Bakalářská práce

Cíle práce

Cílem bakalářské práce je analyzovat vývoj klimatu na území Česka v průběhu let 2013–2023 a určit jeho dopad na včelstva včely medonosné (Apis mellifera). Vliv jednotlivých klimatických proměnných bude zkoumán ve vztahu ke sledovaným ukazatelům, jako jsou zimní ztráty včelstev, výskyt nemocí, intenzita snůšky, medný výnos a případné další údaje poskytované v rámci dotazníkového šetření asociace COLOSS. Výsledkem práce bude určení klimatických a bioklimatických proměnných, jejichž meziroční výkyvy měly nejvýznamnější dopad na včelstva, a zároveň časoprostorová detekce změn klimatu ve vztahu k včelstvům na území Česka.

V teoretické části budou shrnuty dosavadní literární poznatky o dopadech změn klimatu na včelstva. Dále bude přiblížena činnost mezinárodní asociace COLOSS, která se zaměřuje na monitoring úspěšnosti zimování včelstev. Součástí odborné rešerše bude také analýza dostupných klimatických datových sad.

Praktická část bude zaměřena na zpracování klimatických dat a výsledků dotazníkového šetření asociace COLOSS. Z klimatických dat budou následně vypočteny klimatické anomálie a bioklimatické proměnné, které poslouží jako podklad pro statistické vyhodnocení jejich vlivu na včelstva.

S ohledem na dostupnost dat z dotazníkového šetření asociace COLOSS bylo po konzultaci s vedoucím práce stanoveno, že dopad vývoje klimatu bude zkoumán výhradně ve vztahu k úspěšnosti zimování včelstev. Důvodem je skutečnost, že data ostatních ukazatelů (např. výskyt nemocí, intenzita snůšky, medný výnos apod.) nejsou k dispozici za celé sledované období, neboť byla zaznamenávána pouze v určitých letech.

Po domluvě s vedoucím práce budou klimatické anomálie vygenerovány pouze v měsíčním rozlišení namísto za celé roky. Tento přístup lépe odpovídá potřebám práce, neboť umožňuje identifikovat konkrétní měsíce, v nichž měly odchylky klimatických proměnných statisticky významný vliv na ztráty včestev. Jednotlivé měsíční anomálie nebudou počítány oproti klimatickému normálu (1991–2020), ale vůči dlouhodobému průměru vypočtenému zvlášť pro každý kalendářní měsíc v rámci sledovaného období 2013–2023. K vypočtení anomálií oproti normálu by v prostředí ArcGIS Pro byla potřeba data za celý sledovaný normál, což je však vzhledem k objemu dat časově a zpracovatelsky náročné.

Součástí zadání práce je také vhodná vizualizace dosažených výsledků, dále tvorba webových stránek a posteru sloužícího k vizuálnímu představení stěžejních výsledků a výstupů celé bakalářské práce. Všechny výstupy budou spolu s textem práce umístěny na stránkách katedry geoinformatiky Univerzity Palackého v Olomouci.

Výsledky této práce mohou včelařům, ale i odborné a laické veřejnosti poskytnout důležité informace o dopadu klimatických změn na včelstva, a to zejména identifikací klimatických a bioklimatických proměnných, jejichž meziroční výkyvy mají na ztráty včelstev největší vliv. Získané poznatky mohou rovněž v budoucnu přispět k účinnější prevenci proti masivním úhynům chovaných včelstev.

Metody

Použité metody

V teoretické části této práce je popisován význam A. mellifera mezi opylovači rostlin a vliv klimatických či povětrnostních podmínek na její chování a fyziologii. Dále jsou popsány dopady patogenů, parazitů, invazních druhů a pesticidů na včelstva, včetně toho, jak mohou změny klimatu přispívat k jejich šíření a zvyšování jejich negativního dopadu na zdravotní stav kolonií. Součástí rešerše je i popis monitoringu úspěšnosti zimování včelstev, který provádí asociace COLOSS s cílem objasnit příčiny zvýšených úhynů kolonií zaznamenaných v posledních letech u nás i ve světě. Závěrečná část rešerše obsahuje přehled a charakteristiku vybraných klimatických datových sad s cílem identifikovat vhodnou datovou sadu pro potřeby této práce.

