QJ Ekonomické aspekty invaze Phytophthora alni v průběhu klimatické změny

Výtah z roční zprávy za rok 2015 o postupu prací na projektu QJ1220219 Ekonomické aspekty invaze Phytophthora alni v průběhu klimatické změny VÚKOZ, v.v.i. VÚLHM, v.v.i. Povodí Vltavy, státní podnik Karel Černý a kol. 31.12.2015

Cíl projektu Cílem projektu je identifikace ekonomických škod způsobených invazí Phytophthora alni do břehových porostů, identifikace rizikových oblastí, porostů, toků a společenstev, kde by měla být přednostně uplatňována opatření (i preventivní) k omezení dopadu invaze a identifikace možného vlivu klimatické změny na probíhající invazi a její dopad. Cílem projektu je vypracování opatření, které při uplatnění zajistí zmírnění rizik a dopadů vyplývajících z invaze Phytophthora alni v ČR. V důsledku uplatnění výsledků projektu dojde v dlouhodobé perspektivě ke stabilizaci situace v lesním a vodním hospodářství, v ochraně přírody a krajiny a v dalších oblastech a dojde k zabránění nejvýznamnějších škod, které invaze může způsobit. Cíle projektu bude dosaženo v rámci řešení čtyř dílčích cílů: C001. Identifikace rozšíření P. alni C002. Kvantifikace škod způsobených P. alni C003. Identifikace vlivu změny klimatu na rozsah poškození C004. Identifikace rizikových oblastí, toků, porostů Dílčí cíl C001. Identifikace rozšíření P. alni Postup Cíle bude dosaženo A) podrobným plošným terénním průzkumem břehových porostů povodí Vltavy, B) identifikací poškození a zhodnocením ekonomických škod v břehových porostech ve vybrané síti čtverců v oblasti povodí Vltavy a C) plošným průzkumem výskytu choroby v lesích ČR. Výsledek C001/A. Do r. 2015 byla sebrána data z drtivé většiny zkoumaných toků ze všech závodů PVL, s. p., digitalizována byla z celkem 681 toků. Poškození břehových porostů olší bylo identifikováno na 272 tocích uložených v databázi (celkem cca 2940 km, více než 55 % délky vodních toků v databázi; obr. 1). Sanační zásahy byly již provedeny na 136 tocích (50 % infikovaných toků). Předběžný model (GLM; p < 0,05) ukazuje, že úroveň napadení břehových porostů je determinována mj. zastoupením olše v břehových porostech a délkou toku tedy víceméně jeho významností či kategorií. 1

Obr. 1. Výskyt fytoftorového chřadnutí olší v břehových porostech povodí Vltavy (sběr dat PVL, s.p.); ukázka dílčího mapového výstupu C001/B. V přechozích letech byla na základě znalosti ekologie patogenu a epidemiologie choroby vytvořena typologická mapa oblasti povodí Vltavy rozdělená do sítě 2,5 2,5 km a jednotlivé čtverce rozděleny do šesti shluků podle podobnosti prostředí (obr. 2). Poté bylo vybráno náhodně 10 % čtverců (cca 400) jako dostatečně reprezentativní část a určeno k terénnímu průzkumu (bylo respektováno plošné zastoupení jednotlivých typů krajiny v povodí). Do r. 2015 byla všechna data sebrána, digitalizována, vyčištěna a proběhla jejich verifikace v terénu. Olše byly zjištěny v břehových porostech 97,2 % čtverců (chyběly zejména v několika čtvercích v suchých teplých oblastech středních Čech). Patogen byl nalezen v 69,8 % čtverců s přítomností olší (66,9 % všech zkoumaných čtverců). Fakt, že patogen byl identifikován v cca 2/3 zkoumaných čtverců dobře koresponduje s jeho značným invazním potenciálem. Ekonomicky významné škody byly zjištěny v 80,1 % čtverců s výskytem patogenu, celkem pak v 53,6 % čtverců s výskytem olší v břehových porostech (obr. 3). 2

Obr. 2. Typologie krajiny v povodí Vltavy z hlediska ekologie a distribuce plísně olšové Obr. 3. Vizualizace výsledku terénního průzkumu ekonomických škod způsobených P. alni v břehových porostech povodí Vltavy. Škody na dřevinách. Škody spočteny dle oceňovací vyhlášky Ministerstva financí 3

