Szacowanie liczebnoœci kopytnych w œrodowisku leœnym: przegl¹d metod

Transkrypt

1 DOI: /v Leœne Prace Badawcze (Forest Research Papers), 2011, Vol. 72 (3): ARTYKU PRZEGL DOWY Ewa Cheæko 1 Szacowanie liczebnoœci kopytnych w œrodowisku leœnym: przegl¹d metod Estimating forest ungulate populations: a review of methods Abstract: During the last few decades there has been a significant increase in abundance of forest ungulates in most Northern Hemisphere temperate zones. Large mammal herbivory is one of the most important factors shaping species composition, structure and function in temperate forest ecosystems. Furthermore, deer and wild boars are a cause of serious economic losses for forestry and agriculture, despite being a group of great interest to the public. The assessment of population size in forest habitats is a hot issue for both scientists and wildlife managers. Although there is an extensive literature on census methods and techniques, no agreement has been reached on a universally-applicable method for census of all species and conditions, fulfilling the criteria of being easy-to apply, cheap, precise and accurate. However, the implementation of some new methods (e.g. thermal imaging) seem to be very promising, but still need to be tested under closed canopy conditions in forest habitats. Ecological indicators that allow changes in the abundance of the animals to be monitored together with ecosystem properties may become an alternative resource for wildlife management, or at least can supplement wildlife census. Keywords: wildlife census, ecological indicators 1. Wprowadzenie Du e gatunki roœlino erców s¹ elementem ekosystemu, który zw³aszcza w przypadku wysokiego zagêszczenia populacji mo e decydowaæ o dynamice roœlinnoœci, kierunkach i tempie sukcesji, a tak e strukturze i funkcjach zbiorowisk (Côte et al. 2004). W XX w. w strefie umiarkowanej pó³kuli pó³nocnej nast¹pi³ zauwa alny wzrost liczebnoœci jeleniowatych. Przyczyn¹ takiego stanu rzeczy by³o g³ównie wytêpienie du ych drapie ników, zwiêkszenie dostêpnoœci bazy erowej (m.in. uprawy rolne, sztuczne odnowienia leœne), zmiany klimatyczne oraz zmniejszenie presji ³owieckiej (Gill et al. 1996; Andersen et al. 1998; Cederlund et al. 1998). Wzrost liczebnoœci jeleniowatych niesie liczne konsekwencje przyrodnicze, gospodarcze i spo³eczne. Pierwsze mog¹ siê przejawiaæ przemianami roœlinnoœci zwi¹zanymi z selektywnym zgryzaniem, co powoduje ograniczanie wystêpowania gatunków chêtnie zjadanych, a promowanie innych, z u³atwianiem inwazji niektórych gatunków obcych w³¹cznie (Rooney, Waller 2003; Mysterud 2006, Côte et al. 2004; Cross et al. 2009; Tanentzap et al. 2010). Wp³yw kopytnych rozci¹ga siê równie na inne elementy fauny, na przyk³ad owady (zmiana dostêpnoœci roœlin ywicielskich) oraz ptaki (wp³yw na bazê pokarmow¹ i miejsca gniazdowania, np. DeCalesta 1994; Gill 2000; Hino 2006). Do najwa - niejszych skutków ekonomicznych wynikaj¹cych z nadmiernego zagêszczenia populacji roœlino erców zaliczyæ nale y szkody w uprawach rolnych i leœnych, kolizje komunikacyjne (z pojazdami, a nawet samolotami na lotniskach), jak równie zagro enie epidemiologiczne (Côte et al. 2004; Gortazar et al. 2006; Acevedo et al. 2007). Z drugiej strony powszechna obecnoœæ tej grupy zwierz¹t le y w sferze zainteresowania spo³eczeñstwa, nie tylko grup tradycyjnie ze zwierzyny korzystaj¹cych (myœliwi), ze wzglêdu na rosn¹ce zainteresowanie tematyk¹ przyrodnicz¹. W Polsce populacje g³ównych gatunków kopytnych: jelenia (Cervus elaphus L.), sarny (Capreolus capreolus (L.) oraz dzika (Sus scropha L.), równie maj¹ tendencjê 1 Uniwersytet Warszawski, Wydzia³ Biologii, Bia³owieska Stacja Geobotaniczna, ul. Sportowa 19, Bia³owie a; Fax , e.checko@biol.uw.edu.pl

2 254 E. Cheæko / Leœne Prace Badawcze, 2011, Vol. 72 (3): wzrostow¹, choæ rzeczywista liczba zwierz¹t mo e byæ ró na od zawartej w statystykach GUS (2008). Dane GUS, które oparte s¹ g³ównie na szacunkowym okreœlaniu liczebnoœci na podstawie tzw. ca³orocznych obserwacji, bez adnych podstaw metodycznych, s¹ mocno niewiarygodne. Ocena szacunkowa w du ej mierze zale y od subiektywnych odczuæ osób szacuj¹cych liczbê zwierz¹t (co ju samo w sobie eliminuje j¹ jako podstawê do porównañ np. obwodów ³owieckich). Uznawanie jej za podstawê planowania ³owieckiego, wraz z arbitralnie za³o onym przyrostem naturalnym, jest ca³kowitym nieporozumieniem, co dobitnie pokaza³ Nasiadka (1998). Na podstawie wieloletnich danych ze Œl¹ska wykaza³ on, e gdyby liczebnoœæ populacji jelenia okreœlona na podstawie ca³orocznych obserwacji by³a zgodna z liczebnoœci¹ podawan¹ w planach ³owieckich, to przy realizowanym pozyskaniu i za³o onym przyroœcie populacja ta wyginê³aby po zaledwie dwóch latach. Klasyczne przyk³ady na to, jak trudne jest okreœlenie liczby zwierz¹t bytuj¹cych na danym obszarze, zawiera praca Andersena (1953). Przeprowadzane przez niego badania nad sarn¹ zak³ada³y pozyskanie wszystkich osobników z terenu ok. 340 ha, przy czym odstrzelono blisko trzykrotnie wiêcej zwierz¹t, ni oczekiwano na podstawie terenowych szacunków. Andersen przytacza jeszcze inny przyk³ad, tym bardziej jaskrawy, e dotycz¹cy daniela (Dama dama L.), a wiêc gatunku znacznie wiêkszego, o mniej skrytym trybie ycia. Za Sporon- Fiedlerem (1931) opisuje przyk³ad populacji daniela na niewielkiej, zaledwie 250 ha wyspie, która by³a 1,5 raza liczniejsza ni s¹dzili miejscowi ³owczy. Mo na zatem przypuszczaæ, e w odniesieniu do du ych obszarów, ze swobodnie przemieszczaj¹cymi siê zwierzêtami, tego typu szacunki bêd¹ obarczone jeszcze wiêkszym b³êdem. Wypracowanie mo liwie dok³adnych sposobów inwentaryzacji zwierz¹t w œrodowisku leœnym jest po ¹dane, zarówno z punktu widzenia praktyki zarz¹dzania zwierzyn¹, jak i samej nauki. Stanowi te du e wyzwanie, choæby ze wzglêdu na problemy z obserwowalnoœci¹ badanych obiektów (wynikaj¹ce z charakteru œrodowiska i skrytego trybu ycia), przemieszczania siê zwierz¹t, zmiennoœci rozmieszczenia osobników w zale noœci od pory roku itd. W niniejszym artykule przedstawiono przegl¹d niektórych metod stosowanych w okreœlaniu liczebnoœci populacji du ych ssaków oraz szerzej omówiono te, które znalaz³y zastosowanie w przypadku kopytnych. Szerok¹ analizê podstawowych problemów statystycznych zwi¹zanych z szacowaniem liczebnoœci populacji (obserwowalnoœæ i pobór próby) przedstawili Lancia i inni (1994). 2. Metody bezpoœrednie oparte na obserwacji zwierz¹t Pêdzenia próbne Pêdzenia s¹ metod¹ wywodz¹c¹ siê z tradycyjnych w wielu krajach polowañ zbiorowych. Polegaj¹ one na wyp³aszaniu zwierz¹t przez poruszaj¹c¹ siê w jednej linii grupê naganiaczy i liczenie uciekaj¹cych (rzadziej: wchodz¹cych do miotu) zwierz¹t, zarówno przez samych naganiaczy, jak i rozstawionych wzd³u granic przepêdzanego fragmentu lasu obserwatorów. Metoda ta ma kilka wariantów. W niewielkich kompleksach leœnych pêdzenia s¹ przeprowadzane na ca³ej powierzchni lub, w miarê potrzeby, podzielonej na pasy (Aulak, Goszczyñski 1986), a w przypadku du ych obszarów na tzw. miotach, czyli losowo rozmieszczonych powierzchniach pokrywaj¹cych odpowiedni odsetek powierzchni (nie mniej ni 10%; Pucek et al. 1975). Pêdzenia s¹ przez niektórych autorów uznawane za jedn¹ z najdok³adniejszych metod, stosowan¹ m.in. w licznych badaniach kopytnych. Ich wyniki czêsto stanowi¹ punkt odniesienia przy ocenie innych sposobów szacowania liczebnoœci (Pucek et al. 1975; Aulak, Babiñska-Werka 1990; Dziêcio³owski et al. 1995; Kossak 2001; Noss 2006), jednak równie czêsto podwa ana jest dok³adnoœæ pêdzeñ (Andersen 1953; Cederlund et al. 1998). Kossak (2001) zwraca uwagê na zmiennoœæ wykorzystania œrodowiska w czasie i przestrzeni, co mo e znacz¹co wp³yn¹æ na dok³adnoœæ pêdzeñ, zw³aszcza gdy mioty stanowi¹ niewielki odsetek powierzchni ogólnej. Niemniej jednak w niektórych krajach europejskich stanowi¹ one podstawê planowania ³owieckiego (Meriggi et al. 2008). DeCalesta i Witmer (1990) uwa aj¹ pêdzenia za przydatne w przypadku ogrodzonych terenów, przy czym za kluczow¹ uznaj¹ dobr¹ organizacjê i komunikacjê w trakcie ich wykonywania. Ze wzglêdu na pracoch³onnoœæ i koszty autorzy ci jednak zalecaj¹, by dla celów zarz¹dzania zwierzyn¹, gdy nie potrzebna jest informacja o liczbie zwierz¹t w konkretnym dniu, raczej stosowaæ metody takie jak np. liczenie odchodów. S¹ one znacznie tañsze, a daj¹ porównywalne wyniki. B³êdne oszacowanie liczebnoœci populacji za pomoc¹ pêdzeñ próbnych mo e wynikaæ z: niewyp³oszenia wszystkich osobników z miotu, wielokrotnego liczenia tych samych osobników (zw³aszcza przy du ym ich zagêszczeniu), skupiskowego charakteru wystêpowania zwierz¹t, niereprezentatywnoœci miotów, zbyt ma³ej powierzchni objêtej pêdzeniem w stosunku do powierzchni ogólnej (Cederlund et al. 1998; Okarma, Tomek 2008). Z symulacji przeprowadzonych na podstawie danych empirycznych (Borkowski et al. 2011) wynika, e zadowalaj¹ca dok³adnoœæ pêdzeñ jest uzyskiwana