Na základě poznatků uvedených v rešeršní části byla vybrána vhodná klimatická datová sada – ta však obsahuje poměrně velké množství klimatických proměnných (celkem 26). Z tohoto důvodu byl proveden primární výběr klimatických charakteristik a dále byly zkoumány pouze proměnné, které dle dostupných studií přímo ovlivňují fyziologické procesy a aktivitu včel. Ke stažení a úpravě dat bylo v rámci celé práce využito několika skriptů vytvořených v programovacím jazyce Python. Sestavené skripty byly vždy testovány na minimálním vzorku dat a jsou navrženy tak, aby dokázaly stahovat a upravovat data požadovaného formátu. Všechny skripty byly validovány a optimalizovány pomocí ChatGPT-4o. Získaná data mají bodový charakter a pomocí vytvořených interpolačních modelů v prostředí Model Builder byly převedeny do rastrů. Interpolace je prostorová metoda, která slouží k predikci hodnoty jevu v místě s neznámou hodnotou na základě známých hodnot v okolí.

Pomocí kontingenčních tabulek byly zpracovány záznamy z dotazníkového šetření asociace COLOSS, zaměřené na počty zazimovaných a následně uhynulých včelstev. Kontingenční tabulky umožňují snadnou agregaci tabelárních dat na úroveň dostupných PSČ v jednotlivých ročnících monitoringu.

Z rastrů klimatických proměnných byly vypočteny klimatické anomálie a bioklimatické charakteristiky. Ty následně sloužily jako podklad pro statistické hodnocení jejich vlivu na úspěšnost zimování včelstev. U bioklimatických charakteristik bylo kvůli jejich vyššímu počtu (celkem 19) provedeno statistické vyhodnocení metodou PCA, které vedlo k vybrání pouze nejvlivnějších proměnných. Pomocí korelační matice byla zároveň vyhodnocena míra korelace mezi těmito proměnnými, na jejímž základě došlo k odstranění redundantních dat.

Pro vyhodnocení významnosti klimatických odchylek a bioklimatických proměnných byl použit Spearmanův korelační koeficient. V rámci sledovaného období byla u klimatických anomálií provedena korelace samostatně pro jednotlivé měsíce. U bioklimatických proměnných byla korelace vypočítána zvlášť pro každou analyzovanou proměnnou. Statisticky významné anomálie byly testovány pomocí Kruskal–Wallisova testu. Tento test rozděluje analyzovaná PSČ do kvartilů podle hodnot anomálií a ověřuje, zda jsou rozdíly ve ztrátách včelstev mezi těmito kvartily statisticky významné. Dále byl proveden Dunnův test, který umožňuje identifikovat konkrétní dvojice kvartilů, mezi nimiž se statisticky významný rozdíl skutečně vyskytuje. Výsledky Dunnova testu byly upraveny Bonferroniho korekcí, která snižuje riziko falešně pozitivních výsledků při vícenásobném testování. U všech provedených testů byla statistická významnost posuzována na hladině významnosti p < 0.05.

Po dokončení teoretické i praktické části následovala finalizace bakalářské práce, která zahrnovala úpravy a dokončení textu, vytvoření webových stránek a zpracování posteru sloužícího k vizuálnímu představení stěžejních výsledků a výstupů celé práce.

Veškeré citace zdrojů dat jsou uvedeny v bakalářské práci.

Použitá data

Bakalářská práce byla realizována za využití volně dostupných i neveřejných zdrojů dat. Žádná použitá data nebyla vytvořena ručním měřením ani digitalizací.

Jako klimatická datová sada byla zvolena Historická meteorologická data měřená v síti stanic ČHMÚ ve formě denních záznamů. Jedná se o data ze sítě meteorologických stanic, která jsou součástí klimatologické databáze CLIDATA. Datová sada byla očištěna od chybných nebo neúplných hodnot a uložena v tabelární podobě. Poskytovatelem a vlastníkem klimatické datové sady je Český hydrometeorologický ústav (ČHMÚ). Záznamy jednotlivých meteorologických stanic jsou distribuovány zdarma.

Hlavním datovým zdrojem o stavu včelstev jsou výsledky dotazníkového šetření asociace COLOSS, konkrétně data z monitoringu úspěšnosti zimování včelstev v České republice. Dotazníkové šetření je každoročně prováděno v jarních měsících a reflektuje zkoumané události za uplynulý rok (například ztráty včelstev za rok 2013 jsou zaznamenány v rámci dotazníku na jaře roku 2014). Výsledky dotazníkového šetření byly na vyžádání poskytnuty RNDr. Janem Brusem, Ph.D. a Mgr. Jiřím Danihlíkem, Ph.D. v tabelárním formátu. Veškeré záznamy obsažené v datové sadě byly před zpřístupněním anonymizovány a očištěny od hrubých či záměrně chybných údajů dr. Brusem.