C001/C. Do r 2014 byla data získána ze 40 lesních správ, 2 lesních závodů, 293 revírů a 854 porostů. Patogen Phytophthora alni, resp. fytoftorové onemocnění olší bylo zjištěno na 39 lesních správách, 2 lesních závodech, 191 revírech a 451 porostech tj. choroba byla identifikována zhruba v 53 % porostů. V r. 2014 byla data digitalizována, provedeny některé dopočty, data byla upravena a vyčištěna, ve spolupráci s LČR, s.p. a ÚHÚL byla získána data GIS týkající se distribuce olší v lesních porostech ve správě LČR, s.p., propojena se souborem získaných dat a v prostředí GIS získány další charakteristiky týkající se porostů teplotní a srážkové poměry, krajinné a porostní a mnohé další charakteristiky s použitím externích podkladů (digitální model reliéfu, klimatické charakteristiky prostředí aj.). Poslední z potřebných dat (proměnné vztahující se k bufferu a k povodí) byla získána či dopočtena v r. 2015 a data byla předána k vyhodnocení do navazujících úkolů. Dílčí cíl C002. Kvantifikace škod způsobených P. alni Postup Náklady, které patogen způsobuje lze rozdělit na přímé škody způsobené patogenem na dřevinách a na náklady nutné na odstranění odumřelých a vážně poškozených dřevin na výsadby dřevin rezistentních taxonů a na jejich zajištění. Oceňování dřevin v břehových porostech napadených invazními patogeny bylo provedeno dvěma používanými metodami: podle Vyhlášky č. 441/2013 Sb. Ministerstva financí, ve znění pozdějších předpisů a metodou nákladovou (Bulíř 2013). Rozsah škod byl hodnocen jako rozdíl stávající ceny dřeviny oproti hypotetické hodnotě dřeviny bez poškození způsobeného plísní olšovou. Ceny následných prací byly vyčíslovány dle katalogu ÚRS 800-1 Zemní práce, 823-1 Plochy a úprava území a ÚRS 823-2 Rekultivace. Vlastní statistická analýza byla provedena v rámci balíku Statistica 10.0 (Statsoft Inc. Tulsa, OK) pomocí neparametrické analýzy variance. Dále byla připravena prostorová databáze všech čtverců s uvedením jejich environmentálních charakteristik (14 proměnných), které mohou mít potenciální vliv na přítomnost patogenu a výši škod. Tyto proměnné byly zjištěny v prostředí geografických informačních systémů (GIS) s využitím externích podkladů (např. digitální model reliéfu, klimatické charakteristiky prostředí atd.). Závislost výskytu P. alni na výše uvedených charakteristikách čtverců byla statisticky vyhodnocena pomocí obecného lineárního modelu v rámci programu R-Plus (R Core Team 2014). Výsledný model použitý pro predikci výše škod způsobených P. alni v břehových porostech povodí Vltavy byl vytvořen pomocí dopředné krokové selekce proměnných. Výsledné hodnoty výše škod způsobených P. alni v břehových porostech v síti čtverců povodí Vltavy predikované na základě výše uvedeného modelu byly přiřazeny dle unikátních kódů k jednotlivým čtvercům a prostorově vyjádřeny v prostředí GIS. Následně byly klasifikovány metodou kvantilů do šesti tříd vyjadřujících míru škod způsobených patogenem. Výsledky V rámci cíle bylo zjištěno, že průměrná výše škod v porostech olší dosahuje cca 35 tis. Kč na 100 m porostu (jednostranného) podle Vyhlášky č. 441/2013 Sb. Ministerstva financí a 56,5 tis. Kč podle metody nákladové (tab. 1). Celkové škody v povodí Vltavy se v současné době s největší pravděpodobností pohybují v řádu mld. Kč. Největší škody patogen dnes způsobuje v pánevních a plochých oblastech s hustou sítí vodních toků, nejmenší škody pak v oblastech suchých a teplých a rovněž v oblastech horských s členitým reliéfem (tab. 2). V budoucnu lze ovšem očekávat další šíření patogenu do méně 4

