Oznaka poročila: ARRS-CRP-ZP-2020/2 ZAKLJUČNO POROČILO O REZULTATIH CILJNEGA RAZISKOVALNEGA PROJEKTA A. PODATKI O RAZISKOVALNEM PROJEKTU l.Osnovni podatki o raziskovalnem projektu Šifra V4-1623 Naslov Razvoj metod zaznavanja poškodb iglavcev zaradi smrekovih in jelovih podlubnikov ter izdelava modelov za napovedovanje namnožitev smrekovih in jelovih podlubnikov v slovenskih razmerah Vodja 23448 Nikica Ogris Naziv težišča v okviru CRP 3.3.1 Razvoj metod zaznavanja poškodb iglavcev zaradi smrekovih in jelovih podlubnikov ter izdelava modelov za napovedovanje namnožitev smrekovih in jelovih podlubnikov v slovenskih razmerah Obseg efektivnih ur raziskovalnega dela 1039 Cenovna kategorija B Obdobje trajanja 10.2016 - 09.2019 Nosilna raziskovalna organizacija 404 Gozdarski inštitut Slovenije Raziskovalne organizacije -soizvajalke 481 Univerza v Ljubljani, Biotehniška fakulteta r.a Znanstvenoraziskovalni center Slovenske akademije 618 znanosti in umetnosti RACE KOGO razvojni center koroškega gospodarstva 326/ . d.o.o. Raziskovalno področje po šifrantu ARRS 4 BIOTEHNIKA 4.01 Gozdarstvo, lesarstvo in papirništvo 4.01.01 Gozd - gozdarstvo Družbeno-ekonomski cilj 08. Kmetijstvo Raziskovalno področje po šifrantu FORD 4 Kmetijske vede in veterina 4.01 Kmetijstvo, gozdarstvo in ribištvo 2.Sofinancerji Sofinancerji 1. Naziv Ministrstvo za kmetijstvo, gozdarstvo in prehrano Sofinancerji Naslov Dunajska cesta 22, 1000 Ljubljana 2. Naziv Javna agencija za raziskovalno dejavnost Republike Slovenije Naslov Bleiweisova cesta 30, 1000 Ljubljana B. REZULTATI IN DOSEŽKI RAZISKOVALNEGA PROJEKTA 3.Povzetek raziskovalnega projekta1 SLO_ V okviru projekta smo uresničili naslednje cilje: 1. Preverili smo uporabnost multispektralnih posnetkov gozdov za odkrivanje, spremljanje in prikazovanje žarišč podlubnikov na podlagi analize multispektralnih posnetkov. 2. Razvili smo model za spremljanje/zaznavanje sanacije žarišč podlubnikov s pomočjo multispektralnih posnetkov. 3. Izdelali smo študijo uporabe multispektralnih kamer pri ugotavljanju zdravstvenega stanja dreves ter njihova primernost za samostojno uporabo v javni gozdarski službi, vključno s predvidenimi stroški. 4. Razvili smo algoritme za določanje stopnje ogroženosti smreke in jelke zaradi podlubnikov v različnih ekoloških razmerah. 5. Razvili in validirali smo dva modela razvoja smrekovih podlubnikov v Sloveniji ter razvili smo sistem za samodejni izračun predvidenega začetka rojenja spomladi in datuma konca razvoja prve generacije, do katerega se spremlja ulov za osmerozobega in šesterozobega smrekovega lubadarja. 6. Vzpostaviti smo sistem obveščanja krajevnih in območnih enot Zavoda za gozdove Slovenije o pričetku rojenja in konca prve generacije osmerozobega in šesterozobega smrekovega lubadarja. Delo je bilo organizirano v štiri delovne sklope: (1) Koordinacija; (2) Daljinsko zaznavanje; (3) Stopnja ogroženosti iglavcev; (4) Model razvoja smrekovih podlubnikov in sistem obveščanja. V DS2 smo uresničili cilje 1-3, v DS3 smo uresničili cilj 3, v DS4 smo uresničili cilja 4 in 5. Pomembnejši rezultati projekta so: • Model za zaznavanje prisotnosti žarišč in spremljanje dinamike razvoja oziroma stopnje napadenosti na podlagi posnetkov MODIS • Model za zaznavanje prisotnosti žarišč in spremljanje dinamike razvoja oziroma stopnje napadenosti na podlagi posnetkov Sentinel-2 • Model za zaznavanje sanacije žarišč podlubnikov na podlagi posnetkov Sentinel-2 • Prostorski model ogroženosti smreke zaradi podlubnikov v ločljivosti 1 km, časovna ločljivost 1 leto • Prostorski model ogroženosti jelke zaradi podlubnikov v ločljivosti 1 km, časovna ločljivost 1 leto • Fenološki model za osmerozobega smrekovega lubadarja (Ips typographus) RITY-2 • Fenološki model za šesterozobega smrekovega lubadarja (Pityogenes chalcographus) CHAPY-1 • Sistem samodejnega obveščanja krajevnih in območnih enot Zavoda za gozdove Slovenije o pričetku rojenja in konca prve generacije osmerozobega in šesterozobega smrekovega lubadarja, implementacija v elektronski informacijski sistem za varstvo gozdov • Interaktivne spletne aplikacije za načrtovanje postavitve kontrolnih pasti za spremljanje ulova podlubnikov in načrtovanja trajanja spremljanja ulova na podlagi modelnega izračuna za nastop prvega rojenja in modelnega izračuna za konec razvoja prve generacije ANG_ We fulfilled the following project goals: 1. Evaluate the use of multispectral imagery of forests to discover, monitor and show of bark beetle outbreaks and forecasting of bark beetle outbreaks development, and suggesting possible measures against bark beetle outbreaks on the basis of analysis of multispectral images; 2. Establish a control system over efficiency of sanitation of bark beetle outbreaks with help of multispectral images; 3. Studies of use of multispectral cameras for determination of health status of trees and their suitability for independent use in the Public forest service, expected expenses including; 4. Development of algorithms for determination of risk degree of individual conifer species because of bark beetles at different ecological conditions; 5. Development and validation of phenological model of spruce bark beetles in Slovenia and development of the system for automatic calculation of first swarming in spring and the end date of development of first generation until which the monitoring of Ips typographus and Pityogenes chalcographus is taking place; 6. Establishment of automatic notifying system of local and regional units of Slovenia forest service about the first swarming and the end of first generation of Ips typographus and Pityogenes chalcographus. The project was organized into four work packages: (1) Coordination; (2) Remote sensing; (3) Risk assessment of conifers; (4) Phenological model of spruce bark beetles and the notifying system. We fulfilled project goals 1-3 in the WP2, in the WP3 we accomplished project goal 3, in the WP4 we fulfilled goals 4 and 5. The most important project results are: • Model for sensing bark beetle outbreaks and their spread on the basis of MODIS images. • Model for sensing bark beetle outbreaks and their spread on the basis of Sentinel-2 images. • Model for monitoring sanitation of bark beetle outbreaks. • Spatial risk model of spruce due to bark beetles with spatial resolution 1 km and time resolution 1 year. • Spatial risk model of fir due to bark beetles with spatial resolution 1 km and time resolution 1 year. • RITY-2: a phenology model for Ips typographus. • CHAPY-1: a phenology model for Pityogenes chalcographus. • Automatic notifying system of local and regional units of Slovenia Forest Service about first swarming and end of first generation of Ips typographus and Pityogenes chalcographus, implementation into the information system for forest protection. • Web interactive applications for planning of control traps monitoring (onset, duration, end) on the basis of results from phenological models. 4.Poročilo o realizaciji predloženega programa dela oz. ciljev raziskovalnega projekta2 V okviru projekta smo uresničili naslednje cilje: 1. Preverili smo uporabnost multispektralnih posnetkov gozdov za odkrivanje, spremljanje in prikazovanje žarišč podlubnikov na podlagi analize multispektralnih posnetkov. 2. Razvili smo model za spremljanje/zaznavanje sanacije žarišč podlubnikov s pomočjo multispektralnih posnetkov. 3. Izdelali smo študijo uporabe multispektralnih kamer pri ugotavljanju zdravstvenega stanja dreves ter njihova primernost za samostojno uporabo v javni gozdarski službi, vključno s predvidenimi stroški. 4. Razvili smo algoritme za določanje stopnje ogroženosti smreke in jelke zaradi podlubnikov v različnih ekoloških razmerah. 5. Razvili in validirali smo dva modela razvoja smrekovih podlubnikov v Sloveniji ter razvili smo sistem za samodejni izračun predvidenega začetka rojenja spomladi in datuma konca razvoja prve generacije, do katerega se spremlja ulov za osmerozobega in šesterozobega smrekovega lubadarja. 6. Vzpostaviti smo sistem obveščanja krajevnih in območnih enot Zavoda za gozdove Slovenije o pričetku rojenja in konca prve generacije osmerozobega in šesterozobega smrekovega lubadarja. V raziskovalnem projektu smo dosegli naslednje rezultate:_ St. I Naslov_ Cilj(i) I DS 1 Model za zaznavanje prisotnosti žarišč in spremljanje dinamike razvoja oziroma stopnje napadenosti na podlaqi posnetkov MODIS 1, 2 2 2 Model za zaznavanje prisotnosti žarišč in spremljanje dinamike razvoja oziroma stopnje napadenosti na podlaqi posnetkov Sentinel-2 1, 2 2 3 Model za zaznavanje sanacije žarišč podlubnikov na podlaqi posnetkov Sentinel-2 2 2 4 Podatki in vegetacijski produkti satelita MODIS za 1999-2019 in satelita Sentinel-2 za 2016-2019, za območje Slovenije 1, 2 2 5 Elaborat o uporabnosti multikopterja za spremljanje žarišč smrekovih in jelovih podlubnikov 3 2 6 Zbirka referenčnih terenskih podatkov za posnetke Sentinel-2 1, 3 2 7 Zbirka referenčnih terenskih podatkov za posnetke s multikopterjem 1, 3 2 8 Spletna interaktivna aplikacija za zaznavanje žarišč in zaznavanje sanacije žarišč podlubnikov na podlaqi multispektralnih satelitskih posnetkov 1, 2 2 9 Spletna interaktivna aplikacija za vizualizacijo multispektralnih posnetkov drona 1, 2 2 10 Podatkovna zbirka ekoloških faktorjev za razvoj modelov ogroženosti posameznih vrst iqlavcev zaradi lubadarjev 4 3 11 Prostorski model ogroženosti smreke zaradi podlubnikov v ločljivosti 1 km, časovna ločljivost 1 leto 4 3 12 Prostorski model ogroženosti jelke zaradi podlubnikov v ločljivosti 1 km, časovna ločljivost 1 leto 4 3 13 Elaborat o razvoju modelov ogroženosti iglavcev zaradi podlubnikov 4 3 14 Implementacija modela za oceno ogroženosti smreke in jelke zaradi podlubnikov v sistem samodejnega izračuna glede na nove vhodne podatke 4 3 15 Interaktivna spletna aplikacija za pregled karte ogroženosti smreke in karte ogroženosti jelke zaradi podlubnikov za naslednje leto 4 3 16 Plan postavitve kontrolnih pasti: natančne lokacije in čas postavitve 5 4 17 Plan položitve kontrolno-lovnih debel: natančne lokacije in čas poleganja 5 4 18 Datum prvega rojenja osmerozobega in šesterozobega smrekovega lubadarja na štirih lokacijah v letih 2017 in 2018 5 4 19 Časovna vrsta količin ujetih osebkov osmerozobega in šesterozobega smrekovega lubadarja na štirih lokacijah s frekvenco 3 krat na teden do prvega rojenja v letih 2017 in 2018 5 4 20 Datum prvega napada osmerozobega in šesterozobega smrekovega lubadarja na štirih lokacijah v letih 2017 in 2018 5 4 21 Datum pojava imagov prve generacije osmerozobega in šesterozobega smrekovega lubadarja na štirih lokacijah v letih 2017 in 2018 5 4 22 Temperatura zraka in temperatura skorje kontrolno-lovnih debel izmerjena vsako uro na štirih lokacijah v letih 2017 in 2018 5 4 23 Informacijski sistem za samodejni izračun predvidenega začetka rojenja spomladi in datuma konca razvoja prve generacije, do katerega se spremlja ulov v kontrolnih pasteh za osmerozobega in šesterozobega smrekovega lubadarja 5 4 24 Sistem samodejnega obveščanja krajevnih in območnih enot Zavoda za gozdove Slovenije o pričetku rojenja in konca prve generacije osmerozobega in šesterozobega smrekovega lubadarja, implementacija v elektronski informacijski sistem za varstvo gozdov 6 4 25 Interaktivna spletna karta za načrtovanje postavitve kontrolnih pasti za spremljanje ulova podlubnikov in načrtovanja trajanja spremljanja ulova na podlagi modelnega izračuna za nastop prvega rojenja in modelnega izračuna za konec razvoja prve generacije 6 4 26 Javna predstavitev rezultatov projekta 1 27 Organizacija letnih srečanj z naročniki in končnimi uporabniki 1 28 Spletna stran projekta 1 29 Objava izvirnih znanstvenih in strokovnih člankov (vsaj tri) 1 5.Ocena stopnje realizacije programa dela na raziskovalnem projektu in zastavljenih raziskovalnih ciljev3 Vsi predvideni cilji in rezultati so doseženi in nekateri celo preseženi. 6.Spremembe programa dela raziskovalnega projekta oziroma spremembe sestave projektne skupine4 Ni bilo sprememb. 7.Najpomembnejši dosežki projektne skupine na raziskovalnem področju5 Dosežek 1. COBISS ID 5450150 Vir: COBISS.SI Naslov SLO RITY - fenološki model za osmerozobega smrekovega lubadarja (Ips typographus) kot orodje za optimizacijo spremljanja ANG RITY - a phenology model of Ips typographus as a tool for optimization of its monitoring Opis SLO Razvili smo fenološki model RITY-2 za prostorsko in časovno simulacijo sezonskega razvoja osmerozobega smrekovega lubadarja (Ips typographus). RITY-2 temelji na modelu PHENIPS in podatkih integriranega sistema za zelo kratkoročno napovedovanje vremena v srednji Evropi (INCA). Številne dele PHENIPSa smo izboljšali z inovativnimi pristopi in razvili nov model. Fenologijo osmerozobega smrekovega lubadarja smo spremljali na osmih vzorčnih ploskvah v letih 2017 in 2018, hkrati z meritvami temperature zraka in skorje. Napovedi RITY-2 temeljijo na temperaturi zraka iz sistema INCA, ki se uporablja za izračun efektivne temperature skorje za razvoj podlubnika. Uvedli smo inovativen postopek, ki najde najprimernejši spomladanski prag, pri katerem se začne izračun fenološkega modela. Prvi spomladanski napad navadne smreke smo ocenili s pomočjo spodnjega temperaturnega praga za letenje, tj. 14,5 °C, in povprečno vsoto efektivnih temperatur 53,0 stopinj dni (degree-days -dd) od 7. marca naprej. Hitrost razvoja zaroda smo izračunali iz kumulativne vsote efektivnih temperatur na podlagi temperature, ki smo jo merili vsakih 30 minut, pri čemer smo uporabili zgornji (38,9°C) in spodnji (8,3 °C) temperaturni prag za razvoj ter nelinearno funkcijo. Za potrditev veljavnosti (validacijo) smo primerjali časovni potek fenoloških dogodkov na terenu z napovedanimi dogodki s pomočjo temperature skorje, ki smo jo spremljali vsakih 30 minut na kontrolnih pasteh na vzorčnih ploskvah, ter temperature zraka iz sistema INCA (urni podatki). Začetek spomladanskega rojenja smo ocenili s povprečno absolutno napako 2,4 dni. Začetek napada smo napovedali s povprečno absolutno napako 4,7 dni. Opazovani začetek pojavljanja naslednje generacije hroščev smo ocenili s povprečno napako 0,5 dd. Model je izračunan glede na tri scenarije temperature, ki simulirajo različne sestoje razmere (zasenčenost, odprtost). RITY-2 upošteva močne učinke regionalne topografije in ga je mogoče uporabiti za natančno spremljanje dejanskega stanja razvoja I. typographus v določeni modelni celici s prostorsko ločljivostjo ikmxi km. Poleg tega RITY-2 simulira število generacij, kar je potrebno za oceno morebitnega vpliva izbruhov lubadarja v regionalnem merilu. Model smo uspešno implementirali v dve spletni aplikaciji, ki služita kot orodje za pravočasno postavitev kontrolnih pasti in kontrolnih nastav za spremljanje osmerozobega smrekovega lubadarja. Razpravljamo o morebitni uporabi modela RITY-2 za celotno Srednjo Evropo z uporabo podatkov iz sistema INCA. We developed the RITY-2 phenology model for the spatial and temporal simulation of the seasonal development of Ips typographus based on the PHENIPS model and the data of Integrated Nowcasting through Comprehensive Analysis (INCA). Many parts of PHENIPS were improved with innovative approaches and a new model was developed. European spruce bark beetle phenology was monitored at eight study sites in 2017 and 2018, along with air and bark temperature measurements. RITY-2 predictions are based on air temperature from the INCA system, which is used to calculate the effective bark temperature for beetle development. An innovative procedure was introduced which finds most appropriate Dosežek ANG spring threshold from which calculation of the phenological model initiates. The onset of Norway spruce infestation in spring was estimated using a lower threshold of 14.5°C for flight activity and a mean thermal sum of 53.0 degree-days (dd) from 7th March onward. The rate of brood development was calculated from the cumulative effective thermal sum of 30-min temperature data using upper and lower temperature thresholds of 38.9 and 8.3°C, respectively, and a nonlinear function. For validation, we compared the timing of phenological events in the field with predicted events using both 30-minute recorded data from trap logs in the field and hourly data from INCA. The onset of spring swarming was estimated with a mean absolute error of 2.4 days. The onset of infestation was predicted with a mean absolute... Objavljeno v Elsevier; Ecological modelling; 2019; Vol. 410, article 108775; 12 str.; Impact Factor: 2.634;Srednja vrednost revije / Medium Category Impact Factor: 2.723; WoS: GU; Avtorji / Authors: Ogris Nikica, Ferlan Mitja, Hauptman Tine, Pavlin Roman, Kavčič Andreja, Jurc Maja, De Groot Maarten Tipologija 1.01 Izvirni znanstveni članek 2. COBISS ID 5449382 Vir: COBISS.SI Naslov SLO Kratkoročna napoved žarišč podlubnikov na dveh ekonomsko pomembnih iglavcih ANG Short-term forecasting of bark beetle outbreaks on two economically important conifer tree species Opis SLO V zadnjih letih se je v evropskih gozdovih izkazalo, da so podlubniki pomemben dejavnik tveganja. Potrebujemo sistem za zgodnje opozarjanje za ublažitev škode zaradi podlubnikov. Pomemben del takega sistema so kratkoročni modeli napovedovanja, ki pomagajo pri iskanju napadenih dreves. Namen te študije je bil razviti modele za kratkoročne napovedi verjetnosti pojavljanja žarišč podlubnikov na dveh pomembnih vrstah iglavcev: smreki (Picea abies) in jelki (Abies alba). Za razvoj modelov smo uporabili časovno vrsto 20 let sanitarne sečnje zaradi podlubnikov in podatkov o reliefu (nadmorska višina, naklon in ekspozicija), več spremenljivk tal, podnebnih podatkov (temperatura in SPI), sanitarne sečnje zaradi podlubnikov, sanitarna sečnja zaradi škodljivih abiotskih dejavnikov in količina oslabljenih dreves zaradi podlubnikov. Napovedna spremenljivka je bila sanitarna sečnja zaradi podlubnikov v tekočem letu. Modeli so bili razviti s splošnim linearnim modelom (binomski, logistični model). Za verjetnost pojava sanitarne sečnje jelke zaradi podlubnikov je količina jelke, odstotek nasičenosti tal z bazami, sanitarna sečnja napadene jelke in oslabljene jelka in sanitarna sečnja zaradi abiotskih dejavnikov povečala verjetnost sanitarne sečnje jelke zaradi podlubnikov. Nadmorska višina, ekspozicija terena, naklon reliefa, količina fosforja v tleh, globina tal, zmogljivost izmenjave kationov v tleh, SPI in temperatura so zmanjšali verjetnost sanitarne sečnje jelke zaradi podlubnikov. Pri modelu za smreko je količina smreke, odstotek nasičenosti tal, SPI, temperatura, količina sanitarne sečnje v preteklem letu, količina oslabljenih dreves v prejšnjem letu in količina sanitarne sečnje zaradi abiotskih dejavnikov v preteklem letu v tekočem letu je povečala verjetnost sanitarne sečnje smreke zaradi podlubnikov. Naklon terena, zmogljivost izmenjave kationov tal in količina padavin so zmanjšali verjetnost sanitarne sečnje smreke zaradi podlubnikov. Zanesljivost modela za napoved sanitarne sečnje smreke zaradi podlubnikov je bila zelo dobra. Verjetnostni model za sanitarno sečnjo jelke zaradi podlubnikov je bil prav tako dober, vendar ne na enaki ravni kot za smreko. Zato so potrebne dodatne raziskave jelovih podlubnikov, da bi še izboljšali model za napoved sanitarne sečnje jelke zaradi podlubnikov. In recent years bark beetles have been shown to be an important risk factor in European forests. An early warning system is needed to mitigate Dosežek ANG bark beetle damage, and short-term forecasting models that assist efforts to identify attacked trees comprise an important part of such a system. The aim of this study was to develop short-term forecasting models of the probability of bark beetle outbreaks on two important conifer tree species: Norway spruce (Picea abies) and silver fir (Abies alba). For the development of the models, we used a time series of 20%years of sanitary felling because of bark beetles and relief data (altitude, slope and exposition), several soil variables, climate data (temperature and SPI), sanitary felling because of bark beetles, sanitary felling due to harmful abiotic factors, and amount of weakened trees due to bark beetles. The forecasting variable was sanitary felling because of bark beetles in the current year. The models were developed with a general linear model with binomial error distribution. For the probability of bark beetle outbreaks on silver fir, the amount of fir, soil base saturation percentage, sanitary felling of attacked fir, weakened fir, and sanitary felling because of abiotic factors increased the probability of sanitary felling because of fir bark beetles. Altitude, exposition, slope, phosphorus, soil depth, soil cation exchange capacity, SPI and temperature decreased the probability of sanitary felling because of fir bark... Objavljeno v Elsevier; Forest Ecology and Management; 2019; Vol. 450, article 117495; 8 str.; Impact Factor: 3.126;Srednja vrednost revije / Medium Category Impact Factor: 1.616; A': 1; WoS: KA; Avtorji / Authors: De Groot Maarten, Ogris Nikica Tipologija 1.01 Izvirni znanstveni članek 3. COBISS ID 5647270 Vir: COBISS.SI Naslov SLO Postopek izračuna RITY - fenološki model za Ips typographus ANG Calculation procedure for RITY-A phenology model of Ips typographus Opis SLO Fenološki model RITY-2 je bil razvit za prostorsko in časovno simulacijo sezonskega razvoja osmerozobega smrekovega lubadarja (Ips typographus). RITY-2 temelji na modelu PHENIPS in je bil razvit z izboljšanjem PHENIPS-a z inovativnimi pristopi ter njegovo kalibracijo in validacijo za območje Slovenije. Napovedi RITY-2 temeljijo na temperaturah zraka iz sistema INCA, ki se uporablja za izračun efektivne temperature skorja za razvoj hroščev. V tem prispevku opisujemo postopek izračuna za RITY-2. INCA omogoča prostorske in časovne simulacije in napovedi z visoko ločljivostjo. Uveden je bil inovativni postopek, ki poišče najustreznejši datum, od katerega se začne izračun fenološkega modela. Razviti so bili poenostavljeni in prilagojeni linearni modeli za izračun temperature zraka v gozdu in temperaturo skorje. ANG The RITY-2 phenology model was developed for the spatiotemporal simulation of the seasonal development of European spruce bark beetle, Ips typographus . RITY-2 is based on the PHENIPS model and was developed through improving PHENIPS with innovative approaches and calibrating and validating it for Slovenia. RITY-2 predictions are based on air temperatures from Integrated Nowcasting through a Comprehensive Analysis (INCA) system, which is used to calculate the effective bark temperature for beetle development. In this paper we describe the calculation procedure for RITY-2. Objavljeno v Elsevier; MethodsX; 2020; Vol Ogris Nikica . 