Kvůli zachování vyšší úrovně lokalizační přesnosti dat z dotazníkového šetření asociace COLOSS byla v této práci použita polygonová vrstva ZIP. Tato vrstva je distribuována Českým statistickým úřadem (ČSÚ) a obsahuje jednotlivé územní obvody adresních pošt (PSČ) na území České republiky. Vrstva byla poskytnuta dr. Brusem.

Při tvorbě interpolačních modelů a přípravě podkladů pro vizualizaci mapových výstupů byla použita data z databáze ArcČR 500 verze 3.3. Jedná se o digitální geografickou databázi, která obsahuje informace o České republice v měřítku 1 : 500 000. Datová sada je poskytována bezplatně společností ARCDATA PRAHA, s.r.o., ve spolupráci se Zeměměřickým úřadem (ZÚ) a Českým statistickým úřadem (ČSÚ).

Použité programy

Veškeré skripty v programovacím jazyce Python verze 3.11.10 byly vyvíjeny v prostředí programu PyScripter ve verzi 5.2.1. PyScripter je specializované integrované vývojové prostředí (integrated development environment – IDE), umožňující využívat Python nainstalovaný spolu s geografickým informačním systémem (GIS) jako výchozí prostředí pro spuštění skriptů. Tímto způsobem lze snadno integrovat knihovnu ArcPy a využívat ve skriptech nástroje ze sekce geoprocessing, které jsou dostupné v prostředí ArcGIS Pro.

Jako hlavní program pro práci s prostorovými daty byl zvolen ArcGIS Pro ve verzi 3.4.3 od americké společnosti Esri. V něm probíhala tvorba interpolačních modelů a práce s rastrovými i vektorovými daty. Byl použit jak na práci s analytickými nástroji, tak na vytváření datových náhledů a prohlížení dat. V prostředí ArcGIS Pro rovněž probíhala příprava podkladů pro vizualizace mapových výstupů.

Nahlížení na tabelární data, úprava dat z monitoringu úspěšnosti zimování včelstev a zpracování korelačních matic bioklimatických charakteristik probíhalo v programu Microsoft Excel z balíčku Microsoft Office 365.

Pro tvorbu statistických analýz byl použit program RStudio verze 2024.12.1 s jazykem R ve verzi 4.4.3.

Vzhledem k omezeným možnostem grafických úprav v prostředí ArcGIS Pro byl k finálnímu zpracování mapových výstupů využit program Adobe Illustrator z programové sady Adobe Creative Cloud.

Postup zpracování

Výsledky práce

Hlavním výsledkem práce je určení klimatických anomálií a bioklimatických proměnných, jejichž meziroční výkyvy měly nejvýznamnější dopady na včelstva. Vzhledem k tomu, že data z monitoringu úspěšnosti zimování včelstev nevykazují normální rozdělení, byl pro statistické vyhodnocení vlivu sledovaných proměnných na včelstva použit Spearmanův korelační koeficient. Jedná se o neparametrickou (tj. na rozdělení nezávislou) metodu, kterou určujeme sílu a směr monotónního vztahu mezi dvěma proměnnými.

Určení významnosti klimatických anomálií

V programu RStudio byla pro vstupní data klimatických anomálií a ztrát (viz kapitola 4.6) provedena korelační analýza těchto proměnných. Pro každý měsíc v jednotlivých letech (2013–2023) byla spočítána průměrná hodnota dané klimatické anomálie ze všech reprezentativních PSČ. Dále byly vypočítány průměrné ztráty ze všech PSČ za každý rok sledovaného období. Průměrné hodnoty klimatických anomálií v jednotlivých měsících byly následně podrobeny korelační analýze se ztrátami včelstev napříč sledovaným obdobím – tento postup umožňuje identifikaci klimatických proměnných, jejichž meziroční výkyvy měly na včelstva potenciálně největší vliv.

Byl zkoumán vliv odchylek následujících klimatických proměnných:

• Maximální, průměrná a minimální teplota vzduchu
• Průměrná rychlost větru
• Doba trvání slunečního svitu
• Relativní vlhkost vzduchu
• Celková suma úhrnu srážel

Výsledek Spearmanovy korelace anomálií maximální teploty vzduchu se ztrátami včelstev vykazuje v únoru statisticky významnou a silnou pozitivní korelaci (r = 0,80; p = 0,005). Možnou souvislost s odchylkami maximální teploty vzduchu uvádí i Bergmann (1985), který zjistil, že vyšší maximální teploty vzduchu v únoru vedou k předčasnému rozvoji včelstev. Tento urychlený ovšem rozvoj prokazatelně oslabuje imunitu včel a může vést k jejich následnému kolapsu, kdy jedním z možných faktorů je mimo jiné i vysoká prevalence roztoče Varroa destructor, vyvolaná dřívějším začátkem plodování v důsledku zvýšených teplot vzduchu právě na začátku včelařské sezóny (Nürnberger et al., 2019). V ostatních měsících nebyl statisticky významný vztah prokázán. Výsledek korelace znázorňuje Graf 1.