3 E. Cheæko / Leœne Prace Badawcze, 2011, Vol. 72 (3): wy³¹cznie w przypadku doœæ du ego zagêszczenia zwierzyny (5 os./km 2 ) i e metoda ta lepiej siê sprawdza w przypadku sarny ni jelenia. Metoda znakowania i od³owu (Capture-Mark-Recapture/Resight, CMR) Metody z tej grupy wywodz¹ siê z metod szacowania populacji ludzi, czego jednym z najwczeœniejszych znanych przyk³adów jest oszacowanie populacji Francuzów w 1802 r., przeprowadzone przez P. S. Laplace a na podstawie liczby ywych urodzeñ (rejestrowanych w ca³ym kraju) oraz spisów ludnoœci w wybranych gminach (Stigler 1986). W badaniach przyrodniczych jedne z pierwszych eksperymentów ze znakowaniem osobników przeprowadzono na potrzeby gospodarki rybackiej (Petersen 1896). W 1930 r. w USA wykorzystano zwrotne informacje o zabitych zaobr¹czkowanych kaczkach do oszacowania liczebnoœci populacji tych ptaków (Lincoln 1930). Metoda ta polega na od³owieniu, oznakowaniu i wypuszczeniu pewnej frakcji osobników, a nastêpnie ponownym od³owie (w przypadków du ych zwierz¹t zast¹pionym obserwacjami). Obliczenie liczebnoœci opiera siê na ogólnym za³o eniu, e O O =, gdzie: O n N 1 liczba osobników oznakowanych, O 2 liczba zwierz¹t oznakowanych w ponownym od³owie (lub zidentyfikowanych podczas obserwacji), N liczba zwierz¹t w populacji, n 2 wielkoœæ ponownego od³owu. W klasycznej postaci wymaga spe³nienia kilku warunków (Strandgaard 1967; Lancia et al. 1994; Meriggi et al. 2008): (1) populacja musi mieæ zamkniêty charakter (nie zmieniaæ swojej liczebnoœci wskutek œmiertelnoœci, przyrostu b¹dÿ migracji); (2) prawdopodobieñstwo ponownego od³owu (obserwacji) jest równe dla osobników oznakowanych i nieoznakowanych; (3) rozmieszczenie osobników oznakowanych w populacji musi byæ losowe; (4) oznaczenia s¹ trwa³e do ponownego od³owu, (5) oznakowana jest znaczna czêœæ populacji (co najmniej 60%). Obecnie dostêpnych jest wiele modeli matematycznych i bazuj¹cych na nich programów komputerowych pozwalaj¹cych na uzyskanie miarodajnych wyników nawet w przypadku, gdy nie wszystkie z tych za³o eñ s¹ spe³nione (Lancia et al. 1994; Meriggi et al. 2008). Modele dla populacji otwartych pozwalaj¹ na uwzglêdnienie zmian liczebnoœci wskutek przyrostu naturalnego, œmiertelnoœci i migracji, a wiêc nie limituj¹ czasu badañ, pozwalaj¹ ponadto œledziæ zmiany liczebnoœci populacji na podstawie powtarzanych od³owów (Lancia et al. 1994; Krebs 1997). Modyfikacjê metody CMR na przyk³adzie oceny liczebnoœci populacji dzika zademonstrowali Hebeisen i inni (2008), którzy oznakowali kolczykami grupê osobników (niektóre zaopatrzono równie w nadajniki telemetryczne), a do ponownego od³owu s³u y³y tzw. fotopu³apki, czyli aparaty fotograficzne wyzwalane czujnikiem ruchu. Do obliczonego zagêszczenia dodali wszystkie zauwa one osobniki m³odociane. W celu odniesienia uzyskanych liczb do powierzchni, obliczono area³y watah na podstawie danych telemetrycznych. Ciekaw¹ propozycjê dla oceny liczebnoœci sarny przedstawili Reby i inni (1998), którzy wykorzystali g³osow¹ reakcjê sarny na zaniepokojenie. Podczas nocnych przemarszów na transektach zliczano osobniki szczekaj¹ce O 1, a za ponowny od³ów uznano wszystkie obserwacje wizualne n wœród których frakcja widziane i szczekaj¹ce dawa³a parametr O 2. W przypadku gatunków ssaków o wyraÿnych cechach pozwalaj¹cych rozpoznaæ poszczególne osobniki (np. du e kotowate) znakowanie mo e zostaæ pominiête przeprowadzana jest seria dwukrotnych obserwacji, która mo e byæ zast¹piona przez wspomniany uprzednio system fotopu³apek (Trolle, Kery 2003; Ullas et al. 2004; Soisalo, Cavalcanti 2006). Do szacowania liczebnoœci populacji ssaków metod¹ znakowania i powtórnego od³owu wykorzystywane s¹ równie techniki telemetryczne. Dziêki nim mo na okreœliæ dok³adn¹ liczbê osobników oznakowanych (zaopatrzonych w nadajniki), przebywaj¹cych w dniu przeprowadzania obserwacji na badanym terenie, co zmniejsza b³¹d uzyskanego wyniku (Hewison et al. 2007). Ze wzglêdu na czasoch³onnoœæ, ta grupa metod wykorzystywana jest raczej do badañ ekologicznych (np. Gill et al. 1996) ni do celów praktyki zarz¹dzania zwierzyn¹. Bywa stosowana tak e do testowania dok³adnoœci innych metod (Meriggi et al. 2008; Garel et al. 2010). Metody oparte na wy³owie Metody te nie s¹ stosowane w Polsce, choæ ich niew¹tpliw¹ zalet¹ jest fakt, e w przypadku jeleniowatych czêœæ potrzebnych danych jest dostêpna z zestawieñ wielkoœci pozyskania. W tej grupie metod mo na wyró niæ modele oparte na wy³owie selektywnym (change in ratio, CIR) i nieselektywnym (catch per unit effort, C/E) (Lancia et al. 1994). Wy³ów selektywny (change in ratio, CIR) Metoda mo e mieæ zastosowanie do populacji jednego gatunku z wyraÿnie ró ni¹cymi siê grupami osobników (np. z silnym dymorfizmem p³ciowym) lub populacji dwu gatunków, poddanych presji ³owieckiej o ró nym natê eniu (Lancia et al. 1994; Okarma, Tomek 2008). Spe³nione musz¹ zostaæ ponadto warunki: (1) populacja jest zamkniêta; (2) obserwowalnoœæ zwierz¹t z obu grup (x i y) siê nie ró ni; (3) liczba zabitych zwierz¹t z obu grup jest znana i ró na. W takim

4 256 E. Cheæko / Leœne Prace Badawcze, 2011, Vol. 72 (3): przypadku, szacuj¹c udzia³ zwierz¹t grupy x przed (P 1 )i po wy³owie (P 2 ) oraz znaj¹c liczbê zwierz¹t usuniêtych z populacji (R=R x +R y ), mo na oszacowaæ pocz¹tkow¹ liczebnoœæ populacji jako: N R RP x 2 =, a koñcow¹: N 2 = N 1 R. P P 1 2 Wy³ów nieselektywny (catch per unit effort, C/E) Metoda ta bazuje na za³o eniu, e im wiêcej zwierz¹t zostanie usuniêtych z populacji, tym bardziej efektywnoœæ od³owu (np. na jednostkê wysi³ku, np. noc polowania przez jedn¹ osobê) bêdzie siê zmniejszaæ, a w koñcu po usuniêciu ca³ej populacji, osi¹gnie 0. Na podstawie tempa zwiêkszania siê wysi³ku potrzebnego do od³owienia kolejnych osobników oraz skumulowanego od³owu oblicza siê równanie regresji, a wiêc te liczebnoœæ populacji, przy której od³ów bêdzie zerowy. Praktycznym przyk³adem zastosowania metody jest wyznaczenie wielkoœci populacji inicjalnej (przed sezonem) na podstawie znanej œmiertelnoœci (pozyskanie i inne przyczyny) oraz liczby obserwacji przez 1 osobê w ci¹gu godziny (Lancia et al. 1994). Podobnie jak przy wy³owie selektywnym tu równie (1) populacja jest zamkniêta; (2) nie zmienia siê prawdopodobieñstwo schwytania (obserwowalnoœæ) poszczególnych osobników; (3) znana jest ³¹czna œmiertelnoœæ, niezale nie od przyczyny. Istniej¹ jednak modele pozwalaj¹ce na stosowanie tej metody dla populacji otwartych, a tak e gdy prawdopodobieñstwo schwytania / obserwacji na jednostkê wysi³ku bêdzie mala³o nieliniowo, np. wskutek zmian zachowania zwierz¹t. Przyk³ad zastosowania tego typu badañ w odniesieniu do jelenia szlachetnego w Norwegii zaprezentowali Mysterud i inni (2007), którzy stwierdzili e liczba obserwowanych osobników w przeliczeniu na myœliwego i jednostkê czasu jest dobrym wskaÿnikiem trendów zmian liczebnoœci populacji. Obserwacje przy karmiskach i erowiskach oraz na powierzchniach otwartych Liczba osobników wychodz¹cych na powierzchnie otwarte, mimo e w wielu krajach stosowana do ustalania wielkoœci odstrza³u dla saren (Merrigi et al. 2008), nie jest w³aœciwie wskaÿnikiem liczebnoœci zwierzyny. Mo