invazibilních oblastí (podhorské a horské oblasti), které dosud byly alespoň zčásti invaze uchráněny. Tab. 1. Přehled škod způsobených v břehových porostech vypočtených podle Vyhlášky č. 441/2013 Sb. Ministerstva financí a nákladové metody. Uvedena průměrná škoda v Kč a střední chyba průměru náklady na škody na dřevinách celkové škody odstranění dřevin a nákladová nákladová vyhláška MF vyhláška MF výsadby metoda metoda průměrné škody (Kč) 21102 13315 35407 34418 56510 průměrné škody na invadovaný čtverec (Kč) (±1612) 31613 (±2137) (±1176) 19948 (±11613) (±3126) 53043 (±4285) (±2716) 51561 (±3629) (±4624) 84656 (±6235) Tab. 2. Základní charakteristiky jednotlivých krajinných typů povodí Vltavy a výše škod způsobených plísní olšovou podle Vyhlášky č. 441/2013 Sb. Ministerstva financí a nákladové metody krajinný škody / čtverec typ (Kč) přítomnost olše ve čtvercích (%) pokryvnost olše v úsecích (%) podíl kolonizovaných čtverců (%) podíl čtverců s ekonomickými škodami (%) vyhl. MF škody / kolonizovaný čtverec (Kč) vyhl. MF nákladová nákladová suchý 75,0 46,8 39,3 39,3 14707 23559 37435 59969 údolí 96,9 70,6 75,4 60,0 39956 67856 53003 90013 plošiny 99,9 65,6 85,4 71,8 46848 76428 54822 89437 pánve 100,0 75,4 85,7 64,3 50097 78111 58446 91129 vrchoviny 96,3 68,1 59,3 44,4 28396 46896 47919 79138 hory 97,4 61,5 39,5 28,9 20010 31404 50691 79557 Do výsledného modelu závislosti škod způsobených P. alni na testovaných charakteristikách čtverců okolí byly na základě podrobné statistické analýzy dostupných dat vybrány následující vysvětlující proměnné: nadmořská výška, topografický poziční index a krajinný typ. Pravděpodobnost výskytu patogenu a jím způsobených vyšších škod průkazně závisí na krajinném typu a klesá s nadmořskou výškou a TPI. Mezi další charakteristiky prostředí, které průkazně korelovaly (p < 0,05) s výší škod v zájmovém území patří průměrná roční a lednová teplota, hustota sítě vodních toků, délka liniové vegetace (pozitivní korelace), vertikální heterogenita, lesní vegetační stupeň, celková plocha lesa a další (negativní korelace). Na základě těchto vztahů zjištěných pomocí lineární regrese byla odvozena výše škod způsobených P. alni pro všechny čtverce v povodí Vltavy. Výsledné hodnoty pohybující se v intervalu od 0 do 177997,4 Kč a kategorizované do 6 tříd byly znázorněny v prezentovaném mapovém výstupu (obr. 3), ze kterého je patrné prostorové rozšíření i četnost jednotlivých tříd výskytu P. alni a způsobených škod. Mezi oblasti s největší výší predikovaných škod lze zařadit jihočeské pánevní oblasti (Třeboňsko, Českobudějovicko, Blatenská brázda + nižší partie Březnické pahorkatiny), Jindřichohradeckou kotlinu, Stropnickou pahorkatinu a širší okolí toků, které je odvodňují (např. Lužnice, Nežárka, Malše, Černá) a jejich přítoků (např. z přítoků Lužnice Smutná, Bilinský potok, Kozský potok a další) částečně Vltava (např. úsek nad Lipnem) a údolní oblasti Hornosázavské pahorkatiny (širší okolí větších toků jako je např. Sázava, Želivka, Blanice a jejich přítoků). V členitější oblasti západních a středních Čech se jedná zejména o Tachovskou brázdu a širší okolí větších toků jako je Mže, Úslava, Úhlava, Radbuza, Třemošná, Střela, Javornice, místy Berounka a některé její drobnější přítoky. V některých z 5