Spearmanova korelace odhalila silný pozitivní vztah i únorových průměrných (r = 0,76; p = 0,009) a minimálních teplot vzduchu (r = 0,65; p = 0,034). V žádném jiném měsíci nebyl statisticky významný vztah mezi odchylkami průměrné a minimální teploty vzduchu se ztrátami včelstev prokázán. Výsledek korelace zachycuje Graf 2 a 3.

Výsledná korelace odchylek průměrné rychlosti větru vykazuje v únoru se ztrátami včelstev statisticky významnou a silnou pozitivní korelaci (r = 0,70; p = 0,021). Přestože záporná korelace v srpnu dosahuje hodnot blízko hranice statistické významnosti (r = - 0,54; p = 0,094), v žádném dalším měsíci nebyl statisticky významný vztah prokázán. Výsledek korelace zachycuje Graf 4.

U zbylých sledovaných proměnných nebyl prokázán statisticky významný vztah v žádném kalendářním měsíci. Lze proto předpokládat, že jejich dopad na úspěšnost zimování včelstev je pouze omezený. Na základě těchto zjištění se autor práce domnívá, že únor představuje klíčový měsíc pro správný rozvoj včelstev během sezóny, neboť výraznější odchylky maximální, průměrné a minimální teploty vzduchu a průměrné rychlosti větru v tomto měsíci mohou předcházet zvýšeným zimním ztrátám v daném roce.

Srovnání hodnot klimatických anomálií a ztrát včelstev

Pro statisticky významné únorové odchylky bylo v programu RStudio provedeno grafické porovnání jejich hodnot se zimními ztrátami včelstev ve sledovaných letech pomocí spojnicového grafu – jedná se o vizuální interpretaci zjištěných odchylek a jejich možného vztahu k míře zimních úhynů.

Vyšší kladné hodnoty odchylek maximální a průměrné teploty vzduchu v únoru byly ve většině let spojeny se zvýšenými zimními ztrátami včelstev. Naopak při nižších či záporných hodnotách anomálií byly zpravidla zaznamenány menší hodnoty ztrát. V letech 2018 a 2020 byl ovšem tento zjištěný vztah výrazně slabší, neboť míra ztrát včelstev v těchto letech nekorelovala s hodnotami anomálií průměrné teploty vzduchu. Lze tedy předpokládat, že míru ztrát v těchto letech mohlo významně ovlivnit působení dalších okolních faktorů, které však nebyly předmětem zkoumání této práce. V nejméně ztrátovém roce 2015 byly v únoru zaznamenány téměř nulové teplotní odchylky. Naopak nejvíce ztrátový rok 2019 vykazoval téměř nejvyšší kladné hodnoty anomálie. Toto srovnání zachycuje Graf 5 a 6.

Také vyšší kladné hodnoty únorových odchylek minimální teploty vzduchu ve většině sledovaných let předcházely vyšším zimním ztrátám (viz Graf 13). Výraznější nesoulad s tímto vztahem byl zaznamenán v letech 2018 a 2019, kdy míra zimních ztrát nekorelovala s hodnotami anomálie. Zajímavým zjištěním je, že nejvíc ztrátový rok 2019 vykazoval velmi podobné hodnoty anomálií minimální teploty vzduchu jako nejméně ztrátový rok 2015. Toto srovnání zachycuje Graf 7.