e jednak dostarczaæ wielu dodatkowych informacji (np. o strukturze populacji czy przyroœcie zrealizowanym), pozwala tak e na oszacowanie minimalnego stanu populacji. Liczenie tych osobników przeprowadza siê wczesn¹ wiosn¹, gdy otwarte tereny oferuj¹ atrakcyjn¹ bazê erow¹, w czasie najwiêkszej ich aktywnoœci (wczeœnie rano i wieczorem). Okarma i Tomek (2008) zalecaj¹, by ze wzglêdu na terytorializm saren stosowaæ je wy³¹cznie w niewielkich kompleksach leœnych (do 1 km szerokoœci), co pozwoli zaobserwowaæ wiêkszoœæ osobników. W przypadku jeleni obserwacje takie przeprowadzono w S³owiñskim Parku Narodowym, gdzie wykazano, e na ich podstawie nie mo na okreœliæ liczebnoœci. Frakcja osobników wychodz¹cych na otwarte powierzchnie jest zmienna, zale y na przyk³ad od warunków pogodowych, atrakcyjnoœci erowej powierzchni, presji ³owieckiej. Ponadto rytm aktywnoœci dobowej poszczególnych osobników równie mo e byæ nieco ró ny (Dziêcio³owski et al. 1995). Na podobnej zasadzie przeprowadzane s¹ obserwacje jeleni i danieli oraz dzików na erowiskach. Wymagana jest mo liwoœæ odró nienia poszczególnych watah dzików b¹dÿ chmar jeleni, co mo e nastrêczaæ du ych trudnoœci (Okarma, Tomek 2008). Liczenie zwierz¹t na transektach (distance sampling) Tzw. distance sampling jest technik¹ zbioru danych na trasach przemarszu (transektach) b¹dÿ punktowo. Szeroki opis podstaw teoretycznych tej metody zawieraj¹ publikacje Buckland i inni (1993) i Thomas i inni (2002). Prace terenowe polegaj¹ na obserwacji zwierz¹t przez obserwatora poruszaj¹cego siê po wyznaczonych transektach okreœlonej d³ugoœci, okreœleniu prostopad³ej odleg³oœci zaobserwowanych grup zwierz¹t ka dego gatunku od transektu oraz liczebnoœci tych grup. Prostopad³¹ odleg³oœæ oblicza siê zazwyczaj na podstawie pomierzonej w terenie odleg³oœci zwierz¹t od obserwatora oraz k¹ta (azymutu) obserwacji. Zastosowanie metody distance sampling wymaga spe³nienia czterech podstawowych za³o eñ: (1) wszystkie zwierzêta znajduj¹ce siê na transekcie zostan¹ zauwa one; (2) zwierzêta pozostaj¹ w jednym po³o eniu co najmniej do czasu obserwacji (nie s¹ p³oszone przez obserwatorów); (3) lokalizacja zwierz¹t wzd³u transektu zosta³a dok³adnie okreœlona oraz (4) obserwacje poszczególnych grup osobników s¹ niezale ne. Metoda ta nie wymaga zaobserwowania wszystkich zwierz¹t wzd³u transektu, co jest istotne w zamkniêtych œrodowiskach, z ograniczon¹ widocznoœci¹. Prawdopodobieñstwo obserwacji, wynikaj¹ce z rozk³adu odleg³oœci obserwowanych zwierz¹t od transektu, jest porównywane modelami matematycznymi, co pozwala na ekstrapolowanie zagêszczenia zwierz¹t. Do opracowania wyników zebranych za pomoc¹ metodyki distance sampling opracowano specjalne programy komputerowe, np. DISTANCE (Buckland et al. 1993). Z uwagi na wygodê poruszania siê i efektywnoœæ zbioru danych w œrodowisku leœnym jako transekty

5 E. Cheæko / Leœne Prace Badawcze, 2011, Vol. 72 (3): czêsto wykorzystywane s¹ drogi i linie oddzia³owe, zw³aszcza w przypadku obserwacji wykonywanych z samochodu. Ward i inni (2004) wykazali, e wiêkszoœæ saren nie reagowa³a ucieczk¹ na obecnoœæ samochodu, a wiêc za³o enie (2) zosta³o spe³nione. Jednak przy obliczeniach konieczne jest wziêcie pod uwagê mo liwoœci unikania dróg przez zwierzêta, co mo e byæ wywo³ane np. odstrza³em z nich prowadzonym (Sage et al. 1983). Gill i inni (1997) stwierdzili, e w trakcie ich badañ sarny tylko w niewielkim stopniu unika³y dróg. Liczenia zwierz¹t na transektach metoda termowizyjna Rosn¹ca dostêpnoœæ oraz coraz lepsze parametry kamer termowizyjnych sprawi³y, e coraz czêœciej s¹ one u ywane do celów badañ ekologicznych. Niew¹tpliw¹ ich zalet¹ jest fakt, e umo liwiaj¹ przeprowadzanie ca³kowicie pasywnego przeszukiwania œrodowiska noc¹, w czasie aktywnoœci zwierz¹t oraz niweluj¹ efekt ochronnego ubarwienia utrudniaj¹cy obserwacje dzienne. Ponadto noc¹ zwierzêta czêsto s¹ mniej p³ochliwe ni w ci¹gu dnia (Cederlund et al. 1998). W wykonanym w USA porównaniu efektywnoœci u ycia ró nych typów sprzêtu mog¹cego znaleÿæ zastosowanie do obserwacji i inwentaryzacji zwierz¹t (reflektory, noktowizory, kamery termowizyjne) termowizja okaza³a siê najlepsza w wykrywaniu osobników (Belant i Seamans 2000). Kamery termowizyjne skutecznie wykorzystywano równie do odszukiwania ciel¹t jelenia wirginijskiego (Odocoileus virginianus Zimmermann) w celu ich oznakowania (Ditchkoff et al. 2005). Wykorzystanie kamer termowizyjnych na transektach (zwykle obserwacje zbierane s¹ zgodnie z metodyk¹ distance sampling) zosta³o przetestowane w kilku krajach, jednak wci¹ jest to zagadnienie wymagaj¹ce dalszych badañ. Niemniej jednak dotychczasowe efekty prac s¹ obiecuj¹ce. Gill i inni (1997) uzyskali du ¹ precyzjê oszacowania populacji sarny. Smart i inni (2004) stwierdzili, e metoda termowizyjna lepiej bêdzie oddawaæ trendy zmian w populacji ni porównywane z ni¹ dwie metody poœrednie oparte na liczeniu odchodów (najwiêksza si³a statystyczna). We W³oszech wykazano przydatnoœæ termowizji do oceny liczebnoœci jeleni w Alpach (Focardi 2006) i danieli w œrodowisku œródziemnomorskich lasów dêbowych, lasków sosnowych oraz makii w rezerwacie Castelporziano ko³o Rzymu (Franzetti 2007). Liczenie zwierz¹t na transektach z u yciem reflektora spotlight counts reflektora (spotlight counts). Liczenie powinno byæ przeprowadzane w czasie aktywnoœci zwierz¹t, na przyk³ad kilka godzin po zachodzie s³oñca (Winchcombe, Osfteld 2001; Acevedo et al. 2008). Metoda ta zdoby³a du ¹ popularnoœæ w USA, zw³aszcza na terenach otwartych lub pó³otwartych. By³a te testowana w Europie, jednak w przypadku sarny stwierdzono, e jej wyniki s¹ ma³o wiarygodne, np. liczenie metod¹ spotlight nie wykaza³o istotnej zmiany liczebnoœci populacji przed i po sezonie ³owieckim, gdy odstrzelono ok. 30% populacji (van Laere et al. 1998, za: Cederlund et al. 1998). W Polsce Dziêcio³owski (1995) stwierdzi³, e nie umo liwia ona dobrych przybli eñ liczebnoœci jeleni, gdy zmiennoœæ zachowania siê zwierz¹t (wynikaj¹ca z presji ³owieckiej, bazy erowej, warunków atmosferycznych itp.) wp³ywa na to, jak¹ czêœæ populacji mo na zaobserwowaæ w liczeniach. Inwentaryzacja lotnicza Inwentaryzacja lotnicza do niedawna by³a ograniczona do œrodowisk o dobrej widocznoœci (nieleœnych), np. w Afryce czy Ameryce Pó³nocnej. Równie na otwartych terenach Szkocji okaza³a siê dawaæ lepsze efekty w porównaniu z naziemn¹ inwentaryzacj¹ (Daniels 2006). Zwykle obserwacje lotnicze prowadzone s¹ na transektach pasowych, czasem z wykorzystaniem metody distance sampling lub w po³¹czeniu z ró norakimi modyfikacjami capture-mark-resight. Sama obserwacja mo e byæ bezpoœrednia lub poœrednia w postaci zdjêæ / filmów w paœmie widzialnym lub termowizyjnych. Najwiêkszym ograniczeniem inwentaryzacji lotniczej w warunkach leœnych jest brak mo liwoœci policzenia znacznej frakcji zwierz¹t, zamaskowanych przez wegetacjê (Floyd et al. 1979). Dlatego te dla zastosowania inwentaryzacji lotniczej w œrodowisku leœnym mo e byæ konieczne okreœlenie obserwowalnoœci. Mo na to zrobiæ, porównuj¹c na czêœci badanego terenu liczbê zwierz¹t zaobserwowanych z samolotu / œmig³owca z liczb¹ zwierz¹t okreœlon¹ innymi metodami (np. Beasom et al. 1986). Mo liwe jest tak e zaopatrzenie czêœci osobników w nadajniki telemetryczne. Wiedz¹c, ile z nich by³o obecnych w czasie liczenia w danym terenie, mo na przyj¹æ za³o enie, e frakcja zaobserwowanych osobników z nadajnikami tej grupy bêdzie taka sama jak dla ca³ej populacji (Gould et al. 2005). Na efektywnoœæ i precyzjê szacunków wp³yw ma liczba powtórzeñ przelotów oraz intensywnoœæ pobierania próby (czyli, jaka czêœæ terenu bêdzie pokryta obserwacjami). Liczenie zwierz¹t przez obserwatorów poruszaj¹cych siê samochodem mo e te siê odbywaæ z u yciem

