě společenstvo je vhodná jednotka. Pokud se zaměříme na dělení biodiverzity, je při vyuţití těchto organismů nejčastěji zkoumána funkční biodiverzita, která ukazuje fyziologický stav společenstev a je odrazem biologické a ekologické kvality daného prostředí. Funkční diverzita na úrovni společenstva je významný biomarker při hodnocení stresorů. Vyjadřuje mimo jiné schopnost daného společenstva přizpůsobit metabolismus a nebo relativní sloţení a velikost společenstva podle působení různých stresorů. To znamená, ţe funkční diverzita je odrazem ekologické stability prostředí (Garland and Mills, 1991). Celkově má hledání bioindikátorových systémů, jejichţ změna pod vlivem stresu je jednoznačná a má významné a přímé ekologické interpretace, z hlediska hodnocení ekologických rizik v podstatě největší význam. Z tohoto důvodu jsou hledání a validace takových bioindikačních systémů jedním z významných směrů současného vývoje. Vyuţití citlivých bioindikátorových organizmů můţe být velmi efektivní formou dokladu retrospektivních a recentních účinků na ekosystémové úrovni. Pokud by se podařilo najít druh organizmů, který by byl jakýmsi zástupcem citlivosti znečištění, tzn. mohli bychom pouze pomocí tohoto druhu zhodnotit riziko a reakci na znečištění v dané hodnocené lokalitě, byl by to velmi významný krok v celém hodnocení ekologických rizik. I v tomto by mohlo významně přispět hodnocení biodiverzity. Celkově ve všech fázích hodnocení ekologických rizik by hodnocení biodiverzity mohlo v určité míře přispět. Dalšími organizmy, které jsou v současnosti hodnoceny a zvaţovány jako moţný významný bioindikátor, jsou různí paraziti, např. paraziti sladkovodních ryb. Byly provedeny výzkumy na třech úrovních na úrovni jednotlivce, populace a společenstva. Mimo jiné bylo vyuţíváno právě hodnocení biodiverzity v podobě statických metod, měření heterogenity společenstev, dále stochastické analýzy a species-abundance křivky. Při srovnání vysoce znečištěných oblastí s těmi méně zasaţenými prokázala tato analýza podstatný pokles v počtu druhů parazitů s daleko vyrovnanějším rozloţením abundance. Vzhledem k těmto výsledkům, ale i dalším biologickým vlastnostem představují paraziti ryb velice perspektivní skupiny organismů pro hodnocení sladkých vod. Měli bychom zdůraznit to, ţe kaţdá změna ve společenstvu parazitů reflektuje i změnu okolního prostředí a proto mohou být paraziti bioindikátory ekologického stresu, struktury ekosystému a také biodiverzity. A kdyţ se 3

32 zaměříme na otázku, v jaké fázi hodnocení ekologických rizik by mohli být paraziti a jejich zkoumání vyuţiti, mohou slouţit jako nespecifický early warning systém (Gelnar, Dušek a spol., 22). Jestliţe však hodnotíme biodiverzitu a její moţnou hodnotu v procesu hodnocení ekologických rizik, je třeba zmínit i názory, ţe její měření není vhodnou cestou. Mnoho studií totiţ dokázalo, ţe diverzita můţe záviset i na jiných faktorech neţ je znečištění prostředí (Bouchon, 1981, Loya,1972 v Magurran, 1988). To, ţe diverzita vzrůstá a znečištění klesá, neznamená automaticky, ţe je mezi těmito fakty přímá souvislost. V některých případech totiţ diverzita vzrůstá právě z důvodu nějakého znečištění nebo jiného negativního faktoru působícího v daném prostředí. Jako příklad lze uvést eutrofizaci povrchových vod. Právě v jistých fázích eutrofizace, vzhledem k obohacení vody o rostlinné ţiviny (N,P,C), stoupá počet řas a bakterií, které odumírající řasy rozkládají. Tento vzrůst je samozřejmě pouze dočasný a na úkor sníţení diverzity vyšších forem ţivota, protoţe kalná, zapáchající a toxické produkty obsahující voda neumoţňuje ţivot vyšších forem ţivota. Příklad toho, ţe vzrůst biodiverzity není vţdycky známkou lepší kvality ţivota a prostředí, jsou také jiţ zmiňovaní paraziti. V nemocných a oslabených jedincích i celých populacích vyšších organismů totiţ velmi často diverzita parazitů vzrůstá Další využití metod hodnocení biodiverzity Jak jiţ bylo řečeno dříve, biodiverzita je velice široký pojem popisovaný skoro stejně širokou škálou různých definic. Její měření, hodnocení a v podstatě vše, co se této oblasti týká je významným cílovým modelovým parametrem a je určitě smysluplné a má význam. Jak vyplývá z této i dalších prací a také z níţe uvedených studií, lze biodiversitu označit za integrující biomarker. Vzhledem k její obrovské rozmanitosti, různým pohledům na ni, různým dělením a také vzhledem k velkému mnoţství často nesourodých způsobů jejího měření se v této části zaměřím na rozšíření přehledu a také praktického vyuţití zmiňovaných metod hodnocení biodiverzity z další pouţité literatury. Nutno uvést, ţe některé z následujících prací klasické hodnocení biodiverzity, uváděné výše v této práci, zavrhují nebo nedoporučují a navrhují naopak jiné. 31

33 Studie prezentovaná roku 28(Lamb, E.G, Bayne, E.et al., 28)se zabývá srovnáním 4 hlavních přístupů v hodnocení biodiverzity: (1) tradiční indexy biodiverzity jako je species richness nebo Simpsonův index (2) indexy zaloţené na výskytu (3) indexy zaloţené na abundanci a (4) indexy společenství s větším mnoţstvím proměnných. Byla pouţita simulovaná data pro ověření efektivity 13 vybraných indexů s těchto čtyř kategorií, zkoumali následující: statistickou robustnost, citlivost k chybám a nesrovnalostem v datech, ekologickou relevanci a snadnost porozumění a prezentace. Vzhledem k faktu, ţe část indexů, se kterými se zde pracuje, není součástí této práce, shrnu pouze v krátkosti hlavní poznatky a výsledky. Ukazuje se, ţe indexy, které vyuţívají rovnice jako Bucklandův aritmetický index (Lamb, E.G, Bayne, E.et al., 28) jsou nejefektivnější pro pouţití v rozsáhlých monitorovacích programech zabývajících se neporušeností biodiverzity, zatímco tradiční indexy diverzity k tomu nejsou právě optimální, například z dále uváděných důvodů a indexy společenství s větším mnoţstvím proměnných mohou být vysoce citlivé k chybám v datech. Nejlepší výsledky ve zkoumaných oblastech se ukázaly být u indexů zaloţených na druhové abundanci a dále u indexů výskytu daného druhu. Co se týká zmiňovaných tradičních indexů, například species richness, Shanonnův a Simpsonův index nejsou vhodné k pouţití v rozsáhlém monitorování, například kvůli nemoţnosti rozeznat identitu druhů, protoţe je překrývá přírustek nepůvodních druhů na daném území. Pobřeţní mořské ekosystémy patří k systémům s největší diverzitou a produkcí na zemi, i ony jsou však ohroţeny antropogenními stresory. Rozbor a přehled u 216 studií a meta-analýz se záměrem rozebrat a určit efekty působení běţných kontaminantů na tyto ekosystémy.(johnston, E.,L., Roberts, D., A., 28) Nejpouţívanější metodou měření biodiverzity bylo species richness, Shannon-Wiener index a Pielou evenness. Občas také Margalef s richness a Simpsonova diverzita.obrázek! Nejjednodušší metodou měření je počet druhů na jednotku plochy nebo uţ zmiňované species richness, dále hojně pouţívanou a uznávanou komponentou biodiverzity je druhová vyrovnanost a abundance, při které se sledovaný druh vyskytuje v rámci dané oblasti. (Pielou, 1975). Nejvíce hodnot bylo získáváno ze sedimentů, kde se akumuluje velké mnoţství kontaminantů, zatímco jejich tendence perzistovat ve volně tekoucí vodě, či na pobřeţních útesech hojně omývaných vodou, je relativně nízká. 32

34 Z výsledků meta-analýz je patrné, ţe znečištění mořských ekosystémů koreluje s negativním dopadem na druhovou bohatost a vyrovnanost a výsledky jsou nápadně podobné u stanovišť i tříd kontaminantů. Nebyl zjištěn ţádný signifikantni rozdíl ve změnách druhové bohatosti, Shannon-Wiener diverzity nebo Pielou evenness, v kterémkoliv ze sledovaných systémů a nebo tříd kontaminantů. Také jednotlivé polutanty se ukázaly konzistentní ve svém působení, nebyl zjištěn ţádný jednotlivý s výrazně vyšším působením na diverzitu. Proto se také nabízí otázka, jestli není znečištění mořských ekosystémů nadhodnocováno z důvodu potřeby publikovat studie, které našly právě tyto polutanty s výrazným efektem (Lu and Wu, 23). Fakt, ţe dosud nebyl zjištěn výrazný negativní dopad kontaminace na diverzitu, můţe být například způsoben nahrazení poškozených druhů jinými druhy odolnějšími ke konkrétnímu znečištění ve zkoumané oblasti. Znečištění je schopno redukovat genetickou diverzitu. Antropogenní kontaminace můţe potenciálně hrát důleţitou roli v působení genetického výběru o vodních organismů. (Levinton et al., 23). Nepochybně působí na makro-diverzitu a abundanci organismů, ale její působení na genetickou diverzitu nebylo dosud detailně prozkoumáno. Dosavadní výzkumy například potvrdily redukci genetické diverzity v populacích mořských ţivočichů ţijících v kontaminovaných oblastech, (Kim et al.,23; Ross et al., 22; Street and Montagna, 1996) konkrétně u pelagických mikrobiálních společenstev z Arktické oblasti, vystavených působení surové nafty v okruhu 3 km od ropných plošin.(street and Montagna, 1996) Několik studií hovoří o vzrůstu druhové bohatosti v souvislosti s antropogenni kontaminací. Tyto případy se, bez vyjímky, týkají obohacení ţivinami (eutrofizace, splašky a odpadní vody, uhlovodíky, nebo směsi ţivin a další znečištění). Například sníţení diverzity ţivočichů způsobené uvolňováním hydrogensulidu ze sedimentů můţe paradoxně zvýšit početnost a diverzitu polychet, ţivících se zbytky odumřelých organismů a tolerantních ke zmiňovanému hydrogensulfidu.(gowen a and Bredbury, 1987). Obohacení ţivinami můţe mít také za následek sníţení početnosti do té doby v dané oblasti dominantních druhů, coţ umoţní zvýšení počtu druhů oportunních. Příkladem můţe být zvýšení diverzity řas na pobřeţních útesech v důsledku vyššího výskytu a příjmu fosforu. (Abou-Aisha et al.). 33