Vyšší záporné odchylky průměrné rychlosti větru v únoru byly ve většině let spojeny s nižšími úhyny včelstev. Výjimkou jsou roky 2018 a 2019, kdy byl vztah mezi odchylkami a ztrátami méně zřetelný. Únor roku 2015 s nejnižšími ztrátami i únor roku 2019 s nejvyššími ztrátami včelstev vykazovaly téměř shodné hodnoty anomálie průměrné rychlosti větru, ovšem zjištěný rozsah únorových anomálií rychlosti větru byl oproti 63 odchylkám teplotních proměnných velmi malý (od -1 do 1 m/s), což může znamenat, že i malé odchylky rychlosti větru mohou mít významný dopad na včelstva. Tento výsledek je však nutné interpretovat s určitou mírou opatrnosti, neboť dle poznatků získaných v rešeršní části (kapitola 2) ovlivňuje rychlost větru především letovou aktivitu včel (Hennessy et al., 2020), nikoliv přímo úspěšnost zimování. Potenciální vliv tohoto faktoru na ztráty (dle dohledaných informací) nebyl doposud jednoznačně prokázán, a proto je žádoucí další výzkum zaměřený na podrobnější analýzu tohoto jevu. Toto srovnání zachycuje Graf 8.

Srovnání ztrát podle hodnot klimatických anomálií

Pro statisticky významné anomálie byl dále proveden Kruskal–Wallisův test. Jedná se o neparametrickou metodu, která slouží k ověření, zda mezi porovnávanými skupinami existují statisticky významné rozdíly. V prostředí RStudio byly všechny záznamy PSČ automaticky rozděleny do kvartilů podle velikosti klimatických anomálií (např. PSČ s 25 % nejnižších hodnot tvoří kvartil 1 apod.) a bylo zkoumáno, zda se ztráty včelstev mezi těmito kvartily statisticky významně liší:

• Kvartil 1 – nejnižší hodnoty anomálie (percentil 0–25)
• Kvartil 2 – nižší hodnoty anomálie (percentil 26–50)
• Kvartil 3 – vyšší hodnoty anomálie (percentil 51–75)
• Kvartil 4 – nejvyšší hodnoty anomálie (percentil 76–100)

Pomocí Kruskal–Wallisova testu byl u všech klimatických anomálií prokázán statisticky významný rozdíl ve ztrátách včelstev mezi zkoumanými kvartily (p < 0.001). Kruskal–Wallisův test však pouze určuje, zda existuje statisticky významný rozdíl mezi porovnávanými kvartily, avšak neposkytuje informaci o tom, mezi kterými konkrétními kvartily tento rozdíl nastává. Z tohoto důvodu byl v programu RStudio proveden Dunnův test, který představuje vhodnou neparametrickou metodu pro vícenásobné párové porovnání, umožňující identifikovat konkrétní skupiny, mezi nimiž se rozdíl skutečně vyskytuje. Výsledky Dunnova testu byly upraveny pomocí Bonferroniho korekce, která snižuje riziko falešně pozitivních výsledků při vícenásobném testování prostřednictvím úpravy hladiny významnosti.

Výsledky Dunnova testu odhalily statisticky významné rozdíly ve ztrátách včelstev mezi všemi porovnávanými kvartily odchylek maximální teploty vzduchu, s výjimkou kvartilů 1 a 2, kde rozdíl významný nebyl. Největší rozdíl byl zaznamenán mezi kvartilem 1 a 4 (Z = -7,89; p < 0.001), tedy mezi PSČ s nejnižšími a nejvyššími hodnotami anomálií maximální teploty vzduchu. Výsledky testu znázorňuje Graf 9.

U většiny kvartilů anomálií průměrné a minimální teploty vzduchu byly rovněž zjištěny statisticky významné rozdíly v úhynech včelstev. Významný rozdíl se u těchto anomálií neprojevil pouze mezi kvartily 1 a 2 kvartily 3 a 4, což naznačuje, že ztráty včelstev v PSČ zařazených do těchto kvartilů byly srovnatelné. Naopak největší rozdíly byly zaznamenány mezi kvartily 1 a 4. Přehled výsledků znázorňuje Graf 10 a Graf 11.

Statisticky významné rozdíly mezi kvartily anomálií průměrné rychlosti větru byly zjištěny mezi kvartily 2 a 4 (Z = -4,81; p < 0.001),3 a 4 (Z = -2,92; p = 0,021) a nejvýraznější rozdíl byl zaznamenán u kvartilů 1 a 4(Z = -5,07; p < 0.001). Ostatní párová porovnání byla statisticky nevýznamná. Výsledky párového porovnání kvartilů shrnuje Graf 12.

Výsledky Kruskal–Wallisova testu a navazujícího Dunnova testu tedy naznačují, že v PSČ, kde byly v únoru během let 2013–2023 zaznamenány nejvyšší hodnoty klimatických anomálií (kvartil 4), docházelo ke statisticky významným rozdílům v míře ztrát včelstev oproti oblastem s nejnižšími hodnotami těchto odchylek (kvartil 1). Lze však předpokládat, že u klimatických anomálií, u nichž bylo mezi jednotlivými dvojicemi kvartilů zaznamenáno více statisticky významných rozdílů, může i menší změna těchto hodnot souviset se zvýšenou mírou ztrát včelstev.