7, article 100845; 7 str.; Avtorji / Authors: Tipologija 1.01 Izvirni znanstveni članek 4. COBISS ID 4694182 Vir: COBISS.SI Naslov SLO Fenološki model za osmerozobega smrekovega lubadarja (Ips typographus) RITY-1 na območju Slovenije ANG Phenology model for Ips typographus in Slovenia (RITY-1) Dosežek Opis SLO V članku je opisana prva različica fenološkega modela RITY-1 za osmerozobega smrekovega lubadarja (Ips typographus). V tej različici smo prilagodili avstrijski fenološki model PHENIPS tako, da smo za vhodne podatke o temperaturi zraka uporabili sistem INCA in za izračun temperature skorje nemški linearni model. ANG In this article first version of phenology model RITY-1 for the European spruce bark beetle (Ips typographus) is described. In this version of the model we implemented Austrian phenology model PHENIPS where input data for air temperature INCA system was used and German linear model for calculation of bark temperature was used. Objavljeno v Gozdarski inštitut Slovenije; Napovedi o zdravju gozdov; 2017; Avtorji / Authors: Ogris Nikica Tipologija 1.03 Kratki znanstveni prispevek 5. COBISS ID 4714662 Vir: COBISS.SI Naslov SLO Prostorski prikaz razvoja osmerozobega smrekovega lubadarja (Ips typographus) na območju Slovenije ANG Spatial simulation of the European spruce bark beetle (Ips typographus) phenology in Slovenia Opis SLO Na podlagi točkovnega fenološkega modela RITY-1 smo razvili prostorski model, ki omogoča prikaz fenologije Ips typograhus za območje cele Slovenije na enkrat. V model je vključen prikaz pričetka rojenja, napoved prvega napada, razvoj posameznih razvojnih faz (čiste in sestrske generacije), izračun skupnega števila čistih in sestrskih generacij. ANG On the basis of point-based phenology model RITY-1 we developed spatial model, that enables display of Ips typographus phenology for the whole area of Slovenia. The model results include onset of swarming, onset of colonization, development of individual developmental stages for several filial and sister broods, number of filial and sister broods. Objavljeno v Gozdarski inštitut Slovenije, Oddelek za varstvo gozdov; Novice iz varstva gozdov; 2017; Št. 10; str. 3-7; Avtorji / Authors: Ogris Nikica Tipologija 1.03 Kratki znanstveni prispevek 8.Najpomembnejši dosežek projektne skupine na področju gospodarstva, družbenih in kulturnih dejavnosti6 Dosežek 1. COBISS ID 5311910 Vir: COBISS.SI Naslov SLO Spletna aplikacija za izračun fenološkega modela za osmerozobega smrekovega lubadarja (Ips typographus) RITY-2 ANG Web application for calculation of phenology model for the European spruce bark beetle (Ips typographus) (RITY-2) Opis SLO Javna spletna aplikacija za izračun fenološkega modela za osmerozobega smrekovega lubadarja (Ips typographus) RITY-2. Aplikacija je točkovna. Za poljubno točko v Sloveniji lahko izračunamo model RITY-2 vključno z napovedjo parametrov za sedem dni v naprej. ANG Public web application for calculation of phenology model of Ips typographus RITY-2. The application is point based. The user can run the RITY-2 model for any point in Slovenia including 7-day forecast. Šifra F.15 Razvoj novega informacijskega sistema/podatkovnih baz Objavljeno v Gozdarski inštitut Slovenije; 2019; Avtorji / Authors: Ogris Nikica Tipologija 2.21 Programska oprema Dosežek 2. COBISS ID 5311142 Vir: COBISS.SI Naslov SLO Spletna aplikacija za izračun fenološkega modela za šesterozobega smrekovega lubadarja (Pityogenes chalcographus), model CHAPY-1 ANG Web application for calculation of phenology model for Pityogenes chalcographus, model CHAPY-1 Opis SLO Javna spletna aplikacija za izračun fenološkega modela za šesterozobega smrekovega lubadarja (Pityogenes chalcographus) CHAPY-1. Aplikacija je točkovna. Za poljubno točko v Sloveniji lahko izračunamo model CHAPY-1 vključno z napovedjo parametrov za sedem dni v naprej. ANG Public web application for calculation of phenology model of Pityogenes chalcographus CHAPY-1. The application is point based. The user can run the CHAPY-1 model for any point in Slovenia including 7-day forecast. Šifra F.15 Razvoj novega informacijskega sistema/podatkovnih baz Objavljeno v Gozdarski inštitut Slovenije; 2019; Avtorji / Authors: Ogris Nikica Tipologija 2.21 Programska oprema 3. COBISS ID 5312166 Vir: COBISS.SI Naslov SLO Spletna aplikacija za prostorski prikaz razvoja osmerozobega smrekovega lubadarja (Ips typographus), model RITY-2 ANG Web application for spatial display of Ips typographus phenology with the RITY-2 model Opis SLO Javna spletna aplikacija za prostorski prikaz rezultatov fenološkega modela za osmerozobega smrekovega lubadarja (Ips typographus) RITY-2. ANG Public web application for spatial display of the phenology model of Ips typographus RITY-2. Šifra F.15 Razvoj novega informacijskega sistema/podatkovnih baz Objavljeno v Gozdarski inštitut Slovenije; 2019; Avtorji / Authors: Ogris Nikica Tipologija 2.21 Programska oprema 4. COBISS ID 5310886 Vir: COBISS.SI Naslov SLO Spletna aplikacija za prostorski prikaz razvoja šesterozobega smrekovega lubadarja (Pityogenes chalcographus), model CHAPY-1 ANG Web application for spatial display of Pityogenes chalcographus phenology with the CHAPY-1 model Opis SLO Javna spletna aplikacija za prostorski prikaz rezultatov fenološkega modela za šesterozobega smrekovega lubadarja (Pityogenes chalcographus) CHAPY-1. ANG Public web application for spatial display of the phenology model of Pityogenes chalcographus CHAPY-1. Šifra F.15 Razvoj novega informacijskega sistema/podatkovnih baz Objavljeno v Gozdarski inštitut Slovenije; 2019; Avtorji / Authors: Ogris Nikica Tipologija 2.21 Programska oprema 9.Drugi pomembni rezultati projektne skupine7 Drugi pomembni rezultati projekta so naslednji: Organizacija in izvedba zaključne konference projekta. https://www.zdravgozd.si/dogodki.aspx?iddogodek=19 OGRIS, Nikica. Spletna interaktivna karta za pregled rezultatov fenološkega modela za osmerozobega smrekovega lubadarja (Ips typographus) RITY-2. https://www.zdravgozd.si/projekti/podlubniki/karta.aspx?idpor=871bab49-d6f4-4cf4-b68e-9ab59413b14a OGRIS, Nikica. Spletna interaktivna karta za pregled rezultatov fenološkega modela za šesterozobega smrekovega lubadarja (Pityogenes chalcographus) CHAPY-1. https://www.zdravgozd.si/projekti/podlubniki/karta_chapy.aspx?idpor=5667a441-dbf2-44e2-b555-1d59271f77e2 OGRIS, Nikica. Interaktivna spletna aplikacija za pregled karte ogroženosti smreke in karte ogroženosti jelke zaradi podlubnikov za naslednje leto. OGRIS, Nikica, KOBLER, Andrej. Spremljanje žarišč smrekovih podlubnikov s pomočjo satelitskih posnetkov MODIS. https://www.zdravgozd.si/projekti/podlubniki/modis.aspx OGRIS, Nikica, KOBLER, Andrej. Spremljanje žarišč smrekovih podlubnikov s pomočjo satelitskih posnetkov Sentinel-2. https://www.zdravgozd.si/projekti/podlubniki/sentinel2.aspx OGRIS, Nikica, KOBLER, Andrej. Spremljanje sanacije žarišč smrekovih podlubnikov s pomočjo satelitskih posnetkov Sentinel-2. https://www.zdravgozd.si/projekti/podlubniki/sentinel2_posek.aspx OGRIS, Nikica, KOBLER, Andrej. Spletna interaktivna aplikacija za vizualizacijo multispektralnih posnetkov drona. https://www.zdravgozd.si/projekti/podlubniki/karta_dron.aspx OGRIS, Nikica, KOBLER, Andrej. Spletna interaktivna aplikacija za zaznavanje žarišč in zaznavanje sanacije žarišč podlubnikov na podlagi multispektralnih satelitskih posnetkov MODIS: https://www.zdravgozd.si/projekti/podlubniki/karta_modis.aspx Sentinel-2: https://www.zdravgozd.si/projekti/podlubniki/karta_sentinel.aspx 10.Pomen raziskovalnih rezultatov projektne skupine8 10.1. Pomen za razvoj znanosti9 SLO_ Kalibrirana in validirana fenološka modela RITY-2 in CHAPY-1 ter vzpostavljen sistem za samodejni izračun predvidenega začetka rojenja spomladi in datuma konca razvoja prve generacije, do katerega se spremlja ulov za osmerozobega in šesterozobega smrekovega lubadarja, bo skupaj s sistemom obveščanja krajevnih in območnih enot Zavoda za gozdove Slovenije o pričetku rojenja in konca prve generacije osmerozobega in šesterozobega smrekovega lubadarja omogočil racionalizacijo postavitve kontrolnih pasti s feromonskimi pripravki, ki predstavljajo precejšen vsakoleten strošek države. S tem se bo dopolnil prognostični del Poročevalske, prognostično-diagnostične službe za gozdove Slovenije, ki ga vodi in usmerja Gozdarski inštitut Slovenije po določilih Pravilnika o varstvu gozdov, izvaja pa GIS in ZGS. Naredili smo študijo, kjer smo predlagali dopolnitev obstoječih terestričnih metod nadzora gradacij smrekovih in jelovih podlubnikov s sistemom velikoprostorskega satelitskega spremljanja žarišč smrekovih in jelovih podlubnikov. Predlagan sistem bo nudil podporo odločanju o možnih ukrepih za zajezitev prenamnožitve in dopolnil bo nadzor nad učinkovitostjo sanacije žarišč. S študijo uporabnosti multikopterja za spremljanje žarišč smrekovih in jelovih podlubnikov smo pridobili strokovno osnovo za odločanje o praktični uvedbi razmeroma cenenega, predvsem pa ažurnega daljinskega spremljanja žarišč v velikem merilu za Javno gozdarsko službo. Z modeli za zaznavanje prisotnosti žarišč in spremljanje dinamike razvoja oziroma stopnje napadenosti smreke na podlagi satelitskih multispektralnih posnetkov je bil narejen velik korak na področju varstva gozdov v Sloveniji, ki je nadgradil metode daljinskega zaznavanja poškodb gozdov zaradi podlubnikov in potencialno tudi drugih škodljivih dejavnikov. Študije uporabe multispektralnih posnetkov so ugotovile možnosti ugotavljanja zdravstvenega stanja dreves na daljavo ter ugotovili smo njihovo primernost za samostojno uporabo v javni gozdarski službi. Podnebne spremembe imajo velik vpliv na podlubnike. Zato je pomembno razumevanje ekoloških in klimatoloških faktorjev, ki bi lahko vplivali na njihovo namnožitev. Čeprav je osmerozobi smrekov lubadar zelo raziskan, modeli, ki bi vključili dinamiko populacije in klimatske podatke prejšnjega leta, do danes niso pogosti. Jelovi podlubniki so mnogo manj raziskani kot I. typographus. To je ena prvih študij, ki raziskuje ekologijo jelovih podlubnikov in vpliv dejavnikov na pojav poškodb. S projektom smo razvili dva modela za srednjeročno napoved ogroženosti smreke in jelke zaradi smrekovih in jelovih podlubnikov za eno leto naprej. ANG_ The calibrated and validated phenological models of spruce bark beetles in Slovenia (RITY-2 and CHAPY-1) and established system for the automatic calculation of the expected onset of swarming in spring and the date of the end of the development of the first filial generation, which is used to monitor catch for Ips typographus (model RITY-2) and Pityogenes chalcographus (model CHAPY-1), together with the notification system of local and regional units of the Slovenia forest service (SFS) about beginning of swarming and end of first generation of Ips typographus and Pityogenes chalcographus will enable rationalization of the layout of the control traps with pheromone products that pose a significant every year cost to the country. This will complement the prognostic part of the Reporting, diagnostic-prognostic service for Slovenia forests, which is managed and directed by the Slovenian Forest Institute (SFI) under the provisions of the Regulations on the Protection of Forests and implemented by SFI and SFS. A study was performed in which we suggested supplement of existing terrestrial control methods of spruce and fir bark beetle outbreaks with complementary system of large-scale satellite monitoring system of spruce and fir bark beetle outbreaks. The proposed system will support decision-making on possible measures to mitigate the outbreaks and will supplement the control over the effectiveness of sanitation of bark beetle outbreaks. The study of multicopter usability for monitoring outbreaks of spruce and fir bark beetles provided a professional basis for deciding on the practical introduction of relatively cheap and especially up-to-date remote monitoring of the outbreaks on a large scale in the Public forestry service. The models for detection of the presence of outbreaks and the monitoring of the dynamics of development and degree of infestation of spruce on the basis of satellite multispectral imagery was a major step forward in the protection of forests in Slovenia, which upgraded remote sensing methods of forest damage due to bark beetles. Study of the use of multispectral images identified possibilities for determination of the health status of trees by remote sensing methods and we determined that they are suitable for independent use at the Public forestry service. Climate change has a large impact on bark beetles. It is therefore important to understand the ecological and climatological factors which could affect population outbreaks of the bark beetles. Although the spruce bark beetle (I. typographus) is strongly investigated the main focus is on site characteristics, but models taking into account population dynamics and climate data of the previous year thus far is not common. Fir bark beetles are much less investigated than the European bark beetle (I. typographus), this is the first study investigating the ecology of fir bark beetles and the influence of factors influencing their damages. We developed two models for midterm risk assessment of spruce and fir due to bark beetles for one year ahead. 10.2. Pomen za razvoj Slovenije10 SLO_ Predlagan projekt je nadgradil elektronski sistem za varstvo gozdov v Sloveniji, ki je del Javne gozdarske službe, ki jo izvajata Zavod za gozdove Slovenije in Gozdarski inštitut Slovenije. S tem je bila nadgrajena družbena infrastruktura za državno upravo. Elektronski sistem za varstvo gozdov je bogatejši za več spletnih interaktivnih aplikacij: (1) spletna interaktivna aplikacija za zaznavanje žarišč in zaznavanje sanacije žarišč podlubnikov na podlagi multispektralnih satelitskih posnetkov; (2) spletna interaktivna aplikacija za vizualizacijo multispektralnih posnetkov drona; (3) interaktivna spletna aplikacija za pregled karte ogroženosti smreke in karte ogroženosti jelke zaradi podlubnikov za tekoče leto; (4) interaktivna spletna karta za načrtovanje postavitve kontrolnih pasti za spremljanje ulova smrekovih podlubnikov in načrtovanja trajanja spremljanja ulova na podlagi modelnega izračuna za nastop prvega rojenja in modelnega izračuna za konec razvoja prve generacije osmerozobega in šesterozobega smrekovega lubadarja (fenološka modela RITY-2 in CHAPY-1). Poročevalska, prognostična-diagnostična služba za gozdove je postala bogatejša za več prognostičnih modelov: (1) model za zaznavanje prisotnosti žarišč in spremljanje dinamike razvoja oziroma stopnje napadenosti na podlagi posnetkov MODIS; (2) model za zaznavanje prisotnosti žarišč in spremljanje dinamike razvoja oziroma stopnje napadenosti na podlagi posnetkov Sentinel-2; (3) model za spremljanje sanacije žarišč podlubnikov na podlagi posnetkov Sentinel-2; (4) prostorski model ogroženosti smreke zaradi podlubnikov v ločljivosti 1 km; (5) prostorski model ogroženosti jelke zaradi podlubnikov v ločljivosti 1 km; (6) fenološki model za osmerozobega smrekovega lubadarja (RITY-2); (7) fenološki model za šesterozobega smrekovega lubadarja (CHAPY-1). Študija uporabe multispektralnih posnetkov multikopterjev pri ugotavljanju zdravstvenega stanja dreves je ugotovila njihovo primernost za uporabo v Javni gozdarski službi. Glede na izsledke raziskave obstaja možnost razvoja gospodarske panoge, ki bi ponujala celovito storitev multispektralnih posnetkov visoke ločljivosti po ugodni ceni za javno upravo oz. izdelana je bila kalkulacija, če bi snemanje izvajal ZGS sam. Poškodbe iglavcev zaradi podlubnikov v Sloveniji so zelo velike in pustijo velike negativne ekonomske posledice na gospodarstvu. V okviru projekta smo razvili več prognostičnih modelov za napovedovanje namnožitev smrekovih podlubnikov, s katerimi bomo lahko lažje načrtovali ukrepe proti njihovi namnožitvi. Modeli bodo prispevali k zgodnejšemu odkrivanju žarišč podlubnikov z različno časovno skalo (DS3 srednjeročna napoved za tekoče leto, DS4 kratkoročna napoved za tekoče leto, DS2 trenutno stanje žarišč in zelo kratkoročna napoved). S tem smo pridobili orodja za učinkovitejše načrtovanje kratkoročnih in srednjeročnih ukrepov zoper podlubnikom. Posledično bo to prispevalo k varovanju naše največje naravne dediščine, tj. gozda. Rezultati predlaganega projekta so dostopni širši javnosti. Na spletnih straneh smo v obliki interaktivnih aplikacij ponudili srednjeročno, kratkoročno napoved in pregled žarišč podlubnikov. V posebni spletni aplikaciji nazorno prikazujemo, kdaj in kje je pravi čas za postavitev kontrolnih pasti za spremljanje ulova podlubnikov in do kdaj jih moramo natančno spremljati, da bomo lahko iz njih sklepali o gostoti populacij podlubnikov in posledično o možnosti pojava novih žarišč, tj. primarnega napada na zdrava drevesa. Te informacije so pomembne za Javno gozdarsko službo, Javno službo za zdravje rastlin, lastnike gozdov idr. ANG_ The proposed project upgraded the existing Electronic information system for forest health in Slovenia, which is part of the Public forestry service, which is implemented by the Slovenia Forest Service and the Slovenian Forestry Institute. Infrastructure for the state administration was upgraded. Electronic information system for the forest health is richer for several interactive web applications: (1) an interactive Web application to detect outbreaks and sanitation of outbreaks due to bark beetles based on multispectral satellite imagery; (2) Web interactive application for visualization of multispectral imagery of multicopter; (3) an interactive web application for review of risk maps for spruce and fir due to bark beetles in the current year; (4) an interactive map service as the planning tool for monitoring bark beetles abundance using control traps based on model calculation for the appearance of the first swarming and model calculation for the end of the development of the first generation (phenology models RITY-2 and CHAPY-1). Reporting, diagnostic-prognostic service for forests became richer by several prognostic models: (1) the model to detect the presence of outbreaks and the monitoring of the dynamics of development and degree of outbreaks based on MODIS imagery; (2) the model to detect the presence of outbreaks and the monitoring of the dynamics of development and degree of infestation, on the basis of Sentinel-2 imagery; (3) the model for the monitoring of bark beetle outbreaks sanitation; (4) the spatial model for risk assessment of spruce due to spruce bark beetles with resolution of 1 km; (5) the spatial model for the risk assessment of fir due to bark beetles with resolution of 1 km; (6) the phenology model for Ips typographus (RITY-2); (7) the phenology model for Pityogenes chalcographus (CHAPY-1). Study of the use of multispectral imagery of multicopters in determining the health status of trees determined their suitability for use in the Public forestry service. According to the research results, there is potential for the development of the industry to offer a comprehensive service of multispectral high-resolution imagery at an affordable price to the public administration and a calculation was performed for the case when the imaging would be performed by SFS. Damage to conifers because of bark beetles in Slovenia are very large and leave a significant negative economic impact. Within this project we developed several prognostic models for predicting spruce bark beetle outbreaks, which we can use to mitigate theirs impact and to plan measures against them more efficiently. All models will contribute to earlier detection of outbreaks of bark beetles at different time scales (WP3 midterm forecast for the current year, WP4 short-term forecast for the current year, WP2 current state of outbreaks and very short-term forecast). We gained tools for effective planning of short-and medium-term measures against bark beetles. Consequently, this will contribute to protect our greatest natural heritage, i.e. forest. The results of the proposed project are accessible to the general public. We published the on-line interactive applications, which offer the midterm, short-term forecast and an overview of bark beetle outbreaks. In the separate web application, we clearly show where and when the time is right for a setup of traps for monitoring of bark beetles and by when they should be closely monitored so that we can from them make conclusions on the density of the population of bark beetles and, consequently, the possibility of the appearance of new outbreaks, i.e. primary attack on healthy trees. This information is important for the Public forestry service, Public service for plant health, forest owners and others. ll.Vpetost raziskovalnih rezultatov projektne skupine 11.1. Vpetost raziskave v domače okolje Kje obstaja verjetnost, da bodo vaša znanstvena spoznanja deležna zaznavnega odziva? [j v domačih znanstvenih krogih r~j pri domačih uporabnikih Kdo (poleg sofinancerjev) že izraža interes po vaših spoznanjih oziroma rezultatih?11 Zavod za gozdove Slovenije, Znanstvenoraziskovalni center, Slovenske akademije znanosti in umetnosti, Univerza v Ljubljani, Biotehniška fakulteta, Oddelek za gozdarstvo in obnovljive gozdne vire, C-Astral d.o.o., ElevonX d.o.o., Geavis d.o.o. 11.2. Vpetost raziskave v tuje okolje Kje obstaja verjetnost, da bodo vaša znanstvena spoznanja deležna zaznavnega odziva? r~j v mednarodnih znanstvenih krogih [j pri mednarodnih uporabnikih Navedite število in obliko formalnega raziskovalnega sodelovanja s tujini raziskovalnimi inštitucijami:12 Fachhochschule Kärnten, Avstrija: snemanje s hiperspektralno kamero Bundesforschungs- und Ausbildungszentrum für Wald, Naturgefahren und Landschaft (BFW), Avstrija: sodelovanje v projektu V4-1822 Kateri so rezultati tovrstnega sodelovanja:1^ Podjetje Fachhochschule Kärnten iz Avstrije je priskrbelo hiperspektralne posnetke za eno od vzorčnih ploskev. BFW sodeluje kot zunanji izvajalec/sodelavec v projektu V4-1822, ki je logično nadaljevanje projekta V4-1623. 