35 Z poznatků uvedených studií lze vyvodit, ţe by se hodnocení biodiverzity mělo zaměřit spíše na homogenní sloţky jednotlivých společenstev neţ na společenstva celá Bioindikátory Jedním z důleţitých cílů a záměrů této práce je snaha naleznout, určit a potvrdit tzv. bioindikátory environmentální kontaminace. Jelikoţ ekologické změny a narušení jsou vţdy sloţité a velice komplexní, stanovení přímého vztahu mezi environmentálním stavem/stresem a některým z navrhovaných indikátorů je vţdy sloţité. A proto proces stanovení věrohodnosti těchto indikátorů musí mít na svém začátku jasné stanovení cíle, coţ zahrnuje pochopení a definování toho, které proměnné budou hodnoceny a z jakých důvodů. Také musí být jasné, které z těchto proměnných jsou pro pouţití přímých měření příliš sloţité, drahé nebo časově náročné, a proto je lepší preferovat měření nepřímá, tedy biologické indikátory. A výběr indikátorů je právě neméně důleţitý a měl by být zaloţen na ověřených faktech, jako jsou: (1) Existuje značná a prokazatelná korelace mezi větším mnoţstvím proměnných s ekologickou důleţitostí s navrhovaným indikátorem. (2) Je prokázaný vztah mezi danou proměnnou/proměnnými a odpovědí indikátorů. (3) Tento vztah je přímý a ověřený na mnoha úrovních uvaţované kontaminace v čase i prostoru. Proměnné navrhované jako indikátory by měly silně korelovat s úrovněmi environmentálních proměnných. I kdyţ je tento první krok vţdy doporučován, mnoţství studií doporučuje a obhajuje pouţívání indikátorů bez předchozího testování hypotézy, ţe vlastnosti daného indikátoru korelují s environmentálními proměnnými (Philips, 1979; Blockstock et al., 1986; Claudet et al., 26). Slabé vazby, bez ohledy na svou statistickou významnost mají omezenou hodnotu předpovědi. Stejně tak nemohou být tyto vazby ekologicky významné, protoţe bývají ovlivněny jinými faktory. Aby měla nějaká vazba ekologickou relevanci, síla její korelace by měla být významná a podstatná. Korelační koeficienty by se měly lišit od. Taxon, jehoţ odpovědi kolísají blízko (tzv. Pearsonovo r2 je blízko 1) s proměnnými reprezentujícími environmentální podmínky, můţe být povaţován za dobrý indikátor. Pearsonovo r2 popisuje 34

36 vyčerpanou variabilitu spojenou s korelací mezi dvěma proměnnými. Předpokládá se, ţe vazby odpovědí mezi indikátorem a proměnnou nemohou být spolehlivě odvozeny. Stejně jako silné signifikantní korelace detekované například v laboratoři tyto jsou často zjištěny ze studií trvajících jen několik hodin aţ dní (e.g. Mardsen and Wong, 21) Je nesmyslné předpokládat, ţe tyto vazby budou stejně silné po nějaké době delší neţ při dané studii. I z tohoto důvodu musí být korelace mezi indikátorem a proměnnými konzistentí ve své intenzitě a významnosti a to jak v čase, tak v prostoru. Navíc je nepravděpodobné, ţe měřitelná reakce indikátoru v úvodní nebo pilotní studii bude stejná ve stresovaných nebo i nestresovaných systémech při dalších studiích, nebo na rozsáhlejších plochách (Pechmann et al., 1991). Je poměrně dost záznamů o tom, ţe korelace naměřené na jednom místě nebo v jednom určitém čase, se uţ nemohou opakovat jinde nebo jindy, protoţe pevnost vazby se liší právě buď v čase, nebo prostoru (Weaver, 1995; Oliver and Beattie, 1996; Predergast, 1997; Stark et al., 24;). V doporučeních týkajících se pouţití jednotlivých indikátorů bývají právě tyto různé nesrovnalosti často ignorovány. Jen hrstka studií zjistila a uvádí shodu ve vztahu mezi indikátorem a ekologickými podmínkami v čase nebo prostoru, ale velice zřídka u obojího. Vyvstává také otázka, jestli je daný indikátor schopen indikovat škodlivý stav také pro další organismy daného systému. Také pokud je indikátor málo citlivý, pak určitě není vhodný. Některé taxony jsou velice třeba citlivé na kontaminaci těţkými kovy nebo na jiné polutanty, ale uţ ne na další. Například koncentrace kovů v mlţi Mytilus galloprovincialis je v korelaci s koncentracemi těchto kovů u mlţů ve vodách Galicie ve Španělsku, ale větší neţ u ostatních bivalvií (Veneris pullastra, Cerastoderma edule) ze stejné lokality. (Saavedra et al., 24) Na druhou stranu Edwards et al. (21) objevili velice podobné hladiny koncentrací olova, mědi a kadmia u dvou taxonomicky nepříbuzných ryb (Adrichetta forsteri a Sillago schomburkii ) v zátoce Adelaide v Austrálii. Je nepravděpodobné, ţe by všechny druhy daného systému akumulovaly nebo byly ovlivněny polutanty stejnou měrou, coţ by znamenalo, ţe pouţití jediného taxonu, nebo několika málo taxonů k prezentování stavu celého ekosystému není pravděpodobně moţné (Reinbow, 1995). Od roku 22, kdy se v Johannesburgu konal Světový summit pro trvale udrţitelný rozvoj, se informace o změnách biodiverzity dostaly do popředí veřejného i politického 35

37 zájmu. Hodnocení tohoto je značně závislé na indikátorech diverzity, které odráţejí a shrnují informace o změnách v četnosti druhů a ekosystémů. Účel indikátorů změn biodiverzity je poskytovat pokud moţno jednoduché a okamţité informace (CBD, 24; Gregory et al., 25). Indikátory musí splňovat mnoţství jak vědeckých, tak také praktických kritérií například musí být dostatečně citlivé ke změnám, kvantitativní, biodiverzitu reprezentovat obecněji, účelné při sběru dat a v neposlední řadě by měly být poznatky od nich získané měly bát snadno srozumitelné (Gregory et al., 25; Niemeijer and De Groot, 28). Čím více z těchto poţadavků je splněno, tím efektivnější daný indikátor bude. Bohuţel není vůbec jednoduché některá kritéria splnit. Je například nezbytné ověřit, zda závěry zjištěné u určitého druhu, povaţovaného za indikátor, budou platit i pro ostatní druhy daného ekosystému nebo platí jen pro ten jeden druh. Dalším důleţitým poţadavkem pro potenciální indikátor je, ţe bude kauzálně propojen s příčinou environmentálních problémů. Pro usnadnění orientace v indikátorech je moţné rozdělit tyto do čtyř tipů podle jejich schopnosti zobecňovat závěry a podle síly jejich vazby s environmentálními faktory (Gregory et al., 25). Typ 1: hodnotí, jak moc specificky určité druhy nebo skupiny druhů reagují (sem patří například některé ohroţené druhy), je poměrně snadné je určit, protoţe kritéria k tomu jsou evidentní, nicméně je nelze spojit přímo s environmentálními faktory a zobecnit jakékoliv změny mimo tento soubor druhů. Typ 2: jsou indikátory hodnotící biodiverzitu obecněji není zde přímý úmysl spojovat tyto indikátory se specifickými environmentálními faktory Typ 3: tyto indikátory se pouţívají ke zjištění, jakým způsobem reagují určité druhy na tlaky prostředí např. lišejníky na znečištění vzduchu Typ 4: indikátory ukazují obecnou reakci biodiverzity na faktory prostředí např. biodiverzita zemědělské půdy na praktiky pouţívané v zemědělství Typy 2 a 4 by měly být skutečné indikátory biodiverzity, zatímco typ 1 a typ 3 mají mnohem uţší rozpětí pouţití. Některé příklady k osvětlení výše popsaného rozdělení, které pochází z Nizozemí, ze zdrojů a projektů NGO, jako SOVON Nizozemské centrum pro ornitologii a motýly nebo 36

38 také Nizozemský statistický úřad, netýkají se tedy přímo makrozoobentosu, ale uvádím je pouze pro bliţší vysvětlení daného rozdělení. Vliv změn klimatu na datum kladení vajec u některých druhů ptáků Od roku 1986 se významně zvyšuje datum dní kladení vajec u sýkorky modré (Parus caerulus). Dřívější data kladení mohou být způsobena pozvolným oteplováním, které vede k urychlování začátku ročních období (korelace mezi datem kladení vajec a průměrnou jarní teplotou r = O,73; p,5). Kaţdopádně protoţe tato změna je spojena s přímým faktorem, je toto indikátor typu 3, to znamená, ţe nepodává moc obecných informaci o změnách. Lepší je mit tzv. sloţený indikátor, který můţe vzniknout připojením informací o datech kladení vajec vrabců. U těch je totiţ stejná změna pozorovaná také od roku 1986 a protoţe pak tato skupina indikátorů značnou skupinu druhů, je lákavé povaţovat ji za indikátor typu 4. Na víc k tomu přidáme ještě další druhy stejné oblasti, jako motýly nebo váţky (Van Strien et al., 28; Dingemanse and Kallman, 28). Nicméně změny dat kladení vajec nemohou být přímo interpretovány tak, ţe ukazují negativní dopad na biodiverzitu, tento nastane jen například ve spojení s nedostatkem potravy z důvodu špatného načasování. Mlţi jako indikátor TBT Vodní mlţi patří ke skupině bezobratlých, kteří jsou velice citliví na obsah TBT (tributylicín) v okolí. Z tohoto důvodu se řadí k významným bioindikátorům (Oehlmann and Schulte-Oehlmann, 23). TBT bývá obsaţeno v nátěrech trupů lodí jako ochrana proti znečištění od svijonoţců a jiných ţivočichů. Laboratorní testy ukázaly, ţe samicím mlţů vystaveným působení TBT narůstají nefunkčni samčí pohlavní orgány (tzv.imposex), coţ vede ke sterilitě některých nebo dokonce všech jedinců populace (Oehlmann and Schulte- Oehlmann, 23). Od roku 199, kdy bylo pouţití TBT zakázáno se jeho celkový výskyt redukoval, ale to nic nemění na faktu, ţe v letech populace určitých druhů vodních mlţů v oblasti Ooesterchelde klesla o 88%. Koncentrace TBT v přístavech nejsou dosud pod prahovou hodnotou rizika. Mlţi jsou také ohroţováni asfaltováním cest podél pobřeţí, ale to zřejmě zatím nehraje roli v Ooesterchelde, takţe se dá hovořit o indikátoru typu 3, typ 4 to být nemůţe právě kvůli velké citlivosti mlţů na TBT, proto nejdou poznatky o nich zobecnit na ostatní druhy. 37

39 Ţivočichové pobřeţních dun Od roku 199 klesají podobným způsobem počty ptáků a motýlů, kteří jsou charakterističtí pro ekosystémy pobřeţních dun. Hlavní důvod tohoto poklesu je změna vegetace dun. Mění se z holé písčité krajiny na travnatou, křovinatou aţ dokonce zalesňenou. Je to hlavně kvůli redukci odlesňování a pastevectví, které dřív byly v těchto oblastech běţné. Navíc růst vegetace je momentálně také umocněn vyšším výskytem dusíku ze vzduchu a také ubýváním divokých králíků v důsledku virových infekcí. Ti dříve část vegetace spásali. Šíření vegetace na pobřeţních dunách má za následek pokles počtu např. pěnice popelavé (Sylvia communis) nebo slavíka (Luscinia megarhynches), bělořita šedého (Oenanthe oenanthe) a skřivana polního (Alauda arvensis). Také populace motýlů v těchto oblastech klesají. Ačkoliv postupující sukcese není jediným faktorem poklesu počtu těchto populací, je to proces dominantní, s velkým dopadem na biodiverzitu. Navíc pokles se dá jistě zevšeobecnit na mnoho dalších druhů z pobřeţních dun. Tento indikátor lze tedy povaţovat za typ 4. Kromě ekologických indikátorů, které jsou v této práci zásadní, určitě stojí za zmínku indikátory tzv. krajinné, které jsou s těmi ekologickými v poměrně úzkém vztahu, jak bude dále zmíněno. Zatímco ekologickými indikátory se vědci zabývají uţ dlouhou dobu, v podstatě od deklarace v Riu, těm vizuálním, krajinným je věnována pozornost aţ poslední dobou. Evropská úmluva hovoří o integrovaném pohledu na ekosystémy, kde jsou zahrnuty aspekty vizuální, kulturní a sociální společně s těmi ekologickými. Poměrně velké mnoţství výzkumů zdůrazňuje právě důleţitost této integrace (Fry, 21; Opdam et al., 22; Tress et al. 21, 25, 27, Wissen et al. 28). Indikátory krajiny bývají zaloţeny mnohem víc na datech a průzkumu neţ na teorii a v Evropě probíhá několik monitoringů zaměřených na změny včetně těch ekologických, u kterých se pouţívají právě různé indikátory ( např. Dramsted et al., 22; EEA, 26; Eiden et al., 21; Gallego, 22; OCED, 21). Díky dostupnosti historických dat, týkajících se krajiny, jsou právě indikátory uţitečné k analýzám následků současných změn v ekosystémech. Indikátory jsou totiţ například potřeba k tomu, aby nám pomohly upozornit na aspekty stavu ţivotního prostředí, kde nemůţeme (nebo si nemůţeme dovolit) provádět přímá měření. Správně zvolené indikátory nám můţou pomoct ověřit, jestli jdou ekologické změny ţádoucím směrem nebo ne. 38