těchto predikovaných oblastí olše z velké části už vymizely (dolní Lužnice, Berounka, částečně Sázava) nebo se zde olše v důsledku antropogenních zásahů ve větší míře již nevyskytují (Vltavská kaskáda). Nejnižší míra škod je predikována zejména pro vyšší, chladné polohy, jako je větší část Šumavy, částečně Novohradské hory, Český les a nejvyšší polohy Brd a heterogenní oblasti Plzeňské pahorkatiny, Křivoklátska a Českého krasu. Menší škody jsou rovněž predikovány pro suché oblasti, jako je např. Pražská plošina a místy Plzeňská kotlina, vyšší oblasti Tepelské vrchoviny a členitější části Benešovské pahorkatiny a Českomoravské vysočiny (obr. 3). Obr. 3. Mapa predikce současných potenciálních škod způsobených P. alni v břehových porostech povodí Vltavy. Nákladová metoda 6

Dílčí cíl C003. Identifikace vlivu změny klimatu na rozsah poškození Postup V předchozích letech (2012 2014) byl vliv teploty na rozsah nekróz ověřen mj. jak experimentálně v laboratoři, tak průzkumem na výškovém (teplotním) gradientu v terénu. V r. 2015 bylo provedeno detailní statistické vyhodnocení dat LČR (C001) pomocí GLM v statistickém balíku R Plus. Pro zjištění vlivu faktorů prostředí na rozsah poškození porostů s olší v lesích ČR byl jako závislá proměnná použit dopočet podílu poškozených olší na 1 ha porostu. Jako vysvětlujících bylo použito 18 proměnných popisujících porostní, ekologické a krajinné charakteristiky porostů a jejich okolí. Výsledky Výsledný model je prezentován v tab. 3. V rámci modelu byl potvrzen vliv obou teplotních charakteristik průměrných ročních teplot a průměrných teplot lednových. Obě veličiny nejsou vzájemně korelovány. Jak bylo dříve v rámci projektu ověřeno, průměrné roční teploty jsou spíše zodpovědné za rozsah poškození dřevin (plochu nekróz), zimní teploty pak ovlivňují přežívání patogenu. Vzhledem k tomu, že IPCC (2009) predikuje zvýšení teploty o 3 4 C v tomto století (zejména se bude jednat o zvýšení zimních teplot), lze na základě výsledného modelu predikovat (tab. 3), že během příštího století může dojít k nárůstu poškození vlivem oteplování cca o 6 8 % a že obě proměnné přispějí zhruba stejným dílem, případně podíl vzestupu zimních teplot může mít význam vyšší. Předpokládaný nárůst škod jen v důsledku oteplování tak může na 100 m břehového porostu činit až cca 3020 4028 Kč (dle Vyhlášky č. 441/2013 Sb. Ministerstva financí), nebo 4991 6655 Kč (metoda nákladová). Jistě lze čekat, že předpokládaný stres v důsledku nevyrovnaných srážek a záplav může rovněž zvýšit citlivost hostitelů a podpořit nárůst škod. Tab. 3. GLM model (R Plus) podílu poškozených olší v lesních porostech (data LČR, s.p.) Estimate Std. Error t value Pr(> t ) (Intercept) 2.060587 4.302876 0.479 0.632269 NADM_VYSKA -0.007122 0.004437-1.605 0.109159 VEK 0.056822 0.025209 2.254 0.024711 * PODIL_OL 0.041052 0.015933 2.577 0.010321 * log(vymera) 1.038197 0.688154 1.509 0.132135 ZASOBA 0.008035 0.002119 3.793 0.000171 *** LinVEG 0.001865 0.000619 3.014 0.002737 ** TEMP_ann 0.871514 0.382109 2.281 0.023060 * TEMP_Jan 1.067597 0.515469 2.071 0.038958 * Residual standard error: 12.38 on 420 degrees of freedom Multiple R-squared: 0.2224, Adjusted R-squared: 0.2076 F-statistic: 15.02 on 8 and 420 DF, p-value: < 2.2e-16 7