12.Označite, katerega od navedenih ciljev ste si zastavili pri projektu, katere konkretne rezultate ste dosegli in v kakšni meri so doseženi rezultati uporabljeni Cilj F.01 Pridobitev novih praktičnih znanj, informacij in veščin Zastavljen cilj S DA NE Rezultat Dosežen T I Uporaba rezultatov Delno T 1 F.02 Pridobitev novih znanstvenih spoznanj Zastavljen cilj S DA ON E Rezultat Dosežen T 1 Uporaba rezultatov Delno T 1 F.03 Večja usposobljenost raziskovalno-razvojnega osebja Zastavljen cilj O DA ФN E Rezultat T 1 Uporaba rezultatov T I F.04 Dvig tehnološke ravni Zastavljen cilj O DA SN E Rezultat T I Uporaba rezultatov T 1 F.05 Sposobnost za začetek novega tehnološkega razvoja Zastavljen cilj O DA S N E Rezultat T I Uporaba rezultatov T 1 F.06 Razvoj novega izdelka Zastavljen cilj O DA 8 N E Rezultat T 1 Uporaba rezultatov T 1 F.07 Izboljšanje obstoječega izdelka Zastavljen cilj Ф DA ФN E Rezultat T 1 Uporaba rezultatov T I F.08 Razvoj in izdelava prototipa Zastavljen cilj O DA SN E Rezultat T I Uporaba rezultatov T 1 F.09 Razvoj novega tehnološkega procesa oz. tehnologije Zastavljen cilj O DA S N E Rezultat T I Uporaba rezultatov T 1 F. 10 Izboljšanje obstoječega tehnološkega procesa oz. tehnologije Zastavljen cilj O DA 8 N E Rezultat T 1 Uporaba rezultatov T 1 F.11 Razvoj nove storitve Zastavljen cilj S DA NE Rezultat Dosežen T I Uporaba rezultatov V celoti T 1 F.12 Izboljšanje obstoječe storitve Zastavljen cilj O DA 8 N E Rezultat T 1 Uporaba rezultatov T 1 F. 13 Razvoj novih proizvodnih metod in instrumentov oz. proizvodnih procesov Zastavljen cilj O DA ФN E Rezultat T 1 Uporaba rezultatov T I F. 14 Izboljšanje obstoječih proizvodnih metod in instrumentov oz. proizvodnih procesov Zastavljen cilj O DA S N E Rezultat T I Uporaba rezultatov T 1 F. 15 Razvoj novega informacijskega sistema/podatkovnih baz Zastavljen cilj S DA ON E Rezultat Dosežen T 1 Uporaba rezultatov V celoti T 1 F. 16 Izboljšanje obstoječega informacijskega sistema/podatkovnih baz Zastavljen cilj Ф DA ФN E Rezultat Dosežen T 1 Uporaba rezultatov V celoti T I F. 17 Prenos obstoječih tehnologij, znanj, metod in postopkov v prakso Zastavljen cilj O DA SN E Rezultat T I Uporaba rezultatov T 1 F.18 Posredovanje novih znanj neposrednim uporabnikom (seminarji, forumi, konference) Zastavljen cilj S DA ON E Rezultat Dosežen T 1 Uporaba rezultatov V celoti T 1 F.19 Znanje, ki vodi k ustanovitvi novega podjetja ("spin off") Zastavljen cilj O DA ФN E Rezultat T 1 Uporaba rezultatov T I F.20 Ustanovitev novega podjetja ("spin off") Zastavljen cilj O DA SN E Rezultat 1 JI Uporaba rezultatov T 1 F.21 Razvoj novih zdravstvenih/diagnostičnih metod/postopkov Zastavljen cilj O DA ФN E Rezultat T 1 Uporaba rezultatov T I F.22 Izboljšanje obstoječih zdravstvenih/diagnostičnih metod/postopkov Zastavljen cilj O DA SN E Rezultat T I Uporaba rezultatov T 1 F.23 Razvoj novih sistemskih, normativnih, programskih in metodoloških rešitev Zastavljen cilj S DA NE Rezultat Dosežen T I Uporaba rezultatov Delno T 1 F.24 Izboljšanje obstoječih sistemskih, normativnih, programskih in metodoloških rešitev Zastavljen cilj Ф DA ФN E Rezultat T 1 Uporaba rezultatov T I F.25 Razvoj novih organizacijskih in upravljavskih rešitev Zastavljen cilj S DA ФN E Rezultat Dosežen T I Uporaba rezultatov Delno T 1 F.26 Izboljšanje obstoječih organizacijskih in upravljavskih rešitev Zastavljen cilj O DA S N E Rezultat T I Uporaba rezultatov T 1 F.27 Prispevek k ohranjanju/varovanje naravne in kulturne dediščine Zastavljen cilj S DA ON E Rezultat Dosežen T 1 Uporaba rezultatov V celoti T 1 F.28 Priprava/organizacija razstave Zastavljen cilj Ф DA ФN E Rezultat T 1 Uporaba rezultatov T I F.29 Prispevek k razvoju nacionalne kulturne identitete Zastavljen cilj O DA SN E Rezultat T I Uporaba rezultatov T 1 F.30 Strokovna ocena stanja Zastavljen cilj O DA 8 N E Rezultat T 1 Uporaba rezultatov T 1 F.31 Razvoj standardov Zastavljen cilj O DA ФN E Rezultat T 1 Uporaba rezultatov T I F.32 Mednarodni patent Zastavljen cilj O DA SN E Rezultat T I Uporaba rezultatov T 1 F.33 Patent v Sloveniji Zastavljen cilj O DA 8 N E Rezultat T I Uporaba rezultatov T 1 F.34 Svetovalna dejavnost Zastavljen cilj O DA 8 N E Rezultat T 1 Uporaba rezultatov T 1 F.35 Drugo Zastavljen cilj Ф DA ФN E Rezultat T 1 Uporaba rezultatov T I Komentar i — 13.Označite potencialne vplive oziroma učinke vaših rezultatov na navedena področja Vpliv Ni vpliva Majhen vpliv Srednji vpliv Velik vpliv G.01 Razvoj visokošolskega izobraževanja G.01.01. Razvoj dodiplomskega izobraževanja ® o o o G.01.02. Razvoj podiplomskega izobraževanja ® o o o G.01.03. Drugo: o o o o G.02 Gospodarski razvoj G.02.01 Razširitev ponudbe novih izdelkov/storitev na trgu o o o ® G.02.02. Širitev obstoječih trgov o o ® o G.02.03. Znižanje stroškov proizvodnje ® o o o G.02.04. Zmanjšanje porabe materialov in energije o ® o o G.02.05. Razširitev področja dejavnosti o o 0 0 G.02.06. Večja konkurenčna sposobnost o o 0 O G.02.07. Večji delež izvoza o 0 o 0 G.02.08. Povečanje dobička o 0 0 0 G.02.09. Nova delovna mesta o 0 o 0 G.02.10. Dvig izobrazbene strukture zaposlenih o 0 0 0 G.02.11. Nov investicijski zagon o 0 0 0 G.02.12. Drugo: o o 0 0 G.03 Tehnološki razvoj G.03.01. Tehnološka razširitev/posodobitev dejavnosti o 0 0 0 G.03.02. Tehnološko prestrukturiranje dejavnosti ® 0 0 0 G.03.03. Uvajanje novih tehnologij o o 0 0 G.03.04. Drugo: o o o 0 G.04 Družbeni razvoj G.04.01 Dvig kvalitete življenja 0 o 0 0 G.04.02. Izboljšanje vodenja in upravljanja o o 0 0 G.04.03. Izboljšanje delovanja administracije in javne uprave o o 0 0 G.04.04. Razvoj socialnih dejavnosti ® o 0 O G.04.05. Razvoj civilne družbe ® o 0 0 G.04.06. Drugo: o o 0 0 G.05. Ohranjanje in razvoj nacionalne naravne in kulturne dediščine in identitete O O O 0 G.06. Varovanje okolja in trajnostni razvoj o o 0 0 G.07 Razvoj družbene infrastrukture G.07.01. Informacijsko-komunikacijska infrastruktura o o 0 0 G.07.02. Prometna infrastruktura 0 o 0 0 G.07.03. Energetska infrastruktura 0 o 0 o G.07.04. Drugo: o o 0 0 G.08. Varovanje zdravja in razvoj zdravstvenega varstva 0 o 0 0 G.09. Drugo: o o 0 0 Komentar i -1 14.Naslov spletne strani za projekte, odobrene na podlagi Javnih razpisov za sofinanciranje ciljnih raziskovalnih projektov za leta 2016, 2017, 2018 in 201914 https://www.zdravgozd.si/projekti/podlubniki/ C. IZJAVE Podpisani izjavljam/o, da: • so vsi podatki, ki jih navajamo v poročilu, resnični in točni; • se strinjamo z obdelavo podatkov v skladu z zakonodajo o varstvu osebnih podatkov za potrebe ocenjevanja in obdelavo teh podatkov za evidence ARRS; • so vsi podatki v obrazcu v elektronski obliki identični podatkom v obrazcu v pisni obliki (v primeru, da poročilo ne bo oddano z digitalnima podpisoma); • so z vsebino zaključnega poročila seznanjeni in se strinjajo vsi soizvajalci projekta; • bomo sofinancerjem istočasno z zaključnim poročilom predložili tudi elaborat na zgoščenki (CD), ki ga bomo posredovali po pošti, skladno z zahtevami sofinancerjev. Podpisi: zastopnik oz. pooblaščena oseba . vodja raziskovalnega projekta: raziskovalne organizacije: i Gozdarski inštitut Slovenije Nikica Ogris ZIG Datum: 30.3.2020 Oznaka poročila: ARRS-CRP-ZP-2020/2 1 Napišite povzetek raziskovalnega projekta (največ 3.000 znakov v slovenskem in angleškem jeziku). Nazaj 2 v v v Navedite cilje iz prijave projekta in napišite, ali so bili cilji projekta doseženi. Navedite ključne ugotovitve, znanstvena spoznanja, rezultate in učinke raziskovalnega projekta in njihovo uporabo ter sodelovanje s tujimi partnerji. Največ 12.000 znakov vključno s presledki (približno dve strani, velikost pisave 11). Nazaj 3 Realizacija raziskovalne hipoteze. Največ 3.000 znakov vključno s presledki (približno pol strani, velikost pisave 11). Nazaj 4 Navedite morebitna bistvena odstopanja in spremembe od predvidenega programa dela raziskovalnega projekta, zapisanega v prijavi raziskovalnega projekta. Navedite in utemeljite tudi spremembe sestave projektne skupine v zadnjem letu izvajanja projekta. Če sprememb ni bilo, navedite »Ni bilo sprememb«. Največ 6.000 znakov vključno s presledki (približno ena stran, velikosti pisave 11). Nazaj 5 Navedite dosežke na raziskovalnem področju (največ deset), ki so nastali v okviru tega projekta. Raziskovalni dosežek iz obdobja izvajanja projekta (do oddaje zaključnega poročila) vpišete tako, da izpolnite COBISS kodo dosežka - sistem nato sam izpolni naslov objave, naziv, IF in srednjo vrednost revije, naziv FOS področja ter podatek, ali je dosežek uvrščen v A'' ali A'. Nazaj 6 Navedite dosežke na področju gospodarstva, družbenih in kulturnih dejavnosti (največ pet), ki so nastali v okviru tega projekta. Dosežek iz obdobja izvajanja projekta (do oddaje zaključnega poročila) vpišete tako, da izpolnite COBISS kodo dosežka, sistem nato sam izpolni podatke, manjkajoče rubrike o dosežku pa izpolnite. Dosežek na področju gospodarstva, družbenih in kulturnih dejavnosti je po svoji strukturi drugačen kot znanstveni dosežek. Povzetek znanstvenega dosežka je praviloma povzetek bibliografske enote (članka, knjige), v kateri je dosežek objavljen. Povzetek dosežka na področju gospodarstva, družbenih in kulturnih dejavnosti praviloma ni povzetek bibliografske enote, ki ta dosežek dokumentira, ker je dosežek sklop več rezultatov raziskovanja, ki je lahko dokumentiran v različnih bibliografskih enotah. COBISS ID zato ni enoznačen izjemoma pa ga lahko tudi ni (npr. prehod mlajših sodelavcev v gospodarstvo na pomembnih raziskovalnih nalogah, ali ustanovitev podjetja kot rezultat projekta ... - v obeh primerih ni COBISS ID). Nazaj 7 Navedite rezultate raziskovalnega projekta iz obdobja izvajanja projekta (do oddaje zaključnega poročila) v primeru, da katerega od rezultatov ni mogoče navesti v točkah 7 in 8 (npr. v sistemu COBISS rezultat ni evidentiran). Največ 2.000 znakov, vključno s presledki. Nazaj 8 Pomen raziskovalnih rezultatov za razvoj znanosti in za razvoj Slovenije bo objavljen na spletni strani: http://sicris.izum.si/ za posamezen projekt, ki je predmet poročanja. Nazaj 0 v v Največ 4.000 znakov, vključno s presledki. Nazaj 10 Največ 4.000 znakov, vključno s presledki. Nazaj 1 1 Največ 500 znakov, vključno s presledki. Nazaj 1 2 v v Največ 500 znakov, vključno s presledki. Nazaj 1 3 v v Največ 1.000 znakov, vključno s presledki. Nazaj 14 Izvajalec mora za projekte, odobrene na podlagi Javnega razpisa za izbiro raziskovalnih projektov Ciljnega raziskovalnega programa »CRP 2016« v letu 2016, Ciljnega raziskovalnega programa »CRP 2017« v letu 2017 in Ciljnega raziskovalnega programa »CRP 2019« v letu 2019 ter Javnega razpisa za izbiro raziskovalnih projektov Ciljnega raziskovalnega programa »Zagotovimo.si hrano za jutri« v letu 2016 in Ciljnega raziskovalnega programa »Zagotovimo.si hrano za jutri« v letu 2018, na spletnem mestu svoje RO odpreti posebno spletno stran, ki je namenjena projektu. Obvezne vsebine spletne strani so: vsebinski opis projekta z osnovnimi podatki glede financiranja, sestava projektne skupine s povezavami na SICRIS, faze projekta in njihova realizacija, bibliografske reference, ki izhajajo neposredno iz izvajanja projekta ter logotip ARRS in drugih sofinancerjev. Spletna stran mora ostati aktivna še 5 let po zaključku projekta. Nazaj Obrazec: ARRS-CRP-ZP/2020 v1.00 C7-42-F2-A3-B6-BE-69-BA-0C-FE-F0-39-57-21-80-98-66-F2-BF-A0 GOZDARSKI INŠTITUT SLOVENIJE SLOVENIAN FORESTRY INSTITUTE Razvoj metod zaznavanja poškodb iglavcev zaradi smrekovih in jelovih podlubnikov ter izdelava modelov za napovedovanje namnožitev smrekovih in jelovih podlubnikov v slovenskih razmerah (V4-1623) Končno poročilo Vodja projekta: dr. Nikica Ogris Avtorji poročila: Nikica Ogris, Andrej Kobler, Tatjana Veljanovski, Peter Pehani, Maarten de Groot Financerja: Ministrstvo za kmetijstvo, gozdarstvo in prehrano, Javna agencija za raziskovalno dejavnost Republike Slovenije Projekt V4-1623, izbran na podlagi Javnega razpisa za izbiro raziskovalnih projektov Ciljnega raziskovalnega programa »Zagotovimo.si hrano za jutri« v letu 2016 z obvestilom direktorja agencije o rezultatih izbora prijav na Javni razpis št. 6316-12/2016-103, z dne 16. 9. 2016, za obdobje 36 mesecev od 1. 10. 2016 do 30. 9. 2019. Sodelujoče raziskovalne organizacije: Gozdarski inštitut Slovenije, Univerza v Ljubljani, Biotehniška fakulteta, Oddelek za gozdarstvo in obnovljive gozdne vire, Razvojni center koroškega gospodarstva, Znanstvenoraziskovalni center Slovenske akademije znanosti in umetnosti Ljubljana, 2019 Kazalo vsebine Povzetek..................................................................................................................................................5 Projektna skupina in zahvala...................................................................................................................6 Zunanji sodelavci.................................................................................................................................6 Poročilo o realizaciji programa dela na raziskovalnem projektu............................................................7 DS1 Koordinacija..................................................................................................................................7 DS2 Daljinsko zaznavanje....................................................................................................................9 1.1 Aktivnost 2.1: Spremljanje žarišč smrekovih in jelovih podlubnikov s pomočjo satelitskih posnetkov............................................................................................................................................ 9 1.1.1 Dva modela za zaznavanje letne količine sanitarnega poseka smreke zaradi podlubnikov in spremljanje dinamike razvoja (MODIS)................................................................10 1.1.2 Model trenutne stopnje napadenosti (Sentinel-2).......................................................13 1.1.3 Model za zaznavanje sanacije žarišč podlubnikov (Sentinel-2).....................................18 1.1.4 Podatki in vegetacijski produkti satelita MODIS za 2002-2018 in za območje Slovenije (sprotna obdelava in dostava za spletno aplikacijo) in satelita Sentinel-2 za 2015-2018 za območje GGE Koče in Gotenica.....................................................................................................20 1.2 Aktivnost 2.2: Spremljanje žarišč podlubnikov z brezpilotnim letalom ali ortokopterjem... 28 1.3 Aktivnost 2.3: Referenčni podatki iz terena..........................................................................31 1.3.1 Zbirka referenčnih podatkov za Sentinel-2...................................................................31 1.3.2 Zbirka referenčnih podatkov za MODIS........................................................................32 1.3.3 Zbirka referenčnih podatkov za brezpilotni letalnik......................................................33 1.4 Aktivnost 2.4: Spletna aplikacija............................................................................................36 1.4.1 Spremljanje žarišč smrekovih podlubnikov s pomočjo satelitskih posnetkov MODIS.. 36 1.4.2 Spremljanje žarišč smrekovih podlubnikov s pomočjo satelitskih posnetkov Sentinel-2 37 1.4.3 Spremljanje sanacije žarišč smrekovih podlubnikov s pomočjo satelitskih posnetkov Sentinel-2......................................................................................................................................37 1.4.4 Spletna interaktivna aplikacija za pregled podatkov in vegetacijskih produktov satelita MODIS 38 1.4.5 Spletna interaktivna aplikacija za pregled podatkov in vegetacijskih produktov satelita Sentinel-2......................................................................................................................................39 1.4.6 Spletna interaktivna aplikacija za vizualizacijo multispektralnih posnetkov drona......40 1.4.7 Modelne karte osutosti in obarvanosti krošenj za izbrane štiri vzorčne ploskve posnete z dronom 40 DS3 Stopnja ogroženosti iglavcev......................................................................................................42 Aktivnost 3.1: Podatkovna zbirka ekoloških faktorjev..................................................................42 Aktivnost 3.2: Razvoj modelov ogroženosti posameznih vrst iglavcev zaradi lubadarjev............43 Aktivnost 3.3: Implementacija modelov v elektronski sistem za varstvo gozdov v Sloveniji........45 DS4 Model razvoja smrekovih podlubnikov in sistem obveščanja....................................................49 Aktivnost 4.1: Plan postavitve in spremljanja kontrolnih pasti in kontrolno-lovnih debel...........49 Aktivnost 4.2: Spremljanje ulova smrekovih podlubnikov v kontrolnih pasteh............................50 Aktivnost 4.3: Spremljanje kontrolno-lovnih debel......................................................................51 Aktivnost 4.4: Spremljanje temperature zraka in temperature skorje.........................................52 Aktivnost 4.5: Razvoj, validacija in kalibracija fenološkega modela smrekovih podlubnikov.......53 Aktivnost 4.6: Vzpostavitev sistema samodejnega obveščanja krajevnih in območnih enot ZGS 55 Seznam rezultatov.................................................................................................................................63 Ocena stopnje realizacije programa dela na raziskovalnem projektu in zastavljenih raziskovalnih ciljev ............................................................................................................................................................... 65 Najpomembnejši raziskovalno-razvojni rezultati projektne skupine....................................................66 Najpomembnejši družbeno-ekonomski rezultati projektne skupine....................................................67 Naslov spletne strani.............................................................................................................................69 Finance projekta....................................................................................................................................70 Povzetek V okviru projekta smo uresničili naslednje cilje: 1. Preverili smo uporabnost multispektralnih posnetkov gozdov za odkrivanje, spremljanje in prikazovanje žarišč podlubnikov na podlagi analize multispektralnih posnetkov. 2. Razvili smo model za spremljanje/zaznavanje sanacije žarišč podlubnikov s pomočjo multispektralnih posnetkov. 3. Izdelali smo študijo uporabe multispektralnih kamer pri ugotavljanju zdravstvenega stanja dreves ter njihova primernost za samostojno uporabo v javni gozdarski službi, vključno s predvidenimi stroški. 4. Razvili smo algoritme za določanje stopnje ogroženosti smreke in jelke zaradi podlubnikov v različnih ekoloških razmerah. 5. Razvili in validirali smo dva modela razvoja smrekovih podlubnikov v Sloveniji ter razvili smo sistem za samodejni izračun predvidenega začetka rojenja spomladi in datuma konca razvoja prve generacije, do katerega se spremlja ulov za osmerozobega in šesterozobega smrekovega lubadarja. 6. Vzpostaviti smo sistem obveščanja krajevnih in območnih enot Zavoda za gozdove Slovenije o pričetku rojenja in konca prve generacije osmerozobega in šesterozobega smrekovega lubadarja. Delo je bilo organizirano v štiri delovne sklope: (1) Koordinacija; (2) Daljinsko zaznavanje; (3) Stopnja ogroženosti iglavcev; (4) Model razvoja smrekovih podlubnikov in sistem obveščanja. V DS2 smo uresničili cilje 1-3, v DS3 smo uresničili cilj 3, v DS4 smo uresničili cilja 4 in 5. Projektna skupina in zahvala V projektu so sodelovali in njegovo izvedbo omogočili naslednje sodelavke in sodelavci (po organizacijah): • Gozdarski inštitut Slovenije: dr. Nikica Ogris, dr. Andrej Kobler, dr. Maarten de Groot, dr. Mitja Ferlan, Boštjan Zupanc, dr. Andreja Kavčič, Jure Žlogar, mag. Špela Planinšek, Robert Krajnc, doc. dr. Matjaž Čater, Špela Jagodic • Univerza v Ljubljani, Biotehniška fakulteta, Oddelek za gozdarstvo: prof. dr. Maja Jurc, Roman Pavlin, doc. dr. Tine Hauptman, Danijel Borkovič • Znanstvenoraziskovalni center Slovenske akademije znanosti in umetnosti: dr. Tatjana Veljanovski, Peter Pehani, dr. Žiga Kokalj • Zavod za gozdove Slovenije: Marija Kolšek, dr. Tomaž Šturm, Barbara Slabanja, Miha Zabret, Jože Kozjek, Anže Mihelič, Milan Podlogar, Matej Zamernik, mag. Mirko Perušek, Jože Oberstar, Tomaž Černe, Branko Krulič, Pavle Košir, Matjaž Pajnič, Lucija Odar, Vida Papler-Lampe, Peter Čadež, Katja Kunc, Klemen Zalokar, Robert Klančar, Matej Kozamernik, Gregor Senegačnik idr. Zunanji sodelavci • Agencija RS za okolje: Neva Pristov, mag. Mojca Dolinar Snemanje z brezpilotnimi letalniki in multispektralnimi kamerami so brezplačno omogočili: • C-Astral d.o.o.: Jernej Moderc • ElevonX d.o.o.: Janez Langus • Univerza v Ljubljani, Biotehniška fakulteta, Oddelek za gozdarstvo in obnovljive gozdne vire: doc. dr. Milan Kobal • Geavis d.o.o.: Rok Valič • Fachhochschule Kärnten: Paulus Gernot Poročilo o realizaciji programa dela na raziskovalnem projektu DS1 Koordinacija Odgovorna oseba DS1 je bila Nikica Ogris (GIS). DS1 je skrbel za potek dela in zagotovitev predvidenih projektnih izsledkov / rezultatov v skladu z vsebinskim načrtom dela, časovnim načrtom ter v zadanih finančnih okvirih. To smo dosegli z naslednjimi aktivnostmi: • redno poročanje financerjem / naročnikom projekta v skladu z veljavnimi predpisi in pogodbo; • letni sestanki s predstavniki financerjev in uporabnikov projekta; • redni sestanki raziskovalnega tima znotraj posamezne partnerske inštitucije in med partnerskimi inštitucijami. Prvi sestanek projektne skupine smo izvedli 11. 10. 2016 na Gozdarskem inštitutu Slovenije. Na prvem sestanku je bilo 10 udeležencev. Vodja projekta dr. Nikica Ogris je predstavil program dela, časovni in finančni plan. Projekt smo predstavili tudi na 5. sestanku Skupine za obvladovanje biotskega ravnovesja in škodljivih organizmov v gozdovih, na povabilo Ministrstva za kmetijstvo, gozdarstvo in prehrano, dne 20. 10. 2016. Projekt s poudarkom na delovnem sklopu 2 (daljinsko zaznavanje) smo predstavili tudi na Regionalnem srečanju strokovnjakov na temo uporabe daljinskega zaznavanja v gozdarstvu, ponovno na povabilo MKGP, 2. 11. 2016. Ponovni sestanek celotnega raziskovalnega tima smo imeli 26. septembra 2017. Na sestanku je bilo 10 udeležencev iz GIS, BF, ZRC SAZU. Rezultat aktivnosti DS1 so: (1) letna in vmesna poročila, (2) koordinacija / usklajevanje dela znotraj in med DS, (3) sestanki raziskovalnega tima, (4) vzpostavitev in posodabljanje spletne strani projekta, ki se nahaja na naslovu: http://www.zdravgozd.si/projekti/podlubniki. Vsebina spletne strani so: vsebinski opis projekta, financerji, sestava projektne skupine, financerji, opis delovnih sklopov in aktivnosti, rezultati projekta. Rezultat DS1 je tudi organizacija in izvedba zaključna konferenca, kjer smo javno predstavili rezultate projekta. Zaključno konferenca se je odvila na Gozdarskem inštitutu Slovenije, 9. 10. 