Zagrożenie lasów Polski na podstawie modelu ryzyka uszkodzenia drzewostanu przez wiatr

• Autorzy: Dmyterko E. , Mionskowski M. , Bruchwald A.

Warianty tytułu

EN

Risk of the wind damage to the forests in Poland on the basis of a stand damage risk model

• Języki publikacji: PL

Abstrakty

EN

On the basis of the wind damage risk model for forests using the data of the State Forests Information System, the stand damage risk factor Wr for each of the 430 forest districts in Poland and the threat measure Ms for a given forest district were determined. The measure of threat to forest Ms for a forest district is a methodical basis for assessing the potential damage to forests in Poland. Its value ranges from 8.1% for the Brzózka Forest District to 48.9% for the Ujsoły Forest District (fig. 1), giving the average value of 24.6% and standard deviation of 7.03%. The measure Ms was the basis for differentiating the levels of threat of wind damage to forest for forest districts. Level 1 (Ms 10%) indicates low threat, level 2 (10%Ms 20%) – elevated threat, level 3 (20%Ms 30%) – moderate threat, level 4 (30%Ms 40%) – high threat, level 5 (Ms 40%) – very high threat. Low threat to forests was found only in two forest districts located in the western part of the country. 113 forest districts, which form large concentrations particularly in western and central Poland, are exposed to an elevated threat. Most forest districts (233) are classified to a group of moderate threat. They are located across the country and are mostly concentrated in the northern and southern regions of Poland. 71 forest districts exposed to high threat are concentrated in the south of Poland in the Carpathians and the Sudetes, with scattered presence in the north of the country. Most of the 11 forest districts with a very high threat to forests are located in the mountains (tab., fig. 1). For the forest districts with a particularly high and very high threat, new silvicultural procedures and the basis for decision making in the field of forest management should be developed to reduce the risk of damage to forest.

Słowa kluczowe

PL

lesnictwo; zagrozenia lasu; wiatry; huragany; uszkodzenia drzewostanow; modele ryzyka uszkodzenia; Polska

• Wydawca: -
• Czasopismo: Sylwan
• Rocznik: 2015
• Tom: 159
• Numer: 05
• Opis fizyczny: s.361-371,rys.,tab.,bibliogr.

Twórcy

autor

Dmyterko E.

• Zakład Zarządzania Zasobami Leśnymi, Instytut Badawczy Leśnictwa, Sękocin Stary, ul.Braci Leśnej 3, 09-050 Raszyn

autor

Mionskowski M.

• Zakład Zarządzania Zasobami Leśnymi, Instytut Badawczy Leśnictwa, Sękocin Stary, ul.Braci Leśnej 3, 09-050 Raszyn

autor

Bruchwald A.

• Zakład Zarządzania Zasobami Leśnymi, Instytut Badawczy Leśnictwa, Sękocin Stary, ul.Braci Leśnej 3, 09-050 Raszyn