C004. Identifikace rizikových oblastí, toků, porostů Postup V r. 2015 byla detailně zpracována data LČR (viz C001) a to ve dvou směrech A) byla vytvořena predikce distribuce P. alni v lesích ČR a za B) bylo provedena identifikace proměnných prostředí zodpovědných za distribuci P. alni v lesích ČR a rozsah škod. A) Predikce. V r. 2014 byla data digitalizována, provedeny některé dopočty, data byla upravena a vyčištěna, ve spolupráci s LČR, s.p. a ÚHÚL byla získána data GIS týkající se distribuce olší v lesních porostech ve správě LČR, s.p., propojena se souborem získaných dat a v prostředí GIS získány další charakteristiky týkající se porostů teplotní a srážkové poměry, krajinné a porostní a mnohé další charakteristiky s použitím externích podkladů (digitální model reliéfu, klimatické charakteristiky prostředí aj.). V roce 2015 byla data LČR, s.p. statisticky vyhodnocena s využitím GLM pomocí logistické regrese (Statistica 9.0). Celkem bylo při vypracování modelu vzato v úvahu 26 proměnných na třech krajinných úrovních na úrovni porostu, bufferu (okolí porostu v rozsahu 500 m) a v rámci povodí porostu. Celkem bylo zpracováno 854 posuzovaných porostů. Konečný model byl vytvořen s použitím dopředné krokové selekce. B) Proměnné prostředí. V roce 2014 proběhlo předběžné vyhodnocení souboru dat LČR a bylo publikováno (2015), byl proveden průzkum distribuce P. alni v lesních školkách a porovnání věku zdravých a napadených lesních porostů s olšemi. Poslední dvě sledování ukázala, že šíření patogenu s pomocí sazenic olší má v ČR dosud význam minimální. V roce 2015 byla data LČR, s.p. statisticky vyhodnocena s využitím GLM v programu R Plus. Celkem bylo při vypracování modelu vzato v úvahu 26 proměnných (porostních charakteristik a ekologických faktorů) na třech krajinných úrovních na úrovni porostu, bufferu (okolí porostu v rozsahu 500 m) a v rámci povodí porostu (viz bod A). Práce proběhly v několika stupních nejprve byl ověřen vliv proměnných na distribuci patogenu, jako závislá proměnná byla použita binární data (přítomnost/absence patogenu). V dalším stupni byl ověřen vliv faktorů na rozsah poškození s využitím závislé proměnné podíl napadených olší /ha. V konečném stupni byly provedeny stejné analýzy pro jednotlivé trofické řady či jejich skupiny. Výsledky A) Predikce. Do konečného modelu byly do něj vybrány následující vysvětlující proměnné: výměra porostu, výměra všech olšin v okolí porostu, přítomnost toku a lesní vegetační stupeň. Na základě vztahů zjištěných pomocí logistické regrese byla odvozena pravděpodobnost výskytu P. alni pro všech stávajících cca 191 tisíc porostů s olší lepkavou a šedou pro celou ČR, jejichž celková rozloha přesahuje 255 tisíc ha. Výsledné hodnoty pravděpodobnosti výskytu patogenu se pohybují se v intervalu od 0 do 0,88, byly kategorizovány do 5 tříd a znázorněny v prezentovaném mapovém výstupu (obr. 4), ze kterého je patrné prostorové rozšíření i četnost jednotlivých tříd rizika výskytu patogenu a způsobených škod. Do nejvyšší kategorie rizika patří 49 % plochy všech porostů. Tyto porosty vykazují průměrnou výměru téměř 3,9 ha a jsou většinou součástí větších lesních komplexů se zastoupením olše. Z jejich prostorového rozšíření je patrné, že se nacházejí ve dvou odlišných typech prostředí lužní lesy v nižších polohách s vysokou hustotou říční sítě a velkou rozlohou povodí, tedy potenciální zdrojovou oblastí inokula patogenu. Druhým typem porostů jsou vrchovinné nebo horské lesní komplexy rovněž s vysokou hustotou vodotečí a odvodňovacích kanálů, především však typické vysokým úhrnem srážek a významným podílem podmáčených poloh. (Do druhé nejvyšší kategorie rizika patří 26 % 8