2019. Imela je 98 udeležencev. Od 9. do 15. ure smo izvedli 7 predavanj. Predavanja s konference smo objavili na spletni strani https://www.zdravgozd.si/dogodki.aspx?iddogodek=19. V sklepnem delu konference smo povzeli glavne rezultate projekta in podali predloge/smernice za nadaljnje raziskave in izboljšave: • DS2: Daljinsko zaznavanje: o Kot najbolj obetavna smer nadaljnja smer razvoja se je izkazala uporaba posnetkov satelita Sentinel-2. Predlagali smo nadaljevanje projekta/nov projekt, v katerem bi razvili model zgodnjega zaznavanja žarišč podlubnikov in spremljanja sanacije žarišč na podlagi satelitskih posnetkov Sentinel-2 za raven cele Slovenije. Za to bi bilo potrebno sodelovanje več projektnih partnerjev: ZRC-SAZU (dobava in preobdelava posnetkov), GIS (razvoj modela), ZGS (zagotavljanje koordinat referenčnih lokacij žarišč). o Prikazane metode daljinskega zaznavanja so potencialno zelo uporabne tudi za zgodnje zaznavanje poškodb rastlin zaradi karantenskih škodljivih organizmov. Ugotovili smo, da posnetki Sentinel-2 s svojo ločljivostjo 20 m verjetno ne bodo dovolj in bi za ta namen bili bolj primerni letalski posnetki. Poleg tega je predlagana kombinacija z drugimi metodami zgodnjega zaznavanja, kot so feromonske vabe, zdravstveni pregledi ipd. o Preskusiti različne vrste načina modeliranja in vključitev različnih spektralnih pasov ter njihovih kombinacij. Iskanje najustreznejše kombinacije vrste modela in vhodnih parametrov. • DS3: modela za oceno ogroženosti jelke/smreke zaradi podlubnikov bi bilo potrebno izboljševati, npr. dopolniti z dodatnimi spremenljivkami (npr. z redno sečnjo). • DS4: fenološka modela RITY in CHAPY: o Razviti dodatno spletno aplikacijo kot pomoč za določitev roka za sanitarno sečnjo. Vhodni podatek v aplikacijo (model) bi bila: lokacija (XY), razvojna faza podlubnika. Aplikacija bi na podlagi vhodnih podatkov in modela RITY/CHAPY izračunala rok za sanitarno sečnjo smreke zaradi napada podlubnikov IT/PC. o Spletni aplikaciji za točkovno poizvedbo fenoloških modelov RITY in CHAPY bi lahko dopolnili z dodatnim vhodnim parametrom: čas dejanskega prvega rojenja in čas dejanskega prvega napada. Na podlagi tega podatka bi bil izračun modelov RITY in CHAPY še bolj točen, natančen in posledično zanesljivejši. DS2 Daljinsko zaznavanje Odgovorna oseba: Andrej Kobler Udeležene inštitucije: GIS, ZRC-SAZU, ZGS. Namen delovnega sklopa 2 (Daljinsko zaznavanje) je bil testirati in implementirati sistem spremljanja žarišč smrekovih in jelovih podlubnikov z daljinskim zaznavanjem na treh prostorskih ravneh od celotne Slovenije do gozdnega sestoja. Spremljanje žarišč podlubnikov z daljinskim zaznavanjem zajema odkrivanje žarišč, spremljanje njihovega širjenja in prikazovanje sanacije žarišč. S spremljanjem žarišč v prostoru in času hkrati predstavlja dopolnitev obstoječih metod nadzora, nudi podporo odločanju o možnih ukrepih za zajezitev prenamnožitve podlubnikov in dopolnjuje nadzor nad učinkovitostjo sanacije žarišč. Delovni sklop 2 je prispeval k uresničitvi naslednjih ciljev: • preveriti uporabnost multispektralnih posnetkov gozdov za odkrivanje, spremljanje in prikazovanje žarišč podlubnikov ter prognoziranje razvoja žarišč podlubnikov in podajanje možnih ukrepov zoper prenamnožitev podlubnikov na podlagi analize multispektralnih posnetkov; • vzpostavitev sistema nadzora nad učinkovitostjo sanacije žarišč pri širjenju podlubnikov s pomočjo multispektralnih posnetkov; • študij uporabe multispektralnih kamer pri ugotavljanju zdravstvenega stanja dreves ter njihova primernost za samostojno uporabo v javni gozdarski službi, vključno s predvidenimi stroški. V povezavi s temi cilji je bil delovni sklop 2 razdeljen na štiri aktivnosti: • Aktivnost 2.1: Spremljanje žarišč smrekovih in jelovih podlubnikov s pomočjo satelitskih posnetkov • Aktivnost 2.2: Spremljanje žarišč podlubnikov z brezpilotnim letalom ali ortokopterjem • Aktivnost 2.3: Referenčni podatki iz terena • Aktivnost 2.4: Spletna aplikacija 1.1 Aktivnost 2.1: Spremljanje žarišč smrekovih in jelovih podlubnikov s pomočjo satelitskih posnetkov Odgovorna oseba: Andrej Kobler Udeležene inštitucije: GIS, ZRC-SAZU Izdelali smo modela za zaznavanje žarišč podlubnikov in njihove sanacije na državni oziroma in regionalni ravni iz velikopovršinskih večspektralnih in hiperspektralnih satelitskih podatkov srednje in nizke prostorske ločljivosti (regionalna raven: Sentinel 2 z ločljivostjo 20 m; državna raven: MODIS z ločljivostjo 250-1000 m). Modela sta bila v nadaljevanju osnova za izračun in prikaz časovne vrste kart intenzivnosti napada podlubnika v spletni aplikaciji na spletnem portalu za varstvu gozdov www.zdravgozd.si (Aktivnost 2.4). Časovni vrsti modelno izračunanih kart napadov podlubnikov sta bili od leta 2003 do 2018 za MODIS, za Sentinel-2 pa od začetka delovanja sistema leta 2015 do 2018. Poleg zgoraj omenjenih modelov smo na podlagi podatkov Sentinel-2 izdelali tudi model za zaznavanje sanacije žarišč (poseka) in v spletni aplikaciji prikazali na osnovi modela izračunane karte sanacije žarišč smreke. Vir podatkov za razvoj modelov so bili posnetki satelitov MODIS in Sentinel-2. Ta satelita trenutno predstavljata najboljšo kombinacijo spektralne, časovne in prostorske ločljivosti, brezplačnih surovih podatkov, v primeru MODIS pa tudi že obstoječe dolžine časovne serije. Zaradi prisotnosti oblakov je dejansko dosežena časovna ločljivost in s tem ažurnost zaznavanja žarišč slabša od teoretično možne časovne ločljivosti, ki znaša 1-2 dni pri MODIS in 5 dni pri Sentinel-2. Po podatkih ARSO za 1991-2006 delež oblačnih dni (nad 8/10) na primer v Kočevju med marcem in oktobrom znaša 16-44 % (povprečje 28 %). Zaradi učinka oblačnosti na ažurnost monitoringa (posebej pri Sentinel-2) in zaradi učinka relativno grobe prostorske ločljivosti (posebej pri MODIS) je satelitski monitoring predvsem namenjen proučitvi zmožnosti zaznavanja velikih žarišč in njihove sanacije (poseka) na državni in regionalni ravni. Priprava satelitskih podatkov (geometrična, atmosferska in topografska korekcija, izdelava brezoblačnih kompozitov, mozaičenje) je bila izvedena s procesno verigo STORM (VESOLJE-SI in ZRC-SAZU). Iz podatkov na ravni ploskev smo za Sentinel-2 izdelali model za zaznavanje žarišč in zaznavanje sanitarnega poseka s povezavo s sočasnimi referenčnimi podatki iz terena. V primeru MODIS smo na ravni kvadratnih kilometrov povzeli podatke javne gozdarske službe o preteklih sanitarnih sečnjah na ravni oddelkov/odsekov za vso Slovenijo (rezultat aktivnosti 2.3). V primeru Sentinel-2 so referenčne podatke predstavljali podatki iz sečno-spravilnih manualov o označbi dreves za posek zaradi napada podlubnikov iz podatkovne zbirke xTi - evidenca poseka ZGS (rezultat aktivnosti 2.3). Vzorec za Sentinel-2 je bil zaradi relativno skromnih finančnih in logističnih zmogljivosti projekta omejen na dve GGE (Koče in Gotenica, OE Kočevje). Rezultati aktivnosti: • dva modela za zaznavanje letne količine sanitarnega poseka smreke zaradi podlubnikov in spremljanje dinamike razvoja (MODIS) • model trenutne stopnje napadenosti (Sentinel-2) • model za zaznavanje sanacije žarišč podlubnikov (Sentinel-2) • podatki in vegetacijski produkti satelita MODIS za 2002-2018 in za območje Slovenije (sprotna obdelava in dostava za spletno aplikacijo) in satelita Sentinel-2 za 2015- 2018 za območje GGE Koče in Gotenica 1.1.1 Dva modela za zaznavanje letne količine sanitarnega poseka smreke zaradi podlubnikov in spremljanje dinamike razvoja (MODIS) Območje veljavnosti modela je celotno območje Slovenije. Ansambelski model v obliki random forest, sestavljen iz 100 regresijskih dreves, smo izdelali z odprtokodnim orodjem za strojno učenje CLUS 2.7 (https://dtai.cs.kuleuven.be/clus/index.html). Ciljna spremenljivka je bila letna količina sanitarnega poseka smreke zaradi podlubnikov, ki je bila za vsako leto med 2003 in 2017 povzeta na ravni kvadratnih kilometrov iz podatkov javne gozdarske službe o preteklih sanitarnih sečnjah na ravni oddelkov/odsekov za vso Slovenijo (rezultat aktivnosti 2.3). Pojasnjevalne spremenljivke so bile vrednosti časovne serije 23. (16-dnevnih) kompozitov vegetacijskega indeksov NDVI in EVI ločljivosti 250 m, srednje mesečne vrednosti temperatur za vsak kvadratni kilometer, mesečne vrednosti padavinskega indeksa SPI za vsak kvadratni kilometer ter nadmorsko višino. Vzorec za učenje modelov so sestavljali vsi piksli vseh letnih referenčnih kart sanitarnega poseka smreke, katerih vrednosti so bile večje od 0. Vsak vzorčni piksel je bil glede na leto svoje veljavnosti opremljen s časovno ustrezno vrsto satelitskih in meteoroloških podatkov. Vzorec je vseboval 34.066 primerov s po 72 atributi. Točnost modelov na testnih podatkih smo ocenili z deset-kratnim navzkrižnim vzorčenjem iz trenažnih podatkov. Izdelali smo dva modela. Oba imata prostorsko ločljivost en kvadratni kilometer in časovno ločljivost eno leto. Prostorska ločljivost je pogojena z najslabšo ločljivostjo vhodnih podatkov. Model 1 napoveduje stanje letošnje intenzivnosti napadov smrekovega podlubnika na podlagi lanskih satelitskih in meteoroloških podatkov ter lanske intenzivnosti napada. Vhodni podatki za model 1 so na voljo ob koncu lanskega leta, kar omogoča modelno napoved celoletne intenzivnosti napadov na samem začetku tekočega leta. S tem model 1 odločevalcem zmanjšuje negotovost pri odločanju na državni ravni. Pearsonov R modela 1 na testnih podatkih je 0,6075. Model 1 je na voljo na spletnem naslovu https://www.zdravgozd.si/projekti/podlubniki/slike/modis/modis model1.zip. Model 2 napoveduje stanje lanske intenzivnosti napadov smrekovega podlubnika na podlagi lanskih satelitskih in meteoroloških podatkov. Od modela 1 torej razlikuje po tem, da beleži količino sanitarnega poseka smreke za preteklo in ne tekoče leto. Namenjen je za spremljanje dinamike sanitarnega poseka smreke kot (domnevno manj točna a cenejša) alternativa evidencam ZGS. Pearsonov R modela 2 na testnih podatkih je 0,6077. Model 2 je na voljo na spletnem naslovu https://www.zdravgozd.si/projekti/podlubniki/slike/modis/modis model2.zip. Implementacija obeh modelov, ki služi za izračun vsakoletnih modelnih kart, je bila napisana v jeziku Python v izvirnem orodju Modis_arff. V to orodje smo vključili tudi funkcije, ki omogočajo hitro izdelavo novih trenažnih vzorceh v primeru rekalibracije modelov z dodatnimi novimi podatki ter funkcijo za reklasifikacijo modelnih kart. Slednja funkcija je namenjena percentilni reklasifikaciji modelnih kart. Ta vse piksle na karti razvrsti po vrednosti napovedanega sanitarnega poseka in jih nato prerazporedi v percentilne razrede 0-50 %, 50-75 %, 75-87,5 % in tako naprej. S tem naredi modelne karte vizualno lažje primerljive med različnimi leti. Percentilno reklasificirane modelne karte sanitarnega poseka smreke so dosegljive na spletnem naslovu https://www.zdravgozd.si/projekti/podlubniki/modis.aspx. Analizirali smo prispevek posameznih vhodnih podatkov k modeloma. Za model 1 podatki MODIS razložijo večji del variabilnosti skupnega letnega sanitarnega poseka smreke na ravni kvadratnega kilometra kot vremenski podatki, EVI pa več od NDVI in povprečna mesečna temperatura več od padavinskega indeksa SPI. Od vegetacijskih indeksov je s sanitarnim posekom najbolj povezan EVI iz avgusta prejšnjega leta (glede na leto napovedi sanitarnega poseka), od meteoroloških podatkov pa povprečna mesečna temperatura lanskega avgusta. Tudi za model 2 velja, da podatki MODIS razložijo večji del variabilnosti kot vremenski podatki, EVI pa več od NDVI. Najbolj poveden vegetacijski indeks je EVI iz začetka januarja tekočega leta, najbolj poveden meteorološki podatek pa julijski SPI tekočega leta (Slika 1, Slika 2, Slika 3, Slika 4). Slika 1: Delež pojasnjene variance skupnega letnega sanitarnega poseka smreke zaradi podlubnikov za vegetacijske indekse NDVI v časovni vrsti od začetka prejšnjega leta (glede na leto napovedi) do konca tekočega leta. Obrazila v imenih vegetacijskih indeksov gredo od -23 (za 1. januar preteklega leta) s 16-dnevnimi intervali do -1 (za 19. december preteklega leta) in od 0 (za 1. januar tekočega leta) s 16-dnevnimi intervali do 22 (za 19. december tekočega leta). Slika 2: Delež pojasnjene variance skupnega letnega sanitarnega poseka smreke zaradi podlubnikov za vegetacijske indekse EVI v časovni vrsti od začetka prejšnjega leta (glede na leto napovedi) do konca tekočega leta. Obrazila v imenih vegetacijskih indeksov gredo od -23 (za 1. januar preteklega leta) s 16-dnevnimi intervali do -1 (za 19. december preteklega leta) in od 0 (za 1. januar tekočega leta) s 16-dnevnimi intervali do 22 (za 19. december tekočega leta). Slika 3: Delež pojasnjene variance skupnega letnega sanitarnega poseka smreke zaradi podlubnikov za povprečne mesečne temperature v časovni vrsti od začetka prejšnjega leta (glede na leto napovedi) do konca tekočega leta. gb.zj; Slika 4: Delež pojasnjene variance skupnega letnega sanitarnega poseka smreke zaradi podlubnikov za povprečne mesečne vrednosti padavinskega indeksa SPI v časovni vrsti od začetka prejšnjega leta (glede na leto napovedi) do konca tekočega leta. 1.1.2 Model trenutne stopnje napadenosti (Sentinel-2) Zaradi omejenih finančnih in logističnih zmogljivosti pri zbiranju referenčnih podatkov za trenažo modela, smo se omejili na očrtan pravokotnik dveh GGE (Koče in Gotenica, OE Kočevje - Slika 5). Ansambelski model v obliki random forest, sestavljen iz 100 regresijskih dreves, smo izdelali z odprtokodnim orodjem za strojno učenje CLUS 2.7 (https://dtai.cs.kuleuven.be/clus/index.html). Ciljna spremenljivka je bila količina odkazanega sanitarnega poseka smreke zaradi podlubnikov, izražena v kubikih in v številu dreves. Ta podatek je bil povzet iz podatkovne zbirke xTi (evidenca poseka ZGS). Upoštevali smo le tiste zapise v podatkovni zbirki, ki imajo zabeležene koordinate lokacije žarišča. Takih je bilo za analizirano obdobje med leti 2015 do 2018 v študijskem območju 977 oziroma 33 % vseh (Slika 6). Za primerjavo - na ravni Slovenije ta podatek znaša 10 %. Slika 6: Časovna porazdelitev označb smreke za sanitarni posek zaradi podlubnikov na študijskem območju v letih 2015 do 2018. Upoštevana so le odkazila s koordinatami lokacije. Satelitski sistem Sentinel-s sestavljata dva satelita, Sentinel-2A in Sentinel2-B, vsak s povratnim časom 10 dni, skupni povratni čas pa je 5 dni. Pojasnjevalne spremenljivke so bile vrednosti sočasne multispektralne slike satelita Sentinel-2. Ta satelitski sistem ponuja slike ločljivosti 10 m v štirih delih spektra - modri, zeleni, rdeči in bližnji infrardeči - NIR. Pri ločljivosti 20 m pa ponuja podatke še v dodatnih šestih delih spektra - NIR2, red_edge1, red_edge2, red_edge3, SWIR1, SWIR2 (Preglednica 1). Zaradi boljše spektralne ločljivosti in širšega spektralnega obsega smo izbrali 20-metrsko prostorsko ločljivost. Dodatno smo za vsako sliko izračunali še vegetacijska indeksa NDVI in EVI, med pojasnjevalne spremenljivke pa smo vključili še zaporedni dan odkazila v letu (s čimer smo aproksimirali sezonski vpliv) in starost satelitske slike glede na datum odkazila (s čimer smo aproksimirali vpliv dinamike napada pred dnevom odkazila). Preglednica 1: Primerjava slikovnih kanalov sistema Sentinel-2 Slikovni kanali Sentinel-2A Sentinel-2B Prostorska ločljivost (m) Srednja valovna dolžina (nm) Širina pasu (nm) Srednja valovna dolžina (nm) Širina pasu (nm) Band 1 - Obalni aerosol 442,7 21 442,2 21 60 Band 2 - Modri 492,4 66 492,1 66 10 Band 3 - Zeleni 559,8 36 559 36 10 Band 4 - Rdeči 664,6 31 664,9 31 10 Band 5 - Vegetation red edge 704,1 15 703,8 16 20 Band 6 - Vegetation red edge 740,5 15 739,1 15 20 Band 7 - Vegetation red edge 782,8 20 779,7 20 20 Band 8 - NIR 832,8 106 832,9 106 10 Band 8A - Ozki NIR 864,7 21 864 22 20 Band 9 - Vodna para 945,1 20 943,2 21 60 Band 10 - SWIR - Cirrus 1373,5 31 1376,9 30 60 Band 11 - SWIR 1613,7 91 1610,4 94 20 Band 12 - SWIR 2202,4 175 2185,7 185 20 Primerjalno smo izdelali vrsto različnih vzorcev za učenje modela in z vsakim izdelali poseben model. Za končni model smo izbrali tisti vzorec podatkov, ki je dal napovedi, ki so najbolje korelirale s testnimi podatki. Vzorce smo sestavili glede na dva parametra: • časovni horizont pojasnjevalnih satelitskih podatkov glede na datum odkazila: za vsako odkazilo smo poiskali časovno najbližji satelitski podatek v petih časovnih horizontih - od 0 do 5 dni pred odkazilom, od 0 do 10 dni, od 10 do 20 dni, od 20 do 30 dni in od 30 do 40 dni pred odkazilom; • polmer zajema satelitskih podatkov okoli lokacije odkazila: za vsako odkazilo smo upoštevali slikovne piksle v treh polmerih - piksel na lokaciji odkazila, okolica lokacije 3 x 3 piksle in okolica 5 x 5 pikslov. Z upoštevanjem tudi pikslov v okolici lokacije namesto piksla na sami lokaciji odkazila smo skušali upoštevati vpliv netočnih GPS lokacij in neničelne velikosti žarišča. Preden je bil posamezen piksel izbran v vzorec, smo preverili ali je na območju pod oblaki (Sentinel-2 kot poseben slikovni kanal ponuja tudi masko oblakov, snega in drugih neveljavnih delov slike) in ali je znotraj gozda. Kot masko gozda smo upoštevali razred s kodo 2000 zbirke podatkov kmetijske rabe tal (MKGP). Število pikslov v posameznem vzorcu je segalo od 435 (pri vzorcu pikslov na lokaciji odkazila in časovnem horizonto 0 do 5 dni) do 20039 (pri okolici 5 x 5 pikslov in časovnem vzorcu 0 do 10 dni). Število pojasnjevalnih atributov v vsakem vzorcu je bilo 14. Točnost modelov na testnih podatkih smo ocenili z deset-kratnim navzkrižnim vzorčenjem iz trenažnih podatkov. Primerjava različnih načinov vzorčenja je pokazala, da najboljši model dobimo s trenažo na vzorcu s časovnim horizontom 0 do 10 dni in zajemom 5 x 5 pikslov v okolici lokacije odkazila (Preglednica 2). Model napoveduje število prizadetih dreves s Pearsonovo korelacijo 0,78, količino prizadetega lesa pa z 0,82, oboje ocenjeno na neodvisnih testnih podatkih. Model je dosegljiv na spletnem naslovu https://www.zdravgozd.si/projekti/podlubniki/slike/sentinel/model.zip. Preglednica 2: Pearsonov koeficient korelacije modelnih rezultatov s testnimi podatki za število odkazanih dreves in količino odkazanega lesa glede na časovni horizont zajema satelitskih podatkov (od datuma odkazila) in glede na širino upoštevanega slikovnega območja okoli lokacije odkazila. Izbran trenažni vzorec ima poudarjene vrednosti korelacij. Podane so tudi velikosti trenažnih vzorcev. Časovni horizont (dni) 0 do 5 0 do 10 10 do 20 20 do 30 30 do 40 Št. drev. Vol. lesa (m3) Vel. vzorca Št. drev. Vol. lesa (m3) Vel. vzorca Št. drev. Vol. lesa (m3) Vel. vzorca Št. drev. Vol. lesa (m3) Vel. vzorca Št. drev. Vol. lesa (m3) Vel. vzorca Piksel na lokaciji odkazila 0,43 0,50 435 0,50 0,57 804 0,40 0,46 731 0,45 0,56 788 0,27 0,26 593 Okolica 3x3 pikslov 0,68 0,72 3900 0,74 0,78 7246 0,68 0,71 6563 0,67 0,72 7084 0,71 0,72 5324 Okolica 5x5 pikslov 0,71 0,76 10703 0,78 0,82 20039 0,72 0,75 18267 0,72 0,78 19653 0,73 0,76 14774 Model ima prostorsko ločljivost enako vhodnim podatkom, to je 20 m. Ker je bil kalibriran na satelitskih podatkih, kvečjemu 10 dni starejših od datuma posameznega odkazila, omogoča časovno zelo ažuren nadzor napadov podlubnikov, še posebej če upoštevamo časovno ločljivost sistema Sentinel-2, ki je 5 dni. Omejitev pri tem pa je lahko oblačnost na satelitski sliki. Slabost modela je, da daje pesimistične napovedi, kar je posledica dejstva, da so v učnem vzorcu le podatki, kjer je stopnja napadenosti (za katero predpostavljamo, da je enaka velikost odkazila) večja od 0. To slabost smo v določeni meri odpravili v naslednjem koraku, to je percentilni reklasifikaciji modelnih kart. Ta je del implementacije modelov v izvirnem orodju Sentinel_odkazilo_arff. V to orodje smo vključili tudi funkcije, ki omogočajo hitro izdelavo novih trenažnih vzorceh v primeru rekalibracije modelov z dodatnimi novimi podatki ter funkcijo za reklasifikacijo modelnih kart. Slednja funkcija je namenjena percentilni reklasifikaciji modelnih kart. Ta vse piksle na karti razvrsti po vrednosti napovedanega sanitarnega poseka in jih nato prerazporedi v percentilne razrede 0-50 %, 50-75 %, 75-87,5 % in tako naprej. S tem naredi modelne karte vizualno lažje primerljive med različnimi datumi, poleg tega pa vizualno odpravijo pesimistični bias modelnih kart (Slika 7). Percentilno reklasificirane modelne karte odkazila smreke za leta 2016 do 2018 so dosegljive na spletnem naslovu https://www.zdravgozd.si/projekti/podlubniki/sentinel2.aspx. Slika 7: Učinek percentilne reklasifikacije modelnih kart volumna odkazanega lesa. V levem stolpcu sta modelni karti volumna odkazanega lesa v kubičnih metrih za dva različna datuma. V desnem stolpcu sta vizualno lažje berljivi in bolje primerljivi percentilno reklasificirani karti z legendo, ki prikazuje percentilne razrede levih dveh kart. Razred 1 prikazuje 50% najmanj ogroženih površin, razred 2 prikazuje naslednjih 25% površin, rangiranih po ogroženosti, razred 3 naslednjih 12.5% in tako naprej. Na vseh štirih kartah modra barva prikazuje označuje oblake, bela pa negozd. Analizirali smo prispevek posameznih vhodnih podatkov k modelu. Tako za število odkazanih dreves (Slika 8) kot tudi za odkazan volumen lesa (Slika 9) sta najbolj povedna slikovni kanal red_edge2 in vegetacijski indeks NDVI. 1.4% 1.2% 1.0% Slikovni kanal Slika 8: Delež pojasnjene variance sanitarno odkazanega števila dreves za posamezne slikovne kanale Sentinel-2. Slika 9: Delež pojasnjene variance sanitarno odkazanega volumna lesa za posamezne slikovne kanale Sentinel-2. 1.1.3 Model za zaznavanje sanacije žarišč podlubnikov (Sentinel-2) Za kalibracijo modela zaznavanja sanacije žarišč smo uporabili isto študijsko območje in iste referenčne podatke o odkazilih kot za model trenutne stopnje napadenosti (Poglavje Model trenutne stopnje napadenosti (Sentinel-2)), le dodatno smo uporabili podatek o datumu poseka. Ansambelski model v obliki random forest, sestavljen iz 100 regresijskih dreves, smo izdelali z odprtokodnim orodjem za strojno učenje CLUS 2.7 (https://dtai.cs.kuleuven.be/clus/index.html). Ciljna spremenljivka je bila binarna - prisotnost poseka (da/ne). Pojasnjevalne spremenljivke so bile spektralne vrednosti zadnjega satelitskega posnetka Sentinel-2 pred odkazilom (čas T0) in prvega satelitskega posnetka Sentinel-2 po poseku (čas T1). Za vsako sliko smo izračunali še vegetacijska indeksa NDVI in EVI, tako da je imel vsak zapis v trenažnem vzorcu 12 pojasnjevalnih podatkov za T0 in 12 za T1. Zbirka podatkov xTi vsebuje lokacije posekov, torej pozitivnih primerov v vzorcu za učenje modela prisotnosti poseka (da/ne). Slikovne piksle ta čas T0 in za T1 smo vzorčili na enak način, kot pri vzorčenju za trenažo modela trenutne stopnje napadenosti: v treh različnih polmerih okoli lokacije odkazil / prevzema, upoštevajoč le piksle, ki so znotraj gozda in niso pod oblaki. Pri maskiranju oblakov smo upoštevali obe maski hkrati - za T0 in za T1. Negativne primere za trenažni vzorec smo ustvarili po naslednjem algoritmu: 1. Okoli lokacije vsakega pozitivnega primera smo ustvarili izključitveno območje s polmerom 100 m. Potencialne lokacije za negativne primere smo slučajnostno izbirali znotraj preostalega gozda (koda 2000 znotraj zbirke podatkov kmetijske rabe MKGP). 2. Slučajnostno smo izbrali eno od let med 2016 in 2018 in znotraj izbranega leta kot hipotetični datum sanitarnega odkazila slučajnostno izbrali datum med začetkom marca in koncem oktobra. Ta sezonski interval smo prevzeli glede na zabeleženo časovno porazdelitev sanitarnih odkazil v študijskem območju (Slika 6). Hipotetični datum poseka smo določili 45 dni po hipotetičnem odkazilu. 45 dni je povprečni časovni interval med odkazilom in posekom v uporabljenih podatkih sanitarnih odkazil v študijskem območju. 3. Za vsak negativni primer smo izbrali zadnjo satelitsko sliko pred hipotetičnim datumom odkazila in prvo po hipotetičnem datumu poseka. Na lokaciji odkazila / poseka smo nato iz teh dveh slik vzorčili slikovne piksle za T0 in za T1 na enak način kot za pozitivne primere. 