40 Nicméně, jak jiţ byl řečeno jinde v této práci, jednotlivé indikátory mohou identifikovat jen část změn a jedině kombinací několika nebo dokonce mnoha indikátorů by mělo být moţné dosáhnout mnohem komplexnějších hodnocení (Weber and Hall, 21). Také z těchto důvodů integrovaná přístup krajinné ekologie zjistil problémy v definování jádra věci (Moss, 2) a vyzývá k interní komunikaci mezi vědci z různých oborů. Proto je také důleţité zjistit a pochopit vztahy mezi ekologií a estetikou a moţností pouţití stejných indikátorů v obou oborech. Například některé ţivočišné i rostlinné druhy jsou přizpůsobeny krjinám, které jsou nějakým způsobem tvarově ovlivněny lidskou činností. Jestliţe je časem tato krajina opuštěná a zpustlá, můţe to vést k sekundární sukcesi změně flory a následně i fauny (e.g. Jensen and Schrautzer, 1999; Leilo et al., 24). Také co se týká konceptů zabývajících se krajinou, mnoho z nich se překrývá s těmi ekologickými, z toho důvodů ţe hlavním cílem obou je její ochrana a udrţování. Ačkoliv se tedy tyto dva obory, jak v některých konceptech, tak ve výběru indikátorů částečně překrývají, někdy nemusí být nezbytně interpretovány stejným způsobem-např. některé pozorované změny mohou být negativní ve vizuálním smyslu, ale pozitivní v ekologickém kontextu. Také například odlišné druhy a skupiny druhů reagují odlišně na změny v krajině (Johnsen and Fahrig, 1997; Luoto et al., 22). Vztah mezi druhovou bohatostí a heterogenitou krajiny se mění také s taxony a mezi generalisty a specialisty druhu (e.g. Atauri and Lucio, 22). Je nezbytné zapojit tato fakta do ekologických profilů o druzích při interpretaci ekologických konceptů a indikátorů (Opdam et al., 23). Velkým zájmen v hodnocení biodiverzity a jejích změn je také identifikace působení chemického znečištění vod na biologická společenstva jejich přeţívání, metabolismus, rozmnoţování a hormonální hladiny, pohybová aktivita atp. Důleţitým faktem je také to, ţe pokud působení některých chemikálií trvá delší dobu, můţe způsobit aţ vymizení citlivějších druhů ze společenstva a dále kaskádu dalších účinků na rozličných trofických úrovních a následně v celém ekosystému. Z těchto důvodů musí být kaţdé potenciální spojení mezi chemickým znečištěním a biologickým poškozením pečlivě prozkoumáno. Je to velice důleţité také vzhledem k tomu, ţe mnoho dalších faktorů, jako změny klimatu, nadměrné mnoţství ţivin nebo naopak jejich nedostatek, fyzikální změny řek, úbytek přirozených biotopů, vzájemné ovlivňování druhů a introdukce druhů nových, můţe významným 39

41 způsobem přispívat ke změnám biologických společenstev (P. Vasseur, C. Cossu-Leguille, Chemosphere 62, 26). V globálním měřítku je ohroţení biodiverzity řek a obecně sladkovodních ploch věnována menší pozornost neţ mořským a terestrickým ekosystémům a to i přesto, ţe se v nich vyskytuje široká škála ţivočišných i rostlinných druhů, z nichţ některé patří k nejohroţenějším na světě. Výskyt některých polutantů se naštěstí uţ sniţuje v důsledku regulací, na druhou stranu se ale objevuje mnoho dalších toxických komponent jako jsou produkty farmaceutického průmyslu nebo přípravky pro osobní hygienu člověka, které mohou být pro neméně nebezpečné pro ţivot ve vodách (K. Fent, A.A. Weston, D. Carminada, 26). Zatím, bohuţel, nevíme mnoho o působení těchto a ostatních látek v různých interakcích a kombinacích, coţ samozřejmě velice komplikuje studium jejich vlivů. Pečlivá analýza toho, jakým způsobem můţe být pokles diverzity ve vodách spojen s chemickým znečištěním, můţe samozřejmě také přispět v hodnocení ekologických rizik. A právě tyto procesy stanovení kauzálních propojení mezi stresory a ekologickými změnami jsou velice komplikované a ovlivněné uţ výše zmiňovanými jinými faktory. Bylo k tomu uţ navrţeno mnoho různých technik jako jsou kontrolované terénní studie, laboratorní testy, jedno- i vícedruhové, statistické a matematické modely, ekoepidemiologické studie a kombinace věch těchto metod (S.M. Adams, 23). Bohuţel velká variabilita environmentálnícho faktorů v kombinaci s kumulativními a synergistickými interakcemi stresorů ve vodních ekosystémech komplikují úsilí stanovit definitivní příčiny a propojení mezi stresory a redukcí biodiverzity Makrozoobentos jako indikátor Vodní bezobratlí jsou dobrý indikátor lokálních podmínek vodního prostředí, díky jejich rozmanitosti a toleranci k obvyklým, hlavně environmentálním stresorům, jak fyzikálním, tak chemickým. Vztah mezi diverzitou bezobratlých a znečištěním vody byl jedním z hlavních cílů pozorování během 8. let 2. století, šlo především o znečištění organickými látkami. V místech postiţených eutrofizací šlo především o zvýšené relativní početnosti některých funkčních skupin (druhy seškrabávačů a sběračů). V oblastech dolních toků se hustota biomasy těchto druhů makrozoobentosu zvyšuje se sniţující se diverzitou a relativní abundací drtičů. 4

42 Současné studie prováděné v Llobregat/Beso Basin (Barcelona, Španělsko) zjistily, ţe redukce diverzity makrozoobentosu je spojena spíš se změnami habitatu a fyzikálněchemickými parametry neţ s výskytem toxických látek (J.Domásio, R. Tauler, E. Teixidó, M. Reiradevall, N. Prat, M. C. Riva, A. M.V. M. Soares, C. Borata, 27). Současný vývoj na poli ekologie vodních bezobratlých se zaměřuje na identifikaci druhových znaků (početnost, migrační schopnosti, generační doba, stravovací návyky atd.) k charakterizaci funkčního sloţení společenstev. Tyto druhové znaky jsou spojeny se specifickými environmentálními gradienty a determinují předpovědi vazeb mezi prioritními znaky a ekologickými stresory (N.L.Proff, J.N.Am.Benthol, 1997). Liess a von der Ohe například zkoumali vliv účinku pesticidů na sloţení společenstev a zjistili, ţe druhy nejvíce citlivé na tyto pesticidy, mají také největší citlivost ke změnám generační doby, migrační moţnosti v souvislosti s jejich menší přizpůsobivostí (M.Liess, P.von der Ohe, 1997). Pro vodní bezobratlé jsou velkým nebezpečím i nové kontaminanty. Některé terénní studie ukázaly, ţe při srovnání s neznečištěnými oblastmi jsou bezobratlí z oblastí postiţených znečištěním kovovými prvky daleko citlivější k novým stresorům (acidifikace, UV-B záření) (L.A.Courtney, W.H. Clemens, J.N. Am, Benthol, 2). Protoţe většina vodních toků a nádrţí je postiţena chronickým znečištěním, je nutné dobře porozumět potenciálním efektům nejen stávajících, ale také nových polutantů kvůli moţné předpovědi. 41

43 2.2 Hodnocení ekologických rizik Následující kapitola i její podkapitoly jsou zaloţeny na standardní metodice vyvinuté centrem RECETOX - proces EcoRA (Holoubek, I., Dušek, L., Bláha, L., Anděl, P., Maršálek, B., Hofman, J., Jarkovský, J., Čupr, P., Škarek, M., Šmíd, R., Klimeš, D., Kohoutek, J., Holoubková, I., Šnábl, I., Kukleta, P.: Region specifický přístup v analýze ekologických rizik metodika hodnocení ve vztahu k přírodním katastrofám. Závěrečná zpráva projektu VaV/34/1/ (22). TOCOEN, s.r.o., Brno. TOCOEN REPORT No. 225.Brno, listopad 22. Ekologické riziko můţe být povaţováno za ekologickou poruchu formulovanou na pravděpodobnostním základě a popisované podmíněnou pravděpodobností. Hodnocení ekologických rizik ( Ecological Risk Assessment, EcoRA) spojuje a vyuţívá postupy a metody celé řady oborů jako ekologie, ekotoxikologie, toxikologie, environmentální chemie, hydrologie a další. Těmito určuje pravděpodobnosti výskytu neţádoucích ekologických událostí. Toto hodnocení se aplikuje na dopad přírodních, ale i antropogenních procesů na ekosystémy. Většina hodnocení se zaměřuje hlavně na důsledky těch antropogenních. Konečným cílem hodnocení ekologických rizik (EcoRA) je prospektivní (predikční) nebo retrospektivní posouzení vlivu stresových faktorů na ekosystémy a jejich sloţky. Všechna predikční hodnocení začínají od předpokládaného zdroje a odhadují rizika na základě účinků, naopak u retrospektivního hodnocení jsou zdrojem např. pozorované účinky nebo prokazatelná expozice Současné metody hodnocení vlivů na životní prostředí Metodika hodnocení ekologických rizik se vyvíjí asi od roku 198, a to jak na půdě mezinárodních odborných společností, tak v rámci národních institucí a agentur pro ţivotní prostředí. Jako hlavní zdroje potenciálních rizik bývají označovány radioisotopy, toxické plyny, geneticky modifikované organismy, syntetické organické sloučeniny, těţké kovy a zemědělské biocidy. Poslední tři kategorie tvoří 9% prováděných hodnocení rizik. 42