Srovnání hodnot anomálií podle míry zimních ztrát

Protože se únor ukázal jako statisticky významný měsíc a například teplota vzduchu od února do května hraje klíčovou roli v rozvoji včelstev během roku, bylo dále vizuálně zkoumáno, jak se v tomto období liší hodnoty klimatických anomálií. Sledované roky byly rozděleny do tří skupin podle hodnot zimních ztrát. Tyto skupiny byly stanoveny tak, aby zahrnovaly roky s podobnou mírou úhynů včelstev:

• méně ztrátové roky (do 10 %)
• středně ztrátové roky (10,1–15 %)
• více ztrátové roky (nad 15 %)

Vysoké kladné anomálie teploty vzduchu v měsících únoru a březnu byly pozorovány v letech s vysokými zimními ztrátami včelstev. Hodnoty anomálií mezi březnem a dubnem poměrně výrazně klesají a přecházejí do záporných hodnot. Středně ztrátové roky se vyznačují poměrně stabilními a spíše nižšími kladnými anomáliemi v průběhu celého sledovaného období. U méně ztrátových let lze naopak pozorovat vyšší záporné anomálie, které mezi březnem a dubnem klesají. Toto porovnání zachycuje Graf 13 a 14.

Více a středně ztrátové roky vykazují v únoru velmi podobné hodnoty anomálie minimální teploty vzduchu. U více ztrátových let je však patrná téměř nulová odchylka minimální teploty v březnu, po níž následuje pokles do záporných hodnot v následujících měsících. Středně ztrátový rok se vyznačuje stabilními hodnotami anomálie v celém sledovaném období. Naopak nejméně ztrátové roky jsou charakteristické trvale vyššími zápornými anomáliemi, jejichž hodnoty postupně klesají. Toto porovnání znázorňuje Graf 15.

V případě anomálií průměrné rychlosti větru jsou u velmi ztrátových let patrné výrazné změny v průběhu celého sledovaného období, přičemž nejvyšší kladné odchylky byly v těchto letech zaznamenány v únoru, nejvyšší záporné naopak v květnu. Středně ztrátové roky vykazují ve všech sledovaných měsících téměř nulové hodnoty anomálií. Méně ztrátové roky se vyznačují výraznější zápornou anomálií v únoru, zatímco ve zbývajících měsících se hodnoty pohybují blízko nuly. Ve všech třech skupinách byly v březnu zaznamenány téměř nulové odchylky průměrné rychlosti větru. Toto porovnání znázorňuje Graf 16.

Vizuální porovnání průměrných hodnot (za období 2013–2023) klimatických anomálií v období od února do května naznačuje, že nadprůměrně teplý únor a březen a výraznější kolísání rychlosti větru v jarním období mohou nepříznivě ovlivňovat míru ztrát včelstev. Je však nutné tato zjištění interpretovat s určitou mírou opatrnosti, neboť se jedná pouze o vizuální interpretaci rozdílů mezi ztrátovými skupinami v tomto období, a statisticky významný vliv klimatických anomálií byl prokázán pouze v únoru.

Určení významnosti bioklimatických proměnných

Dopad bioklimatických proměnných na včelstva byl, stejně jako v případě klimatických anomálií, analyzován pomocí Spearmanova korelačního koeficientu.

Byl zkoumán vliv následujících bioklimatických proměnných:

• Bio 3 – Isothermality (Izotermalita)
• Bio 4 – Temp. Seasonality (Teplotní sezónnost)
• Bio 5 – Max Temp. of Warmest Month (Max. teplota nejteplejšího měsíce)
• Bio 6 – Min Temp. of Coldest Month (Min. teplota nejchladnějšího měsíce)
• Bio 7 – Annual Temp. Range (Roční rozsah teplot)
• Bio 11 – Mean Temp. of Coldest Quarter (Prům. teplota nejchlad. čtvrtletí)
• Bio 15 – Prec. Seasonality (Srážková sezónnost)
• Bio 18 – Prec. of Warmest Quarter (Úhrn srážek v nejteplejším čtvrtletí)
• Bio 19 – Prec. of Coldest Quarter (Úhrn srážek v nejchladnějším čtvrtletí)

V programu RStudio byla pro vstupní tabelární data vypočtena korelace bioklimatických proměnných vůči zimním ztrátám včelstev. Pro každý rok (2013–2022) byla nejprve stanovena průměrná hodnota úhynů a jednotlivých proměnných napříč všemi analyzovanými PSČ. Následně byl pro každou proměnnou vypočten korelační vztah se ztrátami napříč těmito lety – tento způsob umožňoval určit bioklimatické proměnné, jejichž meziroční výkyvy měly největší vliv na včelstva. Nicméně rok 2023 nebyl do této analýzy zahrnut, neboť v době stahování klimatických dat nebyla k dispozici data za leden 2024, která jsou nezbytná pro výpočet bioklimatických proměnných za meziroční období 2023–2024.