6 258 E. Cheæko / Leœne Prace Badawcze, 2011, Vol. 72 (3): Metody poœrednie rejestracja œladów bytowania zwierz¹t w œrodowisku Liczenie grup odchodów Badania wykorzystuj¹ce liczenie odchodów w celu okreœlania liczebnoœci i trendów zmian zaczêto powszechnie stosowaæ w latach (Neff 1968). Bezsporn¹ zalet¹ tych metod jest mo liwoœæ jednoczesnego okreœlenia relatywnej intensywnoœci u ytkowania ró nych œrodowisk przez zwierzêta (Dziêcio³owski 1973, 1976; Prins, Bokdam 1990; Prokešová et al. 2006; Skarin 2007). Najczêœciej stosowane s¹ dwa sposoby okreœlania zagêszczenia odchodów: liczenie liczby grup odchodów znajduj¹cych siê na danej powierzchni (faecal standing crop; FSC) lub okreœlanie tempa akumulacji odchodów (faecal accumulation rate; FAR). Pierwsza procedura polega na jednorazowym okreœleniu liczby grup odchodów obecnych na powierzchniach próbnych. Do przeliczenia zagêszczenia odchodów na liczebnoœæ populacji niezbêdna jest znajomoœæ tempa rozk³adu odchodów oraz czêstoœci defekacji (Dziêcio³owski 1973, 1976; Aulak, Babiñska-Werka 1990; Campbell et al. 2004; Smart et al. 2004; Hemami, Dolman 2005). W drugim przypadku okreœlana jest akumulacja odchodów w okreœlonym przedziale czasu na powierzchniach uprzednio uprz¹tniêtych (Aulak, Babiñska-Werka 1990; Campbell et al. 2004; Smart et al. 2004; Hemami, Dolman 2005). Liczba grup odchodów na powierzchni (faecal standing crop, FSC) Ze wzglêdu na du ¹ zmiennoœæ tempa dekompozycji odchodów w zale noœci od badanego gatunku, zbiorowiska, warunków pogodowych (Van Etten, Bennet 1965; Dziêcio³owski 1976b; Aulak, Babiñska-Werka 1990; Lehmkuhl et al. 1994; Chapman 2004; Hemami, Dolman 2005; Tsaparis et al. 2009), a tak e obecnoœci koprofagów (Massei et al. 1998; Romero-Alcaraz, Ávila 2000), czas rozk³adu nale y ka dorazowo okreœlaæ eksperymentalnie. Jest to g³ówne ograniczenie metody FSC. Laing i inni (2003) zaproponowali prost¹ procedurê obliczania tempa dekompozycji, wymagaj¹c¹ uprzedniego odnalezienia i oznaczenia pewnej iloœci œwie ych odchodów i w momencie w³aœciwej inwentaryzacji okreœlenia (jednokrotnie), ile z nich uleg³o rozk³adowi. Czasoch³onne obserwacje tempa rozk³adu na poletkach zast¹piono tu stosunkowo prostymi obliczeniami. Miarodajnoœæ otrzymanych szacunków w du ej mierze zale y od skutecznoœci odnajdywania odchodów na powierzchniach próbnych, co zale y od czynnika ludzkiego, zarówno od dok³adnoœci osoby zliczaj¹cej odchody, jak i od poprawnoœci zaliczania b¹dÿ odrzucania grup odchodów le ¹cych na granicy poletka / transektu oraz umiejêtnoœci okreœlenia liczby grup, gdy pojedyncze odchody zalegaj¹ na wiêkszej powierzchni (Van Etten, Bennet 1965; Neff 1968). Wykrywalnoœæ odchodów mo e siê ró niæ w zale noœci od rodzaju wegetacji oraz pory roku. Najlepszym okresem do liczenia odchodów jest przedwioœnie (Persson 2003 a,b; Theuerkauf et al. 2008) Rozwi¹zaniem czêœci problemów zwi¹zanych z odnalezieniem odchodów i prawid³ow¹ ocen¹ obserwacji skrajnych mo e byæ liczenie odchodów na transektach, z zastosowaniem tzw. distance sampling (Marquez et al. 2001; Ellis et al. 2005). Metoda ta nie wymusza odnalezienia wszystkich grup odchodów (Buckland et al. 1993; Thomas et al. 2002). Innym sposobem na oszacowanie rzeczywistej liczby zjawisk jest przeprowadzenie liczenia przez dwóch niezale nych obserwatorów oraz wykorzystanie estymatorów z grupy metod znakowania i od³owu CMR (Magnusson et al. 1978). Jenkins i Manly (2008) wykorzystali podobn¹ metodê do oceny liczby odchodów jeleniowatych. Dziêki zaproponowanej przez nich procedurze mo liwe jest zredukowanie b³êdów spowodowanych obecnoœci¹ ró nych gatunków, stopniem rozwoju wegetacji czy ró nicami w wykrywaniu grup odchodów przez poszczególnych obserwatorów itp., ponadto mo liwe jest odejœcie od restrykcyjnych za³o eñ metod z grupy distance sampling. Drugim punktem krytycznym obok wyznaczenia tempa rozk³adu jest okreœlenie czêstoœci defekacji. Parametr ten mo e siê silnie wahaæ w zale noœci od gatunku, diety, pory roku, stanu fizjologicznego zwierz¹t, udzia³u osobników m³odych etc. (Van Etten, Bennet 1965; Neff 1968; Dziêcio³owski 1976b; Marquez et al. 2001; Murray et al. 2005). Dane na ten temat dostêpne w literaturze czêsto dotycz¹ zwierz¹t bytuj¹cych w zagrodach, st¹d ich ekstrapolacja na zwierzynê w warunkach otwartych jest potencjalnym Ÿród³em b³êdu. Tempo akumulacji odchodów (faecal accumulation rate, FAR) Metoda ta zak³ada wyeliminowanie koniecznoœci okreœlania tempa rozk³adu poprzez liczenie tylko odchodów zdeponowanych w znanym czasie. Wymaga to uprzedniego oczyszczenia poletek próbnych / transektów pasowych lub te oznaczenia wszystkich odchodów trwa³¹ farb¹, tak aby nie zosta³y ponownie policzone podczas w³aœciwego zbioru danych (Campbell et al. 2004; Smart et al. 2004; Prokesova 2006). Tak wiêc w metodzie tej wyeliminowano jedno Ÿród³o b³êdu (tempo rozk³adu), jednak kosztem zwiêkszonego nak³adu pracy. Tym niemniej, podobnie jak w metodzie liczenia grup odchodów (FSC), przeliczenie zagêszczenia odchodów

7 E. Cheæko / Leœne Prace Badawcze, 2011, Vol. 72 (3): na zagêszczenie zwierz¹t wymaga znajomoœci czêstotliwoœci defekacji. W literaturze znaleÿæ mo na wiele porównañ obu metod pod wzglêdem praco- i czasoch³onnoœci, dok³adnoœci szacunków i powtarzalnoœci wyników. Campbell i inni (2004) stwierdzili, e FSC jest nieco bardziej precyzyjna, lecz bardziej koszto- i czasoch³onna ni FAR (ze wzglêdu na nak³ady pracy zwi¹zane z okreœlaniem tempa rozk³adu odchodów). Do nieco innych wniosków doszli Smart i inni (2004), którzy wykazali du e ró nice precyzji i si³y statystycznej na korzyœæ FSC. Metoda FAR mo e siê gorzej sprawdzaæ przy ma³ym zagêszczeniu zwierz¹t, gdy liczenie odchodów nastêpuje po stosunkowo krótkim czasie akumulacji (aby unikn¹æ wp³ywu procesu rozk³adu). W tej sytuacji wiele poletek mo e byæ pustych, a tym samym wielkoœæ próby uzyskana przy podobnym nak³adzie pracy znacznie mniejsza, co ma odzwierciedlenie w dok³adnoœci obliczeñ (Laing et al. 2003; Campbell et al. 2004). Dla obu omawianych sposobów Ÿród³em b³êdu mo e byæ ró nica miêdzy powierzchni¹ / d³ugoœci¹ transketów geodezyjn¹ (mierzon¹ na mapie) i rzeczywist¹ (mierzon¹ po powierzchni gruntu). Sytuacja taka dotyczy zasadniczo wy³¹cznie stromych stoków, a jej skutkiem mo e byæ niedoszacowanie zagêszczenia odchodów (Reff 1968; Marquez et al. 2001). Dlatego te u ywaj¹c tej metody na stromych stokach, nale y okreœliæ wynikaj¹cy z nachylenia stoku wspó³czynnik koryguj¹cy. Ponadto obie metody mog¹ dawaæ du e b³êdy tam, gdzie jednoczeœnie wystêpuj¹ gatunki o podobnych odchodach (np. owce i kozy oraz jelenie w Szkocji Daniels 2006). Metody genetyczne Rozwój badañ genetycznych sprawi³, e zaczêto tego rodzaju analizy wykorzystywaæ równie do szacowania liczebnoœci populacji zwierz¹t. Ze wzglêdu na wysokie koszty tych metod, stosowane s¹ g³ównie w badaniach gatunków rzadkich. W przypadku zwiêkszenia ich dostêpnoœci bêdzie je mo na wykorzystaæ w zarz¹dzaniu populacjami dzikich zwierz¹t. Bezsprzeczn¹ ich zalet¹ jest mo liwoœæ ma³o inwazyjnego pobierania materia³u do badañ (np. próbki krwi: Pearse et al. 2001) lub wrêcz ca³kowicie bezinwazyjnego: mog¹ to byæ odchody, sierœæ, skorupy jaj, szcz¹tki zawarte w wypluwkach sów (np. Taberlet, Fumagalli 1996; Kohn et al. 1999; Woods et al. 1999; Mowat, Paetkau 2002; Boulanger 2008). Przegl¹d potencjalnych Ÿróde³ b³êdów mog¹cych zniekszta³ciæ wyniki badañ genetycznych z bezinwazyjnie pobieranych prób zawarli w swojej publikacji Taberlet i in. (1999). Oszacowanie wielkoœci populacji na podstawie liczby genotypów w pobranej próbie mo e byæ oparte na tzw. krzywej rarefakcji (rozrzedzenia), czyli funkcji opisuj¹cej zale noœæ pomiêdzy wielkoœci¹ próby a liczb¹ gatunków w niej zanotowanych. Wraz ze wzrostem liczby prób krzywa rarefakcji ulega sp³aszczeniu, zbli aj¹c siê do swojej asymptoty, której wartoœæ y uznaje siê za poszukiwana liczbê gatunków. Metoda ta zosta³a opracowana pierwotnie do okreœlania liczby gatunków (zwierz¹t, roœlin) na danym terenie (Sanders 1968; Colwell, Coddington 1994). Analogicznie, przy szacowaniu liczebnoœci populacji danego gatunku funkcja mo e obrazowaæ zale noœæ pomiêdzy liczb¹ próbek (np. odchodów) a skumulowan¹ liczb¹ wykrytych w nich genotypów (np. Kohn et al. 1999; Petit, Valiere 2006). Do szacowania liczebnoœci na podstawie badañ genetycznych wykorzystuje