44 Riziko pravděpodobnost (tj. číslo v rozsahu 1) výskytu specifických událostí (havárie reaktoru, zemětřesení, zřícení letadla) kombinovaná s určitým hodnocením (ztráta nebo poškození funkce) důsledků těchto událostí (poškození, smrt, ztráta vlastností ). Podle časové naléhavosti hodnotíme riziko akutní (např. katastrofa, jehoţ expozice přesahuje údrţnost systému), reálné (vztahuje se na současný stav, ale bez katastrofálních rozměrů) a potenciální (prospektivní hodnocení). Nulové riziko v podstatě neexistuje! Jeho dosaţení je moţné pouze absolutní eliminací daného polutantu, není vţdy nezbytné, navíc je prakticky bez výjimky spojeno s enormními náklady. Hodnocení rizika proces zaloţený na zpracování existujících dat o stavu systému, expozicí a rozsahu existujících nebo potenciálně moţných účinků. Analýza rizik standardizovaný postup, jehoţ kroky vedou k hodnocení a řízení rizika Jednotlivé fáze hodnocení ekologických rizik Proces EcoRA je komplexní proces posuzování vlivu lidské činnosti na stav ekosystémů. Průběh tohoto procesu má vztahy nejen k vědeckému hodnocení vlivů stresových faktorů, ale také k legislativnímu pozadí, normám obsahu kontaminantů a dalším legislativním předpisům. Jedná se tedy o komplexní proces. Stručný popis jednotlivých fází je uveden dále. 43

45 OBECNÉ METODICKÉ SCHÉMA EcoRA A JEHO KOMPONENTY Obr.14 Obecné metodické schéma EcoRA 44

46 Formulace problému, identifikace nebezpečnosti a zajištění informačních zdrojů Formulace problému Formulace problému je pravděpodobně nejdůleţitější částí postupu hodnocení ekologických rizik, fází určující celkovou časovou a finanční náročnost práce a předurčující i samotný výsledek hodnocení. Vymezuje podstatu problému a cíle hodnocení, charakterizaci zdrojů potenciálních ekologických rizik a zachycuje základní informace o konkrétní situaci včetně vymezení zasaţeného území, čímţ vytváří nezbytnou informační základnu pro další postup. S rostoucí znalostí problému klesá rozsah a potřeba provedených měření. Zajištění informačních zdrojů musí na konci fáze formulace problému vyústit v popis konkrétního scénáře koncepčního modelu EcoRA Identifikace nebezpečnosti Indikace nebezpečnosti je prvním krokem hodnocení ekologických rizik, jde vlastně o počáteční hodnocení stresorů, jeţ mají potenciálně škodlivé vlastnosti a mohou působit na populace volně ţijících organismů. Tato fáze je zaměřena na co nejúplnější poznání vlastností daného stresoru. Ekologické stresory zdroj nebo příčina ekologických rizik, mohou být povahy fyzikální (eroze, tornáda, hurikány, nadměrné ztráty sedimentu ), chemické (toxické kovy, radionuklidy, perzistentní organické polutanty, aj.) nebo biologické (např. přemnoţení nějakého druhu, narušení rovnováhy mezi populacemi, viry a jiné patogeny). Významné jsou také prostorové rozsahy stresoru. Velikost a intenzita stresu je integrována s prostorovými a časovými charakteristikami v tzv. profilu stresoru, který poskytuje informace pro identifikaci potenciálně ohroţených ekologických zdrojů a charakterizuje tím stresor tak, ţe umoţňuje pochopení moţných parametrů pouţitelných pro hodnocení rizik. Jednoduše řečeno, jde o zdůvodnění nebezpečnosti daného stresoru pro určité místně specifické podmínky na 45

47 konkrétní lokalitě. Určení nebezpečnosti dané situace a vymezení priorit musí být patrné jiţ ze zadání podnětu k hodnocení EcoRA, zvláště v případě akutního ohroţení. Formulace problému je zcela nezbytnou součástí procesu EcoRA a obsahuje zjištění vlastností stresoru, vymezení a popis zájmového území, jeho rekognoskaci, zajištění informačních zdrojů a postiţení jejich nedostatků a následné vymezení přesné formulace problému vyplývajícího ze zadání EcoRA. V ţivotním prostředí je kromě vlastního stresoru řada faktorů, které mohou ovlivňovat působení stresorů na biologické a ekologické systémy (endpointy). Jsou to veškeré parametry prostředí, které necharakterizují stresory ani účinky. Tyto faktory se netýkají bezprostředně hodnocení expozice ani účinků a můţeme je označit jako doplňující faktory. Rozdělujeme je do pěti skupin:údaje geologické, pedologické, hydrologické, klimatologické a biogeografické. Prostým popisem stavu a uspořádáním informací však formulace problému v ţádném případě nekončí. V jejím závěru totiţ směřujeme k výběru vhodných modelových biologických receptorů a cílových parametrů ekotoxikologického hodnocení a dále k vytvoření koncepčního modelu dané situace EcoRA a k pojmenování scénáře EcoRA.(Holoubek et al., 22) Výběr hodnocených biologických receptorů a hodnocených parametrů ( ENDPOINTS ) Velice důleţitou součástí formulace problému je výběr vhodných biologických receptorů, k čemuţ se opět pouţívají obecné metodické principy vycházející z praktické vyuţitelnosti různých úrovní ţivé hmoty. Je zřejmé, ţe vybrané receptory budou v dané situaci vystupovat jako model pro hodnocení účinků a chyba při jejich volbě můţe eliminovat všechny dosaţené výsledky. Z tohoto důvodu má dostupnost potřebných informací a jejich správné vyhodnocení zcela klíčový význam. Za informační optimum povaţujeme ve fázi formulace problému stav, kdy je kaţdá významná komponenta zcela adekvátně popsána a stupeň nejistoty nepřesahuje běţný rozptyl u kvantitativních měření. Pokud máme ke všem komponentám alespoň kvalitativní vědomost o existující situaci, jde o informační minimum. 46

48 Hodnoceným biologickým receptorem myslíme biologický systém, který bude vyuţit jednak k identifikaci existujících nebo potenciálních účinků stresoru a na kterém bude dokumentována nebezpečnost stresoru pro hodnocené zájmové území a jeho ekosystémy. Cílovým parametrem (endpointem) hodnocení je míněn znak hodnoceného biologického systému, kterému je podřízena metodika hodnocení, a který je jednoznačně parametrizován. Jeden typ modelového biologického receptoru můţe být současně hodnocen více cílovými parametry nebo tyto mohou být členěny na primární a sekundární dle priority poskytované informace. Receptory a cílové parametry můţeme klasifikovat podle řady hledisek. Za základní lze povaţovat jejich rozdělení podle praktického vyuţití v metodice EcoRA. Je to rozdělení do tří základních skupin na hospodářské, ekologické a indikační. Výběr indikátorových systému (receptorů) pro daný environmentální problém musí probíhat podle standardizovaných postupů, které musí při hodnocení vylučovat falešně negativní výsledky a musí vést k interpretacím závaţným pro zájmové území. Metodické principy vhodné pro výběr indikátorových systémů jsou například zaloţené na těchto principech: Princip nejcitlivějšího bodu tento princip je nosný především jako časná indikace probíhajících změn ( early warning systems ), při retrospektivním hodnocení musí být volen opatrně, neboť řada velmi citlivých druhů můţe být jiţ eliminována. Nejcitlivější body systému ( hot points ) také nemusí být zcela reprezentativní pro celý ekosystém. Princip kumulace rizika opakovaná expozice jedním nebo i více stresory vyţaduje vyšší opatrnost při výběru modelových systémů pro hodnocení neţ jednorázový vliv na ekosystém. Princip sledování primárního a sekundárního rizika - výběr receptorových systémů s ohledem na známé nebo předpokládané dráhy expozice s tím, ţe nejvyšší váhu má primární vstup stresoru do systému, ale jsou sledovány i další moţnosti jeho šíření. Tento princip vede logicky k výběru více systémů pro hodnocení, které integrují i časo-prostorové charakteristiky moţného účinku stresorů. 47

49 Princip ekologické reprezentativnosti jde-li o hodnocení rizika, které můţe ovlivnit stav celých ekosystémů, je nezbytné volit spektrum modelových receptorů reprezentativně pro významné habitaty a především pro jednotlivé trofické úrovně. Je tak zajištěno reprezentativní hodnocení potravních řetězců, coţ je velmi významné především u chemických stresorů. Vhodně zvolený biologický receptor a jemu přiřazené cílové parametry vyhovují těmto kritériím: - odpovídají politickým cílům - jsou ekologicky významné - jsou dostatečně citlivé - jsou adekvátně parametricky hodnotitelé - metodicky uchopitelné - vyhovují praktickým poţadavkům Hodnocení expozice, hodnocení účinků Hodnocení expozice a hodnocení účinků spolu úzce souvisejí. Musí být koordinované s aktivitami charakterizujícími fyzikální a chemické vlastnosti sledované lokality či oblasti. I přes velmi úzkou souvislost těchto hodnocení neexistují standardní přístupy ani specifická sada metod EcoRA pro všechna místa kaţdé hodnocení je unikátní a místně specifické. Co se týče právního hlediska, je obojí nutné konzultovat se státními a místními orgány, zadavatelem a dalšími zainteresovanými institucemi a osobami. Tzn. výběr metod, design studie, hodnocení dat, výsledky hodnocení poskytující data nezbytná pro provedení charakterizace rizika. 48

50 Obr.15 Expozice, účinek a riziko Hodnocení expozice Jeho význam spočívá v kvantifikaci skutečné nebo potenciální expozice kaţdého receptoru zájmovými kontaminanty a pouţité metody musí tudíţ spojovat kontaminanty v prostředí s ekologickými receptory. Existují v podstatě tři základní přístupy hodnocení expozice, a to: - Měření koncentrace kontaminantu v tkáních toto obvykle není moţné z důvodů legislativní ochrany chráněných druhů a také z důvodu neproveditelnosti u větších druhů - Odhad dávky pro daný receptor pouţitím koncentrace v potravě a příslušné sloţce prostředí (modely) - Hodnocení expozice použitím biomarkerů. Obvykle je potřebná kombinace metod pro adekvátní charakterizaci specifického místa. Pro hodnocení expozice se kromě modelů příjmu kontaminantu organismu vyuţívají také modely osudu látek v prostředí. 49

51 Hodnocení účinků Nezbytným zjištěním je jaký účinek má kontaminant na sledovaný receptor, typ účinku se liší jednak podle chemické látky, jednak podle pouţitého receptoru, a proto je třeba pro hodnocení vybrat vhodný receptor a účinek kontaminantu odpovídajícím způsobem charakterizovat a kvantifikovat. Hodnocení účinků kvantitativně spojuje koncentrace kontaminantů se škodlivými účinky v receptorech, dále podává informace o vztahu dávka odpověď. I zde rozeznáváme obecné přístupy hodnocení: Literární rešerše existuje obrovské mnoţství publikovaných a nepublikovaných informací o vztahu dávka odpověď, coţ je relativně rychlá a cenově dostupná cesta pro hodnocení existujících hladin kontaminantů a jejich potenciálních škodlivých účinků Terénní studie mohou identifikovat, které ekologické účinky se skutečně dějí na dané lokalitě, metody pouţívané v terénních studiích mohou zahrnovat sběr organismů, měření fyzikálních vlastností habitatů nebo také dálkový průzkum. Data terénních studií obsahují druhovou bohatost, diversitu, indexy podobnosti, biomasu, přítomnost tolerantních a citlivých druhů, populační strukturu atd Charakterizace rizika V poslední fázi hodnocení ekologického rizika jsou sumarizovány výsledky kroků předchozích, dochází ke kvantifikaci rizika a diskuzi nepřesností a nejistot, které odhad jednotlivých parametrů provázely. Mírou rizika daného polutantu je index (kvocient) nebezpečnosti HI daný následující rovnicí: HI = PEC/PNEC a jeho velikost přímo odpovídá na otázku zda a kolikrát je vyšší skutečná expozice (koncentrace, dávka) neţ bezpečná hodnota bez účinků PNEC. Platí-li HI > 1, přítomnost daného polutantu představuje riziko ohroţení ţivotního prostředí. PEC a PNEC nejsou jediné moţné výstupy hodnocení expozice a účinků a často nejsou pro popis reálných situací dostupné. Existují i další bodové a z hlediska obsahu ekvivalentní způsoby, které následně umoţňují kvalitativní i kvantitativní charakterizaci rizika. Nepřesnosti a nejistoty jsou vyjadřovány pomocí faktorů nejistot. Riziko je 5