porostů s poněkud obdobnými charakteristikami.) Nejnižší třída rizika výskytu naopak zahrnuje porosty jen o celkové ploše 9 054 ha, což činí pouhá 4 % veškerých porostů olšin. Charakteristickými znaky porostů s velmi nízkým rizikem výskytu P. alni je malá výměra porostu (v průměru jen 0,2 ha) a jejich izolovanost, tj. poloha bez návaznosti na další porosty olšin. Oproti třídám s vyšším rizikem vykazují ovšem relativně vysoké zastoupení olší v dřevinné skladbě téměř 50 %. Celkově se tedy jedná o velmi malé, izolované porosty, roztroušené ve všech lesních vegetačních stupních, které proto nevykazují žádné jiné specifické vlastnosti prostředí (úhrn srážek, hustota říční sítě atd.). Pravděpodobně jde z největší části o drobné porosty olší vysazené na vhodných mikrolokalitách (prameništích?) výrazně odlišných od svého okolí. Ostatní třídy rizika představují kontinuum mezi oběma popsanými krajními kategoriemi. Obr. 4. Predikce výskytu P. alni v lesích ČR B) Proměnné prostředí. Model vysvětlující distribuci patogenu se kládá ze čtyř proměnných s průkazným vlivem šířka toku, výměra porostu, výměra porostu olšin v bufferu a heterogenita krajiny. První tři veličiny šíření patogenu ovlivňují pozitivně, poslední pak (heterogenita krajiny) negativně (tab. 4). Dopad plošných charakteristik (výměra a plocha olšin v okolí) jasně zvyšují pravděpodobnost uchycení patogenu v oblasti a porostu. Vztah šířky vodního toku a přítomnosti patogenu jasně ukazuje, že hlavní cestou distribuce patogenu v ČR jsou vodní toky naopak významný vliv šíření sazenicemi lze jednoznačně vyloučit (negativní korelace mezi přítomností patogenu a stářím porostu nebyla potvrzena). Negativní vztah heterogenity krajiny ukazuje, že patogen se spíše objevuje v plochých reliéfech pravděpodobně vzhledem k vyšší dostupnosti a hladině vody. Model popisující faktory ovlivňující rozsah poškození porostů olší vysvětluje celkem 22% variability dat (tab. 3) a pozitivní vliv na rozsah choroby v něm mají proměnné věk porostu, 9

podíl olší, výměra porostu, zásoba (tedy znaky ovlivňující množství dostupné biomasy hostitelel), rozsah lineární vegetace (břehových porostů) v bufferu jako pravděpodobně zásoby infekčního inokula z okolí, a průměrná lednová a roční teplota jako faktory ovlivňující přežívání patogenu a rozsah infekce. Tab. 4. Model vysvětlující šíření P. alni v lesních porostech olší Estimate Std. Error z value Pr(> z ) (Intercept) -1.941796 0.858282-2.262 0.02367 * SIRKA_TOKU1 0.174703 0.175810 0.994 0.32036 SIRKA_TOKU2 0.915941 0.197438 4.639 3.5e-06 *** SIRKA_TOKU3 1.541796 0.537790 2.867 0.00415 ** log(vymera) 0.189373 0.074286 2.549 0.01080 * log(ol_area) 0.164679 0.071927 2.290 0.02205 * DEM_std -0.011928 0.004604-2.591 0.00958 ** (Dispersion parameter for binomial family taken to be 1) Null deviance: 1146.8 on 827 degrees of freedom Residual deviance: 1088.4 on 821 degrees of freedom AIC: 1102.4 Vzhledem k tomu, že v průběhu modelování byl zjištěn pozitivní vztah mezi zakmeněním a rozsahem choroby, byl vypracován separátní model pro zakmenění jako závislou proměnnou vyjadřující případný dlouhodobější vliv patogenu v porostu (tj. mající už vliv na zastoupení dřeviny). Tento model vysvětluje cca 11 % variability dat a jako vysvětlující proměnná byl vedle očekávaných porostních charakteristik, jako je např. dřevní zásoba, věk a výměra porostu identifikován podíl napadených olší. Lze tedy jednoznačně potvrdit, že problém výskytu P. alni v lesních porostech je již dlouhodobějšího rázu a že patogen již ovlivňuje významněji hospodaření s olší. V další fázi byly podobně sestrojeny modely pro trofické řady či jejich skupiny. Modely pro řadu obohacenou vodou ukazují, že na distribuci patogenu mají vliv proměnné šířka toku, věk (!), výměra porostu, zásoba a rozsah lesních porostů v okolí. Mj. se zdá, že pro tuto řadu může mít jistý význam šíření patogenu se sazenicemi olší. Rozsah poškození olší je pak závislý na faktorech LVS (maximum v nižších a vyšších LVS, minimum pak v LVS 3 a 4), faktory