siê równie zmodyfikowane metody oparte na znakowaniu i od³owie (CMR Kohn et al. 1999; Woods et al. 1999; Mowat, Paetkau 2002; Petit, Valerie 2006; Boulanger et al. 2008). W przypadku niewielkich populacji bardzo rzadkich gatunków, tam gdzie zebranie dostatecznie du ej próby do zastosowania metod z grupy CMR jest trudne, mo liwe jest równie zastosowanie modeli opartych na wy³owie nieselektywnym (C/E, Romain-Bondi et al. 2004). Tropienia Metoda ta by³a do niedawna zalecana jako podstawa inwentaryzacji jeleni i dzików w Polsce. Tropienia przeprowadza siê pod koniec zimy, po œwie ym opadzie œniegu. Ca³y obszar objêty liczeniami dzielony jest na fragmenty, które podlegaj¹ jednoczesnemu otropieniu. Ró nica pomiêdzy liczb¹ tropów zwierz¹t wchodz¹cych na dan¹ powierzchniê i z niej wychodz¹cych jest uznawana za liczbê zwierz¹t bytuj¹cych w tym fragmencie ³owiska. Powa nym mankamentem takiego sposobu postêpowania jest niemo noœæ uwzglêdnienia w koñcowym bilansie osobników, które wysz³y z otropionych powierzchni, a nastêpnie na nie powróci³y. B³¹d systematyczny mo e równie wynikaæ z wyboru zbyt du ych powierzchni, gdy czêœæ zwierz¹t pozostaje wewn¹trz (zw³aszcza osiad³e sarny). Na ruchliwoœæ zwierzyny wp³ywaj¹ te inne czynniki, jak np. temperatura, gruboœæ pokrywy œnie nej, presja ³owiecka czy obecnoœæ drapie ników. Ponadto na terenach o du ym zagêszczeniu zwierzyny problemem mo e byæ ustalenie na podstawie tropów liczebnoœci ugrupowañ (Okarma, Tomek 2008). Wyniki otrzymane z tropieñ obarczone s¹ wiêc czêsto du ym b³êdem. Pucek i inni (1975) stwierdzili, e tropienia zani aj¹ liczbê osobników 1,5 5 razy w stosunku do pêdzeñ próbnych. Relacja zagêszczenia tropów do rzeczywistej liczebnoœci zwierzyny mo e byæ ponadto ró na w ró nych

8 260 E. Cheæko / Leœne Prace Badawcze, 2011, Vol. 72 (3): regionach (Dziêcio³owski 1995), co mo e byæ wynikiem zró nicowanej ruchliwoœci zwierz¹t wynikaj¹cej z warunków œrodowiskowych, obecnoœci drapie ników, presji myœliwych etc. W krajach Federacji Rosyjskiej tropienia s¹ powszechnie stosowane do szacowania liczebnoœci zwierz¹t z u yciem tzw. formu³y Foromozova (in. Foromozova- Malysheva-Pereleshina), w której do obliczeñ wykorzystuje siê liczbê tropów na transektach oraz œredni dzienny dystans pokonywany przez zwierzêta danego gatunku (Foromozov 1932, za: Stephens et al. 2006). Na podstawie danych zebranych w rezerwacie w górach Sihotè-Alin twierdzono, e metoda ta daje ma³o precyzyjne wyniki, zw³aszcza przy ma³ym zagêszczeniu populacji (Stephens et al. 2006). Trzeba pamiêtaæ te o tym, e dobowa marszruta zwierz¹t poszczególnych gatunków bêdzie siê zmieniaæ w zale noœci od wymienionych wczeœniej czynników. Liczenie rycz¹cych byków (metoda Langvatna) Wykorzystanie nas³uchów byków w czasie rykowiska, prowadzonych równoczeœnie przez kilku obserwatorów, do okreœlenia liczebnoœci populacji jeleni zaproponowa³ Langvatn (1977). Na podstawie kierunku, z którego s³yszano ryczenie, szacowanej odleg³oœci osobnika, pory obserwacji oraz indywidualnej zmiennoœci ryczenia mo na zidentyfikowaæ i policzyæ wszystkie osobniki aktywne g³osowo. Dlatego te, okreœliwszy strukturê p³ciow¹ i wiekow¹ (zasadniczo rycz¹ byki czteroletnie i starsze), mo liwe jest okreœlenie liczebnoœci populacji. Stosowane bywaj¹ zarówno nas³uchy stacjonarne, jak i na transektach (Langvatn 1977; Bobek et al. 1986; Mazzarone et al. 1991; Dziêcio³owski et al. 1997). Dziêcio³owski i inni (1997), oceniaj¹c t¹ metod¹ liczebnoœæ jeleni w Puszczy Bia³owieskiej, doszli do wniosku, e przy spe³nieniu za³o eñ dotycz¹cych dok³adnoœci okreœlenia struktury populacji, mo e byæ ona dobrym wskaÿnikiem trendów zmian liczebnoœci. Jednak ju kilka lat póÿniej wspó³autorka wspomnianej publikacji zrewidowa³a swój pogl¹d, wskazuj¹c na kilka czynników mog¹cych silnie zniekszta³ciæ zwykle zani yæ wynik (Kossak 2001). Natê enie rykowiska zmienia siê z czasem: pocz¹tkowo s³ychaæ stosunkowo niewiele rycz¹cych byków, potem ich liczba gwa³townie roœnie, a nastêpnie, pod koniec sezonu godowego szybko maleje, ale w ka dym roku przebieg rykowiska mo e byæ nieco inny. Liczba rycz¹cych byków mo e byæ ró na równie w poszczególnych dniach, a tak e w zale noœci od pory, warunków pogodowych, liczby byków w danym miejscu czy ich wieku. Ponadto ukszta³towanie terenu mo e powodowaæ, e nie wszystkie osobniki zostan¹ us³yszane. Wszystkie te czynniki powoduj¹, e liczenie rycz¹cych byków mo e jedynie uzupe³niaæ inne metody okreœlania liczebnoœci jelenia. Szerok¹ analizê potencjalnych Ÿróde³ b³êdów przedstawili Ciucci i inni (2009), którzy podkreœlili ograniczon¹ przydatnoœæ nas³uchów. 4. WskaŸniki ekologiczne alternatywa dla inwentaryzacji? Trudnoœci okreœlenia bezwzglêdnej liczby zwierz¹t, zw³aszcza bytuj¹cych w zamkniêtym œrodowisku leœnym, sprawi³y, e podejmowane s¹ próby zast¹pienia inwentaryzacji za pomoc¹ wskaÿników dostarczaj¹cych funkcjonalnej informacji o systemie populacja-œrodowisko. Mo liwe jest wybranie zestawu wskaÿników, które bêd¹ ³atwo mierzalne, wra liwe na zmiany w systemie ekologicznym (np. skorelowane z zagêszczeniem zwierz¹t i dostêpnoœci¹ zasobów), a jednoczeœnie bêd¹ reagowaæ na nie w przewidywalny i ma³o zmienny sposób (Dale, Beyerel 2001; Milner-Gulland, Akçakaya 2001). Morellet i inni (2007) zaproponowali œledzenie zmian w czasie wskaÿników co najmniej trzech kategorii: mówi¹cych o wzglêdnych zmianach liczebnoœci populacji, okreœlaj¹cych presjê roœlino erców na œrodowisko oraz bazuj¹cych na mierzalnych cechach osobników. Najczêœciej stosowanym wskaÿnikiem mówi¹cym o trendach zmian liczebnoœci populacji jest tzw. kilometric index of abundance (KAI), który jest oparty na za³o eniu, e liczba zwierz¹t obserwowanych na ka dy kilometr pokonanej odleg³oœci (standaryzowane transekty piesze, liczenie zim¹ o œwicie i o zmierzchu) jest skorelowana z zagêszczeniem (Vincent et al. 1991, 1996; Acevedo et al. 2008). Garel i inni (2010) wykorzystali liczenia w œwietle reflektorów testuj¹c podobny wskaÿnik liczbê osobników b¹dÿ grup na 1 km. W przypadku jeleni okaza³o siê, e lepsze efekty daje liczenie grup zamiast pojedynczych osobników (Acevedo et al. 2008; Garel et al. 2010). Do grupy wskaÿników zmian liczebnoœci mo na te zaliczyæ wskaÿniki wykorzystuj¹ce zliczanie odchodów, bez ekstrapolacji tych wyników na bezwzglêdn¹ wielkoœæ populacji (Acevedo et al. 2007, 2008). Równie tropienia przeprowadzane na transektach, równomiernie b¹dÿ losowo rozmieszczonych na badanej powierzchni, mog¹ zostaæ wykorzystane jako wskaÿnik trendów zmian populacji (Dziêcio³owski 1976a). Jednak pos³uguj¹c siê wskaÿnikami, trzeba wzi¹æ pod uwagê, i ta sama wartoœæ liczbowa wskaÿnika mo e oznaczaæ inne zagêszczenie w zale noœci od ró nych czynników œrodowiskowych, nie mog¹ wiêc byæ one bezpoœrednio wykorzystywane do porównañ ró nych terenów (Morellet et al. 2007). Spoœród drugiej grupy wskaÿników u yteczne mog¹ byæ tak e obserwacje stopnia zgryzania pospolitych i