52 charakterizováno velikostí individuálního a celkového dávkového ekvivalentu pro nejvíce citlivý druh, nebo pro biologický systém indikující nějakou významnou hodnotu v daném ekosystému. V rámci EcoRA orientované na hodnocení celých ekosystémů na regionální úrovni budou ale podstatné nejen primární, ale i sekundární vlivy. Cílem charakterizace rizik plynoucích z přítomnosti polutantů v prostředí je postiţení environmentálních zátěţí a dopadů těchto zátěţí. Celý proces musí být směřován k jedinému cíli zpřesnění a zkvalitnění podkladů pro rozhodovací proces (Risk management) zaměřený na sníţení vyhodnoceného rizika. Zvláštním typem hodnocení, které je často samostatně metodicky vymezováno je tzv. screeningové hodnocení ekologických rizik (SERA). Můţeme ho definovat jako rychlé a zjednodušené podchycení iniciálního stavu. Tento typ hodnocení je vyuţitelný jako základní hodnocení ve fázi nula, všech výše jmenovaných částí hodnocení. Slouţí pro předběţné hodnocení rizik a snaţí se podchytit zásadní informace. Jeho samostatné vyčleňování však není zcela korektní. I kdyţ screeningový přístup jistě determinuje výběr metod (hlavně z hlediska citlivosti, časové realizovatelnosti a ceny) a vyuţívá se proto převáţně v krizových situacích, mělo by i screeningové hodnocení naplňovat všechny komponenty univerzálního metodického schématu EcoRA, tak aby na závěr byla moţná plnohodnotná interpretace výsledků. 51

53 3. MATERIÁL A METODIKA 3.1 Data pro analýzu Data pochází z biomonitoringu povrchových vod a to jak ze situačního, tak referenčního monitoringu. Monitorováním vod se rozumí zjišťování a hodnocení stavu povrchových a podzemních vod, které zajišťují správci povodí a další pověřené odborné subjekty podle 21 odst. 4 vodního zákona. Programy monitoringu slouţí pro zjišťování stavu povrchových a podzemních vod podle 21 odst.2 písm. a) vodního zákona. Programy monitoringu podle poţadavku Rámcové směrnice 2/6/ES se zpracovávají v souladu s Guidance dokumentem c. 7 Monitoring under the Water Framework Directive. Monitorování vod se řídí tímto Rámcovým programem, který platí pro: - programy situačního monitoringu, - programy provozního monitoringu, - programy průzkumného monitoringu, - programy monitoringu kvantitativního stavu povrchových a podzemních vod a - program monitoringu referenčních podmínek. Programy situačního monitoringu zahrnují monitorování chemického a ekologického stavu povrchových vod (tekoucích a stojatých) a monitorování chemického stavu podzemních vod. V rámci situačního monitoringu se sledují: - indikativní ukazatele pro všechny sloţky biologické kvality, - indikativní ukazatele pro všechny sloţky hydromorfologické kvality, - indikativní ukazatele pro všechny všeobecné sloţky fyzikálně-chemické kvality, - prioritní znečišťující látky, - ostatní znečišťující í látky ve významných mnoţstvích a - základní ukazatele k zabezpečení kvality analytických výsledku ověřením iontové bilance dle CSN

54 V rámci situačního monitoringu se ve všech monitorovacích místech sleduje stejný rozsah ukazatelů relevantních pro ČR. Program monitoringu referenčních podmínek zahrnuje monitorování stavu vod v referenčních lokalitách. Pro kaţdý typ povrchových vod bude určena sít referenčních lokalit za účelem stanovení referenčních podmínek. Ta bude obsahovat dostatečný počet míst s velmi dobrým stavem, aby poskytla nejlepší dosaţitelnou úroveň spolehlivosti hodnot pro referenční podmínky při dané variabilitě hodnot kvalitativních sloţek odpovídajících velmi dobrému ekologickému stavu pro daný typ povrchových vod a typ vodního útvaru a pro modelovací postupy. Referenční podmínky určené na základě modelování mohou být odvozeny s pouţitím prognózních modelů nebo retrospektivních metod. Při aplikaci těchto metod se pouţijí historická a jiná dostupná data a zajistí se nejlepší dosaţitelná úroveň spolehlivosti hodnot pro referenční podmínky, aby se zabezpečilo, ţe takto odvozené podmínky budou konzistentní a platné pro kaţdý typ povrchových vod a typ vodního útvaru. Pro potřeby monitoringu referenčních podmínek jsou sledovány biologické sloţky a jako podpůrné charakteristiky fyzikálně chemické parametry a hydromorfologie. ( vstup ) 53

55 3.2 Úprava a stratifikace dat Celkový počet odběrů makrozoobentosu je 5917 ze 1682 lokalit a to z od roku 1997 po rok 27, z toho bylo: 268 jarní odběry 134 letní odběry 25 podzimní odběry Taxony makrozoobentosu byly rozděleny do skupin podle různých kriteríí, které uvádím dále, vlastnosti taxonu pochází z V přehledu jsou uvedeny veškeré vlastnosti, které byly při odběrech sledovány není tedy zohledněn pozdější výběr a zúţení. Mikrohabitatové preference HAR argylál jíl, hlína, velikost zrn menší neţ,63 mm HPE pelál jemné bahnité sedimenty, velikost zrn menší neţ,63 mm HPO POM partikulovaná organická hmota, hrubá (CPOM) a jemná (FPOM), dřevní zbytky HOT jiný Říční zonace ZEU eukrenal vlastní pramen, soustředěný vývěr podzemních vod na zemský povrch, přechodný biotop mezi podzemními a povrchovými vodami ZHY hypokrenal pramenná struţka nebo potůček odvodňující pramenný systém ZER epiritral vzniká spojením několika pramenných struţek a odpovídá malým pstruhovým potokům ZMR metaritral malé říčky vzniklé spojením pstruhových potoků ZHR hyporitral podhorské toky odpovídající lipanovému pásmu ZEP epipotamal střední úseky toků, kde se ještě střídají proudivé a klidné úseky ZMP metapotamal níţinné toky s meandry ZHP hypopotamal úseky toků pod bezprostředním vlivem mořského prostředí ZLI litorál kategorie platící pro stojaté vody. Dno příbřeţní zóny stojatých vod vymezené světlem, jehoţ intenzita limituje výskyt vodních makrofyt ZPR profundál kategorie platící pro stojaté vody. Dno ve střední části stojatých vod, navazující na litorál, bez výskytu makrofyt 54

56 Potravní strategie FGR spásači, seškrabávači druhy získávající rostlinnou potravu z minerálních a organických povrchů FMI druhy minující druhy vyhryzávající či vrtající chodbičky v ţivých rostlinných tkáních FXY druhy ţivící se druhy ţivící se odumřelou dřevní hmotou dřevem FSH drtiči-kousači druhy drtící či drobící hrubou organickou hmotu FGA sběrači druhy ţivící se sběrem nebo shrnováním detritu, sedimentů nebo biofilmu FAF aktivní filtrátoři druhy vybavené filtračním aparátem umoţňujícím jim získávat z volné vody jemnou organickou hmotu FPF pasivní filtátoři druhy vytvářející sítě nebo sítím podobná zařízení na zachytávání jemné organické hmoty FPR drvci dravé druhy, poţírající celé ţivočichy či jejich části FPA parazité FOT druhy ţivící se jinak Způsob pohybu LSS druhy plovoucí/ klouzající LSD druhy plovoucí/potápějící se LBB druhy hrabající/vrtající LSW druhy lezoucí/kráčející LSE druhy přirostlí či částečně přirostlí LOT Druhy pohybující se jinak druhy pohybující se po povrchu vody druhy plovoucí ve volné vodě druhy osídlující jemné sedimenty, v nichţ si mohou hloubit chodbičky druhy osídlující povrch substrátů druhy nepohyblivé či schopné pohybu pouze v omezené míře Obr.16 Přehled všech sledovaných vlastností makrozoobentosu Výše uvedené vlastnosti byly dále stratifikovány následujícími způsoby: - vyřazení vlastností, které měly odběry druhů makrozoobentosu rovno, protoţe i kdyţ je jistá moţnost, ţe tyto skupiny druhů jsou z ekologického hlediska zajímavé, tak skutečnost, ţe se v sledovaných oblastech nevyskytují znamená to, ţe nemohou nic vypovědět o environmentálních vlastnostech této oblasti. 55

57 - skupiny s mediánem rovným, byly rovněţ vyřazeny z dalších analýz a stejně tak skupiny s výskytem druhů na méně neţ deseti lokalitách. K podrobnějším analýzám byly nejdříve vybrány tyto skupiny vlastností: HAK, HLI, FGA, LSD, LBB, LSW, ZEP, ZMP, ZMR, ZHR, SZO, SZB, HPH, ZER, ZLI, FGR. Poslední, finální, výběr vlastností vznikl po pouţití shlukové analýzy. K výpočtům jsme pouţili tyto indexy diverzity: - Menhinickův index - Margalefův index - Berger-Parker index - Shannonův index - Shannon evenness - Shannon index korekce - Shannon evennes korekce - Shannon evennes korekce - Počty druhů - Počty jedinců. V podrobnějších analýzách uţ to byly jen tyto : počty druhů, počty jedinců, Shannon evennes, Shannonův index a Berger-Pareker index, pro výpočet indexů byly počítány metodou maker v programu excel (Příloha 1). Pro statistickou analýzu dat byla pouţita Statistica 8. a SPSS

58 REDUNDANCE EKOLOGICKÝCH SKUPIN MAKROZOOBENTOSU HODNOCENÁ SHLUKOVOU ANALÝZOU Počet druhů - referenční Počet druhů - nereferenční szo zmr hli fgr zer sza szb fga hph zhr hpe zli hak zep szo zmr hli zer fgr hpe szb hak zep zhr fga sza zli hph Shannon evenness - referenční Shannon evenness - nereferenční szo zmr zer zhr szb zep hli fgr hak sza hpe fga hph zli szo zmr hli fgr zhr zep szb fga zer sza zli hpe hak hph 57

59 Berger-Parker index - referenční Berger-Parker index - nereferenční szo zmr zer zhr szb zep hli fgr sza hak hpe fga hph zli szo zmr zhr zep hli fgr szb fga sza hph zli hpe zer hak Obr.17 Dondrogramy vlastností makrozoobentosu vytvořené shlukovou analýzou Barevně jsou označeny dvojice korelovaných vlastností, ze kterých byla vybrána ta z větší výpovědní hodnotou pro hodnocení toků. Shluková analýza vyuţila Jaccardovu asociační matici a farthest neighbour shlukovací algoritmus. Z důvodů překrývání se některých vlastností byly nakonec vybrány pouze tyto: szo, sza, szb, hli, hph, hpe, hak, zer, zhr, zli, fgr, fga. 58

