📍 Černotín
Intenzivně zemědělské okolí. Vykazuje vyšší, avšak krátkodobější snůšku spojenou s masovým kvetením zemědělských plodin (zejména řepky).
Po odkvětu hlavních plodin dochází k výraznějšímu poklesu potravní nabídky.
01
O práci
Diplomová práce se zabývá analýzou vztahů mezi daty z úlových vah a teplotních senzorů a lokálními environmentálními podmínkami stanovišť včelstev. Cílem práce bylo identifikovat klíčové klimatické a krajinné faktory ovlivňující denní snůšku a celkovou produktivitu včelstev, s důrazem na hodnocení vlivu meteorologických podmínek a dostupnosti nektarových a pylových zdrojů v okolí včelnic.
Analýza vychází z dat ze dvou stanovišť v Olomouckém kraji – Černotín a Hrádky – za sezónu 2024. Práce navrhuje a ověřuje metodický postup propojení úlových, meteorologických, satelitních a prostorových dat pro hodnocení stanovištních podmínek včelstev.
Rozsah práce: 53 stran, 5 příloh.
02
Kontakt na autora
Jméno
Ondřej Stehlík
E-mail
stehlik.on@seznam.cz
Studijní program
Geoinformatika a kartografie (navazující Mgr.)
Pracoviště
Katedra geoinformatiky
Přírodovědecká fakulta
Univerzita Palackého v Olomouci
Přírodovědecká fakulta
Univerzita Palackého v Olomouci
03
Cíl práce
Cílem diplomové práce je analyzovat vztahy mezi vývojem úlových vah, stanovištními podmínkami, dostupností nektarových a pylových zdrojů v okolí včelnic a zdravotním stavem včelstev. Zvláštní důraz je kladen na hodnocení vlivu klimatických faktorů, zejména teploty a srážek, na snůškové poměry během roku a na celkovou produktivitu a kondici včelstev.
Dílčí cíle práce zahrnují:
- Zpracování a vyhodnocení časových řad z úlových vah systému VeluBee na lokalitách Černotín a Hrádky (identifikace snůšek, zásahů včelaře a plodování).
- Popis meteorologických podmínek s využitím rastrových dat projektu Agropočasí.cz (odvozené proměnné: VPD, suma efektivních teplot, klouzavé průměry).
- Zhodnocení krajinného a fenologického kontextu obou stanovišť prostřednictvím dat ZABAGED, LPIS a vegetačních indexů NDVI/NDYI ze Sentinelu-2.
- Vytvoření prediktivního modelu denní snůšky algoritmem XGBoost a interpretace výsledků pomocí důležitosti proměnných, SHAP hodnot a křivek ICE/PDP.
- Ověření metodického postupu propojujícího různé datové zdroje pro hodnocení stanovištních podmínek včelstev.
Zdravotní stav včelstev je v práci hodnocen nepřímo prostřednictvím senzorických ukazatelů – průběhu hmotnosti úlů, denní snůšky, úlové teploty a termoregulační stability – nikoli jako veterinární diagnóza.
04
Metody a materiály
Datové zdroje
- Úlové senzory VeluBee Hive (váha ±100 g, teplota ±0,5 °C)
- Interpolovaná meteorologická rastrová data Agropočasí.cz (rozlišení 500 × 500 m)
- Satelitní snímky Sentinel-2 zpracované v Google Earth Engine
- Prostorová data ZABAGED (základní báze geografických dat ČR)
- Data zemědělského registru LPIS
Použité metody
- Tvorba bufferových zón 500 m, 1 km a 2 km kolem stanovišť
- Vegetační indexy NDVI a NDYI
- Prediktivní modelování XGBoost (Extreme Gradient Boosting)
- Interpretace modelu: SHAP, ICE a PDP křivky
- Výpočet výparného deficitu vzduchu (VPD)
- Zonální statistiky a prostorové analýzy v GIS
Lokality
- Černotín – intenzivně zemědělský charakter okolní krajiny
- Hrádky – diverzifikovaná krajina, Olomoucký kraj
- Sledované období: sezóna 2024
Software a platformy
- Google Earth Engine
- GIS (prostorové analýzy)
- Orange (XGBoost, SHAP, analýza dat)
05
Výsledky
R² = 0,746
Predikční přesnost nejlepšího modelu kombinujícího meteorologická data s vegetačním indexem NDVI
VPD 0,65 kPa
Identifikovaný práh výparného deficitu vzduchu, pod nímž denní snůška klesá k nule – nejvýznamnější prediktor modelu
NDVI do 1 km
Vegetační index lesních porostů v okruhu 1 km od stanoviště jako druhá nejvýznamnější proměnná modelu
2 lokality
Srovnání stanovišť Černotín a Hrádky v Olomouckém kraji za celou sezónu 2024
Kontrast mezi lokalitami
📍 Hrádky
Diverzifikovaná, přírodě bližší krajina. Vykazuje nižší, ale delší a stabilnější snůšku v průběhu celé sezóny.