4. Korake (1) do (3) smo ponavljali, dokler ni bilo število negativnih primerov v vzorcu enako številu pozitivnih primerov. Preglednica 3: Matrike napak modela posekov (sanacije žarišč) glede na način vzorčenja ter iz njih izračunaani točnosti modelov. Matrike napak so določene glede na testni vzorec. Na lokaciji Napovedano stanje Vsota Dejansko stanje 208 54 262 56 213 269 Vsota 264 267 531 Točnost napovedi = 79,3% Okolica 3x3 Napovedano stanje Vsota Dejansko stanje 2171 192 2363 277 2119 2396 Vsota 2448 2311 4759 Točnost napovedi = 90,1% Okolica 5x5 Napovedano stanje Vsota Dejansko stanje 6201 476 6677 656 5957 6613 Vsota 6857 6433 13290 Točnost napovedi = 91,5% Glede na polmer zajema satelitskih podatkov (piksel na lokaciji odkazila, okolica lokacije 3 x 3 piksle in okolica 5 x 5 pikslov) smo primerjalno izdelali tri različne vzorce za učenje modela in z vsakim izdelali poseben model. Število pikslov v posameznem vzorcu je segalo od 531 do 13290. Za končni model smo izbrali model na podlagi vzorčenja slike v okolici 3 x 3 piksle in točnostjo klasifikacij 90,1%, kot optimalen kompromis med prostorsko podrobnostjo in točnostjo napovedi (Preglednica 3). Model je dosegljiv na spletnem naslovu https://www.zdravgozd.si/projekti/podlubniki/slike/sentinel posek/model.zip. Z modelom smo izračunali vrsto kart poseka na študijskem območju za trimesečne intervale med junijem 2016 in oktobrom 2018. Model ima prostorsko ločljivost enako vhodnim podatkom, to je 20 m. V primeru rekalibracije s podatki za širše območje in daljše obdobje bi omogočal ažurno in neodvisno spremljanje sanitarnih posekov v poljubnem območju in obdobju. Omejitev pri tem pa je lahko oblačnost na uporabljenih parih satelitskih slik. Implementacija modela, ki služi za izračun modelnih kart, je bila napisana v jeziku Python v izvirnem orodju Sentinel_posek_arff. V to orodje smo vključili tudi funkcije, ki omogočajo hitro izdelavo novih trenažnih vzorceh v primeru rekalibracije modelov z dodatnimi novimi podatki ter funkcijo za reklasifikacijo modelnih kart. Slednja funkcija je namenjena percentilni reklasifikaciji modelnih kart. Ta vse piksle na karti razvrsti po vrednosti napovedanega sanitarnega poseka in jih nato prerazporedi v percentilne razrede 0-50 %, 50-75 %, 75-87,5 % in tako naprej. S tem naredi modelne karte vizualno lažje primerljive med različnimi datumi. Percentilno reklasificirane modelne karte odkazila smreke so dosegljive na spletnem naslovu https://www.zdravgozd.si/projekti/podlubniki/sentinel2 posek.aspx. 1.1.4 Podatki in vegetacijski produkti satelita MODIS za 2002-2018 in za območje Slovenije (sprotna obdelava in dostava za spletno aplikacijo) in satelita Sentinel-2 za 2015-2018 za območje GGE Koče in Gotenica Projektni partner ZRC SAZU je sproti pripravljal in dostavljal satelitske podatke za proučevanje žarišč napada podlubnikov. Za leta 2016-2019 je iz javnih repozitorijev satelitskih podatkov prevzel in obdelal podatke satelita MODIS (s satelitom upravlja NASA) za celotno območje Slovenije in podatke satelita Sentinel-2 (s satelitom upravlja ESA), za območje dveh gozdno gospodarskih enot na Kočevskem (GGE Gotenica in GGE Koče). Satelitske podatke so obdelali do te mere, da so lahko neposredno uporabljeni in združljivi z drugimi podatki v državnem koordinatnem sistemu. Osnovni vir informacij so satelitski podatki satelitov Sentinel-2, ki so bili nedavno izstreljeni v okviru programa Kopernik. Velika količina prosto in hitro dostopnih podatkov, ki jih ti sateliti zagotavljajo, daje nepredstavljivo bogastvo informacij. Pomembno je tudi dejstvo, da je že odobreno financiranje naslednje generacije satelitov, kar zagotavlja dostop do informacij na dolgi rok. V projektu smo uporabili podatke satelitov Sentinel-2 (od 2015, optični, časovno in prostorsko visokoločljivi), predvsem za podrobnejše študije zmožnosti uporabe teh podatkov za odkrivanje prizadetosti oziroma napadenosti gozdov s podlubniki. Za zagotovitev dolge časovne vrste pa smo uporabili tudi podatke senzorja MODIS Nasinih satelitov Terra in Aqua (dostopni od leta 2000, optični, časovno zelo visoko ločljivi, prostorsko nizko ločljivi). Prostorska ločljivost naštetih satelitov je torej med 10 m in 1000 m, čas ponovnega obiska pa je med enim in tremi dnevi za par satelitov. Za območje celotne Slovenije smo uporabili obstoječe prosto dostopne in brezplačne podatkovne vire optičnega satelita MODIS. Prevzamemo jih preko enega izmed repozitorijev ameriške agencije United States Geological Survey (USGS), običajno preko sestavljanja večjih (t.i. bulk) naročil v formatih CSV ali XML. Produkte MODIS prenesemo v lokalno zbirko podatkov, ta obsega več kot 5000 različnih produktov za obdobje 2000-2018, nato pa z algoritmom za obdelavo MODIS produktov opravimo projekcijo v državni koordinatni sistem (GK projekcija), izvedemo združitev oz. mozaičenje dveh sosednjih granul skupaj z izrezom na območje Slovenije ter vegetacijske produkte opremimo še z masko oblakov in drugih, z vidika vegetacije neveljavnih vrednosti. Naše glavno orodje za razvoj MODIS produktov je EXELIS ENVI + IDL, zato je bila večina obdelave napisana v programu IDL. Vhodni podatek je MODIS-ov produkt MCD15A3H. Gre za globalni 4-dnevni kompozitni produkt za fAPAR in LAI. Produkt je kombiniran iz obeh MODIS-ovih satelitov Terra in Aqua, v ločljivosti 500 m ter sinusoidalni projekciji. Za Slovenijo je bilo od julija 2002 do konca leta 2018 na voljo 3030 produktov MCD15A3H, verzija obdelave 006 (to je trenutno aktualna verzija procesne verige pri USGS oz. NASA). Koraki obdelave so bili naslednji: 1. reprojekcija: sinusoidalna => WGS84 => državni koordinatni sistem D48GK 2. prevzorčenje: 500 m => 250 m (z Nearest Neighbour) 3. mozaičenje: obe granuli iz MODIS-ove mreže (h18v04 in h19v04) v skupno datoteko 4. prostorski izrez: Slovenija z baferjem 5. spektralni izrez: 6 kanalov => 4 kanali => 2 kanala (fAPAR, LAI) 6. format in enote: Byte => Float (vrednosti so dejanske fizikalne vrednosti) 7. maskiranje neveljavnih vrednosti: vsem neveljavnim pikslom (oblaki, ne-vegetacija, morje, sneg, urbano, slaba kakovost) je dodeljena vrednost -2,0. Izhodni podatek je 1515 datotek MCD15A3_YYYYMMDD_4DAYS_FAPAR_LAI.TIF za obdobje od julija 2002 do konca leta 2018, ločljivosti 250 m, v državnem koordinatnem sistemu D48GK. Datum veljavnosti je naveden v imenu datoteke (MCD15A3_YYYYMMDD_...) in pomeni, da je bil podatek zajet na navedeni dan oziroma 1, 2 ali 3 dni kasneje. Vrednosti pikslov po obeh izhodnih kanalih so naslednje: • kanal 1: fAPAR, fizikalne vrednosti 0,0 do 1,0, no-data vrednost -2,0; • kanal 2: LAI, fizikalne vrednosti 0,0 do 10,0, no-data vrednost -2,0. Možne nadgradnje v postopku obdelave: • Dodati sloj, ki za vsak piksel javlja kakovost (pet-stopenjska lestvica SCF_QC; to so biti 5-7 v sloju FparLAI_QC). • Upoštevanje drugih parametrov kakovosti za vsak piksel (opomba: se pa izdatno pokrivajo z že uporabljenimi parametri). Vhodni podatek sta MODIS-ova produkta MOD13Q1 in MYD13Q1. Gre za globalna 16-dnevna produkta za indeksa NDVI in EVI. Produkta se proizvajata ločeno za vsakega od obeh MODIS satelitov (zajemi od satelita Terra so podani v MOD13Q1, zajemi od satelita Aqua pa v MYD13Q1), v ločljivosti 250 m ter sinusoidalni projekciji. Kompoziti MYD13Q1 se izdelujejo z osem-dnevnim zamikom glede na MOD13Q1 (MOD13Q1: 1., 17., ...; MYD13Q1 pa 9., 25., ...). Glej še zadnjo alinejo točke Možne nadgradnje. Za Slovenijo je bilo do konca leta 2018 na voljo 868 produktov MOD13Q1 (začenši s februarjem 2000) ter 760 produktov MYD13Q1 (začenši z julijem 2002), oboje verzija obdelave 006 (to je trenutno aktualna verzija procesne verige pri USGS oz. NASA). Koraki obdelave so bili naslednji: 1. reprojekcija: sinusoidalna => WGS84 => državni koordinatni sistem D48GK 2. prevzorčenje: 500 m => 250 m (z Nearest Neighbour) 3. mozaičenje: obe granuli iz MODIS-ove mreže (h18v04 in h19v04) v skupno datoteko 4. prostorski izrez: Slovenija z baferjem 5. spektralni izrez: 12 kanalov => 4 kanali => 2 kanala (NDVI, EVI) 6. format in enote: 16-bit Integer => Float (vrednosti so dejanske fizikalne vrednosti) 7. maskiranje neveljavnih vrednosti: vsem neveljavnim pikslom (oblaki, morje, sneg, slaba kakovost) je dodeljena vrednost -2,0. Izhodni podatek je 434 datotek MYD13Q1 _YYYYMMDD_16DAYS_NDVI_EVI.TIF za obdobje od februarja 2000 do konca leta 2018, ter 380 datotek MYD13Q1 _YYYYMMDD_*.TIF za obdobje od julija 2002 do konca leta 2018, ločljivosti 250 m, v državnem koordinatnem sistemu D48GK. Datum veljavnosti, naveden v imenu datoteke, pomeni, da je bil podatek zajet na navedeni dan oziroma 1, 2, 3 ... 14 ali 15 dni kasneje (torej v intervalu od DD do DD+15, če zapišemo poenostavljeno; v resnici je treba upoštevati še preskok meseca). Vrednosti pikslov po obeh izhodnih kanalih so naslednje: • kanal 1: NDVI, fizikalne vrednosti -0,2 do 1,0, no-data vrednost -2,0; • kanal 2: EVI, fizikalne vrednosti -0,2 do 1,0, no-data vrednost -2.0. Možne nadgradnje: • Dodati sloj, ki za vsak piksel javlja kakovost (enajst-stopenjska lestvica VI Usefulness; to so biti 2-5 v sloju VI Quality). • Upoštevanje drugih parametrov kakovosti za vsak piksel (opomba: se pa izdatno pokrivajo z že uporabljenimi parametri). • Dodati sloj, ki za vsak piksel kaže, kateri dan je bil piksel zajet. To je važno zaradi dolgega intervala kompozita. Ker je interval 16-dnevni, se namreč lahko zgodi, da je med sosednjima podatkoma 2 dni (preblizu) ali pa 30 dni (predaleč narazen). Za obe dogovorjeni območji GGE Gotenica in GGE Koče smo uporabili obstoječe prosto dostopne in brezplačne podatkovne vire optičnega satelita Sentinel-2 (S-2). Delo s časovnim nizom S-2 podatkov vključuje obdelavo velikih količin podatkov. Prevzamemo jih preko skupnega repozitorija Evropskega programa Kopernik in Evropske vesoljske agencije, Copernicus Open Acces hub (https://scihub.copernicus.eu/). Uporabljamo način dostopa API hub, za redni masovni prevzem podatkov satelita Sentinel-2. Produkte Sentinel-2 prenesemo v lokalno zbirko podatkov, ta obsega več kot 2800 granul za obdobje 2015-2018, nato pa z avtomatsko procesno verigo STORM (ZRC SAZU) opravimo projekcijo v državni koordinatni sistem (GK projekcija) ter izračunamo radiometrične popravke. Posnetki S-2, ki jih prenesemo iz repozitorija, so predobdelani do stopnje 1LC (Level-1C), to pomeni, da so posnetki že ortorektificirani ter preprojecirani v projekcijo UTM. Deklarirana položajna natančnost S-2 posnetkov je povprečno pol piksla (okoli 10 m). Vključujejo tudi radiometrične popravke senzorja, ne pa atmosferskih in topografskih popravkov (tj. stopnja 2LA oz. Level-2A). Prvi korak torej vključuje prenos vseh satelitskih produktov (t.i. granul), ki so dostopni za izbrani območji GGE (Slika 10). Velikost granule je približno 100 x 100 km2 območje, volumen ene granule zavzame približno 600 MB. Granule so fiksni razrezi na območja znotraj ene orbite, ki vsebujejo podatke vseh spektralnih kanalov senzorja. Granule so lahko v celoti ali delno prekrite s slikovnimi podatki. Delno pokrite ustrezajo tistim, ki so na robu orbite. V podatkovnem paketu granule so pomembni metapodaki, po katerih naredimo ožji ali ciljni izbor (npr. izrazito oblačnih posnetkov ne prevzamemo). Slika 10: Dogovorjeno območje za proučevanje napadenosti s podlubniki GGE Gotenica in GGE Koče ter shema pokritosti Slovenije s Sentinel-2 granulami. Vsi preneseni podatki so shranjeni lokalno in nato obdelani s procesno verigo STORM (ZRC SAZU). Za potrebe projekta ne izvedemo geometričnih popravkov, saj te naredijo že v Copernicusovi procesni verigi. Poleg izreza in reprojekcije v državno projekcijo izvedemo torej zgolj radiometrične popravke. Radiometrični popravki se nanašajo na odpravo vpliva atmosfere, skozi katere potuje zajeta svetloba - atmosferske popravke, in popravke zaradi različne osvetlitve površja zaradi nagnjenosti pobočij in smeri Sončevega obseva - topografsko normalizacijo. Slika 11: Shema procesne verige STORM. STORM je namenjen procesiranju satelitskih posnetkov različnih senzorjev, zato je v svoji sestavi in procesni logiki modularen. Pri obdelavi posnetkov Sentinel-2 se npr. izvede le spodnji del obdelav, saj je posnetek, dobljen v Copernicusovem repozitoriju, že ortorektificiran. Rezultat je večnivojski izdelek, izrezan za območje GGE Gotenica in GGE Koče, ki vsebuje atmosfersko popravljene podatke spektralnih kanalov v izvorni 10 m prostorski ločljivosti, atmosfersko popravljene podatke spektralnih kanalov v izvorni 20 m ločljivosti ter atmosfersko in topografsko popravljene podatke Sentinel-2 v 10 in 20 m izvorni prostorski ločljivosti, skupaj z metapodatkovnim izpiskom procesiranja in statistiko kakovosti podatkov (delež oblačnosti, senc, neuporabnih podatkov). Rezultat obdelave posnetkov s procesno verigo STORM so posnetki enakovredni stopnji 2A: so ortorektificirani atmosfersko popravljeni posnetki, ki imajo dodano masko oblakov. Dodatna stopnja, ki je javni repozitoriji ne ponujajo, pa so topografsko popravljeni podatki (Slika 3). Maska oblakov, ki je produkt modula za atmosferske popravke procesne verige STORM, je pomemben vhodni podatek za analize. Z masko lahko odstranimo območja, ki jih prekrivajo oblaki, sence oblakov, cirusi ali sneg in so lahko za analize moteči. Pomembno je, da je maska oblakov visoke kakovosti, gre pa za enega najbolj kompleksnih postopkov v obdelavi podatkov satelitskih posnetkov. Produkte Sentinel-2, ki so obremenjeni manj kot 75 % (sicer bi bilo posnetkov premalo za zvezno časovno vrsto), smo v približno letnih presledkih dostavili na Gozdarski inštitut Slovenije v pregled in nadaljno obravnavo. Predane so vse 4 različice: • _atm_10m (atmosfersko popravljeni podatki, za spektralne kanale v 10 m ločljivosti), • _atm_20m (atmosfersko popravljeni podatki, za spektralne kanale v 20 m ločljivosti), • _atm_topo_10m (atmosfersko in topografsko popravljeni podatki, za spektralne kanale v 10 m ločljivosti) ter • _atm_topo_20m (atmosfersko in topografsko popravljeni podatki, za spektralne kanale v 20 m ločljivosti). Ugotavljamo, da je za obravnavano območje GGE Gotenica in GGE Koče oblačnost nekoliko nadpovprečna, iz serije Sentinel-2 podatkov na 10 dni (kasneje na 5 dni), je namreč za časovno obdobje 2015-2018 uporabnih le 40-50 datumov. Za pripravo podatkov smo torej uporabili vse posnetke S-2A in S-2B, ki so pokriti z oblaki manj kot 75 % in dostopni od leta 2015 do konca leta 2019 (zadnje leto je še v teku). Za leto 2015 je na voljo le manjše število posnetkov, saj je takrat postal satelit S-2A operativen, po marcu 2017 je razpoložljivih posnetkov več, saj se je senzorju S-2A pridružil tudi S-2B. Oba satelita na krovu nosita enak senzor, s čimer je zagotovljena zelo visoka primerljivost in radiometrična podobnost podatkov obeh senzorjev. Slika 12: Topografski popravki so tisti popravki, kjer skušamo odpraviti vpliv terena na vrednosti satelitskih meritev. Pri metodi, ki je plod znanja strokovnjakov ZRC SAZU, ne upoštevamo zgolj klasičnih popravkov osvetljenih delov, ampak tudi osenčene dele, svetlost (oz. stopnjo svetlobne anizotropnosti) neba ter razmerje med direktno ter difuzno svetlobo. Model je zelo kompleksen, in temelji na iskanju najbolj ustrezne statistike. Možne nadgradnje, izboljšave za podatke S-2: • Pridobivanje ne-ortorektificiranih podatkov (stopnja obdelave nižja od L1C) ali dodatno fino prostorsko umeščanje posnetkov Sentinel-2 (medsebojna registracija). Možne nadgradnje, izboljšave, splošno za pripravo in dostavo satelitskih podatkov zainteresiranim uporabnikom (Gozdarski inštitut Slovenije): • Mehanizem za popolnoma samodejno in ažurno vzdrževanje arhiva vseh podatkov Sentinel-2 ter podatkov MODIS za Slovenijo in okolico. • Avtomatizacija mehanizma za ažurno posredovanje satelitskih produktov h končnim uporabnikom. Statistični pregled podatkovne zbirke Sentinel-2 podaja nekaj splošnih ugotovitev. Le približno ena tretjina vseh posnetkov ima stopnjo oblačnosti manjšo od 30 %. Določena območja Slovenije so zaradi prekrivanja orbit bolje (dvakratno) prekrite, tam lahko pričakujemo primernejše in gostejše časovne vrste podatkov. Oba indikatorja velja upoštevati pri načrtovanju uporabe podatkov Sentinel-2 za dolgočasovne analize vegetacije. Nekaj statističnih značilnosti podatkovnih zbirk Sentinel-2 in MODIS podajamo v nadaljevanju. Satelita Sentinel-2 zajemata Slovenijo iz treh orbit (Slika 13). Iz orbite 022 zajemata zgolj zahodni del Slovenije, iz orbite 122 celotno Slovenijo, iz orbite 079 pa vzhodni del. Iz vsake orbite zajameta približno enako število posnetkov. Na sliki je dobro vidno prekrivanje orbit na skrajnem zahodu ter na vzhodu. Prekrivanje orbit ima za posledico to, da je število posnetkov na območju prekrivanja dvojno v primerjavi z območji brez prekrivanja. Osrednja Slovenija je torej posneta precej manjkrat. Slika 13: Tri orbite snemanj ter njihovih prekrivanj, iz katerih satelita Sentinel-2A in 2B zajemata Slovenijo. Skupni statistični podatki zajemov podajajo povzetek celotnega arhiva podatkov Sentinel-2. Na sliki (Slika 14) je na levi vidno skupno število granul na območju Slovenije ter število obdelanih map; obe številki sta za obdobje 4 let skoraj 3000. Vse to iz dobrih 500 zajemov satelitov S2A in S2B. V osrednjem delu je vseh dobrih 500 zajemov analizirano po različnih parametrih. Predvsem je zanimiv parameter oblačnosti (za komentar glej zgoraj). Zanemarljiv pa ni niti parameter "baseline", ki pove, s katero procesno verigo so pri Copernicusu te posnetke obdelali. Prva procesna veriga, ki naj bi dajala dovolj stabilne rezultate, je verzije 02.04. Vsi posnetki, obdelani s starejšimi verzijami procesne verige - običajno gre za posnetke iz 2015 - niso najbolj natančni, zato pri Copernicusu načrtujejo njihovo ponovno obdelavo z novejšo verzijo verige. Desni del stolpcev predstavlja sliko, koliko zajemov pride na zahodni, osrednji in vzodni del Slovenije (za komentar glej zgoraj, Slika 13). Slika 14: Skupni statistični podatki zajemov. Prvi satelit Sentinel-2 (S2A) je začel zajemati na polovici leta 2015. Prve pol leta je bil sistem v fazah testiranj, prilagajanj in iskanja optimalnih rešitev, kar se vidi tudi iz zelo nihajočega števila posnetkov na mesec (Slika 15). Tako lahko šele z letom 2016 govorimo o neki relativni stalnosti zajemov, nekako 8-10 na mesec za nek del Slovenije. V začetnih 16 mesecih je bil format dostave posnetkov precej neroden: v posameznem posnetku je bilo ogromno granul (angl. tile) - običajno velik del izven območja Slovenije - , kar je pomenilo, da so bili posnetki ogromni (velikosti tudi čez 7 GB); posledično je bilo prenašanje in procesiranje zelo zahtevno. V zadnji četrtini leta 2016 se je format dostave posnetkov zamenjal, Copernicus je prešel na format ena granula na posnetek, kar je zelo olajšalo rokovanje s posnetki in njihovo obdelavo. Podatki od drugega satelita Sentinel-2 (S2B) so postali dostopni z drugo polovico leta 2017. S tem je število posnetkov vsaj dela ozemlja Slovenije naraslo na zavidljivih 16-19 na mesec. Pri tem pa je treba omeniti vsaj dvoje. Prvič, območje Slovenije oba satelita Sentinel snemata iz treh različnih orbit. Tako iz orbite 022 zajemata zgolj zahodni del Slovenije, iz orbite 122 celotno Slovenijo, iz orbite 079 pa vzhodni del (glej še sliko orbit). Število posnetkov na mesec torej ne pomeni, da je bila tolikokrat zajeta vsaka točka v Sloveniji. Za osrednji del Slovenije, kjer ni prekrivanja orbit, je številka nekako tretjino, torej 5-7 na mesec; za zahodni in vzhodni del, kjer se orbite prekrivajo, pa nekako dve tretjini, torej 10-14 na mesec (Slika 15). Drugič, uporabnost optičnih posnetkov je odvisna od količine oblakov (Slika 14). Najbolj temni deli stolpcev na sliki pomenijo oblačnost od 0 do 10 %, zelo uporaben posnetek. Takih posnetkov je v vremensko neugodnih mesecih zgolj 1 do 3 za nek del Slovenije. Tudi če dodamo še posnetke z oblačnostjo 10 do 30 % (srednje temni deli stolpcev), je skupno število uporabnih posnetkov lahko kritično majhno, če želimo slediti specifičnemu pojavu (npr. stanju gozdov, zdravem razvoju vegetacije) na točno določenem območju. Slika 15: Število zajemov posnetkov Sentinel-2 na mesec za območje Slovenije za obdobje 2015-2018. Povzetek obremenjenosti podatkov MODIS z oblaki (Slika 16). Najbolj temni deli stolpcev na sliki pomenijo oblačnost od 0 do 10 %, zelo uporaben posnetek. Vidimo lahko tudi, da je razpoložljivost uporabnih informacij lahko različna med leti. Največ uporabnih podatkov (z vidika neobremenjenosti z oblaki) lahko pričakujemo v drugem, še bolj pa v tretjem kvartalu, to je v mesecih julij, avgust, september. Slika 16: Število zajemov posnetkov MODIS na kvartal leta za območje Slovenije za obdobje 2017 in 2018. 1.2 Aktivnost 2.2: Spremljanje žarišč podlubnikov z brezpilotnim letalom ali ortokopterjem Odgovorna oseba: Andrej Kobler Udeležena inštitucija: GIS in podizvajalci za snemanje z brezpilotnimi letalniki Na študiji primerov smo ugotovili uporabnost brezpilotnega letala ali ortokopterja (v nadaljevanju letalnika), opremljenega z multispektralno kamero za vidni del in bližnji IR del svetlobnega spektra (MicaSense in Parrot Sequoia), za lokalno periodično zaznavanje/spremljanje različnih faz napada podlubnikov na ravni drevesa ali gozdnega sestoja. V času vegetacijske dobe med leti 2017 in 2019 smo na vzorčnih ploskvah z različnimi brezpilotnimi letalniki v vidnem in IR spektru fotografirali smrekove sestoje v različnih fazah napadenosti in fotografije z fotogrametričnim orodjem pretvorili v digitalne orto-fotografije (DOF) in v digitalne modele površin (DSM). S sočasnim terenskim beleženjem stanja vsakega drevesa na vzorčnih ploskvah (glej poglavje Zbirka referenčnih podatkov za brezpilotni letalnik) smo analizirali prepoznavnost različnih faz napada podlubnikov iz zraka na ravni posameznega drevesa in sestoja. Izdelali smo modele, ki povezujejo multispektralne digitalne ortofotografije (DOF) brezpilotnih letalnikov s stopnjo osutosti in obarvanosti krošnje zaradi napada podlubnikov. Analizirali smo vplive prostorske ločljivosti DOF in uporabljenih pojasnjevalnih podatkov na zaznavanje stopnje napada ter na stroške spremljanja z letalnikom. Izdelali smo ocene stroškov spremljanja žarišč smrekovih in jelovih podlubnikov z multikopterjem pri različnih scenarijih (nakup drona in lastno snemanje in obdelava podatkov, najem storitve snemanja in lastna obdelava podatkov). Rezultat aktivnosti je tudi elaborat z naslovom Uporabnost brezpilotnih letalnikov za spremljanje žarišč smrekovih in jelovih podlubnikov. Uporabili smo tri različne kombinacije letalnika, fotografske kamere in fotogrametričnih orodij: 1. Gozdarski inštitut je posnel del žarišč z ortokopterjem MD4-1000 proizvajalca Microdrones GmbH (Slika 17) v kombinaciji s multispektralno kamero MicaSense (Slika 20), ki snema v petih delih spektra: modri, zeleni, rdeči, NIR in red edge in prostorsko ločljivostjo reda velikosti nekaj centimetrov (odvisno od višine leta). Za pretvorbo letalskih slik v DOF in 3D digitalni model površin (DMP) je bilo uporabljeno orodje Agisoft Professional. 2. Podizvajalec snemanja podjetje C-astral je uporabljal brezpilotno letalo lastne konstrukcije Bramor (Slika 18) v kombinaciji s multispektralno kamero MicaSense. C-astral je sam poskrbel tudi za izdelavo DOF in DSM z orodjem PIX4Dmapper. 3. Podizvajlec ElevonX je uporabljal brezpilotno letalo lastne konstrukcije SkyEye (Slika 19) v kombinaciji s multispektralno kamero Parrot Sequoia (Slika 20), ki je podobnih lastnosti kot MicaSense, le da ne ponuja modrega slikovnega kanala. Lokacije in datume žarišč, kjer je bila uporabljena posamezna kombinacija, prikazuje Preglednica 4. Iz preglednice je razvidno, da je od treh gornjih kombinacij (ortokopter GIS + MicaSense) prva pokrivala najbolj heterogene smrekove sestoje (Kalce, Logatec in Črni vrh na Notranjskem in Pokljuka v Alpah), druga (krilati letalnik C-astral + MicaSense) le alpski gozd (Pokljuka in Jelovica), tretja kombinacija (krilati letalnik ElevonX + Parrot Sequoia) pa le eno ploskev ob robu Ljubljanskega Barja, vendar v štirih zaporednih snemanjih. Vzroki za razlike v geografskim pokrivanju niso bili vsebinski ampak logistični in finančni. Na terenskih popisih za 4-kratno snemanje Pijave gorice (tretja kombinacija zgoraj) smo beležili le stanje napadenosti krošnje, kjer smo beležili 4 stopnje: 0 - zdravo drevo, 1 -drevo napadeno brez vidnega obarvanja krošnje (»zelena faza«), 2 - drevo napadeno z obarvanjem krošnje (»rdeča faza«), 3 - odmrlo drevo (»siva faza«). Uporabljeni letalniki pripadajo dvema različnima kategorijama, ki se razlikujeta po svojih temeljnih značilnostih. Letalnik Microdrones MD4-1000 spada v kategorijo ortokopterjev, letalnik C-astral Bramor in ElewvonX SkyEye pa v kategorijo krilatih letalnikov (letal). Ključne razlike med kategorijama so: 1. Krilati letalniki so aerodinamično bolj učinkoviti, zato imajo daljšo avtonomijo in večji doseg, letijo hitreje, v enem poletu lahko posnamejo veliko večjo površino. Načeloma stanejo več od ortokopterjev, a je cena podatkov merjena na hektar nižja. Primerni so za regionalna velikopovršinska snemanja. 