60 4. VÝSLEDKY 4.1 Základní popis datového souboru Níţe uvedené histogramy znázorňují rozloţení počítaných indexů nejdříve celého datového souboru a dále potom jednotlivých vlastností. Analyzovaná společenstva jsou poměrně bohatá aţ 9 druhů a překvapivě i poměrně vyrovnaná. Obsahují také celou řadu taxonů, které umoţňují detailnější rozebírání jednotlivých vybraných vlastností. Tyto vlastnosti jsou v souboru, nicméně, s různou četností. Vlastností je původně 4, nicméně k podrobnějšímu zpracování jich bylo vybráno 19, později 12 podle výše uvedených klíčů. Typologie tekoucích vod: Nadmořská výška Řád toku Hydroregion 1 <=25 1 <=2 (potoky) 1 L1 (povodí Labe) (říčky) 2 L2 (povodí Labe) ( řeky) 3 MO1 (povodí Moravy) 4 7+ (velké řeky) 4 MO2 (povodí Moravy) 59

61

62 ZÁKLADNÍ POPIS DATOVÉHO SOUBORU ,5 1,5 2,5 3,5 4,5,,2,4,6,8,,2,4,6,8 1, Počet druhů Počet jedinců Shannon index Shannon evennes Berger- Parker index Obr.18 Histogramy jednotlivých počítaných indexů celého souboru dat 61

63 Referenční a nereferenční data celého souboru Nadmořská výška Řád toku Hydroregion Obr.19 Procento zastoupení vzorků celého z referenčních a nereferenčních lokalit v abiotických parametrech Barevné rozlišení popisovaných dat: - vzorky z referenčních lokalit - vzorky z nereferenčních lokalit 62

64 Obr.2 Graf procentuálního zastoupení taxonů s jednotlivými vlastnostmi 63

65 Obr.21 Procentuální zastoupení odběry/lokality, na kterých se vyskytly taxony určitých vlastností - odběry - lokality 64

66 4.2 Histogramy indexů jednotlivých vlastností HAK saprobita (mikrohabitatové preference-mikrohabitat: akál (viz.obr. 22) Nejvyšší počet druhů pro tuto vlastnost je dosahuje hodnoty 1, nejniţší hodnoty 12, u počtu jedinců byly nejvyšší hodnoty u počtů 1 a 2 a nejniţší u 4, 6 a 7. Nejvyšší Shannon indexy v kategoriích 1,6, - 1,8. HLI mikrohabitatové preference, mikrohabitat: litál (viz.obr. 22) Nejvyšší počet druhů pro tuto vlastnost je u hodnoty 1, nejniţší u hodnoty 24, u počtu jedinců byly nejvyšší hodnoty u hodnoty 2 a nejniţší na hodnotě 6. Nejvyšší Shannon index kategorie 2,. FGA preference potravní strategie: sběrači (viz.obr. 23) Nejvyšší počet druhů pro tuto vlastnost je u hodnoty 26, nejniţší u hodnoty 21, u počtu jedinců byly nejvyšší hodnoty u hodnoty 5 a nejniţší na hodnotě 15. Nejvyšší Shannon index kategorie 2,. LSD způsob pohybu: druhy plovoucí/potápějící se (viz.obr. 23) Nejvyšší počet druhů pro tuto vlastnost je u hodnoty 1, nejniţší u hodnoty 12, u počtu jedinců byly nejvyšší hodnoty u hodnoty 5 a nejniţší na hodnotě 15, 2 a 55. Nejvyšší Shannon index kategorie 2,. LBB způsob pohybu: druhy hrabající/vrtající (viz.obr. 24) Nejvyšší počet druhů pro tuto vlastnost je u hodnoty 1, nejniţší u hodnoty 12, u počtu jedinců byly nejvyšší hodnoty u hodnoty 2 a nejniţší na hodnotě 1, 4, 5 a 7. Nejvyšší Shannon indexy v kategoriích 1,6, - 1,8. LSW způsob pohybu: druhy lezoucí/kráčející (viz.obr. 24) Nejvyšší počet druhů pro tuto vlastnost je u hodnoty 1, nejniţší u hodnoty 4, u počtu jedinců byly nejvyšší hodnoty u hodnoty 5 a nejniţší na hodnotě 15. Nejvyšší Shannon index kategorie 1,5. 65

67 ZEP vazba na říční zonaci:epipotamal (viz.obr. 25) Nejvyšší počet druhů pro tuto vlastnost je u hodnoty 1, nejniţší u hodnoty 19, u počtu jedinců byly nejvyšší hodnoty u hodnoty 5 a nejniţší na hodnotě 1. Nejvyšší Shannon index kategorie 1,6. ZMR vazba na říční zonaci:metaritral (viz.obr. 25) Nejvyšší počet druhů pro tuto vlastnost je u hodnoty 1, nejniţší u hodnoty 24, u počtu jedinců byly nejvyšší hodnoty u hodnoty 1 a nejniţší na hodnotě 6. Nejvyšší Shannon index kategorie 2,. ZHR vazba na říční zonaci:epiritral (viz.obr. 26) Nejvyšší počet druhů pro tuto vlastnost je u hodnoty 1, nejniţší u hodnoty 22, u počtu jedinců byly nejvyšší hodnoty u hodnoty 5 a nejniţší na hodnotě 1. Nejvyšší Shannon index kategorie 2,. SZO stupeň saprobity: oligosaprobita (viz.obr. 26) Nejvyšší počet druhů pro tuto vlastnost je u hodnoty 1, nejniţší u hodnoty 29, u počtu jedinců byly nejvyšší hodnoty u hodnoty 2 a nejniţší na hodnotě 8. Nejvyšší Shannon index kategorie 2,. SZB stupeň saprobity: beta-mezosaprobita (viz.obr. 27) Nejvyšší počet druhů pro tuto vlastnost je u hodnoty 1, nejniţší u hodnoty 4, u počtu jedinců byly nejvyšší hodnoty u hodnoty 2 a nejniţší na hodnotě 8. Nejvyšší Shannon index kategorie 2, HPH mikrohabitatové preference:fytál (viz.obr. 27) Nejvyšší počet druhů pro tuto vlastnost je u hodnoty 1, nejniţší u hodnoty 21, u počtu jedinců byly nejvyšší hodnoty u hodnoty 2 a nejniţší na hodnotě 6. Nejvyšší Shannon index kategorie 1,8. 66

68 FGR potravní strategie: spásači a seškrabávači (viz.obr. 28) Nejvyšší počet druhů pro tuto vlastnost je u hodnoty 1, nejniţší u hodnoty 24, u počtu jedinců byly nejvyšší hodnoty u hodnoty 1 a nejniţší na hodnotě 1. Nejvyšší Shannon index kategorie 2,. ZER vazba na říční zonaci: epiritral (viz.obr. 28) Nejvyšší počet druhů pro tuto vlastnost je u hodnoty 1, nejniţší u hodnoty 21, u počtu jedinců byly nejvyšší hodnoty u hodnoty 5 a nejniţší na hodnotě 6. Nejvyšší Shannon index kategorie 1,8. ZLI vazba na říční zonaci:litorál (viz.obr. 29) Nejvyšší počet druhů pro tuto vlastnost je u hodnoty 1, nejniţší u hodnoty 23, u počtu jedinců byly nejvyšší hodnoty u hodnoty 2 a nejniţší na hodnotě 1. Nejvyšší Shannon index kategorie 1,8. Podle Shannon evenness a Berger-Parker indexů je vyrovnanost u všech popisovaných vlastností poměrně velká. 67

69 HAK (mikrohabitatové preference-mikrohabitat: akál ) % lokality/odběry,8%/,3% (viz.obr.21) , 1,4 1,8 2,2 1,2 1,6 2,,4,5,6,7,8,9,1,3,5,7 Počet druhů Počet jedinců Shannon index Shannon evennes Berger- Parker index HLI (mikrohabitatové preference,mikrohabitat: litál ) ) % lokality/odběry 5,1%/26,5% (viz.obr.21) ,2,6 1, 1,4 1,8 2,2 2,6,4,8 1,2 1,6 2, 2,4 2, ,1,2,3,4,5,6,7,8, ,1,3,5,7,9 Počet druhů Počet jedinců Shannon index Shannon evennes Berger- Parker index Obr. 22 Histogramy indexů vlastnosti HAK: mikrohabitatové preference akál a vlastnosti HLI: mikrohabitatové preference - litál 68

70 FGA (preference potravní strategie:sběrači) ) % lokality/odběry 32,6%/15,9% (viz.obr. 21) ,,4,8 1,2 1,6 2, 2,4 2, ,,2,4,6, ,1,3,5,7,9 Počet druhů Počet jedinců Shannon index Shannon evennes Berger Parker LSD (způsob pohybu: druhy plovoucí/potápějící se) ) % lokality/odběry 1,%/,3% (viz.obr. 21) ,2,6 1, 1,4 1,8,1,2,3,4,5,6,7,8,9,2,4,6,8 1, Počet druhů Počet jedinců Shannon index Shannon evennes Berger Parker Obr. 23 Histogramy indexů vlastnosti FGA: preference potravní strategie sběrači a vlastnosti LSD: způsob pohybu druhy plovoucí/potápějící se 69

71 LBB (způsob pohybu: druhy hrabající/vrtající) % lokality/odběry,5%/,2% (viz.obr. 21) ,1 1,5 1,9 2,3 1,3 1,7 2,1,5,55,6,65,7,75,8,85,9,95,1,3,5,7,2,4,6,8 Počet druhů Počet jedinců Shannon index Shannon evennes Berger Parker LSW (způsob pohybu: druhy lezoucí/kráčející) ) % lokality/odběry 74,9%/5,5% (viz.obr. 21) ,5 1, 1,5 2, 2,5,,2,4,6,8,1,3,5,7,9 Počet druhů Počet jedinců Shannon index Shannon evennes Berger Parker Obr. 24 Histogramy indexů vlastnosti LBB: způsob pohybu druhy hrabající/vrtající a vlastnosti LSW: způsob pohybu druhy lezoucí/kráčející 7

72 ZEP (vazba na říční zonaci:epipotamal) ) % lokality/odběry 13,9%/5,7% (viz.obr.21) ,,4,8 1,2 1,6 2, 2,4,,2,4,6,8,1,3,5,7,9 Počet druhů Počet jedinců Shannon index Shannon evennes Berger Parker ZMR (vazba na říční zonaci:metaritral) % lokality/odběry 42,1%/23,% (viz.obr.21) ,5 1, 1,5 2, 2, ,,2,4,6, ,1,3,5,7,9 Počet druhů Počet jedinců Shannon index Shannon evennes Berger Parker Obr.25Histogramy indexů vlastnosi ZEP: vazba na říční zonaci epipotamal a vlastnosti ZMR: vazba na říční zonaci - metaritral 71

73 ZHR (vazba na říční zonaci:epiritral) ) % lokality/odběry 25,%/14,5% (viz.obr. 21) ,5 1, 1,5 2, 2, ,,2,4,6, ,1,3,5,7,9 Počet druhů Počet jedinců Shannon index Shannon evennes Berger Parker SZO (stupeň saprobity: oligosaprobita) ) % lokality/odběry 46,8%/26,% (viz.obr. 21) ,5 1, 1,5 2, 2, ,,1,2,3,4,5,6,7,8, ,1,3,5,7,9 Počet druhů Počet jedinců Shannon index Shannon evennes Berger Parker Obr.26 Histogramy indexů vlastnosti ZHR: vazba na říční zonaci epiritral a vlatnosti SZO: stupeň saprobity - oligosaprobita 72