9 E. Cheæko / Leœne Prace Badawcze, 2011, Vol. 72 (3): chêtnie zjadanych roœlin (tzw. browsing index, Morellet et al. 2001, 2007). Daj¹ one wyniki skorelowane z otrzymanymi innymi metodami, zw³aszcza gdy oparte s¹ na najbardziej po ¹danych przez zwierzynê gatunkach (Acevedo et al. 2008). Morellet i inni (2001) stwierdzili, e stopieñ zgryzania je yny i maliny (Rubus sp.) dobrze odzwierciedla zmiany liczebnoœci populacji sarny. Innym przyk³adem mo e byæ trójlist wielkokwiatowy (Trillium grandifolium), chêtnie zgryzany przez jelenia wirginijskiego. Ze wzglêdu na fakt, e najchêtniej wybierane s¹ roœliny najwy sze, a osobniki kwitn¹ce s¹ wy sze od p³onnych, wraz ze wzrostem presji roœlino erców zmniejsza siê udzia³ trójlistów kwitn¹cych. Wystêpuje równie silna zale noœæ pomiêdzy intensywnoœci¹ zgryzania roœlin a ich wysokoœci¹ w roku nastêpnym (Anderson 1994; Koh et al. 2010). Inna grupa wskaÿników opiera siê na pomiarach fenotypowych cech osobników pozyskiwanych w sezonie ³owieckim, zmieniaj¹cych siê wraz z dostêpnoœci¹ zasobów, a wiêc równie ze wzglêdnymi zmianami zagêszczenia. Na przyk³ad w przypadku sarny jako wskaÿniki zaproponowano odleg³oœæ od czubka racicy do koñca koœci piêtowej u koÿl¹t (Toïgo et al. 2006; Zannèse et al. 2006) oraz œredni¹ masê koÿl¹t na pocz¹tku zimy (Gaillard et al. 1996). Równie œrednia d³ugoœæ uchwy osobników doros³ych pomierzona dla poszczególnych kohort odzwierciedla ich poziom od ywienia w m³odoœci, a wiêc tak e trendy zmian zagêszczenia populacji (Hewison et al. 1996). Jakoœæ informacji dostarczana poprzez wskaÿniki oparte na pomiarach biometrycznych zale y od wielkoœci próby, a wiêc w okresach niskiego pozyskania powinno siê ono skupiæ na osobnikach m³odocianych, jako najbardziej wra liwych na zmiany zagêszczenia (Gaillard et al. 2000). Innymi proponowanymi wskaÿnikami zagêszczenia s¹ takie parametry jak sukces reprodukcyjny samic czy wielkoœæ ugrupowañ zimowych (Vincent et al. 1995). 5. Podsumowanie Mo liwoœæ oszacowania liczebnoœci populacji, a przynamniej trendów jej zmian jest podstaw¹ zarz¹dzania zwierzyn¹, a szerzej zasobami naturalnymi. Przedstawiony przegl¹d wskazuje, e brak jest metody uniwersalnej, która by³aby zarazem tania, mo liwie dok³adna i dostosowana do szerokiego spektrum gatunków, œrodowisk i ró norakich celów inwentaryzacji. Wybór metody oceny liczebnoœci powinien byæ podyktowany sposobem wykorzystania jego rezultatów, charakterem badanego œrodowiska, mo liwoœciami organizacyjnymi, potencjalnymi kosztami oraz oczekiwan¹ dok³adnoœci¹. Otrzymany wynik bêdzie zawsze zniekszta³cony przez b³¹d systematyczny, wynikaj¹cy z zastosowanej metody (niestety zwykle o nieznanej wartoœci), oraz b³¹d przypadkowy, podlegaj¹cy modelowaniu statystycznemu. Trzeba przyj¹æ jako zasadê, e adne, nawet najbardziej wyszukane obliczenia nie zniweluj¹ b³êdów wynikaj¹cych z nieprawid³owego b¹dÿ niestarannego zbioru danych. Czêœæ metod daje wyniki obarczone stosunkowo ma³ym b³êdem, lecz ze wzglêdu na np. wysokie koszty jest ograniczona raczej do celów badawczych ni wykorzystania w praktyce zarz¹dzania zwierzyn¹. Du ¹ nadziejê budzi wykorzystanie nowoczesnych technologii (np. termowizji), jednak e jest to nowy obszar, wci¹ wymagaj¹cy testowania, zw³aszcza w warunkach zamkniêtego œrodowiska leœnego. Stosowanie metod nawet niedoskona³ych, lecz maj¹cych podstawy metodyczne zbioru i analizy danych jest rozwi¹zaniem bardziej rozs¹dnym ni opieranie siê na subiektywnych szacunkach. Dobr¹ praktyk¹ by³oby przeprowadzanie inwentaryzacji wspólnie przez wszystkie zainteresowane strony, czêsto o sprzecznych interesach, np. miejscowych leœników i myœliwych. W ten sposób wiele niejasnoœci i konfliktów wywo³ywanych przy ustalaniu planów pozyskania zwierzyny zosta³oby wyeliminowanych. Wydaje siê, e zw³aszcza w rejonach wystêpowania dotkliwych szkód w uprawach leœnych lub tam, gdzie kwestia pozyskania zwierzyny wymaga szczególnej uwagi np. ze wzglêdu na obecnoœæ du ych drapie ników, warto rozwa yæ inwentaryzacjê za pomoc¹ np. pêdzeñ próbnych. Byæ mo e, w celu obni enia kosztów, sprawdzi³oby siê przeprowadzanie ich np. co 2 3 lata, przy za³o eniu monitorowania przyrostu oraz œmiertelnoœci. Nale y jednak zastanowiæ siê, czy model planowania ³owieckiego oparty na ustalaniu i rozliczaniu pozyskania co do osobnika, podczas gdy liczebnoœæ jest okreœlana w du ym przybli eniu (oraz na podstawie przyrostu okreœlanego na kilka miesiêcy przed sezonem rozrodu i wiele miesiêcy przed sezonem ³owieckim), nie powinien zostaæ zrewidowany. W sytuacji niepewnych wyników oceny liczebnoœci korzystniejsze mo e byæ opieranie siê na wskaÿnikach pokazuj¹cych raczej trendy zmian liczebnoœci (oraz ich nasilenie), ni jej dok³adn¹ wartoœæ. Wydaje siê to uzasadnione zarówno je eli rozpatrujemy du ¹ skalê przestrzenn¹ (np. ca³y krajobraz), jak i mniejsz¹, np. poszczególne kompleksy leœne czy obwody ³owieckie. Co wiêcej, wskaÿniki dostarczaj¹ informacji o kondycji œrodowiska i jej zmianach w powi¹zaniu ze zmianami zagêszczenia kopytnych, a wiêc przybli aj¹ obraz ca³ego zarz¹dzanego systemu. Oczywiœcie, w zale noœci od skali przestrzennej konieczne by³oby operowanie innym zestawem wskaÿników. Niezbêdnym uzupe³nieniem ich wykorzystania wydaje siê byæ informacja o strukturze

10 262 E. Cheæko / Leœne Prace Badawcze, 2011, Vol. 72 (3): (wiekowej, p³ciowej) oraz przyroœcie zrealizowanym. Do okreœlenia tych w³aœnie parametrów doskonale nadaj¹ siê ca³oroczne obserwacje w ³owisku. Jednak e odejœcie od okreœlania ze z³udn¹ dok³adnoœci¹ stanu zwierzyny wymaga³oby nie tylko zmian organizacyjnych i prawnych, ale przede wszystkim gruntownej wiedzy ekologicznej wœród osób odpowiedzialnych za zarz¹dzanie zwierzyn¹. Literatura Acevedo P., Vincente J., Höfle U., Cassinello J., Ruiz-Fons F., Gortazar C Estimation of European wild boar relative abundance and aggregation: a novel method in epidemiological risk assessment. Epidemiology and Infection, 135: Acevedo P., Ruiz-Fons F., Vincente J., Reyes-Garcia R., Alpaga, V., Gortazar C Estimating red deer abundance in a wide range of management situations in Mediterranean habitats. Journal of Zoology, 276: Andersen J Analysis of the Danish roe deer population based on the extermination of the total stock. Danish Review of Game Biology, 2: Anderson R. C Height of white-flowered trillium (Trillium grandifolium) as an index of deer browsing intensity. Ecological Applications, 4 (1): Aulak W., Goszczyñski J Inwentaryzacja populacji kopytnych metod¹ pêdzeñ w ca³ych kompleksach leœnych. Wiadomoœci Ekologiczne, XXXII(4): Aulak W., Babiñska-Werka J Estimation of roe deer density based on the abundance and rate of disappearance of their faeces from the forest. Acta Theriologica, 35: Beasom S. L., Leon F. G. Synatzske D. R., Accuracy and precision of counting white-tailed deer with helicopters at different sampling intensities. Wildlife Society Bulletin, 14(4): Belant J. L., Seamans T. W Comparison of 3 devices to observe white-tailed deer at night. Wildlife Society Bulletin, 28(1): Bobek B., Perzanowski K., Zieliñski J Red deer population census in mountains: testing of an alternative method. Acta Theriologica, 31: Borkowski J., Palmer S. C. F., Borowski Z Drive counts as a method of estimating ungulate density in forests: mission impossible? Acta Theriologica, DOI /s Boulanger J., Kendall K. C., Stetz J. B., Roon D.A., Waits L. P., Paetkau D Multiple data sources improve DNAbased mark-recapture population estimates of grizzly bears. Ecological Applications, 18 (3): Buckland S. T., Anderson D. R., Burnham K. P., Laake J. L Distance Sampling: Estimating abundance of biological populations. London, Chapman and Hall. Campbell D., Swanson G. M., Sales J Comparing the precision and cost-effectiveness of faecal pellet group count methods. Journal of Applied Ecology, 41: Capman N. G Faecal pellets of Reevs muntjac, Muntjacus reevesi: defecation rate, decomposition period, size and weight. European Journal of Wildlife Research, 50: Cederlund G., Bergqvist J., Kjellander P., Gill R., Gaillard J.M., Boisaubert B. et al Managing roe deer and their impact on the environment: maximising the net benefits to society. w: Andersen R., Duncan P., Linnel J.D.C. (eds). The European Roe Deer: The Biology of Success. Oslo, Scandinavian University Press. Ciucci P., Catullo G., Boitani L Pitfalls in using counts of roaring stags to index red deer (Cervus elaphus) population size. Wildlife Research, 36: Colwell R. K., Coddington J. A Estimating terrestrial biodiversity through extrapolation. Philosophical Transactions of the Royal Society of London, Ser. B, 345: Côte S. D., Rooney T. P., Tremblay J.