související s dostupnou biomasou (věk, podíl olší, výměra) a opět přítomnost břehových porostů a teplota. Pro řady glejovou, oglejenou, živnou a obohacenou humusem byly sestrojovány další modely, jejich úspěšnost však byla ponejvíce malá. Ve společných modelech řady živné a obohacené humusem (sloučeno z důvodu malého počtu hodnot a z hlediska olše určité ekologické podobnosti) má na šíření patogenu vliv faktory šířka toku a výměra porostu (vliv heterogenity reliéfu je těsně neprůkazný: p = 0,059) a na rozsah poškození výměra porostu. Lze tedy sledovat určité podobné trendy s řadou předchozí šíření vodními toky, vliv reliéfu a výměry porostu. Pro řadu oglejenou a zamokřenou se ukazuje, že průkazný vliv na přítomnost patogenu má zejména výměra porostu; faktory související průkazně s úrovní napadení se nepodařilo identifikovat žádné, vliv potenciálně mohou mít faktory související s množstvím biomasy hostitele (věk, bonita stanoviště, plocha porostu), jejichž vliv je možný, ale neprůkazný (p = 0,07 0,11). Rozhodně nebyl potvrzen (ani naznačen) vliv vodních toků, heterogenity reliéfu apod. to bylo ovšem možné na těchto spíše značně homogenních stanovištích očekávat. Lze uzavřít s tím, že distribuci P. alni a její dopad ovlivňují v porostech různých trofických řad různé faktory prostředí. Šíření a/nebo intenzita choroby je plošně ve všech trofických řadách více či méně průkazně ovlivněna faktory souvisejícími s plochou porostů či biomasou hostitele. Pro stanoviště typická přítomností toku jsou navíc významné faktory šířka vodního toku a heterogenita reliéfu. 10

Závěr V rámci projektu QJ1220219 během dosavadního řešení (2012 14) proběhly práce na všech dílčích cílech v předpokládaném rozsahu a bylo dosaženo plánovaných výstupů. Z nejvýznamnějších výsledků lze zmínit např. určení potenciálních ekonomických škod způsobených P. alni v břehových porostech Vltavy a vytvoření predikce pro celé povodí, potvrzení vlivu teplot na rozsah poškození dřevin a porostů olší, vytvoření prediktivního modelu distribuce P. alni v lesích ČR a identifikaci faktorů prostředí zodpovědných za šíření patogenu a rozsah poškození porostů. Průměrná výše škod v porostech olší dosahuje cca 35 tis. Kč na 100 m porostu (jednostranného) podle Vyhlášky č. 441/2013 Sb. Ministerstva financí a 56,5 tis. Kč podle metody nákladové. Největší škody jsou v současnosti predikovány pro jihočeské pánevní oblasti, Jindřichohradeckou kotlinu, Stropnickou pahorkatinu, údolní oblasti Hornosázavské pahorkatiny, Tachovskou brázdu a některé další oblasti. Byl potvrzen vliv průměrných ročních i průměrných lednových teplot na rozsah poškození. Letní teploty jsou zodpovědné za rozsah poškození, zimní naopak za přežívání patogenu. Byla dokončena predikce distribuce P. alni v lesích ČR v konečném modelu hrají roli vysvětlující proměnné výměra porostu, výměra všech olšin v okolí porostu, přítomnost toku a lesní vegetační stupeň. Do nejvyšší kategorie rizika patří 49 % plochy všech lesních porostů s olší. Tyto porosty vykazují průměrnou výměru téměř 3,9 ha a jsou většinou součástí větších lesních komplexů se zastoupením olše. V nejnižší kategorii je pouze 4,9 % plochy porostů. Podařilo se potvrdit, že šíření patogenu s pomocí sazenic olší mělo v ČR dosud význam minimální, lze ovšem očekávat jeho nárůst. Model, popisující faktory ovlivňující rozsah poškození porostů olší, vysvětluje celkem 22% variability dat a průkaznou roli v něm hrají proměnné věk porostu, podíl olší, výměra porostu, zásoba, rozsah lineární vegetace (břehových porostů) v bufferu a průměrná lednová a roční