Pestřejší nabídka nektarodárných zdrojů přispívá k plynulejšímu průběhu snůšky.
Výsledky modelování dále ukázaly, že meteorologické proměnné – zejména výparný deficit vzduchu (VPD) a teplota vzduchu – jsou klíčovými prediktory denní snůšky. Model naznačil, že kombinace meteorologických a vegetačních dat může dosahovat vyšší predikční přesnosti než použití samotných meteorologických proměnných, avšak tyto výsledky je třeba testovat na větším datasetu s více lokalitami.
06
Závěr
Práce prokázala, že propojení dat z úlových senzorů s meteorologickými, satelitními a prostorovými daty umožňuje smysluplně hodnotit stanovištní podmínky včelstev a identifikovat faktory ovlivňující denní snůšku.
Nejvýznamnějším prediktorem denní snůšky byl v rámci analyzovaného souboru dat výparný deficit vzduchu (VPD) s prahem přibližně 0,65 kPa. Jako druhý klíčový faktor se projevil vegetační index NDVI lesních porostů v okruhu 1 km od stanoviště.
Nejlepšího predikčního výkonu dosáhl model kombinující meteorologická data s vegetačními indexy NDVI (R² = 0,746). Analýza krajinné struktury odhalila výrazný kontrast mezi lokalitami – intenzivně zemědělský Černotín a diverzifikovanější Hrádky vykazují odlišný průběh i charakter snůšky.
Výsledkem práce je ověřený metodický postup propojující úlová, meteorologická, satelitní a prostorová data, který může sloužit jako podklad pro další výzkum v oblasti precizního včelařství a optimalizaci stanovištního managementu včelstev.
07
English Annotation
This master's thesis analyses the relationships between data from hive scales and temperature sensors and local environmental conditions at honeybee colony sites. The aim of the thesis was to identify key climatic and landscape factors influencing daily nectar flow and overall colony productivity, with emphasis on assessing the effects of meteorological conditions and the availability of nectar and pollen sources in the vicinity of apiaries.
The analysis is based on data from two sites in the Olomouc Region — Černotín and Hrádky — for the 2024 season. The data sources included records from VeluBee hive sensors, interpolated meteorological raster data from the Agropočasí.cz project with a spatial resolution of 500 × 500 m, Sentinel-2 satellite imagery processed using Google Earth Engine, and ZABAGED and LPIS spatial datasets. Buffer zones with radii of 500 m, 1 km and 2 km were created around each site to analyse the landscape context. Predictive modelling was performed using the Extreme Gradient Boosting algorithm (XGBoost), with interpretation based on feature importance analysis, SHAP values, and ICE and PDP curves.
The modelling results suggest that, within the analysed dataset, the most important predictor of daily nectar flow was vapour pressure deficit (VPD), with an identified threshold of approximately 0.65 kPa, below which nectar flow dropped to near zero. Another important variable in the model was the NDVI vegetation index of forest stands within 1 km of the site. The highest predictive accuracy was achieved by the model combining meteorological data with NDVI vegetation indices (R² = 0.746). The landscape structure analysis revealed a marked contrast between the two sites: the intensively agricultural surroundings of Černotín were associated with higher but shorter-term nectar flow, whereas the more diversified surroundings of Hrádky were associated with lower but longer and more stable nectar flow. The thesis proposes and validates a methodological workflow for integrating hive, meteorological, satellite and spatial data to assess environmental conditions at honeybee colony sites.
Keywords: precision beekeeping hive scales predictive modelling landscape context vapour pressure deficit
08
Soubory
Níže jsou k dispozici ke stažení plný text diplomové práce (včetně zadání), poster a jednotlivé přílohy.
Hlavní dokumenty
Přílohy
Práce obsahuje 5 příloh (volné). Přílohy jsou dostupné ke stažení níže.