2. Ortokopterji ne zahtevajo katapulta in ne potrebujejo veliko prostora za vzlet, so enostavnejši za uporabo, večji modeli kot je na primer Microdrones MD4-1000 imajo podobno nosilnost kot krilati letalniki. Načeloma so cenejši od krilatih letalnikov, a je zaradi manjše avtonomije cena podatkov na hektar višja. Primerni so za lokalna malopovršinska snemanja. Ne glede na opisane lastnosti obeh kategorij pa je trenutno glavna omejitev uporabe letalnikov Uredba o sistemih brezpilotnih zrakoplovov, Uradni list RS, št. 52/2016, ki dopušča le letenje v vidnem polju in še to le do 500 m daleč. S tem je predvsem prizadeta uporabnost krilatih letalnikov, ki po svojih tehničnih lastnostih omogočajo regionalni doseg in bi bili ob manj restriktivnih predpisih cenovno ugodnejša konkurenca snemanjem z ultralahkimi letali. Slika 17: Ortokopter MD4-1000 proizvajalca Microdrones GmbH (foto Microdrones). Slika 18: Brezpilotni krilati letalnik C-astral Bramor in pripadajoči katapult za izstrelitev (foto C-astral). Slika 19: Brezpilotni krilati letalnik ElevonX SkyEye in pripadajoči katapult za izstrelitev (foto ElevonX). Slika 20: Uporabljeni multispektralni kameri MicaSense (levo) in ParrotSequoia (desno). MicaSense snema v petih delih spektra: modri, zeleni, rdeči, NIR in red edge in s prostorsko ločljivostjo reda velikosti nekaj centimetrov (odvisno od višine leta). Parrot Sequoia je podobnih lastnosti kot MicaSense, le da ne ponuja modrega slikovnega kanala. Obe kameri omogočata kalibracijo slik glede na svetlobne razmere ter beleženje lokacije posnetka z vgrajenim GPS (foto MicaSense, Parrot). Ansambelski model v obliki random forest, sestavljen iz 100 regresijskih dreves, smo izdelali z odprtokodnim orodjem za strojno učenje CLUS 2.7 (https://dtai.cs.kuleuven.be/clus/index.html). Ciljni spremenljivki sta bili barva oziroma razbarvanost krošnje ter osutost krošnje, iz zraka vidna kazalnika napadenosti drevesa s podlubnikom. Poleg petih spektralnih kanalov (štirih za Parrot Sequoia) smo izračunali še vegetacijske indekse NDVI in EVI (za Parrot Sequoia le NDVI, ker EVI za izračun potrebuje tudi modri kanal). Pojasnjevalne spremenljivke so bile za vsak multispektralni kanal in vegetacijski indeks izračunane kot statistični povzetki (aritmetična sredina in standardni odklon) pikslov znotraj različnih polmerov okoli lokacije drevesa. Uporabili smo naslednje vrednosti polmerov: 1 m, 2 m, 4 m, 8 m. Kombinacinje treh letalnikov in dveh kamer zaradi režimov načinov leta in različnih kamer niso bile primerljive in jih ni bilo mogoče uporabiti za trenažo skupnega modela. Zato smo iz zbranih terenskih in letalskih podatkov ustvarili tri trenažne množice in iz njih tri različne modele: • za devet žarišč na Notranjskem in v Alpah. Model je temeljil na 253 terensko popisanih drevesih. Točnost modela, ocenjena na testnih podatkih, je znašala 74,7 % za kategorijo obarvanosti krošnje in 51,1 % za kategorijo osutosti krošnje. • za pet žarišč v Alpah. Model je temeljil na 260 terensko popisanih drevesih. Točnost modela, ocenjena na testnih podatkih, je znašala 66,2 % za kategorijo obarvanosti krošnje in 44,6 % za kategorijo osutosti krošnje. • za eno žarišče ob Ljubljanskem barju. Model je temeljil na 118 terensko popisanih drevesih. Točnost modela, ocenjena na testnih podatkih, je znašala 67,8 % za kategorijo napadenosti krošnje. Implementacija obeh modelov, ki služi za modelnih kart, je bila napisana v jeziku Python v izvirnem orodju Dron_model. Modelne karte za nekatera od popisanih žarišč so dosegljive na spletnem naslovu https://www.zdravgozd.si/projekti/podlubniki/dron model.aspx. Spremljanje žarišč z brezzpilotnimi letalniki je bolj podrobno obdelano v elaboratu »Uporabnost brezpilotnih letalnikov za spremljanje žarišč smrekovih in jelovih podlubnikov«. Rezultat aktivnosti: • Uporabnost brezpilotnih letalnikov za spremljanje žarišč smrekovih in jelovih podlubnikov (elaborat). Elaborat je na voljo na spletnem naslovu https://www.zdravgozd.si/projekti/podlubniki/rezultati.aspx 1.3 Aktivnost 2.3: Referenčni podatki iz terena Odgovorna oseba: Andrej Kobler Udeležene inštitucije: GIS, ZGS Zbrali smo referenčne podatke za kalibracijo modelov za ocenjevanje napadenosti s podlubniki na ravni države in regije iz satelitskih podatkov MODIS in Sentinel-2 ter za analizo prepoznavnosti in modeliranje stopnje napadenosti dreves / sestoja iz podatkov brezpilotnega letalnika. Rezultat aktivnosti: • Zbirka referenčnih podatkov za Sentinel-2 • Zbirka referenčnih podatkov za MODIS • Zbirka referenčnih podatkov za brezpilotni letalnik 1.3.1 Zbirka referenčnih podatkov za Sentinel-2 Kot referenčni terenski podatek za izdelavo modela sanitarnih odkazil na podlagi satelitskih podatkov Sentinel-2 smo privzeli zapise sanitarnih odkazil smreke zaradi podlubnikov znotraj študijskega območja na Kočevskem (glej poglavje Model trenutne stopnje napadenosti (Sentinel-2)). Upoštevali smo tiste zapise v zbirki xTi (ZGS), ki so vsebovali veljaven podatek o koordinatah lokacije odkazila. Takih je bilo 977 oziroma 33 % vseh (Slika 21). Za primerjavo - na ravni Slovenije ta podatek znaša 10% (Slika 22). Slika 21: Prostorska porazdelitev referenčnih podatkov sanitarnega odkazila smreke med leti 2015 in 2018 v očrtanem pravokotniku okoli GGE Koče in Gotenica. Prikazanih je 977 odkazil z znanimi koordinatami, kakršnih je na tem področju približno 33%. Za model sanitarnega poseka na podlagi satelitskih podatkov Sentinel-2 taista zbirka podatkov nudi tudi datum poseka. Negativne primere za trenažni vzorec sanitarnega poseka smo pridobili po naslednjem algoritmu: 1. Okoli lokacije vsakega pozitivnega primera smo ustvarili izključitveno območje s polmerom 100 m. Potencialne lokacije za negativne primere smo slučajnostno izbirali znotraj preostalega gozda (koda 2000 znotraj zbirke podatkov kmetijske rabe MKGP). 2. Slučajnostno smo izbrali eno od let med 2016 in 2018 in znotraj izbranega leta kot hipotetični datum sanitarnega odkazila slučajnostno izbrali datum med začetkom marca in koncem oktobra. Ta sezonski interval smo prevzeli glede na zabeleženo časovno porazdelitev sanitarnih odkazil v študijskem območju (Slika 6). Hipotetični datum prevzema smo določili 45 dni po hipotetičnem odkazilu. 45 dni je povprečni časovni interval med odkazilom in posekom v uporabljenih podatkih sanitarnih odkazil v študijskem območju. 3. Za vsak negativni primer smo izbrali zadnjo satelitsko sliko pred hipotetičnim datumom odkazila in prvo po hipotetičnem datumu poseka. Na lokaciji odkazila / poseka smo nato iz teh dveh slik vzorčili slikovne piklsle za T0 in za T1 na enak način kot za pozitivne primere. 4. Korake (1) do (3) smo ponavljali, dokler ni bilo število negativnih primerov v vzorcu enako številu pozitivnih primerov. 1.3.2 Zbirka referenčnih podatkov za MODIS Referenčne podatke za učenje modela skupne letne količine sanitarnih odkazil smreke na podlagi podatkov satelita MODIS smo pridobili iz evidence sanitarnih posekov xTi (Slika 22), kjer pa zaradi majhnega merila analize odsotnost koordinat lokacije odkazila pri devetih desetinah zapisov v xTi ni bila ovira. Zapise smo locirali na podlagi šifer in centroidov pripadajočih odsekov in jih povzeli na ravni kvadratnega kilometra. Rastrski povzetek sanitarnega poseka na letni ravni je bil narejen za leta od 2002 do 2017 (Slika 23). Slika 22: Prostorska porazdelitev referenčnih podatkov sanitarnega odkazila smreke med leti 2010 in 2018. Prikazane so le lokacije z znanimi koordinatami, kakršnih je približno 10% celotne zbirke podatkov. Prikazane so meje OE, zeleno pa je obarvano študijsko območje veljavnosti modelov na podlagi podatkov satelita Sentinel-2. Slika 23: Primer referenčne rastrske karte skupnega sanitarnega poseka smreke [m3/ha] v letu 2015, izdelana z agregacijo podatkov iz zbirke podatkov xTi (ZGS). Prostorska ločljivost karte je 1 km. 1.3.3 Zbirka referenčnih podatkov za brezpilotni letalnik Referenčne podatke za učenje modelov iz podatkov zbranih z brezpilotnimi letalniki smo zbrali na ravni posameznih dreves na 15 žariščih podlubnika, na nekaterih večkrat zaporedoma, tako da je bilo vseh popisov žarišč 24. Zračnih posnetkov nekaterih žarišč žal nismo mogli uporabiti, ker so bile talne oslonilne točke, potrebne za fotogrametrično obdelavo premaknjene ali nevidne zaradi vetra, vandalov ali zasenčenja. Geografsko porazdelitev uporabljenih žarišč prikazuje slika 24. Na ploskvi smo popisali lokacije in stanje vseh lubadark (večinoma smreke, nekaj jelk) in približno enako število zdravih dreves. Žarišča smo izbirali po naslednjih kriterijih: • Sestoj je v razvojni fazi starejši drogovnjak do debeljak. • Zaznane so bile lubadarke v zgodnjih fazah napada, o čemer so nas obveščali sodelavci ZGS. • V času, ko so lubadarke še v zgodnji fazi, je moralo biti vreme primerno za letenje. • Območje letenja z brezpilotnim letalnikom je moralo biti izven letaliških kontrolnih con. • V bližini žarišča je moralo biti dovolj prostora za vzlet. • Letalnik mora biti med poletom pilotu viden (oziroma iz vzletišča). Uredba o sistemih brezpilotnih zrakoplovov, Uradni list RS, št. 52/2016, dopušča le letenje v vidnem polju in do 500 m daleč. Preglednica 4: Žarišča podlubnikov, na ravni drevesa popisana na terenu in posneta z letalnikom iz zraka Lokacija Datum Snemalec Podatki letalnika uporabni? Uskovnica 19.jun.17 C-astral, Geavis, Gernot Da Mrzli studenec - sever 19.jun.17 C-astral Da Kalce 8.nov.17 Gozdarski inštitut Da Logatec 10.nov.17 Gozdarski inštitut Da Svibno 1 20.nov.17 Gozdarski inštitut Ne Svibno 4 20.nov.17 Gozdarski inštitut Ne Planina 22.nov.17 Gozdarski inštitut Da Črni vrh 1 24.nov.17 Gozdarski inštitut Da Črni vrh 2 24.nov.17 Gozdarski inštitut Da Črni vrh 3 24.nov.17 Gozdarski inštitut Da Lokacija Datum Snemalec Podatki letalnika uporabni? Mrzli studenec - Skladišče lese 22.avg.18 C-astral Da Mrzli studenec - Jug 28.avg.18 C-astral Da Mrzli studenec - Sever 28.avg.18 C-astral Da Rudno polje 28.avg.18 Gozdarski inštitut Da Jelovica 29.avg.18 C-astral Da Rudno polje 21.sep.18 Gozdarski inštitut Ne Mrzli studenec - Jug 25.sep.18 C-astral Da Mrzli studenec - Sever 25.sep.18 C-astral Da Mrzli studenec - Skladišče lese 25.sep.18 C-astral Da Jelovica 26.sep.18 C-astral Da Pijava gorica 7.jun.19 ElevonX Da Pijava gorica 13.jun.19 ElevonX Da Pijava gorica 20.jun.19 ElevonX Da Pijava gorica 11.jul.19 ElevonX Da Slika 24: Lokacije žarišč, uporabljenih v analizi. Popisovali smo le drevesa dominantnega sloja. Drevesa so bila dendrometrično popisana in locirana s tahimetrom in natančnim GPS. Stopnjo napadenosti in stanje dreves je bilo večinoma popisano na isti dan kot je bil opravljeno snemanje iz zraka z brezpilotnim letalnikom. Popisani so bili naslednji znaki napadenosti: osutost, porumenelost, prisotnost vhodnih odprtin, prisotnost izhodnih odprtin, prisotnost črvine, odstopanje skorje in smoljenje. Šifrant teh znakov opisuje Preglednica 5. Preglednica 5: Šifrant za popis znakov napadenosti dreves Osutost Razred Opis Osutost je okularno ocenjen delež (%) manjkajočih asimilacijskih organov (listov, iglic) v primerjavi z namišljenim normalnim drevesom istega socialnega položaja, iste drevesne vrste in z enakega rastišča. 0 ni (0-10 %) 1 šibka (10-25 %) 2 srednja (25-60 %) 3 močna (več kot 60 %) 4 odmrlo drevo Sprememba barve krošnje Razred Opis 0 ni sprememb v barvi iglic 1 šibka obarvanost na rumeno ali na sivo 2 močna obarvanost na rdečkasto ali rjavo 3 odmrlo drevo (popolnoma osuta krošnja) Prisotnost vhodnih odprtin na višini do 2 m Razred Opis Pomembno za oceno, kadar je dež spral vso črvino. 0 Ne 1 Da, manj kot 1 odprtina na 1 dm2 2 Da, več kot 1 odprtina na 1 dm2 Prisotnost izhodnih odprtin na višini do 2 m Razred Opis 0 Ne 1 Da Prisotnost črvine Razred Opis 0 Ne 1 Da, malo, črvina je težko opazna 2 Da, veliko Odstopanje skorje Razred Opis 0 Ne 1 Da, tik pod bazo krošnje 2 Da, pod bazo krošnje in niže po deblu Smoljenje pod bazo krošnje Razred Opis 0 Ne 1 Da Osutost zaradi drugega dejavnika (ne podlubnika) Razred Opis Osutost je okularno ocenjen delež (%) manjkajočih asimilacijskih organov (listov, iglic) v primerjavi z namišljenim normalnim drevesom istega socialnega položaja, iste drevesne vrste in z enakega rastišča. 0 ni (0-10 %) 1 šibka (10-25 %) 2 srednja (25-60 %) 3 močna (več kot 60 %) 4 odmrlo drevo Dodaten vzrok osutosti krošnje Navedemo glavni dejavnik osutosti krošnje zaradi drugega dejavnika (točka 8). Navedemo lahko več vzrokov, po vrstnem redu glede na pomembnost. Štirje zaporedni terenski popisi dreves žarišča Pjava gorica so se razlikovali od vseh drugih. Drevesa nismo locirali s tahimetrom, ampak s kombinacijo terenske meritve z GPS in kasnejšo identifikacijo drevesa na DOF (zaradi več metrov napake GPS pod krošnjami). Od znakov drevesa smo beležili le napadenost in sicer s štirimi stopnjami: 0 - zdravo drevo, 1 - drevo napadeno z vidno črvino in brez vidnega obarvanja krošnje (»zelena faza«), 2 - drevo napadeno z vidno črvino in z obarvanjem krošnje (»rdeča faza«), 3 - odmrlo drevo (»siva faza«). 1.4 Aktivnost 2.4: Spletna aplikacija Odgovorna oseba: Nikica Ogris Udeležena inštitucija: GIS V okviru aktivnosti 2.4 smo pripravili več spletnih aplikacij, s katerimi smo objavili rezultate DS2. Spletne interaktivne aplikacije smo objavili v okviru spletnega portala za varstvo gozdov (www.zdravgozd.si). Rezultat aktivnosti 2.4 je 7 spletnih aplikacij, ki jih predstavljamo v nadaljevanju. 1.4.1 Spremljanje žarišč smrekovih podlubnikov s pomočjo satelitskih posnetkov MODIS Naslov: https://www.zdravgozd.si/projekti/podlubniki/modis.aspx Na tej strani predstavljamo rezultate dveh modelov za spremljanje žarišč smrekovih podlubnikov s pomočjo satelitskih posnetkov MODIS. Modela sta kalibrirana na podatkih za obdobje 2002 do 2018. Oba imata za ciljno spremenljivko količino sanitarnega poseka smreke, razlikujeta pa se po pojasnjevalnih spremenljivkah: • Model 1 napoveduje količino sanitarnega poseka smreke v letu L na podlagi MODIS podatkov leta L-1. Kot vhod uporablja enoletno serijo MODIS 16-dnevnih kompozitov NDVI in EVI, to je 23 datumov oziroma 46 rastrov. Poleg tega so vhodni podatki še povprečne mesečne temperature, SPI (standardizirani padavinski indeks) in sanitarne sečnje iz prejšnjega leta. Pearsonov R modela 1 na testnih podatkih je 0.6075. • Model 2 se od modela 1 razlikuje po tem, da napoveduje količino sanitarnega poseka smreke v letu L na podlagi MODIS podatkov istega leta, torej leta L. Dodatne spremenljivke so tudi sanitarni posek smreke v prejšnjem letu, povprečne mesečne temperature in SPI v tekočem letu. Namenjen je za spremljanje dinamike sanitarnega poseka smreke kot (domnevno manj točna a cenejša) alternativa evidencam ZGS. Pearsonov R modela 2 na testnih podatkih je 0.6077. Modela veljata le za Slovenijo in le za površine, ki vsebujejo smreko. Slika 25: Referenčna karta za količino sanitarnega poseka smreke v 2017 Slika 26: Primer modelnega izračuna sanitarnega poseka smreke v 2017 glede na model 1 in model 2 z uporabo satelitskih posnetkov MODIS 1.4.2 Spremljanje žarišč smrekovih podlubnikov s pomočjo satelitskih posnetkov Sentinel-2 Naslov: https://www.zdravgozd.si/projekti/podlubniki/sentinel2.aspx Na tej strani predstavljamo rezultate modela za spremljanje žarišč smrekovih podlubnikov s pomočjo satelitskih posnetkov Sentinel-2. Model je kalibriran na podatkih za obdobje 2015 do 2018 izbranih GGE v GGO Kočevje. Ciljna spremenljivka je količina označene smreke za posek. Vhodni podatki v model so posamezni kanali Sentinel-2 posnetkov (R, G, B, RE1, RE2, RE3, NIR1, NIR2, SWIR1, SWIR2), vegetacijska indeksa NDVI in EVI, dan v letu. Model velja le za izbrane GGE v GGO Kočevje in le za površine, ki vsebujejo smreko. Korelacija s testnimi podatki je 0,82. Opomba: vrednosti na kartah so normalizirane v 10 razredov. Slika 27: Primer modelne karte za spremljanje žarišč smrekovih podlubnikov s pomočjo satelitskih posnetkov Sentinel-2 za datum 9. 8. 2017 v izbranih GGE v GGO Kočevje 1.4.3 Spremljanje sanacije žarišč smrekovih podlubnikov s pomočjo satelitskih posnetkov Sentinel-2 Naslov: https://www.zdravgozd.si/projekti/podlubniki/sentinel2 posek.aspx Na tej strani predstavljamo rezultate modela za spremljanje sanacije žarišč smrekovih podlubnikov s pomočjo satelitskih posnetkov Sentinel-2. Model je kalibriran na podatkih za obdobje 2016 do 2018 izbranih GGE v GGO Kočevje. Model ugotavlja prisotnost sanitarnega poseka iz dveh satelitskih slik, posnetih na začetku in koncu danega časovnega intervala, ter iz njunih razlik. Model velja le za izbrane GGE v GGO Kočevje in le za površine, ki vsebujejo smreko. Klasifikacijska točnost modela na testnih podatkih je 90 %. Slika 28: Primer karte za zaznavanje sanacije žarišč smrekovih podlubnikov s pomočjo satelitskih posnetkov Sentinel-2 za obdobje od 20. 6. do 28. 8. 2017 za izbrane GGE v GGO Kočevje 1.4.4 Spletna interaktivna aplikacija za pregled podatkov in vegetacijskih produktov satelita MODIS Naslov: https://www.zdravgozd.si/projekti/podlubniki/karta modis.aspx Satelitske posnetke MODIS smo shranili v prostorski podatkovni zbirki v formatu Microsoft SQL Server 2016 (raster katalog). Za prikazovanje kart smo uporabili ESRI ArcGIS Server 10.6.1. Spletno aplikacijo smo razvili v programskem orodju Microsoft Visual Studio 2017 s pomočjo ESRI ArcGIS API for JavaScript 3.16 in Microsoft .NET Framework 4.7.2. Spletna aplikacija je kompatibilna z vsemi najpogostejšimi spletnimi brskalniki kot so Internet Explorer, Chrome, Firefox in Safari. V spletni aplikaciji lahko pregledujemo časovno serijo posnetkov od 2000 do 2016 za naslednje vegetacijske produkte: NDVI, EVI, LAI in FAPAR. 20.06.-28.09.2017 HI Oblak ali sneg I I Ni gozd Ni posekano Posekano Slika 29: Spletna interaktivna karta - pregledovalnik posnetkov satelita MODIS. Na sliki primer EVI vegetacijskega indeksa za dan 14. 9. 2015. 1.4.5 Spletna interaktivna aplikacija za pregled podatkov in vegetacijskih produktov satelita Sentinel-2 Naslov: https://www.zdravgozd.si/projekti/podlubniki/karta sentinel.aspx Satelitske posnetke Sentinel-2 smo shranili v prostorski podatkovni zbirki v formatu Microsoft SQL Server 2016 (raster katalog). Za prikazovanje kart smo uporabili ESRI ArcGIS Server 10.6.1. Spletno aplikacijo smo razvili v programskem orodju Microsoft Visual Studio 2017 s pomočjo ESRI ArcGIS API for JavaScript 3.16 in Microsoft .NET Framework 4.7.2. Spletna V spletni aplikaciji lahko pregledujemo časovno serijo posnetkov od 2015 do 2019 NDVI in EVI vegetacijska indeksa ter združen RGB posnetek. Posnetki so izrezani za vzorčno območje v GGO Kočevje. Slika 30: Spletna interaktivna karta - pregledovalnik posnetkov satelita Sentinel-2 za izbrane GGE v GGO Kočevje. Na sliki primer NDVI vegetacijskega indeksa za dan 20. 6. 2018. 1.4.6 Spletna interaktivna aplikacija za vizualizacijo multispektralnih posnetkov drona Naslov: https://www.zdravgozd.si/projekti/podlubniki/karta dron.aspx Za namene pregleda in vizualizacije posnetkov drona smo pripravili posebno spletno interaktivno aplikacijo. Posnetke drona lahko pregledujemo v obliki časovnega zaporedja. Na voljo so naslednje vrste posnetkov drona: barvni DOF (RGB), infrardeči DOF, izračunana vegetacijska indeksa NDVI in EVI. Za izdelavo spletne aplikacije smo uporabili enako tehnologijo kot za spletno interaktivno aplikacijo za pregled satelitskih multispektralnih posnetkov MODIS in Sentinel-2. V pregledovalniku lahko vizualiziramo naslednje lokacije posnete z dronom (12 lokacij): Kalce 1, Kalce 2, Logatec, Mrzli Studenec 1, Mrzli Studenec 2, Odarjev rovt 1, Odarjev rovt 2, Pijava Gorica, Rudno polje, Svibno 1, Svibno 4, Uskovnica. Merilo: |1,000Ј~1КУ1јЈТ^ " 3 Lokacija: Mrzli Studenec 2 » Vrsta: IR ' | Datum: 120180925 v | DOF: O Slika 31: Interaktivna karta, pregledovalnik posnetkov drona. Primer za IR posnetek za lokacijo Mrzli Studenec na dan 25. 9. 2019. 1.4.7 Modelne karte osutosti in obarvanosti krošenj za izbrane štiri vzorčne ploskve posnete z dronom Naslov: https://www.zdravgozd.si/projekti/podlubniki/dron model.aspx Na podlagi posnetkov drona in terestričnih referenčnih podatkov smo razvili modela za oceno obarvanosti krošnje in osutosti krošnje. Na spletni strani prikazujemo rezultate teh dveh modelov za izbrane štiri vzorčne ploskve: Kalce, Rudno Polje in dve lokaciji na Mrzlem Studencu. Rastrske karte prikazujejo modelne rezultate za vsa drevesa, ki so visoka vsaj 10 m in sicer le za piksle v krogu z radijem 1 m okoli vrha krošnje. Slika 32: Modelna obarvanost krošenj za lokacijo Rudno polje, 28. 8. 2018 Slika 33: Modelna osutost krošenj za lokacijo Rudno polje, 28. 8. 