teplota. Vybrané dosavadní výstupy projektu ROMPORTL, D., CHUMANOVÁ, E., HAVRDOVÁ, L., PEŠKOVÁ, V. & ČERNÝ, K. (přijato): A Map of the Potential Risk of Occurrence and Impact of Phytophthora alni in Forests of the Czech Republic. Journal of Maps. ČERNÝ, K., STRNADOVÁ, V., FEDUSIV, L., GABRIELOVÁ, Š., HAŇÁČKOVÁ, Z., HAVRDOVÁ, L., HRABĚTOVÁ, M., MRÁZKOVÁ, M., NOVOTNÁ, K., PEŠKOVÁ, V., ŠTOCHLOVÁ, P. & ROMPORTL, D. (2016): Ekonomické škody způsobené plísní olšovou v břehových porostech vodních toků a nádrží s dominantní olší v modelové oblasti povodí Vltavy. Předběžné výsledky. Vodní hospodářství, 66/07: přijato. ČERNÝ, K., ROMPORTL, D., STRNADOVÁ, V., FEDUSIV, L., GABRIELOVÁ, Š., HAŇÁČKOVÁ, Z., HAVRDOVÁ, L., HRABĚTOVÁ, M., MRÁZKOVÁ, M., NOVOTNÁ, K., PEŠKOVÁ, V., ŠTOCHLOVÁ, P. & ZAHRADNÍK, D. (2016): Hodnocení a predikce současných ekonomických škod způsobených plísní olšovou v břehových porostech povodí Vltavy podle Vyhlášky Ministerstva financí 441/2013 Sb. Specializovaná mapa s odborným obsahem. QJ1220219. 15 s. 11

ČERNÝ, K., ROMPORTL, D., STRNADOVÁ, V., FEDUSIV, L., GABRIELOVÁ, Š., HAŇÁČKOVÁ, Z., HAVRDOVÁ, L., HRABĚTOVÁ, M., MRÁZKOVÁ, M., NOVOTNÁ, K., PEŠKOVÁ, V., ŠTOCHLOVÁ, P. & ZAHRADNÍK, D. (2016): Hodnocení a predikce současných ekonomických škod způsobených plísní olšovou v břehových porostech povodí Vltavy s využitím nákladové metody. Specializovaná mapa s odborným obsahem. QJ1220219. 15 s. ROMPORTL, D., CHUMANOVÁ, E., ČERNÝ, K., HAVRDOVÁ, L., PEŠKOVÁ, V. & STRNADOVÁ, V. (2015): Mapa potenciálního rizika výskytu a škod způsobených Phytophthora alni v lesních porostech ČR Specializovaná mapa s odborným obsahem. QJ1220219. 16 s. ČERNÝ, K., PEŠKOVÁ, V. & MODLINGER, R. (2015): Rozšíření fytoftorového onemocnění olší v lesních porostech ČR předběžné výsledky. Zprávy lesnického výzkumu 60/4: 201 211. ČERNÝ, K., FILIPOVÁ, N. & STRNADOVÁ, V. (2015) Climate change can affect the impact of Phytophthora alni subsp. alni In: Sutton, W., Reeser, P.W. & Hansen, E.M. (tech coords.) Proceedings of the 7th meeting of the International Union of Forest Research Organization (IUFRO) Working Party S07.02.09: Phytophthoras in forests and natural ecosystems, Esquel. 115 117. ČERNÝ, K., STRNADOVÁ, V., FEDUSIV, L., GABRIELOVÁ, Š., HAŇÁČKOVÁ, Z., HAVRDOVÁ, L., HEJNÁ, M., MRÁZKOVÁ, M., NOVOTNÁ, K., PEŠKOVÁ, V., ŠTOCHLOVÁ, P., & ROMPORTL, D. (2015): Economical losses caused by Phytophthora alni in riparian stands. Typological study of Vltava River basin (Czech Republic), 118 120. In: Sutton, W., Reeser, P.W. & Hansen, E.M. (tech coords.) Proceedings of the 7th meeting of the International Union of Forest Research Organization (IUFRO) Working Party S07.02.09: Phytophthoras in forests and natural ecosystems, Esquel. 118 120. ČERNÝ, K., STRNADOVÁ, V., ROMPORTL, D., MRÁZKOVÁ, M., HAVRDOVÁ, L., HRABĚTOVÁ, M, MODLINGER, R. & PEŠKOVÁ V. (2015): Factors affecting Phytophthora alni distribution in State Forests of the Czech Republic. In: Sutton, W., Reeser, P.W. & Hansen, E.M. (tech coords.) Proceedings of the 7th meeting of the International Union of Forest Research Organization (IUFRO) Working Party S07.02.09: Phytophthoras in forests and natural ecosystems. Esquel. 121 123. ČERNÝ, K., STRNADOVÁ, V. & PEŠKOVÁ, V. (2013): Phytophthora alni Brasier et S.A. Kirk. Plíseň olšová. Lesnická práce 92/6, Příloha, 4 s. ŠTĚPÁNKOVÁ, P., ČERNÝ, K., STRNADOVÁ, V., HANÁČEK, P., TOMŠOVSKÝ, M. (2013): Identification of Phytophthora alni subspecies and their distribution in river system in the Czech Republic. Plant Protection Science, 49, Special Issue: S3 S10. 12