Výsledky Spearmanovy korelace naznačují, že žádná z bioklimatických proměnných nevykazuje vůči zimním ztrátám včelstev stměnných je hodnota p > 0,05), a to i přesto, že Bio 3 dosahuje hodnot blízko hranice statistické významnosti (r = 0,56; p = 0,090). Z tohoto důvodu nebyly pro žádnou z těchto proměnných prováděny další statistické analýzy. Jejich další zkoumání by s ohledem na statistickou nevýznamnost nebylo opodstatněné. Výsledek testu zobrazuje Graf 17.

Bioklimatické proměnné jsou nejčastěji průměrovány na úroveň čtvrtletí, avšak z takto agregovaných dat nelze vyčíst statisticky významný vztah mezi jednotlivými proměnnými a mírou ztrát, což může naznačovat, že výraznější dopady na včelstva mohou mít spíše individuální měsíce.

Automatizační skripty

V průběhu práce byly vytvořeny také automatizační skripty určené ke zpracování dat z klimatické datové sady Historická meteorologická data měřená v síti stanic ČHMÚ, která byla v této práci použita. V případě potřeby je možné skripty dále uživatelsky upravit, což umožňuje zpracování až 26 klimatických proměnných dostupných v datové sadě, a to od roku 1775 až po současnost (vzhledem ke každoroční aktualizaci datové sady bude tento postup nejspíš možné využít i pro stahování nejnovějších klimatických dat v následujících letech). Dle dohledaných informací se pravděpodobně jedná o vůbec první veřejně dostupný a detailně popsaný nástroj pro hromadné zpracování dat z uvedené datové sady. Kromě skriptů pro stahování a úpravu klimatických dat bylo vytvořeno také několik dalších skriptů, které sloužily ke zpracování dalších datových podkladů, které byly v práci použity.

Interpolační modely klimatických proměnných

Dalším výsledkem bakalářské práce jsou vytvořené interpolační modely, které umožňují prostorovou interpolaci klimatických proměnných používaných v této práci. Tvorba modelů vychází z informací uvedených v metodice WEBOVÁ APLIKACE AGROPOČASÍ vydávané Českým hydrometeorologickým ústavem. Tato metodika byla zvolena, neboť umožňuje interpolaci obdobných bodových dat. Výstupní rastry klimatických proměnných byly použity pro výpočet klimatických anomálií a bioklimatických proměnných.

Znázornění problematiky zimních ztrát včelstev

Za účelem přiblížení problematiky zimních ztrát včelstev byla vytvořena dvojice map, porovnávající úhyny včelstev ve 143 analyzovaných PSČ v nejméně ztrátovém (2015/2016) a nejvíce ztrátovém ročníku monitoringu (2019/2020). Na těchto mapách je dobře patrný rozdíl nejen v celkové míře ztrát, ale i v jejich prostorovém rozložení. V ročníku 2015/2016 byly hodnoty ztrát ve většině PSČ velmi nízké, mnohdy dokonce nulové, a vysoké ztráty byly zaznamenány pouze ojediněle. Oproti tomu v ročníku 2019/2020 došlo k výraznému nárůstu úhynů napříč celým územím České republiky. Přestože většina včelařů považuje ztráty včelstev do 20 % za přijatelné, v řadě oblastí byly zaznamenány hodnoty, které tuto pomyslnou hranici výrazně převyšují. Vytvořené mapy jsou na Obr. 1.

Závěr

Hlavním cílem bakalářské práce bylo analyzovat vývoj klimatu na území Česka v průběhu let 2013–2023 a určit jeho dopad na včelstva včely medonosné (Apis mellifera). Hodnocení vlivu vývoje klimatu bylo provedeno na základě vypočítaných klimatických anomálií a bioklimatických proměnných, a to ve vztahu k zimním ztrátám včelstev zaznamenaným prostřednictvím dotazníkového šetření asociace COLOSS.