74 SZB (stupeň saprobity: beta-mezosaprobita) % lokality/odběry 68,7%/45,2% (viz.obr.21) ,5 1, 1,5 2, 2, ,1,2,3,4,5,6,7,8, ,1,3,5,7,9 Počet druhů Počet jedinců Shannon index Shannon evennes Berger Parker HPH (mikrohabitatové preference:fytál) % lokality/odběry 18,4%/7,9% (viz.obr.21) ,,4,8 1,2 1,6 2, 2,4 2,8,,2,4,6,8,1,3,5,7,9 Počet druhů Počet jedinců Shannon index Shannon evennes Berger Parker Obr. 27 SZB: beta-mezosaprobita a vlastnosti HPH: mikrohabitatové preference - fytál 73

75 FGR (potravní strategie: spásači a seškrabávači) % lokality/odběry 29,4%/1,7% (viz.obr. 21) ,2,6 1, 1,4 1,8 2,2 2, ,1,2,3,4,5,6,7,8, ,1,3,5,7,9 Počet druhů Počet jedinců Shannon index Shannon evennes Berger Parker SZA (stupeň saprobity: alfa-mezosaprobita %lokality/odběry 4,6%/1,9% (viz.obr. 21) ,2,6 1, 1,4 1,8 2, ,1,2,3,4,5,6,7,8, ,1,3,5,7,9 Počet druhů Počet jedinců Shannon index Shannon evennes Berger Parker Obr. 28 Histogramy indexů vlastnosti FGR: potravní strategie spásači a seškrabávači a vlastnosti SZA: stupeň saprobity alfa-mezosaprobita 74

76 HPE (mikrohabitatové preference: pelál) % lokality/odběry 2,%/,6% (viz.obr. 21) ,2,6 1, 1,4 1,8 2, ,,2,4,6,8 1, ,1,3,5,7,9 Počet druhů Počet jedinců Shannon index Shannon evennes Berger Parker Obr. 29 Histogramy indexů HPE: mikrohabitatové preference - pelál 75

77 4.3 Grafy referenčních a nereferenčních dat v abiotických parametrech Grafy které následují srovnávají referenční a nereferenční data celého souboru a dále jednotlivých vlastností. Jsou zde sledovány abiotické parametry, které nejlépe vystihují přirozenou variabilitu toků ČR a také nejsou příliš ovlivněné antropogenními faktory. Jde o nadmořskou výšku, řád toku a hydroregion. 76

78 SZO stupeň saprobity: oligosaprobita (viz obr. 3) U této vlastnosti je poměrně velký podíl odběru vzorků z referenčních lokalit v poměru k nereferenčním ve všech třech sledovaných kategoriích. NADMOŘSKÁ VÝŠKA - nejméně vzorků z referenčních i nereferenčních lokalit se vyskytovalo v nadmořské výšce 25 m.n.m. a méně, nejvíce ve výšce 45 m.n.m. a více. Tyto naměřené hodnoty by měly odpovídat očekávání vzhledem ke sledované vlastnosti (oligosaprobita) lze předpokládat, ţe nejvíce vzorků z ref. lokalit najdeme v nejvyšších nadmořských výškách, kde jsou vodní toky nejčistší. ŘÁD TOKU největší podíl odběru vzorků jak z referenčních tak z nereferenčních lokalit ( nad 8%) je v kategorii 5-6 velké řeky, podíl nejmenší je u referenčních vzorků kategorie 7+ - velké řeky (cca 47%), kdeţto u nereferenčních je nejméně v kategorii 2 (kolem 5%). HYDROREGION téměř shodně je nejvyšší počet referenčních (nad 7%) i nereferenčních (téměř 2%) vzorků v regionech L1- část povodí Labe, a MO1 část povodí Moravy. Stejně tak se shodují nejniţší počty ref/neref vzorků, a to v regionu L2 (6%/cca 8%). SZB stupeň saprobity: beta-mezosaprobita (viz obr. 3) NADMOŘSKÁ VÝŠKA výskyt v různých nadmořských výškách jak u ref. tak u neref. je poměrně dost vyrovnaný, procentuálně je opět více referenčních vzorků u všech třech výškových kategorií. Maximum výskytu je u obou ref/neref ve výškách m.n.m. a 7%/38%. ŘÁD TOKU dost velký podíl odběrů je kategorii velkých řek 7+, a to přes 9% u referenčních a přes 7% u nereferenčních vzorků, ale i nejniţší podíl referenčních, který je v nejniţší kategorii 2 vykazuje dost vysoké procento přes 5% a hlavně u této kategoriie je významné vůči neref. vzorkům, kterých je zde pouze asi 1%. HYDROREGION i tady je moţné říct, ţe podíl, hlavně referenčních odběrů je dost vyrovnaný maximum cca 72% v regionu MO1 a minimum asi 62% v regionu L1, celkově jsou tady podíly o něco málo vyšší v hydroregionech Moravy. V poměru k nereferenčním vzorkům je největší rozdíl v regionu L2 nad 2%, jinak maximum je 5% v MO1. 77

79 SZO Nadmořská výška Řád toku Hydroregion SZB Nadmořská výška Řád toku Hydroregion Obr.3 Ref./neref. data v abiotických parametrech vlastností SZO: stupeň saprobity oligosaporbita a SZB: beta-saprobita 78

80 SZA stupeň saprobity: alfa-mezosaprobita (viz obr. 31) Podíl odběrů s výskytem této vlastnosti je celkově poměrně malý - do 2% procent u všech kategorií, také v některých případech převaţují vzorky z nereferenčních lokalit. NADMOŘSKÁ VÝŠKA maximální podíl je 5,5% nereferenčních vzorků nad maximem 3% referenčních a to v nejniţších nadmořských výškách 25 m.n.m. a méně. Minimum u obou je naopak v nejvyšších výškách 451 m.n.m. a více a to u referenčních nedosahuje ani,5% oproti více neţ 1% u těch nereferenčních. ŘÁD TOKU v nejniţší kategorii 2 se nebyla vůbec ţádné vzorky, ve dvou dalších maximálně kolem 6% a to opět s podílem vyšším u nereferenčních, aţ v poslední kategorii 7+ je poměrově vyšší podíl vzorků z ref. lokalit a to 18% oproti 12% u nereferenčních. HYDROREGION v obou hydroregionech řeky Moravy (MO1, MO2) dost převaţuje podíl odběrů z nereferenčních lokalit, právě v regionu MO2 mají celkové maximum i oproti těm referenčním, které v ţádném z regionům nepřesahují 2,5%. Celkové převaţování podílu odběrů z neref.lokalit a někdy poměrně překvapivé střídání v poměrech ref/neref je asi moţné u této vlastnosti alfa-mezosaprobita očekávat kvůli různým preferencím a tolerancím různých druhů na mírně znečištěnou vodu. HPE mikrohabitat: pelál (viz obr. 31) Vzhledem k charakteru této vlastnosti zřejmě nepřekvapí celkový podíl odběrů a občasné převaţování těch nereferenčních. NADMOŘSKÁ VÝŠKA referenční vzorky se vyskytovaly jen v středních a nejvyšších nadmořských výškách, maximum mají cca 1,25% v kategorii m.n.m, kde ale významně převyšují podíl nereferenčních s asi,1% výskytu. V ve výškách 25 m.n.m. a méně byly však nalezeny právě jen ony i kdyţ s podílem nedosahujícím ani,5%. ŘÁD TOKU zde byly vzorky pouze v prostředních dvou kategoriích a to: maximum ref/neref 2,75%/,6% u kategorie 5-6 a minimum přibliţně,9%/,2%. HYDROREGION maximum podílu referenčních odběrů bylo 1,8% ve velkém nepoměru vůči těm nereferenčním,1% a to v hydroregionu Labe L2. V hydroregionu MO2 se vyskytovaly pouze nereferenční s podílem cca,25%, v ostatních dvou regionech nebyly rozdíly mezi ref/neref odběry tak moc významné. 79

81 SZA Nadmořská výška Řád toku Hydroregion HPE Nadmořská výška Řád toku Hydroregion Obr.31 Ref./neref. data v abiotických parametrech vlastností SZA: stupeň saprobity alfa mezosaporbita a HPE: mikrohabitat - pelál 8

82 HPH mikrohabitat: fytál (viz obr. 32) NADMOŘSKÁ VÝŠKA poměr odběrů vzorků ve všech sledovaných nadmořských výškách byl poměrně vyrovnaný jak mezi referenčními, tak mezi nereferenčními oblastmi. U referenčních poměr pohyboval mezi 1-16% (maximum v kategorii m.n.m.) u nereferenčních to bylo mezi 4-6%. ŘÁD TOKU výskyt ref. i neref. vzorků téměř lineárně vzrůstal se vzrůstající hodnotou řádů toku. Poměr referenčních odběrů je všech kategoriích celkem významně vyšší neţ nereferenčních, rozmezí u ref. 4-41% u neref. 1-19%. HYDROREGION v obou hydroregionech Labe jsou dost velké rozdíly v poměrech odběrů vzorků z ref./neref. oblastí, ve prospěch referenčních, v obou hydroregionech Moravy byl výskyt ref/neref vzorků téměř shodný rozdíly mezi hydroregiony Labe a Moravy jsou poměrně zajímavé. HAK mikrohabitat: akál (viz obr. 32) Výskyt veškerých, jak referenčních, tak nereferenčních odběrů u všech vlastností a ve všech kategoriích nepřesahuje u této vlastnosti hodnoty 3%, v několika případech vůbec není. NADMOŘSKÁ VÝŠKA referenční vzorky jsou jen v prostřední a nejvyšší kategorii a to v maximu 1,8% u výšek m.n.m., a pouze v této kategorii se vyskytovaly i nereferenční v hodnotách nedosahujících ani,6%. ŘÁD TOKU I tady se ref./neref. vzoky vyskytovaly pouze ve dvou prostředních kategoriích ze čtyř a to v prostředních dvou kategorie 3-4 (říčky) v minimech ref./nef. necelé 1%/necelé,25% a 5-6 (řeky) v maximech ref./neref. 2,75%/,65%. HYDROREGION V obou hydroregionech povodí Labe se vyskytovaly ref. i neref. vzorky, ale v menších procentuálních zastoupeních neţ v hydroregionech povodí Moravy, kde však byly zaznamenány pouze vzorky z referenčních oblastí, v celkovém maximu 2,1% (MO1). 81

83 HPH Nadmořská výška Řád toku Hydroregion HAK Nadmořská výška Řád toku Hydroregion Obr.32 Ref./neref. data v abiotických parametrech vlastností HPH: stupeň saprobity alfa mezosaporbita a HPE: mikrohabitat - pelá 82

84 HLI mikrohabitat: litál (viz obr. 33) U této vlastnosti je moţné konstatovat poměrně velkou bohatost vzorků, hlavně referenčních, ale i nereferenčních, tyto však byly ve všech sledovaných kategoriích významně převýšeny referenčními. NADMOŘSKÁ VÝŠKA početnost veškerých vzorků se zvyšuje zároveň se zvyšující se nadmořskou výškou, u nereferenčních se pohybuje v přibliţném rozsahu 15-25%, u referenčních v rozsahu 29-61%. ŘÁD TOKU i tady poměry odběrů referenčních i nereferenčních vzorků rostou se zvyšujícím se řádem toku, rozdíly mezi nimi jsou veliké ve prospěch referenčních. Rozsahy výskytu ref./neref. vzorků jsou u: minimum 48%/5%, maximum 74%/4%. HYDROREGION poměrně vyrovnaný výskyt odběrů vzorků z referenčních oblastí u všech hydroregionů, ty dost výrazně převyšují nereferenční, která jsou ale také dost vyrovnaná - pohybují v rozmezí 46-62% u referenčních a 1-28% u nereferenčních. ZER říční zonace: epiritral(viz obr. 33) Fakt, ţe u této vlastnosti výskyt referenčních dat výrazně převyšuje výskyt těch nereferenčních a ţe jejich bohatost přesahuje 4%, je moţné brát jako pozitivní vzhledem k tomu, ţe tyto říční zonace by určitě měly patřit k těm čistším. NADMOŘSKÁ VÝŠKA výskyt ref. i neref. dat opět linárně stoupá se stoupající nadmořskou výškou v rozsazích ref./neref: 9-35% /1-8%, s největším rozdílem mezi referenčními a nereferenčními daty v nejvyšších nadmoř. výškách a to skoro 25%. ŘÁD TOKU nereferenční data mají poměrně malý výskyt ve všech řádech, v řádu 2 a méně dokonce ţádný, jejich maximum nedosahuje ani 1% oproti výskytu těch referenčních, které se vyskytují ve všech řádech, a kde minimum je 8% a maximum 35%. HYDROREGION maxima i minima referenčních druhů jsou v hydroregionech Labe 44%/6%, v hydroregionech Moravy se pohybují v rozsahu 26-31%. Nereferenční nedosahují v ţádném hydroregionu ani 1%. 83