2018 DS3 Stopnja ogroženosti iglavcev Odgovorna oseba za DS3: Maarten de Groot. Vsebina DS3 ustreza naslednjemu projektnemu cilju: • Razviti algoritme za določanje stopnje ogroženosti smreke in jelke zaradi podlubnikov v različnih ekoloških razmerah. Aktivnost 3.1: Podatkovna zbirka ekoloških faktorjev Odgovorna oseba: Maarten de Groot Izvajalec aktivnosti 3.1 je bil GIS. Za razvoj modelov so bili uporabljeni naslednje spremenljivke: sanitarna sečnja smreke in jelke zaradi podlubnikov (m3/ha), količina jelke in smreke (delež v celotni lesni zalogi), nadmorska višina (m) , ekspozicija oz. usmerjenost (°), naklon (°), prevladujoči geološki tip podlage, izmenljivi fosfor (mg/100g), globina tal (cm), kationska izmenjevalna kapaciteta (mmolc/100g), nasičenost z bazami (%), standardizirani padavinski indeks (SPI - kazalnik za sušo) v trenutni rastni sezoni (minimalni SPI pomeni sušo, maksimalni SPI pa veliko padavin), povprečna letna temperatura zraka (°C), kumulativna količina padavin v tekočem letu (mm), količina sanitarne sečnje zaradi podlubnikov v tekočem letu (m3/ha), količina oslabljenih dreves zaradi podlubnikov v tekočem letu (m3 / ha), količina sanitarne sečnje zaradi abiotskih dejavnikov v tekočem letu (m3/ha) in lokacija (X in Y) v celici na mreži modela. SPI je bil izračunan z uporabo SPEI knjižnice v programu R. Uporabljena je bila časovna serija padavin od leta 1971 do 2017. Uporabili smo mesečne kumulativne padavine. Karto padavinskega rastra je pripravila Agencija RS za okolje v prostorski ločljivosti 1 x 1 km (558 rastrskih datotek). Za izračun SPI smo uporabili časovni razpon 6 mesecev, kar pomeni, da so bili za izračun vrednosti SPI za določen mesec uporabljeni podatki iz tekočega meseca in preteklih petih mesecev. Za verjetnostno porazdelitev smo uporabili gama porazdelitev. Knjižnica SPEI je odvisna od knjižnice lmomco. Za nalaganje padavinskih podatkov v rastrski obliki je bil uporabljen rastrski paket. Za model je bil uporabljen povprečni SPI za rastno obdobje, kaj pomeni povprečni SPI med aprilom in oktobrom za vsako leto časovnega razpona. Vsi podatki so bili pripravljeni za mrežo 1 km na 1 km. Podatke o sanitarni sečnji za obdobje 19972016 je zagotovil Zavod za gozdove Slovenije. Podatke o nadmorski višini je posredovala Geodetska uprava RS. Podatke o količini smreke in jelke je posredoval ZGS v podatkovni zbirki Gozdni Fondi. Ekspozicija in naklon terena sta bila izračunana s programom ESRI ArcGIS Desktop 10.4.1 na podlagi digitalnega višinskega modela s prostorsko ločljivostjo 12,5 m. Temperature zraka in padavine so bile pridobljene pri ARSO. Podatke o tleh o izmenljivem fosforju (mg/100 g), globini zemlje (cm), kationski izmenjevalni kapaciteti (mmolc/100g) in nasičenosti z bazami (%) je na podlagi karte tal (Pedološko rekartiranje in digitalizacija pedoloških kart Republike Slovenije v merilu 1:25.000 kot osnove za določitev talnega potenciala, 1999) pripravil Nikica Ogris. Rezultat aktivnosti: • Podatkovna zbirka ekoloških faktorjev za razvoj modelov ogroženosti posameznih vrst iglavcev zaradi podlubnikov Aktivnost 3.2: Razvoj modelov ogroženosti posameznih vrst iglavcev zaradi lubadarjev Odgovorna oseba: Maarten de Groot Izvajalec aktivnosti 3.2 je bil GIS. Razvili in validirali smo dva logistična regresijska modela za napoved ogroženosti smreke in jelke zaradi podlubnikov. Na podlagi dejavnikov, izmerjenih v prejšnjem letu, z modelom napovemo verjetnost sanitarne sečnje smreke in jelke zaradi podlubnikov v tem letu. Model kaže pozitivno korelacijo med sanitarno sečnjo zaradi jelovih podlubnikov v naslednjem letu in količino jelke v lesni zalogi, stopnjo nasičenosti z bazami v tleh, sanitarno sečnjo zaradi podlubnikov v prejšnjem letu, sanitarno sečnjo zaradi abiotskih dejavnikov ter številom posekanih dreves oslabljenih zaradi abiotskih dejavnikov. Nadmorska višina, naklon, fosfor v tleh, globina tal, temperatura, suša med rastno sezono in izmenjalna kapaciteta tal kažejo negativno povezavo s sanitarno sečnjo zaradi jelovih podlubnikov v naslednjem letu (Preglednica 6). Preglednica 6: Statistični model biotskih in abiotskih spremenljivk, ki vplivajo na verjetnost sanitarne sečnje bele jelke zaradi podlubnikov. Spremenljivke Ocena Stand. napaka z vrednost Pr(>|z|) Stat. značilnost (Prestrezanje) 5,63E+00 3,64E-01 15.478 < 2e-16 *** Lesna zaloga jelke 2,56E-02 4,71E-04 54.377 < 2e-16 *** cbind(x, y)x -7,23E-06 4,45E-07 -16.267 < 2e-16 *** cbind(x, y)y -1,27E-05 4,85E-07 -26.249 < 2e-16 *** Nadmorska višina -1,67E-03 1,04E-04 -16.007 < 2e-16 *** Naklon -1,05E-02 1,50E-03 -6.994 2.68e-12 *** Fosfor -3,98E-02 7,51E-03 -5.295 1.19e-07 *** Globina tal -6,40E-03 4,54E-04 -14.101 < 2e-16 *** Kationska izmenjevalna kapaciteta tal -2,98E-02 2,41E-03 -12.372 < 2e-16 *** Delež nasičenosti tal z bazami 1,85E-02 1,20E-03 15.478 < 2e-16 *** SPI -3,22E-01 3,31E-02 -9.742 < 2e-16 *** Temperatura zraka -3,60E-01 1,93E-02 -18.672 < 2e-16 *** log(1 + sanitarni posek jelke zaradi žuželk v tekočem letu) 1,33E+00 2,94E-02 45.238 < 2e-16 *** log(1 + posek oslabele jelke zaradi abiotskih poškodb v tekočem letu) 1,14E-01 3,37E-02 3.374 0.000742 *** log(1 + sanitarni posek jelke zaradi abiotskih poškodb v tekočem letu) 3,15E-01 2,14E-02 14.766 < 2e-16 *** V primeru smrekovih podlubnikov je bila sanitarna sečnja v naslednjem letu pozitivno povezana z lesno zalogo smreke, stopnjo nasičenosti z bazami v tleh, sušo (SPI), temperaturo, sanitarno sečnjo zaradi smrekovih podlubnikov v prejšnjem letu, sanitarno sečnjo zaradi abiotskih dejavnikov in številom oslabljenih dreves zaradi abiotskih dejavnikov. Dejavniki kot so nagib, količina fosforja v tleh, izmenjalna kapaciteta tal in količina padavin so v naslednjem letu negativno vplivali na verjetnost sanitarne sečnje zaradi smrekovih podlubnikov (Preglednica 7). Oba modela sta narejena na podatkih iz obdobja 1996-2016. Preglednica 7: Statistični model biotskih in abiotskih spremenljivk, ki vplivajo na verjetnost sanitarne sečnje navadne smreke zaradi podlubnikov. Spremenljivke Ocena Stand. napaka z vrednost Pr(>|z|) Stat. značilnost (Prestrezanje) -2,41E+00 9,84E-02 -24.499 < 2e-16 *** Lesna zaloga smreke 2,37E-02 1,77E-04 134.256 < 2e-16 *** cbind(x, y)x -4,43E-06 1,16E-07 -38.169 < 2e-16 *** cbind(x, y)y 4,00E-06 1,54E-07 25.918 < 2e-16 *** Naklon -8,21E-03 5,00E-04 -16.421 < 2e-16 *** Fosfor -5,39E-02 1,99E-03 -27.112 < 2e-16 *** Kationska izmenjevalna kapaciteta tal -1,77E-02 8,04E-04 -22.056 < 2e-16 *** Delež nasičenosti tal z bazami 1,14E-02 3,61E-04 31.657 < 2e-16 *** SPI -3,88E-02 1,08E-02 -3.580 0.000344 *** Temperatura zraka 2,66E-01 3,55E-03 74.851 < 2e-16 *** log(1 + sanitarni posek smreke zaradi žuželk v tekočem letu) 1,38E+00 9,30E-03 147.871 < 2e-16 *** log(1 + posek oslabljene smreke zaradi abiotskih poškodb v tekočem letu) 5,04E-02 1,35E-02 3.732 0.000190 *** log(1 + sanitarni posek smreke zaradi abiotskih poškodb v tekočem letu) 5,50E-01 8,93E-03 61.542 < 2e-16 *** Validacijo modelov smo naredili na podlagi podatkov iz leta 2017. Pripravili smo napoved za leto 2017 in jo validirali s podatki iz leta 2017. Ugotovili smo, da je model za napoved ogroženost smreke zaradi podlubnikov napovedal dobro (AUC = 0.89). Tudi model za napoved ogroženost jelke zaradi podlubnikov je napovedal dobro (AUC = 0.84). Slika 34: Napoved verjetnosti za sanitarno sečnjo bele jelke zaradi podlubnikov v letu 2017 v Sloveniji (AUC = 0.84). Slika 35: Napoved verjetnosti za sanitarno sečnjo navadne smreke zaradi podlubnikov v letu 2017 v Sloveniji (AUC = 0.89). Rezultat aktivnosti: • Optimiziran in validiran prostorski model ogroženosti smreke zaradi podlubnikov v ločljivosti 1 km, časovna ločljivost 1 leto • Optimiziran in validiran prostorski model ogroženosti jelke zaradi podlubnikov v ločljivosti 1 km, časovna ločljivost 1 leto • Elaborat o razvoju modelov ogroženosti iglavcev zaradi podlubnikov. Izsledke smo objavili v reviji Forest Ecology and Management (https://doi.org/10.1016/j.foreco.2019.117495). Aktivnost 3.3: Implementacija modelov v elektronski sistem za varstvo gozdov v Sloveniji Odgovorna oseba: Nikica Ogris Izvajalec aktivnosti 3.3 je bil GIS. Iz modelov, ki smo jih pripravili v aktivnosti 3.2, smo izdelali karte ogroženosti zaradi napada podlubnikov na smreki in jelki za naslednjo leto. Karti ogroženosti smreke in jelke smo prikazali kot interaktivni karti na spletnem portalu za varstvo gozdov www.zdravgozd.si (Slika 36 in Slika 37). Modela iz aktivnosti 3.2 smo implementirali tako, da bomo lahko vsako leto na podlagi posodobljenih vhodnih podatkov samodejno izdelali napoved ogroženosti smreke in jelke zaradi podlubnikov v naslednjem letu. Za ta namen smo izdelali dve namizni aplikaciji (Slika 38 in Slika 39): • Obrazec za izračun modela za ogroženost jelke ima 6 parametrov, tj. spremenljivk, ki se vsako leto posodobijo (lesna zaloga jelke, 6 mesečni sezonski SPI, temperatura zraka, sanitarni posek jelke zaradi žuželk, posek oslabele jelke zaradi abiotskih poškoškodb, sanitarni posek jelke zaradi abiotskih poškodb). • Obrazec za izračun modela za ogroženost smreke zaradi podlubnikov ima 7 spremenljivih parametrov (lesna zaloga smreke, 6 mesečni SPI za vegetacijsko sezono, povprečna letna temperatura zraka, skupna količina padavin v prejšnjem letu, sanitarni posek smreke zaradi žuželk, posek oslabele smreke zaradi abiotskih poškodb, sanitarni posek smreke zaradi abiotskih poškodb). Poleg spremenljivk, ki se spreminjajo letno, so del modelov tudi spremenljivke, ki se med leti ne spreminjajo: nadmorska višina (DMR), ekspozicija terena, naklon terena, geološka podlaga, količina izmenljivega fosforja v tleh, globina tal, izmenjalna kapaciteta tal (T), stopnja nasičenosti z bazami (V). V obrazcu namizne aplikacije interaktivno določimo parametre in nato aplikacija sama izračuna model s pomočjo statističnega programa R in knjižnice Raster. Aplikaciji smo razvili v programu Microsoft Visual Studio 2017, s knjižnico Microsoft .NET Framework 4.6. Rezultat aktivnosti 3.3: • interaktivna spletna aplikacija za pregled karte ogroženosti smreke zaradi podlubnikov za naslednje leto (Slika 36). Naslov: https://www.zdravgozd.si/karta.aspx?idpor=a146b52d-05d5-4c09-a7fe-a2478875b9fe • interaktivna spletna aplikacija za pregled karte ogroženosti jelke zaradi podlubnikov za naslednje leto (Slika 37). Naslov: https://www.zdravgozd.si/karta.aspx?idpor=4d5a630b-65d5-4258-b0b0-2ef17c7f7652 • implementacija modela za oceno ogroženosti smreke in jelke zaradi podlubnikov v sistem samodejnega izračuna glede na nove vhodne podatke (Slika 38 in Slika 39) Slika 36: Interaktivna spletna karta za pregled napovedi ogroženosti smreke zaradi podlubnikov. Primer za leto 2018. Naslov: https://www.zdravgozd.si/karta.aspx?idpor=a146b52d-05d5-4c09-a7fe-a2478875b9fe Slika 37: Interaktivna spletna karta za pregled napovedi ogroženosti jelke zaradi podlubnikov. Primer za leto 2018. Naslov: https://www.zdravgozd.si/karta.aspx?idpor=4d5a630b-65d5-4258-b0b0-2ef17c7f7652 Slika 38: Namizna aplikacija za izračun modela ogroženosti smreke zaradi podlubnikov Slika 39: Namizna aplikacija za izračun modela ogroženosti jelke zaradi podlubnikov DS4 Model razvoja smrekovih podlubnikov in sistem obveščanja Odgovorna oseba za DS4: Nikica Ogris. Sodelujoče organizacije: BF, ZGS V DS4 smo uresničili naslednja dva projektna cilja: - razviti in validirati model razvoja smrekovih podlubnikov v Sloveniji ter razvoj sistema za samodejni izračun predvidenega začetka rojenja spomladi in datuma konca razvoja prve generacije, do katerega se spremlja ulov za osmerozobega (Ips typographus L.) in šesterozobega (Pityogenes chalcographus L.) smrekovega lubadarja; - vzpostaviti sistem obveščanja krajevnih in območnih enot Zavoda za gozdove Slovenije o pričetku rojenja in konca razvoja prve generacije osmerozobega in šesterozobega smrekovega lubadarja. Aktivnost 4.1: Plan postavitve in spremljanja kontrolnih pasti in kontrolno-lovnih debel Odgovorna oseba: Nikica Ogris Izvajalci aktivnosti 4.1 so bili GIS, BF in ZGS. Pravilna izbira lokacije in nameščanje kontrolnih pasti (KP) in kontrolno-lovnih debel (KLD) sta bili zelo pomembni, zato smo temu v prvi fazi projekta namenili posebno pozornost (v času prve in druge zime). Položili smo štiri kontrolno-lovna debla v prvem in drugem letu trajanja projekta (skupaj osem). Tretje leto projekta je bilo namenjeno kalibraciji, validaciji in implementaciji modela v obstoječi elektronski informacijski sistem za varstvo gozdov, ki ga razvija in vzdržuje GIS. Kontrolno-lovna debla smo položili na različnih nadmorskih višinah in različnih ekspozicijah (Preglednica 8). S takšno izbiro smo obsegli dovolj širok gradient osončenosti KLD in s tem temperaturnih razmer, ki bistveno vplivajo na razvoj podlubnikov, kar je omogočilo učinkovito kalibracijo modela za območje, kjer so bile nastave položene (ne za celo Slovenijo, saj je bil vzorec premajhen, kar smo MKGP opozorili z dopisom). Kontrolno-lovna debla so bila iz smrek prsnega premera 21-46 cm ter dolžine 12-35 m. Pri podiranju smo veje oklestili in jih zložili na kontrolno-lovni kup (KLK). Kontrolno-lovno debla smo položili v senco oz. polsenco, kar ustreza povprečnim razmeram v sestoju. Lokacija KLD je bila v bližini aktivnih žarišč smrekovih podlubnikov. Vse kontrolne nastave v 2017 sta naselila IT in PC. V letu 2018 je bila naselitev PC uspešna na vseh štirih KLD in IT samo na dveh kontrolnih nastavah. Kontrolne pasti smo postavili v bližini kontrolno-lovnih debel, vendar dovolj daleč vstran, da ni prišlo do medsebojnega vpliva (npr. vsaj 25 m vstran), kar pomeni, da smo kontrolne pasti postavili prav tako na osmih lokacijah, na različnih nadmorskih višinah in legah. V letu 2018 se je prostovoljno javil še ZGS GGO Bled, ki je spremljal štiri KP za IT in eno za PC. Zelo pomembno je bilo pravilno izbrati datum postavitve KP in KLD. Kontrolne pasti smo postavili dovolj zgodaj, da smo ulovili pričetek spomladanskega rojenja. Kontrolno-lovna debla smo položili nekoliko kasneje (Preglednica 8). Preglednica 8: Lokacije kontrolnih pasti, kontrolnih nastav, njihova nadmorska višina, ekspozicija, naklon terena in datum položitve nastave Lokacija Nadmorska Geog. Geog. Ekspozicija Naklon Datum Leto višina(m) dolžina širina (°) položitve spremljanja nastave Vodice 330 14,53352 46,18860 Ravnina 3 10.3.2017 2017 Kamnik 578 14,62817 46,21906 NNE 15 10.3.2017 2017 Brode 830 14,76272 46,24221 WNW 32 12.3.2017 2017 Prevala 1038 14,75218 46,24833 Ravnina 6 12.3.2017 2017 Medvedica 426 14,62660 45,90970 WNW 7 22.3.2018 2018 Turjak 510 14,61615 45,86659 SSW 7 22.3.2018 2018 Erjavčev laz 849 14,50619 45,88600 SW 23 19.4.2018 2018 Mokrc 1016 14,52877 45,89407 ESE 10 19.4.2018 2018 Vorenčkojca* 578 13,88658 46,29071 SE 7 - 2018 Blejski grad* 531 14,09714 46,36955 W 33 - 2018 Višce* 521 14,09153 46,37071 NE 21 - 2018 Drajžnik* 721 14,06326 46,36259 SE 21 - 2018 * Na teh lokacijah smo spremljali samo kontrolne pasti. Rezultati aktivnosti A4.1 so bili: • plan postavitve kontrolnih pasti: natančne lokacije in čas postavitve (Preglednica 8) • plan položitve kontrolno-lovnih debel: natančne lokacije in čas poleganja (Preglednica 8) Aktivnost 4.2: Spremljanje ulova smrekovih podlubnikov v kontrolnih pasteh Odgovorna oseba: Marija Kolšek Izvajalci aktivnosti 4.2 so bili ZGS, BF in GIS. Cilj spremljanja ulova smrekovih podlubnikov v kontrolnih pasteh je bil ujeti datum prvega rojenja. V bližini vsake izbrane lokacije s položenimi kontrolno-lovnimi debli smo postavili dve kontrolni pasti tipa Theysohn (WitaTrap®). Ena kontrolna past je bila opremljena s feromonsko vabo za osmerozobega smrekovega lubadarja (Pheroprax®), druga pa s feromonsko vabo za šesterozobega smrekovega lubadarja (Chalcoprax®). Kontrolni pasti sta bili na lokaciji oddaljeni med seboj vsaj 50 m tako, da med njima ni prišlo do morebitnih medsebojnih vplivov. Ulov v pasteh smo spremljali na vsake 2-3 dni (ponedeljek, sreda in petek), saj smo želeli čim natančneje ujeti datum prvega rojenja. Kontrolne pasti smo postavili dovolj zgodaj, da nismo zamudili prvega rojenja smrekovih lubadarjev. Ulov v kontrolne pasti se je v tekočem letu spremljal samo do začetka prvega rojenja (prvi ulov nad 100 osebkov), saj so bile KP v namenjene samo natančni določitvi datumov prvega rojenja. Preglednica 9: Zabeležen začetek rojenja in napada Ips typographus (IT) in Pityogenes chalcographus (PC) Lokacija Zabeležen začetek IT Zabeležen začetek PC rojenja napad KLD rojenja napad KLD Vodice 16.03.2017 27.03.2017 24.03.2017 03.04.2017 Kamnik 20.03.2017 27.03.2017 20.03.2017 03.04.2017 Brode 20.03.2017 03.04.2017 20.03.2017 03.04.2017 Prevala 31.03.2017 22.05.2017 12.04.2017 22.05.2017 Medvedicaa 02.04.2018 02.04.2018 25.04.2018 Turjaka 09.04.2018 13.04.2018 25.04.2018 Erjavčev laz 08.04.2018 25.04.2018 08.04.2018 25.04.2018 Mokrc 19.04.2018 02.05.2018 19.04.2018 25.04.2018 Vorenčkojcab 09.04.2018 17.04.2018 Blejski gradb 13.04.2018 Višceb 13.04.2018 Drajžnikb 13.04.2018 a Na lokaciji Medvedica in Turjak, napad IT ni bil zabeležen; b Na teh lokacijah smo spremljali samo kontrolne pasti Rezultat aktivnosti: • datum prvega rojenja osmerozobega in šesterozobega smrekovega lubadarja na štirih lokacijah v letih 2017 in 2018 (Preglednica 9); • časovna vrsta količin ujetih osebkov osmerozobega in šesterozobega smrekovega lubadarja na štirih lokacijah s frekvenco 3 krat na teden do prvega rojenja v letih 2017 in 2018. Podatki so na voljo pri vodji projekta. Aktivnost 4.3: Spremljanje kontrolno-lovnih debel Odgovorna oseba: Maja Jurc Izvajalca aktivnosti 4.3 sta bila BF in GIS. Cilj spremljanja kontrolno-lovnih debel je bil spremljati razvoj osmerozobega in šesterozobega smrekovega lubadarja: pridobili smo datum prvega napada podlubnikov in temperaturno vsoto efektivnih temperatur potrebnih za razvoj od jajčeca do odrasle žuželke (IT in PC). Kontrolna-lovna debla (KLD) smo spremljali v prvih dveh letih trajanja projekta. KLD smo spremljali vsakih 7 dni. Nove vhodne odprtine smo označili z risalnimi žebljički in zaporedno številko. Ko smo na KLD opazili prve vhodne odprtine, smo to zabeležili kot datum prvega napada. Na tedenski ravni smo na označenih mestih spremljali razvoj podlubnikov z odstranjevanjem dela skorje. Vsakič smo zabeležili najbolj razvito fazo in pristnost/odsotnost odraslih hroščev. Takoj ko so se osebki razvili do razvojne faze bube, smo odvzeli kos debla v dolžini 50-70 cm in ga postavili v rastno komoro, kjer smo spremljali razvoj podlubnikov vsak dan. Odvzeli smo skupaj 13 kosov debel za dnevno spremljanje razvoja IT in 18 kosov debel za dnevno spremljanje razvoja PC v rastni komori. Razvoj IT in PC smo spremljali v dveh rastnih komorah. V prvi rastni komori (BF) smo nastavili konstantno temperaturo 23 °C, relativno zračno vlažnost 70 %, čas dneva je bil dolg 16 ur in noč 8 ur. V drugi rastni komori (GIS) so bile nastavitve identične razen temperatura, ki smo jo nastavili na 28 °C. Dejansko temperaturo in vlažnost zraka smo merili z dodatnima senzorjema vsakih 30 minut. S spremljanjem pojava prve generacije v rastni komori smo pridobili natančnejše podatke o potrebni vsoti efektivnih temperatur za celoten razvojni krog. Preglednica 10: Izmerjena temperaturna vsota efektivnih temperatur za pričetek rojenja in napada Lokacija Temperaturna vsota IT (°dni) Temperaturna vsota PC (°dni) Rojenje Napad Rojenje Napad Vodice 37,4 120,5 77,4 177,1 Kamnik 58,2 106,2 42,2 169,4 Brode 29,6 114,8 24,8 113,9 Prevala 52,5 239,5 120,4 255,2 Medvedicaa 50,8 40,6 270,4 Turjaka 64,5 81,4 213,8 Erjavčev laz 27,0 169,0 29,6 176,7 Mokrc 60,9 183,6 66,3 131,8 Vorenčkojcab 34,2 76,6 Blejski gradb 81,7 Višceb 81,0 Drajžnikb 57,6 Povprečno 53,0 155,6 62,1 188,5 Interval zaupanja (95 %) 11,6 54,2 23,6 46,0 Rezultat aktivnosti: • datum prvega napada osmerozobega in šesterozobega smrekovega lubadarja na štirih lokacijah v letih 2017 in 2018 (Preglednica 9) • temperaturna vsota efektivnih temperatur potrebnih za pričetek rojenja, za pričetek napada in za razvoj od jajčeca do odrasle žuželke (IT in PC) (Preglednica 10 in članek o modelu RITY-2) Aktivnost 4.4: Spremljanje temperature zraka in temperature skorje Odgovorna oseba: Mitja Ferlan Izvajalec aktivnosti 4.4 je bil GIS. Cilj spremljanja temperature zraka in skorje je bil najti korelacijo med temperaturo zraka in temperaturo skorje. Ker smo razvili modela, ki kot vhodni podatek imata tako temperaturo zraka kot temperaturo skorje, kasneje pa bo na voljo samo temperatura zraka (podatki ARSO iz sistema INCA), smo s pomočjo regresijskega modela izračunali temperaturo skorje na podlagi temperature zraka. V neposredni bližini kontrolno-lovnih debel in kontrolnih pasti smo merili temperaturo zraka na višini 2,0 m od tal vsakih 30 minut. Prav tako smo na vsakem kontrolno-lovnem deblu merili temperaturo skorje vsake pol ure na štirih mestih: zgoraj, spodaj, levo in desno. Termometre za merjenje temperaturo skorje smo namestili na dnu krošnje na štirih mestih okoli debla. Temperatura zraka in temperatura skorje se je avtomatsko odčitala vsako uro in shranila v napravi oz. avtomatsko poslala posnete podatke s pomočjo GPRS signala na FTP strežnik in bila realno časovno dostopna v spletni aplikaciji eMIS-GIS. Rezultat aktivnosti: • temperatura zraka in temperatura skorje KLD izmerjena vsake pol ure na štirih lokacijah v letih 2017 in 2018 (podatki so dostopni pri vodji projekta in v spletni aplikaciji eMIS-GIS) Aktivnost 4.5: Razvoj, validacija in kalibracija fenološkega modela smrekovih podlubnikov Odgovorna oseba: Nikica Ogris Izvajalec aktivnosti 4.5 je bil GIS. Cilj aktivnosti 4.5 je bil razviti informacijski sistem za samodejni izračun predvidenega začetka rojenja spomladi in datuma konca razvoja prve generacije, do katerega se spremlja ulov v kontrolnih pasteh za osmerozobega in šesterozobega smrekovega lubadarja. Cilj je bil razviti, validirati in kalibrirati fenološki model za IT in fenološki model za PC. Fenološki model za IT smo poimenovali RITY, fenološki model za PC smo poimenovali CHAPY. Rezultat aktivnosti: • kalibriran in validiran fenološki model za IT - RITY • kalibriran in validiran fenološki model za PC - CHAPY • informacijski sistem za samodejni izračun predvidenega začetka rojenja spomladi in datuma konca razvoja prve generacije, do katerega se spremlja ulov v kontrolnih pasteh za osmerozobega in šesterozobega smrekovega lubadarja Fenološki model RITY Razvoj modela, njegova validacija in kalibracija je v celoti opisana v članku: Ogris N, Ferlan M, Hauptman T, Pavlin R, Kavčič A, Jurc M, De Groot M, 2019. RITY - A phenology model of Ips typographus as a tool for optimization of its monitoring. Ecological Modelling 410, 108775, https://doi.org/10.1016/j.ecolmodel.2019.108775. V nadaljevanju je samo povzetek fenološkega modela RITY-2. Razvili smo fenološki model RITY-2 (Razvoj Ips TYpographus) za prostorsko in časovno simulacijo sezonskega razvoja IT. Model temelji na fenološkem modelu PHENIPS in podatkih o temperaturi zraka iz sistema INCA (sistem za zelo kratkoročno avtomatizirano napoved), ki jih dobavlja ARSO. Veliko delov modela PHENIPS je bilo izboljšanih in razvili smo nov model, ki je prilagojen za območje Slovenije oz. območje osmih lokacij, kjer smo spremljali razvoj IT v naravi. Model pričetek spomladanskega rojenja napove s pomočjo spodnjega temperaturnega praga za letenje, tj. 14,5 °C in temperaturno vsoto 53,0 ± 11,6 °dni od 7. marca naprej. Prvi napad model izračuna s pomočjo spodnjega temperaturnega praga za letenje, tj. 14,5 °C in temperaturno vsoto 155,6 ± 54,2 °dni od 7. marca naprej. Temperaturna vsota za rojenje in prvi napad se izračuna po naslednji formuli: £ (Imax -8,3), ko je Imax > 14,5 °C, kjer je Imax maksimalna dnevna temperatura zraka iz sistema INCA. Model izračuna pričetek rojenja s srednjo absolutno napako 2,4 dni in prvi napad kontrolnih nastav s srednjo absolutno napako 4,7 dni. S vsakodnevnim spremljanjem razvoja IT v rastni komori smo potrdili, da za popolni razvoj ene generacije od napada do odrasle žuželke potrebuje temperaturno vsoto 557 °dni. Ta vrednost je le za 0,5 °dni povprečno odstopala od referenčne vrednosti. Temperaturna vsota se od napada naprej v modelu izračunava drugače kot za rojenje in napad. Temperaturna vsota za razvoj IT se izračuna na podlagi efektivnih temperatur skorje BTeff. Na intervalu med spodnjim pragom za razvoj (8,3 °C) in optimalno temperaturo (30,4 °C) uporabljamo linearno formulo: BTeff = BT - 8,3 °C. Na intervalu nad optimalno temperaturo in zgornjim pragom pa uporabljamo nelinearno formulo BTeff = (TO - DTL) x (exp(a x T) - exp(a x Tmax - (Tmax - T)/ß) - y), kjer a = 0,02876507; ß = 3,5922336; y = 1,24657367; Tmax = 40,9958913. BTeff je pod spodnjim pragom in nad zgornjim pragom enaka nič. Temperatura skorje (BT) se izračuna na podlagi linearnih formul iz temperature zraka v gozdu (AT). Obe seriji formul za tri scenarije (AVG, MIN, MAX) smo izračunali s pomočjo linearne regresije. Primerjali smo rezultate, če vzamemo kot vhodne podatke urne temperature ali dnevne temperature. Boljše rezultate so dali dnevni podatki. Zato smo se odločili za uporabo dnevnih vrednosti. Model izračunava razvoj IT na podlagi treh scenarijev, tj. treh temperatur: AVG (povprečna dnevna temperatura, ustreza senčnim-polsenčnim pogojem v gozdnem sestoju), MIN (minimalna dnevna temperatura, najpočasnejši možni potencialni razvoj), MAX (maksimalna dnevna temperatura, najhitrejši potencialni razvoj). Z raziskavo smo potrdili, da pri približno 50 % temperaturne vsote potrebne za cel razvoj ene generacij samica zapusti rov in zaleže sestrsko generacijo. Prav tako smo potrdili, da je razvoj različnih faz potrebna podobna temperaturna vsota efektivnih temperatur, kot to navajajo v referenčni literaturi: jajčece ok. 10%, ličinka ok. 40 %, buba ok. 10 % in mladi hrošč ok. 40 %. Model RITY-2 se samodejno izračuna vsak dan med 7. marcem in 31. oktobrom. Izračuna stanje na trenutni dan in napove potencialni razvoj za naslednjih 7 dni v naprej. Ločljivost modela je 1 x 1 km, kar je pogojeno s prostorsko ločljivostjo sistema INCA, od koder črpa podatke o temperaturi zraka. Pri točkovni poizvedbi smo dodali možnost interpolacije temperature glede na dejansko izbrano nadmorsko višino. Model RITY-2 simulira tudi število generacij (čistih in sestrskih), kar lahko uporabimo za oceno tveganja zaradi IT na regionalnem nivoju. Datum konca razvoja prve generacije osmerozobega smrekovega lubadarja določimo na podlagi vsote efektivnih temperatur skorje. Ko vsota efektivnih temperatur skorje doseže 557 °dni, je to dan, ko se predvidoma zaključi razvoj prve generacije osmerozobega smrekovega lubadarja in