Rešerše byla věnována popisu včely medonosné (A. mellifera), jejímu významu mezi opylovači rostlin a vlivu klimatických a povětrnostních podmínek na její životní projevy. Dále byl popsán dopad patogenů, parazitů, invazních druhů a pesticidů na zdravotní stav včelstev, včetně způsobu, jakým mohou změny klimatu přispívat k jejich šíření a zesilování negativních účinků těchto faktorů. Byla přiblížena činnost mezinárodní asociace COLOSS, jejímž cílem je identifikovat a analyzovat souvislosti mezi zimními ztrátami včelstev a vlivy okolního prostředí. Zároveň byly analyzovány dostupné klimatické datové sady pro území Česka, které poskytují záznamy za celé sledované období. Na základě rešerše byla vybrána datová sada Historická meteorologická data měřená v síti stanic ČHMÚ a 7 klimatických proměnných, které dle dostupných informací ovlivňují chování a fyziologii včel.

V praktické části byla nejprve stažena a zpracována data z meteorologických stanic pomocí sady automatizačních skriptů vytvořených v programovacím jazyce Python, a to tak, aby byla zajištěna kvalita a použitelnost získaných dat. Pro interpolaci získaných dat byly v prostředí Model Builder vytvořeny interpolační modely, jejichž výstupem byly zinterpolované rastry klimatických proměnných. Z těchto rastrových dat byly následně v programu ArcGIS Pro vypočteny klimatické anomálie pro jednotlivé měsíce v letech 2013–2023 a pomocí samostatného Python skriptu byl vypočten soubor celkem 19 bioklimatických proměnných pro meziroční období 2013–2014 až 2022–2023. Dále byla zpracována data úspěšnosti zimování včelstev z dotazníkového šetření asociace COLOSS, agregovaná na úroveň územních obvodů adresních pošt (PSČ). Na podkladu těchto dat byl vytvořen reprezentativní vzorek PSČ obsahující záznamy, u nichž byly k dispozici záznamy o ztrátách včelstev v každém roce sledovaného období 2013–2023. Z těchto PSČ byly v programu ArcGIS Pro vytvořeny mapy znázorňující problematiku zimních ztrát včelstev, které byly následně graficky upraveny programem Adobe Illustrator.

Veškerá další práce probíhala v programu RStudio, kde bylo provedeno statistické testování dopadu klimatických anomálií a bioklimatických proměnných na včelstva. U klimatických anomálií byl zkoumán jejich vliv na ztráty včelstev v jednotlivých kalendářních měsících, dále zda existují statisticky významné rozdíly v zimních ztrátách mezi PSČ s odlišnými hodnotami anomálií a byly vizuálně porovnány i rozdíly hodnot anomálií v závislosti na míře zimních ztrát. V případě bioklimatických proměnných byl zkoumán pouze vliv daných proměnných na včelstva.

Na základě výsledků této práce lze soudit, že únor představuje klíčové období pro správný rozvoj včelstev v nadcházející sezoně, neboť zvýšené únorové anomálie teploty vzduchu a rychlosti větru mohou negativně ovlivňovat zimní ztráty včelstev. Přestože výsledky práce poskytují včelařům i odborné a laické veřejnosti cenné poznatky o dopadech změn klimatu na včelstva v České republice, jejich reálný přínos bude do jisté míry záviset na dalším vývoji klimatu a na schopnosti včelařů se těmto změnám v následujících letech účinně přizpůsobit.

Annotation

In recent years, beekeepers in Czechia and worldwide have been facing significantly increased colony losses. Potential causes of these losses include climate change, extreme weather events, the spread of pathogens, parasites and invasive species into new regions, exposure to pesticides, and various other stressors, often interacting and amplifying their negative effects, potentially leading to colony collapse. Although climate change is considered a major factor influencing bee health, detailed scientific evidence regarding its specific impacts remains insufficient. This bachelor thesis focuses on analysing climate change in Czechia from 2013 to 2023 and assessing its impact on the overwintering success of western honeybee (Apis mellifera) colonies. Historical meteorological data from the CHMI station network and data on honey bee colonies’ overwintering success in Czechia, provided by COLOSS association, were used. The obtained climate data were transformed into raster layers representing climatic variables using interpolation models. Based on these, climate anomalies and bioclimatic predictors were generated. In total, 7 climatic and 19 bioclimatic variables were examined. Statistical analyses confirmed a strong correlation between winter colony losses and increased temperature and wind anomalies in February. The results may provide valuable information not only for beekeepers, but also for experts and the general public about the effects of climate change on bee colonies.