Bibliografia

• Blennow K., Sallnäs O. 2004. WINDA−a system of models for assessing the probability of wind damage to forest stands within a landscape. Ecological Modelling 175 (1): 87−99.
• Bruchwald A., Dmyterko E. 2010. Metoda określania ryzyka uszkodzenia drzewostanu przez wiatr. Leśne Prace Badawcze 71 (2): 165−173.
• Bruchwald A., Dmyterko E. 2011. Zastosowanie modeli ryzyka uszkodzenia drzewostanu przez wiatr do oceny zagrożenia lasów nadleśnictwa. Sylwan 155 (7): 459−471.
• Bruchwald A., Dmyterko E. 2012a. Ryzyko powstawania szkód w drzewostanach poszczególnych nadleśnictw Polski. Sylwan 156 (1): 19−27.
• Bruchwald A., Dmyterko E. 2012b. Zagrożenie lasu przez wiatr na przykładzie nadleśnictw Puszczy Białowieskiej. Sylwan 156 (10): 750−764.
• Bruchwald A., Dmyterko E. 2013. Model ryzyka uszkodzenia drzewostanu przez wiatr z uwzględnieniem cech rzeźby terenu. W: Okła K. [red.]. Geomatyka Lasów Państwowych – Poradnik Praktyczny. CILP, Warszawa. 268−288.
• Bruchwald A., Dmyterko E. 2014a. Stochastyczny model określania miąższości złomów, wywrotów i posuszu. Sylwan 158 (4): 258−266.
• Bruchwald A., Dmyterko E. 2014b. Nowy wariant modelu ryzyka uszkodzenia drzewostanu przez wiatr. Sylwan 158 (8): 571−578.
• Filipek Z. 2008. Szkody w wyniku zjawisk klęskowych na terenie Lasów Państwowych w ostatnich latach. W: Klęski żywiołowe w lasach zagrożeniem dla wielofunkcyjnej gospodarki leśnej. SITLiD, Wyd. Świat, Warszawa. 5−13.
• Fridman J. Valinger E. 1998. Modeling probability of snow and wind damage using tree, stand, and site characteristics from Pinus sylvestris sample plots. Scand. J. For. Res. 13: 348−356.
• Gil W., Zachara T. 2006. Analiza szkód od wiatru w wybranych drzewostanach świerkowych i sosnowych. Leśne Prace Badawcze 4: 77−99.
• Grabowski L. 2008. Szkody od huraganu w 2007 r. w RDLP Wrocław. W: Klęski żywiołowe w lasach zagrożeniem dla wielofunkcyjnej gospodarki leśnej. Wyd. Świat, Warszawa. 55−71.
• Gurowski K. 2012. Zagospodarowanie terenów leśnych zniszczonych huraganem w dniu 4 lipca 2002 r. W: 10 lat po huraganie w Puszczy Piskiej. Białystok. 5−27.
• Janusz E. 2008. Szkody od huraganu w 2007 r. w drzewostanach RDLP Łódź. W: Klęski żywiołowe w lasach zagrożeniem dla wielofunkcyjnej gospodarki leśnej. SITLiD, Wyd. Świat, Warszawa. 14−16.
• Karetko J. 2008. Śniegołomy w lasach RDLP w Olsztynie z listopada 2006 r., ocena rozmiaru, koncepcja uprzątania i zagospodarowania powierzchni poklęskowych. W: Klęski żywiołowe w lasach zagrożeniem dla wielofunkcyjnej gospodarki leśnej. SITLiD, Wyd. Świat, Warszawa. 17−28.
• Koziński G., Nienartowicz A. 2006. Spatial distribution and extent of damages by wind storms in tree stands of the
• Tuchola Forest. W: Kolk A. [red.]. Insect outbreaks in managed and unmanaged forests. Forest Research Institute, Warszawa. 89−105.
• Mikułowski M. 2002. Problemy zagospodarowania lasu na terenie klęski wiatrowej z lipca 2002 r. w północno−wschodniej Polsce. Prace Inst. Bad. Leśn. A. 3 (937−943): 129−133.
• Miller K. F. 1986. Windthrow hazard in conifer plantations. Irish Forestry 43 (1): 66−78.
• Mitchell S., Lanquaye−Opoku N., Modzelewski H., Shen Y., Stull R., Jackson P., Murphy B., Ruel J.−C. 2008. Comparison of wind speeds obtained using numerical weather prediction models and topographic exposure indices for predicting windthrow in mountainous terrain. For. Ecol. Manage. 254 (2): 193−204.
• Ni Dhubhain A., Walshe J., Bulfin M., Keane M., Mills P. 2001. The initial development of a windthrow risk model for Sitka spruce in Ireland. Forestry 74 (2): 161−170.
• Peltola H. 1996. Model computations on wind flow and turning moment by wind for Scot pines along the margins of clear cut areas. For. Ecol. Manage. 83: 203−215.
• Peltola H., Kellomäki S. 1993. A mechanistic model for calculating windthrow and stem breakage of Scots pines at stand edge. Silva Fennica 27 (2): 99−111.
• Valinger E., Fridman J. 1997. Modelling probability of snow and wind damage in Scots pine stands using tree characteristics. For. Ecol. Manage. 97: 215−222.
• Valinger E., Fridman J. 1999. Models to assess the risk of snow and wind damage in pine, spruce, and birch forests in Sweden. Environmental Management 24 (2): 209−217.
• Talkkari A., Peltola H., Kellomäki S., Strandman H. 2000. Integration of component models from the tree, stand and regional levels to assess the risk of wind damage at forest margins. For. Ecol. Manage. 135: 303−313.
• Zachara T. 2006. Problem szkód w lasach powodowanych przez śnieg i wiatr oraz sposoby przeciwdziałania im. Sylwan 150 (10): 56−64.
• Zajączkowski J. 1991. Odporność lasu na szkodliwe działanie wiatru i śniegu. Wyd. Świat, Warszawa.
• Zajączkowski J., Mikułowski M., Zachara T., Gil W., Kopryk W. 2004. Możliwości zwiększenia efektywności zabiegów hodowlanych w kształtowaniu odporności lasu na szkodliwe działanie wiatru i śniegu. IBL, Warszawa.
• Zawiła−Niedźwiecki T. 1994. Ocena stanu lasu w ekosystemach zagrożonych z wykorzystaniem zdjęć satelitarnych i systemu informacji przestrzennej. Prace Instytutu Geodezji i Kartografii XLI.
• Zeng H., Peltola H., Talkkari A., Venäläinen A., Strandman H., Kellomäki S., Wang K. 2004. Influence of clear−cutting on the risk of wind damage at forest edges. For. Ecol. Manage. 203 (1−3): 77−88.
• Zeng H., Pukkala T., Peltola H. 2007. The use of heuristic optimization in risk management of wind damage in forest planning. For. Ecol. Manage. 241 (1−3): 189−19