-P., Dussault C., Waller D. M Ecological impacts of deer overabundance. Annual Review of Ecology, Evolution and Systematics, 35: , Cross P. C., McShea W., Smith T. M The combined effects of browsing and disturbance on forest succession: a case study of white-tailed deer impacts in Virginia, Caring for Deer and Forests, A Resource Center for Eastern North America. data dostêpu Daniels M. J Estimating red deer Cervus elaphus populations: an analysis of variation and cost-effectiveness of counting methods. Mammal Review, 26(3): Dayle V. H., Beyeler S. C Challenges in the development and use of ecological indicators. Ecological Indicators, 1: DeCalesta, D. S., Witmer G. W Drive-line census for deer within fenced enclosures. Research Paper NE 643. Northeastern Forest Experimental Station, Radnor, PE. DeCalesta D. S Effects of white-tailed deer on songbirds within managed forests in Pennsylvania. Journal of Wildlife Management, 58: Ditchkoff S. S., Raglin J. B., Smith J. M., Collier B. A From the field: capture of white-tailed deer fawns using thermal imaging technology. Wildlife Society Bulletin, 33(3): Dziêcio³owski R The use of pellet-group counts to census red deer (Cervus elaphus L.). XI th International Congress of Game Biologists. National Swedish Environment Protection Board, Stockholm. Dziêcio³owski R. 1976a. Estimating ungulate numbers in a forest by track counts. Acta Theriologica, 21: Dziêcio³owski R. 1976b. Roe deer census by pellet-group counts. Acta Theriologica, 21: Dziêcio³owski R., Goszczyñski J., Wasilewski M., Babiñska- Werka J Numbers of red deer in S³owiñski National Park, Poland. Acta Theriologica, 40 (1): Dziêcio³owski R., Kossak S., Wasilewski M., Przypaœniak J., Wawrzyniak P Numbers and structure of the Bialowieza Forest population of red deer as determined by new census technique. Journal of Wildlife Research, 2(3):

11 E. Cheæko / Leœne Prace Badawcze, 2011, Vol. 72 (3): Ellis A.M., Bernard R.T.F Estimating the density of kudu (Tragelaphus strepsiceros) in subtropical thicket using line transect surveys of dung and DISTANCE software. African Journal of Ecology, 43: Floyd T. J., Mech L. D., Nelson M. E An improved method of censusing deer in deciduous-coniferous forests. Journal of Wildlife Management, 43: Focardi S., Franzetti B., Monaco A., Pedrotti L Estimating red deer populations abundance in the Alps: successful experiments on night surveys. 6 th International Deer Biology Congress, Prague. Formozov A.N Formula dlâ kolièestvennogo uèeta mlekopitaûsih po sledam. Zoologièeskij urnal, 11(2): Franzetti B Theory and practice of density surface modeling in a distance sampling framework: an evaluation based on night surveys of a fallow deer (Dama dama L.) population in a Mediterranean environment. Phd Thesis, Universita degli Studi di Ferrara. Gaillard J.-M., Delorme D., Boutin J. M., Van Laere G., Boisaubert B Body mass of roe deer fawns during winter in two contrasting populations Journal of Wildlife Management, 60: Gaillard J.-M., Festa-Bianchet M., Yoccoz N. G., Loison A., Toïgo C Temporal variation in fitness components and population dynamics of large herbivores. Annual Review of ecology and Systematics, 31: Garel M., Bonenfant C., Hamann J.-L., Klein F., Gaillard J.-M Are abundance indices derived from spotlight counts reliable to monitor red deer Cervus elaphus populations? Wildlife Biology, 16: Gill R.M.A., Johnson A.L., Francis A., Hiscoks K., Peace A.J Changes in roe deer (Capreolus capreolus L.) population density in response to forest habitat succession. Forest Ecology and Management, 88: Gill R.M.A., Thomas M.L., Stocker D The use of portable thermal imaging for estimating deer population density in forest habitats. Journal of Applied Ecology, 34: Gill R.M.A The impact of deer on woodland biodiversity. Edinburgh, Forestry Commission Information Note. Leœnictwo Warszawa, G³ówny Urz¹d Statystyczny. Gortazar C., Acevedo P., Ruiz-Fons F., Vincente J Disease risk and overabundance of game species. European Journal of Wildlife Research, 52: Gould W. R., Smallidge S. T., Thompson B. C Markresight superpopulation estimation of a wintering elk (Cervus elaphus canadensis) herd. Wildlife Biology, 11(4): Hebeisen C., Fattebert J., Baubet E., Fisher C Estimating wild boar (Sus scrofa) abundance and density using capture-resights in Canton of Geneva, Switzerland. European Journal of Wildlife Research, 54: Hemami M. R, Dolman P. M The disappearance of muntjac (Muntiacus reevesi) and roe deer (Capreolus capreolus) pellet groups in a pine forest of lowland England. European Journal of Wildlife Research, 51: Hewison A. J. M., Vincent J. P., Bideau E., Angibault J. M., Putman R. J Variation in cohort mandible size as an index of roe deer (Capreolus capreolus) densities and population trends. Journal of Zoology, 239(3): Hewison A.J.M., Angibault J.M., Cargnelutti B., Coulon A., Rames J.L., Verheyden H., Morellet N Using radiotracking and direct observation to estimate roe deer density in a fragmented landscape a pilot study. Wildlife Biology, 13: Hino T The impact of herbivory by deer on forest bird communities in Japan. Acta Zoologica Sinica, 52: Janvrin J. A., Wiggers E. P., Dailey T. V Evaluation of drive counts for estimating northern bobwhite densities. Wildlife Society Bulletin, 19(4): Jenkins K. J., Manly B. F. J A double-observer method for reducing bias in faecal pellet surveys of forest ungulates. Journal of Applied Ecology, 45: Kossak S Zintegrowana metoda szacowania stanów liczebnych i struktury populacji ssaków ³ownych i chronionych w Puszczy Bia³owieskiej. Prace Instytutu Badawczego Leœnictwa, Seria A, 2(915): Koh S., Bazely D. R., Tanentzap A. J., Voigt D., Da Silva E Trillium grandifolium height is an indicator of whitetailed deer density at local and regional scales. Forest Ecology and Management, 259 (8): Kohn M. K., York E. C., Kamradt D. A., Haught G., Sauvajot R. M., Wayne R Estimating population size by genotyping faeces. Proceedings of the Royal Society Ser. B, 266: Krebs C. J Ekologia. Eksperymentalna analiza rozmieszczenia i liczebnoœci. Warszawa, PWN. Langvatn R Social behavior and population structure as a basis for censusing red deer populations. w: Peterle T.J. (ed.) Proceedings of the 13th Congress of Game Biologists. Washington, The Wildlife Society: Laing S. E., Buckland S. T., Burns R. W., Lambie D., Amphlett A Dung and nest surveys: estimating decay rates. Journal of Applied Ecology, 40: Lancia R. A., Nichols J. D., Pollock K. H Estimating the number of animals in wildlife populations. w: Bookhout T. A. (ed.) Research and management techniques for wildlife and habitats. Bethesda, Maryland, The Wildlife Society. Lehmkuhl J. F., Hansen C. A., Sloan K Elk pellet-group decomposition and detectability in coastal forests of Washington. Journal of Wildlife Management, 58(4): Lincoln F. C Calculating waterfowl abundance on the basis of banding returns. United States Department of Agriculture Circular, 118: 1 4. Magnusson W. E., Caughley G. J., Grigg G. C Doublesurvey estimate of population size from incomplete counts. Journal of Wildlife Management, 42: Maillard D Indicators of ecological change: new tools for managing populations of large herbivores. Journal of Applied Ecology, 44: Marquez F. F. C., Buckland S. T., Goffin D., Dixon C., Borchers D.L., Mayle B., Peace A. J Estimating deer abundance from line transect surveys of dung: sika deer in Southern Scotland. Journal of Applied Ecology, 38:

12 264 E. Cheæko / Leœne Prace Badawcze, 2011, Vol. 72 (3): Massei G., Bacon P., Genov P. V Fallow deer and wild boar pellet group disappearance in a Mediterranean area. Journal of Wildlife Management, 62: Mazzarone V., Siemoni N., Pedone P., Lovari C., Mattioli L A method of red deer (Cervus elaphus L.) census during the roaring period in a forested area of the northern Apenines (central Italy). Proceedings of XXth Congress of the International Union of Game Biologists : Meriggi A., Sotti F., Lamberti P., Gilio N A review of the methods for monitoring roe deer European populations with particular reference to Italy. Hystrix, the Italian Journal of Mammalogy, 19 (2): Milner-Gulland E. J., Akçakaya H.R Sustainability indices for exploited populations under uncertainty. Trends in Ecology and Evolution, 16(12): Morellet N., Champely S., Gaillard J.-M., Ballon P., Boscardin Y The browsing index: new tool uses browsing pressure to monitor deer populations. Wildlife Society Bulletin, 29 (4): Morellet N., Gaillard J.-M., Hewison M., Ballon P., Boscardin Y., Duncan P., Klein F., Maillard D Indicators of ecological change: new tools for managing populations of large herbivores. Journal of Applied Ecology, 44: Murray D., Ellsworth E., Zack A Assessment of potential bias with snowshoe hare fecal pellet-plot counts. Journal of Wildlife Management, 69: Mowat G., Paetkau D Estimating marten Martes americana population size using hair capture and genetic tagging. Wildlife Biology, 8(3): Mysterud A The concept of overgrazing and its role in management of large herbivores. Wildlife Biology, 12(2): Mysterud A., Meisingset E. L., Veiberg V., Langvatn R., Solberg E. J., Loe L. L., Stenseth N. C Monitoring population size of red deer Cervus elaphus: an evaluation of two types of census data from Norway. Wildlife Biology, 13(3): Nasiadka P The accuracy of year-long direct observation by hunters for estimating red deer (Cervus elaphus L.). Zomborszky (ed.). Advances in deer biology. Proceedings of the 4 th International Deer Biology Congress. Kaposvar: Neff D. J The pellet-group count technique for big game trend, census, and distribution: a review. Journal of Wildlife Management, 32(3): Noss A. J., Salidas R. L. C., Crespo J. A Drive counts for grey brocket deer Mazama gouazoupira in the Bolivian Chaco. Mammalia, 2006: Okarma H., Tomek A owiectwo. Kraków, Wydawnictwo Edukacyjno-Naukowe H2O. Pearse D. E., Eckerman M., Janzen J., Avise J. C A genetic analogue of mark-recapture methods for estimating population size: an approach based on molecular parentage assessments. Molecular Ecology, 10: Persson I.-L. 2003a. Moose population density and habitat productivity as drivers of ecosystem processes in northern boreal forests. PhD thesis. Umea, Swedish University of Agricultural Sciences. Persson I.-L. 2003b. Seasonal and habitat differences in visibility of moose pellets. Alces, 39: Petersen C. G. J The yearly immigration of young plaice into the Limfjord from the German Sea. Report of the Danish Biological Station to the Home Department, 6: Petit E., Valiere N Estimating population size with noninvasive capture-mark-recapture data. Conservation Biology, 20(4): Prins H. H. T., Bokdam J Habitat use of wild ungulates: definitions and measurement methods. w: G. Groot-Bruinderink & S. van Wieren (eds). Proceedings of a workshop on ungulate food resources. Leersum, RIN, Prokešová J., Baranèeková M., Homolka M Density of red and roe deer and their distribution in relation to different habitat characteristics in a floodplain forest. Folia Zoologica, 55(1): Pucek Z., Bobek B., abudzki L., Mi³kowski L., Morow K., Tomek A Estimates of density and number of ungulates. w: The role of large herbivore mammals in woodland ecosystems. Red. Grodziñski W., Pucek Z. Warszawa, PWN, I: Reby D., Hewison A. J. M., Cargnelutti B., Angibault J.-M., Vincent J.-P Use of vocalizations to estimate population size of roe deer. Journal of Wildlife Management 62(4): Romain-Bondi K. A., Wielgus R. B., Waits L., Kasworm W. F., Austin M., Wakkinen W Density and population size estimates for North Cascade grizzly bears using DNA hair-sampling techniques. Biological Conservation, 117: Romero-Alcaraz E., Ávila J. M Effect of elevation and type of habitat on the abundance and diversity of scarabaeoid dung beetle (Scarabaeoidea) assemblages in a Mediterranean area from southern Iberian peninsula. Zoological Studies, 39: Rooney T. P., Waller D. M Direct and indirect effects of white-tailed deer in forest ecosystems. Forest Ecology and Management, 181: Sage R. W., Tierson W. C., Mattfeld G. F., Behrend D. F White-tailed deer visibility and behavior along forest roads. Journal of Wildlife Management, 47(4): Sanders, Howard Marine benthic diversity: a comparative study. The American Naturalist 102(925): Skarin A Habitat use by semi-domesticated reindeer, estimated with pellet-group counts. Rangifer, 27(2): Smart J. C. R., Ward A. I., White P. C. L Monitoring woodland deer populations in the UK: an imprecise science. Mammal Review, 34(1): Soisalo M. K., Cavalcanti S. M. C Estimating the density of a jaguar population in the Brazilian Pantanal using camera-traps and capture-recapture sampling in combination with GPS radio-telemetry. Biological Conservation, 129: Sporon-Fiedler I Da Daavildtbstanden paa-oen skulde bort. Dansk Jagdttidende, 47: 39. Stephens P. A., Zaumyslova O. Yu., Miquelle D. G., Myslenkov A. I., Hayward G. D Estimating population density from indirect sign: track counts and the Formozov-

13 E. Cheæko / Leœne Prace Badawcze, 2011, Vol. 72 (3): Malyshev-Pereleshin formula. Animal Conservation, 9: Stigler S. M The history of statistics: the measurement of uncertainty before Cambrige, The Belknap Press of Harvard University Press. ISBN Strandgaard H., Reliability of the Petersen method tested on a roe deer population. Journal of Wildlife Management, 31(4): Taberlet P., Fumagalli L Owl pellets as a source of DNA for genetic studies of small mammals. Molecular Ecology, 5: Taberlet P., Waits L., Luikart G., Noninvasive genetic sampling: look before you leap. Trends in Ecology and Evolution, 14: Tanentzap A. J., Bazely D. R., Lafortezza R Diversityinvasibility relationships across multiple scales in disturbed forest understoreys. Biological Invasions, 12(7): Theuerkauf J., Rouys S., Jêdrzejewski W Detectability and disappearance of ungulate and hare faeces in a European temperate forest. Annales Zoologici Fennici, 45: Thomas L., Buckland S. T., Burnham K. P., Anderson D. R., Laake J. L., Borchers D., Strindberg S Distance Sampling. Encyclopedia of Environmetrics, 1: Toïgo C., Gaillard J.-M., Van Laere G., Hewison A. J. M., Morellet M How does environmental variation influence body mass, body size and body condition? Roe deer as a case study. Ecography, 29: Trolle M., Kery M Estimation of ocelot density in the Pantanal using capture recapture analysis of cameratrapping data. Journal of Mammalogy, 84(2): Tsaparis D., Katsanevakis S., Ntolka E., Legakis A Estimating dung decay rates of roe deer (Capreolus capreolus) in different habitat types of a Mediterranean ecosystem: an information theory approach. European Journal of Wildlife Research, 55: Ullas Karanth K., Chundawat R. S., Nichols J. D., Kumar N. S Estimation of tiger densities in the tropical dry forests of Panna, Central India, using photographic capture-recapture sampling. Animal Conservation, 7: Van Etten R. C., Bennet C. L Some sources of error in using pellet-group counts for censusing deer. Journal of Wildlife Management, 29 (4): Van Laere G., Maillard D., Boutin J. M., Delorma D Le suivi des populations de chevreuils méthodes traditionelles d estimation aux indicateurs biologiques. Proc. XXI ème Colloque francophone de Mammalogie, Amiens, 1997, Arvicola. Vincent J.-P., Gaillard J.-M., Bideau E Kilometric index as biological indicator for monitoring forest roe deer populations. Acta Theriologica, 36(3 4): Vincent J.-P., Bideau E., Hewison A. J. M., Angibault J.-M The influence of increasing density on body weight, kid production, home range and winter grouping in roe deer (Capreolus capreolus). Journal of Zoology. 236: Vincent J.-P., Hewison A. J. M., Angibault J.-M., Cargnelutti B Testing density estimators on a fallow deer population of known size. Journal of Wildlife Management, 60(1): Ward A. I., White P. C. L., Critchley C. H Roe deer Capreolus capreolus behaviour affects density estimates from distance sampling surveys. Mammal Review, 34(4) Winchcombe R.J., Ostfeld R. S Indexing deer numbers with spotlight: a long-term study of a managed deer population. Northeast Wildlife, 56: Woods J., Paetkau D., Lewis D., McLellen B. N., Proctor M., Strobeck C Genetic tagging of free-ranging black and brown bears. Wildlife Society Bulletin 27(3): Zannèse A., Baïsse A., Gaillard J.-M., Hewison M., Saint-Hilaire K., Toïgo C. et al Foot length: an indicator for monitoring roe deer populations at a landscape scale. Wildlife Society Bulletin, 34(2): Praca zosta³a z³o ona r. i po recenzjach przyjêta r. 2011, Instytut Badawczy Leœnictwa