izleti iz debla. V modelu smo upoštevali, da se osmerozobi smrekov lubadar ne zaleže nove generacije, če je dolžina dneva krajša kot 14,5 ur. Z iterativno metodo smo določili datum, od katerega naprej je najbolje pričeti z izračunom modela RITY-2. Odločili smo se za najkasnejši datum, ki je dal najmanjšo srednjo absolutno napako pri napovedi pričetka rojenja in prvega napada. To je bil 7. marec. Fenološki model CHAPY Fenološki model CHAPY (CHAlcographus PitYogenes) za prostorsko in časovno simulacijo sezonskega razvoja šesterozobega smrekovega lubadarja (Pityogenes chalcographus, PC) smo razvili na podlagi fenološkega modela RITY-2, kateremu smo spremenili, validirali in kalibrirali parametre, tako da ustrezajo biologiji in ekologiji PC. Model CHAPY prav tako temelji na vhodnih podatkih sistema INCA, ki jih dobavlja ARSO. Iz terenskih opazovanj na osmih lokacijah smo ugotovili, da PC prične rojiti, ko maksimalna dnevna temperatura preseže 15,6 °C in ko je temperaturna vsota efektivnih temperatur večja ali enaka 62,1 °dni od 14. marca naprej. Prvi napad KDL se je zgodil, ko je maksimalna dnevna temperatura presegla 15,6 °C in ko je bila temperaturna vsota efektivnih temperatur večja ali enaka 188,5 °dni od 14. marca naprej. Z iterativno metodo smo izračunali, kdaj je najmanjša napaka modela za napoved pričetka rojenja in prvega napada - izbrali smo najkasnejši datum, tj. 14. marec, od katerega naprej se model izračuna vsak dan. Za razliko od RITY-2 pri CHAPY-1 vzamemo pri napovedi pričetka rojenja in prvega napada za izračun efektivnih temperatur zraka ATmax (maksimalna temperatura zraka v gozdu) in ne Imax (maksimalna temperatura zraka iz sistema INCA). Pričetek rojenja je bil napovedan s srednjo absolutno napako 5,3 dni. Prvi napad KLD je bil napovedan s srednjo absolutno napako 6,1 dni. Spodnji in zgornji temperaturni prag ter optimalna temperatura je določena glede na podatke iz literature. Spodnji prag: 8,0 °C, optimalna temperatura (ocenjena, 36,0 °C), zgornji prag (ocenjen, 39,4 °C). Glede na slednje pragove smo izračunali efektivno temperaturo skorje, ki je pomembna za razvoj PC v skorji. Na intervalu med spodnjim pragom za razvoj (8,0 °C) in optimalno temperaturo (36,0 °C) uporabljamo linearno formulo: BTeff = BT - 8,0 °C. Na intervalu nad optimalno temperaturo in zgornjim pragom pa uporabljamo nelinearno formulo BTeff = (To - DTl) x (exp(a x BT) - exp(a x Tmax - (Tmax - BT)/6) - y), kjer a = 0.023; ß = 1.5; y = 1.22; Tmax = 40.996. BTeff je pod spodnjim pragom in nad zgornjim pragom enaka nič. Temperatura skorje (BT) se izračuna na podlagi linearnih formul iz temperature zraka v gozdu (AT). Obe seriji formul za tri scenarije (AVG, MIN, MAX) smo izračunali s pomočjo linearne regresije. Izračunali smo, da je za cel razvoj PC od napada do odraslega hrošča potrebnih povprečno 591,1 °dni. Razvoj PC smo spremljali vsak dan v dveh rastnih komorah na dveh različnih temperaturah. Zabeležili smo, da so samice zapustile materinski hodnik, ko je temperaturna vsota dosegla minimalno 52,7 % temperaturne vsote potrebne za cel razvoj PC (K = 591 °dni). Model CHAPY-1 se samodejno izračuna vsak dan med 14. marcem in 31. oktobrom. Izračuna stanje na trenutni dan in napove potencialni razvoj za naslednjih 7 dni v naprej. Ločljivost modela je 1 x 1 km, kar je pogojeno s prostorsko ločljivostjo sistema INCA, od koder črpa podatke o temperaturi zraka. Model CHAPY-1 simulira tudi število generacij (čistih in sestrskih), kar lahko uporabimo za oceno tveganja zaradi IT na regionalnem nivoju. Datum konca razvoja prve generacije PC določimo na podlagi vsote efektivnih temperatur skorje. Ko vsota efektivnih temperatur skorje doseže 591 °dni, je to dan, ko se predvidoma zaključi razvoj prve generacije PC in izleti iz debla. V modelu smo domnevali, da se PC ne zaleže nove generacije, če je dolžina dneva krajša kot 14,5 ur. Pri razvoju modela CHAPY-1 smo ugotovili nekaj teoretičnih lukenj v znanju, ki ostajajo priložnosti za nadaljnje raziskave: (1) optimalna temperatura je bila določena na 36,0 °C kot domneva; (2) zgornji temperaturni prag je bil določen kot predpostavka (39,4 °C); (3) spodnji temperaturni prag za vsako razvojno fazo PC manjka; (4) mejna dolžina dneva, ko PC lahko zastavi novo generacijo, je bila domnevno nastavljena na 14,5 h; (5) model konča z izračunom 31. oktobra, kljub temu da se razvoj lahko nadaljuje v novembru in decembru, če so temperature nad spodnjim temperaturnim pragom; (6) referenčne temperaturne vsote za vsako razvojno fazo manjkajo. Aktivnost 4.6: Vzpostavitev sistema samodejnega obveščanja krajevnih in območnih enot ZGS Odgovorna oseba: Nikica Ogris Izvajalec aktivnosti 4.6 sta bila GIS in ZGS. Cilj aktivnosti 4.6 je bil vzpostaviti sistem samodejnega obveščanja krajevnih in območnih enot Zavoda za gozdove Slovenije o pričetku rojenja in koncu prve generacije osmerozobega in šesterozobega smrekovega lubadarja. Aktivnost 4.6 smo pričeli izvajati, ko je bila končana aktivnost 4.5, tj. ko sta bila modela RITY-2 in CHAPY-2 validirana in kalibrirana. Modela smo implementirali neposredno v obstoječ elektronski informacijski sistem za varstvo gozdov, ki ga Zavod za gozdove Slovenije uporablja od 2013 naprej, razvija in vzdržuje pa GIS. Vhodna podatka v model sta povprečna dnevna in maksimalna dnevna temperatura zraka. Na podlagi temperature zraka se po modelu (aktivnost 4.5) izračuna temperatura skorje. Vir podatkov za temperaturo zraka je sistem za zelo kratkoročno avtomatizirano napoved (INCA, Agencija RS za okolje). Prostorska ločljivost podatkov iz sistema INCA je 1 km2. Temu primerna je tudi prostorska ločljivost modela za napoved pričetka rojenja in konca izletavanja prve generacije smrekovih podlubnikov. Sistem INCA napoveduje temperaturo zraka do 12 ur vnaprej. Ker želimo napovedati pričetek rojenja več dni vnaprej, smo uporabili tudi podatke meteorološkega modela ALADIN, ki napoveduje temperaturo zraka za tri dni vnaprej ter upoštevali trend temperature na nivoju vsake rasterske celice in ta trend ekstrapolirali za sedem dni naprej. S pripravljenim modelom iz aktivnosti 4.5 se samodejno izračuna vsota efektivnih temperatur. Ko bodo le te dosegle mejo 53 °dni pri IT in 62 °dni pri PC, bo to znak za začetek spomladanskega rojenja, pri temperaturni vsoti 557 °dni za IT in 591 °dni za PC, pa bo to znak za zaključek razvoja prve generacije. Samodejno obveščanje krajevnih in območnih enot ZGS poteka po dogovoru, tj. dva krat na teden (v nedeljo in torek). Samodejno sporočilo se samodejno pošlje na vse KE in vse OE in vključuje podatke o predvidenem datumu prvega rojenja smrekovih lubadarjev in predvidenem datumu zaključku prve generacije. Na podlagi podatka o predvidenem pričetku rojenja lahko ZGS pravočasno postavi kontrolne pasti za spremljanje ulova smrekovih podlubnikov. S podatkom o predvidenem zaključku prve generacije pa dobimo informacijo, do katerega spremljamo ulov v kontrolne pasti. S tem smo racionalizirali porabo časa za spremljanje ulova smrekovih lubadarjev v kontrolnih pasteh. Samo obvestilo je strukturirano po revirjih ter predvidenih datumih prvega rojenja in zaključka rojenja prve generacije vključno s podatkoma, kolikšen delež površine revirja je že zajelo rojenje in kolikšen delež površine revirja je že zaključil razvoj prve generacij ločeno za IT in PC (Preglednica 11). Poleg preglednic je vsako sporočilo opremljeno tudi s štirimi slikami-kartami o pričetku rojenja in zaključku prve generacije za IT in PC (Slika 40, Slika 41). Sporočilo spremlja tudi naslednje navodilo: »Kontrolne pasti postavimo in opremimo s feromonskimi vabami pred pričetkom rojenja in jih redno spremljamo do zaključka razvoja prve generacijo. V priponkah so štiri karte: napoved pričetka rojenja in zaključek prve generacije za IT in PC. Navodilo za postavitev pasti: pasti postavimo na območjih, kjer še ni prišlo do rojenja (oranžna) ali bo rojil v kratkem (modra). Če je že prišlo do rojenja (zelena), je postavitev pasti na tem območju zamujena. Navodilo za zaključek spremljanja pasti: pasti pospravimo na območjih, kjer se je razvoj prve generacije že končal (zelena) ali se bo končal v kratkem (modra). Če se razvoj prve generacij še ni končal (oranžna), moramo s spremljanjem ulova v pasti še nadaljevati.« Preglednica 11: Primer preglednice iz samodejnega obveščanja o napovedi pričetka rojenja in zaključka prve generacije za Ips typographus za KE Bovec za datum 09.06.2018 IDREVIR Revir Rojenje (MIN) Prva generacija (MIN) Rojil (%) Zaključil prvo generacijo (%) 012101 SOČA-TRENTA 01.06.2018 05.06.2018 93.6 3.8 012102 BOVEC 01.06.2018 04.06.2018 91.4 12.1 012103 ČEZSOČA 01.06.2018 05.06.2018 100 22.5 012104 KOBARID 29.05.2018 05.06.2018 97.7 35.7 012105 BREGINJSKI KOT 23.04.2018 04.06.2018 100 46.8 Slika 40: Primer karte iz samodejnega obveščanja o pričetku rojenja za KE Bovec za Ips typographus na dan 9.6.2018 Slika 41: Primer karte iz samodejnega obveščanja o zaključku prve generacije za KE Bovec za Ips typographus na dan 9.6.2018 Ulov smrekovih lubadarjev v kontrolne pasti lahko izvajajo tudi lastniki gozdov sami. Zato smo na spletnem portalu za varstvo gozdov (www.zdravgozd.si) pripravili 6 spletnih aplikacij, ki omogočajo poizvedbo za poljubno lokacijo, prostorski pregled za celo Slovenijo in interaktivni karti z rezultati modelov RITY-2 in CHAPY-1 (Slika 42, Slika 43, Slika 44, Slika 45, Slika 46, Slika 47). Programska oprema Napovedi o zdravju gozdov, dnevna izdaja d0i: 10.20315/nzg.48 Spletna aplikacija za izračun fenološkega modela za osmerozobega smrekovega lubadarja (Ips typographus) RITY-2 Nikica OGRIS Gozdarski inštitut Slovenije, Večna pot 2, 1000 Ljubljana *nikica.ogris@gozdis.si ■9- Datum izdaje: 02.10.2019 -e- Veljavnost: 02.10.2019 Ključne besede: razvoj, fenologija, napoved, prognoza, podlubnik, model, temperatura skorje Izračun razvoja osmerozobega smrekovega lubadarja Izberite leto: 12019 v| Izberite lokacijo na enega izmed naslednjih načinov: 1. Kraj: I Bled I Izračunaj | 2. Izberi lokacijo na karti | Karta 3. Določitev koordinat (GK) X: I Y: I I Izračunaj | D Interpoliraj temperaturo za izbran kraj glede na njegovo nadmorsko višino (izračun traja dlje) Razvoj čistih generacij, Bled, 507 m n.m., leto 2019 / / J. / / / / / / / 1 / f / / / / / / / s / ' // // ^ s / -1. generacija -2. generacija -3. generacija -4. generacija -5. generacija ■ mlada žuželka ■ buba ličinka jajčece ©Gozdarski inštitut Slovenije, dr. Nikica Ogris. 03.10.2019 Slika 42: Spletna aplikacija za točkovno poizvedbo v fenološkem modelu RITY-2. Primer poizvedbe za Bled na dan 2.10.2019. Povezava: https://www.zdravgozd.si/prognoze zapis.aspx?idpor=48 Spletna aplikacija za prostorski prikaz razvoja osmerozobega smrekovega lubadarja (Ips typographus), model RITY-2 Nikica OGRIS Gozdarski inštitut Slovenije, Večna pot 2, 1000 Ljubljana *nikica.ogris@gozdis.si ■e- Datum izdaje: 02.10.2019 Veljavnost: 02.10.2019 Ključne besede: razvoj, fenologija, napoved, prognoza, podlubnik, model, temperatura Karta razvoja osmerozobega smrekovega lubadarja Leto: |2019 v| Vrsta karte: | Razvoj 2. čiste generacije (AVG) 'i i i i i i i i I'N^ i' mar apr maj jun jul __avg sep okt nov M « 0 (и) м> M Slika 43: Spletna aplikacija za prostorski prikaz razvoja osmerozobega smrekovega lubadarja (Ips typographus), model RITY-2. Primer prikaza razvoja 2. čiste generacije na dan 9.10.2019. Povezava: https://www.zdravgozd.si/prognoze zapis.aspx?idpor=49 Slika 44: Spletna interaktivna karta (pregledovalnik) z rezultati modela RITY-2. Primer prikaza razvoja 1. čiste generacije na dan 11. 7. 2019. Povezava: https://www.zdravgozd.si/projekti/podlubniki/karta.aspx?idpor=871bab49-d6f4-4cf4-b68e-9ab59413b14a Slika 45: Spletna aplikacija za točkovno poizvedbo v fenološkem modelu CHAPY-1. Primer poizvedbe za Ljubljano na dan 2.10.2019. Povezava: https://www.zdravgozd.si/prognoze zapis.aspx?idpor=45 Slika 46: Spletna aplikacija za prostorski prikaz razvoja šesterozobega smrekovega lubadarja (Pityogenes chalcographus), model CHAPY-1. Primer prikaza št. potencialnih čistih generacij na dan 9.10.2019. Povezava: https://www.zdravgozd.si/prognoze zapis.aspx?idpor=46 Slika 47: Spletna interaktivna karta (pregledovalnik) z rezultati modela CHAPY-1. Primer prikaza razvoja 1. čiste generacije na dan 3.9.2019. Povezava: https://www.zdravgozd.si/projekti/podlubniki/karta chapy.aspx?idpor=5667a441-dbf2-44e2-b555-1d59271f77e2 Rezultat aktivnosti: • sistem samodejnega obveščanja krajevnih in območnih enot Zavoda za gozdove Slovenije o pričetku rojenja in konca prve generacije osmerozobega in šesterozobega smrekovega lubadarja, implementacija v elektronski informacijski sistem za varstvo gozdov; • spletne aplikacije za načrtovanje postavitve kontrolnih pasti za spremljanje ulova podlubnikov in načrtovanja trajanja spremljanja ulova na podlagi modelnega izračuna za nastop prvega rojenja in modelnega izračuna za konec razvoja prve generacije po modelu RITY-2 in CHAPY-1 o RITY-2: točkovna poizvedba. Naslov: https://www.zdravgozd.si/prognoze zapis.aspx?idpor=48 o RITY-2: prostorski pregled. Naslov: https://www.zdravgozd.si/prognoze zapis.aspx?idpor=49 o RITY-2: interaktivna spletna karta, pregledovalnik. Naslov: https://www.zdravgozd.si/projekti/podlubniki/karta.aspx?idpor=871bab49-d6f4-4cf4-b68e-9ab59413b14a o CHAPY-1: točkovna poizvedba. Naslov: https://www.zdravgozd.si/prognoze zapis.aspx?idpor=45 o CHAPY-1: prostorski pregled. Naslov: https://www.zdravgozd.si/prognoze zapis.aspx?idpor=46 o CHAPY-1: interaktivna spletna karta, pregledovalnik. Naslov: https://www.zdravgozd.si/projekti/podlubniki/karta chapy.aspx?idpor=5667a441-dbf2-44e2-b555-1d59271f77e2 Seznam rezultatov Št. Naslov Cilj(i) DS Nosilec 1 Model za zaznavanje prisotnosti žarišč in spremljanje dinamike razvoja oziroma stopnje napadenosti na podlagi posnetkov MODIS 1, 2 2 Andrej Kobler, GIS 2 Model za zaznavanje prisotnosti žarišč in spremljanje dinamike razvoja oziroma stopnje napadenosti na podlagi posnetkov Sentinel-2 1, 2 2 Andrej Kobler, GIS 3 Model za zaznavanje sanacije žarišč podlubnikov 2 2 Andrej Kobler, GIS 4 Podatki in vegetacijski produkti satelita MODIS za 1999-2019 in satelita Sentinel-2 za 2016-2019, za območje Slovenije 1, 2 2 Tatjana Veljanovski, ZRC-SAZU 5 Elaborat o uporabnosti multikopterja za spremljanje žarišč smrekovih in jelovih podlubnikov 3 2 Andrej Kobler, GIS 6 Zbirka referenčnih terenskih podatkov za posnetke Sentinel-2 1, 3 2 Andrej Kobler, GIS 7 Zbirka referenčnih terenskih podatkov za posnetke s multikopterjem 1, 3 2 Andrej Kobler, GIS 8 Spletna interaktivna aplikacija za zaznavanje žarišč in zaznavanje sanacije žarišč podlubnikov na podlagi multispektralnih satelitskih posnetkov 1, 2 2 Nikica Ogris, GIS 9 Spletna interaktivna aplikacija za vizualizacijo multispektralnih posnetkov drona 1, 2 2 Nikica Ogris, GIS 10 Podatkovna zbirka ekoloških faktorjev za razvoj modelov ogroženosti posameznih vrst iglavcev zaradi lubadarjev 4 3 Maarten de Groot, GIS 11 Prostorski model ogroženosti smreke zaradi podlubnikov v ločljivosti 1 km, časovna ločljivost 1 leto 4 3 Maarten de Groot, GIS 12 Prostorski model ogroženosti jelke zaradi podlubnikov v ločljivosti 1 km, časovna ločljivost 1 leto 4 3 Maarten de Groot, GIS 13 Elaborat o razvoju modelov ogroženosti iglavcev zaradi podlubnikov 4 3 Maarten de Groot, GIS 14 Implementacija modela za oceno ogroženosti smreke in jelke zaradi podlubnikov v sistem samodejnega izračuna glede na nove vhodne podatke 4 3 Nikica Ogris, GIS 15 Interaktivna spletna aplikacija za pregled karte ogroženosti smreke in karte ogroženosti jelke zaradi podlubnikov za naslednje leto 4 3 Nikica Ogris, GIS 16 Plan postavitve kontrolnih pasti: natančne lokacije in čas postavitve 5 4 Nikica Ogris, GIS 17 Plan položitve kontrolno-lovnih debel: natančne lokacije in čas poleganja 5 4 Nikica Ogris, GIS Št. Naslov Cilj(i) DS Nosilec 18 Datum prvega rojenja osmerozobega in šesterozobega smrekovega lubadarja na štirih lokacijah v letih 2017 in 2018 5 4 Marija Kolšek, ZGS 19 Časovna vrsta količin ujetih osebkov osmerozobega in šesterozobega smrekovega lubadarja na štirih lokacijah s frekvenco 3 krat na teden do prvega rojenja v letih 2017 in 2018 5 4 Marija Kolšek, ZGS 20 Datum prvega napada osmerozobega in šesterozobega smrekovega lubadarja na štirih lokacijah v letih 2017 in 2018 5 4 Maja Jurc, BF 21 Datum pojava imagov prve generacije osmerozobega in šesterozobega smrekovega lubadarja na štirih lokacijah v letih 2017 in 2018 5 4 Maja Jurc, BF 22 Temperatura zraka in temperatura skorje kontrolno-lovnih debel izmerjena vsako uro na štirih lokacijah v letih 2017 in 2018 5 4 Mitja Ferlan, GIS 23 Informacijski sistem za samodejni izračun predvidenega začetka rojenja spomladi in datuma konca razvoja prve generacije, do katerega se spremlja ulov v kontrolnih pasteh za osmerozobega in šesterozobega smrekovega lubadarja 5 4 Nikica Ogris, GIS 24 Sistem samodejnega obveščanja krajevnih in območnih enot Zavoda za gozdove Slovenije o pričetku rojenja in konca prve generacije osmerozobega in šesterozobega smrekovega lubadarja, implementacija v elektronski informacijski sistem za varstvo gozdov 6 4 Nikica Ogris, GIS 25 Interaktivna spletna karta za načrtovanje postavitve kontrolnih pasti za spremljanje ulova podlubnikov in načrtovanja trajanja spremljanja ulova na podlagi modelnega izračuna za nastop prvega rojenja in modelnega izračuna za konec razvoja prve generacije 6 4 Nikica Ogris, GIS 26 Javna predstavitev rezultatov projekta 1 Nikica Ogris, GIS 27 Organizacija letnih srečanj z naročniki in končnimi uporabniki 1 Nikica Ogris, GIS 28 Spletna stran projekta 1 Nikica Ogris, GIS 29 Objava izvirnih znanstvenih in strokovnih člankov (vsaj tri) 1 Nikica Ogris, GIS Andrej Kobler, GIS Maarten de Groot, GIS Ocena stopnje realizacije programa dela na raziskovalnem projektu in zastavljenih raziskovalnih ciljev Vsi predvideni cilji in rezultati so doseženi in nekateri celo preseženi. Najpomembnejši raziskovalno-razvojni rezultati projektne skupine OGRIS, Nikica, FERLAN, Mitja, HAUPTMAN, Tine, PAVLIN, Roman, KAVČIČ, Andreja, JURC, Maja, DE GROOT, Maarten. RITY - a phenology model of Ips typographus as a tool for optimization of its monitoring. Ecological modelling, ISSN 0304-3800. [Print ed.], vol. 410, article 108775, https://doi.org/10.10167i.ecolmodel.2019.108775. [COBISS.SI-ID 5450150] DE GROOT, Maarten, OGRIS, Nikica. Short-term forecasting of bark beetle outbreaks on two economically important conifer tree species. Forest Ecology and Management, ISSN 0378-1127. [Print ed.], 2019, vol. 450, https://doi.org/10.1016/i.foreco.2019.117495. [COBISS.SI-ID 5449382] OGRIS, Nikica. Fenološki model za osmerozobega smrekovega lubadarja (Ips typographus) RITY-1 na območju Slovenije. Napovedi o zdravju gozdov, ISSN 2350-6466, 2017. http://www.zdravgozd.si/prognoze zapis.aspx?idpor=33, https://doi.org/10.20315/NZG.33. [COBISS.SI-ID 4694182] OGRIS, Nikica. Prostorski prikaz razvoja osmerozobega smrekovega lubadarja (Ips typographus) na območju Slovenije. Novice iz varstva gozdov, ISSN 1855-8348, 2017, št. 10, str. 3-7, ilustr. http://www.zdravgozd.si/nvg/prispevek.aspx?idzapis=10-2, http://dx.doi.org/10.20315/NVG.10.2. [COBISS.SI-ID 4714662] Najpomembnejši družbeno-ekonomski rezultati projektne skupine OGRIS, Nikica. Spletna aplikacija za izračun fenološkega modela za osmerozobega smrekovega lubadarja (Ips typographus) RITY-2, (Napovedi o zdravju gozdov, Dnevna izdaja). Ljubljana: Gozdarski inštitut Slovenije, 2019. https://www.zdravgozd.si/prognoze_zapis.aspx?idpor=48, https://doi.org/10.20315/NZG.48, doi: 10.20315/NZG.48. [COBISS.SI-ID 5311910] OGRIS, Nikica. Spletna aplikacija za izračun fenološkega modela za šesterozobega smrekovega lubadarja (Pityogenes chalcographus), model CHAPY-1, (Napovedi o zdravju gozdov, Dnevna izdaja). Ljubljana: Gozdarski inštitut Slovenije, 2019. http://www.zdravgozd.si/prognoze zapis.aspx?idpor=45, https://doi.org/10.20315/NZG.45. [COBISS.SI-ID 5311142] OGRIS, Nikica. Spletna aplikacija za prostorski prikaz razvoja osmerozobega smrekovega lubadarja (Ips typographus), model RITY-2, (Napovedi o zdravju gozdov, Dnevna izdaja). Ljubljana: Gozdarski inštitut Slovenije, 2019. https://www.zdravgozd.si/prognoze zapis.aspx?idpor=49, https://doi.org/10.20315/NZG.49. [COBISS.SI-ID 5312166] OGRIS, Nikica. Spletna aplikacija za prostorski prikaz razvoja šesterozobega smrekovega lubadarja (Pityogenes chalcographus), model CHAPY-1, (Napovedi o zdravju gozdov, Dnevna izdaja). Ljubljana: Gozdarski inštitut Slovenije, 2019. http://www.zdravgozd.si/prognoze zapis.aspx?idpor=46, https://doi.org/10.20315/NZG.46. [COBISS.SI-ID 5310886] OGRIS, Nikica. Spletna interaktivna karta za pregled rezultatov fenološkega modela za osmerozobega smrekovega lubadarja (Ips typographus) RITY-2. https://www.zdravgozd.si/projekti/podlubniki/karta.aspx?idpor=871bab49-d6f4-4cf4-b68e-9ab59413b14a OGRIS, Nikica. Spletna interaktivna karta za pregled rezultatov fenološkega modela za šesterozobega smrekovega lubadarja (Pityogenes chalcographus) CHAPY-1. https://www.zdravgozd.si/projekti/podlubniki/karta chapy.aspx?idpor=5667a441-dbf2-44e2-b555-1d59271f77e2 OGRIS, Nikica. Interaktivna spletna aplikacija za pregled karte ogroženosti smreke in karte ogroženosti jelke zaradi podlubnikov za naslednje leto. Ogroženost smreke: https://www.zdravgozd.si/karta.aspx?idpor=a146b52d-05d5-4c09-a7fe-a2478875b9fe, ogroženost jelke: https://www.zdravgozd.si/karta.aspx?idpor=4d5a630b-65d5-4258-b0b0-2ef17c7f7652 OGRIS, Nikica, KOBLER, Andrej. Spremljanje žarišč smrekovih podlubnikov s pomočjo satelitskih posnetkov MODIS. https://www.zdravgozd.si/projekti/podlubniki/modis.aspx OGRIS, Nikica, KOBLER, Andrej. Spremljanje žarišč smrekovih podlubnikov s pomočjo satelitskih posnetkov Sentinel-2. https://www.zdravgozd.si/projekti/podlubniki/sentinel2.aspx OGRIS, Nikica, KOBLER, Andrej. Spremljanje sanacije žarišč smrekovih podlubnikov s pomočjo satelitskih posnetkov Sentinel-2. https://www.zdravgozd.si/projekti/podlubniki/sentinel2 posek.aspx OGRIS, Nikica, KOBLER, Andrej. Spletna interaktivna aplikacija za vizualizacijo multispektralnih posnetkov drona. https://www.zdravgozd.si/projekti/podlubniki/karta dron.aspx Spletna interaktivna aplikacija za zaznavanje žarišč in zaznavanje sanacije žarišč podlubnikov na podlagi multispektralnih satelitskih posnetkov, MODIS: https://www.zdravgozd.si/projekti/podlubniki/karta modis.aspx, Sentinel-2: https://www.zdravgozd.si/projekti/podlubniki/karta sentinel.aspx Naslov spletne strani http://www.zdravgozd.si/projekti/podlubniki/ Finance projekta Osnovne informacije: • Projekt cenovne kategorije B; • Rok trajanja projekta od 1. 10. 2016 do 30. 9. 2019; • Vrednost financiranja za celotno obdobje trajanja projekta 120.000,00 EUR. Delitev sredstev med financerjema: • MKGP: 84.480,00 € (71,2 %) • ARRS: 34.520,00 (28,8 %) Preglednica 12: Delitev sredstev po delovnih sklopih EUR Delež (%) DS1-Koordinacija 8.000 6,7 DS2-Daljinsko zaznavanje 55.500 46,3 DS3-Modela ogroženosti 20.900 17,4 DS4-Fenološka modela 35.600 29,7 Skupaj 120.000 100,0 Preglednica 13: Delitev sredstev po projektnih partnerjih Partner EUR Delež (%) GIS 88.340 73,6 UL BF 13.777 11,5 ZRC SAZU 7.685 6,4 RACE KOGO 5.022 4,2 ZGS 5.176 4,3 Skupaj 120.000 100 Zaključno poročilo projekta so pripravili: dr. Nikica Ogris (DS1 in DS4), dr. Andrej Kobler, Tatjana Veljanovski, Peter Pehani (DS2), dr. Maarten de Groot(DS3) V Ljubljani, 11. 10. 2019 dr. Nikica Ogris doc. dr. Primož Simončič vodja projekta direktor