85 HLI Nadmořská výška Řád toku Hydroregion ZER Nadmořská výška Řád toku Hydroregion Obr. 33 Ref./neref. data v abiotických parametrech vlastností HLI: mikrohabitat litál a ZER říční zonace - epiritral 84

86 ZHR mikrohabitat: hyporitral (viz obr. 34) U této vlastnosti se vyskytují referenční i nereferenční data ve všech třech sledovaných parametrech, referenčních je opět obecně víc. NADMOŘSKÁ VÝŠKA referenční data se ve všech nadmořských výškách pohybují v rozmezí 15-17%, stejně tak neparametrická data jsou vyrovnaná pohybují se ve všech nadm.výškách kolem 12% ŘÁD TOKU data téměř lineárně stoupají s rostoucím řádem toku, hlavně data referenční, celkově tento trend odpovídá hodnocené vlastnosti, která zahrnuje podhorské potoky lipanového pásma, v nejvyšších nadmořských výškách je tedy i nejvíce dat aţ 55% v případě referenčních. Rozsahy výskytu ref./neref. dat jsou u: minimum 1%/55%, maximum 2%/25%. HYDROREGION referenční a nereferenční data jsou u této vlastnosti téměř zrcadlově rozloţená s to tak, ţe v obou hydroregionech Labe převaţují data referenční (17% a2%)n nereferenční se pohybují v rozmezí 7-12%, naopak v obou hydroregionech Moravy převaţují data nereferenční kolem 2% v obou případech, nereferenční 12% opět v obou hadroregionech. ZLI mikrohabitat: litorál (viz obr. 34) U této vlastnosti se vyskytují referenční i nereferenční data ve všech třech sledovaných parametrech,ve všech jejich kategoriích. NADMOŘSKÁ VÝŠKA nejvíce dat je v v nejniţších nadmořských výškách a to jak referenčních (těch je výrazně víc 28% ), tak nereferenčních V ostatních dvou kategoriích nadmořských výšek nepřesahují data 12%, opět s převahou referenčních. ŘÁD TOKU výskyt ref. i neref. dat téměř lineárně vzrůstal se vzrůstající hodnotou řádů toku. Počty referenčních dat jsou ve všech kategoriích celkem významně vyšší neţ dat nereferenčních, nejvíce je jich u řádu 7+. Rozmezí u ref. 3-46% u neref. 2-2%. HYDROREGION u hydroregionů Labe opět převaţují referenční data, v případě L2 dokonce výrazně zatímco u obou hydroregionů Moravy převaţují data nereferenční, rozdíly oproti referenčním však nejsou tak výrazné jako u Labe. 85

87 ZHR Nadmořská výška Řád toku Hydroregion ZLI Nadmořská výška Řád toku Hydroregion Obr. 34 Ref./neref. data v abiotických parametrech vlastností ZHR: mikorhabitat hyporitral a ZLI: mikrohabitat - litorál 86

88 FGR potravní strategie:spásači, seškrabávači (viz obr. 35) I této vlastnosti se vyskytují referenční i nereferenční data ve všech třech sledovaných parametrech,ve všech jejich kategoriích, velice výrazná převaha referenčních dat a také to, ţe dosahují aţ nad 5% by mohla poukazovat na to, ţe druhům s touto vlastností se dobře daří ve všech sledovaných nadmořských výškách, řádech toků i hydroregionech. NADMOŘSKÁ VÝŠKA data lineárně stoupají s nadmořskou výškou jak referenční, tak nereferenční. Rozsahy ref minimum/maximum: 15%/43%, rozsahy neref. minimum/maximum: 5%/1%. ŘÁD TOKU referenční data neklesají pod 3%, s maximem u řádu toku 5-6, kde dokonce přesahují 5%. Nereferenční data naopak nepřesahují hranici 1% a to v témţ řádu tok tedy 5-6. HYDROREGION stejně jako u předchozích parametrů, i tady je velká převaha referenčních dat a to ve všech 4 hydroregionech tedy jak v povodí Labe, tak v povodí Moravy. Rozsahy ref minimum/maximum: 18%/48%, rozsahy neref. minimum/maximum: 2%/1%. FGA potravní strategie:sběrači (viz obr. 35) U této vlastnosti, tedy v kategorii sběračů uţ referenční data tak výrazně, jako u kategorie předchozí, nepřesahují ta nereferenční. Kromě jedné vyjímky, a tou je hydroregion MO2, je však i zde referenčních dat víc. NADMOŘSKÁ VÝŠKA nereferenční data se ve všech kategoriích nadmořských výšek pohybují kolem 12%, referenční data jsou nejvíce ve středních nadmořských výškách 28%, pak v nejvyšších necelých 2%, nejméně v nejniţších 18%. ŘÁD TOKU lze pozorovat lineární růst obou typů dat ve všech kategoriích, s převahou dat referenčních. Rozsahy ref minimum/maximum: 18%/48%, rozsahy neref. minimum/maximum: 3%/65%. HYDROREGION zde je zmiňovaná převaha neref. dat v hydroregionu MO2, jinak převaţují opět data referenční, i kdyţ výrazně ji pouze v hydroregionu Labe L2. 87

89 FGR Nadmořská výška Řád toku Hydroregion FGA Nadmořská výška Řád toku Hydroregion Obr 35 Ref./neref. data v abiotických parametrech vlastností FGR: potravní strategie spáseči/seškrabávači a FGA:potravní strategie - sběrači 88

90 4.4 Modelový příklad aplikace metodiky EcoRa v hodnocení ekologického stavu toků Následující skupina výsečových grafů je jakousi alternativou nebo moţnou pomůckou hodnocení ekologických rizik pomocí pouţití indexů biodiverzity. Rizikové hranice se je moţné brát jako stav indexů. Naměřenou diverzitu je lze povaţovat také za jakousi expozici, pokud ji porovnáme s určenou kritickou hodnotou v tomto případě jsme získali RIZIKOVOST jako podíl vybraných indexů nereferenčních dat a mediánu dat referenčních. Právě mediány slouţily jako hranice rizika. Tahle metoda určuje dobrý ekologický stav a zaručuje, ţe na dané lokalitě není riziko a nebo naopak, ţe tam jisté riziko je, ţe je tudíţ potřeba se na dané území více zaměřit. Grafy vznikly dělením indexů z nereferenčních dat mediány dat referenčních, čímţ byly získány hodnoty rizika. Rozdělením získaných hodnot na hodnoty menší neţ 1 a hodnoty větší neţ jedna. U indexů počtu druhů a Shannonova indexu znamenají hodnoty nad 1 v podstatě nulové riziko, hodnoty pod 1 jsou rizikové, tyto rizikové hodnoty jsem ještě rozdělila do čtyř kategorií - od nejrizikovějších po nejméně rizikové. Toto rozdělení je vyjádřeno číselně i vizuálně pomocí barevného odlišení, pouţitého shodně pro všechny výsečové grafy i sloupcový graf celkový pro tyto data. U Berger-Parker indexu, je to u hodnot nad 1 a pod 1 obráceně tzn. vše pod 1 je nerizikové, vše nad 1 rizikové a opět rozděleno do čtyř katgorií. Tyto grafy platí pro nereferenční data. Procentuální zastoupení: Počet druhů 14,33% > 1 85,67% < 1 Shannon index 29,% > 1 71,% < 1 Berger-Parker index 56,6% > 1 43,94% < 1 89

91 Stručný popis výsečových a sloupcového grafu Z celkového sloupcového grafu je patrné, ţe i přes to, ţe byly indexy počítány z nereferenčních dat, jsou procentuální zastoupení naprosto nerizikových nebo jen mírně rizikových poměrně vysoká, coţ je určitě velice kladný výsledek. Pouze u indexu počtu druhů je procento špatných hodnot významnější. Výsečové grafy jsou rozděleny do dvou hlavních kategorií podle řádů toku a podle nadmořské výšky. Výsečové grafy podle nadmořské výšky (kategorie: <=25, , 451+ m.n.m.) Počet druhů je poměrně dobře patrné, ţe procento nerizikových, čistších lokalit stoupá s narůstající nadmořskou výškou. Toto zjištění není překvapující, obecně jsou ve vyšších nadmořských výškách čistší vodní toky, a není ani překvapující, ţe naopak v těch nejniţších je rizikových hodnot nejvyšší procento. Shannon index v případě tohoto indexu jsou výsledky téměř shodné jako v předchozím případě tedy procento nerizikových lokalit stoupá se stoupající nadmořskou výškou a procento rizikových naopak klesá. Berger-Parker index ani v tomto případě nejsou výsledky rozdílné od předchozích dvou. 9

92 Výsečové grafy podle řádů toku (kategorie <=2, 3-4, 4-6, 7+ podle vzrůstající velikosti) Počet druhů v případě řádů toku platí pravidlo čím větší tok, tím větší procento znečištěných lokalit. U indexu počtu druhů je nejvyšší procento u řádu toku ,61%, následuje řád toku ,3% a nejniţší je u nejmenších toků řádu 2 6,4%. Shannon index Nejvyšší a zároveň srovnatelné výsledky byly vypočítány pro řády toků 5-6 a 7+ (36,75% a 37,93%), dále pak řád toku 3-4 a nejmenší procento čistých a nejvyšší procento rizikových lokalit je opět u toku 2 a menších. Berger-Parker index moţná trochu překvapující výsledky, kdy neriziková procenta se ve všech řádech toku pohybují kolem 5%, řádu 7+ dokonce víc jak 6%. Tento index tedy není příliš vhodný pro námi sledovaný účel. Barevné označení: - bez rizika - minimální riziko - střední riziko - vyšší riziko - nejvyšší riziko 91

93 Procentuální rozložení rizikovosti u jednotlivých indexů v nereferenčních datech, N = nereferenčních vzorků Obr. 35 Procento rozloţení jednotlivých indexů v nereferenčních datech 92

94 Počet druhů Shannon index Obr. 36 Procenta rozloţení indexu počtu druhů a Shannonova indexu v nadmořských výškách 93

95 Berger-Parker index Obr.37 Procento rozloţení u Berger-Parker indexu v nadmořských výškach 94

96 Počet druhů Obr. 38 Procenta rozloţení indexu počtu druhů v řádech toku 95

97 Shannon index Obr. 39 Procenta rozloţení Shannonova indexu v řádech toku 96

98 Berger-Parker index Obr.4 Procenta rozloţení Berger-Parker indexu v řádech toku 97